CN108900628A - 边缘计算环境中基于定价机制的微云计算资源分配方法 - Google Patents
边缘计算环境中基于定价机制的微云计算资源分配方法 Download PDFInfo
- Publication number
- CN108900628A CN108900628A CN201810800785.9A CN201810800785A CN108900628A CN 108900628 A CN108900628 A CN 108900628A CN 201810800785 A CN201810800785 A CN 201810800785A CN 108900628 A CN108900628 A CN 108900628A
- Authority
- CN
- China
- Prior art keywords
- thin cloud
- master controller
- resource
- thin
- cloud
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013468 resource allocation Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 title claims abstract description 40
- 230000007246 mechanism Effects 0.000 title claims abstract description 28
- 230000006870 function Effects 0.000 claims description 39
- 238000013461 design Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 4
- 238000013508 migration Methods 0.000 claims description 4
- 230000005012 migration Effects 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 6
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 235000015220 hamburgers Nutrition 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- 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
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the 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
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
Abstract
本发明公开了一种边缘计算环境中基于定价机制的微云计算资源分配方法,引入中心控制器的概念,协调和利用合作微云的闲置资源,实现减少传输延迟和能量消耗的目标,将微云与中心控制器之间的关系建模为双阶段的斯塔克尔伯格博弈,每个合作微云确定在部署阶段所需的计算资源量,中心控制器在运行阶段协调微云之间的资源共享,从而提高基于微云的边缘计算系统的资源利用率,在保持用户服务质量的同时,最大限度地降低网络服务提供商的成本。
Description
技术领域
本发明涉及一种边缘计算环境中基于定价机制的微云计算资源分配方法,属于边缘计算领域。
背景技术
近年来,随着物联网和5G技术的快速发展,各种各样的移动应用也在经历爆炸式发展,例如增强现实、在线游戏和视频直播等等。但是,因为电池、存储容量和计算能力的限制,移动设备很难满足这些应用对于延迟、计算和可靠性的要求。为了解决这个问题,出现了移动云计算,它允许移动设备将本地计算任务部分或者全部迁移到资源丰富的云端执行。通过在云端执行任务,移动云计算解决了移动设备的资源短缺问题并保存能量消耗。但是,将任务迁移到位于核心网络的云端会导致额外的网络延迟、同时消耗带宽资源,从而很难满足延迟敏感型和计算密集型应用的要求。
相比于传统的移动云计算,移动边缘计算将小规模数据中心即微云部署在网络边缘节点,如基站、无线接入点,为邻近区域的移动用户提供不同服务。通过在网络边缘提供云计算服务,能有效减少网络延迟、节省通信消耗以及减轻网络中心的拥塞。除此之外,相比于迁移到远程中心云处理任务,在靠近边缘节点的微云上处理能够更好地保护用户隐私。然而,一旦微云被部署,它所含的物理资源也被固定,由于移动用户的移动特性,每个区域的移动请求数量会不断变化。当某一时刻的迁移请求超过微云负载时,严重影响了移动应用的服务质量(QoS),另一方面,为了保证QoS,网服务提供商会基于服务区域内的峰值流量部署微云,这会导致高部署成本和运行消耗。因此,需要一个动态高效的资源管理方法最大化资源利用率的同时也能保证应用的QoS。
为了有效利用和协调微云之间的闲置资源,本发明基于定价机制设计了一个微云计算资源分配方法。详细来讲,通过所提出的微云计算资源分配方法,微云可以确定在部署阶段所需的基本计算资源量,通过中心控制器在运行阶段协调微云之间的资源共享。为了激励微云之间的合作,将微云和中心控制器之间的关系建模为一个双阶段的斯塔克尔伯格博弈。
为了减少传输延迟和能量消耗,从而提高微云的服务质量。Yanchen Liu等人通过最大化长期回报计算出一个最佳资源分配策略;Changsheng You等人将资源分配问题转化成凸优化问题,最小化能量消耗总和的权重值;Mao等人研究了在任务随机到达情况下无线和计算资源的分配问题。定价方法是处理资源管理问题的有效工具,Yin等人为了最大化系统效应,针对无线资源分配和接口管理设计了一个定价机制;Ling等人在基于云的服务提供商市场环境下,提出了一个结合定价和虚拟机容量管理的机制;Q.Wang等人观察到博弈论更适合描述决策者之间的竞争与合作,为了最小化服务器的能量消耗,针对云和用户之间的合作提出了一个基于博弈论的能量管理机制。
通过对上述关于资源管理和定价方法的应用,可以发现以上研究并未考虑到边缘计算环境下微云之间的资源管理问题,基于微云的边缘计算系统资源利用率较低的情况,不仅影响了终端用户的QoS,还影响了服务提供商的收益,因此,本发明提出了针对微云的计算资源分配方法。
发明内容
技术问题:本发明所要解决的技术问题是提出一种边缘计算环境中基于定价机制的微云计算资源分配方法,引入中心控制器的概念,协调和利用合作微云的闲置资源,实现减少传输延迟和能量消耗的目标,从而增加网络服务提供商的收益,提高边缘计算系统的计算资源利用率。
技术方案:本发明为解决上述技术问题具体采用以下技术方案。
一种边缘计算环境中基于定价机制的微云计算资源分配方法包括如下步骤:
步骤001、提出一种针对微云的资源分配方法,微云将可用的闲置资源注册到中心控制器上,并以折扣速率q卖给中心控制器,中心控制器再将可用资源以溢价速率p转卖给需要额外计算资源满足用户计算请求的微云;
步骤002、将中心控制器与合作微云之间的关系建模为一个双阶段的斯塔克尔伯格Stackelberg博弈,并利用逆向归纳法进行分析,证明子博弈精炼纳什均衡SPE的存在性;在子博弈精炼纳什均衡处,中心控制器基于最佳微云策略最大化系统收益,每个微云通过选择最佳策略最小化自身消耗;
步骤003、假设微云的负载符合指数分布,给定参数λ,指数分布的概率密度函数如下:
f(x)=λe-λx,x≥0 (1)
针对第二阶段设计构建微云在时间段T内的消耗函数模型如下:
其中V(p,h)表示合作微云的消耗函数;x表示微云处理移动用户迁移请求的工作时间;h表示微云所需的基础计算资源量;m表示资源的基础消耗价格;q表示折扣速率;p表示溢价速率;
步骤004、针对第一阶段设计构建中心控制器的溢价速率模型如下:
其中Ravg(p)表示本方法所提出的微云计算资源分配系统的平均收益;N(p)表示中心控制器所能支持的微云数量;表示合作微云的平均最小消耗函数;p*表示当系统平均收益最大时,溢价速率的值;
同时需要考虑中心控制器在分配资源的过程中可能会发生拥塞,所以必须把拥塞发生的可能性降低到直至可以忽略的程度,由此得出关于中心控制器可支持微云数量的约束条件:
其中N(p)表示在所提出的微云计算资源分配方法下,中心控制器能支持的微云数量;μ和σ2分别表示公式(1)的期望值和方差;C表示中心控制器的容量;h*(p)表示使微云平均消耗最少的基础计算资源量函数。
其中:
所述步骤001中,所述微云的资源分配方法,使用计算资源作为研究对象,并且通过CPU频率来表示计算速率。该动态资源管理机制包括一个由网络服务提供商创建的中心控制器,一个资源池,多个微云,其中资源池由中心控制器创建以供微云之间共享资源。
所述步骤001中,微云将可用的闲置资源注册到中心控制器上,是在部署阶段决定所需的基本计算资源量,在运行阶段通过中心控制器决定微云之间分享的资源数量;具体来讲,在部署阶段,中心控制器会以一定的单位消耗价格m分配一定数量的计算资源量h给每个合作微云;在实施阶段,当基础计算资源量h高于微云当前所需的计算资源时,这些未被使用的计算资源就成了闲置资源;每个微云可以在中心控制器中进行注册,以折扣速率q出售闲置资源,当微云所需资源超过基础资源量时,它就可以从资源池中以溢价速率p购入额外的计算资源。
所述步骤002中,将中心控制器与合作微云之间的关系建模为一个双阶段的斯塔克尔伯格博弈,假设微云和中心控制器是自私且理智的,且每个微云考虑部署阶段所需的基础资源以最小化自身消耗,中心控制器管理转卖价格最大化系统收益;基于以上特征,把微云和中心控制器之间的关系建模为一个双阶段的斯塔克尔伯格博弈;具体来说,在第一阶段,中心控制器将溢价速率p公布给每个合作的微云,在第二阶段,每个微云基于收到的溢价速率p决定自己所要部署的基础资源量h。
所述步骤003中第二阶段设计构建微云在时间段T内的消耗函数模型,针对该模型,令得到如下微云平均消耗函数:
将公式(1)代入公式(4),并分别对微云平均消耗函数进行一阶求导和二阶求导,如下所示:
令得到如下函数模型:
其中h*(p)表示使得合作微云平均消耗函数最小的基础计算资源量函数;
最后,根据步骤001所提出的微云计算资源分配方法,微云的最小平均消耗函数只由溢价速率p决定,如下所示:
其中表示合作微云的最小平均消耗函数。
所述步骤004中针对第一阶段设计构建中心控制器的溢价速率模型,由中心控制器确定转卖价格,即溢价速率p。为了简化分析,假设所有的微云都符合相同的指数分布,每个微云的资源需求微云1,微云2…微云n用随机变量X1,X2,…,Xn表示,且{X1,X2,…,Xn}是随机同分布的。
所述步骤004中针对第一阶段设计构建中心控制器的溢价速率模型,中心控制器必须在给定的存储容量C下保证满足每个合作的微云基准资源数量需求,即N(p)h*(p)≤C,因此当p增加的时候,N(p)减少,通过以上分析,存在一个p*可以最大化系统收益。
所述步骤004中,中心控制器在分配资源的过程中可能会发生拥塞,由于在所提出的微云计算资源分配方法中,中心控制器向某个微云购买闲置的计算资源,再转卖给需要额外资源的其他微云,而当中心控制器上所注册的闲置资源无法满足所有需要购买额外资源的微云需求,此时就会发生拥塞情况,因此在提高资源利用率的同时还必须把拥塞发生的可能性降低到直至可以忽略的程度。
所述步骤004中,中心控制器在分配资源的过程中可能会发生拥塞,为了研究所有微云的总负载及其分布以计算拥塞可能性,假设用一个随机变量Sn表示n个微云的总负载,即Sn=X1+X2+...+Xn,根据经典中心极限定理,设随机变量X1,X2,…,Xn独立同分布,并且具有有限的数学期望和方差:E[Xi]=μ,Var[Xi]=σ2,当n足够大时,随机变量Sn近似服从正态分布N(nμ,nσ2)。因此根据分析,随机变量Xi服从指数分布,它的期望值和方差分别如下所示:
其中μ和σ2分别表示公式(1)的期望值和方差,λ表示分布参数。
所述步骤004中把拥塞发生的可能性降低到直至可以忽略的程度,根据68-95-99.7法则,若一组数据具有近似于正态分布的概率分布,则约68%数值分布在距离平均值有1个标准差之内的范围,约95%数值分布在距离平均值有2个标准差之内的范围,约99.7%数值分布在距离平均值有3个标准差之内的范围,即可以得到因此,令拥塞出现的可能性至多为0.1%,该概率可以忽略不计;同时,中心控制器必须保证满足每个微云的基准计算资源量h*(p),得到如下所示两个约束条件:
最后,在所提出的微云计算资源分配方法中,系统的最大平均收益为:
其中表示微云计算资源分配系统的最大平均收益,N(p*)表示中心控制器所能支持的最大微云数量,表示微云的最小平均消耗函数。
有益效果:本发明所述一种边缘计算环境中基于定价机制的微云计算资源分配方法与现有技术相比,具有以下技术效果:本发明设计的一种边缘计算环境中基于定价机制的微云计算资源分配方法,整体设计思路简单,容易理解,为了在保持用户QoS的同时,最大限度地降低服务提供商的成本,将微云与中心控制器之间的关系建模为双阶段的斯塔克尔伯格博弈,确定部署阶段分配给每个微云的计算资源量,并且通过中心控制器在运行阶段协调微云之间的资源共享,最小化微云成本并提高基于微云的边缘计算系统的资源利用率。
附图说明
图1是本发明所设计边缘计算环境中基于定价机制的微云计算资源分配方法所涉及的框架图。
图2是本发明所设计边缘计算环境中基于定价机制的微云计算资源分配方法中双阶段斯塔克尔伯格博弈步骤示意图。
具体实施方式
下面结合说明书附图针对本发明的具体实施方式作进一步详细的说明。
移动边缘计算是一种新兴的云计算模型,它在保证一定用户质量要求的同时,为终端用户提供无线接入网络边缘的计算服务。但由于终端用户的移动性,每个微云的工作负载在一天中的不同时间会有所不同。如图1所示,微云A部署在市中心,微云B部署在郊区。黑色虚线箭头表示终端用户的移动性,白天聚集在市中心的移动用户多于郊区,晚上则相反。因此,当微云B的资源空闲时,微云A可能会过载而不能满足所有市中心终端用户的计算请求。基于这种情况,网络服务提供商可以考虑部署一个中心控制器来解决微云之间的这种负载不均衡问题,同时增加收益。
在本发明所提出的计算资源分配方法中,中心控制器在部署阶段以某个单位成本m将一定量的计算资源量h分配给微云,计算资源量h即为基本计算资源量,m为基础消耗成本。在运行阶段,当h高于微云的当前工作负载时,会产生闲置计算资源。如图1所示,中心控制器为微云创建资源池以共享它们的计算资源。微云在中心控制器上进行注册,并将闲置计算资源以折扣速率q(0≤q≤1)出售给中心控制器。当微云的工作负载高于基本计算资源量h时,它能以溢价速率p(p≥1)从资源池中购买额外的计算资源。通过这种计算资源分配方法,微云可以借助中心控制器与其他微云合作获得额外的计算资源,从而满足所在区域终端用户的计算请求,保证一定的QoS。基于上述实际情况,本发明设计的一种边缘计算环境中基于定价机制的微云计算资源分配方法,在实际应用过程当中,具体如以下步骤执行:
步骤001、在微云计算资源分配方法中,将中心控制器与合作微云之间的关系建模为一个双阶段的斯塔克尔伯格博弈,并利用逆向归纳法进行分析,证明子博弈精炼纳什均衡的存在性。在子博弈精炼纳什均衡处,中心控制器基于最佳微云策略最大化系统收益,每个微云通过选择最佳策略最小化自身消耗。
步骤002、假设微云的负载符合指数分布,给定参数λ,指数分布的概率密度函数如下:
f(x)=λe-λx,x≥0 (1)
针对第二阶段设计构建微云在时间段T内的消耗函数模型如下:
其中V(p,h)表示合作微云的消耗函数;x表示微云处理移动用户迁移请求的工作时间;h表示微云所需的基础计算资源量;m表示资源的基础消耗价格;q表示折扣速率;p表示溢价速率。
步骤003、针对第一阶段设计构建中心控制器的溢价速率模型如下:
其中Ravg(p)表示本方法所提出的微云计算资源分配系统的平均收益;N(p)表示中心控制器所能支持的微云数量;表示合作微云的平均最小消耗函数;p*表示当系统平均收益最大时,溢价速率的值。
作为本发明的一种优选技术方案:所述步骤001中,假设微云和中心控制器是自私且理智的,每个微云考虑部署阶段所需的基础资源以最小化自身消耗,中心控制器管理转卖价格最大化系统收益。基于以上特征,我们把微云和中心控制器之间的关系建模为一个双阶段的斯塔克尔伯格博弈。如图2所示,在第一阶段,中心控制器将溢价速率p公布给每个微云;在第二阶段,每个微云基于接收的溢价速率p决定所需基础资源数量。
作为本发明的一种优选技术方案:所述步骤002中,使用逆向归纳法首先分析第二阶段微云策略,针对微云在时间段T内的消耗函数模型,令得到如下微云平均消耗函数:
将公式(1)代入公式(4),并分别对所得微云平均消耗函数进行一阶求导和二阶求导,如下所示:
令得到如下使得微云消耗函数最小的h*(p)函数:
可以得出h*(p)≥0且λ≥0,从而得到p≥1且q≤1。因此,只要p≥1和q≤1成立,就能得到唯一的h*值使得微云消耗最小。如果基本计算资源量小于h*,微云就必须花费更多去购买额外的计算资源;反之,如果基本计算资源大于h*,微云相对来说花费更少,但将产生更多闲置计算资源,用于转售闲置资源的成本更大。
作为本发明的一种优选技术方案:所述步骤002中,如果中心控制器提出足够大的溢价p,微云只会选择购买基本计算资源。另一方面,如果溢价速率p小于基本资源速率,则不需要提前在本区域部署微云。为了证明微云对于基本计算资源量存在唯一的最优决策,对公式(7)分别进行一阶求导和二阶求导:
公式(8)可以得到表明中心控制器提供的溢价速率越高,微云就会购买更多的基本计算资源。同时通过公式(9)可以得到表明h*是关于p的一个严格递增的凸函数,所以在斯塔克尔伯格博弈的第二阶段存在唯一的最优决策。
根据本发明所提出的微云计算资源分配方法,微云的最小平均消耗函数只由p决定,如下所示:
作为本发明的一种优选技术方案:所述步骤003,在双阶段斯塔克尔伯格博弈的第一阶段,由中心控制器确定转卖价格,即溢价速率p。为了简化分析,假设所有的微云都符合相同的指数分布,每个微云的资源需求微云1,微云2…微云n用随机变量X1,X2,…,Xn表示,且{X1,X2,…,Xn}是随机同分布的。针对第一阶段中心控制器的溢价速率模型,中心控制器必须在给定的存储容量C下保证满足每个合作的微云基准资源数量需求,即N(p)h*(p)≤C,因此当p增加的时候,N(p)减少,通过以上分析,存在一个p*可以最大化系统收益。
作为本发明的一种优选技术方案:所述步骤003中,中心控制器向某个微云购买闲置的计算资源,再转卖给需要额外资源的其他微云,从而提高整个边缘计算系统的资源利用率,但可能会发生拥塞,必须把拥塞发生的可能性降低到直至可以忽略的程度。
为了研究所有微云的总负载及其分布以计算拥塞可能性,假设用一个随机变量Sn表示n个微云的总负载,即Sn=X1+X2+...+Xn,根据经典中心极限定理,设随机变量X1,X2,…,Xn独立同分布,并且具有有限的数学期望和方差:E[Xi]=μ,Var[Xi]=σ2,当n足够大时,随机变量Sn近似服从正态分布N(nμ,nσ2)。因此,随机变量Xi服从指数分布,当分布参数为λ时,它的期望值和方差分别如下所示:
根据68-95-99.7法则,约99.7%数值分布在距离平均值有3个标准差之内的范围,即可以得到因此,令拥塞出现的可能性至多为0.1%,该概率可以忽略不计。同时,中心控制器必须保证满足每个微云的基准计算资源需求h*(p),得到如下所示两个约束条件:
对于N(p)的约束条件总结如下:
最后,根据我们所提出的微云计算资源分配方法,系统的最大收益为:
本发明设计的边缘计算环境中基于定价机制的微云计算资源分配方法,分析了现有边缘计算环境中资源利用率不足的原因,提出新的计算资源分配框架与中心控制器的概念,将微云与中心控制器之间的关系建模为双阶段的斯塔克尔伯格博弈,确定部署阶段分配给每个微云的计算资源量,并且通过中心控制器在运行阶段协调微云之间的资源共享,在保持用户QoS的同时能最大限度地降低服务提供商的成本,最小化微云成本并提高基于微云的边缘计算系统的资源利用率。
上面结合附图对本发明的实施方式作了详细地说明,但是本发明并不局限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (10)
1.一种边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于该方法包括如下步骤:
步骤001、提出一种针对微云的资源分配方法,微云将可用的闲置资源注册到中心控制器上,并以折扣速率q卖给中心控制器,中心控制器再将可用资源以溢价速率p转卖给需要额外计算资源满足用户计算请求的微云;
步骤002、将中心控制器与合作微云之间的关系建模为一个双阶段的斯塔克尔伯格Stackelberg博弈,并利用逆向归纳法进行分析,证明子博弈精炼纳什均衡SPE的存在性;在子博弈精炼纳什均衡处,中心控制器基于最佳微云策略最大化系统收益,每个微云通过选择最佳策略最小化自身消耗;
步骤003、假设微云的负载符合指数分布,给定参数λ,指数分布的概率密度函数如下:
f(x)=λe-λx,x≥0 (1)
针对第二阶段设计构建微云在时间段T内的消耗函数模型如下:
其中V(p,h)表示合作微云的消耗函数;x表示微云处理移动用户迁移请求的工作时间;h表示微云所需的基础计算资源量;m表示资源的基础消耗价格;q表示折扣速率;p表示溢价速率;
步骤004、针对第一阶段设计构建中心控制器的溢价速率模型如下:
其中Ravg(p)表示本方法所提出的微云计算资源分配系统的平均收益;N(p)表示中心控制器所能支持的微云数量;表示合作微云的平均最小消耗函数;p*表示当系统平均收益最大时,溢价速率的值;
同时需要考虑中心控制器在分配资源的过程中可能会发生拥塞,所以必须把拥塞发生的可能性降低到直至可以忽略的程度,由此得出关于中心控制器可支持微云数量的约束条件:
其中N(p)表示在所提出的微云计算资源分配方法下,中心控制器能支持的微云数量;μ和σ2分别表示公式(1)的期望值和方差;C表示中心控制器的容量;h*(p)表示使微云平均消耗最少的基础计算资源量函数。
2.根据权利要求1所述的边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于所述步骤001中,所述微云的资源分配方法,使用计算资源作为研究对象,并且通过CPU频率来表示计算速率。该动态资源管理机制包括一个由网络服务提供商创建的中心控制器,一个资源池,多个微云,其中资源池由中心控制器创建以供微云之间共享资源。
3.根据权利要求1所述的边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于所述步骤001中,微云将可用的闲置资源注册到中心控制器上,是在部署阶段决定所需的基本计算资源量,在运行阶段通过中心控制器决定微云之间分享的资源数量;具体来讲,在部署阶段,中心控制器会以一定的单位消耗价格m分配一定数量的计算资源量h给每个合作微云;在实施阶段,当基础计算资源量h高于微云当前所需的计算资源时,这些未被使用的计算资源就成了闲置资源;每个微云可以在中心控制器中进行注册,以折扣速率q出售闲置资源,当微云所需资源超过基础资源量时,它就可以从资源池中以溢价速率p购入额外的计算资源。
4.根据权利要求1所述的边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于所述步骤002中,将中心控制器与合作微云之间的关系建模为一个双阶段的斯塔克尔伯格博弈,假设微云和中心控制器是自私且理智的,且每个微云考虑部署阶段所需的基础资源以最小化自身消耗,中心控制器管理转卖价格最大化系统收益;基于以上特征,把微云和中心控制器之间的关系建模为一个双阶段的斯塔克尔伯格博弈;具体来说,在第一阶段,中心控制器将溢价速率p公布给每个合作的微云,在第二阶段,每个微云基于收到的溢价速率p决定自己所要部署的基础资源量h。
5.根据权利要求1所述的边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于所述步骤003中第二阶段设计构建微云在时间段T内的消耗函数模型,针对该模型,令得到如下微云平均消耗函数:
将公式(1)代入公式(4),并分别对微云平均消耗函数进行一阶求导和二阶求导,如下所示:
令得到如下函数模型:
其中h*(p)表示使得合作微云平均消耗函数最小的基础计算资源量函数;
最后,根据步骤001所提出的微云计算资源分配方法,微云的最小平均消耗函数只由溢价速率p决定,如下所示:
其中表示合作微云的最小平均消耗函数。
6.根据权利要求1所述的边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于所述步骤004中针对第一阶段设计构建中心控制器的溢价速率模型,由中心控制器确定转卖价格,即溢价速率p。为了简化分析,假设所有的微云都符合相同的指数分布,每个微云的资源需求微云1,微云2…微云n用随机变量X1,X2,…,Xn表示,且{X1,X2,…,Xn}是随机同分布的。
7.根据权利要求1所述的边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于所述步骤004中针对第一阶段设计构建中心控制器的溢价速率模型,中心控制器必须在给定的存储容量C下保证满足每个合作的微云基准资源数量需求,即N(p)h*(p)≤C,因此当p增加的时候,N(p)减少,通过以上分析,存在一个p*可以最大化系统收益。
8.根据权利要求1所述的边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于所述步骤004中,中心控制器在分配资源的过程中可能会发生拥塞,由于在所提出的微云计算资源分配方法中,中心控制器向某个微云购买闲置的计算资源,再转卖给需要额外资源的其他微云,而当中心控制器上所注册的闲置资源无法满足所有需要购买额外资源的微云需求,此时就会发生拥塞情况,因此在提高资源利用率的同时还必须把拥塞发生的可能性降低到直至可以忽略的程度。
9.根据权利要求1所述的边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于所述步骤004中,中心控制器在分配资源的过程中可能会发生拥塞,为了研究所有微云的总负载及其分布以计算拥塞可能性,假设用一个随机变量Sn表示n个微云的总负载,即Sn=X1+X2+...+Xn,根据经典中心极限定理,设随机变量X1,X2,…,Xn独立同分布,并且具有有限的数学期望和方差:E[Xi]=μ,Var[Xi]=σ2,当n足够大时,随机变量Sn近似服从正态分布N(nμ,nσ2)。因此根据分析,随机变量Xi服从指数分布,它的期望值和方差分别如下所示:
其中μ和σ2分别表示公式(1)的期望值和方差,λ表示分布参数。
10.根据权利要求1所述的边缘计算环境中基于定价机制的微云计算资源分配方法,其特征在于所述步骤004中把拥塞发生的可能性降低到直至可以忽略的程度,根据68-95-99.7法则,若一组数据具有近似于正态分布的概率分布,则约68%数值分布在距离平均值有1个标准差之内的范围,约95%数值分布在距离平均值有2个标准差之内的范围,约99.7%数值分布在距离平均值有3个标准差之内的范围,即可以得到因此,令拥塞出现的可能性至多为0.1%,该概率可以忽略不计;同时,中心控制器必须保证满足每个微云的基准计算资源量h*(p),得到如下所示两个约束条件:
最后,在所提出的微云计算资源分配方法中,系统的最大平均收益为:
其中表示微云计算资源分配系统的最大平均收益,N(p*)表示中心控制器所能支持的最大微云数量,表示微云的最小平均消耗函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810800785.9A CN108900628A (zh) | 2018-07-20 | 2018-07-20 | 边缘计算环境中基于定价机制的微云计算资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810800785.9A CN108900628A (zh) | 2018-07-20 | 2018-07-20 | 边缘计算环境中基于定价机制的微云计算资源分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108900628A true CN108900628A (zh) | 2018-11-27 |
Family
ID=64351238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810800785.9A Pending CN108900628A (zh) | 2018-07-20 | 2018-07-20 | 边缘计算环境中基于定价机制的微云计算资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108900628A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109756371A (zh) * | 2018-12-27 | 2019-05-14 | 上海无线通信研究中心 | 一种基于博弈的网络节点资源感知激励方法及系统 |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110187973A (zh) * | 2019-05-31 | 2019-08-30 | 浙江大学 | 一种面向边缘计算的服务部署优化方法 |
CN110213097A (zh) * | 2019-05-31 | 2019-09-06 | 浙江大学 | 一种基于资源动态分配的边缘服务供应优化方法 |
CN110266770A (zh) * | 2019-05-30 | 2019-09-20 | 湖南大学 | 基于博弈论的闲置云资源调度方法和装置 |
CN110445866A (zh) * | 2019-08-12 | 2019-11-12 | 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 |
CN110941433A (zh) * | 2019-11-13 | 2020-03-31 | 佛山职业技术学院 | 一种边缘辅助部署第三方应用到微控制器方法及系统 |
CN111163178A (zh) * | 2020-01-10 | 2020-05-15 | 中国地质大学(武汉) | 一种边缘计算中基于博弈论的服务部署及任务卸载方法 |
CN111338754A (zh) * | 2020-02-17 | 2020-06-26 | 中山大学 | 一种基于云簇的虚拟机借调方法 |
CN111431941A (zh) * | 2020-05-13 | 2020-07-17 | 南京工业大学 | 一种基于移动边缘计算的实时视频码率自适应方法 |
CN112887435A (zh) * | 2021-04-13 | 2021-06-01 | 中南大学 | 一种提高边缘计算中任务卸载合作率的方法 |
CN113163006A (zh) * | 2021-04-16 | 2021-07-23 | 三峡大学 | 基于云-边缘协同计算的任务卸载方法及系统 |
WO2022022440A1 (zh) * | 2020-07-31 | 2022-02-03 | 阿里巴巴集团控股有限公司 | 网络重连方法、设备、系统及存储介质 |
CN115242800A (zh) * | 2022-09-22 | 2022-10-25 | 湖北工业大学 | 一种基于博弈论的移动边缘计算资源优化方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131106A (zh) * | 2016-06-07 | 2016-11-16 | 北京邮电大学 | 一种基于组件的微云、微云的组网方法及装置 |
US20170048876A1 (en) * | 2015-08-14 | 2017-02-16 | Nec Laboratories America, Inc. | Enabling high-bandwidth, responsive mobile applications in lte networks |
CN106454958A (zh) * | 2016-11-02 | 2017-02-22 | 北京邮电大学 | 一种网络资源分配方法及装置 |
CN108234603A (zh) * | 2017-12-12 | 2018-06-29 | 华南理工大学 | 一种基于定价的边缘计算资源分配方法及系统 |
-
2018
- 2018-07-20 CN CN201810800785.9A patent/CN108900628A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170048876A1 (en) * | 2015-08-14 | 2017-02-16 | Nec Laboratories America, Inc. | Enabling high-bandwidth, responsive mobile applications in lte networks |
CN106131106A (zh) * | 2016-06-07 | 2016-11-16 | 北京邮电大学 | 一种基于组件的微云、微云的组网方法及装置 |
CN106454958A (zh) * | 2016-11-02 | 2017-02-22 | 北京邮电大学 | 一种网络资源分配方法及装置 |
CN108234603A (zh) * | 2017-12-12 | 2018-06-29 | 华南理工大学 | 一种基于定价的边缘计算资源分配方法及系统 |
Non-Patent Citations (1)
Title |
---|
XINJIE GUAN,ET AL: ""A Stackelberg Game Model for Dynamic Resource Scheduling in Edge Computing with Cooperative Cloudlets"", 《2018 15TH ANNUAL IEEE INTERNATIONAL CONFERENCE ON SENSING,COMMUNICATION,AND NETWORKING(SECON)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109756371A (zh) * | 2018-12-27 | 2019-05-14 | 上海无线通信研究中心 | 一种基于博弈的网络节点资源感知激励方法及系统 |
CN109756371B (zh) * | 2018-12-27 | 2022-04-29 | 上海无线通信研究中心 | 一种基于博弈的网络节点资源感知激励方法及系统 |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110266770B (zh) * | 2019-05-30 | 2020-07-07 | 湖南大学 | 基于博弈论的闲置云资源调度方法和装置 |
CN110266770A (zh) * | 2019-05-30 | 2019-09-20 | 湖南大学 | 基于博弈论的闲置云资源调度方法和装置 |
CN110187973A (zh) * | 2019-05-31 | 2019-08-30 | 浙江大学 | 一种面向边缘计算的服务部署优化方法 |
CN110213097A (zh) * | 2019-05-31 | 2019-09-06 | 浙江大学 | 一种基于资源动态分配的边缘服务供应优化方法 |
CN110187973B (zh) * | 2019-05-31 | 2021-01-26 | 浙江大学 | 一种面向边缘计算的服务部署优化方法 |
CN110213097B (zh) * | 2019-05-31 | 2020-06-05 | 浙江大学 | 一种基于资源动态分配的边缘服务供应优化方法 |
CN110445866A (zh) * | 2019-08-12 | 2019-11-12 | 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 |
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 |
CN110941433A (zh) * | 2019-11-13 | 2020-03-31 | 佛山职业技术学院 | 一种边缘辅助部署第三方应用到微控制器方法及系统 |
CN111163178A (zh) * | 2020-01-10 | 2020-05-15 | 中国地质大学(武汉) | 一种边缘计算中基于博弈论的服务部署及任务卸载方法 |
CN111338754A (zh) * | 2020-02-17 | 2020-06-26 | 中山大学 | 一种基于云簇的虚拟机借调方法 |
CN111338754B (zh) * | 2020-02-17 | 2023-04-18 | 中山大学 | 一种基于云簇的虚拟机借调方法 |
CN111431941A (zh) * | 2020-05-13 | 2020-07-17 | 南京工业大学 | 一种基于移动边缘计算的实时视频码率自适应方法 |
WO2022022440A1 (zh) * | 2020-07-31 | 2022-02-03 | 阿里巴巴集团控股有限公司 | 网络重连方法、设备、系统及存储介质 |
CN112887435A (zh) * | 2021-04-13 | 2021-06-01 | 中南大学 | 一种提高边缘计算中任务卸载合作率的方法 |
CN113163006A (zh) * | 2021-04-16 | 2021-07-23 | 三峡大学 | 基于云-边缘协同计算的任务卸载方法及系统 |
CN115242800A (zh) * | 2022-09-22 | 2022-10-25 | 湖北工业大学 | 一种基于博弈论的移动边缘计算资源优化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108900628A (zh) | 边缘计算环境中基于定价机制的微云计算资源分配方法 | |
Ma et al. | Cost-efficient workload scheduling in cloud assisted mobile edge computing | |
Priya et al. | Resource scheduling algorithm with load balancing for cloud service provisioning | |
CN109829332B (zh) | 一种基于能量收集技术的联合计算卸载方法及装置 | |
Yang et al. | Joint computation partitioning and resource allocation for latency sensitive applications in mobile edge clouds | |
Liu et al. | Adaptive multi-resource allocation for cloudlet-based mobile cloud computing system | |
CN103220337B (zh) | 基于自适应弹性控制的云计算资源优化配置方法 | |
Vignesh et al. | Resource management and scheduling in cloud environment | |
Sun et al. | Contract-based resource sharing for time effective task scheduling in fog-cloud environment | |
CN104038392A (zh) | 一种云计算资源服务质量评估方法 | |
CN109547555A (zh) | 基于公平性准则的非平衡边缘云网络接入与资源分配机制 | |
da Silva et al. | Resource allocation mechanism for a fog-cloud infrastructure | |
CN109041130A (zh) | 基于移动边缘计算的资源分配方法 | |
CN111641973A (zh) | 一种雾计算网络中基于雾节点协作的负载均衡方法 | |
CN110445866A (zh) | 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 | |
Song et al. | Reward-oriented task offloading under limited edge server power for multiaccess edge computing | |
Ma et al. | Real-time virtual machine scheduling in industry IoT network: A reinforcement learning method | |
CN110519776A (zh) | 一种雾计算系统中的均衡聚类和联合资源分配方法 | |
Srinivasa et al. | Game theoretic resource allocation in cloud computing | |
Chakraborty et al. | QoS-aware dynamic cost management scheme for sensors-as-a-service | |
CN104811466B (zh) | 云媒体资源分配的方法及装置 | |
Tiwary et al. | CPS: a dynamic and distributed pricing policy in cyber foraging systems for fixed state cloudlets | |
Yuan et al. | A computation offloading game for jointly managing local pre-processing time-length and priority selection in edge computing | |
Ma et al. | A cyclic game for joint cooperation and competition of edge resource allocation | |
CN110290539A (zh) | 基于用户移动感知和资源预留的移动增强现实应用的资源分配装置及其工作方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181127 |