本发明涉及的是一种信息处理领域的技术,具体是一种面向公共安全大数据借助复式拍卖机制设计技术与李雅普诺夫优化技术来实现的桥接用户需求与提供商资源的资源调度系统。
背景技术:
基于复式拍卖的交易机制主要作用是可以排除交易过程中买方垄断或卖方垄断的情况,从而使交易过程充分反映出实际的供求关系,保证交易中买方和卖方的利益,进而激励交易双方参与到交易中去。基于复式拍卖的交易机制正在逐渐成为现代市场交易以及互联网金融领域的热点,当能够利用该机制激励交易双方充分参与到新兴市场当中去,则产生的收益将是巨大的。但在一个基于复式拍卖的云市场中,用户的工作需求通常是对计算能力的模糊表述,其无法很好地与云提供商提供的虚拟机资源对应起来。因此,需要有一个第三方提供一种有效地需求-资源桥接系统来进一步激励这一双边市场的存在。
技术实现要素:
本发明针对现有技术存在的上述不足,提出一种面向公共安全的桥接用户需求与提供商资源的调度系统,通过复式拍卖的交易机制来解决市场中交易价格无法反映市场供求情况的问题,并最大化了交易双方的利益。同时,为了解决该双边市场下用户需求与提供商资源不匹配的情况,本发明通过基于李雅普诺夫优化技术桥接用户的工作需求与云提供商的虚拟机资源。
本发明是通过以下技术方案实现的:
本发明包括:标书收集模块、优胜者匹配模块、虚拟机类型及数目确认模块、价格确认模块、双边请求模块和双边交易模块,其中:标书收集模块与优胜者匹配模块相连并传输买卖双方标书信息,优胜者匹配模块与虚拟机类型及数目确认模块和价格确认模块并传输优胜者信息。
技术效果
与现有技术相比,本发明解决了虚拟机交易机制中,交易价格无法反映市场中供求关系的问题,利用复式拍卖与李雅普诺夫优化的技术,使得使用者能够从目前多中心的云市场中获得最大的利益,同时让使用者能够简单的桥接提供商提供的虚拟机配置与自身的大数据处理所需的计算能力,从而激励这些大数据拥有者更好地利用云服务提供商的资源来进行计算任务。本发明的核心为一个匹配提供商资源与用户需求的方法。基于李雅普诺夫优化技术设计了一个费用敏感资源算法来精确地获得满足用户大数据处理任务需求地虚拟机数目。基于匹配过程的结果,基于第二价格方法设计了一个价格确定与虚拟机分配机制用于确定一次拍卖的最终价格与分配的虚拟机数目。本发明能适应大规模用户的情形,在不同用户规模下的响应时间并没有表现出很大的不同。对80%的用户,其响应时间的差别在50ms以下。
附图说明
图1为复式拍卖中虚拟机交易系统架构示意图;
图2为设计的机制流程图;
图3为三种不同算法下个人收益的累积概率密度示意图;
图4为在不同权重v下个人收益的累积概率密度示意图;
图5为不同机制和不同权重v下的社会福利示意图;
图6为不同最大可容忍累积时延下的响应时间示意图;
图7为不同权重v下的个人收益示意图;
图8为不同权重v下的社会福利示意图;
图9为不同权重v下响应时间的累积概率密度示意图;
图10为在不同用户规模下响应时间的累积概率密度示意图。
具体实施方式
本实施例通过执行了多个仿真实验来验证提出机制与方法的有效性。在仿真中,考虑了5种亚马逊aws平台上常用的虚拟机类型,即m4.large、m4.xlarge、m4.2xlarge、m4.4xlarge、m4.10xlarge。在自有openstack平台上配置了这5种虚拟机类型,并通过tpc-w来获得每种虚拟机类型的最大服务率。仿真了20个云提供商,其中:每个提供商拥有的服务器数目在500-750之间。每台服务器可以分配提供40、20、10、5、2个m4.large,m4.xlarge,m4.2xlarge,m4.4xlarge,m4.10xlarge虚拟机。同时仿真了1000个用户,每个用户的工作需求也利用tpc-w去获得。云平台的单位时间设为1小时。
如图1所示,为本实施例涉及的一种桥接用户需求与提供商资源的资源调度系统,包括:标书收集模块、优胜者匹配模块、虚拟机类型及数目确认模块、价格确认模块、双边请求模块和双边交易模块,其中:标书收集模块与优胜者匹配模块相连并传输买卖双方标书信息,优胜者匹配模块与虚拟机类型及数目确认模块和价格确认模块并传输优胜者信息。
本实施例涉及基于上述系统的实现方法,具体步骤包括:
1)定义复式拍卖中买卖双方的标书形式及其效用。
买方标书:b(i)=<λ(i),c(i)>,其中:k是虚拟机的数目,λ(i)是用户当前任务所需的计算能力服务率,c(i)是对该服务率需求所付出的代价。
卖方标书:
2)定义买卖双方效用:买方效用:用户租用虚拟机来完成他们的任务,收益为r(i),因此其效用为:
卖方效用:云服务提供商启动虚拟机都会有一定的成本开销
故而总的卖方效用就被定义为:
基于以上的交易双方效用,可以定义社会福利为:
从上面的定义可以看出,用户的数据处理需求是以服务率λ(i)的形式存在的,而提供商的资源确实以虚拟机的数目
为了在一次拍卖中桥接买方的需求和卖方的资源,将将资源调度问题建模为优化问题,具体为:
3)在以上关于拍卖定义与最优化问题定义的基础上,阐述复式拍卖交易机制的设计,具体包括:
3.1)交易双方获胜者匹配;
3.2)最终成交价格以及成交虚拟机数目。
所述的获胜者匹配是指:由于买方标书的价格是针对虚拟机组合的,而卖方价格是单价,因此无法直接进行比较。拍卖方首先对买方标书计算其标书密度:
对每个买方标书都计算得到标书密度后,将所有的买方标书按照标书密度降序排列,并记排序后的标书密度为φ(1)≥…≥φ(n)。对卖方标书,则按照每种类型虚拟机的单价升序排列。对类型-m卖方标书,排序后的单价为
在排序结束后,拍卖方判断以下公式是否成立,以此来判断是否有人在此次拍卖之中胜出:
所述的最终成交价格以及成交虚拟机数目是指:在获胜者决定好后,拍卖方用以下方法决定成交价格和成交虚拟机数目。
成交价格:对获胜买方,c(win)=φ(2)·x(win)tμ;
对每一个获胜卖方,
成交虚拟机数目:对买获胜方,
对每一个获胜卖方,
到此,拍卖方就执行完所有机制。
如上所述,以上机制需要得到分配给用户的虚拟机数目x(i)才能进行用户需求与提供商资源的桥接与匹配。
本实施例利用李雅普诺夫优化技术解决上述的最优化问题,具体为:
首先构建一个虚拟队列用于转换最优化问题中的第三个限制条件:
接着,李雅普诺夫偏移为:δl(t)=e{l(t+1)-l(t)|q(t)},该偏移可以用来衡量虚拟队列的稳定性。基于李雅普诺夫优化框架,构造一个新的优化目标:δl(t)+vc(i)(t),其中:v为惩罚项权重,c(i)(t)为原优化问题目标,即
接着,利用拉格朗日乘数法解决以上问题,就可以得到分配给用户的虚拟机数目
如图3所示,为3种不同算法下个人收益的累积概率密度。可以看到由本发明带来的个人收益显著大于其他两个算法带来的个人收益。对90%的用户而言,本发明带来的个人收益分别超过横向扩展算法和纵向扩展算法12.4%和11.0%。如图4所示,为在6个不同权重下个人收益的累积概率密度。可以发现随着权重v的上升,个人收益也在上升。
如图5所示,为不同机制和算法下的社会福利。可以发现提出的算法在任意一个权重v、任意一个机制下都能取得比其他两个算法更高的社会福利。在最糟的情况下,在提出的算法下社会福利能够分别超过横向与纵向扩展算法14.9%与14.7%的社会福利。同时,虽然提出的机制获得社会福利稍稍小于最优机制,差距均小于8%。
如图6所示,为最大可容忍累积时延对响应时间的影响。可以看到随着最大可容忍时延tc增长,响应时间也会不断增长。tc=900ms时的响应时间至少大于tc=150ms的响应时间28.7%。如图7与图8所示,为个人收益、社会福利与权重v的关系。可以看到随着权重v的增长,个人收益和社会福利都会随之增长。在权重v=8*106时其个人收益和社会福利分别大过权重v=3*106时的个人收益和社会福利的2.1%和1.6%。如图9所示,为响应时间和权重v的关系。可以看到对80%的用户,在权重v=8*106时其响应时间大过权重v=3*106时的响应时间30.8%。
如图10所示,为不同用户规模下响应时间的累积概率密度。可以发现不同用户规模下的响应时间并没有表现出很大的不同。对80%的用户,其响应时间的差别在50ms以下。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。