一种能量受限无线云计算下的动态调度和动态定价方法
【技术领域】
[0001] 本发明涉及一种能量受限无线云计算下的动态调度和动态定价方法，属于无线云 计算技术领域。
【背景技术】
[0002] 无线云技术已成为未来的核心技术，因此许多IT公司已开始针对无线云计算的技 术进行研究，并产生了许多具有商业性无线云服务能力的数据中心。目前，根据研究数据显 示，IT行业或电信公司的相关能量消耗已成为能源消耗的重要部分，且该领域能量消耗还 在随着全球对计算，数据存储，通信技术的需求快速上升，因此，控制相应数据中心的能效 已经成为目前热门的问题。数据中心的能量来源于电力公司的电能，出于对能效问题的考 虑，那些大型的云服务运营商受到了电力公司或政府对数据中心的能量限制的要求。然而， IT行业或电信公司所追求的是如何使自己运营的云资源数据中心的利润最大化。在有限的 能量要求下，如果数据中心的能量消耗超过电力公司或政府的限制，电力公司或政府会提 升数据中心的电力价格，甚至可能会直接对数据中心采取断电措施，无论采取以上何种方 式都会使云资源服务运营商的利润减少。如果数据中心的能量消耗能够一直符合要求，电 力公司或政府会给数据中心提供更加优惠的电力合同或者减少数据中心的税收，这样云资 源服务运营商的利润就会相应增加。因此，需要研究在有限的电力资源下如何使运营数据 中心的服务运营商的利润最大化。
[0003] Shaolei等人（Shaolei Ren , van der Schaar，M· "Dynamic Scheduling and Pricing in Wireless Cloud Computing，'，IEEE Transactions on Mobile Computing, 2014,13(10) :2283-2292.)提出了一种联合动态调度和动态定价算法来实现服务运营商长 期平均利润的最大化，然而，他们并没有考虑很实际的能量限制条件。Polverini等人 (Polverini.M,Ren.S,Cianfrani.A,^Capacity provisioning and PRIcing for cloud computing with energy capping，''Communication，Control，and Computing(Allerton), 2013 51st Annual Allerton Conference on，2013:413-420 ·)提出了一种能量受限算法 通过动态控制数据中心能量的消耗来最优化服务运营商的长期平均利润，然而该文中没有 研究用户的流量需求给服务运营的长期平均利润带来的影响。
[0004] M.J.Neely(M.J.Neely,^Universal scheduling for networks with arbitrary traffic , channels , and mobility,^Decision and Control(CDC),2010 49th IEEE Conference on,vol. ,no. ,pp. 1822,1829,15-17 Dec.2010)提出了一种能够解决应用于随 机环境中的普遍调度方法，该方法能够提供一定的理论基础，但是并没有研究和涉及如何 应用于无线云计算的环境下。而本发明能够很好地解决上面的问题。
【发明内容】
[0005] 本发明目的在于解决了无线云计算的数据中心在能量受到限制的条件下，联合采 用动态调度和动态定价的问题，提出了一种能量受限无线云计算下的动态调度和动态定价 方法，该方法使服务运营商的长期平均利润最大化，通过计算容易求解的时隙利润最大值 来最终确定长期平均利润的范围，并且能够分析如何使服务运营商的长期利润最大。
[0006] 本发明解决其技术问题所采取的方案是:一种能量受限无线云的动态调度和定价 方法，该方法根据对李雅普诺夫最优化理论的研究将该理论应用于本发明中来解决如何使 云服务运营商的长期利润最大化，在本发明的方法中通过最小化1时隙李雅普诺夫偏移加 上目标函数的罚函数，使得模型中的队列长度序列和由能量赤字序列得到稳定，且此时目 标函数能够达到最优。
[0007] 方法流程：
[0008] 步骤1:对流量需求模型中参数定义。
[0009] 本参数涉及数据中心运行时用户的综合流量需求，这些流量需求中大体分为两大 类，一类是占大部分比例的具有容忍延时特性的流量需求，另一类是不能容忍延时的流量 需求。
[0010] 步骤2:对能说明数据中心的队列稳定的流量队列要求和能量赤字队列的限制。 [0011]步骤2-1:本发明中针对数据中心的流量需求处理，引入能反映队列稳定状态量q (t)。该状态量可以用来表示数据中心的流量需求处理能力和用户的流量需求量之间的平 衡关系。
[0012]步骤2-2:对于电力公司的长期能量限制，引入能反映能量限制状态量的能量赤字 队列n(t)。该能量赤字队列可以在队列稳定要求方面体现能量限制要求。
[0013]步骤3:队列稳定性的定义，即：
[0014] 引入队列q(t)和n(t)，当在最小化其1时隙李雅普诺夫偏移时，能够使队列q(t)和 n(t)趋于稳定。
[0015] 步骤4:计算云服务运营商所获得的利润。
[0016]为了求得云服务运营商能够获得的长期最大利润，将云服务运营商在每个时隙给 用户提供服务所获得的利润，以及供养数据中心运行所消耗的利润分别计算出来，这样就 可以得到最优化云服务运营商利润h(t)的模型。
[0017] 步骤5:应用李雅普诺夫最优化理论的利润最大化动态调度和定价策略。
[0018] 针对流量需求能容忍延时的特性，将动态调度和动态定价方法应用于最大化利润 的每个时隙，实现长期利润的最大化。通过最小化相应的李雅普诺夫偏移加上目标函数的 罚函数的方法，实现了满足相应的队列稳定条件，同时使目标函数达到最优。
[0019] 本发明主要应用于无线云计算中，采用动态调度和动态定价方式实现长期利润的 最大化。
[0020] 有益效果：
[0021] 1、本发明在考虑能量限制条件下，将动态调度和动态定价方法在优化过程中得到 实现。
[0022] 2、使用李雅普诺夫最优化理论求解最大化利润过程，引入参数V，实现利润和延时 以及能量消耗限制的均衡。
[0023] 3、由于李雅普诺夫最优化理论能够应用于随机环境的特点，因此本方法不需要预 测未来的信息就可实现相应的优化。
【附图说明】
[0024]图1为本发明的方法流程图。
[0025]图2为本发明的模型构造图。
[0026] 图3为比较使用本发明方法所获得的利润和理想情况下所获得利润与参量V的关 系示意图。
【具体实施方式】
[0027] 下面结合说明书附图对本发明创造作进一步的详细说明。
[0028] 如图1、图2、图3所示，本发明提供了一种能量受限的无线云计算下的动态调度和 动态调度方法，该方法具体包括如下步骤：
[0029] 步骤1:对流量需求模型中参数定义。
[0030] 结合图2的用户需求和数据中心处理能力的模型图，本发明中针对用户的流量需 求具有容忍延时的特性，将所涉及的用户流量需求定义如下：
[0031]
[0032] 其中罅|>)是能够满足基站i内所有用户的期望利润时该基站内用户的流量需求， N是基站的个数。
[0033]步骤2:对能说明数据中心的队列稳定的流量队列要求和能量赤字队列的限制。
[0034] 把在t时刻数据中心处理的流量记为d(t)，那么消耗相应能量为Ε(〇=λ · d(t)A 是一个常数，该式反映了处理单位流量时所消耗的能量。当数据中心饱和时那么这个时候 其他的服务就需要处于等待处理状态，假设处于等待处理状态的序列长度为q(t)，q(t)随 时间更新如下：
[0035] q(t+l) = [q(t)_d(t)]++b(t)式 2
[0036] 其中[q(t)_d(t) ] +=max[q(t)_d(t)，0] 〇
[0037] 本发明考虑电力公司在^^时间内给云服务运营商的能量要求为Z，则可以得到这 段时间内的平均能量限制戈
为了在下文的优化方便，引入能量赤字 序列n(t)来表达上述能量限制条件，其序列更新式子如下：
[0038] n(t+l)=n(t) + [E(t)-z]+ 式 3 [0039]步骤3:队列稳定性的定义
[0040]对于任意的离散序列过程Q(t)，当满足公式条件?
.为Q(t)是稳 定的。
[0041]本发明引入队列q(t)和n(t)，由它们相应的李雅普诺夫函数可以得到其1时隙李 雅普诺夫偏移，当在最小化其1时隙李雅普诺夫偏移时，可得到
和
，能够使队列q(t)和n(t)趋于