混合云环境下面向客户的资源优化分配方法研究

云计算是继水、电、气和通信之后的第5效用，资源优化分配是效用计算研究热点问题。现有基于系统和市场的资源分配方法都是从云供应商利益出发，随着客户接受的"混合云"模式出现以及从"系统和供应商为中心"向"客户为中心"转变，以客户利益最大化为目标，研究混合云环境下效用最大、成本最小和服务质量QoS最优的资源分配方法具有非常重要的理论价值和现实意义。本课题借鉴其它效用计算资源分配理论，从混合云环境下面向客户的资源分配决策指标分析入手，研究基于系统和市场的资源优化分配机制和方法，开展以下创新研究：(1)提出风险和效用目标的混合云布局策略，解决客户公共云选择时的系统风险问题；(2)建立业务负荷波动情况下资源优化分配的多实例组合决策模型，满足客户服务质量和成本的双重目标；(3)研究基于信任过滤最小机会成本的现货实例投标策略，解决客户面临多种云实例市场时的成本和市场风险问题；(4)开发模拟系统进行实证研究。

本课题借鉴网格资源配置理论、电力市场资源分配方法、组合交易理论、最优化方法，研究在混合云环境下面向客户的云计算资源优化分配机制与方法。本项目主要研究混合云环境下面向客户的资源分配决策指标；研究混合云环境下的云资源分配与调度方法；研究典型云计算实例、多实例组合交易市场体系结构以及混合云环境下面向客户基于市场的多实例组合决策方法；综合考虑云服务的成本、时间、服务质量QoS和服务满意度多因素基础上，提出云服务资源优化调度模型；提出云联盟资源调度框架、对云供应商与云资源进行定义与建模、研究面向客户利益最大化与面向提供商利益最大化的云联盟云资源调度方法，并基于CloudSim进行仿真模拟。.本课题的创新点有以下几点：.(1)提出客户云需求波动环境的多实例组合决策模型。引入风险成本，通过案例详细阐述了最优决策取得的条件及原因，并对最优决策与客户未来需求的波动形式、波动幅度、有效工作时间和风险敏感因子的关系分别作了具体分析。.(2)提出了基于关联度的云资源布局策略，包括数据布局策略和任务调度策略，实现降低跨数据中心的传输量并缩短执行时间的双重优化目标。结合云资源实例的多种定价模式，提出了基于关键路径的云资源多实例组合购买决策，进一步优化云计算成本。.(3)提出云计算联盟资源调度模型，为达到云供应商利益最大化，设计了任务—虚拟机—数据中心的调度算法，利用蚁群算法为模型求解，并通过Cloudsim仿真软件证实了该算法的合理性，验证了供应商资源的数据中心负载率在60%-80%之间时达到均衡，并获得最大利益。.以本课题研究成果为基础，获得以下成果：.(1)提交课题研究报告。.(2)参加国内学术会议10余人次，国际学术交流及会议15人次以上。.(3)培养博士生4人，硕士生13人，以此课题为基础派出到国外访问学者3人。.(4)发表论文42篇，其中SCI、EI收录11篇，国外SCI、EI期刊4篇，国内核心期刊10篇,国际会议13篇。.(5)出版专著书稿《云计算经济学》，预计2016年出版。