CN110944335B - 用于虚拟现实业务的资源分配方法及装置 - Google Patents

用于虚拟现实业务的资源分配方法及装置 Download PDF

Info

Publication number
CN110944335B
CN110944335B CN201911276832.5A CN201911276832A CN110944335B CN 110944335 B CN110944335 B CN 110944335B CN 201911276832 A CN201911276832 A CN 201911276832A CN 110944335 B CN110944335 B CN 110944335B
Authority
CN
China
Prior art keywords
content
cell
base station
user
total
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
CN201911276832.5A
Other languages
English (en)
Other versions
CN110944335A (zh
Inventor
王莹
宋文昊
费子轩
刘嫚
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201911276832.5A priority Critical patent/CN110944335B/zh
Publication of CN110944335A publication Critical patent/CN110944335A/zh
Application granted granted Critical
Publication of CN110944335B publication Critical patent/CN110944335B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/04—Traffic adaptive resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0252—Traffic management, e.g. flow control or congestion control per individual bearer or channel
    • H04W28/0257—Traffic management, e.g. flow control or congestion control per individual bearer or channel the individual bearer or channel having a maximum bit rate or a bit rate guarantee
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/10—Flow control between communication endpoints
    • H04W28/14—Flow control between communication endpoints using intermediate storage

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供一种用于虚拟现实业务的资源分配方法及装置，该方法包括：获取内容流行度概率，得到每个小区中每个用户，对每个内容的请求概率；根据每个用户请求的每个内容由小区缓存或由核心网发送的不同分配结果，每个小区对小区内用户进行不同的信道分配结果，以及对每个用户请求的每个内容分配视口的分配结果，得到多个分配方案；基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，以对每个小区进行内容缓存的分配，对每个小区进行信道分配，以及对每个用户请求内容的视口分配。根据请求概率确定分配方案，保证响应请求后的总收益和业务处理时长。不仅实现了用户服务质量的可靠性，且保证了系统的收益最大化。

Description

用于虚拟现实业务的资源分配方法及装置
技术领域
本发明涉及边缘缓存和计算领域，尤其涉及一种用于虚拟现实业务的资源分配方法及装置。
背景技术
虚拟现实的概念早在数十年前就已经为人们所提出，但是由于VR/AR相关技术的限制，因此一直没有重大进展，随着网络技术的发展，5G的商业化以及相关设备的更新换代，VR/AR由于其存在的重大潜力，例如在智慧城市中，能够基于GPS以及传感器信息等实现人们的智能交通，智慧旅游等等。VR相关业务和应用都得到了极大的发展，是目前热门的研究领域。
但是VR/AR同样存在相关的问题，其要求超高的传输速率，超低的传输时延以及良好的用户体验，对系统性能而言有着巨大的挑战，目前主流的解决方案是利用云端来满足VR的业务场景，云端能够有效地满足VR业务的计算需求，但是云计算所不能忽略的缺点是较高的传输时延以及不可靠的服务能力，MEC(Mobile Edge Computing，移动边缘计算)作为更加贴近用户的缓存和计算技术，能够有效降低回程时延和网络负载。目前MEC得到了广泛的研究，例如通过毫米波和雾计算来满足用户通信的可靠性，或者考虑通过联合MEC来最小化每个业务的平均传输数据量。
然而，目前的研究大都是从用户个人体验的层面出发，考虑优化时延、传输质量以及能耗等参量，实现用户层面的优质体验，对系统的消耗和收益缺乏足够的重视。
发明内容
为了解决上述问题，本发明实施例提供一种用于虚拟现实业务的资源分配方法及装置。
第一方面，本发明实施例提供一种用于虚拟现实业务的资源分配方法，包括：获取内容流行度概率，得到每个小区中每个用户，对每个内容的请求概率；根据每个用户请求的每个内容由小区缓存或由核心网发送的不同分配结果，每个小区基站对小区内用户进行不同的信道分配结果，以及对每个用户请求的每个内容分配视口的分配结果，得到多个分配方案；基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，以对每个小区进行内容缓存的分配，对每个小区进行信道分配，以及对每个用户请求内容的视口分配。
进一步地，所述总业务处理时长，根据业务上行请求时长、业务处理时长和下行传输时长确定；所述系统总收益，根据系统的总回报收益、小区对内容进行缓存的缓存增益、小区对内容进行缓存的缓存开销、小区或核心网对内容的处理开销以及小区或核心网对内容的传输开销确定。
进一步地，所述基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，包括：基于所述请求概率，获取系统总收益关于多个分配方案的表达式，作为优化目标，获取总业务时长关于多个分配方案的表达式，以总业务时长不超过预设阈值为约束条件，根据所述优化目标和约束条件进行求解，得到所述系统总收益最大的分配方案。
进一步地，所述总回报收益，根据每个小区中每个用户对每个内容的请求概率，和每个用户请求每个内容的视口分配结果确定；所述小区对内容进行缓存的缓存增益，根据每个小区中每个用户对每个内容的请求概率、每个小区对每个资源的缓存状况以及小区接收核心网发送内容时的速率确定；所述小区对内容进行缓存的缓存开销，根据缓存的视频大小和单位缓存的开销确定；所述小区或核心网对内容的处理开销，根据内容是否由基站缓存，由小区计算节点或核心网云平台的计算开销，分别结合每个小区中每个用户对每个内容的请求概率确定；所述小区或核心网对内容的传输开销，根据内容是否由基站缓存，由基站的下行传输速率，或者基站的下行传输速率和核心网的传输速率，分别结合每个小区中每个用户对每个内容的请求概率确定。
进一步地，所述业务上行请求时长，根据内容是否由基站缓存，分别由基站的上行请求时长，或者基站和核心网的上行请求时长确定；所述业务处理时长，根据内容是否由基站缓存，分别由基站或核心网的处理时长确定；所述下行传输时长，根据内容是否由基站缓存，由基站的下行传输速率，或者基站的下行传输速率和核心网对基站的传输速率，分别结合每个内容的大小确定。
进一步地，基站的下行传输速率，根据下式确定：
Figure BDA0002315783750000031
Figure BDA0002315783750000032
是小区m的基站发送内容h给用户n时的接收速率，即基站的下行传输速率；
Figure BDA0002315783750000033
是小区m中用户n请求业务所分配的下行信道k的带宽，基站到用户间的下行链路分为k条信道，k＝{1,2......K}，K为信道总数；Xm,n,k表示m小区中用户n占用信道k的情况，占用信道k时值为1，否则为0，Xm,n,k∈{0,1}，每条信道都被占用并且只占用一次，
Figure BDA0002315783750000034
Figure BDA0002315783750000035
gm,n,k表示小区m中用户n的信道k的信道增益；Pm为小区m的基站发射功率；σ2为高速白噪声；m*表示除小区m以外的其它小区；M为小区总个数。
进一步地，所述根据所述优化目标和约束条件进行求解，得到所述系统总收益最大的分配方案，包括：将优化目标和约束条件表达式的二元变量松弛为连续变量；对松弛后的优化问题，利用一阶泰勒展开和连续凸优化法，对松弛后的优化问题进行迭代求解。
第二方面，本发明实施例提供一种用于虚拟现实业务的资源分配装置，包括：获取模块，用于获取内容流行度概率，得到每个小区中每个用户，对每个内容的请求概率；分配模块，用于根据每个用户请求的每个内容由小区缓存或由核心网发送的不同分配结果，每个小区基站对小区内用户进行不同的信道分配结果，以及对每个用户请求的每个内容分配视口的分配结果，得到多个分配方案；处理模块，用于基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，以对每个小区进行内容缓存的分配，对每个小区进行信道分配，以及对每个用户请求内容的视口分配。
第三方面，本发明实施例提供一种电子设备，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，处理器执行程序时实现本发明第一方面用于虚拟现实业务的资源分配方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明第一方面用于虚拟现实业务的资源分配方法的步骤。
本发明实施例提供的用于虚拟现实业务的资源分配方法及装置，根据系统的每个内容由小区缓存或由核心网发送的不同分配结果，实现根据系统总收益，灵活进行缓存策略；每个小区对小区内用户进行不同的信道分配，也以系统总收益为前提，进行分配；每个用户请求内容的视口分配结果也以总收益为前提，从而实现了多方面的灵活策略，以保证系统的总收益最大化，并满足用户业务处理的时长阈值。根据请求概率，预先确定分配方案，从而保证响应请求后的总收益和业务处理时长。该方法不仅实现了用户服务质量的可靠性，且保证了系统的收益最大化。
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一简单地介绍，显而易见地，下面描述中的附图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为本发明实施例提供的用于虚拟现实业务的资源分配方法流程图；
图2为本发明实施例提供的用于虚拟现实业务的资源分配方法应用场景图；
图3为本发明实施例提供的用于虚拟现实业务的资源分配装置结构图；
图4为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
考虑到人眼视觉特性，对于用户而言，FOV(field of view，视口)有限，因此可以仅对用户传输FOV视频，从而节省大量的网络资源，目前大多数研究只包含120°和360°两种类型的视频。
因此在本发明中，从系统而非用户的角度出发，提出了一个灵活的联合通信、缓存和计算的Devices-MEC(BS)-core network框架，为VR业务用户提供强大的边缘计算和缓存服务。
由于VR业务所需大量的系统资源，并且相关研究多集中在用户个人层面进行优化，本发明关注系统的收益最大化问题。目前FOV传输一般只包含120°视频以及360°视频，本发明从实际业务场景出发，考虑多角度视频，在小区资源有限的情况下，并在多角度视频存在的收益和代价之间找到最优解。
图1为本发明实施例提供的用于虚拟现实业务的资源分配方法流程图，如图1所示，本发明实施例提供一种用于虚拟现实业务的资源分配方法，包括：
101、获取内容流行度概率，得到每个小区中每个用户，对每个内容的请求概率。
图2为本发明实施例提供的用于虚拟现实业务的资源分配方法应用场景图，用户-边缘服务器(基站)-核心网系统图如图2所示，其中有M个小区，每个小区中有N个用户，每个小区中存在一个基站(BS)和一个MEC服务器，系统中共有H个种类的视频，MEC服务器为用户提供缓存和计算服务，同时对于小区中未存储的数据通过核心网进行请求传输。由于观影的视觉体验，应当保证用户拥有至少70°的观赏角度，同时根据人眼的视觉特性，人眼最多能够对110°范围的内容进行3D成像，因此在对用户进行视频业务的数据传输时可以只传输视口(Field of view，FOV)范围的视频内容，对于非视口部分可以通过存储在终端的背景内容进行填充，利用这种方式能够节省大量的网络资源，根据3GPP 26.918，本文中业务采用VR影院业务模式，用户能够拥有若干个不同大小的视角，对应于不同数据量大小的业务需求。用表达式fm,n,h表示，fm,n,h表示m小区中的用户n请求内容h的FOV大小，fm,n,h∈{θ1,θ2…,θk}。由于FOV的多样性，由于可供选择的角度较多，最优化的方式是存储360°视频，并根据小区中的资源情况给用户分配不同的角度，以达到最大化系统收益。因此本发明中考虑系统中只缓存360°视频，不同FOV的请求都从360°视频处理得到。
先获取内容流行度概率，内容流行度概率为已知或通过现有技术得出。例如，已知视频内容满足流行度zipf分布。根据内容流行度概率得到ρm,n,h，为小区m用户n对视频h的请求概率。
102、根据每个用户请求的每个内容由小区缓存或由核心网发送的不同分配结果，每个小区基站对小区内用户进行不同的信道分配结果，以及对每个用户请求的每个内容分配视口的分配结果，得到多个分配方案。
对于用户请求的资源h，可以缓存在用户所在的小区m中，也可以由核心网发送。若由小区缓存，则会导致总业务时长缩短，但是可能会导致总系统收益变小。若小区基站有k个信道，m个用户，通常m会大于k，因此需要对用户请求进行信道分配。用户请求的内容h，可以根据fm,n,h∈{θ1,θ2…,θk}中选择合适的视口进行分配，分配大的视口，会导致总系统收益变大，但是总业务时长增加。反之则导致总业务时长变小，但是总系统收益也变小。
103、基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，以对每个小区进行内容缓存的分配，对每个小区进行信道分配，以及对每个用户请求内容的视口分配。
根据每种分配方案下，基于请求概率ρm,n,h，确定总系统收益，和总业务时长。从中选出总业务时长小于预设阈值TD，且总系统收益最大的分配方案，实施对应的分配结果。总业务时长为用户请求后到用户得到响应的时长，总收益可以根据存储、传输开销以及资源服务达到用户后的回报收益，综合确定。
本实施例提供的用于虚拟现实业务的资源分配方法，根据系统的每个内容由小区缓存或由核心网发送的不同分配结果，实现根据系统总收益，灵活进行缓存策略；每个小区对小区内用户进行不同的信道分配，也以系统总收益为前提，进行分配；每个用户请求内容的视口分配结果也以总收益为前提，从而实现了多方面的灵活策略，以保证系统的总收益最大化，并满足用户业务处理的时长阈值。根据请求概率，预先确定分配方案，从而保证响应请求后的总收益和业务处理时长。该方法不仅实现了用户服务质量的可靠性，且保证了系统的收益最大化。
基于上述实施例的内容，作为一种可选实施例，所述总业务处理时长，根据业务上行请求时长、业务处理时长和下行传输时长确定；所述系统总收益，根据系统的总回报收益、小区对内容进行缓存的缓存增益、小区对内容进行缓存的缓存开销、小区或核心网对内容的处理开销以及小区或核心网对内容的传输开销确定。
总业务时长，包括用户发起请求，达到基站或核心网的时长，基站或核心网业务处理时长，以及基站或核心网将资源传输到用户这三部分组成，可将此三个时长相加得到。
系统的总回报收益为系统传输内容到用户的回报收益；小区对内容进行缓存的缓存增益，是由于对资源进行了缓存，无需通过核心网发送，减小了服务响应时长，因此存在一定的增益；小区对内容进行缓存的缓存开销，为存储产生的开销；小区或核心网对内容的处理开销，为计算节点或核心网的处理器开销；小区或核心网对内容的传输开销，为传输消耗的带宽。
本实施例提供的用于虚拟现实业务的资源分配方法，总业务处理时长，根据业务上行请求时长、业务处理时长和下行传输时长确定；所述系统总收益，根据系统的总回报收益、小区对内容进行缓存的缓存增益、小区对内容进行缓存的缓存开销、小区或核心网对内容的处理开销以及小区或核心网对内容的传输开销确定，实现了总业务处理时长和系统总收益的客观评价，有利于得到系统总收益最大的分配方案。
基于上述实施例的内容，作为一种可选实施例，所述总回报收益，根据每个小区中每个用户对每个内容的请求概率，和每个用户请求每个内容的视口分配结果确定；所述小区对内容进行缓存的缓存增益，根据每个小区中每个用户对每个内容的请求概率、每个小区对每个资源的缓存状况以及小区接收核心网发送内容时的速率确定；所述小区对内容进行缓存的缓存开销，根据缓存的视频大小和单位缓存的开销确定；所述小区或核心网对内容的处理开销，根据内容是否由基站缓存，由小区计算节点或核心网云平台的计算开销，分别结合每个小区中每个用户对每个内容的请求概率确定；所述小区或核心网对内容的传输开销，根据内容是否由基站缓存，由基站的下行传输速率，或者基站的下行传输速率和核心网的传输速率，分别结合每个小区中每个用户对每个内容的请求概率确定。
基于上述实施例的内容，作为一种可选实施例，所述业务上行请求时长，根据内容是否由基站缓存，分别由基站的上行请求时长，或者基站和核心网的上行请求时长确定；所述业务处理时长，根据内容是否由基站缓存，分别由基站或核心网的处理时长确定；所述下行传输时长，根据内容是否由基站缓存，由基站的下行传输速率，或者基站的下行传输速率和核心网对基站的传输速率，分别结合每个内容的大小确定。
以下对系统总收益和总业务时长的各个部分进行分别说明。
(1)在用户请求的过程中
用户向基站发起业务请求，系统对不同角度的视频进行不同的定价，对此用户付出相应的花销获取视频内容，系统获得相关收益，用Gm,n,h表示系统对于m小区中用户n对视频h请求所获得的收益，表达式如下：
Gm,n,h＝K1*fm,n,h (1)
K1是回报收益的加权系数，fm,n,h是m小区中用户n对视频h的FOV大小，可以看出收益大小与请求的视频角度大小成正比。系统的总回报收益为：
Figure BDA0002315783750000091
ρm,n,h为小区m用户n对视频h的请求概率，已知视频内容满足流行度zipf分布。
对于用户的请求，若MEC中缓存了用户请求的视频，则存在缓存增益，用Gcach表示：
Figure BDA0002315783750000092
α是回程链路带宽的单位增益，Xm,h为缓存集合，当m小区中缓存了内容h则值为1，否则为0，Xm,h∈{0,1}，rmec是m小区接收核心网发送的内容h时的速率，为固定值。
同时视频缓存存在缓存开销，对于缓存在MEC中的视频而言，不论是否被用户请求，都耗费了系统的缓存资源，Ccach是缓存开销(存储代价)：
Figure BDA0002315783750000093
δ是单位存储空间的代价，S360是缓存的视频大小。
业务请求过程中也存在相应的请求时长，当用户n请求的内容被MEC m缓存，则上行请求时长为T1＝A，A为上行请求时长，由于时长较短，令值固定；若请求的内容没有被MEC所缓存，则上行时长为T2＝A+B，B为基站向核心网的上行请求时长，也令为固定值，
Figure BDA0002315783750000094
为小区m中用户n请求内容h的上行请求时长：
Figure BDA0002315783750000095
(2)在业务的处理过程中
对于所请求的视频的处理，系统存在处理开销，当用户所请求的视频缓存在MEC中时由MEC进行视频处理，此时的处理开销为：
Figure BDA0002315783750000096
β是单位计算代价，
Figure BDA0002315783750000101
是小区m中用户n请求内容h所耗费的MEC的计算资源，
Figure BDA0002315783750000102
耗费计算资源大小与请求视频的视口大小成正比，加权系数为K2。
当用户请求的视频没有缓存在MEC中时需要从云端请求内容，此时存在两种方案，一是在核心网处处理并传输到基站，二是先传输到基站再进行处理，由于网络中存在的视频形式都是360°，因此通过分析可知，采用方案一能够节省一部分的传输资源并降低时延，此时处理开销为：
Figure BDA0002315783750000103
Figure BDA0002315783750000104
是小区m中用户n请求内容h所耗费的云端计算资源，
Figure BDA0002315783750000105
耗费计算资源大小与请求视频的视口大小成正比，加权系数为K3。
因此系统的整体计算开销为：
Figure BDA0002315783750000106
同样业务处理也存在处理时延，当用户请求的内容被MEC所缓存时，处理时长为：
Figure BDA0002315783750000107
Sm,n,h为m小区中n用户对视频h请求的视频大小，Sm,n,h＝K4*fm,n,h，视频大小视口角度大小正相关，K4为加权系数，
Figure BDA0002315783750000108
为MEC处理1bit的时长。
若请求的内容没有被MEC所缓存，则由核心网进行处理，处理时长为：
Figure BDA0002315783750000109
Figure BDA00023157837500001010
是核心网处理1bit的时长，令
Figure BDA00023157837500001011
为小区m中用户n请求内容h的视频处理时长，因此用户的处理时长为：
Figure BDA0002315783750000111
(3)在业务传输过程中
对于用户所请求的内容要传输给用户，因此存在传输开销，当用户所请求的内容缓存在MEC中时，传输开销为：
Figure BDA0002315783750000112
Figure BDA0002315783750000113
是小区m发送内容h的用户n接收速率，即基站的下行传输速率。
基于上述实施例的内容，作为一种可选实施例，基站的下行传输速率，根据下式确定：
Figure BDA0002315783750000114
Figure BDA0002315783750000115
是小区m中用户n请求业务所分配的下行信道k的带宽，基站到用户间的下行链路分为k条信道，k＝{1,2......K}，K为信道总数；Xm,n,k表示m小区中用户n占用信道k的情况，占用信道k时值为1，否则为0，Xm,n,k∈{0,1}，因此小区内的用户之间不存在干扰，小区间相同频段信道相互产生干扰，本发明中每条信道都被占用并且只占用一次，因此有
Figure BDA0002315783750000116
gm,n,k表示小区m中用户n的信道k的信道增益；Pm为小区m的基站发射功率；σ2为高速白噪声；m*表示除小区m以外的其它小区。
一般而言Pm可取46dbm，g视具体信道状况而改变，σ2可为-174dbm/Hz，m*也是小区的计数，目的是与当前小区m区分开，即受到其他小区的同频干扰，所以有m*不等于m。
若用户n请求的内容没有缓存在MEC m，则传输开销为：
Figure BDA0002315783750000117
rmec为核心网传输至基站的速率，设为固定值，令Ctransmission为传输开销：
Figure BDA0002315783750000121
在业务传输期间存在业务处理时长，当用户请求的内容被MEC缓存，则传输时长为从MEC到用户的传输时长，传输时长为：
Figure BDA0002315783750000122
若请求的内容没有被MEC缓存，则基站向核心网请求内容，传输时长为从和核心网传输到基站以及基站传输到用户的传输时长，处理时长为：
Figure BDA0002315783750000123
令
Figure BDA0002315783750000124
为小区m中用户n请求内容h的下行传输时长，则表达式如下：
Figure BDA0002315783750000125
因此可以得出用户的业务总时长：
Figure BDA0002315783750000126
本实施例提供的用于虚拟现实业务的资源分配方法，根据请求概率，对总业务处理时长和系统总收益进行表示，得到总业务处理时长和系统总收益关于各分配方案的表达式，有利于优化问题的求解。
基于上述实施例的内容，作为一种可选实施例，所述获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，包括：基于所述请求概率，获取系统总收益关于多个分配方案的表达式，作为优化目标，获取总业务时长关于多个分配方案的表达式，以不超过预设阈值为约束条件，根据所述优化目标和约束条件进行求解，得到所述系统总收益最大的分配方案。
在业务时延的约束下，通过联合优化缓存放置，信道分配以及视口选择，以最大限度地增加系统加权和收益。效用函数最大化问题可以表示为U，给出为：
U＝Gdemand+Gcash-Ccash-Ccompute-Ctransmission (20)
优化目标为：
Figure BDA0002315783750000131
s.t.
Figure BDA0002315783750000132
Figure BDA0002315783750000133
Figure BDA0002315783750000134
Figure BDA0002315783750000135
Figure BDA0002315783750000136
Figure BDA0002315783750000137
Figure BDA0002315783750000138
(21b)表示对于任意小区中的任意用户而言，总共的业务时长不能超过VR业务的时长阈值，(21c)、(21d)表示视频内容只有缓存在MEC和没有在MEC两种状态，并且任意小区的所有缓存内容不能超过该小区的缓存上限，(21e)表示信道只有被占用和不被占用两种状态，(21f)表示对于任意小区而言小区中的所有信道都需要被占用进行工作，(21g)表示每个信道都被占用且仅被占用一次，(21h)是系统能够提供的不同视口。
基于上述实施例的内容，作为一种可选实施例，所述根据所述优化目标和约束条件进行求解，得到所述系统总收益最大的分配方案，包括：将优化目标和约束条件表达式的二元变量松弛为连续变量；对松弛后的优化问题，利用一阶泰勒展开和连续凸优化法，对松弛后的优化问题进行迭代求解。
为了使问题(21)更易于处理，我们首先将(21c)、(21e)中的二元变量松弛为连续变量，得到如下问题：
Figure BDA0002315783750000141
s.t.
Figure BDA0002315783750000142
Figure BDA0002315783750000143
(21b),(21d),(21f)-(21h)
问题(22)虽然松弛，但由于目标函数非凸以及非凸约束，仍然是一个非凸优化问题。接下来，我们利用一阶泰勒展开和连续凸优化技术，对松弛问题进行高效的迭代计算。
子问题一：优化缓存放置。
给定信道分配和视口选择{Xm,n,k},{fm,n,h}，通过求解以下问题，可以优化问题(22a)的缓存放置{Xm,h}。
Figure BDA0002315783750000144
s.t.
Figure BDA0002315783750000145
Figure BDA0002315783750000146
Figure BDA0002315783750000147
由于问题(23)是一个标准的LP问题，可以通过CVX有效的解决。
子问题二：合理选择视口。
给定的缓存放置{Xm,h}和信道分配{Xm,n,k}，问题(22)可以转化为(24)
Figure BDA0002315783750000151
Figure BDA0002315783750000152
Figure BDA0002315783750000153
优化问题(24a)是一个标准的LP问题，但是约束中(24b)是一个多离散值的问题，需要利用整数规划进行处理，将(24b)写成连续的形式：
Figure BDA0002315783750000154
子问题三：信道分配优化
给定缓存放置{Xm,h}和视口选择{fm,n,h}，可以通过解决以下问题来优化信道分配策略{Xm,n,k}
Figure BDA0002315783750000155
s.t.
Figure BDA0002315783750000156
Figure BDA0002315783750000157
Figure BDA0002315783750000158
Figure BDA0002315783750000159
由于问题(25)并不是凸的，因此需要将其展开：
Figure BDA0002315783750000161
令
Figure BDA0002315783750000162
Figure BDA0002315783750000163
f(X)和g(X)都是凹的，因此这个问题是两个凹函数规划的差分形式(DC问题)，我们能够从一个可行的初始点开始进行迭代。对此，在第t次迭代中，我们将g(X)进行一阶泰勒近似，
Figure BDA0002315783750000169
因此问题(26)变成：
Figure BDA0002315783750000164
同时由于约束(25e)也是非凸的，需要将其写成：
Figure BDA0002315783750000165
令
Figure BDA0002315783750000166
Figure BDA0002315783750000167
可以看出(27b)同样是凹函数减去凹函数的形式，同样需要将Q(X)进行泰勒展开，因此约束(27b)可以写成：
Figure BDA0002315783750000168
(25b)-(25d)为线性约束，(27c)为凸约束。因此问题(27)为一个凸优化问题，可以用CVX等凸优化求解器有效的求解。
本实施例提供的用于虚拟现实业务的资源分配方法，对松弛后的优化问题，利用一阶泰勒展开和连续凸优化法，能够将优化问题化为已处理的方程，通过对松弛后的优化问题进行迭代求，实现快速的获取方案的分配结果。
图3为本发明实施例提供的用于虚拟现实业务的资源分配装置结构图，如图3所示，该用于虚拟现实业务的资源分配装置包括：获取模块301、分配模块302和处理模块303。其中，获取模块301用于获取内容流行度概率，得到每个小区中每个用户，对每个内容的请求概率；分配模块302用于根据每个用户请求的每个内容由小区缓存或由核心网发送的不同分配结果，每个小区基站对小区内用户进行不同的信道分配结果，以及对每个用户请求的每个内容分配视口的分配结果，得到多个分配方案；处理模块303用于基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，以对每个小区进行内容缓存的分配，对每个小区进行信道分配，以及对每个用户请求内容的视口分配。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
本发明实施例提供的用于虚拟现实业务的资源分配装置，根据系统的每个内容由小区缓存或由核心网发送的不同分配结果，实现根据系统总收益，灵活进行缓存策略；每个小区对小区内用户进行不同的信道分配，也以系统总收益为前提，进行分配；每个用户请求内容的视口分配结果也以总收益为前提，从而实现了多方面的灵活策略，以保证系统的总收益最大化，并满足用户业务处理的时长阈值。根据请求概率，预先确定分配方案，从而保证响应请求后的总收益和业务处理时长。该方法不仅实现了用户服务质量的可靠性，且保证了系统的收益最大化。
图4为本发明实施例提供的一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和总线404，其中，处理器401，通信接口402，存储器403通过总线404完成相互间的通信。通信接口402可以用于电子设备的信息传输。处理器401可以调用存储器403中的逻辑指令，以执行包括如下的方法：获取内容流行度概率，得到每个小区中每个用户，对每个内容的请求概率；根据每个用户请求的每个内容由小区缓存或由核心网发送的不同分配结果，每个小区基站对小区内用户进行不同的信道分配结果，以及对每个用户请求的每个内容分配视口的分配结果，得到多个分配方案；基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，以对每个小区进行内容缓存的分配，对每个小区进行信道分配，以及对每个用户请求内容的视口分配。
此外，上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明上述各方法实施例的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：获取内容流行度概率，得到每个小区中每个用户，对每个内容的请求概率；根据每个用户请求的每个内容由小区缓存或由核心网发送的不同分配结果，每个小区基站对小区内用户进行不同的信道分配结果，以及对每个用户请求的每个内容分配视口的分配结果，得到多个分配方案；基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，以对每个小区进行内容缓存的分配，对每个小区进行信道分配，以及对每个用户请求内容的视口分配。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种用于虚拟现实业务的资源分配方法，其特征在于，包括：
获取内容流行度概率，得到每个小区中每个用户，对每个内容的请求概率；
根据每个用户请求的每个内容由小区缓存或由核心网发送的不同分配结果，每个小区基站对小区内用户进行不同的信道分配结果，以及对每个用户请求的每个内容分配视口的分配结果，得到多个分配方案；
基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，以对每个小区进行内容缓存的分配，对每个小区进行信道分配，以及对每个用户请求内容的视口分配；
所述基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，包括：
基于所述请求概率，获取系统总收益关于多个分配方案的表达式，作为优化目标，获取总业务时长关于多个分配方案的表达式，以总业务时长不超过预设阈值为约束条件，根据所述优化目标和约束条件进行求解，得到所述系统总收益最大的分配方案；
其中，所述总业务处理时长，根据业务上行请求时长、业务处理时长和下行传输时长确定；所述系统总收益，根据系统的总回报收益、小区对内容进行缓存的缓存增益、小区对内容进行缓存的缓存开销、小区或核心网对内容的处理开销以及小区或核心网对内容的传输开销确定；
所述总回报收益，根据每个小区中每个用户对每个内容的请求概率，和每个用户请求每个内容的视口分配结果确定；
所述小区对内容进行缓存的缓存增益，根据每个小区中每个用户对每个内容的请求概率、每个小区对每个资源的缓存状况以及小区接收核心网发送内容时的速率确定；
所述小区对内容进行缓存的缓存开销，根据缓存的视频大小和单位缓存的开销确定；
所述小区或核心网对内容的处理开销，根据内容是否由基站缓存，由小区计算节点或核心网云平台的计算开销，分别结合每个小区中每个用户对每个内容的请求概率确定；
所述小区或核心网对内容的传输开销，根据内容是否由基站缓存，由基站的下行传输速率，或者基站的下行传输速率和核心网的传输速率，分别结合每个小区中每个用户对每个内容的请求概率确定；
所述业务上行请求时长，根据内容是否由基站缓存，分别由基站的上行请求时长，或者基站和核心网的上行请求时长确定；
所述业务处理时长，根据内容是否由基站缓存，分别由基站或核心网的处理时长确定；
所述下行传输时长，根据内容是否由基站缓存，由基站的下行传输速率，或者基站的下行传输速率和核心网对基站的传输速率，分别结合每个内容的大小确定。
2.根据权利要求1所述的用于虚拟现实业务的资源分配方法，其特征在于，基站的下行传输速率，根据下式确定：
Figure FDA0003381661480000021
Figure FDA0003381661480000022
是小区m的基站发送内容h给用户n时的接收速率，即基站的下行传输速率；
Figure FDA0003381661480000023
是小区m中用户n请求业务所分配的下行信道k的带宽，基站到用户间的下行链路分为k条信道，k＝{1,2......K}，K为信道总数；Xm,n,k表示m小区中用户n占用信道k的情况，占用信道k时值为1，否则为0，Xm,n,k∈{0,1}，每条信道都被占用并且只占用一次，
Figure FDA0003381661480000024
Figure FDA0003381661480000025
gm,n,k表示小区m中用户n的信道k的信道增益；Pm为小区m的基站发射功率；σ2为高速白噪声；m*表示除小区m以外的其它小区；M为小区总个数。
3.根据权利要求1所述的用于虚拟现实业务的资源分配方法，其特征在，所述根据所述优化目标和约束条件进行求解，得到所述系统总收益最大的分配方案，包括：
将优化目标和约束条件表达式的二元变量松弛为连续变量；
对松弛后的优化问题，利用一阶泰勒展开和连续凸优化法，对松弛后的优化问题进行迭代求解。
4.一种用于虚拟现实业务的资源分配装置，其特征在于，包括：
获取模块，用于获取内容流行度概率，得到每个小区中每个用户，对每个内容的请求概率；
分配模块，用于根据每个用户请求的每个内容由小区缓存或由核心网发送的不同分配结果，每个小区基站对小区内用户进行不同的信道分配结果，以及对每个用户请求的每个内容分配视口的分配结果，得到多个分配方案；
处理模块，用于基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，以对每个小区进行内容缓存的分配，对每个小区进行信道分配，以及对每个用户请求内容的视口分配；
所述基于所述请求概率，获取总业务时长不超过预设阈值，且系统总收益最大的分配方案，包括：
基于所述请求概率，获取系统总收益关于多个分配方案的表达式，作为优化目标，获取总业务时长关于多个分配方案的表达式，以总业务时长不超过预设阈值为约束条件，根据所述优化目标和约束条件进行求解，得到所述系统总收益最大的分配方案；
其中，所述总业务处理时长，根据业务上行请求时长、业务处理时长和下行传输时长确定；所述系统总收益，根据系统的总回报收益、小区对内容进行缓存的缓存增益、小区对内容进行缓存的缓存开销、小区或核心网对内容的处理开销以及小区或核心网对内容的传输开销确定；
所述总回报收益，根据每个小区中每个用户对每个内容的请求概率，和每个用户请求每个内容的视口分配结果确定；
所述小区对内容进行缓存的缓存增益，根据每个小区中每个用户对每个内容的请求概率、每个小区对每个资源的缓存状况以及小区接收核心网发送内容时的速率确定；
所述小区对内容进行缓存的缓存开销，根据缓存的视频大小和单位缓存的开销确定；
所述小区或核心网对内容的处理开销，根据内容是否由基站缓存，由小区计算节点或核心网云平台的计算开销，分别结合每个小区中每个用户对每个内容的请求概率确定；
所述小区或核心网对内容的传输开销，根据内容是否由基站缓存，由基站的下行传输速率，或者基站的下行传输速率和核心网的传输速率，分别结合每个小区中每个用户对每个内容的请求概率确定；
所述业务上行请求时长，根据内容是否由基站缓存，分别由基站的上行请求时长，或者基站和核心网的上行请求时长确定；
所述业务处理时长，根据内容是否由基站缓存，分别由基站或核心网的处理时长确定；
所述下行传输时长，根据内容是否由基站缓存，由基站的下行传输速率，或者基站的下行传输速率和核心网对基站的传输速率，分别结合每个内容的大小确定。
5.一种电子设备，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3任一项所述用于虚拟现实业务的资源分配方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一项所述用于虚拟现实业务的资源分配方法的步骤。
CN201911276832.5A 2019-12-12 2019-12-12 用于虚拟现实业务的资源分配方法及装置 Active CN110944335B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911276832.5A CN110944335B (zh) 2019-12-12 2019-12-12 用于虚拟现实业务的资源分配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911276832.5A CN110944335B (zh) 2019-12-12 2019-12-12 用于虚拟现实业务的资源分配方法及装置

Publications (2)

Publication Number Publication Date
CN110944335A CN110944335A (zh) 2020-03-31
CN110944335B true CN110944335B (zh) 2022-04-12

Family

ID=69910789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911276832.5A Active CN110944335B (zh) 2019-12-12 2019-12-12 用于虚拟现实业务的资源分配方法及装置

Country Status (1)

Country Link
CN (1) CN110944335B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111953730B (zh) * 2020-07-02 2024-01-09 华北电力大学（保定） 一种基于noma的服务器协作边缘计算方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106412040A (zh) * 2016-09-19 2017-02-15 北京邮电大学 一种缓存资源分配的方法及装置
CN108521436A (zh) * 2018-02-01 2018-09-11 上海交通大学 基于终端计算存储的移动虚拟现实传输方法及系统
CN109831796A (zh) * 2019-02-03 2019-05-31 北京邮电大学 无线网络虚拟化中的资源分配方法
WO2019158010A1 (zh) * 2018-02-13 2019-08-22 华为技术有限公司 资源管理的方法、设备及系统
CN110248206A (zh) * 2019-07-29 2019-09-17 北京邮电大学 一种用于边缘网络系统的资源分配方法、装置及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10595069B2 (en) * 2016-12-05 2020-03-17 Adobe Inc. Prioritizing tile-based virtual reality video streaming using adaptive rate allocation

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106412040A (zh) * 2016-09-19 2017-02-15 北京邮电大学 一种缓存资源分配的方法及装置
CN108521436A (zh) * 2018-02-01 2018-09-11 上海交通大学 基于终端计算存储的移动虚拟现实传输方法及系统
WO2019158010A1 (zh) * 2018-02-13 2019-08-22 华为技术有限公司 资源管理的方法、设备及系统
CN109831796A (zh) * 2019-02-03 2019-05-31 北京邮电大学 无线网络虚拟化中的资源分配方法
CN110248206A (zh) * 2019-07-29 2019-09-17 北京邮电大学 一种用于边缘网络系统的资源分配方法、装置及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
5G网络中基于用户需求的频谱资源分配方案;鲜永菊等;《重庆邮电大学学报(自然科学版)》;20181015(第05期);全文 *
An Edge-to-Cloud Virtualized Multimedia Service Platform for 5G Networks;Federico Alvarez等;《IEEE》;20190630;第369-380页 *
移动边缘网络缓存技术;王莹等;《北京邮电大学学报》;20171231;第1-13页 *

Also Published As

Publication number Publication date
CN110944335A (zh) 2020-03-31

Similar Documents

Publication Publication Date Title
CN108990159B (zh) 移动边缘计算系统中基于分层博弈的联合资源分配方法
CN109857546B (zh) 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置
CN110418416B (zh) 移动边缘计算系统中基于多智能体强化学习的资源分配方法
Du et al. MEC-assisted immersive VR video streaming over terahertz wireless networks: A deep reinforcement learning approach
Ndikumana et al. Collaborative cache allocation and computation offloading in mobile edge computing
CN107995660B (zh) 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法
Tang et al. Task number maximization offloading strategy seamlessly adapted to UAV scenario
CN110417847B (zh) 无人机通信网络用户接入和内容缓存的方法及装置
CN108601074B (zh) 一种基于异构联合缓存的网络资源分配方法和装置
CN108521436B (zh) 基于终端计算存储的移动虚拟现实传输方法及系统
CN110018834A (zh) 一种混合移动云/边缘计算的任务卸载和数据缓存方法
CN108495340B (zh) 一种基于异构混合缓存的网络资源分配方法和装置
CN111277437A (zh) 一种智能电网的网络切片资源分配方法
CN110087257A (zh) 一种支持移动边缘计算的任务卸载装置及方法
CN109831796B (zh) 无线网络虚拟化中的资源分配方法
CN106791887B (zh) 无线网络中视频的分布式缓存和传输优化方法
CN110096362A (zh) 一种基于边缘服务器协作的多任务卸载方法
CN111475274A (zh) 云协同多任务调度方法及装置
CN110311723B (zh) 基于定价策略的月球空间站通信系统计算资源分配方法
CN115002113B (zh) 一种移动基站边缘计算力资源调度方法、系统、电子设备
CN112654058A (zh) D2d多播网络中的移动边缘计算卸载与资源分配算法
CN110944335B (zh) 用于虚拟现实业务的资源分配方法及装置
Chen et al. Live video streaming with joint user association and caching placement in mobile edge computing
Wang et al. Joint service caching, resource allocation and computation offloading in three-tier cooperative mobile edge computing system
Chowdhury et al. An optimal strategy for UAV-assisted video caching and transcoding

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