CN111148174B - 一种移动边缘计算中服务迁移路径选择方法 - Google Patents
一种移动边缘计算中服务迁移路径选择方法 Download PDFInfo
- Publication number
- CN111148174B CN111148174B CN201911278561.7A CN201911278561A CN111148174B CN 111148174 B CN111148174 B CN 111148174B CN 201911278561 A CN201911278561 A CN 201911278561A CN 111148174 B CN111148174 B CN 111148174B
- Authority
- CN
- China
- Prior art keywords
- transmission
- path
- shortest path
- service
- service migration
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种移动边缘计算中服务迁移路径选择方法,该方法包括:A、根据Dijkstra算法寻找源边缘服务器到目标边缘服务器间的传输代价最小的路径作为最短路径;所述传输代价包括传输时延和传输价格;B、设置最优传输路径集合,如果所述最短路径存在,则将所述最短路径保存至该最优传输路径集合,根据所述最短路径中的最窄带宽和该服务迁移的时间阈值确定最短路径中最小传输数据量,如果最短路径中最小传输数据量不小于待传输的该服务迁移的数据量;则执行步骤C、返回该最短路径和在该最短路径下所需的传输时间,所述在该最短路径下所需的传输时间为该服务迁移的时间阈值。采用本发明能够在网络链路带宽受限的情况下,最小化传输时延和传输费用,以保障用户不受服务迁移引起的网络体验下降的影响。
Description
技术领域
本发明涉及移动边缘计算中的服务迁移领域,特别涉及一种移动边缘计算中服务迁移路径选择方法。
背景技术
作为一种网络架构中的概念,移动边缘计算允许移动用户将部分计算任务从远端的中心云迁移到以蜂窝基站和WI-FI接入点为代表的边缘网络的边缘服务器中,终端上运行的服务的部分运算任务可以放到边缘服务器上执行,以避免放到远端云的高时延,同时缓解终端有限的电池容量和CPU、内存等资源。与传统的集中式移动云计算模式相比,移动边缘计算中处理用户任务的计算资源在地理位置和逻辑位置上都更加接近用户,改善了传输时延高、网络拥塞等问题,提升了用户在移动服务中的体验。
服务迁移源于边缘计算中如下场景的需求。单个边缘服务器的服务覆盖范围是有限的,但用户和智能设备是可移动的。当移动中的智能设备与其边缘服务器的距离大于一定阈值后,将导致严重的服务体验降级甚至服务中断问题。此时,服务迁移负责将正在运行的用户服务从源(当前)边缘服务器迁移到移动用户附近的目标边缘服务器。
以图为例具体解释服务迁移问题。图1为服务迁移问题中从源边缘服务器到目标边缘服务器的网络架构示意图。图中的实体有远端云,智能移动设备和边缘服务器ES(EdgeServer)。每个网络链路l都有带宽和传输价格两种固有属性。在初始情况下,用户的位置接近于边缘服务器ES1,则智能移动设备是由网络边缘的ES1提供服务的。之后用户移动到一个新位置,并选择附近的边缘服务器ES5作为服务卸载的目的地。此时我们需要规划出一条从源服务器ES1到目标服务器ES5的服务迁移路径。一方面,从网络运营商的角度考虑,由于网络连接的传输价格不同,网络运营商应该尽量选择节省资金的网络链路来提供数据传输服务。另一方面,从移动用户的角度考虑,应该最小化服务迁移时延以提高用户的服务体验,以期实现无缝迁移,不会对服务造成中断。
因此,在网络链路带宽受限的情况下,以最小化传输时延和传输费用为目标进行服务迁移路径规划是本发明需要解决的问题。
发明内容
本发明的目的在于提供了一种移动边缘计算中服务迁移路径选择方法,能够在网络链路带宽受限的情况下,最小化传输时延和传输费用。
本发明实施例提供了一种移动边缘计算中服务迁移路径选择方法,该方法包括:
A、根据Dijkstra算法寻找源边缘服务器到目标边缘服务器间的传输代价最小的路径作为最短路径;所述传输代价包括传输时延和传输价格;
B、设置最优传输路径集合,如果所述最短路径存在,则将所述最短路径保存至该最优传输路径集合,根据所述最短路径中的最窄带宽和该服务迁移的时间阈值确定最短路径中最小传输数据量,如果最短路径中最小传输数据量不小于待传输的该服务迁移的数据量;
则执行步骤C、返回该最短路径和在该最短路径下所需的传输时间,所述在该最短路径下所需的传输时间为该服务迁移的时间阈值。
本发明提供的一种移动边缘计算中服务迁移路径选择方法,通过定义包括传输时延和传输价格的传输代价,然后根据Dijkstra算法寻找源边缘服务器到目标边缘服务器间的传输代价最小的路径作为最短路径,如此,寻找的最短路径传输时延和传输价格是帕累托最优的。因此,本发明从网络运营商和用户的角度进行同时考虑,提出了一种在网络链路带宽受限的情况下,基于最小化传输时延及传输费用的目标,规划出最优服务迁移路径的方法。
附图说明
图1为服务迁移问题中从源边缘服务器到目标边缘服务器的网络架构示意图。
图2为本发明实施例一种移动边缘计算中服务迁移路径选择方法流程示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明所述方案作进一步地详细说明。
本发明要规划出一条从源边缘服务器到目标边缘服务器的服务迁移路径,有两个相关的优化目标,即迁移的价格和时间,前者与网络连接的运营商资金花费有关,后者与数据量和网络连接的带宽有关。那么,如何融合两个优化目标是一个问题。本发明提出了一种在网络链路带宽受限的情况下,基于最小化传输时延及传输费用的目标,规划出最优服务迁移路径的方法。
本发明实施例一种移动边缘计算中服务迁移路径选择方法,其流程示意图如图2所示,该方法包括:
步骤A、根据Dijkstra算法寻找源边缘服务器到目标边缘服务器间的传输代价最小的路径作为最短路径;所述传输代价包括传输时延和传输价格;
最短路径可以是距离最小、传输代价最小等等,本发明将传输代价最小的路径作为最短路径。
步骤B、设置最优传输路径集合,如果所述最短路径存在,则将所述最短路径保存至该最优传输路径集合,根据所述最短路径中的最窄带宽和该服务迁移的时间阈值确定最短路径中最小传输数据量,如果最短路径中最小传输数据量不小于待传输的该服务迁移的数据量;
则执行步骤C、返回该最短路径和在该最短路径下所需的传输时间,所述在该最短路径下所需的传输时间为该服务迁移的时间阈值。
至此,获得的最短路径是传输代价最小的路径,也是将传输时延和传输费用同时优化到最小程度的路径,即帕累托最优。下面会有详细证明,说明由传输代价ci,j获得的最优迁移路径方案,对于价格(意味着网络运营商的成本和收益)和服务迁移的时延(意味着移动用户的体验),是帕累托最优的。
其中,在步骤B中,如果所述最短路径存在,但最短路径中最小传输数据量小于待传输的该服务迁移的数据量,则更新所述最短路径中所有链路的剩余空闲带宽和剩余待传输数据量,并返回执行步骤A至C,完成循环过程。
本步骤中,如果最短路径中最小传输数据量小于待传输的该服务迁移的数据量,说明当前找到的最短路径在该服务迁移的时间阈值内无法传输过去,所以要重新寻找最短路径,因此会包含多个循环过程,。
其中,在执行步骤A时,如果所述最短路径不存在,则执行步骤B’,根据最优传输路径集合中各最短路径中的最窄带宽以及待传输的该服务迁移的数据量,确定传输时间,并返回所述最优传输路径集合中各最短路径和所确定的传输时间。
本步骤中,如果根据Dijkstra算法无法得到最短路径,说明数据量还未传输完,但无法找到最短路径,此时网络环境无法满足传输时间Tp小于时间阈值T的要求。只能在使用当前最优传输路径集合S的情况下,增加传输时间。虽然传输路径的输出集不能保证无缝的服务迁移,但它能保证在当前约束下最快地将数据从源边缘服务器传输到目标边缘服务器。
为清楚说明本发明,下面列举具体场景进行详细介绍。
本方法将连接实体ESi和ESj的网络链路用li,j来表示。对于节点i到节点j的链路,其传输代价ci,j由传输时延ti,j和传输价格pi,j共同构造,以达到融合二者以进行协同优化的目的。首先对各条链路的ti,j和pi,j进行了max-min标准化,公式如下:
其中,tmax和tmin表示所有候选链路中的最大和最小传输时延。pmax和pmin表示所有候选链路中的最大和最小传输价格。为了对ti,j和pi,j进行联合优化,在标准化处理之后,设立新变量ci,j来刻画网络链路li,j的传输代价。定义权值变量wt和wp,满足条件wt∈[0,1]且wp∈[0,1]且wt+wp=1。而融合变量,即传输代价ci,j由如下公式来定义:
ci,j=wtt′i,j+wpp′i,j
也就是说wt和wp分别是ti,j和pi,j的求和的权重。在实践应用中,调整wt和wp的值可以调整优化目标关于ti,j和pi,j的倾向权重。具体的调整方法可以参考行业经验。
由传输代价ci,j获得的最优迁移路径方案,对于价格(意味着网络运营商的成本和收益)和服务迁移的时延(意味着移动用户的体验),是帕累托最优的。也就是说,固定了权重wt和wp之后获得的路径选择方案是帕累托最优的,不存在另外的路径方案,使得在不损失价格目标和时延目标的其中一个的情况下改善另一个。这是因为这里的变量融合方法和接下来要介绍的最优迁移路径的规划算法都是线性的。
其中,帕累托最优的证明如下:
1)定义问题I:用Dijkstra算法找从源边缘服务器到目标边缘服务器的最短路径,可以形式化为如下表达式:
这里的OC(s)表示一个函数,它将Dijkstra算法应用于权重网络C以找到最短路径s。权重网络C里每个网络连接的权重由融合变量ci,j来确定。由于Dijkstra算法是线性的,因此有
a)2)定义问题II:沿用问题I里对函数和变量的表达形式,定义一个多目标优化问题
该多目标优化问题表示找到一个符合条件的路径s,使得能够同时最小化OT和OP两个优化目标。
3)帕累托最优的概念的形式化:s*∈S是问题II的帕累托最优解,则不存在其它s∈S使得同时满足OT(s)≤OT(s*)和OP(s)≤OP(s*)。
4)弱帕累托最优的概念的形式化:s*∈S是问题II的弱帕累托最优解,则不存在其它s∈S使得同时满足OT(s)<OT(s*)和OP(s)<OP(s*)。
5)定理:问题I的解是问题II的解的弱帕累托最优解。证明:假设是问题I的一个解。假设不是问题II的一个弱帕累托最优解。此时存在一个s∈S使得且易知权重值wT和wP至少有一个是大于0的。则有这与是问题I的一个解的前提相矛盾。因此必定是问题II的一个弱帕累托最优解。
6)定理:如果权重值wT>0和wP>0,则问题I的解是问题II的解的帕累托最优解。证明:假设是问题I的一个解。假设不是问题II的一个帕累托最优解,则存在s∈S使得且且等号不同时成立。进而有这与是问题I的一个解的前提相矛盾。因此必定是问题II的一个帕累托最优解。
至此,说明本发明的传输代价由传输时延和传输价格共同构造,传输代价最小的路径就是传输时延和传输价格同时最优的路径。
本发明服务迁移路径选择方法如下:
首先给定服务迁移中时间阈值的概念。在服务迁移的过程中,从源边缘服务器到目标边缘服务器的信息传输会使得在处理用户请求时需要一个响应时间。在某些移动应用的使用中,响应时间小于0.1s时,则用户会很难感知到响应时间的存在。可以说,在服务迁移中存在一个无缝迁移的时间阈值,当数据传输时间小于此阈值时,QoS/QoE不会受到影响。但是对于不同的服务而言,时间阈值不是固定的。所以在使用本方法进行最优路径选择前,需要规定一个无缝迁移的时间阈值T。其次每次服务迁移任务的数据传输量也不尽相同,因此引入Q表示待传输的数据量。另外定义bi,j是li,j的空闲带宽,之所以有空闲带宽的概念,是因为一个网络连接会在其最大带宽的限制下,同时为多个服务传输数据。当已经为某些服务传输数据的情况下,如果同时又有新来的数据传输服务,将只能将该网络连接的剩余的带宽分配给它。
服务迁移问题被定量描述为:给定源服务器Os、目标服务器Od、时间阈值T和传输数据量Q,在所有给定了传输代价ci,j和带宽bi,j的网络链路li,j中,找到能使总传输代价ci,j最小的路径集合。
设立集合S表示最优传输路径,Tp表示在最优传输路径下所需的传输时间,Q'表示剩余待传输数据量。寻找最优迁移路径的算法如下:
a)初始化S为空集,S←{},Tp←T,Q'←Q;将源服务器Os及目标服务器Od间的网络环境看作是有向有权图。各连接li,j的权重是传输代价ci,j;
b)应用Dijkstra算法寻找Os到Od间的最短路径s。
如果s存在,进入步骤c),否则进入步骤e);
如果q≥Q'进入步骤f),否则,进入步骤d)。
返回到步骤b)。
e)s不存在,此时网络环境无法满足传输时间Tp小于时间阈值T的要求。只能在使用当前最优传输路径集合S的情况下,增加传输时间。虽然传输路径的输出集不能保证无缝的服务迁移,但它能保证在当前约束下最快地将数据从源服务器Os传输到目标服务器Od。计算当前最优传输路径S的最大传输量B,更新传输时间Tp,
进入步骤f)。
f)返回最优路径集合S和所需传输时间Tp。
以上的迁移路径选择算法,有多次循环(发生在第b-d步骤),每次循环会用Dijkstra算法从更新后的网络链接集合里选择出一个路径使得该路径上所有网络链接的代价ci,j的和最小。循环的终止条件是最初的数据量Q在阈值T内被完全传输。所以得到的路径选择方案是一个集合,可能包括多条从源服务器到目标服务器的网络路径。有一种可能的情况是,集合里已经包含了所有能找到的网络路径,但是数据量Q仍然不能在时间阈值T内被完全传输,这意味着网络不能实现无缝迁移,必然会影响到用户的服务质量和服务体验。那么这时候将面临两种选择,第一种是放弃迁移,这是用户不能忍受的;第二种做了个妥协,把时间阈值T的值调大一些,使得所有数据仍然能够传输过去。由于时间阈值T调大了,必然不是无缝迁移。此时最优的策略是找到最小的时间阈值T,所以本发明用来获得这个值。
综上,本发明从网络运营商和用户的角度进行同时考虑,提出了一种在网络链路带宽受限的情况下,基于最小化传输时延及传输费用的目标,规划出最优服务迁移路径的方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (3)
1.一种移动边缘计算中服务迁移路径选择方法,其特征在于,该方法包括:
A、根据Dijkstra算法寻找源边缘服务器到目标边缘服务器间的传输代价最小的路径作为最短路径;所述传输代价包括传输时延和传输价格;
B、设置最优传输路径集合,如果所述最短路径存在,则将所述最短路径保存至该最优传输路径集合,根据所述最短路径中的最窄带宽和该服务迁移的时间阈值确定最短路径中最小传输数据量,如果最短路径中最小传输数据量不小于待传输的该服务迁移的数据量;
则执行步骤C、返回该最短路径和在该最短路径下所需的传输时间,所述在该最短路径下所需的传输时间为该服务迁移的时间阈值。
2.如权利要求1所述的方法,其特征在于,在步骤B中,如果所述最短路径存在,但最短路径中最小传输数据量小于待传输的该服务迁移的数据量,则更新所述最短路径中所有链路的剩余空闲带宽和剩余待传输数据量,并返回执行步骤A。
3.如权利要求1所述的方法,其特征在于,在执行步骤A时,如果所述最短路径不存在,则执行步骤B’,根据最优传输路径集合中各最短路径中的最窄带宽以及待传输的该服务迁移的数据量,确定传输时间,并返回最优传输路径集合中各最短路径和所确定的传输时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911278561.7A CN111148174B (zh) | 2019-12-13 | 2019-12-13 | 一种移动边缘计算中服务迁移路径选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911278561.7A CN111148174B (zh) | 2019-12-13 | 2019-12-13 | 一种移动边缘计算中服务迁移路径选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111148174A CN111148174A (zh) | 2020-05-12 |
CN111148174B true CN111148174B (zh) | 2021-12-24 |
Family
ID=70518197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911278561.7A Active CN111148174B (zh) | 2019-12-13 | 2019-12-13 | 一种移动边缘计算中服务迁移路径选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111148174B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111836328B (zh) * | 2020-07-15 | 2022-03-15 | 嘉兴学院 | 一种基于K-shell影响力最大化计算迁移优化方法 |
CN113572848B (zh) * | 2020-08-18 | 2022-07-08 | 北京航空航天大学 | 基于价值空间估计的带数据刷新的在线服务放置方法 |
CN112073980B (zh) * | 2020-08-27 | 2022-01-21 | 北京邮电大学 | 一种移动边缘计算的服务迁移方法和系统 |
CN112601232B (zh) * | 2020-12-10 | 2022-04-26 | 中国科学院深圳先进技术研究院 | 基于最小费用最大流的负载均衡的多服务迁移方法及系统 |
CN112600827B (zh) * | 2020-12-10 | 2021-10-29 | 中国科学院深圳先进技术研究院 | 基于增量式最小费用最大流的虚拟服务迁移方法及系统 |
CN114138452B (zh) * | 2021-10-15 | 2022-11-15 | 中标慧安信息技术股份有限公司 | 一种边缘计算中高能效的计算节点选择方法及装置 |
CN114500354B (zh) * | 2022-01-25 | 2024-06-18 | 中国农业银行股份有限公司 | 一种交换机控制方法、装置、控制设备及存储介质 |
CN114979134B (zh) * | 2022-04-21 | 2023-01-17 | 云南大学 | 边缘计算环境中服务迁移的路径选择方法 |
CN115361453B (zh) * | 2022-08-17 | 2023-09-29 | 浙江大学中原研究院 | 一种面向边缘服务网络的负载公平卸载与迁移方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108616816A (zh) * | 2018-05-07 | 2018-10-02 | 重庆邮电大学 | 一种基于极限学习的车辆轨迹预测和mec应用迁移方法 |
CN108632813A (zh) * | 2018-05-21 | 2018-10-09 | 北京邮电大学 | 移动边缘计算的移动性管理方法及系统 |
CN109714382A (zh) * | 2018-09-18 | 2019-05-03 | 贵州电网有限责任公司 | 一种非平衡边缘云mec系统的多用户多任务迁移决策方法 |
-
2019
- 2019-12-13 CN CN201911278561.7A patent/CN111148174B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108616816A (zh) * | 2018-05-07 | 2018-10-02 | 重庆邮电大学 | 一种基于极限学习的车辆轨迹预测和mec应用迁移方法 |
CN108632813A (zh) * | 2018-05-21 | 2018-10-09 | 北京邮电大学 | 移动边缘计算的移动性管理方法及系统 |
CN109714382A (zh) * | 2018-09-18 | 2019-05-03 | 贵州电网有限责任公司 | 一种非平衡边缘云mec系统的多用户多任务迁移决策方法 |
Non-Patent Citations (3)
Title |
---|
A Survey on Service Migration in Mobile Edge Computing;SHANGGUANG WANG,etc;《IEEE ACCESS>;20180418;全文 * |
移动边缘计算中基于用户移动的虚拟机迁移策略研究;刘亮等;《重庆邮电大学学报(自然科学版)》;20190430;全文 * |
移动边缘计算中的联合优化迁移决策和资源分配;景天琦等;《信号处理》;20190831;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111148174A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111148174B (zh) | 一种移动边缘计算中服务迁移路径选择方法 | |
EP3457664B1 (en) | Method and system for finding a next edge cloud for a mobile user | |
JP5780116B2 (ja) | ワイヤレスネットワークデバイス、ワイヤレスネットワークシステム、及びルーティングの選択制御のための方法 | |
US9521067B2 (en) | System and methods for improved network routing | |
CN112346854B (zh) | 一种分层协同决策的网内资源调度方法及系统、存储介质 | |
US8180352B2 (en) | Topology controlled discovery for next hop determination | |
US11689961B2 (en) | Systems and methods for distribution of application logic in digital networks | |
US9338712B2 (en) | Facilitating intelligent radio access control | |
US20150032495A1 (en) | System and Method for User Controlled Cost Based Network and Path Selection across Multiple Networks | |
US20200396154A1 (en) | Methods, Apparatus and Computer Programs for Allocating Traffic in a Telecommunications Network | |
CN104919830A (zh) | 用于具有多载波功能的设备的服务偏好 | |
CN113342409B (zh) | 多接入边缘计算系统时延敏感型任务卸载决策方法及系统 | |
CN111970318A (zh) | 基于移动边缘计算的车辆与路边单元协同卸载任务方法及装置 | |
Maan et al. | Deep Q-network based fog node offloading strategy for 5 G vehicular Adhoc Network | |
CN110621052B (zh) | 一种多路径路由优化方法 | |
Shinde et al. | Collaborative reinforcement learning for multi-service internet of vehicles | |
Ma et al. | Traffic routing-based computation offloading in cybertwin-driven internet of vehicles for V2X applications | |
Priscoli et al. | Capacity-constrained Wardrop equilibria and application to multi-connectivity in 5G networks | |
US9166913B1 (en) | Systems and methods for balancing max-min fairness and throughput objectives in traffic engineering | |
Li et al. | Collaborative optimization of edge-cloud computation offloading in internet of vehicles | |
Zhang et al. | Deep reinforcement learning for fog computing-based vehicular system with multi-operator support | |
US11388623B2 (en) | Method, device and apparatus for controlling congestion window in internet of vehicles | |
Silva et al. | Network and cloudlet selection for computation offloading on a software-defined edge architecture | |
CN101394337A (zh) | 基于p2p的网络节点间消息路由的方法、系统及装置 | |
WO2022152871A1 (en) | Method of managing a vehicle internet service in a cellular network of at least fourth generation 4g |
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 |