一种基于动态定价策略的多数据中心成本优化方法
【专利摘要】本发明公开了一种基于动态定价策略的多数据中心成本优化方法，包括如下步骤：步骤1）基于排队论对多数据中心用户受益情况和服务质量建模；步骤2）根据步骤1）所建立的模型，确立各数据中心的最优定价策略；步骤3）根据所确定的最优定价策略，确定多数据中心之间的负载路由策略。本发明方法从服务提供商的利益出发，将多数据中心间的负载分配，服务定价以及能耗成本优化统一起来；在满足服务提供商利益的基础上通过负载均衡算法，实现对数据中心能耗成本的优化。
【专利说明】一种基于动态定价策略的多数据中心成本优化方法
【技术领域】
[0001]本发明涉及云计算和数据中心管理领域，尤其涉及一种基于动态定价策略的多数据中心成本优化方法。
【背景技术】
[0002]目前,云提供商一般会采用一种灵活的定价模式(Flexible pricing scheme)来调节服务请求量，使得自身的收益达到最大。如Amazon在需求量较低时廉价出售云资源，以提高资源的利用率，实现其商业收益的最优。
[0003]显然，不同的价格水平对市场需求量有着直接的影响。如图1(a)所示，当价格增长时，需求量随之减小，两者呈反比关系，并且这种关系呈现一定随机波动性。图1(b)显示三种不同价格水平下，需求量随时间的变化情况。由此可见，价格水平决定着需求量(但不是唯一决定因素)，而需求量对数据中心的能耗管理则有着显著的影响。当前，许多云提供商，如Amazon、Google等均在全球多地建立多个数据中心,将数据中心部署在不同地理位置不仅便于扩展云服务市场，而且有利于削减能耗成本(利用温差、电价差别等)。考虑如图2所示的多数据中心环境:假定云提供商P在不同区域建立了多个数据中心，由于地域差异，电力价格及面向的用户市场均不同。例如，时刻h，数据中心的服务价格为Ptl，到^时刻，云提供商P为了刺激消费，将服务价格调低至pl，此时各地的市场需求量对价格调整可能有不同的反应。与此同时，各地的电力价格也可能发生了改变(如采用阶梯电价或分时电价)。此时，如果能将负载转移到需求量和电价均较低的数据中心，将能够有效地提高资源的利用率并降低数据中心的能耗成本。
[0004]由于不同数据中 心具有异构性大、跨区域等特点，上述优化策略面临如下几个方面的挑战:
[0005]1、负载转移需要花费一定的时间，可能造成用户QoS性能的下降；
[0006]2、不同数据中心服务能力并不相同，并且规模有限，负载分配须考虑数据中心的异构性；
[0007]3、数据中心价格调整的目的是为了获取自身利益的最大化，能耗优化策略应与价格调节策略协调一致，两者不存在冲突；
[0008]4、现实环境中的负载流量受多种因素影响，具有随机波动性，能耗优化策略应能有效适应负载流量的动态变化。
【发明内容】
[0009]发明目的:为了克服现有技术中存在的不足，本发明提供一种基于动态定价策略的多数据中心成本优化方法，针对多数据中心之间存在电价成本、服务流量等差异的特点，提出一种多数据中心环境下基于动态定价策略的能耗成本优化机制，将服务定价、负载分配以及服务器状态控制等机制统一考虑，制定出一个协调一致的系统优化方案。
[0010]技术方案:为实现上述目的，本发明采用的技术方案为:[0011]一种基于动态定价策略的多数据中心成本优化方法，将服务定价、负载分配以及服务器状态调节等相关策略统一考虑，制定出一个协调一致的系统优化方案，从而达到有效削减数据中心能耗成本的目的。首先建立起市场需求的变化模型，利用排队理论分析服务价格、任务响应时间以及服务能力等性能指标的关联关系，据此设计出合理的负载路由机制及具有QoS保证的能耗成本优化策略。具体包括如下步骤:
[0012]步骤I)基于排队论对多数据中心用户受益情况和服务质量建模；
[0013]步骤2)根据步骤I)所建立的模型，确立各数据中心的最优定价策略；
[0014]步骤3)根据所确定的最优定价策略，确定多数据中心之间的负载路由策略。
[0015]具体的，所述步骤I)中，模型的建立需要考虑数据中心的如下条件:每单位服务能力消耗的能耗、服务能力、服务器数量、电力价格(数据中心的成本价格)、规模上限、延迟约束。
[0016]具体的，所述步骤2)包括以下步骤:
[0017]步骤201)确定数据中心需求函数；
[0018]步骤202)确定需求函数同服务价格(卖出价格)、服务器数量之间的一一映射关系;
[0019]步骤203)根据202)中所确定的映射关系，求解得到最优定价策略。
[0020]具体的，所述步骤3)包括以下步骤:
[0021]步骤301)求解数据中心的负载分配策略，即负载路由策略；
[0022]步骤302)根据已知的路由向量，求解得到数据中心的整体服务能力；
[0023]步骤303)在延迟和服务价格约束的条件下，求解各数据中心的最优服务器数量，最终得到最优能耗解。
[0024]所述数据中心设置有备用服务器。由于服务器能耗的因素有很多，比如服务器失效、突发流量等，设置备用服务器(处于空闲态的服务器)能够保证对用户的服务质量。
[0025]有益效果:本发明提供的基于动态定价策略的多数据中心成本优化方法，相比较现有技术，具有如下优势:
[0026]1、在多数据中心之间，根据不同数据中心间的服务需求量和电价差别，通过将动态服务定价、负载分配策略统一考虑，制定出了一个协调一致的系统优化方案；不仅降低了数据中心的整体能耗成本，而且使得数据中心的收益达到最优；
[0027]2、通过分析服务定价与数据中心能耗成本之间的关系，建立起数据中心的服务定价和负载路由模型；从服务提供商的利益出发，将多数据中心间的负载分配，服务定价以及能耗成本优化统一起来；在满足服务提供商利益的基础上通过负载均衡算法，实现对数据中心能耗成本的优化；
[0028]3、将数据中心管理问题和定价问题进行有机结合，为有效解决云计算数据中心的管理问题提供了新思路；
[0029]4、数据中心定价方法和负载路由策略简单有效、正确率高，可以适用于大规模的数据中心环境。
【专利附图】
【附图说明】
[0030]图1为服务价格与市场需求量变化关系示意图；其中(a)为数量与价格之间的关系，(b)为数量与时间之间的关系；
[0031]图2为多数据中心架构示意图。
【具体实施方式】
[0032]下面结合附图对本发明作更进一步的说明。
[0033]一种基于动态定价策略的多数据中心成本优化方法，包括如下步骤:
[0034]步骤I)基于排队论对多数据中心用户受益情况和服务质量建模；
[0035]步骤2)根据步骤I)所建立的模型，确立各数据中心的最优定价策略；
[0036]步骤3)根据所确定的最优定价策略，确定多数据中心之间的负载路由策略。
[0037]数据中心对每个接入服务的用户设定一个服务价格以获取一定的收益，用户访问数据中心，不仅需要考虑服务价格，同时也要考虑服务质量。为了简化模型，本案使用延迟成本来描述用户对服务质量的满意程度。任务响应时间越长，延迟成本就越高，而用户的服务质量满意度就越低。延迟成本可表示为任务响应时间的函数，常用的成本函数有线性函数、指数函数等。只有当服务价格和延迟成本之和小于用户保留价格时(心理价位)，用户才会选择访问数据中心。以下针对图2所示的多数据中心环境，采用基于重载近似的大规模排队理论，将其建模成排队模型。基于该模型，研究在稳定的系统状态下不同系统参数(服务价格、延迟成本、服务器数量等)之间的关联关系。为了清晰地表述本案内容，将本案中变量的记法和描述列于表I之中。变量的具体定义将在行文中详细阐述。
[0038]表格I变量的符号
【权利要求】
1.一种基于动态定价策略的多数据中心成本优化方法，其特征在于:包括如下步骤: 步骤I)基于排队论对多数据中心用户受益情况和服务质量建模； 步骤2)根据步骤I)所建立的模型，确立各数据中心的最优定价策略； 步骤3)根据所确定的最优定价策略，确定多数据中心之间的负载路由策略。
2.根据权利要求1所述的基于动态定价策略的多数据中心成本优化方法，其特征在于:所述步骤I)中，模型的建立需要考虑数据中心的如下条件:每单位服务能力消耗的能耗、服务能力、服务器数量、电力价格、规模上限、延迟约束。
3.根据权利要求1所述的基于动态定价策略的多数据中心成本优化方法，其特征在于:所述步骤2)包括以下步骤: 步骤201)确定数据中心需求函数； 步骤202)确定需求函数同服务价格、服务器数量之间的一一映射关系； 步骤203)根据202)中所确定的映射关系，求解得到最优定价策略。
4.根据权利要求1所述的基于动态定价策略的多数据中心成本优化方法，其特征在于:所述步骤3)包括以下步骤: 步骤301)求解数据中心的负载分配策略，即负载路由策略； 步骤302)根据已知的路由向量，求解得到数据中心的整体服务能力； 步骤303)在延迟和服务价格约束的条件下，求解各数据中心的最优服务器数量，最终得到最优能耗解。
5.根据权利要求1所述的基于动态定价策略的多数据中心成本优化方法，其特征在于:所述数据中心设置有备用服务器。
【文档编号】G06Q30/02GK103530801SQ201310519850
【公开日】2014年1月22日 申请日期:2013年10月29日 优先权日:2013年10月29日
【发明者】东方, 罗军舟, 王巍, 黄彬彬 申请人:东南大学