經(jīng)濟和定價模型在云網(wǎng)絡(luò)資源管理中的應(yīng)用

董春利 王莉

移動云網(wǎng)絡(luò)（Mobile Cloud Network，MCN）摘? ?要：云網(wǎng)絡(luò)提供了服務(wù)器的本地網(wǎng)絡(luò)連接和數(shù)據(jù)中心的遠程鏈接，以創(chuàng)建支持具有不同資源需求和實用程序的大量用戶和應(yīng)用程序的資源池。因此，資源管理成為云網(wǎng)絡(luò)中最重要的問題之一。文章回顧了云數(shù)據(jù)中心網(wǎng)絡(luò)資源管理中，經(jīng)濟和定價模型的應(yīng)用，主要包括云無線接入網(wǎng)、微云和移動電信云中的資源管理。

關(guān)鍵詞：云網(wǎng)絡(luò);資源管理;經(jīng)濟和定價模型;邊緣計算

由若干部分構(gòu)成，包括云計算基礎(chǔ)設(shè)施（即數(shù)據(jù)中心）、無線接入網(wǎng)絡(luò)（Radio Access Network，RAN）、云移動核心網(wǎng)絡(luò)和移動平臺服務(wù)。MCN中的無線環(huán)境是動態(tài)的、分布式的和異構(gòu)的，傳統(tǒng)的靜態(tài)方法不可能實現(xiàn)最佳的資源管理，而最近采用的經(jīng)濟和定價模型，可以動態(tài)、有效地管理MCN中資源。

本文對經(jīng)濟和定價模型在MCN中的云無線接入網(wǎng)（Cloud-RAN）、微云和移動電信云中的資源管理，進行了回顧。

1? ? Cloud-RAN

Cloud-RAN是一種基于云計算的集中式無線接入網(wǎng)絡(luò)架構(gòu)。在Cloud-RAN中，基站的信號處理功能在云中執(zhí)行，即集中式基帶處理單元（Building Base band Unit，BBU）或BBU池。然后，基于從云端接收的基帶信號，由遠程無線電頭端（Remote Radio Head，RRH），向用戶發(fā)送無線電信號。為了連接BBU和RRH，使用前傳鏈路。Cloud-RAN的設(shè)計目標(biāo)之一是最小化從RRH到用戶的總下行鏈路傳輸功率，同時，保持前傳容量和用戶服務(wù)質(zhì)量（Quality of Service，QoS）約束。

為實現(xiàn)這一目標(biāo)，Ha等研究了兩個問題：第一個問題旨在確定服務(wù)于每個移動用戶的一組RRH和用于RRH的預(yù)編碼向量，以最小化來自RRH到移動用戶的總傳輸功率，同時，限制前傳容量。第二個問題是最小化從RRH到移動用戶的總傳輸功率，以及BBU和RRH之間的總前傳容量。在調(diào)整與RRH相關(guān)的定價系數(shù)的同時，通過迭代地解決第二個問題來解決第一個問題。每個RRH的定價系數(shù)是指云與RRH之間鏈路的每單位前傳容量的價格。RRH的前傳容量是其定價系數(shù)的遞減函數(shù)。解決第一個問題是通過二元搜索方法實現(xiàn)的，該方法調(diào)整定價系數(shù)，使RRH的前傳容量等于其最大允許限值。在第二個問題中，目標(biāo)函數(shù)是凹的，并且對應(yīng)于所有約束的可行區(qū)域也是凸的。因此，可以通過使用梯度方法來解決該問題。仿真結(jié)果表明，當(dāng)為一個用戶服務(wù)的最大RRH數(shù)量較大時，總傳輸功率較小。然而，這也導(dǎo)致高計算復(fù)雜性[1]。

Dahrouj等[2]研究的模型包括通過RRH為多個用戶提供服務(wù)的單個云。多個云（Multi-Cloud RAN，M-CRAN）可用于滿足用戶的處理需求。Dahrouj等解決了分配用戶，即買方到云（即賣方）的問題，使得每個云的總體凈收益最大化。每個云解決了背包問題，其目標(biāo)和約束分別是凈收益和資源預(yù)算。資源預(yù)算被定義為云可以服務(wù)的最大用戶數(shù)。如果無法保證QoS服務(wù)，云還會支付其用戶的懲罰成本。因此，服務(wù)于用戶的云的凈效益功能是用戶支付的價格與懲罰成本之間的差異，完整多項式時間近似方案可用于找到最佳用戶組。云可以增加懲罰成本以吸引更多用戶，并迭代地執(zhí)行算法以最大化其整體凈收益，但是會產(chǎn)生很高的計算復(fù)雜度。

2? ? 微云

微云稱為移動邊緣計算，或移動朵云[3]，是一個移動性增強的小規(guī)模云數(shù)據(jù)中心。它可以位于網(wǎng)絡(luò)的邊緣，例如在移動用戶連接的基站處，其目標(biāo)是為移動用戶提供低延遲下的云服務(wù)。因此，微云被認為是3層模型的中間層，即移動設(shè)備—微云—云。微云層的資源是有限的，因此，基于競爭的定價模型，如雙重拍賣，被有效地用于移動用戶的資源分配。

Jin等[4]在研究中討論的雙重拍賣，可以達到個人理性和預(yù)算均衡，但不能保證真實性。Jin等通過根據(jù)Vickrey拍賣的支付方案向用戶收費來解決這個問題。該模型包括：（1）移動用戶，即買方。（2）微云，即賣方。（3）中央控制器，即拍賣方。微云僅為其附近的移動用戶提供服務(wù)，以減少通信延遲。拍賣經(jīng)理按照詢價從高到低的順序?qū)I方進行分類。選擇中間賣方的詢問，作為確定獲勝買方和賣方候選者的閾值。對于每個獲勝賣方候選人，拍賣經(jīng)理選擇具有最高價格的獲勝買方，并且以次高出價的價格收費。如果買方贏得兩個或兩個以上的賣方，拍賣經(jīng)理只能選擇一個賣方，使買方的效用最高。仿真結(jié)果表明，當(dāng)買方以實際價格出價時，其效用得到改善。然而，系統(tǒng)效率方面，最終買方與獲勝賣方之間的最終匹配數(shù)量僅達到最優(yōu)方案的50%左右。

Jin等使用相同的模型，考慮了拍賣中的隨機性和不確定性，以提高系統(tǒng)效率。具體而言，拍賣經(jīng)理將賣方隨機分類列表。為了確定每個賣方的獲勝買方，拍賣經(jīng)理定義了不包括該賣方詢問的詢問向量，然后計算該向量的中值詢問。在出價高于賣方要求的買方中，出價最高的買方贏得賣方的服務(wù)。然后，將獲勝的買方和賣方分別插入到獲勝買方和獲勝賣方的集合中。向獲勝買方收取的清算價格和支付給賣方的價格設(shè)定為相同。更具體地說，價格是賣方中間詢價的最大值和所有買方的次高出價。由于任何贏家組中的獲勝買方都不會與剩余賣方的其他買方競爭，因此，候選人淘汰算法不是必需的，系統(tǒng)效率因此得到提高。仿真結(jié)果表明，所提出的解決方案實現(xiàn)的系統(tǒng)效率達到最優(yōu)方案的80%。但是，所提出的解決方案并不能保證買方強有力的真實性。

3? ? 移動電信云

除了前面提到的微云模型之外，還有一種類似的模型，稱為移動電信云（Mobile Telecommunications Cloud，MTC）[5]。邊緣云服務(wù)由移動網(wǎng)絡(luò)運營商提供，它為移動用戶提供最后一英里的互聯(lián)網(wǎng)接入。網(wǎng)絡(luò)運營商充當(dāng)代理商，使用來自云提供商（例如亞馬遜）的折扣提供更好、更便宜的云服務(wù)給他們的用戶。特別地，當(dāng)接收用戶的云請求時，經(jīng)紀(jì)人將資源預(yù)留制定為總成本最小化問題?？偝杀救Q于用戶的云請求，經(jīng)紀(jì)或云提供商提供的云服務(wù)的成本，以及云提供商提供的折扣閾值。然后用線性規(guī)劃結(jié)合舍入技術(shù)或最小成本貪婪來解決這個問題。最佳解決方案允許經(jīng)紀(jì)人使用兩個條件來設(shè)定其價格范圍：（1）報價低于云提供商的建議價格。（2）經(jīng)紀(jì)業(yè)務(wù)的總成本小于給用戶的收費價格總和。這些條件旨在保證經(jīng)紀(jì)人的高利潤，同時，吸引更多的用戶。仿真結(jié)果表明，最小代價貪心算法的代理成本小于線性規(guī)劃代價。此外，最小代價貪婪算法比具有需要多次迭代收斂的舍入技術(shù)的線性規(guī)劃運行速度快得多。

4? ? 結(jié)語

本文回顧了經(jīng)濟和定價模型在MCN中的Cloud-RAN，邊緣計算中的微云和移動電信云的資源管理。討論了資源管理方法的現(xiàn)狀、主要方法的優(yōu)缺點。分布式云模型可以降低用戶的成本和服務(wù)延遲，是未來研究應(yīng)用的重要方向。

[參考文獻]

[1]NGUYEN C L，PING W，DUSIT N，et al.Resource management in cloud networking using economic analysis and pricing models：a survey[J].IEEE Communications Surveys and Tutorials，2017（2）：954-1001.

[2]DAHROUJ H，NAFFOURI T Y A，ALOUINI M S.Distributed cloud association in downlink multicloud radio access networks[J].IEEE Transactions on Green Communications & Networking，2018（2）：327-335.

[3]WANG S K，CHAN R，URGAONKAR T H，et al.Emulationbased study of dynamic service placement in mobile micro-clouds[C].Tampa：IEEE Military Communications Conference，2015.

[4]JIN A L W，SONG W，HUANG Z.Auction-based resource allocation for sharing cloudlets in mobile cloud computing[J].IEEE Transactions on Emerging Topics in Computing，2018（10）：11-12.

[5]VAEZPOUR S Y K，WU G C.Shoja mobile telecom cloud brokerage with orchestrated multi-tier resource pooling[C].Kilkenny：IEEE International Conference on Cloud Networking，2015.

Application of economics and pricing models of resource management in cloud networking

Dong Chunli1，2， Wang Li1

（1.School of Electronic Information Engineering， Nanjing Vocational Institute? of Transport Technology， Nanjing 211188， China;

2.Shanghai Jian-Xi Information Technology Co.， Ltd.， Shanghai 200051， China）

Abstract：Cloud networks provide remote links to the server's local network connections and data centers to create resource pools that support a large number of users and applications with different resource requirements and utilities. Therefore， resource management has become one of the most important problems in cloud networks. This paper reviews the application of economic and pricing models in cloud data center network resource management， including cloud wireless access network， micro cloud and mobile telecom cloud.

Key words：cloud networking; resource management; economic and pricing models; edge computing