[论文解读] Mathematical Frameworks for Pricing in the Cloud: Revenue, Fairness, and Resource Allocations

Carlee Joe‐Wong, Soumya Sen|arXiv (Cornell University)|Nov 30, 2012

Cloud Computing and Resource Management参考文献 22被引用 12

一句话总结

本文提出了一套数学框架，用于分析在捆绑定价、基于资源的定价以及差异化定价模型下，云定价中收入与公平性之间的权衡。通过用户需求建模与公平性度量，研究表明差异化定价在保持相近收入水平的同时显著提升了公平性，而量价折扣则能减少资源浪费并提高效率，尤其在基于资源和差异化定价下效果更明显。

ABSTRACT

As more and more users begin to use the cloud for their computing needs, datacenter operators are increasingly pressed to effectively allocate their resources among these client users. Yet while much work has been done in this area, relatively little attention has been paid to studying perhaps the ultimate lever of resource allocation: pricing. Most data centers today charge users by "bundling" heterogeneous resources together in a fixed ratio and selling these bundles to their clients. But bundling masks the fact that different users require different combinations of resources (e.g., CPUs, memory, bandwidth) to process their jobs. The presence of multiple resources in fact allows an operator to offer many different types of pricing strategies, which may have different effects on its revenue. Moreover, to avoid user dissatisfaction, operators must consider the impact of their chosen prices on the fairness of the jobs processed for different users. In this paper, we develop an analytical framework that accounts for the fairness and revenue tradeoffs that arise in a datacenter's multi-resource setting and the impact that different pricing plans can have on this tradeoff. We characterize the implications of different pricing plans on various fairness metrics and derive analytical limits on the operator's fairness-revenue tradeoff. We then provide an algorithm to navigate this tradeoff and compare the tradeoff points for different pricing strategies on a data trace taken from a Google cluster.

研究动机与目标

• 解决在多资源云环境中缺乏用于评估定价策略的分析框架的问题。
• 将用户需求建模为定价计划的函数，并量化由此产生的收入与公平性结果。
• 评估量价折扣如何影响不同定价策略下的资源利用率、公平性与运营商收入。
• 从公平性与收入权衡的角度，比较捆绑定价、基于资源的定价与差异化定价的性能表现。
• 为数据中心运营商提供一个决策框架，以在经济激励与公平的用户访问之间取得平衡。

提出的方法

• 基于不同定价计划（捆绑、基于资源、差异化）下的效用最大化，构建用户需求函数。
• 引入一种复合公平性度量，结合公平性与效率分量，以评估用户效用的分配情况。
• 通过在运营商目标函数中使用公平性与收入的加权和，推导出公平性-收入权衡的解析边界。
• 利用来自谷歌集群的数据追踪来校准需求函数，并在不同资源容量与量价折扣条件下模拟定价结果。
• 采用数值优化计算公平性-收入权衡曲线，并将剩余资源容量作为效率的代理指标进行分析。
• 通过改变折扣参数 γ 来评估量价折扣的影响，分析其对收入、公平性与未使用容量的作用。

实验结果

研究问题

• RQ1 不同的定价策略——捆绑、基于资源和差异化——在多资源云环境中如何影响公平性与收入的权衡？
• RQ2 在不同定价计划与用户需求分布下，公平性与收入之间的解析关系是什么？
• RQ3 量价折扣如何影响公平性-收入权衡与资源利用效率？
• RQ4 在保持相似收入水平的前提下，差异化定价相比捆绑或基于资源的定价在多大程度上能提升公平性？
• RQ5 资源容量异质性如何影响不同定价策略下公平性与收入的潜在增益？

主要发现

• 与捆绑或基于资源的定价相比，差异化定价显著提升了公平性，而收入仅略有下降。
• 量价折扣减少了剩余的CPU容量并提高了收入，尤其在基于资源和差异化定价下更为显著，这是由于刺激了用户需求。
• 捆绑定价在收入上升的同时导致剩余容量持续增加，这是由于强制过度配置未使用资源，表明其内在低效。
• 公平性度量显示，低公平性值主要由用户效用分配的不公平性驱动，而非总效用过低。
• 在所有定价策略中，仅CPU核心显示出剩余容量，凸显CPU是资源分配中的关键瓶颈。
• 在量价折扣下，差异化定价使运营商可通过多种折扣与权重参数组合，实现相同的公平性-收入权衡点，表明具有设计灵活性。