云计算中业务配置的纳什均衡
云计算中的负载均衡算法研究
云计算中的负载均衡算法研究随着云计算的快速发展，越来越多的企业开始关注云计算这个新兴的领域。
云计算的优势在于可以提供更多的计算资源，降低IT成本，同时提高业务的可用性和灵活性。
但是如何实现在不同的计算节点之间分配任务，并使得系统负载达到平衡，是一个复杂而重要的问题。
在这篇文章中，我们将会探讨云计算中的负载均衡算法研究。
负载均衡算法简介负载均衡是指在多个计算节点之间分配负载任务，使得计算节点的负载尽可能的平均，在性能上达到一个均衡的状态。
负载均衡算法是实现这个目的的一种方法。
云计算环境中，负载均衡算法通常分为两类，一类是基于硬件的负载均衡，常见的如F5、Cisco等负载均衡设备；一类是基于软件的负载均衡，常见的如LVS、HAproxy等负载均衡软件。
负载均衡算法分类负载均衡算法按照其实现过程可分为两类：静态负载均衡算法：即负载均衡的分配方式事先就已经确定好了，一般适用于规模不太大的系统中。
动态负载均衡算法：即负载均衡的分配方式是根据当前的系统状况而动态决定的，可以针对不同的情况做出不同的调整，适用于规模较大的系统。
常见的负载均衡算法有：轮询算法：将计算任务依次分配给不同的计算节点，实现均衡负载。
权重算法：将不同计算节点赋予不同的权重，根据权重的大小决定分配任务的顺序。
最小连接数算法：将任务分配给当前连接数最少的计算节点，保证系统的可用性和性能。
最短响应时间算法：将任务分配给响应时间最短的计算节点，使得系统的响应更快速。
负载均衡算法的研究在云计算中，负载均衡算法的选择，直接影响到整个系统的性能和可用性。
因此，研究负载均衡算法也成为当前云计算领域的热点之一。
目前，负载均衡算法的研究主要围绕以下几个方面展开：算法效率：如何在大规模系统中快速、有效地进行负载均衡，降低系统的负载和响应时间。
算法稳定性：如何处理不同计算节点的故障和失效带来的影响，保证系统的高可用性和容错性。
自适应算法：如何根据不同的系统状况，动态调整负载均衡算法或者改变负载均衡设备的部署方式，提高系统的性能和可扩展性。
云计算中的负载均衡与性能优化(Ⅲ)
云计算中的负载均衡与性能优化随着云计算技术的不断发展，越来越多的企业和个人开始将自己的应用和数据迁移到云平台上。
云计算作为一种新型的计算模式，为用户提供了更加灵活、便捷和高效的计算资源。
然而，随着应用规模的扩大和用户数量的增加，如何保证云计算系统的稳定性和性能成为了一个迫切需要解决的问题。
在云计算中，负载均衡是一种重要的技术手段，它通过将请求分发到不同的服务器上，实现了对系统资源的合理分配，从而提高了系统的稳定性和性能。
负载均衡技术的目标是使各个服务器的负载尽量均衡，避免出现单点故障，并且能够根据实际情况进行动态调整，以应对突发的访问量波动。
在云计算环境中，负载均衡技术是至关重要的，它直接影响着用户体验和系统的稳定性。
另一方面，性能优化也是云计算中不可忽视的一个方面。
通过对系统的资源利用率、响应时间、吞吐量等方面进行优化，可以有效提升系统的性能，降低成本，提高用户满意度。
在云计算环境中，由于应用规模庞大、用户数量众多，性能优化显得尤为重要。
如何合理利用系统资源，提高系统的响应速度和吞吐量，成为了云计算领域的一项重要研究课题。
针对云计算中的负载均衡和性能优化问题，学术界和工业界进行了大量的研究和实践。
其中，有许多经典的方法和技术被提出并得到了广泛应用。
例如，负载均衡算法是负载均衡技术中的核心，常用的算法包括轮询法、最小连接数法、加权轮询法等。
这些算法通过对请求进行不同的分发策略，实现了对系统资源的有效利用，提高了系统的稳定性和性能。
同时，性能优化方面也有一些经典的方法，例如缓存技术、数据压缩技术、并行计算等，这些方法可以有效提高系统的响应速度和吞吐量，降低系统的资源消耗。
除了经典的方法和技术外，近年来还涌现出了一些新的思路和技术，为云计算中的负载均衡和性能优化带来了新的可能性。
例如，基于机器学习的负载均衡算法可以根据历史数据和实时数据进行动态调整，提高了系统对突发访问量的应对能力。
另外，容器化技术的兴起也为云计算中的性能优化带来了新的机遇，通过将应用程序打包成轻量级的容器，可以更加灵活地部署和管理应用，从而提高了系统的灵活性和性能。
云计算资源纳什均衡优化分配方法改进
云计算资源纳什均衡优化分配方法改进王岩;汪晋宽;宋欣【摘要】为提高云计算系统资源调度的均衡性,同时最大化资源提供者的利益,构建基于排队理论的云计算资源分配模型.考虑等待队列长度并以此作为资源分配的前提,结合纳什均衡理论分析资源调度策略,提出改进的资源分配算法(MRA),并将其与分布式计算架构Hadoop中的资源分配算法进行比较.实验结果表明,与公平调度算法、先入先出调度算法以及经典随机调度算法相比,MRA算法不仅可以实现用户对资源的公平共享,而且也能满足资源提供者对提高系统响应时间的需求.%In order to improve the equilibrium of resources scheduling in cloud computing system and maximize the benefits of resource providers,this paper proposes an allocation model for cloud computing resource based on queuing theory.It considers waiting queue length as the premise of resource allocation,analyzes the resource allocation strategy in terms of Nash Equilibrium (NE) theory and proposes Modified Resource Allocation (MRA) algorithm.Meanwhile,this alogithm is compared with some resource allocation algorithms in distributed computingarchitecture,Hadoop.Experimental results show that,compared with Fair algorithm,First-In First-Out (FIFO) algorithm and classical Random algorithm,the proposed MRA algorithm not only can realize the fair sharing of resources for users,but also can meet the needs of resource providers in improving the system response time.【期刊名称】《计算机工程》【年(卷),期】2017(043)012【总页数】8页(P17-24)【关键词】云计算;资源共享;分配模型;排队论;纳什均衡【作者】王岩;汪晋宽;宋欣【作者单位】东北大学信息科学与工程学院,沈阳110819;东北大学秦皇岛分校计算中心,秦皇岛河北066004;东北大学信息科学与工程学院,沈阳110819;东北大学秦皇岛分校计算中心,秦皇岛河北066004【正文语种】中文【中图分类】TP393云计算系统中资源利用率不高、分配不均衡等问题在一定程度上影响了云计算技术的发展,从而也影响了云计算服务提供者和用户的利益。
云计算技术中的负载均衡策略
云计算技术中的负载均衡策略云计算是当今信息技术领域的热门话题之一，它为企业和机构提供了一种新的资源利用模式。
云计算技术在提高资源利用效率、降低IT成本、增加IT服务灵活性和敏捷性等方面表现出色，得到了企业和个人的广泛认可。
尤其是大型企业、数据中心、互联网公司等，精通云计算技术成为其IT从业人员的必备技能之一。
而负载均衡作为云计算中的技术核心之一，更是备受重视。
负载均衡是指将一个任务、请求、连接等分摊到多台机器上来执行，使得每台机器都处于相对均衡的状态，让整个系统达到更高的性能、更好的可用性。
在云计算中，负载均衡是一项非常重要的技术，这是因为云计算本身就采取了分布式架构，需要将请求分配到不同的服务器上才能提高整个云环境的吞吐量和性能。
因此，策略的选择以及负载均衡算法的设计都是云计算中的重要问题。
一、负载均衡的分类负载均衡根据其作用范围以及在云计算环境下的应用场景，可以分为四类：全局负载均衡、本地负载均衡、DNS负载均衡、链路负载均衡。
1.全局负载均衡全局负载均衡指整个应用程序在多个数据中心之间进行负载均衡。
这种方式通常采用全局负载均衡设备或者应用程序的DNS解析来进行负载均衡。
全局负载均衡可以更好地应对数据中心间隔离以及地理位置的限制。
2.本地负载均衡本地负载均衡是指在同一数据中心内，采用独立的负载均衡设备或者应用程序的负载均衡模块来进行负载均衡。
本地负载均衡的优势在于在不同层次进行负载均衡，尤其是在Web层面上能够更快地调整系统。
3.DNS负载均衡DNS负载均衡指通过DNS服务器来完成负载均衡，当请求到达时，DNS服务器根据预设的规则，返回相应的IP地址。
这种方式可以避免一些连接问题，但需要具备DNS解析的技术。
4.链路负载均衡链路负载均衡是指根据链路性能和资源利用率，根据不同的负载均衡策略，将请求分配到不同的链路中去，从而实现负载均衡的目的。
二、负载均衡策略负载均衡策略主要包括基于服务器性能的策略，基于请求内容的策略以及基于客户端IP地址的策略。
云计算中的弹性计算与负载均衡技术
云计算中的弹性计算与负载均衡技术随着云计算的发展，弹性计算和负载均衡技术成为了云计算中重要的组成部分。
在处理大规模数据和高负载的情况下，弹性计算和负载均衡可以提高系统的性能、可靠性和可扩展性。
本文将介绍弹性计算和负载均衡的概念、原理以及在云计算中的应用。
一、弹性计算弹性计算指的是根据应用需求的变化自动调整计算资源的能力。
在传统的计算模型中，计算资源是静态分配的，无法根据需求的变化进行调整。
而在云计算中，弹性计算能够根据应用的实际需求动态分配和释放计算资源，以实现资源的有效利用。
弹性计算的实现通常依赖于虚拟化技术。
通过虚拟化，计算资源可以被划分为多个虚拟机，每个虚拟机可以独立地分配和释放计算资源。
这样一来，当应用需求增加时，系统可以自动创建新的虚拟机来处理额外的负载；而当应用需求减少时，系统可以释放不再需要的虚拟机，以供其他应用使用。
弹性计算还可以通过自动扩容和自动缩容机制来实现。
自动扩容机制可以根据应用负载的增加自动添加新的计算资源，以满足应用的需求；自动缩容机制则可以根据应用负载的减少自动释放多余的计算资源，以节省成本。
二、负载均衡技术负载均衡指的是将请求分布到多个服务器上，以实现资源的均衡利用和提高系统的性能。
在云计算中，负载均衡技术可以确保各个计算节点被充分利用，并且可以根据负载的变化自动进行调整。
常见的负载均衡技术包括轮询、最少连接、IP哈希等。
轮询算法将请求按照顺序分发到每个计算节点上，从而实现负载的均衡。
最少连接算法则会将请求分发到当前连接数最少的计算节点上，以确保所有节点负载基本相等。
IP哈希算法则根据请求的源IP地址进行负载均衡，同一个源IP的请求总是被分发到同一个节点上，这样可以确保同一个用户的请求始终由同一个节点处理。
负载均衡技术的实现通常依赖于负载均衡器。
负载均衡器可以监控各个计算节点的负载情况，并根据预设的负载均衡策略进行请求分发。
当负载超过预设阈值时，负载均衡器可以自动添加新的计算节点，并将请求分发到新节点上，以实现系统的自动扩容。
云计算中的性能优化与负载均衡技术(八)
云计算中的性能优化与负载均衡技术云计算是当今信息技术领域的重要发展方向之一，其以其高效、灵活、可扩展的特点，广泛应用于各个行业。
然而，随着应用规模的不断扩大，云计算系统在面对大量用户请求时可能会存在性能问题。
因此，性能优化和负载均衡技术在云计算中具有至关重要的作用。
一、性能优化技术系统资源管理在云计算系统中，资源是有限且宝贵的。
为了提高系统的整体性能，必须合理利用资源。
系统管理员可以通过资源分配技术，如虚拟化和容器化，将资源按需分配给各个应用程序，避免了资源冗余和浪费。
并行计算并行计算技术是提高系统性能的关键之一。
通过将任务划分为多个子任务，并同时在多个处理器上执行，可以加快计算速度。
并行计算技术在云计算中得到广泛应用，如分布式计算和并行处理等。
数据缓存数据缓存技术可以有效减少对数据库或存储系统的访问次数，从而提高系统的响应速度。
云计算系统中的大量数据可以通过缓存技术存储于内存或快速存储设备中，以减少对磁盘或网络的读写操作。
二、负载均衡技术常见负载均衡算法负载均衡算法是保证云计算系统高性能的关键技术之一。
常见的负载均衡算法包括：轮询、最少连接、最短响应时间等。
这些算法通过将请求均匀分配到各个服务器上，以实现资源的合理分配，从而提高系统的整体性能。
动态负载均衡由于用户请求的不确定性和不均匀性，传统的负载均衡算法在应对动态环境中的负载波动时效果可能不佳。
因此，动态负载均衡技术应运而生。
动态负载均衡技术根据实时负载情况，动态调整请求的分配策略，以适应不断变化的负载情况。
常见的动态负载均衡技术有负载预测、负载监控和自适应调度等。
水平扩展水平扩展是通过增加服务器的数量来提高系统性能。
在云计算中，可以根据系统的负载情况和性能需求，动态地增加或减少服务器的数量，以平衡负载。
水平扩展不仅可以提高系统的性能，还可以提高系统的可靠性和可用性。
结语云计算中的性能优化和负载均衡技术是保证系统高效运行的关键所在。
通过合理利用系统资源、采用并行计算技术和数据缓存技术，可以提高系统的整体性能。
云计算架构下的资源弹性伸缩与负载均衡(八)
云计算架构下的资源弹性伸缩与负载均衡随着云计算技术的迅速发展，越来越多的企业开始关注资源弹性伸缩与负载均衡的问题。
在传统的IT架构中，资源的规模和分配是静态的，而云计算架构的出现改变了这一状况，为企业提供了更大的灵活性和高可用性。
本文将探讨云计算架构下的资源弹性伸缩与负载均衡的重要性、实现方法以及相关挑战。
一、资源弹性伸缩的重要性云计算架构下的资源弹性伸缩是指根据系统的负载情况，自动增加或减少计算资源以满足应用程序的性能需求。
这种弹性伸缩能够帮助企业更好地应对流量高峰期或突发事件，提高系统的可伸缩性和弹性。
首先，资源弹性伸缩能够提高系统的高可用性。
在传统架构中，当系统负载过高时，往往需要手动增加资源来缓解压力，而这个过程可能会导致系统的停机时间增加。
而云计算架构下，系统可以根据负载情况自动增加或减少资源，从而保证系统的高可用性和稳定性。
其次，资源弹性伸缩还能帮助企业节约成本。
在传统的IT架构中，为了应对高峰期的流量，企业可能需要购买大量的资源，而这些资源在低峰期可能会闲置浪费。
而云计算架构下，可以按需进行资源的使用和分配，避免了资源的浪费，从而降低了成本。
二、资源弹性伸缩的实现方法在云计算架构下，资源弹性伸缩可以通过多种方式实现。
其中，最常见的方法是使用自动化的扩展工具或服务。
这些工具可以根据定义的规则和策略，自动地根据系统的负载情况增加或减少计算资源。
另一种方法是使用容器化技术。
容器化技术可以将应用程序及其依赖项打包成独立的容器，从而实现快速部署和弹性伸缩。
通过使用容器编排工具，如Docker Swarm、Kubernetes等，可以根据负载情况自动进行容器的扩缩容。
此外，还可以使用负载均衡器来实现资源的弹性伸缩。
负载均衡器能够将流量均匀地分配到多个服务器上，从而避免单个服务器的过载。
当流量增加时，负载均衡器可以动态地增加服务器，并调整流量分配策略。
这种方式能够提高系统的可扩展性和性能。
三、负载均衡的重要性在云计算架构下，负载均衡是实现高可用性和性能的关键。
云计算中的资源调度与负载均衡优化(Ⅲ)
云计算中的资源调度与负载均衡优化随着云计算技术的迅猛发展，越来越多的企业和个人选择将应用程序和数据存储在云端。
云计算的核心之一就是资源调度与负载均衡。
资源调度是指将计算任务分配到合适的资源上，而负载均衡则是指在多个计算资源间分摊任务，以达到最优的资源利用率和系统性能。
本文将从资源调度和负载均衡两个方面讨论云计算中的优化问题。
资源调度是云计算环境中的一项重要工作。
在云计算中，资源包括计算资源、存储资源和网络资源。
资源调度的目标是将任务分配到合适的资源上，以提高资源利用率和系统性能。
在云计算中，由于资源的数量庞大，资源类型繁多，且需求不断变化，因此如何有效地进行资源调度成为了一个重要问题。
基于这种背景，研究人员提出了各种资源调度算法。
比如，基于贪心算法的资源调度算法，它会选择当前可用资源中最合适的资源来执行任务，以达到最大化资源利用率的目的。
另外，还有基于遗传算法和模拟退火算法的资源调度算法，它们通过模拟生物进化和物质的退火过程来寻找最优解。
此外，还有基于机器学习的资源调度算法，它通过对历史数据的学习来预测未来的资源需求，从而更加智能地进行资源调度。
这些算法都在一定程度上提高了资源调度的效率，但是在实际应用中，还存在一些问题，比如算法的复杂度较高、实时性差等。
除了资源调度，负载均衡也是云计算中的一个重要问题。
在云计算环境中，由于任务的复杂性和数量庞大，不同的计算资源可能会出现负载不均衡的情况，从而影响系统的性能。
因此，如何进行负载均衡也成为了一个亟待解决的问题。
为了解决这个问题，研究人员提出了各种负载均衡算法。
比如，基于轮询的负载均衡算法，它会将任务依次分配给每一个计算资源，以达到负载均衡的目的。
另外，还有基于加权轮询的负载均衡算法，它会根据计算资源的性能和负载情况来调整任务的分配比例，从而更加合理地进行负载均衡。
此外，还有基于反馈控制的负载均衡算法，它通过监控系统的负载情况，并根据实时的反馈信息来调整任务的分配策略。
云计算平台的负载均衡与性能优化指南
云计算平台的负载均衡与性能优化指南随着云计算技术的快速发展，越来越多的企业选择将业务迁移到云端。
云计算平台的负载均衡和性能优化对于保证系统的稳定性和提高用户体验至关重要。
本文将探讨云计算平台负载均衡的原理以及如何进行性能优化。
一、负载均衡的原理负载均衡是云计算平台中的一项重要技术，它通过将用户请求分散到不同的服务器上，实现对系统资源的合理分配，从而提高系统的吞吐量和响应速度。
负载均衡方法有很多种，其中常用的有四层负载均衡和七层负载均衡。
四层负载均衡主要是通过IP地址和端口号进行负载均衡，将请求分发给不同的服务器。
四层负载均衡的优点是简单高效，但缺点是无法根据应用层信息进行精确的负载均衡，因此无法实现更细粒度的性能优化。
七层负载均衡则更加灵活，它可以根据不同应用层协议的特点进行负载均衡。
例如HTTP协议可以根据URL、域名等因素进行请求分发，SMTP协议可以根据发件人地址进行请求分发。
七层负载均衡技术可以实现更精确的负载均衡，从而提高系统的性能。
二、性能优化的策略1. 合理调整负载均衡算法负载均衡算法的选择对于性能优化至关重要。
常用的负载均衡算法有轮询、加权轮询、最小连接数等。
不同的算法适用于不同的场景，因此需要根据实际需求进行合理选择。
例如对于客户端连接数较少的场景，可以选择轮询算法；对于后端服务器性能不均衡的场景，可以选择最小连接数算法。
2. 增加缓存机制缓存机制是提高系统性能的有效手段之一。
通过引入缓存，可以将热门数据存储在内存中，避免频繁的数据库读取操作。
常用的缓存技术有Redis、Memcached 等。
合理使用缓存可以降低系统的响应时间，提高系统的吞吐量。
3. 数据库优化数据库是云计算平台中非常关键的组成部分，对其进行优化可以显著提高系统性能。
优化数据库可以从多个方面入手，如合理设计数据表结构、建立索引、优化查询语句等。
同时，合理选择数据库的存储引擎也是数据库优化的重要环节。
4. 引入CDN加速CDN（内容分发网络）是一种通过网络分布式来传输内容的技术。
云计算架构中的负载均衡与容错技术
云计算架构中的负载均衡与容错技术云计算是现代IT领域中的热门话题，它所带来的便捷性与高效性吸引了越来越多的用户。
负载均衡与容错技术则是在云计算整体框架下至关重要的两个环节。
本文将从云计算相关概念入手，深入探讨负载均衡与容错技术的关键作用与具体实现。
一、云计算的概念云计算是一种通过互联网以支持多种应用程序的方式，分配共享计算资源的技术。
云计算架构基于一组计算资源，这些资源包括硬件、软件和网络资源等，能够以可扩展和动态的方式进行管理。
云计算给用户带来的最大好处就是实现了业务资源的共享与分配，以及对计算网络的迭代更新，保证了用户对于科技的使用体验更为便利。
二、负载均衡技术负载均衡技术（Load Balancing）是一种为了提高网络、应用服务器、数据库以及其他计算资源性能与可用性的技术。
负载均衡技术实现的关键在于将流量平均分配到不同的服务端节点上。
在云计算架构中，负载均衡技术能够使得不同虚拟机上的应用程序能够根据实际使用情况动态调整。
在云计算系统中，负载均衡技术一般有以下几个应用场景：1、应用层负载均衡在应用层面，负载均衡主要通过DNS轮询或HTTP请求反向代理实现。
在DNS轮询中，通过域名解析将请求分配到不同的负载均衡管理器上，负载均衡管理器再将请求分发到应用服务器上。
在HTTP请求反向代理中，客户端通过请求代理服务器（常常是nginx或haproxy）来访问应用服务器，请求代理服务器会将流量按照预设的规则转发到不同的应用服务器上，实现流量均衡分配。
2、网络层负载均衡在网络层面，负载均衡主要通过传统的负载均衡器实现。
负载均衡器将入站流量筛选并分派到负载均衡组内不同的服务器节点上。
因为在网络层上对应的是TCP/UDP协议，所以负载均衡在对流量进行分派时主要根据基于IP或基于端口的会话信息进行分配。
负载均衡技术最大的优势在于能够提高系统的负载能力，使得在用户访问高峰期间，系统依旧能够保持良好的运行状态。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
按需服务，资源利用率比较高。
冗余可靠性比较好，维护成本比较低，可扩展性能比较强。
1.Target：
多SaaS竞争IaaS资源，提出一个资源分配和管理的即时性高效算法，此算法基于纳什均衡的博弈论思想。
2.Basic knowledge：
(1)云计算应用在一个订购模式上收费，终端用户按使用时间付费，而不是一次
性购买终身使用。
(2)互联网应用服务GAE（基于PaaS）和EC2（基于IaaS，用户租用云电脑实现
应用）。
IaaS将硬件设备等基础资源封装成服务供用户使用，用户相当于在使用裸机和磁盘，但用户必须考虑如何才能让多台机器协同工作起来。
PaaS提供应用程序的运行环境，自身负责资源的动态扩展和容错管理，用户应用程序不必过多考虑节点间的配合问题，但是用户的自主权利降低，必须使用特定的编程环境并遵照特定的编程模型。
SaaS针对性更强，它将某些特定应用软件功能封装成服务只提供专门用途的服务供应用调用。
(3)终端用户从基础设施获得收益而不需要实现和维护，也就是用时付费。
(4)SaaS的利润=从SLA下获得的收益—IaaS的花费
SaaS之间竞争IaaS提供的资源，而IaaS也想最大化收益去提供资源。
(5)IaaS提供多个业务，每个业务对应一个应用，每个应用需要资源。
SaaS从IaaS中获得服务，与终端用户签订协议(合同)。
一个VM实现一个应用，多个VM可以并行实现同一个应用，分享工作量。
(6)SaaS每个小时都预测WS工作量来分配VMs，估计VM的性能（平均响应时
间Rk），维持一个VM队列实现WS类。
IaaS提供三种VMs：flat VM、on demand VM、on spot VM。
(7)maxθp（SaaS）与maxθk（IaaS）
(8)从NASH equilibrium concept，SaaS和IaaS采取一种策略：如果只改变自己的策略不能够提高或者降低他们的收益。
个人思考：文献的思想其实还是基于云的基础思想，在此基础上针对多SaaS问
题，文献进行了逐层递进解释这种均衡的存在、可行性、扩展性。
(9)文章给出了4个决策变量：fk、dk、sk、σk，对于Xp=(fk,dk,sk)是SaaS提供的决策变量向量，而σk是IaaS提供的决策变量。
3.Existence of equilibria
事实上是基于Kakutani的定点定理，证明了均衡的存在。
B(x,σ)就是定点策略。
4.单应用实例研究
假定：on spot VM 是无限的
分析特点：
①on demand VM的需求量是0，因为它的价钱要高于on spot VM以及flat VM。
②决策变量Xp、σk是固定的。
即可以求出定值最优决策。
讨论：
很容易由决策变量范围得出下表结论(给出了均衡情况下各个决策变量取值)
问题：边界值(SaaS在只用flat VM下单位时间的收益)到底是怎么回事没有看懂。
在条件下，SaaS有钱去买on spotVM，增加on
spot能够获得更好的性能，因此表中s不为0，但是这样带来的收益肯定会比纯flat下收益小。
5.GENERAL SOLUTION METHOD
应用变分不等式问题的解决方法解答了一般的业务分配均衡算法（等价算法）转换为雅可比矩阵求解特征值，特征值为正，推出：
F是单调的。
Figure 1给出了VI问题在云应用下的解法
通过上面的解法，可以得出单位时间下的最优决策Xp、σk。
6.实验结论
6.1 单一应用
文章给出了θs、θi伴随σU的变化曲线，其他条件均给定。
可以看出当σU>门限值时，θs、θi都是常量，即达到均衡。
6.2 均衡共享性分析
分析了on spot VM在互相竞争的SaaS下怎样共享。
假设：2个SaaS，每个提供5种应用
实验：只观察了其中一个应用的随着一些变量变化的flat VM、on demand VM、on spot VM的资源分配情况。
这些变量是传入工作量λ1、斜率|m1|、最大服务率μ1、on spot最大单位时间花费σu。
即给出了为了达到均衡，决策变量Xp的变化情况。
6.3 扩展性分析
估计了大的资源集群下的均衡算法的扩展性。
主要是给出了VI算法（接近于均衡算法）随着迭代次数(应用)增加平均执行时间的变化以及随着性能参数变化on spot单位时间花费的变化。
证实了该均衡算法可以应用于真实的云中。