CN110380891B - 一种边缘计算服务资源配置方法、装置与电子设备 - Google Patents

一种边缘计算服务资源配置方法、装置与电子设备 Download PDF

Info

Publication number
CN110380891B
CN110380891B CN201910510917.9A CN201910510917A CN110380891B CN 110380891 B CN110380891 B CN 110380891B CN 201910510917 A CN201910510917 A CN 201910510917A CN 110380891 B CN110380891 B CN 110380891B
Authority
CN
China
Prior art keywords
service
resource
edge
representing
cost
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
Application number
CN201910510917.9A
Other languages
English (en)
Other versions
CN110380891A (zh
Inventor
郭得科
曹晓丰
任棒棒
唐国明
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201910510917.9A priority Critical patent/CN110380891B/zh
Publication of CN110380891A publication Critical patent/CN110380891A/zh
Application granted granted Critical
Publication of CN110380891B publication Critical patent/CN110380891B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer And Data Communications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种边缘计算服务资源配置方法、装置与电子设备。所述边缘计算服务资源配置方法包括：根据网络环境中的用户服务需求构建用户需求模型；根据所述用户需求模型，分别确定云节点资源限制条件、边缘节点资源限制条件、总体资源限制条件、服务延迟限制条件以及边缘计算服务成本模型；根据前述限制条件与边缘计算服务成本模型，建立配置优化模型；求解所述配置优化模型并根据求解结果进行资源配置。所述边缘计算服务资源配置装置包括用户需求模块、约束条件模块、服务成本模块与配置优化模块。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述边缘计算服务资源配置方法。

Description

一种边缘计算服务资源配置方法、装置与电子设备
技术领域
本发明涉及网络通信服务领域，特别是指一种边缘计算服务资源配置方法、装置与电子设备。
背景技术
随着云计算的广泛应用，传输大量数据至云服务中心的即时响应性差的问题也逐渐突显出来。在传统的云计算系统的服务模式下，由于网络带宽的有限性，传送海量数据需要一定的时间，云服务中心处理数据也需要一定的时间，这就会加大请求响应时间，用户体验感差。边缘计算，作为一种新的将云服务推向网络边缘的计算模式，能够很好的利用云服务中心强大的计算功能，同时使服务免受网络拥塞和长延迟。
在边缘计算模式中，边缘服务提供商(ESP)从边缘基础设施提供商(EIP)租用资源来托管其服务。边缘基础设施提供商(EIP)通常必须在网络边缘构建和维护一组分布式边缘节点，其中边缘节点可以由多个边缘服务器组成并且具有一定的计算和存储资源，边缘基础设施提供商(EIP)负责服务提供和资源管理。
然而，现有的边缘计算模式中，边缘基础设施提供商(EIP)更偏向于建立一系列私有的边缘计算环境，从其各自的服务角度来满足特定用户的特定需求，每个边缘基础设施提供商(EIP)只管理和使用自己部署的存储和计算资源，独立的边缘计算环境通常受资源约束。一方面，当边缘基础设施提供商(EIP)想要为更多的用户提供服务时，就势必要构建和维护更多的边缘节点以覆盖更多的用户，使得服务成本大大提高；另一方面，不同的边缘基础设施提供商(EIP)往往会在同一节点区域各自建立边缘节点，而这些边缘节点之间没有任何合作，这就导致边缘计算服务的资源严重浪费；同时，单个边缘基础设施提供商(EIP)关于整个边缘计算环境的信息有限，这就使得其很难有效地在向不同用户提供各种不同服务时进行全局优化。边缘基础设施提供商(EIP)的成本高、资源利用率低以及全局优化困难的问题导致了边缘服务提供商(ESP)的低服务质量(QoS)以及最终用户的低质量体验(QoE)。
发明内容
有鉴于此，本发明的目的在于提出一种服务成本低、资源利用率高且便于全局优化的边缘计算服务资源配置方法、装置与电子设备。
基于上述目的，本发明提供了一种边缘计算服务资源配置方法，包括：
分析网络环境，根据网络环境中的用户服务需求构建用户需求模型，所述用户服务需求包括存储资源需求与计算资源需求；
根据所述用户需求模型，分别确定云节点资源限制条件C、边缘节点资源限制条件E以及总体资源限制条件A；
根据所述用户需求模型，构建服务延迟模型，根据所述服务延迟模型确定服务延迟限制条件L，所述服务延迟模型包括计算延迟与传输延迟；
根据所述用户需求模型，构建边缘计算服务成本模型，所述边缘计算服务成本模型包括云节点服务器成本与边缘节点服务器成本；
根据所述云节点资源限制条件C、所述边缘节点资源限制条件E、所述总体资源限制条件A、所述服务延迟限制条件L以及所述边缘计算服务成本模型，建立配置优化模型；
对所述配置优化模型求解并根据求解结果对云节点和边缘节点进行资源配置。
可选的，所述分析网络环境，根据网络环境中的用户服务需求构建用户需求模型，包括：
终端用户u在时隙t时所需服务p相应的资源需求可以表示为：
Figure GDA0002189784990000021
其中，Su，p(t)表示所述存储资源需求，S′u，p(t)表示所述终端用户u在接收服务前的所述存储资源需求，S″u，p(t)表示所述终端用户u接收服务后的所述存储资源需求，Cu，p(t)表示所述计算资源需求，t表示时间段T中的某一特定时隙；
Figure GDA0002189784990000031
Figure GDA0002189784990000032
其中，u表示终端用户，U表示所有终端用户的集合，p表示终端用户所需服务，P为终端用户所需服务的集合，ka，kc为文件配置系数，ka用以表述接收服务后的所述存储资源需求的大小，kc表示完成相应服务所需计算资源的大小。
可选的，所述根据所述用户需求模型，分别确定云节点资源限制条件C、边缘节点资源限制条件E以及总体资源限制条件A，包括：
通过云节点解决终端用户的部分或全部的所述存储资源需求Su，p(t)和所述计算资源需求Cu，p(t)，且在任意时隙t时，终端用户的所述存储资源需求Su，p(t)和所述计算资源需求Cu，p(t)不能超过所述云节点的资源容量，结合所述用户需求模型，可以确定所述云节点资源限制条件C为：
Figure GDA0002189784990000033
其中，
Figure GDA0002189784990000034
表示在时隙t时由云节点a解决的存储资源需求占比，
Figure GDA0002189784990000035
表示在时隙t时由云节点a解决的计算资源需求占比，Sa和Ca分别表示所述云节点a所能提供的存储资源容量和计算资源容量；
通过边缘节点解决终端用户的部分或全部的所述存储资源需求Su，p(t)和所述计算资源需求Cu，p(t)，且在任意时隙t时，终端用户的所述存储资源需求Su，p(t)和所述计算资源需求Cu，p(t)不能超过所述边缘节点的资源容量，结合所述用户需求模型，可以确定所述边缘节点资源限制条件E为：
Figure GDA0002189784990000041
其中，
Figure GDA0002189784990000042
表示在时隙t时由边缘节点e解决的存储资源需求占比，
Figure GDA0002189784990000043
表示在时隙t时由边缘节点e解决的计算资源需求占比，Se和Ce分别表示所述边缘节点e能够提供的存储资源容量和计算资源容量；
所有终端用户所需服务应当完全满足，可以确定所述总体资源限制条件A为：
Figure GDA0002189784990000044
可选的，所述根据所述用户需求模型，构建服务延迟模型，包括：
对于终端用户，由所述云节点或所述边缘节点提供服务时的所述计算延迟为：
Figure GDA0002189784990000045
Figure GDA0002189784990000046
其中，
Figure GDA0002189784990000047
表示由所述云节点提供服务时的所述计算延迟，Cu,p(t)表示所述计算资源需求，
Figure GDA0002189784990000048
表示由云节点解决的计算资源需求占比；
Figure GDA0002189784990000049
表示由所述边缘节点提供服务时的所述计算延迟，
Figure GDA00021897849900000410
表示由边缘节点解决的计算资源需求占比；
rp表示终端用户u所需服务p的计算容量，所述计算容量根据所需服务p的类别确定，Ca，Ce分别表示所述云节点与所述边缘节点所能提供的计算资源容量；
对于终端用户，由所述云节点或所述边缘节点提供服务时的所述传输延迟包括上传传输延迟和下载传输延迟，所述上传传输延迟分别为：
Figure GDA0002189784990000051
Figure GDA0002189784990000052
其中，
Figure GDA0002189784990000053
表示由云节点提供服务的上传传输延迟，S′u,p(t)表示在接收服务前的所述存储资源需求，
Figure GDA0002189784990000054
表示由所述云节点解决的存储资源需求占比，
Figure GDA0002189784990000055
表示从云节点a到终端用户u的传输距离；
Figure GDA0002189784990000056
表示由边缘节点提供服务的上传传输延迟，
Figure GDA0002189784990000057
表示有所述边缘节点解决的存储资源需求占比，
Figure GDA0002189784990000058
表示从边缘节点e到终端用户u的传输距离；
所述下载传输延迟分别为：
Figure GDA0002189784990000059
Figure GDA00021897849900000510
其中，
Figure GDA00021897849900000511
表示由云节点提供服务的下载传输延迟，
Figure GDA00021897849900000512
表示由边缘节点提供服务的下载传输延迟，S″u，p(t)表示在接收服务后的所述存储资源需求。
可选的，所述根据所述服务延迟模型确定服务延迟限制条件，包括：
所述服务延迟限制条件L为：
Figure GDA00021897849900000513
其中，
Figure GDA00021897849900000514
表示服务延迟满意度，l2与l1分别为所述服务延迟满意度的上下限；
所述服务延迟满意度
Figure GDA00021897849900000515
Figure GDA00021897849900000516
其中，
Figure GDA0002189784990000061
mu，p(t)表示所述终端用户u对所述所需服务p是否满足，当mu，p(t)的值为1表示所述终端用户u对所述所需服务p满足；其中，lu，p(t)表示所需服务p的实际延迟，lp表示所需服务p的既定延迟；
Figure GDA0002189784990000062
其中，
Figure GDA0002189784990000063
表示由云节点提供服务的传输延迟，
Figure GDA0002189784990000064
表示由边缘节点提供服务的传输延迟；
Figure GDA0002189784990000065
Figure GDA0002189784990000066
可选的，所述根据所述用户需求模型，构建边缘计算服务成本模型，包括：
边缘计算服务总成本为：
V＝Vcloud+Vedge (26)
其中，Vcloud表示边缘计算服务中的云节点服务器成本，可以表示为：
Figure GDA0002189784990000067
其中，
Figure GDA0002189784990000068
分别表示云节点的存储成本、计算成本和通信成本，Su，p(t)表示所述存储资源需求，S′u，p(t)表示所述终端用户u在接收服务前的所述存储资源需求，S″u，p(t)表示接收服务后的所述存储资源需求，
Figure GDA0002189784990000069
表示所述云节点解决的存储资源需求占比，
Figure GDA00021897849900000610
表示由所述云节点解决的计算资源需求占比；VS a，VC a，VM a分别表示云节点服务器的单个存储单元成本、单个计算单元成本和单个通信单元成本；
Vedge表示所述边缘计算服务中的边缘节点服务器成本，可以表示为：
Figure GDA0002189784990000071
其中，
Figure GDA0002189784990000072
分别表示边缘节点的存储成本、计算成本和通信成本，
Figure GDA0002189784990000073
表示所述边缘节点解决的存储资源需求占比，
Figure GDA0002189784990000074
表示由边缘节点解决的计算资源需求占比；
Figure GDA0002189784990000075
分别表示边缘节点服务器的单侧存储单元成本、单个计算单元成本和单个通信单元成本。
可选的，所述配置优化模型，包括：
Figure GDA0002189784990000076
所述配置优化模型是以所述边缘计算服务成本模型为目标函数，以所述云节点资源限制条件C、所述边缘节点资源限制条件E、所述总体资源限制条件A与所述服务延迟限制条件L为约束条件的优化问题；
所述优化问题的优化目标是在所述约束条件的限制下，求得边缘计算服务总成本V的极小值；
其中
Figure GDA0002189784990000077
为所述目标函数的设计变量，
Figure GDA0002189784990000078
表示云节点解决的存储资源需求占比，
Figure GDA0002189784990000079
表示云节点解决的计算资源需求占比；
Figure GDA00021897849900000710
表示由边缘节点解决的存储资源需求占比，
Figure GDA00021897849900000711
表示由边缘节点e解决的计算资源需求占比。
可选的，对所述配置优化模型求解并根据求解结果对云节点和边缘节点进行资源配置，包括：
考虑单个时隙t单个所需服务p的情况，对所述配置优化模型中各设计变量进行降维矩阵转换，根据降维矩阵转换得到的设计变量降维矩阵，计算所述配置优化模型中的所述目标函数，得到降维矩阵形式的所述目标函数；
考虑整体时间段T全部所需服务集合P的情况，对所述各设计变量进行超矩阵转换，结合所述降维矩阵形式的所述目标函数，计算得到超矩阵形式的所述目标函数；
根据所述超矩阵形式的所述目标函数，求解所述配置优化模型，得到使所述目标函数取得极小值的所述设计变量
Figure GDA0002189784990000081
的目标值
Figure GDA0002189784990000082
根据所述设计变量的所述目标值
Figure GDA0002189784990000083
对相应的由云节点解决的存储资源需求占比、由云节点解决的计算资源需求占比、由边缘节点解决的存储资源需求占比以及由边缘节点解决的计算资源需求占比进行配置。
基于上述目的，本发明还提供了一种边缘计算服务资源配置装置，包括：
用户需求模块，用于分析网络环境，根据网络环境中的用户服务需求构建用户需求模型，所述用户服务需求包括存储资源需求与计算资源需求；
约束条件模块，用于根据所述用户需求模型，分别确定云节点资源限制条件C、边缘节点资源限制条件E以及总体资源限制条件A；
所述约束条件模块，还用于根据所述用户需求模型，构建服务延迟模型，根据所述服务延迟模型确定服务延迟限制条件L，所述服务延迟模型包括计算延迟与传输延迟；
服务成本模块，用于根据所述用户需求模型，构建边缘计算服务成本模型，所述边缘计算服务成本模型包括云节点服务器成本与边缘节点服务器成本；
配置优化模块，用于根据所述云节点资源限制条件C、所述边缘节点资源限制条件E、所述总体资源限制条件A、所述服务延迟限制条件L以及所述边缘计算服务成本模型，建立配置优化模型；
所述配置优化模块，还用于对所述配置优化模型进行求解并根据求解结果对云节点和边缘节点进行资源配置。
基于上述目的，本发明还提供了一种边缘计算服务资源配置电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述边缘计算服务资源配置方法。
从上面所述可以看出，本发明提供的边缘计算服务资源配置方法、装置与电子设备，对边缘计算模式网络环境中的云节点服务器和多个边缘节点服务器进行统一的资源配置规划，通过分析边缘计算模式网络环境中所有终端用户的服务需求，确定边缘计算模式中各项限制条件，结合边缘计算服务成本，构建配置优化模型，并通过求解配置优化模型，得到满足各项限制条件前提的使所述边缘计算服务总成本最低的配置方案，采用前述得到的配置方案对网络环境中的云节点服务器和边缘节点服务器资源配置，能够大大降低服务成本，提高边缘基础设施提供商(EIP)的资源利用效率，并且利于对网络环境中的边缘节点进行全局优化，从而提高边缘服务提供商(ESP)的服务质量，改善终端用户的服务体验。
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一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的一种边缘计算服务资源配置方法示意图；
图2为本发明实施例所提供的一种边缘计算服务资源配置方法中求解所述配置优化模型的方法示意图；
图3为本发明实施例所提供的一种边缘计算服务资源配置装置结构示意图；
图4为本发明实施例所提供的一种边缘计算服务资源配置电子装置示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
在一方面，本发明提供了一种边缘计算服务资源配置方法。
如图1所示，本发明的一些可选实施例所提供的一种边缘计算服务资源配置方法，包括：
S1：分析网络环境，根据网络环境中的用户服务需求构建用户需求模型，所述用户服务需求包括存储资源需求与计算资源需求；
S2：根据所述用户需求模型，分别确定云节点资源限制条件C、边缘节点资源限制条件E以及总体资源限制条件A；
S3：根据所述用户需求模型，构建服务延迟模型，根据所述服务延迟模型确定服务延迟限制条件L，所述服务延迟模型包括计算延迟与传输延迟；
S4：根据所述用户需求模型，构建边缘计算服务成本模型，所述边缘计算服务成本模型包括云节点服务器成本与边缘节点服务器成本；
S5：根据所述云节点资源限制条件C、所述边缘节点资源限制条件E、所述总体资源限制条件A、所述服务延迟限制条件L以及所述边缘计算服务成本模型，建立配置优化模型；
S6：对所述配置优化模型求解并根据求解结果对云节点和边缘节点进行资源配置。
所述边缘计算服务资源配置方法，对边缘计算模式网络环境中的云节点服务器和多个边缘节点服务器进行统一的资源配置规划，通过分析边缘计算模式网络环境中的终端用户所提出的服务需求，结合边缘计算模式中的各项限制条件以及边缘计算服务成本，构建配置优化模型，求解此配置优化模型，根据求解结果对网络环境中的云节点和边缘节点进行资源配置。所述边缘计算服务资源配置方法能够大大降低服务成本，提高边缘基础设施提供商(EIP)的资源利用效率，并且利于对网络环境中的边缘节点进行全局优化，从而提高边缘服务提供商(ESP)的服务质量，并最终改善终端用户的服务体验。
在本发明的一些可选实施例所提供的一种边缘计算服务资源配置方法中，所述分析网络环境，根据网络环境中的用户服务需求构建用户需求模型S1，包括：
终端用户u在时隙t时所需服务p相应的资源需求可以表示为：
Figure GDA0002189784990000111
其中，Su,p(t)表示所述存储资源需求，S′u，p(t)表示所述终端用户u在接收服务前的所述存储资源需求，S″u，p(t)表示所述终端用户u接收服务后的所述存储资源需求，Cu，p(t)表示完成所述服务所需要的所述计算资源需求。
对于所述终端用户u而言，其提出服务要求并得到相应的服务器响应最终服务完成，实质上是所述终端用户u的存储资源需求对应的存储数据内容通过一系列计算转变成新的存储数据内容的过程，可以通过接收服务前后所述终端用户的存储资源需求以及服务过程中涉及到的计算资源需求来表示所述终端用户所需的服务p。
t表示时间段T被均分为n个时隙中的某一特定时隙，本领域技术人员可以理解的是，终端用户所提出的服务需求是复杂多变的，即终端用户的存储资源需求和计算资源需求是随时间发生变化的，因此，在分析终端用户的用户服务需求时，将时间段T分为n个时长相同的小时间段，每个所述小时间段可以称之为时隙，对每个时隙的用户服务需求进行分析，得出的分析结果能够更好的贴合实际情况，反映出存储资源需求和计算资需求随时间变化的关系。事实上，所述边缘计算服务资源配置方法是要根据存储资源需求与计算资源需求随时间变化的关系，对云节点服务器和边缘节点服务器进行服务资源的重定向调度配置。
Figure GDA0002189784990000121
Figure GDA0002189784990000122
其中，u表示终端用户，U表示所有终端用户的集合，p表示终端用户所需服务，P为终端用户所需服务的集合，ka，kc为文件配置系数，ka用以表述接收服务后的所述存储资源需求的大小，kc表示完成相应服务所需计算资源的大小。
所述边缘计算服务资源配置方法中，通过分析网络环境，根据用户服务需求构建用户需求模型。所述用户服务需求包括存储资源需求和计算资源需求，所述用户需求模型即用以表述终端用户的所述存储资源需求与计算资源需求随时间变化的关系。根据所述用户需求模型所表征的终端用户的所述存储资源需求与计算资源需求随时间变化的关系，便于之后所述边缘计算服务资源配置方法对云节点服务器和边缘节点服务器进行服务资源的重定向调度。
在本发明的一些可选实施例所提供的一种边缘计算服务资源配置方法中，所述根据所述用户需求模型，分别确定云节点资源限制条件C、边缘节点资源限制条件E以及总体资源限制条件A S2，包括：
在所述边缘计算服务资源配置方法中，终端用户所提出的服务需求，通过所述云节点服务器与所述边缘节点服务器中至少一种来解决。
即，所述边缘计算服务资源配置方法通过所述云节点服务器解决终端用户的部分或全部的存储资源需求Su，p(t)和计算资源需求Cu，p(t)，由此，可以确定：
Figure GDA0002189784990000123
Figure GDA0002189784990000124
且在任意时隙t时，终端用户的存储资源需求Su,p(t)和计算资源需求Cu,p(t)不能超过云节点服务器的资源容量，由此可以确定：
Figure GDA0002189784990000125
Figure GDA0002189784990000126
其中，
Figure GDA0002189784990000131
表示在时隙t时由云节点a解决的存储资源需求占比，
Figure GDA0002189784990000132
表示在时隙t时由云节点a解决的计算资源需求占比，Sa和Ca分别表示所述云节点a所能提供的存储资源容量和计算资源容量；
上述表示式(4)～(7)即为所述云节点资源限制条件C。
以及，所述边缘计算服务资源配置方法通过所述边缘节点服务器解决终端用户的部分或全部的存储资源需求Su,p(t)和计算资源需求Cu,p(t)，由此，可以确定：
Figure GDA0002189784990000133
Figure GDA0002189784990000134
需要注意的是，所述边缘计算服务资源配置方法优选地将终端用户请求的服务重定向到多个边缘节点。
且在任意时隙t时，终端用户的存储资源需求Su,p(t)和计算资源需求Cu,p(t)不能超过边缘节点的资源容量，由此可以确定：
Figure GDA0002189784990000135
Figure GDA0002189784990000136
其中，
Figure GDA0002189784990000137
表示在时隙t时由边缘节点e解决的存储资源需求占比，
Figure GDA0002189784990000138
表示在时隙t时由边缘节点e解决的计算资源需求占比，Se和Ce分别表示所述边缘节点e能够提供的存储资源容量和计算资源容量；
上述表示式(8)～(11)即为所述边缘节点资源限制条件E。
以及，所有终端用户所需服务应当完全满足，可以确定所述总体资源限制条件A为：
Figure GDA0002189784990000139
若
Figure GDA00021897849900001310
或者
Figure GDA00021897849900001311
则说明终端用户的存储资源需求或者计算资源需求未能完全满足，即存在部分终端用户所提供的服务需求没得到响应或未能完全满足，对于这种情况，所述边缘计算服务资源配置方法是要完全避免的。
所述边缘计算服务资源配置方法中，根据所述用户需求模型，进一步确定云节点资源限制条件C、边缘节点资源限制条件E与总体资源限制条件A。这三种限制条件是为终端用户提供服务的最基本的要求与前提，所述边缘计算服务资源配置方法中根据用户需求模型确定这三种限制条件，并在之后以这三种限制条件作为之后的所述配置优化模型中的约束条件，以此得到的配置方案能够确保达成所述最基本的要求与前提。
在本发明的一些可选实施例所提供的一种边缘计算服务资源配置方法中，所述根据所述用户需求模型，构建服务延迟模型S3，包括：
对于终端用户，由所述云节点或所述边缘节点提供服务时的计算延迟为：
Figure GDA0002189784990000141
Figure GDA0002189784990000142
其中，
Figure GDA0002189784990000143
表示由云节点提供服务时的计算延迟，
Figure GDA0002189784990000144
表示由边缘节点提供服务时的计算延迟；rp表示终端用户u所需服务p的计算容量，所述计算容量根据所需服务p的类别确定；
对于终端用户，由所述云节点或所述边缘节点提供服务时的传输延迟包括上传传输延迟和下载传输延迟，所述上传传输延迟分别为：
Figure GDA0002189784990000145
Figure GDA0002189784990000146
其中，
Figure GDA0002189784990000147
表示由云节点提供服务的上传传输延迟，S′u,p(t)表示在接收服务前的所述存储资源需求，
Figure GDA0002189784990000148
表示由所述云节点解决的存储资源需求占比，
Figure GDA0002189784990000149
表示从云节点a到终端用户u的传输距离；
Figure GDA00021897849900001410
表示由边缘节点提供服务的上传传输延迟，
Figure GDA00021897849900001411
表示有所述边缘节点解决的存储资源需求占比，
Figure GDA0002189784990000151
表示从边缘节点e到终端用户u的传输距离；
所述下载传输延迟分别为：
Figure GDA0002189784990000152
Figure GDA0002189784990000153
其中，
Figure GDA0002189784990000154
表示由云节点提供服务的下载传输延迟，
Figure GDA0002189784990000155
表示由边缘节点提供服务的下载传输延迟，S″u,p(t)表示在接收服务后的所述存储资源需求。
在本发明的一些可选实施例所提供的一种边缘计算服务资源配置方法中，所述根据所述服务延迟模型确定服务延迟限制条件S3，包括：
所述服务延迟限制条件L为：
Figure GDA0002189784990000156
其中，
Figure GDA0002189784990000157
表示服务延迟满意度，用以衡量为所有终端用户提供服务的整体性能，l2与l1分别为所述服务延迟满意度的上下限，l2与l1可以根据实际工作情况进行设定；
对本领域技术人员来说，为终端用户提供服务时，需要着重关注终端用户的用户体验，对此，所述终端用户对于所提供服务的服务延迟满意度是非常重要的衡量标准。
所述服务延迟满意度
Figure GDA0002189784990000158
Figure GDA0002189784990000159
其中，
Figure GDA00021897849900001510
mu,p(t)表示所述终端用户u对所述所需服务p是否满足，当mu,p(t)的值为1表示所述终端用户u对所述所需服务p满足；其中，lu,p(t)表示所需服务p的实际延迟，lp表示所需服务p的既定延迟；
Figure GDA0002189784990000161
其中，
Figure GDA0002189784990000162
表示由云节点提供服务的传输延迟，
Figure GDA0002189784990000163
表示由边缘节点提供服务的传输延迟；
Figure GDA0002189784990000164
Figure GDA0002189784990000165
所述边缘计算服务资源配置方法中，通过所述服务延迟模型，确定终端用户u所需服务p的实际延迟，与所需服务p的既定延迟作比较，根据比较结果进一步计算确定服务延迟满意度，并最终确定所述服务延迟限制条件。所述边缘计算服务资源配置方法也将所述服务延迟限制条件作为之后的所述配置优化模型的约束条件，以此得到的配置方案，能够确保终端用户对于所提供服务的满意程度达到要求。
在本发明的一些可选实施例所提供的一种边缘计算服务资源配置方法中，所述根据所述用户需求模型，构建边缘计算服务成本模型S4，包括：
边缘计算服务总成本为：
V＝Vcloud+Vedge (26)
其中，Vcloud表示边缘计算服务中的云节点服务器成本，可以表示为：
Figure GDA0002189784990000166
其中，
Figure GDA0002189784990000167
分别表示云节点的存储成本、计算成本和通信成本，Su,p(t)表示所述存储资源需求，S′u，p(t)表示所述终端用户u在接收服务前的所述存储资源需求，S″u,p(t)表示接收服务后的所述存储资源需求，
Figure GDA0002189784990000171
表示所述云节点解决的存储资源需求占比，
Figure GDA0002189784990000172
表示由所述云节点解决的计算资源需求占比；VS a，VC a，VM a分别表示云节点服务器的单个存储单元成本、单个计算单元成本和单个通信单元成本；当前云计算市场的资源使用相对稳定，对于云节点服务器而言，单个存储单元成本、单个计算单元成本以及单个通信单元成本相同。
Vedge表示所述边缘计算服务中的边缘节点服务器成本，可以表示为：
Figure GDA0002189784990000173
其中，
Figure GDA0002189784990000174
分别表示边缘节点的存储成本、计算成本和通信成本，
Figure GDA0002189784990000175
表示所述边缘节点解决的存储资源需求占比，
Figure GDA0002189784990000176
表示由边缘节点解决的计算资源需求占比；
Figure GDA0002189784990000177
分别表示边缘节点服务器的单个存储单元成本、单个计算单元成本和单个通信单元成本。当前边缘计算市场仍处于初始发展阶段，不同边缘基础设施提供商(EIP)中的边缘节点服务器的单个存储单元成本、单个计算单元成本以及单个通信单元成本存在差异。
所述边缘计算服务资源配置方法中，根据所述用户需求模型，构建边缘计算服务成本模型，所述边缘计算服务成本模型用以表征边缘计算服务所需成本。所述边缘计算服务资源配置方法将边缘计算服务所需成本作为之后的所述配置优化模型中的优化目标函数，从而使的最终得到配置方案，能够使边缘计算服务的成本最小，降低服务成本，提高资源利用效率。
在本发明的一些可选实施例所提供的一种边缘计算服务资源配置方法中，所述配置优化模型，包括：
Figure GDA0002189784990000181
所述配置优化模型是以所述边缘计算服务成本模型为目标函数，以所述云节点资源限制条件C、所述边缘节点资源限制条件E、所述总体资源限制条件A与所述服务延迟限制条件L为约束条件的优化问题；
所述优化问题的优化目标是在所述约束条件的限制下，求得边缘计算服务总成本V的极小值；
其中
Figure GDA0002189784990000182
为所述目标函数的设计变量，
Figure GDA0002189784990000183
表示云节点解决的存储资源需求占比，
Figure GDA0002189784990000184
表示云节点解决的计算资源需求占比；
Figure GDA0002189784990000185
表示由边缘节点解决的存储资源需求占比，
Figure GDA0002189784990000186
表示由边缘节点e解决的计算资源需求占比。
所述边缘计算服务资源配置方法中，以所述云节点资源限制条件C、所述边缘节点资源限制条件E、所述总体资源限制条件A与所述服务延迟限制条件L为约束条件，以所述边缘计算服务总成本为目标函数，构建所述配置优化模型。所述边缘计算服务资源配置方法通过求解所述配置优化模型，依据求解结果对云节点服务器和边缘节点服务器进行资源配置，能够确保达成最基本的要求与前提并且使所提供服务的满意程度达到要求的情况下，使边缘计算服务的总成本最小，从而可以降低服务成本，提高资源利用效率。
如图2所示，在本发明的一些可选实施例所提供的一种边缘计算服务资源配置方法中，所述对所述配置优化模型求解并根据求解结果对云节点和边缘节点进行资源配置S6，包括：
S61：考虑单个时隙t单个所需服务p的情况，对所述配置优化模型中各设计变量进行降维矩阵转换，根据降维矩阵转换得到的设计变量降维矩阵，计算所述配置优化模型中的目标函数，得到降维矩阵形式的所述优化目标函数。
在所述配置优化模型所涉及的各个设计变量是包括终端用户变量、所需服务变量、所处时隙变量以及对应服务节点变量在内的多维变量。采用首先考虑单个时隙t单个所需服务p的情况的方式，可以将各设计变量降维转换为二维变量。
例如，对于所述目标函数，所述边缘计算服务中的边缘节点服务器成本Vedge中的所述设计变量
Figure GDA0002189784990000191
在考虑单个时隙t单个所需服务p的情况时，设计变量
Figure GDA0002189784990000192
转化为二维变量
Figure GDA0002189784990000193
其中u∈U,e∈E。将终端用户集合中终端用户总数记为i，将边缘节点集合中边缘节点总数记为j，即|U|＝i,|E|＝j，则变量
Figure GDA0002189784990000194
可以表示为矩阵形式：
Figure GDA0002189784990000195
矩阵α为存储资源需求占比矩阵，
Figure GDA0002189784990000196
表示由第i个所述终端用户提出并分配给第j个边缘节点解决的存储资源需求占比；
所述终端用户集合相应的所述存储资源需求可以表示为矢量S，所述边缘节点服务器的单个存储单元成本可以表示为矢量
Figure GDA0002189784990000197
由此边缘节点服务器成本Vedge可以表示为：
Figure GDA0002189784990000198
表示式(31)即为所述边缘节点服务器成本Vedge的降维矩阵表示形式。
采用同样的方法，可以分别得到所述目标函数中其他各设计变量的降维矩阵表示形式，进而得到所述降维矩阵形式的所述目标函数。
S62：考虑整体时间段T全部所需服务集合P的情况，对所述各设计变量进行超矩阵转换，结合所述降维矩阵形式的所述目标函数，计算得到超矩阵形式的所述目标函数。
考虑多个时隙t多个服务需求p的一般情况，将终端用户所需服务集合P中服务需求总数记为m，将时间段T内时隙总数记为n，此时，所述设计变量
Figure GDA0002189784990000199
可以表示为由式(30)所示的简单矩阵构成的m×n的超矩阵：
Figure GDA00021897849900001910
其中，
Figure GDA00021897849900001911
为多个时隙t多个服务需求p情况下的存储资源需求变量超矩阵，所述超矩阵中每个简单矩阵α(l)表示特定时隙中第b个边缘节点服务器的存储资源需求变量，m×(n-1)+b＝l.
在多个时隙t多个服务需求p的情况下，式(33)中矢量S对应转化为：
Figure GDA0002189784990000201
式(33)中矢量
Figure GDA0002189784990000202
对应转化为：
Figure GDA0002189784990000203
由此，边缘节点服务器成本Vedge可以表示为：
Figure GDA0002189784990000204
采用同样的方法，可以分别得到其他各设计变量的超矩阵表示形式，进而得到超矩阵形式的所述目标函数。
S63：根据所述超矩阵形式的所述目标函数，求解所述配置优化模型，得到使所述目标函数取得极小值的所述设计变量
Figure GDA0002189784990000205
的目标值
Figure GDA0002189784990000206
根据所述设计变量的所述目标值
Figure GDA0002189784990000207
对相应的由云节点解决的存储资源需求占比、由云节点解决的计算资源需求占比、由边缘节点解决的存储资源需求占比以及由边缘节点解决的计算资源需求占比进行配置。
所述配置优化模型是一个涉及多维变量的优化问题，其求解难度较高，所述边缘计算服务资源配置方法，通过对所述配置优化模型进行降维矩阵转换以及超矩阵转换，将所述配置优化模型重新表述为低维优化问题，更便于求解。
在另一方面，本发明还提供了一种边缘计算服务资源配置装置。
如图3所示，本发明的一些可选实施例所提供的一种边缘计算服务资源配置装置，包括：
用户需求模块1，用于分析网络环境，根据网络环境中的用户服务需求构建用户需求模型，所述用户服务需求包括存储资源需求与计算资源需求；
约束条件模块2，用于根据所述用户需求模型，分别确定云节点资源限制条件C、边缘节点资源限制条件E以及总体资源限制条件A；
所述约束条件模块2，还用于根据所述用户需求模型，构建服务延迟模型，根据所述服务延迟模型确定服务延迟限制条件L，所述服务延迟模型包括计算延迟与传输延迟；
服务成本模块3，用于根据所述用户需求模型，构建边缘计算服务成本模型，所述边缘计算服务成本模型包括云节点服务器成本与边缘节点服务器成本；
配置优化模块4，用于根据所述云节点资源限制条件C、所述边缘节点资源限制条件E、所述总体资源限制条件A、所述服务延迟限制条件L以及所述边缘计算服务成本模型，建立配置优化模型；
所述配置优化模块4，还用于对所述配置优化模型进行求解并根据求解结果对云节点和边缘节点进行资源配置。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
在另一方面，本发明还提供了一种执行所述边缘计算服务资源配置方法的电子设备。
如图4所示，所述电子设备包括：
一个或多个处理器501以及存储器502，图4中以一个处理器501为例。
所述执行所述边缘计算服务资源配置方法的电子设备还可以包括：输入装置503和输出装置504。
处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图4中以通过总线连接为例。
存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的所述边缘计算服务资源配置方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的边缘计算服务资源配置方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据执行所述边缘计算服务资源配置方法的装置的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至会员用户行为监控装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置503可接收输入的数字或字符信息，以及产生与执行所述边缘计算服务资源配置方法装置的用户设置以及功能控制有关的键信号输入。输出装置504可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器502中，当被所述一个或者多个处理器501执行时，执行上述任意方法实施例中的边缘计算服务资源配置方法。所述执行所述边缘计算服务资源配置方法的装置的实施例，其技术效果与前述任意方法实施例相同或者类似。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与边缘计算电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种边缘计算服务资源配置方法，其特征在于，包括：
分析网络环境，根据网络环境中的用户服务需求构建用户需求模型，所述用户服务需求包括存储资源需求与计算资源需求；
根据所述用户需求模型，分别确定云节点资源限制条件C、边缘节点资源限制条件E以及总体资源限制条件A；
根据所述用户需求模型，构建服务延迟模型，根据所述服务延迟模型确定服务延迟限制条件L，所述服务延迟模型包括计算延迟与传输延迟；
根据所述用户需求模型，构建边缘计算服务成本模型，所述边缘计算服务成本模型包括云节点服务器成本与边缘节点服务器成本；所述根据所述用户需求模型，构建边缘计算服务成本模型，包括：
边缘计算服务总成本为：
V＝Vcloud+Vedge (26)
其中，Vcloud表示边缘计算服务中的云节点服务器成本，可以表示为：
Figure FDA0003516395610000011
其中，
Figure FDA0003516395610000012
分别表示云节点的存储成本、计算成本和通信成本，Su，p(t)表示存储资源需求，S′u，p(t)表示终端用户u在接收服务前的存储资源需求，S″u，p(t)表示接收服务后的存储资源需求，
Figure FDA0003516395610000013
表示云节点解决的存储资源需求占比，Cu，p(t)表示完成服务所需要的计算资源需求，
Figure FDA0003516395610000021
表示由云节点解决的计算资源需求占比；VS a，VC a，VM a分别表示云节点服务器的单个存储单元成本、单个计算单元成本和单个通信单元成本；
Vedge表示边缘计算服务中的边缘节点服务器成本，可以表示为：
Figure FDA0003516395610000022
其中，
Figure FDA0003516395610000023
分别表示边缘节点的存储成本、计算成本和通信成本，
Figure FDA0003516395610000024
表示边缘节点解决的存储资源需求占比，
Figure FDA0003516395610000025
表示由边缘节点解决的计算资源需求占比；
Figure FDA0003516395610000026
分别表示边缘节点服务器的单侧存储单元成本、单个计算单元成本和单个通信单元成本，u表示终端用户，U表示所有终端用户的集合，p表示终端用户所需服务，P为终端用户所需服务的集合，e表示边缘节点，E表示所有边缘节点的集合，t表示时隙，T表示所有时隙组成的时间段；
根据云节点资源限制条件C、边缘节点资源限制条件E、总体资源限制条件A、服务延迟限制条件L以及边缘计算服务成本模型，建立配置优化模型；
对配置优化模型求解并根据求解结果对云节点和边缘节点进行资源配置。
2.根据权利要求1所述的方法，其特征在于，所述分析网络环境，根据网络环境中的用户服务需求构建用户需求模型，包括：
终端用户u在时隙t时所需服务p相应的资源需求可以表示为：
Figure FDA0003516395610000031
其中，Su，p(t)表示所述存储资源需求，S′u，p(t)表示所述终端用户u在接收服务前的所述存储资源需求，S″u，p(t)表示所述终端用户u接收服务后的所述存储资源需求，Cu，p(t)表示所述计算资源需求，t表示时间段T中的某一特定时隙；
Figure FDA0003516395610000032
Figure FDA0003516395610000033
其中，u表示终端用户，U表示所有终端用户的集合，p表示终端用户所需服务，P为终端用户所需服务的集合，ka，kc为文件配置系数，ka用以表述接收服务后的所述存储资源需求的大小，kc表示完成相应服务所需计算资源的大小。
3.根据权利要求1所述的方法，其特征在于，所述根据所述用户需求模型，分别确定云节点资源限制条件C、边缘节点资源限制条件E以及总体资源限制条件A，包括：
通过云节点解决终端用户的部分或全部的所述存储资源需求Su，p(t)和所述计算资源需求Cu，p(t)，且在任意时隙t时，终端用户的所述存储资源需求Su，p(t)和所述计算资源需求Cu，p(t)不能超过所述云节点的资源容量，结合所述用户需求模型，可以确定所述云节点资源限制条件C为：
Figure FDA0003516395610000041
其中，
Figure FDA0003516395610000042
表示在时隙t时由云节点a解决的存储资源需求占比，
Figure FDA0003516395610000043
表示在时隙t时由云节点a解决的计算资源需求占比，Sa和Ca分别表示所述云节点a所能提供的存储资源容量和计算资源容量；
通过边缘节点解决终端用户的部分或全部的所述存储资源需求Su，p(t)和所述计算资源需求Cu，p(t)，且在任意时隙t时，终端用户的所述存储资源需求Su，p(t)和所述计算资源需求Cu，p(t)不能超过所述边缘节点的资源容量，结合所述用户需求模型，可以确定所述边缘节点资源限制条件E为：
Figure FDA0003516395610000044
其中，
Figure FDA0003516395610000045
表示在时隙t时由边缘节点e解决的存储资源需求占比，
Figure FDA0003516395610000046
表示在时隙t时由边缘节点e解决的计算资源需求占比，Se和Ce分别表示所述边缘节点e能够提供的存储资源容量和计算资源容量；
所有终端用户所需服务应当完全满足，可以确定所述总体资源限制条件A为：
Figure FDA0003516395610000051
4.根据权利要求1所述的方法，其特征在于，所述根据所述用户需求模型，构建服务延迟模型，包括：
对于终端用户，由所述云节点或所述边缘节点提供服务时的所述计算延迟为：
Figure FDA0003516395610000052
Figure FDA0003516395610000053
其中，
Figure FDA0003516395610000054
表示由所述云节点提供服务时的所述计算延迟，Cu，p(t)表示所述计算资源需求，
Figure FDA0003516395610000055
表示由云节点解决的计算资源需求占比；
Figure FDA0003516395610000056
表示由所述边缘节点提供服务时的所述计算延迟，
Figure FDA0003516395610000057
表示由边缘节点解决的计算资源需求占比；
rp表示终端用户u所需服务p的计算容量，所述计算容量根据所需服务p的类别确定，Ca，Ce分别表示所述云节点与所述边缘节点所能提供的计算资源容量；
对于终端用户，由所述云节点或所述边缘节点提供服务时的所述传输延迟包括上传传输延迟和下载传输延迟，所述上传传输延迟分别为：
Figure FDA0003516395610000058
Figure FDA0003516395610000059
其中，
Figure FDA00035163956100000510
表示由云节点提供服务的上传传输延迟，S′u，p(t)表示在接收服务前的所述存储资源需求，
Figure FDA0003516395610000061
表示由所述云节点解决的存储资源需求占比，
Figure FDA0003516395610000062
表示从云节点a到终端用户u的传输距离；
Figure FDA0003516395610000063
表示由边缘节点提供服务的上传传输延迟，
Figure FDA0003516395610000064
表示有所述边缘节点解决的存储资源需求占比，
Figure FDA0003516395610000065
表示从边缘节点e到终端用户u的传输距离；
所述下载传输延迟分别为：
Figure FDA0003516395610000066
Figure FDA0003516395610000067
其中，
Figure FDA0003516395610000068
表示由云节点提供服务的下载传输延迟，
Figure FDA0003516395610000069
表示由边缘节点提供服务的下载传输延迟，S″u，p(t)表示在接收服务后的所述存储资源需求。
5.根据权利要求4所述的方法，其特征在于，所述根据所述服务延迟模型确定服务延迟限制条件，包括：
所述服务延迟限制条件L为：
Figure FDA00035163956100000610
其中，
Figure FDA00035163956100000611
表示服务延迟满意度，l2与l1分别为所述服务延迟满意度的上下限；
所述服务延迟满意度
Figure FDA00035163956100000612
Figure FDA00035163956100000613
其中，
Figure FDA0003516395610000071
mu，p(t)表示所述终端用户u对所述所需服务p是否满足，当mu，p(t)的值为1表示所述终端用户u对所述所需服务p满足；其中，lu，p(t)表示所需服务p的实际延迟，lp表示所需服务p的既定延迟；
Figure FDA0003516395610000072
其中，
Figure FDA0003516395610000073
表示由云节点提供服务的传输延迟，
Figure FDA0003516395610000074
表示由边缘节点提供服务的传输延迟；
Figure FDA0003516395610000075
Figure FDA0003516395610000076
6.根据权利要求1所述的方法，其特征在于，所述配置优化模型，包括：
Figure FDA0003516395610000077
所述配置优化模型是以所述边缘计算服务成本模型为目标函数，以所述云节点资源限制条件C、所述边缘节点资源限制条件E、所述总体资源限制条件A与所述服务延迟限制条件L为约束条件的优化问题；
所述优化问题的优化目标是在所述约束条件的限制下，求得边缘计算服务总成本V的极小值；
其中
Figure FDA0003516395610000078
为所述目标函数的设计变量，
Figure FDA0003516395610000079
表示云节点解决的存储资源需求占比，
Figure FDA00035163956100000710
表示云节点解决的计算资源需求占比；
Figure FDA00035163956100000711
表示由边缘节点解决的存储资源需求占比，
Figure FDA00035163956100000712
表示由边缘节点e解决的计算资源需求占比。
7.根据权利要求6所述的方法，其特征在于，对所述配置优化模型求解并根据求解结果对云节点和边缘节点进行资源配置，包括：
考虑单个时隙t单个所需服务p的情况，对所述配置优化模型中各设计变量进行降维矩阵转换，根据降维矩阵转换得到的设计变量降维矩阵，计算所述配置优化模型中的所述目标函数，得到降维矩阵形式的所述目标函数；
考虑整体时间段T全部所需服务集合P的情况，对所述各设计变量进行超矩阵转换，结合所述降维矩阵形式的所述目标函数，计算得到超矩阵形式的所述目标函数；
根据所述超矩阵形式的所述目标函数，求解所述配置优化模型，得到使所述目标函数取得极小值的所述设计变量
Figure FDA0003516395610000081
的目标值
Figure FDA0003516395610000082
根据所述设计变量的所述目标值
Figure FDA0003516395610000083
对相应的由云节点解决的存储资源需求占比、由云节点解决的计算资源需求占比、由边缘节点解决的存储资源需求占比以及由边缘节点解决的计算资源需求占比进行配置。
8.一种边缘计算服务资源配置装置，其特征在于，包括：
用户需求模块，用于分析网络环境，根据网络环境中的用户服务需求构建用户需求模型，所述用户服务需求包括存储资源需求与计算资源需求；
约束条件模块，用于根据所述用户需求模型，分别确定云节点资源限制条件C、边缘节点资源限制条件E以及总体资源限制条件A；
所述约束条件模块，还用于根据所述用户需求模型，构建服务延迟模型，根据所述服务延迟模型确定服务延迟限制条件L，所述服务延迟模型包括计算延迟与传输延迟；
服务成本模块，用于根据所述用户需求模型，构建边缘计算服务成本模型，所述边缘计算服务成本模型包括云节点服务器成本与边缘节点服务器成本；所述根据所述用户需求模型，构建边缘计算服务成本模型，包括：
边缘计算服务总成本为：
V＝Vcloud+Vedge (26)
其中，Vcloud表示边缘计算服务中的云节点服务器成本，可以表示为：
Figure FDA0003516395610000091
其中，
Figure FDA0003516395610000092
分别表示云节点的存储成本、计算成本和通信成本，Su，p(t)表示所述存储资源需求，S′u，p(t)表示终端用户u在接收服务前的所述存储资源需求，S″u，p(t)表示接收服务后的所述存储资源需求，
Figure FDA0003516395610000093
表示所述云节点解决的存储资源需求占比，Cu，p(t)表示完成服务所需要的计算资源需求，
Figure FDA0003516395610000094
表示由所述云节点解决的计算资源需求占比；VS a，VC a，VM a分别表示云节点服务器的单个存储单元成本、单个计算单元成本和单个通信单元成本；
Vedge表示所述边缘计算服务中的边缘节点服务器成本，可以表示为：
Figure FDA0003516395610000095
Figure FDA0003516395610000101
其中，VS edge，VC edge，VM edge分别表示边缘节点的存储成本、计算成本和通信成本，
Figure FDA0003516395610000102
表示所述边缘节点解决的存储资源需求占比，
Figure FDA0003516395610000103
表示由边缘节点解决的计算资源需求占比；
Figure FDA0003516395610000104
分别表示边缘节点服务器的单侧存储单元成本、单个计算单元成本和单个通信单元成本，u表示终端用户，U表示所有终端用户的集合，p表示终端用户所需服务，P为终端用户所需服务的集合，e表示边缘节点，E表示所有边缘节点的集合，t表示时隙，T表示所有时隙组成的时间段；
配置优化模块，用于根据所述云节点资源限制条件C、所述边缘节点资源限制条件E、所述总体资源限制条件A、所述服务延迟限制条件L以及所述边缘计算服务成本模型，建立配置优化模型；
所述配置优化模块，还用于对所述配置优化模型进行求解并根据求解结果对云节点和边缘节点进行资源配置。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
CN201910510917.9A 2019-06-13 2019-06-13 一种边缘计算服务资源配置方法、装置与电子设备 Active CN110380891B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910510917.9A CN110380891B (zh) 2019-06-13 2019-06-13 一种边缘计算服务资源配置方法、装置与电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910510917.9A CN110380891B (zh) 2019-06-13 2019-06-13 一种边缘计算服务资源配置方法、装置与电子设备

Publications (2)

Publication Number Publication Date
CN110380891A CN110380891A (zh) 2019-10-25
CN110380891B true CN110380891B (zh) 2022-04-05

Family

ID=68250274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910510917.9A Active CN110380891B (zh) 2019-06-13 2019-06-13 一种边缘计算服务资源配置方法、装置与电子设备

Country Status (1)

Country Link
CN (1) CN110380891B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110740194B (zh) * 2019-11-18 2020-11-20 南京航空航天大学 基于云边融合的微服务组合方法及应用
CN111338760B (zh) * 2020-02-27 2023-04-25 长沙市源本信息科技有限公司 边缘计算的服务实例跨节点伸缩方法和装置
CN111447266B (zh) * 2020-03-24 2022-11-11 中国人民解放军国防科技大学 一种基于链的移动边缘计算模型及其服务请求、调度方法
CN111601327B (zh) * 2020-05-14 2023-06-16 北京赛宝工业技术研究院有限公司 一种服务质量优化方法、装置、可读介质和电子设备
US11316757B1 (en) 2020-06-23 2022-04-26 Amdocs Development Limited System, method, and computer program for consumer requirement based management for physical edge deployment of an application
CN113271335A (zh) * 2020-08-20 2021-08-17 丁禹 一种管控云计算终端和云服务器运作的系统
CN112532689B (zh) * 2020-11-04 2022-04-29 天津大学 一种边缘联盟中最大化社会福利的服务安置方法
CN113452566A (zh) * 2021-07-05 2021-09-28 湖南大学 一种云边端协同资源管理方法及系统
CN113676512B (zh) * 2021-07-14 2024-03-08 阿里巴巴新加坡控股有限公司 网络系统、资源处理方法及设备
CN113934515A (zh) * 2021-12-17 2022-01-14 飞诺门阵(北京)科技有限公司 一种基于数据域和计算域的容器组调度方法、装置
CN114500530B (zh) * 2021-12-31 2023-12-08 北方信息控制研究院集团有限公司 一种民用边缘信息系统自动调整方法
CN115037620B (zh) * 2022-05-18 2024-05-10 国网浙江省电力有限公司电力科学研究院 一种面向边缘智能网关的资源分配方法及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107249218A (zh) * 2017-06-05 2017-10-13 东南大学 一种mec中无线资源和云资源的联合分配方法
CN107370802A (zh) * 2017-07-10 2017-11-21 中国人民解放军国防科学技术大学 一种基于交替方向乘子法的协同存储调度方法
CN108355350A (zh) * 2018-02-11 2018-08-03 清华大学 一种基于移动边缘计算的应用服务接入方法及装置
CN109669768A (zh) * 2018-12-11 2019-04-23 北京工业大学 一种面向边云结合架构的资源分配和任务调度方法
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 一种基于边缘计算和云计算协同进行计算任务卸载的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8856386B2 (en) * 2012-08-21 2014-10-07 Cisco Technology, Inc. Cloud resource placement using placement pivot in physical topology

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107249218A (zh) * 2017-06-05 2017-10-13 东南大学 一种mec中无线资源和云资源的联合分配方法
CN107370802A (zh) * 2017-07-10 2017-11-21 中国人民解放军国防科学技术大学 一种基于交替方向乘子法的协同存储调度方法
CN108355350A (zh) * 2018-02-11 2018-08-03 清华大学 一种基于移动边缘计算的应用服务接入方法及装置
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN109669768A (zh) * 2018-12-11 2019-04-23 北京工业大学 一种面向边云结合架构的资源分配和任务调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于综合信任的边缘计算资源协同研究;邓晓衡等;《计算机研究与发展》;20180315(第03期);全文 *
面向云计算的数据中心网络拓扑研究;丁泽柳等;《国防科技大学学报》;20111228(第06期);全文 *

Also Published As

Publication number Publication date
CN110380891A (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
CN110380891B (zh) 一种边缘计算服务资源配置方法、装置与电子设备
Li et al. DCloud: deadline-aware resource allocation for cloud computing jobs
WO2016161677A1 (zh) 一种业务卸载方法及系统
KR20120089542A (ko) 사용자 단말의 자원 관리를 수행하는 서비스 브로커 장치 및 그 방법
CN112737823A (zh) 一种资源切片分配方法、装置及计算机设备
Meng et al. Joint optimization of wireless bandwidth and computing resource in cloudlet-based mobile cloud computing environment
Wang et al. Multi-leader multi-follower Stackelberg game based dynamic resource allocation for mobile cloud computing environment
CN112003660A (zh) 一种网内资源的量纲测量方法、算力调度方法及存储介质
WO2024098872A1 (zh) 任务处理方法、系统、装置、设备及计算机可读存储介质
CN115460216A (zh) 算力资源调度方法和装置、算力资源调度设备、系统
Miao et al. Multicast virtual network mapping for supporting multiple description coding-based video applications
CN111211984B (zh) 优化cdn网络的方法、装置及电子设备
Metwally et al. A distributed auction-based framework for scalable IaaS provisioning in geo-data centers
Zheng et al. Adaptive resource scheduling mechanism in P2P file sharing system
CN112379985A (zh) 一种云边缘计算环境下的计算任务分配方法及装置
Liu et al. Correlation-based virtual machine migration in dynamic cloud environments
CN107872405A (zh) 分布式带宽分配和调节
Cerroni Network performance of multiple virtual machine live migration in cloud federations
CN113938394A (zh) 监控业务带宽分配方法、装置、电子设备及存储介质
CN109729110B (zh) 管理专用处理资源的方法、设备以及计算机可读介质
Li et al. Optimal service selection and placement based on popularity and server load in multi-access edge computing
Mahato et al. Distributed bandwidth selection approach for cooperative peer to peer multi-cloud platform
Chunlin et al. Multiple context based service scheduling for balancing cost and benefits of mobile users and cloud datacenter supplier in mobile cloud
CN110191362B (zh) 数据传输方法及装置、存储介质及电子设备
US10979531B2 (en) Pessimistic scheduling for topology optimized workload placement

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