CN110971707B

CN110971707B - 一种在移动边缘网络中的分布式服务缓存方法

Info

Publication number: CN110971707B
Application number: CN201911300742.5A
Authority: CN
Inventors: 夏秋粉; 周丽贞; 徐子川
Original assignee: Dalian University of Technology
Current assignee: Dalian University of Technology
Priority date: 2019-12-17
Filing date: 2019-12-17
Publication date: 2021-07-16
Anticipated expiration: 2039-12-17
Also published as: CN110971707A

Abstract

本发明提供了一种在移动边缘网络中的分布式服务缓存方法，属于网络服务技术领域。该方法通过在移动边缘云中的5G基站部署微云，将网络服务提供商提供的服务从远程云迁移到用户附近的网络边缘节点，以减少网络服务的响应延迟。研究了移动服务市场下移动边缘网络中的服务缓存问题，针对网络服务提供商之间的资源共享问题设计了一种分布式且稳定的博弈论机制，引入新颖的成本分摊模型和联盟形成博弈来最小化所有网络服务提供商的成本，并通过广泛的仿真实验进行验证，有效的解决所有参与者的社会成本问题。

Description

一种在移动边缘网络中的分布式服务缓存方法

技术领域

本发明涉及一种移动边缘网络中分布式服务缓存方法，属于网络服务技术领域，该方法通过在移动边缘云中的5G基站部署微云，将网络服务提供商提供的服务从远程云迁移到用户附近的网络边缘节点，以减少网络服务的响应延迟。研究了移动服务市场下移动边缘网络中的服务缓存问题，针对网络服务提供商之间的资源共享问题设计了一种分布式且稳定的博弈论机制，引入新颖的成本分摊模型和联盟形成博弈来最小化所有网络服务提供商的成本，并通过广泛的仿真实验进行验证，有效的解决所有参与者的社会成本问题。

背景技术

在过去的十年中，随着云技术的发展，各种多媒体应用吸引了许多服务提供商和基础设施提供商的关注。例如，各种各样的虚拟现实服务(VR)已被部署在远程数据中心，以便对VR头戴式耳机中收集的视频数据进行实时处理。但是此类服务不仅需要消耗大量的计算资源来进行处理，也需要消耗一定的带宽资源以从耳机接收大量的输入视频数据。然而，由于需要处理大量数据造成核心网络日益拥挤，导致在满足移动用户的服务质量(QoS)要求方面面临困难。随着移动边缘计算和5G技术的快速发展，通过在用户附近的一侧部署微云并在用户附近提供VR服务，为解决该问题提供了有希望的解决方案。网络服务提供商可以将其部署在远程数据中心的服务或部分服务缓存到移动边缘云的微云中，从而提高用户的QoS。

网络服务提供商可以从基础设施提供商处租用虚拟机(VM)。每个网络服务提供商必须承担在微云中租用VM的带宽和计算资源的成本。为了降低成本，网络服务提供商可以采取与其他网络服务提供商共享的方式租借VM。在具有多个网络服务提供商的移动边缘云中的服务缓存面临许多挑战：(1)服务市场中的多个网络服务提供商，竞争边缘云的有限资源，他们每个人都只在乎自己的收益，不可能通过集中机制将他们集中于社会最优目标。因此需要一种分布式机制。具体来说，如何设计分布式服务缓存机制，以使每个网络服务提供商都有参与市场的动机。如何进一步保证市场稳定同时没有任何参与者可以通过偏离当前的决策来增加其效用；(2)网络服务提供商的自私行为导致偏离社会最优状态的结果。因此，需要一种与社会最优方法有一定差距的接近最优的解决方案。具体来说，如何设计一种分布式服务缓存机制，以使每个服务提供者都能获得非负收益，从而使任何参与者都无法通过偏离其当前决策来提高其效用，从而确保该机制的稳定性；(3)为了进一步降低服务缓存的成本，网络服务提供商可以选择与其他网络服务提供商共享其计算和带宽资源(从边缘云的基础设施提供商租用)。考虑到一组网络服务提供商共享与联盟相同的资源，因此为每个联盟设计有效的成本分担机制以最大程度地减少由于共享而导致的系统性能下降是一项挑战。(4)选择5G服务(例如VR应用程序)的缓存位置可能会对用户体验的延迟产生重大影响。如何设计这种对延迟敏感的网络服务的战略性缓存机制是另一个挑战。尽管对内容中心网络(CCN)，任务分流和服务放置有类似的研究，但这些研究与本文移动边缘云中的服务缓存问题有根本的不同。首先，关于CCN的研究集中于在具有存储能力的节点中缓存内容(当它们被请求时)，处理那些内容的服务通常被忽略。其次，关于任务卸载和服务放置的研究通常假定处理卸载任务的服务仅部署在移动边缘云中的微云中，但是，这可能不适用于从远程数据中心到具有多个网络服务提供商的移动边缘云的微云的服务缓存。

发明内容

为了有效的解决在移动边缘网络中的服务缓存问题，本发明提出了一种具有良好的近似率和高概率的Randomized算法。并提出了一种分布式机制，以最小化所有参与者的社会成本。

本发明的技术方案：

一种在移动边缘网络中的分布式服务缓存方法要点包括：网络信息获取子系统、多用户服务缓存建模子系统、非资源共享的近似算法实现子系统、分布式联盟形成博弈子系统和应用系统；

(1)网络信息获取子系统；

(2)多用户服务缓存建模子系统；

(3)非资源共享的近似算法实现子系统；

(4)分布式联盟形成博弈子系统；

(5)性能评估子系统；

(6)服务缓存应用系统。

本发明的有益效果：本发明研究了具有多个网络服务提供商的移动服务市场的移动边缘网络中的服务缓存问题。对于没有资源共享的成本敏感型服务缓存问题，提出了一种通过随机取整的近似算法。还分析了近似算法的近似比率。针对对成本和延迟敏感的服务缓存问题，设计了一种高效且稳定的博弈论机制。然后通过仿真评估了算法的性能，结果表明，如果所有网络服务提供商与他人协作，则可以大大降低其社会成本。所提出的算法和机制可以很容易地扩展到移动边缘网络中更复杂的场景。例如，每个网络服务提供商可能更喜欢为其服务s_l缓存一个以上的实例，并允许其用户在边缘云的微云中的多个缓存的实例之间划分。所提出的算法ApproRR和Coalition可以很容易地扩展到这种情况。对于算法ApproRR，可以将由于LP而产生的分数解视为服务s_l的候选位置的集合。然后，对于每个s_l，可以找到从s_l的原始实例到找到的候选位置的最小成本流。而且，算法Coalition可以被调用多轮，每轮仅放置s_l的一个实例。然而，由于需要更多的VM来托管所缓存的服务实例，因此每个s_l的多个实例的缓存会增加资源使用成本。因此，每个网络服务提供商都可以为最小效用增长要求设置一个阈值。如果当前回合k的效用增加小于要求，将停止为s_l缓存更多实例。

附图说明

图1为本发明所述的软件流程图。

图2为本发明所述的多服务缓存模型流程图。

图3为本发明所述的非资源共享的近似算法实现流程图。

图4为本发明所述的分布式联盟形成博弈模型流程图。

具体实施方式

以下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)网络信息获取子系统具体运行过程如下：

(1.1)定义网络模型

构建一个双层云网络，定义为G(CL∪DC,E)，云网络不仅包括部署在用户附近的微云，还包括部署在远程地区的拥有大量计算资源的功能强大的数据中心。网络中包括一定数量的服务提供商，其提供的服务部署在远程数据中心，他们通常具有稳定的忠实用户，如果服务商的整体服务质量稳定，则其用户短期内不会转移到其他网络服务提供商。此外，根据大多数云平台的机制，通常会将托管缓存服务实例的VM分配一定数量的带宽资源，以保证往返于VM的数据传输速率。

(1.2)获取网络信息

获取当前网络状态和请求队列，假设CL_i表示CL中的一个委员，CL_j表示DC 中的一个数据中心，E表示微云和数据中心间互联的所有链接，那么e表示E中的一条链接。每一个微云CL_i都有有限的计算资源来实现各种服务和应用程序，设C(CL_i)和B(CL_i)分别表示每个微云的计算能力和带宽能力。

(2)多用户服务缓存建模子系统的具体处理过程如下：

(2.1)每个网络服务提供商sp_l都拥有一个服务，由s_l表示，并部署在远程数据中心中；

(2.2)提取用户发出的服务请求；

(2.3)如果网络服务提供商将s_l的实例缓存到微云中，则s_l的用户请求将被重定向到对应微云中缓存的服务实例。否则，将由数据中心的原始服务实例继续满足其用户请求。

(2.4)微云中的缓存服务实例可能会被破坏，则其占用的资源将被释放回系统。但是，未来的服务可能需要由其缓存服务实例处理的数据，因此，被s_l的缓存服务实例处理的用户数据必须转发到远程云中的原始服务实例。

(3)成本需求建模子系统

对于服务提供商而言，会产生各种资源使用成本，具体来说，如果一个微云缓存多个服务实例，则缓存的实例共同承担所花费的开销。

为服务s_l使用微云中的计算资源的单位成本，因此服务s_l在微云中使用的计算资源总成本为

其中

代表被分配到微云中的一个VM的计算资源量。

带宽资源被用来作为微云间的数据传输，令

表示服务s_l使用微云中的带宽资源的单位成本，因此，带宽资源使用总成本为

其中

表示被分配到微云中的一个VM的带宽资源量。

为了清晰起见，不与他人共享VM的网络服务提供商的成本被称为sp_l的默认成本，用c_l,i表示服务s_l在微云CL_i的VM中缓存实例的默认成本。即

(4)延迟及收益需求建模子系统

(4.1)如果将服务缓存到微云中，用户的延迟可以显著缩短，因为微云的位置离用户很近。设

和d_l,i分别表示用户在数据中心的实例和在微云中的缓存实例中所经历的平均延迟，考虑到数据中心位于远程地区，则对于每个微云及服务来说，

远大于d_l,i。

(4.2)考虑到过长的延迟可能会导致成本损失，因此请求服务所经历的延迟决定了其网络服务提供商sp_l的效用。设u_l为承担默认成本的服务提供商的默认效用(即用来缓存服务的虚拟机不与其他服务提供商共享)，可将其表示为：

其中v_l是服务提供商的私有值。

(5)非资源共享的近似算法实现子系统，

(5.1)令x_l,i为一个二进制变量，表示网络服务提供商sp_l的服务s_l是否缓存在微云中。其中|CL(S_i)|表示每个服务s_l可以缓存到的微云集合。然后将本发明的问题表述为ILP，如下所示：

ILP:

约束为:

x_li∈{0,1}

其中，约束1表示每个服务s_l必须缓存到微云中，约束2保证不违反每个微云的容量，即最多可以将M个网络服务提供商分配给单个微云。

(5.2)将整数线性规划转换为松弛型LP：0≤x_li≤1，LP的最优解可以在多项式时间内获得。但是，由于x_li的分数值，对于原始问题可能不是可行的解决方案。为了使该解可行，需要利用随机舍入技术将分数解舍入为整数解。使用x_li表示将服务s_l分配给微云的i.i.d事件，并以

的概率将服务s_l分配给微云。

(5.3)设计ApproRR算法，将网络状态、服务提供商及每个服务提供商需要在微云中缓存服务作为输入，输出每一个网络服务提供商的缓存决策。

(6)分布式联盟形成博弈子系统

(6.1)假设服务提供商是代理，将其服务缓存在单个微云中的服务提供商被视为一个联盟，因此，他们将通过付费来分担使用微云的计算资源和带宽资源的成本。在考虑有限制条件的联盟下，设K为每个联盟的容量，指定可以组成联盟的服务提供商的最大数量。

(6.2)用g_i表示微云CL_i中的一个联盟，p_l(g_i)表示其服务提供商sp_l留在联盟g_i而必须支付的费用，通过与其他网络服务提供商无条件协作而获得的收入称为合作效用，表示为

(6.3)通过共享其VM与其他服务提供商进行合作而获得的服务提供商sp_l的效用定义为其合作效用与默认效用之间的差异。假设可以在微云中最大化sp_l的默认效用，用u_l(g_i)表示网络服务提供商sp_l通过停留在g_i联盟中而获得的效用，可以将其表示为

(6.4)考虑到每个sp_l都有一个默认效用，其不与他人共享的资源使用成本为c_l,i'，d_l,i'为与c_l,i'对应的在微云端体验的平均延迟。如果可以进一步改善其效用，则可以选择与其他人共享。这意味着(p_l(g_i)-v_l·d_l,i'+v_l·d_l,i)可以最小化，称此成本为合作成本，用

表示，定义为

(6.5)考虑一种分布式机制，该机制允许网络服务提供商根据其自身的价值和信息来决定要加入的联盟。具体来说，每个服务提供商仅根据其收入是否恶化做出决策，如果是，则网络服务提供商将不会加入联盟，同时，联盟能决定是否网络服务提供商被允许加入。

(6.6)提出一种定价方法，以确保存在稳定的联盟结构。具体而言，假设由于微云中的资源使用而导致的网络服务提供商sp_l的支付与其默认成本成正比； sp_l'指当前联盟中已缓存服务的服务提供商。p_l(g_i)是服务提供商sp_l的支付，如果它停留在微云的联盟g_i中，则

其中c(g_i)为在微云中使用资源的成本，定义为

(6.7)设计Coalition算法，该算法的基本原理遵循为稳定匹配问题设计的递延接受算法。该算法迭代地为微云形成稳定的联盟结构。最初，每个微云都具有一个联盟，然后每个网络服务提供商从联盟集合中确定最可取的联盟，并向联盟发送“加入请求”。每个网络服务提供商通常都会选择一个可与联盟中其他现有网络服务提供商合作以达到最高效用的联盟。随后，联盟的代理响应每个网络服务提供商的加入请求。具体而言，它首先通过允许网络服务提供商来检查是否会破坏联盟的容量。如果没有，它将选择一个可以实现最低社会成本的网络服务提供商。所选的网络服务提供商被视为对联盟的“预分配”，在随后的迭代中，尚未预先分配给任何联盟的网络服务提供商将继续向尚未考虑他们的联盟发送加入请求。如果有更好的选择，则每个联盟的代理可以与先前迭代中预先分配给他的网络服务提供商分手。联盟加入过程继续执行，直到所有网络服务提供商已预先分配给联盟为止。然后，每个联盟的网络服务提供商为停留在联盟中支付p_l(g_i)，然后将其服务缓存在微云中。

(7)性能评估子系统

(7.1)设置环境参数，考虑一个包括10到200个网络节点不等的两层云网络，其中每个网络拓扑都使用GT-ITM生成。在这些网络中，微云在网络节点中所占的比例设为0.7，网络中剩余节点为数据中心节点。其中每个微云的计算能力在8,000到16,000Mhz之间，带宽资源在100Mbps到1000Mbps之间变化。每个微云中都包含多个虚拟机,虚拟机的数量由微云所能承受的虚拟机的计算能力决定。每个虚拟机的计算能力是从[4000,8000]MHz随机抽取的。每个虚拟机的带宽容量从[10Mbps,100Mbps]的范围中提取。在微云中使用单位数量的计算资源和带宽资源的成本被设置在[$0.15，$0.22]和[$0.05，$0.12]之间。用户到微云中请求缓存的服务所经历的平均延迟值在10ms到50ms之间，到数据中心所经历的平均延迟值在50ms到100ms之间。

(7.2)将本发明提出的ApproRR算法、Coalition算法与现有的非合作算法和随机算法进行比较，分别以成本，延迟和运行时间作为评估指标，验证本发明提出的算法性能。

(8)应用系统

本发明提出的ApproRR算法和Coalition算法适用于网络中，为网络服务提供商带来更低的成本，降低用户端经历的平均延迟，保证用户的服务质量，并且可以很容易地扩展到移动边缘网络中更复杂的场景。

Claims

1.一种在移动边缘网络中的分布式服务缓存方法，其特征在于，步骤如下：

(1)网络信息获取子系统具体运行过程如下：

(1.1)定义网络模型

构建一个双层云网络，定义为G(CL∪DC,E)，双层云网络不仅包括部署在用户附近的微云，还包括部署在远程地区的拥有大量计算资源的功能强大的数据中心；双层云网络中包括一定数量的服务提供商，其提供的服务部署在远程数据中心，他们具有稳定的忠实用户，如果服务提供商的整体服务质量稳定，则其用户短期内不会转移到其他网络服务提供商；此外，根据大多数云平台的机制，将托管缓存服务实例的VM分配一定数量的带宽资源，以保证往返于VM的数据传输速率；

(1.2)获取网络信息

获取当前网络状态和请求队列，假设CL_i表示微云CL中的一个委员，CL_j表示DC中的一个数据中心，E表示微云和数据中心间互联的所有链接，那么e表示E中的一条链接；每一个微云CL_i都有有限的计算资源来实现各种服务和应用程序，设C(CL_i)和B(CL_i)分别表示每个微云的计算能力和带宽能力；

(2)多用户服务缓存建模子系统的具体处理过程如下：

(2.2)提取用户发出的服务请求；

(2.3)如果网络服务提供商将s_l的实例缓存到微云中，则s_l的用户请求将被重定向到对应微云中缓存的服务实例；否则，将由远程数据中心的原始服务实例继续满足其用户请求；

(2.4)微云中的缓存服务实例可能会被破坏，则其占用的资源将被释放回系统；但未来的服务可能需要由其缓存服务实例处理的数据，因此，被s_l的缓存服务实例处理的用户数据必须转发到远程云中的原始服务实例；

(3)成本需求建模子系统

对于服务提供商而言，会产生各种资源使用成本，具体来说，如果一个微云缓存多个服务实例，则缓存的服务实例共同承担所花费的开销；

其中

代表被分配到微云中的一个VM的计算资源量；

带宽资源被用来作为微云间的数据传输，令

其中

表示被分配到微云中的一个VM的带宽资源量；

为了清晰起见，不与他人共享VM的网络服务提供商的成本被称为sp_l的默认成本，用c_l,i表示服务s_l在微云CL_i的VM中缓存实例的默认成本；即

(4)延迟及收益需求建模子系统

(4.1)如果将服务缓存到微云中，用户的延迟可显著缩短，因为微云的位置离用户很近；设

远大于d_l,i；

(4.2)考虑到过长的延迟可能会导致成本损失，因此请求服务所经历的延迟决定了其网络服务提供商sp_l的效用；设u_l为承担默认成本的服务提供商的默认效用，即用来缓存服务的虚拟机不与其他服务提供商共享，将其表示为：

其中，v_l是服务提供商的私有值；

(5)非资源共享的近似算法实现子系统

(5.1)令x_l,i为一个二进制变量，表示网络服务提供商sp_l的服务s_l是否缓存在微云中，其中|CL(S_i)|表示每个服务s_l缓存到的微云集合；然后将本方法的问题表述为ILP，如下所示：

ILP：

约束为：

约束1

x_li∈{0,1}约束2

其中，约束1表示每个服务s_l必须缓存到微云中，约束2保证不违反每个微云的容量，即最多可将M个网络服务提供商分配给单个微云；

(5.2)将整数线性规划转换为松弛型LP：0≤x_li≤1，LP的最优解可在多项式时间内获得；但是，由于x_li的分数值，对于原始问题可能不是可行的解决方案；为了使该解可行，需要利用随机舍入方法将分数解舍入为整数解；使用x_li表示将服务s_l分配给微云的i.i.d事件，并以

的概率将服务s_l分配给微云；

(5.3)设计ApproRR算法，将网络状态、服务提供商及每个服务提供商需要在微云中缓存服务作为输入，输出每一个网络服务提供商的缓存决策；

(6)分布式联盟形成博弈子系统

(6.1)假设服务提供商是代理，将其服务缓存在单个微云中的服务提供商被视为一个联盟，因此，他们将通过付费来分担使用微云的计算资源和带宽资源的成本；在考虑有限制条件的联盟下，设K为每个联盟的容量，指定可组成联盟的服务提供商的最大数量；

(6.3)通过共享其VM与其他服务提供商进行合作而获得的服务提供商sp_l的效用定义为其合作效用与默认效用之间的差异；假设可在微云中最大化sp_l的默认效用，用u_l(g_i)表示网络服务提供商sp_l通过停留在g_i联盟中而获得的效用，将其表示为：

(6.4)考虑到每个sp_l都有一个默认效用，其不与他人共享的资源使用成本为c_l,i'，d_l,i'为与c_l,i'对应的在微云端体验的平均延迟；如果可进一步改善其效用，则选择与其他人共享；这意味着(p_l(g_i)-v_l·d_l,i'+v_l·d_l,i)可最小化，称此成本为合作成本，用

表示，定义为

(6.5)考虑一种分布式机制，该机制允许网络服务提供商根据其自身的价值和信息来决定要加入的联盟；具体来说，每个服务提供商仅根据其收入是否恶化做出决策，如果是，则网络服务提供商将不会加入联盟，同时，联盟能决定是否网络服务提供商被允许加入；

(6.6)提出一种定价方法，以确保存在稳定的联盟结构；假设由于微云中的资源使用而导致的网络服务提供商sp_l的支付与其默认成本成正比；sp_l'指当前联盟中已缓存服务的服务提供商；p_l(g_i)是服务提供商sp_l的支付，如果它停留在微云的联盟g_i中，则

其中c(g_i)为在微云中使用资源的成本，定义为

(6.7)设计Coalition算法，该算法的基本原理遵循为稳定匹配问题设计的递延接受算法；该算法迭代地为微云形成稳定的联盟结构；最初，每个微云都具有一个联盟，然后每个网络服务提供商从联盟集合中确定最可取的联盟，并向联盟发送“加入请求”；每个网络服务提供商都会选择一个可与联盟中其他现有网络服务提供商合作，以达到最高效用的联盟；随后，联盟的代理响应每个网络服务提供商的加入请求；具体而言，它首先通过允许网络服务提供商来检查是否会破坏联盟的容量；如果没有，它将选择一个可实现最低社会成本的网络服务提供商；所选的网络服务提供商被视为对联盟的“预分配”，在随后的迭代中，尚未预先分配给任何联盟的网络服务提供商将继续向尚未考虑他们的联盟发送加入请求；如果有更好的选择，则每个联盟的代理可与先前迭代中预先分配给他的网络服务提供商分手；联盟加入过程继续执行，直到所有网络服务提供商已预先分配给联盟为止；然后，每个联盟的网络服务提供商为停留在联盟中支付p_l(g_i)，然后将其服务缓存在微云中；

(7)性能评估子系统

设置环境参数，考虑一个包括10到200个网络节点不等的两层云网络，其中每个网络拓扑都使用GT-ITM生成；在这些网络中，微云在网络节点中所占的比例设为0.7，网络中剩余节点为数据中心节点；其中每个微云的计算能力在8,000到16,000Mhz之间，带宽资源在100Mbps到1000Mbps之间变化；每个微云中都包含多个虚拟机，虚拟机的数量由微云所能承受的虚拟机的计算能力决定；每个虚拟机的计算能力是从[4000,8000]MHz随机抽取的；每个虚拟机的带宽容量从[10Mbps,100Mbps]的范围中提取；在微云中使用单位数量的计算资源和带宽资源的成本被设置在[$0.15，$0.22]和[$0.05，$0.12]之间；用户到微云中请求缓存的服务所经历的平均延迟值在10ms到50ms之间，到数据中心所经历的平均延迟值在50ms到100ms之间。