YRECEIVE)，DRP+PRR，DRP+LBRR， DRP+MPRR，HRP+DRR，HRP+PRR，HRP+LBRR，HRP+MPRR〇
[0147] 图8(a)显示了其花费对比情况。由图8(a)可知，本发明所提算法产生的花费 比 DRP+LBRR，HRP+DRR，HPR+PRR，HPR+LBRR 以及 HRP+MPRR 都要好。这说明：1)将资源提供 与请求调度两方面结合起来考虑比将这两方面单独考虑花费更低。这也证实了前述假设这 两个方面是相互作用，相互影响的。2)HPR所产生的费用比本发明的动态资源提供方法DRP 要高。这是由于任务负载波动太频繁，因而固定的启发式规则对其负载无法预测。尽管如 此，本发明的算法DYRECEIVE产生的费用却比DRP+PRR，DRP+MPRR两种情况高。这是因为 DRP+PRR，DRP+MPRR两种策略将请求调度至最近的或价格最低的单个数据中心，因而所产生 的花费只来源于单个数据中心。然而，这些策略的性能与DYRECEIVE相比相差太远。实验中 利用负载队列与QoE队列状态刻画各策略的性能，如图8(b)描述了负载队列的变化情况， DYRECEIVE的负载队列状态最稳定，而其他策略的负载队列状态随着时间递增。这说明其他 策略不能保证系统在长时间内的稳定性。注意到DYRECEIVE与DRP+LBRR策略的负载队列 状态变化相似，这说明本发明算法能够在不同数据中心之间实现负载均衡。图8(c)显示了 系统QoE队列状态变化对比情况，可见DYRECEIVE可以获得稳定的QoE队列并比DRP+LBRR 情况QoE队列更稳定，这是由于DYRECEIVE同时考了负载均衡与QoE均衡的原因。
[0148] 其次，我们还将SRP静态资源提供方法与本发明的动态资源提供方式进行了对 比。为公平起见，将此请求调度策略都设置为DRR。图9(a)显示了两种方案的时间累积花 费对比。图9(b)显示了两种方案的时间平均花费之差随着参数V的变化情况。根据图9， 我们有以下结论：1)即使租用相同数量的虚拟机资源，DRP比SRP更节省费用，这意味着 DYRECEIVE具有在时间轴上优化资源分配的能力（即在给定资源数量情况下，在低价时会 租用较多的资源而在高价时租用较少的资源）。2)花费差距随着V的增大而增大，这说明 通过选择较大的参数V，可以降低系统运行的费用。然而，如前所述，较大的V又会导致QoE 水平的降低，因此，选择一个合适的V来使得花费和QoE之间达到平衡非常重要。（在实验 中，我们发现选择V = 20000最合适）
[0149] 综上所述，本发明从VSP的视角为解决请求调度问题提出了 一种新的方法 DYRECEIVE。实验证明，DYRECEIVE可以降低云中提供视频服务花费并同时能获得用户满意 的QoE水平。此方法提供了一种在负载动态变化，价格动态浮动、服务多样、QoE要求多样 的通用、异构环境下运行视频服务的有效方法。通过利用李雅普诺夫优化框架，我们将原问 题转换为两个独立的子问题并给出了解决这些问题的在线算法。另外，此算法还能分布式 实现。理论分析证明，通过选择合适的参数V，本方法所产生的长时间平均花费近似于理论 最优解。在合成数据集上的实验证明了理论分析结果。另外，考虑QoE异构性后系统在达 到负载均衡效果的同时还具有进一步降低VSP花费的可能。
[0150] 借助于本发明的上述技术方案，通过计算云视频服务系统的最小花费函数与优化 约束并将最小花费函数问题使用李雅普诺夫优化框架转化为位移-惩罚函数上界问题计 算请求分配方案的技术手段，考虑到了随机到达的负载、不同的QoE要求、多个CSP同时服 务等实际应用中出现的场景并提供了在此复杂场景下的解决方案，具有实际应用价值。
[0151] 所属领域的普通技术人员应当理解：以上所述仅为本发明的具体实施例而已，并 不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均 应包含在本发明的保护范围之内。
【主权项】
1. 一种面向云视频服务的请求分配方法，其特征在于，包括： 从云视频服务系统中获取系统参数； 根据所述系统参数获得最小花费函数与优化约束； 使用李雅普诺夫优化框架获得所述最小花费函数的位移-惩罚函数及其上界； 从所述位移-惩罚函数中的上界中提取出与请求分配有关的部分并计算出请求分配 方案。2. 根据权利要求1所述的一种面向云视频服务的请求分配方法，其特征在于，根据所 述系统参数获得最小花费函数与优化约束，为使用所述系统参数描述租用花费与体验质量 水平，并根据所述租用花费与所述体验质量水平描述最小花费函数与优化约束。3. 根据权利要求2所述的一种面向云视频服务的请求分配方法，其特征在于，所述从 云视频服务系统中获取系统参数包括数据中心集合、服务类型集合、虚拟机类型集合、某时 刻某数据中心为某服务租用某类虚拟机的数量数组、以及某时刻某数据中心中某类虚拟机 的价格数组；使用所述系统参数描述租用花费，为使用该两数组之积对数据中心集合、服务 类型集合与虚拟机类型集合分别求和描述租用花费。4. 根据权利要求2所述的一种面向云视频服务的请求分配方法，其特征在于，所述从 云视频服务系统中获取系统参数包括用户对某服务的可容忍延迟、以及用户从该服务可获 得的最大体验质量水平；使用所述系统参数描述体验质量水平，为根据用户对某服务的可 容忍延迟、某时刻某数据中心中某服务实际延迟、以及用户从该服务可获得的最大体验质 量水平使用一个有门限阈值的线性测量方法来描述体验质量水平。5. 根据权利要求4所述的一种面向云视频服务的请求分配方法，其特征在于，所述从 云视频服务系统中获取系统参数包括数据中心集合、服务类型集合、虚拟机类型集合、用户 区域集合、某时刻分配至某数据中心的某类服务请求集合、某用户到某数据中心的距离、某 时刻某用户的某服务请求分配至某数据中心的个数、某时刻某数据中心某类未完成服务请 求集合；所述某时刻某数据中心中某服务实际延迟，为该时刻该用户的该服务请求分配至 该数据中心的个数与该用户到该数据中心的网络延迟之积在用户区域集合上求和的值，加 上该时刻该数据中心的队列延迟在该时刻分配至该数据中心的该类服务请求集合上求和 的值；其中，所述该用户到该数据中心的网络延迟与所述该用户到该数据中心的距离成正 相关性，所述该时刻该数据中心的队列延迟与所述该时刻该数据中心该类未完成服务请求 集合大小成正相关性。6. 根据权利要求2所述的一种面向云视频服务的请求分配方法，其特征在于，根据所 述租用花费与所述体验质量水平描述优化约束，为根据所述租用花费与所述体验质量水平 确保某时刻分配给所有数据中心的服务请求与系统中产生的请求相等、确保被分配的所述 虚拟机数量不超过所述数据中心所能提供的数量、确保所有用户服务请求至少应达到最小 体验质量水平，并根据上述3个确保条件描述优化约束。7. 根据权利要求1所述的一种面向云视频服务的请求分配方法，其特征在于，所述从 云视频服务系统中获取系统参数，包括某时刻某数据中心某类未完成服务请求集合，所述 使用李雅普诺夫优化框架获得所述最小花费函数的位移-惩罚函数及其上界，具体包括： 根据所述最小花费函数与优化约束、与所述某时刻某数据中心某类未完成服务请求集 合，描述所述某时刻某数据中心某类未完成服务请求的实际队列； 根据所述最小花费函数与优化约束，为所述某数据中心某服务构建一虚拟队列，描述 某时刻某数据中心用户体验质量水平的变化情况； 根据所述实际队列与所述虚拟队列使用李雅普诺夫优化框架构建李雅普诺夫函数； 根据所述李雅普诺夫函数计算获得m时隙李雅普诺夫位移与位移-惩罚函数； 计算所述位移-惩罚函数的最小上界。8.根据权利要求7所述的一种面向云视频服务的请求分配方法，其特征在于，从所述 位移-惩罚函数中的上界中提取出与请求分配有关的部分并计算出请求分配方案，为从所 述位移-惩罚函数中提取出请求分配有关的部分并计算最小权重问题获得某时刻某用户 的某类服务请求分配至某数据中心的数量数组，所述某时刻某用户的某类服务请求分配至 某数据中心的数量数组即为所述请求分配方案。
【专利摘要】本发明公开了一种面向云视频服务的请求分配方法，包括：从云视频服务系统中获取系统参数；根据系统参数获得最小花费函数与优化约束；使用李雅普诺夫优化框架获得最小花费函数的位移-惩罚函数及其上界；从位移-惩罚函数中的上界中提取出与请求分配有关的部分并计算出请求分配方案。本发明在解决请求分配问题的同时还考虑了资源供给问题，有利于获得最优决策。同时考虑随机到达的负载、不同的QoE要求、多个CSP同时服务等实际应用中出现的场景并提供了在此复杂场景下的解决方案，具有实际应用价值。
【IPC分类】G06F9/50, H04L29/08
【公开号】CN104994150
【申请号】CN201510367380
【发明人】包卫东, 朱晓敏, 肖文华
【申请人】中国人民解放军国防科学技术大学
【公开日】2015年10月21日
【申请日】2015年6月29日...