CN110519370A - 一种基于设施选址问题的边缘计算资源分配方法 - Google Patents

Abstract

本发明提出了一种基于设施选址问题的边缘计算资源分配方法。首先根据边缘计算网络场景得到用户终端任务的各项数据参数和边缘服务器的性能参数；然后构建任务执行代价最优化问题模型，通过对偶拟合算法求解任务执行代价最小化问题，计算用户终端任务分配决策和服务器开关决策；最后用户终端根据资源分配决策将任务分配到边缘服务器上执行。本发明能够适用于边缘计算网络中不同规模大小、不同地理位置的用户终端的任务分配处理，通过降低边缘服务器启动代价和用户终端任务通信代价，从而最小化网络内所有卸载任务的总执行代价。

Description

一种基于设施选址问题的边缘计算资源分配方法

技术领域

本发明主要涉及到边缘计算领域，特别是涉及到一种基于设施选址问题的边缘计算资源分配方法。

背景技术

物联网(Internet of Things)的高速发展推进了万物互联的时代的到来，在此背景下，几乎所有的电子设备都可以连接互联网，并产生海量的数据，这些海量数据的计算需求也让基于云计算的计算模式暴露出高延时、低效率和高成本的缺点。随着物联网和云服务的推动、终端设备的角色转变，延伸了一种新的计算模式——边缘计算。边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。边缘计算相较于云计算来说更加高效且安全，而且更适合实时的数据分析和智能化处理。边缘计算旨在利用智能终端、无线基站、工厂、可穿戴设备等边缘设备来缓解云计算的压力，有效的提高运行效率，减少数据处理产生的能耗，实时或更快速的处理和分析数据，减少延迟时间。

随着数据量的爆炸式增长，用户希望终端设备具有高性能计算机同样的性能。但是对于传统的计算机而言，资源有限、电池续航能力短、内存较小等因素极大的限制了终端设备的性能，计算密集型任务在资源有限的设备上运行需要花费较长的时间和较高的能耗。从另一方面来说，如果把所有终端数据都传输到云计算中心处理，则会急剧地增加网络传输带宽的负载量，从而造成较长的时间延迟，同时还存在较低的可靠性、安全攻击等问题。

综上所述，为了满足用户应用服务质量(Quality of Service)的要求，利用边缘计算平台，将云服务推向网络边缘，当本地终端无法满足应用处理的需求，可以做出资源分配决策，把应用卸载到边缘服务器上执行，通过降低边缘服务器启动代价和用户终端任务通信代价，从而最小化网络中任务的总执行代价。

发明内容

本发明提出了一种基于设施选址问题的边缘计算资源分配方法，主要应用于物联网边缘计算方面，主要优点是使不同位置、不同规模的任务分配最优化，能够最小化网络中卸载任务的总执行代价。本发明的方案具体如下：

1.终端设备可以将边缘计算的资源分配问题视为一种设施选址问题，通过一种对偶拟合算法来得到边缘计算的资源分配决策方案：

步骤1、构建边缘计算网络场景，网络中边缘服务器由集合P＝{p₁,p₂,...,p_i,...,p_m}表示，其中i表示边缘服务器的序列号，p_i的启动代价为f_i，n个不同地理位置的用户终端的任务集合表示为U＝{u₁,u₂,...,u_j,...,u_n}，其中j表示任务的序列号，集合U中的任务之间不具有先后依赖关系，每个用户终端有且只有一个不能分割的任务，且一旦任务分配到边缘服务器p_i则p_i必须开启；

步骤2、用户终端通过资源分配决策将任务卸载到边缘服务器p_i上执行，通过最小化任务执行代价

计算，其中c_ij是任务u_j到边缘服务器p_i的通信代价，x_ij是任务u_j是否被分配的决策变量，当x_ij＝1时即任务u_j被分配给了边缘服务器p_i，反之则不分配，f_i是边缘服务器i的启动代价，y_i是边缘服务器p_i是否开启的决策变量，当y_i＝1时即边缘服务器p_i是开启的，反之当y_i＝0时则关闭服务器；

步骤3、将步骤2中代价优化问题视作一种设施选址问题，通过对偶拟合算法，计算用户终端任务分配决策集合X和服务器开关决策集合Y。

2.进一步，如果用户终端满足任务处理的需求，则可以在终端本地执行任务，无需资源分配决策，如果用户终端不满足任务处理的需求，则需要对服务器进行资源分配，根据资源分配决策把任务卸载到对应边缘服务器上执行。

3.进一步，使用设施选址问题中的对偶拟合算法计算得到边缘服务器开关决策集合Y和用户终端任务分配决策集合X，通过降低边缘服务器启动代价和用户终端任务通信代价，从而最小化网络内所有卸载任务的总执行代价。

4.在本发明中，既可以是单个用户终端将任务u_j卸载到边缘服务器p_i上，也可以多个不同地理位置的用户终端将各自任务同时卸载到同一个边缘服务器上并行执行。

5.进一步，设施选址问题的对偶拟合方法至少包括如下步骤：

1)定义集合D为未分配的任务集合，t为均匀增长的时间变量，设置时间变量的初始值t＝0且B_j＝0，其中j∈D，B_j是完成任务j的预算，用户终端可以用其预算来支付边缘服务器的启动代价和任务分配到开启的边缘服务器上的通信代价；

2)假设网络中的所有任务均未分配，当前未分配的任务数为h，所有边缘服务器均处于未开启状态；

3)设置t₁＝min{c_ij}，其中i∈Y，j∈D，t₂＝min{B_j}，B_j与时间变量t有关，B_j(t)＝(1+ε)t，其中ε＝1/h，ε会随着当前未分配任务数的减小而增大，加快剩余未分配任务的收敛速度；

4)当时，所有的B_j暂停增长，并返回B_j，t′＝min{t₁,t₂}，其中i′为当前任务j已分配的服务器；

5)如果边缘服务器i∈P\Y，且满足时，则执行Y＝Y∪{i}，如果满足条件c_ij＜c_i′j的任务已经被分配，则将任务j分配到通信代价更低的边缘服务器i上执行；

6)如果满足c_ij≤t′的边缘服务器i∈Y和j∈D，则将任务j分配到边缘服务器i上，同时将集合D中任务j去掉并执行h＝h-1；

7)如果网络中仍存在未被分配的任务j，则跳转执行步骤3)，直至所有任务都被分配完成。

与现有技术相比，本方法的优点在于：

提出了基于设施选址问题的边缘计算资源分配方法，能灵活的运用于不同规模、不同地理位置的用户终端群，然后考虑降低边缘服务器总的启动代价和用户终端任务通信代价，从而最小化网络内所有卸载任务的总执行代价，把任务分配到最合适的边缘服务器上。

附图说明

图1是本发明的流程框图；

图2是本发明的任务分配流程图；

图3是本发明的边缘服务器开关决策示例1图；

图4是本发明的边缘服务器开关决策示例2图；

图5是本发明的任务分配方法图。

具体实施方式

下面结合附图对本发明作进一步的详细描述。

假设以智能终端上运行的游戏应用为例。

步骤一、获取网络中用户终端任务的各项数据参数和边缘服务器的性能参数。

步骤二、确定用户终端任务的总体分配的目标，整个任务分配过程的目标即最小化网络任务的总执行代价，任务的总执行代价包括边缘服务器的启动代价和用户终端的任务执行代价，通过最小化任务执行代价来计算，其中c_ij是任务u_j到边缘服务器p_i的通信代价，x_ij是任务u_j是否被分配的决策变量，当x_ij＝1时即任务u_j被分配给了边缘服务器p_i，反之则不分配，f_i是边缘服务器i的启动代价，y_i是边缘服务器p_i是否开启的决策变量，当y_i＝1时即边缘服务器p_i是开启的，反之当y_i＝0时则关闭服务器；

步骤三、计算用户终端任务分配决策集合X和服务器开关决策集合Y，按照资源分配决策把任务分配到合适的边缘服务器上执行：

a)定义集合D为未分配的任务集合，t为均匀增长的时间变量，设置时间变量的初始值t＝0且B_j＝0，其中j∈D，B_j是完成任务j的预算，用户终端可以用其预算来支付边缘服务器的启动代价和任务分配到开启的边缘服务器上的通信代价；

b)假设网络中所有任务均未分配，当前未分配的任务数为h，所有边缘服务器均处于未开启状态；

c)设置t₁＝min{c_ij}，其中i∈Y，j∈D，t₂＝min{B_j}，其中j∈D，即当t＝0时，t₁＝0且t₂＝0，当网络中存在开启的边缘服务器和未分配的任务时，t₁为通信代价c_ij的最小值，t₂为完成任务j所需预算B_j的最小值，B_j与时间变量t有关，B_j(t)＝(1+ε)t，其中ε＝1/h，ε会随着当前未分配任务数的减小而增大，加快剩余未分配任务的收敛速度；

d)当用户终端任务均未分配时，如果则返回B_j，当存在用户终端任务已经分配时，如果则返回B_j，t′＝min{t₁,t₂}，其中i′为当前任务j已分配的服务器；

e)如果存在未开启的边缘服务器i∈P\Y，则分为两种情况，当用户终端任务均未分配且当时，则开启边缘服务器p_i，参考图3所示，在本例中，边缘服务器个数m＝2，任务个数n＝5，其中服务器p₁、p₂未开启，终端任务u₁、u₂、u₃、u₄、u₅均未分配即集合D＝{u₁,u₂,u₃,u₄,u₅}，若存在max{0,B₁-c₁₁}+max{0,B₂-c₁₂}+max{0,B₄-c₁₄}＝f₁，则开启服务器p₁，当存在用户终端任务已经分配且当时，则也可以开启边缘服务器p_i，参考图4所示，在本例中，边缘服务器个数m＝3，任务个数n＝5，其中服务器p₁、p₂未开启，终端任务u₅已分配，u₁、u₂、u₃、u₄均未分配即D＝{u₁,u₂,u₃,u₄}，若存在max{0,B₁-c₁₁}+max{0,B₂-c₁₂}+max{0,B₄-c₁₄}+max{0,c₃₅-c₁₅}＝f₁，则开启服务器p₁；如果满足条件c_ij＜c_i′j的任务已经被分配，则将任务j分配到通信代价更低的边缘服务器i上执行；

f)如果满足c_ij≤t′的边缘服务器i∈Y和j∈D即对于未分配的任务j和已开启的服务器i，若完成任务j的预算足以支付服务器i与j之间的通信代价c_ij，则将任务j分配到边缘服务器i上，同时将集合D中任务j去掉且执行h＝h-1，参考图5所示，在本例中，边缘服务器个数m＝3，任务个数n＝5，其中服务器p₁、p₂已开启，终端任务u₅已分配，u₁、u₂、u₃、u₄均未分配即D＝{u₁,u₂,u₃,u₄}，若t′＝B₂且B₂≥c₁₂，则将任务u₂分配到服务器p₁上执行，D＝{u₁,u₃,u₄}，此时如果B₂≥c₂₂且c₂₂＜c₁₂，则将任务u₂分配到通信代价更低的边缘服务器p₂上执行；

g)如果网络中仍存在未被分配的任务j，则跳转执行c)，直至所有任务都被分配完成。

Claims (5)

1.一种基于设施选址问题的边缘计算(Edge Computing)资源分配方法，其特征在于，终端设备可以将边缘计算的资源分配问题视为一种设施选址问题，通过一种对偶拟合算法来得到边缘计算的资源分配决策方案，所述方法至少包括以下步骤：

步骤1、构建边缘计算网络场景，网络中边缘服务器由集合P＝{p₁,p₂,...,p_i,...,p_m}表示，其中i表示边缘服务器的序列号，p_i的启动代价为f_i，n个不同地理位置的用户终端的任务集合表示为U＝{u₁,u₂,...,u_j,...,u_n}，其中j表示任务的序列号，集合U中的任务之间不具有先后依赖关系，每个用户终端有且只有一个不能分割的任务，且一旦任务分配到边缘服务器p_i则p_i必须开启；

步骤2、用户终端通过资源分配决策将任务卸载到边缘服务器p_i上执行，通过最小化任务执行代价计算，其中c_ij是任务u_j到边缘服务器p_i的通信代价，x_ij是任务u_j是否被分配的决策变量，当x_ij＝1时即任务u_j被分配给了边缘服务器p_i，反之则不分配，f_i是边缘服务器i的启动代价，y_i是边缘服务器p_i是否开启的决策变量，当y_i＝1时即边缘服务器p_i是开启的，反之当y_i＝0时则关闭服务器；

步骤3、将步骤2中代价优化问题视作一种设施选址问题，通过对偶拟合算法，计算用户终端任务分配决策集合X和服务器开关决策集合Y。

2.根据权利要求1中所述的一种基于设施选址问题的边缘计算资源分配方法，其特征在于如果用户终端满足任务处理的需求，则可以在终端本地执行任务，无需资源分配决策，如果用户终端不满足任务处理的需求，则需要对服务器进行资源分配，根据资源分配决策把任务卸载到对应边缘服务器上执行。

3.根据权利要求1中所述的一种基于设施选址问题的边缘计算资源分配方法，其特征在于使用设施选址问题中的对偶拟合算法计算得到边缘服务器开关决策集合Y和用户终端任务分配决策集合X，通过降低边缘服务器启动代价和用户终端任务通信代价，从而最小化网络内所有卸载任务的总执行代价。

4.根据权利要求1中所述的一种基于设施选址问题的边缘计算资源分配方法，其特征在于既可以是单个用户终端将任务u_j卸载到边缘服务器p_i上，也可以多个不同地理位置的用户终端将各自任务同时卸载到同一个边缘服务器上并行执行。

5.根据权利要求1中所述的一种基于设施选址问题的边缘计算资源分配方法，其特征在于设施选址问题的对偶拟合方法至少包括如下步骤：

1)定义集合D为未分配的任务集合，t为均匀增长的时间变量，设置时间变量的初始值t＝0且B_j＝0，其中j∈D，B_j是完成任务j的预算，用户终端可以用其预算来支付边缘服务器的启动代价和任务分配到开启的边缘服务器上的通信代价；

2)假设网络中的所有任务均未分配，当前未分配的任务数为h，所有边缘服务器均处于未开启状态；

3)设置t₁＝min{c_ij}，其中i∈Y，j∈D，t₂＝min{B_j}，B_j与时间变量t有关，B_j(t)＝(1+ε)t，其中ε＝1/h，ε会随着当前未分配任务数的减小而增大，加快剩余未分配任务的收敛速度；

4)当时，所有的B_j暂停增长，并返回B_j，t′＝min{t₁,t₂}，其中i′为当前任务j已分配的服务器；

5)如果边缘服务器i∈P\Y，且满足时，则执行Y＝Y∪{i}，如果满足条件c_ij＜c_i′j的任务已经被分配，则将任务j分配到通信代价更低的边缘服务器i上执行；

6)如果满足c_ij≤t′的边缘服务器i∈Y和j∈D，则将任务j分配到边缘服务器i上，同时将集合D中任务j去掉并执行h＝h-1；

7)如果网络中仍存在未被分配的任务j，则跳转执行步骤3)，直至所有任务都被分配完成。