CN109146164A - 面向云服务提供商的服务收益提升方法 - Google Patents
面向云服务提供商的服务收益提升方法 Download PDFInfo
- Publication number
- CN109146164A CN109146164A CN201810898142.2A CN201810898142A CN109146164A CN 109146164 A CN109146164 A CN 109146164A CN 201810898142 A CN201810898142 A CN 201810898142A CN 109146164 A CN109146164 A CN 109146164A
- Authority
- CN
- China
- Prior art keywords
- request
- service
- function
- node
- improving
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
面向云服务提供商的服务收益提升方法,是一种用于给定带宽限定条件下对一系列在数据中心之间的已知开始时间,结束时间,请求带宽大小,起始传输节点与目的节点的请求在多项式时间内近似最大化服务商收益的请求调度方案。该方案通过对松弛之后的线性规划问题进行求解,之后使用决策树的方式,对每层选择使用特定函数(U函数)进行计算,最小化最终存在超出限定的情况的概率,并在一定范围内保证与整数规划求解得到的最优解近似。从检测结果中可知,本发明可以快速有效得到可行解,并且得到相比于之前算法较高的服务收益。
Description
技术领域
本发明属于互联网技术领域,涉及流量调度技术,特别涉及一种针对云服务商的服务收益提升方法。
背景技术
随着云计算的快速发展,许多公司和个人将所有的应用迁移到云服务平台上,这些云服务商维护着多个数据中心来支持相关业务。这些数据中心上运行着各种全局分布式的应用程序,并且分布在不同的地理区域,这决定了它们有跨地理区域相互通信的需求,这种需求导致了区域分布的数据中心间的流量大幅度提升。数据中心之间大量数据传输流导致了高昂的带宽开销,数据中心拥有者每年都要向互联网服务供应商租用广域网带宽,费用高达数亿。为了满足越来越激烈的商业竞争的需求,最大化服务收益对云服务提供商至关重要。
发明内容
在给定每条边带宽限定的情况下,对一组给定的需要处理的请求,收益最大化的目标等效于最大化接受请求的收益,本发明即针对最大化请求接受收益的目标提出了一种面向云服务提供商的服务收益提升方案方法,通过将请求进行分流处理之后在多项式时间内求解出线性规划的结果,使用决策树的方式依次对每个请求进行整流或拒绝处理,具体按照以下步骤实现:
步骤一,将一个租用周期分为若干个传输时隙,即1,…,T,用一个有向图G=(V,E)来表示数据中心和数据中心之间的链路,其中V 是有向图的节点集合,表示所有的数据中心的集合,E是有向图的边集,表示所有的链路的集合,用五元组ri=(si,ti,di,ai,τi)来代表一个请求,其中si,ti,di,ai,τi分别代表第i个请求的源节点、目的节点、数据量、到达时间以及截止时间;使用xi,j来代表第i个请求选择第j个路径,为拒绝这个请求,对所有整数进行松弛之后求解线性规划;
步骤二,对所有整数进行松弛之后求解线性规划;
步骤三,遍历所有请求,对每个的请求的每个进行路径计算选取最大化设定的U函数的选择;
步骤四,返回每个请求最终选取的路由方式;
其中U函数为用来快速逼近在已选择条件下出现违反约束条件的条件概率的特殊函数。
本发明用用P0表示在流量约束、请求约束和整数约束共三个约束下,使目标函数:
最大化的最优化问题,即在给定的带宽限定条件下对请求进行选择从而获得最大收益;
其中流量约束为:
其中K表示在收费周期内的请求个数,Li-1表示从请求i的起始节点到目的节点的可选路径数目,xi,j为0或者1,表示请求i是否流经第j条路或是否拒绝该请求,Ii,j,e为0或者1,表示请求i的第j个路径选择中是否包含第e条边,ce为第e条边上的带宽限定,为整数。
其中请求约束为:
同时由于请求不可分流的性质:
xi,j∈{0,1}
其中U函数按照如下方式构建:
其中
为松弛之后得到的解。
定义
B(m,D(m,x))=x
t0=ln[1+D(Is,1/(N+1))]
可计算得到决策树每一层的U函数,从根部开始对每层每个节点对应的U函数进行计算,每层中U函数最大的节点对应的路由方式即使该请求最终的路由方式。
本发明的优势在于:
(1)通过理论证明可以得到,本发明算法调度结果和整数规划得到的最优解之间差距在确定范围内。
(2)本发明的算法可以在多项式时间内完成计算,远快于需要指数时间计算的整数规划。
附图说明
图1是本发明流程图。
具体实施方式
下面结合附图和试试样例详细说明本发明的算法。
步骤一,将一个租用周期分为若干个传输时隙,即1,…,T,用一个有向图G=(V,E)来表示数据中心和数据中心之间的链路,其中V 是有向图的节点集合,表示所有的数据中心的集合,E是有向图的边集,表示所有的链路的集合,用五元组ri=(si,ti,di,ai,τi)来代表一个请求,其中si,ti,di,ai,τi分别代表第i个请求的源节点、目的节点、数据量、到达时间以及截止时间;使用xi,j来代表第i个请求选择第j个路径,为拒绝这个请求;
步骤二,对所有整数进行松弛之后在限定条件下使用线性规划求解器快速求解线性规划;
步骤三,遍历所有请求,决策树每层对应一个请求,从根部开始对每层每个节点对应的U函数进行计算,每层中U函数最大的节点对应的路由方式即使该请求最终的路由方式。
步骤四,返回每个请求最终选取的路由方式。
Claims (4)
1.面向云服务提供商的服务收益提升方法,包括以下步骤:
步骤一,将一个租用周期分为若干个传输时隙,即1,…,T,用一个有向图G=(V,E)来表示数据中心和数据中心之间的链路,其中V是有向图的节点集合,表示所有的数据中心的集合,E是有向图的边集,表示所有的链路的集合,用五元组ri=(si,ti,di,ai,τi)来代表一个请求,其中si,ti,di,ai,τi分别代表第i个请求的源节点、目的节点、数据量、到达时间以及截止时间;使用xi,j来代表第i个请求选择第j个路径,代表为拒绝这个请求,Li表示从请求i的起始节点到目的节点的可选路径数目;
步骤二,对所有整数进行松弛之后求解线性规划;
步骤三,遍历所有请求,对每个的请求的每条路径计算选取最大化设定的U函数;
步骤四,返回每个请求最终选取的路由方式。
2.根据权利要求1所述面向云服务提供商的服务收益提升方法,其特征在于,用P0表示在流量约束、请求约束和整数约束共三个约束下,使目标函数:
最大化的最优化问题,即在给定的带宽限定条件下对请求进行选择从而获得最大收益;
其中流量约束为:
其中K表示在收费周期内的请求个数,xi,j为0或者1,表示请求i是否流经第j条路或是否拒绝该请求,Ii,j,e为0或者1,表示请求i的第j个路径选择中是否包含第e条边,ce为第e条边上的带宽限定,为整数;
其中请求约束为:
3.根据权利要求1所述面向云服务提供商的服务收益提升方法,其特征在于,所述对所有整数进行松弛之后使用线性规划求解器快速求解线性规划。
4.根据权利要求1所述面向云服务提供商的服务收益提升方法,其特征在于,所述步骤三中U函数按照如下方式构建:
其中
为松弛之后得到的收益和调度方式;
定义
B(m,D(m,x))=x
t0=ln[1+D(Is,1/(N+1))]
可计算得到决策树每一层的U函数,从根部开始对每层每个节点对应的U函数进行计算,每层中U函数最大的节点对应的路由方式即使该请求最终的路由方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810898142.2A CN109146164B (zh) | 2018-08-08 | 2018-08-08 | 面向云服务提供商的服务收益提升方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810898142.2A CN109146164B (zh) | 2018-08-08 | 2018-08-08 | 面向云服务提供商的服务收益提升方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109146164A true CN109146164A (zh) | 2019-01-04 |
CN109146164B CN109146164B (zh) | 2021-09-07 |
Family
ID=64792236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810898142.2A Active CN109146164B (zh) | 2018-08-08 | 2018-08-08 | 面向云服务提供商的服务收益提升方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146164B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105657750A (zh) * | 2015-12-29 | 2016-06-08 | 北京邮电大学 | 一种网络动态资源的计算方法及装置 |
CN106301921A (zh) * | 2016-08-16 | 2017-01-04 | 清华大学 | 基于隧道的大象流量传输调度方法及系统 |
CN106454958A (zh) * | 2016-11-02 | 2017-02-22 | 北京邮电大学 | 一种网络资源分配方法及装置 |
CN106845718A (zh) * | 2017-01-23 | 2017-06-13 | 武汉万般上品信息技术有限公司 | 一种高效的云市场弹性期限计算资源拍卖机制 |
CN107454009A (zh) * | 2017-09-08 | 2017-12-08 | 清华大学 | 面向数据中心的离线场景低带宽开销流量调度方案 |
-
2018
- 2018-08-08 CN CN201810898142.2A patent/CN109146164B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105657750A (zh) * | 2015-12-29 | 2016-06-08 | 北京邮电大学 | 一种网络动态资源的计算方法及装置 |
CN106301921A (zh) * | 2016-08-16 | 2017-01-04 | 清华大学 | 基于隧道的大象流量传输调度方法及系统 |
CN106454958A (zh) * | 2016-11-02 | 2017-02-22 | 北京邮电大学 | 一种网络资源分配方法及装置 |
CN106845718A (zh) * | 2017-01-23 | 2017-06-13 | 武汉万般上品信息技术有限公司 | 一种高效的云市场弹性期限计算资源拍卖机制 |
CN107454009A (zh) * | 2017-09-08 | 2017-12-08 | 清华大学 | 面向数据中心的离线场景低带宽开销流量调度方案 |
Non-Patent Citations (2)
Title |
---|
THOURAYA GOUASMI等: "Geo-distributed BigData Processing for Maximizing Profit in Federated clouds environment", 《26TH EUROMICRO INTERNATIONAL CONFERENCE ON PARALLEL, DISTRIBUTED, AND NETWORK-BASED PROCESSING》 * |
TING DENG等: "Maximizing Profit of Cloud Service Brokerage with Economic Demand Response", 《IEEE INFOCOM 2018 - IEEE CONFERENCE ON COMPUTER COMMUNICATIONS》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109146164B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9424745B1 (en) | Predicting traffic patterns | |
CN107563540B (zh) | 一种基于随机森林的短时公交上车客流量的预测方法 | |
CN107094165A (zh) | 配送能力确定、配送任务获取、配送资源调度方法和设备 | |
CN109067670B (zh) | 一种cdn调度方法及cdn调度设备 | |
CN105379204B (zh) | 用于选择数据路由的资源的方法和系统 | |
CN109784970A (zh) | 一种基于afc乘客乘车数据的服务推荐方法及装置 | |
Li et al. | Top-$ k $ k Vehicle Matching in Social Ridesharing: A Price-Aware Approach | |
Chen et al. | Data driven analysis of the potentials of dynamic ride pooling | |
CN104657457B (zh) | 一种用户评价视频的数据处理方法、视频推荐方法及装置 | |
Alswailim et al. | A reputation system to evaluate participants for participatory sensing | |
CN103853838A (zh) | 一种数据处理方法和装置 | |
Zhang et al. | A tourism route-planning approach based on comprehensive attractiveness | |
Wang et al. | A robust multi-stage power consumption prediction method in a semi-decentralized network of electric vehicles | |
CN115580891A (zh) | 基于联邦学习的流量预测模型训练方法、预测方法和装置 | |
Klundert et al. | ASAP: The after-salesman problem | |
CN111582527A (zh) | 行程时间的预估方法、装置、电子设备和存储介质 | |
CN113411453A (zh) | 一种外呼对象的智能管理方法及装置、介质、计算设备 | |
Shinkuma et al. | Data assessment and prioritization in mobile networks for real-time prediction of spatial information using machine learning | |
CN109146164A (zh) | 面向云服务提供商的服务收益提升方法 | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
Meuser et al. | Relevance-aware information dissemination in vehicular networks | |
CN109150597A (zh) | 面向云服务提供商的带宽成本降低方法 | |
Garg et al. | Guest editorial special issue on intent-based networking for 5G-envisioned Internet of connected vehicles | |
CN114596030A (zh) | 基于数据挖掘的快递网点运营预测模型 | |
Waury et al. | Assessing the accuracy benefits of on-the-fly trajectory selection in fine-grained travel-time estimation |
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 |