云环境下基于双向拍卖的资源定价模型*

殷秀叶， 姜 静

(周口师范学院 计算机科学与技术学院，河南 周口 466001)

云环境下，现有的定价机制主要集中在单方定价上，如Google，IBM，Amazon等国际大公司均采用固定定价的方式，这种定价方式模型简单，易于理解，但同时也存在着比较大的问题，即当资源负载较低时，资源浪费比较严重，而当资源负载较高时，不能根据价格调整需求，且用户的服务将会随着资源负载的加重而延期[1]。可变定价能够通过价格调节市场，节省大量资源，是目前云环境下的研究重点。由于在云环境中，客户和供应商都是市场的主体，因此，在确定云服务的价格时，应改变传统的供应商定价的模式，充分发挥客户的作用，通过供应商和客户的协商来制定价格。双向拍卖在传统的市场中，对于发现竞争均衡和市场资源的配置都有着比较高的效率。随着云服务竞争的增大，越来越多的云服务价格需要由供应商和客户共同决定，因此云环境下双向拍卖的研究意义重大[2]。

1 研究现状

拍卖通常可划分为单向拍卖和双向拍卖，两者的主要区别就是在单向拍卖的模型中，供应商和客户之间是一对多的关系，而在双向拍卖的模型中，供应商和客户之间是多对多的关系。单向拍卖的主要缺点是一方掌握信息优势，另一方掌握资源优势，信息存在不对称的问题，容易导致成交价过高，即“赢者诅咒”问题。在双向拍卖模型中，由于客户和供应商之间是多对多的关系，买卖双方都处于一个竞争的环境中，因此能够有效避免单项拍卖中存在的问题，提高拍卖的公平性[3]。

Gode和Sunder在2004年将双向拍卖划分为同步双向拍卖、连续双向拍卖和混合双向拍卖。其中同步双向拍卖是指买卖双方在彼此不知道对方报价的基础上实施同步报价；连续双向拍卖是指买卖双方彼此知道对方的报价，当买方的价格大于等于卖方价格时，交易发生。混合双向拍卖是指同步双向拍卖和连续双向拍卖的综合。在连续双向拍卖的交易市场中，由于连续双向拍卖具有高度的动态性和随机性，其交易策略要比单项拍卖复杂的多，因此一直是研究的热点，已有不少研究成果。但在云环境下，研究成果相对较少。东南大学的胡志刚教授提出了一种基于组合双向拍卖的动态资源定价算法(Dynamic Service Pricing，DSP)，并将DSP算法与固定定价算法(Fixed Pricing，FP)进行了对比，证明了在资源负载较大时，DSP算法中供应商的收益要大于FP算法中供应商的收益，DSP算法用户利益要大于FP算法中的用户利益[4]。但在这种定价机制中，单位交易价格是最大出价和最小要价的均值。在同一拍卖周期内，如果客户出价过高，则可能需要付出比其他客户高得多的价格去使用同样的资源，由此会带来公平问题[5]。此篇文章主要研究非组合资源的拍卖问题，但最终价格的公平问题大同小异。

云环境下资源的买方和卖方是多对多的关系，因此买家和买家之间存在着竞争，这种竞争主要体现在谁成为拍卖的胜利者。云环境下的资源拍卖涉及的问题很多，其中当客户的报价小于供应商的报价时如何调整双方的价格也是现在研究的热点，但此篇文章主要探讨当客户的价格达到供应商的报价时的情况，且探讨的焦点集中在供应商如何确定获胜的买方上。在连续双向拍卖模型中，需要满足如下几个条件[6，7]：供应商的报价与资源负载情况成正比；竞拍过程中出价高者获得资源使用权的优先级也更高；供应商剩余资源量大于或等于获胜者所需资源之和；为避免客户出价过高导致的不公平问题，最终价格的确定与同一周期内获胜者的平均价格有关。

2 双向拍卖定价模型

2.1 供应商报价

供应商的报价与供应商资源的负载情况有关，设a为当前资源的使用占比，[Pbase，Pmax]为供应商制定的资源定价区间，Pbase为供应商的最低价格，Pmax为供应商的最高价格，则供应商的报价Pp可以用以下公式来表示：

Pp=Pbase+a(Pmax-Pbase)

(1)

即供应商的报价与供应商的资源使用情况有关，当资源利用率为0时，供应商应降低价格，刺激客户使用资源，此时报价最小，为最低价格Pbase；当供应商的资源利用率接近1时，供应商利用价格调节需求，此时的报价接近于Pmax。其中Pbase与Pmax的取值可由供应商自己指定。

2.2 获胜者的测定

由于供应商的资源有限，因此并不是所有能达到供应商报价的客户都是获胜者，供应商需要在这些达到自身报价的客户中选出最后的获胜者。具体思路如下：

step 1 将出价达到供应商价格的客户按照出价高低降序排列，添加到客户列表中；

step 2 对客户的资源需求与剩余资源进行比较，若剩余资源<客户资源需求，则跳出循环；获胜者的前期测定工作基本完成，否则执行step 3；

step 3 若剩余资源>=客户资源需求，将当前客户加入到获胜者的集合，并更新剩余资源，将剩余资源减去客户资源需求。此时程序的进行分两种情况，若剩余资源=客户资源需求，则跳出循环，获胜者测定完毕；若剩余资源>客户资源需求，跳到step 2继续执行。

2.3 避免剩余资源的浪费问题

当获胜者测定基本完成后，可能供应商的资源总量-获胜者的需求总量不等于0，因此，需要为这部分剩余资源寻找合适的买家，避免资源的浪费。

总体思路是，对获胜者之外的客户列表按照资源需求量升序排列，寻找与剩余资源量最接近且客户的资源需求量<=剩余资源量的客户，若同一需求量不止一个客户，在这些客户中取价格最高者加入到获胜者的集合中，在价格也相同的情况下，采用时间优先的原则。自此，获胜者的测定全部完成。

2.4 最终价格的确定问题

设Pavg为获胜者报价的平均值，为了避免因直接将客户的报价和供应商的报价相加取平均值带来的部分出价高的客户价格过高的问题，最终价格的确定分两部分进行。设Pc为获胜者的报价，当Pc≤Pavg时，服务实际收费价格P按照供应商的价格Pp与客户的价格Pc之和除以2来收费，即P=(Pc+Pp)/2；当Pc>Pavg时，服务实际收费价格P不仅与客户及供应商的价格有关，还与客户的平均报价及资源的使用占比a有关，此时P的收费按照公式P=(Pp+Pavg+a(Pc-Pavg))/2进行，即收费公式为

(2)

通过式(2)可以看出，当资源使用占比a接近于0时，实际的收费价格P接近于(Pp+Pavg)/2，即客户实际支付的价格低于直接用客户竞拍的价格与供应商制定的价格相加取平均值的结果。当资源使用占比a接近于1时，实际的收费价格接近于(Pc+Pp)/2，此时由于资源使用占比过高，因此价格接近于直接用客户竞拍的价格与供应商制定的价格相加取平均值的结果，价格相对较高，通过此种方式能够利用价格调节资源使用需求，促进资源使用平衡[8]。

3 结 语

在此研究了云环境下的资源双向拍卖，提出了供应商的报价与资源使用情况的关系，重点讨论了拍卖过程中获胜者的测定问题，解决了按照出价高低测定获胜者后剩余资源的浪费问题，将实际收费价格按照分段进行收费，避免了高价买方支付的费用过高的问题。

参考文献：

[1] 王学毅，王兴伟，黄敏.基于同时向上叫价拍卖的云资源分配方法[J].东北大学学报：自然科学版，2013，34(4)：482-485

[2] 赵生慧，吴国新，陈桂林，等.基于多属性双向拍卖的Web服务选择[J].东南大学学报：自然科学版，2011，41(5)：956-961

[3] 李立，刘元安，马晓雷.基于组合双向拍卖的网格资源分配[J].电子学报，2009，37(1)：165-169

[4] 胡志刚，刘艳.云环境下基于组合双向拍卖的动态资源定价[J]. 计算机工程，2012，38(8)：19-21

[5] 詹文杰，杨洁. 连续双向拍卖市场中基于马尔可夫链的交易策略研究[J]. 中国管理科学，2008，16(1)：111-116

[6] MIHAILESCU M， TEO Y M. Strategy-Proof Dynamic Resource Pricing of Multiple Resource Types on Federated Clouds[C]∥Proceedings of the 10th International Conference on Algorithms and Architectures for Parallel Processing. Springer-Verlag，Busan，Korea，2010

[7] KOEHLER P， ANANDASIVAM A，DAN M A. Cloud Services from a Consumer Perspective[C]∥Proceedings of the Sixteenth Americas Conference on Information Systems.Lima，Peru，2010

[8] 丁丁，罗四维，艾丽华.基于双向拍卖的适应性云计算资源分配机制[J]. 通信学报，2012，33(Z1)：132-140