CN111090522B - 一种移动边缘计算环境下服务部署与迁移的调度系统及决策方法 - Google Patents
一种移动边缘计算环境下服务部署与迁移的调度系统及决策方法 Download PDFInfo
- Publication number
- CN111090522B CN111090522B CN201911280526.9A CN201911280526A CN111090522B CN 111090522 B CN111090522 B CN 111090522B CN 201911280526 A CN201911280526 A CN 201911280526A CN 111090522 B CN111090522 B CN 111090522B
- Authority
- CN
- China
- Prior art keywords
- service
- matrix
- deployment
- edge computing
- mobile 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种移动边缘计算环境下服务部署与迁移的调度系统及决策方法。方法以用户移动越区的服务质量保障为目标,对用户服务请求进行服务调度的决策计算,生成服务部署与迁移的优化方案。服务部署与迁移方案表示为部署矩阵,决策计算对数量预定义的多个部署矩阵进行迭代优化,优化目标包括用户至服务的信号传播延时、资源占用比率和服务的迁移时间,优化步骤包括矩阵评分、按分值加权随机选取重构、矩阵间按行交叉和单一矩阵阵元位移,并对结果进行约束检验。决策计算的完成条件是迭代次数达到预定值,或者检验不满足约束的连续迭代次数达到预定值。本发明为移动边缘计算的用户越区提供一种高效的服务调度方法。
Description
技术领域
本发明属于移动边缘计算技术领域,具体涉及一种移动边缘计算环境下服务部署与迁移的调度系统及决策方法。
背景技术
移动边缘计算技术将计算能力外推或下沉到移动蜂窝通信网的接入边缘,方便其与云计算服务的深度融合,最大限度地减少交付业务的端到端传输时延,提升用户体验质量。移动边缘计算的基本特点包括服务本地化、传输距离短及业务交付时延较低等特点,同时能为业务提供用户位置感知及其他网络能力,可以极大地提高资源利用效率。(具体见文献M.Patel,B.Naughton,C.Chan.Mobile-Edge Computing Introductory TechnicalWhite Paper[R].Mobile-edge Computing Industry Initiative,2014.)
移动边缘计算中分布在多个区域的平台的调度以及服务部署问题一直是难题。具体体现在发生用户对服务的请求状态不停发生变化的情况时,合理部署服务的位置,有效的利用现有资源,保证提供给用户最好的服务质量,是一直需要解决的问题。(具体见文献S.Kekki.Mobile Edge Computing:framework and reference architecture[R].ETSIMEC ISG,Tech.Rep.,2016)
IvanFarris等人从技术实现层面出发,利用基于容器的虚拟化技术来支持服务的动态迁移,从而满足用户不停移动的情况下的服务需求。该文所提方案对发生服务请求变化时,并未给出通过具体方法实现资源的调度和服务任务的部署的方法。(具体见文献I.Farris,T.Taleb,A.Iera,H.Flinck.Lightweight Service Replication for Ultra-Short Latency Applications in Mobile Edge Networks.2017 ICC)
相关专利一种移动边缘计算下的自适应计算迁移方法中,该专利设计出是一个自适应计算的迁移框架,根据设备上下文自动确定迁移方案,找到应用程序每个类的最佳部署位置的系统。该方案以系统框架设计为主,在具体调度决策的算法上并未给出具体的实现方法。(具体见专利陈星,一种移动边缘计算下的自适应计算迁移方法,110012021[P],2019.07.12)
在移动边缘计算环境下,用户的服务的请求状态会跟随用户的移动以及系统实时负载情况变化,对应的服务质量也会随之发生变化。借鉴传统移动通信中用户越区切换时切换会话的方式来保持通信的方案对服务进行迁移,单纯将用户请求的服务从原位置迁移到需求位置的方案,已经不足以满足移动边缘计算系统状态的变化性以及用户区域的移动性。为了更好的对服务部署位置进行分配,提供最好的服务质量,需要使用在移动边缘计算环境下能够解决用户越区时的服务迁移的快速资源调度方法。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,提供一种移动边缘计算环境下服务部署与迁移的调度系统及决策方法,该方法可以在用户请求的实时变化和系统负载状态多变的场景下,以用户至服务的信号传输延时、服务的迁移时间和资源占用比率作为优化指标,对服务部署位置进行多轮迭代优化,保障服务质量。
本发明提供一种移动边缘计算环境下用户越区时服务部署与迁移的调度系统,包括服务请求处理模块和快速调度计算模块,所述服务请求处理模块收集和汇总各个移动边缘计算节点获取的用户服务请求,生成全局服务请求信息,并根据调度节点上的全局用户服务列表,判断用户是否发生越区;所述快速调度计算模块用于根据全局服务请求信息进行快速调度决策计算,生成服务部署与迁移的优化方案。
本发明还提供一种移动边缘计算环境下服务部署与迁移的决策方法,包括如下步骤,
步骤S1、系统初始化全局信息,生成全局用户服务列表;
步骤S2、调度节点收集汇总系统内各个移动边缘计算节点获取的用户服务请求,生成全局用户服务请求信息,并根据调度平台内的用户服务列表,对全局用户服务请求信息进行用户越区判断;
步骤S3、遍历全局服务请求信息,检查是否发生用户越区,若不是,则无需进行服务部署位置变动,结束当前处理流程,若是,则接收全局用户服务请求信息,并根据用户至服务的信号传输延时、服务的迁移时间和资源占用比三项目标进行快速调度计算,生成全局服务部署优化方案;
步骤S4、对比计算出的全局最优的服务部署位置和初始化获取的全局服务部署位置,判断当前发生越区行为的用户所请求的服务部署位置是否发生变动,若没有,则向系统返回用户发生越区行为,但服务位置不发生变化信息,并结束当前处理流程;若有,则调度节点更新全局用户服务列表,对需要调整的移动边缘计算节点上的服务进行调度。
作为本发明的进一步技术方案,步骤S3中快速调度计算方法的具体步骤为:
步骤S31、算法进行参数初始化,用户输入服务迭代次数Steps、部署矩阵集中矩阵数量N,N≥2,矩阵间按行交叉的概率EC,0<EC≤1、单一矩阵阵元位移的概Eλ,0<Eλ≤0.1、服务位移次数v,1≤v≤M,和评分加权系数o,0<o≤1,调度平台获取移动边缘计算节点数目M,M≥1、向用户提供的服务数量K,K≥1、用户服务处理请求模块生成的全局服务请求矩阵R和系统当前实际服务部署矩阵P0,设定当前迭代次数c1=0,约束条件检查次数c2=0;
步骤S32、首先生成M*K的全零矩阵P0,从第1行开始对全零矩阵P0逐行处理,每当在处理第m行时,生成一个均匀分布于[0,K]上的随机整数Z,当Z=0时,则该列不进行处理,否则对矩阵P0进行赋值ρmz=1;按照这样的步骤对全零矩阵P0共处理M行后,而生成初始化部署矩阵Pi,Pi=(pmk)M×K,i∈{1,2,…,N},pmk∈{0,1};按照上述生成初始化部署矩阵Pi的操作执行N次,最终生成N个M*K的服务部署初始化矩阵Pi,产生长度为N的初始化服务部署矩阵集;P={P1,P2,…,PN};
步骤S33、选取生成的服务部署矩阵集P中的每一个矩阵Pi,i∈{1,2,…,N},分别结合全局服务请求矩阵R、链路传输距离信息计算矩阵Pi对应的全局用户至服务的平均信号传输延时di;
步骤S34、选取服务部署矩阵集P中的每一个矩阵Pi,i∈{1,2,…,N},分别结合系统当前实际服务部署矩阵P0、链路带宽信息计算和发生迁移的服务的资源量计算出矩阵Pi对应的全局平均服务迁移时间ti;
步骤S35、选取服务部署矩阵集P中的每一个矩阵Pi,i∈{1,2,…,N},分别结合系统拥有资源量和服务需求资源量计算出全局资源占用率li;
步骤S36、依据获取的部署矩阵Pi的全局平均信号传输延时di、全局平均服务迁移时间ti和全局资源占用率li,计算该部署矩阵Pi的矩阵评分Si,dmin为服务部署矩阵集P中矩阵计算出的最小全局平均信号传输延时,tmin为服务部署矩阵集P中矩阵计算出的最小全局平均服务迁移时间,lmin为服务部署矩阵集P中矩阵计算出的最小全局资源占用率。最终生成矩阵集P对应的加权评分集S={S1,S2,…,SN};
步骤S37、判断当前迭代次数c1是否大于等于用户输入的次数steps,若c1大于等于steps,则执行步骤S315,若cl小于steps,则执行步骤S38;
步骤S38、依据矩阵评分Si对部署矩阵集P进行按分值加权随机选取重构,生成重构后的部署矩阵集Ps;
步骤S39、对重构后的部署矩阵集Ps中的矩阵进行矩阵间按行交叉,发生矩阵交叉的概率为Ec,由矩阵交叉生成部署矩阵集Pc;
步骤S310、对矩阵交叉后的部署矩阵集Pc中的矩阵进行单一矩阵阵元位移,阵元位移的概率为Em;单一矩阵阵元位移方法为:已知服务数量K和移动边缘计算节点数量M,生成均匀分布于区间(0,K]上的随机整数L,若该矩阵的则不进行处理;否则对于该矩阵第L列中/>中的pmL=1时,计算位移后位置m′,若m+v>M,则m′=m+v,否则m′=m+v-M,进行阵元位移pm′L=1,pmL=0;最终生成单一矩阵阵元位移的部署矩阵集Pm;
步骤S311、对步骤S310生成的服务部署矩阵集进行约束条件检查Pm,判断是否满足约束条件,如果满足约束条件,则执行步骤S312;如果不满足约束条件,则执行步骤S313;
步骤S312、部署矩阵集P=Pm,当前迭代次数c1=c1+1,约束条件检查次数c2=0。
步骤S313、当前约束条件检查次数c2=c2+1;
步骤S314、判断当前迭代次数c2是否大于等于用户输入的次数steps,若c2大于等于steps/2,则执行步骤S315;否则执行步骤S38;
步骤S315、依照矩阵评分Si对多次迭代计算后生成的服务部署矩阵集P进行排序,选择出矩阵评分最高的服务部署矩阵作为最终结果;
步骤S316、结束快速调度决策算法。
更进一步的,系统内共有M个边缘计算节点,并提供了K个服务供用户使用,所有服务位置部署信息为M*K的部署矩阵P,即,
则需要迁移的服务数量为:
系统内第m个移动边缘计算节点所拥有的CPU数量为内存数量为/>硬盘数量为/>系统内提供的第k个服务需要的CPU数量/>内存数量/>硬盘数量/>则整个系统需要保证每个移动边缘计算节点提供给服务的资源数量小于等于移动边缘计算节点拥有的资源数量;
系统资源量的约束条件为:
移动边缘计算节点m和移动边缘计算节点m′之间的传输距离为d(m,m′),用D来表示系统内所有的移动边缘计算节点之间的传输距离d(m,m′)的集合;移动边缘计算节点m和移动边缘计算节点m′之间的传输带宽表示为b(m,m′),用B来表示系统内所有的移动边缘计算节点之间的链路带宽b(m,m′)的集合;
全局服务请求信息由用户服务请求信息处理模块生成,表示为M*K的矩阵R,矩阵中的元素rmk表示第m个区域的用户对第k个服务请求的数量;
若只考虑系统传输时延,不考虑移动边缘计算节点为当前服务范围内的用户提供服务的传输时延,那么系统内第m个移动边缘计算节点提供服务的用户与第m′个移动边缘计算节点的传输延迟时间表示为:
tmm′=α*d(m,m′);
其中α为时间延迟参数,α取0.5,则系统内第m个移动边缘计算节点服务范围内的用户向第k个服务的发出请求的延迟时间为:
lmk=min tmz (s.t.pzk=1);
第m个移动边缘计算节点服务的用户请求第k个服务,第k个服务部署在第z个移动边缘节点上,则lmk为请求传输路径中传输时延的最小值;从而计算出全局用户至服务的信号传输延时为:
此外系统内的第k个服务从第m个移动边缘计算节点迁移到第m′个移动边缘计算节点的时间为:
其中,β为服务迁移参数,0.000001≤β≤0.001,从而在约束条件下系统内的第k个服务进行迁移所需要的总迁移时间为:
系统内的第k个服务部署在第m个移动边缘计算节点上的资源占用比率为:
进一步的,步骤S33中,全局用户至服务的信号传输延时:
更进一步的,步骤S34中全局服务的迁移时间为:
更进一步的,步骤S35中的全局资源占用比率为:
更进一步的,步骤S38的具体步骤为,
步骤S381、参数初始化,服务部署矩阵集P及其矩阵评分集S,S和P中元素个数N,部署矩阵下标值为i=1,初始累计概率G0=0,执行次数n=0;
步骤S382、计算出服务部署矩阵集P对应的矩阵评分集S的评分总和
步骤S383:计算生成每个服务部署矩阵集Pi的矩阵评分占比以及评分的累计占比/>
步骤S384:生成一个均匀分布∪(0,1)上的随机数X;
步骤S385:判断Gi-1<X≤Gi,若是,则执行步骤S387,否则执行步骤S386;
步骤S386:计算i=i+1,再重新执行步骤S385;
步骤S387:将部署矩阵集P中对应服务部署矩阵集Pi加入重构后的矩阵集PS,并计算n=n+1,i=1;
步骤S388:判断n≥N,若是,则执行步骤S389,否则,执行步骤S384;
步骤S389:结束矩阵按分值加权随机选取重构,生成重构后的矩阵集Ps。
更进一步的,步骤S39的具体步骤为,
步骤S391、参数初始化,重构后的服务部署矩阵集PS、矩阵集PS中矩阵个数N、系统内服务数K和矩阵交叉概率Ec,初始化矩阵下标i=1;
步骤S392、生成一个均匀分布∪(0,1)上的随机数y,对应图5中的504;
步骤S393、判断y≥Ec,如果是,则执行步骤S394,否则执行步骤S396;
步骤S394、生成一个均匀分布∪(0,K)上的随机整数L;
步骤S395、交换重构后的服务部署矩阵集PS中的矩阵和/>的L~K行的元素;
步骤S396、将矩阵和/>加入矩阵交叉后的矩阵集Pc中,并计算i=i+2,;
步骤S397、判断i<N,若是则执行步骤S392,否则执行步骤S398;
步骤S398、判断i=N,若是则执行步骤S399,否则转向步骤S3910。
步骤S399、将矩阵加入矩阵交叉后的当前矩阵集Pc;
步骤S3910、结束算法,输出矩阵间按行交叉后的矩阵集Pc。
本发明的有益效果为:
以用户移动越区时的服务质量保证为目标,对用户服务请求进行高效服务调度的决策计算,生成服务部署与迁移的优化方案。该算法的优化对象为表示服务部署与迁移方案的部署矩阵;优化目标为用户至服务的信号传输延时、服务的迁移时间和资源占用比率三项指标依据矩阵评分公式计算出的归一化评分;优化步骤分别为按分值加权随机选取重构、矩阵间按行交叉和单一矩阵阵元位移,生成优化后的部署方案并对结果进行部署与资源的约束检验。该算法的完成条件是迭代次数达到预定值,或者检验不满足约束的连续迭代次数达到预定值。
附图说明
图1为本发明的系统应用场景图;
图2为本发明的方法流程示意图;
图3为本发明的方法中快速调度决策算法流程图;
图4为快速调度决策算法中涉及的矩阵按分值加权随机选取重构方法的处理流程图;
图5为快速调度决策算法中涉及的矩阵间按行交叉方法的处理流程图。
具体实施方式
请参阅图1,本实施例提供的移动边缘计算环境下用户越区时服务部署与迁移的调度系统由两部分组成,分别是服务调度节点SS和多个移动边缘计算节点M1、M2、M3。调度节点对应图1中的102,移动边缘计算节点对应图1中的104,服务调度节点SS负责管理移动边缘计算节点M1、M2、M3和服务的部署调度等工作。
移动边缘计算节点部署在独立的服务区域上,接收用户的服务请求,向所在服务区域内的用户直接提供服务。移动边缘计算节点的服务区域类似蜂窝状,每个区域内存在多个用户向系统发出服务请求,对应图1中的106里的C1、C2、C3。为了释放核心网络的负担并且减少网络延迟来保证用户的服务质量,系统内提供的服务会按照用户需求,将服务部署分配到合适的移动边缘计算节点上,让服务的接入点能够更加的接近用户,从而保障服务质量。移动边缘计算节点有独立的CPU、内存、存储和网络等资源,能够为用户提供各种类型服务。移动边缘计算节点的系统资源受成本和便捷性的影响有一定的限制,调度节点需要在计算服务部署位置时考虑系统负载、链路传输等因素,保障服务质量。
移动边缘计算节点的服务区域中的用户设备为可移动设备,用户的移动会发生所在服务区域的变化。当用户离开当前服务区域时,如果服务继续由当前移动边缘计算节点提供,其传输时延将会增加,系统将无法继续保证服务质量,此时系统需要对服务部署位置进行调整。调度节点对各个移动边缘计算节点收集、汇总的用户服务请求信息进行越区判断和快速调度计算,生成服务部署位置并对移动边缘计算节点进行调度。移动边缘计算节点对发生越区的用户所请求的服务进行迁移,由服务迁移后的服务部署的移动边缘计算节点继续处理用户的服务请求。
请参阅图2,本实施例系统的决策方法,具体步骤如下:
步骤1:系统初始化全局信息,包括全局服务部署位置,以及各个移动边缘计算节点服务的用户列表包括当前服务区域内的用户的具体信息,生成全局用户服务列表,对应图2中的202;
步骤2:调度节点收集、汇总系统内各个移动边缘计算节点获取的用户服务请求,生成全局用户服务请求信息,并根据调度平台内的用户服务列表,对全局用户服务请求信息进行用户越区(即用户离开用户服务列表中的服务部署区域)判断,对应图2的204;
步骤3:遍历全局服务请求信息,检查是否发生用户越区,对应图2中的206。如果没有发生越区,转向步骤4,对应图2中的208;如果发生越区,转向步骤5,对应图2中的210。
步骤4:由于用户没有发生越区行为,无需进行服务部署位置变动,向系统返回用户未越区信息,并结束当前处理流程,对应图2中的208。
步骤5:接收全局用户服务请求信息,并用户至服务的信号传输延时、服务的迁移时间和资源占用比率进行快速调度计算,生成全局服务部署优化方案,对应图2中的210。
步骤6:对比步骤5中计算出的全局最优的服务部署位置和初始化获取的全局服务部署位置,判断当前发生越区行为的用所请求的服务部署位置是否发生变动,对应图2中的212。如果服务部署位置没有发生变动,则转向步骤7,对应图2中的214;如果服务部署位置发生变动,则转向步骤8,对应图2中的216。
步骤7:向系统返回用户发生越区行为,但服务位置不发生变化的信息,并结束当前处理流程,,对应图2中的214。
步骤8:调度节点更新全局用户服务列表,对需要调整的移动边缘计算节点上的服务进行调度,对应图2中的216。
请参阅图3,对应图2步骤5中的快速调度计算方法。该调度算法利用全局用户服务请求信息结合系统内服务部署相关信息进行多轮调度决策计算,直到满足终止条件退出计算过程,从而计算获得优化后的服务部署方案,并进行约束检查。算法的具体计算步骤如下:
步骤1:算法进行参数初始化,用户输入服务迭代次数Steps、部署矩阵集中矩阵数量N,N≥2,矩阵间按行交叉的概率EC,0<EC≤1、单一矩阵阵元位移的概率Eλ,0<Eλ≤0.1、服务位移次数v,1≤v≤M,和评分加权系数o,0<o≤1,调度平台获取移动边缘计算节点数目M,M≥1、向用户提供的服务数量K,K≥1、用户服务处理请求模块生成的全局服务请求矩阵R和系统当前实际服务部署矩阵P0,设定当前迭代次数c1=0,约束条件检查次数c2=0,对应图3中的302。步骤2:首先生成M*K的全零矩阵P0,从第1行开始对全零矩阵P0逐行处理,每当在处理第m行时,生成一个均匀分布于[0,K]上的随机整数Z,当Z=0时,则该列不进行处理,否则对矩阵P0进行赋值pmz=1;按照这样的步骤对全零矩阵P0共处理M行后,而生成初始化部署矩阵Pi,
Pi=(pmk)M×K,i∈{1,2,…,N},pmk∈{0,1};按照上述生成初始化部署矩阵Pi的操作执行N次,最终生成N个M*K的服务部署初始化矩阵Pi,产生长度为N的初始化服务部署矩阵集;P={P1,P2,…,PN};
步骤3:选取步骤2生成的服务部署矩阵集P中的每一个矩阵Pi,i∈{1,2,…,N},分别结合图2中步骤2生成的全局服务请求矩阵R、链路传输距离信息计算矩阵Pi对应的全局用户至服务的平均信号传输延时di(详细计算公式见下文),对应图3中的306。
步骤4:选取服务部署矩阵集P中的每一个矩阵Pi,i∈{1,2′…,N},分别结合系统当前实际服务部署矩阵P0、链路带宽信息计算和发生迁移的服务的资源量计算出矩阵Pi对应的全局平均服务迁移时间ti(详细计算公式见下文),对应图3中的308。
步骤5:选取服务部署矩阵集P中的每一个矩阵Pi,i∈{1,2,…,N},分别结合系统拥有资源量和服务需求资源量计算出全局资源占用率li(详细计算公式见下文),对应图3中的310。
步骤6:依据步骤3、4、5得到的部署矩阵Pi的全局平均信号传输延时di、全局平均服务迁移时间ti和全局资源占用率li,计算该部署矩阵Pi的矩阵评分Si,dmin为服务部署矩阵集P中矩阵计算出的最小全局平均信号传输延时,tmin为服务部署矩阵集P中矩阵计算出的最小全局平均服务迁移时间,lmin为服务部署矩阵集P中矩阵计算出的最小全局资源占用率。最终生成矩阵集P对应的加权评分集S={S1,S2,…,SN},对应图3中的312。
步骤7:判断当前迭代次数c1是否大于等于用户输入的次数Steps,对应图3中的308。如果c1大于等于Steps,则转向步骤15,对应图3中的330;否则,则转向步骤8,对应图3中的316。
步骤8:依据矩阵评分Si对部署矩阵集P进行按分值加权随机选取重构(重构方法详细实现方法见下文),生成重构后的部署矩阵集Ps,对应图3中316。
步骤9:对步骤8重构后的部署矩阵集Ps中的矩阵进行矩阵间按行交叉(矩阵交叉的详细实现方法见下文),发生矩阵交叉的概率为Ec,由矩阵交叉生成部署矩阵集Pc,对应图3中的318。
步骤10:对步骤9中矩阵交叉后的部署矩阵集Pc中的矩阵进行单一矩阵阵元位移,阵元位移的概率为Eλ。单一矩阵阵元位移方法为:已知服务数量K和移动边缘计算节点数量M,生成均匀分布于区间(0,K]上的随机整数L,若该矩阵的则不进行处理;否则对于该矩阵第L列中/>中的pmL=1时,计算位移后位置m′,若m+v>M,则m′=m+v,否则m′=m+v-M,进行阵元位移pm′L=1,pmL=0,本方案采用位移方向向右,左移方案类似。最终生成单一矩阵阵元位移的部署矩阵集Pm,对应图3中的320。
步骤11:对步骤10生成的服务部署矩阵集进行约束条件检查Pm,判断是否满足约束条件,对应图3中的322。如果满足约束条件,则转向步骤12,对应图3中的324;如果不满足约束条件,则转向步骤13,对应图3中的326。
步骤12:部署矩阵集P=Pm,当前迭代次数c1=c1+1,约束条件检查次数c2=0,对应图3中的324。
步骤13:当前约束条件检查次数c2=c2+1,对应图3中的326。
步骤14:判断当前迭代次数c2是否大于等于用户输入的次数Steps,对应图3中的328,如果c2大于等于Steps,则转向步骤15,对应图3中的330;否则转向步骤8,对应图3中的316。
步骤15:依照矩阵评分Si对多次迭代计算后生成的服务部署矩阵集P进行排序,选择出矩阵评分最高的服务部署矩阵作为最终结果,对应图3中的330。
步骤16:结束快速调度决策算法。
图3的步骤中涉及到的计算式、约束条件详细内容如下。
系统内共有M个边缘计算节点,整个系统共提供了K个服务供用户使用,所有服务位置部署信息表示成,M*K的部署矩阵P:
系统内需要迁移的服务数量为:
系统内第m个移动边缘计算节点所拥有的CPU数量为内存数量为/>硬盘数量为/>系统内提供的第k个服务需要的CPU数量/>内存数量/>硬盘数量/>则整个系统需要保证每个移动边缘计算节点提供给服务的资源数量小于等于移动边缘计算节点拥有的资源数量。
系统资源量的约束条件为:
移动边缘计算节点m和移动边缘计算节点m′之间的传输距离为d(m,m′),用D来表示系统内所有的移动边缘计算节点之间的传输距离d(m,m′)的集合;移动边缘计算节点m和移动边缘计算节点m′之间的传输带宽表示为b(m,m′),用B来表示系统内所有的移动边缘计算节点之间的链路带宽b(m,m′)的集合;
全局服务请求信息由用户服务请求信息处理模块生成,表示为M*K的矩阵R,矩阵中的元素rmk表示第m个区域的用户对第k个服务请求的数量。
假设只考虑系统传输时延,不考虑移动边缘计算节点为当前服务范围内的用户提供服务的传输时延,那么系统内第m个移动边缘计算节点提供服务的用户与第m′个移动边缘计算节点的传输延迟时间表示为:
tmm′=α*d(m,m′);
其中α为时间延迟参数,α取0.5,则系统内第m个移动边缘计算节点服务范围内的用户向第k个服务的发出请求的延迟时间为:
lmk=mintmz (s.t.pzk=1)
第m个移动边缘计算节点服务的用户请求第k个服务,第k个服务部署在第z个移动边缘节点上,则lmk为请求传输路径中传输时延的最小值。从而计算出全局用户至服务的信号传输延时为:
此外系统内的第k个服务从第m个移动边缘计算节点迁移到第m′个移动边缘计算节点的时间为:
其中β表示服务迁移参数,0.000001≤β≤0.001,此处取0.000001,从而在约束条件下系统内的第k个服务进行迁移所需要的总迁移时间为:
系统内的第k个服务部署在第m个移动边缘计算节点上的资源占用比率为:
图3中步骤3中的全局用户至服务的信号传输延时:
图3中步骤4中全局服务的迁移时间为:
图3中步骤5中的全局资源占用比率为:
图4为图3步骤8中提及的对矩阵按分值加权随机选取重构方法,利用输入的部署矩阵集以及其对应的矩阵评分进行矩阵重构,生成新的部署矩阵集。
具体过程如下:
步骤1:参数初始化,服务部署矩阵集P及其矩阵评分集S,S和P中元素个数N,部署矩阵下标值为i=1初始累计概率G0=0,执行次数n=0,对应图4中的402;
步骤2:计算出服务部署矩阵集P对应的矩阵评分集S的评分总和Ssum,对应图4中的404;
步骤3:计算生成每个服务部署矩阵集Pi的矩阵评分占比以及
评分的累计占比
步骤4:生成一个均匀分布∪(0,1)上的随机数X;
步骤5:判断Gi-1<X≤Gi,若是,则执行步骤7,否则执行步骤6;
步骤6:计算i=i+1,再重新执行步骤5;
步骤7:将部署矩阵集P中对应服务部署矩阵集Pi加入重构后的矩阵集PS,并计算n=n+1,i=1;
步骤8:判断n≥N,对应图4中的416,如果是转向步骤9,否则转向步骤4,对应图4中的408;
步骤9:结束矩阵按分值加权随机选取重构,生成重构后的矩阵集PS。
图5为图3步骤9中所述的矩阵间按行交叉方法,对图3中的步骤8中传入的按分值加权随机选取重构后的矩阵集PS按照当前顺序以概率Ec进行矩阵交叉。具体步骤如下:
步骤1:参数初始化,重构后的服务部署矩阵集PS、矩阵集PS中矩阵个数N、系统内服务数K和矩阵交叉概率Ec,初始化矩阵下标i=1,对应图5中502;
步骤2:生成一个均匀分布∪(0,1)上的随机数y,对应图5中的504;
步骤3:判断y≥Ec,对应图5中的506,如果是则转向步骤4,对应图5中的508,否则转向步骤6,对应图5中512;
步骤4:生成一个均匀分布∪(0,K)上的随机整数L,对应图5中的508;
步骤5:交换重构后的服务部署矩阵集PS中的矩阵和/>的L~K行的元素,对应图5中的510;
步骤6:将矩阵和/>加入矩阵交叉后的矩阵集Pc中,并计算i=i+2,对应图5中的512;
步骤7:判断i<N,对应图5中的514,若是则转向步骤2,对应图5中的504,否则转向步骤8,对应图5中的516;
步骤8:判断i=N,对应图5中的516,若是则转向步骤9,对应图5中的518,走则转向步骤10。
步骤9:将矩阵加入矩阵交叉后的当前矩阵集Pc,对应图5中的518;
步骤10:结束算法,输出矩阵间按行交叉后的矩阵集Pc。
请参阅表1,表1为传统最优化计算软件与本发明提出的快速调度决策算法求解对比。传统的最优化计算软件使用的是GLPK(GNU Linear Programming Kit),该软件为专业的最优化计算软件,能迅速的求出整数规划的最优解。
表1传统最优化计算软件与本发明提出的快速调度决策算法求解对比表
表中,M表示系统内移动边缘节点的数量,K表示系统内提供的服务数。为保证GLPK能够计算出最终结果,表中所述时延为本发明方案中多目标函数简化为单目标函数时的求解结果。表中所述求解时间为计算出对应目标函数值所花费的时间。
需要注意的是,表1中最后一行的M=50,K=200的时候由于模型过于复杂,GLPK短时间无法得到结果,这里取的是计算一月后得到的结果,只是局部最优解,不能代表全局最优解。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解,本发明不受上述具体实施例的限制,上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理,在不脱离本发明精神范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。
Claims (7)
1.一种移动边缘计算环境下服务部署与迁移的决策方法,其特征在于,包括如下步骤,
步骤S1、系统初始化全局信息,生成全局用户服务列表;
步骤S2、调度节点收集汇总系统内各个移动边缘计算节点获取的用户服务请求,生成全局用户服务请求信息,并根据调度平台内的用户服务列表,对全局用户服务请求信息进行用户越区判断;
步骤S3、遍历全局服务请求信息,检查是否发生用户越区,若不是,则无需进行服务部署位置变动,结束当前处理流程,若是,则接收全局用户服务请求信息,并将用户至服务的信号传输延时、服务的迁移时间和资源占用比进行快速调度计算,生成全局服务部署优化方案;
步骤S4、对比计算出的全局最优的用户服务部署位置和初始化获取的全局服务部署位置,判断当前发生越区行为的用户所请求的服务部署位置是否发生变动,若没有,则向系统返回用户发生越区行为,但服务位置不发生变化信息,并结束当前处理流程;若有,则调度节点更新全局用户服务列表,对需要调整的移动边缘计算节点上的服务进行调度;
所述步骤S3中快速调度计算方法的具体步骤为:
步骤S31、进行参数初始化;用户输入服务迭代次数Steps,部署矩阵集中矩阵数量N,N≥2,矩阵间按行交叉的概率EC,0<EC≤1,单一矩阵阵元位移的概率Eλ,0<Eλ≤0.1,服务位移次数v,1≤v≤M,和评分加权系数δ,0<δ≤1,调度平台获取移动边缘计算节点数目M,M≥1,向用户提供的服务数量K,K≥1,用户服务处理请求模块生成的全局服务请求矩阵R和系统当前实际服务部署矩阵P0,设定当前迭代次数c1=0,约束条件检查迭代次数c2=0;
步骤S32、首先生成M*K的全零矩阵P0,从第1行开始对全零矩阵P0逐行处理,每当在处理第m行时,生成一个均匀分布于[0,K]上的随机整数Z,当Z=0时,则不进行处理,否则对矩阵P0进行赋值pmz=1;按照这样的步骤对全零矩阵P0共处理M行后,而生成初始化部署矩阵Pi,
Pi=(pmk)M×K,i∈{1,2,…,N},pmk∈{0,1};按照上述生成初始化部署矩阵Pi的操作执行N次,最终生成N个M*K的服务部署初始化矩阵Pi,产生长度为N的初始化服务部署矩阵集P={P1,P2,…,PN};
步骤S33、选取生成的服务部署矩阵集P中的每一个矩阵Pi,i∈{1,2,…,N},分别结合全局服务请求矩阵R、链路传输距离信息计算矩阵Pi对应的全局用户至服务的平均信号传输延时di;
步骤S34、选取服务部署矩阵集P中的每一个矩阵Pi,i∈{1,2,…,N},分别结合系统当前实际服务部署矩阵P0、链路带宽信息计算和发生迁移的服务的资源量计算出矩阵Pi对应的全局平均服务迁移时间ti;
步骤S35、选取服务部署矩阵集P中的每一个矩阵Pi,i∈{1,2,…,N},分别结合系统拥有资源量和服务需求资源量计算出全局资源占用率li;
步骤S36、依据获取的部署矩阵Pi的全局平均信号传输延时di、全局平均服务迁移时间ti和全局资源占用率li,计算该部署矩阵Pi的矩阵评分Si,dmin为服务部署矩阵集P中矩阵计算出的最小全局平均信号传输延时,tmin为服务部署矩阵集P中矩阵计算出的最小全局平均服务迁移时间,lmin为服务部署矩阵集P中矩阵计算出的最小全局资源占用率;最终生成服务部署矩阵集P对应的加权评分集S={S1,S2,…,SN};
步骤S37、判断迭代次数c1是否大于等于steps,若c1大于等于steps,则执行步骤S315,若c1小于steps,则执行步骤S38;
步骤S38、依据矩阵评分Si对服务部署矩阵集P进行按分值加权随机选取重构,生成重构后的部署矩阵集Ps;
步骤S39、对重构后的部署矩阵集Ps中的矩阵进行矩阵间按行交叉,发生矩阵交叉的概率为Ec,由矩阵交叉生成部署矩阵集Pc;
步骤S310、对矩阵交叉后的部署矩阵集Pc中的矩阵进行单一矩阵阵元位移,阵元位移的概率为Em;单一矩阵阵元位移方法为:已知服务数量K和移动边缘计算节点数量M,生成均匀分布于区间(0,K]上的随机整数L,若该矩阵的则不进行处理;否则对于该矩阵第L列中/>中的pmL=1时,计算位移后位置m′,若m+v>M,则m′=m+v,否则m′=m+v-M,进行阵元位移pm′L=1,pmL=0;最终利用单一矩阵阵元位移的部署矩阵集Pm更新服务部署矩阵集P;
步骤S311、对步骤S310生成的服务部署矩阵集进行约束条件检查Pm,判断是否满足约束条件,如果满足约束条件,则执行步骤S312;如果不满足约束条件,则执行步骤S313;
步骤S312、根据矩阵集Pm部署,当前迭代次数c1=c1+1,约束条件检查迭代次数c2=0;
步骤S313、当前约束条件检查迭代次数c2=c2+1;
步骤S314、判断约束条件检查迭代次数c2是否大于等于用户输入的次数steps,若c2大于等于steps/2,则执行步骤S315;否则执行步骤S38;
步骤S315、依照矩阵评分Si对多次迭代计算后生成的服务部署矩阵集P进行排序,选择出矩阵评分最高的服务部署矩阵作为最终结果;
步骤S316、结束快速调度决策算法。
2.根据权利要求1所述的一种移动边缘计算环境下服务部署与迁移的决策方法,其特征在于,系统内共有M个边缘计算节点,并提供了K个服务供用户使用,所有服务位置部署信息为M*K的部署矩阵,即,
则需要迁移的服务数量为:
系统内第m个移动边缘计算节点所拥有的CPU数量为内存数量为/>硬盘数量为系统内提供的第k个服务需要的CPU数量/>内存数量/>硬盘数量/>则整个系统需要保证每个移动边缘计算节点提供给服务的资源数量小于等于移动边缘计算节点拥有的资源数量;
系统资源量的约束条件为:
移动边缘计算节点m和移动边缘计算节点m′之间的传输距离为d(m′m′),用D来表示系统内所有的移动边缘计算节点之间的传输距离d(m′m′)的集合;移动边缘计算节点m和移动边缘计算节点m′之间的传输带宽表示为b(m,m′),用B来表示系统内所有的移动边缘计算节点之间的链路带宽b(m,m′)的集合;
全局服务请求信息由用户服务请求信息处理模块生成,表示为M*K的矩阵R,rmk表示第m个移动边缘计算节点上第k个服务请求的数量;
若只考虑系统传输时延,不考虑移动边缘计算节点为当前服务范围内的用户提供服务的传输时延,那么系统内第m个移动边缘计算节点提供服务的用户与第m′个移动边缘计算节点的传输延迟时间表示为:
tmm′=α*d(m,m′);
其中,α为时间延迟参数,α取0.5,则系统内第m个移动边缘计算节点的用户向第k个服务的发出请求的延迟时间为:
lmk=mintmz,s.t.pzk=1;
第m个移动边缘计算节点服务的用户请求第k个服务,第k个服务部署在第z个移动边缘节点上,则lmk为请求传输路径中传输时延的最小值;从而计算出全局用户至服务的信号传输延时为:
此外系统内的第k个服务从第m个移动边缘计算节点迁移到第m′个移动边缘计算节点的时间为:
s.t.qmk=1,pm′k=1;
其中,β为服务迁移参数,0.000001≤β≤0.001,从而在约束条件下系统内的第k个服务进行迁移所需要的总迁移时间为:
系统内的第k个服务部署在第m个移动边缘计算节点上的资源占用比率为:
3.根据权利要求1所述的一种移动边缘计算环境下服务部署与迁移的决策方法,其特征在于,所述步骤S33中,全局用户至服务的平均信号传输延时:
4.根据权利要求1所述的一种移动边缘计算环境下服务部署与迁移的决策方法,其特征在于,所述步骤S34中全局平均服务的迁移时间为:
5.根据权利要求1所述的一种移动边缘计算环境下服务部署与迁移的决策方法,其特征在于,所述步骤S35中的全局资源占用比率为:
6.根据权利要求1所述的一种移动边缘计算环境下服务部署与迁移的决策方法,其特征在于,所述步骤S38的具体步骤为,
步骤S381:参数初始化,服务部署矩阵集P及其矩阵评分集S,S和P中元素个数N,部署矩阵下标值为i=1,初始累计概率G0=0,执行次数n=0;
步骤S382:计算出服务部署矩阵集P对应的矩阵评分集S的评分总和Ssum,
步骤S383:计算生成每个服务部署矩阵集Pi的矩阵评分占比i以及评分的累计占比/>
步骤S384:生成一个均匀分布∪(0,1)上的随机数X;
步骤S385:判断Gi-1<X≤Gi,若是,则执行步骤S387,否则执行步骤S386;
步骤S386:计算i=i+1,再重新执行步骤S385;
步骤S387:将部署矩阵集P中对应服务部署矩阵集Pi加入重构后的矩阵集PS,并计算n=n+1,i=1;
步骤S388:判断n≥N,若是,则执行步骤S389,否则,执行步骤S384;
步骤S389:结束矩阵按分值加权随机选取重构,生成重构后的矩阵集PS。
7.根据权利要求1所述的一种移动边缘计算环境下服务部署与迁移的决策方法,其特征在于,所述步骤S39的具体步骤为,
步骤S391、参数初始化,生成重构后的服务部署矩阵集PS,服务部署矩阵集PS中的矩阵个数N、系统内服务数K和矩阵交叉概率Ec,初始化矩阵下标i=1;
步骤S392、生成一个均匀分布∪(0,1)上的随机数y;
步骤S393、判断y≥Ec,如果是,则执行步骤S394,否则执行步骤S396;
步骤S394、生成一个均匀分布∪(0,K)上的随机整数L;
步骤S395、交换重构后的服务部署矩阵集PS中的服务部署矩阵Pi S和服务部署矩阵的L~K行的元素;
步骤S396、将服务部署矩阵和/>加入矩阵交叉后的矩阵集Pc中,并计算i=i+2;
步骤S397、判断i<N,若是则执行步骤S392,否则执行步骤S398;
步骤S398、判断i=N,若是则执行步骤S399,否则转向步骤S3910;
步骤S399、将矩阵加入矩阵交叉后的当前矩阵集Pc;
步骤S3910、结束计算,输出矩阵间按行交叉后的矩阵集Pc。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911280526.9A CN111090522B (zh) | 2019-12-13 | 2019-12-13 | 一种移动边缘计算环境下服务部署与迁移的调度系统及决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911280526.9A CN111090522B (zh) | 2019-12-13 | 2019-12-13 | 一种移动边缘计算环境下服务部署与迁移的调度系统及决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111090522A CN111090522A (zh) | 2020-05-01 |
CN111090522B true CN111090522B (zh) | 2023-07-28 |
Family
ID=70395033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911280526.9A Active CN111090522B (zh) | 2019-12-13 | 2019-12-13 | 一种移动边缘计算环境下服务部署与迁移的调度系统及决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111090522B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111831445B (zh) * | 2020-07-13 | 2022-05-10 | 上海交通大学 | 边缘服务器优化部署方法 |
CN111984419B (zh) * | 2020-08-28 | 2023-06-02 | 华侨大学 | 一种边缘环境可靠性约束的复杂任务计算迁移方法 |
CN112148492B (zh) * | 2020-09-28 | 2023-07-28 | 南京大学 | 一种考虑多用户移动性的服务部署和资源分配方法 |
CN113296909B (zh) * | 2021-05-14 | 2022-11-11 | 上海交通大学 | 移动边缘计算中的优化服务部署方法 |
CN113960639B (zh) * | 2021-10-20 | 2024-05-14 | 中国电子科技集团公司第二十研究所 | 基于部署区域迭代分割的导航源部署位置方法 |
CN114679451B (zh) * | 2022-02-18 | 2023-04-25 | 北京邮电大学 | 面向边缘计算的服务调度系统及其调度方法 |
CN114760060B (zh) * | 2022-06-15 | 2022-09-23 | 杭州天舰信息技术股份有限公司 | 一种边缘计算的服务调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108337691A (zh) * | 2018-01-19 | 2018-07-27 | 南京邮电大学 | 一种移动边缘面向用户移动的服务迁移方法及系统 |
US10206094B1 (en) * | 2017-12-15 | 2019-02-12 | Industrial Technology Research Institute | Mobile edge platform servers and UE context migration management methods thereof |
CN110012039A (zh) * | 2018-01-04 | 2019-07-12 | 华北电力大学 | 一种车联网中基于admm的任务分配与功率控制方案 |
-
2019
- 2019-12-13 CN CN201911280526.9A patent/CN111090522B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10206094B1 (en) * | 2017-12-15 | 2019-02-12 | Industrial Technology Research Institute | Mobile edge platform servers and UE context migration management methods thereof |
CN110012039A (zh) * | 2018-01-04 | 2019-07-12 | 华北电力大学 | 一种车联网中基于admm的任务分配与功率控制方案 |
CN108337691A (zh) * | 2018-01-19 | 2018-07-27 | 南京邮电大学 | 一种移动边缘面向用户移动的服务迁移方法及系统 |
Non-Patent Citations (2)
Title |
---|
SEGUE: Quality of Service Aware Edge Cloud Service Migration;Wuyang Zhang 等;《IEEE》;20170126;全文 * |
边缘计算迁移研究综述;朱友康等;《电信科学》;20190423(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111090522A (zh) | 2020-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111090522B (zh) | 一种移动边缘计算环境下服务部署与迁移的调度系统及决策方法 | |
CN110971684A (zh) | 一种基于pbft的区块链网络节点负载均衡方法 | |
CN112118312A (zh) | 一种面向边缘服务器的网络突发负载疏散方法 | |
CN104620653B (zh) | 虚拟无线接入网中以用户设备为中心的统一的系统接入的系统和方法 | |
CN104104973A (zh) | 一种应用于云媒体系统的群组带宽管理优化方法 | |
CN109783257B (zh) | 面向批量Web服务被动容错的选择置换方法及系统 | |
CN111324630B (zh) | 基于mpi的神经网络架构搜索并行化方法和设备 | |
Huang et al. | Toward decentralized and collaborative deep learning inference for intelligent iot devices | |
CN115190033B (zh) | 一种基于强化学习的云边融合网络任务卸载方法 | |
Guan et al. | An intelligent wireless channel allocation in HAPS 5G communication system based on reinforcement learning | |
Li et al. | Scalable and dynamic replica consistency maintenance for edge-cloud system | |
CN102164420B (zh) | 基于卫星网络的多对一通信冲突处理方法 | |
CN106412023B (zh) | 一种基于发布订阅机制的多源数据分发方法 | |
CN115278708A (zh) | 一种面向联邦学习的移动边缘计算资源管理方法 | |
CN107103360B (zh) | 一种基于混合云的可靠应用分配分布式遗传方法 | |
Dai et al. | Proactive caching over cloud radio access network with user mobility and video segment popularity awared | |
CN102571913B (zh) | 一种基于网络传输开销的数据迁移方法 | |
WO2023098048A1 (zh) | 一种扩展纠删码存储系统的方法及装置 | |
WO2017213537A1 (en) | Parallel optimization of homogeneous systems | |
CN110366210A (zh) | 一种针对有状态数据流应用的计算卸载方法 | |
CN113342537B (zh) | 卫星虚拟资源分配方法、装置、存储介质及设备 | |
CN110234167B (zh) | 一种信道分配方法、信道分配装置及电子设备 | |
Jiang et al. | Deep Q-learning-based cooperative caching strategy for fog radio access networks | |
CN117897986A (zh) | 用于执行具有多教师强化学习的通信负载平衡的方法或装置 | |
CN101854293A (zh) | 一种资源负载均衡方法以及企业资源计划设备 |
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 |