基于SDN框架的網(wǎng)絡(luò)資源定價策略

諸葛斌，亓一航，傅晗文，王偉明

?

基于SDN框架的網(wǎng)絡(luò)資源定價策略

諸葛斌，亓一航，傅晗文，王偉明

（浙江工商大學，浙江 杭州 310018）

針對網(wǎng)絡(luò)中用戶集中提出資源請求所造成資源負載過重和網(wǎng)絡(luò)擁塞的問題，提出一種基于SDN架構(gòu)的網(wǎng)絡(luò)資源定價策略。首先，分析用戶的需求和消費模式，確定資源交易模型。其次，結(jié)合現(xiàn)貨消費模式和計劃消費確定預(yù)約機制下資源動態(tài)定價策略模型。最后，根據(jù)所提出的資源定價策略，對資源價格進行實例仿真，結(jié)果表明，通過價格刺激用戶提前預(yù)約資源，結(jié)合每個用戶的信任度與消費習慣給出相應(yīng)的優(yōu)惠價格，可以有效地避免用戶集中獲取網(wǎng)絡(luò)資源。

SDN；網(wǎng)絡(luò)資源；用戶需求；定價策略

1 引言

隨著用戶規(guī)模增長、網(wǎng)絡(luò)應(yīng)用更替，傳統(tǒng)的網(wǎng)絡(luò)資源分配方式已逐漸暴露出其弊端。在網(wǎng)絡(luò)不斷發(fā)展的背景下，對資源優(yōu)化配置研究賦予了更新的涵義[1]。研究采取一種更合理的價格機制和體系，凸顯出網(wǎng)絡(luò)資源的價值，提高資源利用率，減少資源浪費，為網(wǎng)絡(luò)市場運作提供基礎(chǔ)，是當前學術(shù)界一直追求研究的熱點問題。針對這一系列的問題，本文提出一種全新的網(wǎng)絡(luò)服務(wù)定價模式，一方面，能合理有效地分配資源：另一方面，能夠支持多級別的服務(wù)模式，同時，還能收回網(wǎng)絡(luò)服務(wù)運營成本以及提供高效、高質(zhì)量的網(wǎng)絡(luò)服務(wù)。

2010年，ONF（Open Networking Foundation，開放網(wǎng)絡(luò)基金會）提出了軟件定義網(wǎng)絡(luò)（software defined networking，SDN）的概念，其最大的特點是數(shù)據(jù)平面與控制平面分離，支持集中化網(wǎng)絡(luò)控制，實現(xiàn)底層網(wǎng)絡(luò)設(shè)施對上層的虛擬化、輕捷的軟件可編程能力，最終使網(wǎng)絡(luò)的管理和控制能力得到巨大的提升[2]。

鄔江興院士[3]在未來網(wǎng)絡(luò)大會上提出了情景擬合的思想。所謂情景擬合，就是通過建立模型來模擬具備暫態(tài)穩(wěn)定性的不確定的宏觀情景。具體的方式就是通過網(wǎng)絡(luò)測量，以感知情景并決定行動，用反饋的方法來實現(xiàn)控制。通過多年持續(xù)的研究，目前國內(nèi)形成了一個以可重構(gòu)為目標的新型網(wǎng)絡(luò)技術(shù)研究團體，其中國家數(shù)字交換系統(tǒng)工程技術(shù)研究中心的蘭巨龍教授[4]提出，重構(gòu)信息通信基礎(chǔ)網(wǎng)絡(luò)通過為用戶構(gòu)建可重構(gòu)服務(wù)承載網(wǎng)的方式，實現(xiàn)其對功能可動態(tài)重構(gòu)和擴展的底層物理網(wǎng)絡(luò)的共享，從而為不同業(yè)務(wù)提供其根本需求和可定制的基礎(chǔ)網(wǎng)絡(luò)服務(wù)；浙江工商大學[5]對可重構(gòu)路由節(jié)點的國際標準制定進行了深入研究；清華大學[6]提出一種可重構(gòu)的路由器，并重新設(shè)計了分發(fā)規(guī)則和算法。

基于SDN的網(wǎng)絡(luò)資源定價策略主要針對以下兩個問題：在當前網(wǎng)絡(luò)環(huán)境中，當網(wǎng)絡(luò)資源使用高峰期時，優(yōu)質(zhì)資源高負載導(dǎo)致QoS下降；次級資源使用率過低，導(dǎo)致資源閑置浪費。如何制定一個合理的網(wǎng)絡(luò)資源定價策略，使得資源能夠得到合理的分配，排除惡意用戶的干擾，使得服務(wù)提供商在滿足用戶需求的情況下，能夠獲得最大的收益。

本文從用戶需求的角度出發(fā)，引入用戶消費模式，考慮資源交易雙方特點，站在資源本身特性與用戶需求和消費習慣的角度，分析資源負載情況與用戶選擇概率，提出一種適用于SDN環(huán)境的網(wǎng)絡(luò)資源動態(tài)定價算法，利用該定價方案，使資源消費用戶不僅可以進行實時交易，而且可以通過提前預(yù)約，獲取不同的資源價格折扣，以此刺激用戶提前預(yù)約資源，合理安排消費時間，達到緩解網(wǎng)絡(luò)資源負載過重的效果。

2 相關(guān)工作

在SDN體系架構(gòu)中，系統(tǒng)可以更加靈活地調(diào)度網(wǎng)絡(luò)資源，更容易實現(xiàn)資源的定價以及交易管理。當前大部分SDN資源調(diào)度都延續(xù)傳統(tǒng)網(wǎng)絡(luò)資源調(diào)度算法的思路進行研究，比如基于負載均衡通過網(wǎng)絡(luò)映射實現(xiàn)虛擬網(wǎng)絡(luò)資源分配[7]，為提高任務(wù)滿足率和拒絕率，根據(jù)測量精度與用戶需求來進行動態(tài)資源分配[8]。

SDN架構(gòu)中對轉(zhuǎn)發(fā)層資源進行了抽象描述，并由控制層對底層資源統(tǒng)一集中管理，因此SDN資源和云計算資源在一定程度上具有很大的相似性，可以通過對資源的定價實現(xiàn)資源的調(diào)度。其中意大利的Oro S D[9]提到，在OpenFlow多租戶網(wǎng)絡(luò)中利用拍賣算法對資源進行分配，在SDN的控制轉(zhuǎn)發(fā)分離機制下，通過對網(wǎng)絡(luò)資源進行符合納什均衡和博弈論的資源定價算法實現(xiàn)了有效的SDN資源分配。許志凱[10]指出，使用定價和拍賣算法可以有效提高物聯(lián)網(wǎng)搜索引擎的工作效率，本文將結(jié)合此文并借鑒云計算中基于經(jīng)濟模型的定價機制，通過資源控制器對網(wǎng)絡(luò)資源價格的動態(tài)調(diào)整來實現(xiàn)負載均衡，在此基礎(chǔ)上進行基于用戶消費模式的SDN資源交易過程研究。

網(wǎng)絡(luò)資源分類方法主要依據(jù)流量分類算法，例如隨機森林、基于相關(guān)的分類、半監(jiān)督聚類和one-class SVM，流量分類算法將流分類和流描述特征作為輸入。分類算法的準確性不僅取決于收集的特征的質(zhì)量，還取決于所考慮的特征量。特征選擇技術(shù)是一種重要的技術(shù)，已經(jīng)被研究了很多年[11-12]。

在云計算市場中，多個云計算資源提供商和提出資源請求的用戶共同參與資源交易，由此形成一個競爭市場，參與交易的雙方則針對市場中的各類云計算服務(wù)展開交易并追求各自效益最大化。近些年，國內(nèi)外對云計算中經(jīng)濟模型的研究有著相當多的文獻，典型的有基于經(jīng)濟模型的資源管理分配[13]和資源定價[14-15]等文獻。Zaheer等人[16]提出了一種基于拍賣的公平資源分配方法。叢鑫等人[17]提出了一種基于可信拍賣機制的定價機制，以預(yù)期收益為目標，將不同收益的資源進行組合，滿足競拍用戶需求，降低資源的剩余量。參考文獻[18]通過對傳統(tǒng)拍賣的初始定價和拍賣過程中動態(tài)定價對傳統(tǒng)組合雙向拍賣的影響，提出了一種基于組合雙向拍賣的資源定價模型；王興偉等人[19]提出一種基于雙向拍賣的資源分配模型，通過優(yōu)化周期性雙向拍賣模型，提出了即時和批量的匹配算法來匹配買賣雙方集合，最大化買賣雙方的滿意度；參考文獻[20]通過引入資源初始價格策略，在多個資源提供者共存的情況下通過古諾均衡策略得出資源的均價；參考文獻[21]在云計算中提出面向成本優(yōu)化的虛擬機資源分配方法，通過現(xiàn)貨、按需和預(yù)約3種不同方式對資源進行分配；參考文獻[22]提出了一種基于拍賣博弈的構(gòu)建模型，該模型以業(yè)務(wù)為參與者，以業(yè)務(wù)資源需求為策略空間。

上述方案均未對網(wǎng)絡(luò)中的資源類型進行分類，在不明確購買方需求的情況下，對網(wǎng)絡(luò)資源進行定價。并且在這些定價方案中大多只考慮即時的交易情況，并未考慮用戶的消費習慣。

本文在資源的定價過程中充分考慮了資源負載情況對價格的影響，每一種應(yīng)用在不同的負載情況下的價格是不一樣的。且用戶需求的差異也會對資源的價格產(chǎn)生影響。通過對SDN的網(wǎng)絡(luò)資源采用兩種不同的交易模式及相應(yīng)的合理的動態(tài)定價機制，利用SDN的集中控制能力實現(xiàn)資源遷移，以此達到資源負載均衡與資源高效使用的目的。

因此，結(jié)合SDN的環(huán)境，本文考慮資源交易雙方的特點，站在資源本身特性與用戶需求和消費習慣的角度，分析資源負載情況與用戶選擇概率，提出一種適用于SDN環(huán)境的基于用戶消費模式的動態(tài)定價算法，利用該定價方案，資源消費用戶不僅可以進行實時交易，而且可以通過提前預(yù)約，獲取不同的資源價格折扣，以此刺激用戶提前預(yù)約資源，合理安排消費時間，達到緩解網(wǎng)絡(luò)資源負載過重的目的。

3 基于動態(tài)交易的SDN資源定價策略

在經(jīng)濟領(lǐng)域，動態(tài)交易的相關(guān)應(yīng)用已經(jīng)有近百年的歷史，而在網(wǎng)絡(luò)中應(yīng)用相關(guān)算法時間比較短，但網(wǎng)心科技發(fā)布迅雷賺錢寶Pro[23]時就提到迅雷賺錢寶將用戶的閑置網(wǎng)絡(luò)資源對應(yīng)成相應(yīng)金額的人民幣。在迅雷賺錢寶利用資源產(chǎn)生人民幣的過程中就用到了關(guān)于定價和排序的相關(guān)知識。本節(jié)提出了理論上的估計和計算，確保實際操作方向的正確性。

3.1 基于軟件定義價格的SDN架構(gòu)

軟件定義價格[24]是一種通過軟件和自定義的算法機制來動態(tài)定義資源價格的新型定價方式，包括用戶提交資源申請、通過算法確定價格返回給用戶、用戶提供價格預(yù)算、供應(yīng)商根據(jù)預(yù)算決定是否進行交易。該方式可以提高資源定價的靈活性與公平性。

本文基于軟件定義價格的SDN體系架構(gòu)，主要研究針對SDN資源的定價策略。在該架構(gòu)的各層中引入價格定義模塊應(yīng)用，通過組合各層的定價因素來確定最終的定價，體系架構(gòu)如圖1所示。

圖1 基于軟件定義價格的SDN應(yīng)用架構(gòu)

提出的SDN體系架構(gòu)是一種基于模型化的架構(gòu)，各層提供的服務(wù)和功能均以元模型為基礎(chǔ)，通過資源組合來滿足上層用戶的多元化需求。其中，元能力是資源抽象層中轉(zhuǎn)發(fā)功能的細粒度功能單元。它是網(wǎng)絡(luò)中的基本承載組件，為元服務(wù)提供全網(wǎng)范圍多樣化的基礎(chǔ)承載能力。元服務(wù)是依據(jù)網(wǎng)絡(luò)業(yè)務(wù)的特性和要求而聚類多個元能力所形成的基本網(wǎng)絡(luò)服務(wù)功能組件。元業(yè)務(wù)中包含了上層應(yīng)用的特性和要求，可以根據(jù)應(yīng)用的特性和要求抽象出業(yè)務(wù)所需的最基本的網(wǎng)絡(luò)服務(wù)功能。

SDN的轉(zhuǎn)發(fā)層、控制層與應(yīng)用層分別對應(yīng)資源抽象層、服務(wù)抽象層與業(yè)務(wù)抽象層。其中資源抽象層主要用于將轉(zhuǎn)發(fā)層中物理資源映射為虛擬資源，對底層物理資源進行抽象。此外，資源抽象層還可以進行資源的調(diào)度，實現(xiàn)資源的合理配置，上層應(yīng)用不會因為缺乏資源而造成性能下降，也不會由于長期空閑而造成資源浪費，以此來提高資源的利用率。服務(wù)抽象層是控制層中用于映射元服務(wù)所包含元能力的一種機制。其對全網(wǎng)范圍內(nèi)的基本承載組件進行認知適配，并且依據(jù)業(yè)務(wù)的特性和要求，對具有相同特性的基本承載組件進行聚類，將其抽象為一個元服務(wù)。在控制層中通過OpenFlow、OVSDB、ForCES等軟件定義網(wǎng)絡(luò)協(xié)議與控制層進行通信。其中控制模塊是SDN控制器的控制模塊。業(yè)務(wù)抽象層是應(yīng)用層中用于映射元業(yè)務(wù)所包含元服務(wù)的一種機制。業(yè)務(wù)抽象層對控制器提供的所有元服務(wù)進行認知適配，并基于業(yè)務(wù)需求選取合適的元服務(wù)來抽象成一個元業(yè)務(wù)。在應(yīng)用層中主要通過使用HTTPS協(xié)議，調(diào)用REST API設(shè)計模式的接口來使用控制層資源。

3.2 基于需求分析的資源度量

需求分析是動態(tài)定價的前提，只有在了解用戶需求的前提下，才能為用戶制定更合理的價格與消費方式，實現(xiàn)收益最大化。同時對于網(wǎng)絡(luò)來說，也能實現(xiàn)合理資源分配，盡可能實現(xiàn)負載均衡。

為了實現(xiàn)對網(wǎng)絡(luò)資源更明確的定價，本文將對影響資源價格的影響因子進行分析，并賦予不同的權(quán)重，體現(xiàn)到資源價格里，為資源確定更合理的基準價格，從而實現(xiàn)更加合理的資源定價與分配。用戶的需求與資源狀態(tài)是資源價格最為直觀的體現(xiàn)，基于用戶的需求與資源的使用狀態(tài)對資源進行度量，進行差異化定價，類似百度地圖，根據(jù)出發(fā)地和目的地，依據(jù)用戶需求，將不同花費的路徑列出來，供用戶進行自主選擇，最終達到優(yōu)化網(wǎng)絡(luò)資源配置、大大提高效率的目的。這種定價分配的方式本質(zhì)是一種情景擬合，通過對過往網(wǎng)絡(luò)資源消費狀況的建模分析來預(yù)測未來資源的消費狀況，從而使資源的分配更合理，同時也可以對用戶進行個體化分析以及個性化的定制。

在用戶需求方面，有以下幾點值得考慮：資源交易方式、請求時間、歷史交易價格、是否預(yù)約、歷史取消預(yù)約次數(shù)等。其中用戶是否預(yù)約網(wǎng)絡(luò)資源以及是否取消預(yù)約，將會影響用戶信用度，進而影響資源的最終定價。在不同的請求時間，資源的價格必定會不一樣。因此，將這些區(qū)別歸納為影響因子，賦予不同的權(quán)重，直接影響資源的定價。本文中影響因子由權(quán)重表示。定價過程如圖2所示。

圖2 資源定價過程中的影響因子

通過對資源負載情況進行評估，可以隨時把握資源動態(tài)，結(jié)合用戶需求，利用 SDN架構(gòu)的特點，為網(wǎng)絡(luò)系統(tǒng)制定合理、有效的資源定價策略。

3.3 用戶消費模式分析

由于SDN資源池化、集中管理的特點，網(wǎng)絡(luò)資源的交易也可以以預(yù)約消費的模式實現(xiàn)，即計劃性的交易。依據(jù)用戶的需求，用戶可以在使用資源之前，提前提出預(yù)約，此時即計劃交易模式，用戶購買資源的價格將是預(yù)約的折扣價；同理，用戶若是提出實時的資源請求，即現(xiàn)貨交易模式，這時用戶購買資源的價格為實時價格。

3.3.1 計劃交易模式

計劃消費是指消費者當時沒有消費，通過事先預(yù)約，在未來的某一個時刻消費。在經(jīng)濟學領(lǐng)域，其類似于計劃經(jīng)濟。如此可以避免交易的盲目性與無計劃性。在此，將計劃經(jīng)濟引入網(wǎng)絡(luò)資源的交易體系之中，將整個SDN環(huán)境模擬成一個經(jīng)濟交易市場，可以充分利用計劃經(jīng)濟理論的優(yōu)點，提高資源的利用率，實現(xiàn)用戶的計劃性消費，達到緩解網(wǎng)絡(luò)資源壓力的目的。在這種消費模式之下，資源的生產(chǎn)、分配與用戶的分配都是控制系統(tǒng)提前計劃安排的，可以極大地減少與避免網(wǎng)絡(luò)資源分配不夠及時、分配不均等造成的資源浪費及用戶滿意度低等問題。

在整個SDN資源市場中，都可以應(yīng)用計劃消費模式，主要是因為計劃消費可以根據(jù)用戶的需求，為用戶制定相應(yīng)的資源交易表，主要包括資源交易的數(shù)量與時間等細節(jié)。那么，對于應(yīng)用層的客戶來說，同樣也可以采取這種交易方式。

如圖3所示，用戶在會話模塊和資源提供商通過資源代理確定交易模式，資源控制層給出具體的定價方案，根據(jù)當前所需資源量是否緊張計算出相應(yīng)價格反饋給客戶，客戶決定是否以此價格購得資源，以此完成資源交易。

圖3 資源交易模式確定模型

3.3.2 現(xiàn)貨消費模式

現(xiàn)貨消費是指消費者在當時立即消費，不經(jīng)過事先預(yù)約。相對于計劃消費，現(xiàn)貨消費顯然對資源的要求更高，需要立即提供資源，對于資源的實時調(diào)度難度加大，而且參與交易的用戶信任度難以確定，交易數(shù)量也不明確，綜上所述，這樣必然會導(dǎo)致交易的風險與成本增加。

因此，這種交易方式一般應(yīng)用在SDN體系的應(yīng)用層。這一層的資源交易是用戶與平臺之間的交易，用戶需要的資源則是由多種資源組合而成的具有一定功能的元業(yè)務(wù)。對有些用戶來說，需求數(shù)量少、種類也比較單一，主要是臨時需要某種資源，因此這種適用于小規(guī)模的交易方式很適合。

3.4 現(xiàn)貨交易定價策略

影響資源價格的主要因素有兩個：一是用戶的需求，如需求量與需求時間等；二是資源自身狀態(tài)，如資源是否充足、供大于求還是供不應(yīng)求。顯然資源的狀態(tài)、系統(tǒng)是過載還是空閑，終究還是由用戶的需求影響決定的，因此，為合理確定資源的初始價格，可以從兩個角度出發(fā)：一是當前資源的狀態(tài)，二是用戶在考量自身需求的前提下，對選擇某資源的可能性進行判斷。

3.4.1 用戶選擇模型

對于用戶來說，在資源消費時，根據(jù)需求的不同可以將用戶分為3類，分別是時延敏感型、帶寬敏感型、價格敏感型。時延敏感型的用戶，通常需要的是語音、通話等業(yè)務(wù)，對時延比較敏感，關(guān)注網(wǎng)絡(luò)鏈路的實時性；而帶寬敏感型用戶，追求的是網(wǎng)絡(luò)帶寬，比如下載視頻等業(yè)務(wù)；價格敏感型用戶，基本只關(guān)注價格因素，選擇較為便宜的資源，幾乎不在乎其他因素。

因此，用Logit[24]選擇模型來衡量用戶對資源的選擇。在經(jīng)濟學領(lǐng)域，Logit模型是最早的離散選擇模型，它基于經(jīng)濟學所說的效用，用戶在進行選擇時，通常會傾向于對他們來說效用更高的選項。

3.4.2 基于資源負載與用戶選擇的定價策略

將資源的負載情況與用戶的選擇結(jié)合分析，就能得出對資源交易雙方均合理的價格，也能達到資源合理分配的目的。

關(guān)于不同元服務(wù)之間的比較，用表示元服務(wù)的價格，用表示該元服務(wù)當前的負載情況產(chǎn)生的額外費用，用表示用戶消費時獲得的額外收益，用表示用戶獲取元服務(wù)時得到的效用。效用是用戶消費時獲得的額外收益減去所付出成本。

那么收益模型可以定義為：

對于資源提供商來說，獲得最大的收益是他們的最終目的，且成本不變，則第個元服務(wù)給資源提供商帶來的最大收益為：

與此同時，要想得到收益最大化，還需滿足二階求導(dǎo)小于零，即滿足：

因為求解最優(yōu)解的關(guān)鍵與用戶選擇該元服務(wù)的概率有關(guān)，而影響用戶選擇的關(guān)鍵又在于用戶最終獲得的效用，該效用歸根結(jié)底與每一個影響因子的權(quán)重息息相關(guān)，即求解最優(yōu)解，最重要的就是確定每一個影響因子的權(quán)重大小。對于影響因子權(quán)重的計算，主要將通過以下5步來確定。

步驟1 通過歷史數(shù)據(jù)獲取用戶對各個資源的歷史交易記錄。

步驟2 調(diào)取某一指標的相關(guān)數(shù)據(jù)，進行歸一化處理。

步驟3 將各個指標數(shù)據(jù)進行標準化處理：

步驟4 求出各個指標的信息熵：

步驟5 確定各個指標的權(quán)重：

以上計算所得的第個影響因子的權(quán)重是經(jīng)過理論推算得到的，而實際中的情況會更加復(fù)雜，影響因素也會更加多維，因此要想得到符合實際應(yīng)用的權(quán)重，需要在實際系統(tǒng)中進行應(yīng)用，將得到的實際數(shù)值進行擬合調(diào)整來得到最佳效果的權(quán)重。此后也會根據(jù)實際數(shù)據(jù)得到的權(quán)重進行研究。

3.5 預(yù)約交易定價策略

與現(xiàn)貨交易定價模式不同。預(yù)約交易定價過程主要與用戶的選擇預(yù)測及資源當時的負載情況有關(guān)。關(guān)于對未來的網(wǎng)絡(luò)架構(gòu)資源的獲取，用戶可以提前預(yù)約，根據(jù)自己的需求提前向資源提供商發(fā)出請求，預(yù)約好需要的資源數(shù)量與種類，商家根據(jù)用戶的預(yù)定，為其預(yù)留。既然是提前預(yù)約，那么資源的價格顯然不會與現(xiàn)貨消費的資源價格一致，因為是提前預(yù)約，給了資源提供商一定的資源準備時間，起到了減輕網(wǎng)絡(luò)負載的目的，這時候的價格會有一定優(yōu)惠。此外既然是預(yù)約，便可能存在預(yù)約用戶中途取消預(yù)約的情況。如何減少這種情況發(fā)生時資源提供商的損失，又是一個必然要面對的問題。

3.5.1 取消預(yù)約風險分析

取消預(yù)約行為在酒店預(yù)訂、航空機票以及醫(yī)療就診等服務(wù)中普遍存在，國內(nèi)外對這一行為進行了大量研究。網(wǎng)絡(luò)資源作為一種服務(wù)資源，用戶可以提前預(yù)約，那么也將有取消預(yù)約的情況發(fā)生。

對用戶取消預(yù)約的行為分析主要在于個體特性的行為預(yù)測以及基于統(tǒng)計的概率分析。個體特性行為預(yù)測，主要考察預(yù)約用戶的消費習慣，分析影響其取消預(yù)約的因素等。概率模型則是以統(tǒng)計為基礎(chǔ)，分為不考慮異質(zhì)性的概率模型和考慮異質(zhì)性的概率模型。其中不考慮異質(zhì)性的概率模型是基于資源提供商中所有歷史數(shù)據(jù)而獲得的平均失約率，將所有用戶統(tǒng)一看待，按照相同的失約率處理；而考慮異質(zhì)性的模型是基于對用戶的劃分，對某一類用戶失約率進行預(yù)測，這一模型更符合實際。

3.5.2 針對預(yù)約風險的動態(tài)定價模型

其中，為一個正常數(shù)，由資源提供商自己確定。本文假設(shè)，不論什么時候預(yù)約資源，一旦取消預(yù)約，用戶所要付出的手續(xù)費是相同的，但是享受的折扣越多，手續(xù)費所占的比例越高。

（2）確定價格模型

因此，資源提前預(yù)約出售時用戶的最終收益隨時間變化的價格模型如下：

則有：

（3）確定預(yù)約資源不同價格對應(yīng)的不同時間段

所以根據(jù)預(yù)售資源的價格與手續(xù)費，可以確定資源提供商推出每一種價格的時間段。達到讓資源提供商在充分合適的時間段以比較合適的價格提前售出資源的目的，同時以此種方式銷售網(wǎng)絡(luò)資源，可以有效避免用戶集中獲取網(wǎng)絡(luò)資源導(dǎo)致造成網(wǎng)絡(luò)擁塞、負載過重的情況。

本節(jié)中用到的Logit模型常常被用來對事物進行分類評定，例如基于Logit模型的居民租車出行影響因素分析[27]就用來對影響因素進行分類，本文中將租車影響因素替換為資源價格影響因素進行研究。用戶選擇服務(wù)的概率算法在基于多歸屬組合雙向拍賣的SDN資源價格協(xié)商算法研究[26]中有相應(yīng)的研究，在這里應(yīng)用了其中的一部分。在參考文獻[28]中，提到了運用納什均衡的思想對網(wǎng)絡(luò)中的資源進行定價與拍賣。關(guān)于信息熵的算法在信息論中的使用也比較頻繁，在實際中經(jīng)常用于計算某事件發(fā)生的信息量有多少，在參考文獻[29]中，使用熵權(quán)法對各種異常網(wǎng)絡(luò)標簽進行權(quán)重的確立，本文使用熵權(quán)法來確定指標的權(quán)重。預(yù)約風險的動態(tài)定價模型在航空公司用得比較廣泛，參考文獻[30]中Stackelberg提出了一種同時滿足網(wǎng)絡(luò)運營商和用戶效用最大的異構(gòu)無線網(wǎng)絡(luò)定價的博弈模型和資源分配方案。

4 仿真分析

4.1 基于用戶需求的定價過程實例分析

表1 3種用戶涉及的影響因子權(quán)重

對于元服務(wù)A與元服務(wù)B，假設(shè)選擇元服務(wù)A與元服務(wù)B時用戶得到的額外收益分別為60、100，且二者當前的負載分別為0.53、0.74，將其換算成金額來表示，即負載越大價格越高，分別為53、74。其中各個參數(shù)均無量綱。3種用戶選擇兩種元服務(wù)的效用見表2。

表2 3種用戶選擇元服務(wù)A與元服務(wù)B的效用

表3 3種用戶選擇元服務(wù)A與元服務(wù)B時的最優(yōu)價格

由表3可以看出，不同用戶選擇不同的元服務(wù)資源時，期望的最優(yōu)價格不同。對于價格敏感型用戶來說，相對于資源的性能負載，他們更追求優(yōu)惠的資源價格，因此元服務(wù)A與元服務(wù)B的價格都相對較低，其中元服務(wù)B的價格高于元服務(wù)A，因為元服務(wù)B當前負載情況高于元服務(wù)A，這與本文提出的當資源負載較重時，通過適當提高資源價格，刺激用戶選擇價格更優(yōu)惠、負載較輕的元服務(wù)資源理論相統(tǒng)一。同理，對于普通型用戶這一規(guī)律仍然滿足。而對于負載敏感型用戶來說，他們更在意哪一種元服務(wù)資源當前性能更好，因而兩種元服務(wù)價格均相對較高，但是為了選擇性能更好、負載更輕的資源元服務(wù)A，這一類型的用戶就需要付出更高的價格。

4.2 基于預(yù)約機制的資源動態(tài)定價算法仿真測試

表4 不同信任度用戶資源初始交易價格

那么這些用戶采用提前預(yù)約方式購買資源時，取消預(yù)約的概率如圖4所示。

圖4 預(yù)約時間與取消預(yù)約的概率關(guān)系

由圖4可知，對于不同信任度的用戶，同樣提前10天預(yù)約資源，隨著時間的推進，信任度高的用戶取消預(yù)約的概率總是比信任度低的用戶低，直到時間為0時，即到了消費資源的當天，信任度低的用戶仍有可能取消預(yù)約。說明用戶取消資源預(yù)約的概率與用戶信任度息息相關(guān)，同時也能夠證明將信任度引入預(yù)約機制的資源交易過程的合理性。

每一個用戶，依據(jù)用戶自身的消費屬性與信任度預(yù)約元服務(wù)資源時，用戶不同，其能夠提前預(yù)約的時間長度不同。如用戶1，作為信任度為1的價格敏感型用戶，若通過立即現(xiàn)貨消費的方式購買元服務(wù)資源A，可以成交的最優(yōu)價格為14.9，然而，若其選擇通過預(yù)約的方式計劃消費同一個資源，其能夠以更優(yōu)惠的價格提前預(yù)約，價格最低不低于該元服務(wù)的最小價格10，時間間隔不能高于10；對于用戶2、用戶3同理。

那么根據(jù)該價格模型，每一種用戶的元服務(wù)資源動態(tài)價格與時間的關(guān)系如圖5所示。

由圖5可以看出，不同的用戶可以提前預(yù)約的時間長短不相同。提前預(yù)約的時間距離使用時間越長，資源價格越便宜，且越接近提供商能夠接受的最低價格，提前預(yù)約的時間越接近使用元服務(wù)資源的時間，資源價格越貴。圖5（a）顯示該用戶可以提前10天預(yù)約資源，圖5（b）的用戶可以提前約23天預(yù)約資源，圖5（c）的用戶可提前約9天預(yù)約資源。通過價格刺激用戶提前預(yù)約資源，結(jié)合每個用戶的信任度與消費習慣給出相應(yīng)的優(yōu)惠價格，可以有效地避免用戶集中提出資源請求造成地資源負載過重、網(wǎng)絡(luò)擁塞，從而實現(xiàn)資源的合理分配和保證每時每刻各個元服務(wù)或元業(yè)務(wù)都能正常運轉(zhuǎn)。

圖5 不同用戶提前預(yù)約資源時不同時間段對應(yīng)的優(yōu)惠價

5 結(jié)束語

本文提出一種基于SDN框架的網(wǎng)絡(luò)資源定價策略。實現(xiàn)資源合理定價，并以價格為杠桿達到網(wǎng)絡(luò)資源合理分配的目的。結(jié)果分析表明，本文所述方法能夠有效地制定與調(diào)節(jié)資源價格，避免用戶集中獲取網(wǎng)絡(luò)資源的情況。相信在今后，統(tǒng)一控制資源調(diào)度、分配會在大型資源供應(yīng)商中成為一種必要的措施，以最大化用戶效益和自身效益。此外，通過提前預(yù)約刺激用戶提前預(yù)約資源、合理安排消費時間，減少資源分配過程中的空置、浪費將會成為網(wǎng)絡(luò)優(yōu)化的重點，今后網(wǎng)絡(luò)構(gòu)架中經(jīng)濟學理論的應(yīng)用將會在網(wǎng)絡(luò)優(yōu)化中起到越來越重要的作用。

[1] ALLENOTOR D, THULASIRAM R K. Integrating a financial option based model with GridSim for pricing Grid resources[R]. 2009.

[2] 軟件定義網(wǎng)絡(luò)SDN的現(xiàn)狀以及發(fā)展趨勢[R]. 2015.

The current situation and development trend of software-defined network SDN[R]. 2015.

[3] 鄔江興. 未來網(wǎng)絡(luò)之憧憬——情景網(wǎng)絡(luò)[R]. 2015.

WU J X. the future of the internet——context network [R]. 2015.

[4] 梁寧寧, 蘭巨龍, 張震. 基于拓撲感知的可重構(gòu)服務(wù)承載網(wǎng)動態(tài)重構(gòu)算法[J]. 通信學報, 2016, 37(2): 72-79.

LIANG N N, LAN J L, ZHANG Z. Dynamic reconfiguration algorithm for reconfigurable service bearer networks based on topology awareness[J]. Journal on Communications, 2016, 37(2): 72-79.

[5] WANG W, OGAWA K, HALEPLIDIS E, et al. Interoperability report for forwarding and control element separation (ForCES): RFC 6984 [S]. 2013.

[6] 陳文龍, 徐明偉, 徐恪. 可重構(gòu)集群路由器并行路由分發(fā)模型[J]. 通信學報, 2012, 33(6): 118-124.

CHEN W L, XU M W, XU K. Parallel routing distribution model for reconfigurable cluster routers[J]. Journal on Communications, 2012, 33(6): 118-124.

[7] 王力, 趙季紅, 曲樺, 等. 軟件定義承載網(wǎng)中基于負載均衡的虛擬網(wǎng)絡(luò)資源分配算法[J]. 電信科學, 2015, 31(11): 32-38.

WANG L, ZHAO J H, QU H, et al. Load balance based virtual network resource allocation algorithm in software-defined bearer network[J]. Telecommunications Science, 2015, 31(11): 32-38.

[8] 宮法明, 李世寶, 劉建航. 基于SDN的動態(tài)資源分配算法[J]. 吉林大學學報: 理學版, 2015(6): 1236-1240.

GONG F M, LI S B, LIU J H. Dynamic resource allocation algorithm based on SDN[J]. Journal of Jilin University: Science Edition, 2015(6): 1236-1240.

[9] ORO S D, GALLUCCIO L, MERTIKOPOULOS P, et al. Auction-based resource allocation in Openflow multi-tenant networks[J]. Computer Networks, 2017(115): 29-41.

[10] 許志凱, 張宏莉, 余翔湛, 等. 基于組合雙向拍賣的物聯(lián)網(wǎng)搜索任務(wù)分配機制[J]. 通信學報, 2015, 36(12): 47-56.

XU Z K, ZHANG H L, YU X Z, et al. An IoT search task assignment mechanism based on combined double auctions[J]. Journal on Communications, 2015, 36(12): 47-56.

[11] PASCOAL C, OLIVEIRA M R D, RUI V, et al. Robust feature selection and robust PCA for internet traffic anomaly detection[C]//INFOCOM, March 25-30, 2012, Orlando, FL, USA. Piscataway: IEEE Press, 2012: 1755-1763.

[12] MANTERE M, SAILIO M, NOPONEN S. Network traffic features for anomaly detection in specific industrial control system network[J]. Future Internet, 2013, 5(4): 460-473.

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

DING D, LUO S W, AI L H. Adaptive cloud computing resource allocation mechanism based on double auctions[J]. Journal on Communications, 2012, 33(Z1): 132-140.

[14] 殷波, 張云勇, 王志軍, 等. 基于彈性資源調(diào)整的云計算資源分配方法[J]. 通信學報, 2014, 35(Z2): 184-190.

YIN B, ZHANG Y Y, WANG Z J, et al. Cloud computing resource allocation method based on elastic resource adjustment[J]. Journal on Communications, 2014, 35(Z2): 184-190.

[15] 許力, 曾智斌, 姚川. 云計算環(huán)境中虛擬資源分配優(yōu)化策略研究[J]. 通信學報, 2012, 33(Z1): 9-16.

XU L, ZENG Z B, YAO C. Research on virtual resource allocation optimization strategy in cloud computing environment[J]. Journal on Communications, 2012, 33(Z1): 9-16.

[16] ZAHEER F E, XIAO J, BOUTABA R. Multi-provider service negotiation and contracting in network virtualization[J]. Network Operations & Management Symposium IEEE, 2010: 471-478.

[17] 叢鑫, 訾玲玲, 孫勁光. 基于可信拍賣機制的視頻移植定價策略[J]. 通信學報, 2016, 37(4): 53-63.

CONG X, ZI L L, SUN J G. Video migration pricing strategy based on trusted auction mechanism[J]. Journal on Communications, 2016, 37(4): 53-63.

[18] 薛輝. 基于組合雙向拍賣理論的云計算資源定價研究[D]. 北京: 北京郵電大學, 2015.

XUE H. Research on cloud computing resource pricing based on combined double auction theory[D]. Beijing: Beijing University of Posts and Telecommunications, 2015.

[19] 王興偉, 王學毅, 黃敏. 云計算環(huán)境下一種基于雙向拍賣的資源分配模型[J]. 小型微型計算機系統(tǒng), 2013, 34(2): 309-316.

WANG X W, WANG X Y, HUANG M. A resource allocation model based on double auction in cloud computing environment[J]. Journal of Chinese Computer Systems, 2013, 34(2): 309-316.

[20] 王波. 基于古諾均衡的云計算資源定價策略研究[D]. 昆明: 云南大學, 2011.

WANG B. Research on cloud computing resource pricing strategy based on Cournot equilibrium[D]. Kunming: Yunnan University, 2011.

[21] 殷波, 張云勇, 房秉毅, 等. 面向成本優(yōu)化的云計算資源分配方法研究[J]. 電信科學, 2014, 30(11): 22-26.

YIN B, ZHANG Y Y, FANG B Y, et al. Research on resource optimization method for cloud computing based on cost optimization[J]. Telecommunication Science, 2014, 30(11): 22-26.

[22] 梁寧寧, 蘭巨龍, 程國振, 等. 基于拍賣博弈的可重構(gòu)服務(wù)承載網(wǎng)動態(tài)構(gòu)建算法[J]. 電信科學, 2015, 31(5): 82-87.

LIANG N N, LAN J L, CHENG G Z, et al. Dynamic construction algorithm of reconfigurable service bearer network based on auction game[J]. Telecommunications Science, 2015, 31(5): 82-87.

[23] 趙之謙. “玩客”當?shù)谰W(wǎng)心科技發(fā)布迅雷賺錢寶Pro[J]. 計算機與網(wǎng)絡(luò), 2015(23): 36.

ZHAO Z Q. “Playing a guest” on the road to launch thunder and make money with Pro[J]. Computer and Internet, 2015(23): 36.

[24] 諸葛斌, 朱華, 王保霞, 等. SDN體系架構(gòu)中元模型構(gòu)建機制[J]. 電信科學, 2016, 32(11): 292-231.

ZHUGE B, ZHU H, WANG B X, et al. Meta-model construction mechanism in SDN architecture[J]. Telecommunications Science, 2016, 32(11): 292-231.

[25] 楊曉芳, 王喆, 姜海. 基于多項logit模型的在線機票代理商選擇行為[J]. 清華大學學報(自然科學版), 2017, 57(4): 437-442.

YANG X F, WANG Z, JIANG H. Online ticket agent selection behavior based on multiple logit models[J]. Journal of Tsinghua University(Science and Technology), 2017, 57(4): 437-442.

[26] 諸葛斌, 彭丹, 王偉明. 基于多歸屬組合雙向拍賣的SDN資源價格協(xié)商算法研究[J]. 電子科技大學學報, 2017, 46(4): 591-599.

ZHUGE B, PENG D, WANG W M. Research on SDN resource price negotiation algorithm based on multi-homing combined double auction[J]. Journal of University of Electronic Science and Technology of China, 2017, 46(4): 591-599.

[27] 楊亞璪, 聶垚, 劉玉印. 基于Logit模型的居民租車出行影響因素分析[J]. 中國科技論文, 2017(7): 834-838.

YANG Y X, NIE Y, LIU Y Y. Analysis of influencing factors of resident car rental trip based on logit model[J]. Chinese Science & Technology Dissertations, 2017(7): 834-838.

[28] ORO S D, GALLUCCIO L. Auction-based resource allocation in OpenFlow multi-tenant networks[J]. Computer Networks, 2017(115): 29-41.

[29] 李蕊, 張路橋, 李海峰, 等. 基于熵的網(wǎng)絡(luò)異常流量檢測研究綜述[J]. 軟件學報, 2017, 26(6): 36-39.

LI R, ZHANG L Q, LI H F, et al. A survey of network anomaly traffic detection based on entropy[J]. Journal of Chinese Society of Software, 2017, 26(6): 36-39.

[30] 姜永, 陳山枝, 胡博. 異構(gòu)無線網(wǎng)絡(luò)中基于Stackelberg博弈的分布式定價和資源分配算法[J]. 通信學報, 2013, 34(1): 61-68.

JIANG Y, CHEN S Z, HU B. Distributed pricing and resource allocation algorithm based on Stackelberg game in heterogeneous wireless networks[J]. Journal on Communications, 2013, 34(1): 61-68.

[31] JIANG H. A nested logit-based approach to measuring air shopping screen quality and predicting market share[J]. Revenue and Pricing Management, 2009, 8(2-3): 134-147.

Network resource pricing strategy based on SDN framework

ZHUGE Bin, QI Yihang, FU Hanwen, WANG Weiming

Zhejiang Gongshang University, Hangzhou 310018, China

A network resource pricing strategy based on SDN framework was proposed to solve the problem of resource overload and network congestion caused by resource requests in the network. Firstly, the user’s needs and consumption patterns were analyzed, and the resource transaction model was determined. Secondly, combined with the spot consumption model and plan consumption, the reservation mechanism under the resource dynamic pricing strategy model was determined. Finally, according to the proposed resource pricing strategy, the resource price was simulated, the results show that by stimulating the user to reserve resources in advance and combining the trust degree and consumption habits of each user with corresponding preferential prices, it is possible to effectively avoid the users from obtaining network resources in a centralized manner.

software defined networking, network resource, user requirement, pricing strategy

TP393

A

10.11959/j.issn.1000?0801.2018173

2017?10?23；

2018?05?09

諸葛斌，zhugebin@zjgus.edu.cn

國家重點基礎(chǔ)研究發(fā)展計劃（“973”計劃）基金資助項目（No.2012CB315902）；浙江省新型網(wǎng)絡(luò)標準及應(yīng)用技術(shù)重點實驗室基金資助項目（No.2013E10012）；浙江省重點研發(fā)計劃基金資助項目（No.2017C03058）

The National Basic Research Program of China (973 Program)(No.2012CB315902), Zhejiang Provincial Key Laboratory of New Network Standards and Technologies (NNST)(No.2013E10012), Zhejiang’s Key Project of Research and Development Plan (No.2017C03058)

諸葛斌（1976?），男，博士，浙江工商大學信息與電子工程學院副院長、教授，主要研究方向為網(wǎng)絡(luò)與通信技術(shù)、互聯(lián)網(wǎng)技術(shù)和網(wǎng)絡(luò)安全。

亓一航（1993?），男，浙江工商大學碩士生，主要研究方向為軟件定義網(wǎng)絡(luò)和未來網(wǎng)絡(luò)體系結(jié)構(gòu)。

傅晗文（1992?），男，浙江工商大學碩士生，主要研究方向為軟件定義網(wǎng)絡(luò)和未來網(wǎng)絡(luò)體系結(jié)構(gòu)。

王偉明（1964?），男，博士，浙江工商大學網(wǎng)絡(luò)與通信工程研究所所長、教授，主要研究方向為新一代網(wǎng)絡(luò)體系結(jié)構(gòu)、開放可編程網(wǎng)絡(luò)。