混合云市場的計算資源交易模型

孫英華 ，吳哲輝 ，郭振波 ，顧衛東

SUN Yinghua1，2,WU Zhehui2,GUO Zhenbo1,GU Weidong3

1.青島大學 信息工程學院，山東 青島 266071

2.山東科技大學 信息科學與工程學院，山東 青島 266510

3.山東省計算機網絡重點實驗室，濟南 250101

1.College of Information Engineering,Qingdao University,Qingdao,Shandong 266071,China

2.College of Information Science and Engineering,Shandong University of Science and Technology,Qingdao,Shandong 266510,China

3.Shandong Provincial Key Laboratory of Computer Network,Jinan 250101,China

1 研究概述

目前網絡上擁有超大量的各種各樣的計算資源，同時有數不清的各種潛在的計算需求。如何有效和高效地共享計算資源，一方面提高全球現有IT資源的利用率，另一方面為人們提供更方便更廉價的計算服務，是一個具有重大價值的研究課題。近年來，隨著網格、云等新型分布式平臺和SOA技術的發展，一些基于網格（Grid）、云（Cloud）和社會網絡（Social Network）的計算資源共享模型相繼被提出，其相應的資源管理、調度和共享機制得到了持續的研究。

1.1 三種計算資源共享模型

本文根據共享特征和實現機制的不同將已有的資源共享模型分為三類：合作共享型、公用計算型和市場交易型。

合作共享模型（Corporation Sharing Model）通常構建在網格或者社會網絡的平臺上，通過無縫地集成多個自愿加入的廣域資源合作解決問題，實現網格內或社會網絡內計算資源、存儲資源、通信資源、信息資源的全面共享，如DEISA、DutchGrid、EGEE、Co-op[1]等。

公用計算模型（Utility Computing Model）構建在云計算平臺，通過計算資源虛擬化技術和SOA技術，以IaaS（Infrastructure as a Service）、PaaS（Platform as a Service）、SaaS（Soft as a Service）甚至是 XaaS（Everything as a Service）的服務形式，在線提供包括硬件、軟件和基礎設施在內的虛擬計算資源，按照使用時間或流量收費，如 Amazon EC2、Rackspace、Tsunamic、FlexiScale等。

市場交易共享模型（Market Trading Model）將計算能力、存儲空間、數據資源、軟件服務等計算資源看成是商品，在網格、云甚至是云間構建市場平臺，資源所有者和資源需求者直接或通過代理在市場中進行交易，以市場經濟規律調控供需和價格，如Nimrod-G、Tycoon、Popcorn、GridEcon等。

1.2 待解決的問題和相關的研究

目前以Google Apps、Amazon Ec2、FlexiScale、Salesforces.com為代表的云服務尚存在一些明顯的問題：（1）云服務商提供的資源和服務各成體系，云和云之間是孤立的，沒有共享渠道，且大多數云服務商采用“預付費”的結算方式，從而導致“廠商鎖定問題（Vendor Lock-in Problem）”[2]。（2）目前云市場有壟斷傾向，服務質量和價格由云服務商單方決定，SLA（Service Level Agreement）內容也是云服務商單方確定，主要用于告知服務方式和免責條款，用戶無法有效保障自身權益。（3）云間技術還不夠完善，中小企業的云資源和云服務尚需借助大企業的云平臺發布，限制了中小企業SMEs（Small and Medium Enterprises）的競爭力，用戶很難得到優質、低價、個性化的服務。

混合云（Hybrid Cloud）[3]的概念是2011年提出的，最近兩年以FP7-ICT為代表的一些項目正在研究異構云接口技術，如Morfeo 4CaaSt[4]旨在開發PaaS的云服務和應用程序框架，支持Internet規模多層應用的優化和彈性托管；mOSAIC[2]的目的是建立一個開源的云應用程序編程接口（API）和一個面向SMEs的應用開發平臺。VMware公司的 Cloud Foundry[5]、RedHat的 Openshift[6]提供開源的PaaS函數，為不同架構的私有云或公共云提供彈性開發環境。Andreas Menychtas[7]提出了一種新的云市場，一方面提供一個集成的開發和銷售XaaS產品的平臺，另一方面為客戶提供一個一站式購買計算服務的解決方案。以上研究將為混合云平臺的搭建提供技術支持，建立容納不同云提供商的統一的云計算編程接口和面向多種云的應用開發平臺，解決異構云之間的互操作、應用的可移植以及自治服務的自動發現、部署等問題。

在解決了資源層、應用層技術支持且市場平臺建立起來之后，如何幫助用戶以滿意的價格獲得滿意的資源或服務，是要解決的問題之一。一種做法是研究選擇策略[8]，在已有的商品中為用戶擇優選擇，但這種方法仍然只適用于商品市場（定價市場），用戶不能參與價格制定。另一種做法是將供需組織到一起進行雙向拍賣，市場轉化成一個買賣雙方平等、定價由買賣方共同決定的雙向市場。

文獻[9]介紹Tycoon市場按照出價情況對資源按比例分配的拍賣機制；Spawn[10]采用單向Viekery拍賣模型管理異構工作站網絡的資源；Popcorn[11]基于Web采用單向和雙向拍賣模型實現Internet上的資源在線分配。JaWS[12]基于雙向拍賣模型，買方與賣方提交定單到匹配器，定單可以隨時更新，匹配器一旦匹配到買方與賣方定單，交易即可完成。文獻[13]提出了一種連續的雙向拍賣定價機制CDA，對CPU資源采用統一拍賣。文獻[14]提出了一種基于雙向拍賣的適應性云計算資源分配機制。文獻[15]提出了一種基于多單元連續雙向拍賣機制MDA（Multi-unit Double Auction）和相應的定價策略及資源分配方法。文獻[16]基于CDA提出更新的UCDA，允許供應商根據資源負載自行定價，而用戶根據作業時限自行確定投標價格。

以上提及的方法，文獻[9-13]適用網格市場CPU計算周期的拍賣，文獻[14-16]適用云資源拍賣。以上文獻的共同特點是將拍賣的資源默認為同一質量，拍賣順序由雙方報價決定。然而，未來的混合云市場中計算資源來自不同的服務商，因地域、成本、服務質量等因素的差異，其價格必然不同，研究非同質云資源的交易機制很有實用價值和應用前景。

1.3 本文研究重點

本文認為，當前計算資源共享模型的發展趨勢是：（1）底層架構將突破一個計算網格或者一家公司提供的資源云和服務云，建立在混合云環境之上。（2）自由交易的市場模式將會代替網格中的統一調度模式和云中的商品市場模式，計算資源的價格將由市場經濟規則和供需平衡決定。（3）在混合云平臺上，SMEs將獲得更多機會，與大型IT供應商競爭，為用戶提供更多的個性化的服務。（4）供應和需求之間的匹配過程，將會受到除價格之外的多種因素的影響，包括供給/需求的數量、資源的質量等級、賣方的個性化需求、用戶的信用反饋等。

鑒于此，提出一種基于混合云環境的計算資源市場模型 HCRM（Hybrid Cloud Resource Market），重點研究其交易管理機制，本文主要研究：（1）HCRM的功能架構和參與角色；（2）HCRM的交易管理模式；（3）HCRM的供需質量模型；（4）質量感知的雙向拍賣匹配算法。

圖1 HCRM的分層結構

2 混合云資源市場的交易管理機制

混合云資源市場HCRM是運行在異構的混合云環境、以服務方式為用戶提供計算資源交易的虛擬市場。HCRM的參與者分為買方、賣方、市場管理者和交易代理者。買方是資源請求者，包括個人用戶、SMEs，自行或者通過買方代理提出購買需求；賣方是資源擁有者，包括個人用戶、SMEs和大型云服務提供商，自行或者通過賣方代理提交資源供應。市場管理者為用戶提供市場平臺、用戶管理、交易管理、報價基準參考、交易賬戶管理和轉帳服務，并負責監管市場運營秩序，接受用戶反饋。

2.1 HCRM的功能架構

HCRM的組成有四層：物理資源層，資源管理層，市場管理層和用戶接口層，如圖1所示。

（1）物理資源層是底層的各種網絡資源，包括計算資源、存儲資源、數據資源、網絡應用、遠程設備、網絡互連設備、云和云間服務設施等。

（2）資源管理層是支持網格和云結構的中間件層，主要負責資源描述、資源組織、資源查找、資源預留、資源部署和資源監控等工作。

（3）市場管理層提供用戶管理、交易管理、交易支持服務和安全管理，主要負責管理控制市場活動，約束市場交易行為。

用戶管理負責用戶身份的管理認證、用戶賬戶信息和信用信息的許可認證，負責對買賣方進行身份登記、用戶等級權限檢查和對用戶請求的管理。

交易管理負責供應管理、需求管理、供給和需求匹配，并為用戶提供定價參考，負責提供多種交易模型以供用戶選擇；根據市場供需變化對商品價格進行調整，提供市場指導價；記錄歷史交易信息，并用SLA條款約束交易行為。

交易支持服務通常提供工作流管理、信用管理、網上轉賬和風險代理服務，負責用戶信譽更新、管理用戶資金賬戶、計費管理并監管買賣雙方資金流向，輔助約束交易行為。

安全管理是通過監測市場交易活動的商品和用戶的安全服務負責，負責保障計算資源市場的整體安全，包括身份認證、訪問授權和安全審計等。

（4）用戶接口層是SOA建構層，為用戶提供服務的注冊、登錄、身份驗證和各種應用模塊的服務入口。通過門戶網站，用戶可以無縫地使用符合權限的服務，服務提供者可以發布新的服務。

本文主要研究市場管理層的交易管理機制。

2.2 HCRM的交易模型

一個市場要正常運行，必須要有一套規范的交易機制，如何定價、如何進行供需分配是市場機制必須解答的，有效的交易機制能夠鼓勵更多的用戶參與計算資源交易并直接影響到整個市場的效率。計算資源市場可采用的交易模型大致有三種：（1）商品市場。由云供應商單方規定并公布資源規格和價格，用戶從中選擇購買。（2）談判市場。買家和賣家或其代理機構面對面進行價格談判，雙方共同決定成交價格。（3）拍賣市場。買方和賣方各自報價，由拍賣機制決定供需匹配結果和成交價格。

三者各自的局限性是：商品市場由賣方單方面決定價格；談判市場時間上開銷較大；拍賣市場需有大量的供應和需求保證足夠的市場流動性。

圖2 市場管理層的交易管理模型

HCRM包括大量的供應和需求，供應和需求的添加、刪除是動態的且非常頻繁，每個買方或賣方根據自己的預算價格或成本價格獨立報價，買賣方都想盡可能提高自己的經濟效益，且作為商品的計算資源時效性顯著，因此HCRM適合采用雙向拍賣的交易模式。

圖2描述了HCRM市場管理層的交易管理組件，由價格管理器、交易管理器、交易監管器、支付管理器、反饋管理器和數據庫組成，各個組件之間的信息流如圖2所示。

考慮到HCRM中的資源來自不同賣方，質量差別較大，用戶對資源質量的需求也不同，并且買賣雙方都接受不同質量不同定價，本文以資源類型篩選為前提，以質量約束的報價策略為支持，將質量感知的雙向拍賣機制作為HCRM交易模型的核心，建立了質量感知的供需匹配模型，如圖2陰影部分所示。

交易管理的流程如下：（1）買家和賣家分別向市場提交自己的供給和需求，根據價格管理器提供的參考價格，自行或由代理提出報價。（2）交易管理器核查供應質量、需求參數以及買賣雙方給出的出價和要價是否合理。（3）類型篩選器按供需類型篩選出類型一致的供應和需求。（4）拍賣器進行質量感知的雙向拍賣，拍賣中成功匹配的供應和需求建立交易合約。（5）交易監控器監控交易合約的執行情況。（6）成功執行時由支付管理器負責買賣雙方的轉賬，當有人違反合約時負責扣除違約方的罰款。（7）反饋管理器將收到的交易信息保存歸檔，并更新相關的數據庫。

2.3 HCRM的供需質量模型

賣方提供的供應集合 Supplies={Sp1，Sp2，…，Spi，…}，其中供應 Spi=(Resource_Typei，Seller_IDi，Supply_Numi，Resource_Qualityi，Lowest_Pricei，Valid_Timei) ，這 里Resource_Typei是賣方提供資源的種類；Seller_IDi賣方在市場注冊時獲得的ID；Supply_Numi是賣方所提供的資源數量；Lowest_Pricei（簡記為Lpi）是賣方所報的最低售價，實際成交價格不能低于該值；Valid_Timei是指該資源的有效使用時段，去除該資源已分配和預留給其他買方的時間段。

賣方的Resource_Qualityi是由市場管理者根據資源可信性、賣家信譽、網絡安全性和用戶的偏好確定的，取值從1到5，用以指定同類型資源的不同質量（5表示最高質量）。

定義1（供應Spi的資源質量）

其中α1+α2+α3=1，具體取值根據用戶偏好確定，這里假定 α1=α2=α3=1/3。

（1）Reliabilityi表示資源可信度，由資源進入市場的時間和資源服務成功率決定。Resource_Lifei是Spi進入市場的時間，Market_life是整個市場的生存時間，Successi是Spi成功提供服務的次數，Faili是Spi曾經服務失敗的次數。rank()是一個轉換函數，將一個百分數轉換成1～5之間的數據。

這里β1+β2=1，具體取值根據用戶偏好確定，本文假定β1=0.4，β2=0.6。

（2）Reputationi代表賣方信譽度，完全由買方平均信譽反饋值決定。每一個與Spi交易的買家反饋一個1～5之間的數值Feedbackk評價賣家信譽情況，5為最高信譽。m是與Spi交易過的買家數量。

（3）Securityi表示該資源的網絡安全度，由市場管理者根據權威機構的評估數據以及歷史信息給出，取值在1～5之間，5為最高安全等級。SecuValuei是權威認證機構對資源Spi所在網絡的安全性做出的認證值，Normali為Spi所在網絡提供安全服務的次數，Unnormali是該資源曾經出現網絡非安全服務的次數。rank()函數定義同上。

這里γ1+γ2=1，具體取值根據用戶偏好確定，本文假定γ1=0.5，γ2=0.5。

買方提交的需求集合Demand={Dm1，Dm2，…，Dmj，…} ，其中需求Dmj=(Resource_Typej，Buyer_IDj，Demand_Numj，Demand_Qualityj，Highest_Pricej，Demand_Timej)，這里 Resource_Typej是買方需求的資源種類；Buyer_IDj買方在市場注冊時獲得的ID；Demand_Numj是買方所需求的資源量；Highest_Pricej（簡記為Hpj）是指買方可以接受的最高出價，實際交易價格不能高于該值；Demand_Timej指需求的有效時間，超出時效系統不再為該需求進行匹配。

買方的Demand_Qualityj代表買方對資源的質量需求。市場為用戶提供與質量等級相應的合理報價參考，以及已成交的歷史信息數據，買方根據自己的預算和市場信息提出報價。

2.4 質量感知的雙向拍賣算法QaDA

經典的連續雙向拍賣CDA（Continuous Double Auction）適用于同質物品拍賣，HCRM中的資源來自不同賣方，質量差別大，用戶就不同質量資源差別定價已達成共識，因此設計了一種質量感知的雙向拍賣算法QaDA（Quality-aware Double Auction）。

QaDA的交易過程描述如下：

（1）買賣雙方提交各自的報價和參加交易的供需數量信息。

（2）市場根據賣方供應的質量判斷交易者的報價是否合理，若合理則被市場接受，不合理則通知他們重新報價。

（3）市場中負責資源查找的模塊找到資源類型匹配的且都在有效期的供應和需求加入到一個拍賣組，假設有m個供應、n個需求。買方需求按報價從高到低排成一個隊列Qd，賣方供應先按質量從高到低、質量相同的再按要價從低到高排成一個隊列Qs。供需依次交替進行連續的匹配，直到全部供需都被處理完為止。

匹配過程如下：

注 ：（1）matched(Spi，Dmk)的條件是：(Resource_Typei與Resource_Typek一致或兼容)&&(Supply_Numi不少于Demand_Numk)&&(Valid_Timei滿足Demand_Timek)&&(Lpi不高于Hpk)。

（2）在一輪拍賣中成交的一對供需(Spi，Dmj)，其成交價格 Trade_Price 記為 Tpi，j，則

QaDA算法的調度時機有兩種：（1）異步調度，即每當一個新的供應Sp或者一個新的需求Dm到達時，供需匹配模塊就被調度執行一次。這種方式調度頻率比較高。（2）時間段調度，即每到下一個時間段Time_Slot開始，匹配模塊被調度一次。與異步調度相比，這種方式調度頻率降低，但是匹配算法處理的數據量增大。

2.5 匹配成功率和成交總量

為了保證買方的應用不會因其在不同資源間切換而超時，這里規定：假定(Spi1，Dmj1)、(Spi2，Dmj2)是一輪拍賣中成交的兩對供需，則必有i1≠i2，而 j1=j2或者j1≠j2均有可能。

定義2將一個在一輪拍賣中匹配成功的賣方供應 Spi的資源集合定義為 R_Spi=R_Spi1∪R_Spi2∪…∪R_Spik∪…∪R_Spit∪R_Spia，t是正整數且t≥1，其中：

（1）t=1時，Spi中的資源只與一個買方需求成交。

（2）t＞1時，i1≠i2≠…≠ik≠…≠it，在本輪拍賣中成交的供需對中必有(Spi1，Dmj1)，(Spi2，Dmj2)，…，(Spik，Dmjk)，…，(Spit，Dmjt)并且 j1≠j2≠…≠jk≠…≠jt。

（3）R_Spia為Spi中在一輪拍賣結束后剩余的資源子集，R_Spia=?時Spi中全部資源都成交，R_Spia≠?時Spi中仍有剩余資源。

定義3一輪拍賣后，匹配成功率記為P：

一輪拍賣后，需求 Dmj的成交額記為 Amj，（1）如果 Dmj沒有匹配成功，則 Amj=0；（2）如果 Dmj與供應Spi匹配成功，且匹配成功的資源量是Dj，成交價格是Tpi，j，則

一輪拍賣后，供應Spi的成交額記為 Asi，（1）如果Spi沒有匹配成功，則 Asi=0；（2）若果 Spi被匹配給 t(t≥1)個買方，根據定義2將成交的匹配對記為(Spi1，Dmj1)，(Spi2，Dmj2)，…，(Spik，Dmjk)，…，(Spit，Dmjt)，且成交價格分別為 Tpi1，j1，Tpi2，j2，…，Tpik，jk，…，Tpit，jt，則

定義4一輪拍賣中m個賣方與n個買方的成交總量為：

下一章中將用匹配成功率P和拍賣成交總量A來比較不同拍賣算法的效率。

3 仿真結果與分析

為了進行仿真驗證，自行設計和開發了一個小型的計算資源交易模擬系統，用Java語言編寫，主要實現用戶注冊、供應和需求提交、供需報價參考和報價代理、供需數據隨機生成、供需拍賣匹配、匹配結果圖表輸出等功能。數據庫采用MySQL，有用戶表、供應表、需求表、歷史成交表、市場信息表等組成。本章實驗中使用均勻分布的隨機數據，模擬運行CDA算法[13]和QaDA算法，從賣家要價、買家出價、匹配成功率和成交總量方面進行了比較分析。

有關的實驗參數配置如下：資源類型分為A、B、C和D四種類型。參加匹配的供應數m、參加匹配的需求數n；所有供應的最低要價服從均勻分布 fL，所有需求的最高出價服從均勻分布 fH；所有供應的數量服從均勻分布 fP，所有需求的數量服從均勻分布 fD；所有供應的可用時間段服從均勻分布 fA，所有需求的求購時間段服從均勻分布 fR；資源質量等級服從均勻分布 fQ。

首先，考察匹配成功率與參與拍賣的供需數量的關系。這里認為所有交易方均能理性報價，且對市場效益率有個基本認同。取 fL=U(100，200)，fH=U(120，240)，單位是元/h；取 fP==U(1，20)，fD=U(1，20)，單位是VM；取 fA=fR=U(1，24)，單位是h。取 fQ=U(0，5)。

先設置 m=n，分別取值50、150、250、350、450、550、650、750、850、950，每種情況運行500次，取其實驗平均值，實驗結果如圖3所示。再設先設置m=n，分別取值500、1 500、2 500、3 500、4 500、5 500、6 500、7 500、8 500、9 500，每種情況運行500次，取其實驗值的平均值，實驗結果如圖4所示。

圖3 用戶數量較少時兩算法的匹配成功率

圖4 用戶數量較多時兩算法的匹配成功率

由實驗數據可以看出：（1）隨著參與拍賣的供需數量的增加，兩種算法的匹配成功率均會增高。（2）相同條件下，QaDA比CDA的匹配成功率要高一些。不難分析CDA中出價高的需求先和報價最低的供應匹配，使出價低的買方和出價高的賣方減少了匹配機會，影響到匹配成功率。QaDA中買/賣方交替與所有剩余賣/買方試探匹配的策略也提高了其匹配成功率。（3）相比之下，CDA對用戶數量的增長敏感度較低，隨著供需數量的增加QaDA的匹配成功增長率更明顯一些。QaDA更適用于拍賣參與者較多的情況。

上述實驗的同時，記錄每次實驗的成交金額，圖5由所有實驗累計而得，實驗數據表明，與CDA比較，QaDA獲得更大的成交總額。

圖5 兩種算法成交總量的比較

下面考察報價對匹配成功率的影響。先考慮賣方的要價，將賣方要價分為五個區間：[100，120）、[120，140）、[140，160）、[160，180）、[180，200]，分別統計不同賣價區間上賣方的匹配成功率，如圖6所示。很顯然：（1）CDA算法中賣方要價直接影響到匹配能否成功，要價在均衡價格以下的有機會成交，而要價高于均衡價格的則交易機會減為0。（2）QaDA算法中，各要價區間上的賣方匹配成功率沒有特別大的波動，要價高的成交率稍微低一點但仍有很大的成交機會。

圖6 賣方報價范圍對匹配成功率的影響

再考慮買方的出價，將買方出價分為五個區間：[120，144）、[144，168）、[168，192）、[192，216）、[216，240]，分別統計不同出價區間上買方的匹配成功率，如圖7所示。實驗結果顯示：（1）CDA算法中買方出價直接影響到匹配能否成功，出價在均衡價格以上的有機會成交，而出價低于均衡價格的則交易機會減為0。（2）QaDA算法中，各出價區間上的買方匹配成功率隨著出價降低慢速下降，出價低的需求成交率低一些，但是仍有成交機會。

圖7 買方出價范圍對匹配成功率的影響

圖6和圖7的實驗結果表明CDA不支持差別定價，QaDA支持按資源質量合理報價。

從拍賣機制本身容易分析得知，由于CDA讓出價高的需求先和報價最低的供應匹配，造成種種不合理現象，如質量差的資源優先成交、質量高（報價高）的資源賣不出去、出價最高的買方卻買到質量最低的資源，等等。QaDA保證出價高的買方和質量最高的資源先匹配，出價低的買方有機會買到要價低、質量也低一些的資源。因此，CDA適用于同質物品拍賣，QaDA更適用于不同質量差別定價的混合云環境。

4 總結和展望

本文綜述了目前計算資源共享模型的發展，提出了基于混合云環境的計算資源市場HCRM，討論了HCRM的功能架構、參與角色和交易管理機制。本文主要貢獻是建立了供應和需求的質量模型，設計并仿真運行了一種質量感知的雙向拍賣算法QaDA。實驗結果表明，與普通的連續雙向拍賣算法CDA相比，QaDA不僅可以引導用戶合理定價，還能獲得較高的匹配成功率和較高的成交總量。

進一步的工作有：（1）研究質量模型相關參數取值的確定方法；（2）設計質量評價驅動的報價模型；（3）從理論上對QaDA進行效用分析。

[1]Haas C，Caton S，Chard K，et al.Co-operative infrastructures：an economic model for providing infrastructures for social cloud computing[C]//46th Hawaii International Conference on System Sciences（HICSS），2013：729-738.

[2]Teodor-Florin F，Munteanu V I，Negru V.Towards a service friendly cloud ecosystem[C]//11th International Symposium on Parallel and Distributed Computing，2012：121-130.

[3]Subramanian K.Analyst&researcher krishworld.com，hybrid clouds[R].2011.

[4]García-Gómez S，Escriche-Vicente M，Arozarena-Llopis P.4CaaSt：comprehensive management of cloud services through a PaaS[C]//10th IEEE International Symposium on Parallel and Distributed Processing with Applications，2012：53-64.

[5]The cloudfoundry project[EB/OL].[2013-10-15].http：//www.Cloudfoundry.com/.

[6]The open shift project[EB/OL].[2013-10-15].https：//www.openshift.com/.

[7]The Andreas project[EB/OL].[2013-10-15].http：//www.informatik.uni-trier.de/～ley/pers/hd/m/Menychtas：Andreas.

[8]Nizamani S A.A quality-aware cloud selection service for computational modellers[D].2013.

[9]Lai K，Rasmusson L，Adar E，et al.Tycoon：an implementation of a distributed market-based resource allocation system[J].Multiagent Grid Systems，2005，1（3）：169-182.

[10]Waldspurger C A，Hogg T，Huberman B A，et al.Spawn：a distributed computational economy[J].IEEE Trans on Soft Engineering，1992，18（2）：103-117.

[11]Regev O，Nisan N.The POPCORN market.Online markets for computational resources[J].Decision Support Systems，2000，28：177-189.

[12]Lalis S，Karipidis A.JaWA：an open market-based framework for distributed computing over the Internet[J].Grid，2000，3：36-46.

[13]翁楚良，陸鑫達.一種基于雙向拍賣機制的計算網格資源分配方法[J].計算機學報，2006，29（6）：1004-1009.

[14]丁丁，羅四維，艾麗華.基于雙向拍賣的適應性云計算資源分配機制[J].通信學報，2012，33（Z1）：132-140.

[15]Lan Youwen，Tong Weiqin，Liu Zongheng，et al.Multiunit continuous double auction based resource allocation method[C]//2012 Third International Conference on Intelligent Control and Information Processing，2012.

[16]Teymouri S，Rahmani A M.A continues double auction method for resource allocation in economic grids[J].International Journal of Computer Applications，2012，43（17）：332-340.