CN110769059A - 一种面向区域性边缘计算物联网的协作服务部署与业务分配方法 - Google Patents

一种面向区域性边缘计算物联网的协作服务部署与业务分配方法 Download PDF

Info

Publication number
CN110769059A
CN110769059A CN201911030476.9A CN201911030476A CN110769059A CN 110769059 A CN110769059 A CN 110769059A CN 201911030476 A CN201911030476 A CN 201911030476A CN 110769059 A CN110769059 A CN 110769059A
Authority
CN
China
Prior art keywords
service
server
things
internet
edge
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
Application number
CN201911030476.9A
Other languages
English (en)
Other versions
CN110769059B (zh
Inventor
孙彦景
陈岩
张亮
徐宏力
侯晓峰
王斌
程小舟
陈晓晶
杨俊秋
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.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
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 China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN201911030476.9A priority Critical patent/CN110769059B/zh
Publication of CN110769059A publication Critical patent/CN110769059A/zh
Application granted granted Critical
Publication of CN110769059B publication Critical patent/CN110769059B/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
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer And Data Communications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，涉及边缘计算及物联网领域。为了提升边缘计算物联网服务部署中资源有效性，降低网络部署成本，本发明首先构建区域性边缘计算物联网中边缘服务器协作模式，之后，将边缘服务器中的最小化部署成本的服务部署问题建模成矢量装箱问题。并通过一种最小资源占比增量启发式算法确定最小服务器数量及初始业务分配结果。之后，为平衡网络负载及降低网络管理单元的转发负载，利用迭代搜索移动交换启发式算法将业务重分配至本地部署的边缘服务器，最大化由本地边缘服务器处理的业务计算任务数。

Description

一种面向区域性边缘计算物联网的协作服务部署与业务分配 方法
技术领域
本发明属于边缘计算物联网领域，尤其涉及一种面向区域性边缘计算物联网的协作服务部署与业务分配方法。
背景技术
边缘计算技术通过将计算能力相对较强、资源相对丰富的边缘服务器部署在网络边缘靠近用户的接入网中，可以弥补传统云服务架构中由于互联网传输带来的不确定时延问题。因此，边缘计算技术被视为未来智能化物联网实施应用中一项关键技术。然而，在边缘计算实际应用中，由于边缘服务器的处理能力及资源相对有限，在实际应用中需要分配调度处理的业务。
在实际应用场景中，不同接入网络内的计算负载在地理空间上是不均匀分布的。因此，当将资源有限的边缘服务器部署到区域性物联网的接入网中执行任务计算时，计算负载过载接入网中的部分业务的计算需求无法满足，而部署到仅产生轻量负载接入网的边缘服务器会剩余大量的空闲资源。另一方面，不同的智能应用在计算任务计算过程中对于不同计算资源的消耗程度不同，会出现在处理中急剧消耗某一种计算资源(如CPU、内存等)的情况。因此，当同一个接入网中的物联网节点上安装有大量偏好同一类计算资源的应用时，部署到该接入网中的边缘服务器的其中一类资源会急剧消耗完，却有大量的空闲未被占用的其它类计算资源。但由于该类计算资源已消耗完，无法被其它应用所利用，导致空闲的其它类资源同样无法被利用，造成较低的资源利用率。此外，在区域性网络中，部署的同类业务的计算任务会由相应接入网络边缘所部署服务器上相应的服务应用所完成。
在工业等领域，为生产智能化服务的应用通常是不间断运行工作，因此相应的服务应用也应该提前安装启动并持续运行。同时，针对每个应用服务的资源应预先分配以保证计算任务处理的实时性。此外，为智能应用提供计算的服务应用通常需要大量的CPU和内存等计算资源来加载计算所需的公共代码及数据库维持其运行。在现有的边缘计算研究中，边缘服务器仅为其所覆盖的接入网内的应用提供服务，需要为每个接入网部署边缘服务器，大大增加了网络的部署成本，同时会导致上述资源利用率低以及负载不均衡问题，以及区域物联网中同种业务的服务应用在每个边缘服务器内重复部署，大大增加了非直接计算的资源占用。针对过载接入网络中的部分应用，当前所采用方案是进一步卸载至云服务器端执行，但未考虑云到端的不确定时延问题。
发明内容
发明目的：针对以上问题，本发明提出一种区域性边缘计算物联网中多服务器协作服务网络架构，并给出协作服务部署与业务分配方法。通过所建立的协作服务关系，给出最终网络服务部署及业务分配方案，以降低网络部署成本，均衡边缘服务器的计算负载并提升资源利用率。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，具体如下：
一种区域物联网中多服务器协作服务网络架构是指在给定的区域边缘物联网中，通过综合考虑网络中各接入网计算负载、业务计算任务处理中对计算资源偏好程度、同类应用业务集中处理收益，对网络中业务统一规划部署，通过仅在部分接入网中部署边缘服务器，即可满足网络中所有业务的计算需求。
本发明所采用的具体可行协作模式包含三种：
(1)负载分担型协作：通过将业务过载接入网中的业务进一步卸载至具有空闲资源的临近服务器上执行，可以保证过载业务的计算需求并充分利用边缘服务器资源；
(2)计算资源消耗互补型协作：当相邻边缘服务器中所承担的业务在计算执行时对不同计算资源的消耗程度不同时，通过交换业务提升资源利用率，保障更多业务的计算需求；
(3)同类业务集中处理协作：将多个边缘服务器上的同一种业务集中到一处进行处理，可以减少资源占用较大的服务应用的部署，减少资源消耗。
针对上述协作模式，本发明所提出的一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，包含以下步骤：
步骤S1：统计收集网络中各物联网节点上安装应用信息及计算任务卸载速率，并计算每个物联网节点在计算任务处理期间所需的计算资源；
步骤S2：根据步骤S1获得的节点应用资源占用信息，采用最小资源占比增量启发式(Minimum Resource Ratio Increase,MinRI)算法，确定网络所需的最小边缘服务器数量及初始应用分配方案；
步骤S3：根据步骤S2所得的初始应用分配方案及最小边缘服务器数量，基于最小均方差准则，采用迭代搜索移动方式，对业务进行重新分配，均衡边缘服务器计算负载；
步骤S4：对步骤S3获得的均衡业务分配结果执行分支定界算法，以最大化由本地部署边缘服务器处理的计算任务数为目标，确定边缘服务器与目标区域性物联网中接入网之间的部署关系；
步骤S5：在步骤S4的基础上，执行本地搜索交换(Search and Swap,SeSw)算法，提升由本地部署边缘服务器处理的计算任务数量，获得网络中服务部署业务分配方案。
进一步，所述步骤S1包括以下步骤：
统计收集网络中物联网节点安装应用的属性，包括：业务的时延约束τa、业务可承受超时延约束任务占比Va、业务计算任务计算强度即每个计算任务处理所需的平均CPU资源处理单个计算任务流所需的内存资源
Figure BDA0002249983360000032
计算任务及计算结果的平均数据长度
Figure BDA0002249983360000033
以及计算任务从物联网节点卸载进入网络的速率λu。此外，需要知道安装运行一个服务应用所需的CPU资源及内存资源部署的服务器CPU及内存资源的总量(C,M)。
网络中物联网节点用集合U表示，则来自物联网节点u的计算业务流在远端服务器处理时所需的CPU和内存资源分别为(cu,mu)
Figure BDA0002249983360000035
Figure BDA0002249983360000036
其中μu为业务任务流所需的平均服务率，du,e为物联网节点u到边缘服务器e的传输时延。
进一步，所述步骤S2中，确定最小边缘服务器数量，具体步骤为：
将确定所需最小边缘服务器数量建模为如下矢量装箱优化问题：
Figure BDA0002249983360000038
Figure BDA0002249983360000039
Figure BDA00022499833600000311
Figure BDA00022499833600000312
Figure BDA00022499833600000313
Figure BDA00022499833600000314
Np∈{0,1}
其中集合P代表网络中的接入网，Np代表是否有服务器被部署到接入网p，A为网络中所有的应用业务类型集合，E为网络中所安装的边缘服务器的集合，Ce和Me分别为在边缘服务器e上被占用的CPU和内存资源，
Figure BDA00022499833600000315
表示物联网节点u上是否安装有a类业务，xu,p表示物联网节点u是否连到p接入点，yu,e表示物联网节点u的应用业务是否分配到边缘服务器e上执行，ψp,e表示物联网节点e是否部署到由接入点p所覆盖的接入网内。
由于该问题为APX-hard问题，所采用处理方法为MinRI算法，具体操作步骤为：
步骤S2-1：查找当前未分配的物联网节点应用业务，计算每个应用业务安装到当前服务器所需的CPU和内存资源
Figure BDA0002249983360000041
其中cu,e,mu,e分别表示物联网节点u的应用业务安装到边缘服务器e所需的CPU和内存资源，α代表当前是否有a类应用业务已经分配至当前服务器中。
步骤S2-2：查找分配到当前服务器的应用业务，应用业务所需资源小于或等于当前服务器剩余空闲资源，将满足条件的应用业务集合表示为CU。
步骤S2-3：如果CU为空集，即当前服务器的剩余资源无法满足任何尚未分配的应用业务的计算资源需求，则开启一个新的服务器，并转到步骤S2-2；
步骤S2-4：如果CU不为空集，计算CU中的每个应用分配到当前服务器之后的服务器被占用资源量，并选择其中安装后服务器最大资源占比最小的用户u*，即
其中(ec,em)为当前服务器已被占用的CPU和内存资源，cu,e和mu,e分别为用户u分配到当前服务器所需的CPU和内存资源。
步骤S2-5：重复步骤S2-1～S2-4，直到所有应用都被分配到边缘服务器中。
进一步，所述步骤S3基于最小均方差准则，采用迭代搜索移动方式，对业务进行重新分配，均衡边缘服务器计算负载，包括以下步骤：
步骤S3-1：将分配到同一个服务器的同类应用业务组合为一个应用业务块；
步骤S3-2：计算当前边缘服务器的资源占用比方差值，设置为最小方差值，当前应用分配方案为最优分配方案；
步骤S3-3：依次查找选择应用业务块，如果将当前选定的业务块从当前分配到的边缘服务器移动到顺序选择的其它服务器后，资源占用比方差减小，则移动当前业务块至选定的服务器，并选定下一业务块重复该步骤；否则，顺序选择下一个边缘服务器作为目标服务器；如果移动当前选定的业务块到其它所有边缘服务器都不能降低资源占用比方差，则选定下一业务块重复该步骤；如果所有业务块被遍历一遍，转入步骤S3-4；
步骤S3-4：如果当前资源占用比方差值小于最小方差值，则更新最小方差值为当前资源占用比方差值，最优分配方案为当前业务分配方案；否则重复步骤S3-3～S3-4。
步骤S3-5：重复步骤S3-3～S3-4的次数达到设定次数后，结束迭代，输出当前最优分配方案。
进一步，所述步骤S4是在步骤S3所获得的分配结果上，利用经典的分支定界算法求解最优边缘服务器到接入网的部署方案，其中优化目标为最大化由本地部署的服务器处理的计算任务数，优化目标表示为：
其中xu,p表示物联网节点u是否连到p接入点，yu,e表示物联网节点u的应用业务是否分配到边缘服务器e上执行，ψp,e表示物联网节点e是否部署到由接入点p所覆盖的接入网内，λu表示计算任务从物联网节点卸载进入网络的速率，U表示网络中物联网节点集合，P代表网络中的接入网集合，E为网络中所安装的边缘服务器的集合。
进一步，所述步骤S5是在步骤S4获得边缘服务器部署位置信息基础上，采用本地搜索交换方法，进一步增大由本地部署的服务器所处理的计算任务数，减轻网络转发单元(如SDN交换机)的转发负载，具体如下：
步骤S5-1：将分配到同一个服务器的同类应用业务依据部署位置组合为应用业务块，具体为：(1)来自同一个部署边缘服务器网络的同类业务组合为一个应用业务块；(2)来自未部署边缘服务器网络的同类业务组合成一个业务块；
步骤S5-2：依次选定来自于部署了边缘服务器的接入网但未分配到其接入网本地部署的边缘服务器的应用业务块；
如果将当前选定的业务块移动到其源接入网部署的服务器上所需资源被满足，则移动该业务块至其源接入网部署的服务器；否则，转入步骤S5-3；
如果遍历完成所有来自部署了边缘服务部器的接入网但未分配到其接入网本地部署的边缘服务器应用业务块，转入步骤S5-4；
步骤S5-3：查找当前选定的应用业务块所对应的源接入网中部署的服务器上当前分配的非本地业务块；
如果无非本地业务块，则跳过当前业务块，转入步骤S5-2；否则，依次选择非本地业务块，判断将选择的非本地业务块同当前选定的待移动业务块交换分配服务器，双方所需资源是否满足；
如果满足，则交换两个业务块分配的服务器位置，完成后转入步骤S5-2；否则，查找下一个非本地业务块进行判断；
当所有非本地业务块查找完成并且都无法满足交换条件时，跳过当前选定的业务块，转入步骤S5-2；
步骤S5-4：如果查找完成所有来自边缘服务器部署网络的应用业务块后，没有移动任何业务块，转入步骤S5-5；否则重复执行步骤S5-2～S5-3；
步骤S5-5：查找所有来自部署了边缘服务器接入网但未分配到所在接入网部署的边缘服务器的应用业务集合(LRA)，如果LRA为空则转到步骤S5-8，否则转入步骤S5-6；
步骤S5-6：依次选定LRA中业务，如果将当前选定的业务移动到其源接入网部署的服务器上所需资源被满足，则移动该业务至其源接入网部署的服务器；否则，转入步骤S5-7；如果遍历了所有LRA中的应用业务，转入步骤S5-8；
步骤S5-7：查找当前选定的业务所对应的源接入网中部署的服务器上当前分配的非本地业务；如果无非本地业务，则跳过当前选定的业务，转入步骤S5-6；
否则，依次选择非本地业务，判断将选择的非本地业务同当前选定的待移动业务交换分配服务器，双方所需资源是否满足；
如果满足，则交换两个业务分配的服务器位置，完成后转入步骤S5-6；否则，查找下一个非本地业务进行判断；
当所有非本地业务查找完成并且都无法满足交换条件时，跳过当前业务，转入步骤S5-6；
步骤S5-8：如果查找完成所有来自边缘服务部署网络的业务后，没有移动任何业务，结束搜索，输出业务分配结果；否则重复步骤S5-5～S5-8。
有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：
本发明通过协作式的服务部署方式，充分利用部署的边缘服务器的资源，提升资源利用率；通过边缘服务器间的协作，将计算任务过载接入网中的计算任务卸载至资源相对空闲的边缘服务器执行，降低网络所需边缘服务器的数量，降低网络部署成本；
本发明在确定最小边缘服务器数量过程中所采用的MinRI算法考虑了边缘服务器间已占用资源与待分配业务之间的资源占用互补关系，即考虑了不同计算资源偏好型业务之间的资源占用互补关系，充分利用边缘服务器资源，有助于降低所需边缘服务器个数。
附图说明
图1是本发明的区域性边缘计算物联网系统模型图；
图2是本发明的协作服务部署与业务分配方法执行流程图；
图3是本发明中步骤S2的执行流程图；
图4是本发明中步骤S3的执行流程图；
图5是本发明中步骤S5的执行流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明的区域性边缘计算物联网系统模型图如图1所示；给定一个区域性网络，其中安装有智能应用业务的物联网节点有n个，物联网节点分布在k个接入网络中，网络中共有j类业务安装在这n个节点上，网络中所有接入点连接到一个中央网络管理转发单元。网络中物联网节点上安装的智能应用的计算任务无法在本地完成，需要卸载至由边缘服务器协助完成。
本发明旨在为该网络部署边缘服务器，并进行业务分配使得网络中所有业务的服务质量(QoS)都能够被满足。同时，本发明考虑到部署的边缘服务器间的协作关系。图2所示为协作服务部署与业务分配方法执行流程图；具体部署方案获得步骤如下：
网络管理单元统计网络中节点安装业务类型，节点卸载计算任务进入系统的速率，网络中业务QoS要求及应用业务的资源消耗特征，具体包含：业务的时延约束τa、业务可承受超时延约束任务占比Va、业务计算任务计算强度
Figure BDA0002249983360000071
处理单个计算任务流所需的内存资源
Figure BDA0002249983360000072
计算任务及结果的平均数据长度
Figure BDA0002249983360000073
以及计算任务卸载速率λu。此外，需要知道安装运行一个服务应用所需的CPU及内存资源
Figure BDA0002249983360000074
部署服务器可用的CPU及内存资源(C,M)。
根据统计及前期获得的相关数据，计算网络中各物联网节点上安装的业务在一个远端服务器上处理所需的CPU和内存资源(cu,mu)：
Figure BDA0002249983360000075
Figure BDA0002249983360000076
其中μu为业务任务流所需的平均服务率，du,e为物联网节点u到边缘服务器e的传输时延。
建立网络部署成本最小化问题，转化为最小边缘服务器数量问题，将确定所需最小边缘服务器数量建模为如下矢量装箱优化问题：
Figure BDA0002249983360000077
Figure BDA0002249983360000079
Figure BDA00022499833600000710
Figure BDA00022499833600000712
Figure BDA00022499833600000713
Figure BDA00022499833600000714
Np∈{0,1}
其中集合P代表网络中的接入网，Np代表是否有服务器被部署到接入网p，A为网络中所有的应用业务类型集合，E为网络中所安装的边缘服务器的集合，Ce和Me分别为在边缘服务器e上被占用的CPU和内存资源，
Figure BDA00022499833600000715
表示物联网节点u上是否安装有a类业务，xu,p表示物联网节点u是否连到p接入点，yu,e表示物联网节点u的应用业务是否分配到边缘服务器e上执行，ψp,e表示物联网节点e是否部署到由接入点p所覆盖的接入网内；
由于该优化问题为APX-hard问题，采用MinRI算法确定所需最小边缘服务器数量及初始业务分配方案，具体实施如下：
本实施例设定初始服务器数量为1；
计算当前未分配的业务分配到该服务器所需的资源消耗：
Figure BDA0002249983360000081
Figure BDA0002249983360000082
其中cu,e,mu,e分别表示物联网节点u的应用业务安装到边缘服务器e所需的CPU和内存资源，α代表当前是否有a类应用业务已经分配至当前服务器中；
找出所需资源可以被满足的业务，计算这些业务分别安装到当前边缘服务器后的最大资源占用比值，并选择其中可以获得最小值的业务分配到当前服务器，该步骤操作用如下例子说明：
当前边缘服务器器资源占用为(0.6 0.7)，有待分配业务A、B、C、D，它们分配到当前服务器的资源占用分别为(0.3 0.4)，(0.2 0.1)，(0.3，0.2)，(0.1 0.2)，则安装其到当前边缘服务器后，服务器的资源占用分别为(0.9 1.1)，(0.8，0.8)，(0.9 0.9)，(0.7 0.9)，显然A业务的资源需求无法满足，而B、C、D业务的最大资源占用比值分别为0.8、0.9、0.9，因此，根据MinRI算法，在当前迭代中将B业务分配到当前服务器。
在上述步骤中，如果没有用户可以被分配到当前边缘服务器，即所需的资源都无法被满足，MinRI算法创建开启一个新的服务器，剩余资源设置为最大容量，并重复上面的步骤，直到所有业务都被分配完毕；获得最小所需边缘服务器数量与初始业务分配结果；算法执行流程如图3所示。
根据已获得的边缘服务器及业务分配结果，将每个边缘服务器上一种同类应用分组成为一个应用业务块，如边缘服务器1中有来自物联网节点u1、u2、u3、u4的业务，它们所安装的业务类型分别为a1、a2、a3、a1，则在下面的处理中将来自u1、u4的两个业务作为一个整体业务块处理；
利用迭代搜索及业务重分配均衡算法对边缘服务器上的业务块进行重新分配，以均衡各边缘服务器器上的负载，执行流程如图4所示，具体操作步骤为：
计算当前业务负载资源占用比方差值σ，并设置为最优负载均衡方差σ*，即σ＝σ，设置当前业务分配方案Ua为最优业务分配方案
Figure BDA0002249983360000083
即
依次选择服务器上资源块，并判断将选定的资源块移动到一个新的边缘服务器上所需资源是否能够满足，如果其所需的资源能够被满足，则移动该业务块至目标的新边缘服务器，否则，选择下一个业务块；
当选择移动的业务块为最后一个时，计算当前方差值σ；如果σ<σ*，将最优方差值设置为当前方差值，最优业务分配方案更新为当前业务分配方案，即σ*＝σ，
Figure BDA0002249983360000091
设置迭代次数为0，进入下一轮循环，重复上述步骤；否则，将迭代次数值加1，直接进入下一轮循环，重复上述步骤；
当迭代次数值达到预设阈值时，停止迭代，输出当前记录的最优分配结果。
通过上述步骤后，获得均衡的业务分配方案。
执行进一步优化，进行业务部署，根据当前每个服务器中业务分配结果，利用分支定界方法，以最大化由本地部署边缘服务器处理计算任务数量为优化目标，确定边缘服务器部署位置。优化目标表示为：
Figure BDA0002249983360000092
其中xu,p表示物联网节点u是否连到p接入点，yu,e表示物联网节点u的应用业务是否分配到边缘服务器e上执行，ψp,e表示物联网节点e是否部署到由接入点p所覆盖的接入网内，λu表示计算任务从物联网节点卸载进入网络的速率，U表示网络中物联网节点集合，P代表网络中的接入网集合，E为网络中所安装的边缘服务器的集合。
确定部署位置后，更新边缘服务器上的资源占用情况，即将在本地部署的边缘服务器上处理的业务CPU占用更新为本地处理所需资源占用；
如图5所示，进一步执行本地搜索交换算法，以提升本地部署边缘服务器处理的计算任务数量，其具体实施步骤包含两个子步骤，其中第一步是对聚合业务块进行操作，第二步则直接对业务进行操作，具体如下：
第一步：
将每个边缘服务器上分配的业务根据其类型及来源进行分组，具体包含两种：1)来自同一部署边缘服务器接入网的同一类业务组合为一个业务块；2)来自未部署边缘服务器接入网络的同一类业务组合为一个业务块。例如：当某个边缘物联网中分配的业务中，j类型业务的节点有1～6，其中1、2号节点来自于部署边缘服务器的同一接入网，3、5号节点来自于不同的部署了边缘服务器的接入网，4、6号节点来自于未部署边缘服务器的接入网络，则将这6个节点分组为4组业务块，其中1、2号节点为1组，3号节点1组，5号节点1组，4、6号节点为1组；
依次选择上述分配好的业务块中来自于部署边缘服务器网络但分配到其它远端部署的边缘服务器上的业务块，计算将其移动到其本地部署的业务块所需的计算资源。
如果所需的计算资源小于其所对应的本地部署的边缘服务器上的剩余空闲资源，则将该业务块中的业务重新分配至所对应的本地部署的边缘服务器；如果所需的剩余资源无法满足，执行下述交换操作：
查找选定业务块所对应的本地部署边缘服务器中的非本地业务块，依次选择一个非本地业务块，判断选定的非本地业务块与选定的业务块移动所需资源是否能够满足，如果双方计算资源都能够满足，则交换两个业务块中业务的分配位置，并跳出该次选择交换操作，并更新业务分配情况。否则，选择下一个非本地业务块进行判断。当判断完成最后一个非本地业务块之后仍无法将选定业务块中的业务重分配到其所对应的本地部署边缘服务器，则跳过该选定业务块，选择下一个业务块进行处理；
当所有边缘服务器中的来自部署边缘服务器接入网中的非本地业务块都判断完成是否执行交换移动操作后，重复执行上述操作，直到完成一轮后的业务分配结果与上一轮结果相同。即网络中没有可以移动或交换的业务块了。
第二步：
查找所有边缘服务器中来自部署了边缘服务器网络但未分配到其本地部署的边缘服务器的业务；依次选择上述搜索查找到的非本地部署业务，将其重分配到其所对应的本地部署的边缘服务器，具体执行包含移动和交换操作；
计算其移动到其对应的本地部署边缘服务器所需的计算资源，如果其所需的计算资源能够被所对应的本地部署边缘服务器的剩余空闲资源满足，则移动该业务至其对应的本地部署边缘服务器。
如果上述移动所需资源无法满足，则查找选定业务对应的本地部署边缘服务器中分配的非本地业务，执行上述第一步中相同的交换操作；当在一次执行周期内无法找到可以进行移动和交换的业务时，结束运行；获得网络最终的服务部署与业务分配方案。

Claims (9)

1.一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，其特征在于：包含以下步骤：
步骤S1：统计收集网络中各物联网节点上安装的应用业务信息及计算任务卸载速率，并计算每个物联网节点在计算任务处理期间所需的计算资源；
步骤S2：根据步骤S1获得的节点应用资源占用信息，采用最小资源占比增量启发式算法，确定网络所需的最小边缘服务器数量及初始应用分配方案；
步骤S3：根据步骤S2所得的初始应用分配方案及最小边缘服务器数量，基于最小均方差准则，采用迭代搜索移动方式，对业务进行重新分配，均衡边缘服务器计算负载；
步骤S4：对步骤S3获得的均衡业务分配结果执行分支定界算法，以最大化由本地部署边缘服务器处理的计算任务数为目标，确定边缘服务器与目标区域性物联网中接入网之间的部署关系；
步骤S5：在步骤S4的基础上，执行本地搜索交换算法，提升由本地部署边缘服务器处理的计算任务数量，获得网络中服务部署业务分配方案。
2.根据权利要求1所述的一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，其特征在于：所述步骤S1具体包括：
统计收集网络中物联网节点安装应用的属性，包括：业务的时延约束τa、业务可承受超时延约束任务占比Va、业务计算任务计算强度即每个计算任务处理所需的平均CPU资源
Figure FDA0002249983350000011
处理单个计算任务流所需的内存资源
Figure FDA0002249983350000012
计算任务及计算结果的平均数据长度
Figure FDA0002249983350000013
以及计算任务从物联网节点卸载进入网络的速率λu，安装运行一个服务应用所需的CPU资源及内存资源
Figure FDA0002249983350000014
部署的服务器CPU及内存资源的总量(C，M)；
网络中物联网节点用集合U表示，则来自物联网节点u的计算业务流在远端服务器处理时所需的CPU和内存资源(cu，mu)分别为：
Figure FDA0002249983350000015
Figure FDA0002249983350000016
其中μu为业务任务流所需的平均服务率，du，e为物联网节点u到边缘服务器e的传输时延。
3.根据权利要求2所述的一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，其特征在于：所述步骤S2中，确定最小边缘服务器数量，具体步骤为：
建立如下所示矢量装箱问题模型，用于确定所需最小边缘服务器数量：
Figure FDA0002249983350000017
Figure FDA0002249983350000018
Figure FDA0002249983350000021
Figure FDA0002249983350000022
Figure FDA0002249983350000023
Figure FDA0002249983350000025
Figure FDA0002249983350000026
Np∈{0，1}
其中集合P代表网络中的接入网，Np代表是否有服务器被部署到接入网p，A为网络中所有的应用业务类型集合，E为网络中所安装的边缘服务器的集合，Ce和Me分别为在边缘服务器e上被占用的CPU和内存资源，表示物联网节点u上是否安装有a类业务，xu，p表示物联网节点u是否连到p接入点，yu，e表示物联网节点u的应用业务是否分配到边缘服务器e上执行，ψp，e表示物联网节点e是否部署到由接入点p所覆盖的接入网内；
采用最小资源占比增量启发式算法确定所需最小边缘服务器数量及初始业务分配方案。
4.根据权利要求3所述的一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，其特征在于：采用最小资源占比增量启发式算法确定所需最小边缘服务器数量及初始业务分配方案，具体操作步骤为：
步骤S2-1：查找当前未分配的物联网节点应用业务，计算每个应用业务安装到当前服务器所需的CPU和内存资源：
Figure FDA0002249983350000029
其中cu，e，mu，e分别表示物联网节点u的应用业务安装到边缘服务器e所需的CPU和内存资源，α代表当前是否有a类应用业务已经分配至当前服务器中；
步骤S2-2：查找分配到当前服务器的应用业务，应用业务所需资源小于或等于当前服务器剩余空闲资源，将满足条件的应用业务集合表示为CU；
步骤S2-3：如果CU为空集，即当前服务器的剩余资源无法满足任何尚未分配的应用业务的计算资源需求，则开启一个新的服务器，并转到步骤S2-2；
步骤S2-4：如果CU不为空集，计算CU中的每个应用分配到当前服务器之后的服务器被占用资源量，并选择其中安装后服务器最大资源占比最小的用户u*，如：
Figure FDA0002249983350000031
其中(ec，em)为当前服务器已被占用的CPU和内存资源，cu，e和mu，e分别为用户u分配到当前服务器所需的CPU和内存资源；
步骤S2-5：重复步骤S2-1～S2-4，直到所有应用都被分配到边缘服务器中。
5.根据权利要求1所述的一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，其特征在于：所述步骤S3基于最小均方差准则，采用迭代搜索移动方式，对业务进行重新分配，均衡边缘服务器计算负载，包括以下步骤：
步骤S3-1：将分配到同一个服务器的同类应用业务组合为一个应用业务块；
步骤S3-2：计算当前边缘服务器的资源占用比方差值，设置为最小方差值，当前应用分配方案为最优分配方案；
步骤S3-3：依次查找选择应用业务块，如果将当前选定的业务块从当前分配到的边缘服务器移动到顺序选择的其它服务器后，资源占用比方差减小，则移动当前业务块至选定的服务器，并选定下一业务块重复该步骤；否则，顺序选择下一个边缘服务器作为目标服务器；如果移动当前选定的业务块到其它所有边缘服务器都不能降低资源占用比方差，则选定下一业务块重复该步骤；如果所有业务块被遍历一遍，转入步骤S3-4；
步骤S3-4：如果当前资源占用比方差值小于最小方差值，则更新最小方差值为当前资源占用比方差值，最优分配方案为当前业务分配方案；否则重复步骤S3-3～S3-4；
步骤S3-5：重复步骤S3-3～S3-4的次数达到设定次数后，结束迭代，输出当前最优分配方案。
6.根据权利要求1所述的一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，其特征在于：所述步骤S4是对获得的分配结果，利用分支定界算法求解最优边缘服务器到接入网的部署方案，其中优化目标为最大化由本地部署的服务器处理的计算任务数，优化目标表示为：
Figure FDA0002249983350000032
其中xu，p表示物联网节点u是否连到p接入点，yu，e表示物联网节点u的应用业务是否分配到边缘服务器e上执行，ψp，e表示物联网节点e是否部署到由接入点p所覆盖的接入网内，λu表示计算任务从物联网节点卸载进入网络的速率，U表示网络中物联网节点集合，P代表网络中的接入网集合，E为网络中所安装的边缘服务器的集合。
7.根据权利要求1所述的一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，其特征在于：所述步骤S5是在步骤S4获得边缘服务器部署位置信息基础上，采用本地搜索交换方法，进一步增大由本地部署的服务器所处理的计算任务数，减轻网络转发单元的转发负载，具体如下：
步骤S5-1：将分配到同一个服务器的同类应用业务依据部署位置组合为应用业务块；
步骤S5-2：依次选定来自于部署了边缘服务器的接入网但未分配到其接入网本地部署的边缘服务器的应用业务块；
如果将当前选定的业务块移动到其源接入网部署的服务器上所需资源被满足，则移动该业务块至其源接入网部署的服务器；否则，转入步骤S5-3；
如果遍历完成所有来自部署了边缘服务部器的接入网但未分配到其接入网本地部署的边缘服务器应用业务块，转入步骤S5-4；
步骤S5-3：查找当前选定的应用业务块所对应的源接入网中部署的边缘服务器上当前分配的非本地业务块；
如果无非本地业务块，则跳过当前业务块，转入步骤S5-2；否则，依次选择非本地业务块，判断将选择的非本地业务块同当前选定的待移动业务块交换分配服务器，双方所需资源是否满足；
如果满足，则交换两个业务块分配的服务器位置，完成后转入步骤S5-2；否则，查找下一个非本地业务块进行判断；
当所有非本地业务块查找完成并且都无法满足交换条件时，跳过当前选定的业务块，转入步骤S5-2；
步骤S5-4：如果查找完成所有来自边缘服务器部署网络的应用业务块后，没有移动任何业务块，转入步骤S5-5；否则重复执行步骤S5-2～S5-3；
步骤S5-5：查找所有来自部署了边缘服务器接入网但未分配到所在接入网部署的边缘服务器的应用业务集合LRA，如果LRA为空则转到步骤S5-8，否则转入步骤S5-6；
步骤S5-6：依次选定LRA中业务，如果将当前选定的业务移动到其源接入网部署的服务器上所需资源被满足，则移动该业务至其源接入网部署的服务器；否则，转入步骤S5-7；如果遍历了所有LRA中的应用业务，转入步骤S5-8；
步骤S5-7：查找当前选定的业务所对应的源接入网中部署的服务器上当前分配的非本地业务；如果无非本地业务，则跳过当前选定的业务，转入步骤S5-6；
否则，依次选择非本地业务，判断将选择的非本地业务同当前选定的待移动业务交换分配服务器，双方所需资源是否满足；
如果满足，则交换两个业务分配的服务器位置，完成后转入步骤S5-6；否则，查找下一个非本地业务进行判断；
当所有非本地业务查找完成并且都无法满足交换条件时，跳过当前业务，转入步骤S5-6；
步骤S5-8：如果查找完成所有来自边缘服务器部署网络的业务后，没有移动任何业务，结束搜索，输出业务分配结果；否则重复步骤S5-5～S5-8。
8.根据权利要求7所述的一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，其特征在于：所述步骤S5-1中，将分配到同一个服务器的同类应用业务依据部署位置组合为应用业务块；具体为：
(1)来自同一个部署边缘服务器网络的同类业务组合为一个应用业务块；
(2)来自未部署边缘服务器网络的同类业务组合成一个业务块。
9.根据权利要求1所述的一种面向区域性边缘计算物联网的协作服务部署与业务分配方法，其特征在于：所采用的协作模式包含三种：
(1)负载分担型协作：将业务过载接入网中的业务卸载至具有空闲资源的临近服务器上执行；
(2)计算资源消耗互补型协作：当相邻边缘服务器中所承担的业务在计算执行时对不同计算资源的消耗程度不同时，交换业务处理；
(3)同类业务集中处理协作：将多个边缘服务器上的同一种业务集中到一处进行处理。
CN201911030476.9A 2019-10-28 2019-10-28 一种面向区域性边缘计算物联网的协作服务部署与业务分配方法 Active CN110769059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911030476.9A CN110769059B (zh) 2019-10-28 2019-10-28 一种面向区域性边缘计算物联网的协作服务部署与业务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911030476.9A CN110769059B (zh) 2019-10-28 2019-10-28 一种面向区域性边缘计算物联网的协作服务部署与业务分配方法

Publications (2)

Publication Number Publication Date
CN110769059A true CN110769059A (zh) 2020-02-07
CN110769059B CN110769059B (zh) 2021-08-17

Family

ID=69334185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911030476.9A Active CN110769059B (zh) 2019-10-28 2019-10-28 一种面向区域性边缘计算物联网的协作服务部署与业务分配方法

Country Status (1)

Country Link
CN (1) CN110769059B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111464983A (zh) * 2020-03-10 2020-07-28 深圳大学 一种无源边缘计算网络中的计算与通信协作方法及系统
CN111580978A (zh) * 2020-05-12 2020-08-25 中国联合网络通信集团有限公司 边缘计算服务器布局方法及任务分配方法
CN111835849A (zh) * 2020-07-13 2020-10-27 中国联合网络通信集团有限公司 增强接入网服务能力的方法和装置
CN111866949A (zh) * 2020-07-31 2020-10-30 西安工业大学 智慧城市中边缘服务器设置方法、系统、设备和存储介质
CN112162862A (zh) * 2020-09-30 2021-01-01 南京工程学院 一种异构网络中简单的计算任务分配方法
CN112437137A (zh) * 2020-11-12 2021-03-02 翱捷科技(深圳)有限公司 一种物联网数据连接方法及系统
CN113315659A (zh) * 2021-05-26 2021-08-27 江西鑫铂瑞科技有限公司 一种面向智能工厂的任务协同规划方法及系统
CN113452586A (zh) * 2021-06-11 2021-09-28 青岛海尔科技有限公司 边缘计算节点注册的方法、装置和智慧家庭系统
CN113498077A (zh) * 2020-03-20 2021-10-12 湖南智领通信科技有限公司 一种用于智能物联网保障低时延传输的通信方法及装置
CN113572667A (zh) * 2021-06-11 2021-10-29 青岛海尔科技有限公司 边缘计算节点注册的方法、装置和智慧家庭系统
CN113573319A (zh) * 2021-06-28 2021-10-29 山东师范大学 多接入边缘计算节点部署方法、系统、设备及存储介质
CN113595801A (zh) * 2021-08-09 2021-11-02 湘潭大学 一种基于任务流量和时效性的边缘云网络服务器部署方法
CN113660508A (zh) * 2021-07-16 2021-11-16 国家石油天然气管网集团有限公司西气东输分公司 面向智能视频识别的多边缘计算设备协作任务分配算法
CN114003364A (zh) * 2021-11-02 2022-02-01 中国联合网络通信集团有限公司 数据采集调度方法、服务器、移动设备及系统
CN114302428A (zh) * 2021-12-24 2022-04-08 中国联合网络通信集团有限公司 一种mec节点的确定方法及装置
CN116074323A (zh) * 2023-03-10 2023-05-05 腾讯科技（深圳）有限公司 边缘计算节点的选择方法、装置、计算机设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101119307A (zh) * 2007-08-14 2008-02-06 北京航空航天大学 一种路由方法
US20130028093A1 (en) * 2011-07-25 2013-01-31 Samsung Electronics Co. Ltd. Method and apparatus for load balancing in cellular communication system
CN104270416A (zh) * 2014-09-12 2015-01-07 杭州华为数字技术有限公司 负载均衡控制方法及管理节点
US20180183860A1 (en) * 2016-12-23 2018-06-28 Kausik Majumdar Method and program product for robot communications

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101119307A (zh) * 2007-08-14 2008-02-06 北京航空航天大学 一种路由方法
US20130028093A1 (en) * 2011-07-25 2013-01-31 Samsung Electronics Co. Ltd. Method and apparatus for load balancing in cellular communication system
CN104270416A (zh) * 2014-09-12 2015-01-07 杭州华为数字技术有限公司 负载均衡控制方法及管理节点
US20180183860A1 (en) * 2016-12-23 2018-06-28 Kausik Majumdar Method and program product for robot communications

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MAYANK TIWARY: "Response time optimization for cloudlets in Mobile Edge Computing", 《JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING》 *
MIAONA HUANG: "Dynamic association for load balancing in LTE multi-cell networks", 《IEEE》 *

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111464983A (zh) * 2020-03-10 2020-07-28 深圳大学 一种无源边缘计算网络中的计算与通信协作方法及系统
CN113498077A (zh) * 2020-03-20 2021-10-12 湖南智领通信科技有限公司 一种用于智能物联网保障低时延传输的通信方法及装置
CN113498077B (zh) * 2020-03-20 2022-05-13 湖南智领通信科技有限公司 一种用于智能物联网保障低时延传输的通信方法及装置
CN111580978A (zh) * 2020-05-12 2020-08-25 中国联合网络通信集团有限公司 边缘计算服务器布局方法及任务分配方法
CN111580978B (zh) * 2020-05-12 2023-06-30 中国联合网络通信集团有限公司 边缘计算服务器布局方法及任务分配方法
CN111835849A (zh) * 2020-07-13 2020-10-27 中国联合网络通信集团有限公司 增强接入网服务能力的方法和装置
CN111835849B (zh) * 2020-07-13 2021-12-07 中国联合网络通信集团有限公司 增强接入网服务能力的方法和装置
CN111866949A (zh) * 2020-07-31 2020-10-30 西安工业大学 智慧城市中边缘服务器设置方法、系统、设备和存储介质
CN111866949B (zh) * 2020-07-31 2022-07-29 西安工业大学 智慧城市中边缘服务器设置方法、系统、设备和存储介质
CN112162862A (zh) * 2020-09-30 2021-01-01 南京工程学院 一种异构网络中简单的计算任务分配方法
CN112162862B (zh) * 2020-09-30 2024-01-19 南京工程学院 一种异构网络中简单的计算任务分配方法
CN112437137A (zh) * 2020-11-12 2021-03-02 翱捷科技(深圳)有限公司 一种物联网数据连接方法及系统
CN112437137B (zh) * 2020-11-12 2021-09-28 翱捷科技(深圳)有限公司 一种物联网数据连接方法及系统
CN113315659A (zh) * 2021-05-26 2021-08-27 江西鑫铂瑞科技有限公司 一种面向智能工厂的任务协同规划方法及系统
CN113572667A (zh) * 2021-06-11 2021-10-29 青岛海尔科技有限公司 边缘计算节点注册的方法、装置和智慧家庭系统
CN113572667B (zh) * 2021-06-11 2022-10-28 青岛海尔科技有限公司 边缘计算节点注册的方法、装置和智慧家庭系统
CN113452586A (zh) * 2021-06-11 2021-09-28 青岛海尔科技有限公司 边缘计算节点注册的方法、装置和智慧家庭系统
CN113573319B (zh) * 2021-06-28 2024-03-15 山东师范大学 多接入边缘计算节点部署方法、系统、设备及存储介质
CN113573319A (zh) * 2021-06-28 2021-10-29 山东师范大学 多接入边缘计算节点部署方法、系统、设备及存储介质
CN113660508B (zh) * 2021-07-16 2024-06-04 国家石油天然气管网集团有限公司西气东输分公司 面向智能视频识别的多边缘计算设备协作任务分配算法
CN113660508A (zh) * 2021-07-16 2021-11-16 国家石油天然气管网集团有限公司西气东输分公司 面向智能视频识别的多边缘计算设备协作任务分配算法
CN113595801A (zh) * 2021-08-09 2021-11-02 湘潭大学 一种基于任务流量和时效性的边缘云网络服务器部署方法
CN114003364B (zh) * 2021-11-02 2024-04-26 中国联合网络通信集团有限公司 数据采集调度方法、服务器、移动设备及系统
CN114003364A (zh) * 2021-11-02 2022-02-01 中国联合网络通信集团有限公司 数据采集调度方法、服务器、移动设备及系统
CN114302428B (zh) * 2021-12-24 2023-06-23 中国联合网络通信集团有限公司 一种mec节点的确定方法及装置
CN114302428A (zh) * 2021-12-24 2022-04-08 中国联合网络通信集团有限公司 一种mec节点的确定方法及装置
CN116074323A (zh) * 2023-03-10 2023-05-05 腾讯科技（深圳）有限公司 边缘计算节点的选择方法、装置、计算机设备及介质

Also Published As

Publication number Publication date
CN110769059B (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN110769059B (zh) 一种面向区域性边缘计算物联网的协作服务部署与业务分配方法
Ning et al. Deep reinforcement learning for intelligent internet of vehicles: An energy-efficient computational offloading scheme
Islam et al. A survey on task offloading in multi-access edge computing
CN109818786B (zh) 一种云数据中心应用可感知的分布式多资源组合路径最优选取方法
CN108566659B (zh) 一种基于可靠性的5g网络切片在线映射方法
Mansouri et al. Combination of data replication and scheduling algorithm for improving data availability in Data Grids
CN108667657B (zh) 一种面向sdn的基于局部特征信息的虚拟网络映射方法
CN108270805B (zh) 用于数据处理的资源分配方法及装置
CN108768716A (zh) 一种微服务路径选择方法及装置
CN111538570A (zh) 一种面向节能和QoS保障的VNF部署方法及装置
CN112087509A (zh) 一种边缘计算平台中任务迁移方法
CN113703984B (zh) 5g云边协同场景下基于soa架构的云任务优化策略方法
CN112162789A (zh) 一种基于软件定义的边缘计算随机卸载决策方法及系统
Liu et al. On optimal hierarchical SDN
Wang et al. An energy saving based on task migration for mobile edge computing
CN117834560A (zh) 基于算力网络的资源分配方法以及相关设备
Keerthika et al. A multiconstrained grid scheduling algorithm with load balancing and fault tolerance
Hu et al. A mobility-aware service function chain migration strategy based on deep reinforcement learning
Yi et al. Energy‐aware disaster backup among cloud datacenters using multiobjective reinforcement learning in software defined network
CN106445680B (zh) 基于综合效用的计算单元迁移方法
Dandachi et al. A robust monte-carlo-based deep learning strategy for virtual network embedding
Abdellah et al. RAP-G: Reliability-aware service placement using genetic algorithm for deep edge computing
Cui et al. Resource-Efficient DNN Training and Inference for Heterogeneous Edge Intelligence in 6G
CN115809148A (zh) 一种面向边缘计算的负载均衡任务调度方法及装置
Xia et al. Research on Deployment Method of Service function Chain based on Network Function Virtualization in Distribution communication Network

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