CN109818788B - 一种基于次模优化的边缘缓存c-ran中计算资源分配方法 - Google Patents
一种基于次模优化的边缘缓存c-ran中计算资源分配方法 Download PDFInfo
- Publication number
- CN109818788B CN109818788B CN201910063289.4A CN201910063289A CN109818788B CN 109818788 B CN109818788 B CN 109818788B CN 201910063289 A CN201910063289 A CN 201910063289A CN 109818788 B CN109818788 B CN 109818788B
- Authority
- CN
- China
- Prior art keywords
- cluster
- user
- users
- file
- virtual machine
- 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.)
- Active
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于次模优化的边缘缓存C‑RAN中计算资源分配方法,该方法按以下步骤进行:S1根据系统中所有无线射频单元的地理位置划分不同的簇;S2根据各个用户到系统中各个簇的不同距离,将每个用户关联到不同簇中;S3在每个簇中,根据关联到本簇的各个用户对不同文件的偏好,制定缓存策略;S4云端中与每个簇对应的本地服务器依据“系统平均时延最小原则”为各个簇中的非命中用户分配计算资源。本发明提出了运用次模优化的方法,对边缘缓存C‑RAN中的计算资源做分配,不仅可以有效地提高分配效率,而且减小了系统的总功耗和任务计算的时延。
Description
技术领域
本发明属于移动通信技术领域,具体涉及一种基于次模优化的边缘缓存C-RAN中计算资源分配方法。
背景技术
随着5G和物联网技术的快速发展,无线接入设备得到了迅猛地发展,随之而来的传输数据量也得到了爆炸式地增长。而C-RAN被看作是一种新颖的网络架构,在抑制干扰、减小能量消耗和为无线网络分配资源等方面有着显著的优势。由于接入用户数的增多,计算任务增大,而计算资源有限,所以采用合理的计算资源分配机制不仅可以大大缩短总任务执行的计算时延,也可以大大挺高了计算资源的执行效率,缓解了C-RAN中云端的计算任务巨大和计算资源紧张所带来的压力。所以本发明提出了在运用次模优化的方法,对带有移动边缘缓存下行C-RAN的通信中的计算资源做分配,可以有效地提高分配效率,减小系统的总功耗和任务计算的时延。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,提供一种基于次模优化的边缘缓存C-RAN中计算资源分配方法,运用次模优化方法,对边缘缓存C-RAN中的计算资源进行分配,可以有效提高分配效率,并减小系统的总功耗和任务的计算时间。
本发明提供一种基于次模优化的边缘缓存C-RAN中计算资源分配方法,包括如下步骤,
步骤S1、根据C-RAN系统中所有无线射频单元的位置划分若干个簇;
步骤S2、根据各用户与每个簇的距离,将每个用户优先关联到与之距离值最小的簇中;
步骤S3、根据每个簇中各用户对不同文件的偏好制定缓存策略;
步骤S4、云端中每个簇所对应的本地服务器根据系统平均时延最小原则对各个簇中非命中用户分配计算资源。
作为本发明的进一步技术方案,C-RAN系统包括一个用户层、一个接入层和一个云端层,用户层包括集合为UE={UE1,UE2,...,UEU}共U个用户,接入层中包括集合为CL={CL1,CL2,...CLM}共M个簇,每个簇包含有N个无线射频单元,云端层中设有一个高层控制器和M个与簇一一对应的本地控制器,每个本地控制器拥有一个本地服务器,本地服务器生成V个虚拟机器,高层控制器中存储集合为F={f1,f2,...,fJ}的J个文件。
进一步的,步骤S2中,一个用户到系统中一个簇的距离定义为这个用户到这个簇中所有无线射频单元的距离的最小值。所有用户到所有簇距离中的最小距离值所对应的用户优先被关联到这个值所对应的簇中。
进一步的,步骤S2中,关联的策略中每个簇中的用户数小于簇中的天线数,每个用户只关联到一个簇中,整个系统的用户关联集合为K={K1,K2,...,KM},其中,Km为关联到簇m中的用户的集合。
进一步的,步骤S3中,制定缓存策略为:Π={Π1,Π2,...,ΠM}为不同簇中用户偏好概率集合,其中,Πm=(qj|u)K×J为被关联到簇m中K个用户对J个文件的用户偏好概率,为被关联到簇m中的K个用户对同一个文件的用户偏好概率之和,即选出前L个最大的qj所对应的L个文件,簇m中的所有无线射频单元缓存这L个文件;整个系统缓存的文件集合为F={F1,F2,...,FM},其中,Fm表示簇m中的所有缓存的文件集合。
总时延的的计算过程如下:
步骤S41、用户u和其他K-1个用户被关联到簇m中,且用户u在集合Km中的索引为k,将用户u表示为用户k。且用户k收到的信号为:
其中,表示用户u被关联到簇m中,否则为0,hmk=(hmjkΩmjk)∈CN×1是用户k与簇m中所有无线射频单元之间的信道矩阵,hmjk为用户k与簇m中第j个无线射频单元之间信道的小尺度衰落,Ωmjk为用户k与簇m中第j个无线射频单元之间信道的大尺度衰落和阴影衰落,nk为方差为σ2的高斯白噪声,zm为量化噪声矢量,则当簇m中所有的用户都为非命中用户时τm=1,否则为0,αm为簇m中的量化噪声系数,且 为关联到簇m中的用户k所申请的文件l被缓存到簇中,否则为1,Cm为簇m中的最大回程容量,p为无线射频单元的发射功率且满足其中,是簇m中所有无线射频单元和关联到簇m中所有用户之间的预编码矩阵,Hm为簇m中所有无线射频单元与所有用户之间的信道矩阵,ξ和α为常数,tr{·}为求迹运算;
步骤S43、若用户u是非命中用户,计算文件的计算时延为其中,Xl表示文件l每比特所需要的CPU的转数,ζ为所有虚拟机器的计算能力,为分配指示变量,若簇m中第v个虚拟机器分配给用户u,则否则为0,为簇m中第v个虚拟机器对用户u申请的文件的执行效率。同一个簇中所有虚拟机器对同一个用户所申请的文件具有相同的执行效率,同一个虚拟机器对关联到本簇中的不同用户所申请的文件具有不同的执行效率。
进一步的,步骤S4中,计算资源分配的过程中一个虚拟机器只能分配给一个用户,且分配给同一个用户的虚拟机属于同一个本地服务器;每个簇中的虚拟机只分配给关联到本簇中的非命中用户;采用次模优化的方法对用户的平均时延进行分析,得到最优的计算资源分配采用的方法步骤如下:
步骤a、根据系统中所有无线射频单元的地理位置划分不同的簇;
步骤b、完成系统的用户关联,获取关联结果K={K1,K2,...,KM};
步骤e、步骤d中被分配的虚拟机器不能再分配给其他用户,将该虚拟机器从簇m本地服务器中可分配的虚拟机器集合中移除;
步骤f、当每个簇中可分配的虚拟机器集合不为空集或者边界增益不为0时,返回步骤d;否则,停止分配,返回每个簇中的虚拟机器分配策略X={X1,X2,...,XM}。
更进一步的,步骤d中,给定用户关联结果和文件缓存结果后,簇m的目标函数将转化为最大化其中,为关联到簇m中的非命中用户u的节省时延函数,为当一个用户没有虚拟机器分配时的最大等待和计算时延。增加一个新的虚拟机器z后,簇m中目标函数的系统边界增益定义为其中,A为已经分配了的虚拟机器的集合。
本发明基于“系统平均时延最小原则”,运用次模优化的方法将每个簇本地服务器中的计算资源分配给每个簇中的非命中用户,有效地提高了计算资源的分配效率,减小了系统的总功耗和任务计算的时延。
与现有方案对比,本方法在现有技术的基础上,在无线射频单元处增加了缓存功能,并且应用回程压缩技术,大大减小信息交互的时延和缓解回程容量的压力。
附图说明
图1为本发明的流程示意图;
具体实施方式
请参阅图1,本实施例提供一种基于次模优化的边缘缓存C-RAN中计算资源分配方法,包括如下步骤,
步骤101、根据C-RAN系统中所有无线射频单元的位置划分若干个簇;
步骤102、根据一个用户到系统中一个簇的距离定义为这个用户到这个簇中所有无线射频单元的距离的最小值,算出所有无线射频单元与所有用户之间的距离,近而得到每个用户和每个簇之间的距离。所有用户到所有簇距离中的最小距离值所对应的用户优先被关联到这个值所对应的簇中。在用户关联的过程中要满足关联到每个簇中的用户数要小于簇中的天线数,且每个用户只能被关联到一个簇中的条件。近而可以得到整个系统的用户关联集合为K={K1,K2,...,KM},其中,Km表示关联到簇m中的用户的集合;
步骤103、算出不同簇中的用户偏好集合Π={Π1,Π2,...,ΠM},其中,Πm=(qj|u)K×J表示被关联到簇m中的K个用户对J个文件的用户偏好概率。近而得出关联到簇m中的K个用户对同一个文件的用户偏好概率之和即选出前L个最大的qj所对应的L个文件,簇m中的所有无线射频单元缓存这L个文件。最终得到整个系统缓存的文件集合为F={F1,F2,...,FM},其中,Fm表示簇m中的所有缓存的文件集合。近而得到每个簇中需要被分配计算资源的用户集合
,其中,表示用户u被关联到簇m中,否则为0,hmk=(hmjkΩmjk)∈CN×1是用户k与簇m中所有无线射频单元之间的信道矩阵,hmjk为用户k与簇m中第j个无线射频单元之间信道的小尺度衰落,Ωmjk表示用户k与簇m中第j个无线射频单元之间信道的大尺度衰落和阴影衰落,nk是方差为σ2的高斯白噪声,zm为量化噪声矢量,当簇m中所有的用户都为非命中用户时τm=1,否则为0,αm为簇m中的量化噪声系数,且 表示关联到簇m中的用户k所申请的文件l被缓存到簇中,否则为1,Cm为簇m中的最大回程容量,p为无线射频单元的发射功率且 是簇m中所有无线射频单元和关联到簇m中所有用户之间的预编码矩阵,Hm为簇m中所有无线射频单元与所有用户之间的信道矩阵,ξ和α为常数,tr{·}为求迹运算。
根据用户u得到的信号,可以得到文件用户u的接收信干燥比为则可以得到用户u的文件传输速度,及文件的传输时延为其中,Dl表示文件l的比特数,B表示系统带宽,E{·}表示对式子中信道的小尺度衰落做统计平均。
若用户u是非命中用户,计算文件的计算时延其中,Xl表示文件l每比特所需要的CPU的转数,ζ为所有虚拟机器的计算能力,为分配指示变量,若簇m中第v个虚拟机器分配给用户u,则否则为0,为簇m中第v个虚拟机器对用户u申请的文件的执行效率;
步骤105:每个簇独立进行计算资源分配。在给定用户关联结果和文件缓存结果后,簇m的目标函数将转化为最大化其中,为关联到簇m中的非命中用户u的节省时延函数,为当一个用户没有虚拟机器分配时的最大等待和计算时延。增加一个新的虚拟机器z后,簇m中目标函数的系统边界增益定义为其中,A为已经分配了的虚拟机器的集合。如簇m找出具有最大系统边界增益的虚拟机器为然后将该虚拟机器分配给用户UEi;
步骤106:步骤d)中被分配的虚拟机器不能再分配给其他用户,将该虚拟机器从簇m本地服务器中可分配的虚拟机器集合中移除;
步骤107:当每个簇中可分配的虚拟机器集合不为空集或者边界增益不为0时,返回步骤d)。否则停止分配,返回每个簇中的虚拟机器分配策略X={X1,X2,...,XM}。
综上所述,本实施例提出了一种基于次模优化的边缘缓存C-RAN中计算资源分配方法,在用户关联和每个簇缓存策略给定的情况下,考虑“系统平均时延最小原则”,将每个簇本地服务器中的计算资源分配给每个簇中的非命中用户,可以有效地提高分配效率,减小了系统的总功耗和任务计算的时延。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解,本发明不受上述具体实施例的限制,上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理,在不脱离本发明精神范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。
Claims (7)
1.一种基于次模优化的边缘缓存C-RAN中计算资源分配方法,其特征在于,包括如下步骤,
步骤S1、根据C-RAN系统中所有无线射频单元的位置划分若干个簇;
步骤S2、根据各用户与每个簇的距离,将每个用户优先关联到与之距离值最小的簇中;
步骤S3、根据每个簇中各用户对不同文件的偏好制定缓存策略;
步骤S4、云端中每个簇所对应的本地服务器根据系统平均时延最小原则对各个簇中非命中用户分配计算资源;
所述总时延的计算过程如下:
步骤S41、用户u和其他K-1个用户被关联到簇m中,且用户u在集合Km中的索引为k,将用户u表示为用户k,且用户k收到的信号为:其中,表示用户u被关联到簇m中,否则为0,hmk=(hmjkΩmjk)∈CN×1是用户k与簇m中所有无线射频单元之间的信道矩阵,hmjk为用户k与簇m中第j个无线射频单元之间信道的小尺度衰落,Ωmjk为用户k与簇m中第j个无线射频单元之间信道的大尺度衰落和阴影衰落,nk为方差为σ2的高斯白噪声,zm为量化噪声矢量,则当簇m中所有的用户都为非命中用户时τm=1,否则为0,αm为簇m中的量化噪声系数,且为关联到簇m中的用户k所申请的文件l被缓存到簇中,否则为1,Cm为簇m中的最大回程容量,p为无线射频单元的发射功率且满足其中,是簇m中所有无线射频单元和关联到簇m中所有用户之间的预编码矩阵,Hm为簇m中所有无线射频单元与所有用户之间的信道矩阵,ξ和α为常数,tr{·}为求迹运算;
2.根据权利要求1所述的一种基于次模优化的边缘缓存C-RAN中计算资源分配方法,其特征在于,所述C-RAN系统包括一个用户层、一个接入层和一个云端层,所述用户层包括集合为UE={UE1,UE2,...,UEU}共U个用户,所述接入层中包括集合为CL={CL1,CL2,...CLM}共M个簇,每个簇包含有N个无线射频单元,所述云端层中设有一个高层控制器和M个与簇一一对应的本地控制器,每个所述本地控制器拥有一个本地服务器,所述本地服务器生成V个虚拟机器,所述高层控制器中存储集合为F={f1,f2,...,fJ}的J个文件。
3.根据权利要求1所述的一种基于次模优化的边缘缓存C-RAN中计算资源分配方法,其特征在于,所述步骤S2中,所述的一个用户到系统中一个簇的距离为这个用户到这个簇中所有无线射频单元的距离的最小值; 所有用户到所有簇距离中的最小距离值所对应的用户优先被关联到这个值所对应的簇中。
4.根据权利要求1所述的一种基于次模优化的边缘缓存C-RAN中计算资源分配方法,其特征在于,所述步骤S2中,所述关联的策略中每个簇中的用户数小于簇中的天线数,每个用户只关联到一个簇中,整个系统的用户关联集合为K={K1,K2,...,KM},其中,Km为关联到簇m中的用户的集合。
6.根据权利要求1所述的一种基于次模优化的边缘缓存C-RAN中计算资源分配方法,其特征在于,所述步骤S4中,所述计算资源分配的过程中必须保证一个虚拟机器只能分配给一个用户,且分配给同一个用户的虚拟机属于同一个本地服务器;每个簇中的虚拟机只分配给关联到本簇中的非命中用户;采用次模优化的方法对用户的平均时延进行分析,得到最优的计算资源分配采用的方法步骤如下:
步骤a、根据系统中所有无线射频单元的地理位置划分不同的簇;
步骤b、完成系统的用户关联,获取关联结果K={K1,K2,...,KM};
步骤e、步骤d中被分配的虚拟机器不能再分配给其他用户,将该虚拟机器从簇m本地服务器中可分配的虚拟机器集合中移除;
步骤f、当每个簇中可分配的虚拟机器集合不为空集或者边界增益不为0时,返回步骤d;否则,停止分配,返回每个簇中的虚拟机器分配策略X={X1,X2,...,XM}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910063289.4A CN109818788B (zh) | 2019-01-23 | 2019-01-23 | 一种基于次模优化的边缘缓存c-ran中计算资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910063289.4A CN109818788B (zh) | 2019-01-23 | 2019-01-23 | 一种基于次模优化的边缘缓存c-ran中计算资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109818788A CN109818788A (zh) | 2019-05-28 |
CN109818788B true CN109818788B (zh) | 2022-03-29 |
Family
ID=66603163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910063289.4A Active CN109818788B (zh) | 2019-01-23 | 2019-01-23 | 一种基于次模优化的边缘缓存c-ran中计算资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109818788B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110446158B (zh) * | 2019-08-09 | 2020-12-01 | 南京邮电大学 | 基于边缘缓存的云无线接入网络中用户设备关联方法 |
CN111552440B (zh) * | 2020-04-26 | 2023-05-30 | 全球能源互联网研究院有限公司 | 一种电力物联网“云-边-端”数据同步方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104683485A (zh) * | 2015-03-25 | 2015-06-03 | 重庆邮电大学 | 一种基于c-ran的互联网内容缓存预加载方法和系统 |
CN106375352A (zh) * | 2016-12-02 | 2017-02-01 | 北京聚爱聊网络科技有限公司 | 边缘内容缓存网络的负载均衡方法和装置 |
CN107277824A (zh) * | 2017-05-23 | 2017-10-20 | 西安电子科技大学 | 一种c‑ran架构下的虚拟基站分簇方法 |
CN107548102A (zh) * | 2017-08-16 | 2018-01-05 | 北京邮电大学 | 一种边缘缓存网络中最小化用户时延的基站缓存方法 |
CN108012275A (zh) * | 2017-12-14 | 2018-05-08 | 重庆邮电大学 | 超密集网络中基于动态分簇的小基站用户资源分配方法 |
CN108121512A (zh) * | 2017-12-22 | 2018-06-05 | 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 |
-
2019
- 2019-01-23 CN CN201910063289.4A patent/CN109818788B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104683485A (zh) * | 2015-03-25 | 2015-06-03 | 重庆邮电大学 | 一种基于c-ran的互联网内容缓存预加载方法和系统 |
CN106375352A (zh) * | 2016-12-02 | 2017-02-01 | 北京聚爱聊网络科技有限公司 | 边缘内容缓存网络的负载均衡方法和装置 |
CN107277824A (zh) * | 2017-05-23 | 2017-10-20 | 西安电子科技大学 | 一种c‑ran架构下的虚拟基站分簇方法 |
CN107548102A (zh) * | 2017-08-16 | 2018-01-05 | 北京邮电大学 | 一种边缘缓存网络中最小化用户时延的基站缓存方法 |
CN108012275A (zh) * | 2017-12-14 | 2018-05-08 | 重庆邮电大学 | 超密集网络中基于动态分簇的小基站用户资源分配方法 |
CN108121512A (zh) * | 2017-12-22 | 2018-06-05 | 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 |
Non-Patent Citations (1)
Title |
---|
Energy Efficiency of Downlink C-RAN With Edge Caching and Fronthaul Compression;Yonghao Duan;Jun Zhang;Wenchao Xia;Hongbo Zhu;《IEEE COMMUNICATIONS LETTERS》;20181004;第22卷(第12期);第2527-2530页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109818788A (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941667B (zh) | 一种移动边缘计算网络中的计算卸载方法及系统 | |
CN107995660B (zh) | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 | |
CN112601197B (zh) | 一种基于非正交多址的车联网络中资源优化方法 | |
CN110213627B (zh) | 一种基于多小区用户移动性的流媒体缓存分配方法 | |
CN111010684B (zh) | 一种基于mec缓存服务的车联网资源分配方法 | |
CN108804227B (zh) | 基于移动云计算的计算密集型任务卸载和最佳资源配置的方法 | |
CN111132191B (zh) | 移动边缘计算服务器联合任务卸载、缓存及资源分配方法 | |
CN110798849A (zh) | 一种超密网边缘计算的计算资源分配与任务卸载方法 | |
CN111031102A (zh) | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 | |
CN112839382B (zh) | 一种车联网中视频语义驱动的通信和计算资源联合分配方法 | |
CN109756912B (zh) | 一种多用户多基站联合任务卸载及资源分配方法 | |
CN112188551B (zh) | 一种计算迁移方法、计算终端设备及边缘服务器设备 | |
CN113114714B (zh) | 一种大规模任务卸载到5g边缘服务器的节能方法及系统 | |
CN109818788B (zh) | 一种基于次模优化的边缘缓存c-ran中计算资源分配方法 | |
CN114827191B (zh) | 一种车路协同系统中融合noma的动态任务卸载方法 | |
CN115408152A (zh) | 一种自适应资源匹配获取方法及系统 | |
CN113342504B (zh) | 基于缓存的智能制造边缘计算任务调度方法及系统 | |
CN112437449B (zh) | 联合资源分配方法 | |
KR20230032754A (ko) | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 | |
Li | Optimization of task offloading problem based on simulated annealing algorithm in MEC | |
Yu | Application of mobile edge computing technology in civil aviation express marketing | |
Xue et al. | Resource allocation for system throughput maximization based on mobile edge computing | |
CN112367644A (zh) | 一种基于d2d的无线缓存网络中系统吞吐量优化方法 | |
CN112822702B (zh) | 一种主从mec网络中联合任务卸载与资源分配方法 | |
Zhang et al. | Edge Caching and Resource Allocation Scheme of Downlink Cloud Radio Access Networks With Fronthaul Compression |
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 |