CN108121512A - 一种边缘计算服务缓存方法、系统、装置及可读存储介质 - Google Patents

一种边缘计算服务缓存方法、系统、装置及可读存储介质 Download PDF

Info

Publication number
CN108121512A
CN108121512A CN201711407289.9A CN201711407289A CN108121512A CN 108121512 A CN108121512 A CN 108121512A CN 201711407289 A CN201711407289 A CN 201711407289A CN 108121512 A CN108121512 A CN 108121512A
Authority
CN
China
Prior art keywords
edge computing
information data
node
storage space
edge
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.)
Granted
Application number
CN201711407289.9A
Other languages
English (en)
Other versions
CN108121512B (zh
Inventor
沈纲祥
王宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou University
Original Assignee
Suzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN201711407289.9A priority Critical patent/CN108121512B/zh
Publication of CN108121512A publication Critical patent/CN108121512A/zh
Priority to PCT/CN2018/105345 priority patent/WO2019119897A1/zh
Priority to US16/348,486 priority patent/US10812615B2/en
Application granted granted Critical
Publication of CN108121512B publication Critical patent/CN108121512B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • G06F16/9574—Browsing optimisation, e.g. caching or content distillation of access to content, e.g. by caching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/061—Improving I/O performance
    • G06F3/0611—Improving I/O performance in relation to response time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0638—Organizing or formatting or addressing of data
    • G06F3/0644—Management of space entities, e.g. partitions, extents, pools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0655—Vertical data movement, i.e. input-output transfer; data movement between one or more hosts and one or more storage devices
    • G06F3/0656—Data buffering arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/121—Shortest path evaluation by minimising delays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/289—Intermediate processing functionally located close to the data consumer application, e.g. in same machine, in same home or in same sub-network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请公开了一种边缘计算服务缓存方法、系统、装置及计算机可读存储介质，将边缘计算服务网络划分为多个区域，每个区域包括多个子区域，子区域与边缘计算节点一一对应，将每个边缘计算节点分为热点存储空间和普通存储空间，根据不同信息数据在不同节点的喜好程度，按照一定的计算方式将其保存至各个边缘计算节点的热点存储空间和本地存储空间中，以优化跨节点协同处理用户访问请求，缩短用户的访问时间，最大化的利用边缘计算节点的处理能力和存储空间，最后通过不断调节热点存储空间大小和改变边缘计算节点中存储的信息数据分布，求解出用户平均访问延时最优情况下的边缘计算节点的信息数据存放分布数据，使得用户的平均访问延时最小。

Description

一种边缘计算服务缓存方法、系统、装置及可读存储介质
技术领域
本发明涉及通信网领域，特别涉及一种边缘计算服务缓存方法、系统、装置及计算机可读存储介质。
背景技术
随着手机流量的爆发式增长，同时大量物联网设备的接入以及对实时性通信的要求，大容量，低时延的通信链路成为必备要求。在此环境下，光纤通信被赋予厚望，其所提供的大容量通信链路与X-Haul无线网络可以共同组成光纤-无线(Fiber Wireless,FI-WI)通信网。基于云的无线接入网(Cloud-Radio Access Network,C-RAN)是FI-WI通信网的一个具体实例，用于实现未来的5G接入网。在未来的5G网络中，为了保证高质量的用户体验(Quality of Experience,QoS)，用户的请求需要在极短的时间内的得到相应的服务，因此，请求时延(从用户发出请求到收到第一个数据包之间的时间)是衡量用户体验的一个重要参数。为了极大的降低用户等待时间，以及同时降低回传网络的压力，一种新的网络架构应运而生，即移动边缘计算服务(Mobile Edge Computing,MEC)。边缘计算通过大量部署微型计算机或超小型数据中心在网络的边缘(如BBU节点，小区的接入网关)，使用户的请求可以就近快速得到服务，而不必跨越多个运营商网络以及骨干网以寻求服务，这样便可以极大的提高用户体验，同时减少回传网络以及骨干网的流量。然而相比于互联网海量的内容以及大型数据中心望尘莫及的处理与存储能力，边缘计算节点在存储资源以及计算处理资源上均是非常有限的。
如何在有限的资源上实现效益的最大化成为了一个亟待解决的问题，尽可能多的服务本地用户，减少用户最小平均访问延时的边缘计算服务缓存方法是当前需要研究的。
发明内容
有鉴于此，本发明的目的在于提供一种边缘计算服务缓存方法、系统、装置及计算机可读存储介质，提高用户体验，缩短用户平均访问延时。其具体方案如下：
一种边缘计算服务缓存方法，包括：
步骤S11：首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满；
步骤S12：利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点；
步骤S13：计算出当前区域内用户访问信息数据的当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新执行步骤S11和步骤S12，计算出调整后平均访问延时；
步骤S14：利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断所述平均访问延时变动量是否满足预设条件；
步骤S15：如果是，则输出平均访问延时最低的区域内所有边缘计算节点的信息数据存放分布数据；
步骤S16：如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新执行步骤S11至步骤S14；
其中，每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间。
可选的，所述数据中心中所有信息数据的全局喜好程度为将每个边缘计算节点的平均用户请求到达率和每个子区域各自统计的各个信息数据的喜好程度，导入全局喜好程度计算公式计算得出的；其中，
所述全局喜好程度计算公式为：
式中，Gc表示第c个信息数据的全局喜好程度，pc.s表示子区域s的用户组对信息数据c的喜好程度，λs表示子区域s内的边缘计算节点的平均用户请求到达率，c∈C，s∈S，C表示数据中心共有C个信息数据，S表示共有S个边缘计算节点，C和S均为正整数。
可选的，所述将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中的过程，包括：
从所有边缘计算节点中筛选出普通存储空间仍有空闲的边缘计算节点，得到候选节点集；
将所述候选节点集中每个边缘计算节点的平均用户请求到达率和每个子区域各自对该信息数据的喜好程度，导入访问权重计算公式，计算出当前待保存的信息数据在所述候选节点集中每个边缘计算节点的访问权重；
将当前待保存的信息数据，存放至访问权重最高的边缘计算节点中；其中，
所述访问权重计算公式为：Yc,s＝λs*pc,s；
式中，Yc,s表示第c个信息数据在子区域s内的访问权重。
可选的，所述将当前待保存的信息数据，存放至访问权重最高的边缘计算节点中的过程，包括：
判断是否存在有多个拥有相同最高访问权重的边缘计算节点；
如果存在，则从多个拥有相同最高访问权重的边缘计算节点中，将每个边缘计算节点的平均用户请求到达率和每个边缘计算节点中已保存的信息数据的喜好程度，导入访问压力计算公式计算出每个边缘计算节点的访问压力；
利用多个访问权重最高的边缘计算节点中，每个边缘计算节点的访问权重和每个边缘计算节点的访问压力，导入预估访问压力计算公式计算出每个边缘计算节点的预估访问压力；
将当前待保存的信息数据，存放至访问权重最高且预估访问压力最低的边缘计算节点中；其中，
所述访问压力计算公式为：
所述预估访问压力计算公式为：
式中，Ws表示子区域s内的边缘计算节点的访问压力，Lm,s表示子区域s内的边缘计算节点中当前保存的信息数据集合，Ws'表示区域s内的边缘计算节点的预估访问压力。
可选的，所述利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小过程，包括：
将当前平均访问延时和调整后平均访问延时，导入存储空间更新公式，计算出每个边缘计算节点的热点存储空间大小；其中，
所述存储空间更新公式为：
式中，M2表示利用当前平均访问延时和调整后平均访问延时调整出的每个边缘计算节点的热点存储空间大小，M0表示当前区域的每个边缘计算节点的热点存储空间大小，Δm表示预设的增量值，α表示预设的增量系数，表示当前平均访问延时，表示调整后平均访问延时。
本发明还公开了一种边缘计算服务缓存系统，包括：
本地存储模块，用于首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满；
共享存储模块，用于利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点；
延时再计算模块，用于计算出当前区域内用户访问信息数据的当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新依序加载所述本地存储模块和所述共享存储模块，计算出调整后平均访问延时；
判断模块，用于利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断所述平均访问延时变动量是否满足预设条件；
输出模块，用于如果是，则输出调整后区域内所有边缘计算节点的信息数据存放分布数据；
循环模块，用于如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新依序加载所述本地存储模块、所述共享存储模块、所述延时再计算模块和所述判断模块；
其中，每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间。
可选的，所述共享存储模块，包括：
筛选单元，用于从所有边缘计算节点中筛选出普通存储空间仍有空闲的边缘计算节点，得到候选节点集；
访问权重计算单元，用于将所述候选节点集中每个边缘计算节点的平均用户请求到达率和每个子区域各自对应的每个信息数据的喜好程度，导入访问权重计算公式，计算出当前待保存的信息数据在所述候选节点集中每个边缘计算节点的访问权重；
保存单元，用于将当前待保存的信息数据，存放至访问权重最高的边缘计算节点中；其中，
所述访问权重计算公式为：Yc,s＝λs*pc,s；
式中，Yc,s表示第c个信息数据在子区域s内的访问权重。
可选的，所述循环模块，包括：
存储空间更新单元，用于将当前平均访问延时和调整后平均访问延时，导入存储空间更新公式，计算出每个边缘计算节点的热点存储空间大小；其中，
所述存储空间更新公式为：
式中，M2表示利用当前平均访问延时和调整后平均访问延时调整出的每个边缘计算节点的热点存储空间大小，M0表示当前区域的每个边缘计算节点的热点存储空间大小，Δm表示预设的增量值，α表示预设的增量系数，表示当前平均访问延时，表示调整后平均访问延时。
本发明还公开了一种边缘计算服务缓存装置，包括：
存储器，用于存储指令；其中，所述指令包括步骤S11：首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满；步骤S12：利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点；步骤S13：计算出当前区域内的用户访问信息数据当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新执行步骤S11和步骤S12，计算出调整后平均访问延时；步骤S14：利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断所述平均访问延时变动量是否满足预设条件；步骤S15：如果是，则输出平均访问延时最低的区域内所有边缘计算节点的信息数据存放分布数据；步骤S16：如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新执行步骤S11至步骤S14；其中，每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间；
处理器，用于执行所述存储器中的指令。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有边缘计算服务缓存程序，所述边缘计算服务缓存程序被处理器执行时实现如前述边缘计算服务缓存方法的步骤。
本发明中，边缘计算服务缓存方法，包括：步骤S11：首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满；步骤S12：利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点；步骤S13：计算出当前区域内的用户访问信息数据当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新执行步骤S11和步骤S12，计算出调整后平均访问延时；步骤S14：利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断平均访问延时变动量是否满足预设条件；步骤S15：如果是，则输出平均访问延时最低的区域内所有边缘计算节点的信息数据存放分布数据；步骤S16：如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新执行步骤S11至步骤S14；其中，每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间。
本发明将边缘计算服务网络划分为多个区域，每个区域包括多个子区域，子区域与边缘计算节点一一对应，将每个边缘计算节点分为热点存储空间和普通存储空间，根据不同信息数据在不同子区域的喜好程度，按照一定的计算方式将其保存至各个边缘计算节点的热点存储空间和本地存储空间中，以优化跨节点协同处理用户访问请求，缩短用户的访问时间，最大化的利用边缘计算节点的处理能力和存储空间，最后通过不断调节热点存储空间大小和改变边缘计算节点中存储的信息数据分布，求解出用户平均访问延时最优情况下的边缘计算节点的信息数据存放分布数据，使得用户的平均访问延时最小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种边缘计算服务缓存方法流程示意图；
图2为本发明实施例公开的一种边缘计算服务缓存系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种边缘计算服务缓存方法，参见图1所示，该方法包括：
步骤S11：首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满。
具体的，在边缘计算服务的一种架构中，一个区域内的网络可以分为3个部分：前传网络(fronthaul)，中传网络(mid-haul)以及回传网络(backhaul)，在该架构中，多个无线节点(射频拉远单元)连接至一个分布式处理单元(Distributed Unit,DU)构成一个前传网络；多个DU单元连接至一个中央处理单元(Central Unit,CU)构成一个中传网络；最后，多个CU单元连接到一起，并通过一个核心交换节点连接至骨干网上，构成回传网络，通常，大型数据中心会被放置在核心节点附近并与骨干网连接。
本发明实施例中，将一个C-RAN网络划分为一个区域，包括一个中央处理单元和多个分布式处理单元，在一个区域内在划分出多个子区域，每个子区域包括一个分布式处理单元和多个无线节点，即每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，回传网络则包括多个区域，每个区域内各个边缘计算节点能够相互访问，当一个边缘计算节点在接收到用户的访问请求后，未能保存有相应的信息数据，则该边缘计算节点可以将用户的访问请求转发至同区域内的另一个边缘计算节点，以响应用户的访问请求，实现各个边缘计算节点之间的信息数据共享。
可以理解的是，一个子区域中包括一个边缘计算节点，一个边缘计算节点对应所属区域的用户组，由于用户的差异性，所以相同的信息数据在不同用户组中有不同的喜好程度。例如：编号为第5的信息数据在子区域1中用户的喜好程度可能为0.3，而该信息数据在第二子区域中受喜好程度可能为0.35。
具体的，可以预先通过统计的方式，统计出每个子区域中用户组对不同信息数据的宏观喜好程度，喜好程度高的数据表明用户访问频率高，因此，为加快用户访问速度，依照喜好程度由高到低的顺序，每个子区域将各自喜好程度较高的信息数据依次存放至与之对应的边缘计算节点预设的热点存储空间中，直至存满，例如，一个子区域中用户组对各个信息数据的喜好程度，依据各个信息数据编号排列如下：0.2,0.3,0.15,0.12,0.13,0.05，……，各个信息数据的喜好程度总和等于1，该子区域中边缘计算节点的热点存储空间为3，则依照喜好程度由高到低的顺序，将编号为2,1,3的信息数据保存至该子区域中边缘计算节点的热点存储空间中。
需要说明的是，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间，热点存储空间为预先设置的小于总存储空间的存储空间，普通存储空间的空间大小为总存储空间与热点存储空间之差，其中，热点存储空间的初始值可以为随机设置。
步骤S12：利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点。
其中，数据中心中包括整个边缘计算服务网络中所有的信息数据，计算出数据中心中所有信息数据的全局喜好程度，从而分辨出信息数据的热度，以便于后续将热度高即用户喜好程度高的信息数据存入边缘计算节点，加快访问速度，减少用户的访问延时，将步骤S11中未保存至当前区域内的信息数据，即当前待保存的信息数据，依照全局喜好程度由高到低的顺序，依次存放至普通存储空间仍有空闲且信息数据在边缘计算节点中访问权重最高的边缘计算节点中，直至所有边缘计算节点均存满。
具体的，可以通过遍历的方式判断数据中心中所有信息数据哪些信息数据是已保存在当前区域中的，当然，遍历数据中心中所有信息数据的顺序应按照全局喜好程度由高到低的顺序进行遍历，以保证全局喜好程度高的数据能够保存至边缘计算节点中。
具体的，当存在未保存至当前区域内的信息数据后，从区域中选取普通存储空间仍有剩余的边缘计算节点，如，区域中共有3个边缘计算节点，第一边缘计算节点普通存储空间剩余5个位置，第二边缘计算节点普通存储空间剩余10个位置，第三边缘计算节点普通存储空间剩余0个位置，则从第一边缘计算节点和第二边缘计算节点中选取信息数据在边缘计算节点中访问权重最高的边缘计算节点，可以理解的是，在遍历过程中随着数据中心中喜好程度高的信息数据不断保存至边缘计算节点中，部分边缘计算节点可能会得到较多的信息数据，因此，普通存储空间可能会先使用完，所以需要在区域中筛选出普通存储空间仍有剩余的边缘计算节点。
具体的，由于区域中可能会有多个普通存储空间仍有剩余的边缘计算节点，因此，优先选择待保存的信息数据在边缘计算节点中访问权重最高的边缘计算节点；由于信息数据保存在不同的边缘计算节点中，不同边缘计算节点对应的用户组不同，访问量不同，喜好程度不同，因此可以计算出信息数据在不同的边缘计算节点中的访问权重，优先选择访问权重高的边缘计算节点，表明该信息数据在该边缘计算节点中能够更频繁的被用户访问，从而减少用户访问时间，提高用户体验。
步骤S13：计算出当前区域内用户访问信息数据的当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新执行步骤S11和步骤S12，计算出调整后平均访问延时。
具体的，在将区域内所有边缘计算节点的热点存储空间和普通存储空间均保存满信息数据后，利用仿真，按照当前区域内边缘计算节点保存的信息数据的存放分布，计算出当前用户访问信息数据的当前平均访问延时，利用预设的增量值和增量公式，调整当前区域内的每个边缘计算节点的热点存储空间大小，得到调整后的区域内的每个边缘计算节点的热点存储空间，重新执行步骤S11和步骤S12中记载的内容，得到调整后区域内所有边缘计算节点的信息数据存放分布，且再次利用仿真按照调整后区域内所有边缘计算节点的信息数据存放分布，计算出调整后的用户访问信息数据的调整后平均访问延时。
其中，增量公式为：M1＝M0+Δm；
式中，M1表示调整后的区域内的每个边缘计算节点的热点存储空间。
步骤S14：利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断平均访问延时变动量是否满足预设条件。
具体的，利用当前平均访问延时和调整后平均访问延时进行比对或运算，可以得到平均访问延时变动量，进而判断判断平均访问延时变动量是否满足预设条件，例如，平均访问延时变动量可以为平均访问延时的斜率，由于每个边缘计算节点的热点存储空间与平均访问延时的关系的分布图为凹曲线分布，且曲线平稳处为平均访问延时最低值，斜率越低表明越接近平均访问延时最低值，因此，利用当前平均访问延时和调整后平均访问延时可以求出平均访问延时的斜率，从而判断斜率是否满足预设范围，从而得到最优区域内所有边缘计算节点的信息数据存放分布数据；当然，也可以判断是否达到预设循环次数，如是否为第50次计算出平均访问延时变动量。
步骤S15：如果是，则输出平均访问延时最低的区域内所有边缘计算节点的信息数据存放分布数据。
具体的，如果满足预设条件，则输出平均访问延时最低时候区域内各个边缘计算节点内信息数据的信息数据存放分布数据。可以理解的是，重复的调整每个边缘计算节点的热点存储空间大小，会生成多次不同的平均访问延时，因此，在平均访问延时变动量满足预设条件后，输出与平均访问延时最低的信息数据存放分布数据，作为最优输出结果。
步骤S16：如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新执行步骤S11至步骤S14。
具体的，如果未满足预设条件，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，清空每个边缘计算节点内的信息数据，按照步骤S11和步骤S12记载的内容，重新将信息数据保存至每个边缘计算节点中，再由步骤S13和步骤S14，求出平均延时变动量，并判断按照调整后区域内边缘计算节点保存的信息数据的存放分布，计算出的平均延时变动量是否满足预设条件，再次决定执行步骤S15或步骤S16，最终，当平均延时变动量满足预设条件，执行步骤S14，输出调整后区域内所有边缘计算节点的信息数据存放分布数据。
可见，本发明实施例将边缘计算服务网络划分为多个区域，每个区域包括多个子区域，子区域与边缘计算节点一一对应，将每个边缘计算节点分为热点存储空间和普通存储空间，根据不同信息数据在不同子区域的喜好程度，按照一定的计算方式将其保存至各个边缘计算节点的热点存储空间和本地存储空间中，以优化跨节点协同处理用户访问请求，缩短用户的访问时间，最大化的利用边缘计算节点的处理能力和存储空间，最后通过不断调节热点存储空间大小和改变边缘计算节点中存储的信息数据分布，求解出用户平均访问延时最优情况下的边缘计算节点的信息数据存放分布数据，使得用户的平均访问延时最小。
本发明实施例公开了一种具体的边缘计算服务缓存方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
本发明实施例中，上述数据中心中所有信息数据的全局喜好程度是通过将每个边缘计算节点的平均用户请求到达率和每个子区域各自统计的各个信息数据的喜好程度，导入全局喜好程度计算公式计算得出的。
具体的，利用预先计算出的每个边缘计算节点的平均用户请求到达率，以及预先计算出的每个边缘计算节点对各个信息数据的喜好程度分布，对各个信息数据进行如下的加权求和，最后得出每个信息数据的全局喜好程度。
其中，全局喜好程度计算公式为：
式中，Gc表示第c个信息数据的全局喜好程度，pc.s表示子区域s的用户组对信息数据c的喜好程度，λs表示子区域s内的边缘计算节点的平均用户请求到达率，c∈C，s∈S，C表示数据中心共有C个信息数据，S表示共有S个边缘计算节点，C和S均为正整数。
例如，有两个边缘计算节点，4种信息数据，第一边缘计算节点的平均用户请求到达率λ1为100，第二边缘计算节点的平均用户请求到达率λ2为120，各信息数据在各个边缘计算节点中的喜好程度可以参见表1信息数据喜好程度分布表所示，将边缘计算节点的平均用户请求到达率和相应的信息数据的喜好程度代入全局喜好程度计算公式，加权求和，便可以得到信息数据的全局喜好程度，如，第一信息数据在第一边缘计算节点的喜好程度为0.4，第一信息数据在第二边缘计算节点的喜好程度为0.3，λ1为100，λ2为120，算得第一信息数据在第一边缘计算节点中的节点喜好程度为40，第一信息数据在第二边缘计算节点中的节点喜好程度为36，第一信息数据的全局喜好程度为76。
表1
本发明实施例中，上述将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中的过程，可以包括如下步骤S21至步骤S23；其中，
步骤S21：从所有边缘计算节点中筛选出普通存储空间仍有空闲的边缘计算节点，得到候选节点集。
步骤S22：将候选节点集中每个边缘计算节点的平均用户请求到达率和每个子区域各自对该信息数据的喜好程度，导入访问权重计算公式，计算出当前待保存的信息数据在候选节点集中每个边缘计算节点的访问权重。
具体的，利用预先统计出每个边缘计算节点的平均用户请求到达率和每个子区域各自对应的每个信息数据的喜好程度，导入访问权重计算公式，计算出当前待保存的信息数据在各个边缘计算节点中的访问权重；其中，
访问权重计算公式为：Yc,s＝λs*pc,s；
式中，Yc,s表示第c个信息数据在子区域s内的访问权重。
例如，第一边缘计算节点的平均用户请求到达率为110，第二边缘计算节点的平均用户请求到达率为120，信息数据在第一边缘计算节点和第二边缘计算节点的喜好程度均为0.2，则代入访问权重计算公式，分别计算出第一边缘计算节点的访问权重为22，第一边缘计算节点的访问权重为24。
步骤S23：将当前待保存的信息数据，存放至访问权重最高的边缘计算节点中。
上述步骤S23将当前待保存的信息数据，存放至访问权重最高的边缘计算节点中的过程，在本发明实施例中可以具体包括步骤S231至步骤S234；其中，
步骤S231：判断是否存在有多个拥有相同最高访问权重的边缘计算节点。
具体的，在实际应用中可能会出现多个与当前待保存的信息数据相应的访问权重最高的边缘计算节点，例如，第一数据在第一边缘计算节点和第二边缘计算节点中的访问权重相同均为22，且高于其他边缘计算节点，此时，需要增加后续判断条件，从访问权重相同的边缘计算节点选出一个边缘计算节点保存信息数据。
步骤S232：如果存在，则从多个拥有相同最高访问权重的边缘计算节点中，将每个边缘计算节点的平均用户请求到达率和每个边缘计算节点中已保存的信息数据的喜好程度，导入访问压力计算公式计算出每个边缘计算节点的访问压力。
具体的，依据访问压力计算公式和分别预先统计出的每个边缘计算节点的平均用户请求到达率和每个边缘计算节点中已保存的信息数据的喜好程度，计算出每个边缘计算节点的访问压力。
其中，访问压力计算公式为：
式中，Ws表示子区域s内的边缘计算节点的访问压力，Lm,s表示子区域s内的边缘计算节点中当前保存的信息数据集合。
例如，第一边缘计算节点中已保存第一信息数据和第二信息数据，第二边缘计算节点中已保存第二信息数据和第四信息数据，第一边缘计算节点的平均用户请求到达率为100，第二边缘计算节点的平均用户请求到达率为120，第一信息数据的喜好程度在第一边缘计算节点中为0.4，第二信息数据的喜好程度在第一边缘计算节点和第二边缘计算节点中分别为0.3和0.3，第四信息数据的喜好程度在第二边缘计算节点中为0.3，则第一边缘计算节点的访问压力为70，第二边缘计算节点的访问压力为72。
步骤S233：利用多个访问权重最高的边缘计算节点中，每个边缘计算节点的访问权重和每个边缘计算节点的访问压力，导入预估访问压力计算公式计算出每个边缘计算节点的预估访问压力；其中，
预估访问压力计算公式为：
式中，Ws'表示区域s内的边缘计算节点的预估访问压力。
例如，第一边缘计算节点的访问压力为70，第二边缘计算节点的访问压力为72，第三数据在第一边缘计算节点和第二边缘计算节点中的访问权重相同均为22，则第一边缘计算节点的预估访问压力为92，第二边缘计算节点的预估访问压力为94。
步骤S234：将当前待保存的信息数据，存放至访问权重最高且预估访问压力最低的边缘计算节点中。
上一实施例中，利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小过程，可以具体为将当前平均访问延时和调整后平均访问延时，导入存储空间更新公式，计算出每个边缘计算节点的热点存储空间大小。
具体的，当判定平均访问延时变动量未满足预设条件，则将当前平均访问延时和调整后平均访问延时，导入存储空间更新公式，重新计算出每个边缘计算节点的热点存储空间大小，以重新向边缘计算节点中保存信息数据，得到新的用户的平均访问延时。
其中，存储空间更新公式为：
式中，M2表示利用当前平均访问延时和调整后平均访问延时调整出的每个边缘计算节点的热点存储空间大小，M0表示当前区域的每个边缘计算节点的热点存储空间大小，Δm表示预设的增量值，α表示预设的增量系数，表示当前平均访问延时，表示调整后平均访问延时。
可以理解的是，在重新计算出每个边缘计算节点的热点存储空间大小的过程中，还包括取整计算。
需要说明的是，可以利用MILP模型验证该算法的有效性，该模型的集合、参数以及变量定义如下，C是内容的集合，S是在单个区域内边缘计算节点的集合，参数si与ci(i∈S)分别表示的是每个边缘计算节点的最大存储空间以及处理能力，综合考虑CPU资源的限制以及连接在边缘计算节点上链路带宽的限制，取其中的最小值，并将其抽象为服务处理能力，即表明该边缘计算节点最多可同时服务ci个用户的请求，当边缘计算节点同一时刻内维持的请求数达到ci时，表明该节点负载已满。参数λi是子区域i(i∈S)中用户的请求到达率，该到达率服从泊松分布。参数表示子区域i中的用户对内容k的喜好程度，该分布可近似于Zipf分布。最后，对应于三种不同的服务情况，利用参数L1,L2,L3分别表示这三种情况下的时延，通常L3＞＞L2＞L1。Δ是一个常量，并且是一个很大的整数。对于变量，是一个二进制变量，当其等于1的时候表明内容k被存储在边缘计算节点i中，反之等于0。ψk(k∈C)也是一个二进制变量，当其等于1的时候表明内容k在该区域内至少被1个边缘计算节点所存储，反之则等于0。(i,j∈S,k∈C)是一个实数变量，其表示在子区域i中对于内容k的请求最终由边缘计算节点j来服务的那部分流量。
其中，MILP模型的目标函数为：
MILP模型的限制条件包括：
在限制条件中，指的是子区域i中对于内容k，其被路由到大型数据中心的那一部分流量。限制条件(1)保证了每个边缘计算节点存储的内容总和不会超过该边缘节点的存储容量限制；限制条件(2)保证了如果内容k在该区域内至少存在一份拷贝时，变量ψk为1，否则为0；限制条件(3)确保了只有边缘计算节点j中存有内容k时，才会对外提供服务；限制条件(4)确保了从整个区域内获得的对子区域i中内容k的总服务流量不会超过其所需的流量；限制条件(5)确保了每个边缘计算节点所提供的对外服务在同一时刻不会超过其服务能力限制。
相应的，本发明实施例还公开了一种边缘计算服务缓存系统，参见图2所示，该系统包括：
本地存储模块11，用于首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满；
共享存储模块12，用于利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点；
延时再计算模块13，用于计算出当前区域内用户访问信息数据的当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新依序加载本地存储模块11和共享存储模块12，计算出调整后平均访问延时；
判断模块14，用于利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断平均访问延时变动量是否满足预设条件；
输出模块15，用于如果是，则输出平均访问延时最低的区域内所有边缘计算节点的信息数据存放分布数据；
循环模块16，用于如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新依序加载本地存储模块11、共享存储模块12、延时再计算模块13和判断模块14；
其中，每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间，热点存储空间为预先设置的小于总存储空间的存储空间，普通存储空间的空间大小为总存储空间与热点存储空间之差。
可见，本发明实施例将边缘计算服务网络划分为多个区域，每个区域包括多个子区域，子区域与边缘计算节点一一对应，将每个边缘计算节点分为热点存储空间和普通存储空间，根据不同信息数据在不同子区域的喜好程度，按照一定的计算方式将其保存至各个边缘计算节点的热点存储空间和本地存储空间中，以优化跨节点协同处理用户访问请求，缩短用户的访问时间，最大化的利用边缘计算节点的处理能力和存储空间，最后通过不断调节热点存储空间大小和改变边缘计算节点中存储的信息数据分布，求解出用户平均访问延时最优情况下的边缘计算节点的信息数据存放分布数据，使得用户的平均访问延时最小。
本发明实施例中，上述共享存储模块12，包括喜好程度计算单元；其中，
喜好程度计算单元，用于将每个边缘计算节点的平均用户请求到达率和每个子区域各自统计的各个信息数据的喜好程度，导入全局喜好程度计算公式计算出数据中心中所有信息数据的全局喜好程度；其中，
全局喜好程度计算公式为：
式中，Gc表示第c个信息数据的全局喜好程度，pc.s表示子区域s的用户对信息数据c的喜好程度，λs表示子区域s内的边缘计算节点的平均用户请求到达率，c∈C，s∈S，C表示数据中心共有C个信息数据，S表示共有S个边缘计算节点，C和S均为正整数。
上述共享存储模块12，包括筛选单元、访问权重计算单元和保存单元；其中，
筛选单元，用于从所有边缘计算节点中筛选出普通存储空间仍有空闲的边缘计算节点，得到候选节点集；
访问权重计算单元，用于将候选节点集中每个边缘计算节点的平均用户请求到达率和每个子区域各自对该信息数据的喜好程度，导入访问权重计算公式，计算出当前待保存的信息数据在候选节点集中每个边缘计算节点的访问权重；
保存单元，用于将当前待保存的信息数据，存放至访问权重最高的边缘计算节点中；其中，
访问权重计算公式为：Yc,s＝λs*pc,s；
式中，Yc,s表示第c个信息数据在子区域s内的访问权重。
上述保存单元，包括：
同权判断子单元，用于判断是否存在有多个拥有相同最高访问权重的边缘计算节点；
访问压力计算子单元，用于如果存在，则利用多个访问权重最高的边缘计算节点中，将每个边缘计算节点的平均用户请求到达率和每个边缘计算节点中已保存的信息数据的喜好程度，导入访问压力计算公式计算出每个边缘计算节点的访问压力；
预估压力计算子单元，用于利用多个访问权重最高的边缘计算节点中，每个边缘计算节点的访问权重和每个边缘计算节点的访问压力，导入预估访问压力计算公式计算出每个边缘计算节点的预估访问压力；
保存子单元，用于将当前待保存的信息数据，存放至访问权重最高且预估访问压力最低的边缘计算节点中；其中，
访问压力计算公式为：
预估访问压力计算公式为：
式中，Ws表示子区域s内的边缘计算节点的访问压力，Lm,s表示子区域s内的边缘计算节点中当前保存的信息数据集合，Ws'表示区域s内的边缘计算节点的预估访问压力。
上述循环模块16，包括存储空间更新单元；其中，
存储空间更新单元，用于将当前平均访问延时和调整后平均访问延时，导入存储空间更新公式，计算出每个边缘计算节点的热点存储空间大小；其中，
存储空间更新公式为：
式中，M2表示利用当前平均访问延时和调整后平均访问延时调整出的每个边缘计算节点的热点存储空间大小，M0表示当前区域的每个边缘计算节点的热点存储空间大小，Δm表示预设的增量值，α表示预设的增量系数，表示当前平均访问延时，表示调整后平均访问延时。
本发明实施例还公开了一种边缘计算服务缓存装置，该装置包括：
存储器，用于存储指令；其中，指令包括步骤S11：首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满；步骤S12：利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点；步骤S13：计算出当前区域内的用户访问信息数据当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新执行步骤S11和步骤S12，计算出调整后平均访问延时；步骤S14：利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断平均访问延时变动量是否满足预设条件；步骤S15：如果是，则输出平均访问延时最低的区域内所有边缘计算节点的信息数据存放分布数据；步骤S16：如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新执行步骤S11至步骤S14；其中，每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间；
处理器，用于执行存储器中的指令。
关于本发明实施例中存储器中存储的存储指令具体内容，可以参考前述实施例中记载的相应内容，在此不再赘述。
本发明实施例还公开了一种计算机可读存储介质，计算机可读存储介质上存储有边缘计算服务缓存程序，边缘计算服务缓存程序被处理器执行时实现如前述边缘计算服务缓存方法的步骤。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上对本发明所提供的一种边缘计算服务缓存方法、系统、装置及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种边缘计算服务缓存方法，其特征在于，包括：
步骤S11：首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满；
步骤S12：利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点；
步骤S13：计算出当前区域内的用户访问信息数据当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新执行步骤S11和步骤S12，计算出调整后平均访问延时；
步骤S14：利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断所述平均访问延时变动量是否满足预设条件；
步骤S15：如果是，则输出平均访问延时最低的区域内所有边缘计算节点的信息数据存放分布数据；
步骤S16：如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新执行步骤S11至步骤S14；
其中，每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间。
2.根据权利要求1所述的边缘计算服务缓存方法，其特征在于，所述数据中心中所有信息数据的全局喜好程度为将每个边缘计算节点的平均用户请求到达率和每个子区域各自统计的各个信息数据的喜好程度，导入全局喜好程度计算公式计算得出的；其中，
所述全局喜好程度计算公式为：
式中，Gc表示第c个信息数据的全局喜好程度，pc.s表示子区域s的用户组对信息数据c的喜好程度，λs表示子区域s内的边缘计算节点的平均用户请求到达率，c∈C，s∈S，C表示数据中心共有C个信息数据，S表示共有S个边缘计算节点，C和S均为正整数。
3.根据权利要求1所述的边缘计算服务缓存方法，其特征在于，所述将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中的过程，包括：
从所有边缘计算节点中筛选出普通存储空间仍有空闲的边缘计算节点，得到候选节点集；
将所述候选节点集中每个边缘计算节点的平均用户请求到达率和每个子区域各自对该信息数据的喜好程度，导入访问权重计算公式，计算出当前待保存的信息数据在所述候选节点集中每个边缘计算节点的访问权重；
将当前待保存的信息数据，存放至访问权重最高的边缘计算节点中；其中，
所述访问权重计算公式为：Yc,s＝λs*pc,s；
式中，Yc,s表示第c个信息数据在子区域s内的访问权重。
4.根据权利要求3所述的边缘计算服务缓存方法，其特征在于，所述将当前待保存的信息数据，存放至访问权重最高的边缘计算节点中的过程，包括：
判断是否存在有多个拥有相同最高访问权重的边缘计算节点；
如果存在，则从多个拥有相同最高访问权重的边缘计算节点中，将每个边缘计算节点的平均用户请求到达率和每个边缘计算节点中已保存的信息数据的喜好程度，导入访问压力计算公式计算出每个边缘计算节点的访问压力；
利用多个访问权重最高的边缘计算节点中，每个边缘计算节点的访问权重和每个边缘计算节点的访问压力，导入预估访问压力计算公式计算出每个边缘计算节点的预估访问压力；
将当前待保存的信息数据，存放至访问权重最高且预估访问压力最低的边缘计算节点中；其中，
所述访问压力计算公式为：
所述预估访问压力计算公式为：
式中，Ws表示子区域s内的边缘计算节点的访问压力，Lm,s表示子区域s内的边缘计算节点中当前保存的信息数据集合，Ws'表示区域s内的边缘计算节点的预估访问压力。
5.根据权利要求1至4任一项所述的边缘计算服务缓存方法，其特征在于，所述利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小过程，包括：
将当前平均访问延时和调整后平均访问延时，导入存储空间更新公式，计算出每个边缘计算节点的热点存储空间大小；其中，
所述存储空间更新公式为：
式中，M2表示利用当前平均访问延时和调整后平均访问延时调整出的每个边缘计算节点的热点存储空间大小，M0表示当前区域的每个边缘计算节点的热点存储空间大小，Δm表示预设的增量值，α表示预设的增量系数，表示当前平均访问延时，表示调整后平均访问延时。
6.一种边缘计算服务缓存系统，其特征在于，包括：
本地存储模块，用于首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满；
共享存储模块，用于利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点；
延时再计算模块，用于计算出当前区域内用户访问信息数据的当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新依序加载所述本地存储模块和所述共享存储模块，计算出调整后平均访问延时；
判断模块，用于利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断所述平均访问延时变动量是否满足预设条件；
输出模块，用于如果是，则输出平均访问延时最低的区域内所有边缘计算节点的信息数据存放分布数据；
循环模块，用于如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新依序加载所述本地存储模块、所述共享存储模块、所述延时再计算模块和所述判断模块；
其中，每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间。
7.根据权利要求6所述的边缘计算服务缓存系统，其特征在于，所述共享存储模块，包括：
筛选单元，用于从所有边缘计算节点中筛选出普通存储空间仍有空闲的边缘计算节点，得到候选节点集；
访问权重计算单元，用于将所述候选节点集中每个边缘计算节点的平均用户请求到达率和每个子区域各自对应的每个信息数据的喜好程度，导入访问权重计算公式，计算出当前待保存的信息数据在所述候选节点集中每个边缘计算节点的访问权重；
保存单元，用于将当前待保存的信息数据，存放至访问权重最高的边缘计算节点中；其中，
所述访问权重计算公式为：Yc,s＝λs*pc,s；
式中，Yc,s表示第c个信息数据在子区域s内的访问权重。
8.根据权利要求6或7所述的边缘计算服务缓存系统，其特征在于，所述循环模块，包括：
存储空间更新单元，用于将当前平均访问延时和调整后平均访问延时，导入存储空间更新公式，计算出每个边缘计算节点的热点存储空间大小；其中，
所述存储空间更新公式为：
式中，M2表示利用当前平均访问延时和调整后平均访问延时调整出的每个边缘计算节点的热点存储空间大小，M0表示当前区域的每个边缘计算节点的热点存储空间大小，Δm表示预设的增量值，α表示预设的增量系数，表示当前平均访问延时，表示调整后平均访问延时。
9.一种边缘计算服务缓存装置，其特征在于，包括：
存储器，用于存储指令；其中，所述指令包括步骤S11：首先，每个子区域根据各信息数据在自己子区域内的喜好程度，将信息数据由高到低进行排序，然后，各个子区域依照自己的排序，将信息数据由高到低的存放至自己所对应的边缘计算节点的热点存储空间中，直至存满；步骤S12：利用数据中心中所有信息数据的全局喜好程度，将信息数据由高到低进行排序，依序将每一个当前待保存的信息数据，存放至筛选出的边缘计算节点中，直至所有边缘计算节点均存满，其中，筛选出的边缘计算节点为仍有空闲共享空间，且对当前待保存的信息数据具有最高访问权重的节点；步骤S13：计算出当前区域内的用户访问信息数据当前平均访问延时，利用预设的增量值，调整当前区域内每个边缘计算节点的热点存储空间大小，重新执行步骤S11和步骤S12，计算出调整后平均访问延时；步骤S14：利用当前平均访问延时和调整后平均访问延时，求出平均访问延时变动量，判断所述平均访问延时变动量是否满足预设条件；步骤S15：如果是，则输出平均访问延时最低的区域内所有边缘计算节点的信息数据存放分布数据；步骤S16：如果否，则利用当前平均访问延时和调整后平均访问延时，调整每个边缘计算节点的热点存储空间大小，重新执行步骤S11至步骤S14；其中，每个子区域内包括一个边缘计算节点，每个区域包括S个子区域，S为正整数，每个边缘计算节点的总存储空间包括热点存储空间和普通存储空间；
处理器，用于执行所述存储器中的指令。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有边缘计算服务缓存程序，所述边缘计算服务缓存程序被处理器执行时实现如权利要求1至5任一项所述边缘计算服务缓存方法的步骤。
CN201711407289.9A 2017-12-22 2017-12-22 一种边缘计算服务缓存方法、系统、装置及可读存储介质 Active CN108121512B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201711407289.9A CN108121512B (zh) 2017-12-22 2017-12-22 一种边缘计算服务缓存方法、系统、装置及可读存储介质
PCT/CN2018/105345 WO2019119897A1 (zh) 2017-12-22 2018-09-13 一种边缘计算服务缓存方法、系统、装置及可读存储介质
US16/348,486 US10812615B2 (en) 2017-12-22 2018-09-13 Caching method, system, device and readable storage media for edge computing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711407289.9A CN108121512B (zh) 2017-12-22 2017-12-22 一种边缘计算服务缓存方法、系统、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN108121512A true CN108121512A (zh) 2018-06-05
CN108121512B CN108121512B (zh) 2020-04-07

Family

ID=62231274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711407289.9A Active CN108121512B (zh) 2017-12-22 2017-12-22 一种边缘计算服务缓存方法、系统、装置及可读存储介质

Country Status (3)

Country Link
US (1) US10812615B2 (zh)
CN (1) CN108121512B (zh)
WO (1) WO2019119897A1 (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109274527A (zh) * 2018-08-31 2019-01-25 南京邮电大学 一种用于支持mec的scn蜂窝网的缓存优化方法
CN109379225A (zh) * 2018-10-22 2019-02-22 北京邮电大学 一种边缘网络间的数据请求处理方法和装置
CN109492536A (zh) * 2018-10-12 2019-03-19 大唐高鸿信息通信研究院（义乌）有限公司 一种基于5g架构的人脸识别方法及系统
CN109818788A (zh) * 2019-01-23 2019-05-28 南京邮电大学 一种基于次模优化的边缘缓存c-ran中计算资源分配方法
CN109918894A (zh) * 2019-03-01 2019-06-21 中南大学 边缘计算网络视频处理中基于声誉的信任评估方法
WO2019119897A1 (zh) * 2017-12-22 2019-06-27 苏州大学张家港工业技术研究院 一种边缘计算服务缓存方法、系统、装置及可读存储介质
CN110022377A (zh) * 2019-04-19 2019-07-16 中国联合网络通信集团有限公司 云游戏服务器的调整方法及系统
CN110247793A (zh) * 2019-05-29 2019-09-17 暨南大学 一种移动边缘云中的应用程序部署方法
CN110933692A (zh) * 2019-12-02 2020-03-27 山东大学 一种基于边缘计算框架的优化缓存系统及其应用
CN111324839A (zh) * 2020-02-20 2020-06-23 盈嘉互联（北京）科技有限公司 建筑大数据缓存方法及装置
CN111414227A (zh) * 2019-01-08 2020-07-14 阿里巴巴集团控股有限公司 一种读取镜像数据的方法、装置以及计算设备
CN111586191A (zh) * 2020-05-25 2020-08-25 安徽大学 一种数据协作缓存方法、系统及电子设备
CN111770477A (zh) * 2020-06-08 2020-10-13 中天通信技术有限公司 一种mec网络的保护资源的部署方法及相关装置
CN111770152A (zh) * 2020-06-24 2020-10-13 中国科学院计算技术研究所 一种边缘数据管理方法、介质、边缘服务器和系统
CN111901424A (zh) * 2020-07-28 2020-11-06 苏州大学 云边协同网络资源平滑迁移与重构方法及系统
CN112491936A (zh) * 2019-09-11 2021-03-12 中国电信股份有限公司 多接入边缘计算方法、设备和系统
CN113051298A (zh) * 2019-12-27 2021-06-29 中国联合网络通信集团有限公司 内容缓存方法及装置
CN113115366A (zh) * 2021-03-19 2021-07-13 北京邮电大学 不同服务业务置入移动边缘节点的方法、装置及系统
CN113722531A (zh) * 2021-09-08 2021-11-30 北京奇艺世纪科技有限公司 一种数据存储方法、装置、系统、设备及存储介质
CN114285854A (zh) * 2022-03-03 2022-04-05 成都工业学院 具备存储优化和安全传输能力的边缘计算系统与方法
CN117857555A (zh) * 2024-03-05 2024-04-09 浙江万雾信息科技有限公司 一种基于边缘计算的数据共享方法及系统

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10922018B2 (en) * 2019-03-04 2021-02-16 Verizon Media Inc. System and method for latency aware data access
US20210037091A1 (en) * 2019-07-30 2021-02-04 Cisco Technology, Inc. Peer discovery process for disconnected nodes in a software defined network
CN110602178B (zh) * 2019-08-26 2021-11-26 杭州电子科技大学 一种基于边缘压缩计算处理温度传感器数据的方法
CN111309254B (zh) * 2020-02-03 2024-08-16 北京字节跳动网络技术有限公司 数据处理方法、装置、可读介质及电子设备
CN112261667B (zh) * 2020-10-19 2022-09-09 重庆大学 一种基于边缘计算的fiwi网络媒体接入控制系统及方法
CN112437156B (zh) * 2020-11-23 2022-01-14 兰州理工大学 一种基于mec-d2d的分布式协同缓存方法
US11647442B2 (en) * 2021-01-22 2023-05-09 Verizon Patent And Licensing Inc. Centralized ran cell sector clustering based on cell sector performance
CN113746503B (zh) * 2021-08-02 2023-01-06 深圳市联强邦盛实业有限公司 一种基于hplc技术的低压台区数据显示系统及方法
CN114500529A (zh) * 2021-12-28 2022-05-13 航天科工网络信息发展有限公司 一种基于可感知冗余的云边协同缓存方法及系统
CN114866462B (zh) * 2022-07-06 2022-09-09 广东新宏基信息技术有限公司 一种智慧校园的物联网通信路由方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170034643A1 (en) * 2015-07-29 2017-02-02 Intel Corporation Technologies for an automated application exchange in wireless networks
CN106534333A (zh) * 2016-11-30 2017-03-22 北京邮电大学 一种基于mec和mcc的双向选择计算卸载方法
CN107450982A (zh) * 2017-06-07 2017-12-08 上海交通大学 一种基于系统状态的任务调度方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7444662B2 (en) * 2001-06-28 2008-10-28 Emc Corporation Video file server cache management using movie ratings for reservation of memory and bandwidth resources
US9756142B2 (en) * 2013-03-14 2017-09-05 The Regents Of The University Of California System and method for delivering video data from a server in a wireless network by caching the video data
CN108121512B (zh) 2017-12-22 2020-04-07 苏州大学 一种边缘计算服务缓存方法、系统、装置及可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170034643A1 (en) * 2015-07-29 2017-02-02 Intel Corporation Technologies for an automated application exchange in wireless networks
CN106534333A (zh) * 2016-11-30 2017-03-22 北京邮电大学 一种基于mec和mcc的双向选择计算卸载方法
CN107450982A (zh) * 2017-06-07 2017-12-08 上海交通大学 一种基于系统状态的任务调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田辉 等: "面向5G需求的移动边缘计算", 《北京邮电大学学报》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019119897A1 (zh) * 2017-12-22 2019-06-27 苏州大学张家港工业技术研究院 一种边缘计算服务缓存方法、系统、装置及可读存储介质
US10812615B2 (en) 2017-12-22 2020-10-20 Soochow University Caching method, system, device and readable storage media for edge computing
CN109274527B (zh) * 2018-08-31 2021-11-26 南京邮电大学 一种用于支持mec的scn蜂窝网的缓存优化方法
CN109274527A (zh) * 2018-08-31 2019-01-25 南京邮电大学 一种用于支持mec的scn蜂窝网的缓存优化方法
CN109492536A (zh) * 2018-10-12 2019-03-19 大唐高鸿信息通信研究院（义乌）有限公司 一种基于5g架构的人脸识别方法及系统
CN109492536B (zh) * 2018-10-12 2020-12-04 大唐高鸿信息通信(义乌)有限公司 一种基于5g架构的人脸识别方法及系统
CN109379225A (zh) * 2018-10-22 2019-02-22 北京邮电大学 一种边缘网络间的数据请求处理方法和装置
CN111414227A (zh) * 2019-01-08 2020-07-14 阿里巴巴集团控股有限公司 一种读取镜像数据的方法、装置以及计算设备
CN111414227B (zh) * 2019-01-08 2023-03-21 阿里巴巴集团控股有限公司 一种读取镜像数据的方法、装置以及计算设备
CN109818788A (zh) * 2019-01-23 2019-05-28 南京邮电大学 一种基于次模优化的边缘缓存c-ran中计算资源分配方法
CN109818788B (zh) * 2019-01-23 2022-03-29 南京邮电大学 一种基于次模优化的边缘缓存c-ran中计算资源分配方法
CN109918894A (zh) * 2019-03-01 2019-06-21 中南大学 边缘计算网络视频处理中基于声誉的信任评估方法
CN109918894B (zh) * 2019-03-01 2020-11-27 中南大学 边缘计算网络视频处理中基于声誉的信任评估方法
CN110022377B (zh) * 2019-04-19 2021-11-09 中国联合网络通信集团有限公司 云游戏服务器的调整方法及系统
CN110022377A (zh) * 2019-04-19 2019-07-16 中国联合网络通信集团有限公司 云游戏服务器的调整方法及系统
CN110247793A (zh) * 2019-05-29 2019-09-17 暨南大学 一种移动边缘云中的应用程序部署方法
CN112491936B (zh) * 2019-09-11 2023-09-01 中国电信股份有限公司 多接入边缘计算方法、设备和系统
CN112491936A (zh) * 2019-09-11 2021-03-12 中国电信股份有限公司 多接入边缘计算方法、设备和系统
CN110933692A (zh) * 2019-12-02 2020-03-27 山东大学 一种基于边缘计算框架的优化缓存系统及其应用
CN110933692B (zh) * 2019-12-02 2021-06-01 山东大学 一种基于边缘计算框架的优化缓存系统及其应用
CN113051298A (zh) * 2019-12-27 2021-06-29 中国联合网络通信集团有限公司 内容缓存方法及装置
CN111324839A (zh) * 2020-02-20 2020-06-23 盈嘉互联（北京）科技有限公司 建筑大数据缓存方法及装置
CN111324839B (zh) * 2020-02-20 2021-07-27 盈嘉互联（北京）科技有限公司 建筑大数据缓存方法及装置
CN111586191A (zh) * 2020-05-25 2020-08-25 安徽大学 一种数据协作缓存方法、系统及电子设备
CN111586191B (zh) * 2020-05-25 2022-08-19 安徽大学 一种数据协作缓存方法、系统及电子设备
CN111770477B (zh) * 2020-06-08 2024-01-30 中天通信技术有限公司 一种mec网络的保护资源的部署方法及相关装置
CN111770477A (zh) * 2020-06-08 2020-10-13 中天通信技术有限公司 一种mec网络的保护资源的部署方法及相关装置
CN111770152A (zh) * 2020-06-24 2020-10-13 中国科学院计算技术研究所 一种边缘数据管理方法、介质、边缘服务器和系统
WO2022021176A1 (zh) * 2020-07-28 2022-02-03 苏州大学 云边协同网络资源平滑迁移与重构方法及系统
CN111901424A (zh) * 2020-07-28 2020-11-06 苏州大学 云边协同网络资源平滑迁移与重构方法及系统
CN111901424B (zh) * 2020-07-28 2021-09-07 苏州大学 云边协同网络资源平滑迁移与重构方法及系统
CN113115366A (zh) * 2021-03-19 2021-07-13 北京邮电大学 不同服务业务置入移动边缘节点的方法、装置及系统
CN113722531A (zh) * 2021-09-08 2021-11-30 北京奇艺世纪科技有限公司 一种数据存储方法、装置、系统、设备及存储介质
CN114285854A (zh) * 2022-03-03 2022-04-05 成都工业学院 具备存储优化和安全传输能力的边缘计算系统与方法
CN117857555A (zh) * 2024-03-05 2024-04-09 浙江万雾信息科技有限公司 一种基于边缘计算的数据共享方法及系统
CN117857555B (zh) * 2024-03-05 2024-05-14 浙江万雾信息科技有限公司 一种基于边缘计算的数据共享方法及系统

Also Published As

Publication number Publication date
US20190260845A1 (en) 2019-08-22
US10812615B2 (en) 2020-10-20
CN108121512B (zh) 2020-04-07
WO2019119897A1 (zh) 2019-06-27

Similar Documents

Publication Publication Date Title
CN108121512B (zh) 一种边缘计算服务缓存方法、系统、装置及可读存储介质
CN114205317B (zh) 基于sdn与nfv的服务功能链sfc资源分配方法及电子设备
US10887172B2 (en) Network function virtualization
WO2019072162A1 (zh) 虚拟网络映射方法、设备和存储介质
Chen et al. Latency minimization for mobile edge computing networks
CN114007225A (zh) Bwp的分配方法、装置、电子设备及计算机可读存储介质
CN110913430B (zh) 无线网络中文件的主动式协作缓存方法及缓存管理装置
CN110535705B (zh) 一种自适应用户时延要求的服务功能链构建方法
Xiang et al. Resource calendaring for mobile edge computing: centralized and decentralized optimization approaches
CN110167031B (zh) 一种面向集中式基站的资源分配方法、设备及存储介质
CN109041236B (zh) 一种不同权重业务的无线资源分配方法及装置
CN114785692A (zh) 一种虚拟电厂聚合调控通信网络流量均衡方法及装置
Malazi et al. Distributed service placement and workload orchestration in a multi-access edge computing environment
CN114168351A (zh) 一种资源调度方法、装置、电子设备及存储介质
Doanis et al. Scalable end-to-end slice embedding and reconfiguration based on independent DQN agents
CN115277572B (zh) 一种多源点多汇点网络的拥塞控制方法及系统
CN114978913B (zh) 一种基于切链的服务功能链跨域部署方法及系统
CN112637904B (zh) 负载均衡方法、装置及计算设备
Guan et al. Multidimensional resource fragmentation-aware virtual network embedding for IoT applications in MEC networks
Tran et al. Joint service function chain embedding and routing in cloud-based nfv: A deep q-learning based approach
Xu et al. Adaptive edge service deployment in burst load scenarios using deep reinforcement learning
Shin et al. An AHP-based resource management scheme for CRRM in heterogeneous wireless networks
CN111314963B (zh) 一种小区负荷均衡方法及装置
CN115361284B (zh) 一种基于sdn的虚拟网络功能的部署调整方法
Lohat et al. An efficient task offloading strategy based on Aquila Student Psychology Optimization Algorithm in internet of vehicles‐fog computing systems

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