CN108449411A - 一种随机需求下面向异质费用的云资源调度方法 - Google Patents
一种随机需求下面向异质费用的云资源调度方法 Download PDFInfo
- Publication number
- CN108449411A CN108449411A CN201810224921.4A CN201810224921A CN108449411A CN 108449411 A CN108449411 A CN 108449411A CN 201810224921 A CN201810224921 A CN 201810224921A CN 108449411 A CN108449411 A CN 108449411A
- Authority
- CN
- China
- Prior art keywords
- region
- resource
- condition
- solution
- scheduling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种随机需求下面向异质费用的云资源调度方法,采用随机需求模型来描述用户的应用程序细粒度的资源需求,采用通用代价函数来描述异质费用模型,建立具通用性的非线性规划问题模型,并基于动态规划快速获得解的下界,再迭代逼近获取近优解。通过采用两个阶段的算法进行调度,第一阶段采用一种快速获取算法得到调度问题的可行解,第二阶段采用一种近似最优解获取算法得到调度问题的最终解。本发明符合云平台调度的实际情况,充分发挥了云资源调度的优势。
Description
技术领域
本发明涉及云中资源分配方法,更具体的说是涉及一种随机需求下面向异质费用的云资源调度方法,属于云计算技术领域。
背景技术
随着信息技术的广泛应用和快速发展,云计算作为一种新兴的商业计算模型日益受到人们的广泛关注,采用分布式云构建流媒体服务等高资源消耗系统,既符合应用多区域部署的要求,又能充分利用云计算资源,为用户提供服务质量保证,进而有效控制系统的预算成本。
由于各区域云中心费用函数存在差别,分布式云中调度需引入异质费用模型,结合流媒体应用中用户请求高度动态随机的特征,在给定的费用预算下响应尽可能多的用户请求。目前广泛使用的云中资源分配方法是基于均值的调度方法,该方法简化或省略了费用模型,调度时仅考虑资源总量的限制,不符合云平台调度的实际情况,因而不能充分发挥云资源调度的优势。
因此,如何提供一种优化的云资源调度方法成为了本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种随机需求下面向异质费用的云资源调度方法,先采用一种快速获取算法得到调度问题的可行解,再采用一种近似最优解获取算法得到调度问题的最终解,符合云平台调度的实际情况,充分发挥了云资源调度的优势。
为了实现上述目的,本发明采用如下技术方案:
一种随机需求下面向异质费用的云资源调度方法,通过采用两个阶段的算法进行调度,第一阶段采用一种快速获取算法得到调度问题的可行解,第二阶段采用一种近似最优解获取算法得到调度问题的最终解。
优选的,第一阶段的可行解的快速获取算法包括如下步骤:
输入参数:区域的个数J;资源种类数I;资源调度的预算总量C;需求累积分布函数cdfi(·),cdfi,j(·);各区域资源的价格函数fj(·);算法终止条件阈值D;
输出各区域资源量可行解Lj′,具体包括如下执行步骤:
(1)初始化:令s=I/2,v=I;
(2)对每一个区域j(1≤j≤J)的所有I种资源,计算获得Lj′;
(3)令判断|d|的值是否小于D:若条件成立,则进入步骤(4);若条件不成立,则进入步骤(5);
(4)输出可行解Lj′并返回;
(5)令s=s/2,判断d的值是否小于0:若条件成立,则v=v-s;否则,v=v+s,进入步骤(2)。
优选的,第二阶段的近似最优解的获取算法包括如下步骤:
输入参数:区域的个数J;资源种类数I;各区域资源量可行解Lj′;资源调度的预算总量C;需求累积分布函数cdfi,j(·);各区域资源的价格函数fj(·);迭代控制变量M和N;
输出各区域资源量近优解Lj,具体包括如下执行步骤:
(1)初始化:令m=1;
(2)判断m的值是否大于M:若条件成立,则进入步骤(11);若条件不成立,则执行步骤(3)-(10);
(3)计算e=mC/(MJ),并令n=0;
(4)并判断n的值是否小于N:若条件不成立,则进入步骤(10);若条件成立,则进入步骤(5);
(5)获取每个区域j增加预算e后整体增加的收益,保存到长度为J的列表LA中;
(6)获取每个区域j降低预算e后整体减少的收益,保存到长度为J的列表LD中;
(7)判断LA列表中的最大值是否大于LD列表中的最大值:若条件成立,进入步骤(8);若条件不成立,则进入步骤(9);
(8)设LA列表中最大值对应区域j1,LD列表中的最大值对应区域j2,并使得成立;同时,将区域j2的资源量减少Δj2,并使得成立;
(9)令n=n+1,并返回到步骤(4)继续执行;
(10)令m=m+1,并返回到步骤(2)继续执行;
(11)将此时各区域资源量Lj作为近似最优解输出并返回。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种随机需求下面向异质费用的云资源调度方法,有益效果在于:
本发明通过采用两个阶段的算法进行调度,第一阶段采用一种快速获取算法得到调度问题的可行解,第二阶段采用一种近似最优解获取算法得到调度问题的最终解,不仅获取方法简单、方便,而且有利于提高云资源调度效率,并且符合云平台调度的实际情况,充分发挥了云资源调度的优势。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明提供的云资源调度方法的流程图。
图2是图1中步骤S1的流程图。
图3是图1中步骤S2的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种随机需求下面向异质费用的云资源调度方法,先采用一种快速获取算法得到调度问题的可行解,再采用一种近似最优解获取算法得到调度问题的最终解,符合云平台调度的实际情况,充分发挥了云资源调度的优势。
本发明提供了一种随机需求下面向异质费用的云资源调度方法,引入调度间隔(St)和需求测量间隔(Sd)两个时间尺度,其中,St=TSd,即一个调度间隔分为T个需求测量间隔。设有来自J个区域的针对I种资源的用户请求,用Lj表示区域j中资源的数量,则针对一个调度间隔中的分配,J个区域所有分配组合构成一个资源配置方案,记为P={Lj}。对来自区域j的请求,有两种满足方式:1)采用位于区域j的资源,即本地满足;2)采用位于其它区域的资源,即远程满足。若某个请求未被分配到任何资源,则将其标记为“未满足”。对于单次调度中第i个需求测量间隔中,区域j和所有区域的需求实际采样标量值分别为和gi,则在第i个需求测量间隔中,所有区域在本地满足需求量的和为所有区域满足的所有需求量的和为其中由此可计算得到所有区域满足的非本地需求量的和为因此,对于当前的需求测量间隔,资源的收益可表示为全部满足需求量和本地满足需求量的加权和,如公式(1)所示。
其中,wsat和wloc分别表示所有区域整体满足需求量的权重和各区域本地满足需求量的权重,则单次调度间隔的收益可表示为各个需求测量间隔中收益的和:
对于基于分布式云的资源调度,其预算通常表示金额总量C,此时需考虑各个云数据中心内资源的价格。由于常见的云基础设施提供商在不同地区的云数据中心采用不同的定价策略,为了使算法更具通用性,本发明提供的调度算法对计费函数不设限制,即可为任意的非线性单调递减函数。设区域j的资源计费函数为fj(·),若在单次调度前能准确预测各测量时间段的需求量和gi,则在给定预算C下的资源调度问题可表示为:
而在实际场景中的需求预测,无法获取精确的和gi,现有方法通过预测两者的均值参与求解,但丢失了较多需求细节信息,有较大的改进空间。本发明通过现有的预测算法得到和gi的分布函数,将区域j中用户对资源的随机需求表示为随机变量所有地区的用户的随机需求表示为随机变量Gj,累积分布函数表示为cdfi,j和cdfi.则求解目标调整为最大化收益的期望问题,即
参阅附图1,本发明所提供的随机需求下面向异质费用的云资源调度算法,采用随机需求模型来描述用户的应用程序细粒度的资源需求,采用通用代价函数来描述异质费用模型,建立具通用性的非线性规划问题模型,并基于动态规划快速获得解的下界,再迭代逼近获取近优解。通过采用两个阶段的算法进行调度,第一阶段采用一种快速获取算法得到调度问题的可行解,第二阶段采用一种近似最优解获取算法得到调度问题的最终解。
S1:第一阶段——可行解的快速获取算法
算法的输入为:区域的个数J、资源种类数I、资源调度的预算总量C、需求累积分布函数cdfi,j(·)、各区域资源的价格函数fj(·),以及算法的终止条件阈值D。
输出为:各区域资源量可行解Lj′,算法的执行流程如图2所示,具体包括如下步骤:
S1.1:初始化,即令s=I/2,v=I;
S1.2:对每一个区域j(1≤j≤J)的所有I种资源,通过计算公式(5),获得Lj’;
S1.3:通过计算公式(6),得到d的值;
S1.4:判断|d|的值是否小于D:若条件不成立,则进入步骤S1.5;若条件成立,则输出可行解Lj′,并进入步骤S2;
S1.5:判断d的值是否小于0:若条件成立,则v=v-s/2;否则,v=v+s/2,返回步骤S1.2。
S2:第二阶段——近似最优解的获取算法
算法的输入为:区域的个数J、资源种类数I、各区域资源量可行解Lj′、资源调度的预算总量C、需求累积分布函数cdfi,j(·)、各区域资源的价格函数fj(·)、迭代控制变量M和N。
输出为:各区域资源量近优解Lj,算法的执行流程如图3所示,具体包括如下步骤:
S2.1:初始化,即令m=1;
S2.2:判断m的值是否大于M:若条件成立,则进入步骤S2.11;若条件不成立,则进入步骤S2.3;
S2.3:计算e=mC/(MJ),并令n=0;
S2.4:判断n的值是否小于N,若条件成立,则进入步骤S2.5;若条件成立,则执行步骤S2.10;
S2.5:获取每个区域j增加预算e后整体增加的收益,保存到长度为J的列表LA中;
S2.6:获取每个区域j降低预算e后整体减少的收益,保存到长度为J的列表LD中;
S2.7:判断LA列表中的最大值是否大于LD列表中的最大值:若条件成立,进入步骤S2.8;若条件不成立,则进入步骤S2.9;
S2.8:设LA列表中最大值对应区域j1,LD列表中的最大值对应区域j2,则将区域j1的资源量增加Δj1,并使得成立;同时,将区域j2的资源量减少Δj2,并使得成立;
S2.9:令n=n+1,并返回到步骤S2.4继续执行;
S2.10:令m=m+1,并返回到步骤S2.2继续执行;
S2.11:将此时各区域资源量Lj作为近似最优解输出并返回。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种随机需求下面向异质费用的云资源调度方法,其特征在于,采用两个阶段的算法进行调度,第一阶段采用一种快速获取算法得到调度问题的可行解,第二阶段采用一种近似最优解获取算法得到调度问题的最终解。
2.根据权利要求1所述的一种随机需求下面向异质费用的云资源调度方法,其特征在于,第一阶段的可行解的快速获取算法包括如下步骤:
输入参数:区域的个数J;资源种类数Ij;资源调度的预算总量C;需求累积分布函数cdfi(·),cdfi,j(·);各区域资源的价格函数fj(·);算法终止条件阈值D;
输出各区域资源量可行解L′j,包括如下执行步骤:
(1)初始化:令s=I/2,v=I;
(2)对每一个区域j(1≤j≤J)的所有I种资源,计算获得L′j;
(3)令判断|d|的值是否小于D:若条件成立,则进入步骤(4);若条件不成立,则进入步骤(5);
(4)输出可行解L′j并返回;
(5)令s=s/2,判断d的值是否小于0:若条件成立,则v=v-s;否则,v=v+s,进入步骤(2)。
3.根据权利要求1所述的一种随机需求下面向异质费用的云资源调度方法,其特征在于,第二阶段的近似最优解的获取算法包括如下步骤:
输入参数:区域的个数J;资源种类数I;各区域资源量可行解L′j;资源调度的预算总量C;需求累积分布函数cdfi,j(·);各区域资源的价格函数fj(·);迭代控制变量M和N;
输出各区域资源量近优解Lj,包括如下执行步骤:
(1)初始化:令m=1;
(2)判断m的值是否大于M:若条件成立,则进入步骤(11);若条件不成立,则执行步骤(3)-(10);
(3)计算e=mC/(MJ),并令n=0;
(4)并判断n的值是否小于N:若条件不成立,则进入步骤(10);若条件成立,则进入步骤(5);
(5)获取每个区域j增加预算e后整体增加的收益,保存到长度为J的列表LA中;
(6)获取每个区域j降低预算e后整体减少的收益,保存到长度为J的列表LD中;
(7)判断LA列表中的最大值是否大于LD列表中的最大值:若条件成立,进入步骤(8);若条件不成立,则进入步骤(9);
(8)设LA列表中最大值对应区域j1,LD列表中的最大值对应区域j2,则将区域j1的资源量增加Δj1,并使得成立;同时,将区域j2的资源量减少Δj2,并使得成立;
(9)令n=n+1,并返回到步骤(4)继续执行;
(10)令m=m+1,并返回到步骤(2)继续执行;
(11)将此时各区域资源量Lj作为近似最优解输出并返回。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810224921.4A CN108449411B (zh) | 2018-03-19 | 2018-03-19 | 一种随机需求下面向异质费用的云资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810224921.4A CN108449411B (zh) | 2018-03-19 | 2018-03-19 | 一种随机需求下面向异质费用的云资源调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108449411A true CN108449411A (zh) | 2018-08-24 |
CN108449411B CN108449411B (zh) | 2020-09-11 |
Family
ID=63195183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810224921.4A Expired - Fee Related CN108449411B (zh) | 2018-03-19 | 2018-03-19 | 一种随机需求下面向异质费用的云资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108449411B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110086650A (zh) * | 2019-03-20 | 2019-08-02 | 武汉大学 | 面向分布式机器学习任务的云资源在线调度方法及装置 |
CN110196772A (zh) * | 2019-04-22 | 2019-09-03 | 河南工业大学 | 一种云数据中心环境下考虑容错机制的虚拟机调度方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986606A (zh) * | 2010-11-30 | 2011-03-16 | 中国人民解放军信息工程大学 | 可重构柔性网络重构管理装置及方法 |
CN102110021A (zh) * | 2010-12-08 | 2011-06-29 | 浙江大学 | 一种云计算自主式优化方法 |
CN102404399A (zh) * | 2011-11-18 | 2012-04-04 | 浪潮电子信息产业股份有限公司 | 一种云存储资源模糊动态分配方法 |
CN102662764A (zh) * | 2012-04-25 | 2012-09-12 | 梁宏斌 | 一种基于smdp的动态云计算资源优化分配方法 |
CN103024048A (zh) * | 2012-12-17 | 2013-04-03 | 南京邮电大学 | 一种云环境下的资源调度方法 |
CN103036974A (zh) * | 2012-12-13 | 2013-04-10 | 广东省电信规划设计院有限公司 | 基于隐马尔可夫模型的云计算资源调度方法和系统 |
US8458715B1 (en) * | 2007-02-23 | 2013-06-04 | Hrl Laboratories, Llc | System for allocating resources to optimize transition from a current state to a desired state |
CN105871618A (zh) * | 2016-04-13 | 2016-08-17 | 上海交通大学 | 云调度器中应对不确定需求的多资源调度方法 |
-
2018
- 2018-03-19 CN CN201810224921.4A patent/CN108449411B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8458715B1 (en) * | 2007-02-23 | 2013-06-04 | Hrl Laboratories, Llc | System for allocating resources to optimize transition from a current state to a desired state |
CN101986606A (zh) * | 2010-11-30 | 2011-03-16 | 中国人民解放军信息工程大学 | 可重构柔性网络重构管理装置及方法 |
CN102110021A (zh) * | 2010-12-08 | 2011-06-29 | 浙江大学 | 一种云计算自主式优化方法 |
CN102404399A (zh) * | 2011-11-18 | 2012-04-04 | 浪潮电子信息产业股份有限公司 | 一种云存储资源模糊动态分配方法 |
CN102662764A (zh) * | 2012-04-25 | 2012-09-12 | 梁宏斌 | 一种基于smdp的动态云计算资源优化分配方法 |
CN103036974A (zh) * | 2012-12-13 | 2013-04-10 | 广东省电信规划设计院有限公司 | 基于隐马尔可夫模型的云计算资源调度方法和系统 |
CN103024048A (zh) * | 2012-12-17 | 2013-04-03 | 南京邮电大学 | 一种云环境下的资源调度方法 |
CN105871618A (zh) * | 2016-04-13 | 2016-08-17 | 上海交通大学 | 云调度器中应对不确定需求的多资源调度方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110086650A (zh) * | 2019-03-20 | 2019-08-02 | 武汉大学 | 面向分布式机器学习任务的云资源在线调度方法及装置 |
CN110196772A (zh) * | 2019-04-22 | 2019-09-03 | 河南工业大学 | 一种云数据中心环境下考虑容错机制的虚拟机调度方法 |
CN110196772B (zh) * | 2019-04-22 | 2023-05-23 | 河南工业大学 | 一种云数据中心环境下考虑容错机制的虚拟机调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108449411B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Truong-Huu et al. | A novel model for competition and cooperation among cloud providers | |
Jain et al. | A multiarmed bandit incentive mechanism for crowdsourcing demand response in smart grids | |
Sechi et al. | Water costs allocation in complex systems using a cooperative game theory approach | |
CN103064744B (zh) | 一种基于SLA的面向多层Web应用的资源优化方法 | |
CN111614754B (zh) | 面向雾计算的成本效率优化的动态自适应任务调度方法 | |
CN110111214B (zh) | 一种基于优先级的用户用能管理方法及系统 | |
TWI336867B (en) | Methods and apparatus for managing computing resources based on yield management framework | |
CN113615137B (zh) | Cdn优化平台 | |
CN105446817A (zh) | 移动云计算中一种基于鲁棒优化的联合资源预留配置算法 | |
CN112332404A (zh) | 采暖服务智能管理系统及方法 | |
CN108712480A (zh) | 数据中心中的非it资源分配方法和系统 | |
Akasiadis et al. | Mechanism design for demand-side management | |
Khan et al. | A blockchain token-based trading model for secondary spectrum markets in future generation mobile networks | |
CN108449411A (zh) | 一种随机需求下面向异质费用的云资源调度方法 | |
Zhang et al. | Service pricing and selection for IoT applications offloading in the multi-mobile edge computing systems | |
US10873188B2 (en) | Dynamic hosting capacity system and method for DER integration and management on distribution utility networks | |
Jarray et al. | VCG auction-based approach for efficient Virtual Network embedding | |
Mak et al. | Two-stage auction mechanism for long-term participation in crowdsourcing | |
CN111626528A (zh) | 一种基于贝塞尔曲线的资源配额确定方法、装置和电子设备 | |
CN111695943A (zh) | 一种计及浮动高峰电价的优化管理方法 | |
Valogianni et al. | Multiple Vickrey auctions for sustainable electric vehicle charging | |
Liu et al. | Generalized nash equilibrium model of the service provisioning problem in multi-cloud competitions | |
CN114580919A (zh) | 多场景两阶段需求响应资源优化调度方法、装置及设备 | |
Chen et al. | Overview of transmission expansion planning in the market environment | |
Jiang et al. | Assessing urban road network capacity considering parking supply and parking pricing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200911 Termination date: 20210319 |