[发明专利]基于马尔科夫模型的亚马逊弹性计算云竞价方法

说明书

技术领域

本发明属于云计算领域，涉及Web网络服务技术，具体涉及一种用于在亚马逊弹性计算云运行实例周期价格随供求关系动态变化的情况下，自适应调节竞价决策以达到运行可靠性与运行成本之间平衡的亚马逊弹性计算云竞价方法。

背景技术

随着网络通信技术、Web应用服务和云计算技术的快速发展和日益成熟，计算能力逐渐作为一种空前重要的资源，得到越来越多的重视和不断的发掘。得益于云计算技术的应用，宝贵的计算资源得以通过按需分配的形式租让给用户。2009年12月，亚马逊（Amazon）开放了运行实例（Spot Instance），公开拍卖亚马逊弹性计算云的闲置计算资源，为用户提供了获得计算资源的新方式。参与竞价的用户将有机会获得弹性计算云上的资源以便运行计算任务。

迄今为止，亚马逊提供了64种不同类型的运行实例，包括标准型（Standard），高CPU型（High-CPU）和高内存型（High-Memory）等等。提供计算资源的服务器更是广泛分布于北美大陆和欧亚大陆。亚马逊为不同类型的运行实例设定了不同的价格区间，图1是亚马逊部署在美国东部的弹性计算云运行实例的价格示意图；在每个运行实例周期（Instance hour）中，特定类型的运行实例价格（Spot price）由亚马逊进行更新。依据亚马逊的执行标准，运行实例周期以单位小时为定义。不同运行实例周期的运行实例价格会根据供求关系的变化产生波动。参与竞价的用户给出愿意为每个运行实例周期付出的最高竞价，当动态变化的运行实例价格低于用户的竞价时，用户将获得所竞价的运行实例资源（In-bid），直到运行实例价格浮动超过该用户的竞价（Out-of-bid）。在每个运行实例周期中，亚马逊根据当前的运行实例价格对竞价成功的用户进行收费；图2a-2c是亚马逊对弹性计算云运行实例收费规则的示意图；图3是所提交计算任务在运行实例上运行过程的示意图。

对于需要运行灵活性较高、计算量较大的计算任务的用户来说，竞价亚马逊提供的运行实例可以大大降低任务的运行成本。此外，运行实例还为需要快速集中处理的计算任务提供了额外的资源。此处仅列举几类适用于运行实例的计算任务：例如视频图像处理、生物医学复杂分子结构计算、大规模实时金融数据分析等。

通过以上介绍，我们可以清晰了解到，有效利用运行实例资源的难点在于如何在运行稳定性和运行成本之间取得平衡。较高的竞价固然会达到更高的运行稳定性，但必然会带来更高的运行开销；降低竞价使得运行开销得到控制，然而会导致运行时间的延长，甚至远远超过所提交计算任务真正所需的计算时间，大部分运行时间消耗于竞价失败的空白等待时间。

现有的云计算中间件服务不具备智能化竞价能力，未来理想的中间件需要能够自动对运行实例历史价格数据进行分析，结合所提交计算任务的运行时限和成本要求，以自适应决策的方式为用户提供最优的竞价方法。

在本发明中，我们探究针对亚马逊弹性计算云运行实例的最优竞价方法，解决如何在满足计算任务运行时限的前提下获得最低的运行成本。

前人的研究工作主要围绕价格概率模型和检查点设置机制展开。具体来讲，就是在给定计算任务运行时限和成本要求的情况下，如何有效地建立价格概率模型以及合理地设置检查点从而及时保存计算完成的中间结果，避免因竞价失败情况发生时，计算资源被自动收回而丢失计算进度。然而，上述工作仅仅考虑了静态的竞价方法，即用户的竞价在竞价过程中被作为定值参数进行建模，忽略了动态竞价模型能够产生的成本收益。

发明内容

（一）要解决的技术问题

本发明的目的在于针对上述问题，提供一种基于马尔科夫模型的亚马逊弹性计算云竞价方法，通过自适应调节在各运行实例周期中执行的竞价决策以达到运行可靠性与运行成本之间的平衡，在满足时限要求的同时实现最低的运行成本，特别适合应用于云计算网络服务用户。

（二）技术方案

为解决上述技术问题，本发明技术方案如下：

一种基于马尔科夫模型的亚马逊弹性计算云竞价方法，包括步骤：

S1.根据历史运行实例价格数据，构建待竞价亚马逊弹性计算云运行实例的价格转换概率模型；

S2.确定当前运行实例周期的状态；

S3.结合所述价格转换概率模型以及当前运行实例周期的状态，构建下一运行实例周期竞价决策的受限马尔科夫模型；

所述受限马尔科夫模型满足：

任意两个运行实例周期的状态间转换概率为正数；

运行时限内完成计算总量期望值不少于计算任务计算总量；