姚夢迪,陳冬林

(1.武漢科技大學(xué) 法學(xué)與經(jīng)濟(jì)學(xué)院,湖北 武漢 430065;2.武漢理工大學(xué) 經(jīng)濟(jì)學(xué)院,湖北 武漢 430070)

隨著企業(yè)組織的IT架構(gòu)加速向云端轉(zhuǎn)移,云計(jì)算作為數(shù)字經(jīng)濟(jì)的基礎(chǔ)設(shè)施,是新一代工業(yè)革命的核心驅(qū)動力,為企業(yè)生產(chǎn)經(jīng)營和市場營銷提供了新動能[1]。對于眾多企業(yè)而言,彈性、無需前期投資以及按需提供云資源(計(jì)算、內(nèi)存、存儲)是使用各種云平臺的關(guān)鍵優(yōu)勢。IDC預(yù)測,到2025年全球在云服務(wù)、支撐云供應(yīng)鏈的硬件和軟件組件以及云服務(wù)機(jī)會方面的總支出將超過1.3萬億美元,復(fù)合年增長率為16.9%。用云量成為衡量經(jīng)濟(jì)發(fā)展的新指標(biāo)。

資源管理是云計(jì)算的核心問題之一,其目的是利用虛擬化技術(shù)屏蔽底層資源的異構(gòu)性和復(fù)雜性,使得海量分布式資源形成一個統(tǒng)一的巨型資源池,并在此基礎(chǔ)上,合理運(yùn)用相關(guān)資源管理的方法和技術(shù),使得供需雙方最大可能地利用資源,確保其合理、高效地分配和使用。云供應(yīng)商關(guān)注以低成本提供規(guī)?？缮炜s的云資源并獲取最大化利潤,相應(yīng)的云彈性調(diào)度技術(shù)和彈性供應(yīng)機(jī)制的理論與應(yīng)用研究已較為成熟,如Amazon、阿里云。企業(yè)作為云用戶已開始采用云彈性技術(shù),如春運(yùn)期間12306采用阿里云改善訂票系統(tǒng)、“雙十一”唯品會采用云彈性技術(shù)應(yīng)對高峰。

隨著企業(yè)應(yīng)用部署在云端,云資源管理的核心技術(shù)交由供應(yīng)商完成,而由于企業(yè)需求復(fù)雜、負(fù)荷多變導(dǎo)致云資源管理問題逐漸成為企業(yè)及學(xué)術(shù)界關(guān)注的重點(diǎn)?，F(xiàn)有研究主要集中于云資源需求預(yù)測、云資源彈性供應(yīng)、云資源彈性價格和云資源彈性調(diào)度等;而企業(yè)運(yùn)營中的管理重點(diǎn)—云資源選擇、彈性采購與調(diào)度問題卻被忽略,即自主選擇并采購云資源以降低成本,通過對應(yīng)的彈性調(diào)度實(shí)現(xiàn)云資源使用效率最大化。

筆者在對云計(jì)算發(fā)展階段深入分析的基礎(chǔ)上,探討管理學(xué)或經(jīng)濟(jì)學(xué)視角的云資源管理問題,以客戶(企業(yè)運(yùn)營)視角下云資源管理為目標(biāo),對資源預(yù)測、資源調(diào)度、資源定價、資源采購、資源選擇等方面進(jìn)行綜述,針對性地探討云資源管理現(xiàn)有研究的不足,提出云資源管理未來的研究方向及發(fā)展趨勢,為企業(yè)云計(jì)算實(shí)踐、提高其IT運(yùn)營管理能力提供指導(dǎo)。

1 云計(jì)算資源管理問題

作為云資源管理的起點(diǎn)和基石,資源及其管理問題的分類,是資源合理組織、有效發(fā)現(xiàn)及優(yōu)化分配、采購得以順利進(jìn)行的前提。

1.1 云計(jì)算資源類型

依托于虛擬化技術(shù),云計(jì)算為用戶提供可共享的計(jì)算資源池,包括計(jì)算資源、存儲資源、網(wǎng)絡(luò)資源等,可分為云資源、硬件資源和軟件資源3個抽象層次。其中硬件資源主要包括CPU(中央處理單元)、內(nèi)存、存儲、工作站、網(wǎng)絡(luò)資源和傳感器等,通過虛擬化技術(shù)來實(shí)現(xiàn)動態(tài)管理,以滿足用戶個性化需求;軟件資源是可以支持應(yīng)用程序的開發(fā)和高效的通信協(xié)議,實(shí)現(xiàn)對物理資源的臨時控制,包括應(yīng)用程序、組件、平臺等;云資源主要指數(shù)據(jù)中心及云服務(wù),面向云計(jì)算大規(guī)模分布式環(huán)境中的資源類型和數(shù)量,以有限資源滿足更多需求,提高云資源利用率,通常采用資源管理方式實(shí)現(xiàn)。

1.2 云計(jì)算資源管理問題分類

隨著云計(jì)算發(fā)展,理論與實(shí)踐經(jīng)歷了從技術(shù)到技術(shù)與管理融合的演變。云技術(shù)資源管理問題發(fā)展階段可分為:①發(fā)展初期(2005—2014年)的虛擬化和彈性資源管理技術(shù),其目標(biāo)是云供應(yīng)商能耗最小、利潤最大化。同時開始云計(jì)算采納,特別是影響采納的因素分析,重點(diǎn)是分析客戶將應(yīng)用部署到公共云上的影響因素(如可靠性、穩(wěn)定性),以及應(yīng)用移植到云的優(yōu)先順序,此階段過多偏重于技術(shù)而忽視云計(jì)算大規(guī)模商業(yè)應(yīng)用的管理問題。②成長期(2015年至今),云計(jì)算管理問題如云經(jīng)濟(jì)、云戰(zhàn)略、混合云等開始出現(xiàn),主要集中在云產(chǎn)業(yè)價值鏈、定價與市場交易、戰(zhàn)略選擇、績效評估等。楊善林院士[2]首次提出基于云計(jì)算的多源信息服務(wù)模式。理論正經(jīng)歷從技術(shù)到管理、從戰(zhàn)略管理的IT運(yùn)營層面到云資源管理的轉(zhuǎn)變。筆者搜集了近5年內(nèi)多個數(shù)據(jù)庫以云資源管理、云資源調(diào)度、云資源定價、云服務(wù)選擇、采購等為關(guān)鍵詞的150余篇文獻(xiàn)進(jìn)行分類整理,探討成長期云資源管理主要問題,包括云資源預(yù)測、云資源調(diào)度、云資源選擇、云資源定價和云資源采購等多個方面,如圖1所示。

圖1 面向客戶視角的云資源管理問題分類

2 面向客戶視角的云計(jì)算資源研究現(xiàn)狀

2.1 云計(jì)算資源負(fù)荷預(yù)測

資源需求/負(fù)荷預(yù)測是云資源管理優(yōu)化配置過程中不可或缺的一個組成部分。它能提前獲取未來一段時間的資源使用狀態(tài)信息,為云計(jì)算資源實(shí)施合理、系統(tǒng)的配置提供決策支持。

客戶視角的負(fù)荷預(yù)測,其目標(biāo)是通過對負(fù)荷進(jìn)行預(yù)測,以此作為云資源采購或優(yōu)化的決策依據(jù)。如RUBEN等[3]以ARIMA、Holt-Winters和指數(shù)平滑技術(shù)的組合預(yù)測方法對企業(yè)負(fù)荷進(jìn)行預(yù)測,為企業(yè)自動化采購決策提供支持以降低保留資源采購成本。FABRA等[4]在長期負(fù)荷為常數(shù)的基礎(chǔ)上將上一年資源使用率作為下一年需求預(yù)測值,以此采購按需和保留資源來最小化Web分配成本。而對于短期負(fù)荷預(yù)測可基于時間間隔為90天的短期負(fù)荷為主,在最小化成本目標(biāo)下為企業(yè)提供短期(90天)保留資源采購策略依據(jù)。

預(yù)測方法主要包括:①基于時間序列的預(yù)測方法,包括自回歸(AR)模型、移動平均(MA)模型、自回歸移動平均(ARIMA)和隱馬爾可夫模型等[5],主要適用于對云資源負(fù)荷的長期預(yù)測或季節(jié)變動的預(yù)測,在預(yù)測精度上存在準(zhǔn)確度不高的問題。②基于神經(jīng)網(wǎng)絡(luò)預(yù)測方法,包括前饋神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測等,主要適用于有一定樣本數(shù)量,且負(fù)荷數(shù)據(jù)存在一定規(guī)律的情境。③組合預(yù)測方法,針對云負(fù)荷存在的復(fù)雜波動、長期短期預(yù)測需求相結(jié)合的情境,針對單一預(yù)測方法不能適應(yīng)不同類型預(yù)測的問題,將各個預(yù)測模型相結(jié)合形成組合預(yù)測方法,包括神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)組合預(yù)測、神經(jīng)網(wǎng)絡(luò)和回歸方法組合預(yù)測、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)和回歸的組合、基于廣義模糊軟集合理論組合預(yù)測等[6]。

2.2 云計(jì)算資源彈性調(diào)度

云資源彈性調(diào)度是指分配相應(yīng)云服務(wù)資源去處理相應(yīng)的云任務(wù),整個調(diào)度過程包括應(yīng)用-任務(wù)-虛擬機(jī)-物理機(jī)多層資源分配,云供應(yīng)商負(fù)責(zé)虛擬機(jī)-物理機(jī)的資源分配和任務(wù)-虛擬機(jī)的細(xì)粒度調(diào)度,其目標(biāo)是能耗最小;客戶關(guān)注應(yīng)用/任務(wù)-云資源(虛擬機(jī))的粗粒度級調(diào)度。任務(wù)-虛擬機(jī)的彈性調(diào)度問題,其目標(biāo)是任務(wù)執(zhí)行時間和成本最小,主要包括:①計(jì)算密集型任務(wù)調(diào)度,主流的Map/Reduce技術(shù)是將任務(wù)分成若干子任務(wù)調(diào)度到虛擬機(jī)上,算法包括遺傳算法、蟻群算法、粒子群優(yōu)化算法,以及多準(zhǔn)則資源分配方法。②數(shù)據(jù)密集型任務(wù)調(diào)度,科學(xué)計(jì)算、商務(wù)智能等都是數(shù)據(jù)密集型云計(jì)算應(yīng)用,如何減少云存儲成本(數(shù)據(jù)存儲、數(shù)據(jù)傳輸和數(shù)據(jù)檢索)以及在提高效用的同時兼顧全局的負(fù)荷均衡等非常重要。羅賀等[7]從時間、費(fèi)用、能耗3個維度建立云資源執(zhí)行云任務(wù)的成本函數(shù),研究了面向批處理任務(wù)的成本最小虛擬機(jī)調(diào)度策略。WANG等[8]考慮了數(shù)據(jù)任務(wù)集多重疊截止時間,提出基于MEPA算法的任務(wù)調(diào)度方法可滿足所有重疊截止時間限制并降低了虛擬機(jī)成本。③工作流調(diào)度,謝毅等[9]提出了基于負(fù)載的面向能耗的云工作流調(diào)度優(yōu)化算法,在保持云工作流執(zhí)行時間效率的同時有效降低主機(jī)處理任務(wù)所消耗的能耗。LI等[10]針對完成時間和QoS約束條件,探究基于安全和成本感知調(diào)度算法的異構(gòu)任務(wù)工作流調(diào)度問題,以實(shí)現(xiàn)最小化總工作流執(zhí)行成本。也有對于任務(wù)包調(diào)度問題的研究,主要考慮在截止時間和資源約束下,將其分配給具有不同虛擬機(jī)類型,可實(shí)現(xiàn)總成本最小化的任務(wù)調(diào)度。

2.3 云計(jì)算資源定價

資源定價問題作為云計(jì)算商業(yè)化關(guān)鍵的問題之一,得到了各界廣泛關(guān)注及研究。為滿足云用戶對云資源多樣化需求,云供應(yīng)商提出了多種云資源實(shí)例價格—按需實(shí)例、保留實(shí)例、競價實(shí)例。

學(xué)界認(rèn)為對云用戶而言,用戶類型的差異等因素影響中云供應(yīng)商的定價策略。如在時間偏好下將用戶劃分為“中性”和“無耐心”兩種類型,KESKIN等[11]據(jù)此建立了雙寡頭Hotelling兩期定價模型,認(rèn)為在雙寡頭市場中,云供應(yīng)商對于無耐心用戶收取更高價格以追求利潤最大化。MA等[12]基于此模型拓展,構(gòu)建了云服務(wù)企業(yè)與傳統(tǒng)定制軟件企業(yè)的競爭性定價模型,發(fā)現(xiàn)云用戶對云服務(wù)的適應(yīng)成本是影響企業(yè)競爭力的關(guān)鍵。馬滔等[13]引入用戶群體異質(zhì)性和按需收費(fèi)成本因素,構(gòu)建了基于“用戶適應(yīng)度”和“交易成本”的混合定價模型,分析了用戶適應(yīng)度對云服務(wù)企業(yè)利潤、用戶剩余和社會福利水平的影響。

除時間偏好外,用戶感知偏好與QoS偏好也是云服務(wù)定價影響的重要因素。CHEN等[14]考慮到服務(wù)保障對用戶感知服務(wù)價值的影響,探究帶寬限制下資源分配和最優(yōu)定價策略,可實(shí)現(xiàn)最大化用戶效用。ZHU等[15]則主要考慮資源價格對于用戶訪問意愿的影響,以此構(gòu)建Stackelberg博弈下的動態(tài)定價策略,以實(shí)現(xiàn)收入最大化和資源利用率。此外,BASU等[16]認(rèn)為區(qū)域?qū)拵з|(zhì)量分布和交易成本對用戶效用存在影響,在云服務(wù)用戶轉(zhuǎn)換購買方式的寬帶質(zhì)量條件下,不同市場中保留定價和按需定價策略的使用情況不同。

2.4 云計(jì)算資源選擇方法

云計(jì)算資源選擇即將云供應(yīng)商提供的多種類型的云計(jì)算資源與用戶功能性或QoS需求進(jìn)行匹配,以確定最合適的云計(jì)算資源。學(xué)者從客戶視角分析影響用戶服務(wù)選擇的主要因素(性能、價格、用戶偏好等),提出了多種云服務(wù)選擇方案。

為滿足云用戶不同服務(wù)標(biāo)準(zhǔn)及需求,部分學(xué)者采用了多準(zhǔn)則決策(MCDM)、多屬性決策、基于優(yōu)化、基于邏輯等多種方法以幫助云用戶選擇合適的云計(jì)算資源。FALAK等[17]基于馬爾可夫鏈發(fā)掘用戶偏好變化的優(yōu)先級,采用多準(zhǔn)則決策(MCDM)—BWM方法對云計(jì)算資源進(jìn)行排名,并根據(jù)真實(shí)云服務(wù)數(shù)據(jù)評估模型。然而,隨著用戶對云服務(wù)異構(gòu)QoS屬性的偏好動態(tài)變化,成煜鑫等[18]提出了在直覺模糊環(huán)境下采用熵權(quán)法確定用戶初始偏好,再進(jìn)一步使用馬爾科夫鏈確定用戶動態(tài)偏好的方法。GIREESHA等[19]提出了一個基于混合信任預(yù)測模型的模糊多屬性決策(FMADM)方法,在解決了不確定性問題的同時并對云服務(wù)的QoS值和其相應(yīng)的信任值之間的非線性關(guān)系進(jìn)行建模,重新計(jì)算QoS參數(shù)的權(quán)重,以提供準(zhǔn)確的基于信任的云服務(wù)選擇。而為解決云服務(wù)選擇中實(shí)時數(shù)據(jù)缺乏及數(shù)據(jù)安全難以保證的問題,孟柯等[20]結(jié)合主客觀權(quán)重分析技術(shù)設(shè)計(jì)分布式云制造服務(wù)選擇模型,實(shí)現(xiàn)算力源的轉(zhuǎn)移和去中心化,解決計(jì)算能力不足的問題,并基于結(jié)果證明機(jī)制的雙鏈區(qū)塊鏈數(shù)據(jù)存儲模型,在提高云服務(wù)選擇速度和精準(zhǔn)度的基礎(chǔ)上,實(shí)現(xiàn)數(shù)據(jù)實(shí)時且安全存儲。

以上云服務(wù)選擇方法主要是面向單一的云服務(wù)。隨著云計(jì)算資源種類及用戶需求多樣化,面向用戶視角的云服務(wù)組合選擇的研究逐漸展開。KARIM等[21]探索了云服務(wù)的多層次QoS參數(shù)的聚合和評估技術(shù),定義了云服務(wù)權(quán)重模型的層次結(jié)構(gòu),將SaaS和IaaS的QoS參數(shù)作為排名標(biāo)準(zhǔn),并根據(jù)其影響關(guān)系進(jìn)行分層和分類。根據(jù)用戶的需求選擇最優(yōu)的IaaS和SaaS服務(wù)組合,并在此基礎(chǔ)上通過搜索滿足用戶需求功能的SaaS服務(wù),將SaaS服務(wù)與IaaS和DaaS進(jìn)行組合,選擇基于用戶QoS需求的服務(wù)組合,為最終用戶提供完整的云計(jì)算業(yè)務(wù)解決方案。此外,效用值也是常用的評價指標(biāo)之一,可幫助用戶從一組云服務(wù)中尋找最優(yōu)或接近最優(yōu)的可信服務(wù)組合來選擇滿足性能需求。

2.5 云計(jì)算資源采購

針對供應(yīng)商的彈性價格,為了滿足服務(wù)時間約束下云資源采購成本最小化,學(xué)術(shù)界開始探索云用戶自主采購問題,提出以長期合約為主、短期現(xiàn)貨為輔的策略。

(1)長期合約采購決策。滿足年度云資源需求計(jì)劃,通過負(fù)荷預(yù)測值對云資源需求分類,提出4種長期合約采購策略,通過設(shè)計(jì)自動化采購長期保留實(shí)例的算法,有效降低了采購成本,也逐漸考慮了長期合約組合采購策略,如長期合約與競價現(xiàn)貨采購組合且考慮了競價現(xiàn)貨中斷風(fēng)險(xiǎn)敏感,發(fā)現(xiàn)當(dāng)云用戶中斷風(fēng)險(xiǎn)敏感度高或任務(wù)值高度差異化時采購組合策略明顯優(yōu)于單一采購策略。此外,可采取容量限制策略,進(jìn)一步提高采購組合策略的利潤。長期合約及短期按需實(shí)例采購組合考慮了云經(jīng)紀(jì)人的市場模式[22],從云代理商預(yù)留云資源池中動態(tài)采購具有折扣價格的長期合約及短期按需實(shí)例,最小化云服務(wù)采購成本。

(2)短期現(xiàn)貨采購決策。滿足小時、天或周的云資源需求,以降低采購成本和中斷風(fēng)險(xiǎn)為目標(biāo),如通過基于現(xiàn)貨實(shí)例彈性價格的監(jiān)控技術(shù)EC3,提出了競價現(xiàn)貨的彈性價格和風(fēng)險(xiǎn)預(yù)測方法,通過提前采購云資源來降低中斷風(fēng)險(xiǎn)和成本[23]。FICO分析現(xiàn)貨價格的主要驅(qū)動因素,提出了一種自適應(yīng)投標(biāo)策略獲得最優(yōu)的競價現(xiàn)貨隨機(jī)報(bào)價,將計(jì)算成本和計(jì)算終止導(dǎo)致的延遲降到最低[24]。

3 云計(jì)算資源管理研究存在的不足及解決方案

通過對上述研究梳理后發(fā)現(xiàn),學(xué)者更傾向于將云計(jì)算理解為一種技術(shù)工具,而從經(jīng)濟(jì)或管理學(xué)視角深入探討云資源管理問題的研究才逐漸展開,還存在若干問題需要進(jìn)一步解決:

(1)從優(yōu)化目標(biāo)上看,現(xiàn)有的云資源管理主要以云供應(yīng)商視角的能耗最小、利潤最大化為目標(biāo),隨著越來越多企業(yè)上云,應(yīng)面向云用戶以云資源成本最小、服務(wù)質(zhì)量最優(yōu)為目標(biāo)進(jìn)行云資源管理方面的研究,以滿足云用戶復(fù)雜多變的需求。

(2)現(xiàn)有研究主要是以計(jì)算機(jī)技術(shù)為基礎(chǔ)的細(xì)粒度級的彈性調(diào)度技術(shù)為主,關(guān)注秒或毫秒任務(wù)-虛擬機(jī)-物理機(jī)的資源調(diào)度,以提高物理機(jī)使用效率、降低能耗為目標(biāo),缺乏從技術(shù)到管理融合創(chuàng)新的研究;為此,應(yīng)從面向IT運(yùn)營層面的粗粒度級的應(yīng)用/任務(wù)到云資源調(diào)度問題建模,以實(shí)現(xiàn)服務(wù)質(zhì)量最優(yōu)(應(yīng)用的總執(zhí)行時間最小、風(fēng)險(xiǎn)最小、可用性最高)的目標(biāo)。

(3)現(xiàn)有研究以提高云用戶負(fù)荷預(yù)測精度為主,隨著企業(yè)云端需求的不斷增加,針對云負(fù)荷波動的特征導(dǎo)致預(yù)測困難,如負(fù)荷差異較大的預(yù)測方法選擇、長期總負(fù)荷精度問題等,應(yīng)根據(jù)客戶云資源負(fù)荷曲線,考慮不同業(yè)務(wù)類型對云資源(虛擬機(jī)類型)的影響,將年度負(fù)荷轉(zhuǎn)化為云資源需求曲線(虛擬機(jī)量/h),考慮其非線性、非平穩(wěn)時變序列特征,采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)將年度云資源需求曲線分解為穩(wěn)定性、周期性、突變性的需求波段。

(4)現(xiàn)有客戶視角的云計(jì)算定價問題逐漸開始考慮用戶類型對于定價策略的影響;但隨著云市場逐漸成熟,市場結(jié)構(gòu)復(fù)雜,用戶類型多樣化,應(yīng)結(jié)合云市場提供的3種實(shí)例類型,結(jié)合不同市場結(jié)構(gòu)及用戶類型需求,設(shè)計(jì)動態(tài)或多階段定價決策模型。

(5)現(xiàn)有研究以單一云資源選擇的方法優(yōu)化為主[25],隨著云聯(lián)盟、云生態(tài)的形成,應(yīng)建立云資源選擇組合優(yōu)化方法,提出多云環(huán)境下不同客戶對多層組合QoS需求的云服務(wù)組合選擇策略。

(6)現(xiàn)有研究是“套餐式”被動采購策略,以長期保留和競價現(xiàn)貨兩種實(shí)例組合為主,沒有從客戶需求特征出發(fā),基于云供應(yīng)商彈性價格建立靈活自主采購策略,無法實(shí)現(xiàn)云資源管理的全局最優(yōu)。為此,針對保留和按需實(shí)例兩種組合采購方式,根據(jù)客戶業(yè)務(wù)特征及偏好,建立采購成本最小、服務(wù)質(zhì)量最優(yōu)的多目標(biāo)優(yōu)化采購模型;同時,在長期采購決策基礎(chǔ)上,基于業(yè)務(wù)彈性特征分析,結(jié)合云市場競價實(shí)例價格預(yù)測,選取合適采購周期(日/時),研究采購成本最小的多周期短期動態(tài)采購優(yōu)化問題。

4 結(jié)論

云計(jì)算以提供具有高擴(kuò)展性、靈活性和可用性的計(jì)算、存儲及其他分布式資源受到業(yè)界廣泛關(guān)注。有效的管理理論與方法通過對云資源的合理分配,實(shí)現(xiàn)負(fù)載均衡,在保障服務(wù)質(zhì)量QoS前提下降低成本,促進(jìn)云服務(wù)供應(yīng)商的良性發(fā)展。筆者對客戶層面的云資源負(fù)荷預(yù)測、云資源彈性調(diào)度、云資源定價、云資源選擇和云資源采購5個方面的研究現(xiàn)狀進(jìn)行深入述評,探討云資源管理問題面臨的主要挑戰(zhàn),并得出如下結(jié)論:

(1)結(jié)合現(xiàn)有云服務(wù)市場中用戶類型多變、市場結(jié)構(gòu)多樣化、云服務(wù)類型多樣化的特征,多云環(huán)境中實(shí)現(xiàn)多層云服務(wù)組合優(yōu)化,應(yīng)以客戶視角的云資源成本最小、服務(wù)質(zhì)量最優(yōu)為目標(biāo)。

(2)云資源采購與調(diào)度的集成優(yōu)化方法,可按照“彈性分析為基礎(chǔ)-長期采購作保障-短期動態(tài)降成本”的思想,進(jìn)行面向IT運(yùn)營層面的粗粒度級的應(yīng)用/任務(wù)到云資源調(diào)度。

(3)通過基于云資源需求的客戶業(yè)務(wù)彈性建模、供需不確定下的云資源長期采購組合方法、基于業(yè)務(wù)彈性特征的云資源短期動態(tài)組合采購決策,可實(shí)現(xiàn)采購成本最小、服務(wù)質(zhì)量最優(yōu)的云資源采購策略。

以上結(jié)論可從理論角度對未來云資源管理領(lǐng)域的研究提供支持,為企業(yè)IT運(yùn)營中最大可能利用資源提供指導(dǎo)價值。