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
【技术领域】
[0001] 本发明设及云计算技术领域，尤其是移动云计算环境中的资源预留和配置方法。 特别设及移动用户对接入端无线资源和云端虚拟资源分配的整体服务满意度，W及用户需 求不确定情况下联合资源预留配置的鲁棒优化模型。
【背景技术】
[0002] 移动云计算是云计算和移动互联网相融合的产物，是近年来快速发展的一种新型 应用模式。移动云计算使人们可W随时使用各种移动设备来方便快捷地获取云计算提供的 按需服务，使云计算的优势得W全面体现，同时大大增强了移动互联网数据的高效传输和 处理能力，降低了移动终端的能量消耗。移动云计算资源配置是指云服务提供商将有用资 源通过网络分配给用户W运行移动应用的过程，主要包括数据处理所需的云端虚拟资源和 移动终端接入网络所需的无线资源。资源配置一方面要满足移动用户的资源需求，另一方 面要尽可能提高资源的有效利用率，因此，云服务提供商的资源配置问题是关系到移动云 业务是否能成功完成、云资源能否有效利用及运营成本的关键问题。
[0003]目前比较经典的资源配置方法主要是资源按需配置和资源预留配置两种方案。资 源按需配置（参见文献：Ying S.,化zhong S.,and Weisong S.,A Two-Tiered On-Demand Resource Allocation Mechanism for VM-Based Data Centers. IEEE Transactions on Services Computing,6(1), 2013:116-129)是指云服务提供商通过虚拟化技术，实时且动 态的为用户调度所需的各种资源，W随时满足用户的波动需求。资源预留配置(参见文献： Chaisiri,S.,Lee.B.-S.,and Niyato.D.Robust Cloud Resource Provisioning for Cloud Computing Environments. IEEE International Conference on Service-Oriented Computing and A卵lications(SOCA),2010:1-8)是指云服务提供商W较低的定 期价格提前一段时间预留资源，当应用请求到来时，优先利用预留资源满足用户需求，此时 的资源利用成本低于按需资源配置方案的直接利用成本，从而有效减少云服务提供商的整 体资源配置成本，提升用户的服务质量。在资源预留配置方案中，用户需求的无法预知和不 确定性会造成资源预留量过少或过多，预留资源过少可能无法满足用户的应用需求，承担 较高的过需资源调度成本，反之会造成资源的浪费。
[0004]W往资源预留配置方面的研究在建立模型时大多假设已知用户需求或其概率分 布信息，而实际应用最坏情况下即未知用户需求概率信息下的资源配置问题研究较少。鲁 棒优化（参见文南犬：D.Bertsimas and Μ. Sim, "The price of robustness" ,Operations Research，2004,52(l) :35-53)是研究不确定优化问题的一个重要分支，对不确定环境下可 能发生的变化进行预测，并采取一定的防范措施，使优化方案具有一定的抗干扰性，即鲁棒 性。鲁棒优化下不确定性参数的概率分布函数是未知的，用区间、楠球集等描述不确定参数 的变动范围，主要围绕优化方案的可行性与最优性，找到近似最优解，使其对一定范围内任 意的不确定性参数的观测值都不敏感。因此鲁棒优化方法可W有效提高不确定需求下资源 预留配置的效率。同时，移动云计算资源配置与传统的云计算资源配置的最大区别在于前 者需要同时考虑移动终端接入网络的无线资源（如频谱带宽等)和云端数据中屯、的虚拟资 源(如CPU计算资源、存储资源等），移动用户所分配的无线资源量和虚拟计算资源量同时影 响用户的整体服务满意度，上述现有技术的资源预留配置往往忽略了无线资源和虚拟资源 对移动应用的双重影响，大多只单独关注一方面的配置问题，很少将二者联合起来考虑。因 此有必要研究移动云计算中联合资源预留配置问题，从而有效提高资源利用率。
【发明内容】
[0005]本发明所要解决的问题是:针对现有技术未充分考虑实际应用中未知用户需求具 体信息或概率分布信息，造成资源预留配置方案的不准确，W及在移动云计算环境下，忽略 了无线资源和虚拟资源对移动应用的双重影响，配置过多的无线资源不仅无法有效的提升 用户的整体满意度，还会造成无线资源的浪费，反之亦然。为此，本发明提出一种基于鲁棒 优化理论的联合资源配置算法，既能解决用户需求不确定性带来的影响，又能对无线资源 和云端虚拟资源进行联合优化，实现无线通信资源和虚拟计算资源的全局最优配置。
[0006]本发明解决上述问题的技术方案是:在移动云计算场景下分析无线通信资源和虚 拟计算资源对用户业务满意度的整体影响，建立两种资源分配量之间的函数关系；进而在 用户需求具体信息未知的情况下，确定资源预留配置的鲁棒优化模型，并建立基于该预留 策略的联合资源分配算法。具体为:一种移动云计算环境下联合资源预留配置方法，根据用 户无线资源和云端虚拟资源满意度之间的匹配关系，确定两种资源配置量之间的匹配值； W运营成本最小化建立鲁棒优化模型，根据模型计算获得全局最优无线资源预留量式'《和 虚拟机资源预留量皆1，用户请求到来时，优先W较低的价格利用预留量对用户需求进行虚 拟资源分配，并按照无线资源和虚拟资源分配量的匹配量进行分配，（匹配量可由无线资源 和虚拟资源满意度之间的匹配关系求解得到），在预留资源可用量不足时，W较高价格调度 未预留资源进行补偿。
[0007]所述资源满意度之间的匹配关系为:获得实际配置的无线资源量Xir和虚拟机资源 量Yipj，满足等式
成立，其中，α和β分别表示用户愿意为所获 取的无线资源和虚拟资源的最大支付意愿参数，dbi和dvu分别表示用户i对无线带宽资源 需求和第j类虚拟机资源的需求，Xir和Yipj分别表示实际配置的无线资源量和虚拟机资源 量，在一定范围内分配的资源量越多，则满意度越大。求解上式可得匹配关系成立成立时Xir 和Yipj的匹配值。
[0008]所述建立的鲁棒优化模型具体包括:根据公式
[0013]建立的联合资源预留配置鲁棒优化目标函数，求解云服务提供商的资源预留成 本、资源使用成本和过需时资源调度成本的最小值，获取总配置成本最小时的无线资源预 留量巧"和虚拟机资源预留量皆其中，rER表示覆盖该区域的基站集R中第r个基站，pep 表示为该区域提供服务的远程云数据中屯、集P中的第P个云数据中屯、，iEl表示该区域的移 动应用集I中的第i个移动应用请求，云数据中屯、W虚拟机资源的形式为用户提供虚拟计算 资源，包含运行应用所需的CPU计算资源、存储资源及网络内部带宽资源等，且根据组成虚 拟机所需的各种资源数量的多少分为不同的类型，jej表示云端所提供的虚拟机资源类型 集J中第j类虚拟机资源。式W和C为云服务提供商联盟在基站r处和云数据中屯、P处的无线 资源预留量和虚拟机资源预留量，丫irpj表示第i个移动应用经基站r无线接入第P个云数据 中屯、分配第j类虚拟机资源，瑪和為分别表示第i个移动应用的无线资源需求的标称值及最 大波动值，可由该应用类型的历史需求统计信息来预测得到，同理而和為,表示第i个移动应 用对第j类虚拟机资源需求的标称值和最大波动值。则dbi和dvu表示移动应用的无线资源 需求和虚拟资源需求的可能取值。、C"和C"'分别表示在基站r处的无线带宽资源的单 位时间预留成本、单位预留资源利用成本和单位资源过需使用成本，巧cy和巧j分别为 云数据中屯、P处第j类虚拟机资源在资源预留、预留资源使用和过需时调度未预留资源的单 位成本。瑣"、χΓ和.，势、鸿f代表实际分配给移动应用的无线资源和虚拟资源量系数。μ为 中间变量。目标函数的目的在于求解出总配置成本最小时的无线资源预留量巧'1和虚拟机 资源预留量媒"。
[0014]所述模型计算进一步包括:通过约束保护水平参数Γ控制鲁棒优化模型中解的保 护程度，使得每个含用户i对无线带宽资源需求化1和第j类虚拟机资源需求dvu的约束条件 中至多有的个系数可W改变;并根据公式Xir=Xirdb和YipfyipWW将鲁棒优化模型的最 大扰动线性化。构建T=u，2, ···*，···，Τ}，其中Τ= 2Ι，设置约束条件，使得约束条件包含用 户的无线资源需求和虚拟资源需求同时不确定的情况。
[0015]在移动云计算中，移动业务的整体服务质量水平同时受无线通信状况和虚拟计算 资源状况的影响，利用移动用户对所获取的无线资源和虚拟资源的服务满意度之间的等价 关系，确定无线资源配置量和虚拟资源配置量之间的匹配关系；在用户需求不确定且未知 概率分布信息的情况下，W云服务提供商的成本最小化为目标，同时考虑无线资源和虚拟 资源配置的匹配关系，根据Bedsimas和Sim提出的带有约束保护水平参数的鲁棒优化理 论，建立资源预留配置决策的鲁棒优化模型。求解鲁棒优化模型得云服务提供商对无线资 源和虚拟计算资源的预留决策，在基站处和云端公用资源池提前一段时间预留资源;请求 到来时，云资源管理者观测当前时刻可用