虚拟资源可分为：计算型、通信型、磁盘型以及三者之间的互相组合 [ 11 ] 。本文所提出的资源分配策略，在各类资源整体综合的基础上借助云端来进行，将虚拟资源分成最基本的三类：计算型、通信型、磁盘型。其中云端代表着云计算中的应用企业。用户通过“端”这个桥梁来获取服务，“端”向服务集群申请资源，在“端”进行资源统计。假设用P代表计算型资源，N代表通信带宽型资源，D代表磁盘存储型资源，那么对于用户i的申请，端可以建立一个向量来指向用户i所申请的资源，并且对用户申请进行统计，向服务集群进行集中申请。

我们对整个资源申请过程建立模型。其中用户通过端向云服务集群申请资源，端在统计用户的申请后，向资源管理器递交统计结果，资源管理器通过综合分析资源申请与云服务集群中资源的使用情况，计算判断得出虚拟资源分配的最优配置，并将结果提交给云服务集群，最后云集群分配资源。图1为我们所提出的虚拟资源申请–分配模型。

模型将云资源申请–分配整体流程概括化表示。云用户是虚拟资源的申请者，代表云计算模型中的消费者。云服务集群为虚拟资源的提供者，代表云计算模型中的生产者。“端”代表云计算模型中的中间商，通过利用资源管理器，统计云用户的资源申请，在进行综合分析的基础上，向云集群申请到合适的资源并分配给云用户。这样也就完成了一次云资源申请–分配的流程。

假设在某一时刻有n个用户向端提交资源申请，对于这一时刻，端对云用户所申请资源的统计结果用一个n × 3的资源申请矩阵s1表示：

假设服务集群中每个主机服务器能承载的最大资源数为。对于整个服务器集群，可分为三类：正在使用且已存储满、正在使用且未满、未使用。第一种可以不予考虑，第二种我们用资源可分配矩阵m表示，其中 表示第i台主机剩余可分配的资源。

在对整个资源申请进行建模分析之后，虚拟资源分配问题可简化为两个分支：

一是如何将资源申请首先分配到运行中的未满服务器中；

二是如何将未分配的资源进行优化配置，使得新开服务器可以最佳利用。

本文的虚拟资源申请—分配模型采用以下步骤：1) 检测运行中的服务器是否可继续分配；2) 可分配则分配并且继续检验；3) 若不可分配则将剩余申请进行综合配置并分配到新开服务器中。

第一个分支：检测运行中的服务器是否可继续分配，可以通过比对建立的两个矩阵。

将申请资源矩阵与可分配资源矩阵进行逐一比对。考虑资源分配效率，比对若满足条件 ≤ ，则直接分配。分配完毕，双方更新，重新比对。这里我们新建立一个矩阵s2作为比对完成后的剩余资源申请矩阵，s2中的矩阵行存储比对完成后剩余矩阵，表示正在运行的服务器不能满足其需求，需要重开服务器。

图1. 虚拟资源分配模型

若矩阵s2非空，则表示有资源申请未满足，并且运行中的服务器已经不能满足资源分配需求，因此需要重开服务器。

这里我们引入线性不等式方程。通过求解线性不等式方程来使得新开服务器资源利用率达到最大。因为s2矩阵是从资源申请矩阵抽离出的一部分，我们假设仍有t个任务未分配，用如下矩阵表示：

对于新开服务器，其能承载的最大资源数为 ，我们建立一个线性不等式方程。设 为一台服务器的最佳配置，可列下列线性方程不等式：

将此不等式进行整理得：

对于此不等式，因为缺少目标函数，所以并没有确切的解。而解此不等式的最好办法是枚举所有可能性，即将 中，从 、 枚举到 ，然后从其中选出最优解。针对虚拟资源的最优配置理论，我们再添加额外限制条件，令单台主机服务器接受最大数目的申请任务，即：令 ，使得max最大。

因为云计算面向的客户群是庞大的，同样资源申请数目也是庞大的。所以在建立的s2矩阵中，会有多行。因此若对s2直接处理，计算量很大。本文选择对s2进行分组，其中分组数目综合考虑云任务申请资源大小以及服务器的配置高低。假设分组完成后每组所含云任务数量为COUNT，此时的t = COUNT。再解上面的线性不等式，根据COUNT的数量来决定难易。

仿真平台使用Java在Eclipse上开发。平台模拟拥有一定数量服务器的数据中心，并随机产生一定数目的云任务用于实例验证。云任务的数目为1~7000，已开启的服务器数量定义为1~50台之间，未开启的服务器数目为0~500台。假定每台主机具有4 G内存、10 M带宽、10 G存储。

1) 固定分组数目，对比先到先得策略与本文策略。

首先固定云任务分组数量为每组10个，随机产生100~7000个云任务，对比先到先得策略(First Come First Served)与本文策略，如图2所示。

系统在接受到虚拟云任务后，通过对云任务进行统计，得到在最优情况下需要开启的主机服务器数目，然后对比先到先得策略与本文策略实际开启的主机数目。图中显示，在云任务只有较少数量时，产生的主机额外开销比较大。但是随着云任务数量的增加，两种策略产生的主机额外开销基本稳定。通过对比，本文的策略优于先到先得策略，主机额外开销稳定在7%左右。

2) 分组数目对策略的影响

本文采取策略需要分组来使得新开主机达到最优利用，分组之后每组虚拟云任务数量一般在5~19之间，主要根据主机配置以及云任务大小来定。固定云任务数量为2000，通过对比每组6~19个云任务的分组，如图3所示，随着每组云任务数量的不断增多，额外主机开销渐趋稳定，但策略运行时间急剧增加。因此通过考虑各方面因素，每组云任务数量定在10~14，策略会达到最优。