本發明涉及云服務技術領域，具體地，涉及混合云模式中的基于成本考慮的在線服務請求調度方法。

背景技術：

李雅普諾夫優化技術通常被用來求解時均意義上的優化量。在優化問題中，有一大類問題是與時間相關的，例如與工作負載相關的問題就是隨著時間變化而不斷變化的。因此時均意義上的優化可以更好地優化全局系統的狀態。而帶有時均變量的優化問題很難用通常的優化方法進行解決，李雅普諾夫優化技術就可以被用來解決這類問題。李雅普諾夫優化技術原本來源于自動控制領域中的李雅普諾夫穩定性。因此最初該技術也是用于進行動態隊列網絡中的最優控制。但由于改進技術的優秀性質，之后被拓展到其他領域用于解決求解時均量的優化問題。

由于服務請求的波動性，當服務請求突然增多時，企業或組織內部的私有云的資源是不夠用的，如果購買硬件設施來處理這些隨機的增多的服務請求，不僅成本高，而且大多數的時候這些硬件是處于閑置狀態，嚴重浪費資源。由于混合云架構的特性，當私有云中的資源不夠用的時候，可以以較低的價格租用公有云中的資源。因此越來越多的企業或組織將已有的基礎設施作為自己的私有云，處理企業或組織內部的大部分服務任務，當服務請求突然增多，私有云資源不夠用的時候，租用公有云中的資源以應對服務請求的爆炸式突增。用戶的服務請求是實時隨機到達的，其到達的波動性很大，規律很難預測，而且有些服務請求處于安全隱私的考慮希望被運行在私有云上，這樣的服務請求一般都是處理公司里的重要事務的，因此企業是希望這種類型的服務請求的拒絕率不能太高，否則會影響公司的正常業務。這種情況下做一個基于成本考慮的最優的服務請求調度是很困難的。目前針對這個問題主要是考慮靜態的情況，即知道服務請求到達的所有全局信息，這樣的假設前提是不符合實際的。

由于私有云是企業固有的資產，運行在私有云上的服務請求是不需要花費租金的，所以我們假設運行在私有云上服務請求成本花銷為零。為了使租用公有云的花銷成本最小，我們可以將所有的服務請求都運行在私有云上，然而由于私有云的資源是有限的，如果所有的請求都調度在私有云上，那么當私有云中的資源不夠用的時候，對于那些只能運行在私有云上的服務請求就會被拒絕，如果被拒絕的這類請求太多，就會影響公司的正常運營，因此如何使最小花費成本和拒絕率之間達到平衡是關鍵。

本發明為了在保證拒絕率的情況下，得到最少的花費的服務請求調度方法，提出了一個在混合云模式下的基于成本考慮的在線的服務請求調度策略，同時利用李雅普諾夫優化技術，將整個時間段上的平均優化目標轉化為每個時間槽中的優化目標，這樣通過解這個轉化過后的優化問題我們可以實時的做出調度決策。

技術實現要素：

針對現有技術中的缺陷，本發明的目的是提供一種混合云模式中的基于成本考慮的在線服務請求調度方法。

根據本發明提供的混合云模式中的基于成本考慮的在線服務請求調度方法，包括如下步驟：

步驟1：構建以平均花銷成本最小化為目標，私有云資源有限，服務拒絕率為限制條件的最優化問題；

步驟2：利用李雅普諾夫優化方法將步驟1中的最優化問題轉化為單時槽中的優化問題；

步驟3：采用最優衰減算法求解步驟2中單時槽中的優化問題的最優解，即得到當前時刻的服務請求的調度方法。

優選地，所述步驟1中的最優化問題如下：

subject to:

Y_it,Z_jt∈{0,1} (2)

式中：Y_it,Z_jt是取0,1的決策變量，Y_it表示t時刻只能運行在私有云上的第i個請求，n_t表示t時刻此類請求的總量；Z_jt表示t時刻可以運行在私有云或公有云上的第j個請求，m_t表示t時刻此類請求的總量；a_ivt,b_jvt分別表示t時刻只能運行在私有云上的第i個請求對第v種類型的虛機的請求數量以及表示t時刻運行在私有云或公有云上的第j個請求對第v種類型的虛機的請求數量；c_v代表v類型虛擬機的單位時間價格；t_j表示第j個請求的服務時間；v_vk代表v類型的虛擬機中k資源的數量；k取1,2,3分別表示資源類型為CPU，memory，storage disk；T表示整個時間槽數量；h表示虛機類型的數量，T_kt表示t時刻k類型資源的總量，α表示拒絕率的閾限；公式(3)限定了t時刻所請求的資源數量不能大于t時刻私有云中空余的資源量；公式(4)限定了平均拒絕率低于閾限值α。

優選地，所述步驟2包括：

步驟2.1：構造虛擬隊列H來記錄被拒絕的服務請求數量，計算公式如下：

H(0)＝0

式中：H(t+1)表示t+1時刻被拒絕的服務請求數量，H(t)表示t時刻被拒絕的服務請求數量，H(0)表示0時刻被拒絕的服務請求數量為0；

步驟2.2：構造李雅普諾夫函數及李雅普諾夫偏移，計算公式如下：

Δ(L(H(t)))＝E{L(H(t+1))-L(H(t))|H(t)}

式中：L(H(t))表示H(t)的李雅普諾夫函數，Δ表示李雅普諾夫偏移運算，L(H(t+1))表示H(t+1)的李雅普諾夫函數；

步驟2.3：求出李雅普諾夫偏移的上限，計算公式如下：

式中：n_t表示t時刻只能運行在私有云上請求的總量，E[.|.]表示在H(t)條下的的期望運算；

步驟2.4：構造單時槽優化問題的目標函數，函數如下：

式中：V表示調節參數，用于控制花銷成本和服務拒絕的數量之間的偏重，重新構建單時槽的優化問題如下：

subject to：

Y_it,Z_jt∈{0,1}

優選地，所述步驟3中的最優衰減算法包括如下步驟：

步驟A1：獲取t時刻所有的請求以及衰減序列d，d是目標函數中的決策變量系數的絕對值從小到大的序列；

步驟A2：獲取不考慮所有限制條件時，單時槽優化問題的目標函數的最優解，記為op；

步驟A3：判斷op所需的資源量是否小于公有云當前時刻的空余量，若op所需的資源量小于公有云當前時刻的空余量，則執行步驟A4；若op所需的資源量大于等于公有云當前時刻的空余量，則執行步驟A5；

步驟A4：將步驟A3得到的op作為最優解，更新剩余資源量T，令T的值為前一時刻的T的值減去N(Rt)后得到的值，N(Rt)表示t時刻決策所消耗的資源量，結束流程；

步驟A5：根據衰減序列d衰減單時槽優化問題的目標函數后得到新的op值，返回執行步驟A3。

與現有技術相比，本發明具有如下的有益效果：

本發明中的方法能夠針對未知的在線服務請求，即針對不知道任意將來時刻的服務請求到達的規律，使得整個時間區域內的平均租用公有云的花費成本達到最低，以服務請求拒絕率及私有云資源為限制條件的優化問題；然后利用李雅普諾夫優化技術將原問題轉化為不含時均量的優化問題，從而實現花銷成本和服務拒絕率之間的有效權衡。

附圖說明

通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發明的其它特征、目的和優點將會變得更明顯：

圖1為混合云中服務請求調度的基本框架圖；

圖2為基于框架的服務請求調度流程圖；

圖3為最優衰減算法流程圖。

具體實施方式

下面結合具體實施例對本發明進行詳細說明。以下實施例將有助于本領域的技術人員進一步理解本發明，但不以任何形式限制本發明。應當指出的是，對本領域的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干變化和改進。這些都屬于本發明的保護范圍。

根據本發明提供的混合云模式中的基于成本考慮的在線服務請求調度方法，若假設知道全局的服務請求信息來對在線服務請求進行調度，這樣的假設是不合理的。在本發明中針對不知道任意將來時刻的服務請求到達規律，提出了在線的服務請求調度策略，使得整個時間區域內的平均租用公有云的花費成本是最低的，服務請求拒絕率及私有云資源為限制條件的優化問題；然后利用李雅普諾夫優化技術，將原問題轉化為不含時均量的優化問題，轉化過后的問題是一個典型的0-1背包問題，為了提高求解這個問題的速度本發明中提出一種最優衰減算法求解這個問題。

由于服務請求的到達是隨機的，且服務請求的虛擬機的種類，數量以及要求服務的時間都是隨機的，因此難以預測這些具體的服務請求。因此，需要首先構建一個以平均花銷成本最小化為目標，私有云資源有限，服務拒絕率為限制條件的最優化問題：

subject to:

Y_it,Z_jt∈{0,1} (2)

式中：Y_it,Z_jt是取0,1的決策變量，Y_it表示t時刻只能運行在私有云上的第i個請求，n_t表示t時刻此類請求的總量；Z_jt表示t時刻可以運行在私有云或公有云上的第j個請求，m_t表示t時刻此類請求的總量；a_ivt,b_jvt分別表示t時刻只能運行在私有云上的第i個請求對第v種類型的虛機的請求數量以及表示t時刻運行在私有云或公有云上的第j個請求對第v種類型的虛機的請求數量；c_v代表v類型虛擬機的單位時間價格；t_j表示第j個請求的服務時間；v_vk代表v類型的虛擬機中k資源的數量；k取1,2,3分別表示資源類型為CPU，memory，storage disk；T表示整個時間槽數量；h表示虛機類型的數量，T_kt表示t時刻k類型資源的總量，α表示拒絕率的閾限。公式(3)限定了t時刻所請求的資源數量不能大于t時刻私有云中空余的資源量；公式(4)限定了平均拒絕率低于閾限值α。

可以看到，該問題是一個0-1線性規劃問題，但是這個問題的目標，及請求拒絕率的限制條件都是時均的，因此使用傳統0-1線性規劃方法很難解決這個問題。接下來就利用李雅普諾夫優化技術，將問題轉化為單時槽中的優化問題來解決，具體解決方案如下：

步驟S1：首先構造虛擬隊列H來記錄被拒絕的服務請求數量：

H(0)＝0

式中：H(t+1)表示t+1時刻被拒絕的服務請求數量，H(t)表示t時刻被拒絕的服務請求數量，H(0)表示0時刻被拒絕的服務請求數量為0；

步驟S2：接下來構造李雅普諾夫函數及李雅普諾夫偏移：

Δ(L(H(t)))＝E{L(H(t+1))-L(H(t))|H(t)}

式中：L(H(t))表示H(t)的李雅普諾夫函數，Δ表示李雅普諾夫偏移運算，L(H(t+1))表示H(t+1)的李雅普諾夫函數；

步驟S3：求出李雅普諾夫偏移的上限：

式中：E[.|.]表示在H(t)條下的的期望運算；

步驟S4：構造單時槽優化問題的目標函數：

式中：V表示調節參數，用于控制花銷成本和服務拒絕的數量之間的偏重。到這里，重新構建單時槽的優化問題如下：

subject to：

Y_it,Z_jt∈{0,1}

為了提高求解該問題的效率，本發明利用最優衰減算法求解該優化問題，從而能夠得到當前時刻的服務請求的調度決策，從而取得成本花銷和服務請求被拒絕數量之間的平衡。

圖1位服務請求調度的四個基本組成模塊：請求管理器，調度系統，資源檢測器和公有云接口。圖2展示了服務請求調度的基本流程。首先請求管理器接收和收集t時刻所有的服務請求，并將這些服務請求轉發到調度系統；然后調度系統接收到這些服務請求，調用資源監測器中t時刻的資源剩余情況，根據請求調度策略做出調度決策，并將此刻的調度策略返回給請求管理器；請求管理器發布調度策略給私有云和公有云接口執行調度決策并將調度決策的結果返回給用戶。

以上對本發明的具體實施例進行了描述。需要理解的是，本發明并不局限于上述特定實施方式，本領域技術人員可以在權利要求的范圍內做出各種變化或修改，這并不影響本發明的實質內容。在不沖突的情況下，本申請的實施例和實施例中的特征可以任意相互組合。