徐友洪 李 杰,2

1(衢州职业技术学院信息工程学院 浙江 衢州 324000)2(武汉大学印刷与包装系 湖北 武汉 430072)

0 引 言

云提供商将其资源提供给虚拟机(Virtual Machine,VM)实例，并将它们分配给特定时间段的用户。提供、分配和定价这些VM实例是一个挑战性课题，必须通过云提供商来解决。商业云提供商(如阿里云、腾讯云、百度云及天翼云计算)所采用的固定价格分配机制不能有效地分配VM实例，也不能对动态反映变化的用户需求资源进行定价。经济学理论认为，当拍卖成本较低时，拍卖比固定价格机制更有效，因为产品与估价最高的客户相匹配。特别地，基于组合拍卖的机制最适合云计算中的资源分配，这源于分配需求的特性。组合拍卖中的胜者决定是一个NP-Hard问题，因此要求解这种大量用户和资源的问题相当费时。

文献[1]设计了2种基于组合拍卖的贪婪算法即CA-贪婪算法作为VM实例分配，但假设VM实例是静态提供的，即要求VM实例已经配置好，不能更改。如果这种静态机制不能准确地预测用户需求，则会由于资源利用率不足而导致效率低下。文献[3]提出了一种VM提供的分布式在线聚类算法，并提出了基于模型的方法来生成长期的工作负荷估计，但这种算法过于依赖工作负荷的特点，需要对工作负荷特性进行预测来捕获当前的VM需求，这无疑限制了用户的扩展并增加了分配机制的复杂性。为解决虚拟机调度分配的多目标优化问题，文献[4]提出了一种适用于云环境下虚拟机调度的优化方法，这种提供机制主要支持云中科学应用的实现而限制了应用范围。……