一種能量受限無線云計算下的動態調度和動態定價方法
【技術領域】
[0001] 本發明涉及一種能量受限無線云計算下的動態調度和動態定價方法，屬于無線云 計算技術領域。
【背景技術】
[0002] 無線云技術已成為未來的核心技術，因此許多IT公司已開始針對無線云計算的技 術進行研究，并產生了許多具有商業性無線云服務能力的數據中心。目前，根據研究數據顯 示，IT行業或電信公司的相關能量消耗已成為能源消耗的重要部分，且該領域能量消耗還 在隨著全球對計算，數據存儲，通信技術的需求快速上升，因此，控制相應數據中心的能效 已經成為目前熱門的問題。數據中心的能量來源于電力公司的電能，出于對能效問題的考 慮，那些大型的云服務運營商受到了電力公司或政府對數據中心的能量限制的要求。然而， IT行業或電信公司所追求的是如何使自己運營的云資源數據中心的利潤最大化。在有限的 能量要求下，如果數據中心的能量消耗超過電力公司或政府的限制，電力公司或政府會提 升數據中心的電力價格，甚至可能會直接對數據中心采取斷電措施，無論采取以上何種方 式都會使云資源服務運營商的利潤減少。如果數據中心的能量消耗能夠一直符合要求，電 力公司或政府會給數據中心提供更加優惠的電力合同或者減少數據中心的稅收，這樣云資 源服務運營商的利潤就會相應增加。因此，需要研究在有限的電力資源下如何使運營數據 中心的服務運營商的利潤最大化。
[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.)提出了一種聯合動態調度和動態定價算法來實現服務運營商長 期平均利潤的最大化，然而，他們并沒有考慮很實際的能量限制條件。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 ·)提出了一種能量受限算法 通過動態控制數據中心能量的消耗來最優化服務運營商的長期平均利潤，然而該文中沒有 研究用戶的流量需求給服務運營的長期平均利潤帶來的影響。
[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)提出了一種能夠解決應用于隨 機環境中的普遍調度方法，該方法能夠提供一定的理論基礎，但是并沒有研究和涉及如何 應用于無線云計算的環境下。而本發明能夠很好地解決上面的問題。

【發明內容】

[0005] 本發明目的在于解決了無線云計算的數據中心在能量受到限制的條件下，聯合采 用動態調度和動態定價的問題，提出了一種能量受限無線云計算下的動態調度和動態定價 方法，該方法使服務運營商的長期平均利潤最大化，通過計算容易求解的時隙利潤最大值 來最終確定長期平均利潤的范圍，并且能夠分析如何使服務運營商的長期利潤最大。
[0006] 本發明解決其技術問題所采取的方案是:一種能量受限無線云的動態調度和定價 方法，該方法根據對李雅普諾夫最優化理論的研究將該理論應用于本發明中來解決如何使 云服務運營商的長期利潤最大化，在本發明的方法中通過最小化1時隙李雅普諾夫偏移加 上目標函數的罰函數，使得模型中的隊列長度序列和由能量赤字序列得到穩定，且此時目 標函數能夠達到最優。
[0007] 方法流程：
[0008] 步驟1:對流量需求模型中參數定義。
[0009] 本參數涉及數據中心運行時用戶的綜合流量需求，這些流量需求中大體分為兩大 類，一類是占大部分比例的具有容忍延時特性的流量需求，另一類是不能容忍延時的流量 需求。
[0010] 步驟2:對能說明數據中心的隊列穩定的流量隊列要求和能量赤字隊列的限制。 [0011]步驟2-1:本發明中針對數據中心的流量需求處理，引入能反映隊列穩定狀態量q (t)。該狀態量可以用來表示數據中心的流量需求處理能力和用戶的流量需求量之間的平 衡關系。
[0012]步驟2-2:對于電力公司的長期能量限制，引入能反映能量限制狀態量的能量赤字 隊列n(t)。該能量赤字隊列可以在隊列穩定要求方面體現能量限制要求。
[0013]步驟3:隊列穩定性的定義，即：
[0014] 引入隊列q(t)和n(t)，當在最小化其1時隙李雅普諾夫偏移時，能夠使隊列q(t)和 n(t)趨于穩定。
[0015] 步驟4:計算云服務運營商所獲得的利潤。
[0016]為了求得云服務運營商能夠獲得的長期最大利潤，將云服務運營商在每個時隙給 用戶提供服務所獲得的利潤，以及供養數據中心運行所消耗的利潤分別計算出來，這樣就 可以得到最優化云服務運營商利潤h(t)的模型。
[0017] 步驟5:應用李雅普諾夫最優化理論的利潤最大化動態調度和定價策略。
[0018] 針對流量需求能容忍延時的特性，將動態調度和動態定價方法應用于最大化利潤 的每個時隙，實現長期利潤的最大化。通過最小化相應的李雅普諾夫偏移加上目標函數的 罰函數的方法，實現了滿足相應的隊列穩定條件，同時使目標函數達到最優。
[0019] 本發明主要應用于無線云計算中，采用動態調度和動態定價方式實現長期利潤的 最大化。
[0020] 有益效果：
[0021] 1、本發明在考慮能量限制條件下，將動態調度和動態定價方法在優化過程中得到 實現。
[0022] 2、使用李雅普諾夫最優化理論求解最大化利潤過程，引入參數V，實現利潤和延時 以及能量消耗限制的均衡。
[0023] 3、由于李雅普諾夫最優化理論能夠應用于隨機環境的特點，因此本方法不需要預 測未來的信息就可實現相應的優化。
【附圖說明】
[0024]圖1為本發明的方法流程圖。
[0025]圖2為本發明的模型構造圖。
[0026] 圖3為比較使用本發明方法所獲得的利潤和理想情況下所獲得利潤與參量V的關 系示意圖。
【具體實施方式】
[0027] 下面結合說明書附圖對本發明創造作進一步的詳細說明。
[0028] 如圖1、圖2、圖3所示，本發明提供了一種能量受限的無線云計算下的動態調度和 動態調度方法，該方法具體包括如下步驟：
[0029] 步驟1:對流量需求模型中參數定義。
[0030] 結合圖2的用戶需求和數據中心處理能力的模型圖，本發明中針對用戶的流量需 求具有容忍延時的特性，將所涉及的用戶流量需求定義如下：
[0031]
[0032] 其中罅|>)是能夠滿足基站i內所有用戶的期望利潤時該基站內用戶的流量需求， N是基站的個數。
[0033]步驟2:對能說明數據中心的隊列穩定的流量隊列要求和能量赤字隊列的限制。
[0034] 把在t時刻數據中心處理的流量記為d(t)，那么消耗相應能量為Ε(〇=λ · d(t)A 是一個常數，該式反映了處理單位流量時所消耗的能量。當數據中心飽和時那么這個時候 其他的服務就需要處于等待處理狀態，假設處于等待處理狀態的序列長度為q(t)，q(t)隨 時間更新如下：
[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] 本發明考慮電力公司在^^時間內給云服務運營商的能量要求為Z，則可以得到這 段時間內的平均能量限制戈
為了在下文的優化方便，引入能量赤字 序列n(t)來表達上述能量限制條件，其序列更新式子如下：
[0038] n(t+l)=n(t) + [E(t)-z]+ 式 3 [0039]步驟3:隊列穩定性的定義
[0040]對于任意的離散序列過程Q(t)，當滿足公式條件?
.為Q(t)是穩 定的。
[0041]本發明引入隊列q(t)和n(t)，由它們相應的李雅普諾夫函數可以得到其1時隙李 雅普諾夫偏移，當在最小化其1時隙李雅普諾夫偏移時，可得到
和
，能夠使隊列q(t)和n(t)趨于