云计算环境下基于用户行为特征的资源分配策略

王晶 林益臣

摘要：人工智能技术的创新发展使得云计算课题研究更为深入，技术应用更为成熟。而在云计算研究与应用过程中，云计算资源分配模型的建构是核心。在云计算资源分配中，往往根据用户特征及行为诉求进行资源的分配调度，而用户特征及行为诉求分析主要集中在用户物理性能评价、用户活跃性评价、用户信誉值评价三大方面。根据用户行为特征的精准分析，推行协作式内容分发机制将带来云计算平台资源的科学分配，以保证云计算系统运作的稳定与成熟。该文主要就云计算环境下根据用户特征及行为诉求的资源分配问题进行探讨，明确用户特征及行为诉求的判定依据，探明资源分配的有效策略，以减少云计算资源损耗，实现云任务的高效调度回应。

关键词：云计算;用户行为;资源分配

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2022）04-0092-03

作为新型的商业计算模式，云计算推行分布式并行处理模式，在云计算推广应用中需要重点解决的问题是资源调度。资源调度效率对云计算环境工作性能有直接影响，目前主流的研究集中在启发式智能算法的探讨上，而智能算法往往以用户行为特征的分析为依据，以指导云计算资源的科学分配，实现成本时间双约束条件下资源调动的有效化，真正解决资源分配中的冲突与纠纷，实现资源的优化配置与妥善分配。

1 云计算下的资源分配

云计算资源的科学分配是云计算系统运作的关键，也是其服务用户的核心所在。对于用户来说，不需要兼顾计算系统，也无须关注系统部署细节问题，其只需要向计算平台发出资源请求并支付费用，云计算即可为其提供相应的使用资源[1]。在资源整合输出的过程中，云计算系统以虚拟化技术为核心技术支持，完成底层硬件资源的优化整合，将资源输送到上层系统，供用户使用。可以说，云计算价值发挥以资源的整合与调配为前提，资源管理的重要性不言而喻。本身云计算供应商面向不同的用户，见图1 ，其需要寻求成本投入与多元用户需求满足之间的平衡，即最理想的成本投入对应最高的用户满意度。供应商不仅要解决成本与用户之间的矛盾，也要关注资源的有限性，当面临资源枯竭时，必然要引发“分配大战”。以博弈论思想解决分配冲突重点在于决定哪些诉求应快速回应及处理，哪些诉求可以暂缓处理。关注用户行为差异，探明用户差异性对资源分配策略的影响并解决资源分配负载协调等一系列问题[2]，积极辅助计算需求源头之用户的分析，真正建构资源分配模型，以用户满意度为模型建构初衷，指导云计算系统在关注用户行为特征、心理需求的基础上指导资源的合理分配。

2 云計算环境下用户行为特征分析

2.1 资源需求多样且动态化

云计算平台资源整合并负责资源集中管理，聚焦用户需求制定资源分配策略。其IaaS层抽象物理资源整合为资源体，解决物理层平台异构问题，于逻辑层建构“资源池”，如图2。资源池内资源多样，按照种类科学划分，同类资源基于逻辑合理性合并[3]，接受统一的调配与管理。用户资源需求多样，在资源分配时应考虑多种资源分配最优化问题。假设资源对应为大蛋糕，蛋糕上有巧克力、夹心饼干、水果等，需要根据用户喜好差异，在切蛋糕时提供符合用户口味的蛋糕块。用户提交的计算任务类型主要指数值计算、数据传输等，对应不同的需求侧重，在资源分配时应明确哪些是关键资源，确保用户关键资源需求得以满足。而关键资源基于任务属性的不同也有不同的侧重点。要明确关键资源并尽可能满足用户诉求的基础上，寻求资源分配最优化、效率最高的路径支持。

用户资源需求也呈现动态变化的特征，主要对应两种情形。一种情形为用户于不同时间段提交相同的任务类型，但任务复杂程度有差异，当系统获取到系列任务时平台开启VCN，此时任务对应的矩阵运算规模不同，此时CPU与内存资源成为资源的关键成分[4]，但具体的任务对关键资源需求侧重不同，矩阵规模差异明显，这使得任务类型虽一致，但计算复杂度不同，则对应不同的资源需求，在资源分配处理时不得小觑。另一种为用户于不同时间段提交不同的计算任务，本身任务类型差异明显，计算复杂度、关键资源需求侧重不同，资源分配时既要关注差异，又要做好差异矛盾的协调处理工作。

2.2 用户资源分配的公平需求

在资源分配时所有的用户都希望获得应有的尊重，而与尊重相对应的是资源分配的公平性问题，这也是评判资源分配是否合理的指标之一，更关系到共享资源系统运行质量。在云计算环境下，资源分配的公平性对应每个用户能获得相同的份额资源，直指资源的均分问题[5]。在均分资源的过程中，虽然用户获取的资源数量体现了公平，但却在一定程度上忽略用户的真实资源诉求。对于需求量大的用户来说，均分资源导致其资源使用诉求得不到有效满足，而对于需求量小的用户来说，又造成资源的浪费。如何协调两者之间的矛盾，同时兼顾资源分配的公平性是资源分配策略制定中应重点思考的问题。有学者指出，在资源分配公平性问题的处理上应关注两方面内容，一方面，每个人都享有相同的享受资源分配的权利，一视同仁。另一方面，对于社会经济中的不平等问题有效的处理思路为使最弱势的个体或者群体获得最大的利益补偿，让所有人享受均等的资源供应。等量的资源分配让总公平值不会减少，而资源的公平性分配并不绝对等同于均分，对于资源需求量大群体应给予其更多的资源支持，均分的是机会，不是资源。

2.3 用户行为特征的判定

通过用户诉求的分析，并结合用户物理性能、活跃度以及信誉度进行用户情况的综合评估，以方便找到最佳的服务用户，提高用户服务质量。基于用户特征进行资源分配需要以建构闭环系统模型为前提，模型见图3，以云资源数据中心为纽带分别连接云资源供应商和云用户，其中数据中心与云资源供应商以注册方式关联，数据中心与用户以选择方式关联，而供应商与用户之间是双向互动关系，资源调配及使用反馈构成互动关系。用户的行为能力会直接借助反馈渠道传递给供应商，用户以选择方式影响数据中心的运转。云计算出于服务质量优化的考虑，会选择行为更好的用户作为核心服务用户，实现辐射服务的优化。一般对于物理性能弱、带宽状况差的用户和奉献精神差的用户，不考虑将其发展为服务用户。信誉度不佳的用户其可信度较低，很难保证其当选为服务用户后能为组内其他用户提供稳定的服务，也必须剔除。

3 云计算环境下基于用户行为特征的资源分配策略——协作式分配策略

在明确用户资源获取与使用诉求特征后，根据用户行为特征进行云计算资源的科学分配。应尝试协作式资源分配方法，基于用户评价量化排序结果，以扰动粒子群优化算法为指导完成用户数量拟定，最终指导内容的协作式分配，进行资源的输出。其具体的执行流程为，进行网络的初始化处理，明确用户行为特征，选取需求相近、位置相近的用户加以连接[6]，构成同类需求用户组，以此作为资源分配模型建构的初始支持，进行单一用户活跃度、物理性强弱和信誉度优劣的三维分析，根据具体算法计算用户的综合效用值。并将其存储到集合体中，将集合体中的单一用户进行综合效用值大小的排序。初始粒子群让粒子目标函数有具体的适应度，找到粒子群中处于非支配地位的粒子，并将其转移到非支配集合中，根据上一阶段得出的适度值结合个体极值、全局极值选择策略，明确各粒子的个体极值与全局极值，依据进化方程及时更新粒子位置，确保粒子在个体极值和全局极值的影响下向全局极值收敛。进一步着手粒子分列排序与密度距离排序，根据密度距离调整非支配集中的个体，并将其保存到外部集中。假设粒子进化相对停滞，且达到扰动阈值，应让个体极值与全局极值以均匀随机函数为依据进行扰动，将非劣解移动到外部集合中。当粒子进化稳定得到最优解，获取非劣Pareto解集，完成资源分配。根据Pareto解集确定合适的NS值，将含有用户综合效用值的集合中的前NS个用户判断为服务用户，将其他用户定义为非服务用户，对服务用户进行资源的协作分发。协作式资源分配策略应以发展思维动态关注用户的活跃度、信誉度。

从资源调度框架（图4）可知，用户终端Agent 负责本地用户行为信息的采集，及时传输给供应商，汇总后进行数据分析，支持历史数据的对比分析，以了解用户物理性能、活跃性与信誉度，并进行量化排名。使用分布模型针对用户时间片断 Ts 中工作状态与心理预期任务定性刻画时间。最终用户行为数据以唯一服务类别编码形式由云计算综合控制中心策略管理模块进行调控。使用有效算法明确成本投入最少情况下云计算系统对应的服务用户数量，并选择集合中前NS个用户定义为服务用户，开展资源的协作分配。简言之，资源分配策略评估用户物理性能、活跃性[7]，并引入信用机制指导服务用户的科学选择，按一系列的算法步骤和操作流程进行服务用户资源的科学分配。

4 资源分配未来走势及努力方向

云计算环境下的资源调分配极为复杂，而基于用户行为特征进行资源的分配必须确保对服务用户的工作习惯有清晰的了解，明确用户行为特征信息，只有真正了解用户诉求，才能提升用户满意度，又避免资源分配中不同用户之间的矛盾冲突[8]，同时降低云计算系统资源分配操作成本。从当前技术研究与应用情况看，基于用户行为特征进行云计算环境下资源的科学分配是必然趋势，通过用户行为规律的探讨以指导资源个性化调度，真正满足用户个性化的资源服务诉求，让资源分配调度更优，进一步提升用户满意度。云计算环境下的基于用户行为特征分析的资源分配也应深入探讨下去，一方面要完善与资源配置相关用户行为信息收集与挖掘模型的建构，以用户行为信息模型的完善建构提升用户行为特征分析的准确性，真正了解用户期望。另一方面，要继续创新资源分配模式，推出更优化的资源分配策略，让不同类型资源分配策略对应不同的用户资源使用场景，让资源分配与用戶需求无缝对接，特别是要补充最优分配策略映射表，实现云计算环境下系统不同粒度资源分配策略的推陈出新。

5 结束语

在云计算研究中资源分配策略是绕不开的话题。研究人员也提出了多种资源共享与分配策略构想，其中也包括基于用户行为特征进行资源分配的策略，根据对用户行为特征的分析与用户群体的判断，明确不同用户群体的资源获取诉求和偏好，以用户群像和个体画像的绘制进行资源分配，让诉求与服务输出相对应，这种协同处理方式实现不同时间段内用户任务提交规律的预测，评估用户期望完成时间，让云计算系统资源分配科学化、调整动态化，将实现用户满意度的提升，也带来任务完成效益的最大化。

参考文献：

[1] 周景才，张沪寅，查文亮，等.云计算环境下基于用户行为特征的资源分配策略[J].计算机研究与发展，2014，51（5）：1108-1119.

[2] 张骥先，谢宁，李伟东，等.一种支持云计算虚拟资源分配的可信多需求拍卖机制[J].电子与信息学报，2018，40（1）：25-34.

[3] 姜栋瀚，林海涛.云计算环境下的资源分配关键技术研究综述[J].中国电子科学研究院学报，2018，13（3）：308-314.

[4] 丁丁，罗四维，艾丽华.基于双向拍卖的适应性云计算资源分配机制[J].通信学报，2012，33（S1）：132-140.

[5] 金伟健，王春枝.基于蝙蝠算法的云计算资源分配研究[J].计算机应用研究，2015，32（4）：1184-1187.

[6] 华夏渝，郑骏，胡文心.基于云计算环境的蚁群优化计算资源分配算法[J].华东师范大学学报（自然科学版），2010（1）：127-134.

[7] 朱匆，刘元君，彭自然，等.移动云计算中基于协作式博弈模型的资源分配方案[J].计算机应用研究，2014，31（3）：912-916.

[8] 陈迎欣，李烨，魏薇.云计算环境下基于任务-资源匹配的地震应急资源分配研究[J].科技管理研究，2018，38（19）：202-208.

收稿日期：2021-10-25

作者简介：王晶（1991—），女，河北承德人，助教，硕士，研究方向为云计算;林益臣（1994—），男（满族），辽宁抚顺人，通信作者，助教，硕士，研究方向为下一代互联网。