本发明属于数据中心服务器动态定价技术领域,特别涉及一种绿色数据中心的服务器自适应定价策略。
背景技术:
云计算为现代企业带来以廉价成本重构企业内部计算基础设施的新机遇。亚马逊和微软等公有云提供商,开始对云用户提供基础设施即服务(IaaS,Infrastructure as a Service)以出租它们的计算资源,节约云用户购买硬件设施的基础投资。此外,云用户将繁琐的和复杂的硬件维护工作交给云提供商,更加专注于设计自己的商务逻辑进而提高工作效率。
云提供商面临的一个基本问题,是如何制定一个高效的服务器出租定价策略,以最大化其利润。目前为止,云计算产业经历了多种不同的定价方式。早期静态定价居于主导地位。虽然静态定价方式具有简单的特点,但是由于闲置的资源不带来利润,甚至会由于贬值而增加额外的开销,因此这种定价策略不能完全满足云提供商利润最大化的需求。动态定价方式作为一种可供选择的定价方法,引起了工业界与学术界的极大兴趣。动态定价的基本思想,是将闲置资源以较低的费用出租,以提高资源利用率。若资源需求激增时,提升价格以获取更多利润。
技术实现要素:
为了克服上述现有技术的缺点,本发明的目的在于提供一种绿色数据中心的服务器自适应定价策略,基于瞬时服务器的供求关系,尽可能最大化云服务提供商服务器租赁业务的利润;该定价策略同时还考虑到了可再生能源、实时电价和蓄电池电量等不确定因素,且定价算法运行时,不需要了解这些不确定因素的统计信息,实现简便。
为了实现上述目的,本发明采用的技术方案是:
一种绿色数据中心的服务器自适应定价策略,通过如下公式描述服务器动态定价问题:
约束条件为:
dtb+dtg=[ρmt-rt]+,
[rt-ρmt]+≥ctr≥0,
Bt+1=Bt+ηc(ctg+ctr)-ηddtb,
0≤Bt≤Bmax<∞,
通过以上公式对服务器动态定价和能源操作实现最大化时间平均利润;
其中,P={Pt},t=1,2,...,T,为一个决策序列,Pt是一个决策向量,定义为为在P下时间槽t的瞬时利润,dtb为蓄电池支持服务器运行所提供的电能,为电网为支持服务器运行所提供的电能,ρ为一台服务器的功率,mt为t时刻服务器资源总需求,rt为t时刻可再生能源生产量,为可再生能源充入蓄电池的电能,Bt为蓄电池电量,ηc和ηd分别是充电效率和放电效率,为电网充入蓄电池的电能,Bmax为蓄电池的极限电量,ctg是电网为蓄电池提供的电能,C为最大充电效率,G为可以从电网中购买的最大电能,δ为最大放电效率,pt为t时刻服务器的现货价格。
通过建立数据中心模型获取总服务器需求量,数据中心模型中,在时间槽t内,假设云用户i的负载是λt,i,服务器价格为pt,则租赁的服务器数量mt,i由最小化成本函数决定:
mt,i=argmin{αiDi(mt,i,λt,i)+ptmt,i}
其中Di(mt,i,λt,i)是云用户的负效用函数,定义为一个关于mt,i的凸函数,其物理含义是当所租用的资源不能满足需求时产生的利润损失,αi是将负效用损失程度转化为成本损失的权值,令服务器总需求为mt=∑imt,i,得出总服务器需求量为:
λt,i服从任意的随机过程,假设λt,i是有界的,即其中λmax,i是有限常数;
数据中心模型中,假设数据中心处于实行可变电价的市场,电价随实时供求关系变化,云提供商没有电价的统计信息,也不知道未来的电价,然而,它能够在每个时间槽开始时观测到当前的电价在当前决策时间槽内不变,且小于某常数,即
所述约束条件通过建立可再生能源和蓄电池模型得出:
假设可再生能源是无任何成本的,数据中心优先使用可再生能源以满足服务器运行的能源需求,在时刻t,令可再生能源为rt,假设
数据中心中配备有蓄电池,其中存储的电能可供未来使用,当电价低的时候进行充电,当电价高时放电满足服务器用电的需求,设ρ为单个服务器的功率,当ρmt-rt>0,即总电能需求超过可再生能源所提供的电能时,则需额外从电网中获取电能dtg,或者电池放电dtb去满足电能需求,即:
dtb+dtg=[ρmt-rt]+
否则,可再生能源可为蓄电池充电,即
[rt-ρmt]+≥ctr≥0
由于充电和放电操作,蓄电池电量会随着时间改变,电池的动态变化过程如下:
Bt+1=Bt+ηc(ctg+ctr)-ηddtb
实际情况下,蓄电池的电量是有限的,即
最后对于每一个控制变量做如下的限制:
利用李雅普诺夫优化理论解决动态服务器定价问题,分别定义李雅普诺夫函数Lt和李雅普诺夫漂移△t为:
△t=Lt+1=Lt,
其中θ>0是一个常数;
在所述约束条件下,李雅普诺夫优化理论最小化公式△t-VRt,以得到动态服务器定价问题的最优解:
最小化上式的右边即可对问题进行求解。
将公式△t-VRt分解为以下两个子问题求解:
s.t.:mt=∑i(D'i)-1(pt,λt,i)
ρmt-rt≥0
和
s.t.:mt=∑i(D'i)-1(pt,λt,i)
ρmt-rt≤0
P1中,假定可再生能源电能不足以支持数据中心能源需求,即约束ρmt-rt≥0满足,因此有即没有多余的可再生能源给蓄电池充电;P2中,假定有足够的可再生能源来满足数据中心能源需求,即约束ρmt-rt≤0满足;此时和只能等于0,即不需要电网供电和电池放电,如果ρmt=rt,那么P1的目标函数值和P2相同,并且
在每个决策点,利用动态服务器定价算法求解两个简单的凸优化问题P1和P2,P1和P2分别只包含4个和3个控制变量,且问题规模与云用户和负载强度无关。
所述动态服务器定价算法具体步骤如下:
算法思想为在每个决策时间t,分别求解P1和P2两个优化问题,并将最优解对应的目标函数存储到O1和O2中;接着,算法比较O1和O2,并将其中较小的一个对应的解设置为全局最优解S;最后,按照决策对系统电池进行充放电操作。
与现有技术相比,本发明综合考虑了服务器的供求关系、可再生资源产量、实时电价和蓄电池电量等因素。该算法基于李雅普诺夫理论,可根据周围环境条件对服务器定价进行动态调节,最大化云提供商的利润。
附图说明
图1是系统模型示意图。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
1.系统结构:
本发明的系统结构如附图1所示,云提供商运营一有许多云用户的数据中心。数据中心内部安放着大量服务器。服务器工作所需的电力能源来自两个地方:电网和可再生能源(太阳能或风能)。由于可再生能源有间断的缺陷,因此云提供商采用蓄电池设备或不间断供电系统(UPS,Uninterruptible Power System),以应对可再生能源短缺的情况。
2.符号说明:
本发明中的符号说明如表1所示。
表1符号说明
3.数据中心模型:
A.资源需求描述:云用户的目标,是决定要租赁的服务器数量,以最小化租赁费用。更确切的说,在时间槽t内,假设云用户i的负载是λt,i,服务器价格为pt,则租赁的服务器数量mt,i可以由最小化成本函数决定:
mt,i=argmin{αiDi(mt,i,λt,i)+ptmt,i} (1)
其中Di(mt,i,λt,i)是云用户的负效用函数,定义为一个关于mt,i的凸函数,其物理含义是当所租用的资源不能满足需求时产生的利润损失。参数αi是将负效用损失程度转化为成本损失的权值。为了得到公式(1)的解,对mt,i求导且令其等于0,得到αiD'i+pt=0。因此有令服务器总需求为mt=∑imt,i,可以得出总服务器需求量为:
对于资源需求模型(2),λt,i可能服从任意的随机过程。现仅假设λt,i是有界的,即其中λmax,i是有限常数。
B.实时电价:假设数据中心处于实行可变电价的市场,电价随实时供求关系变化。云提供商没有电价的统计信息,也不知道未来的电价。然而,它能够在每个时间槽开始时观测到当前的电价在当前决策时间槽内不变,且小于某常数,即
4.可再生能源和蓄电池模型:
假设可再生能源是无任何成本的。为了节省电能消耗,数据中心会优先使用可再生能源以满足服务器运行的能源需求。在时刻t,令可再生能源为rt,假设
数据中心中配备有蓄电池,其中存储的电能可供未来使用。使用蓄电池的另一个优点是使数据中心的电价波动变得平滑:当电价低的时候进行充电,当电价高时放电满足服务器用电的需求。设ρ为单个服务器的功率,当ρmt-rt>0,即总电能需求超过可再生能源所提供的电能时,则需额外从电网中获取电能dtg,或者电池放电dtb去满足电能需求,即:
dtb+dtg=[ρmt-rt]+ (3)
否则,可再生能源可为蓄电池充电,即
[rt-ρmt]+≥ctr≥0 (4)
其中ctr是可再生能源为蓄电池提供的电能。
由于充电和放电操作,蓄电池电量会随着时间改变。电池的动态变化过程如下:
Bt+1=Bt+ηc(ctg+ctr)-ηddtb (5)
其中ηc和ηd分别是充电效率和放电效率。ctg是电网为蓄电池提供的电能。实际情况下,蓄电池的电量是有限的,即
最后对于每一个控制变量做如下的限制:
公式(7)表述了最大的充电效率被一个常数C所限制。公式(8)描述了可以从电网中购买的最大电能为G。公式(9)表示最大的放电效率为δ。
5.动态服务器定价问题描述:
动态服务器定价策略的目标,是在每一个时间槽t做出控制决策以最大化其利润。云提供商的利润可用下式表述:
其中前项是以价格pt租用mt台服务器所得的收入,后项是购买电网电能所产生的成本。
令P={pt},t=1,2,...,T为一个决策序列,且为在P下时间槽t的瞬时利润。通过下列公式描述动态服务器定价问题:
约束条件为(3),(4),(5),(6),(7),(8),(9),(10),
动态服务器定价问题通过对服务器动态定价和能源操作最大化时间平均利润。
具体地,本发明利用李雅普诺夫优化理论解决动态服务器定价问题:
A.分别定义李雅普诺夫函数Lt和李雅普诺夫漂移△t为:
△t=Lt+1=Lt,
其中θ>0是一个常数。
B.李雅普诺夫优化理论最小化式(13),以得到动态服务器定价问题的最优解。
△t-VRt (14)
约束为(3),(4),(5),(6),(7),(8),(9),(10)。
通过电池动态公式(5)有
对上式两边平方并整理得到
其中B为常数且定义如下
两边添加目标函数有
因此,只需最小化(17)的右边即可对问题进行求解。
算法设计如下:
A.由于(3),(4)式约束的存在,(15)式右边不能直接被最小化。该问题可被分解为以下两个子问题求解:
s.t.:mt=∑i(D'i)-1(pt,λt,i)
ρmt-rt≥0
和
s.t.:mt=∑i(D'i)-1(pt,λt,i)
ρmt-rt≤0
观察可发现问题(15)的解,必是P1或P2的解。P1中,假定可再生能源电能不足以支持数据中心能源需求(约束ρmt-rt≥0满足),因此有即没有多余的可再生能源给蓄电池充电。P2中,假定有足够的可再生能源来满足数据中心能源需求(约束ρmt-rt≤0满足)。此时和只能等于0,即不需要电网供电和电池放电。如果ρmt=rt,那么P1的目标函数值和P2相同,并且
B.动态服务器定价算法。算法如算法1所示,在每个决策点,算法1求解两个简单的凸优化问题P1和P2。P1和P2分别只包含4个和3个控制变量,且问题规模与云用户和负载强度无关。因此,该算法可以被应用在大规模数据中心。
算法1:动态服务器定价算法,具体步骤:
。