本發(fā)明屬于sdn資源調(diào)度領(lǐng)域，具體涉及一種基于資源負(fù)載與用戶需求的sdn資源定價方法
背景技術(shù)：
：隨著網(wǎng)絡(luò)發(fā)展遍布全球，使得不同的網(wǎng)絡(luò)應(yīng)用需要不同的服務(wù)提供商，而且對網(wǎng)絡(luò)價格體系提出了更加嚴(yán)格的要求。同時，在網(wǎng)絡(luò)不斷發(fā)展的背景下，對資源優(yōu)化配置研究賦予了更新的涵義。因此，研究采取一種更合理的價格機制和體系，凸顯出網(wǎng)絡(luò)資源的價值，提高資源利用率，減少資源浪費，為網(wǎng)絡(luò)市場運作提供基礎(chǔ)，是當(dāng)前學(xué)術(shù)界一直追求研究的熱點問題。針對這一系列的問題，需要研究一種全新的網(wǎng)絡(luò)服務(wù)定價模式，一方面，它要合理有效地分配資源：另一方面，還得能夠支持多級別的服務(wù)模式，同時，也要能從用戶那里收回網(wǎng)絡(luò)服務(wù)運營成本以及提供高效、高質(zhì)量的網(wǎng)絡(luò)服務(wù)。2010年，onf(opennetworkingfoundation，開放網(wǎng)絡(luò)基金會)提出了軟件定義網(wǎng)絡(luò)(softwaredefinednetworks，簡稱sdn)的概念，其最大的特點就是數(shù)據(jù)平面與控制平面的分離，支持集中化網(wǎng)絡(luò)控制，實現(xiàn)底層網(wǎng)絡(luò)設(shè)施對上層的虛擬化，輕捷的軟件可編程能力，最終使網(wǎng)絡(luò)的管理和控制能力得到巨大的提升。sdn作為一種新型的網(wǎng)絡(luò)架構(gòu)，其集中控制特點能夠?qū)⒂脩籼岢鲂枨蟮馁Y源調(diào)到統(tǒng)一的交易平臺進行交易。主要體現(xiàn)為三點：其一，集中化的控制特點可以集中控制并整合所有網(wǎng)絡(luò)資源，方便對資源進行有效管理；其二，靈活的軟件編程能力能夠?qū)崿F(xiàn)讓非專業(yè)人員在調(diào)度策略中添加其他策略，實現(xiàn)個性化的定制，進一步提高資源調(diào)度的性能；其三，高度的可擴展性能夠解決當(dāng)今業(yè)務(wù)需求快速增加而導(dǎo)致的資源調(diào)度效率低下的問題。從運營商的角度可以基于sdn對骨干網(wǎng)邊緣流量進行調(diào)優(yōu)?；趕dn的網(wǎng)絡(luò)資源定價策略主要針對以下兩個問題：1)在當(dāng)前網(wǎng)絡(luò)環(huán)境中，當(dāng)網(wǎng)絡(luò)資源使用高峰期時，大量用戶訪問有限的網(wǎng)絡(luò)資源，必定會導(dǎo)致部分資源緊缺。同時，優(yōu)質(zhì)資源必定會成為用戶訪問的首選目標(biāo)，次級資源必定訪問量稀疏。這樣容易造成資源使用不平衡，優(yōu)質(zhì)資源高負(fù)載導(dǎo)致qos下降；次級資源使用率過低，導(dǎo)致資源閑置浪費。2)如何制定一個合理的網(wǎng)絡(luò)資源定價策略，使得資源能夠得到合理的分配，排除惡意用戶的干擾，使得服務(wù)提供商，在滿足用戶需求的情況下，能夠獲得最大的收益。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于針對網(wǎng)絡(luò)中用戶集中提出資源請求所造成資源負(fù)載過重和網(wǎng)絡(luò)擁塞的問題，提供一種基于資源負(fù)載與用戶需求的sdn資源定價方法。本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：一種基于資源負(fù)載與用戶需求的sdn資源定價方法，該方法包括以下步驟：步驟1：在sdn資源交易過程中，根據(jù)用戶需求及用戶消費模型ptmqdc對用戶進行聚類細(xì)分，根據(jù)所得聚類細(xì)分結(jié)果確定用戶的類型；步驟2：若用戶采用計劃消費，根據(jù)步驟1所得的用戶的類型，結(jié)合預(yù)約用戶的消費習(xí)慣，計算用戶取消預(yù)約概率參數(shù)。步驟3：根據(jù)步驟2得到的取消預(yù)約概率參數(shù)，結(jié)合用戶的預(yù)約時間和用戶信任度，計算資源提供商收取的手續(xù)費率，建立價格模型，并根據(jù)預(yù)約資源的不同時間段對應(yīng)不同價格的特點，確定計劃交易的預(yù)約折扣價。步驟4：若用戶采用現(xiàn)貨消費，計算當(dāng)前資源負(fù)載情況，結(jié)合用戶需求，計算資源初始價格，通過拍賣模型確定最終定價。進一步地，所述步驟1具體為：所述用戶需求分為三類：時延敏感型、帶寬敏感型、價格敏感型。所述ptmqdc模型包含六個屬性：p:pattern，表示用戶采取的資源交易模式，現(xiàn)貨消費或計劃消費；t：time，表示用戶提出資源請求的時間；m：money，表示用戶每次的消費金額；q：quantity,表示用戶每次的資源交易數(shù)量；d：discount，表示用戶消費是否享有折扣；c：credit，表示用戶信任度；通過六個屬性值來描述客戶的重要程度和客戶類型。結(jié)合ptmqdc模型利用k-means聚類算法工具weka，將用戶分成四類，根據(jù)用戶的交易記錄和用戶信任度對四類用戶進行排序，依次為優(yōu)秀客戶、一般客戶、限制客戶、惡意客戶。進一步地，所述步驟2具體為：由步驟1中所得用戶類型確定用戶信任度。對用戶取消預(yù)約的行為進行分析，考慮兩個方面：個體特性的行為預(yù)測和基于統(tǒng)計的概率分析。個體特性行為預(yù)測主要考察預(yù)約用戶的消費習(xí)慣，分析影響其取消預(yù)約的因素。基于統(tǒng)計的概率分析以統(tǒng)計為基礎(chǔ),采用考慮異質(zhì)性的模型對用戶進行劃分，對某一類用戶的失約率進行預(yù)測。通過確定用戶在時間長度t內(nèi)沒有取消預(yù)約的概率，結(jié)合用戶信任度來確定用戶取消預(yù)約概率參數(shù)。進一步地，所述步驟3具體為：取消預(yù)約的手續(xù)費率與用戶提前預(yù)約時享有的折扣有關(guān)，用戶所享受的折扣越大，用戶毀約時資源提供商向其收取的手續(xù)費比例越高。根據(jù)預(yù)售資源的價格與手續(xù)費，確定資源提供商推出每一個時間段的價格。進一步地，所述步驟4具體包括以下子步驟：(4.1)將sdn網(wǎng)絡(luò)資源分成轉(zhuǎn)發(fā)層、控制層和應(yīng)用層，其服務(wù)功能塊分別對應(yīng)元能力、元服務(wù)和元業(yè)務(wù)。所述元能力，是資源抽象層中轉(zhuǎn)發(fā)功能的細(xì)粒度功能單元。它是網(wǎng)絡(luò)中的基本承載組件，所有的元能力為元服務(wù)提供全網(wǎng)范圍中多樣化的基礎(chǔ)承載能力。所述元服務(wù)是依據(jù)網(wǎng)絡(luò)業(yè)務(wù)的特性和要求而聚類多個元能力所形成的基本網(wǎng)絡(luò)服務(wù)功能組件。所述元業(yè)務(wù)中包含了上層應(yīng)用的特性和要求，它可以根據(jù)應(yīng)用的特性和要求抽象出業(yè)務(wù)所需的最基本網(wǎng)絡(luò)服務(wù)功能。(4.2)確定資源各個指標(biāo)權(quán)重，將各個數(shù)據(jù)指標(biāo)進行歸一化處理。(4.3)計算各個元能力占所有包含對應(yīng)指標(biāo)的元能力比、差異系數(shù)和權(quán)重數(shù)；通過上述參數(shù)評估資源利用率，判定系統(tǒng)是過載、正常還是空閑。(4.4)利用logit模型分析用戶對元服務(wù)選擇的概率，并確定用戶對資源的需求。(4.5)建立收益模型，確定資源的初始價格，通過基于組合拍賣模型確定最終資源價格。本發(fā)明的有益效果是：通過價格刺激用戶提前預(yù)約資源，結(jié)合每個用戶的信任度與消費習(xí)慣給出相應(yīng)的優(yōu)惠價格，可以有效的避免用戶扎堆提出資源請求，造成資源負(fù)載過重，網(wǎng)絡(luò)擁塞的問題，從而實現(xiàn)資源的合理分配和保證每時每刻各個元服務(wù)或元業(yè)務(wù)都能正常運轉(zhuǎn)。附圖說明圖1資源定價整體框架；圖2不同層與層之間交易模式的選擇；圖3用戶聚類結(jié)果輸出，(a)為用戶聚為8簇，(b)為用戶聚為4簇；圖4預(yù)約時間與取消預(yù)約的概率關(guān)系；圖5不同用戶提前預(yù)約資源時不同時間段對應(yīng)的優(yōu)惠價，(a)為用戶1預(yù)約時間段對應(yīng)的價格，(b)為用戶2預(yù)約時間段對應(yīng)的價格，(c)為用戶3預(yù)約時間段對應(yīng)的價格。具體實施方式下面結(jié)合附圖和具體實施例對本發(fā)明作進一步詳細(xì)說明。如圖1所示，本發(fā)明提供的一種基于資源負(fù)載與用戶需求的sdn資源定價方法，該方法包括以下步驟：步驟1：評估用戶需求，采用ptmqdc模型對用戶進行聚類細(xì)分，根據(jù)所得聚類細(xì)分結(jié)果確定用戶的類型。所述用戶需求分為三類：時延敏感型、帶寬敏感型、價格敏感型。時延敏感型的用戶，通常需要的是語音、通話等業(yè)務(wù)，對時延比較敏感，關(guān)注網(wǎng)絡(luò)鏈路的實時性；而帶寬敏感型用戶，追求的是網(wǎng)絡(luò)帶寬，如用于下載視頻等業(yè)務(wù)；價格敏感型用戶，基本只關(guān)注價格。采用ptmqdc模型，ptmqdc其含義為：p：pattern，表示用戶采取的資源交易模式，現(xiàn)貨消費或計劃消費；t：time，表示用戶提出資源請求的時間；m：money，表示用戶每次的消費金額；q：quantity,表示用戶每次的資源交易數(shù)量；d：discount，表示用戶消費是否享有折扣；c：credit，表示用戶信任度。通過六個屬性值來描述客戶的重要程度和客戶類型。用戶的消費需求直接影響資源價格，為便于進行更直觀的分析，我們將ptmqdc六個參數(shù)進行如下處理：對于參數(shù)p，spot表示現(xiàn)貨消費，planned表示計劃消費；對于參數(shù)t，實際資源交易時間是根據(jù)用戶需求確定的，也是連續(xù)的，這里將時間分為離散的四個時間段：早上m(00:00——06:59)；上午a(07:00——11:59)；下午b(12:00——17:59)；晚上e(18:00——23:59)；對于參數(shù)m與c，每一個用戶都會有多條資源消費記錄，資源消費金額需求數(shù)量與信任度都不一樣，本實施例取該用戶所有記錄的平均值作為參考值，折扣d則用是否享受折扣表示。對每一位用戶的資源交易參數(shù)如表1。表1用戶的資源交易參數(shù)示意表以此對客戶進行劃分歸類，并針對不同的用戶，為其預(yù)測不同的資源交易方式。結(jié)合ptmqdc模型利用k-means聚類算法工具weka，將用戶分成四類，根據(jù)用戶的交易記錄和用戶信任度對四類用戶進行排序，依次為優(yōu)秀客戶、一般客戶、限制客戶、惡意客戶。將用戶細(xì)分之后，利用算法實現(xiàn)對用戶的分類。對客戶的聚類分析主要利用數(shù)據(jù)挖掘算法中的k-means算法。k-means是比較經(jīng)典的聚類算法，與其他的聚類算法相比，有著易于理解，收斂速度快等特點，而且其應(yīng)用比較成熟。該算法使用距離來衡量兩個對象之間的相似度，當(dāng)兩個對象距離越近時，認(rèn)為他們的相似度越大，采用歐幾里得距離公式。步驟2：若用戶采用計劃消費，根據(jù)步驟1所得用戶細(xì)分結(jié)果與用戶的類型，結(jié)合預(yù)約用戶的消費習(xí)慣，計算用戶取消預(yù)約概率參數(shù)。對用戶取消預(yù)約的行為分析主要在于個體特性的行為預(yù)測以及基于統(tǒng)計的概率分析。個體特性行為預(yù)測，主要考量預(yù)約用戶的消費習(xí)慣，分析影響其取消預(yù)約的因素等。概率模型則是以統(tǒng)計為基礎(chǔ)，分為不考慮異質(zhì)性的概率模型和考慮異質(zhì)性的概率模型。其中不考慮異質(zhì)性的概率模型是基于資源提供商中所有歷史數(shù)據(jù)而獲得的平均失約率，將所有用戶統(tǒng)一看待，按照相同的失約率處理；而考慮異質(zhì)性的模型是基于對用戶劃分的基礎(chǔ)上，對某一類用戶失約率的預(yù)測，這一模型更符合實際。在一般情況下，假設(shè)用戶的取消預(yù)約行為是隨機的，該用戶的取消過程也是獨立的。用戶在時刻h，沒有取消預(yù)約的事件為隨機事件，在時間間隔s之后，仍然沒有取消預(yù)約的概率與時刻h無關(guān)，可知道該隨機事件必然滿足指數(shù)分布。設(shè)p0(t)為在時間長度t內(nèi)用戶沒有取消預(yù)約的概率，且隨著時間的推移，用戶取消預(yù)約的概率將越來越低，即有：p0(t)＝at(公式1)其中a滿足a≥0，若a＝0，則p0(t)恒等于0，說明無論時間多少，總有人取消預(yù)約；若a＝1，p0(t)恒等于1，說明無論時間長短，都沒有人取消預(yù)約。顯然這兩種情況都是與實際情況不符的。因此可以存在一個λ＞0，令p0(t)滿足：p0(t)＝e-λt(公式2)用戶取消預(yù)約的概率不僅與提前預(yù)約資源的時間有關(guān)，還與用戶歷史消費記錄所產(chǎn)生的用戶信任度密切相關(guān)，對于信任度高的用戶來說，其取消預(yù)約的概率相對比較低，而信任度偏低的用戶，其取消預(yù)約的概率和其他用戶相比，相對要高。也就是說，用戶取消預(yù)約的概率，不僅僅與滿足指數(shù)分布的自然規(guī)律相關(guān)，還與用戶本身息息相關(guān)。將信任度結(jié)合到用戶取消預(yù)約的概率中，可以確定用戶在時間長度t內(nèi)用戶沒有取消預(yù)約的概率p0(t)為：p0(t)＝te-λt(公式3)其中t表示用戶的信任度，則在時間長度t內(nèi)，用戶取消資源預(yù)約的概率為q(t)：q(t)＝1-p0(t)＝1-te-λt(公式4)通過上述分析，可以知道λ是對用戶取消預(yù)約概率描述的參數(shù)，該參數(shù)的確定主要通過對大量預(yù)約用戶取消預(yù)約進行概率分析得出。步驟3：根據(jù)步驟2所得取消預(yù)約概率參數(shù)，結(jié)合用戶的預(yù)約時間和和用戶信任度，計算資源提供商收取的手續(xù)費率，建立價格模型，并更具預(yù)約資源不同價格對應(yīng)的不同時間段的特點，確定計劃交易所得的預(yù)約折扣價。取消預(yù)約的手續(xù)費率結(jié)合實際，應(yīng)該與用戶提前預(yù)約時享有的折扣有關(guān)，用戶所享受的折扣越大，即獲取資源的價格越低，那么用戶毀約時資源提供商向其收取的手續(xù)費比例則會越高。所以手續(xù)費比例應(yīng)該是一個與資源價格相關(guān)的函數(shù)r＝r(p)。則有手續(xù)費率r與資源提前預(yù)約時的價格p成反比例關(guān)系，如下式所示：其中f為一個大于零的常數(shù)，由資源提供商自己確定。這一關(guān)系同時也說明了，不論什么時候預(yù)約資源，一旦取消預(yù)約，用戶所要付出的手續(xù)費是相同的，但是享受的折扣越多，手續(xù)費所占的比例越高。最終資源提前預(yù)約出售時隨時間變化的價格模型如下：其中c為資源提供商的運營成本；p0表示資源的原始價格。如果資源預(yù)售出去的最低價為p，那么必須滿足p(t)≥p，則有：即根據(jù)資源提供商能夠接受的最低價格，且依據(jù)越是提前預(yù)約，用戶享受的資源價格越低的特點，用戶提前預(yù)約的時間不能大于接著，確定預(yù)約資源不同價格對應(yīng)的不同時間段：上一個步獲取了資源的動態(tài)定價模型，且獲得資源提前預(yù)約的最大時間，而在實際資源的價格是離散的，并非連續(xù)變化的。用n表示第n個時間段，則pn(t)表示離散的價格函數(shù)關(guān)系,第n個時間段資源的價格，qn(t)表示第n個時間段時用戶取消預(yù)約的概率，那么：因為用戶距離預(yù)約的消費時間越長，取消預(yù)約的概率越大，也就是說時間間隔越長，概率越高，所以qn(t)是一個增函數(shù)，那么在時間段(tn-1,tn)，qn-1(t)＜qn(t)＜qn+1(t)，且將上式改寫則有：所以根據(jù)預(yù)售資源的價格與手續(xù)費，可以確定資源提供商推出每一種價格的時間段。達到讓資源提供商在充分合適的時間段以比較合適的價格提前售出資源的目的，同時以此種方式銷售網(wǎng)絡(luò)資源，可以有效避免用戶集中提出資源請求的情況，造成網(wǎng)絡(luò)一時擁塞，負(fù)載過重的問題。步驟4：若用戶采用現(xiàn)貨消費，計算當(dāng)前資源負(fù)載情況，結(jié)合用戶需求，計算資源初始價格，通過拍賣模型確定最終定價。(4.1)確定資源各個指標(biāo)權(quán)重：1)假設(shè)在sdn網(wǎng)絡(luò)服務(wù)抽象層中，系統(tǒng)內(nèi)有多個元服務(wù)，某一個元服務(wù)由m個元能力組成，構(gòu)成所有這些元服務(wù)的所有元能力共有n種，將當(dāng)前時刻獲取的所有的元能力的指標(biāo)數(shù)據(jù)作為樣本數(shù)據(jù)，即樣本容量為n，且衡量元能力資源的指標(biāo)有p項，則利用熵權(quán)法計算指標(biāo)權(quán)重，系統(tǒng)輸入的指標(biāo)為：其中xj＝(x1jx2j…xnj),j＝1,2,…,p，xj表示第j個指標(biāo)的樣本值，xij表示第i個元能力的第j個指標(biāo)的值。2)數(shù)據(jù)歸一化，數(shù)據(jù)處理之后xij的值為：a)計算期望值盡可能大的指標(biāo)，b)計算期望值盡可能小的指標(biāo)，3)求包含第j個指標(biāo)的第i個元能力占所有包含第j個指標(biāo)的元能力的比重：計算第j項指標(biāo)的信息熵：因為是與樣本容量n有關(guān)的一個常數(shù)，且比重0≤pij≤1，則0≤eij≤1。4)計算第j項指標(biāo)的差異系數(shù)：因為0≤eij≤1，根據(jù)系統(tǒng)中某一項指標(biāo)的熵值大小與其變異程度相反，則第j項指標(biāo)的差異系數(shù)為gj：gj＝1-ej。對于該項指標(biāo)，差異值越大，說明該指標(biāo)越重要，熵值就越小，即gj越大，eij越小，指標(biāo)越重要。計算指標(biāo)的權(quán)重數(shù):則對于p項指標(biāo)，各項權(quán)重集合為w＝{w1,w2,w3,…,wp}。(4.2)評估資源的利用率：第i個元能力的第j項指標(biāo)在時間t的使用情況記為那么該元能力的所有使用情況數(shù)據(jù)集合為元服務(wù)的數(shù)據(jù)是底層元能力的數(shù)據(jù)集合，一個元服務(wù)由m種元能力組成，則所有元服務(wù)數(shù)據(jù)集合為：d＝{d1,d2,…,dm}。不同的元服務(wù)對資源的要求不同，則組成不同元服務(wù)的元能力也不同，且同一元服務(wù)下的元能力配置性能不一，現(xiàn)用固定參數(shù)表示不同元能力組成該元服務(wù)時的權(quán)重，權(quán)重集合表示為：r＝{r1,r2,…,rm}。由上一步，一個元能力的某一指標(biāo)的權(quán)重w＝{w1,w2,w3,…,wp}。定義元能力i在時刻t的實際負(fù)載情況為li，元能力i在指標(biāo)j上的理論負(fù)載能力用cij表示，cij為一個理論上的值，如元能力在內(nèi)存利用率80％以下能正常運行，則cij取80％，則指標(biāo)j的理論負(fù)載能力表示為rloadj。元能力單元在時間t時刻，指標(biāo)j的負(fù)載率為當(dāng)前實際負(fù)載與該元能力負(fù)載能力之比，表示元能力在t時刻對指標(biāo)i的實際使用情況。所以組成該元服務(wù)的元能力在單位時間t時刻，指標(biāo)j的負(fù)載率為：最終得到元服務(wù)單元在t時刻對指標(biāo)i的實際使用率為若業(yè)務(wù)運轉(zhuǎn)時共有n個元服務(wù)參與，則系統(tǒng)資源利用率可記為:為多個元服務(wù)資源利用率的平均值。通過比較rate的大小，可判定系統(tǒng)是過載、正常還是空閑。(4.3)分析用戶需求：在資源消費時，由于需求的不同這里可以將其分為三類，分別是時延敏感型、帶寬敏感型、價格敏感型。時延敏感型的用戶，通常需要的是語音、通話等業(yè)務(wù)，對時延比較敏感，關(guān)注網(wǎng)絡(luò)鏈路的實時性；而帶寬敏感型用戶，追求的是網(wǎng)絡(luò)帶寬，比如用于下載視頻等業(yè)務(wù)；價格敏感型用戶，基本只關(guān)注價格，對于兩個相同作用資源，哪一種更便宜就會選擇哪一種，幾乎不在乎其他因素。因此，用戶對資源的選擇，這里用logit選擇模型來衡量。在經(jīng)濟學(xué)領(lǐng)域，logit模型是最早的離散選擇模型，它是基于經(jīng)濟學(xué)所說的效用，用戶在進行選擇時，通常會傾向于對他們來說效用更高的選項。所述logit模型，當(dāng)用戶有兩種選擇方案時，u1與u2分別表示用戶兩種不同選擇方案時的效用，其中l(wèi)ogit模型中的效率表示為：u＝v+σ，其中v表示能觀察到的影響因素構(gòu)成的效用，σ表示不能觀察到的因素構(gòu)成的隨機項。p1與p2分別表示用戶選擇兩種方案的概率，用戶選擇消費方案時，必定會選擇效用更高的方案，即p1就表示u1＞u2的概率，p2表示u2＞u1的概率。通過logit模型推導(dǎo)，可以得到：其中θ是一個正系數(shù)，常用極大似然估計。將資源的負(fù)載情況與用戶的選擇，雙重因素結(jié)合分析，就能得出對資源交易雙方均合理的價格，也能達到資源合理分配的目的。不同元服務(wù)之間的比較，我們用p表示元服務(wù)的價格，用l表示該元服務(wù)當(dāng)前的負(fù)載情況，用r表示用戶消費時獲得的額外收益，用u表示用戶獲取元服務(wù)時得到的效用。效用是用戶消費時獲得的額外收益減去所付出成本。那么收益模型可以定義為：u＝ω1r-(ω2p+ω3l)；其中，ω＝{ω1,ω2,ω3}是大于等于零的常數(shù)，分別表示每一項的影響因子參數(shù)，不同的用戶，對每一項指標(biāo)的要求不一樣，因此其參數(shù)權(quán)重不一樣。根據(jù)logit模型，用戶選擇元服務(wù)的概率為q，則ass表示所有元服務(wù)。此外元服務(wù)由多個元能力組成，若確定了選擇每一個元能力的概率，也可以得到元服務(wù)被選擇的概率，記為對于資源提供商來說，最好能獲得最大的收益是他們的最終目的，且成本不變，則元服務(wù)i給資源提供商帶來的最大收益為：ri(p)：ri(p)＝qi×pi×q-c(公式22)其中q表示用戶選擇的這種元服務(wù)的數(shù)量，c表示該元服務(wù)的固有成本，那么為求出該元服務(wù)最合適的定價。對關(guān)于p的函數(shù)進行一階與二階求導(dǎo)。則有：若p是滿足上式的最優(yōu)解，則p一定滿足一階求導(dǎo)等于零，即滿足下式：與此同時，要想得到收益最大化，還需滿足二階求導(dǎo)小于零，即滿足下式：因為求解最優(yōu)解的關(guān)鍵與用戶選擇該元服務(wù)的概率有關(guān)，而影響用戶選擇的關(guān)鍵又在于用戶最終獲得的效用，該效用歸根結(jié)底與每一個影響因子的參數(shù)息息相關(guān)，即求解最優(yōu)解，最重要的就是確定每一個影響因子的參數(shù)大小。實施例針對ptmqdc模型，利用所有網(wǎng)絡(luò)資源用戶歷史交易記錄，采取如表2所示的數(shù)據(jù)集樣例，進行仿真。表2樣例數(shù)據(jù)集為簡化仿真過程，利用隨機產(chǎn)生的1000組用戶數(shù)據(jù)，對用戶進行分析，首先導(dǎo)入數(shù)據(jù)，得到表2所示的數(shù)據(jù)信息。初始數(shù)據(jù)主要包含了數(shù)據(jù)表中所包含的數(shù)據(jù)屬性，數(shù)據(jù)類型，是數(shù)值型數(shù)據(jù)還是分類型數(shù)據(jù)以及每一種屬性的數(shù)據(jù)數(shù)量等等信息。利用weka的聚類工具選用k-means算法，當(dāng)選擇的numcluster為8時，將用戶聚為8類，可以看到如(b)圖3輸出結(jié)果?？梢钥闯觯谝淮匕?12人，占總用戶的31％，第二簇158人，占16％，第三簇包括169人，占17％，第四簇包括361人，占36％。資源負(fù)載分析：在對具體的資源進行定價之前，首先應(yīng)該確定資源負(fù)載的狀況，下面給出10個元能力的資源使用狀況，其中衡量該元能力性能的指標(biāo)包括內(nèi)存(ram)利用率、cpu使用率、磁盤(diskio)使用率、網(wǎng)絡(luò)使用率(networkio)等4項，且各個指標(biāo)無量綱。表3元能力各指標(biāo)理論上保持正常工作的使用能力元能力編號內(nèi)存利用率cpu使用率磁盤使用率網(wǎng)絡(luò)使用率10.800.800.950.9520.800.800.950.9530.700.750.950.8540.850.850.900.9050.850.850.900.9060.700.750.950.8570.700.750.950.8580.800.800.950.9590.800.800.950.95100.850.850.900.90表4元能力在某時刻實際運行時各指標(biāo)數(shù)據(jù)元能力性能指標(biāo)權(quán)重實例分析首先對表4中列出的各項元能力指標(biāo)數(shù)據(jù)進行歸一化處理，且對于元能力來說，各個指標(biāo)的數(shù)據(jù)應(yīng)該是越小越好，則有表5。表5歸一化后的數(shù)據(jù)集元能力編號內(nèi)存利用率cpu使用率磁盤使用率網(wǎng)絡(luò)使用率10.400.670.670.4320.000.330.330.1431.001.001.001.0040.600.670.500.4350.200.170.000.0060.600.830.670.5770.801.000.830.7180.400.170.330.2990.200.500.670.57100.000.000.000.00包含第i個元能力每項指標(biāo)的占所有包含該項指標(biāo)的元能力的比重pij如表6所示。表6每個元能力中的每個指標(biāo)所占的比例元能力編號內(nèi)存利用率cpu使用率磁盤使用率網(wǎng)絡(luò)使用率10.100.130.130.1020.000.060.070.0330.240.190.200.2440.140.130.100.1050.050.030.000.0060.140.160.130.1470.190.190.170.1780.100.030.070.0790.050.090.130.14100.000.000.000.00繼而得出每項指標(biāo)的信息熵與差異化系數(shù)如表7所示。表7每項指標(biāo)的信息熵與差異化系數(shù)最終得到每個指標(biāo)權(quán)重如表8所示。表8每個指標(biāo)所占的權(quán)重可以看到，四項指標(biāo)雖然所占權(quán)重大小相近，但仍有細(xì)微差別，這與元能力的使用狀態(tài)密切相關(guān)，因此在實際的資源使用過程中，根據(jù)更海量的元能力使用情況數(shù)據(jù)，可以得出更為精準(zhǔn)的指標(biāo)權(quán)重值。根據(jù)此權(quán)重值可以判定每一個元能力的負(fù)載情況。元服務(wù)資源利用率實例分析：設(shè)一個元服務(wù)a由第1、第3和第5這3個元能力組成，各個元能力的權(quán)重為0.3，0.2，0.5，該權(quán)重值由每一個組成元服務(wù)a的元能力的重要性決定，這里為簡化分析過程，直接指定。且假設(shè)理論上這三個元能力的四個指標(biāo)保持正常工作的最大負(fù)載情況cij如表9所示。表9元服務(wù)a中元能力各指標(biāo)理論上保持正常工作的使用能力元能力編號內(nèi)存利用率cpu使用率磁盤使用率網(wǎng)絡(luò)使用率10.800.800.950.9530.700.750.950.8550.850.850.900.90而實際工作中在某一時刻資源各個指標(biāo)的使用情況如表10所示。表10元服務(wù)a中元能力各指標(biāo)實際工作的使用情況元能力編號內(nèi)存利用率cpu使用率磁盤使用率網(wǎng)絡(luò)使用率10.400.300.300.5030.100.100.100.1050.500.600.700.80綜合二表，依據(jù)公式可以得出元服務(wù)a各個指標(biāo)理論負(fù)載能力與實際的負(fù)載情況分別如表11所示。表11元服務(wù)a的每個指標(biāo)負(fù)載能力那么對于元服務(wù)a來說，由組成元服務(wù)a的所有元能力的各項指標(biāo)數(shù)據(jù)，通過實際負(fù)載情況與理論數(shù)據(jù)的對比，得到該元服務(wù)中每一項指標(biāo)的負(fù)載情況，并結(jié)合所計算的每項指標(biāo)的權(quán)重分別為：0.27，0.21，0.23，0.29。最終可以算出元服務(wù)a的資源使用率為：ratea＝0.48×0.27+0.50*0.21+0.50*0.23+0.63*0.29＝0.53同理，若存在另一個元服務(wù)b由第2，第5和第10四個元能力組成，且假設(shè)三個元能力的權(quán)重分別為0.3，0.3，0.4，那么，按照上述分析過程，可以得出，元服務(wù)b中各項指標(biāo)實際負(fù)載與理論負(fù)載能力的占比為：0.68，0.73，0.70，0.84，那么有元服務(wù)b的資源使用率為：rateb＝0.68×0.27+0.73*0.21+0.70*0.23+0.84*0.29＝0.74顯然單從元服務(wù)a、b分析，就可以看出兩個元服務(wù)的資源使用率不同，元服務(wù)b的負(fù)載相對較重。因此通過比較rate的大小判斷元服務(wù)是過載、空閑還是正常狀態(tài)?；谟脩粜枨蟮亩▋r過程實例分析：根據(jù)資源請求用戶類型需求：價格敏感型、帶寬敏感型、時延敏感型、普通消費型，其中帶寬敏感與時延敏感可以歸結(jié)為對資源性能的敏感，即當(dāng)前狀態(tài)下元服務(wù)負(fù)載情況的敏感，因此用戶分為三類，其中涉及到的參數(shù)為(ω1,ω2,ω3，θ)，其中(ω1,ω2,ω3)為影響用戶效用的影響因子，通過用戶歷史消費的數(shù)據(jù)，利用熵權(quán)法得出；θ是logit離散選擇模型的參數(shù)，常用極大似然估計方法計算，這里取定值為0.25。那么每種用戶對應(yīng)的參數(shù)，如表12所示。表12三種用戶涉及的影響因子權(quán)重用戶類型ω1(額外收益)ω2(元服務(wù)價格)ω3(元服務(wù)負(fù)載情況)價格敏感型0.20.50.3負(fù)載敏感型0.10.30.6普通型0.30.40.3對于元服務(wù)a與元服務(wù)b，假設(shè)選擇元服務(wù)a與元服務(wù)b時用戶得到的額外收益分別為60、100，且二者當(dāng)前的負(fù)載分別為0.53、0.74，將其換算成金額來表示，即負(fù)載越大付出的代價越大，分別為53、74。其中各個參數(shù)均無量綱。那么三種用戶選擇兩種元服務(wù)的效用分別如表13所示。表13三種用戶選擇元服務(wù)a與元服務(wù)b的效用用戶類型元服務(wù)a的效用元服務(wù)b的效用價格敏感型-3.9-0.5p-2.2-0.5p負(fù)載敏感型-25.8-0.3p-34.4-0.3p普通型2.1-0.4p7.8-0.4p將元服務(wù)的效用代入用戶選擇概率公式，并在matlab環(huán)境中計算出當(dāng)資源提供商收益最大時，不同的用戶選擇兩種元服務(wù)的價格如下表所示。表14三種用戶選擇元服務(wù)a與元服務(wù)b時的最優(yōu)價格用戶類型元服務(wù)a的價格元服務(wù)b的效用價格敏感型14.917.2負(fù)載敏感型39.720.8普通型16.325.9由表14可以看出，不同用戶選擇不同的元服務(wù)資源時，期望的最優(yōu)價格不同。對于價格敏感型用戶來說，相對于資源的性能負(fù)載，他們更多的是希望資源價格優(yōu)惠，因此元服務(wù)a與元服務(wù)b的價格都相對較低，其中元服務(wù)b的價格高于元服務(wù)a，因為元服務(wù)b當(dāng)前負(fù)載情況高于元服務(wù)a，這與本發(fā)明提出的當(dāng)資源負(fù)載較重時，通過適當(dāng)提高資源價格，刺激用戶選擇價格更優(yōu)惠、負(fù)載較輕的元服務(wù)資源理論相統(tǒng)一。同理，對于普通型用戶這一規(guī)律仍然滿足。而對于負(fù)載敏感型用戶來說，他們更在意哪一種元服務(wù)資源當(dāng)前性能更好，因而兩種元服務(wù)價格均相對較高，但是為了選擇性能更好、負(fù)載更輕的資源元服務(wù)a，這一類型的用戶就需要付出更高的價格?；陬A(yù)約機制的資源動態(tài)定價算法仿真測試，包括用戶取消預(yù)約概率實例仿真和針對預(yù)約風(fēng)險的資源定價過程實例仿真，具體如下：用戶取消預(yù)約概率實例仿真：用戶提前預(yù)約的時間越長，用戶獲取資源的價格越低，但是因為越提前，離具體使用資源的日期越遠，用戶取消預(yù)約的概率也越大。根據(jù)歷史數(shù)據(jù)分析，這里確定λ的值為0.1。且假設(shè)有不同信任度的三類用戶，在不預(yù)約資源的情況下，獲取資源原始價格如表15所示。表15不同信任度用戶資源初始交易價格用戶類型信任度取消預(yù)約的概率q(t)元服務(wù)a的價格用戶111-e-0.1t14.9用戶20.81-0.8e-0.1t39.7用戶30.71-0.7e-0.1t16.3那么這些用戶采用提前預(yù)約方式購買資源時，取消預(yù)約的概率如圖4所示?？芍?，對于不同信任度的用戶，當(dāng)他們同樣提前10天預(yù)約資源，并且隨著時間的推進，信任度高的用戶取消預(yù)約的概率總是比信任度低的用戶要低，直到時間為0時，即到了消費資源的當(dāng)天，信任度低的用戶人仍有可能取消預(yù)約的資源。說明用戶取消資源預(yù)約的概率與用戶信任度息息相關(guān)，同時也能夠證明將信任度引入預(yù)約機制的資源交易過程的合理性。針對預(yù)約風(fēng)險的資源定價過程實例仿真：完成對用戶取消預(yù)約概率分析仿真之后，下面將進一步確認(rèn)預(yù)約機制下，基于用戶預(yù)約風(fēng)險的資源具體定價過程仿真。根據(jù)定價過程，其中涉及到取消預(yù)約的手續(xù)費率與提供商能夠接受的元服務(wù)資源的最低價格。以三類用戶對元服務(wù)a提前預(yù)約的情況進行分析。假設(shè)元服務(wù)a的最低價格10，且用戶取消預(yù)約過程中不需消耗成本，即c＝0，只需繳納一定的手續(xù)費，且手續(xù)費比例與預(yù)約資源時的價格相關(guān)，手續(xù)費是資源提供商自己定義的一個常數(shù)，可自定義為2.5。用戶可以提前預(yù)約的價格模型與最早時間。表16用戶動態(tài)價格模型與最早預(yù)約時間由表16可知，每一個用戶，依據(jù)用戶自身的消費屬性與信任度預(yù)約元服務(wù)資源時，用戶不同，其能夠提前預(yù)約的時間長度不同。如用戶1，作為信任度為1的價格敏感型用戶，若通過立即現(xiàn)貨消費的方式購買元服務(wù)資源a，可以成交的最優(yōu)價格為14.9，然而，若其選擇通過預(yù)約的方式計劃消費同一個資源，其能夠以更優(yōu)惠的價格提前預(yù)約，價格最低不低于該元服務(wù)的最小價格10，時間間隔不能高于10；對于用戶2、用戶3同理。那么根據(jù)該價格模型，每一種用戶的元服務(wù)資源動態(tài)價格與時間的關(guān)系如圖5所示。由圖5的(a)、(b)、(c)可以看出，不同的用戶可以提前預(yù)約的時間長短不相同。提前預(yù)約的時間距離使用時間越長，資源價格越便宜，且接近提供商能夠接受的最低價格，提前預(yù)約的時間越是接近使用元服務(wù)資源的時間，資源價格越貴。(a)顯示該用戶可以提前10天預(yù)約資源，(b)的用戶可以提前約23天預(yù)約資源，(c)的用戶可提前約9天預(yù)約資源。通過價格刺激用戶提前預(yù)約資源，結(jié)合每個用戶的信任度與消費習(xí)慣給出相應(yīng)的優(yōu)惠價格，可以有效的避免用戶扎堆提出資源請求，造成資源負(fù)載過重，網(wǎng)絡(luò)擁塞的問題，從而實現(xiàn)資源的合理分配和保證每時每刻各個元服務(wù)或元業(yè)務(wù)都能正常運轉(zhuǎn)。當(dāng)前第1頁12