一种分布式多云数据中心中基于收益的请求访问控制方法
【专利摘要】本发明涉及一种分布式多云数据中心中基于收益的请求访问控制方法。该方法能够从而有选择性地接受请求，通过综合考虑请求的优先级、收益和期望响应时间等因素，倾向于接受高优先级的请求，并且保证所有接受请求的总带宽需求不超过所有可用的网络服务提供商的总带宽。根据用户请求以及网络和服务器资源，基于排队论建立了一种针对分布式的多云数据中心的M/M/m的排队系统模型。基于此设计了一种可将每个应用请求的响应时间转化为对应的收益的效应函数。建立了分布式的多云数据中心中请求访问控制的约束非线性规划模型。并采用罚函数方法和混合的启发式优化算法，给出了基于收益的请求访问控制策略。本发明能够有选择性地接受各类应用的请求，从而最大化分布式的多云数据中心提供商的收益。
【专利说明】
-种分布式多云数据中心中基于收益的请求访问控制方法
技术领域
[0001] 本发明设及一种基于收益的请求访问控制方法，提别是一种分布式多云数据中屯、 中基于收益的请求访问控制方法。
【背景技术】
[0002] 目前云数据中屯、中的基础设施资源同时运行着大量的应用服务，并且向来自世界 各地的用户提供服务。为了提高应用的性能和可用性，每个云数据中屯、提供商管理着一个 由多个分布于多个地点的云数据中屯、组成的数据中屯、网络。同样，出于性能和成本的考虑， 每一个云数据中屯、连接着多个网络服务提供商。运些网络服务提供商负责传输在来自世界 各地的海量用户和云数据中屯、提供商之间交互的数据。
[0003] 用户的请求必须首先经过由多个网络服务提供商构成的广域网链路，然后才能到 达分布式的多云数据中屯、。随着分布式的多云数据中屯、中应用的请求逐渐增大，目前很多 云提供商包括谷歌和微软等，每天通过网络服务提供商传输的数据达到PB级。此外，云数据 中屯、中绝大部分应用的请求通常缺乏固定的规律和模式，具有高度的动态性。比如Google 数据中屯、的不同类型的应用请求中，只有20%的应用请求数据具有周期性和重复性特征。 因此，云数据中屯、提供商很难采用现有的请求预测方法提前精确地对将来的请求信息进行 预测。因此，为了克服请求到达的高度动态性和难W精确预测性，需要设计合理的请求访问 控制策略来保证云数据中屯、中每个应用请求的性能。
[0004] 此外，近年来出现的软件定义的网络（Software-Defined Networking，SDN)技术 通过将请求在多个可用的网络路径之间进行调度，可W提供集中式的控制和支持细粒度的 流量工程。现有研究表明在分布式的多云数据中屯、环境下的集中式请求路由和控制是可行 的。然而，分布式的多云数据中屯、中现有的请求调度算法不加区分地对待所有到达的请求， 从而在为请求分配可用的网络带宽时忽视了请求之间的优先级差异，尤其是当无法预测的 失败发生时。此外，与云数据中屯、相连接的不同网络服务提供商的带宽容量限制是不同的。 比如，如果将过多的请求分配到某一条网络链路上，那么该条网络链路就会变得拥塞。因 此，运条网络链路就会导致较长的延迟时间和较差的性能。
[0005] 高优先级的请求会给分布式的多云数据中屯、提供商带来更多的收益。因此，运些 请求具有优先进入云数据中屯、的机会。然而，运并不意味着低优先级的请求必须等到所有 高优先级的请求被处理完成后才能进入云数据中屯、。如果没有足够多的物理服务器来处理 高优先级的请求，那么运些请求就会经历相对较长的响应时间。在运种情况下，根据服务等 级协议，运些请求就会给分布式的多云数据中屯、提供商带来较少的甚至零收益。因此，随着 云数据中屯、中不同应用请求的增大，如何提供一种有效的请求访问控制方法，从而在满足 应用请求的性能要求和网络服务提供商带宽容量限制的前提下最大化云数据中屯、提供商 的收益就成为了一个难题。
【发明内容】
[0006] 针对W上现有技术的不足，本发明提供一种基于收益的请求访问控制方法从而有 选择性地接受请求，通过综合考虑请求的优先级、收益和期望响应时间等因素，倾向于接受 高优先级的请求，并且保证所有接受请求的总带宽需求不超过所有可用的网络服务提供商 的总带宽，解决分布式的多云数据中屯、提供商的收益最大化问题。
[0007] 根据本发明的一个方面，提供了分布式多云数据中屯、中请求访问控制模型，包括： 根据用户请求、网络服务提供商的带宽资源和云数据中屯、的服务器资源，建立一种针对分 布式多云数据中屯、的排队系统模型，为每个云数据中屯、中每个应用的请求建立性能模型， 并描述具体的方法和过程;为了将每个应用请求的响应时间转化为其给云数据中屯、提供商 带来的收益，建立一个效应函数。
[000引根据本发明的另一方面，提供了一种基于收益的请求访问控制方法，包括:设计一 种罚函数方法，可将约束优化问题转化为无约束优化问题;采用一种混合的启发式优化算 法求解转化后的无约束优化问题，获得基于收益的请求访问控制策略，从而最大化分布式 多云数据中屯、提供商的收益。
[0009] 根据本发明的上述方面，针对目前分布式的多云数据中屯、处理应用请求的架构模 式的特点，在分布式多云数据中屯、中基于收益的请求访问控制方法基础上，通过综合考虑 请求的优先级、收益和期望响应时间等因素，使得分布式的多云数据中屯、提供商的收益最 大化。
[0010] 本发明的目的通过W下技术方案来实现：
[0011] 一种分布式多云数据中屯、中基于收益的请求访问控制方法，该方法包括如下步 骤：
[0012] 1)根据用户请求、网络服务提供商的带宽资源和云数据中屯、的服务器资源，基于 排队论针对分布式多云数据中屯、建立一种排队系统模型，获取每个云数据中屯、中每个应用 的请求的响应时间；
[001引 2)对每个云数据中屯、中每个应用的请求的响应时间建立一种效应函数，得至晦个 应用请求为云数据中屯、提供商带来的收益；
[0014] 3)根据分布式多云数据中屯、的排队系统模型和效应函数关系，建立分布式多云数 据中屯、中请求访问控制模型；
[0015] 4)在3)的基础上，建立一种罚函数方法，获得相应的无约束优化问题；
[0016] 5)采用混合的启发式优化算法求解4)中的无约束优化问题，获得基于收益的请求 访问控制策略，从而最大化分布式多云数据中屯、提供商的收益。
[0017] 进一步，所述针对分布式多云数据中屯、的排队系统模型为一个M/M/m模型。
[0018] 进一步，所述M/M/m排队系统模型中每个应用的请求的响应时间为：
[0019]
[0020] 其中，
[0021 ] OERTn表示应用η的每个请求的估计响应时间；
[0022] ii)Mc,n表示云数据中屯、c(l《c《C)中对应于应用η的物理服务器的总数；
[0023] ??)μ。,η表示云数据中屯、c中对应于应用η的物理服务器的处理能力；
[0024] ?ν)λη表示接受的应用η的请求到达率。
[0025] 进一步，所述一种效应函数Un(tn)的具体定义方式为：
[0026]
[0027] 其中，
[0028] i)Un(tn)表示在tn时间内执行应用η的每个请求所带来的收益；
[0029] ii)Rn表示执行应用η的每个请求所能够带来的最大的收益；
[0030] iii)2T"表示每个应用η的请求的最小可接受的响应时间；
[0031] ?ν)?ΓΧ表示每个应用η的请求的最大可接受的响应时间。
[0032] 进一步，所述所述分布式多云数据中屯、中请求访问控制模型，是典型的约束非线 性规划模型。
[0033] 进一步，所述所述分布式多云数据中屯、中请求访问控制模型的目标为最大化所有 应用接受的请求为分布式多云数据中屯、提供商带来的收益，具体定义方式为：
[0034]
[0035] 其中，
[0036] i)Revenue表示所有应用接受的请求为分布式多云数据中屯、提供商带来的收益；
[0037] ii)rn表示根据所述的效应函数来计算应用n(l《n《N)的每个请求的执行所带来 的收値，即Γη二Un巧RTn)。
[0038] 进一步，所述接受的应用η的请求到达率不能超过该应用的请求到达率，即：
[0039]
[0040] 其中，
[0041] 表示应用η的请求到达率。
[0042] 进一步，所述接受的所有应用的请求的总带宽需求不能超过所有网络服务提供商 的总带宽容量限制，即：
[0043]
[0044] 其中，
[0045] i)sn表示应用η的每个请求的大小；
[0046] ii)/泣fKw表示网络服务提供商k(l《k《K)的带宽容量限制。
[0047] 进一步，所述为了保证一个M/M/m的排队系统的稳定，每个应用η接受的请求到达 率要小于所有云数据中屯、中对应于应用η的服务器处理能力的总和，即：
[004引
[0049]进一步，所述将约束优化问题转化为无约束优化问题的罚函数方法，具体定义方 式为：
[(K)加 ]
[0051] 其中，
[0052] i)Penalty表示对应于提出的约束非线性规划问题的罚函数；
[0053] ii)p表示不等式约束的个数。
[0054] iii)q表示等式约束的个数；
[0化5] iv) 丫和δ表示两个常数；
[0056] ν}胤獄{〇，-各,.(部表示每个不等式约束换脚如(1如含i?；)所对应的惩罚项；
[0057] ￥沛、,,(刮表示每个等式约束/!",巧=0(1含11.'^)所对应的惩罚项。。
[005引进一步，在所述混合的启发式优化算法中，对应每一个粒子的旧解和新解进行比 较。如果新解优于旧解，直接按照新解更新该粒子的位置信息。如果新解差于旧解，按照模 拟退火算法中经典的Metropolis准则决定是否接受该新解。在该准则中，如果接受该新解， 则直接更新该粒子的位置信息，否者不更新该粒子的位置信息。W此循环，直到满足该算法 的迭代终止条件，即得到当前最优解，从而得到最大化分布式多云数据中屯、提供商收益的 请求访问控制策略。
[0059] 本发明的优点在于：
[0060] 1.能够有选择性地接受各类应用的请求，通过综合考虑请求的优先级、收益和期 望响应时间等因素，倾向于接受高优先级的请求，并且保证所有接受请求的总带宽需求不 超过所有可用的网络服务提供商的总带宽。
[0061] 2.能够智能地拒绝部分高优先级的请求，接受部分能够带来更多收益的低优先级 的请求，从而最大化所有接受的请求的执行为分布式的多云数据中屯、提供商带来的收益， 并且保证所有接受的应用请求的响应时间要求。
【附图说明】
[0062] 图1 一种分布式多云数据中屯、中基于收益的请求访问控制方法组成示意图；
[0063]图2分布式的多云数据中屯、架构图；
[0064] 图3非线性的效应函数图。
【具体实施方式】
[0065] 下面将给出一种分布式多云数据中屯、中基于收益的请求访问控制方法的具体步 骤。
[0066] 第一步建立一种针对分布式多云数据中屯、的排队系统模型
[0067] 假定云数据中屯、中每个应用η的请求的到达符合泊松分布，对应的请求到达率为 為将分布式的多云数据中屯、建模为一个M/M/m的排队系统。对于应用η而言，每一个与 之对应的物理服务器的平均处理能力被定义为分布式的多云数据中屯、中所有的对应于该 应用的物理服务器的平均处理能力。此外，假定已经开启的物理服务器一直处于繁忙状态， 即在请求队列中总是有请求等待接受处理。因此，应用η的每个请求的估计响应时间ERTn可 W由下式(1)计算得到。
[00 側
。)
[0069] 为了使一个M/M/m的排队系统能够保持稳定，如下式(2)所示，要求对应于应用η的 分布式的多云数据中屯、中的物理服务器的服务强度小于1，即Ρη<1。
[0070]
[0071 ]第二步建立一种非线性的效应函数
[0072] 本发明采用一种效应函数Un(tn)来刻画在一定时间内执行应用η的每个请求所带 来的收益。Un(tn)的具体定义方式在下式(3)中给出。
[0073]
[0074] 如式(3)所示，Un(tn)与tn是负相关的关系。其中，Rn表示执行应用η的每个请求所 能够带来的最大的收益。优先级越高的应用请求的Rn越大。因此，高优先级的请求会带来更 高的收益。每个应用η的请求均有一个最大可接受的响应时间2；"""，即该应用的请求必须在 内得到执行，否则该应用的请求所带来的收益为零。此外，每个应用η的请求均有一个 最小可接受的响应时间。运里，本节设定写"d"的值为用户指定的应用η的响应时间约 束及写"6%即27''" = 此外，an表示应用η的每个请求所带来的收益随响应时间的变 化率。
[0075] 式(3)表明如果应用η的每个请求的响应时间tn小于2："'"，那么每个应用的请求的 执行所带来的收益是Rn。如果tn大于该请求的执行所带来的收益会随着tn的增加而减 小。如果tn大于该请求的响应时间对于用户而言是不可接受的，此时该请求的执行所 带来的收益为零。因此，当tn等于7Γ"时，Un(tn)等于零，即可W进一步得到 =0。因此，On可W通过下式(4)计算得到。
[0076]
(4)
[0077] 因此式(3)可W重新表示为下式(5)的形式。
[007引
砖）
[0079] 第Ξ步建立分布式多云数据中屯、中请求访问控制模型
[0080] 分布式多云数据中屯、中请求访问控制模型可W形式化为问题(P1)，如下式(6):
[0086] 在问题(P1)中，目标是最大化所有接受的请求的执行为分布式的多云数据中屯、提 供商带来的收益。约束式(7)限制了接受的应用η的请求到达率不能超过该应用的请求到达 率。约束式(8)限制了接受的所有应用的请求的总带宽需求不能超过所有网络服务提供商 的总带宽容量之和。约束式(9)给出了 M/M/m的排队系统能够保持稳定的条件。约束式（10) 计算应用η的每个请求的执行所带来的收益rn的方法。
[0087] 第四步建立一种罚函数方法
[0088] 本发明建立一种罚函数方法将约束优化问题转化为无约束优化问题。Penalty表 示对应于约束非线性规划问题的罚函数。问题(P1)中每个等式或者不等式约束均对应一个 惩罚项。Penalty的计算方法如下式（11):
[0089]
[0090] 在式（11)中，X表不由决策变量λη(η ε{1,···,Ν})构成的向量。丫和δ表不两个常 数。给定Ρ个不等式约束下，每个约束V可W首先被转化为g, 口《的。与此类似，给定 q个等式约束下，每个约束W可W首先被转化为巧= 。转化得到的无约束优化问 题(P2)则变为下式(12):
[0091]
(12)
[0092] au曲evenue表示转化后的目标函数。Θ表示一个非常大的正数。
[0093] 第五步给出一种基于收益的请求访问控制策略
[0094] 在第四步的基础上，为了解决分布式的多云数据中屯、提供商的收益最大化问题， 采用混合的启发式优化算法求解问题(P2)，获得基于收益的请求访问控制策略，基于此设 定每个应用接受的请求到达率。在所述混合的启发式优化算法中，对应每一个粒子的旧解 和新解进行比较。如果新解优于旧解，直接按照新解更新该粒子的位置信息。如果新解差于 旧解，按照模拟退火算法中经典的Metropolis准则决定是否接受该新解。在该准则中，如果 接受该新解，则直接更新该粒子的位置信息，否者不更新该粒子的位置信息。W此循环，直 到满足该算法的迭代终止条件，即得到当前最优解，从而得到最大化分布式多云数据中屯、 提供商收益的请求访问控制策略。
【主权项】
1. 一种分布式多云数据中心中基于收益的请求访问控制方法，其特征在于，该方法包 括如下步骤： 1) 根据用户请求、网络服务提供商的带宽资源和云数据中心的服务器资源，基于排队 论针对分布式多云数据中心建立一种排队系统模型，获取每个云数据中心中每个应用的请 求的响应时间； 2) 在1)的基础上，设计一种效应函数，可将每个应用的请求的响应时间转化为其为云 数据中心提供商带来的收益； 3) 根据分布式多云数据中心的排队系统模型和设计的效应函数，建立分布式多云数据 中心中请求访问控制模型； 4) 在3)的基础上，采用罚函数方法将约束优化问题转化为无约束优化问题； 5) 基于混合的启发式优化算法求解4)中的无约束优化问题，获得基于收益的请求访问 控制策略，从而最大化分布式多云数据中心提供商的收益。2. 根据权利要求1所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，所述针对分布式多云数据中心的排队系统模型为一个M/M/m模型。3. 根据权利要求2所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，所述M/M/m排队系统模型中每个应用的请求的响应时间为： 其中，i) ERTn表示应用η的每个请求的估计响应时间； 示云数据中心c(l<c彡C)中对应于应用η的物理服务器的总数； 表示云数据中心c中对应于应用η的物理服务器的处理能力； i ν) λη表示接受的应用η的请求到达率。4. 根据权利要求1所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，所述一种效应函数un(t n)的具体定义方式为： 其中，i )Un (tn)表示在tn时间内执行应用η的每个请求所带来的收益； ii )Rn表示执行应用η的每个请求所能够带来的最大的收益； iii) 7Tm表示每个应用η的请求的最小可接受的响应时间； iv) 7Tv表示每个应用η的请求的最大可接受的响应时间。5. 根据权利要求1所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，所述分布式多云数据中心中请求访问控制模型，是典型的约束非线性规划模 型。6. 根据权利要求5所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，所述分布式多云数据中心中请求访问控制模型的目标为最大化所有应用接受 的请求为分布式多云数据中心提供商带来的收益，具体定义方式为： 其中，DRevenue表示所有应用接受的请求为分布式多云数据中心提供商带来的收益； i i) rn表示根据所述的效应函数来计算应用η (Κ η < N)的每个请求的执行所带来的收 益，BPrn=un(ERTn)。7. 根据权利要求1所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，接受的应用η的请求到达率不能超过该应用的请求到达率，即： 其中，表示应用η的请求到达率。8. 根据权利要求1所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，接受的所有应用的请求的总带宽需求不能超过所有网络服务提供商的总带宽 容量限制，即：其中， i)sn表示应用η的每个请求的大小； 表示网络服务提供商k(l<k<K)的带宽容量限制。9. 根据权利要求1所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，为了保证一个M/M/m的排队系统的稳定，每个应用η接受的请求到达率要小于 所有云数据中心中对应于应用η的服务器处理能力的总和，即：10. 根据权利要求1所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，所述将约束优化问题转化为无约束优化问题的罚函数方法，具体定义方式为：其中， i) Penalty表示对应于提出的约束非线性规划问题的罚函数； ii) P表示不等式约束的个数。 iii) q表示等式约束的个数； iv) y和δ表示两个常数； V) max {〇, -gv 表示每个不等式约束A⑶2 Ο (1 ^ V 所对应的惩罚项； vi )|M0表示每个等式约束= 〇 (K ?)所对应的惩罚项。11.根据权利要求1所述的一种分布式多云数据中心中基于收益的请求访问控制方法， 其特征在于，在所述混合的启发式优化算法中，对应每一个粒子的旧解和新解进行比较。如 果新解优于旧解，直接按照新解更新该粒子的位置信息。如果新解差于旧解，按照模拟退火 算法中经典的Metropolis准则决定是否接受该新解。在该准则中，如果接受该新解，贝lj直接 更新该粒子的位置信息，否者不更新该粒子的位置信息。以此循环，直到满足该算法的迭代 终止条件，即得到当前最优解，从而得到最大化分布式多云数据中心提供商收益的请求访 问控制策略。
【文档编号】H04L29/06GK106060145SQ201610456726
【公开日】2016年10月26日
【申请日】2016年6月22日
【发明人】苑海涛, 毕敬
【申请人】北京交通大学, 北京工业大学