一种云计算环境中基于用户感知价值的最优服务定价方法技术
An optimal service pricing method based on user perceived value in cloud computing environment
The present invention discloses optimal service pricing method based on user perceived value of a cloud computing environment: firstly, based on the user perceived value, constructs a pricing model can respond to the market supply and demand according to the change of service price; secondly construct income and system based on the relationship between supply and demand of the cost model; finally, considering the number of service requests, emergency service level, application workloads, quality of service (QoS), customer service satisfaction constraints. Through the pricing method of the invention, the optimal configuration information of the server cluster can be obtained, including the optimal number of work servers and the optimal working frequency, etc.. Based on these configurations, cloud services providers can maximize their user satisfaction while maximizing their profits. Finally, a dynamic adaptive closed-loop control algorithm is designed to make the system dynamically adapt to changes in external conditions.
【技术实现步骤摘要】
一种云计算环境中基于用户感知价值的最优服务定价方法
本专利技术涉及云计算环境中关于云服务定价
，尤其涉及一种考虑实际市场环境中基于产品价格与供需关系的服务定价模型；具体来说是一种在实际的市场供需关系基础上，在保证用户服务满意度的前提下，通过寻找最优的云服务定价及云计算系统运行配置，使得云计算服务供应商利润最大化的方法。
技术介绍
云计算(cloudcomputing)是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。通过集中管理互联网上的资源和服务，云计算提供基于Internet的服务托管方式，例如访问共享的硬件、软件、数据库、信息等等其它所有按用户需求提供的资源。云计算通过pay-per-use(按访问量收费)的价格模型，向用户收取费用。云服务提供商的利润与很多因素有关，例如，服务价格、市场需求、系统配置、用户的满意度等等。选择一个合适的服务价格和最优的系统运行配置，既可以吸引更多的用户购买，又可以降低维护云集群运行的费用，使得云服务供应商可以获得最大的利润。目前研究领域主要分为静态定价和动态定价...
【技术保护点】
一种云计算环境中基于用户感知价值的最优服务定价方法，其特征在于该方法包括以下具体步骤：步骤一：基于用户感知价值，确定收费周期t内实际购买服务用户数量的概率分布；步骤二：根据步骤一确定收费周期t内实际购买服务的用户数量的期望模型；步骤三：根据步骤二中实际购买用户的数量期望模型，构建系统的收入模型；步骤四：基于功耗以及租赁费，构建维护系统运行的开支耗费模型；步骤五：根据步骤三及步骤四，确定系统的利润模型，并根据相应的约束条件，将利润最大化转化为带约束条件的优化；步骤六：利用增广拉格朗日方法求解最优化问题；步骤七：将得到的最优解，包括最优服务定价、最优系统运行配置信息插入到历史数...
【技术特征摘要】
1.一种云计算环境中基于用户感知价值的最优服务定价方法，其特征在于该方法包括以下具体步骤：步骤一：基于用户感知价值，确定收费周期t内实际购买服务用户数量的概率分布；步骤二：根据步骤一确定收费周期t内实际购买服务的用户数量的期望模型；步骤三：根据步骤二中实际购买用户的数量期望模型，构建系统的收入模型；步骤四：基于功耗以及租赁费，构建维护系统运行的开支耗费模型；步骤五：根据步骤三及步骤四，确定系统的利润模型，并根据相应的约束条件，将利润最大化转化为带约束条件的优化；步骤六：利用增广拉格朗日方法求解最优化问题；步骤七：将得到的最优解，包括最优服务定价、最优系统运行配置信息插入到历史数据集中保存；步骤八：当系统参数变动时，根据历史数据集利用曲线拟合方法重新求得实际购买服务的用户数量的概率分布。2.如权利要求1所述的最优服务定价方法，其特征在于所述步骤一具体包括：步骤A1：基于第i位用户的感知价值Xi，确定用户感知价值分布的概率密度函数f(x)以及累积分布函数F(x).当云服务定价设为ω时，F(x)满足：0≤F(ω)≤1；limω→∞F(ω)≤1；步骤A2：把时间间隔t内服务的需求m定义为：到达并愿意以当前定价购买服务的潜在购买用户数量，即所有感知价值Xi≥ω的顾客人数；则其概率分布为：其中：n表示对当前定价感兴趣的用户数，m表示感兴趣的用户中实际以当前定价ω购买的用户数量，Pω(m|n)表示在定价为ω时实际购买服务的用户数量的概率分布；步骤A3：根据用户需求确定基于市场供需关系的约束，保证基于用户感知价值的需求分布符合市场供需关系；用户的需求和云服务的价格成反比，价格越高，购买的用户数会下降：当云服务的价格趋向无穷大的时候，购买的用户数量应该趋向于零：其中：E(m|ω)表示定价为ω时，购买服务的用户数量的期望；步骤A4：确定收费周期t内，在当前定价下对服务感兴趣的人数n的概率分布：其中：λ1表示单位时间内用户的到达率；步骤A5：由于到达率λ1具有波动性，为了表示这种不均匀的特性，确定λ1的分布：其中：α，β表示Gamma分布的两个参数；Γ(α)表示gamma函数，与α的阶乘相关；步骤A6：根据步骤A2-A5确定时间间隔t内实际购买用户的概率分布：3.如权利要求1所述的最优服务定价方法，其特征在于所述步骤二具体包括：步骤B1：根据步骤A6，确定收费周期t内云服务定价为ω时，购买服务的用户数量的期望：Eω(m)＝αβt(1-F(ω))。4.如权利要求1所述的最优服务定价方法，其特征在于所述步骤三具体包括：步骤C1：云服务收费模型采用按使用量收费，即每个用户对应一个服务请求；确定收费周期t内系统的收入模型：Revenue＝ω·Eω(m)·t其中：Eω(m)表示定价为ω时实际购买云服务的用户数量的期望。5.如权利要求1所述的最优服务定价方法，其特征在于所述步骤四具体包括：步骤D1：确定动态功耗Pd；在CMOS电路中，动态功耗是指实际执行任务时的功耗,且有Pd∝f3,s∝f；f,s分别表示处理器的频率与运行速度，用每秒百万条指令-MIPS衡量；可得Pd：Pd＝aCV2f＝ab2Cf2φ+1＝(ab2C/c2φ+1)s2φ+1＝ξsγ其中，aC分别表示动态活动因子和载入电容，V表示供给电压；V＝bfφ,s＝cf，a和b表示常量，常量φ>0；ξ＝ab2C/c2φ+1，γ＝2φ+1；步骤D2：确定维护服务器集群正常运行的功耗,包括静态功耗和动态功耗，考虑两种下的功耗，即idle-speed及constant-speed模式；根据步骤D1，确定idle-speed模式下的功耗：其中，idle-speed模式表示，当某个服务器处于空闲时只有一个维护该机器正常运行的基本的运行速度，设定该速度为s0，该模式考虑静态功耗；确定constant-speed模式下的功耗：P＝M(Pd+Ps)＝M(ξsγ+Ps)constant-speed模式表示，无论该机器处于“忙”状态与否，该机器都以速度s运行；其中，M为服务器的个数；λ2表示服务请求单位时间内的到达率，是一个Poison分布流；ρ表示单位时间内集群中处于忙的服务器所占的百分比；表示任务的执行需求，用待执行的指令数来衡量，是一个独立同分布的指数随机变量；Ps表示单位时间内集群静态功耗；步骤D3：确定耗费支出；根据功耗得出应缴纳电费：Eleccos＝C(Ptotal)其中，Ptotal表示电费计费周期内总共的功耗，可由P得出，通常为一个月；函数C(x)表示与功耗有关的收费函数，根据不同城市电价规定不同表示不同，通常为阶梯电价计费；步骤D4：确定租赁费用；Rentcos＝δM其中，δ表示单位计费周期内每台服务器的平均租赁费用。6.如权利要求1所述的最优服务定价方法，其特征在于所述步骤五具体包括：步骤E1：确定系统的利润模型：Profit＝Revenue-Eleccos-Rentcos其中，根据步骤三到步骤四得出上述变量含义；步骤E2：确定平均任务的响应时间用表示每个服务请求的平均执行时间，则有用μ表示单位时间内单个服务器平均完成的服务请求的数量，则有ρ表示单位时间内集群中处于忙的服务器所占的百分比，则有用pk表示M/M/m队列系统中有k个服务请求正在被处理或处于等待的状态，确定其概率：其中，p0表示队列中没有任务，表示如下：用Pq表示由于没有空闲处理器，新到达的任务需要排队的概率：用表示处于等待或执行中的平均任务数量：确定平均任务响应时间：步骤E3：将利润模型转化为一个带约束条件的优化问题，即：max：ω·Eω(m)·t-C(Ptotal)-δMtP＝M(ξsγ+Ps)≤Pth(constant-speed模式)...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。