本站小編為你精心準(zhǔn)備了云網(wǎng)絡(luò)資源管理中經(jīng)濟(jì)和定價(jià)模型的應(yīng)用參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：云網(wǎng)絡(luò)提供了服務(wù)器的本地網(wǎng)絡(luò)連接和數(shù)據(jù)中心的遠(yuǎn)程鏈接，以創(chuàng)建支持具有不同資源需求和實(shí)用程序的大量用戶和應(yīng)用程序的資源池。因此，資源管理成為云網(wǎng)絡(luò)中最重要的問題之一。文章回顧了云數(shù)據(jù)中心網(wǎng)絡(luò)資源管理中，經(jīng)濟(jì)和定價(jià)模型的應(yīng)用，主要包括云無線接入網(wǎng)、微云和移動(dòng)電信云中的資源管理。

關(guān)鍵詞：云網(wǎng)絡(luò)；資源管理；經(jīng)濟(jì)和定價(jià)模型；邊緣計(jì)算

移動(dòng)云網(wǎng)絡(luò)（MobileCloudNetwork，MCN）由若干部分構(gòu)成，包括云計(jì)算基礎(chǔ)設(shè)施（即數(shù)據(jù)中心）、無線接入網(wǎng)絡(luò)（RadioAccessNetwork，RAN）、云移動(dòng)核心網(wǎng)絡(luò)和移動(dòng)平臺(tái)服務(wù)。MCN中的無線環(huán)境是動(dòng)態(tài)的、分布式的和異構(gòu)的，傳統(tǒng)的靜態(tài)方法不可能實(shí)現(xiàn)最佳的資源管理，而最近采用的經(jīng)濟(jì)和定價(jià)模型，可以動(dòng)態(tài)、有效地管理MCN中資源。本文對經(jīng)濟(jì)和定價(jià)模型在MCN中的云無線接入網(wǎng)（Cloud-RAN）、微云和移動(dòng)電信云中的資源管理，進(jìn)行了回顧。

1Cloud-RAN

Cloud-RAN是一種基于云計(jì)算的集中式無線接入網(wǎng)絡(luò)架構(gòu)。在Cloud-RAN中，基站的信號處理功能在云中執(zhí)行，即集中式基帶處理單元（BuildingBasebandUnit，BBU）或BBU池。然后，基于從云端接收的基帶信號，由遠(yuǎn)程無線電頭端（RemoteRadioHead，RRH），向用戶發(fā)送無線電信號。為了連接BBU和RRH，使用前傳鏈路。Cloud-RAN的設(shè)計(jì)目標(biāo)之一是最小化從RRH到用戶的總下行鏈路傳輸功率，同時(shí)，保持前傳容量和用戶服務(wù)質(zhì)量（QualityofService，QoS）約束。為實(shí)現(xiàn)這一目標(biāo)，Ha等研究了兩個(gè)問題：第一個(gè)問題旨在確定服務(wù)于每個(gè)移動(dòng)用戶的一組RRH和用于RRH的預(yù)編碼向量，以最小化來自RRH到移動(dòng)用戶的總傳輸功率，同時(shí)，限制前傳容量。第二個(gè)問題是最小化從RRH到移動(dòng)用戶的總傳輸功率，以及BBU和RRH之間的總前傳容量。在調(diào)整與RRH相關(guān)的定價(jià)系數(shù)的同時(shí)，通過迭代地解決第二個(gè)問題來解決第一個(gè)問題。每個(gè)RRH的定價(jià)系數(shù)是指云與RRH之間鏈路的每單位前傳容量的價(jià)格。RRH的前傳容量是其定價(jià)系數(shù)的遞減函數(shù)。解決第一個(gè)問題是通過二元搜索方法實(shí)現(xiàn)的，該方法調(diào)整定價(jià)系數(shù)，使RRH的前傳容量等于其最大允許限值。在第二個(gè)問題中，目標(biāo)函數(shù)是凹的，并且對應(yīng)于所有約束的可行區(qū)域也是凸的。因此，可以通過使用梯度方法來解決該問題。仿真結(jié)果表明，當(dāng)為一個(gè)用戶服務(wù)的最大RRH數(shù)量較大時(shí)，總傳輸功率較小。然而，這也導(dǎo)致高計(jì)算復(fù)雜性[1]。Dahrouj等[2]研究的模型包括通過RRH為多個(gè)用戶提供服務(wù)的單個(gè)云。多個(gè)云（Multi-CloudRAN，M-CRAN）可用于滿足用戶的處理需求。Dahrouj等解決了分配用戶，即買方到云（即賣方）的問題，使得每個(gè)云的總體凈收益最大化。每個(gè)云解決了背包問題，其目標(biāo)和約束分別是凈收益和資源預(yù)算。資源預(yù)算被定義為云可以服務(wù)的最大用戶數(shù)。如果無法保證QoS服務(wù)，云還會(huì)支付其用戶的懲罰成本。因此，服務(wù)于用戶的云的凈效益功能是用戶支付的價(jià)格與懲罰成本之間的差異，完整多項(xiàng)式時(shí)間近似方案可用于找到最佳用戶組。云可以增加懲罰成本以吸引更多用戶，并迭代地執(zhí)行算法以最大化其整體凈收益，但是會(huì)產(chǎn)生很高的計(jì)算復(fù)雜度。

2微云

微云稱為移動(dòng)邊緣計(jì)算，或移動(dòng)朵云[3]，是一個(gè)移動(dòng)性增強(qiáng)的小規(guī)模云數(shù)據(jù)中心。它可以位于網(wǎng)絡(luò)的邊緣，例如在移動(dòng)用戶連接的基站處，其目標(biāo)是為移動(dòng)用戶提供低延遲下的云服務(wù)。因此，微云被認(rèn)為是3層模型的中間層，即移動(dòng)設(shè)備—微云—云。微云層的資源是有限的，因此，基于競爭的定價(jià)模型，如雙重拍賣，被有效地用于移動(dòng)用戶的資源分配。Jin等[4]在研究中討論的雙重拍賣，可以達(dá)到個(gè)人理性和預(yù)算均衡，但不能保證真實(shí)性。Jin等通過根據(jù)Vickrey拍賣的支付方案向用戶收費(fèi)來解決這個(gè)問題。該模型包括：（1）移動(dòng)用戶，即買方。（2）微云，即賣方。（3）中央控制器，即拍賣方。微云僅為其附近的移動(dòng)用戶提供服務(wù)，以減少通信延遲。拍賣經(jīng)理按照詢價(jià)從高到低的順序?qū)I方進(jìn)行分類。選擇中間賣方的詢問，作為確定獲勝買方和賣方候選者的閾值。對于每個(gè)獲勝賣方候選人，拍賣經(jīng)理選擇具有最高價(jià)格的獲勝買方，并且以次高出價(jià)的價(jià)格收費(fèi)。如果買方贏得兩個(gè)或兩個(gè)以上的賣方，拍賣經(jīng)理只能選擇一個(gè)賣方，使買方的效用最高。仿真結(jié)果表明，當(dāng)買方以實(shí)際價(jià)格出價(jià)時(shí)，其效用得到改善。然而，系統(tǒng)效率方面，最終買方與獲勝賣方之間的最終匹配數(shù)量僅達(dá)到最優(yōu)方案的50％左右。Jin等使用相同的模型，考慮了拍賣中的隨機(jī)性和不確定性，以提高系統(tǒng)效率。具體而言，拍賣經(jīng)理將賣方隨機(jī)分類列表。為了確定每個(gè)賣方的獲勝買方，拍賣經(jīng)理定義了不包括該賣方詢問的詢問向量，然后計(jì)算該向量的中值詢問。在出價(jià)高于賣方要求的買方中，出價(jià)最高的買方贏得賣方的服務(wù)。然后，將獲勝的買方和賣方分別插入到獲勝買方和獲勝賣方的集合中。向獲勝買方收取的清算價(jià)格和支付給賣方的價(jià)格設(shè)定為相同。更具體地說，價(jià)格是賣方中間詢價(jià)的最大值和所有買方的次高出價(jià)。由于任何贏家組中的獲勝買方都不會(huì)與剩余賣方的其他買方競爭，因此，候選人淘汰算法不是必需的，系統(tǒng)效率因此得到提高。仿真結(jié)果表明，所提出的解決方案實(shí)現(xiàn)的系統(tǒng)效率達(dá)到最優(yōu)方案的80％。但是，所提出的解決方案并不能保證買方強(qiáng)有力的真實(shí)性。

3移動(dòng)電信云

除了前面提到的微云模型之外，還有一種類似的模型，稱為移動(dòng)電信云（MobileTelecommunicationsCloud，MTC）[5]。邊緣云服務(wù)由移動(dòng)網(wǎng)絡(luò)運(yùn)營商提供，它為移動(dòng)用戶提供最后一英里的互聯(lián)網(wǎng)接入。網(wǎng)絡(luò)運(yùn)營商充當(dāng)商，使用來自云提供商（例如亞馬遜）的折扣提供更好、更便宜的云服務(wù)給他們的用戶。特別地，當(dāng)接收用戶的云請求時(shí)，經(jīng)紀(jì)人將資源預(yù)留制定為總成本最小化問題。總成本取決于用戶的云請求，經(jīng)紀(jì)或云提供商提供的云服務(wù)的成本，以及云提供商提供的折扣閾值。然后用線性規(guī)劃結(jié)合舍入技術(shù)或最小成本貪婪來解決這個(gè)問題。最佳解決方案允許經(jīng)紀(jì)人使用兩個(gè)條件來設(shè)定其價(jià)格范圍：（1）報(bào)價(jià)低于云提供商的建議價(jià)格。（2）經(jīng)紀(jì)業(yè)務(wù)的總成本小于給用戶的收費(fèi)價(jià)格總和。這些條件旨在保證經(jīng)紀(jì)人的高利潤，同時(shí)，吸引更多的用戶。仿真結(jié)果表明，最小代價(jià)貪心算法的成本小于線性規(guī)劃代價(jià)。此外，最小代價(jià)貪婪算法比具有需要多次迭代收斂的舍入技術(shù)的線性規(guī)劃運(yùn)行速度快得多。

4結(jié)語

本文回顧了經(jīng)濟(jì)和定價(jià)模型在MCN中的Cloud-RAN，邊緣計(jì)算中的微云和移動(dòng)電信云的資源管理。討論了資源管理方法的現(xiàn)狀、主要方法的優(yōu)缺點(diǎn)。分布式云模型可以降低用戶的成本和服務(wù)延遲，是未來研究應(yīng)用的重要方向。

作者：董春利 王莉 單位：南京交通職業(yè)技術(shù)學(xué)院