本發(fā)明屬于云計(jì)算技術(shù)領(lǐng)域，具體涉及一種SLA保障QoS期望的云計(jì)算服務(wù)收益方法。

背景技術(shù)：

云計(jì)算自2006年3月由Amazon推出彈性計(jì)算以來(lái)，在全世界信息科學(xué)及相關(guān)業(yè)界掀起了研究及工業(yè)應(yīng)用熱潮，給計(jì)算機(jī)網(wǎng)絡(luò)及分布式計(jì)算帶來(lái)前所未有的變革、機(jī)遇和挑戰(zhàn)；其研究領(lǐng)域向更廣泛的信息科學(xué)領(lǐng)域發(fā)展；更推動(dòng)了計(jì)算機(jī)商業(yè)模式的改變，彈性計(jì)算成為一種新型商業(yè)計(jì)算模型：一是降低了IT成本、提高了資源利用率，并允許IT資源迅速重新分配資源以適應(yīng)企業(yè)需求，從而為用戶(hù)提供彈性、可伸縮的云計(jì)算服務(wù)；二是描述了一種基于Internet的服務(wù)增加、使用和交付模式，并提供動(dòng)態(tài)易擴(kuò)展且虛擬化的資源。在云計(jì)算服務(wù)表現(xiàn)上，以SaaS(Software as a Service)、PaaS(Platform as a Service)和IaaS(Infrastructure as a Service)等形式給用戶(hù)提供高可靠的、易擴(kuò)展的、按需定制的、集成的、高QoS(Quality of Service)以及滿(mǎn)足各方收益的SLA(Service Level Agreement)服務(wù)。然而，增強(qiáng)云計(jì)算服務(wù)QoS滿(mǎn)意度，提高資源利用率以及降低額外網(wǎng)絡(luò)資源開(kāi)銷(xiāo)等方面仍然不是一件容易的事情，而且隨著云計(jì)算商業(yè)化進(jìn)程加快，這些問(wèn)題直接導(dǎo)致傳統(tǒng)的收益模型具有一定的局限性，因此提高云計(jì)算服務(wù)收益仍然是一個(gè)需要解決的問(wèn)題。

云計(jì)算服務(wù)收益的(雙向、逆向、競(jìng)價(jià))拍賣(mài)機(jī)制、SLA協(xié)商機(jī)制和熱點(diǎn)定價(jià)機(jī)制等已在云計(jì)算領(lǐng)域受到了廣泛關(guān)注及研究，其重要性已在云計(jì)算商業(yè)領(lǐng)域得到了驗(yàn)證，如Amazon、Google、阿里云等。有別有于這些傳統(tǒng)的方法，SLA保障QoS的云計(jì)算服務(wù)收益方法更關(guān)注面向數(shù)據(jù)中心、云計(jì)算服務(wù)提供商及用戶(hù)的收益及均衡最優(yōu)化?？v觀國(guó)內(nèi)外研究動(dòng)態(tài)，數(shù)學(xué)模型優(yōu)化領(lǐng)域和控制論領(lǐng)域已經(jīng)出現(xiàn)了各種最優(yōu)化收益模型及方法。然而云計(jì)算服務(wù)定價(jià)機(jī)制一直受資源利用率、節(jié)能控制、虛擬機(jī)放置(遷移)、均衡調(diào)度等影響，給SLA保障下不同的QoS期望所導(dǎo)致的收益博弈、資源優(yōu)化分配等等帶來(lái)沖擊，不利于發(fā)揮云計(jì)算商業(yè)價(jià)值，這體現(xiàn)了現(xiàn)有定價(jià)機(jī)制顯露出的一些難以解決的問(wèn)題，如云計(jì)算服務(wù)提供商與用戶(hù)間收益不平衡，不同定價(jià)機(jī)制的偏向性所帶來(lái)的不公平性，復(fù)雜價(jià)格協(xié)商機(jī)制所帶來(lái)虛擬機(jī)遷移時(shí)額外網(wǎng)絡(luò)資源開(kāi)銷(xiāo)，高峰時(shí)段所造成用戶(hù)訪問(wèn)資源延遲等等都會(huì)直接影響到云計(jì)算服務(wù)收益。因此，如何在資源高利用率情況下，云計(jì)算服務(wù)提供商能有效地為用戶(hù)分配到滿(mǎn)足需求的資源，并在滿(mǎn)足SLA的同時(shí)保障QoS，并獲得最優(yōu)化收益均衡是目前關(guān)注重要方向之一，這是個(gè)典型的NP-hard問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的就是針對(duì)現(xiàn)有技術(shù)的不足，提供能夠提高云計(jì)算服務(wù)QoS滿(mǎn)意度、提高云計(jì)算服務(wù)收益效率的一種SLA保障QoS的云計(jì)算服務(wù)收益方法。

為實(shí)現(xiàn)上述目的，本發(fā)明提供的SLA保障QoS期望的云計(jì)算服務(wù)收益方法，包含如下步驟：

S1、量化SLA保障QoS因子以及QoS因子定義計(jì)算公式，進(jìn)行權(quán)重分析，然后根據(jù)負(fù)載均衡臨介值LBF、網(wǎng)絡(luò)帶寬最大值TRF和動(dòng)態(tài)價(jià)格波動(dòng)系數(shù)CF建立權(quán)重自適應(yīng)分配算法；

S2、根據(jù)SLA保障QoS因子和價(jià)格波動(dòng)變量p建立性能效用模型，所述模型以數(shù)據(jù)中心能耗和排放量要求為約束參數(shù)；

S3、以性能效用模型為泛函關(guān)系建立分?jǐn)?shù)階收益系統(tǒng)，通過(guò)得到收益系統(tǒng)的性質(zhì)和收益函數(shù)建立Nash均衡收益目標(biāo)模型L(p)，然后建立蟻群優(yōu)化算法進(jìn)行優(yōu)化，獲得滿(mǎn)足不同需求對(duì)應(yīng)的收益均衡點(diǎn)。

具體的，在步驟S1中，將SLA協(xié)約量化為QoS因子，所述因子包括但不限于負(fù)載均衡效率LB(t)、可靠性R(t)、安全性S(t)、吞吐率TR(t)、敏捷性AL(t)、排放量D(t)、成本C(t)、自動(dòng)化程度AU(t)、伸縮性F(t)和線性化L(t)；所述因子的計(jì)算公式由響應(yīng)時(shí)間(t)來(lái)描述；建立SLA與QoS之間關(guān)聯(lián)系數(shù)λ(0＜λ≤1)表示為：SLA→λQoS(LB,R,S,TR,AL,D,C,AU,F,L)，并定義權(quán)重動(dòng)態(tài)調(diào)節(jié)因子W為二元組W(LBF,TRF)來(lái)決定，由此建立權(quán)重自適應(yīng)分配算法。

更進(jìn)一步的，所述動(dòng)態(tài)價(jià)格波動(dòng)系數(shù)CF滿(mǎn)足：0<CF<1。所述QoS因子權(quán)重用AHP來(lái)進(jìn)行計(jì)算。

具體的，在步驟S2中，價(jià)格波動(dòng)量p是根據(jù)SLA保障下的QoS量化因子，基于動(dòng)態(tài)價(jià)格波動(dòng)系數(shù)CF和回歸模型對(duì)p進(jìn)行建模，獲得性能效用模型，即在不同時(shí)刻價(jià)格波動(dòng)量p對(duì)服務(wù)提供商效用F(p)和用戶(hù)效用G(p)的變化情況：p→F(p)，p→G(p)。

具體的，在步驟S3中,以性能效用模型為泛函關(guān)系,即服務(wù)提供商效用F(p)、用戶(hù)效用G(p)分別與服務(wù)提供商收益函數(shù)f、用戶(hù)收益函數(shù)g為泛函關(guān)系，以效用與收益之間的泛函關(guān)系f(F(p))、g(G(p))建立分?jǐn)?shù)階導(dǎo)數(shù)收益系統(tǒng),即納什均衡收益目標(biāo)模型L(p)＝N(F(p)，G(p))，，以此納什均衡收益表達(dá)式找到一組策略滿(mǎn)足云計(jì)算服務(wù)提供商與用戶(hù)需求的最優(yōu)收益平衡；同時(shí)，定義彈性公式d_f(F(p))/d_K(t)和代價(jià)公式d_g(G(p))/d_K(t)來(lái)縮小均衡點(diǎn)搜索空間和滿(mǎn)足動(dòng)態(tài)定價(jià)機(jī)制要求，并用蟻群算法找到滿(mǎn)足不同需求的納什均衡點(diǎn)。

更進(jìn)一步的，步驟S3針對(duì)不同需求在不同時(shí)刻t找到收益均衡點(diǎn)的具體步驟：

①根據(jù)云計(jì)算服務(wù)性能效用建立收益系統(tǒng)：

^CD^αx(t)＝-Dx(t)+Ag(x(τ(t)))+Bf(x(t-K(t)))+u,t∈[t₀,t₀+T]

其中，^CD^αx(t)為x(t)的Caputo型分?jǐn)?shù)階導(dǎo)數(shù)，表示動(dòng)態(tài)定價(jià)機(jī)制的收益操作；

x(K(t))＝[x₁(K₁(t)),x₂(K₂(t)),…,x_n(K_n(t))]^T表示在不同時(shí)變時(shí)神經(jīng)元狀態(tài)向量，t₀為初始時(shí)刻，T為正實(shí)數(shù)，K為神經(jīng)元的響應(yīng)時(shí)間，K(t)是滿(mǎn)足0≤K(t)≤d、K(t)≤u的時(shí)變連續(xù)函數(shù)，d和u是常量；

A＝(a_ij)_n×n，B＝(b_ij)_n×n；a_ij,b_ij分別表示云計(jì)算服務(wù)與用戶(hù)的最優(yōu)收益權(quán)重，該權(quán)重由步驟S1中權(quán)重自適應(yīng)分配算法獲??；

D＝diag(d₁,d₂,…,d_i,…,d_n)是對(duì)角矩陣，d_i>0,i＝1,2,…,n；

f(F(t-K(t)))＝[f₁(F₁(t-K₁(t))),f₂(F₂(t-K₂(t))),…,f_n(F_n(t-K_n(t)))]^T表示滿(mǎn)足云計(jì)算服務(wù)提供商收益函數(shù)；

g(G(K(t)))＝[g₁(G₁(K₁(t))),g₂(G₂(K₂(t))),…,g_n(G_n(K_n(t)))]^T表示在K_i(t)時(shí)用戶(hù)的收益函數(shù)；

u＝(u₁,u₂,…,u_n)^T∈R^n×n是用戶(hù)需求輸入的向量，表現(xiàn)為虛擬機(jī)配置參數(shù)情況等；

從而找到收益系統(tǒng)的邊值存在性/唯一性、特征值以及滿(mǎn)足穩(wěn)定性的基本條件；

②基于①的收益系統(tǒng)及其基本條件，Nash收益均衡目標(biāo)模型L(p)；

③確定不同需求在不同時(shí)刻t的收益Nash均衡點(diǎn)，分析在一段時(shí)間∑t均衡點(diǎn)分布狀態(tài)；最終通過(guò)蟻群優(yōu)化找到收益Nash均衡點(diǎn)為止。

優(yōu)選的，所述對(duì)Nash均衡收益目標(biāo)模型的收益均衡點(diǎn)優(yōu)化的蟻群優(yōu)化算法為：螞蟻k從收益點(diǎn)x_i向收益點(diǎn)x_j的轉(zhuǎn)移概率計(jì)算公式如下：

其中中，α，β∈(0,1]分別表示信息啟發(fā)因子和期望啟發(fā)因子；allowed_k＝{C-tabu_k}表示螞蟻k下一步選擇的收益點(diǎn)，tabu_k表示螞蟻k當(dāng)前收益點(diǎn)。

本發(fā)明提供的一種SLA保障QoS期望的云計(jì)算服務(wù)收益方法的有益效果是：(1)通過(guò)QoS量化因子計(jì)算公式和權(quán)重自適應(yīng)分配算法，推進(jìn)現(xiàn)有SLA保障QoS方法，有效克服動(dòng)態(tài)定價(jià)機(jī)制中QoS滿(mǎn)意度不高等情形；(2)通過(guò)動(dòng)態(tài)價(jià)格波動(dòng)量建立基于效用函數(shù)建模的云計(jì)算服務(wù)性能機(jī)制，用性能來(lái)刻畫(huà)動(dòng)態(tài)定價(jià)機(jī)制中的不足，推進(jìn)了云計(jì)算服務(wù)性能；(3)以性能效用模型為泛函關(guān)系建立分?jǐn)?shù)階收益系統(tǒng)，并建立收益Nash均衡收益目標(biāo)模型和蟻群優(yōu)化算法，提高了云計(jì)算服務(wù)收益效率。

說(shuō)明書(shū)附圖

圖1為本發(fā)明SLA保障QoS期望的云計(jì)算服務(wù)收益方法的流程圖。

具體實(shí)施方式

下面結(jié)合實(shí)施例，對(duì)本發(fā)明的實(shí)施作進(jìn)一步的描述。

實(shí)施例

為更進(jìn)一步闡述本發(fā)明為達(dá)成預(yù)定發(fā)明目的所采取方法,以下結(jié)合實(shí)施例,對(duì)依據(jù)本發(fā)明提出的用戶(hù)原創(chuàng)內(nèi)容的方法詳細(xì)說(shuō)明如下。

一種SLA保障QoS期望的云計(jì)算服務(wù)收益方法，包含如下步驟：

S1、量化SLA保障QoS因子以及QoS因子定義計(jì)算公式，進(jìn)行權(quán)重分析，然后根據(jù)負(fù)載均衡臨介值LBF、網(wǎng)絡(luò)帶寬最大值TRF和動(dòng)態(tài)價(jià)格波動(dòng)系數(shù)CF建立權(quán)重自適應(yīng)分配算法；

S2、根據(jù)SLA保障QoS因子和價(jià)格波動(dòng)變量p建立性能效用模型，所述模型以數(shù)據(jù)中心能耗和排放量要求為約束參數(shù)；

S3、以性能效用模型為泛函關(guān)系建立分?jǐn)?shù)階收益系統(tǒng)，通過(guò)得到收益系統(tǒng)的性質(zhì)和收益函數(shù)建立Nash均衡收益目標(biāo)模型L(p)，然后建立蟻群優(yōu)化算法進(jìn)行優(yōu)化，獲得滿(mǎn)足不同需求對(duì)應(yīng)的收益均衡點(diǎn)。

在步驟S1中，將SLA協(xié)約量化為QoS因子，所述因子包括但不限于負(fù)載均衡效率LB(t)、可靠性R(t)、安全性S(t)、吞吐率TR(t)、敏捷性AL(t)、排放量D(t)、成本C(t)、自動(dòng)化程度AU(t)、伸縮性F(t)和線性化L(t)；所述因子的計(jì)算公式由響應(yīng)時(shí)間(t)來(lái)描述；建立SLA與QoS之間關(guān)聯(lián)系數(shù)λ(0＜λ≤1)表示為：SLA→λQoS(LB,R,S,TR,AL,D,C,AU,F,L)，并定義權(quán)重動(dòng)態(tài)調(diào)節(jié)因子W為二元組W(LBF,TRF)來(lái)決定，由此建立權(quán)重自適應(yīng)分配算法。本步驟在SLA保障QoS的情況下，利用動(dòng)態(tài)權(quán)重自適應(yīng)分配算法，擬定義每項(xiàng)QoS因子量化計(jì)算公式，通過(guò)AHP對(duì)各QoS因子進(jìn)行權(quán)重處理，并定義W來(lái)建立自適應(yīng)算法，實(shí)現(xiàn)了權(quán)重自適應(yīng)調(diào)整。與現(xiàn)有的SLA和QoS方法不同，本發(fā)明在SLA保障下實(shí)現(xiàn)QoS因子量化，并通過(guò)定義W控制權(quán)重自適應(yīng)調(diào)整，以實(shí)現(xiàn)對(duì)F(p)和G(p)結(jié)果優(yōu)化處理。W在調(diào)整過(guò)程中，需要保障F(p)和G(p)的連續(xù)性。本發(fā)明建立滿(mǎn)足SLA保障QoS的F(p)和G(p)，以實(shí)現(xiàn)云計(jì)算服務(wù)提供商的商業(yè)目的，又可以滿(mǎn)足用戶(hù)對(duì)云計(jì)算服務(wù)的業(yè)務(wù)需求，以提升整個(gè)云計(jì)算服務(wù)性能，有效克服動(dòng)態(tài)定價(jià)機(jī)制所來(lái)的不足。

在附圖1中，顯示步驟S2的詳細(xì)過(guò)程：價(jià)格波動(dòng)量p是根據(jù)SLA保障下的QoS量化因子，基于動(dòng)態(tài)價(jià)格波動(dòng)系數(shù)CF和回歸模型對(duì)p進(jìn)行建模，獲得性能效用模型，即在不同時(shí)刻價(jià)格波動(dòng)量p對(duì)服務(wù)提供商效用F(p)和用戶(hù)效用G(p)的變化情況：p→F(p)，p→G(p)。由于價(jià)格波動(dòng)量p的量化結(jié)合雙邊市場(chǎng)機(jī)制，采用激勵(lì)兼容價(jià)格機(jī)制得到表達(dá)，因此所述性能效用模型克服了動(dòng)態(tài)定價(jià)機(jī)制不足。

在步驟S3中,以性能效用模型為泛函關(guān)系,即服務(wù)提供商效用F(p)、用戶(hù)效用G(p)分別與服務(wù)提供商收益函數(shù)f、用戶(hù)收益函數(shù)g為泛函關(guān)系，以效用與收益之間的泛函關(guān)系f(F(p))、g(G(p))建立分?jǐn)?shù)階導(dǎo)數(shù)收益系統(tǒng),即納什均衡收益目標(biāo)模型L(p)＝N(F(p)，G(p))，，以此納什均衡收益表達(dá)式找到一組策略滿(mǎn)足云計(jì)算服務(wù)提供商與用戶(hù)需求的最優(yōu)收益平衡；同時(shí)，定義彈性公式d_f(F(p))/d_K(t)和代價(jià)公式d_g(G(p))/d_K(t)來(lái)縮小均衡點(diǎn)搜索空間和滿(mǎn)足動(dòng)態(tài)定價(jià)機(jī)制要求，并用蟻群算法找到滿(mǎn)足不同需求的納什均衡點(diǎn)。

更進(jìn)一步的，步驟S3針對(duì)不同需求在不同時(shí)刻t找到收益均衡點(diǎn)的具體步驟：

①根據(jù)云計(jì)算服務(wù)性能效用建立收益系統(tǒng)：

^CD^αx(t)＝-Dx(t)+Ag(x(τ(t)))+Bf(x(t-K(t)))+u,t∈[t₀,t₀+T]

其中，^CD^αx(t)為x(t)的Caputo型分?jǐn)?shù)階導(dǎo)數(shù)，表示動(dòng)態(tài)定價(jià)機(jī)制的收益操作；

x(K(t))＝[x₁(K₁(t)),x₂(K₂(t)),…,x_n(K_n(t))]^T表示在不同時(shí)變時(shí)神經(jīng)元狀態(tài)向量，t₀為初始時(shí)刻，T為正實(shí)數(shù)，K為神經(jīng)元的響應(yīng)時(shí)間，K(t)是滿(mǎn)足0≤K(t)≤d、K(t)≤u的時(shí)變連續(xù)函數(shù)，d和u是常量；

A＝(a_ij)_n×n，B＝(b_ij)_n×n；a_ij,b_ij分別表示云計(jì)算服務(wù)與用戶(hù)的最優(yōu)收益權(quán)重，該權(quán)重由步驟S1中權(quán)重自適應(yīng)分配算法獲??；

D＝diag(d₁,d₂,…,d_i,…,d_n)是對(duì)角矩陣，d_i>0,i＝1,2,…,n；

f(F(t-K(t)))＝[f₁(F₁(t-K₁(t))),f₂(F₂(t-K₂(t))),…,f_n(F_n(t-K_n(t)))]^T表示滿(mǎn)足云計(jì)算服務(wù)提供商收益函數(shù)；

g(G(K(t)))＝[g₁(G₁(K₁(t))),g₂(G₂(K₂(t))),…,g_n(G_n(K_n(t)))]^T表示在K_i(t)時(shí)用戶(hù)的收益函數(shù)；

u＝(u₁,u₂,…,u_n)^T∈R^n×n是用戶(hù)需求輸入的向量，表現(xiàn)為虛擬機(jī)配置參數(shù)情況等；

從而找到收益系統(tǒng)的邊值存在性/唯一性、特征值以及滿(mǎn)足穩(wěn)定性的基本條件；

②基于①的收益系統(tǒng)及其基本條件，Nash收益均衡目標(biāo)模型L(p)；

③確定不同需求在不同時(shí)刻t的收益Nash均衡點(diǎn)，分析在一段時(shí)間∑t均衡點(diǎn)分布狀態(tài)；最終通過(guò)蟻群優(yōu)化找到收益Nash均衡點(diǎn)為止。

優(yōu)選的，所述對(duì)Nash均衡收益目標(biāo)模型的收益均衡點(diǎn)優(yōu)化的蟻群優(yōu)化算法為：螞蟻k從收益點(diǎn)x_i向收益點(diǎn)x_j的轉(zhuǎn)移概率計(jì)算公式如下：

其中中，α，β∈(0,1]分別表示信息啟發(fā)因子和期望啟發(fā)因子；allowed_k＝{C-tabu_k}表示螞蟻k下一步選擇的收益點(diǎn)，tabu_k表示螞蟻k當(dāng)前收益點(diǎn)。

本發(fā)明以性能為基礎(chǔ)確定云計(jì)算服務(wù)動(dòng)態(tài)定價(jià)機(jī)制，而且收益也是由SLA保障QoS因子來(lái)決定的；可以有效避免性能與定價(jià)機(jī)制的分離情形，即直接通過(guò)建立云計(jì)算服務(wù)收益模型的博弈Nash均衡，將性能效用作為收益模型的函數(shù)來(lái)實(shí)現(xiàn)一種市場(chǎng)雙向的動(dòng)態(tài)定價(jià)機(jī)制，有效使云計(jì)算服務(wù)提供商與用戶(hù)間達(dá)到一定滿(mǎn)足性能需求的收益均衡機(jī)制。本方法不僅提高收益效率；更注重對(duì)性能的關(guān)注，重視云計(jì)算服務(wù)提供商和用戶(hù)的收益均衡。

以上結(jié)合對(duì)本發(fā)明進(jìn)行了示例性描述，顯然本發(fā)明具體實(shí)現(xiàn)并不受上述方式的限制，只要采用了本發(fā)明的方法構(gòu)思和技術(shù)方案進(jìn)行的各種非實(shí)質(zhì)性的改進(jìn)，或未經(jīng)改進(jìn)將本發(fā)明的構(gòu)思和技術(shù)方案直接應(yīng)用于其它場(chǎng)合的，均在本發(fā)明的保護(hù)范圍之內(nèi)。