经济和定价模型在云网络资源管理中的应用

董春利 王莉

移动云网络（Mobile Cloud Network，MCN）摘   要：云网络提供了服务器的本地网络连接和数据中心的远程链接，以创建支持具有不同资源需求和实用程序的大量用户和应用程序的资源池。因此，资源管理成为云网络中最重要的问题之一。文章回顾了云数据中心网络资源管理中，经济和定价模型的应用，主要包括云无线接入网、微云和移动电信云中的资源管理。

关键词：云网络;资源管理;经济和定价模型;边缘计算

由若干部分构成，包括云计算基础设施（即数据中心）、无线接入网络（Radio Access Network，RAN）、云移动核心网络和移动平台服务。MCN中的无线环境是动态的、分布式的和异构的，传统的静态方法不可能实现最佳的资源管理，而最近采用的经济和定价模型，可以动态、有效地管理MCN中资源。

本文对经济和定价模型在MCN中的云无线接入网（Cloud-RAN）、微云和移动电信云中的资源管理，进行了回顾。

1    Cloud-RAN

Cloud-RAN是一种基于云计算的集中式无线接入网络架构。在Cloud-RAN中，基站的信号处理功能在云中执行，即集中式基带处理单元（Building Base band Unit，BBU）或BBU池。然后，基于从云端接收的基带信号，由远程无线电头端（Remote Radio Head，RRH），向用户发送无线电信号。为了连接BBU和RRH，使用前传链路。Cloud-RAN的设计目标之一是最小化从RRH到用户的总下行链路传输功率，同时，保持前传容量和用户服务质量（Quality of Service，QoS）约束。

为实现这一目标，Ha等研究了两个问题：第一个问题旨在确定服务于每个移动用户的一组RRH和用于RRH的预编码向量，以最小化来自RRH到移动用户的总传输功率，同时，限制前传容量。第二个问题是最小化从RRH到移动用户的总传输功率，以及BBU和RRH之间的总前传容量。在调整与RRH相关的定价系数的同时，通过迭代地解决第二个问题来解决第一个问题。每个RRH的定价系数是指云与RRH之间链路的每单位前传容量的价格。RRH的前传容量是其定价系数的递减函数。解决第一个问题是通过二元搜索方法实现的，该方法调整定价系数，使RRH的前传容量等于其最大允许限值。在第二个问题中，目标函数是凹的，并且对应于所有约束的可行区域也是凸的。因此，可以通过使用梯度方法来解决该问题。仿真结果表明，当为一个用户服务的最大RRH数量较大时，总传输功率较小。然而，这也导致高计算复杂性[1]。

Dahrouj等[2]研究的模型包括通过RRH为多个用户提供服务的单个云。多个云（Multi-Cloud RAN，M-CRAN）可用于满足用户的处理需求。Dahrouj等解决了分配用户，即买方到云（即卖方）的问题，使得每个云的总体净收益最大化。每个云解决了背包问题，其目标和约束分别是净收益和资源预算。资源预算被定义为云可以服务的最大用户数。如果无法保证QoS服务，云还会支付其用户的惩罚成本。因此，服务于用户的云的净效益功能是用户支付的价格与惩罚成本之间的差异，完整多项式时间近似方案可用于找到最佳用户组。云可以增加惩罚成本以吸引更多用户，并迭代地执行算法以最大化其整体净收益，但是会产生很高的计算复杂度。

2    微云

微云称为移动边缘计算，或移动朵云[3]，是一个移动性增强的小规模云数据中心。它可以位于网络的边缘，例如在移动用户连接的基站处，其目标是为移动用户提供低延迟下的云服务。因此，微云被认为是3层模型的中间层，即移动设备—微云—云。微云层的资源是有限的，因此，基于竞争的定价模型，如双重拍卖，被有效地用于移动用户的资源分配。

Jin等[4]在研究中讨论的双重拍卖，可以达到个人理性和预算均衡，但不能保证真实性。Jin等通过根据Vickrey拍卖的支付方案向用户收费来解决这个问题。该模型包括：（1）移动用户，即买方。（2）微云，即卖方。（3）中央控制器，即拍卖方。微云仅为其附近的移动用户提供服务，以减少通信延迟。拍卖经理按照询价从高到低的顺序对买方进行分类。选择中间卖方的询问，作为确定获胜买方和卖方候选者的阈值。对于每个获胜卖方候选人，拍卖经理选择具有最高价格的获胜买方，并且以次高出价的价格收费。如果买方赢得两个或两个以上的卖方，拍卖经理只能选择一个卖方，使买方的效用最高。仿真结果表明，当买方以实际价格出价时，其效用得到改善。然而，系统效率方面，最终买方与获胜卖方之间的最终匹配数量仅达到最优方案的50%左右。

Jin等使用相同的模型，考虑了拍卖中的随机性和不确定性，以提高系统效率。具体而言，拍卖经理将卖方随机分类列表。为了确定每个卖方的获胜买方，拍卖经理定义了不包括该卖方询问的询问向量，然后计算该向量的中值询问。在出价高于卖方要求的买方中，出价最高的买方赢得卖方的服务。然后，将获胜的买方和卖方分别插入到获胜买方和获胜卖方的集合中。向获胜买方收取的清算价格和支付给卖方的价格设定为相同。更具体地说，价格是卖方中间询价的最大值和所有买方的次高出价。由于任何赢家组中的获胜买方都不会与剩余卖方的其他买方竞争，因此，候选人淘汰算法不是必需的，系统效率因此得到提高。仿真结果表明，所提出的解决方案实现的系统效率达到最优方案的80%。但是，所提出的解决方案并不能保证买方强有力的真实性。

3    移动电信云

除了前面提到的微云模型之外，还有一种类似的模型，称为移动电信云（Mobile Telecommunications Cloud，MTC）[5]。边缘云服务由移动网络运营商提供，它为移动用户提供最后一英里的互联网接入。网络运营商充当代理商，使用来自云提供商（例如亚马逊）的折扣提供更好、更便宜的云服务给他们的用户。特别地，当接收用户的云请求时，经纪人将资源预留制定为总成本最小化问题。总成本取决于用户的云请求，经纪或云提供商提供的云服务的成本，以及云提供商提供的折扣阈值。然后用线性规划结合舍入技术或最小成本贪婪来解决这个问题。最佳解决方案允许经纪人使用兩个条件来设定其价格范围：（1）报价低于云提供商的建议价格。（2）经纪业务的总成本小于给用户的收费价格总和。这些条件旨在保证经纪人的高利润，同时，吸引更多的用户。仿真结果表明，最小代价贪心算法的代理成本小于线性规划代价。此外，最小代价贪婪算法比具有需要多次迭代收敛的舍入技术的线性规划运行速度快得多。

4    結语

本文回顾了经济和定价模型在MCN中的Cloud-RAN，边缘计算中的微云和移动电信云的资源管理。讨论了资源管理方法的现状、主要方法的优缺点。分布式云模型可以降低用户的成本和服务延迟，是未来研究应用的重要方向。

[参考文献]

[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