CN110445855A - 一种基于sdn的车联网分布式雾计算体系结构设计方法 - Google Patents
一种基于sdn的车联网分布式雾计算体系结构设计方法 Download PDFInfo
- Publication number
- CN110445855A CN110445855A CN201910693875.7A CN201910693875A CN110445855A CN 110445855 A CN110445855 A CN 110445855A CN 201910693875 A CN201910693875 A CN 201910693875A CN 110445855 A CN110445855 A CN 110445855A
- Authority
- CN
- China
- Prior art keywords
- edge
- data
- base station
- network
- vehicle
- 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.)
- Granted
Links
- 230000006855 networking Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013461 design Methods 0.000 title claims abstract description 6
- 239000003595 mist Substances 0.000 title abstract 5
- 238000010276 construction Methods 0.000 title abstract 2
- 238000004364 calculation method Methods 0.000 claims abstract description 44
- 230000005540 biological transmission Effects 0.000 claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 38
- 230000035945 sensitivity Effects 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 18
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 241000764238 Isis Species 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
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
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于车联网和雾计算技术领域,具体涉及一种基于SDN的车联网分布式雾计算体系结构设计方法。本发明利用软件定义网络技术解耦基于雾计算的车联网的数据转发平面和控制平面,将车联网分为网络层、边缘(雾)层、控制层。本发明考虑车联网中存在的具有移动特性的时延敏感性应用,开创性的利用多路径,多基站联合分布式计算架构思想,解决时延敏感数据处理问题,并提出多级时延优化模型。最后,提出高效的启发式算法。本发明针对车联网面对的移动性时延敏感性数据计算与传输问题,旨在为车联网提供一套高效、安全、透明的时延敏感数据计算与传输架构。
Description
技术领域
本发明属于车联网和雾计算技术领域,具体涉及一种基于SDN的车联网分布式雾计算体系结构设计方法。
背景技术
近年来,随着物联网技术,车载通信技术(包括车与车通信,车与基站通信技术)的飞速发展,及不断增长的车载应用需求(如自动驾驶,虚拟现实),面向车联网应用,特别是具有时延敏感性要求的特殊应用的数据计算与路由已经成为一项研究热点。然而,传统基于云计算技术的数据计算架构由于需要消耗大量的网络传输时延,很难保障数据计算的时延要求。近年来,雾计算技术的兴起为车载服务研究提供了新的契机。因此,针对车联网存在的时延敏感性应用,在判定问题规模和移动用户的潜在移动轨迹的前提下,最关键的任务就是要根据该应用相关的时延敏感性要求,选择一个或一组车载服务雾基站或设备,对数据进行处理和路由。因此,面向车联网的分布式雾计算体系结构研究具有重要意义。相关研究如下:
2016年,Hou等人在《Vehicular Fog Computing:A Viewpoint of Vehicles asthe Infrastructures》一文中,针对车联网存在的本地资源浪费现象,充分整合车辆本身的未利用计算和通信资源,提出了利用车辆本身作为通信和计算基础设施的思想,即车辆雾计算架构。该架构在保证每个车辆计算和通信资源独立性的前提下,利用多个终端或用户-客户端或近用户边缘设备的协作来进行通信和数据计算。该提案开创性的将分布式计算的思想,引入基于雾计算架构的车联网,但该论文提案难于部署,并且并没有从网络架构本质上,论证论文细节的可实现性。
2018年,在《User mobility aware taskassignmentforMobileEdgeComputing》中Wang等人针对物联网时代面临的多移动用户服务计算问题,提出多用户多任务数据时延抽象模型和高效的启发式算法。然而,该论文所提方案仅从任务级上给出了多用户多任务服务计算解决方案,没有考虑任务本身,即从数据级上考虑问题,这样无法充分利用网络的可用资源,造成极大的网络资源浪费,特别是当网络用户数量较大,每个用户相关的车载服务数量较少时。此外,该论文并没有从实际上解决多任务的分布式计算问题。
2018年,Bittencourt等人在《Mobility-Aware Application Scheduling in FogComputing》一文中针对云计算及雾计算的多级协作计算问题,提出基于动态用户请求的网络资源调度方案,该方案首先考虑在物联网中,每个用户在时序上可判断或预测的移动性问题,针对每个用户在移动轨迹上的多边缘(雾)基站,预先部署相关车载服务的数据资源,继而当移动用户或车辆经过该基站时,可以即时接入服务。
近年来,新型网络架构技术的兴起,如软件定义网络(Software DefinedNetworking,SDN)技术为车联网架构的发展与车载服务计算提供了新的平台与保障。如在2016年,Xiang等人在《EdgeIoT:Mobile Edge Computing for the Internet of Things》一文中提出了一种面向物联网并行多应用计算的边缘计算体系结构以处理数据中心的数据流,缓解集中式计算平台如云计算平台的数据处理压力。该平台以软件定义网络为核心架构,通过SDN感知全网状态和车载服务特征,继而决策最优的云/雾计算联合调度策略。
发明内容
针对车联网中存在的移动时延敏感性应用及相关的数据计算与传输问题,本发明提出一种基于SDN的车联网分布式雾计算体系结构。
本发明的技术方案如下:
一种基于SDN的车联网分布式雾计算体系结构设计方法,具体步骤如下:
(1)建立基于SDN和雾计算的车联网模型架构:利用SDN将车联网的数据控制单元从设备转发单元中解耦出来,然后抽象网络功能,利用雾计算将车联网分为三个层次:
(1.1)网络层:主要由网络中的移动用户或者车辆作为移动节点组成,移动节点实时并行处理多种类车载应用并向边缘雾层请求车载服务计算;在网络层,移动节点有两种通信方式,即车车通信(Vehicle to Vehicle,V2V)和车路通信(Vehicle toInfrastructure,V2I);
(1.2)边缘(雾)层:主要由具有轻量计算能力的边缘(雾)基站组成,基站由数据计算单元和数据传输单元组成,彼此之间相互连接,组成一个基于边缘(雾)基站的物理网络;边缘(雾)层的边缘(雾)基站具有分布式协同计算的能力,实时计算车载服务的问题规模与要求,考虑车载服务的移动性,将数据处理任务分散沿着车辆移动轨迹上的多个边缘(雾)基站上;
(1.3)控制层:主要由SDN控制器组成,采用分布式网络控制架构,既多级控制结构;边缘(雾)层中每个区域都由一个SDN子控制器控制,并且在控制层的最上端,由一个全局控制器负责协调跨区域网络控制等业务,例如,负责协调雾计算单元和云计算单元之间的任务分配与同步计算等等。
(2)构建基于SDN架构的分布式边缘(雾)计算调度流程:共分为六个步骤,具体如下:
(2.1)计算校验:当网络层收到来自移动客户的车联网服务请求时,验证车联网服务是否可以按照要求在本地执行(如计算时间,计算代价,服务时延敏感性要求等等),若本地无法执行,则执行下一步;
(2.2)雾计算请求:移动节点将车联网服务请求及需要处理的数据文件上传到当前可为该移动节点提供车联网服务的边缘(雾)基站,称为源基站;
(2.3)决策请求:源基站将车联网服务请求及其时延敏感性等服务体验指标报告给源基站的SDN控制器,请求控制器根据当前边缘(雾)层网络状态制定数据传输与计算决策;
(2.4)信息收集:SDN控制器利用SDN网络架构提供的标准网络协议与接口,采用请求/回复的方式向边缘(雾)层中的边缘(雾)基站发送主动询问数据包,以收集边缘(雾)层网络的信息,如节点的计算资源、网络时延、带宽等等;
(2.5)决策制定:基于步骤(2.4)收集到的网络信息,SDN控制器针对步骤(2.1)请求的车联网服务计算最优的数据传输与计算策略;
(2.6)策略部署:SDN控制器根据步骤(2.5)计算的边缘(雾)层网络计算资源与数据传输资源分配策略(如:流量工程策略),利用SDN南向接口向边缘(雾)层网络的各边缘(雾)基站下发智能数据流表和计算单元时间片分配器。
(3)构建基于文件数据块的分布式处理架构
考虑大数据时代下基于雾计算的车联网分布式数据处理架构,根据基于边缘(雾)层中的边缘(雾)基站的实时资源(计算资源,数据传输资源)情况,计算近似最优解,以使车联网环境下,多用户多应用的移动车载时延敏感服务得到保障。
不同于文献《UsermobilityawaretaskassignmentforMobileEdgeComputing》考虑任务级的分布式数据处理策略,本发明提出将车联网多用户的时延敏感服务相关的数据文件根据数据间相关逻辑划分成文件数据块,根据边缘(雾)层中的网络资源把每个文件数据块从源基站上传到最合适的边缘(雾)基站上进行处理,并沿着移动节点的移动轨迹,在最合适的位置,将每个边缘(雾)基站上处理的数据结果传递到目的基站,并在移动节点处进行总结果汇聚,以实现数据级别的基于雾计算的分布式数据处理架构。
(4)构建基于多时延模型的最优解表达方法
考虑基于SDN架构的车联网边缘(雾)层G由边缘(雾)基站集合V和连接边缘(雾)基站的通信链路集合E组成,每条链路e∈E都有一个整数最大带宽b(e)和链路时延d(e);移动节点ux∈U从源点s接入源基站然后到目的节点t接入目的基站是沿着轨迹Tx移动;若为G上的一条有效路径,其中为一条连接相邻两个边缘(雾)基站和的通信链路,则:
路径px的带宽为:
路径px的链路时延为:
若用户ux∈U的时延敏感应用ax(z)的相关数据大小为σx(z),则在路径px上,上传ax(z)的相关数据需要的时间为:
若每个边缘(雾)基站的数据处理能力为则,对于在上的ax(z),其排队时延正比于在上分配的数据大小即
为使时延可量化,将定义为在上处理大小文件所需要的时延。因此,对于在上的ax(z),排队时延等于ax(z)到达之前所有文件需要的处理时间,具体计算如下:
为了对ax(z)实现分布式计算,在路径px上的每个边缘(雾)基站分配大小为的文件数据块且满足规定文件数据块只有当都上传到px后,才能开始上传;因此,上传需要的时间为:
从源端边缘(雾)基站到目的边缘(雾)基站传输大小为的文件块需要的时间为:
其中,代表可用来处理ax(z),是在上处理ax(z)所需要的处理时延,是在上处理ax(z)所得到的结果的数据大小,是把上传到从到的路径所需要的时延。
那么,对于用户ux,想要通过路径px接入大小为σx(z)的时延敏感性应用需要的时间F(px,σx(z))为:
当考虑车联网边缘(雾)层的多径边缘(雾)基站分布式数据处理情况时,针对用户ux都有一个路径集Px,针对ax(z),每条路径px(j)∈Px都会分配σ(j)x(z)大小的文件;此时,处理时延敏感性数据共需要的时间为:
基于公式(1)~(9)的考虑移动特性时延敏感性应用的数据分布式处理模型,构建最优化模型,如公式(10)所示最优线性规划表达式:
利用公式(10)的最优化线性规划表达式,基于混合调度解决移动性多用户时延敏感性服务计算与传输问题,具体流程如下:
1)针对每个移动用户ux∈U的每一个时延敏感性应用ax(z)∈Ax,判断其是否可以在本地执行并满足时延敏感性要求;若满足,则将该应用移出Ax,否则执行第2)步;
2)预测每个移动用户ux∈U在时延敏感性要求内的移动轨迹Tx及在时间要求后的可接入边缘(雾)基站
3)利用k路最短路径算法为每个用户计算第k条最短路径;
4)如果基于当前多用户路径集的最优化表达式(公式(10)所示)可解,那么,停止运行;否则,执行第5)步;
5)令k=k+1,跳转到第3)步。
通过如上步骤,即可解决在车联网中面临的移动性多用户时延敏感性服务计算与传输问题。
本发明的有益效果:本发明利用软件定义网络技术解决车联网的数据传输平面和控制平面的高耦合度问题。在此基础上,利用雾计算技术,重新定义车联网的层次结构。本发明考虑车联网中存在的具有移动特性的时延敏感性应用,开创性的利用多路径,多基站联合分布式计算架构思想,解决时延敏感数据处理问题,并提出多级时延优化模型。最后,提出基于调度的、高效的启发式算法。本发明针对车联网面对的移动性时延敏感性数据计算与传输问题,旨在为车联网提供一套高效、安全、透明的时延敏感数据计算与传输架构。
附图说明
图1是本发明一种实施例的基于SDN和雾计算的车联网模型;
图2是本发明一种实施例的时延敏感应用请求示意图;
图3是本发明一种实施例的分布式文件数据块分割示意图;
图4(a)和图4(b)是本发明一种实施例的算法调度示例图。
具体实施方式
下面结合附图和技术方案进一步说明本发明的具体实施方式。
(1)建立基于SDN和雾计算的车联网模型架构:如图1所示,利用SDN将车联网的数据控制单元从设备转发单元中解耦出来,然后抽象网络功能,利用雾计算将车联网分为三个层次:
(1.1)网络层:如图1所示,主要由移动节点或网络中的移动用户或者车辆组成,这些节点实时并行处理多种类车载应用并向边缘雾层请求车载服务计算。此外,在网络层,移动节点共有两种通信方式,既车车通信(Vehicle to Vehicle,V2V)和车路通信(Vehicleto Infrastructure,V2I);
(1.2)边缘(雾)层:如图1所示,边缘(雾)层主要由具有轻量计算能力的边缘(雾)基站(Fog-based Base Station,FBS)组成,这些基站由数据计算单元和数据传输单元组成,彼此之间相互连接,组成一个基于边缘(雾)基站的物理网络。在本发明中,提出边缘(雾)层的边缘(雾)基站具有分布式协同计算的能力,可以实时计算车载服务的问题规模与要求,考虑车载服务的移动性,将数据处理任务分散到沿车辆移动轨迹的多个边缘(雾)基站上;
(1.3)控制层:主要由SDN控制器组成,本发明考虑一种分布式网络控制架构,既控制层采用多级控制结构。边缘(雾)层中每个区域都由一个SDN子控制器控制,并且在控制层的最上端,由一个全局控制器负责协调跨区域网络控制等业务,如图1所示。
(2)构建基于SDN架构的分布式边缘(雾)计算调度流程:如图2所示,共分为六个步骤,具体如下:
(2.1)计算校验:当网络层收到来自移动客户的车联网服务请求时,会验证该车载服务是否可以按照要求在本地执行(如计算时间,计算代价,服务时延敏感性要求等等),若本地无法执行,则执行下一步;
(2.2)雾计算请求:移动节点将车联网服务请求及相关需要处理的数据文件上传到当前可为该移动节点提供车联网服务的边缘(雾)基站,本发明将其命名为源基站;
(2.3)决策请求:源基站将该车联网服务请求及其时延敏感性等服务体验指标报告给源基站的SDN控制器,请求控制器根据当前边缘(雾)层网络状态制定数据传输与计算决策;
(2.4)信息收集:SDN控制器利用SDN网络架构提供的标准网络协议与接口,采用请求/回复的方式向边缘(雾)层中的边缘(雾)基站发送主动询问数据包,以收集边缘(雾)层网络的信息,如节点的计算资源,网络时延,带宽等等;
(2.5)决策制定:基于如上步骤收集到的网络全局信息,SDN控制器针对步骤(2.1)请求的车联网服务计算最优的数据传输与计算策略;
(2.6)策略部署:SDN控制器根据计算的面向边缘(雾)层网络计算资源与数据传输资源分配策略(如:流量工程策略),利用SDN南向接口向边缘(雾)层网络的各边缘(雾)基站下发智能数据流表和计算单元时间片分配器。
(3)构建基于文件数据块的分布式处理架构
本发明考虑大数据时代下基于雾计算的车联网分布式数据处理架构,根据基于边缘(雾)层中的边缘(雾)基站的实时资源(计算资源,数据传输资源)情况,计算近似最优解,以使车联网环境下,多用户多应用的移动车载时延敏感服务得到保障。
不同于文献《UsermobilityawaretaskassignmentforMobileEdgeComputing》考虑任务级的分布式数据处理策略,本发明提出将车联网多用户的时延敏感服务相关的数据文件根据数据间相关逻辑划分成文件数据块,根据边缘(雾)层中的网络资源把每个文件数据块从源基站上传到最合适的边缘(雾)基站上进行处理,并沿着移动节点的移动轨迹,在最合适的位置,将每个边缘(雾)基站上处理的数据结果传递到目的基站,并在移动节点处进行总结果汇聚,以实现数据级别的基于雾计算的分布式数据处理架构。如图3所示,与车联网服务相关的文件可分为6个文件块,每个文件块按照数据处理逻辑和文件特性(如:数据大小)分给不同的边缘(雾)基站进行处理。
(4)构建基于多时延模型的最优解表达方法:
本发明考虑基于SDN架构的车联网边缘(雾)层G由边缘(雾)基站集合V和连接边缘(雾)基站的通信链路集合E组成,每条链路e∈E都有一个整数最大带宽b(e)和链路时延d(e),移动节点ux∈U从源点s(接入源基站)到目的节点t(接入目的基站)沿着轨迹Tx移动。若为G上的一条有效路径,其中为一条连接相邻两个边缘(雾)基站 的通信链路。那么,在此网络模型下,路径px的带宽为:
路径px的链路时延为:
若用户ux∈U的时延敏感应用ax(z)相关的数据大小为σx(z),那么在路径px上,上传ax(z)的相关数据需要的时间为:
若每个边缘(雾)基站的数据处理能力为那么,对于在上的ax(z),其排队时延正比于在上分配的数据大小即
为使时延可量化,本发明将定义为在上处理大小文件所需要的时延。因此,对于在上的ax(z),可计算如下:
即等于ax(z)到达之前所有文件需要的处理时间。此外,为了对ax(z)实现分布式计算,在路径px上的每个边缘(雾)基站分配大小为的文件块且满足此外,本发明规定文件块只有当都上传到px后,才能开始上传。因此,上传需要的时间为:
那么,从源端边缘(雾)基站到目的边缘(雾)基站传输大小为的文件块需要的时间为
其中,代表可用来处理ax(z),是在上处理ax(z)所需要的处理时延,是在上处理ax(z)所得到的结果的数据大小,是把上传到从到的路径所需要的时延。
那么,对于用户ux,想要通过路径px接入大小为σx(z)的时延敏感性应用需要的时间F(px,σx(z))为:
当考虑车联网边缘(雾)层的多径边缘(雾)基站分布式数据处理情况时,针对用户ux都由一个路径集Px,针对ax(z),每条路径px(j)∈Px都会分配σ(j)x(z)大小的文件。在这种情况下,处理时延敏感性数据共需要的时间为:
基于如上考虑移动特性时延敏感性应用的数据分布式处理模型,本发明提出最优化模型,如公式(10)所示线性规划表达式
利用如上最优化线性规划表达式,本发明提出基于混合调度的启发式算法,结合图4(a)和图4(b)所示示例(1个用户,1个时延敏感性车联网应用),算法的具体流程如下:
1)在图4(a)和图4(b)中,网络边缘(雾)层中的每一条边都有一个相关的(链路时延,最大可用带宽)权值。首先,针对每个移动用户ux∈U的每一个时延敏感性应用ax(z)∈Ax,判断其是否可以在本地执行并满足时延敏感性要求。若满足,则将该应用移出Ax,否则执行第2步(本实施例假设车辆本身无法提供有效的时延敏感性车载服务);
2)预测每个移动用户ux∈U在时延敏感性要求内的移动轨迹Tx及在时间要求后的可接入边缘(雾)基站
3)利用k路最短路径算法为每个用户计算第k条最短路径,如图4(a)左面加粗线所示;
4)如果基于当前多用户路径集的最优化表达式(公式(10)所示)可解,那么,停止运行。否则,执行第5)步。如图4(a)右面所示的路径各节点特征及最优化求解下,各节点的数据分配情况,该时延敏感性车联网服务依然满足不了要求,算法接着运行;
5)k=k+1,算法跳转到第3)步。此时,算法获得第二条最短路径,如图4(b)左侧所示。此时,基于这两条路径,公式(10)所示线性规划表达式可解,各边缘(雾)基站细节及相关数据分配策略,如图4(b)右侧所示。
通过如上步骤,即可解决图4(a)和图4(b)车联网中面临的移动性多用户时延敏感性服务计算与传输问题。
Claims (1)
1.一种基于SDN的车联网分布式雾计算体系结构设计方法,其特征在于,具体步骤如下:
(1)建立基于SDN和雾计算的车联网模型架构:利用SDN将车联网的数据控制单元从设备转发单元中解耦出来,然后抽象网络功能,利用雾计算将车联网分为三个层次:
(1.1)网络层:主要由网络中的移动用户或者车辆作为移动节点组成,移动节点实时并行处理多种类车载应用并向边缘雾层请求车载服务计算;在网络层,移动节点有两种通信方式,即车车通信和车路通信;
(1.2)边缘层:也成为雾层,主要由具有轻量计算能力的边缘基站组成,基站由数据计算单元和数据传输单元组成,彼此之间相互连接,组成一个基于边缘基站的物理网络;边缘层的边缘基站具有分布式协同计算的能力,实时计算车载服务的问题规模与要求,考虑车载服务的移动性,将数据处理任务分散沿着车辆移动轨迹上的多个边缘基站上;
(1.3)控制层:主要由SDN控制器组成,采用分布式网络控制架构,既多级控制结构;边缘层中每个区域都由一个SDN子控制器控制,并且在控制层的最上端,由一个全局控制器负责协调跨区域网络控制业务,包括负责协调雾计算单元和云计算单元之间的任务分配与同步计算;
(2)构建基于SDN架构的分布式边缘计算调度流程:共分为六个步骤,具体如下:
(2.1)计算校验:当网络层收到来自移动客户的车联网服务请求时,验证车联网服务是否可以按照要求在本地执行,包括计算时间、计算代价和服务时延敏感性要求,若本地无法执行,则执行下一步;
(2.2)雾计算请求:移动节点将车联网服务请求及需要处理的数据文件上传到当前可为该移动节点提供车联网服务的边缘基站,称为源基站;
(2.3)决策请求:源基站将车联网服务请求及其时延敏感性等服务体验指标报告给源基站的SDN控制器,请求控制器根据当前边缘层网络状态制定数据传输与计算决策;
(2.4)信息收集:SDN控制器利用SDN网络架构提供的标准网络协议与接口,采用请求/回复的方式向边缘层中的边缘基站发送主动询问数据包,以收集边缘层网络的信息,包括节点的计算资源、网络时延和带宽;
(2.5)决策制定:基于步骤(2.4)收集到的网络信息,SDN控制器针对步骤(2.1)请求的车联网服务计算最优的数据传输与计算策略;
(2.6)策略部署:SDN控制器根据步骤(2.5)计算的边缘层网络计算资源与数据传输资源分配策略,利用SDN南向接口向边缘层网络的各边缘基站下发智能数据流表和计算单元时间片分配器;
(3)构建基于文件数据块的分布式处理架构
考虑大数据时代下基于雾计算的车联网分布式数据处理架构,根据基于边缘层中的边缘基站的实时资源情况,计算近似最优解,以使车联网环境下,多用户多应用的移动车载时延敏感服务得到保障;
将车联网多用户的时延敏感服务相关的数据文件根据数据间相关逻辑划分成文件数据块,根据边缘层中的网络资源把每个文件数据块从源基站上传到最合适的边缘基站上进行处理,并沿着移动节点的移动轨迹,在最合适的位置,将每个边缘基站上处理的数据结果传递到目的基站,并在移动节点处进行总结果汇聚,以实现数据级别的基于雾计算的分布式数据处理架构;
(4)构建基于多时延模型的最优解表达方法
考虑基于SDN架构的车联网边缘层G由边缘基站集合V和连接边缘基站的通信链路集合E组成,每条链路e∈E都有一个整数最大带宽b(e)和链路时延d(e);移动节点ux∈U从源点s接入源基站然后到目的节点t接入目的基站是沿着轨迹Tx移动;若为G上的一条有效路径,其中为一条连接相邻两个边缘基站和的通信链路,则:
路径px的带宽为:
路径px的链路时延为:
若用户ux∈U的时延敏感应用ax(z)的相关数据大小为σx(z),则在路径px上,上传ax(z)的相关数据需要的时间为:
若每个边缘基站的数据处理能力为则,对于在上的ax(z),其排队时延正比于在上分配的数据大小即
为使时延可量化,将定义为在上处理大小文件所需要的时延;因此,对于在上的ax(z),排队时延等于ax(z)到达之前所有文件需要的处理时间,具体计算如下:
为了对ax(z)实现分布式计算,在路径px上的每个边缘基站分配大小为的文件数据块且满足规定文件数据块只有当都上传到px后,才能开始上传;因此,上传需要的时间为:
从源端边缘基站到目的边缘基站传输大小为的文件块需要的时间为:
其中,代表可用来处理ax(z),是在上处理ax(z)所需要的处理时延,是在上处理ax(z)所得到的结果的数据大小,是把上传到从到的路径所需要的时延;
那么,对于用户ux,想要通过路径px接入大小为σx(z)的时延敏感性应用需要的时间F(px,σx(z))为:
当考虑车联网边缘层的多径边缘基站分布式数据处理情况时,针对用户ux都有一个路径集Px,针对ax(z),每条路径px(j)∈Px都会分配σ(j)x(z)大小的文件;此时,处理时延敏感性数据共需要的时间为:
基于公式(1)~(9)的考虑移动特性时延敏感性应用的数据分布式处理模型,构建最优化模型,如公式(10)所示最优线性规划表达式:
利用公式(10)的最优化线性规划表达式,基于混合调度解决移动性多用户时延敏感性服务计算与传输问题,具体流程如下:
1)针对每个移动用户ux∈U的每一个时延敏感性应用ax(z)∈Ax,判断其是否可以在本地执行并满足时延敏感性要求;若满足,则将该应用移出Ax,否则执行第2)步;
2)预测每个移动用户ux∈U在时延敏感性要求内的移动轨迹Tx及在时间要求后的可接入边缘基站
3)利用k路最短路径算法为每个用户计算第k条最短路径;
4)如果基于如公式(10)所示的当前多用户路径集的最优线性规划表达式可解,那么,停止运行;否则,执行第5)步;
5)令k=k+1,跳转到第3)步。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910693875.7A CN110445855B (zh) | 2019-07-30 | 2019-07-30 | 一种基于sdn的车联网分布式雾计算体系结构设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910693875.7A CN110445855B (zh) | 2019-07-30 | 2019-07-30 | 一种基于sdn的车联网分布式雾计算体系结构设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110445855A true CN110445855A (zh) | 2019-11-12 |
CN110445855B CN110445855B (zh) | 2020-05-19 |
Family
ID=68432196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910693875.7A Expired - Fee Related CN110445855B (zh) | 2019-07-30 | 2019-07-30 | 一种基于sdn的车联网分布式雾计算体系结构设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110445855B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111835843A (zh) * | 2020-07-03 | 2020-10-27 | 西安邮电大学 | 一种基于sdn车联网云系统 |
CN111885155A (zh) * | 2020-07-22 | 2020-11-03 | 大连理工大学 | 一种车联网资源融合的车载任务协作迁移方法 |
CN112612609A (zh) * | 2020-12-17 | 2021-04-06 | 江苏省未来网络创新研究院 | 一种基于sdn的车载计算资源分配方法 |
CN113115252A (zh) * | 2021-03-04 | 2021-07-13 | 西安交通大学 | 延迟敏感任务分布式移动边缘计算资源调度方法及系统 |
CN115119287A (zh) * | 2022-06-29 | 2022-09-27 | 阿里巴巴(中国)有限公司 | 通信网络、车联网、终端设备接入方法、设备和存储介质 |
CN115883664A (zh) * | 2023-03-03 | 2023-03-31 | 武汉工商学院 | 一种基于雾计算的智慧物流园区传感云平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106454719A (zh) * | 2016-07-18 | 2017-02-22 | 西安电子科技大学 | 基于sdn技术的车联网数据分发系统与分发方法 |
US20180034922A1 (en) * | 2016-07-28 | 2018-02-01 | At&T Intellectual Property I, L.P. | Network configuration for software defined network via machine learning |
US20180137693A1 (en) * | 2016-11-15 | 2018-05-17 | At&T Mobility Ii Llc | Facilitation of smart communications hub to support driverless vehicles in 5g networks or other next generation networks |
CN108259573A (zh) * | 2017-12-26 | 2018-07-06 | 西安电子科技大学 | 一种混合sdn和雾计算的车辆自组织网络系统 |
-
2019
- 2019-07-30 CN CN201910693875.7A patent/CN110445855B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106454719A (zh) * | 2016-07-18 | 2017-02-22 | 西安电子科技大学 | 基于sdn技术的车联网数据分发系统与分发方法 |
US20180034922A1 (en) * | 2016-07-28 | 2018-02-01 | At&T Intellectual Property I, L.P. | Network configuration for software defined network via machine learning |
US20180137693A1 (en) * | 2016-11-15 | 2018-05-17 | At&T Mobility Ii Llc | Facilitation of smart communications hub to support driverless vehicles in 5g networks or other next generation networks |
CN108259573A (zh) * | 2017-12-26 | 2018-07-06 | 西安电子科技大学 | 一种混合sdn和雾计算的车辆自组织网络系统 |
Non-Patent Citations (1)
Title |
---|
王雄; 唐亮; 卜智勇; 俞凯: "一种基于SDN的车联网协作传输算法", 《计算机应用与软件》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111835843A (zh) * | 2020-07-03 | 2020-10-27 | 西安邮电大学 | 一种基于sdn车联网云系统 |
CN111885155A (zh) * | 2020-07-22 | 2020-11-03 | 大连理工大学 | 一种车联网资源融合的车载任务协作迁移方法 |
CN111885155B (zh) * | 2020-07-22 | 2021-06-18 | 大连理工大学 | 一种车联网资源融合的车载任务协作迁移方法 |
CN112612609A (zh) * | 2020-12-17 | 2021-04-06 | 江苏省未来网络创新研究院 | 一种基于sdn的车载计算资源分配方法 |
CN113115252A (zh) * | 2021-03-04 | 2021-07-13 | 西安交通大学 | 延迟敏感任务分布式移动边缘计算资源调度方法及系统 |
CN113115252B (zh) * | 2021-03-04 | 2022-04-22 | 西安交通大学 | 延迟敏感任务分布式移动边缘计算资源调度方法及系统 |
CN115119287A (zh) * | 2022-06-29 | 2022-09-27 | 阿里巴巴(中国)有限公司 | 通信网络、车联网、终端设备接入方法、设备和存储介质 |
CN115119287B (zh) * | 2022-06-29 | 2024-03-26 | 阿里巴巴(中国)有限公司 | 通信网络、车联网、终端设备接入方法、设备和存储介质 |
CN115883664A (zh) * | 2023-03-03 | 2023-03-31 | 武汉工商学院 | 一种基于雾计算的智慧物流园区传感云平台 |
Also Published As
Publication number | Publication date |
---|---|
CN110445855B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110445855B (zh) | 一种基于sdn的车联网分布式雾计算体系结构设计方法 | |
Yadav et al. | Energy-latency tradeoff for dynamic computation offloading in vehicular fog computing | |
Lv et al. | Diversified technologies in internet of vehicles under intelligent edge computing | |
Zhou et al. | BEGIN: Big data enabled energy-efficient vehicular edge computing | |
Ning et al. | Intelligent edge computing in internet of vehicles: A joint computation offloading and caching solution | |
CN109379727B (zh) | 车联网中基于mec的任务分布式卸载与协作执行方案 | |
Feng et al. | AVE: Autonomous vehicular edge computing framework with ACO-based scheduling | |
Xu et al. | A computation offloading method for edge computing with vehicle-to-everything | |
Zhou et al. | DRLE: Decentralized reinforcement learning at the edge for traffic light control in the IoV | |
Cha et al. | Virtual edge: Exploring computation offloading in collaborative vehicular edge computing | |
Li | Resource optimization scheduling and allocation for hierarchical distributed cloud service system in smart city | |
CN113115252B (zh) | 延迟敏感任务分布式移动边缘计算资源调度方法及系统 | |
KR102508504B1 (ko) | 기계 학습 기반의 무인항공기 모바일 엣지 서버 간 협업 태스크 매칭 및 오프로딩 방법 | |
Xia et al. | A delay-tolerant data transmission scheme for internet of vehicles based on software defined cloud-fog networks | |
Al Ridhawi et al. | Intelligent blockchain-enabled communication and services: Solutions for moving internet of things devices | |
Lieira et al. | Resource allocation technique for edge computing using grey wolf optimization algorithm | |
Meneguette et al. | An efficient green-aware architecture for virtual machine migration in sustainable vehicular clouds | |
Gu et al. | AI-Enhanced Cloud-Edge-Terminal Collaborative Network: Survey, Applications, and Future Directions | |
Song et al. | A collaborative task offloading strategy for mobile edge computing in internet of vehicles | |
Laroui et al. | Virtual mobile edge computing based on IoT devices resources in smart cities | |
CN114827284A (zh) | 工业物联网中服务功能链编排方法、装置及联邦学习系统 | |
Wang et al. | Vehicular computation offloading in UAV-enabled MEC systems | |
Song et al. | Everyone-centric heterogeneous multi-server computation offloading in ITS with pervasive AI | |
Li et al. | A Software‐Defined Networking Roadside Unit Cloud Resource Management Framework for Vehicle Ad Hoc Networks | |
Garg et al. | Guest editorial special issue on intent-based networking for 5G-envisioned Internet of connected vehicles |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200519 |