通过两阶段延迟感知竞标的分层云存储

在云存储中，数字数据存储在逻辑存储池中，其背后是由云服务提供商(CSP)管理的异构物理存储介质和计算基础设施。为了平衡服务性能与成本之间的权衡，CSP 通常采用不同的存储层，例如冷存储和热存储。在热存储中存储数据会产生高存储成本但提供低访问延迟，而冷存储能够廉价地存储大量数据，从而以更高延迟提供更低成本。本文解决了使用此类分层存储架构的 CSP 面临的一个主要挑战——如何在不同特征的各种存储层以及文件放置和访问请求调度策略上最大化其整体利润。为此，我们提出了一种方案，其中 CSP 提供两阶段拍卖过程用于 (a) 请求存储容量，以及 (b) 请求具有延迟要求的访问。我们的两阶段竞标方案提供了一个混合存储与访问优化框架，目标是在四个维度上最大化 CSP 的总净利润：文件接受决策、已接受文件的放置、文件访问决策和访问请求调度策略。所提出的优化是一个难以求解的混合整数非线性规划。我们提出了一种高效的启发式方法来松弛整数优化并求解所得的非线性随机规划。该算法在不同场景和不同存储系统参数下进行了评估，并通过将所提方法与其他利润最大化模型比较报告了富有洞见的数值结果。在某些仿真场景中，我们提出的方法相比其他方案利润增长超过 60%。