• 论文 • 上一篇    下一篇

云服务资源调度机制的协同与优化研究

李桂君,寇晨欢,胡军,李慧嘉   

  1. 中央财经大学管理科学与工程学院, 北京 100081
  • 出版日期:2020-08-25 发布日期:2020-09-24

李桂君,寇晨欢,胡军,李慧嘉. 云服务资源调度机制的协同与优化研究[J]. 系统科学与数学, 2020, 40(8): 1365-1383.

LI Guijun,KOU Chenhuan, HU Jun, LI Huijia. The Collaboration and Optimization of Resource Scheduling Mechanism for Cloud Service[J]. Journal of Systems Science and Mathematical Sciences, 2020, 40(8): 1365-1383.

The Collaboration and Optimization of Resource Scheduling Mechanism for Cloud Service

LI Guijun ,KOU Chenhuan, HU Jun, LI Huijia   

  1. School of Management Science and Engineering, Central University of Finance and Economics, Beijing 100081
  • Online:2020-08-25 Published:2020-09-24

数据中心是云计算的核心基础设施,但传统数据中心存在成本高、服务器使 用效率低等问题.共享经济模式能够将闲置带宽集成起来进行二次调度分配,大幅缓解当 前计算需求与计算能力之间的矛盾.文章为共享云服务提供商及其多名用户的效益优化设 计一个新的服务机制,并从博弈论的视角出发,构建模型来对云服务提供商以及其多名用户之 间的关系进行了描述.首先,云服务提供商通过选择提供适当的服务器,并针对用户请求制定 合适的分配策略,以降低能源消耗同时满足用户需求.其次,对于每个用户,文章建立了考虑 任务完成度和时间效率的效用函数,使得用户在云服务提供商的分配策略下最大化自身的 效益,且用户之间博弈结果是一般纳什均衡.最后,文章通过设计迭代算法来模拟上述服 务机制的全过程,仿真数值也说明了选择合适的服务器并制定适当的分配策略能够有 效地提高云服务提供商和用户的效益.结论表明,迭代算法能够对传统的云服务机制进行改进,是一种 切实有效的创新方法,也为中国共享经济背景下云服务产业的革命性发展提供了理论依据.

In this paper, we designed a new service mechanism to optimize the benefits of shared cloud service providers and their multiple users. Firstly, cloud service providers can reduce energy consumption and meet users' needs by choosing appropriate servers and formulating appropriate allocation strategies for user requests. Secondly, for each user, this paper establishes a utility function considering task completion and time efficiency, which maximizes the user's own benefit under the distribution strategy of cloud service providers, and the game result between users is general Nash equilibrium. Finally, we design an iterative algorithm to simulate the whole process of the above-mentioned service mechanism. The simulation results also show that choosing the appropriate server and formulating the appropriate allocation strategy can effectively improve the benefits of cloud service providers and users. The conclusion shows that the iterative algorithm can improve the traditional cloud service mechanism, and it is a practical and effective innovation method.

()
[1] 蓝以信, 陈烺, 王应明. 考虑具有包容关系的结构异质系统中心化资源配置方法研究[J]. 系统科学与数学, 2021, 41(9): 2406-2424.
[2] 史金凤, 樊甜甜, 杨威.  政府支持企业创新的财政资源配置效应及优化对策[J]. 系统科学与数学, 2021, 41(11): 3151-3169.
[3] 梁开荣,李登峰,余高峰.  基于两型博弈的双边链路形成策略优化研究[J]. 系统科学与数学, 2020, 40(9): 1550-1563.
[4] 王乐,何舒平. 基于Kleinman迭代算法的非线性系统自适应控制器设计[J]. 系统科学与数学, 2017, 37(9): 1885-1892.
[5] 李斌,韩菁. 多元反馈、资源配置与产学研合作效率的提升机制[J]. 系统科学与数学, 2016, 36(11): 2007-2018.
[6] 耿小姣,张凯院,宁倩芝. 参量连续代数~Riccati~方程对称解两种迭代算法[J]. 系统科学与数学, 2016, 36(11): 2060-2069.
[7] 朱莉,曹杰. 面向灾害扩散的模糊需求下应急调配优化研究[J]. 系统科学与数学, 2014, 34(6): 663-673.
[8] 程代展,刘挺,王元华. 博弈论中的矩阵方法[J]. 系统科学与数学, 2014, 34(11): 1291-1305.
[9] 梁晓蓓,汤兵勇. 云计算服务组合系统的协调无模型控制[J]. 系统科学与数学, 2014, 34(10): 1172-1181.
[10] 肖成勇,王谦. 供应链协调中供应商的价格歧视策略[J]. 系统科学与数学, 2013, 33(7): 785-798.
[11] 朱寿升,张凯院. 双变量Riccati矩阵方程异类约束解的迭代算法[J]. 系统科学与数学, 2013, 33(2): 197-205.
[12] 张凯院,牛婷婷,朱寿升. 离散时间代数Riccati矩阵方程对称解的双迭代算法[J]. 系统科学与数学, 2013, 33(12): 1415-1422.
[13] 张树义. 一致Lipschitz渐近$\bm \varphi_{\bm i}$-型拟伪压缩映象多步平行迭代算法的收敛性[J]. 系统科学与数学, 2013, 33(10): 1233-1242.
[14] 谷峰. 有限个平衡问题与非扩张映象不动点问题的复合迭代方法[J]. 系统科学与数学, 2011, 31(7): 859-871.
[15] 张玲;王晶;黄钧. 不确定需求下应急资源配置的鲁棒优化方法[J]. 系统科学与数学, 2010, 30(10): 1283-1292.
阅读次数
全文


摘要