面向云服务提供商的带宽成本降低方法与流程

本发明属于互联网技术领域，涉及流量调度技术，特别涉及一种需要处理所有用户请求场景下的带宽成本降低方法。

背景技术：

随着云计算的快速发展，许多公司和个人将所有的应用迁移到云服务平台上，这些云服务商维护着多个数据中心来支持相关业务。这些数据中心上运行着各种全局分布式的应用程序，并且分布在不同的地理区域，这决定了它们有跨地理区域相互通信的需求，这种需求导致了区域分布的数据中心间的流量大幅度提升。数据中心之间大量数据传输流导致了高昂的带宽开销，数据中心拥有者每年都要向互联网服务供应商租用广域网带宽，费用高达数亿。随着越来越激烈的商业竞争，最大化服务利润对于云服务提供商来说十分重要。

技术实现要素：

对一组给定的需要接受的请求，收益最大化的目标等效于流量花费最小化，本发明即针对流量花费最小化的目标提出了一种面向云服务提供商的带宽成本降低方案方法，通过将请求进行分流处理之后在多项式时间内求解出线性规划的结果，利用线性规划的结果对请求进行随机整流，具体按照以下步骤实现：

步骤一，将一个租用周期分为若干个传输时隙，即1,…,t，用一个有向图g＝(v,e)来表示数据中心和数据中心之间的链路，其中v是有向图的节点集合，表示所有的数据中心的集合，e是有向图的边集，表示所有的链路的集合，用五元组ri＝(si,ti,di,ai,τi)来代表一个请求，其中si，ti，di，ai，τi分别代表第i个请求的源节点、目的节点、数据量、到达时间以及截止时间；使用xi,j＝1来代表第i个请求选择第j个路径，对所有整数进行松弛之后求解线性规划，获得第i个请求选择第j个路径的概率；

步骤二，对所有的请求的路径选择按照概率xi,j进行随机选择；

步骤三，对每条边得到整个运行周期内的峰值，将峰值向上取整得到这条边上的带宽需求；

本发明用p0表示在流量约束、请求约束和整数约束共三个约束下，使目标函数：

最小化的最优化问题；即，对应一组给定的请求，通过这种方式获得最优的路由分配方式，使得最终带宽花费最少；

其中流量约束为：

其中k表示在收费周期内的请求个数，li表示从请求i的起始节点到目的节点的路径数目，xi,j表示请求i是否流经第j条路，ii,j,e为0或者1，表示请求i的第j个路径选择中是否包含第e条边，ce为第e条边上的带宽限定。

其中请求约束为：

由于数据中心拥有者租用带宽时必须租用整数单位的带宽，ce为整数变量，因此ce需要满足整数约束：

同时由于请求不可分流的性质：

xi,j∈{0,1}

所述第i个请求以xi,j为概率选择第j条路径。

本发明的优势在于：

(1)使用c^*表示使用整数规划求得的线性最优解，使用c表示本发明的算法求解得到的结果，那么通过理论证明可以得到其中α表示计算得到的各边带宽的最小值，n为图中边的个数。

(2)本发明的算法可以在多项式时间内完成计算，远快于需要指数时间计算的整数规划。

附图说明

图1是本发明流程图。

具体实施方式

下面结合附图和实施例详细说明本发明的算法。

参考图1，本发明的目的在于提供一种面向云服务提供商的带宽成本降低方案方法，包括如下步骤：

步骤一，将一个租用周期分为若干个传输时隙，即1,…,t，用一个有向图g＝(v,e)来表示数据中心和数据中心之间的链路，其中v是有向图的节点集合，表示所有的数据中心的集合，e是有向图的边集，表示所有的链路的集合，用五元组ri＝(si,ti,di,ai,τi)来代表一个请求，其中si，ti，di，ai，τx分别代表第i个请求的源节点、目的节点、数据量、到达时间以及截止时间；使用xi,j＝1来代表第i个请求选择第j个路径，对所有整数进行松弛之后求解线性规划，获得第i个请求选择第j个路径的概率；使用线性规划求解器对松弛后的问题进行快速求解获得xi,j；

步骤二，对所有的请求的路径选择按照概率xi,j进行随机选择；

步骤三，对每条边得到整个运行周期内的峰值，将峰值向上取整得到这条边上的带宽需求。由带宽需求结合相应的带宽价格即可得到最优的带宽花费。

综上所述，本发明提出了一种面向云服务提供商的带宽成本降低方案。该方案可以对一组请求进行调度，在不需要修改现有收费方式的前提下最小化云服务提供商的带宽花费。

技术特征：

技术总结
面向云服务提供商的带宽成本降低方法，是一种对一系列在数据中心之间的已知开始时间，结束时间，请求带宽大小，起始传输节点与目的节点的请求在多项式时间内近似最小化网络带宽花费的请求调度方案。该方案通过对松弛之后的线性规划问题进行求解，之后按照概率进行随机路径选择，并得到理论证明范围内的近似解。该方案具有较好的快速性，同时输出结果和最优解之间差距较小。从检测结果中可知，本发明可以快速有效得到可行解，并且得到相比于之前算法较低的带宽花费。

技术研发人员：崔勇;杨振杰;刘亚东;张知行
受保护的技术使用者：清华大学
技术研发日：2018.08.08
技术公布日：2019.01.04