CN108234603A - 一种基于定价的边缘计算资源分配方法及系统 - Google Patents

Abstract

本发明公开了一种基于定价的边缘计算资源分配方法，包括以下步骤：基站收集用户设备计算能力参数，根据参数定义价格集合，按照价格集合中元素的降序，将最优价格发布给用户；用户则根据价格，寻找最优上传计算量，使代价函数最小化；基站根据上传的计算量，判定是否超过边缘计算服务器的计算容量上限，没有超过则计算当前价格产生的收益；基站通过线性搜索获取最优价格使基站收益最大化。本发明通过将计算任务分配给基站和本地处理器，减少计算时延，并对信息交互过程通过斯塔克尔伯格博弈建模和求解，获取用户最优上传量和基站最优价格，最小化用户代价函数，最大化基站收益。

Description

一种基于定价的边缘计算资源分配方法及系统

技术领域

本发明涉及边缘计算技术领域，特别涉及一种基于定价的边缘计算资源分配方法及系统。

背景技术

随着物联网的迅猛发展，移动应用的数量和种类不断增加，未来的无线网络需要实现极短时延的通信和快速计算来增强用户体验。然而，物联网设备通常具备体积小和电池容量低的特点，因此对于实时的数据处理来说，这些设备往往面临着密集计算和高资源消耗等挑战。为了解决上述矛盾，边缘计算开始发展，边缘计算是最近新兴的一种技术，和传统的云计算不同，传统的云计算服务器通常位于比较偏远的位置，具有较大的时延和较差的无线信道。边缘计算把用户处计算量密集的任务上传到网络的边缘，例如，基站，无线接入点等，能够得到较小时延和灵活计算的通信服务。边缘计算被广泛认为是下一代无线通信的核心技术，但是有关于边缘计算的研究和应用才刚刚开始。

现有的边缘计算系统中，大多数方案考虑的都是边缘计算服务器的计算容量为无穷大的情况。然而，边缘计算的服务器在网络的边缘，使得边缘计算服务器的数量、体积都有十分严格的限制，它的计算容量应该是有限的，特别是在网络的计算负载比较大的时候。从这个角度上来说，现有的边缘计算方案具有明显的不合理性。

因此，如何充分考虑实际情况，以及采取有效的资源分配方法来减少用户计算任务的时延，是当前需要解决的难题。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于定价的边缘计算资源分配方法：基站收集用户设备计算能力参数，根据参数定义价格集合，按照集合中元素的降序，将最优价格发布给用户；用户则根据价格，寻找最优上传计算量，使代价函数最小化；基站根据上传的计算量，判定是否超过边缘计算服务器的计算容量上限，没有超过则计算当前价格产生的收益；基站通过线性搜索获取最优价格使基站收益最大化。

本发明的另一目的在于提供一种基于定价的边缘计算资源分配系统。

本发明的主要目的通过以下技术方案实现：

一种基于定价的边缘计算资源分配方法，包括以下步骤：

S1、基站收集用户的用户设备计算能力参数；

S2、根据收集的用户设备计算能力参数，定义一个可行的价格集合，按照集合中元素的降序，逐一向用户发布价格集合里的价格；

S3、用户根据发布的价格，通过寻找最优上传计算量反馈给基站，使用户自己的代价函数最小化；

S4、根据用户上传计算量的反馈，基站给用户提供边缘计算服务器的计算资源进行收费，基站计算当前价格的收益，如果价格穷举完，或者当前价格使得所有用户上传计算量总值大于边缘计算服务器的计算容量上限，则停止更新价格，通过线性搜索已穷举的价格集合找出最优价格，向用户发布最优价格；否则更新价格，再进行下一轮定价。

所述的计算能力参数包括用户设备的CPU计算频率和计算1比特数据所需的CPU周期数，用来表示用户设备的计算能力；

所述的最优上传计算量为计算任务的一部分，计算任务剩下的部分则由用户本地处理器处理；计算任务为每个用户需要处理的全部计算量；将计算任务进行合理分配处理，能够有效地减少用户计算的时延；

所述的代价函数为用户执行完计算任务所需的时间和向基站支付的费用之和；

所述用户最优的上传计算量总和小于或等于边缘计算服务器的计算容量上限，则基站的收益为用户支付费用之和；否则发布的价格无效，基站的收益为0；为了保证所有用户上传的总计算量不超过边缘计算服务器的计算容量上限，调节计算资源的需求关系，基站给有限的边缘计算服务器的计算资源定价，用户支付费用来使用边缘计算服务器的计算资源，整个方法的信息交互过程通过斯塔克尔伯格博弈建模并求解。

斯塔克尔伯格博弈建模求解的过程如下：

每个用户k需要处理R_k比特的输入数据，为了减少计算时延，每个用户k上传0≤l_k≤R_k比特的数据到边缘计算服务器上处理，剩下的(R_k-l_k)比特数据由本地计算完成。定义计算1比特用户k的数据所需要的CPU周期数为C_k，边缘计算服务器处的每个CPU周期的价格为μ，边缘计算服务器的目的是在保证不超过计算容量上限的前提下，最大化边缘计算服务器收益，也是斯塔克尔伯格博弈建模求解的主问题，最大化边缘计算服务器收益的目标函数如下：

其中，为边缘计算服务器的计算容量上限。

F_k为定义用户k的本地CPU的计算频率，t_loc,k为那么用户k计算本地数据的时间：

用户k处上传计算量的处理时间t_off,k由三部分组成：上行上传计算量的时间t_u,k，边缘计算服务器的计算时间t_c,k，下行下载计算结果的时间t_d,k。假设边缘计算服务器计算用户k上传计算量l_k的计算结果为：α_kl_k，其中，α_k代表边缘计算服务器计算用户k上传数据的输出输入比率，这取决于用户上传的不同应用的数据，因此得到t_u,k＝l_k/r_k和t_d,k＝α_kl_k/r_B,k，其中r_k和r_B,k分别代表用户k的上传速率和基站到用户k的下行速率。此外，定义边缘计算服务器分配给用户k的计算速度为f_c,k，得到t_c,k＝l_kC_k/f_c,k。为了考虑问题的方便，假设在边缘计算服务器处的计算速度是平均分配给各个用户的。综上，得到用户k处上传计算量的处理时间t_off,k为：

最后，因为用户上传数据和本地计算并行进行，所以用户k处理完所有计算任务所需的时间t_k为：

t_k＝max{t_loc,k,t_off,k} (4)

按照之前的定义，用户的代价函数为执行完计算任务所需的时间t_k和向基站支付的费用之和：

U_k(l_k,μ)＝t_k+μl_kC_k (5)

上式等价于

其中，很容易证明0＜m_k＜R_k，β_k为引入的中间常量，m_k为引入的上传计算量中间常量；

用户的目的是最小化自己的代价函数，也是斯塔克尔伯格博弈的从问题，代价函数如下：

上面提出的斯塔克尔伯格博弈问题通过逆推法进行求解。具体地，当边缘计算服务器给定价格μ的时候，每个用户k通过求解问题P2得到自己最优的上传计算量当知道每个用户随价格而变化的最优上传计算量后，边缘计算服务器通过求解问题P1得到最优的价格μ^*。下面为求解过程：

对于问题P2,在给定价格μ的时候，通过分析目标函数的单调性，得到最优上传计算量为：

因为μ＝1/F_k对于所有的用户k不能同时满足，所以当μ＝1/F_k的时候，令l_k＝m_k。因此，在给定价格μ的时候，用户k的最优上传计算量等价于下式：

其中，二进制变量x_k定义为：

把公式(9)代入公式(1)中，边缘计算服务器端的最优化问题等价于：

其中，二进制变量x_k是一个关于给定价格μ的函数。

不失一般性地，把用户的计算频率按照1/F₁＜…＜1/F_K-1＜1/F_K进行排序，容易得到，最优价格μ^*的上限一定为1/F_K，否则，所有用户x_k＝0，即所有用户都因为价格太昂贵而选择不上传任何计算量到边缘计算服务器，在这个时候，边缘计算服务器的收益为0，显然不会是最优的。另外，当价格太便宜时，所有用户都上传一部分计算量，此时我们有x_k＝1对任意的用户k都成立，能够得到μ≤1/F₁，又因为目标函数关于价格是单调递增的，因此得到最优价格μ^*的下限为1/F₁。

更进一步地，最优的价格μ^*一定存在集合{1/F₁,…,1/F_K-1,1/F_K}里。下面通过反证法证明上述结论。

假设价格μ^*存在区间里，考虑情况对于价格μ^*和从式(10)得到：

因此，两种价格μ^*和对应的相等。又因为目标函数关于价格是单调递增的，且所以价格下的收益一定比价格μ^*下的收益大，这和之前假设的价格μ^*为最优价格相矛盾。因此事先的假设不成立，从而得出，最优价格一定在集合{1/F₁,…,1/F_K-1,1/F_K}内。

根据以上结论，最优价格μ^*可以在可行的价格集合{1/F₁,…,1/F_K-1,1/F_K}里按照元素降序的顺序，通过一维线性搜索得到。特别地，因为关于价格递减，假如当前的价格使得约束不满足，那么当前价格无效，同时也无需再穷举集合{1/F₁,…,1/F_K-1,1/F_K}里剩下的元素。

本发明的另一目的通过以下的技术方案实现：

一种基于定价的边缘计算资源分配系统，包括多个用户、基站和边缘计算服务器，所述基站与多个用户连接，基站与边缘计算服务器连接，所述用户向基站上传计算量；所述基站为用户提供边缘计算服务器的计算资源，帮助用户进行上传计算量的计算。

本发明与现有技术相比，具有如下优点和有益效果：

本发明将计算任务分给基站和本地处理器进行处理，通过斯塔克尔伯格博弈建模并求解，得出最优上传计算量，对计算任务进行合理分配，在边缘计算服务器计算资源受限的前提下，有效地减少用户计算的时延。

附图说明

图1是本发明所述的一种基于定价的边缘计算资源分配系统结构框图。

图2是本发明所述的一种基于定价的边缘计算资源分配方法的工作原理图。

图3是本发明所述的一种基于定价的边缘计算资源分配方法的流程图。

图4是本发明所述的一种基于定价的边缘计算资源分配方法关于计算时延的仿真效果图。

图5是本发明所述的一种基于定价的边缘计算资源分配方法关于基站收益的仿真效果图。

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：

图1为一种基于定价的边缘计算资源分配方法的系统结构框图，包括多个用户、边缘计算服务器和基站，所述边缘计算服务器与基站连接，基站与多个用户连接，用户能将一部分计算量上传到与基站相连的边缘计算服务器进行计算，剩下的一部分计算量由本地处理器进行计算，实现了对计算量的合理分配，减少了计算的时延。

一种基于定价的边缘计算资源分配方法的工作原理如图2所示，整个方法的消息交互过程：基站向用户发布价格；用户根据价格寻找最优的上传计算量上传到边缘计算服务器，使代价函数最小化，并把计算量上传的分配方式反馈给基站；整个消息交互过程由斯塔克尔伯格博弈建模并求解。

一种基于定价的边缘计算资源分配方法的流程图如图3所示，包括步骤为：

第一步，基站收集用户的用户设备计算能力参数；所述用户设备的计算能力参数包括用户的CPU计算频率F_k和计算1比特数据所需的CPU周期数C_k；

第二步，根据收集的用户设备计算能力参数，定义一个可行的价格集合{1/F₁,…,1/F_K-1,1/F_K}，其中1/F₁＜…＜1/F_K-1＜1/F_K，从1/F_K开始，按照价格集合中元素的降序，并向用户发布价格集合里的价格；

第三步，用户根据发布的最优价格，通过寻找最优上传计算量，反馈给基站，使用户自己的代价函数最小化；所述的最优上传计算量为用户计算任务的一部分，另外一部分则由本地处理器进行计算处理；通过分配计算任务的方法，也保证了所有用户上传的总计算量不超过边缘计算服务器的计算容量上限；

具体地，我们定义用户k需要处理的全部计算量为R_k，全部计算量R_k即为用户k的计算任务，边缘计算服务器分配给用户k的计算速度为f_c,k，边缘计算服务器计算用户k上传数据的输出输入比率为α_k，用户k的上行速率为r_k，基站到用户k的下行速率为r_B,k。那么，对于用户k，假如基站发布的价格小于或者等于用户kCPU计算频率的倒数1/F_k，那么用户k的最优上传量为比特，其中，否则，假如基站发布的价格大于用户kCPU计算频率的倒数1/F_k，那么当前价格对于用户k太过昂贵，用户k将不上传任何计算量到边缘计算服务器，所有的计算量都由本地处理器完成。

第四步，根据用户的上传计算量的反馈，基站给用户提供边缘计算服务器的计算资源进行收费，基站根据当前价格计算能获得的收益，如果价格穷举完或者当前价格使所有用户上传计算量总值大于边缘计算服务器的计算容量上限，则停止更新价格，在已穷举的价格集合中，通过线性搜索找出最优价格μ^*；否则更新价格，进行下一轮定价。

基站给有限的边缘计算服务器的计算资源定价，用户要使用边缘计算服务器的计算资源就得付费，基站得以获取利益，基站的目的是找出最优价格μ^*使自己的收益最大化。用户为了使自己的代价函数最小化，根据基站发布的价格，得出用户最优上传量上述过程由斯塔克尔伯格博弈建模并求解。

如果所有用户总的上传计算量小于或等于边缘计算服务器的计算容量的上限，则基站的收益为所有用户支付的费用总和；如果所有用户总的上传计算量大于边缘计算服务器的计算容量的上限，边缘计算服务器不能进行计算，定义的价格无效，所有用户的计算请求被退回，基站收益为0；如果价格穷举完或者当前价格使所有用户上传计算量大于边缘计算服务器的计算容量上限，则停止更新价格，在已穷举的价格里，通过线性搜索，找出最优的价格μ^*，最大化基站的收益，否则更新价格，进行下一轮定价。

图4是本发明所述的一种基于定价的边缘计算资源分配方法关于计算时延的仿真效果图，如图所示，相比于计算数据全部由本地处理器完成的方案，本发明所述的一种基于定价的边缘计算资源分配方法有效地减少了数据计算的时延，而且，随着边缘计算服务器的计算容量上限的增加，减少时延的效果更明显。

图5是本发明所述的一种基于定价的边缘计算资源分配方法关于基站收益的仿真效果图，如图所示，随着边缘计算服务器的计算容量上限增加，基站获得的收益随之增加。

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 (7)

1.一种基于定价的边缘计算资源分配方法，其特征在于，包括以下步骤：

S1、基站收集用户的用户设备计算能力参数；

S2、根据收集的用户设备计算能力参数，定义一个价格集合，按照价格集合中元素的降序，逐一向用户发布价格集合里的价格；

S3、用户根据发布的价格，通过寻找最优上传计算量反馈给基站，使用户自己的代价函数最小化；

S4、根据用户上传计算量的反馈，基站给用户提供边缘计算服务器的计算资源进行收费，基站计算当前价格的收益，如果价格穷举完或者当前价格使得用户上传计算量总值大于边缘计算服务器的计算容量上限，则停止更新价格，通过线性搜索已穷举的价格找出最优价格，向用户发布最优价格；否则按照价格集合中元素的降序更新价格，再进行下一轮定价。

2.根据权利要求1所述的一种基于定价的边缘计算资源分配方法，其特征在于，步骤S1中，所述的用户设备计算能力参数，包括用户设备的CPU计算频率和计算1比特数据所需的CPU周期数。

3.根据权利要求1所述的一种基于定价的边缘计算资源分配方法，其特征在于，步骤S3中，所述最优上传计算量为计算任务的一部分，计算任务的其他部分由本地处理器处理；所述计算任务为每个用户需要处理的全部计算量；所述代价函数为执行完计算任务所需的时间和向基站支付的费用之和。

4.根据权利要求1所述的一种基于定价的边缘计算资源分配方法，其特征在于，所述步骤S4具体为：如果所述用户上传计算量总值小于或者等于边缘计算服务器的计算容量上限，则基站的当前收益为所有用户支付费用之和；否则价格无效，基站当前收益为0。

5.根据权利要求1所述的一种基于定价的边缘计算资源分配方法，其特征在于，所述一种基于定价的边缘计算资源分配方法的整个信息交互过程由斯塔克尔伯格博弈建模并求解。

6.根据权利要求5所述的一种基于定价的边缘计算资源分配方法，其特征在于，所述的斯塔克尔伯格博弈建模求解过程如下：

每个用户k需要处理R_k比特的输入数据，每个用户k上传l_k比特的数据到边缘计算服务器上处理，其中0≤l_k≤R_k，剩下的R_k-l_k比特数据由本地处理器处理；

最大化边缘计算服务器收益的目标函数为：

其中，C_k为计算1比特用户k的数据所需要的CPU周期数，μ为边缘计算服务器每个CPU周期的价格，为边缘计算服务器的计算容量上限；

用户k本地处理器处理本地数据的时间t_loc,k：

其中，R_k为用户k需要处理的全部计算量，F_k为本地CPU的计算频率；

用户k上传计算量的处理时间t_off,k，由三部分组成：上行上传计算量的时间t_u,k，边缘计算服务器的计算时间t_c,k，下行下载计算结果的时间t_d,k；

t_u,k＝l_k/r_k；

t_d,k＝α_kl_k/r_B,k；

t_c,k＝l_kC_k/f_c,k；

其中，l_k为上传到边缘计算服务器的计算量，r_k为用户上传速率，r_B,k为用户下行速率，α_kl_k为边缘计算服务器计算用户上传计算量的计算结果，α_k为边缘计算服务器计算用户上传数据的输出输入比率，f_c,k为边缘计算服务器分配给用户的计算速度；

用户k上传计算量的处理时间t_off,k：

本地处理器处理计算和上传计算量的处理计算并行进行，则用户k处理完所有计算量所需的时间t_k为：

t_k＝max{t_loc,k,t_off,k}；

最小化用户的代价函数：

U_k(l_k,μ)＝t_k+μl_kC_k，0≤l_k≤R_k；

其中，μl_kC_k为用户向基站支付的费用，μ为边缘计算服务器每个CPU周期的价格，C_k为计算1比特数据所需的CPU周期数；

上述代价函数等价于：

其中，F_k为本地CPU计算频率，β_k为引入的中间常量，m_k为引入的上传计算量中间常量；

通过逆推法求解，当边缘计算服务器给定价格μ的时候，每个用户k通过计算代价函数得出最优上传计算量基站由最优上传计算量得出最优价格μ^*，具体过程如下：

最优上传计算量：

当μ＝1/F_k的时候，令l_k＝m_k，则有

其中，二进制变量x_k是关于给定价格μ的函数，定义为：

则边缘计算服务器的最大收益目标函数等价于：

用户的计算频率按照1/F₁＜…＜1/F_K-1＜1/F_K进行排序，则最优价格μ^*上限为1/F_K，否则，所有用户x_k＝0，即用户因为价格太高而选择不上传任何计算量到边缘计算服务器，边缘计算服务器收益为0；当价格便宜时，所有用户都上传一部分计算量到边缘计算服务器上，则x_k＝1对任何用户都成立，即μ≤1/F₁，又因为目标函数是单调递增的，所以最优价格μ^*的下限为1/F₁。

7.一种基于定价的边缘计算资源分配系统，用于实现权利要求1至6任一权利要求所述的一种基于定价的边缘计算资源分配方法，其特征在于，包括多个用户、基站和边缘计算服务器，所述基站与多个用户连接，基站与边缘计算服务器连接，所述用户向基站上传计算量；所述基站为用户提供边缘计算服务器的计算资源，帮助用户进行上传计算量的计算。