本發(fā)明涉及云計算環(huán)境中對于云資源的分配和定價算法，尤其涉及云環(huán)境下考慮能耗和信譽度的資源分配方法。

背景技術：

隨著分布式處理、普適計算的高速發(fā)展，現(xiàn)如今云計算已經(jīng)成為最受歡迎的信息技術服務交付模型。在云計算環(huán)境中，云服務提供者利用虛擬化技術將各種資源(如計算資源、存儲資源或者虛擬機服務等)提供給云服務消費者。云服務消費者與服務資源管理系統(tǒng)是分隔開的，當云服務消費者需要使用資源時，不必花錢去購買價格昂貴的硬件裝置，只需按需從云服務提供者以付費的方式購買資源。然而隨著大規(guī)模數(shù)據(jù)中心在全球范圍內擴展，其消耗的高能源和大量的碳排放等問題日益突出，高能耗問題極大地阻礙了云計算產(chǎn)業(yè)的發(fā)展。目前云數(shù)據(jù)中心運營的最大成本來源于能耗，如何構建綠色的數(shù)據(jù)中心，降低數(shù)據(jù)中心的能耗受到越來越廣泛的關注。

由于云環(huán)境中的資源具有分散性、不穩(wěn)定性和異構性等特點，使得云環(huán)境下的資源高效分配成為云計算研究中的一個熱點與難點問題。根據(jù)大量研究結果表明，由于現(xiàn)實經(jīng)濟市場與具有動態(tài)性和異構性的云計算環(huán)境非常相似，可以借用經(jīng)濟學中的市場機制來優(yōu)化資源分配方法，運用一些經(jīng)濟學中的理念和方案來解決云環(huán)境中的資源配置問題。在經(jīng)濟學中，由于拍賣模型具有易于實現(xiàn)的分布式的結構，且不需要太多的全局信息，使它成為能夠有效的分配資源的基礎，如今關于拍賣的資源分配算法在云計算環(huán)境中被廣泛地研究和采用。

目前，很多已有的關于云資源拍賣策略的研究不支持多種資源組合，不能滿足云環(huán)境下云服務消費者對服務的多樣化需求。在資源交易中，基本上忽略了參與者體驗質量的重要性，沒有提出相應的方案來解決市場拍賣交易中可能存在的欺騙行為對資源分配產(chǎn)生的不良影響，造成不能提供可信任的云服務交易平臺給用戶。此外，目前大多數(shù)基于拍賣機制的云資源分配策略只考慮參與者的金錢效益，忽視了過高的能耗開銷將會帶來很多的負面效應，如增加云服務提供者的運營成本，大量溫室氣體的排放對生態(tài)環(huán)境造成了很大的威脅等。

技術實現(xiàn)要素：

有鑒于此，本發(fā)明所要解決的技術問題是提供一種云環(huán)境中考慮能耗和信譽度的資源配置方法，基于體驗質量評分的信譽系統(tǒng)，綜合考慮信譽值、能耗開銷等各種影響因素，抵御拍賣中的不誠實問題和惡意行為。

為了實現(xiàn)上述目的，本發(fā)明采用了如下技術方案：

一種云環(huán)境中的資源配置方法，包括以下步驟：

S1：云服務消費者將資源請求信息提交給用戶代理，所述用戶代理對所述資源請求信息進行整理和規(guī)范后發(fā)送給拍賣中介，同時云服務提供者將資源配置信息發(fā)送給拍賣中介；

S2：所述拍賣中介對用戶代理提交的資源請求進行能耗預估；

S3：所述拍賣中介根據(jù)信譽度、能耗和競價密度計算雙方的rank值，再將云服務消費者按rank值進行降序排列，將云服務提供者按rank值升序排列，將云服務消費者和云服務提供者依次匹配，并計算云服務消費者需要支付的費用；

S4：所述拍賣中介將分配的結果返回給用戶代理和云服務提供者，用戶代理將結果返回給云服務消費者；

S5：所述云服務提供者根據(jù)分配結果提供相應的資源給云服務消費者，云服務消費者支付相應的費用給云服務提供者，完成交易。

進一步的，還包括：

S6：交易完成后，云服務消費者和云服務提供者根據(jù)體驗質量對其合作伙伴的行為進行評分，并提交給拍賣中介；

S7：拍賣中介相應地更新雙方的信譽值。

進一步的，所述資源請求信息包括需要的組合資源種類以及數(shù)量、請求使用資源的時間、出價，所述資源配置信息包括可提供的組合資源種類以及數(shù)量、要價。

進一步的，不同的組合資源種類由基于計算機處理器能力、內存、磁盤存儲和網(wǎng)絡帶寬的不同資源組合構成。

進一步的，步驟S2中，能耗預估值按照以下公式進行計算：

云服務消費者i所提交的資源請求的總能耗預估值：

云服務消費者i所提交的資源請求的平均能耗預估值：

其中，表示云服務消費者i申請的第k類資源組合的能耗預估值，為云服務消費者i申請的第k類資源組合的數(shù)量，Eng_avg_i，Eng_total_i分別為云服務消費者i資源請求的平均能耗預估值和總能耗預估值。

進一步的，步驟S3具體包括：

S31：把每個云服務消費者的組合資源按照計算機處理器大小從低到高進行排序，同時，把每個云服務提供者的組合資源按照計算機處理器大小從低到高進行排序；

S32:拍賣中介計算云服務消費者和云服務提供者提交的組合資源中的每一類資源組合的屬性值，具體包括：

S321：采用實數(shù)規(guī)范化公式對資源組合中的各資源屬性進行歸一化處理，具體的歸一化公式如下：

則對各資源屬性進行歸一化后的結果為:

其中，A_cpu、A_mem、A_str、A_bw分別表示資源組合中的計算機處理器能力、內存大小、磁盤容量和網(wǎng)絡帶寬大小，分別為計算機處理器能力、內存大小、磁盤容量和網(wǎng)絡帶寬大小的歸一化值；

S322：采用線性加權法對資源組合的各個屬性進行加權求和，其中第k類資源組合的屬性值通過以下公式計算：

其中，ω_n(n＝1,2,3,4)為相應資源屬性的權重系數(shù)，ω_n∈[0，1]，且權重系數(shù)之間存在如下所示的關系：

S33：拍賣中介計算云服務消費者和云服務提供者的競價密度，其中：

云服務消費者i的競價密度按照以下公式進行：

其中，a_i，k，分別表示云服務消費者i的第k類資源組合的屬性值以及申請的數(shù)量；l為資源組合的種類數(shù)；b_i為云服務消費者i對所有申請的資源在單位時間內的出價；t_i為請求使用這些資源的時間，bd_i為云服務消費者i的競價密度；

云服務提供者j的競價密度按照以下公式進行：

其中，a′_j，k，分別表示云服務提供者j能提供的第k類資源組合的屬性值以及相應的數(shù)量；b′_j為云服務提供者j對提供的所有資源在單位時間內的要價；bd′_j為云服務提供者j的競價密度；

S34：拍賣中介根據(jù)信譽度、能耗和競價密度計算云服務消費者和云服務提供者的rank值，其中：

云服務消費者i的rank值根據(jù)以下公式計算：

云服務提供者j的rank值根據(jù)以下公式計算：

其中，REP_k，REP′_k分別表示云服務消費者i和云服務提供者j在第k輪拍賣的信譽值；

S35：把云服務消費者列表按照rank值從高到底進行排序，云服務提供者列表按照rank值從低到高進行排序；

S36：從云服務消費者列表的第一個云服務消費者的第一種資源組合開始，將云服務提供者列表的第一個云服務提供者的第一種資源組合與之進行匹配，如果不能滿足云服務消費者的資源組合需求，就將該云服務提供者的第二種資源組合與之進行匹配，循環(huán)下去，直至匹配為止；如果該云服務提供者的所有資源組合都不能滿足云服務消費者需求，就從下一個云服務提供者開始匹配，直到該云服務消費者的所有資源組合需求得到滿足；如果所有云服務提供者都不能滿足云服務消費者的某一個資源組合要求，則不分配給該云服務消費者任何資源，即該云服務消費者的資源分配數(shù)量為零，并接著為云服務消費者列表中下一個云服務消費者開始進行資源組合的匹配，一直循環(huán)下去，完成對所有用戶云服務消費者的資源需求的分配工作。

進一步的，步驟S5中，計算云服務消費者i需要支付給云服務提供者j的費用具體包括：

S51：計算云服務消費者和云服務提供者分別給出的平均價格：

云服務消費者i：

云服務提供者j：

其中，tq_i，tq′_j分別為云服務消費者i和云服務提供者j的組合資源的總數(shù)量；ap_i，ap′_j分別為表示云服務消費者i和云服務提供者j在單位時間內單位資源的價格；

S52：雙方平均交易價格通過以下公式計算：

S53：最終云服務消費者i需要在單位時間內支付給云服務提供者j的費用按照以下公式計算：

其中，為云服務提供者j分配給云服務消費者i的第k種資源組合的數(shù)量。

進一步的，步驟S7中，更新雙方的信譽值按照以下公式進行：

更新第k輪云服務消費者i的信譽值：

更新第k輪云服務提供者j的信譽值：

其中，total_tr_i，k-1，total_tr′_j，k-1分別表示云服務消費者i和云服務提供者j參加第k-1次拍賣后的累計交易額；表示第k輪拍賣中，云服務消費者i支付給云服務提供者j的費用；表示第k輪拍賣中，云服務提供者j從云服務消費者i得到的費用；Score_{j，i，k}、Score′_{i，j，k}分別表示云服務提供者j對云服務消費者i在第k次拍賣中的表現(xiàn)的評分、云服務消費者i對云服務提供者j在第k次拍賣中的表現(xiàn)的評分，且Score_{j，i，k}，Score′_{i，j，k}∈[0,1]；CR_{j，i，k}，CR′_{i，j，k}分別表示云服務提供者j對云服務消費者i在第k次拍賣中的可信度和云服務消費者i對云服務提供者j在第k次拍賣中的可信度；是信譽值隨時間的衰減系數(shù)，公式如下所示：

其中，表示參與者參加第k次和第k-1次拍賣的時間間隔，t_min和t_max表示時間間隔的上限和下限；

可信度CR_j，i，k，CR′_i，j，k分別通過以下公式計算：

或

其中num_eva_{j，i，k}，num_eva′_{i，j，k}分別為截止到第k輪拍賣為止，云服務提供者j對云服務消費者i總共評價的次數(shù)和云服務消費者i對云服務提供者j總共評價的次數(shù)；num_dis_{j，i，k}，num_dis′_i，j，k分別為為截止到第k輪拍賣為止，云服務提供者j認為云服務消費者i不誠實的次數(shù)和云服務消費者i認為云服務提供者j不誠實的次數(shù)。

本發(fā)明的有益效果：本發(fā)明采用組合雙向拍賣模型來實現(xiàn)資源的分配方法，該方法針對云資源市場中多個云服務消費者和多個云服務提供者參與拍賣，參與者在市場拍賣中進行交易時，不僅考慮雙方的價格因素，也綜合考慮雙方的信譽度和能耗等各種因素。并且還采用了貪婪算法來選取云服務消費者與云服務提供者最優(yōu)的資源匹配組合，極大地提高了拍賣市場的效率，抵制了拍賣中的欺詐問題和惡意行為，保證了市場參與者的公平性，增加了云服務提供者的收益，提高了云計算系統(tǒng)的資源利用率，降低了數(shù)據(jù)中心的能耗。

附圖說明

圖1為實施本發(fā)明的云環(huán)境中的資源配置方法的拍賣市場的基本框架。

圖2為本發(fā)明的云環(huán)境中的資源配置方法中基于信任和能耗感知的組合雙向拍賣機制的系統(tǒng)框架。

圖3為本發(fā)明的云環(huán)境中的資源配置方法中雙向組合拍賣機制的流程圖。

圖4為本發(fā)明的云環(huán)境中的資源配置方法中雙向組合拍賣實例示意圖。

具體實施方式

為了進一步理解本發(fā)明，下面結合附圖1-4及具體實施例對本發(fā)明優(yōu)選實施方案進行描述，但是應當理解，這些描述只是為進一步說明本發(fā)明的特征和優(yōu)點，而不是對本發(fā)明權利要求的限制。

實施例1

本發(fā)明提供的云環(huán)境中考慮能耗和信譽度的資源配置方法，如圖3所示，包括以下步驟：

S1：本發(fā)明提出的云環(huán)境下的資源分配方法有以下3種角色:用戶代理Proxy、云服務提供者CSP和拍賣中介AI。其中，拍賣中介負責收集參與者的投標信息，然后執(zhí)行資源分配過程，用戶代理幫助云服務消費者整理和規(guī)范資源請求并將資源提交給拍賣中介。

拍賣中介通知拍賣開始，當云服務消費者需要資源時，就把競標的相關信息(如需要的組合資源種類以及數(shù)量、請求使用資源的時間、出價等)提交給Proxy，Proxy發(fā)送給AI；當CSP愿意提供資源服務時，就把競標的相關信息(如提供的組合資源種類以及數(shù)量、要價等)發(fā)送給AI；

請求/提供資源的信息如下：計算機處理器能力CPU(MIPS)、內存memory(MB)、磁盤存儲storage(MB)和網(wǎng)絡帶寬(B/S)。云服務消費者可以申請多種資源組合，每種資源組合也可以被申請多個。云服務提供者也提供多種資源組合，云服務提供者是以虛擬機的形式提供組合資源的，每種資源組合也被云服務提供者提供多個。

S2：AI收集到這些市場參加者的投標，利用能耗估測系統(tǒng)對云服務消費者所提交的資源請求進行能耗預估；

S21：云服務消費者i所提交的組合資源請求的總能耗預估值：

云服務消費者i所提交的組合資源請求的平均能耗預估值：

其中，表示云服務消費者i申請的第k類資源組合的能耗預估值，為云服務消費者i申請的第k類資源組合的數(shù)量，Eng_avg_i，Eng_total_i分別為云服務消費者i資源請求的平均能耗預估值和總能耗預估值。

S3：AI根據(jù)信譽度、能耗和競價密度計算雙方的rank值,再將云服務消費者按rank值進行降序排列，將CSP按rank值升序排列，將云服務消費者和云服務提供者依次匹配而得到資源分配方法，決定獲勝的云服務消費者和CSP，并計算云服務消費者需要支付的費用。獲勝者確定方法的包括以下步驟：

S31：把每個云服務消費者的組合資源按照計算機處理器大小從低到高進行排序，同時，把每個CSP的組合資源按照計算機處理器大小從低到高進行排序。

S32:拍賣中介計算云服務消費者和CSP的提交的組合資源中的每一類資源組合的屬性值。

采用實數(shù)規(guī)范化公式對資源組合中的各資源屬性如CPU大小、內存大小等進行歸一化處理，具體的歸一化公式如下：

則對各資源屬性進行歸一化后的結果為:

其中，A_cpu、A_mem、A_str、A_bw分別表示資源組合中的CPU處理能力、內存大小、磁盤容量和網(wǎng)絡帶寬大小，分別為CPU處理能力、內存大小、磁盤容量和網(wǎng)絡帶寬大小的歸一化值。

為了計算具有不同屬性量綱的資源，本專利采用線性加權法對各個屬性進行加權求和。第k類資源組合的屬性值通過以下公式計算：

其中，a_k表示云服務消費者或CSP提交的組合資源中的第k類資源組合的屬性值。ω_n(n＝1,2,3,4)為相應資源屬性的權重系數(shù)，且ω_n∈[0，1]，ω_n的不同取值表明各資源屬性的偏好程度不同。權重系數(shù)之間存在如下所示的關系：

S33：拍賣中介計算云服務消費者和CSP的競價密度。

云服務消費者i的競價密度按照以下公式進行：

其中，a_i，k，分別表示云服務消費者的第k類資源組合的屬性值以及申請的數(shù)量；l為資源組合的種類數(shù)；b_i為云服務消費者對所有申請的資源在單位時間內的出價；t_i為請求使用這些資源的時間，bd_i為云服務消費者i的競價密度。

CSP_j的競價密度按照以下公式進行：

其中，a′_j，k，分別表示云服務提供者j能提供的第k類資源組合(虛擬機)的屬性值以及相應的數(shù)量；b′_j為云服務提供者j對提供的所有資源在單位時間內的要價；bd′_j為CSP_j的競價密度。

S34：拍賣中介根據(jù)信譽度、能耗和競價密度計算雙方的rank值。在拍賣市場中，云服務提供者想要把資源提供給價格高、信譽度高且消耗能耗預估值少的云服務消費者，同樣，云服務消費者希望從那些信譽度高且出價少的云服務提供者們那里得到所需的資源。

云服務消費者i的rank值根據(jù)下列式子計算：

CSP_j的rank值根據(jù)下列式子計算：

其中，REP_k，REP′_k分別表示云服務消費者i和CSP_j在第k輪拍賣的信譽值。

S35：把云服務消費者列表按照rank值從高到底進行排序，CSP列表按照rank值從低到高進行排序；

S36：從云服務消費者列表的第一個云服務消費者的第一種資源組合開始，將CSP列表的第一個云服務提供者的第一種資源組合(即虛擬機)與之進行匹配，如果不能滿足云服務消費者的資源組合需求，就將該云服務提供者的第二種資源組合與之進行匹配，循環(huán)下去，直至匹配為止；如果該云服務提供者的所有資源組合都不能滿足云服務消費者需求，就從下一個云服務提供者開始匹配，直到該云服務消費者的所有資源組合需求得到滿足；如果所有云服務提供者都不能滿足云服務消費者的某一個資源組合要求，則不分配給該云服務消費者任何資源，即該云服務消費者的資源分配數(shù)量為零，并接著為云服務消費者列表中下一個云服務消費者開始進行資源組合的匹配，一直循環(huán)下去，完成對所有云服務消費者的資源需求的分配工作。

S4：AI將分配的結果返回給用戶代理Proxy和CSP，用戶代理再將結果返回給云服務消費者；

S5：CSP根據(jù)分配結果提供相應的資源給云服務消費者，云服務消費者支付相應的費用給CSP，完成交易。云服務消費者i需要支付給的費用通過以下公式計算：

S51：按照以下公式，計算云服務消費者和云資源提供者分別給出的平均價格：

云服務消費者i：

CSP_j；

其中，tq_i，tq′_j分別為云服務消費者i和CSP_j的組合資源的總數(shù)量；ap_i，ap′_j分別為表示云服務消費者i和CSP_j在單位時間內單位資源的價格。

S52：雙方平均交易價格通過以下式子進行：

S53：最終云服務消費者i需要在單位時間內支付給CSP_j的費用按照以下公式計算：

其中，為CSP_j分配給云服務消費者i的第k種資源組合(虛擬機)的數(shù)量。

S6：拍賣之后，每個云服務消費者和每個云服務提供者根據(jù)其體驗質量對其合作伙伴的行為進行評分，并提交給AI；

S7：拍賣中介對應地更新雙方的信譽值，計算信譽值分別按照以下公式進行：

更新第k輪云服務消費者i的信譽值：

更新第k輪CSP_j的信譽值：

其中，total_tr_i，k-1，total_tr′_j，k-1分別表示云服務消費者i和CSP_j參加第k-1次拍賣后的累計交易額；表示第k輪拍賣中，云服務消費者i支付給云服務提供者j的費用；表示第k輪拍賣中，云服務提供者j從云服務消費者i得到的費用；Score′_{j，i，k}、Score′_{i，j，k}分別表示CSP_j對云服務消費者i在第k次拍賣中的表現(xiàn)的評分、云服務消費者i對CSP_j在第k次拍賣中的表現(xiàn)的評分，且Score_j，i，k，Score′_{i，j，k}∈[0,1]；CR_{j，i，k}，CR′_{i，j，k}分別表示CSP_j對云服務消費者i在第k次拍賣中的可信度和云服務消費者i對CSP_j在第k次拍賣中的可信度；是信譽值隨時間的衰減系數(shù)，公式如下所示：

其中，表示參與者參加第k次和第k-1次拍賣的時間間隔，t_min和t_max表示時間間隔的上限和下限。

可信度CR_j，i，k，CR′_{i，j，k}分別可以通過以下式子計算：

或

其中num_eva_{j，i，k}，num_eva′_{i，j，k}分別為截止到第k輪拍賣為止，CSP_j對云服務消費者i總共評價的次數(shù)和云服務消費者i對CSP_j總共評價的次數(shù)；num_dis_j，i，k，num_dis′_{i，j，k}分別為為截止到第k輪拍賣為止，CSP_j認為云服務消費者i不誠實的次數(shù)和云服務消費者i認為CSP_j不誠實的次數(shù)。

S8：拍賣結束。

實施例2

作為一個具體的例子，結合圖4所示，以一個具體的拍賣實例來描述本發(fā)明的雙向組合拍賣機制的流程，實體間具體的拍賣流程如下：

在雙向組合拍賣市場中，假設有3個云服務消費者和3個云服務提供者參與拍賣市場。

拍賣中介通知拍賣開始，云服務消費者1將資源請求發(fā)送給用戶代理1，用戶代理1為云服務消費者1整理出規(guī)范格式的投標信息“{(250,256,10000,400),3；(500,256,1500,250),1；72RMB；53min}”。其中，在“(250,256,10000,400),3；”中，250、256、10000、400分別表示云服務消費者1申請的一組資源組合中CPU處理能力、內存容量、磁盤存儲和網(wǎng)絡帶寬的大小，3為請求該資源組合的數(shù)量。在“(500,256,1500,250),1；”中，500、256、1500、250分別為云服務消費者1申請的另一組資源組合中CPU處理能力、內存容量、磁盤存儲和帶寬的大小，1為請求該資源組合的數(shù)量。云服務消費者1請求使用這兩個組合資源的時間為53分鐘，出價為72元人民幣。與此同時，云服務消費者2和云服務消費者3將各自的資源請求提交給代理2和代理3，代理們再將相應的云服務消費者投標提交給拍賣中介。云服務提供者1將愿意提供資源的投標信息{VM1(1000,512,4000,500),3；VM2(500,256,2000,300),5；144RMB}提交給拍賣中介。其中，在“VM1(1000,512,4000,500)；3”中，1000、512、4000、500分別為云服務提供者提供的一組資源組合(虛擬機)中CPU處理能力、內存容量、磁盤存儲和網(wǎng)絡帶寬的大小，3為提供該虛擬機的數(shù)量。云服務提供者對于其提供的所有資源組合的要價為144元人民幣。與此同時，云服務提供者2和3也將各自愿意提供資源的投標信息提交給拍賣中介。

拍賣中介收集到這些市場參加者的投標信息，利用能耗估測系統(tǒng)對云服務消費者所提交的組合資源進行能耗估值。然后拍賣中介根據(jù)信譽度、能耗和競價密度計算雙方的rank值,再將云服務消費者按rank值進行降序排列，將云服務提供者按rank值升序排列，執(zhí)行資源分配方法，決定獲勝的云服務消費者和云服務提供者，并計算云服務消費者需要支付的費用。

資源分配完成后，拍賣中介將分配的結果返回給雙方，云服務提供者根據(jù)分配結果提供相應的資源給云服務消費者，云服務消費者支付相應的費用給云服務提供者，完成交易。

在交易完成之后，每個云服務消費者和每個云服務提供者根據(jù)其體驗質量對其合作伙伴的行為進行評分，并提交給拍賣中介，拍賣中介對應的更新雙方的信譽值，到此一輪拍賣過程結束。

以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進行若干改進和修飾，這些改進和修飾也落入本發(fā)明權利要求的保護范圍內。