批量到达的云中心性能分析模型
开题报告
目 录
一、选题背景
二、研究目的和意义
三、本文研究涉及的主要理论
四、本文研究的主要内容及研究框架
（一）本文研究的主要内容
（二）本文研究框架
五、写作提纲
六、本文研究进展
七、目前已经阅读的文献
一、选题背景
云计算是一种基于网络的计算模型。用户通过网络向提供商申请计算资源，例如申请操作系统、运行环境或者软件包等资源。其实用户被分配资源的时候，并不清楚真正的运行环境和分配的具体细节。也就是说云就是用户和计算环境之间的一层抽象。在1969年，L.Kleinrock曾说过，计算机网络还处在初步阶段，但是随着它的壮大和成长，我们就会看到与电力系统和电话系统一样的“计算服务”，将会在个人家庭和办公室全面的使用。这种基于“计算服务”的观点预测了整个计算工业在21世纪的大转型。云这种计算服务模型已经和其他基础设施服务一样按需服务。云计算己经成为继电、水、煤气和电话之后的第五个公共基础设施⑴。目前，客户已经不需要在构建和维护大型而复杂的IT基础设施方面投入太多精力和财力。取而代之的是他们只需要支付他们使用的计算服务的费用。云计算的服务模式可以分为三层：设备即服务（laaS)，设备就是指硬盘、内存、服务器和网络设备等，这些都可以通过网络访问；平台即服务（PaaS)，其中包括一些计算平台，比如说带有操作系统的硬件，虚拟服务器等；软件即服务（SaaS)，包括软件应用以及其他相应的服务应用。云计算的定义并不唯一，其中能够较为准确描述其特征的是H.Khazad于2010年提出的，“云计算是一种新型的运算领域，物理设备，硬件平台和应用软件等共享资源通过网络服务方式为用户提供按其需求的服务。”[2]这个定义阐述了云计算的几个重要特点。
(1)大规模基础设施。以超大规模的硬件设备为底层的云计算平台具有超强的计算能力。各大全球知名的企业，如roM、亚马逊、微软等，均拥有数十万台服务器的云服务平台，而谷歌的云计算平台中服务器的数量更是超过百万台。即便是普通的私有云，一般也会购置数百甚至上千台的服务器。
(2)基于虚拟化技术。用户从云计算平台中获取的资源均经过虚拟化的。从运行端而言，用户将应用程序在云中托管运行即可，而无需了解程序运行的具体位置。从终端来讲，用户可以在任何位置通过终端设备获取所需服务。简而言之，用户始终面对的是一个云平台的使用接口，而不是有形的、固定的实体。
(3)高可靠性。云计算采用数据多副本容错技术、计算节点同构互换策略等来确保云中心的可靠性。云计算这一级别的可靠性是本地计算所无法比拟的。
(4)通用性。云计算并不会专门针对任何一个具体的应用而提供服务。事实上，一个用户可以在云计算平台中根据自己的需要去创建多个不同的应用，而一个云计算平台也可以运行多个不同用户的不同应用。
(5)易扩展性。云计算平台的规模可以根据实际需要进行收缩和扩展，从而满足平台请求大小和使用用户数目的变化。
(6)按需服务。用户所应支付的使用费用是根据其使用计算资源的多少进行计算。多使用多付费，少使用少付费，不使用不付费。这样完全可以减少闲暇时用户资源的闲置。
(7)成本低。通过采用容错技术，可以使用大规模廉价的服务器集群作为硬件基础设施建设云计算平台，这对于云计算服务提供商而言，大大降低了成本投入。对于用户而言，以少量租金换取了原本需要高昂价格投入才能获得的计算资源，并且无需考虑软硬件维护的开销，亦是十分划算。
二、研究目的和意义
现有的云中心物理机模型通常都是面向单任务的，而面向批量任务的服务模型，其性能评估和指标的变化目前正属于初步的研宄阶段，并没有成熟的模型。因此，本文采用ikT/G/m/w + t排队系统对面向批量任务的云中心进行描述，使用嵌入式马尔可夫链法对+ 排队系统进行建模，从而实现了对云中心进行准确的建模和分析。
三、本文研究涉及的主要理论
排队现象是日常生活中常见的社会现象。等待公交车时需要排队、去医院看病需要排队、在食堂打饭同样需要排队等等。排队现象的出现需要两个方面同时具备，排队的个体需要得到服务并且存在服务的提供者。而所谓的排队论就是仿照这样的排队现象，先抽象成物理模型，然后进一步建立数学模型的理论体系。显然，排队论研究的是一个系统对用户提供某种服务时，系统所呈现的各种状态。在排队论中，通常将要求得到服务的人或物称为顾客，而给予服务的人员或者机构称为服务台。顾客与服务台就构成了一个排队系统。尽管排队系统种类繁多，但从决定排队系统进程的主要因素来看，它主要是由三个部分组成：顾客到达，排队过程和服务过程。
(1)顾客到达：顾客到达过程描述了顾客到达时候的规律。顾客到达的方式通常是一个一个到达的，此外还有批量到达的，也叫做集体到达。顾客既可能逐个到达也可能分批到达，同时顾客到达之间的时间间隔长度也并不唯一。但是到达总会有一定的规律的。这个到达规律指的是到达过程或到达时间的分布。顾客到达过程研究的主要内容便包括相邻顾客到达的时间间隔服从怎样的概率分布、该概率分布的参数取值如何、各到达时间间隔之间是否相互独立等。
(2)排队过程：在排队过程中，需要讨论的主要问题有两个，一个是排队的队列长度，另一个是排队的规则。排队的队列长度分为有限和无限的两种。队列长度的大小不同，讨论问题的难易和结论就不同。很多情况下，队列长度容量设为无限大来处理问题。排队规则中又包括有队列形态和等待制度两个部分。队列形态包括单队列，并联式多队列，串联式多队列以及杂乱队列这四种形态。并联式多队列就是允许在多个窗口的每一个窗口前形成一个队列。到达顾客可根据队列的长短在开始排队时选择一个队列进行排队。串联式队列顾名思义就是指多队列串行形成多个队列，顾客在一个队列接受服务后，再去下一个队列排队接受服务。杂乱队列就是指串联并联队列会杂乱无章的分布。
排队模型仿真的主要目的是寻找服务设置和服务的对象之间的最佳的配置，使得系统具有最合理的配置和最佳的服务效率。马尔可夫过程是研究排队系统的主要方法。马尔可夫过程是一种特殊的随机过程，它具有无后效性的特点，其状态空间是有限的或可数无限的。这种系统中从一个状态跳转到另一个状态的过程仅取决于当前出发时的状态，与之前的历史状态无关。马尔可夫链作为研究排队系统的重要工具有广泛的应用。但并不是所有的排队系统都可以抽象成严格意义上的马尔可夫过程，因此随着排队过程的发展，马尔可夫链也有了许多的扩展模型和再生方法使得马尔可夫链有更加广泛的应用，例如嵌入马尔可夫链、补充变量法、拟生灭过程等。本节首先介绍一下最严格意义上的马尔可夫链，按照时间来划分可以分为两类，离散时间的马尔可夫链和连续时间过程。
四、本文研究的主要内容及研究框架
（一）本文研究的主要内容
本文从政府的立场考虑，围绕如何成功地将REITs应用于公租房建设融资，结合国内相关形势与政策和现有的国内外经验启示，以REITs在公租房建设融资中应用的运作为主要研究对象。除绪论和结论部分，本文的主要内容集中在2至5章，共4部分内容：第一部分，研究国内外REITs的应用经验及其与保障性住房结合的成功经验，国外主要考察美国和亚洲的典型国家与地区，包括日本、新加坡和香港，国内由于经验很少，主要考察中信一凯德科技园投资基金和汇贤产业信托这两个典型的案例。第二部分，深入研究我国发展公租房REITs的必要性和可行性，其中必要性分析指出REITs是拓展公租房建设融资渠道和提高公租房建设管理效率的重要途径，可行性从经济金融环境和法规政策这两大方面进行了详细分析。第三部分，针对目前国内公租房管理现状，详细阐述了目前REITs在公租房建设融资中运作，包括REITs的基本模式和运作流程，并进一步深入研究了 REITs内部参与各方的权责关系和利益分配，从而提出了代理人的选择机制和激励机制。值得指出的是，此时政府除了担任REITs补贴的支付者,更主要的,政府还是REITs投资人的代表身份，在REITs运作的不同阶段，政府以不同的身份参与REITs的内部博弈。第四部分，从政府作为监管者的角度，针对REITs在我国公租房建设融资中的应用提出了一系列政策建议，包括政府应当健全REITs和公租房相关的法律法规，并建立一套针对REITs的全方位的监管制度。
（二）本文研究框架
本文研究框架可简单表示为：（略）
五、写作提纲
致谢 5-6
中文摘要 6-7
ABSTRACT 7
第1章 绪论 10-17
1.1 研究背景与意义 10-11
1.1.1 研究背景 10-11
1.1.2 研究意义 11
1.2 研究现状 11-15
1.2.1 国外研究现状 11-12
1.2.2 国内研究现状 12-15
1.3 论文内容与结构 15-17
1.3.1 论文主要内容 15
1.3.2 论文结构 15-17
第2章 国内外REITs的应用经验及启示 17-35
2.1 美国REITs的应用经验 17-26
2.1.1 美国的REITs及其在廉租房建设中的应用 17-21
2.1.2 美国REITs的运作模式 21-26
2.2 洲典型国家和地区REITs的应用经验 26-29
2.2.1 日本REITs的运作模式 26-27
2.2.2 新加坡REITs的运作模式 27-28
2.2.3 香港REITs的运作模式 28-29
2.3 我国REITs的应用经验 29-32
2.3.1 中信—凯德科技园区投资基金 29-30
2.3.2 汇贤产业信托 30-32
2.4 国内外REITs的经验比较及启示 32-35
2.4.1 国内外REITs的经验比较 32-33
2.4.2 REITs在我国公租房建设融资中应用的经验启示 33-35
第3章 REITs在我国公租房建设融资中应用的必要性与可行性分析 35-43
3.1 REITs在公租房建设融资中应用的必要性分析 35-37
3.1.1 REITs是拓展公租房建设融资渠道的重要途径 35-36
3.1.2 REITs在提高公租房建设管理效率的重要途径 36-37
3.2 REITs在公租房建设融资中应用的可行性分析 37-43
3.2.1 经济金融环境宽松,民间资本充裕 37-41
3.2.2 法律法规导向,政策利好不断 41-43
第4章 REITs在我国公租房建设融资中的运作 43-64
4.1 REITs在我国公租房建设融资中的基本模式 43-47
4.1.1 设计原则 43-44
4.1.2 基本形式选择 44-45
4.1.3 组织结构搭建 45-47
4.2 REITs在我国公租房建设建设融资中的运作流程 47-50
4.2.1 设立发行阶段 47-48
4.2.2 运营管理阶段 48-49
4.2.3 终止清盘阶段 49-50
4.3 REITs在我国公租房建设融资中的运作机制 50-64
4.3.1 REITs运作中的代理问题 50-52
4.3.2 代理人选择机制 52-56
4.3.3 代理人激励机制 56-64
第5章 REITs在我国公租房建设融资中应用的政策建议 64-68
5.1 健全法律法规体系 64-66
5.1.1 建全REITs的法律法规体系 64-65
5.1.2 完善公租房的相关法律法规 65-66
5.2 建立REITs的监管制度 66-68
5.2.1 明确政府监管主体及职责 66
5.2.2 建立REITs信息披露制度 66-67
5.2.3 引导社会公众进行监督 67-68
第6章 结论与展望 68-70
6.1 论文主要工作及结论 68
6.2 有待进一步研究的问题 68-70
参考文献 70-73
六、本文研究进展(略)
七、目前已经阅读的主要文献
[1] Buyya R, Yeo C S, Venugopal S, et al. Cloud computing and emerging IT platforms: Vision,hype, and reality for delivering computing as the 5th utility [J]. Future Generation computersystems, 2009，25(6): 599-616.
[2] Khazaei H， Misic J, Misic V B. Performance analysis of cloud computingcenters[M]//Quality, reliability, security and robustness in heterogeneous networks. SpringerBerlin Heidelberg, 2012: 251-264.P] IDC.
[4] Dean J, Ghemawat S. MapReduce: simplified data processing on large clusters[J].Communications of the ACM, 2008，51(1): 107-113.
[5] Wang L, Von Laszewski G, Younge A, et al. Cloud computing: a perspective study [J]. NewGeneration Computing, 2010，28(2): 137-146.
[6] Salah K. A Queueing Model to Achieve Proper Elasticity for Cloud Cluster Jobs[C]//CloudComputing (CLOUD), 2013 IEEE Sixth International Conference on, IEEE, 2013: 755-761.
[7] Iosup A, Ostermann S, Tigitbasi M N, et al. Performance analysis of cloud computingservices for many-tasks scientific computing[J]. Parallel and Distributed Systems, IEEETransactions on，2011，22(6): 931-945.
[8] Wang L, Von Laszewski G, Younge A, et al. Cloud computing: a perspective study [J]. NewGeneration Computing, 2010, 28(2): 137-146.
[9] Erlang A K. The theory of probabilities and telephone conversations [J]. Nyt Tidsskrift forMatematikB, 1909, 20(33-39): 16.
[10] Feller W. An introduction to probability theory and its applications[M]. John Wiley & Sons,2008:427-432
[11] Kendall D G. Some problems in the theoiy of queues [J]. Journal of the Royal StatisticalSociety. Series B (Methodological), 1951: 151-185.
[12] Kendall D G. Stochastic processes occurring in the theoiy of queues and their analysis by themethod of the imbedded Markov chain[J]. The Annals of Mathematical Statistics, 1953:338-354.
[13] Neuts M F. Probability distributions of phase type [J]. Liber Amicorum Prof. Emeritus H.Florin, 1975，173:206.
[14] Neuts M F. Structured stochastic matrices of M/G/l type and their applications[M]. NewYork: Marcel Dekker, 1989.
[15]逯昭义.通信业务量理论与应用[M].北京：电子工业出版社，2011.7:27.
[16]田乃硕，德权，运筹学.拟生灭过程与矩阵几何解[M].科学出版社，2002:34.
[17] Baba Y. On the /Gn queue with vacation timet J]. Operations Research Letters, 1986，5(2): 93-98.
[18] Tang Y. On The Transient Departure Process of Mx iGi\ Queueing System with SingleServer Vacation[J]. Journal of Systems Science and Complexity, 2007, 20(4): 562-571.
[19]侯玉梅，刘儐，孙华宝，等.成批到达的有特殊服务时间的多重休假排队系统分析[J].运筹与管理，2006，15(4): 79-84.49
[20] Obilade T. A batch arrival queue providing a class of truncated geometric distribution formodeling distribution of animal populations [J]. Kragujevac Journal of Mathematics, 2002(24): 193-205.[21]朱翼隽，张峰.具有两种不同服务的可修MxIG{MIM、IcIN排队系统[J].江苏大学学报：自然科学版,2006, 26(B12): 51-53.
[22] Laxmi P V，Gupta U C. Analysis of finite-buffer multi-server queues with group arrivals:GIX/M/c/N[J], Queueing Systems, 2000, 36(1-3): 125-140.
[23]汪浩，李晓明，严伟.一个具有阻行机制的成批到达排队系统GIAX/M/1/N[J],北京大学学报：自然科学版，2006, 42(3): 406-411.
[24] Goswami V，Samanta S K. Performance analysis of a queue with partial-and total-batchrejection[J]. Computers & Mathematics with Applications, 2007，54(2): 203-219.
[25] Xiong K, Perros H. Service performance and analysis in cloud computing[C]//Services-I,2009 World Conference on. IEEE，2009: 693-700.
[26] Yang B, Tan F，Dai Y S，et al. Performance evaluation of cloud service considering faultrecovery[M]//Cloud computing. Springer Berlin Heidelberg, 2009: 571-576.
[27] Do T V，Chakka R. An efficient method to compute the rate matrix for retrial queues withlarge number of servers [J]. Applied Mathematics Letters, 2010，23(5): 638-643.
[28] Firdhous M, Ghazali 0，Hassan S. Modeling of cloud system using Erlangformulas[C]//Communications (APCC), 2011 17th Asia-Pacific Conference on. IEEE, 2011:411-416.
[29] Ma B N W, Mark J W. Approximation of the mean queue length of an M/G/c queueingsystem[J]. Operations Research, 1995，43(1): 158-165.
[30] Khazaei H, Misic J，Misic V B. Performance of cloud centers with high degree ofvirtualization under batch task arrivals [J]. Parallel and Distributed Systems, IEEETransactions on, 2013，24(12): 2429-2438.
[31] Chang X, Wang B, Muppala J, et al. Modeling Active Virtual Machines on IaaS CloudsUsing an M/G/m/m+ K Queue[J].2013, 31(4):168-172.
[32] Salah K, Boutaba R. Estimating service response time for elastic cloudapplications[C]//Cloud Networking (CLOUDNET), 2012 IEEE 1st International Conferenceon. IEEE, 2012: 12-16.