CN103218737B - 一种基于双边市场的移动云计算环境中多维资源定价方法 - Google Patents

Abstract

本发明公开了一种基于双边市场的移动云计算环境中多维资源定价方法，该方法运行在移动云计算环境中，涉及移动云计算环境的两组参与者，一组是拥有资源的Cloudlet，另一组是请求资源的VM，将VM看成是双边市场经济模型中的买方，将Cloudlet看成是卖方，双方通过价格交互机制来完成资源的配置，完成应用请求VM到Cloudlet上的卸载执行，节约移动设备的能耗。该方法中的价格交互机制基于双边市场博弈并结合惩罚定价机制和均衡效用折扣进行设计，可以将移动用户应用请求的多维资源在多个Cloudlet上进行合理的分配和调度，从而最大化移动云的***效益。

Description

一种基于双边市场的移动云计算环境中多维资源定价方法

技术领域

本发明涉及移动云计算环境和博弈论领域,特别是一种基于双边市场的移动云计算环境中多维资源定价方法。

背景技术

随着移动互联网的蓬勃发展，基于手机等移动终端的云计算服务已经出现。移动云计算（MCC，MobileCloudComputing）是指通过移动网络以按需、易扩展的方式获得所需的基础设施、平台、软件(或应用)等的一种IT资源或(信息)服务的交付与使用模式。移动云计算是移动互联网产业与云计算技术的结合，是IT行业炙手可热的新业务发展方向。它不仅仅意味着一项技术或一系列技术的组合，它秉承“按需服务”的核心理念，特别在当今日益便捷和普及的智能终端环境下，对IT领域及人们的生活作出了突出的贡献。它具有突破终端硬件限制、便捷的数据存取、智能均衡负载、降低管理成本、按需服务降低成本等特点。由于移动设备能量有限，为了延长移动设备的使用时间，研究移动设备的能量节约方法，是确保移动云计算业务迅速发展的关键。

目前，在全球范围内，已有多个公司有移动云计算成功运营的实例。例如，苹果发布了手机在线云存储服务“iCloud”，该解决方案可让iPhone或iPad如PC一样轻松处理电子邮件、记事本项目、相片等，用户所做的一切都会自动更新至iPad、iPhone等苹果终端设备。作为云计算的先行者，Google在2010年底推出了包括整合移动搜索、语音搜索、定点搜索及Google手机地图、Android上的Google街景等基于移动终端和云计算的新应用。微软和RIM公司也相继推出了面向众多用户提供的应用服务方案，也均是具有云计算特征的移动互联网应用。

在中国市场，越来越多的中国企业也正在加入移动云计算的竞争。***联合中科院推出了“大云计划”，中国电信发布了“星云计划”；而手机厂商宇龙酷派也推出了“酷云计划”，成为国内首个手机云计算服务平台。移动云计算时代正在到来。

云计算包括以下几个层次的服务：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。其中IaaS把业务部署在由大量服务器、存储设备、网络设备构建的资源池上，使得各种业务***能够获取所需资源进行运作。由于在同一云计算环境下部署的应用有多个，而且应用随时间到来，时常会有高峰低峰现象，因此特别是在高峰期需要合理地进行资源的调度，既要满足应用的实际需要，同时又可以实现合理配置资源、节约终端设备能耗的目的。

资源分配是云计算的重要组成部分，其效率直接影响云计算环境的工作性能。云计算资源池的资源有CPU，内存（Memory），存储空间（Storage）、带宽（Bandwidth）、I/O存取率等。假设移动云***由m个Cloudlet构成资源池，Cloudlet_j的资源集合为R_j={B,CPU,S},依次表示带宽、CPU、存储资源，n个VM希望获得资源，VM_i的资源特征集合为r_i={B,CPU,S}。当一个Cloudlet已经分配资源后，需要对其资源矢量进行修正。因为Cloudlet具有有限的资源，如何分配Cloudlet的资源，完成VM到Cloudlet的匹配，从而最大化Cloudlet资源的使用效率，成为移动云计算平台中的关键问题。

移动云计算面向不同的应用，而不同的应用对应不同的服务质量，因此所需的资源也有所不同，另外，由于云计算是对外提供服务的，必须考虑资源消耗的成本，这样也使得云计算的资源调度问题更为复杂。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种基于双边市场博弈的移动云计算环境中多维资源定价方法，提高资源池的资源利用率，并节约移动设备的能耗。

为解决上述技术问题，本发明所采用的技术方案是：一种基于双边市场的移动云计算环境中多维资源定价方法，包括移动云计算***，所述移动云计算***包括移动网络的资源存储***和与所述资源存储***通信的移动终端设备，所述资源存储***包括多个自治的云片Cloudlet，每个Cloudlet拥有多维不同的资源，所述每个Cloudlet都自私地以最大化自身收益作为目标选择移动终端应用请求的虚拟机承载形式VM，所述Cloudlet为所述双边市场的拥有资源的卖方，所述VM为所述双边市场的购买资源的买方，其特征在于，所述定价方法通过VM和Cloudlet之间的定价机制，促使VM选择合适的Cloudlet，并促使Cloudlet选择并确定其接纳的VM，从而完成VM到cloudlet之间的匹配，该方法的具体步骤为：

步骤1：VM根据其请求到来时间计算它的等待时间，即VM_i的等待时间t_i=当前时间-VM_i请求到来时间，设置第i个VM对第j个Cloudlet多维资源的初始出价向量为其中为cloudlet_j为VM_i提供服务的单位资源基本定价，Cloudlet_j表示第j个Cloudlet，VM_i表示第i个VM；

步骤2：每个VM_i计算被不同Cloudlet_j服务的效用，VM_i从Cloudlet_j处获取服务的效用值采用如下函数进行计算：

${\mathrm{\π}}_i^t(j,{\stackrel{\→}{p}}_{\mathrm{ij}})=\underset{1\≤k\≤d}{\mathrm{\Σ}}{w}_i\·a_{\mathrm{ik}}\·\stackrel{\→}{v_i}\left[k\right]-\underset{1\≤k\≤d}{\mathrm{\Σ}}{\stackrel{\→}{p}}_{\mathrm{ij}}\left[k\right]\·{\stackrel{\→}{v}}_i\left[k\right]+f_j\left(t_i\right)-g\left(t_i\right)$

其中，f_j(t_i)表示由于服务延时Cloudlet_j对VM_i支付的惩罚，f_j(t_i)=st_ij·w_i·t_i，st_ij表示单位时间延时Cloudlet_j给VM_i支付的惩罚系数，w_i表示VM_i的优先级，t_i表示VM_i请求的等待时间，a_ik是VM_i获得第k维请求资源时的单位效用常数，表示VM_i请求的Cloudlet多维资源向量，k是指第k维，d表示Cloudlet多维资源的维度，g(t_i)表示VM_i因为等待响应而失去的效用，g(t_i)=at_i·w_i·t_i，at_i是VM_i失去效用的单位增益的一个常数；

步骤3：将VM效用大于0的Cloudlet标记为该VM的候选Cloudlet，放入候选Cloudlet集合中，若候选Cloudlet集合为空，那么VM的资源请求将不发送，应用在移动终端本地执行，若候选Cloudlet集合不为空，VM从可选的Cloudlet中根据VM效用值选择一个最优的Cloudlet，该最优的Cloudlet是使得VM产生最大效应值的Cloudlet，并向该最优Cloudlet发送资源请求，该资源请求包括拟支付给该最优Cloudlet的价格；

步骤4：收到VM_i的资源请求的Cloudlet_j，首先确认自己的剩余资源量是否满足VM_i的请求量，如果不满足，则拒绝VM_i的请求，如果满足，Cloudlet_j根据效用函数公式计算服务一组VM集合为其带来的效用，所述效用函数公式如下：

$u_j^{t,\mathrm{load}}(S_j,{\stackrel{\→}{p}}_j)=u_j^t(S_j,{\stackrel{\→}{p}}_j)\·f_{S_j,j}^{\mathrm{index}}$

其中，

$u_j^t(S_j,{\stackrel{\→}{p}}_j)=\underset{{\stackrel{\→}{v}}_i\∈S_j}{\mathrm{\Σ}}\left(\underset{1\≤k\≤d}{\mathrm{\Σ}}{\stackrel{\→}{p}}_{\mathrm{ij}}\right[k]\·{\stackrel{\→}{v}}_i[k]-\underset{1\≤k\≤d}{\mathrm{\Σ}}{\stackrel{\→}{\mathrm{\σ}}}_{\mathrm{ij}}[k]\·{\stackrel{\→}{v}}_i[k]-f_j\left(t_i\right)+p\left(t_i\right))$

$f_{S_j,j}^{\mathrm{index}}=\frac{{\left(\underset{1\≤k\≤d}{\mathrm{\Σ}}\left(\underset{{\stackrel{\→}{v}}_i\∈S_j}{\mathrm{\Σ}}{\stackrel{\→}{v}}_i\right[k\left]\right)\right)}^2}{d\·\underset{1\≤k\≤d}{\mathrm{\Σ}}{\left(\underset{{\stackrel{\→}{v}}_i\∈S_j}{\mathrm{\Σ}}{\stackrel{\→}{v}}_i\right[k\left]\right)}^2}$

p(t_i)=bt_i·w_i·t_i

表示Cloudlet_j服务一组VM集合S_j得到的效用，S_j为Cloudlet_j拟服务的VM集合，表示Cloudlet_j服务VM集合S_j时因为多维资源不均衡利用而产生的效用折扣，p(t_i)表示双边市场因为Cloudlet_j服务VM_i支付给Cloudlet_j的报酬，bt_i是单位激励效用增益的常数；

步骤5：移动云计算***中的每个Cloudlet_j在所有的请求VM中根据Cloudlet效用值选择提供服务的VM子集S_j，并拒绝其他的VM，当VM被Cloudlet选中之后，对应的移动终端设备将其对应的应用卸载到该Cloudlet上执行；

步骤6：步骤5中资源请求被相应的Cloudlet拒绝的VM将再次发起资源请求，再次发起资源请求时，VM对拒绝它的Cloudlet的出价在步骤3的价格基础上增加一个幅度即如果VM_i被Cloudlet_j拒绝的话，该VM_i对Cloudlet_j的价格更新为而对其他Cloudlet的出价维持步骤3的价格；

步骤7：重复步骤2到步骤6，直到没有VM资源请求消息发送出来，此时，VM到Cloudlet的匹配完成，所有匹配成功的VM可得到Cloudlet的多维资源，并将对应移动终端设备的应用卸载到Cloudlet上执行，最终将执行结果反馈到移动终端设备。

本发明考虑一个部署在本地局域网内的移动云计算***（MCCs），该***由m个拥有多维资源的Cloudlet组成的云资源池及承载终端用户应用的n个VM构成。本发明将该***看成一个经济模型—双边市场模型，该模型由两类参与者构成，拥有资源的卖方和需要支付购买资源的买方。本发明中的Cloudlet是拥有资源的卖方，VM是购买资源的买方。双方通过价格交互机制完成匹配，实现基于价格的资源分配。

因为在移动云计算***中，时效性是评价该***效率的关键，而且终端用户的QoS也具有较强的时间敏感性。由于终端用户的应用按时间动态到来，如果不及时对承载某一应用的VM进行调度，那么VM会因为等待响应的时间过长而直接导致该应用的QoS体验下降，从而引起***客户的流失；另外，资源拥有方Cloudlet也会因不及时对VM进行调度而支付相应的惩罚，且VM的等待时间越长，需要支付的惩罚越多，也直接导致Cloudlet的收益降低，这是对买卖双方都不利的决策。

本发明的步骤4的效应函数计算体现了采用基于响应时间的调度方式。因为可以从双边市场平台获得奖励，Cloudlet服务等待时间长的VM将获更大收益，因此Cloudlet会选择等待时间长的VM进行服务。图3描述了应用到来的示意图，在我们的定价机制下，VM₂会被先调度到Cloudlet上执行，虽然它的优先权是最低的，但是它的等待时间比VM₁和VM₃长很多。

同时，在设计Cloudlet的效用函数时，引入了效用折扣的概念，主要是为了使得Cloudlet的多维资源能够尽可能大的被均衡使用，避免其中一维资源使用率偏高而另一维偏低的现象，实现资源的最优化利用。

步骤4中效用折扣采用如下函数进行设计：

$f_{S_j,j}^{\mathrm{index}}=\frac{{\left(\underset{1\≤k\≤d}{\mathrm{\Σ}}\left(\underset{{\stackrel{\→}{v}}_i\∈S_j}{\mathrm{\Σ}}{\stackrel{\→}{v}}_i\right[k\left]\right)\right)}^2}{d\·\underset{1\≤k\≤d}{\mathrm{\Σ}}{\left(\underset{{\stackrel{\→}{v}}_i\∈S_j}{\mathrm{\Σ}}{\stackrel{\→}{v}}_i\right[k\left]\right)}^2}$

效用折扣值是[0，1]间的实数，其值越大，说明的三维取值越接近，即三维资源比较均衡。考虑到Cloudlet的效用函数

$u_j^{t,\mathrm{load}}(S_j,{\stackrel{\→}{p}}_j)=u_j^t(S_j,{\stackrel{\→}{p}}_j)\·f_{S_j,j}^{\mathrm{index}}$

若要使Cloudlet的效用值尽可能的大，则的值也将尽可能的大，从而Cloudlet三维分配出去的资源应当尽可能地均衡。因此，效用折扣有助于资源分配在不同维度间实现均衡，间接地实现了资源的最优化利用。

与现有技术相比，本发明所具有的有益效果为：本发明基于双边市场博弈的模型，对移动云计算的多维资源进行定价来实现调度，在了解终端用户资源需求及相应的QoS要求的情况下，制定关于定价机制执行策略的激励，促使移动云计算下Cloudlet和终端设备等参与者在***制定的定价调度策略下，实现资源的优化配置；另外，加入效用折扣概念，使Cloudlet上的多维资源能够得到均衡分配，从而更有效的利用移动云平台的资源，本发明能提高资源池的资源利用率，并节约移动设备的能耗；对于移动云计算环境，该方法具有一定的通用性，且易于实施，具有十分广泛的应用前景。

附图说明

图1为本发明本发明网络模型的场景示意图；

图2为本发明的VM-Cloudlet双边市场博弈模型；

图3为本发明一实施例应用请求随时间到来示意图；

图4为本发明一实施例多维资源分配情况示意图；4（a）为低效的分配方案；图4（b）为在一个周期内***对10个VM的高效资源分配方案；

图5为本发明一实施例双边市场定价方法收敛结果；图5（a）价格收敛示意图；图5（b）为效用收敛示意图；

图6本发明一实施例双边市场由于单边参与者规模的改变而产生的单边效应的示意图；图6（a）为VM单边效应示意图；图6（b）为Cloudlet单边效应示意图；

图7为四种方法的资源利用率示意图；图7（a）为四种方法的平均资源利用率示意图；图7（b）为四种方法的最大维资源利用率示意图；

图8为VM等待被调度的响应时间示意图；图8（a）为平均响应时间示意图；图8（b）为最大响应时间示意图；

图9为四种方法的***收益示意图；

图10为四种方法的总执行时间示意图。

具体实施方式

本发明的基于双边市场的移动云计算环境中多维资源定价方法包括以下步骤：

步骤1：VM根据其请求到来时间计算它的等待时间，即VM_i的等待时间t_i=当前时间-VM_i请求到来时间，设置第i个VM对第j个Cloudlet多维资源的初始出价向量为其中为cloudlet_j为VM_i提供服务的单位资源基本定价，cloudlet_j表示第j个Cloudlet，VM_i表示第i个VM；

步骤2：每个VM_i计算被不同Cloudlet_j服务的效用，VM_i从Cloudlet_j处获取服务的效用值采用如下函数进行计算：

${\mathrm{\π}}_i^t(j,{\stackrel{\→}{p}}_{\mathrm{ij}})=\underset{1\≤k\≤d}{\mathrm{\Σ}}{w}_i\·a_{\mathrm{ik}}\·\stackrel{\→}{v_i}\left[k\right]-\underset{1\≤k\≤d}{\mathrm{\Σ}}{\stackrel{\→}{p}}_{\mathrm{ij}}\left[k\right]\·{\stackrel{\→}{v}}_i\left[k\right]+f_j\left(t_i\right)-g\left(t_i\right)$

其中，f_j(t_i)表示由于服务延时Cloudlet_j对VM_i支付的惩罚，f_j(t_i)=st_ij·w_i·t_i，st_ij表示单位时间延时Cloudlet_j给VM_i支付的惩罚系数，w_i表示VM_i的优先级，t_i表示VM_i请求的等待时间，a_ik是VM_i获得第k维请求资源时的单位效用常数，表示VM_i请求的Cloudlet多维资源向量，k是指第k维，d表示Cloudlet多维资源的维度，g(t_i)表示VM_i因为等待响应而失去的效用，g(t_i)=at_i·w_i·t_i，其中at_i是VM_i失去效用的单位增益的一个常数；

步骤3：将VM效用大于0的Cloudlet标记为该VM的候选Cloudlet，放入候选Cloudlet集合中，若候选Cloudlet集合为空，那么VM的资源请求将不发送，应用在移动终端本地执行，若候选Cloudlet集合不为空，VM从可选的Cloudlet中根据VM效用值选择一个最优的Cloudlet，该最优的Cloudlet是使得VM产生最大效应值的Cloudlet，并向该最优Cloudlet发送资源请求，该资源请求包括拟支付给该最优Cloudlet的价格；

步骤4：收到VM_i的资源请求的Cloudlet_j，首先确认自己的剩余资源量是否满足VM_i的请求量，如果不满足，则拒绝VM_i的请求，如果满足，Cloudlet_j根据效用函数公式计算服务一组VM集合为其带来的效用，所述效用函数公式如下：

$u_j^{t,\mathrm{load}}(S_j,{\stackrel{\→}{p}}_j)=u_j^t(S_j,{\stackrel{\→}{p}}_j)\·f_{S_j,j}^{\mathrm{index}}$

其中，

$u_j^t(S_j,{\stackrel{\→}{p}}_j)=\underset{{\stackrel{\→}{v}}_i\∈S_j}{\mathrm{\Σ}}\left(\underset{1\≤k\≤d}{\mathrm{\Σ}}{\stackrel{\→}{p}}_{\mathrm{ij}}\right[k]\·{\stackrel{\→}{v}}_i[k]-\underset{1\≤k\≤d}{\mathrm{\Σ}}{\stackrel{\→}{\mathrm{\σ}}}_{\mathrm{ij}}[k]\·{\stackrel{\→}{v}}_i[k]-f_j\left(t_i\right)+p\left(t_i\right))$

$f_{S_j,j}^{\mathrm{index}}=\frac{{\left(\underset{1\≤k\≤d}{\mathrm{\Σ}}\left(\underset{{\stackrel{\→}{v}}_i\∈S_j}{\mathrm{\Σ}}{\stackrel{\→}{v}}_i\right[k\left]\right)\right)}^2}{d\·\underset{1\≤k\≤d}{\mathrm{\Σ}}{\left(\underset{{\stackrel{\→}{v}}_i\∈S_j}{\mathrm{\Σ}}{\stackrel{\→}{v}}_i\right[k\left]\right)}^2}$

p(t_i)=bt_i·w_i·t_i

表示Cloudlet_j服务一组VM集合S_j得到的效用，S_j为Cloudlet_j拟服务的VM集合，表示Cloudlet_j服务VM集合S_j时因为多维资源不均衡利用而产生的效用折扣，p(t_i)表示双边市场因为Cloudlet_j服务VM_i支付给Cloudlet_j的报酬，bt_i是单位激励效用增益的常数；

步骤5：移动云计算***中的每个Cloudlet_j在所有的请求VM中根据Cloudlet效用值选择提供服务的VM子集S_j，并拒绝其他的VM，当VM被Cloudlet选中之后，对应的移动终端设备将其对应的应用卸载到该Cloudlet上执行；

步骤6：步骤5中资源请求被相应的Cloudlet拒绝的VM将再次发起资源请求，再次发起资源请求时，VM对拒绝它的Cloudlet的出价在步骤3的价格基础上增加一个幅度即如果VM_i被Cloudlet_j拒绝的话，该VM_i对Cloudlet_j的价格更新为而对其他Cloudlet的出价维持步骤3的价格；

步骤7：重复步骤2到步骤6，直到没有VM资源请求消息发送出来，此时，VM到Cloudlet的匹配完成，所有匹配成功的VM可得到Cloudlet的多维资源，并将对应移动终端设备的应用卸载到Cloudlet上执行，最终将执行结果反馈到移动终端设备。

本发明考虑一个部署在本地局域网内的移动云计算***（MCCs），该***由m个拥有多维资源的Cloudlet组成的云资源池及承载终端用户应用的n个VM构成，***模型图如图2所示。

本发明的步骤4的效应函数计算体现了采用基于响应时间的调度方式。因为可以从双边市场平台获得奖励，Cloudlet服务等待时间长的VM将获更大收益，因此Cloudlet会选择等待时间长的VM进行服务。如图3描述了应用到来的示意图，在我们的定价机制下，VM₂会被先调度到Cloudlet上执行，虽然它的优先权是最低的，但是它的等待时间比VM₁和VM₃长很多。

同时，在设计Cloudlet的效用函数时，引入了效用折扣的概念，主要是为了使得Cloudlet的多维资源能够尽可能大的被均衡使用，避免其中一维资源使用率偏高而另一维偏低的现象，实现资源的最优化利用。

如图4描述的是有3个Cloudlet和10个VM的资源分配情况示意图。如图4（a）所示是一个低效的分配方案，虽然Cloudlet₁的存储空间、Cloudlet₂的CPU和Cloudlet₃的带宽利用率都很高，但是Cloudlet₁的带宽、Cloudlet₂的存储空间和Cloudlet₃的存储空间利用率分别只有40%、70%和60%，三维资源的使用率不平衡。结果只有7个VM能够使用该***中的资源，其他3个VM必须等待到下一个执行周期被调度。相比而言，加入效用折扣的设计后，如图4（b）所示给出了在一个周期内***对10个VM的高效资源分配方案，三个Cloudlet的三维资源均得到均衡使用且该***能完全容纳10个VM。图4说明效用折扣的设计能有效地提高***的资源使用率，并使各个维度间的资源使用率均衡。

以下通过仿真实验的方式来说明本发明的具体实施方式，并通过与其他实施例的比较来验证本发明的有效性。仿真实验实现了四种不同的资源定价及调度方法，第一种方法是本发明提出的基于双边市场有惩罚有平衡的多维资源分配方法，记为MPTMG-PB，第二种方法是基于双边市场无惩罚无平衡的资源分配方法，记为MPTMG-NPNB。这两种方法主要的区别在于惩罚支付和效用折扣是否用在价格调整过程中。第三、四两种方法运用了固定价格机制，在这两种方法中，VM向Cloudlet支付固定的价格来使用其资源，并根据应用的到达时间来调度相应的VM获得Cloudlet的资源，完成应用卸载到云端执行的任务。区别是第三种方法中的VM的类型是固定的，且只有有限的8种，每种类型的VM都有固定的资源需求，Cloudlet根据VM类型为其分配资源，记该方法名为LIMITED；第四种方法中VM类型不固定，需求资源可变，Cloudlet只为其分配请求的资源量，记该方法名为UNLIMITED。在相同的场景和实验设置下，使用Java编程实现以上方法并进行仿真实验，我们比较了这四种不同方法的平均资源利用率、最大维资源利用率、平均响应时间、最大响应时间、***效用和执行时间等参量。

在仿真实验的设置中，每个Cloudlet拥有三维资源，带宽，CPU和存储空间，三维资源的总量均为（10000，10000，10000）。移动终端的应用请求服从泊松分布，并以λ的到达率动态地到来，每个应用请求都有自己的资源需求，不失一般性，我们假设应用的每维资源请求的弹性范围均为[1,600]，又假设应用的执行时间随机地在[1,5]个周期范围内，w_i，a_ik，st_ij，at_i，bt_i等参量的取值分别随机地取[1,10]，[0.1,0.5]，[0.01,0.05]，[0.01,0.05]，[0.01,0.05]范围内的实数。各Cloudlet的三维资源底价分别随机地在[0.05,0.1]内生成。

图5描述了本发明方法的迭代过程的收敛行为。如图5（a）所示，描述了一个VM在价格交互中的多维价格调整过程。开始价格交互前，各VM对Cloudlet的资源出价均较低，在被某Cloudlet拒绝后，VM将逐渐地对该Cloudlet提高出价来保证能够得到Cloudlet的资源。该图中价格呈现波动是因为该VM对不同Cloudlet的出价变化而导致的，最终VM的价格稳定下来，说明已与Cloudlet完成了相互匹配的选择。如图5（b）所示，描述了在交互过程中的所有VM、所有Cloudlet和***的总效用的收敛行为，所有配对完成时，效用将不再发生变化。

图6描述了双边市场由于单边参与者规模的改变而产生的单边效应的示意图。双边市场一个重要的特征是存在单边效应，因为参与者的异质性，固定一方参与者的数目，另一方参与者数目的增减都会对整个博弈结果产生影响。如图6（a）所示，描述的是买方的竞争，卖方数目固定，如固定Cloudlet数目为10时，随着每个周期内到来的VM数目的增加，VM对资源的竞争加大，它们向Cloudlet支付的价格升高，导致了VM的平均效用降低，而Cloudlet得到的平均效用增大。同样，如图6（b）所示，描述了卖方的竞争，在买方数目固定，如固定VM的数目为150时，逐渐增加卖方的数目，VM可选择的Cloudlet数目增多，其价格也相应的增加缓慢，从而VM的平均效用随Cloudlet数目的增加而增大，反而Cloudlet的平均效用随其数目的增加而降低。

图7描述了四种方法的资源使用率，包括如图7（a）所示平均资源使用率和图7（b）所示最大维的资源使用率。平均资源使用率和最大维的资源使用率都随λ的增大而逐渐增大，最后慢慢趋于平滑。与其他三种方法相比，本发明提出的方法MPTMG-PB拥有最高的平均资源使用率并且接近最大维的资源使用率，这证明了本方法中的效用折扣的设计对提高资源利用效用非常有效。在LIMITED方法中，每个应用被匹配到一种类型的VM中，而通常该类型的VM请求的资源超过了该应用实际需要的资源量，因此，造成了***资源的浪费。

图8描述了VM等待被调度的响应时间，包括图8（a）平均响应时间和图8（b）最大响应时间。高效的资源分配方法能增加同时执行的VM的数目且能减少应用被调度的响应时间，从而可以有效地节约移动终端的能耗。如图8（a）所示，当λ=180时，本发明提出的方法MPTMG-PB的平均响应时间与其他三种方法MPTMG-NPNB、UNLIMITED和LIMITED相比分别低20%、50%和70%。图8（b）中的最大响应时间直接反映了服务质量。可以看出，MPTMG-PB方法与MPTMG-NPNB、UNLIMITED和LIMITED三种方法相比分别低30%，40%和90%。响应时间越长将明显地降低终端用户的满意程度。图8的结果表明由于响应时间而引入的惩罚设计有助于移动云计算***吸引越来越多的用户进入到市场中。通过减少VM调度的响应时间，Cloudlet可以减少由于延时响应调度VM而产生的额外开销并且得到由平台支付的奖励，从而增大自身的收益。

图9描述了四种方法的***收益。MPTMG-PB与MPTMG-NPNB方法的***收益要明显高于固定价格机制的两种方法，当λ>110时，MPTMG-PB方法的***收益开始高于MPTMG-NPNB方法近20%。由于MPTMG-PB方法可以达到更高的资源利用率，Cloudlet可以通过向VM出售更多的资源而VM支付更少的价格来得到更多的***收益。

图10描述了四种方法的总执行时间，总执行时间能帮助减少移动云计算***中的移动终端的能耗。虽然应用请求只在前50个周期产生，随着λ的增大，***的负载逐渐增大，以致***资源不足于同时满足到来的应用请求，部分应用请求将等待被调度，以致50个周期内不能将应用请求调度完毕，响应时间将叠加。因此50个周期里产生的应用请求将在后续时间里被调度完毕。当λ=180时，如图10所示，MPTMG-PB将所有应用请求调度执行完毕需要70个周期，而MPTMG-NPNB、UNLIMITED和LIMITED分别需要80、100和130个周期。本发明使用的方法所需的执行时间最短，能有效地节约终端设备的能耗。

因此，仿真实验结果表明本发明提出的基于双边市场的移动云计算多维资源定价方法可以有效地提高移动云计算***的资源使用率，提高***收益，节约终端设备的能耗。

Claims (2)

1.一种基于双边市场的移动云计算环境中多维资源定价方法，包括移动云计算***，所述移动云计算***包括移动网络的资源存储***和与所述资源存储***通信的移动终端设备，所述资源存储***包括多个自治的云片Cloudlet，每个Cloudlet拥有多维不同的资源，所述每个Cloudlet都自私地以最大化自身收益作为目标选择移动终端应用请求的虚拟机承载形式VM，所述Cloudlet为所述双边市场的拥有资源的卖方，所述VM为所述双边市场的购买资源的买方，其特征在于，所述定价方法通过VM和Cloudlet之间的定价机制，促使VM选择合适的Cloudlet，并促使Cloudlet选择并确定其接纳的VM，从而完成VM到cloudlet之间的匹配，该方法的具体步骤为：

步骤1：VM根据其请求到来时间计算它的等待时间，即VM_i的等待时间t_i＝当前时间-VM_i请求到来时间，设置第i个VM对第j个Cloudlet多维资源的初始出价向量为其中为cloudlet_j为VM_i提供服务的单位资源基本定价，cloudlet_j表示第j个Cloudlet，VM_i表示第i个VM；

步骤2：每个VM_i计算被不同Cloudlet_j服务的效用，VM_i从Cloudlet_j处获取服务的效用值采用如下函数进行计算：

${\mathrm{\π}}_i^t\left(j,{\stackrel{\→}{p}}_{ij}\right)=\underset{1\≤k\≤d}{\Σ}{w}_i\·a_{ik}\·{\stackrel{\→}{v}}_i\[k\]-\underset{1\≤k\≤d}{\Σ}{\stackrel{\→}{p}}_{ij}\[k\]\·{\stackrel{\→}{v}}_i\[k\]+f_j\left(t_i\right)-g\left(t_i\right)$

其中，f_j(t_i)表示由于服务延时Cloudlet_j对VM_i支付的惩罚，f_j(t_i)＝st_ij·w_i·t_i，st_ij表示单位时间延时Cloudlet_j给VM_i支付的惩罚系数，w_i表示VM_i的优先级，t_i表示VM_i请求的等待时间，a_ik是VM_i获得第k维请求资源时的单位效用常数，表示VM_i请求的Cloudlet多维资源向量，k是指第k维，d表示Cloudlet多维资源的维度，g(t_i)表示VM_i因为等待响应而失去的效用，g(t_i)＝at_i·w_i·t_i，其中at_i是VM_i失去效用的单位增益的一个常数；

为第i个VM对第j个Cloudlet多维资源的第k维初始出价向量；为cloudlet_j为VM_i提供服务的第k维单位资源基本定价；

步骤3：将VM效用大于0的Cloudlet标记为该VM的候选Cloudlet，放入候选Cloudlet集合中，若候选Cloudlet集合为空，那么VM的资源请求将不发送，应用在移动终端本地执行，若候选Cloudlet集合不为空，VM从可选的Cloudlet中根据VM效用值选择一个最优的Cloudlet，该最优的Cloudlet是使得VM产生最大效应值的Cloudlet，并向该最优Cloudlet发送资源请求，该资源请求包括拟支付给该最优Cloudlet的价格；

步骤4：收到VM_i的资源请求的Cloudlet_j，首先确认自己的剩余资源量是否满足VM_i的请求量，如果不满足，则拒绝VM_i的请求，如果满足，Cloudlet_j根据效用函数公式计算服务一组VM集合为其带来的效用，所述效用函数公式如下：

$u_j^{t,load}(S_j,{\stackrel{\→}{p}}_j)=u_j^t(S_j,{\stackrel{\→}{p}}_j)\·f_{S_j,j}^{index}$

其中，

$u_j^t\left(S_j,{\stackrel{\→}{p}}_j\right)=\underset{{\stackrel{\→}{v}}_i\∈S_j}{\Σ}\left(\underset{1\≤k\≤d}{\Σ}{\stackrel{\→}{p}}_{ij}\[k\]\·{\stackrel{\→}{v}}_i\[k\]-\underset{1\≤k\≤d}{\Σ}{\stackrel{\→}{\mathrm{\σ}}}_{ij}\[k\]\·{\stackrel{\→}{v}}_i\[k\]-f_j\left(t_i\right)+p\left(t_i\right)\right)$

$f_{S_j,j}^{index}=\frac{{\left(\underset{1\≤k\≤d}{\Σ}\left(\underset{{\stackrel{\→}{v}}_i\∈S_j}{\Σ}{\stackrel{\→}{v}}_i\[k\]\right)\right)}^2}{d\·\underset{1\≤k\≤d}{\Σ}{\left(\underset{{\stackrel{\→}{v}}_i\∈S_j}{\Σ}{\stackrel{\→}{v}}_i\[k\]\right)}^2}$

p(t_i)＝bt_i·w_i·t_i

表示Cloudlet_j服务一组VM集合S_j得到的效用，S_j为Cloudlet_j拟服务的VM集合，表示Cloudlet_j服务VM集合S_j时因为多维资源不均衡利用而产生的效用折扣，p(t_i)表示双边市场因为Cloudlet_j服务VM_i支付给Cloudlet_j的报酬，bt_i是单位激励效用增益的常数；

步骤5：移动云计算***中的每个Cloudlet_j在所有的请求VM中根据Cloudlet效用值选择提供服务的VM子集S_j，并拒绝其他的VM，当VM被Cloudlet选中之后，对应的移动终端设备将其对应的应用卸载到该Cloudlet上执行；

步骤6：步骤5中资源请求被相应的Cloudlet拒绝的VM将再次发起资源请求，再次发起资源请求时，VM对拒绝它的Cloudlet的出价在步骤3的价格基础上增加一个幅度即如果VM_i被Cloudlet_j拒绝的话，该VM_i对Cloudlet_j的价格更新为而对其他Cloudlet的出价维持步骤3的价格；

步骤7：重复步骤2到步骤6，直到没有VM资源请求消息发送出来，此时，VM到Cloudlet的匹配完成，所有匹配成功的VM可得到Cloudlet的多维资源，并将对应移动终端设备的应用卸载到Cloudlet上执行，最终将执行结果反馈到移动终端设备。

2.根据权利要求1所述的基于双边市场的移动云计算环境中多维资源定价方法，其特征在于，所述步骤4中，效用折扣是区间范围为[0,1]间的实数。