服务水平协议感知的云中心利润最大化资源配置

效劳程度协议感知的云中心利润最大化资源配置摘要：针对云计算中心优化资源配置以实现利润最大化的问题，提出基于效劳程度协议〔SLA〕感知的云中心效劳器数量和运行速率优化的分析模型，同时考虑了云中心能耗本钱、效劳器租用本钱、用户等待时间、SLA违规惩罚等重要因素。通过数值仿真分析了效劳器数量、运行速率变化对云中心利润的影响。数值仿真结果说明：在恳求速率固定时，通过优化效劳器数量、运行速率可使云中心获得最大利润；而随着恳求速率的增加，优化效劳器数量和运行速率将会使云中心利润呈线性增长。分析结果可为云效劳提供商获得更好的收益提供参考方法。关键词：云中心；利润最大化；资源配置；效劳程度协议感知；等待时间中图分类号：TP393.02文献标志码：A英文摘要Abstract：Fortheproblemofoptimizingresourceallocationtoachieveprofitmaximizationofcloudputingcenter，ananalysismodelbasedonServiceLayerAgreement〔SLA〕awarewasproposedforoptimizingservernumberandspeedofcloudcenter.Meanwhilesomeimportantfactorsweretakenintoaccount，suchasenergycost，serverrentalcost，customerwaitingtime，andSLAviolationpenalty.Theimpactsofcloudcenterprofitbychangingservernumberandspeedwereanalyzedbynumericalsimulation.Thenumericalsimulationresultsindicatethatcloudcenterwillobtainmaximumprofitbyoptimizingservernumberandspeedatacertainrequestrate；withrequestrateincreasing，profitwillincreaselinearlybyoptimizingservernumberandspeed.Theanalysisresultscanprovideareferencemethodforcloudserviceprovidertoimprovenetbusinessgain.英文关键词Keywords：cloudcenter；profitmaximization；resourceallocation；ServiceLayerAgreement〔SLA〕aware；waitingtime0引言本文从市场驱动和经济角度出发，分析云中心的效劳收入和运营本钱，并结合SLA违规惩罚、效劳器能耗、效劳器租用本钱等因素，提出了优化效劳器数量和运行速度以获得最大利润的云中心资源配置模型。论文采用M/M/m排队模型作为云中心效劳器分析模型，并采用特征函数法给出了用户等待时间的概率密度分布函数，同时通过大量数值实验比较了在不同效劳器数量和速率配置下的云中心收益，并分析了恳求流量增加时，优化资源配置对利润的影响。本文可为云效劳提供商优化云中心资源配置获得更好的经济回报提供参考方法。1系统模型1.1云中心模型3实验结果分析1〕优化效劳器数量。2〕优化运行速率。3〕优化效劳器数量和运行速率实验结果说明，通过优化云中心的效劳器数量和运行速率，进步云中心有效流量，减少效劳器的能耗本钱和租用本钱，可以使云中心获得经济利润到达最优。4结语云中心的经济收益是云中心可持续运营的关键所在，也是云效劳提供商重点关注问题之一。本文从市场回报和商业本钱多角度分析了云中心的经济利润模型，考虑了效劳器数量、效劳器运行速率、用户体验等多种因素，提出了优化云中心配置以获得最大利润的相关方法。仿真实验结果说明：假设云中心的效劳器数量和运行速率配置过低，将容易产生SLA违规惩罚导致云中心利润减少；而效劳器资源配置过载时那么容易造成能耗本钱和租用本钱升高，给云中心收益带来影响；使用本文提出的优化效劳器和优化运行速率的方法，可以使云中心的利润收益获得最优，同时实现云中心收益和用户恳求负载呈线性增长的良好趋势。本文的实验数据为云效劳提供商运营云中心、实现资源优化配置以获得更高的经济回报提供可行理论根据和参考数据。下一步工作拟在云中心的动态资源分配和分布式云中心的资源调度等方向进展研究。参考文献：[1]BUYYAR，YEOCS，VENUGOPALS，etal.CloudputingandemergingITplatforms：vision，hype，andrealityfordeliveringputingasthe5thutility[J].FutureGenerationputerSystems，2022，25〔6〕：599-616.[2]ARMBRUSTM，FOXA，GRIFFITHR，etal.Aviewofcloudputing[J].municationsoftheACM，2022，53〔4〕：50-58.SpringerVerlag，2022：371-384.[12][14]LUC.Queuingtheory[M].Beijing：BeijingUniversity