论文部分内容阅读
云计算是一种虚拟化的、可伸缩的IT服务,它可以按照用户的需求动态地提供服务。随着各云平台用户需求的不断增加,其资源负荷量也有了较大的变化,如何准确预测客户需求并合理分配云资源成为各平台供应商面临的挑战。因此,各种云资源的市场交易平台应运而生,为用户及时、便捷的获取云服务提供了可靠保障。然而,云计算资源目前出现了多种购买模式,如亚马逊弹性云平台的3种类型的实例计费方案,分别为：按需运行实例、保留定制实例和现货竞价实例。前两类实例的价格一定,但是,关于云供应商如何针对现货竞价实例进行定价及定价趋势的问题,目前的研究结果尚未十分明朗,另一方面,用户如何更好地从云计算环境中获得决策过程所需的决策信息、如何从海量决策信息中处理动态的用户需求信息,都会影响用户最终的购买决策效率。因此研究云计算多实例的市场交易和购买决策十分必要。云计算多实例的市场交易和购买决策面临的主要挑战有：(1)云供应商如何针对现货竞价实例定价及其价格变动的趋势研究只考虑了定性的影响趋势,无法量化；(2)用户对于自身需求信息无法进行全面的处理和分析；(3)在购买决策过程中,只考虑了服务质量这一单一因素,使得服务呈现单一化的趋势,无法满足用户多方面的需求。基于以上问题,本文提出了基于云联盟的云计算市场交易体系,为供需双方的交易提供架构支撑。然后构建云计算市场交易预测模型,包括现货竞价实例价格预测模型和客户需求预测模型。最后研究了基于客户的多实例组合购买决策,以达到满足用户多样化需求的目标。具体的工作包括：(1)提出了基于云计算的市场交易体系；(2)设计了云计算市场现货实例的价格预测模型和算法,充分挖掘云供应商现货实例的定价规律,为云用户的投标决策提供依据；(3)设计了云计算市场客户需求预测模型,并采用灰色BP神经网络进行仿真训练,改进了传统BP神经网络的缺点,使得预测值更为精确,从而充分挖掘云用户自身的需求,使得用户更好的了解自身的需求规律,优化购买决策；(4)构建了基于客户的云计算市场多实例组合购买决策模型,首先从成本优化和服务时间最小入手,结合不同实例类型的特点,构建单目标约束模型,然后综合考虑客户各方面的需求,构建双目标约束模型,同时达到客户成本最小化和服务时间最短的目标。