24、复杂网格服务的组合交换与节能调度-优快云博客

本文链接：https://blog.youkuaiyun.com/flink9streamer/article/details/150054923

复杂网格服务的组合交换与节能调度

在当今数字化时代，随着在线业务的激增，对计算资源的需求也呈爆炸式增长。传统的计算模式面临着资源利用率低、能耗高等问题，而网格计算作为一种新兴的计算模式，为解决这些问题提供了新的思路。本文将探讨复杂网格服务的组合交换机制以及如何在网格环境中实现节能调度。

复杂网格服务的组合交换

在网格服务交易中，涉及到资源的分配和定价问题。为了更好地理解这一过程，我们先来看一个样本分配时间表。

供应商	消费者	时间槽 t	部分福利	m	bm	pmb	n/jn/αnj	vnj per αnj
1	1	3	3/1/1	30	1 - 4	18	1/2/1	10
1	1	5	7
2	4	3/1/2	30	1 - 4	14
2	1	6	3/1/3	30	2 - 5	6
2	5	2/1/1	70	1 - 3	55
社会福利	100

从这个表格中可以看出，供应商 1 的捆绑包 1 在其完全可用时间内被预留，而捆绑包 2 在时间槽 5 处于空闲状态。由于没有更多未满足的消费者，这个时间槽保持空闲。

定价机制

拍卖结束后，如何计算中标请求和报价的支付是一个关键问题。Myerson - Satterthwaite 不可能定理表明，在一般情况下，没有一种交换机制可以同时实现分配效率、预算平衡、个体理性和（贝叶斯 - 纳什）激励兼容。因此，机制设计者需要根据期望的结果对经济属性进行优先级排序和权衡。

常见的定价方案基于总体福利的分配。其中，Vickrey - Clarke - Groves（VCG）机制是唯一一种结合了激励兼容性、分配效率和个体理性的机制。其核心思想是每个参与者 i 获得一个与他参与所带来的福利增益相对应的 Vickrey 折扣。然而，VCG 定价方案在双边交易中无法实现预算平衡，通常需要外部补贴。

以下是不同定价方案下的支付结构：

定价方案	VCG	近似 VCG	K - 定价（k = 0.4）	K - 定价（k = 0.5）	K - 定价（k = 0.6）
n1	-3	-10	-7.2	-6.5	-5.8
n2	-15	-30	-48	-42.5	-37
n3	-58	-73	-74.8	-71	-67.2
m1	72	57	+50.4	+47.2	+44
m2	71	56	+79.6	+72.8	+66
预算	-67	0	0	0	0

从表格中可以看出，VCG 定价导致了 - 67 的负预算，而 K - 定价和近似 VCG 定价实现了预算平衡。由于在某些场景下无法获得外部补贴，VCG 定价在实际应用中受到限制。

K - 定价的基本思想是根据一个因子 k（k ∈[0, 1]）在资源请求者和效用计算提供者之间分配分配算法产生的福利。例如，假设一个特定提供者向一个特定请求者分配资源，买家对这些资源的估值为 10 美元，而提供者的保留价格为 5 美元，那么局部福利为 5 美元。k · 5 美元的盈余分配给请求者，请求者需支付 10 - k · 5 美元；(1 - k) · 5 美元分配给提供者，提供者将获得 5 + (1 - k) · 5 美元。K - 定价的主要优点是可以在多项式运行时间内确定价格，但它只能产生近似真实的价格和支付。

机制评估

为了评估该机制的性能，我们进行了一系列数值实验。实验使用标准的线性优化问题求解器 ILOG CPLEX 10.0，在配备 3 GHz 处理器和 1.5 GB RAM 的机器上进行。

实验的输入数据基于人工问题实例，参数的分布和范围如下：
| 参数 | 分布和范围 |
| — | — |
| 参与者 | 固定（70 个供应商和 60 个消费者） |
| 捆绑包 | U(1, 3) |
| 作业，作业部分 | U(1, 5)，U(1, 6) |
| 时间槽 | 8 或 12 |
| 保留价格，估值 | N(7, 1)，U(7, 12) |
| 并行化 | 二项分布，p = 0.3 |

评估过程从生成投标流开始，每个投标流包含一组 30 个随机生成的测试实例。通过计算这些测试实例的平均值来减少随机结果的影响，并避免异常值的干扰。

我们重点关注三个方面的测试：
1. 增加时间槽数量 ：随着时间槽数量的增加，问题的复杂度和运行时间也会增加。当时间槽从 10 增加到 16 时，在 20 分钟内达到阈值（接近最优福利的 5%）的概率从 100% 下降到 83%，平均运行时间从不到一分钟增加到 5.4 分钟。这表明在配置市场的时间概念时，需要权衡运行时间和时间属性表达的灵活性。
2. 增加参与者数量 ：当参与者数量从 100 增加到 400 时，运行时间 μ 从 1.5 分钟增加到 9.4 分钟，并且在接近 500 个参与者时，问题的规模超过了计算可处理性的限制。因此，为了确保在合理的时间内得到解决方案，需要对参与者数量设置一个上限，大约 250 个参与者可能是一个最优的界限。
3. 质量参数的影响 ：
- 并行化 ：当所有作业都启用并行化时，可行的分配集大幅减少，87% 的实例成为硬实例，运行时间 μ 长达 19 分钟；而在没有并行化限制的情况下，没有硬实例，运行时间 μ 接近零。这表明并行化虽然可以提高用户效用，但会对可扩展性产生负面影响。
- 作业部分数量 ：当作业部分的最大数量从 6 增加到 10 时，硬实例的数量从 0% 增加到 13%，运行时间从 1.8 分钟增加到 5.8 分钟。因此，市场配置需要提供足够大的最大作业部分数量。

下面是时间槽数量和参与者数量对运行时间和硬实例比例影响的流程图：

graph LR
    A[增加时间槽数量] --> B[复杂度和运行时间增加]
    C[增加参与者数量] --> D[运行时间增加]
    D --> E[接近计算可处理性限制]

网格环境中的节能调度

在当今社会，信息和通信技术（ICT）行业的能源消耗和二氧化碳排放问题日益严重。一个标准的台式 PC 在待机状态下消耗 50 瓦到 300 瓦的能量，加上生产 PC、铺设通信电缆、为服务器集群和无线网络供电等所需的能量，ICT 行业的能源消耗占比相当可观。Gartner 估计，全球 ICT 行业的二氧化碳排放量约占全球排放量的 2%，与航空业相当。

传统的调度器通常试图在给定约束条件下最大化效用，但这往往是以牺牲环境为代价，导致大量的二氧化碳排放。因此，我们需要寻找一种既能保持一定经济激励，又能实现节能的调度模型。

本文提出了一种基于“即时”流时间管理和节点效率排名的节能调度模型。通过这种模型，可以减少网格环境的总能耗。其核心思想是在合适的时间分配资源，避免资源的闲置和浪费，同时优先选择效率高的节点进行任务分配。

总之，复杂网格服务的组合交换机制为资源的有效分配提供了一种可行的方案，但在实际应用中需要根据具体情况选择合适的定价机制和配置参数。而节能调度模型则为解决 ICT 行业的能源消耗和环境问题提供了新的思路，有望在未来的网格计算中发挥重要作用。未来的研究可以进一步探索如何结合实际工作负载数据进行机制评估，以及设计更适合特定应用场景的定价方案和调度算法。

复杂网格服务的组合交换与节能调度

节能调度模型的优势与挑战

节能调度模型的提出具有重要的现实意义。一方面，它能够显著降低网格环境的能源消耗，减少二氧化碳排放，符合当今社会对绿色计算的需求。另一方面，通过合理分配资源，避免资源的闲置和浪费，还能在一定程度上降低企业的生产成本，提高经济效益。

然而，该模型在实际应用中也面临着一些挑战。首先，“即时”流时间管理需要精确的时间预测和资源分配策略，这对调度算法的准确性和实时性提出了很高的要求。其次，节点效率排名需要准确评估每个节点的性能和能耗情况，这需要大量的监测数据和复杂的评估模型。此外，如何在保证节能的前提下，满足用户对服务质量的要求，也是一个需要解决的问题。

未来研究方向

基于上述分析，未来的研究可以从以下几个方面展开：

基于真实工作负载数据的机制评估

由于之前的机制评估无法依赖报告的输入数据，使用的是人工问题实例，因此未来可以收集真实的工作负载数据进行测试。这样可以更准确地评估机制在实际应用中的性能，发现潜在的问题，并进行针对性的优化。

与 MACE 的数值比较

MACE 被表述为混合整数规划，而本文提出的模型为整数规划。通过进行基准测试，可以比较两者在问题求解效率、解的质量等方面的差异，从而了解问题表述方式对机制性能的影响。

graph LR
    A[收集真实工作负载数据] --> B[评估机制性能]
    C[与 MACE 进行数值比较] --> D[分析问题表述对性能的影响]

扩展分配机制

未来的分配机制可以考虑更多的因素，如网络距离和容量。网络距离会影响数据传输的延迟和能耗，而网络容量则限制了数据传输的速度。将这些因素纳入分配机制中，可以更合理地分配资源，提高系统的整体性能。此外，还可以进一步研究如何更好地表示复杂工作流，以满足用户对复杂服务的需求。

设计特定的定价方案

目前的定价方案在实际应用中存在一定的局限性，如 VCG 定价需要外部补贴，K - 定价只能产生近似真实的价格。未来可以设计一种专门针对该应用场景的定价方案，例如采用迭代过程来确定价格。迭代组合拍卖可以基于供需关系逐步逼近均衡价格，从而实现更公平、有效的资源分配。

总结

复杂网格服务的组合交换机制和节能调度模型为解决网格计算中的资源分配和能耗问题提供了有效的方法。通过对组合交换机制的评估，我们了解到不同参数对机制性能的影响，如时间槽数量、参与者数量和质量参数等。在节能调度方面，提出的基于“即时”流时间管理和节点效率排名的模型具有一定的优势，但也面临着一些挑战。

未来的研究需要进一步探索如何结合实际情况优化这些机制和模型，以提高资源分配的效率和节能效果。通过不断的研究和实践，相信网格计算将在未来的数字化时代发挥更加重要的作用，为企业和社会带来更大的价值。

综上所述，复杂网格服务的组合交换与节能调度是一个具有广阔研究前景的领域，未来的研究将不断推动该领域的发展，为解决实际问题提供更有效的解决方案。