[发明专利]一种云计算环境中基于用户感知价值的最优服务定价方法

说明书

技术领域

本发明涉及云计算环境中关于云服务定价技术领域，尤其涉及一种考虑实际市场环境中基于产品价格与供需关系的服务定价模型；具体来说是一种在实际的市场供需关系基础上，在保证用户服务满意度的前提下，通过寻找最优的云服务定价及云计算系统运行配置，使得云计算服务供应商利润最大化的方法。

背景技术

云计算(cloud computing)是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。通过集中管理互联网上的资源和服务，云计算提供基于Internet的服务托管方式，例如访问共享的硬件、软件、数据库、信息等等其它所有按用户需求提供的资源。云计算通过pay-per-use(按访问量收费)的价格模型，向用户收取费用。

云服务提供商的利润与很多因素有关，例如，服务价格、市场需求、系统配置、用户的满意度等等。选择一个合适的服务价格和最优的系统运行配置，既可以吸引更多的用户购买，又可以降低维护云集群运行的费用，使得云服务供应商可以获得最大的利润。目前研究领域主要分为静态定价和动态定价两种策略。静态定价意味着某个服务请求的价格固定且可提前预知，而且并不会随着条件的改变而改变。对于动态定价策略，服务提供商延迟价格制定直到用户的需求明确，服务提供商可据此制定相应的价格。

静态定价策略目前是在现实世界和相关文献研究中使用最多的也是最广泛的定价机制。Ghamkhari和Mohsenian-Rad采用了一种叫做flat-rate的定价策略，对于所有的请求设置一个固定的价格；但是Odlyzko则论证flat-rate策略会导致资源浪费，同时也不能适应服务差异化。另一种静态定价策略是usage-based。服务的价格分别与服务时间以及服务的执行需求成比例。这种定价策略(usage-based)可以使得资源更有效的利用。动态定价策略是作为一个为了更好解决不可预测的用户需求而出现的。Macias和Guitart提出了一个用遗传算法以迭代方式获得最优定价的策略。

目前有很多云服务定价策略的相关文献研究，但是这些研究工作并没有考虑过实际的市场供需关系。既然云服务是市场上的一种特殊商品，必然在制定定价策略的时候要考虑实际的市场供需关系，因此需要提出一个能描述市场供需关系的价格模型。

发明内容

本发明的目的是在云计算平台中，基于用户的感知价值，在保证用户服务满意度的前提下，根据用户提交的任务属性(紧急与否)对用户进行一定的反馈奖励，同时获得最优的服务定价和服务器配置使得云服务提供商的利润最大化，即一种基于市场供需关系的最优服务定价及系统运行配置方案。在探索该方案的过程中，本发明首先根据市场经济学，在基于用户感知价值的基础上，构建出了一种能根据服务价格变化来反应市场供需关系的定价模型；其次构建出基于该供需关系的收入及系统耗费模型；最后还考虑到服务请求的数量，服务的紧急程度，应用环境中的工作负载，服务质量(QoS)，用户服务满意度等约束条件。通过以上模型及约束条件，建立利润模型并将其转化为一个带约束条件的优化问题，该优化问题的解即是对应的最优服务定价及系统配置方案。

本发明的目的是这样实现的：

一种云计算环境中基于用户感知价值的最优服务定价方法，包括以下步骤：

步骤一：基于用户感知价值，确定收费周期t内实际购买服务用户数量的概率分布；

步骤二：根据步骤一确定收费周期t内实际购买服务的用户数量的期望模型；

步骤三：根据步骤二中实际购买用户的数量期望模型，构建系统的收入模型；

步骤四：基于功耗以及租赁费，构建维护系统运行的开支耗费模型；

步骤五：根据步骤三及步骤四，确定系统的利润模型，并根据相应的约束条件，将利润最大化转化为带约束条件的优化；

步骤六：利用增广拉格朗日方法求解最优化问题；

步骤七：将得到的最优解，包括最优服务定价、最优系统运行配置信息插入到历史数据集中保存；

步骤八：当系统参数变动时，根据历史数据集利用曲线拟合方法重新求得实际购买服务的用户数量的概率分布。

所述步骤一具体包括：

步骤A1：基于第i位用户的感知价值X_i，确定用户感知价值分布的概率密度函数f(x)以及累积分布函数F(x).当云服务定价设为ω时，F(x)满足：0≤F(ω)≤1；lim_ω→∞F(ω)≤1；