最大化云服务提供商收益问题的研究

摘要

随着计算任务被广泛地放在云环境下运行，越来越多的企业通过租赁自己的资源获得相应的收益。如何在保障用户服务质量的情况下，如何使获得的收益最大化成为这些服务提供商所关注的问题。之前的一些相关研究主要是通过合理地调整用户任务的放置方式来提高数据中心资源利用率的，而且大部分都是针对离线方式的调度。由于在现实的任务分配场景下，系统调度器是不可能了解到未来到来的任务需求情况的，之前的这些研究都是具有局限性的。
　　针对这种情况，本文首先将用户提交的任务申请和数据中心的资源分别用图来进行抽象表示，其中图的点代表计算资源和存储资源，边的权值量化了带宽资源。然后我们设计了基于Markov的算法可以近似地求出离线模式下该问题的最优解。我们把一种可行的分配方案称为一个配置(configure)，将探求最优解的迭代过程看成一个可逆马尔可夫链的转移过程，并利用KKT条件获得了在两个不同配置之间的相对转移概率。然后，本文又从不同资源限制的角度（计算资源，存储资源，带宽资源）应用原-对偶技术，提出了竞合比为(1-1/e)的在线近似算法。最后本文通过对云环境下任务的仿真，验证了在线方法的理论下界。

目录

声明

摘要

第一章 绪论

1．1 云计算

1．2 云计算的技术支持

1．3 数据中心

1．4 相关工作

1．5 主要贡献和文章结构

第二章 问题定义和形式化表达

2．1 问题描述

2．2 变量声明

2．2．1 数据中心的抽象

2．2．2 用户任务抽象

2．2．3 其他变量

2．3 问题的形式化描述

第三章 基于Markov链近似求离线最优解

3．1 构造初始配置

3．2 构造新配置

3．3 利用Markov链近似求解最优解的理论说明

第四章 利用原-对偶技术求在线近似解

4．1 在线算法

4．1．1 传统在线算法的定义

4．1．2 本文对于在线算法的定义

4．2 用户任务选择和资源分配问题的在线算法

第五章 实验结果及分析

5．1 数据中心拓扑结构

5．2 生成用户任务

5．3 实验结果

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

发表论文和参加科研情况说明

致谢