CN110096337A - 一种企业应用云部署的云数据中心资源分配方法及系统 - Google Patents

一种企业应用云部署的云数据中心资源分配方法及系统 Download PDF

Info

Publication number
CN110096337A
CN110096337A CN201910371063.0A CN201910371063A CN110096337A CN 110096337 A CN110096337 A CN 110096337A CN 201910371063 A CN201910371063 A CN 201910371063A CN 110096337 A CN110096337 A CN 110096337A
Authority
CN
China
Prior art keywords
enterprise
current time
price
flexible application
resources
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
Application number
CN201910371063.0A
Other languages
English (en)
Other versions
CN110096337B (zh
Inventor
李世勇
张悦
苑凯博
汪棪
孙微
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhairenqiao Nanjing Network Technology Co ltd
Original Assignee
Yanshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN201910371063.0A priority Critical patent/CN110096337B/zh
Publication of CN110096337A publication Critical patent/CN110096337A/zh
Application granted granted Critical
Publication of CN110096337B publication Critical patent/CN110096337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing

Abstract

本发明公开了一种企业应用云部署的云数据中心资源分配方法及系统，涉及企业应用云部署技术领域，该方法或系统首先确定当前时刻收取价格和当前时刻企业弹性应用程序的各个组件被分配的资源；其次根据当前时刻企业弹性应用程序所占用的云资源大小，计算当前时刻企业用户应该支付的价格；然后根据当前时刻收取价格与当前时刻支付价格，调整下一时刻为企业弹性应用程序的组件分配的云资源大小；最后云资源提供商和企业用户根据上述步骤迭代达到最优点，即为部署至云端的企业弹性应用程序分配的最优资源。本发明在保证用户满意度最大化的同时，保证云资源提供商成本的最小化，具有云资源分配合理，方法简单准确等优点。

Description

一种企业应用云部署的云数据中心资源分配方法及系统
技术领域
本发明涉及企业应用云部署技术领域，特别是涉及一种企业应用云部署的云数据中心资源分配方法及系统。
背景技术
近年来企业的数据量呈爆发式增长，云计算技术应运而生。云计算旨在通过虚拟化技术将IT资源整合成为大规模可扩展的资源池，并且以Internet作为载体提供软件(SaaS)、平台(PaaS)及基础设施(laaS)等形式的服务。云计算因其具有使用简单方便，降低企业大量软硬件成本，节约企业自身运营与维护成本等优势，而受到企业的关注与应用。
随着云计算的兴起，越来越多的企业选择将应用程序或服务部署到云数据中心，以达到节约企业内部网络资源和成本的目的。因此，云中心会承载各种类型的服务和应用，云资源提供商会为其分配相应的资源。但是在云资源分配过程中，云中心会面临一些问题比如：云资源定价问题，合理的计价模型能够提高用户的满意度；能源损耗问题，云数据中心每天都会耗费大量的电能，相关人员预测到2020年，云数据中心能耗会达到世界总能耗的2％，云数据中心的碳排放量将占全球碳排放总量的2.6％；负载均衡问题，不合理的资源分配会影响物理机运行的稳定性与流畅性。可见，在资源分配的过程中合理的资源分配算法可以提高计算速度，减少能耗和网络负载。
目前，许多学者为云数据中心提出了多种云部署算法，将物理机建模为一个G/G/1队列，由于通过一个简单的贪心算法来进行优化，因而无法保证解的最优性。部分学者提出将资源分配问题转化成装箱问题，最大化资源满意度。有学者将资源分配问题转化成云资源提供商与用户的博弈问题，得到双方都能接受的资源分配方案。还有学者提出多目标算法，将应用程序部署在云环境中，在保证用户满意度的前提下尽可能减少云资源的占用。还提出了一种基于服务级别协议在不同客户之间的动态资源分配算法来最大化收益，借助排队论模型，把资源分配描述为基于价格机制、服务请求到达率、服务速率、可用资源等约束条件的数学极值问题，并通过拉格朗日乘子法给出了具体的最优云资源占用。虽然这些资源分配算法为云数据中心提供了合理的资源分配方案，但是并没有考虑云数据中心与用户的经济效益，因为无法保证最大化用户的满意度同时最小化云资源提供商的成本。
发明内容
本发明的目的是提供一种企业应用云部署的云数据中心资源分配方法及系统，在保证用户满意度最大化的同时，保证云资源提供商成本的最小化。
为实现上述目的，本发明提供了如下方案：
一种企业应用云部署的云数据中心资源分配方法，所述云数据中心资源分配方法应用于企业应用部署进云架构中；所述企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及所述企业弹性应用程序包含的组件；所述企业弹性应用程序由多个组件构成，所述云数据中心的一个物理机上运行多台虚拟机，每台所述虚拟机运行所述企业弹性应用程序内的一个组件，以所述虚拟机为粒度共享所述物理机的资源；所述云数据中心资源分配方法包括：
获取当前时刻收取价格和当前时刻组件资源；所述当前时刻收取价格为当前时刻物理机每单位资源收取的价格；所述当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源；
根据所述当前时刻组件资源，计算第一总资源；所述第一总资源为当前时刻企业弹性应用程序获取的总资源；
根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格；
判断所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值是否小于第一设定阈值，得到第一判断结果；
若所述第一判断结果表示所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值小于所述第一设定阈值，则根据所述当前时刻组件资源对企业弹性应用程序中的组件进行资源分配；
若所述第一判断结果表示所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值大于或者等于所述第一设定阈值，则计算下一时刻收取价格和下一时刻组件资源，并用所述下一时刻收取价格更新所述当前时刻收取价格，用所述下一时刻组件资源更新所述当前时刻组件资源，返回根据所述当前时刻组件资源计算第一总资源的步骤，直到所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值小于所述第一设定阈值停止。
可选的，所述根据所述当前时刻组件资源，计算第一总资源，具体包括：
根据公式计算第一总资源；
其中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；ys(t)为t时刻企业弹性应用程序s获取的总资源。
可选的，所述根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格，具体包括：
根据公式λs(t)＝U′s(ys(t))-E′s(ys(t))，计算企业弹性应用程序的当前时刻支付价格；
其中，λs(t)为t时刻企业弹性应用程序s的支付价格；ys(t)为t时刻企业弹性应用程序s获取的总资源，Us(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的部署效用函数，U′s(ys(t))为Us(ys(t))的导数；Es(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的成本函数，E′s(ys(t))为Es(ys(t))的导数。
可选的，所述计算下一时刻收取价格和下一时刻组件资源，具体包括：
根据公式计算第二总资源；所述第二总资源为物理机分配给企业弹性应用程序的总资源；其中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；zp(t)为t时刻物理机p分配给企业弹性应用程序s的总资源；
根据所述第二总资源，计算下一时刻收取价格；所述下一时刻收取价格的计算公式为其中，μp(t+1)为t+1时刻物理机p的收取价格，μp(t)是t时刻物理机p的收取价格；Cp是每台物理机p的资源容量；τ是迭代步长，且τ＞0；
确定当前时刻支付价格的估值；所述当前时刻支付价格的估值的计算公式为其中，满足 是t时刻企业弹性应用程序s内组件r满足的最小资源约束；为t-1时刻物理机p分配给企业弹性应用程序s内组件r的资源；是的估值；是的估值；θ是低通滤波参数，且0＜θ＜1；
根据所述当前时刻支付价格、所述当前时刻支付价格的估值以及所述当前时刻收取价格，计算下一时刻组件资源；所述下一时刻组件资源的计算公式为其中，λs(t)为t时刻企业弹性应用程序s的支付价格；μp(t)是t时刻物理机p的收取价格；κ迭代步长，且κ＞0。
一种企业应用云部署的云数据中心资源分配方法，所述云数据中心资源分配方法应用于企业应用部署进云架构中；所述企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及所述企业弹性应用程序包含的组件；所述企业弹性应用程序由多个组件构成，所述云数据中心的一个物理机上运行多台虚拟机，每台所述虚拟机运行所述企业弹性应用程序内的一个组件，以所述虚拟机为粒度共享所述物理机的资源；所述云数据中心资源分配方法包括：
获取上一时刻组件资源和当前时刻组件资源；所述上一时刻组件资源为上一时刻企业弹性应用程序内的一个组件被物理机分配的资源；所述当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源；
判断所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值是否小于第二设定阈值，得到第二判断结果；
若所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值小于所述第二设定阈值，则根据所述当前时刻组件资源对企业弹性应用程序中的组件进行资源分配；
若所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值大于或者等于所述第二设定阈值，则根据所述当前时刻组件资源，计算第一总资源；所述第一总资源为当前时刻企业弹性应用程序获取的总资源；
根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格；
获取当前时刻收取价格；所述当前时刻收取价格为当前时刻物理机每单位资源收取的价格；
根据所述当前时刻支付价格和所述当前时刻收取价格，计算下一时刻收取价格和下一时刻组件资源，并用所述下一时刻收取价格更新所述当前时刻收取价格，用所述当前时刻组件资源更新所述上一时刻组件资源，用所述下一时刻组件资源更新所述当前时刻组件资源，返回判断所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值是否小于第二设定阈值的步骤，直到所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值小于所述第二设定阈值停止。
可选的，所述根据所述当前时刻组件资源，计算第一总资源，具体包括：
根据公式计算第一总资源；
其中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；ys(t)为t时刻企业弹性应用程序s获取的总资源。
可选的，所述根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格，具体包括：
根据公式λs(t)＝U′s(ys(t))-E′s(ys(t))，计算企业弹性应用程序的当前时刻支付价格；
其中，λs(t)为t时刻企业弹性应用程序s的支付价格；ys(t)为t时刻企业弹性应用程序s获取的总资源，Us(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的部署效用函数，U′s(ys(t))为Us(ys(t))的导数；Es(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的成本函数，E′s(ys(t))为Es(ys(t))的导数。
可选的，所述根据所述当前时刻支付价格和所述当前时刻收取价格，计算下一时刻收取价格和下一时刻组件资源，具体包括：
根据公式计算第二总资源；所述第二总资源为物理机分配给企业弹性应用程序的总资源；其中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；zp(t)为t时刻物理机p分配给企业弹性应用程序s的总资源；
根据所述第二总资源，计算下一时刻收取价格；所述下一时刻收取价格的计算公式为其中，μp(t+1)为t+1时刻物理机p的收取价格，μp(t)是t时刻物理机p的收取价格；Cp是每台物理机p的资源容量；τ是迭代步长，且τ＞0；
确定当前时刻支付价格的估值；所述当前时刻支付价格的估值的计算公式为其中，满足 是t时刻企业弹性应用程序s内组件r满足的最小资源约束；为t-1时刻物理机p分配给企业弹性应用程序s内组件r的资源；是的估值；是的估值；θ是低通滤波参数，且0＜θ＜1；
根据所述当前时刻支付价格、所述当前时刻支付价格的估值以及所述当前时刻收取价格，计算下一时刻组件资源；所述下一时刻组件资源的计算公式为其中，λs(t)为t时刻企业弹性应用程序s的支付价格；μp(t)是t时刻物理机p的收取价格；κ迭代步长，且κ＞0。
一种企业应用云部署的云数据中心资源分配系统，所述云数据中心资源分配系统应用于企业应用部署进云架构中；所述企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及所述企业弹性应用程序包含的组件；所述企业弹性应用程序由多个组件构成，所述云数据中心的一个物理机上运行多台虚拟机，每台所述虚拟机运行所述企业弹性应用程序内的一个组件，以所述虚拟机为粒度共享所述物理机的资源；所述云数据中心资源分配系统包括：
获取模块，用于获取当前时刻收取价格和当前时刻组件资源；所述当前时刻收取价格为当前时刻物理机每单位资源收取的价格；所述当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源；
第一总资源计算模块，用于根据所述当前时刻组件资源，计算第一总资源；所述第一总资源为当前时刻企业弹性应用程序获取的总资源；
当前时刻支付价格计算模块，用于根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格；
第一判断结果得到模块，用于判断所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值是否小于第一设定阈值，得到第一判断结果；
资源分配模块，用于当所述第一判断结果表示所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值小于所述第一设定阈值时，根据所述当前时刻组件资源对企业弹性应用程序中的组件进行资源分配；
更新模块，用于当所述第一判断结果表示所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值大于或者等于所述第一设定阈值时，计算下一时刻收取价格和下一时刻组件资源，并用所述下一时刻收取价格更新所述当前时刻收取价格，用所述下一时刻组件资源更新所述当前时刻组件资源，返回第一总资源计算模块。
一种企业应用云部署的云数据中心资源分配系统，所述云数据中心资源分配系统应用于企业应用部署进云架构中；所述企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及所述企业弹性应用程序包含的组件；所述企业弹性应用程序由多个组件构成，所述云数据中心的一个物理机上运行多台虚拟机，每台所述虚拟机运行所述企业弹性应用程序内的一个组件，以所述虚拟机为粒度共享所述物理机的资源；所述云数据中心资源分配系统包括：
获取模块，用于获取上一时刻组件资源和当前时刻组件资源；所述上一时刻组件资源为上一时刻企业弹性应用程序内的一个组件被物理机分配的资源；所述当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源；
第二判断结果得到模块，用于判断所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值是否小于第二设定阈值，得到第二判断结果；
资源分配模块，用于当所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值小于所述第二设定阈值时，根据所述当前时刻组件资源对企业弹性应用程序中的组件进行资源分配；
第一总资源计算模块，用于所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值大于或者等于所述第二设定阈值时，根据所述当前时刻组件资源，计算第一总资源；所述第一总资源为当前时刻企业弹性应用程序获取的总资源；
当前时刻支付价格计算模块，用于根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格；
当前时刻收取价格获取模块，用于获取当前时刻收取价格；所述当前时刻收取价格为当前时刻物理机每单位资源收取的价格；
更新模块，用于根据所述当前时刻支付价格和所述当前时刻收取价格，计算下一时刻收取价格和下一时刻组件资源，并用所述下一时刻收取价格更新所述当前时刻收取价格，用所述当前时刻组件资源更新所述上一时刻组件资源，用所述下一时刻组件资源更新所述当前时刻组件资源，返回第二判断结果得到模块。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的一种企业应用云部署的云数据中心资源分配方法及系统，将为部署进云数据中心的应用程序分配资源的问题转化成为组成应用的组件分配资源的优化问题，既满足企业用户应用部署效用最大化，又满足云资源提供商成本的最小化。
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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1的云数据中心资源分配方法的流程示意图；
图2为本发明实施例企业应用部署进云的架构图；
图3为本发明实施例2的云数据中心资源分配方法的流程示意图；
图4为本发明实施例3的云数据中心资源分配系统的结构示意图；
图5为本发明实施例4的云数据中心资源分配系统的结构示意图；
图6为本发明实施例企业弹性应用程序云部署模型的具体应用场景图；
图7为本发明实施例场景1中企业弹性应用程序1的最优资源图；
图8为本发明实施例场景1中企业弹性应用程序2的最优资源图；
图9为本发明实施例场景1中企业弹性应用程序1、2的效用及总效用图；
图10为本发明实施例场景1中企业弹性应用程序1、2的价格图；
图11为本发明实施例场景2中企业弹性应用程序1的最优资源图；
图12为本发明实施例场景2中企业弹性应用程序2的最优资源图；
图13为本发明实施例场景2中企业弹性应用程序3的最优资源图；
图14为本发明实施例场景2中企业弹性应用程序1、2、3的效用及总效用图；
图15为本发明实施例场景2中企业弹性应用程序1的价格图；
图16为本发明实施例场景2中企业弹性应用程序2的价格图；
图17为本发明实施例场景2中企业弹性应用程序3的价格图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示，本实施例提供的一种企业应用云部署的云数据中心资源分配方法，应用于如图2所示的企业应用部署进云架构中；企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及企业弹性应用程序包含的组件；企业弹性应用程序由多个组件构成，云数据中心的一个物理机上运行多台虚拟机，每台虚拟机运行企业弹性应用程序内的一个组件，以虚拟机为粒度共享物理机的资源；该云数据中心资源分配方法具体包括以下步骤：
步骤101：获取当前时刻收取价格和当前时刻组件资源；当前时刻收取价格为当前时刻物理机每单位资源收取的价格；当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源。
步骤102：根据当前时刻组件资源，计算第一总资源；第一总资源为当前时刻企业弹性应用程序获取的总资源。
步骤103：根据第一总资源，计算企业弹性应用程序的当前时刻支付价格。
步骤104：判断当前时刻收取价格与当前时刻支付价格的差值的绝对值是否小于第一设定阈值，得到第一判断结果；若第一判断结果表示当前时刻收取价格与当前时刻支付价格的差值的绝对值小于第一设定阈值，则执行步骤105；若第一判断结果表示当前时刻收取价格与当前时刻支付价格的差值的绝对值大于或者等于第一设定阈值，则步骤106。
步骤105：根据当前时刻组件资源对企业弹性应用程序中的组件进行资源分配。
步骤106：计算下一时刻收取价格和下一时刻组件资源，并用下一时刻收取价格更新当前时刻收取价格，用下一时刻组件资源更新当前时刻组件资源，返回步骤102，直到当前时刻收取价格与当前时刻支付价格的差值的绝对值小于第一设定阈值停止。
其中，第一总资源的计算公式为
式中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；ys(t)为t时刻企业弹性应用程序s获取的总资源，即第一总资源。
企业弹性应用程序的当前时刻支付价格的计算公式为λs(t)＝U′s(ys(t))-E′s(ys(t))。
式中，λs(t)为t时刻企业弹性应用程序s的支付价格，Us(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的部署效用函数，U′s(ys(t))为Us(ys(t))的导数；Es(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的成本函数，E′s(ys(t))为Es(ys(t))的导数。
步骤106中的计算下一时刻收取价格和下一时刻组件资源，具体包括：
根据公式计算第二总资源；第二总资源为物理机分配给企业弹性应用程序的总资源；式中，zp(t)为t时刻物理机p分配给企业弹性应用程序s的总资源，即第二总资源。
根据第二总资源计算下一时刻收取价格；下一时刻收取价格的计算公式为其中，μp(t+1)为t+1时刻物理机p的收取价格，μp(t)是t时刻物理机p的收取价格；Cp是每台物理机p的资源容量；τ是迭代步长，且τ＞0。
确定当前时刻支付价格的估值；当前时刻支付价格的估值的计算公式为其中，满足 是t时刻企业弹性应用程序s内组件r满足的最小资源约束；为t-1时刻物理机p分配给企业弹性应用程序s内组件r的资源；是的估值；是的估值；θ是低通滤波参数，且0＜θ＜1。
根据当前时刻支付价格、当前时刻支付价格的估值以及当前时刻收取价格，计算下一时刻组件资源；下一时刻组件资源的计算公式为其中，λs(t)为t时刻企业弹性应用程序s的支付价格；μp(t)是t时刻物理机p的收取价格；κ迭代步长，且κ＞0。
实施例2
如图3所示，本实施例提供的一种企业应用云部署的云数据中心资源分配方法应用于如图2所示的企业应用部署进云架构中；企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及企业弹性应用程序包含的组件；企业弹性应用程序由多个组件构成，云数据中心的一个物理机上运行多台虚拟机，每台虚拟机运行企业弹性应用程序内的一个组件，以虚拟机为粒度共享物理机的资源；该云数据中心资源分配方法包括：
步骤201：获取上一时刻组件资源和当前时刻组件资源；上一时刻组件资源为上一时刻企业弹性应用程序内的一个组件被物理机分配的资源；当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源。
步骤202：判断上一时刻组件资源与当前时刻组件资源的差值的绝对值是否小于第二设定阈值，得到第二判断结果。若上一时刻组件资源与当前时刻组件资源的差值的绝对值小于第二设定阈值，则执行步骤203；若上一时刻组件资源与当前时刻组件资源的差值的绝对值大于或者等于第二设定阈值，则执行步骤204。
步骤203：根据当前时刻组件资源对企业弹性应用程序中的组件进行资源分配。
步骤204：根据当前时刻组件资源计算第一总资源；第一总资源为当前时刻企业弹性应用程序获取的总资源。
步骤205：根据第一总资源，计算企业弹性应用程序的当前时刻支付价格。
步骤206：获取当前时刻收取价格；当前时刻收取价格为当前时刻物理机每单位资源收取的价格。
步骤207：根据当前时刻支付价格和当前时刻收取价格，计算下一时刻收取价格和下一时刻组件资源，并用下一时刻收取价格更新当前时刻收取价格，用当前时刻组件资源更新上一时刻组件资源，用下一时刻组件资源更新当前时刻组件资源，返回步骤202，直到上一时刻组件资源与当前时刻组件资源的差值的绝对值小于第二设定阈值停止。
其中，第一总资源的计算公式与实施例1中的第一总资源计算公式相同，企业弹性应用程序的当前时刻支付价格的计算公式与实施例1中的当前时刻支付价格计算公式相同。下一时刻收取价格获取过程与实施例1中的下一时刻收取价格获取过程相同，下一时刻组件资源获取过程与实施例1中的下一时刻组件资源获取过程相同。
实施例3
如图4所示，本实施例提供的一种企业应用云部署的云数据中心资源分配系统应用于如图2所示的企业应用部署进云架构中；企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及企业弹性应用程序包含的组件；企业弹性应用程序由多个组件构成，云数据中心的一个物理机上运行多台虚拟机，每台虚拟机运行企业弹性应用程序内的一个组件，以虚拟机为粒度共享物理机的资源；该云数据中心资源分配系统包括：
获取模块301，用于获取当前时刻收取价格和当前时刻组件资源；当前时刻收取价格为当前时刻物理机每单位资源收取的价格；当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源。
第一总资源计算模块302，用于根据当前时刻组件资源，计算第一总资源；第一总资源为当前时刻企业弹性应用程序获取的总资源。
当前时刻支付价格计算模块303，用于根据第一总资源，计算企业弹性应用程序的当前时刻支付价格。
第一判断结果得到模块304，用于判断当前时刻收取价格与当前时刻支付价格的差值的绝对值是否小于第一设定阈值，得到第一判断结果。
资源分配模块305，用于当第一判断结果表示当前时刻收取价格与当前时刻支付价格的差值的绝对值小于第一设定阈值时，根据当前时刻组件资源对企业弹性应用程序中的组件进行资源分配。
更新模块306，用于当第一判断结果表示当前时刻收取价格与当前时刻支付价格的差值的绝对值大于或者等于第一设定阈值时，计算下一时刻收取价格和下一时刻组件资源，并用下一时刻收取价格更新当前时刻收取价格，用下一时刻组件资源更新当前时刻组件资源，返回第一总资源计算模块302。
其中，第一总资源计算模块302中的第一总资源的计算公式为式中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；ys(t)为t时刻企业弹性应用程序s获取的总资源，即第一总资源。
当前时刻支付价格计算模块303中的企业弹性应用程序的当前时刻支付价格的计算公式为λs(t)＝U′s(ys(t))-E′s(ys(t))。式中，λs(t)为t时刻企业弹性应用程序s的支付价格，Us(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的部署效用函数，U′s(ys(t))为Us(ys(t))的导数；Es(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的成本函数，E′s(ys(t))为Es(ys(t))的导数。
更新模块306中的下一时刻收取价格和下一时刻组件资源计算单元包括：
第二总资源子单元，用于根据公式计算第二总资源；第二总资源为物理机分配给企业弹性应用程序的总资源；式中，zp(t)为t时刻物理机p分配给企业弹性应用程序s的总资源，即第二总资源。
下一时刻收取价格计算子单元，用于根据第二总资源计算下一时刻收取价格；下一时刻收取价格的计算公式为其中，μp(t+1)为t+1时刻物理机p的收取价格，μp(t)是t时刻物理机p的收取价格；Cp是每台物理机p的资源容量；τ是迭代步长，且τ＞0。
估值确定子单元，用于确定当前时刻支付价格的估值；当前时刻支付价格的估值的计算公式为其中，满足 是t时刻企业弹性应用程序s内组件r满足的最小资源约束；为t-1时刻物理机p分配给企业弹性应用程序s内组件r的资源；是的估值；是的估值；θ是低通滤波参数，且0＜θ＜1。
下一时刻组件资源计算子单元，用于根据当前时刻支付价格、当前时刻支付价格的估值以及当前时刻收取价格，计算下一时刻组件资源。
下一时刻组件资源的计算公式为其中，λs(t)为t时刻企业弹性应用程序s的支付价格；μp(t)是t时刻物理机p的收取价格；κ迭代步长，且κ＞0。
实施例4
如图5所示，本实施例提供的一种企业应用云部署的云数据中心资源分配系统应用于如图2所示的企业应用部署进云架构中；企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及企业弹性应用程序包含的组件；企业弹性应用程序由多个组件构成，云数据中心的一个物理机上运行多台虚拟机，每台虚拟机运行企业弹性应用程序内的一个组件，以虚拟机为粒度共享物理机的资源；该云数据中心资源分配系统包括：
获取模块401，用于获取上一时刻组件资源和当前时刻组件资源；上一时刻组件资源为上一时刻企业弹性应用程序内的一个组件被物理机分配的资源；当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源。
第二判断结果得到模块402，用于判断上一时刻组件资源与当前时刻组件资源的差值的绝对值是否小于第二设定阈值，得到第二判断结果。在此判断过程中上一时刻的组件资源和当前时刻的组件资源为同一个组件。
资源分配模块403，用于当上一时刻组件资源与当前时刻组件资源的差值的绝对值小于第二设定阈值时，根据当前时刻组件资源对企业弹性应用程序中的组件进行资源分配。
第一总资源计算模块404，用于上一时刻组件资源与当前时刻组件资源的差值的绝对值大于或者等于第二设定阈值时，根据当前时刻组件资源，计算第一总资源；第一总资源为当前时刻企业弹性应用程序获取的总资源。
当前时刻支付价格计算模块405，用于根据第一总资源，计算企业弹性应用程序的当前时刻支付价格。
当前时刻收取价格获取模块406，用于获取当前时刻收取价格；当前时刻收取价格为当前时刻物理机每单位资源收取的价格。
更新模块407，用于根据当前时刻支付价格和当前时刻收取价格，计算下一时刻收取价格和下一时刻组件资源，并用下一时刻收取价格更新当前时刻收取价格，用当前时刻组件资源更新上一时刻组件资源，用下一时刻组件资源更新所述当前时刻组件资源，返回第二判断结果得到模块402。
实施例5
本发明根据企业用户获得云数据中心资源时的满意度选取效用函数，同时选取云数据中心的成本函数，建立企业弹性应用云部署的资源分配优化模型，即将为应用程序分配资源的问题转化成最大化企业用户的部署效用，同时最小化云资源提供商的成本的优化模型。本发明提供的资源分配方法能够有效地收敛，得到优化模型的最优点，即弹性应用的最优资源分配。
资源分配问题的描述：企业弹性应用程序通常包含三个层次的组件：前端层、商业逻辑层和后端层。一般而言，前端层服务器和商业逻辑层虚拟机允许部分或者全部部署进云，而后端层数据库服务器由于涉及企业经营数据，有些企业需将这些服务器及其相关组件均保留在本地。
企业弹性应用程序是由多个组件构成的，云数据中心中的一个物理机上可以运行多台虚拟机，每台虚拟机运行企业弹性应用程序的一个组件，以虚拟机为粒度共享物理机资源，且每个企业弹性应用程序在自己的操作系统环境中独立运行。要部署的企业弹性应用集合为S，元素为企业弹性应用程序s，s∈S；组成s的组件集合为R，元素为组件r，r∈R；物理机集合为P，元素为物理机p，p∈P。R(s)为企业弹性应用程序s对应的组件集合；S(p)为使用物理机p时的企业弹性应用程序集合；P(s)为承载企业弹性应用程序s的物理机集合。
假设企业弹性应用程序s的组件r从物理机p获得的资源为(这里的资源可以理解为物理机的CPU，内存，硬盘等具体资源)，满足其中是组件r应满足的最小资源约束，则每个企业弹性应用程序s获得的总的物理机资源同时，每一台物理机p分配的资源总量为而物理机p的资源容量为Cp，因此zp≤Cp。
应用程序部署效用函数：弹性应用一般是传统的数据服务，如文件传输或电子邮件等服务，在服务过程中允许一定的延迟，并且其效用函数一般都是凹函数，满足边际效用的特点。企业弹性应用程序s的部署效用函数一般形式为：
Us(ys)＝cs(log(asys+bs)+ds)；其中，as,bs,cs,ds是企业弹性应用程序s的参数，当ys≥0时，满足Us(ys)≥0。
云资源提供商在为企业弹性应用程序s提供资源时会产生一定的成本，而成本函数一般都是关于资源的凸函数。云资源提供商的成本函数一般形式为：
其中，σ表示企业弹性应用程序s占用单位资源时云资源提供商承担的成本，φ表示云资源提供商为了维护云数据中心正常运营而承担的固定成本，是企业弹性应用程序s需求的物理机资源阈值，若云服务提供商为企业弹性应用程序s分配的物理机资源ys低于该物理机资源阈值，成本函数是关于物理机资源ys的线性函数，而若高于该物理机资源阈值，成本函数是关于物理机资源ys的平方函数。
企业应用云部署的资源分配模型：将企业弹性应用云部署的资源分配问题归结为如下的企业弹性应用云部署用户效用最大化，同时云资源提供商承担的成本最小化模型。
由凸规划理论可知，云资源分配问题的目标函数关于原变量y＝(ys,s∈S)是严格的凹函数，而关于变量是凹函数但并不是严格的凹函数，每个应用的各个组件占用的最优资源存在但不并不一定唯一，而每个应用s占用的总资源存在并且是唯一的。
建立上述优化问题的拉格朗日函数
其中，λ＝(λs,s∈S),μ＝(μp,p∈P)是拉格朗日乘子，δp 2是松弛因子。λs可以理解为用户将企业弹性应用程序s部署至云数据中心而支付的价格，μp可以理解为物理机p对使用其资源的企业弹性应用程序s收取的价格。是企业弹性应用程序s的组件已占用物理机p的资源，而δp 2≥0可以认为是物理机p上的剩余资源。
本发明是提供一种企业应用云部署的云数据中心资源分配方法，主要包括云数据中心的物理机p、企业用户部署至云数据中心的企业弹性应用程序s以及企业弹性应用程序s包含的组件r。
云资源提供商对部署至云数据中心的每个企业弹性应用程序s定价，根据所占用的物理机资源调整物理机向企业弹性应用程序s收取的价格，而物理机p为企业弹性应用程序s的组件r分配资源时，根据企业用户为部署进云的企业弹性应用程序s支付的价格，调整企业弹性应用程序s占用的物理机资源，最终实现云资源提供商的最优资源分配。具体步骤如下：
步骤1，在企业应用云部署中，t时刻物理机p初始化每单位资源收取的价格μp(t)，同时为每一个企业弹性应用程序s的组件r初始化资源分配
步骤2，物理机p计算得到其为企业弹性应用程序s的多个组件分配的资源总量zp(t)；同时，企业弹性应用程序s计算得到其获得的总资源ys(t)。
步骤3，企业弹性应用程序s根据其获得的总资源ys(t)得到其支付的价格λs(t)，并通过网络通告给云资源提供商。
公式为λs(t)＝U′s(ys(t))-E′s(ys(t))；式中，s是企业弹性应用程序；ys(t)是企业弹性应用程序s获得的总资源；Us(ys(t))是企业弹性应用程序s在部署到云数据中心后的部署效用函数，是关于获得资源ys(t)的凹函数。
Us(ys(t))＝cs(log(asys(t)+bs)+ds)；其中，as,bs,cs,ds是企业弹性应用程序s的参数，当ys(t)≥0时，满足Us(ys(t))≥0；Es(ys(t))是云资源提供商的成本函数，是关于提供资源ys(t)的凸函数。
其中，σ表示企业弹性应用程序s占用单位资源时云资源提供商承担的成本，φ表示云资源提供商为了维护云数据中心正常运营而承担的固定成本，是企业弹性应用程序s需求的资源阈值。
步骤4，物理机p根据企业弹性应用程序s支付的价格λs(t)和其收取的价格μp(t)，调整t+1时刻其为企业弹性应用程序s的组件r分配的资源
式中，是物理机p为企业弹性应用程序s的组件r初始化的资源，满足其中是组件r应满足的最小资源约束；是对时刻t资源分配的估值；是t+1时刻物理机p为企业弹性应用程序s的组件r的分配资源估值；λs(t)是企业弹性应用程序s根据其获得的总资源ys(t)支付的价格；μp(t)是物理机p收取的价格；θ是低通滤波参数，且0＜θ＜1，能够有效消除最优点不唯一而可能引起的波动问题；κ是资源分配方法的迭代步长，且κ＞0。
步骤5，物理机p根据其分配的资源zp(t)更新其新t+1时刻收取价格式中，p是物理机；μp(t)是t时刻物理机p收取的价格；Cp是每台物理机p的资源容量；zp(t)是每台物理机承载企业弹性应用程序的多个组件所占用的总资源；τ是迭代步长，且τ＞0。
步骤6，物理机p和应用程序s根据步骤3至步骤5迭代至达到最优点，即应用的各个组件r的资优资源分配。
步骤7，如果有新的企业应用或物理机加入或者原有的企业应用或物理机退出，那么步骤1至步骤5重新进行迭代以达到新的最优资源分配。
收敛性分析：收敛性是衡量性能的重要指标。本发明提出了两种场景，其中场景1中考虑了2台可供支配的物理机，企业弹性应用程序有2个，包含4个组件，物理机1有2台可供使用的虚拟机，物理机2有2台可供使用的虚拟机。将企业弹性应用程序1的组件1迁移至物理机1的虚拟机1中，将企业弹性应用程序2的组件1迁移至物理机1的另一台虚拟机中。将企业弹性应用程序2的组件2和组件3迁移至物理机2的两台虚拟机中。以CPU资源为例，物理机的资源容量为CP＝(C1,C2)＝(8,6)MIPS，企业弹性应用程序1的效用函数为U1(y1)＝10log(y1+1)，企业弹性应用程序2的效用函数为U2(y2)＝7.5log(y2+1)，云资源提供商的成本函数为Es(ys)＝0.01*ys+0.05。各仿真结果如图7、8、9、10所示，应用程序的组件得到的最优资源为场景2的虚拟机部署如图6所示，其中CP＝(C1,C2,C3)＝(6,10,8)MIPS，各仿真结果如图11、12、13、14、15、16、17所示，应用程序的组件得到的最优资源为 因此，本发明能够在有限的迭代次数内有效的收敛到模型的最优点，实现资源的最优分配。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种企业应用云部署的云数据中心资源分配方法，其特征在于，所述云数据中心资源分配方法应用于企业应用部署进云架构中；所述企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及所述企业弹性应用程序包含的组件；所述企业弹性应用程序由多个组件构成，所述云数据中心的一个物理机上运行多台虚拟机，每台所述虚拟机运行所述企业弹性应用程序内的一个组件，以所述虚拟机为粒度共享所述物理机的资源；所述云数据中心资源分配方法包括：
获取当前时刻收取价格和当前时刻组件资源；所述当前时刻收取价格为当前时刻物理机每单位资源收取的价格；所述当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源；
根据所述当前时刻组件资源，计算第一总资源；所述第一总资源为当前时刻企业弹性应用程序获取的总资源；
根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格；
判断所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值是否小于第一设定阈值，得到第一判断结果；
若所述第一判断结果表示所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值小于所述第一设定阈值，则根据所述当前时刻组件资源对企业弹性应用程序中的组件进行资源分配；
若所述第一判断结果表示所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值大于或者等于所述第一设定阈值，则计算下一时刻收取价格和下一时刻组件资源，并用所述下一时刻收取价格更新所述当前时刻收取价格，用所述下一时刻组件资源更新所述当前时刻组件资源，返回根据所述当前时刻组件资源计算第一总资源的步骤，直到所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值小于所述第一设定阈值停止。
2.根据权利要求1所述的企业应用云部署的云数据中心资源分配方法，其特征在于，所述根据所述当前时刻组件资源，计算第一总资源，具体包括：
根据公式计算第一总资源；
其中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；ys(t)为t时刻企业弹性应用程序s获取的总资源。
3.根据权利要求1所述的企业应用云部署的云数据中心资源分配方法，其特征在于，所述根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格，具体包括：
根据公式λs(t)＝U′s(ys(t))-E′s(ys(t))，计算企业弹性应用程序的当前时刻支付价格；
其中，λs(t)为t时刻企业弹性应用程序s的支付价格；ys(t)为t时刻企业弹性应用程序s获取的总资源，Us(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的部署效用函数，U′s(ys(t))为Us(ys(t))的导数；Es(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的成本函数，E′s(ys(t))为Es(ys(t))的导数。
4.根据权利要求1所述的企业应用云部署的云数据中心资源分配方法，其特征在于，所述计算下一时刻收取价格和下一时刻组件资源，具体包括：
根据公式计算第二总资源；所述第二总资源为物理机分配给企业弹性应用程序的总资源；其中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；zp(t)为t时刻物理机p分配给企业弹性应用程序s的总资源；
根据所述第二总资源，计算下一时刻收取价格；所述下一时刻收取价格的计算公式为其中，μp(t+1)为t+1时刻物理机p的收取价格，μp(t)是t时刻物理机p的收取价格；Cp是每台物理机p的资源容量；τ是迭代步长，且τ＞0；
确定当前时刻支付价格的估值；所述当前时刻支付价格的估值的计算公式为其中，满足 是t时刻企业弹性应用程序s内组件r满足的最小资源约束；为t-1时刻物理机p分配给企业弹性应用程序s内组件r的资源；是的估值；是的估值；θ是低通滤波参数，且0＜θ＜1；
根据所述当前时刻支付价格、所述当前时刻支付价格的估值以及所述当前时刻收取价格，计算下一时刻组件资源；所述下一时刻组件资源的计算公式为其中，λs(t)为t时刻企业弹性应用程序s的支付价格；μp(t)是t时刻物理机p的收取价格；κ迭代步长，且κ＞0。
5.一种企业应用云部署的云数据中心资源分配方法，其特征在于，所述云数据中心资源分配方法应用于企业应用部署进云架构中；所述企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及所述企业弹性应用程序包含的组件；所述企业弹性应用程序由多个组件构成，所述云数据中心的一个物理机上运行多台虚拟机，每台所述虚拟机运行所述企业弹性应用程序内的一个组件，以所述虚拟机为粒度共享所述物理机的资源；所述云数据中心资源分配方法包括：
获取上一时刻组件资源和当前时刻组件资源；所述上一时刻组件资源为上一时刻企业弹性应用程序内的一个组件被物理机分配的资源；所述当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源；
判断所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值是否小于第二设定阈值，得到第二判断结果；
若所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值小于所述第二设定阈值，则根据所述当前时刻组件资源对企业弹性应用程序中的组件进行资源分配；
若所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值大于或者等于所述第二设定阈值，则根据所述当前时刻组件资源，计算第一总资源；所述第一总资源为当前时刻企业弹性应用程序获取的总资源；
根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格；
获取当前时刻收取价格；所述当前时刻收取价格为当前时刻物理机每单位资源收取的价格；
根据所述当前时刻支付价格和所述当前时刻收取价格，计算下一时刻收取价格和下一时刻组件资源，并用所述下一时刻收取价格更新所述当前时刻收取价格，用所述当前时刻组件资源更新所述上一时刻组件资源，用所述下一时刻组件资源更新所述当前时刻组件资源，返回判断所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值是否小于第二设定阈值的步骤，直到所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值小于所述第二设定阈值停止。
6.根据权利要求5所述的企业应用云部署的云数据中心资源分配方法，其特征在于，所述根据所述当前时刻组件资源，计算第一总资源，具体包括：
根据公式计算第一总资源；
其中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；ys(t)为t时刻企业弹性应用程序s获取的总资源。
7.根据权利要求5所述的企业应用云部署的云数据中心资源分配方法，其特征在于，所述根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格，具体包括：
根据公式λs(t)＝U′s(ys(t))-E′s(ys(t))，计算企业弹性应用程序的当前时刻支付价格；
其中，λs(t)为t时刻企业弹性应用程序s的支付价格；ys(t)为t时刻企业弹性应用程序s获取的总资源，Us(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的部署效用函数，U′s(ys(t))为Us(ys(t))的导数；Es(ys(t))为t时刻企业弹性应用程序s在部署到云数据中心后的成本函数，E′s(ys(t))为Es(ys(t))的导数。
8.根据权利要求5所述的企业应用云部署的云数据中心资源分配方法，其特征在于，所述根据所述当前时刻支付价格和所述当前时刻收取价格，计算下一时刻收取价格和下一时刻组件资源，具体包括：
根据公式计算第二总资源；所述第二总资源为物理机分配给企业弹性应用程序的总资源；其中，p为物理机；s为企业弹性应用程序；r为企业弹性应用程序的组件；R(s)为企业弹性应用程序s的组件集合；P(s)为承载企业弹性应用程序s的物理机集合；为t时刻物理机p分配给企业弹性应用程序s内组件r的资源；zp(t)为t时刻物理机p分配给企业弹性应用程序s的总资源；
根据所述第二总资源，计算下一时刻收取价格；所述下一时刻收取价格的计算公式为其中，μp(t+1)为t+1时刻物理机p的收取价格，μp(t)是t时刻物理机p的收取价格；Cp是每台物理机p的资源容量；τ是迭代步长，且τ＞0；
确定当前时刻支付价格的估值；所述当前时刻支付价格的估值的计算公式为其中，满足 是t时刻企业弹性应用程序s内组件r满足的最小资源约束；为t-1时刻物理机p分配给企业弹性应用程序s内组件r的资源；是的估值；是的估值；θ是低通滤波参数，且0＜θ＜1；
根据所述当前时刻支付价格、所述当前时刻支付价格的估值以及所述当前时刻收取价格，计算下一时刻组件资源；所述下一时刻组件资源的计算公式为其中，λs(t)为t时刻企业弹性应用程序s的支付价格；μp(t)是t时刻物理机p的收取价格；κ迭代步长，且κ＞0。
9.一种企业应用云部署的云数据中心资源分配系统，其特征在于，所述云数据中心资源分配系统应用于企业应用部署进云架构中；所述企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及所述企业弹性应用程序包含的组件；所述企业弹性应用程序由多个组件构成，所述云数据中心的一个物理机上运行多台虚拟机，每台所述虚拟机运行所述企业弹性应用程序内的一个组件，以所述虚拟机为粒度共享所述物理机的资源；所述云数据中心资源分配系统包括：
获取模块，用于获取当前时刻收取价格和当前时刻组件资源；所述当前时刻收取价格为当前时刻物理机每单位资源收取的价格；所述当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源；
第一总资源计算模块，用于根据所述当前时刻组件资源，计算第一总资源；所述第一总资源为当前时刻企业弹性应用程序获取的总资源；
当前时刻支付价格计算模块，用于根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格；
第一判断结果得到模块，用于判断所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值是否小于第一设定阈值，得到第一判断结果；
资源分配模块，用于当所述第一判断结果表示所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值小于所述第一设定阈值时，根据所述当前时刻组件资源对企业弹性应用程序中的组件进行资源分配；
更新模块，用于当所述第一判断结果表示所述当前时刻收取价格与所述当前时刻支付价格的差值的绝对值大于或者等于所述第一设定阈值时，计算下一时刻收取价格和下一时刻组件资源，并用所述下一时刻收取价格更新所述当前时刻收取价格，用所述下一时刻组件资源更新所述当前时刻组件资源，返回第一总资源计算模块。
10.一种企业应用云部署的云数据中心资源分配系统，其特征在于，所述云数据中心资源分配系统应用于企业应用部署进云架构中；所述企业应用部署进云架构包括云数据中心的物理机、企业用户部署至云数据中心的企业弹性应用程序以及所述企业弹性应用程序包含的组件；所述企业弹性应用程序由多个组件构成，所述云数据中心的一个物理机上运行多台虚拟机，每台所述虚拟机运行所述企业弹性应用程序内的一个组件，以所述虚拟机为粒度共享所述物理机的资源；所述云数据中心资源分配系统包括：
获取模块，用于获取上一时刻组件资源和当前时刻组件资源；所述上一时刻组件资源为上一时刻企业弹性应用程序内的一个组件被物理机分配的资源；所述当前时刻组件资源为当前时刻企业弹性应用程序内的一个组件被物理机分配的资源；
第二判断结果得到模块，用于判断所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值是否小于第二设定阈值，得到第二判断结果；
资源分配模块，用于当所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值小于所述第二设定阈值时，根据所述当前时刻组件资源对企业弹性应用程序中的组件进行资源分配；
第一总资源计算模块，用于所述上一时刻组件资源与所述当前时刻组件资源的差值的绝对值大于或者等于所述第二设定阈值时，根据所述当前时刻组件资源，计算第一总资源；所述第一总资源为当前时刻企业弹性应用程序获取的总资源；
当前时刻支付价格计算模块，用于根据所述第一总资源，计算企业弹性应用程序的当前时刻支付价格；
当前时刻收取价格获取模块，用于获取当前时刻收取价格；所述当前时刻收取价格为当前时刻物理机每单位资源收取的价格；
更新模块，用于根据所述当前时刻支付价格和所述当前时刻收取价格，计算下一时刻收取价格和下一时刻组件资源，并用所述下一时刻收取价格更新所述当前时刻收取价格，用所述当前时刻组件资源更新所述上一时刻组件资源，用所述下一时刻组件资源更新所述当前时刻组件资源，返回第二判断结果得到模块。
CN201910371063.0A 2019-05-06 2019-05-06 一种企业应用云部署的云数据中心资源分配方法及系统 Active CN110096337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910371063.0A CN110096337B (zh) 2019-05-06 2019-05-06 一种企业应用云部署的云数据中心资源分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910371063.0A CN110096337B (zh) 2019-05-06 2019-05-06 一种企业应用云部署的云数据中心资源分配方法及系统

Publications (2)

Publication Number Publication Date
CN110096337A true CN110096337A (zh) 2019-08-06
CN110096337B CN110096337B (zh) 2021-01-05

Family

ID=67446921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910371063.0A Active CN110096337B (zh) 2019-05-06 2019-05-06 一种企业应用云部署的云数据中心资源分配方法及系统

Country Status (1)

Country Link
CN (1) CN110096337B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110809290A (zh) * 2019-10-31 2020-02-18 华中科技大学 一种层内协作的软件定义异构网络的效用优化方法及系统
CN110825517A (zh) * 2019-09-29 2020-02-21 清华大学 一种基于演化博弈论的分布式资源动态分配方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346690A (zh) * 2010-07-30 2012-02-08 国际商业机器公司 资源分配方法和装置
CN103401938A (zh) * 2013-08-07 2013-11-20 西安电子科技大学 分布式云架构下基于业务特性的资源分配系统及其方法
CN104009939A (zh) * 2014-05-29 2014-08-27 中国联合网络通信集团有限公司 一种服务资源分配方法和系统
US20150012460A1 (en) * 2005-04-05 2015-01-08 Thomson Reuters (Markets) Llc Method and system for generating a valuation metric based on growth data factors
CN105446817A (zh) * 2015-11-23 2016-03-30 重庆邮电大学 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
CN105471997A (zh) * 2015-12-04 2016-04-06 燕山大学 一种基于价格机制的p2p文件共享网络中流量控制方法
CN107172125A (zh) * 2017-04-21 2017-09-15 燕山大学 一种跨层p2p资源共享网络带宽公平分配算法
US10210567B2 (en) * 2012-05-09 2019-02-19 Rackspace Us, Inc. Market-based virtual machine allocation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150012460A1 (en) * 2005-04-05 2015-01-08 Thomson Reuters (Markets) Llc Method and system for generating a valuation metric based on growth data factors
CN102346690A (zh) * 2010-07-30 2012-02-08 国际商业机器公司 资源分配方法和装置
US10210567B2 (en) * 2012-05-09 2019-02-19 Rackspace Us, Inc. Market-based virtual machine allocation
CN103401938A (zh) * 2013-08-07 2013-11-20 西安电子科技大学 分布式云架构下基于业务特性的资源分配系统及其方法
CN104009939A (zh) * 2014-05-29 2014-08-27 中国联合网络通信集团有限公司 一种服务资源分配方法和系统
CN105446817A (zh) * 2015-11-23 2016-03-30 重庆邮电大学 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
CN105471997A (zh) * 2015-12-04 2016-04-06 燕山大学 一种基于价格机制的p2p文件共享网络中流量控制方法
CN107172125A (zh) * 2017-04-21 2017-09-15 燕山大学 一种跨层p2p资源共享网络带宽公平分配算法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHIYONG LI,WEI SUN,CHENG-GUO E,LINA SHI: "A scheme of resource allocation and stability for peer–to–peer file–sharing networks", 《INTERNATIONAL JOURNAL OF APPLIED MATHEMATICS AND COMPUTER SCIENCE》 *
SHIYONG LI,YUE ZHANG,YAN WANG,WEI SUN: "Utility optimization–based bandwidth allocation for elastic and inelastic services in peer–to–peer networks", 《HTTPS://DOI.ORG/10.2478/AMCS-2019-0009》 *
李世勇: "多路径网络异构服务的分布式资源分配算法", 《中国科技论文》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110825517A (zh) * 2019-09-29 2020-02-21 清华大学 一种基于演化博弈论的分布式资源动态分配方法
CN110825517B (zh) * 2019-09-29 2020-09-08 清华大学 一种基于演化博弈论的分布式资源动态分配方法
CN110809290A (zh) * 2019-10-31 2020-02-18 华中科技大学 一种层内协作的软件定义异构网络的效用优化方法及系统

Also Published As

Publication number Publication date
CN110096337B (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN107395733B (zh) 地理分布交互服务云资源协同优化方法
Shi et al. MDP and machine learning-based cost-optimization of dynamic resource allocation for network function virtualization
Goudarzi et al. Energy-efficient virtual machine replication and placement in a cloud computing system
CN105718364B (zh) 一种云计算平台中计算资源能力动态评估方法
Zhang et al. Dynamic service placement in geographically distributed clouds
Ardagna et al. SLA based resource allocation policies in autonomic environments
CN102664814B (zh) 一种虚拟网络中基于灰色预测的自适应动态资源分配方法
US20130268940A1 (en) Automating workload virtualization
Niu et al. Cost-effective cloud HPC resource provisioning by building semi-elastic virtual clusters
CN103336722B (zh) 一种虚拟机cpu资源监控和动态分配方法
Gmach et al. Selling t-shirts and time shares in the cloud
CN106227599B (zh) 一种云计算系统中资源调度的方法及系统
CN105677441B (zh) 虚拟机迁移方法、虚拟设施管理器及协调器
Niu et al. Building semi-elastic virtual clusters for cost-effective HPC cloud resource provisioning
Takefusa et al. An advance reservation-based co-allocation algorithm for distributed computers and network bandwidth on QoS-guaranteed grids
CN108092804A (zh) 基于Q-learning的电力通信网效用最大化资源分配策略生成方法
CN109697637A (zh) 对象类别确定方法、装置、电子设备及计算机存储介质
CN110096337A (zh) 一种企业应用云部署的云数据中心资源分配方法及系统
US20210004267A1 (en) Cooperative scheduling method and system for computing resource and network resource of container cloud platform
CN105260232A (zh) 一种实现云计算虚拟机内部资源优化配置的方法及系统
CN106789312A (zh) 一种基于云计算的安全资源优化分配方法
CN104618480B (zh) 基于网络链路利用率驱动的云系统资源分配方法
CN109740870A (zh) 云计算环境下Web应用的资源动态调度方法
CN109936465A (zh) 一种云平台资源利用率评估方法及装置
Yao et al. Optimal overbooking policy for cloud service providers: Profit and service quality

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220601

Address after: No. 9, Jiqing Road, Dingshan street, Jiangbei new district, Nanjing, Jiangsu 210000

Patentee after: Zhairenqiao (Nanjing) Network Technology Co.,Ltd.

Address before: 066000 No. 438, Hebei Avenue, Qinhuangdao, Hebei

Patentee before: Yanshan University