文摘

互联网协议电话(VoIP)允许通信的声音和/或数据在互联网上便宜和可靠的方式比传统的ISDN系统。这个解决方案通常允许灵活的组织和公司在任何域之间的互连。云VoIP解决方案可以提供更便宜的和可扩展的服务当虚拟电话设施用于最有效的方式。调度和负载平衡算法是该方法的基本部分。不幸的是,VoIP调度技术不考虑动态的不确定性和不可预知的云环境。在本文中,我们制定的VoIP服务在分布式云环境的调度问题,提出一个新的模型biobjective优化。我们认为在线nonclairvoyant动态装箱问题的特殊情况和讨论解决方案提供者的成本和服务质量优化。我们建议20呼叫分配策略和评估他们的表现通过综合仿真分析实际工作量考虑6个月的MIXvoip公司服务。

1。介绍

互联网协议电话(VoIP)现在已经成为最受欢迎的技术沟通采用长途电话和世界各地。一起与通用方面的服务质量(QoS)的网络和其他网络,传播率,错误率,和其他特点,VoIP添加新要求:声音质量、服务响应时间、吞吐量、损失,中断,抖动,延迟、资源利用率等。虚拟机监控程序级别调度、交通控制、动态资源配置,等等一些问题解决的VoIP提供商保证QoS和成功的端到端业务解决方案。

有效的网络电话调度包括许多重要的问题:负载估计和预测、性能分析、系统稳定、调用资源需求估算、路由、带宽限制,资源选择调用分配等等(1- - - - - -3]。

企业提供的VoIP系统总是在寻找一种方法来降低成本。Beloglazov et al . 20124考虑效率的资源管理部署在基础设施和系统上运行的应用程序。降低成本的方法之一是避免配置所需的资源多用户和QoS。

云VoIP (CVoIP)解决方案可以提供更便宜的和可扩展的服务通过使用虚拟电话基础设施的有效方法。然而,Tchernykh et al ., 20155),表明,虚拟化在云计算将其他复杂性维度添加到问题的参数变化,系统的不确定性,动态整合的虚拟机(vm),和他们的迁移。

在本文中,我们继续研究Cortes-Mendoza et al ., 20153),我们引入一个VoIP优化模型和研究五叫分配策略。我们描述和分析模型云VoIP服务关注的两个重要方面:QoS和VM的利用率。我们考虑两个主要受益者的优化技术:网络电话提供商,其软件在云上和最终用户。

在真正的voip语音质量通常是严重影响的信令开销,端到端延迟,抖动,包丢失,压缩技术,虚拟机监控程序级别的调度,等等,我们限制自己声音的质量影响CPU使用率在电话处理。我们相信集中在我们的模型是合理的和代表真正的安装和应用程序。

在本文中,我们提供一系列monoobjective和biobjective优化解决方案考虑计费小时VM运行在云和声音质量。我们进行综合模拟真实数据和显示我们的调度策略可以提供一个很好的办法省钱和声音质量。本文以下贡献:(我)提出了一套动态在线nonclairvoyant调度策略来处理网络电话在云环境中。这些策略涵盖广泛领域的VoIP biobjective问题,所以,VoIP提供商可以选择特定的策略取决于目标。(2)我们提出一种新颖的功能,确保网络QoS。这个函数考虑了CPU利用率作为意味着降低语音质量评估。(3)我们验证20策略和评估他们的表现的综合仿真分析实际工作负载MIXvoip提供者(6]。本文的结构如下。第二部分简要讨论了VoIP服务考虑强调基础设施和软件。部分3评审相关工作。部分4提出了几个因素产生影响的QoS和提供者的成本。部分5提供了问题定义和相应的模型。部分6描述方法的分析。部分7描述了VoIP呼叫分配的方法和相应的算法。部分8描述了我们的实验装置、工作量和研究场景。部分9给出了实验分析提供者的成本时的服务质量保证。部分10分析一般biobjective问题。部分11总结了论文工作的主要贡献和未来的研究方向。

2。网络电话

网络电话VoIP是指通过互联网语音通信服务的供应,而不是通过传统的电话ISDN网络(ISDN(综合业务数字网)是一组数字传输标准的普通电话铜线)。它的广泛接受的原因之一是调用率显著降低。

可伸缩性要求服务可用性为任意数量的用户。处理越来越多的客户,提供者可能投资大型基础设施,以避免损失的电话(因此,用户)。在获得的情况下,基础设施是充分利用大部分的时间。

客户端连接到一个声音服务器,这是主要的VoIP电话系统(图的一部分1)。声音节点与数据库系统中,所有的用户注册,并调用记录目的地和持续时间等细节。他们提供软件来模拟电话交换机、网关、互连开关、会话控制,防火墙等等。

声音节点处理调用不同的特性,比如语音信箱,电话转接,音乐暂停,根据客户电话会议。他们提供信号、语音信号数字化,编码,等等。为了使用VoIP服务,一个互联网连接和一个IP hard-phone或soft-phone是必要的。

传统的VoIP解决方案的可伸缩性不强。缺点时出现硬件达到最大容量。规模,需要增加或替换现有的硬件。获得,因此,成本超过甚至不是一个有效的解决方案越来越多的客户和潜在的能够提供安全服务高峰时段或异常的系统行为。

CVoIP可以进一步减少成本,增加新的特性和功能,提供更容易实现和集成服务动态可伸缩。其他好处包括数据传输的可用性、完整性和安全性。

基于云计算的VoIP解决方案允许减少Build-To-Peak方法的重要性。虚拟基础设施可以很容易地扩展。

在这个解决方案中,节点是由vm的声音。分布式基于云计算的网络架构假设语音节点分布式地理;因此,他们被组合在不同的位置(数据中心)。通过云部署和有效地管理电话,不同的特征需要改善。最重要的是利用虚拟基础设施和声音质量。

基于云的解决方案的优点是增加可伸缩性和低成本。然而,它也有一些尚未解决的问题。优化整个系统的性能和降低供应商成本,VM利用率要高,但它降低了调用(见部分的质量4)。因此,应该减少负载的VoIP服务器保证QoS。另一方面,空闲时间增加无用的VoIP提供商的费用。

负载不平衡的最重要的原因是问题和系统的动态特性。目标是最大化VoIP系统性能通过最小化处理单元的数量没有重载。它可以提高供应商成本和保证QoS。

2.1。基础设施

MIXvoip公司6]介绍了电话结合云服务与智能业务电话,VoIP和其他电话服务。

它开发的超级节点的概念(SN)和超级节点集群(SNC)为电话交换机(图浓缩功能2)。

SNC是一组SNs部署在云计算和逻辑上相互关联的地方。它提供了两个本地用户之间短路径。此部署带来冗余在给定的地理区域,但确保高SNC通过公共网络节点之间的语音质量。

如图2,用户调用分配给最近的SN地区。这个部署允许提供服务附近ISDN在公共IP网络质量。

2.2。软件

星号是最著名的专用小交换机(PBX)软件,包括所有必需的组件构建可伸缩的电话系统(见马德森et al . 2011年)(10]。它允许制造和处理电话和连接到其他电话服务,如公共交换电话网络(PSTN)和VoIP服务。它是一个框架来建立多协议、实时通信解决方案提供一个强大的控制活动。

提供信息和数据传输是基于协议,如会话初始化协议(SIP)和实时协议(RTP)。SIP信令协议,建立存在,定位用户,设置,修改和拆除终端设备之间的会话。它是用于控制通信会话如在IP网络语音和视频通话。通过RTP媒体提供运输。编解码器用于转换的语音部分的电话在音频数据包传输的RTP流。

多个异构的VoIP系统包括语音节点运行和处理要求。每个节点有星号运行过程。每个星号实例都有一个唯一的IP地址被最终用户连接内部和外部的网络。

3所示。相关工作

不同的技术介绍了近年来为了克服VoIP的挑战。然而,VoIP QoS和提供者的成本优化调度研究仍然不够。

所以,(11)(2011)分析了动态调度和持久的VoIP服务调度无线正交频分多址接入系统。作者开发的分析和仿真模型来评估性能的VoIP服务的平均吞吐量和信令开销根据调度方案。

李et al。(2006) (12]分析三种调度算法的性能(主动授权服务(UGS),实时轮询服务(rtp),和扩展实时轮询服务(ertPS))对IEEE 802.16 e标准涵盖了移动宽带无线系统。作者使用仿真表明ertPS算法增强的可变利率编解码器(EVRC)和沉默抑制可以支持更多的调用与UGS和rtp算法相比,分别为21%和35%。

Folke et al。(2007)13]分析四种调度算法:比例公平(PF)、最大速率(先生)先生与最低比特率(有严格的延迟(先生),)的会话(VoIP)交通流量和互动(web)。所有与不同调度策略测试推迟预算和负载。作者表明,调度器,逐渐增加了VoIP优先级和考虑了用户的当前可能的利率执行。然而,需要更多的急剧增加在VoIP优先推迟预算时短。此外,试图维护质量VoIP和网络流量过载的情况下使系统敏感。

拜耳et al。(2010)14]分析按需调度,不协调的资源协调计划,协调资源协调方案,VoIP意识到资源的协调方案基于TDMA的网状网络访问控制的IEEE 802.16标准。作者表明,网状网络能够支持VoIP质量好当一个持久性调度应用。相比于其他资源协调计划VoIP意识到调度器显著增加支持调用的数量。

吴et al。(2014)15)提供一个实时调度框架考虑实时约束应用程序的虚拟化环境。作者提出一种称为多核的机制动态分区动态物理cpu划分为两个池根据vm的调度参数。他们使用全球最早期限第一战略计划呼吁vm,星号实例,提高CPU使用率,保证通话质量。

Mazalek et al。(2015)16)研究的IPSec加密的影响CPU利用率、带宽,和声音质量。作者表现出显著影响的声音在CPU利用率和带宽负载周期。他们节省高达40 - 60%的带宽当周期是正确选择。通话质量,所表达的意思是意见分数(MOS),仍然几乎不变,当CPU利用率接近80%。

科斯塔et al。(2015)17]显示星号PBX服务器能够提供VoIP通信能力与一个可接受的金属氧化物半导体质量。作者使用的阻塞概率度量来衡量VoIP服务器和金属氧化物半导体的容量评估语音通话的质量。实验结果表明,星号PBX有效利用SIP处理超过160个并发语音呼叫阻塞概率低于5%。

程et al。(2015)18)现在和比较SRT-Xen调度器和其他四个调度器(信贷、Credit2 rtglobal, rtpartition)。他们关注real-time-friendly调度改善管理虚拟cpu的排队。他们使用星号的实例评估策略和语言的性能质量。SRT-Xen达到至少13.61%的言论与感性评价质量> 4。

4所示。网络的服务质量

4.1。利用

调用处理器利用率有不同的影响取决于操作由星号,当电话被建立。如果执行代码转换操作,利用率高于当不使用代码转换。在后一种情况下,星号只负责路由呼叫。然而,根据不同的编解码器,处理器负载的影响。表1显示了调用处理器利用率没有Montoro提出的转码和Casilari (2009) (7]。

VoIP网关支持更多的编解码器和DSP(数字信号处理):模块G.711, GSM, LPC10 Speex。G.711法和U-law PCM,于ADPCM, G.728 LD-CELP, G.729 CS-ACELP, G.729a CS-ACELP, G.729附录b, G.729a附录b, G.723.1 MP-MLQ, G.723.1 ACELP, G.723.1附件a MP-MLQ, G.723.1附件a ACELP,等等。有些编解码器压缩技术需要比别人更多的处理能力。提出的压缩方法是思科的例子(9]:PCM:脉冲编码调制ADPCM:自适应差分脉冲编码调制线性预测LDCELP:低延迟代码兴奋ACELP: Algebraic-Code-Excited线性预测MP-MLQ:多脉冲,多级量化CS-ACELP: Conjugate-Structure Algebraic-Code-Excited线性预测。

在[8),作者目前的基准测试结果,包括压力测试队列电话,电话VoIP电话,和扩展延伸。排队使用电话呼叫中心,喜欢回答来电自动放在一个队列,而不是排斥它们。排队可以接受更多的电话系统比现有的扩展或代理能够回答他们。暂停时,调用者接收不同的公告(位置在队列中)其次是音乐。

考虑表1和2,我们得出这样的结论:CPU可以处理从70年到500年100%的利用率。

4.2。的服务质量

VoIP QoS是由声音的质量,渡越时间的数据包在网络,路由器排队延迟,数据包从源到目的地,抖动的偏差包interarrivals包丢失,呼叫建立和撕裂停机时间,等等。

声音的质量是一个主观的侦听器的响应。常用的基准来确定声音的质量所产生的特定的编解码器平均意见分(MOS)。听众法官声音样本的质量,对应于一个特定的编解码器在1(坏的管理者)到5(优秀)。平均分数是提供的金属氧化物半导体样品。表3显示了思科提供的编解码器和MOS得分之间的关系(9]。

Cortes-Mendoza et al。(2015)建议使用处理器利用率,以确保QoS。每个编解码器提供一定质量的声音只有在处理器利用率足够低。从理论上讲,100%提供了最佳的预期性能的处理器利用率。然而,在(8],作者表明,20个电话通过VoIP提供商生产不紧张;总共CPU使用率是19%。越来越多的电话90和利用率高达85%,CPU不能能够处理压力,紧张和破碎的音频症状就会出现。

考虑不同类型的调用不同的编解码器,我们使用一个阈值为70%,以确保高质量的声音。

图3表明,语音质量时减少快速处理器利用率超过70%。

4.3。VoIP提供商成本

VoIP提供商成本主要是与他们的资产,这些资产的维护。例如,供应商有一个基础设施,需要驱动和冷却。包含存储磁盘存储阵列,这些数组连接到底盘都住。所以,主要供应商成本可分为服务器成本(计算、存储、软件和相关的网络组件),基础设施成本(配电、冷却设备、设施、空间等),运营成本(能源、冷却等)和网络成本和运输设备(链接)。许多其他成本的存在。

为潜在客户提供竞争力的价格VoIP提供商应该优化过程。低效的资源管理有直接的负面影响对性能和成本。

虚拟化技术允许创建VoIP虚拟服务器,然后可以驻留在数据中心和出租(租赁)订阅任何规模的基础。

在典型的云计算场景中,一个VoIP提供商之间的选择不同的可用资源需求从云提供商与某些服务保证。这些服务水平主要是杰出的计算能力保证接收在要求的时间和执行时间的单位成本VoIP提供商必须支付。这成本取决于请求的计算资源的类型,例如,虚拟机有不同的性能。

为了评估云解决方案的提供者的成本,我们使用一个有用的度量与虚拟机系统。它必须允许提供者来测量系统的成本的vm和时间的使用要求。

本文模型考虑两个标准:计费小时为虚拟机提供服务和利用估计的服务质量。

在第一个场景中,我们考虑简略优化问题最小化总成本vm与给定的限制。为了确保良好的QoS, vm的利用率保持在一定阈值(例如,70%)。

在第二个场景中,我们考虑biobjective优化方法并不局限于发现一个独特的解决方案,但一组解决方案被称为帕累托最优设置。在这种情况下,我们尽量减少两个相互矛盾的目标:vm和QoS退化的成本。两个目标之间的权衡取决于VoIP提供商的偏好。

5。模型

我们为VoIP解决模型在分布式云环境的异质性资源与不同数量的服务器,执行速度、内存、带宽等等。

让我们考虑到云基础设施包括VoIP异构超级节点集群相对速度。每一个,尽管,包括SNs。每一个,尽管,运行虚拟机在时间。我们假设SNC的虚拟机是相同的和有相同的处理能力。

SNC包含一组路由器和交换机,SNs和外部世界之间的交通流量。一个开关连接一个再分配点或计算节点。处理器的连接是静态的但是他们的利用率是改变。SNC互连网络架构是本地的。通过公共网络之间的互连snc提供。

我们考虑独立的电话和工作必须安排在snc的集合。这份工作所描述的是一个元组吗由其发布日期、持续时间(寿命)和处理器利用率。工作不是可用的发布时间前提交工作,及其持续时间是未知的,直到工作已经完成。利用给定的工作是一个常数,取决于使用的编解码器和规范化最慢的机器。

为了评估系统性能,我们使用VoIP系统的有用指标,传统的最大完工时间等措施,吞吐量和响应时间成为无关紧要。

对于这类系统,指标必须允许提供者来衡量系统的性能而言,金融吸引力帮助他确保福利以及用户满意度为服务。

两个标准被认为是分析:最小化服务提供者的成本和最小化服务质量的退化。

我们定义供应商成本模型通过考虑一个函数,取决于虚拟机的数量和它们的运行时间。

我们表示的计费小时数通过和运行在通过。VM所描述的是一个元组,在那里利用(负载)吗在时间。星号VM主机运行的流程处理调用。

作为优化准则,我们引入一个质量减少函数基于vm的利用率(图4)。

6。方法的分析

获得边界提供者的成本,我们认为两个场景。最大的成本可以存档如果提供者保证声音质量与质量减少利用率阈值设置为0 70%。在第二个场景中,我们意识到biobjective分析,没有使用阈值(100%的利用率是允许的),研究提供者减少成本和声音质量之间的妥协。

6.1。降解性能

选择一个好的策略,我们执行一个分析基于退化方法提出了(19)和申请调度(20.]。它显示了生成的度量算法接近最好的找到解决方案。

进行了如下分析。首先,我们评估性能退化(相对误差)的每个策略相对表现最好的策略如下:

然后,我们这些值平均为所有场景和排名的策略。最低的最佳策略的平均性能下降1级。注意,我们试图识别策略,执行可靠地在不同的场景中;我们试图找到一个妥协,认为我们所有的测试用例。例如,排名的策略不可能是相同的任何单独的场景。

6.2。Biobjective分析

在多目标优化,一个解决方案可以代表关于供应商成本的最佳解决方案,而另一个解决方案可能是最好的关于QoS。目标是选择最适当的解决方案,并获得一系列的妥协方案,代表一个好的近似帕累托面前。

两个重要的特点,一个好的解决方案技术融合到帕累托前和多样性样品前尽可能全面。一个解决方案是帕累托最优,如果没有其他解决方案提高了它的所有目标函数。任何解决方案都不属于质量低劣的前面可以被认为是那些包括在内。解决方案之间的选择包括在帕累托面前取决于系统的偏好。如果一个目标被认为是比另一个更重要,那么偏好是给那些算法在解决方案的首选目标,即使二级目标的值不是最好的。

通常,通过视觉观察比较结果从多目标问题的解空间。一个正式的和统计的方法使用一组覆盖度量的比例来计算解决方案,这是由解决方案:

一个度量值意味着所有的解决方案是由,而意味着没有成员是由。这种方式,更大的价值,帕累托面前越好关于。自主导运营商是不对称的,并不一定等于什么,都和必须了解许多解决方案计算的是由反之亦然。

7所示。调用配置

在我们的模型中,CPU利用率是一个VoIP服务质量测量的关键性能指标。它可以用来追踪QoS减少,当它增加超过一定的阈值,或改进,下面时,它是有用的为VoIP QoS问题研究。

VM利用在我们的研究中使用的概念很简单。假设VM分配在一个2.0 GHz的核心处理器。VM利用此场景的时间百分比处理器花VM工作(而不是空闲)。如果处理器价值10亿周期的VM在第二个工作,50%用于第二个。

在一般情况下,监视CPU利用率,VM运行时,是非常简单的:从一个百分比的CPU利用率更深入的统计数据。我们也可以获得一些洞察CPU是如何被使用的。获得更详细的知识关于VM的利用率,我们必须检查所有的细节VM参数,软件安装,硬件系统。

有很多因素导致处理器利用率。在我们的例子中,我们减少考虑星号运行流程和调用。

调用分配问题是类似于一个著名的在线一维装箱问题,经典的np难优化问题具有较高理论意义和实际意义。装箱问题放置物品任意高度到一维空间的有效(箱子固定容量)。

装箱仍然是经典的难题之一。科学家们分析和研究这种计算难题几十年来,还没有获得一个算法在合理的时间内获得最佳的解决方案。我们认为在线变体的问题收到物品。

垃圾箱代表vm,物品的高度定义了调用处理器利用率。下一个调用信息披露之前,调度程序需要决定是否调用了在当前可用的虚拟机或一个新的VM必须租来的。调度器的贡献只知道调用处理器利用率由于使用的编解码器。没有知识必须做出决定的时间电话,呼叫到达率,等等。

这个问题的主要新奇变化在于时间存在的物品。电话达到使用寿命后,虚拟机可以处理更多的自由空间,所以虚拟机的状态不仅取决于决策者在调用分配。与标准的制定,垃圾箱总是开放和动态,甚至完全包装。物品在箱子可以终止(调用终止)和利用随时可以改变。

就像前面提到的6,我们考虑两种情况。在第一个场景中,容器的大小等于0.7对应于70%的VM利用率,所以质量减少为零。在第二个场景中,容器的大小等于1对应于100%的VM利用率,所以会出现质量下降。

在两个场景中,我们不我们面临的输入项由于在线装箱问题。相反,我们可以把箱子根据他们的利用率。

我们研究二十策略(表4),兰德,RR, FFit、Bfit WFit, MaxFTFit, MidFTFit, MinFTFit, RR_05, RR_10, RR_15, Wfit_05, Wfit_10, Wfit_15, BFit_05, BFit_10, BFit_15, FFit_05, FFit_10 FFit_15,并评估他们的表现,真正的工作量考虑6个月的MIXvoip公司服务。

我们都归类在四组策略类型和数量的信息用于分配的决定知识无偿(KF),没有信息的应用程序和资源;utilization-awareness (UA)和CPU利用率信息;信息时代意识(TA)和VM租赁时间;和时代意识与CPU利用率(TA + UA)的信息。

在我们以前的工作,Cortes-Mendoza et al。(2015)3)研究三个著名的装箱策略用于描述问题,首先满足(FFit),最佳(Bfit)和Worst-Fit (Wfit),和两个常用的分配策略,循环赛(RR)和随机(Rand)。

本文的重大贡献与以前的工作相比是我们分析二十策略,考虑不同的场景解决monoobjective和biobjective问题,并提供一个深入研究算法的性能考虑计费时间和质量降低。

算法1描述了BFit策略,声音列表中的节点利用率的降序排序。我们使用术语语音节点而不是VM与调用分配术语一致性。

行可能会改变根据分配的策略。例如,增加订单的列表排序WFit策略,这条线并不是用于FFit策略21]。

time-aware方法的主要思想是将调用分配给虚拟机考虑租了个小时的完成时间。

我们的目标是将调用VM分配给减少计费时间。我们尽量避免下一个小时租由于调用在租来的小时的延续。

例如,MaxFTFit安排调用VM与最远的完成时间。MinFTFit安排调用的声音与最近的完成时间节点。它试图使用节点已经运行的声音。MidFTFit不是分配的目标调用vm不租赁开始或者结束的时间。

我们也介绍了time-aware版本的RR和WFit策略(RR_05, RR_10, RR_15、WFit_05 WFit_10),我们不分配调用vm,租的时间完成在特定的阈值。通过这些阈值,我们尽量避免由于延续这叫一个小时租租来的小时。它可以减少计费小时。我们研究三个阈值:5、10和15分钟结束前租小时。

对于这些策略,算法有一个新的程序,名为AVML(容许vm列表)(见算法2)。

8。实验装置

8.1。仿真工具包

所有的实验都使用CloudSim[执行22),一个框架,用于建模和仿真的云计算基础设施和服务。是一个标准的基于跟踪的模拟器,用于研究云资源管理问题。我们延长CloudSim包括算法调用分配,支持动态调用的到来,更新系统参数调度决策之前,使用资源的利用率,动态创建虚拟机,并提供统计分析使用java编程语言(JDK 7 u51)。

参数是直接取自真实的痕迹VoIP服务研究Simionovici et al。(2015)2]。我们使用主权财富基金(标准工作负载格式)和四个额外的字段来处理调用。

8.2。工作负载

工作负载是一组已登记的注册电话VoIP系统。记录在呼叫细节记录(CDR)使用以下信息:数据库索引的调用,用户的ID调用,IP电话的地方放置的,当地的IP电话,电话的目的地,目的地国家代码,目的地国家的名字,电信服务提供商开始调用(时间戳),调用持续时间(以秒为单位),付费电话,时间成本每分钟;等等。

支持调用数据可能包括传入/传出调用尝试,无论成功与否,都调用拒绝或失败了,电话的另一端的时间小于最小配置调用持续时间(MCD)的调用损失超过配置的数据包数量,数量的电话遇到超过配置的延迟和抖动,调用断开连接,等等。

总电话每天每小时分布,在六个月(从2014年11月1日到2015年4月17日)给出Cortes-Mendoza et al。(2015)3]。

他们展示商业客户的典型行为:两个高峰时间,8 - 11点和下午13 - 17点。一个多星期,从周一到周五流量高,而在周末将大大减少。

图5显示了调用持续时间分布在6个月期间,很大程度上依赖客户端(例如,呼叫中心、学校和商业公司)。在我们的示例中,大多数的调用的持续时间很短(例如,1 - 5分钟)。

党et al。(2004)23]显示呼叫到达过程是由一个泊松过程和安装电话持续时间分布的广义帕累托分布与参数值显示有限的差异。作者测试了一系列的概率分布和模型表明,同意与高密度区域中的数据也符合低密度区域,称为尾分布(图5)。

的分析,我们使用24工作负载;每个包括电话在一个星期。图6显示平均每小时的电话一天在24周。

在周末,工作负载低。它只需要一个虚拟机来处理。在这项研究中,我们把工作的周末,因为他们可以换成24计费小时每天。一个虚拟机总是运行即使没有电话。

8.3。场景

在我们的场景中,每个VM的一个实例运行星号(语音节点)。vm部署几个超级节点的声音(SNs),都属于一个SNC。VoIP提供商租用的虚拟机小时(24];当VM租赁时间是完成VM只能关闭如果VM不加工任何电话;在其他情况下,虚拟机继续运行一个小时。

9。场景1:成本分析和保证服务质量

在第一个场景中,我们评估供应商成本20生成的策略:BFit, BFit_05, BFit_10, BFit_15, FFit, FFit_05, FFit_10, FFit_15, MaxFTFit, MidFTFit, MinFTFit,兰德,RR, RR_05, RR_10, RR_15, WFit, WFit_05 WFit_10, WFit_15。

我们使用利用率阈值作为约束来保证服务的质量。

图7显示的数量计费小时24周。我们看到周8和9期间工作量低,所以策略所产生的不同的计费小时大约是50。在其他几周,色散更高160计费小时在星期5。

表5显示的平均数量计费小时24周。BFit和FFit使用252.08和252.42的最佳策略计费小时平均每周来处理给定的工作负载。WFit和MinFTFit最差的351.08和363.96计费小时,分别。

RR_05 RR_10,比non-time-aware RR RR_15策略有更好的表现。同样,WFit_05、WFit_10 WFit_15比WFit更好。最好的策略之间的区别,BFit,最差的一个,MinFTFit,平均每周约111计费小时。

10。场景2:Biobjective分析

10.1。退化

在多目标分析,问题可以简化为一个单目标问题通过不同目标加权聚合的方法。有多种方法,模型参数;例如,他们可以显式地指定的重要性每个准则或标准之间的相对重要性。这可以通过一个定义的标准权重排名或者标准的重要性。

在本节中,我们执行一个联合分析的两个指标根据平均降解部分中描述的方法6.1。

首先,我们现在的分析计费小时单独租了vm和质量降低。然后,我们发现它们之间的策略产生最好的妥协。

在表6,我们目前的平均退化计费小时,质量减少,他们的意思。的最后三列表包含每个策略的排名对供应商成本,质量,和他们的意思。Rank-BH基于计费小时的退化。Rank-QR指的位置相对于减少质量的退化。排名是基于平均两个排名的位置。

我们看到,成本优化的最佳策略是BFit分配调用基于最适合的策略,我们将充分调用VM,这让最少的利用率。然而,最糟糕的声音质量的策略。它往往以提高利用率和降低质量。

声音质量是WFit最好的策略,我们将调用VM,使得大部分利用剩下。它往往未充分使用VM保持质量但增加虚拟机数量和租赁成本。

好的妥协是MaxFTFit策略分配调用VM,结束他的小时远。

10.2。解决方案空间和帕累托方面

为了解决一般biobjective问题,我们想要获得一组妥协的解决方案,代表一个好的近似帕累托。这不是正式帕累托面前的穷举搜索所有可能的解决方案不是执行,而是作为一种实用的近似的帕累托。

图8显示了二十策略解决方案集获得基于109天的工作量。这个二维的解决方案空间代表一套可行的解决方案,满足约束的问题。注意,我们解决的问题最小化成本和最大限度地提高质量。为了更好的表现,我们把它最小化两个标准:减少成本和质量的退化。

解决方案空间覆盖范围的值从0到0.65,成本降低而降低质量退化的值的范围从0到0.26。

我们看到解决方案空间分为三组位于正确的低,低的一侧,在中间。BFit、FFit MaxFTFit位于右下侧是最好的解决方案的计费时间。他们比其他策略,如RR,在当前使用的VoIP服务。WFit位于左边是最好的解决方案的质量降低。这三个版本的time-aware WFit (WFit_05、WFit_10 WFit_15)有一个很好的行为。

WFit是最好的质量减少退化()。退化成本的范围从0.16到0.56。WFit_05增加了QRD 0.017,但降低了成本高达0.05。WFit_10, QRD增加从0.017到0.06,但成本降低至0.023。

最后,WFit_15 QRD广泛的解决方案(从0.019到0.099),但只有20%的解决方案在降低20%的成本。

WFit版本封面不同行业在帕累托面前,他们显示这两个目标之间的最佳折衷的二十策略。

MaxFTFit解空间是在同一个范围Bfit和FFit成本。它克服了这两种策略的质量降低。

WFit_05、WFit_10 WFit_15, MaxFTFit策略更好的解决方案空间和帕累托面前。他们为VoIP提供商都是不错的选择。图9显示了帕累托的二十近似方面产生的研究策略。

使用一组覆盖指标,描述的部分6.2可以比较,两组nondominated解决方案。表的行7显示的值主导地位的战略在战略。列显示,占主导地位在。最后两列显示的平均值对行在列基于平均优势和排名。同样,最后两行显示平均占主导地位在在每个列和等级的策略。

排名的策略是基于覆盖率百分比。排名越高意味着前面更好。

表7报告结果为每个20帕累托方面。根据覆盖率指标集,战略,有最好的折衷的数量减少和质量是Wfit_15计费小时,其次是MaxFTFit, RR_15, WFit_05。

我们看到MaxFTFit主导的其他策略方面的范围0 - 60%,平均为21.8%占据第二等级。表明MaxFTFit是由其他方面6.9%的平均水平。同时,WFit_05和MaxFTF第二和第三等级是由其他策略平均19.5%和21.9%,分别。他们正在为其他策略主导在6.2%和6.9%。

然而,我们不应该只考虑帕累托方面,当许多解决方案超出了帕累托最优解。这是BFit_xx, FFit_xx, RR_xx:尽管帕累托方面质量好,许多生成的解决方案非常远离他们,和,因此,一个算法的运行可能会产生明显恶化的结果。

11。结论和未来的工作

在本文中,我们制定和研究调度问题解决在云计算网络服务。我们定义模型提供者的成本和服务质量和提出新的在线nonclairvoyant装箱算法调用分配。与标准的制定问题,我们的垃圾箱总是开放,即使他们是完全包装。物品在箱子可以调用终止后消失,利用随时可以改变。问题是动态的,当不了解调用持续时间或其估计。

因为VM参数改变随着时间的推移,传统的调度技术基于数量的电话不很适应这种活力。VoIP解决方案不考虑动态的不确定性和不可预知的云环境。

我们的方法适用于环境存在不确定性。需要分配决策取决于实际的云计算和VM分配等的特点目前可用的虚拟机数量和他们的利用率。它可以处理不同的工作负载,类型的电话(语音、视频、会议等),云属性,和云不确定性,如弹性、性能变化,虚拟化、松散耦合的应用程序基础设施,和一个有效的处理器速度等参数和实际可用的虚拟机数量。我们建议20 VoIP调度策略和评估他们的表现综合仿真分析实际数据考虑MIXvoip公司服务的六个月。

我们表明,该算法可以有效地用于VoIP云环境。monoobjective和biobjective分析提供一个很好的办法省钱和声音质量。

然而,需要进一步的研究来评估他们的实际表现和有效性在实际领域。这将是未来工作的主题。此外,质量在通信系统中,虚拟机监控程序级别的调度,动态整合和vm的电话,和其他分布式负载均衡是需要解决的重要问题。

相互竞争的利益

作者宣称没有利益冲突。

确认

这部分工作由CONACYT (Consejo Nacional de Ciencia y Tecnologia、墨西哥)(批准号178415)。帕斯卡Bouvry部分的工作由国际米兰/ CNRS Green@Cloud 11/03。亚历山大的工作。Drozdov部分由教育部和科学下的俄罗斯联邦合同RFMEFI58214X0003和02. g25.31.0061/12/02/2013(政府监管。218年从09/04/2010)。