CN110971707B - 一种在移动边缘网络中的分布式服务缓存方法 - Google Patents

一种在移动边缘网络中的分布式服务缓存方法 Download PDF

Info

Publication number
CN110971707B
CN110971707B CN201911300742.5A CN201911300742A CN110971707B CN 110971707 B CN110971707 B CN 110971707B CN 201911300742 A CN201911300742 A CN 201911300742A CN 110971707 B CN110971707 B CN 110971707B
Authority
CN
China
Prior art keywords
service
network
federation
service provider
cloud
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
CN201911300742.5A
Other languages
English (en)
Other versions
CN110971707A (zh
Inventor
夏秋粉
周丽贞
徐子川
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.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201911300742.5A priority Critical patent/CN110971707B/zh
Publication of CN110971707A publication Critical patent/CN110971707A/zh
Application granted granted Critical
Publication of CN110971707B publication Critical patent/CN110971707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/56Provisioning of proxy services
    • H04L67/568Storing data temporarily at an intermediate stage, e.g. caching
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/142Network analysis or design using statistical or mathematical methods
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/145Network analysis or design involving simulating, designing, planning or modelling of a network
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • H04L67/1097Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Information Transfer Between Computers (AREA)

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sl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sl的候选位置的集合。 然后,对于每个sl,可以找到从sl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sl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sl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sl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。
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CLi表示CL中的一个委员,CLj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CLi都有有限的计算资源来实现各种服务和应用程序, 设C(CLi)和B(CLi)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spl都拥有一个服务,由sl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sl的实例缓存到微云中,则sl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sl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。
Figure BDA0002321723330000051
为服务sl使用 微云中的计算资源的单位成本,因此服务sl在微云中使用的计算资源总成本为
Figure BDA0002321723330000052
其中
Figure BDA0002321723330000053
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
Figure BDA0002321723330000054
表示服务sl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
Figure BDA0002321723330000061
其中
Figure BDA0002321723330000062
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spl的默 认成本,用cl,i表示服务sl在微云CLi的VM中缓存实例的默认成本。即
Figure BDA0002321723330000063
(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
Figure BDA0002321723330000064
和dl,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,
Figure BDA0002321723330000065
远大于dl,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spl的效用。设ul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:
Figure BDA0002321723330000066
其中vl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xl,i为一个二进制变量,表示网络服务提供商spl的服务sl是否缓存 在微云中。其中|CL(Si)|表示每个服务sl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:
Figure BDA0002321723330000067
约束为:
Figure BDA0002321723330000068
Figure BDA0002321723330000069
xli∈{0,1}
其中,约束1表示每个服务sl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≤xli≤1,LP的最优解可以在多 项式时间内获得。但是,由于xli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xli表示将服务sl分配给微云的i.i.d事件,并以
Figure BDA0002321723330000071
的概率将服务sl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gi表示微云CLi中的一个联盟,pl(gi)表示其服务提供商spl留在联 盟gi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
Figure BDA0002321723330000072
(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spl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spl的默认效用,用ul(gi)表示网络服务提供商spl通过停留在gi联盟中而获得的效用, 可以将其表示为
Figure BDA0002321723330000073
(6.4)考虑到每个spl都有一个默认效用,其不与他人共享的资源使用成本 为cl,i',dl,i'为与cl,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(pl(gi)-vl·dl,i'+vl·dl,i)可以最小化,称此成 本为合作成本,用
Figure BDA0002321723330000081
表示,定义为
Figure BDA0002321723330000082
(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spl的支付与其默认成本成正比; spl'指当前联盟中已缓存服务的服务提供商。pl(gi)是服务提供商spl的支付,如 果它停留在微云的联盟gi中,则
Figure BDA0002321723330000083
其中c(gi)为在微云中使 用资源的成本,定义为
Figure BDA0002321723330000084
(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pl(gi),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)

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CLi表示微云CL中的一个委员,CLj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CLi都有有限的计算资源来实现各种服务和应用程序,设C(CLi)和B(CLi)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spl都拥有一个服务,由sl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sl的实例缓存到微云中,则sl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sl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;
Figure FDA0002321723320000021
为服务sl使用微云中的计算资源的单位成本,因此服务sl在微云中使用的计算资源总成本为
Figure FDA0002321723320000022
其中
Figure FDA0002321723320000023
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
Figure FDA0002321723320000024
表示服务sl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
Figure FDA0002321723320000025
其中
Figure FDA0002321723320000026
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spl的默认成本,用cl,i表示服务sl在微云CLi的VM中缓存实例的默认成本;即
Figure FDA0002321723320000027
(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
Figure FDA0002321723320000028
和dl,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,
Figure FDA0002321723320000029
远大于dl,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spl的效用;设ul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:
Figure FDA00023217233200000210
其中,vl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xl,i为一个二进制变量,表示网络服务提供商spl的服务sl是否缓存在微云中,其中|CL(Si)|表示每个服务sl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:
Figure FDA0002321723320000031
约束为:
Figure FDA0002321723320000032
Figure FDA0002321723320000033
约束1
xli∈{0,1}约束2
其中,约束1表示每个服务sl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≤xli≤1,LP的最优解可在多项式时间内获得;但是,由于xli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xli表示将服务sl分配给微云的i.i.d事件,并以
Figure FDA0002321723320000034
的概率将服务sl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;
(6.2)用gi表示微云CLi中的一个联盟,pl(gi)表示其服务提供商spl留在联盟gi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
Figure FDA0002321723320000041
(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spl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spl的默认效用,用ul(gi)表示网络服务提供商spl通过停留在gi联盟中而获得的效用,将其表示为:
Figure FDA0002321723320000042
(6.4)考虑到每个spl都有一个默认效用,其不与他人共享的资源使用成本为cl,i',dl,i'为与cl,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(pl(gi)-vl·dl,i'+vl·dl,i)可最小化,称此成本为合作成本,用
Figure FDA0002321723320000043
表示,定义为
Figure FDA0002321723320000044
(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spl的支付与其默认成本成正比;spl'指当前联盟中已缓存服务的服务提供商;pl(gi)是服务提供商spl的支付,如果它停留在微云的联盟gi中,则
Figure FDA0002321723320000045
其中c(gi)为在微云中使用资源的成本,定义为
Figure FDA0002321723320000046
(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pl(gi),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。
CN201911300742.5A 2019-12-17 2019-12-17 一种在移动边缘网络中的分布式服务缓存方法 Active CN110971707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911300742.5A CN110971707B (zh) 2019-12-17 2019-12-17 一种在移动边缘网络中的分布式服务缓存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911300742.5A CN110971707B (zh) 2019-12-17 2019-12-17 一种在移动边缘网络中的分布式服务缓存方法

Publications (2)

Publication Number Publication Date
CN110971707A CN110971707A (zh) 2020-04-07
CN110971707B true CN110971707B (zh) 2021-07-16

Family

ID=70034664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911300742.5A Active CN110971707B (zh) 2019-12-17 2019-12-17 一种在移动边缘网络中的分布式服务缓存方法

Country Status (1)

Country Link
CN (1) CN110971707B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111522666B (zh) * 2020-04-27 2022-09-23 西安工业大学 一种云机器人边缘计算卸载模型及其卸载方法
CN113037876B (zh) * 2021-05-25 2021-08-24 中国人民解放军国防科技大学 基于合作博弈的云下行任务边缘节点资源分配方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109889576A (zh) * 2019-01-18 2019-06-14 天津大学 一种基于博弈论的移动云游戏资源优化方法
CN110072288A (zh) * 2019-04-08 2019-07-30 东南大学 一种雾无线接入网中基于博弈论的边缘缓存资源配置方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8612550B2 (en) * 2011-02-07 2013-12-17 Microsoft Corporation Proxy-based cache content distribution and affinity
SG10201800991VA (en) * 2018-02-05 2019-09-27 Voxp Pte Ltd System, method and device for provision and management of web resource
CN109788074A (zh) * 2018-03-19 2019-05-21 南京邮电大学 一种边缘智能服务系统
CN110084415A (zh) * 2019-04-19 2019-08-02 苏州尚能物联网科技有限公司 一种基于边云协同混合建模策略的建筑能耗预测系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109889576A (zh) * 2019-01-18 2019-06-14 天津大学 一种基于博弈论的移动云游戏资源优化方法
CN110072288A (zh) * 2019-04-08 2019-07-30 东南大学 一种雾无线接入网中基于博弈论的边缘缓存资源配置方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于博弈论的网格资源调度算法的研究;夏秋粉;《中国优秀硕士学位论文全文数据库 基础科学辑》;20120515;全文 *

Also Published As

Publication number Publication date
CN110971707A (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
Xu et al. Collaborate or separate? Distributed service caching in mobile edge clouds
Mebrek et al. Efficient green solution for a balanced energy consumption and delay in the IoT-Fog-Cloud computing
Ndikumana et al. Collaborative cache allocation and computation offloading in mobile edge computing
Balazinska et al. Contract-Based Load Management in Federated Distributed Systems.
Cui et al. A blockchain-based containerized edge computing platform for the internet of vehicles
CN101938508B (zh) 对等网络流媒体直播系统中延时减小的方法和系统
Sun et al. Contract-based resource sharing for time effective task scheduling in fog-cloud environment
CN104023277B (zh) 视频流在p2p覆盖网络中基于纳什议价解的带宽分配方法
CN110971707B (zh) 一种在移动边缘网络中的分布式服务缓存方法
CN112650581A (zh) 一种面向智能楼宇的云边协同任务调度方法
CN113784373A (zh) 云边协同网络中时延和频谱占用联合优化方法及系统
Khan et al. Information-centric fog network for incentivized collaborative caching in the Internet of everything
Chmaj et al. A P2P computing system for overlay networks
Li et al. Load balancing edge server placement method with QoS requirements in wireless metropolitan area networks
CN113992677A (zh) 一种延迟与能耗联合优化的mec计算卸载方法
CN115022894A (zh) 一种低轨卫星网络的任务卸载与计算资源分配方法及系统
Xu et al. Near-optimal and collaborative service caching in mobile edge clouds
CN113938394B (zh) 监控业务带宽分配方法、装置、电子设备及存储介质
CN103581329A (zh) 基于分簇的对等网络流媒体直播系统拓扑结构的构建方法
Happ et al. On the impact of clustering for IoT analytics and message broker placement across cloud and edge
Li et al. iDaaS: Inter-datacenter network as a service
Bai et al. Deep reinforcement learning for joint offloading and resource allocation in fog computing
WO2023116460A1 (zh) 移动边缘计算环境下多用户多任务计算卸载方法及系统
Eger et al. Bandwidth trading in unstructured P2P content distribution networks
CN111148252A (zh) 基于拍卖的lte电力无线专网资源分配方法

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