当前位置: 主页 > 学术动态 >

IaaS云环境下最大化收益的资源定价和需求分配:一种面向市场的方法

点击数:   更新日期: 2021-07-02

论文标题(英文):Resource Pricing and Demand Allocation for Revenue Maximization in IaaS Clouds: A Market-Oriented Approach

录用期刊:IEEE Transactions on Network and Service Management (2020 IF = 3.878,JCR Q1)

原文链接: 10.1109/TNSM.2021.3085519.

作者列表:

1)李松远 北京邮电大学 网络与交换技术国家重点实验室 2018级硕士

2)黄霁崴* 中国石油大学(北京) 信息科学与工程学院 教授

3程渤 北京邮电大学 网络与交换技术国家重点实验室 教授

文章简介

随着越来越多的用户将应用程序托管在云服务器上,资源定价策略的制定已经成为云服务供应商所亟需研究的一项科学议题。根据用于购买云资源的用户预算、当前云资源价格,每位竞拍者(云用户会根据自身的云资源需求量来购买一定数量的云资源,从而最大化自身的用户效用鉴于云用户的资源需求量通常是价格敏感的,云服务提供商也会通过调控即时云资源价格来实现自身的盈利目标,最终实现云用户与云服务供应商利益的同时兼顾满足。本文将深入剖析面向市场化的云资源定价策略。具体而言,首先构建针对IaaS云环境的云资源拍卖市场,多位竞拍者(云用户)具有异构的服务竞价预算和QoS需求,分别按照不同的云资源需求量来购买云资源,并将自身应用程序托管在云服务器上。基于云资源拍卖市场化模型,从云资源服务供应商的利益出发,定义以服务收益最大化为优化目标的云资源定价与需求分配问题模型与此同时,服务收益最大化为目标的云资源定价与分配方案也应该满足预算可行性、激励相容性、无妒性的拍卖性质保证。最终,本文设计出一种价格激励的云资源拍卖机制(称作RARM),其提供了服务收益最大化(1+α) 近似比保障,基于真实的云计算数据集,本文所提出的RARM拍卖机制经过仿真实验,其有效性和高效性都被充分地验证。

设计与实现

1. RARM云资源拍卖机制概览

为了应对求解多用户云资源拍卖方案的计算复杂度挑战,本文设计出一种最大化服务收益的云资源拍卖机制RARM。具体而言,本人所设计的RARM机制在每个时隙t被执行,被分解为两步骤实施,如图1所示。

第一步:

当在每个时隙t收到所有云服务竞价请求之后,云服务供应商首先确定即时云资源单位价格p(t) 的可行域38cda5bf0c254230b247811e2d0cee73.png将即时云资源单位价格p(t)设置高于价格下界,则不仅IaaS云计算架构的资源容量约束被满足,而且云服务供应商所配置的最低服务利润率要求γ也可被得到最大似然地保障;而价格上界指即时云资源单位价格p(t)的临界阀值,其中当时,所有云用户1230862907b6492ebef6bbe2408822e6.png将放弃云资源订阅(即),从而云服务供应商将无法从用户处赚取服务收益。上述过程通过LBP算法实现。

第二步:

即时云资源单位价格p(t) 的可行域38cda5bf0c254230b247811e2d0cee73.png内,云服务供应商最终确定实现服务收益最优化的云资源单位定价p(t)以及相应的多用户云资源分配方案A(t),其中云服务供应商的最低服务利润率要求γ可以得到确实的保证。据所确定的多用户云资源分配方案A(t)云服务供应商控制云物理机器的工作/关机状态,并向分配到云资源的用户收取对应的云服务费用。上述过程通过Revenue-Max算法实现,其提供了服务收益最大化(1+α)近似比保障

实验结果

图2. 服务费用 v.s. 服务竞价预算

图3. RARM机制与统一价格竞价机制(Uniform Price Auction)的实验对比分析

4. RARM机制与模拟退火算法(Simulated Annealing)的实验对比分析

5. 在不同云用户竞价预算水平下的服务收益、云资源定价、云用户服务数量结果

6. 基于真实轨迹数据的对比实验仿真结果

经过实验验证,实验结果与预期效果保持一致:我们所提出RARM机制保证了无妒性、预算平衡性;同时,和其他方法相比较,实现了云服务供应商服务收益的最大化。

作者简介

黄霁崴,博士,教授,博士生导师,石油数据挖掘北京市重点实验室主任,中国石油大学(北京)计算机科学与技术系主任。2015年度北京市优秀人才,2018年度中国石油大学(北京)优秀青年学者,2020年度北京市科技新星。分别在2009年和2014年于清华大学计算机科学与技术系获得工学学士和工学博士学位,2012-2013年国家公派赴美国佐治亚理工学院联合培养。研究方向包括:系统性能评价和优化、随机模型理论和应用、服务质量测量与保障技术、服务计算和物联网等。担任中国计算机学会(CCF)服务计算专委会委员,CCF高级会员,IEEE、ACM会员。已主持国家自然科学基金、北京市自然科学基金等科研项目13项,在国内外著名期刊和会议发表论文五十余篇,出版学术专著1部,获得国家发明专利5项、软件著作权3项,担任多个国际顶级期刊和知名会议审稿人。联系邮箱:huangjw@cup.edu.cn。