[发明专利]基于客户感知价值和风险意识的多服务器配置利润最大化方法

权利要求书

1.一种基于客户感知价值和风险意识的多服务器配置利润最大化方法，其特征在于，包括以下步骤：

步骤1，建立云服务提供商模型；

步骤2，建立客户感知价值模型；

步骤3，求取基于客户感知价值的用户需求；

步骤4，求取基于风险感知的利润最大化的最优多服务器配置。

2.根据权利要求1所述的基于客户感知价值和风险意识的多服务器配置利润最大化方法，其特征在于，步骤1所述建立云服务提供商模型，具体包括：

步骤1-1，建立多服务器系统模型，所述多服务器系统包括M个以相同速度s运行的同构服务器，建模为M/M/M服务器队列，服务请求以速率λ到达多服务器系统，M个服务器以速度s并行处理服务请求，所有服务器繁忙即不可用时，服务请求按先后达到顺序等待，先到先服务，且服务为泊松分布；

步骤1-2，求取服务器的利用率：

式中，ρ为服务器的利用率，定义为服务器处于繁忙状态的平均时间百分比；针对M/M/M服务器队列系统中的服务请求，服务执行时间x为x＝r/s，其均值为r表示完成服务请求需要执行的请求数即执行需求，μ为执行客户请求服务的速率，

步骤1-3，根据服务器的利用率ρ，求取M/M/M服务器队列系统中存在k个服务请求等待或运行中的概率P_k：

式中，P₀为M/M/M服务器队列系统中没有服务请求的概率；

根据服务器的利用率ρ和概率P_k，求取在所有服务器都处于繁忙即不可用状态时，新的服务请求等待的概率P_b：

式中，P_M为M/M/M服务器队列系统中存在M个服务请求的概率，由上式(2)求得；

步骤1-4，根据服务请求等待的概率求取服务请求的等待时间；

针对新到达的服务请求，假设W和f_W(t)分别为该服务请求的等待时间和对应的概率密度函数，则f_W(t)为：

f_W(t)＝(1-P_b)μ(t)+MμP_Me^-(1-ρ)Mμt (4)

式中，μ(t)为单位脉冲函数，表示为：

且u(t)＝lim_z→∞μ_z(t)成立；

由此，获得服务请求的等待时间W的累积分布函数为：

3.根据权利要求1或2所述的基于客户感知价值和风险意识的多服务器配置利润最大化方法，其特征在于，步骤2所述建立客户感知价值模型，具体包括：

步骤2-1，求取服务请求的响应时间R：

R＝W+r/s (7)

步骤2-2，将步骤2-1求取的响应时间R代入服务水平协议模型中，获得：

式中，a为单位服务的费用，γ为服务质量较差时的补偿强度系数，c为与概率密度函数相关的常数，s₀为客户的预期服务处理速度，且为常数。

4.根据权利要求3所述的基于客户感知价值和风险意识的多服务器配置利润最大化方法，其特征在于，步骤3所述求取基于客户感知价值的用户需求，具体包括：

步骤3-1，利用SERVQUAL对客户感知价值模型CPV进行评分，并建立用户需求函数；

步骤3-2，基于用户需求函数，利用标准二分法计算用户需求。