CN106874108B - 移动云计算中最小化微云使用个数技术 - Google Patents
移动云计算中最小化微云使用个数技术 Download PDFInfo
- Publication number
- CN106874108B CN106874108B CN201611234023.4A CN201611234023A CN106874108B CN 106874108 B CN106874108 B CN 106874108B CN 201611234023 A CN201611234023 A CN 201611234023A CN 106874108 B CN106874108 B CN 106874108B
- Authority
- CN
- China
- Prior art keywords
- micro
- clouds
- cloud
- user
- access points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Abstract
为了在移动云计算环境中提升移动应用的用户体验,节约微云提供商的运营成本,如何使用最少微云个数满足用户延迟需求引起了微云提供商的广泛关注。本发明公开了一种使用最少微云个数来满足用户服务延迟需求的资源分配以及放置方法。该方法通过循环增加微云个数,在每一次增加微云过程中采用聚类算法的思想重新对所有的微云放置位置进行选择,并对用户请求进行分配,最后根据各个微云分配到的用户请求资源计算出微云所需的资源数以及用户分配到微云的平均延迟。即当用户将网络拓补及当前网络接入点的用户请求信息转换为相应的数据作为算法的输入后,算法通过相应的计算得出最少需要的微云个数和各个微云合适的放置位置,所需的资源数。
Description
技术领域
本发明涉及一种计算机技术,特别涉及一种移动云计算中的最小化微云使用个数的资源分配及放置技术。
背景技术
今天,移动设备在人们的生活中已经变得无处不在,为了给移动设备用户提供更多的服务移动应用变得越来越复杂对设备资源需求也越来越大。然而,基于移动设备的便携性考虑,移动设备的尺寸往往较小,因此移动设备的电池寿命,计算能力,网络带宽以及存储资源等往往是有限的。移动应用日益增长的资源需求和移动设备资源短缺的矛盾变得越来越突出,为了提高移动应用在移动设备的运行效率人们提出了把移动应用中工作负载上传到资源丰富的云端服务器中执行,然而,在传统的移动云计算架构中,移动用户与云中心的距离较远导致了用户上传任务产生较高端点传输延迟,对于延迟敏感的应用(例如增强现实)高的传输延迟是非常致命的,为了降低移动应用从云端获取服务的通讯延迟,人们采用微云作为一种新的元素对移动设备云架构进行扩展,微云是一种资源丰富且稳定的计算机或者计算机群,移动应用可以上传服务到较近的微云进行处理,有效的降低了从远程云中心获取服务的延迟。因此微云设备的放置位置以及资源的合理分配对降低移动应用延迟具有重要的意义。
现有的技术只能预先给定微云的资源以及数量,然后通过相应算法去选择合适位置进行放置,最后再将移动应用请求分配到较近的微云中去执行以达到最小化用户平均延迟的目的。然而,在现实环境中,移动设备分布的区域密度不同,移动应用请求的资源也不同,人为的去设定微云的资源会导致微云资源分配不均匀,使得资源得不到有效的利用,并且移动应用请求通过分配到最近的微云中执行来降低请求延迟,如果出现最近的微云资源不足就只能的等待或者分配到较远的微云去执行,这会导致应用的延迟增加。因此选择合适的位置放置微云并合理的分配微云资源对资源的有效利用以及降低用户请求延迟提升用户体验至关重要。此外,对于微云服务提供商来说,在保证用户请求平均延迟的情况下合理的放置微云并进行资源分配对减少微云部署个数节约部署成本具有重要意义。
发明内容
本发明的目的在于克服现有技术的缺点与不足,针对现实网络环境中微云资源分配不合理问题提供一种有效的微云资源分配以及部署方法,在保证用户请求平均延迟不超过给定的延迟值情况下对微云进行资源分配放置,以达到最小化微云使用个数的技术。
本发明主要思想如下:
首先,将要部署微云的区域的网络拓补转化为网络拓补图(如图1所示),在拓补图中可供微云放置的节点作为用户请求接入点,接入点与接入点之间使用带权边进行连接,边的权值表示通讯延迟,两个接入点之间的延迟就是它们之间的最短路径长度,每个接入点上都有不同数量的用户请求,每个用户请求所需的资源可能不同,本发明解决的问题是给定一个用户容忍的平均延迟D,将K(K小于或等于接入点个数)个微云放置到K个不同的接入点上并将所有接入点的用户请求分配到微云中使得所使用的微云个数最少。在一个接入点个数固定的网络中采用同样的微云放置策略以及用户分配方法对微云进行放置时随着放置的微云个数增加用户请求分配到微云中的平均延迟也随之降低,因此,本发明的算法根据用户输入的平均延迟D,通过迭代的方式让微云个数K逐渐进行递增,在每一次迭代时采用K中心点聚类算法(K-MEDOIDS)的思想在图的接入点中选择微云放置的位置,微云放置完成后,每一个接入点上连接的用户请求都分配到离该接入点最近的微云中以保证当前微云个数获得的用户平均延迟最小,当微云个数K增加到获得的平均延迟小于或等于给定的延迟时,根据微云中分配到的用户请求计算出各个放置位置上的微云所需的资源,K即为所需的最小微云个数。
本发明的目的通过下述技术方案实现
1.采用C++或其他编程语言对算法进行实现。
2.根据用户需求设计合理的用户网络数据输入界面。
本发明相对于现有技术具有如下的优点及效果:
本发明能够在一个较大规模网络环境中给定一个用户平均延迟的情况下计算出所需要的最少微云个数,并为每个微云选择合理的放置进行放置,最后计算出各个位置的微云所需要的资源。使微云服务提供商能够合理进行微云资源分配在满足用户需求的同时最小化部署运营成本。
附图说明
图1是网络模型图。
图2是系统流程图。
图3是算法流程图。
图4是算法伪代码。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例。
本发明基于移动云计算中微云资源分配放置问题,提出一种有效的微云资源分配以及部署算法。本发明出于部署的简单性考虑可采用如下方式进行部署。首先,算法可采用系统的方式进行部署,系统包含客户端与服务端两个实体,服务端可以位于本地也可以在远程服务器,客户端负责将实际中的网络环境转换为网络拓补上传到服务端,服务端负责计算出微云的放置位置以及微云所需的资源量并将计算结果返回给客户端,这样大幅降低了数据存储和取回过程中的通信难度和计算时间的开销。
具体实现步骤如下:
首先用户将实际网络环境转化为网络拓补图(如图1)所示,图中接入点两两之间的边含有权值可表示端点延迟,传输花费等,用户可将网络拓补图转化为边权矩阵作为算法输入,每个接入点上的用户请求数以及每个用户请求所需的资源可用相应的数据类型数组进行存储,之后用户通过客户端将相应数据输入到系统中。
输入完成后用户可通过客户端将数据上传到服务器中进行计算,服务器计算完成后将微云的放置位置以及各个位置的微云所需的资源数生成相应的结果返还给用户。
本发明具体实施方式中涉及到的网络图的数据结构、接入点的参数值可根据实际环境需求进行合理设计。本发明所属技术领域的技术人员可以对实现细节合理的改进,但不会超越本发明的保护范围。上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种移动云计算中微云的资源确定及放置方法,其特征在于,所述方法的具体步骤包括:
S1、给定一个用户平均延迟D,微云个数K=0;
S2、微云个数K=K+1
S3、随机选择K接入点个作为微云放置位置;
S4、对放置微云的接入点进行聚类;
S5、对每一个类调整类中心即微云的放置位置,判断所有的微云放置位置是否发生改变,如果没有则跳转到S6,否则跳转到S4;
S6、根据S5中的聚类结果计算各个微云所需资源以及所有用户分配到微云的平均延迟avgD,如果avgD大于或等于D,跳转到S2,否则输出结果;
所述步骤S2还包括随机选择K个接入点作为微云的初始放置位置,每一个位置只能放置一个微云,每一个微云只能放置在一个位置,步骤S2随机选择K个接入点作为微云的初始放置位置;以及,在所述步骤S3中将所有接入点分成K个类,对每一个接入点将其归类到距离它最近的微云中;对每一个接入点将其归类到距离它最近的微云中避免了聚类过程中出现聚类不均匀归类不合理的现象;在所述步骤S4中将所有的接入点分成K个类后,对每一个类的每一个接入点计算一次节点所属的类的所有用户请求分配到该节点的总延迟,选择总延迟最小的节点作为该类的新的微云放置位置;在所述步骤S5中循环步骤S4直到K个微云的位置不再发生改变,最终位置即为微云的放置位置,最终微云所属的类的所有用户请求资源的总和即为微云所需的资源;在所述步骤S6中循环增加微云个数并保证当前微云个数下计算出的微云放置位置以及用户分配到微云中的平均延迟最小,当放置的微云个数增加到满足户平均延迟后即为最少使用的微云个数。
2.根据权利要求1所述的方法,其特征在于:利用K中心点聚类算法K-MEDOIDS的思想在图的接入点中选择微云放置的位置,微云放置完成后,每一个接入点上连接的用户请求都分配到离该接入点最近的微云中,然后根据微云中分配的用户请求计算各个位置放置的微云所需的资源,并且保证当前微云个数所能获得的用户平均延迟最小,从而保证在给定的用户平均延迟的情况下通过算法能计算出最少使用的微云个数;根据网络规模以及实际需求采用Clara算法的思想对接入点抽样来代替整个网络,然后再在这些抽样的接入点上利用K-MEDOIDS算法得到最佳的medoids,在每一次微云增加的循环过程中多次重复步骤S3到S6过程,最后根据步骤1中对所有接入点进行归类计算微云所需资源。
3.根据权利要求1-2之一所述的方法,其特征在于,将所述方法应用到基站,服务器的资源分配和/或部署。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611234023.4A CN106874108B (zh) | 2016-12-28 | 2016-12-28 | 移动云计算中最小化微云使用个数技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611234023.4A CN106874108B (zh) | 2016-12-28 | 2016-12-28 | 移动云计算中最小化微云使用个数技术 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106874108A CN106874108A (zh) | 2017-06-20 |
CN106874108B true CN106874108B (zh) | 2021-02-09 |
Family
ID=59164066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611234023.4A Expired - Fee Related CN106874108B (zh) | 2016-12-28 | 2016-12-28 | 移动云计算中最小化微云使用个数技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106874108B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109639833B (zh) * | 2019-01-25 | 2021-09-07 | 福建师范大学 | 一种基于无线城域网微云负载均衡的任务调度方法 |
CN110445866B (zh) * | 2019-08-12 | 2021-11-30 | 南京工业大学 | 一种移动边缘计算环境中任务迁移和协作式负载均衡方法 |
CN111444009B (zh) * | 2019-11-15 | 2022-10-14 | 北京邮电大学 | 一种基于深度强化学习的资源分配方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618480A (zh) * | 2015-01-29 | 2015-05-13 | 南京理工大学 | 基于网络链路利用率驱动的云系统资源分配方法 |
CN105677447A (zh) * | 2016-01-29 | 2016-06-15 | 哈尔滨工业大学深圳研究生院 | 分布式云中基于聚类的时延带宽极小化虚拟机部署方法 |
US9489240B2 (en) * | 2010-10-22 | 2016-11-08 | Google Technology Holdings LLC | Resource management in a multi-operating environment |
-
2016
- 2016-12-28 CN CN201611234023.4A patent/CN106874108B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9489240B2 (en) * | 2010-10-22 | 2016-11-08 | Google Technology Holdings LLC | Resource management in a multi-operating environment |
CN104618480A (zh) * | 2015-01-29 | 2015-05-13 | 南京理工大学 | 基于网络链路利用率驱动的云系统资源分配方法 |
CN105677447A (zh) * | 2016-01-29 | 2016-06-15 | 哈尔滨工业大学深圳研究生院 | 分布式云中基于聚类的时延带宽极小化虚拟机部署方法 |
Non-Patent Citations (1)
Title |
---|
极小通讯延迟的虚拟机分配算法;高任飞等;《计算机科学与探索》;20150828(第7期);第924-935页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106874108A (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rahimi et al. | MuSIC: Mobility-aware optimal service allocation in mobile cloud computing | |
Rahimi et al. | MAPCloud: Mobile applications on an elastic and scalable 2-tier cloud architecture | |
CN107734558A (zh) | 一种基于多服务器的移动边缘计算控制及资源调度方法 | |
CN112752302A (zh) | 一种基于边缘计算的电力业务时延优化方法及系统 | |
CN110069341B (zh) | 边缘计算中结合功能按需配置的有依赖关系任务的调度方法 | |
CN113011678B (zh) | 基于边缘计算的虚拟运营平台运行控制方法 | |
CN106874108B (zh) | 移动云计算中最小化微云使用个数技术 | |
CN111163178B (zh) | 一种边缘计算中基于博弈论的服务部署及任务卸载方法 | |
CN109947574B (zh) | 一种基于雾网络的车辆大数据计算卸载方法 | |
CN110933139A (zh) | 一种解决Web服务器高并发的系统及方法 | |
CN110968366B (zh) | 一种基于有限mec资源的任务卸载方法、装置及设备 | |
CN110519370B (zh) | 一种基于设施选址问题的边缘计算资源分配方法 | |
Hu et al. | Caching as a service: Small-cell caching mechanism design for service providers | |
CN102662764A (zh) | 一种基于smdp的动态云计算资源优化分配方法 | |
Kapgate | Weighted moving average forecast model based prediction service broker algorithm for cloud computing | |
CN112925607A (zh) | 一种系统扩缩容方法及装置、电子设备 | |
Xu et al. | PDMA: Probabilistic service migration approach for delay‐aware and mobility‐aware mobile edge computing | |
CN114077485A (zh) | 一种物联网边缘计算节点资源的业务调度部署方法 | |
WO2016145137A1 (en) | Scaling the lte control plane for future mobile access | |
Li et al. | Load balancing edge server placement method with QoS requirements in wireless metropolitan area networks | |
CN107360235B (zh) | 一种基于可靠性分级的任务迁移方法 | |
Ma et al. | A cyclic game for service-oriented resource allocation in edge computing | |
Routaib et al. | Modeling and evaluating a cloudlet-based architecture for mobile cloud computing | |
CN108512817B (zh) | 多视频转码调度方法及装置 | |
Globa et al. | Architecture and operation algorithms of mobile core network with virtualization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210209 Termination date: 20211228 |