CN110856183A - 基于异构负载互补的边缘服务器部署方法及应用 - Google Patents

Abstract

本发明揭示了一种基于异构负载互补的边缘服务器部署方法及应用，其中该方法包括：确定目标区域内各子区域的阶段负载；根据各子区域的阶段负载，确定各子区域的分段效益函数；根据各子区域的分段效益函数，部署目标区域内的边缘服务器。本发明的优点在于在部署边缘服务器的过程中，考虑了区域负载的周期性差异，利用不同子区域之间负载规律可能互补的特点，进行差异分析，从而在负载互补的区域可以适当减少边缘服务器的部署数量，从而节约了计算资源，提高网络服务质量。

Description

基于异构负载互补的边缘服务器部署方法及应用

技术领域

本发明属于移动边缘计算技术领域，具体涉及一种基于异构负载互补的边缘服务器部署方法、以及应用该方法部署的服务器网络。

背景技术

在5G技术快速发展的驱动下，为了满足很多低延迟场景的需求，传统的MCC(移动云计算)开始逐渐转变为MEC(移动边缘计算)。在MCC中，在面对巨大的数据量的前提下如何保证服务的QoS仍然是一个挑战。与此同时，MEC系统具有时延低、带宽高、实时性强等特点，通过卸载部分或者全部任务在更靠近用户的边缘服务器上执行，计算质量比如设备能量消耗、传输时延、节省带宽等都可以得到很大的提高。

在移动边缘计算中，云中心的计算、存储、网络等计算资源被下沉到距离用户更近的边缘服务器上目的是减少传输和响应时延。然而在MEC系统中，第一步就是要合理的部署边缘服务器。考虑到边缘设备众多、分布不均匀并且边缘用户的使用行为很难预测，如何在给定有限的服务器的前提下合理的部署它们是一个急需解决的问题。

发明内容

本发明一实施例提供一种基于异构负载互补的边缘服务器部署方法及应用，用于解决现有技术中无法在给定有限服务器计算资源的前提下，合理部署的问题，该方法包括：

确定目标区域内各子区域的阶段负载；

根据各子区域的所述阶段负载，确定各子区域的分段效益函数；

根据各子区域的所述分段效益函数，部署目标区域内的边缘服务器。

一实施例中，根据各子区域的所述分段效益函数，部署目标区域内的边缘服务器，具体包括：

根据各子区域所述分段效益函数，确定各子区域在各个阶段的效益梯度；

根据各子区域在各个阶段的效益梯度大小，为目标区域内各子区域部署边缘服务器。

一实施例中，根据各子区域在各个阶段的效益梯度大小，为目标区域内各子区域部署边缘服务器，具体包括：

确定各子区域在各个阶段中的最大效益梯度；

依照最大效益梯度递减的顺序，依次为各子区域部署第一轮边缘服务器。

一实施例中，在为各子区域部署第一轮边缘服务器后，还包括：

确定各子区域在各个阶段中的次大效益梯度；

依照次大效益梯度递减的顺序，依次为各子区域部署第二轮边缘服务器。

一实施例中，所述方法具体包括：

根据目标区域内各子区域的归属场景，确定各子区域的阶段负载。

一实施例中，各子区域在任意时刻的效益等于相应时刻的负载和计算能力中的较小值。

一实施例中，各子区域的分段效益函数为梯度递减函数。

本申请还提供一种基于异构负载互补的服务器网络，包括云中心以及所述云中心通信的多个边缘服务器，所述多个边缘服务器利用如上所述的方法部署于目标区域的各子区域内。

一实施例中，所述服务器网络配置给延迟敏感型任务的优先级大于配置给延迟容忍型任务的优先级。

一实施例中，当所述边缘服务器中的负载达到预先设置的百分占比时，所述服务器网络被配置为：

所述负载达到预先设置的百分占比时的边缘服务器停止接收延迟容忍型任务；

将所述负载达到预先设置的百分占比时的边缘服务器对应子区域的延迟容忍型任务发送至所述云中心执行。

与现有技术相比，本发明在部署边缘服务器的过程中，考虑了区域负载的周期性差异，利用不同子区域之间负载规律可能互补的特点，进行差异分析，从而在负载互补的区域可以适当减少边缘服务器的部署数量，从而节约了计算资源，提高网络服务质量。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，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是本申请一实施方式中基于异构负载互补的边缘服务器部署方法的流程图；

图2是本申请一实施方式中基于异构负载互补的边缘服务器部署方法的应用场景图；

图3是本申请一实施方式中基于异构负载互补的边缘服务器部署方法的效益函数图；

图4是本申请一实施方式中基于异构负载互补的边缘服务器部署方法的总效益组成图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参图1，介绍本申请基于异构负载互补的边缘服务器部署方法的一具体实施方式。在本实施方式中，该方法包括：

S11、确定目标区域内各子区域的阶段负载。

目标区域可以是指一定范围内的物理区域，本申请的方案旨在于该目标区域内进行边缘服务器的部署，以满足目标区域内用户终端的任务执行请求。用户终端可以是与服务器之间进行无线通信的任何功能终端，示范性地，例如移动电话、平板电脑、便携式电脑等。

本申请中，将目标区域分为多个的子区域。例如，将一个工业区与该工业区毗邻的住宅区分别作为一个子区域，这是因为，工业区和住宅区具有不同的负载情况，通常工业区在工作时间具有较大的负载而非工作时间的负载较小，而住宅区则相反，在工作时间具有较小的负载而非工作时间的负载较大。以此类推，本申请中，我们还可以设定商业区、休闲娱乐区等多种功能场景，并将目标区域中该些功能场景划分为一个个的子区域。

相适应地，本申请中通过根据目标区域内各子区域的归属场景，确定各子区域的阶段负载。各子区域可以根据归属的功能场景的不同，确定负载不同的若干阶段，例如某商业区晚上22:00到早上9:00为非工作时间，具有最小的负载200,；早上9:00到11:00具有稍大的负载300；而早上11:00到晚上22:00之间具有最大的负载600，则该商业区被确定为具有三个阶段负载。当然，在各个确定的阶段内，实际的负载并非是恒定值，这里确定的负载可以是各个阶段内典型的负载值或者平均的负载值等。

S12、根据各子区域的所述阶段负载，确定各子区域的分段效益函数。

在本实施方式中，各子区域的分段效益函数为梯度递减函数。也即，在随着计算能力投入的增大的方向上，各个阶段能获得的效益比例是逐渐减小的。初始投入的计算能力往往能获得相对明显的效益提升，而在进入到另一个阶段时，投入计算能力往往能获得的效益相对较少。当投入的计算能力达到一定值时，再继续投入计算能力也不能获得更多的效益，而受限于负载。也即，各子区域在任意时刻的效益等于相应时刻的负载和计算能力中的较小值。

S13、根据各子区域的所述分段效益函数，部署目标区域内的边缘服务器。

具体地，首先根据各子区域所述分段效益函数，确定各子区域在各个阶段的效益梯度；再根据各子区域在各个阶段的效益梯度大小，为目标区域内各子区域部署边缘服务器。

效益梯度反应了能获得的效益与投入的计算能力的关联关系，效益梯度越大反应投入相同计算能力能获得的效益越大，因此，在部署边缘服务器时优先考虑覆盖这些效益梯度较大的阶段对应的子区域。

一个示范性的实施例中，可以先确定各子区域在各个阶段中的最大效益梯度；依照最大效益梯度递减的顺序，依次为各子区域部署第一轮边缘服务器。随后，再确定各子区域在各个阶段中的次大效益梯度，并依照次大效益梯度递减的顺序，依次为各子区域部署第二轮边缘服务器。在该实施例中，在保证投入边缘服务器的计算能力能够获取较大效益的同时，确保目标区域中的各子区域能够尽量被部署一定的计算能力，保证服务器网络的服务质量。

可以理解的是，在一个替换的实施例中，还可以是确定各子区域在各个阶段的效益梯度，再依照效益梯度的大小排序，逐次为对应的子区域部署边缘服务器。

由以上的说明可以看出，在部署边缘服务器的过程中，考虑了区域负载的周期性差异，利用不同子区域之间负载规律可能互补的特点，进行差异分析，从而在负载互补的区域可以适当减少边缘服务器的部署数量，从而节约了计算资源，提高网络服务质量。

本申请还介绍基于异构负载互补的服务器网络的一具体实施方式。在本实施方式中，该服务器网络包括云中心以及与该云中心通信的多个边缘服务器，这里的多个边缘服务器利用上述的边缘服务器的部署方法部署于目标区域的各子区域内。由于本实施方式中不涉及对边缘服务器部署方法的进一步改进，因此不再对边缘服务器的部署方法进行赘述，本实施方式中设计边缘服务器的部署方法部分可以全部或部分地引用上述实施方式的示例。

服务器网络需要处理的任务分为两种类型：延迟敏感型和延迟容忍型。对于延迟敏感型任务，在距离用户更近的边缘服务器执行可以获得一个完整的效益，但在云中心执行，由于响应时间变长，只会得到部分效益。但是对于延迟容忍型任务，在边缘服务器或者云中心执行，不会影响最终的执行效益，因此都会得到一个完整的效益。因此，在本实施方式中，服务器网络配置给延迟敏感型任务的优先级大于配置给延迟容忍型任务的优先级，以尽量让延迟敏感型任务在边缘服务器上执行。

在服务器网络的执行过程中，当边缘服务器中的负载达到预先设置的百分占比时，该服务器网络被配置为该负载达到预先设置的百分占比时的边缘服务器停止接收延迟容忍型任务；同时进一步地，将该负载达到预先设置的百分占比时的边缘服务器对应子区域的延迟容忍型任务发送至云中心执行，也即为服务器网络中的服务器定义了任务接收策略，这样可以在一定程度上提高整体的执行效益。

为了更好地理解本申请的技术方案，以下结合具体的应用场景对本申请做进一步的说明。

本场景基于大型的MEC系统，边缘服务器部署在基站中，终端用户可以直接发送请求到离他们更近的边缘服务器中，这样可以减少传输以及响应时延，提高效率，也可以发送请求到远端的云中心。具体的场景图如图2所示。

以下从场景的建模、参数的描述、梯度算法三个方面进行描述：

(1)场景的建模

考虑到区域的负载差异性周期变化规律，我们把具有相似的负载并且距离很近的区域组成一个小的区域。因此整个大的MEC系统中由若干个小的子区域组成。上面的实施例中，已经说过任务可以在边缘侧(边缘服务器)执行，也可以在云中心执行，但是延迟敏感的任务在边缘侧执行有着更高的优先级。

为了保证整体的效益，当边缘服务器的负载到达一定的百分比ε时候，就拒绝接收延迟容忍的任务，直接把该种任务放在云中心执行，这样可以在一定的程度上提高整体的执行效益。此外为了描述负载的周期性变化规律，我们将一天分成N个阶段，并把一天作为一个负载的周期性循环。

基于以上的场景建模，计算每个子区域的任务执行效益，再把所有的子区域计算的效益相加，即得到整个系统的总效益，用这个总效益来衡量部署方案的效果。

(2)参数的描述

①区域的描述：我们用Λ_K来表示子区域K；

②任务的描述：我们用Υ_j来表示任务j；

③对于单个任务执行的效率我们用η(γ_j)表示；

④区域效率的描述；

因为一个子区域一个周期内的效益等于N个阶段的效益累加和，现在我们用h(Λ_K)来描述子区域Λ_K一个周期的总效益，则存在以下关系：

接下来我们来考虑整个区域效益的描述，因为整个区域由M个字区域组成，所以整个区域的总效益Ω可以表示为：

⑤效益的最大化；

假设我们拥有的总计算能力为Φ，并且M个子区域分配的计算能力分别是λ₁，λ₂，λ₃，…λ_M，则必然存在一下关系：

Φ＝λ₁+λ₂+λ₃+…+λ_M.

基于以上分析，我们假设一个周期内N个阶段的负载分别是δ₁，δ₂，δ₃，...δ_N，并且每一时刻的效益可以简化为负载与当前计算能力中较小的一个。即当负载小于分配的计算能力的时候，服务器处于低负载状态，此时所有的工作负载都能产生效益。但是当负载大于分配的计算能力的时候，服务器处于过载状态，此时产生与当前计算能力相当的效益。因此，每个区域的效益亦可以表示为：

整个区域总的负载就可以表示为：

(3)梯度算法

现在为了简化对上式的分析，我们把一个周期分为三个阶段。并设想我们已经知道了这三个阶段的负载分别是200，300，600。我们投入计算能力为x,则我们可以得到效益函数为：

h(Λ_k)＝min(200，x)+min(300，x)+min(600，x).

该效益函数表达式如图3所示。通过对这个函数表达式的分析，可以看出一个子区域的效益是一个分段函数。我们可以得到每个阶段的梯度分别是g1、g2、g3、g4。并且这4个梯度是一次递减的，并且g4等于0。这也就意味着效益函数的增长越来越慢，当达到g4的时候，函数的增长为0，即使投入更多的计算能力，效益也不再增长。在我们的场景中，整个区域包含M个子区域，所以总的效益由M个这种函数图像组成，如图4所示，可以看出在g1阶段效益增长最快，后面依次是g2阶段、g3阶段、g4阶段。因此，我们总是先投资g1阶段，在有更多余量的前提下，依次投资g2阶段、g3阶段、g4阶段。

也就是说，本申请提出梯度算法来分配计算资源。因为随着投资的增多，效益增长越慢。根据这一重要的特点，本申请方案更偏向于投入每个区域开始效益增长更快的那一部分。总的思想就是在计算资源有余量的情况下，先投资每个区域最开始的第一个阶段，然后当第一个阶段投资完后，再考虑每个区域第二、第三等等阶段的投资。充分地利用了负载差异的互补性，在负载互补的区域减少边缘服务器的部署数量，节约计算资源，提高网络整体服务质量。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

在一个典型的配置中，计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。

Claims (10)

1.一种基于异构负载互补的边缘服务器部署方法，其特征在于，所述方法包括：

确定目标区域内各子区域的阶段负载；

根据各子区域的所述阶段负载，确定各子区域的分段效益函数；

根据各子区域的所述分段效益函数，部署目标区域内的边缘服务器。

2.根据权利要求1所述的方法，其特征在于，根据各子区域的所述分段效益函数，部署目标区域内的边缘服务器，具体包括：

根据各子区域所述分段效益函数，确定各子区域在各个阶段的效益梯度；

根据各子区域在各个阶段的效益梯度大小，为目标区域内各子区域部署边缘服务器。

3.根据权利要求2所述的方法，其特征在于，根据各子区域在各个阶段的效益梯度大小，为目标区域内各子区域部署边缘服务器，具体包括：

确定各子区域在各个阶段中的最大效益梯度；

依照最大效益梯度递减的顺序，依次为各子区域部署第一轮边缘服务器。

4.根据权利要求3所述的方法，其特征在于，在为各子区域部署第一轮边缘服务器后，还包括：

确定各子区域在各个阶段中的次大效益梯度；

依照次大效益梯度递减的顺序，依次为各子区域部署第二轮边缘服务器。

5.根据权利要求1所述的方法，其特征在于，所述方法具体包括：

根据目标区域内各子区域的归属场景，确定各子区域的阶段负载。

6.根据权利要求1所述的方法，其特征在于，各子区域在任意时刻的效益等于相应时刻的负载和计算能力中的较小值。

7.根据权利要求1所述的方法，其特征在于，各子区域的分段效益函数为梯度递减函数。

8.一种基于异构负载互补的服务器网络，其特征在于，包括云中心以及所述云中心通信的多个边缘服务器，所述多个边缘服务器利用权利要求1至7任一项所述的方法部署于目标区域的各子区域内。

9.根据权利要求8所述的基于异构负载互补的服务器网络，其特征在于，所述服务器网络配置给延迟敏感型任务的优先级大于配置给延迟容忍型任务的优先级。

10.根据权利要求8所述的基于异构负载互补的服务器网络，其特征在于，当所述边缘服务器中的负载达到预先设置的百分占比时，所述服务器网络被配置为：

所述负载达到预先设置的百分占比时的边缘服务器停止接收延迟容忍型任务；

将所述负载达到预先设置的百分占比时的边缘服务器对应子区域的延迟容忍型任务发送至所述云中心执行。

Images