[发明专利]一种用于云计算资源定价的统计分析方法

摘要

本发明公开了一种用于云计算资源定价的统计分析方法，包括以下步骤步骤1，给定一个新的云服务提供商的资源实例，并搜集现行市场的云计算实例；步骤2，统计所有现行实例在不同价格区间的概率分布；步骤3，将现行实例和新实例的数据进行标准化处理，并对现行实例和新实例进行分类，选择跟新实例在同一类的现行实例作为新实例的相似实例；步骤4，获取相似实例的初始市场份额，并建立用户转移概率矩阵，采用马尔科夫链方法计算出相似实例的短期市场份额和最终市场份额；步骤5，统计相似实例的价格、概率分布和市场份额，计算出新实例的价格。

主权项

一种用于云计算资源定价的统计分析方法，其特征在于，包括以下步骤：步骤1，给定一个新的云服务提供商的资源实例作为新实例，并从互联网的云服务提供商中搜集虚拟机实例作为现行实例，实例具有统一的属性，分别包括虚拟核心、内存和硬盘；步骤2，统计现行实例在不同价格区间的概率分布，作为新实例的价格参考范围；步骤3，将现行实例和新实例的数据进行标准化处理，并对现行实例和新实例进行分类，通过计算新实例和现行实例的欧氏距离，选择欧氏距离最小的现行实例作为新实例的相似实例，新实例的所有相似实例构成相似实例集合；步骤4，采用乘法竞争互动公式计算出相似实例的初始市场份额，并且建立用户转移概率矩阵，然后根据马尔科夫链方法计算出相似实例的短期市场份额和最终市场份额；步骤5，综合相似实例的价格、概率分布和最终市场份额，计算出新实例的价格；步骤3中对现行实例和新实例的数据分别采用Z‑分数标准化法进行标准化处理，公式如下：Cij=sij-s‾jsjσ---(1)]]>Fj=fj-s‾jsjσ---(2)]]>其中，Cij表示第i个现行实例的第j个属性的标准化值，sij表示第i个现行实例的第j个属性值，j＝1时sij表示现行实例的虚拟核心数量，j＝2时sij表示现行实例的内存属性，j＝3时sij表示现行实例的硬盘属性，表示现行实例集合中第j个属性的均值，m表示现行实例的数量，表示现行实例集合中第j个属性的标准差，Fj表示新实例的第j个属性的标准化值，fj表示新实例的第j个属性值，j＝1时fj表示新实例的虚拟核心数量，j＝2时fj表示新实例的内存属性，j＝3时fj表示新实例的硬盘属性；步骤3中，采用K最近邻分类方法对现行实例和新实例进行分类，通过计算新实例和现行实例的欧氏距离，选择欧氏距离最小的前k个实例作为新实例的相似实例，k取值自然数，欧氏距离计算公式如下：Ei=Σj=13(Cij-Fj)2---(3)]]>其中，Ei表示第i个现行实例和新实例的欧式距离，E的大小反映了两个实例之间的相似程度，E越小，表示两个实例越相似；Cij表示第i个现行实例的第j个属性的标准化值；Fj表示新实例的第j个属性的标准化值；步骤3中，对于每个相似实例，计算它们在相似实例集合中的价格概率分布，公式如下：qi=QiΣi=1kQi---(4)]]>其中，qi表示第i个相似实例在相似实例集合中的价格概率，Qi表示第i个相似实例在现行市场的价格概率，表示所有相似实例的现行市场价格概率之和，k表示相似实例集合的实例总个数；步骤4中，使用吸引力模型计算相似实例的初始市场份额，对于每一个相似实例，获取相似实例的吸引力属性，吸引力属性包括价格、CPU速率、内存速率和品牌吸引力，所述乘法竞争互动公式如下：MSi(0)=Lipia∂cpuib∂memicΣj=1kLjpja∂cpujb∂memjc---(5)]]>其中，表示第i个相似实例在t周期时的市场份额，t≥0，表示第i个相似实例的初始市场份额，且k表示相似实例集合的实例总个数；表示第i个实例对用户的吸引程度，表示所有实例对用户的总吸引程度，Li表示第i个实例的品牌吸引力，pi表示第i个实例的价格，表示第i个实例的CPU速率，表示第i个实例的内存读写速率，参数a表示价格pi对吸引力的影响系数，参数b表示CPU速率对吸引力的影响系数，参数c表示内存速率对吸引力的影响系数；步骤4中，根据用户购买实例的历史记录建立用户转移概率矩阵P；步骤4中，所述根据马尔科夫链方法计算出相似实例的短期市场份额，公式如下：MS(1)＝MS(0)·P  (6)其中，表示短期市场份额矩阵，k表示相似实例集合的实例总个数，表示初始市场份额矩阵；步骤4中，根据马尔科夫链方法计算出相似实例的最终市场份额，公式如下：MS=MS·PΣi=1kMSi=1---(7)]]>其中，MS＝(MS1,MS2,…,MSk)表示最终市场份额矩阵，k表示相似实例集合的实例总个数，MSi表示第i个相似实例的最终市场份额，P表示用户转移概率矩阵；步骤5中，建立一个计算新实例价格的模型，其中把相似实例的市场份额作为相似实例价格的可信程度，即市场份额越高则价格越可信；并把相似实例价格的概率分布作为相似实例对新实例的价格影响度，即概率分布越高，则影响度越低，最后根据相似实例的价格、价格概率分布和最终市场份额计算出新实例的价格，计算公式如下：price=Σi=1kMSi·vi-1kΣi=1kqi·vi---(8)]]>其中price表示新实例的价格，k表示相似实例集合的实例总个数，MSi表示第i个相似实例的市场份额，vi表示第i个相似实例的价格，qi表示第i个相似实例在相似实例集合中的价格概率。