本文關(guān)鍵詞：基于動態(tài)定價策略的數(shù)據(jù)中心能耗成本優(yōu)化，由筆耕文化傳播整理發(fā)布。

第３６卷　第３期２０１３年３月

計　　算　　機(jī)　　學(xué)　　報

ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ　　　

Ｖｏｌ．３６Ｎｏ．３

Ｍａｒ．２０１３

基于動態(tài)定價策略的數(shù)據(jù)中心能耗成本優(yōu)化

王　巍　羅軍舟　宋愛波

（）東南大學(xué)計算機(jī)科學(xué)與工程學(xué)院　南京　２１１１８９

摘　要　當(dāng)前，云數(shù)據(jù)中心的能耗問題已成為業(yè)界關(guān)注的熱點(diǎn)．已有研究工作大多致力于從技術(shù)角度降低數(shù)據(jù)中或在能耗與性能之間尋求一種最佳的折衷．云計算作為一種商業(yè)計算模式，已有研究成果很少考慮到云心的能耗，

定價策略對能耗管理機(jī)制的影響．文中提出了基于動態(tài)定價策略的數(shù)據(jù)中心能耗成本優(yōu)化方案．建立起服務(wù)價格通過研究兩者之間的關(guān)系．協(xié)同優(yōu)化服務(wù)價格與能耗成本，使數(shù)據(jù)中心的收益達(dá)到最優(yōu)．和能耗成本的統(tǒng)一模型，

鑒于數(shù)據(jù)中心規(guī)模龐大、承載任務(wù)繁重等特點(diǎn)，論文采用基于重載近似的大規(guī)模排隊(duì)系統(tǒng)來對數(shù)據(jù)中心建模，根據(jù)不同數(shù)據(jù)中心間的服務(wù)需求量和電價差別，設(shè)計了多數(shù)據(jù)中心間的負(fù)載路由機(jī)制，旨在削減數(shù)據(jù)中心的整體能耗／／，成本．針對單個數(shù)據(jù)中心，定義了雙閾值策略以動態(tài)調(diào)節(jié)服務(wù)器的各種狀態(tài)（從而使數(shù)據(jù)中心能ＯｎＯｆｆＩｄｌｅ等）耗成本得到進(jìn)一步優(yōu)化．實(shí)驗(yàn)結(jié)果表明，論文提出的解決方案能夠在滿足用戶Ｑ較好地優(yōu)化數(shù)據(jù)ｏＳ需求的前提下，中心能耗成本，同時使數(shù)據(jù)中心的收益達(dá)到最優(yōu)．關(guān)鍵詞　數(shù)據(jù)中心；能耗；定價策略；排隊(duì)系統(tǒng)；綠色計算

／中圖法分類號ＴＰ３９３　　�。模希商枴。保埃常罚玻矗樱校剩保埃保叮玻埃保常埃埃担梗�

ＤｎａｍｉｃＰｒｉｃｉｎＢａｓｅｄＥｎｅｒＣｏｓｔＯｔｉｍｉｚａｔｉｏｎｉｎＤａｔａＣｅｎｔｅｒＥｎｖｉｒｏｎｍｅｎｔｓ　　　　　　�。纾纾稹　�

ＷＡＮＧ�。祝澹椋眨希剩酰睿冢瑁铮酰希危恰。粒椋拢铩。獭。。樱�

（）ＳｃｈｏｏｌｏＣｏｍｕｔｅｒＳｃｉｅｎｃｅａｎｄ　ＥｎｉｎｅｅｒｉｎＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔＮａｎｉｎ１１１８９　　　�。妗。穑纾纾�，ｊｇ�。�

Ａｂｓｔｒａｃｔｉｎｉｍｉｚｉｎｔｈｅｅｎｅｒｃｏｎｓｕｍｔｉｏｎｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｏｒｔａｎｔｓｔｕｄａｒｅａｓｉｎｒｅｅｎ　Ｍ　　　　　　　　　�。纾纾穑穑纭　　�

，ｄａｔａｃｅｎｔｅｒ．Ｉｎｔｈｅｍｏｓｔｅｎｅｒｅｆｆｉｃｉｅｎｃｍｅｃｈａｎｉｓｍｓｉｎｔｈｅｌｉｔｅｒａｔｕｒｅａｒｅｔｏｍｉｎａｓｔｒｏｏｓｅｄ　　　　　　　　　　�。纾穑穑稹　�

，ｅｒｆｏｒｍ．Ｈｏｗｅｖｅｒｉｍｉｚｅｔｈｅｔｏｔａｌｅｎｅｒｃｏｎｓｕｍｔｉｏｎｏｒｆｉｎｄａｔｒａｄｅｏｆｆｂｅｔｗｅｅｎｅｎｅｒａｎｄ　　　　　　　　　�。纾穑纾稹　�

ｅｘｉｓｔｉｎｒｅｓｅａｒｃｈｏｎｍａｎａｅｍｅｎｔｗｉｔｈｌｉｔｔｌｅｒｅａｒｄｔｏｔｈｅｅｆｆｅｃｔｏｆｓｔｒａｔｅ．Ｉｎｔｈｉｓｏｗｅｒｒｉｃｉｎ　　　　　　　　　　　�。纾纾纾纾穑穑纭　�

ｗｅａｄａｔａｃｅｎｔｅｒｅｎｅｒｃｏｓｔｓｏｔｉｍｉｚａｔｉｏｎｍｅｃｈａｎｉｓｍｂａｓｅｄｏｎａｄｎａｍｉｃａｅｒｒｏｏｓｅｒｉｃｉｎ　　　　　　　　　　　　　ｇｙｐｙｐｐｐｐｐｇ　

ｓｔｒａｔｅ．Ｂｓｔｕｄｉｎｔｈｅｒｅｌａｔｉｏｎｓｈｉｂｅｔｗｅｅｎｔｗｏｏｆｔｈｅｍ，ｗｅｅｓｔａｂｌｉｓｈａｕｎｉｆｉｅｄｍｏｄｅｌｆｏｒｔｈｅ　　　　　　　　　　ｇｙｙｙｇｐ　　　

ａｎｄｅｎｅｒｃｏｓｔｓａｎｄａｃｈｉｅｖｅｔｏｔｈｅｏｔｉｍａｌｂｅｎｅｆｉｔｓｏｆｔｈｅｗｈｏｌｅｄａｔａｃｅｎｔｅｒｓ．Ｉｎｖｉｅｗｏｆｒｉｃｉｎ　　　　　　　　　　　　　�。纾穑穑纭　�

，ｔｈｅｆａｃｔｔｈａｔｔｈｅｄａｔａｃｅｎｔｅｒｉｓｌａｒｅｓｉｚｅａｎｄｔａｋｅｓｈｅａｖｔｒａｆｆｉｃｔｈｉｓｍｏｄｅｌｓｔｈｅｄａｔａｃｅｎｔｅｒａｅｒ　　　　　　　　　　　　　　　　ｇｙｐｐ　

ａｓａｈｅａｖｔｒａｆｆｉｃａｒｏｘｉｍａｔｅｌａｒｅｓｃａｌｅｓｓｔｅｍ．Ａｃｃｏｒｄｉｎｔｏｔｈｅｄｉｆｆｅｒｅｎｃｅｓｏｆｓｅｒｖｉｃｅｕｅｕｉｎ　　　�。　　　　。穑穑纾纾瘢纭　　�

，ｄｅｍａｎｄｓａｎｄｅｌｅｃｔｒｉｃｉｔｒｉｃｅｓｗｅｄｅｓｉｎａｌｏａｄｒｏｕｔｉｎｍｅｃｈａｎｉｓｍｂｅｔｗｅｅｎｍｕｌｔｉｌｅｄａｔａｃｅｎｔｅｒｓ　　　　　　　　　　ｙｇｇｐｐ　　

，ｔｏｒｅｄｕｃｅｔｈｅｏｖｅｒａｌｌｄａｔａｃｅｎｔｅｒｅｎｅｒｃｏｓｔｓ．Ｆｏｒａｓｉｎｌｅｄａｔａｃｅｎｔｅｒａｄｕａｌｔｈｒｅｓｈｏｌｄｓｔｒａｔｅ　　　　　　　　　　�。。纾纾纾�

／／，），ｄｅｆｉｎｅｄｔｏｄｎａｍｉｃａｌｌａｄｕｓｔｔｈｅｖａｒｉｏｕｓｓｔａｔｅｓｏｆａｓｉｎｌｅｓｅｒｖｅｒ（ＯｎＯｆｆＩｄｌｅｅｔｃ．ｓｏｔｈａｔｉｓ　　　　　　　　　　　ｙｙｊｇ　

ｔｏｒｅｄｕｃｅｔｈｅｅｎｅｒｃｏｓｔｓｏｆｔｈｅｄａｔａｃｅｎｔｅｒｓ．Ｅｘｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｓｏｌｕｔｉｏｎｒｏｏｓｅｄ　　　　　　　　　　　�。纾穑穑稹�

’ＱｉｎｔｈｉｓａｅｒａｒｅａｂｌｅｔｏｍｅｅｔｔｈｅｕｓｅｒｓｏＳｒｅｕｉｒｅｍｅｎｔｓｕｎｄｅｒｔｈｅｒｅｍｉｓｅｏｆｂｅｔｔｅｒｏｔｉｍｉｚａ　　　　　　　　　　　　　　�。穑穑瘢穑�

，ｔｉｏｎｏｆｄａｔａｃｅｎｔｅｒｅｎｅｒｃｏｓｔｓｗｈｉｌｅｍａｋｉｎｔｈｅｄａｔａｃｅｎｔｅｒｔｏａｃｈｉｅｖｅｏｔｉｍａｌｂｅｎｅｆｉｔｓ．　　　　　　　　　　�。纾纾稹　�；；；Ｋｅｗｏｒｄｓａｔａｃｅｎｔｅｒｅｎｅｒｃｏｎｓｕｍｔｉｏｎｒｉｃｉｎｓｔｒａｔｅｉｅｓｕｅｕｉｎｓｓｔｅｍ；ｒｅｅｎｃｏｍｕｔｉｎ　ｄ　�。穑纾瘢纾纾纾穑纾穑纾　　�

；）、收稿日期：最終修改稿收到日期：本課題得到國家“九七三”重點(diǎn)基礎(chǔ)研究發(fā)展規(guī)劃項(xiàng)目基金（國家２０１２０１０３２０１２１２１０．２０１０ＣＢ３２８１０４－－－－

，，，）、，）、自然科學(xué)基金（國家科技支撐計劃課題（國家核高基科技重大專６１０７０１６１６１００３２５７６１２０２４４９６１２７２０５４２０１０ＢＡＩ８８Ｂ０３２０１１ＢＡＫ２１Ｂ０２）、）、、項(xiàng)（高等學(xué)校博士點(diǎn)學(xué)科專項(xiàng)科研基金（江蘇省自然科學(xué)基金項(xiàng)目（江蘇省產(chǎn)學(xué)２０１０ＺＸ０１０４４００１００１２０１１００９２１３０００２ＢＫ２００８０３０）－－

、、研前瞻性聯(lián)合研究項(xiàng)目（江蘇省科技成果轉(zhuǎn)化專項(xiàng)資金項(xiàng)目（江蘇省網(wǎng)絡(luò)與信息安全重點(diǎn)實(shí)驗(yàn)室項(xiàng)目ＢＹ２０１２２０２）ＢＡ２０１２０３６）（）、（）、教育部計算機(jī)網(wǎng)絡(luò)與信息集成重點(diǎn)實(shí)驗(yàn)室項(xiàng)目（東南大學(xué)）上海市可擴(kuò)展計算與系統(tǒng)重點(diǎn)實(shí)驗(yàn)室項(xiàng)目（上海交ＢＭ２００３２０１９３Ｋ９－

（）：ｗ通大學(xué)）資助．王　巍，男，博士研究生，主要研究方向?yàn)樵朴嬎�、綠色計算．２０１０ＤＳ６８００９５１９８５年生，Ｅ－ｍａｉｌａｎｗｅｉｎｅｕ．ｅｄｕ．ｃｎ．＠ｓｇｇ

，，，，、、、、羅軍舟，男，年生博士教授博士生導(dǎo)師主要研究領(lǐng)域?yàn)橄乱淮W(wǎng)絡(luò)體系結(jié)構(gòu)協(xié)議工程網(wǎng)絡(luò)安全與管理云計算無線網(wǎng)絡(luò)１９６０．宋愛波，男，副教授，主要研究方向?yàn)榫W(wǎng)格計算與云計算、數(shù)據(jù)挖掘．１９６９年生，

６００

計　　算　　機(jī)　　學(xué)　　報２０１３年

１　引　言

近年來，國內(nèi)外的互聯(lián)網(wǎng)廠商紛紛興建各自的數(shù)據(jù)中心以提供各種云存儲或計算服務(wù)．隨著數(shù)據(jù)中心規(guī)模的擴(kuò)展，其消耗的能源及溫室氣體排放問

題也愈顯突出．據(jù)統(tǒng)計［１－

２］，能耗已成為數(shù)據(jù)中心運(yùn)

營和維護(hù)的最大成本所在．日益凸顯的能耗問題嚴(yán)重阻礙了云計算技術(shù)的普及與發(fā)展．

這一矛盾促生了ＩＴ界在技術(shù)發(fā)展方向上的又一個成長支點(diǎn)．許多數(shù)據(jù)中心商家意識到節(jié)能技術(shù)具備諸多優(yōu)勢：第一，

降低碳排放量，利于環(huán)保．第二，削減能耗成本，取得良好的經(jīng)濟(jì)效果．第三，擺脫對冷卻設(shè)施的過度依賴，

利于維持系統(tǒng)的穩(wěn)定性．因此，許多廠商都在積極研究綠色節(jié)能技術(shù)，以期通過快速搶占節(jié)能技術(shù)領(lǐng)域的制高點(diǎn)來攫取自身利益的最大化．

目前的能耗優(yōu)化工作大多致力于優(yōu)化數(shù)據(jù)中心的能耗總量，或在能耗與性能之間尋求一種最佳的折衷．但優(yōu)化能耗總量并不一定能耗降低數(shù)據(jù)中心

的能耗成本［３］

．

能耗成本取決于許多因素，如能耗總量、電力價格以及服務(wù)需求量等．文獻(xiàn)［３］等認(rèn)為降低數(shù)據(jù)中心的能耗成本更符合數(shù)據(jù)中心的商業(yè)利益．然而，現(xiàn)有工作很少考慮云定價模式對能耗成本優(yōu)化技術(shù)的影響．

目前，云提供商一般會采用一種靈活的定價模式（Ｆｌｅｘｉｂｌｅ　Ｐｒｉｃｉｎｇ�。樱悖瑁澹恚澹﹣碚{(diào)節(jié)服務(wù)請求量，使得自身的收益達(dá)到最大．如Ａｍａｚｏｎ在需求量較低時廉價出售云資源，以提高資源的利用率．實(shí)現(xiàn)其商業(yè)收益的最優(yōu)．盡管Ａｍａｚｏｎ的這種定價模式還只是初步的嘗試，但已經(jīng)引起了學(xué)術(shù)界及

工業(yè)界的廣泛關(guān)注［２］．

顯然，不同價格水平對市場需求量有著直接的

影響［４－

５］．如圖１（ａ

）所示，當(dāng)價格增長時，需求量隨之減小，

兩者呈反比關(guān)系，并且這種關(guān)系呈現(xiàn)一定隨機(jī)波動性．圖１（ｂ）顯示３種不同價格水平下，需求量隨時間的變化情況．由此可見，價格水平?jīng)Q定著需求量（但不是唯一決定因素），而需求量對數(shù)據(jù)中心的能耗管理則有著顯著的影響．當(dāng)前，許多云提供商，如Ａｍａｚｏｎ、Ｇｏｏｇｌｅ等均在全球多地建立多個數(shù)據(jù)中心，

將數(shù)據(jù)中心部署在不同地理位置不僅便于擴(kuò)展云服務(wù)市場，而且有利于削減能耗成本（利用溫差、電價差別等）．考慮如圖２所示的多數(shù)據(jù)中心環(huán)境：假定云提供商Ｐ在不同區(qū)域建立了多個數(shù)據(jù)中心，由于地域差異，電力價格及面向的用戶市場均不同．例如，時刻ｔ０，數(shù)據(jù)中心的服務(wù)價格為ｐ０，到ｔ１時刻，云提供商Ｐ為了刺激消費(fèi)，將服務(wù)價格調(diào)低

至ｐ１，

此時各地的市場需求量對價格調(diào)整可能有不同的反應(yīng)．

與此同時，各地的電力價格也可能發(fā)生了改變（如采用階梯電價或分時電價）．此時，如果能將負(fù)載轉(zhuǎn)移到需求量和電價均較低的數(shù)據(jù)中心，將能夠有效地提高資源的利用率并降低數(shù)據(jù)中心的能耗成本．具體而言，可按照如下兩步來優(yōu)化數(shù)據(jù)中心的能耗成本：（１）負(fù)載分配：合理地將負(fù)載調(diào)度到不同的數(shù)據(jù)中心，在保證服務(wù)性能的同時，盡可能地利用電價和服務(wù)需求差別降低能耗成本．（２）服務(wù)器狀態(tài)調(diào)節(jié)：在既定負(fù)載分配策略下，對單個數(shù)據(jù)中心，實(shí)時決策服務(wù)器所處狀態(tài)（Ｏｎ／Ｉｄｌｅ／Ｏｆｆ等）以進(jìn)一步優(yōu)化能耗成本．

由于不同數(shù)據(jù)中心具有異構(gòu)性大、跨區(qū)域等特

點(diǎn)，上述優(yōu)化策略面臨如下幾個方面的挑戰(zhàn)：（１）負(fù)載轉(zhuǎn)移需要花費(fèi)一定的時間，可能造成用戶ＱｏＳ性能的下降．

（２）不同數(shù)據(jù)中心服務(wù)能力并不相同，并且規(guī)模有限，負(fù)載分配須考慮數(shù)據(jù)中心的異構(gòu)性．（３）數(shù)據(jù)中心價格調(diào)整的目的是為了獲取自身利益的最大化．能耗優(yōu)化策略應(yīng)與價格調(diào)節(jié)策略協(xié)調(diào)一致．兩者不存在沖突．（４）現(xiàn)實(shí)環(huán)境中的負(fù)載流量受多種因素影響，具有隨機(jī)波動性．能耗優(yōu)化策略應(yīng)能有效適應(yīng)負(fù)載

３期王　巍等：基于動態(tài)定價策略的數(shù)據(jù)中心能耗成本優(yōu)化

６０１

流量的動態(tài)變化．

為了解決上述問題，本文將服務(wù)定價、負(fù)載分配以及服務(wù)器狀態(tài)調(diào)節(jié)等相關(guān)策略統(tǒng)一考慮，制定出一個協(xié)調(diào)一致的系統(tǒng)優(yōu)化方案，，

從而達(dá)到有效削減數(shù)據(jù)中心能耗成本的目的．首先建立起市場需求的變化模型，利用排隊(duì)理論分析服務(wù)價格、任務(wù)響應(yīng)時間以及服務(wù)能力等性能指標(biāo)的關(guān)聯(lián)關(guān)系，據(jù)此設(shè)計出合理的負(fù)載路由機(jī)制及具有ＱｏＳ保證的能耗成

本優(yōu)化策略．針對負(fù)載流量的動態(tài)變化，提出了基于雙閾值的服務(wù)器狀態(tài)調(diào)節(jié)策略．

雙閾值策略無需對負(fù)載進(jìn)行預(yù)測，能夠根據(jù)需求量變化實(shí)時調(diào)整服務(wù)器所處狀態(tài)，使得數(shù)據(jù)中心的能耗成本得到進(jìn)一步優(yōu)化．歸納而言，本文的主要貢獻(xiàn)如下：

（１

）目前的能耗成本優(yōu)化工作很少考慮定價機(jī)制對能耗成本的影響．針對這一不足，我們介紹了需求函數(shù)彈性的概念，建立不同市場的需求函數(shù)模型．基于重載近似的排隊(duì)理論分析相關(guān)系統(tǒng)性能參數(shù)，給出相應(yīng)的參數(shù)關(guān)系表達(dá)式．

（２

）建立起服務(wù)定價及能耗成本的統(tǒng)一模型．據(jù)此提出了負(fù)載流量的動態(tài)路由機(jī)制，設(shè)計了最優(yōu)服務(wù)定價策略，從而給出數(shù)據(jù)中心能耗成本的優(yōu)化方案．本文的優(yōu)化策略能夠在保證用戶ＱｏＳ的同時，有效降低能耗成本．并使得數(shù)據(jù)中心的收益達(dá)到最優(yōu)．

（３

）為了處理負(fù)載流量的動態(tài)波動性，定義了雙閾值策略以實(shí)現(xiàn)數(shù)據(jù)中心服務(wù)器狀態(tài)的實(shí)時控制．分析了相關(guān)系統(tǒng)參數(shù)對閾值選取的影響，給出了最優(yōu)閾值的計算方法．

雙閾值策略在真實(shí)的仿真數(shù)據(jù)中，能夠較好地貼近負(fù)載流量，有效地避免了能耗浪費(fèi)．

本文第２節(jié)介紹相關(guān)工作；第３節(jié)建立數(shù)據(jù)中心能耗成本與服務(wù)定價模型以及形式化描述；第４節(jié)主要分析服務(wù)定價策略、負(fù)載分配機(jī)制以及能耗成本優(yōu)化方案，

給出近似最優(yōu)解，最后提出雙閾值策略；第５節(jié)為實(shí)驗(yàn)以及結(jié)果分析；第６節(jié)總結(jié)全文并提出未來工作．

　相關(guān)工作

對本文啟發(fā)較大的工作主要有兩個方面：（１）數(shù)據(jù)中心能耗或能耗成本優(yōu)化的研究；（２）云計算服務(wù)定價策略的相關(guān)工作．本節(jié)將分別對這兩個方面予以闡述．

數(shù)據(jù)中心能耗／能耗成本優(yōu)化．能耗優(yōu)化和能耗成本優(yōu)化的區(qū)別在于：能耗優(yōu)化一般只考慮系統(tǒng)的能耗總量，而能耗成本優(yōu)化不僅要考慮能耗總量，

還要考慮單位能耗的價格．本文的工作主要是對能耗成本的優(yōu)化．文獻(xiàn)［３］利用排隊(duì)論建立的系統(tǒng)模型和本文相似．該文獻(xiàn)利用全美各地的電力差價，適時地將負(fù)載流量調(diào)度到不同的數(shù)據(jù)中心去，以期削減數(shù)據(jù)中心的能耗成本．該文獻(xiàn)將負(fù)載分配問題建模成最小代價流問題，提供了一個快速的近似求解算法．與我們工作不同的是，文獻(xiàn)［３］考慮的負(fù)載流量是穩(wěn)定的泊松到達(dá)流．但是在真實(shí)的數(shù)據(jù)中心環(huán)境中，負(fù)載流量具有動態(tài)波動性，本文在泊松到達(dá)模型的基礎(chǔ)上提出了雙閾值策略，

能夠更好地適應(yīng)流量的動態(tài)變化．文獻(xiàn)［４］研究了多數(shù)據(jù)中心架構(gòu)下的碳排放量優(yōu)化問題．該文獻(xiàn)所提出的問題模型和求解思路均可適用于能耗優(yōu)化．文獻(xiàn)［４］分析了用戶及提供商雙方的相關(guān)需求函數(shù)及約束條件，

將碳排放量優(yōu)化問題轉(zhuǎn)化為雙目標(biāo)優(yōu)化問題，提出了３種啟發(fā)式的求解思路．對于單個數(shù)據(jù)中心，該文獻(xiàn)采用ＶＳ技術(shù)進(jìn)一步對碳排放量進(jìn)行了優(yōu)化．

與本文不同的是，文獻(xiàn)［４］的優(yōu)化目標(biāo)是單個任務(wù)，考慮的定價策略是靜態(tài)的，而本文考慮的是面向統(tǒng)計負(fù)載流量的動態(tài)定價策略．文獻(xiàn)［５］利用時間序列分析技術(shù)，結(jié)合不同的定價策略來預(yù)測云市場的需求量．同本文一樣，文獻(xiàn)［５］考慮了多用戶市場的需求差別，基于預(yù)測結(jié)果，提出了一個動態(tài)的云資源管理方案．該文獻(xiàn)把動態(tài)資源分配問題建模成多維背包問題．針對不同的定價模式，給出了最優(yōu)回報的求解算法．文獻(xiàn)［６］認(rèn)為能耗優(yōu)化需要資源管理策略的支持．而當(dāng)前面向市場的云資源管理機(jī)制大多沒有考慮能耗優(yōu)化．該文獻(xiàn)利用排隊(duì)論分析了用戶的響應(yīng)時間和系統(tǒng)能耗量之間的函數(shù)關(guān)系，并通過博弈論對用戶和提供者雙方進(jìn)行建模，將能耗優(yōu)化建模成ｔａｃｋｅｌｂｅｒｇ博弈，

雙方各自優(yōu)化自身的目標(biāo)函數(shù)，最終達(dá)到了系統(tǒng)的一種均衡．并據(jù)此給出了能耗最優(yōu)值的上下界．與我們不同的是，文獻(xiàn)［６］考慮的是單通道排隊(duì)系統(tǒng)，優(yōu)化目標(biāo)是系統(tǒng)的能耗總量，并且沒有考慮系統(tǒng)的整體收益．

文獻(xiàn)［７］認(rèn)為地理上分布在各地的多數(shù)據(jù)中心可以利用如下３個方面來削減能耗成本：（１）不同數(shù)據(jù)中心處在不同的電力市場，電價計費(fèi)模式不一致；（２）即便電價計費(fèi)模式一致，時區(qū)差異也可能導(dǎo)致電價不同；（３）不同數(shù)據(jù)中心所處的氣候環(huán)境不一樣．基于上述３點(diǎn)不同，文獻(xiàn)［７］研究了數(shù)據(jù)中心虛擬機(jī)遷移和放置策略．對能耗成本、峰值成本、溫度影響、制冷成本以及遷移成本等各種成本因素進(jìn)行建模．提出了具有成本感知的負(fù)載放置策略．通過研究負(fù)載變化對能耗的影響，提出了“預(yù)制冷”機(jī)制，

ＤＳ２

６０２

計　　算　　機(jī)　　學(xué)　　報２０１３年

以避免服務(wù)器的局部過熱．上述研究工作同本文的異同點(diǎn)可參見表１．

表１　相關(guān)工作比較

多數(shù)據(jù)中心

面向市場

動態(tài)負(fù)載

能耗感知

本文工作

√

√√√Ｒａｏ等人［

３］

√××√Ｇａｒｇ等人［４

］

√×××Ｚｈａｎｇ等人［５

］

×√×√Ｌｅóｎ等人［

６］

×√√√Ｌｅ等人［

７］

√

×

√

√

云服務(wù)定價模型及成本優(yōu)化．文獻(xiàn)［８］用遺傳算法計算云市場的最優(yōu)價格，使得云服務(wù)提供商的利益得到最大化．該算法綜合考慮了云提供商自身和潛在競爭對手的資源供應(yīng)能力，

給出了一個有競爭力的資源定價模型．該模型能夠靈活地調(diào)整價格以適應(yīng)動態(tài)變化的云市場需求，但是遺傳算法本身較為復(fù)雜，實(shí)際應(yīng)用起來存在困難．文獻(xiàn)［９］從用戶的角度研究了３種不同價格模式下的資源規(guī)劃問題．該文獻(xiàn)用排隊(duì)論計算滿足用戶ＱｏＳ性能所需的資源量．通過ＱｏＳ監(jiān)控模塊實(shí)時監(jiān)控用戶ＱｏＳ需

求是否得到滿足．

如果無法滿足，則從現(xiàn)貨市場（Ｓｐ

ｏｔ　Ｍａｒｋｅｔ）購買資源．如果得到滿足，則依據(jù)既定準(zhǔn)則，決策是否釋放部分資源以節(jié)省成本．

文獻(xiàn)［１０］認(rèn)為云計算是一種商業(yè)計算模式，這種特點(diǎn)改變了原有分布式系統(tǒng)的設(shè)計理念和優(yōu)化機(jī)制．

云服務(wù)的定價模式應(yīng)在系統(tǒng)優(yōu)化和經(jīng)濟(jì)效益之間起到一個”橋梁”的作用．該文獻(xiàn)研究了定價對系統(tǒng)可能產(chǎn)生的影響，

包括性能、成本、公平性、穩(wěn)定性等．基于此，文獻(xiàn)［１０

］在真實(shí)的實(shí)驗(yàn)環(huán)境中得出了如下結(jié)論：（１）只考慮成本優(yōu)化并不一定能增加系統(tǒng)的效益；（２）現(xiàn)有的定價模式均沒有考慮用戶公平性；（３）定價機(jī)制應(yīng)考慮系統(tǒng)的可靠性．上述結(jié)論為云定價機(jī)制的進(jìn)一步研究提供了重要的參考依據(jù)．文獻(xiàn)［１１］假設(shè)用戶和提供商均為理性的，均要最大化自身的效益．基于該假設(shè)，該文獻(xiàn)提供了一種動態(tài)定價機(jī)制，

以適用于用戶從不同提供商購買資源的情形．文獻(xiàn)［１１］將該定價模型和固定價格模型進(jìn)行比較，驗(yàn)證了動態(tài)定價模型的有效性．文獻(xiàn)［１２］將服務(wù)價格同ＱｏＳ聯(lián)系起來，提出了一種具有ＱｏＳ感知的服務(wù)定價模式．該定價模式主要面向批處理任務(wù)，優(yōu)化社會總效益．文獻(xiàn)［１２］認(rèn)為現(xiàn)有的定價模式導(dǎo)致目前服務(wù)提供商的資源利用率普遍較低．為此提出了一種激勵兼容的定價模式，并且證明了該模式能夠使得社會的效益達(dá)到最優(yōu)．

基于定價策略研究數(shù)據(jù)中心的節(jié)能工作相對較

少，論文在對上述研究成果進(jìn)行深入分析的基礎(chǔ)之上，將服務(wù)定價和能耗優(yōu)化問題相結(jié)合，研究定價策略對能耗優(yōu)化的影響．

提出了服務(wù)定價和能耗成本的聯(lián)合優(yōu)化機(jī)制，供數(shù)據(jù)中心能耗管理的研究者參考借鑒．

３　基于排隊(duì)論的多數(shù)據(jù)中心建模

本節(jié)基于排隊(duì)理論對多數(shù)據(jù)中心的服務(wù)價格及能耗成本進(jìn)行建模．

服務(wù)定價、系統(tǒng)成本及收益等相關(guān)優(yōu)化問題在排隊(duì)理論領(lǐng)域已取得了豐碩的研究成

果［１３，２４］．

基于現(xiàn)有的研究工作［１３］

，我們將主要研究多數(shù)據(jù)中心的服務(wù)定價、系統(tǒng)成本及收益優(yōu)化問題．本文研究工作與文獻(xiàn)［１３］的區(qū)別在于：（１）本文研究的多數(shù)據(jù)中心模型之間的服務(wù)器數(shù)量及服務(wù)能力異構(gòu)；（２）本文的多數(shù)據(jù)中心模型需要負(fù)載均衡機(jī)制．

數(shù)據(jù)中心對每個接入服務(wù)的用戶設(shè)定一個訪問價格以獲取一定的收益．

用戶訪問數(shù)據(jù)中心，不僅需要考慮該服務(wù)的價格，同時也要考慮服務(wù)質(zhì)量．為了簡化模型，

本文用延遲成本來描述用戶對服務(wù)質(zhì)量的滿意程度．任務(wù)響應(yīng)時間越長，延遲成本就越高，而用戶的服務(wù)質(zhì)量滿意度就越低．延遲成本可表示為任務(wù)響應(yīng)時間的函數(shù)，常用的成本函數(shù)有線性函

數(shù)、

指數(shù)函數(shù)［２４］

等．只有當(dāng)服務(wù)價格和延遲成本之和小于用戶保留價格時（心理價位），用戶才會選擇訪問數(shù)據(jù)中心．

比如現(xiàn)實(shí)生活中，用戶付費(fèi)觀看某網(wǎng)站的視頻，

如果長時間得不到響應(yīng)（延遲成本過高），用戶則可能會點(diǎn)擊“停止”按鈕，終止訪問．以下針對圖２所示的多數(shù)據(jù)中心環(huán)境，

采用基于重載近似的大規(guī)模排隊(duì)理論，將其建模成圖３所示的排隊(duì)模型

．

圖３　處于不同區(qū)域的多數(shù)據(jù)中心排隊(duì)模型

３期王　巍等：基于動態(tài)定價策略的數(shù)據(jù)中心能耗成本優(yōu)化

６０３

基于該模型，研究在穩(wěn)定的系統(tǒng)狀態(tài)下不同系統(tǒng)參數(shù)（價格、延遲、服務(wù)器數(shù)量等）之間的關(guān)聯(lián)關(guān)系．為了清晰地表述文章內(nèi)容，將文中變量的記法和描述列于表２之中．

表２　變量符號

符號

說　明

ｉ�。粒�

ｅｎｔ的編號索引，最大值為Ｍｊ

數(shù)據(jù)中心的編號索引，最大值為Ｎ

φ

ｉＡｇ

ｅｎｔ�。榈男枨罅喀耍�

數(shù)據(jù)中心ｊ的需求量，無下標(biāo)則為數(shù)據(jù)中心總需求量ｐｉｊ需求從前端ｉ路由到數(shù)據(jù)中心ｊ的概率ｐ服務(wù)價格ｑ用戶的延遲代價

ψ用戶潛在需求量，帶下標(biāo)則為不同市場的潛在需求量Ｐｊ數(shù)據(jù)中心ｊ的擁塞概率

Λｊψ按概率路由矩陣分解到數(shù)據(jù)中心ｊ的潛在最大流量

ＥＤ服務(wù)的端到端平均延遲ｖ用戶的保留價格

Ｆ，ｆ用戶的保留價格分布函數(shù)及密度函數(shù)ωｊ

數(shù)據(jù)中心ｊ每單位服務(wù)能力消耗的能耗μｊ數(shù)據(jù)中心ｊ的服務(wù)能力ｎｊ

數(shù)據(jù)中心ｊ的服務(wù)器數(shù)量ｅｊ數(shù)據(jù)中心ｊ的電力價格Ｌｊ數(shù)據(jù)中心ｊ的規(guī)模上限Ｄｊ數(shù)據(jù)中心ｊ的延遲約束Ｒ數(shù)據(jù)中心的總服務(wù)收益［ａ，ｂ

］價格ｐ的變化區(qū)間

β１β２雙閾值策略中服務(wù)器的啟動閾值和關(guān)閉閾值ρ

（ｔ）單數(shù)據(jù)中心系統(tǒng)的平均效用θ，σ

服務(wù)器的啟動和關(guān)閉速率

假定服務(wù)提供者設(shè)定的價格為ｐ＞０，任務(wù)延遲為ＥＤ．本文采用線性函數(shù)ｑ＊ＥＤ來表示用戶的延遲成本，ｑ為一常量．用戶的保留價格為一隨機(jī)變量，服從概率累積分布函數(shù)Ｆ．假定Ｆ連續(xù)可微，其密度函數(shù)ｆ處處為正，初值為有限值．當(dāng)給定ｐ時，用戶可根據(jù)自身的保留價格ｖ，通過概率Ｐ（ｖｐ＋

ＥＤ）來決定是否訪問數(shù)據(jù)中心．本文主要分析數(shù)據(jù)中心處于穩(wěn)定狀態(tài)時的系統(tǒng)行為．則用戶需求率應(yīng)滿足以下的需求關(guān)系：

λ（ｐ）＝ψＰ（ｖｐ＋ｑＥＤ）＝ψ（１－Ｆ（ｐ＋ｑＥＤ）），其中ψ是市場的潛在需求量．即用戶的實(shí)際訪問量等于市場的潛在需求量乘以訪問概率．上述的需求

量模型常見于各種經(jīng)濟(jì)模型當(dāng)中［１３］．

下面，定義需求函數(shù)彈性的概念，以衡量市場中服務(wù)需求量對服務(wù)價格變動的敏感程度．

定義１．　令λ（ｐ）為客戶的需求函數(shù)．ｐ為服務(wù)價格．則λ（ｐ）

的彈性可定義為ε（ｐ）

＝－（）ｐ·λ（ｐ）

（１）如果λ（ｐ）在區(qū)間［ａ，ｂ］上滿足ε（ｐ）

＞１，則稱λ（ｐ）

是彈性的．對需求彈性的直觀解釋是：由于經(jīng)濟(jì)規(guī)律的作用，價格與需求之間存在著反比關(guān)系，即當(dāng)價格升高時，需求量下降，反之亦然．彈性概念旨在說明價格變化比率與需求量變化比率之間的關(guān)系．價格與需求函數(shù)之間這種簡單而又重要的關(guān)系，被廣泛地運(yùn)用于各種形式的經(jīng)濟(jì)模型當(dāng)中．

雖然數(shù)據(jù)中心建在不同的區(qū)域，電力價格和服務(wù)能力各異，但服務(wù)價格應(yīng)一致．即價格具有區(qū)域無關(guān)性，

比如用戶不論身處何地，均需要同等積分下載某網(wǎng)站的資料．我們假定不同市場的需求函數(shù)均滿足上文定義的彈性條件．

用戶通過分布在各地的Ａｇ

ｅｎｔ訪問數(shù)據(jù)中心．令不同區(qū)域市場的用戶保留價格分布函數(shù)分別為Ｆｉ，需求函數(shù)為φｉ（

ｐ），ｉ＝１，２，…，Ｍ（即生成的任務(wù)到達(dá)強(qiáng)度）．ｐ為服務(wù)價格，則按照上文分析，φ

ｉ＝ψ（

１－Ｆｉ（ｐ＋ｑＥＤ））．令φ為各地用戶的總需求量，并定義函數(shù)

Ｍ

Ｍ

Ｆ＝ｉ．

ｉ∑＝１

ψ

ｉＦｉｉ∑＝１

ψ于是可有如下推導(dǎo)：

Ｍ

Ｍ

Ｍ

Ｍ

φ＝ｉ＝１－Ｆ＝ｉ∑＝１

φｉ∑＝１ψｉ（ｉ）ｉ∑Ｆｉ＝１

ψｉ－ｉ∑＝１

ψ

ｉＭ

＝（１－Ｆ）ｉｉ∑＝１

ψ

．Ｎ

令ｐｉｊ（∑ｐｉ

ｊ＝１ｊ＝１

）為任務(wù)的路由概率，即Ａｇｅｎｔ　ｉ的任務(wù)被送到數(shù)據(jù)中心ｊ的概率為ｐｉｊ．因此，［ｐｉｊ］

構(gòu)成了一個路由矩陣．令λｉｊ＝φ

ｉｐｉｊ，于是數(shù)據(jù)中心ｊＭ

Ｍ

的到達(dá)強(qiáng)度為λｊ＝∑φｉｐｉｊ＝ｉ∑λ

ｉｊ．ｉ＝１

＝１

當(dāng)需求函數(shù)滿足彈性關(guān)系時，有如下定理．定理１．　假定Ａｇｅｎｔ的潛在最大需求總量ψ＝

Ｍ

Ｎ

∑ψｉ

和數(shù)據(jù)中心總服務(wù)能力∑ｎｊｊ

ｉ＝１

ｊ＝１

μ保持線性關(guān)系，

Ｎ

Ｍ

即

∑ｎｊμｊ

＝κψ．那么，對于任何滿足ｐｉｊ

＝ｎｊμｊ／ｊ＝１

ｉ∑

＝１

ψ

κ的概率路由矩陣Ｐ［ｐｉｊ］和服務(wù)價格ｐ＞０，下列等式成立：

Ｐ１（ｃｏｎｇｅｓｔｉｏｎ）＝…＝Ｐｊ（ｃｏｎｇｅｓｔｉｏｎ）→ν∈（０，１），ｎｊ→∞，其中Ｐｊ（

ｃｏｎｇｅｓｔｉｏｎ）為數(shù)據(jù)中心ｊ的擁塞概率．并且，（１

）用戶請求總到達(dá)率為Ｎ

φ＝∑（ｎｊμｊ－ηｊｊ）＋ｏ（ｊ）（２

）ｊ＝１

μ∑ｊ

η的計算見下文式（

５）．ｖｑ

  本文關(guān)鍵詞：基于動態(tài)定價策略的數(shù)據(jù)中心能耗成本優(yōu)化，由筆耕文化傳播整理發(fā)布。

本文編號：130031