CN109005211B - 一种无线城域网环境下的微云部署及用户任务调度方法 - Google Patents

Abstract

本发明公开一种无线城域网环境下的微云部署及用户任务调度方法，通过引入系统所能容忍的网络延时阈值克服微云负载过重以及队列时间过长缺陷，有效减小平均系统响应时间。将针对微云部署方案以及用户任务调度方案的优化问题展开研究，旨在减小被卸载任务的平均等待时间。根据给定的整数K≥1,在无线城域网中选取K个接收点部署K个微云，然后按一定的规则将无线城域网中的用户任务调度到微云上，使得用户的被卸载任务的平均等待时间最小化。本发明在负载优先算法的基础上，优化该算法的明显缺陷，根据实际情况提出最近似于最优算法的密度优先部署算法，以有效的最小化系统响应时间，显著优化了城域网络的移动应用性能。

Description

一种无线城域网环境下的微云部署及用户任务调度方法

技术领域

本发明涉及局域网高性能计算领域的服务器部署及用户调度方法，尤其涉及一种无线城域网环境下的微云部署及用户任务调度方法。

背景技术

随着移动设备硬件技术的飞速发展，移动应用变得复杂多样，由此产生的任务需求就对移动设备的处理能力提出了更高的要求。然而，适宜的尺寸实现了设备的便携性却无法完全满足移动应用的处理要求。为了提高移动应用的性能表现，一个有效的解决方案是当一个应用承担多个任务时，可将将其中一部分卸载到云端上处理，从而减轻移动设备本身的处理负担。遥远的云端服务器一方面拥有丰富的计算资源而备受移动用户的青睐，另一方面却因距离移动用户过远，在任务数据传输时存在严重的网络延时，导致用户体验变差。尤其在一些对响应时间要求较高的应用中，这种时延是不能容忍的。最近有研究提出可用由一些计算机集群组成的微云替代云端来卸载移动设备任务。微云通常部署在网络中的某个数据接收点上，并且用户可以通过无线网络访问微云。相较于传统的云端，微云在地理位置上更加靠近用户，可以在一定程度上减小用户与处理端之间的网络延时，从而提升用户体验。

移动计算中微云应用的研究被日益关注的同时，其在网络中的部署位置在一定程度上被忽略了。以往的研究通常将微云描述为小型的私有局域网，例如公寓或者办公室区域。在这些环境中，微云部署位置对整个区域网络延时的影响是微乎其微的。无论微云被部署在何处，用户与微云之间的平均网络延时都是极小的，完全可以忽略不计。但是，若将部署的环境背景转变为无线城域网，部署位置的问题将变得极其重要。

虽然对于在无线城域网中使用微云的研究还很少，但是微云对无线城域网环境具有一定的适应性。首先，城市区域的人口密度高，这意味着微云可以接收到大量用户的任务需求，被闲置的概率较低，可以保障微云的利用率。其次，鉴于无线城域网的规模足够庞大，通过无线城域网提供微云服务的供应商可以降低部署的平均成本，使得微云服务更容易被普通大众所接受。然而，也正是因为无线城域网的规模巨大，所以某个用户与距离他最近的微云之间可能相距多个接收点。虽然在小型网络中每个接收点之间的延时可以忽略不计，但是在大规模的无线城域网中，由于较远的地理距离以及繁重的任务量，相距较远的接收点之间的数据传输可能会产生较低质量的服务以及较大的网络延时。正因如此，用户与为其提供服务的微云之间的距离将会严重影响移动应用的性能表现，特别是对于那些数据通信率与处理率高的应用，例如移动在线游戏。同时，我们也应当谨慎考虑哪一个用户需要调度到哪一个微云的问题。当用户被调度到最近的微云时可能有最小的网络延时，但是如果这个微云被其他用户的任务请求满载，这时的网络延时就会产生很大的波动。目前最好的解决方案就是将用户任务调度到距离相对近且工作负载相对较轻的微云上执行。通过设计微云部署方案以及用户任务调度方案，我们旨在最小化用户与微云之间总的任务请求延时，以此最大程度上提升移动应用的性能表现，从而提升用户体验。

无线城域网中的微云部署和用户任务调度问题仍存在多方面的困难。首先，无线城域网中的用户往往不是静止的，他们常在整个城域网中移动，任何特定区域内的用户数量都可能随时间而变化。决定微云的部署位置去适配用户的动态移动以及资源要求是很大的挑战。其次，用户任务调度方案也是必须考虑的。结合寻找最佳的微云部署方案来执行最佳的用户任务调度方案，给已经困难的问题又增加的新的复杂度。

发明内容

本发明的目的在于提供一种无线城域网环境下的微云部署及用户任务调度方法。

本发明采用的技术方案是：

一种无线城域网环境下的微云部署及用户任务调度方法，其包括以下步骤：

步骤1：构建无线城域网模型，生成无线城域网中的用户与接收点之间的关联关系的无向图；

步骤2：基于无向图确定每个接收点连接的候选用户集合；

步骤3：在无线城域网络中进行微云部署；

步骤3-1，分别计算无线城域网络中所有在线接收点的候选工作负载；

步骤3-1中在线接收点的候选工作负载的计算公式如下：

其中，

来表示p_j的候选工作负载，

为接收点p_j的候选用户集合，λ_i表示候选用户u_j的工作负载；

步骤3-2，选择候选工作负载最大的接收点最为当前接收点；

步骤3-3，在当前接收点上部署微云成为微云接收点；

步骤3-4，从无线城域网络中卸载当前接收点以及与该接收点直接连接的候选用户；

步骤3-5，判断是否达到微云部署上限；当达到微云部署上限，则跳转步骤3-6；否则，跳转步骤3-1；

步骤3-6，结束微云部署，并将已卸载的接收点及其直接连接的候选用户重新挂载至无线城域网络；

步骤4：对已完成微云部署的无线城域网络进行用户任务调度：

步骤4-1，从当前无线城域网络所有在线微云接收点中获取具有最大候选用户的微云接收点作为当前微云接收点；

步骤4-2，当前微云接收点对应的候选用户集中顺序选取一候选用户，将该候选用户的任务分配至当前微云接收点上，并将该候选用户纳入被调度用户集；

步骤4-3，计算当前微云接收点的工作负载；

步骤4-4，判断当前微云接收点的负载是否超过每个微云的平均负载；当前微云接收点的负载不超过每个微云接收点的平均负载时，跳转至步骤4-2；否则，跳转步骤4-5；

步骤4-5，将被调度用户集以及当前微云接收点从无线城域网络中卸载；

步骤4-6，判断是否有在线微云；当有在线微云时，则跳转步骤4-1；否则，跳转步骤4-7；

步骤4-7，判断是否有剩余未调度的候选用户；

当还有剩余未调度的候选用户，则将剩余未调度的候选用户就近调度至附近的微云；否则，跳转步骤4-8；

步骤4-8，结束用户任务调度，并将已卸载的微云接收点及其被调度候选用户重新挂载至无线城域网络。

进一步地，步骤1具体包括以下步骤：

步骤1-1：设定p_j表示无线城域网中的第j个接收点，则通过互联网互相连接的接收点的集合为P＝{p₁,…p_j,…,p_n}；u_j表示无线城域网中的第j个用户，则通过接收点访问网络的用户的集合为U＝{u₁,…u_j,…,u_n}；

步骤1-2：无线城域网中的用户与接收点之间的关联关系的无向图G,G＝(V,E)，其中V＝P∪U；E为G中含有两种类型的边；

G中含有两种类型的边：一种为某个用户u_i与某个接收点p_j之间的边(u_i,p_j)，(u_i,p_j)表示u_i与p_j之间无线连接；另一种为两个接收点p_i与p_j之间的边，它表示两接收点直接相连，它们之间没有其余接收点。

设定每一个任务通过网络在同一组接收点之间传输时所产生的延时都是相等的，则定义一个矩阵D∈R^m×m，其中m为网络内接收点的数量，D_j,k表示任务在接收点p_j与接收点p_k之间传输所产生的传输延时。

进一步地，步骤2具体包括以下步骤：

步骤2-1：定义T_net为可容忍网络延迟阈值T_net；

步骤2-2：将与接收点p_j之间网络延迟不超过T_net的用户的集合

作为接收点p_j的候选用户集合，

其中D_k,j表示任务在接收点p_k与接收点p_j之间传输所产生的传输延时；p_k为候选用户u_i所在的无线连接点。

因为p_j的候选用户与p_j之间有较小的网络延时，因此p_j的所有候选用户都将被调度到接收点p_j周围。一个接收点的候选用户集合的大小可以用来指示该接收点所在区域的用户密度大小。

进一步地，步骤4-7中将剩余未调度的候选用户就近调度至附近的微云的具体步骤

步骤4-7-1，从所有剩余未调度的候选用户顺序选取一剩余未调度的候选用户，查询其最接近的微云；

步骤4-7-2，将选取的剩余未调度的候选用户的任务调度至该最接近的微云；

步骤4-7-3，判断调入该剩余未调度的候选用户的任务时该微云的工作负载是否超过该微云的最大工作负载；

当超过该微云的最大工作负载时，从该微云卸载该剩余未调度的候选用户，并将该剩余未调度的候选用户的任务分配至云端执行；当未到达该微云的最大工作负载时，将该剩余未调度的候选用户归入该微云的被调度用户集。

本发明采用以上技术方案，根据实际情况提出最近似于最优算法的密度优先部署算法，以有效的最小化系统响应时间。通过引入系统所能容忍的网络延时阈值克服微云负载过重以及队列时间过长缺陷，有效减小平均系统响应时间。将针对微云部署方案以及用户任务调度方案的优化问题展开研究，旨在减小被卸载任务的平均等待时间。我们专注于解决以下优化问题：根据给定的整数K≥1,在无线城域网中选取K个接收点部署K个微云，然后按一定的规则将无线城域网中的用户任务调度到微云上，使得用户的被卸载任务的平均等待时间最小化。本发明在负载优先算法的基础上，优化该算法的明显缺陷，显著优化了城域网络的移动应用性能。

附图说明

以下结合附图和具体实施方式对本发明做进一步详细说明；

图1为本发明一种无线城域网环境下的微云部署及用户任务调度方法的无线城域网模型结构示意图；

图2为传统的负载优先算法的流程示意图；

图3为本发明的微云队列时间图；

图4为本发明用户任务调度方法的密度优先算法的流程示意图。

具体实施方式

如图1-4之一所示，本发明公开了一种无线城域网环境下的微云部署及用户任务调度方法，其包括以下步骤：

步骤1：构建无线城域网模型，生成无线城域网中的用户与接收点之间的关联关系的无向图；

步骤2：基于无向图确定每个接收点连接的候选用户集合；

步骤3：在无线城域网络中进行微云部署；

步骤3-1，分别计算无线城域网络中所有在线接收点的候选工作负载；

步骤3-1中在线接收点的候选工作负载的计算公式如下：

其中，

来表示p_j的候选工作负载，

为接收点p_j的候选用户集合，λ_i表示候选用户u_j的工作负载；

步骤3-2，选择候选工作负载最大的接收点最为当前接收点；

步骤3-3，在当前接收点上部署微云成为微云接收点；

步骤3-4，从无线城域网络中卸载当前接收点以及与该接收点直接连接的候选用户；

步骤3-5，判断是否达到微云部署上限；当达到微云部署上限，则跳转步骤3-6；否则，跳转步骤3-1；

步骤3-6，结束微云部署，并将已卸载的接收点及其直接连接的候选用户重新挂载至无线城域网络；

步骤4：对已完成微云部署的无线城域网络进行用户任务调度：

步骤4-1，从当前无线城域网络所有在线微云接收点中获取具有最大候选用户的微云接收点作为当前微云接收点；

步骤4-2，当前微云接收点对应的候选用户集中顺序选取一候选用户，将该候选用户的任务分配至当前微云接收点上，并将该候选用户纳入被调度用户集；

步骤4-3，计算当前微云接收点的工作负载；

步骤4-4，判断当前微云接收点的负载是否超过每个微云的平均负载；当前微云接收点的负载不超过每个微云接收点的平均负载时，跳转至步骤4-2；否则，跳转步骤4-5；

步骤4-5，将被调度用户集以及当前微云接收点从无线城域网络中卸载；

步骤4-6，判断是否有在线微云；当有在线微云时，则跳转步骤4-1；否则，跳转步骤4-7；

步骤4-7，判断是否有剩余未调度的候选用户；

当还有剩余未调度的候选用户，则将剩余未调度的候选用户就近调度至附近的微云；否则，跳转步骤4-8；

步骤4-8，结束用户任务调度，并将已卸载的微云接收点及其被调度候选用户重新挂载至无线城域网络。

进一步地，步骤1具体包括以下步骤：

步骤1-1：设定p_j表示无线城域网中的第j个接收点，则通过互联网互相连接的接收点的集合为P＝{p₁,…p_j,…,p_n}；u_j表示无线城域网中的第j个用户，则通过接收点访问网络的用户的集合为U＝{u₁,…u_j,…,u_n}；

步骤1-2：无线城域网中的用户与接收点之间的关联关系的无向图G,G＝(V,E)，其中V＝P∪U；E为G中含有两种类型的边；G中含有两种类型的边：一种为某个用户u_i与某个接收点p_j之间的边(u_i,p_j)，(u_i,p_j)表示u_i与p_j之间无线连接；另一种为两个接收点p_i与p_j之间的边，它表示两接收点直接相连，它们之间没有其余接收点。

设定每一个任务通过网络在同一组接收点之间传输时所产生的延时都是相等的，则定义一个矩阵D∈R^m×m，其中m为网络内接收点的数量，D_j,k表示任务在接收点p_j与接收点p_k之间传输所产生的传输延时。

进一步地，步骤2具体包括以下步骤：

步骤2-1：定义T_net为可容忍网络延迟阈值T_net；

步骤2-2：将与接收点p_j之间网络延迟不超过T_net的用户的集合

作为接收点p_j的候选用户集合，

其中D_k,j表示任务在接收点p_k与接收点p_j之间传输所产生的传输延时；p_k为候选用户u_i所在的无线连接点。

因为p_j的候选用户与p_j之间有较小的网络延时，因此p_j的所有候选用户都将被调度到接收点p_j周围。一个接收点的候选用户集合的大小可以用来指示该接收点所在区域的用户密度大小。

进一步地，步骤4-7中将剩余未调度的候选用户就近调度至附近的微云的具体步骤

步骤4-7-1，从所有剩余未调度的候选用户顺序选取一剩余未调度的候选用户，查询其最接近的微云；

步骤4-7-2，将选取的剩余未调度的候选用户的任务调度至该最接近的微云；

步骤4-7-3，判断调入该剩余未调度的候选用户的任务时该微云的工作负载是否超过该微云的最大工作负载；

当超过该微云的最大工作负载时，从该微云卸载该剩余未调度的候选用户，并将该剩余未调度的候选用户的任务分配至云端执行；当未到达该微云的最大工作负载时，将该剩余未调度的候选用户归入该微云的被调度用户集。

下面就本发明的具体原理做详细的说明：

1问题定义

我们引入两个集合X和Y，分别表示微云部署方案和用户任务调度方案。其中x_j表示接收点p_j处是否部署了微云，x_j＝1表示有，否则x_j＝0；Y表示用户到微云的调度方案，Y_i,j＝1表示用户u_i被调度到了部署在p_j处的微云，否则Y_i,j＝0。我们假定所有的微云都会被多个接收点共同连接，

X＝{x_j|1≤j≤m}

Y＝{y_i,j|1≤i≤n,1≤j≤m}

我们还引入了一个用户与微云之间的可容忍网络延时的阈值T_net。虽然无法提出一个解决方案使得每个用户的网络延时都低于T_net，但是当我们设计算法时，引入阈值将具有实际意义。接下来我们定义一些与问题相关联的参数。用Λ表示用户到达率的集合，

Λ＝{λ_i|1≤i≤n} (1)

用W表示用户与他的无线连接接收点之间的无线延迟的集合，

W＝(ω_i|1≤i≤n) (2)

无线城域网中K个微云部署问题(KCP)可以有如下定义：根据给定的整数K≥1和系统参数(G,Λ,W,D,T_net,λ_max,B,μ,c)，得出微云部署方案X和用户任务调度方案Y，使得系统响应时间最小化，

2无线城域网系统模型

如图1，一个无线城域网系统可以由一个通过互联网互相连接的接收点的集合P＝{p₁,…,p_n}和一个可以通过接收点访问网络的用户的集合U＝{u₁,…,u_n}来表示。我们用一个无向图G＝(V,E)来表示无线城域网中的用户与接收点之间的关联关系，其中V＝P∪U。G中含有两种类型的边；一种为某个用户u_i与某个接收点p_j之间的边(u_i,p_j)，(u_i,p_j)表示u_i与p_j之间无线连接；另一种为两个接收点p_i与p_j之间的边，它表示两接收点直接相连，它们之间没有其余接收点。我们假设图G是连通的，这就意味着G中包含的任一个接收点都通过高速的互联网访问另外任一个接收点。此外，G中的每一个接收点都可以通过互联网访问遥远的云端服务器。

每个移动用户所产生的任务量是波动的并且无法预知，尤其是当他们在同一时间运行多个应用的时候。我们假定每个用户u_i都有一束可卸载的任务流，并且这束工作流根据泊松过程以卸载率λ_i随机的进入系统。

为了将自己的任务需求卸载到微云上去执行，用户需要通过网络G来传递他的任务需求。用ω_i来表示用户u_i与同他无线连接的接收点p_j间的无线延时。如果用户u_i的任务需求被调度到部署在p_k的微云上去执行，那么任务就需要从p_j传到p_k。我们假定被卸载的任务都有同样的数据包大小，因此用户的每一个任务通过网络在同一组接收点之间传输时所产生的延时都是相等的。我们定义一个矩阵D∈R^m×m，其中D_j,k表示任务在接收点p_j与接收点p_k之间传输所产生的传输延时。

3卸载系统模型

我们引入一个多用户任务卸载系统模型，这个模型模拟一个队列网络。我们假定G中部署了K个微云。被卸载的任务可以由K个微云中的一个执行或者由遥远的云端来执行。每个用户根据卸载率λ_i卸载他的任务流到微云。如果某一时刻微云出现过载的情况，它将会将接收到的工作流的一部分卸载到遥远的云端去执行，以保证微云上的负载不会过大。

如图3所示，所有的微云被模拟成一个M/M/c队列，其中每个微云都由c个拥有固定服务率μ的同类服务器所组成。一个任务请求到达微云的等待时间由队列时间和传输时间组成。我们定义一个函数f_Q，它的功能是根据给定的任务卸载率λ(工作负载)，返回平均队列时间。

其中

(2)式被称为Erlang公式。

用U_j来表示被调度到部署在p_j处的微云的用户集合，U_j＝{u_i|y_i,j＝1}。如果一个微云的工作负载过重，队列时间就可能变得格外的长，这就有可能使得移动用户的应用变慢。对于微云来说，当它过载时，将超出的任务量卸载到遥远的云端上去处理是常用的解决方案。我们假定每个微云的最大工作负载被卸载率λ_max所限制，其他剩余的任务请求将被卸载到遥远的云端。我们用Φ_j来表示在微云上处理的任务比例。

其中U_j表示被调度到部署在p_j处的微云的用户集合，

部署在p_j处的微云上的每个任务的等待时间为

被卸载到遥远云端的任务是通过互联网传输的，我们假定这样的传输将产生固定的延时B，并且云端拥有充足的计算资源去执行任务，云端上的队列时间忽略不计。我们将云端模拟为一个M/M/∞队列，并且与所有微云一样拥有固定的服务率μ。卸载任务到云端的等待时间可以表示

t_cld＝B+1/μ (8)

根据式(3)(4)(5)可得，卸载用户u_i的任务的平均等待时间为

t_i＝ω_i+D_k,j+φ_j·t_clt(j)+(1-φ_j)·t_cld(j) (9)

其中u_i与接收点p_k无线连接，并被调度到部署在p_j处的微云。

系统中所有用户卸载任务的平均等待时间称为系统的响应时间

3本发明的涉及的策略算法

3.1传统负载优先部署算法

解决KCP问题首先要找到WMAN中的微云部署位置。由于问题的目的是通过将微云更贴近用户从而减小系统响应时间，那么一个简单有效的方案就是将微云直接部署到用户工作负载最重的接收点上。我们将网络中的所有接收点根据与该接收点直接无线连接的用户的累计任务卸载率降序排列，然后取前K个为微云部署点。接下来我们调度用户到微云。

对于每个无线连接到p_j的用户u_i，我们找到与p_j之间有最小的网络延迟D_k,j的微云，然后将u_i调度到这个微云。这样就最小化了用户与服务他的微云之间的网络延时。如图2所示，给出了传统负载优先部署算法的流程，算法1给出了负载优先算法的细节。

算法1负载优先算法

输入：(K,G,Λ,W,D,T_net,λ_max,B,μ,c)

输出：(X,Y)

1：/*微云部署方案*/

2：初始化：

为微云部署点的集合*/；

3：for k←1to K do

4：j←k，其中k为接收点p_j的索引值，

user(p_k)为与接收点p_k直接无线连接的用户的集合；

5：Q←Q∪{p_j}；

6：X[j]←1；

7：/*用户任务调度方案*/

8：for i←1to n do

9：p_k为用户u_i的连接点；

10：找到一个微云j并调度用户的任务给他，其中

11：Y[i,j]←1.

HAF算法有两个主要缺点。首先，有着最大工作负载的接收点不一定最接近于他所服务的用户。如图1所示模型，虽然接收点p_j可能有着最大工作负载，但是与之无线连接的用户都处在网络的边缘，这就导致如果p_j被选为微云部署点，那么除这些用户之外的其他用户想要访问这个边缘接收点的传输代价是很大的。显而易见，这个模型中的接收点p_j并不是一个好的微云部署点。另一方面，虽然接收点p_j没有和任何用户无线连接，也就是工作负载为零，但是网络中的大部分用户都与p_j相距不远，所以p_j相较于p_j来说是一个更优的微云部署

点。综上所述，用人口密度相对较大区域的接收点代替直接工作负载最大的接收点作为微云的部署位置是我们的改进办法之一。

HAF算法第二个较大的缺点就是一味的将用户调度到最邻近的微云，这将可能导致微云过载，从而产生过长的队列时间，影响用户体验。图3展示了调度到微云上工作负载与微云队列时间的关系。当工作负载到一定大小时，队列时间将快速增加，此时任务在微云上处理的等待时间有可能超过传输到遥远云端的等待时间。所以在用户调度时，采取怎样的调度策略能使得总的系统响应时间最小也是我们研究的重点之一。

3.2密度优先部署算法

如图4所示，为了优化HAF算法的缺陷，我们现在提出解决KCP问题的主要解决方法。通过对HAF算法的讨论，我们得到两个关键的方向指引我们找到解决KCP问题更有效的方法。首先，我们希望在无线城域网(WMAN)中用户相对密集的区域部署微云，这意味着微云将更加靠近大多数用户，从而减小用户与微云之间的平均网络延时。第二，我们限制各微云的工作负载，这样可以有效减少任务的平均微云队列时间。我们提出一个基于密度的微云部署方案。前面我们定义了参数T_net，它表示所能容忍的网络延迟的阈值。用

表示与p_j之间网络延迟不超过T_net的用户的集合，

其中p_k为u_i的无线连接点。我们称

为接收点p_j的候选用户集合。因为p_j的候选用户与p_j之间有较小的网络延时，因此p_j的所有候选用户都将被调度到接收点p_j周围。一个接收点的候选用户集合的大小可以用来指示该接收点所在区域的用户密度大小。用

来表示p_j的候选工作负载，

我们首先选择有最大

的接收点p_j来部署微云。然后我们移除网络G中与p_j直接相连的用户的集合，再重新计算更新后的网络中每个接收点的候选工作负载，从而找到下一个微云部署点。我们重复以上过程K次，以部署K个微云。

因为互相邻近的接收点经常会共享候选用户，当一个接收点与拥有大量候选用户的接收点相邻时，这个接收点本身也可能拥有大量的候选用户。无线城域网(WMAN)中人口密集区域往往有多个接收点可以被选做微云部署点。通过在p_j部署微云之后移除与p_j直接相连用户的这个操作，可以减小在人口密集区域微云部署过饱和的可能性。这意味着微云的分布大致符合移动用户的分布，这使得调度用户到微云时更容易平衡微云间的工作负载。

我们接下来解决用户到微云的调度问题，我们找到有着最大候选用户工作负载的微云。我们用λ_avg表示每个微云的平均工作负载

我们接下来调度微云的候选用户到它本身，直到该微云的工作负载超过λ_avg。一旦某个微云完成了上述过程，被调度的用户集以及微云部署点将从无线城域网(WMAN)中移除。然后我们对下一个拥有最大候选用户集合的微云进行同样的操作。这个过程直到所有的微云都有机会去调度它的候选用户之后结束。最后，剩余的未得到调度的用户将被调度到距离他最近的微云。

当某个微云的工作负载到达一个阈值时，超出的任务将被卸载到云端去执行，以保证微云队列时间不会大于任务传输到云端所产生的网络延时。图4给出了密度优先算法的流程，算法2给出了密度优先算法的细节。

算法2密度优先部署方案

输入：(K,G,Λ,W,D,T_net,λ_max,B,μ,c)

输出：(X,Y)

1：/*微云部署方案*/

2：U'←U/*U'为未调度到微云的用户集合*/；

3：初始化：

为微云部署点的集合*/；

4：for iteration←1to K do

5：找到微云j使

6：Q←Q∪{p_j}；

7：U'←U'-user(p_j)其中user(p_j)为与相p_j连接的用户；

8：X[j]←1；

9：/*用户任务调度方案*/

10：for i←1to n do

11：p_k为用户u_i的连接点；

12：找到一个微云j并调度用户的任务给他，其中

13：ifλ_j<λ_max

14：Y[i,j]←1.

15:else

16:u_i的任务被卸载到云端

本发明采用以上技术方案，根据实际情况提出最近似于最优算法的密度优先部署算法，以有效的最小化系统响应时间。通过引入系统所能容忍的网络延时阈值克服微云负载过重以及队列时间过长缺陷，有效减小平均系统响应时间。将针对微云部署方案以及用户任务调度方案的优化问题展开研究，旨在减小被卸载任务的平均等待时间。我们专注于解决以下优化问题：根据给定的整数K≥1,在无线城域网中选取K个接收点部署K个微云，然后按一定的规则将无线城域网中的用户任务调度到微云上，使得用户的被卸载任务的平均等待时间最小化。本发明在负载优先算法的基础上，优化该算法的明显缺陷，显著优化了城域网络的移动应用性能。

Claims (4)

1.一种无线城域网环境下的微云部署及用户任务调度方法，其特征在于：其包括以下步骤：

步骤1：构建无线城域网模型，生成无线城域网中的用户与接收点之间的关联关系的无向图；

步骤2：基于无向图确定每个接收点连接的候选用户集合；

步骤3：在无线城域网络中进行微云部署；

步骤3-1，分别计算无线城域网络中所有在线接收点的候选工作负载；

步骤3-1中在线接收点的候选工作负载的计算公式如下：

其中，

来表示p_j的候选工作负载，

为接收点p_j的候选用户集合，λ_i表示候选用户u_j的工作负载，T_net为可容忍网络延迟阈值；

步骤3-2，选择候选工作负载最大的接收点作为当前接收点；

步骤3-3，在当前接收点上部署微云成为微云接收点；

步骤3-4，从无线城域网络中卸载当前接收点以及与该接收点直接连接的候选用户；

步骤3-5，判断是否达到微云部署上限；当达到微云部署上限，则跳转步骤3-6；否则，跳转步骤3-1；

步骤3-6，结束微云部署，并将已卸载的接收点及其直接连接的候选用户重新挂载至无线城域网络；

步骤4：对已完成微云部署的无线城域网络进行用户任务调度：

步骤4-1，从当前无线城域网络所有在线微云接收点中获取具有最大候选用户的微云接收点作为当前微云接收点；

步骤4-2，当前微云接收点对应的候选用户集合中顺序选取一候选用户，将该候选用户的任务分配至当前微云接收点上，并将该候选用户纳入被调度用户集；

步骤4-3，计算当前微云接收点的工作负载；

步骤4-4，判断当前微云接收点的负载是否超过每个微云的平均负载；当前微云接收点的负载不超过每个微云接收点的平均负载时，跳转至步骤4-2；否则，跳转步骤4-5；

步骤4-5，将被调度用户集以及当前微云接收点从无线城域网络中卸载；

步骤4-6，判断是否有在线微云；当有在线微云时，则跳转步骤4-1；否则，跳转步骤4-7；步骤4-7，判断是否有剩余未调度的候选用户；

当还有剩余未调度的候选用户，则将剩余未调度的候选用户就近调度至附近的微云；否则，跳转步骤4-8；

步骤4-8，结束用户任务调度，并将已卸载的微云接收点及其被调度候选用户重新挂载至无线城域网络。

2.根据权利要求1所述的一种无线城域网环境下的微云部署及用户任务调度方法，其特征在于：步骤1具体包括以下步骤：

步骤1-1：设定p_j表示无线城域网中的第j个接收点，则通过互联网互相连接的接收点的集合为P＝{p₁,…p_j,…,p_n}；u_j表示无线城域网中的第j个用户，则通过接收点访问网络的用户的集合为U＝{u₁,…u_j,…,u_n}；

步骤1-2：无线城域网中的用户与接收点之间的关联关系的无向图G,G＝(V,E)，其中V＝P∪U；E为G中含有两种类型的边；

G中含有的两种类型边分别为：一种为某个用户u_i与某个接收点p_j之间的边(u_i,p_j)，(u_i,p_j)表示u_i与p_j之间无线连接；另一种为两个接收点p_i与p_j之间的边，它表示两接收点直接相连，它们之间没有其余接收点。

3.根据权利要求1所述的一种无线城域网环境下的微云部署及用户任务调度方法，其特征在于：步骤2具体包括以下步骤：

步骤2-1：定义T_net为可容忍网络延迟阈值T_net；

步骤2-2：将与接收点p_j之间网络延迟不超过T_net的用户的集合

作为接收点p_j的候选用户集合，

其中D_k,j表示任务在接收点p_k与接收点p_j之间传输所产生的传输延时；p_k为候选用户u_i所在的无线连接点。

4.根据权利要求1所述的一种无线城域网环境下的微云部署及用户任务调度方法，其特征在于：步骤4-7中将剩余未调度的候选用户就近调度至附近的微云的具体步骤：

步骤4-7-1，从所有剩余未调度的候选用户顺序选取一剩余未调度的候选用户，查询其最接近的微云；

步骤4-7-2，将选取的剩余未调度的候选用户的任务调度至该最接近的微云；

步骤4-7-3，判断调入该剩余未调度的候选用户的任务时该微云的工作负载是否超过该微云的最大工作负载；

当超过该微云的最大工作负载时，从该微云卸载该剩余未调度的候选用户，并将该剩余未调度的候选用户的任务分配至云端执行；当未到达该微云的最大工作负载时，将该剩余未调度的候选用户归入该微云的被调度用户集。

Images