云計算環境下基于用戶行為特征的資源分配策略

王晶 林益臣

摘要：人工智能技術的創新發展使得云計算課題研究更為深入，技術應用更為成熟。而在云計算研究與應用過程中，云計算資源分配模型的建構是核心。在云計算資源分配中，往往根據用戶特征及行為訴求進行資源的分配調度，而用戶特征及行為訴求分析主要集中在用戶物理性能評價、用戶活躍性評價、用戶信譽值評價三大方面。根據用戶行為特征的精準分析，推行協作式內容分發機制將帶來云計算平臺資源的科學分配，以保證云計算系統運作的穩定與成熟。該文主要就云計算環境下根據用戶特征及行為訴求的資源分配問題進行探討，明確用戶特征及行為訴求的判定依據，探明資源分配的有效策略，以減少云計算資源損耗，實現云任務的高效調度回應。

關鍵詞：云計算;用戶行為;資源分配

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）04-0092-03

作為新型的商業計算模式，云計算推行分布式并行處理模式，在云計算推廣應用中需要重點解決的問題是資源調度。資源調度效率對云計算環境工作性能有直接影響，目前主流的研究集中在啟發式智能算法的探討上，而智能算法往往以用戶行為特征的分析為依據，以指導云計算資源的科學分配，實現成本時間雙約束條件下資源調動的有效化，真正解決資源分配中的沖突與糾紛，實現資源的優化配置與妥善分配。

1 云計算下的資源分配

云計算資源的科學分配是云計算系統運作的關鍵，也是其服務用戶的核心所在。對于用戶來說，不需要兼顧計算系統，也無須關注系統部署細節問題，其只需要向計算平臺發出資源請求并支付費用，云計算即可為其提供相應的使用資源[1]。在資源整合輸出的過程中，云計算系統以虛擬化技術為核心技術支持，完成底層硬件資源的優化整合，將資源輸送到上層系統，供用戶使用。可以說，云計算價值發揮以資源的整合與調配為前提，資源管理的重要性不言而喻。本身云計算供應商面向不同的用戶，見圖1 ，其需要尋求成本投入與多元用戶需求滿足之間的平衡，即最理想的成本投入對應最高的用戶滿意度。供應商不僅要解決成本與用戶之間的矛盾，也要關注資源的有限性，當面臨資源枯竭時，必然要引發“分配大戰”。以博弈論思想解決分配沖突重點在于決定哪些訴求應快速回應及處理，哪些訴求可以暫緩處理。關注用戶行為差異，探明用戶差異性對資源分配策略的影響并解決資源分配負載協調等一系列問題[2]，積極輔助計算需求源頭之用戶的分析，真正建構資源分配模型，以用戶滿意度為模型建構初衷，指導云計算系統在關注用戶行為特征、心理需求的基礎上指導資源的合理分配。

2 云計算環境下用戶行為特征分析

2.1 資源需求多樣且動態化

云計算平臺資源整合并負責資源集中管理，聚焦用戶需求制定資源分配策略。其IaaS層抽象物理資源整合為資源體，解決物理層平臺異構問題，于邏輯層建構“資源池”，如圖2。資源池內資源多樣，按照種類科學劃分，同類資源基于邏輯合理性合并[3]，接受統一的調配與管理。用戶資源需求多樣，在資源分配時應考慮多種資源分配最優化問題。假設資源對應為大蛋糕，蛋糕上有巧克力、夾心餅干、水果等，需要根據用戶喜好差異，在切蛋糕時提供符合用戶口味的蛋糕塊。用戶提交的計算任務類型主要指數值計算、數據傳輸等，對應不同的需求側重，在資源分配時應明確哪些是關鍵資源，確保用戶關鍵資源需求得以滿足。而關鍵資源基于任務屬性的不同也有不同的側重點。要明確關鍵資源并盡可能滿足用戶訴求的基礎上，尋求資源分配最優化、效率最高的路徑支持。

用戶資源需求也呈現動態變化的特征，主要對應兩種情形。一種情形為用戶于不同時間段提交相同的任務類型，但任務復雜程度有差異，當系統獲取到系列任務時平臺開啟VCN，此時任務對應的矩陣運算規模不同，此時CPU與內存資源成為資源的關鍵成分[4]，但具體的任務對關鍵資源需求側重不同，矩陣規模差異明顯，這使得任務類型雖一致，但計算復雜度不同，則對應不同的資源需求，在資源分配處理時不得小覷。另一種為用戶于不同時間段提交不同的計算任務，本身任務類型差異明顯，計算復雜度、關鍵資源需求側重不同，資源分配時既要關注差異，又要做好差異矛盾的協調處理工作。

2.2 用戶資源分配的公平需求

在資源分配時所有的用戶都希望獲得應有的尊重，而與尊重相對應的是資源分配的公平性問題，這也是評判資源分配是否合理的指標之一，更關系到共享資源系統運行質量。在云計算環境下，資源分配的公平性對應每個用戶能獲得相同的份額資源，直指資源的均分問題[5]。在均分資源的過程中，雖然用戶獲取的資源數量體現了公平，但卻在一定程度上忽略用戶的真實資源訴求。對于需求量大的用戶來說，均分資源導致其資源使用訴求得不到有效滿足，而對于需求量小的用戶來說，又造成資源的浪費。如何協調兩者之間的矛盾，同時兼顧資源分配的公平性是資源分配策略制定中應重點思考的問題。有學者指出，在資源分配公平性問題的處理上應關注兩方面內容，一方面，每個人都享有相同的享受資源分配的權利，一視同仁。另一方面，對于社會經濟中的不平等問題有效的處理思路為使最弱勢的個體或者群體獲得最大的利益補償，讓所有人享受均等的資源供應。等量的資源分配讓總公平值不會減少，而資源的公平性分配并不絕對等同于均分，對于資源需求量大群體應給予其更多的資源支持，均分的是機會，不是資源。

2.3 用戶行為特征的判定

通過用戶訴求的分析，并結合用戶物理性能、活躍度以及信譽度進行用戶情況的綜合評估，以方便找到最佳的服務用戶，提高用戶服務質量。基于用戶特征進行資源分配需要以建構閉環系統模型為前提，模型見圖3，以云資源數據中心為紐帶分別連接云資源供應商和云用戶，其中數據中心與云資源供應商以注冊方式關聯，數據中心與用戶以選擇方式關聯，而供應商與用戶之間是雙向互動關系，資源調配及使用反饋構成互動關系。用戶的行為能力會直接借助反饋渠道傳遞給供應商，用戶以選擇方式影響數據中心的運轉。云計算出于服務質量優化的考慮，會選擇行為更好的用戶作為核心服務用戶，實現輻射服務的優化。一般對于物理性能弱、帶寬狀況差的用戶和奉獻精神差的用戶，不考慮將其發展為服務用戶。信譽度不佳的用戶其可信度較低，很難保證其當選為服務用戶后能為組內其他用戶提供穩定的服務，也必須剔除。

3 云計算環境下基于用戶行為特征的資源分配策略——協作式分配策略

在明確用戶資源獲取與使用訴求特征后，根據用戶行為特征進行云計算資源的科學分配。應嘗試協作式資源分配方法，基于用戶評價量化排序結果，以擾動粒子群優化算法為指導完成用戶數量擬定，最終指導內容的協作式分配，進行資源的輸出。其具體的執行流程為，進行網絡的初始化處理，明確用戶行為特征，選取需求相近、位置相近的用戶加以連接[6]，構成同類需求用戶組，以此作為資源分配模型建構的初始支持，進行單一用戶活躍度、物理性強弱和信譽度優劣的三維分析，根據具體算法計算用戶的綜合效用值。并將其存儲到集合體中，將集合體中的單一用戶進行綜合效用值大小的排序。初始粒子群讓粒子目標函數有具體的適應度，找到粒子群中處于非支配地位的粒子，并將其轉移到非支配集合中，根據上一階段得出的適度值結合個體極值、全局極值選擇策略，明確各粒子的個體極值與全局極值，依據進化方程及時更新粒子位置，確保粒子在個體極值和全局極值的影響下向全局極值收斂。進一步著手粒子分列排序與密度距離排序，根據密度距離調整非支配集中的個體，并將其保存到外部集中。假設粒子進化相對停滯，且達到擾動閾值，應讓個體極值與全局極值以均勻隨機函數為依據進行擾動，將非劣解移動到外部集合中。當粒子進化穩定得到最優解，獲取非劣Pareto解集，完成資源分配。根據Pareto解集確定合適的NS值，將含有用戶綜合效用值的集合中的前NS個用戶判斷為服務用戶，將其他用戶定義為非服務用戶，對服務用戶進行資源的協作分發。協作式資源分配策略應以發展思維動態關注用戶的活躍度、信譽度。

從資源調度框架（圖4）可知，用戶終端Agent 負責本地用戶行為信息的采集，及時傳輸給供應商，匯總后進行數據分析，支持歷史數據的對比分析，以了解用戶物理性能、活躍性與信譽度，并進行量化排名。使用分布模型針對用戶時間片斷 Ts 中工作狀態與心理預期任務定性刻畫時間。最終用戶行為數據以唯一服務類別編碼形式由云計算綜合控制中心策略管理模塊進行調控。使用有效算法明確成本投入最少情況下云計算系統對應的服務用戶數量，并選擇集合中前NS個用戶定義為服務用戶，開展資源的協作分配。簡言之，資源分配策略評估用戶物理性能、活躍性[7]，并引入信用機制指導服務用戶的科學選擇，按一系列的算法步驟和操作流程進行服務用戶資源的科學分配。

4 資源分配未來走勢及努力方向

云計算環境下的資源調分配極為復雜，而基于用戶行為特征進行資源的分配必須確保對服務用戶的工作習慣有清晰的了解，明確用戶行為特征信息，只有真正了解用戶訴求，才能提升用戶滿意度，又避免資源分配中不同用戶之間的矛盾沖突[8]，同時降低云計算系統資源分配操作成本。從當前技術研究與應用情況看，基于用戶行為特征進行云計算環境下資源的科學分配是必然趨勢，通過用戶行為規律的探討以指導資源個性化調度，真正滿足用戶個性化的資源服務訴求，讓資源分配調度更優，進一步提升用戶滿意度。云計算環境下的基于用戶行為特征分析的資源分配也應深入探討下去，一方面要完善與資源配置相關用戶行為信息收集與挖掘模型的建構，以用戶行為信息模型的完善建構提升用戶行為特征分析的準確性，真正了解用戶期望。另一方面，要繼續創新資源分配模式，推出更優化的資源分配策略，讓不同類型資源分配策略對應不同的用戶資源使用場景，讓資源分配與用戶需求無縫對接，特別是要補充最優分配策略映射表，實現云計算環境下系統不同粒度資源分配策略的推陳出新。

5 結束語

在云計算研究中資源分配策略是繞不開的話題。研究人員也提出了多種資源共享與分配策略構想，其中也包括基于用戶行為特征進行資源分配的策略，根據對用戶行為特征的分析與用戶群體的判斷，明確不同用戶群體的資源獲取訴求和偏好，以用戶群像和個體畫像的繪制進行資源分配，讓訴求與服務輸出相對應，這種協同處理方式實現不同時間段內用戶任務提交規律的預測，評估用戶期望完成時間，讓云計算系統資源分配科學化、調整動態化，將實現用戶滿意度的提升，也帶來任務完成效益的最大化。

參考文獻：

[1] 周景才，張滬寅，查文亮，等.云計算環境下基于用戶行為特征的資源分配策略[J].計算機研究與發展，2014，51（5）：1108-1119.

[2] 張驥先，謝寧，李偉東，等.一種支持云計算虛擬資源分配的可信多需求拍賣機制[J].電子與信息學報，2018，40（1）：25-34.

[3] 姜棟瀚，林海濤.云計算環境下的資源分配關鍵技術研究綜述[J].中國電子科學研究院學報，2018，13（3）：308-314.

[4] 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（S1）：132-140.

[5] 金偉健，王春枝.基于蝙蝠算法的云計算資源分配研究[J].計算機應用研究，2015，32（4）：1184-1187.

[6] 華夏渝，鄭駿，胡文心.基于云計算環境的蟻群優化計算資源分配算法[J].華東師范大學學報（自然科學版），2010（1）：127-134.

[7] 朱匆，劉元君，彭自然，等.移動云計算中基于協作式博弈模型的資源分配方案[J].計算機應用研究，2014，31（3）：912-916.

[8] 陳迎欣，李燁，魏薇.云計算環境下基于任務-資源匹配的地震應急資源分配研究[J].科技管理研究，2018，38（19）：202-208.

收稿日期：2021-10-25

作者簡介：王晶（1991—），女，河北承德人，助教，碩士，研究方向為云計算;林益臣（1994—），男（滿族），遼寧撫順人，通信作者，助教，碩士，研究方向為下一代互聯網。