云計算多實例市場預測與組合購買決策研究.pdf

1、云計算是一種虛擬化的、可伸縮的IT服務，它可以按照用戶的需求動態(tài)地提供服務。隨著各云平臺用戶需求的不斷增加，其資源負荷量也有了較大的變化，如何準確預測客戶需求并合理分配云資源成為各平臺供應商面臨的挑戰(zhàn)。因此，各種云資源的市場交易平臺應運而生，為用戶及時、便捷的獲取云服務提供了可靠保障。
　　然而，云計算資源目前出現了多種購買模式，如亞馬遜彈性云平臺的3種類型的實例計費方案，分別為:按需運行實例、保留定制實例和現貨競價實例。前兩類實

2、例的價格一定，但是，關于云供應商如何針對現貨競價實例進行定價及定價趨勢的問題，目前的研究結果尚未十分明朗，另一方面，用戶如何更好地從云計算環(huán)境中獲得決策過程所需的決策信息、如何從海量決策信息中處理動態(tài)的用戶需求信息，都會影響用戶最終的購買決策效率。因此研究云計算多實例的市場交易和購買決策十分必要。
　　云計算多實例的市場交易和購買決策面臨的主要挑戰(zhàn)有:(1)云供應商如何針對現貨競價實例定價及其價格變動的趨勢研究只考慮了定性的影響趨

3、勢，無法量化;(2)用戶對于自身需求信息無法進行全面的處理和分析;(3)在購買決策過程中，只考慮了服務質量這一單一因素，使得服務呈現單一化的趨勢，無法滿足用戶多方面的需求。
　　基于以上問題，本文提出了基于云聯盟的云計算市場交易體系，為供需雙方的交易提供架構支撐。然后構建云計算市場交易預測模型，包括現貨競價實例價格預測模型和客戶需求預測模型。最后研究了基于客戶的多實例組合購買決策，以達到滿足用戶多樣化需求的目標。具體的工作包括:<

4、br>　　(1)提出了基于云計算的市場交易體系;
　　(2)設計了云計算市場現貨實例的價格預測模型和算法，充分挖掘云供應商現貨實例的定價規(guī)律，為云用戶的投標決策提供依據;
　　(3)設計了云計算市場客戶需求預測模型，并采用灰色BP神經網絡進行仿真訓練，改進了傳統(tǒng)BP神經網絡的缺點，使得預測值更為精確，從而充分挖掘云用戶自身的需求，使得用戶更好的了解自身的需求規(guī)律，優(yōu)化購買決策;
　　(4)構建了基于客戶的云計算市場多實