CN111210262A - 基于激励机制的自发式边缘应用部署及定价方法 - Google Patents

基于激励机制的自发式边缘应用部署及定价方法 Download PDF

Info

Publication number
CN111210262A
CN111210262A CN201911360629.6A CN201911360629A CN111210262A CN 111210262 A CN111210262 A CN 111210262A CN 201911360629 A CN201911360629 A CN 201911360629A CN 111210262 A CN111210262 A CN 111210262A
Authority
CN
China
Prior art keywords
deployment
edge
service
application
edge server
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.)
Granted
Application number
CN201911360629.6A
Other languages
English (en)
Other versions
CN111210262B (zh
Inventor
邓水光
陈益杉
李莹
尹建伟
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201911360629.6A priority Critical patent/CN111210262B/zh
Publication of CN111210262A publication Critical patent/CN111210262A/zh
Priority to PCT/CN2020/105855 priority patent/WO2021128849A1/zh
Priority to US17/435,371 priority patent/US20220156809A1/en
Application granted granted Critical
Publication of CN111210262B publication Critical patent/CN111210262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/502—Proximity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/506—Constraint

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于激励机制的自发式边缘应用部署及定价方法。首先，构建面向边缘端应用的自发式部署系统架构。其次，提出了针对自发式边缘应用部署及定价的激励机制，最后，基于后向归纳法对自发式边缘应用部署及定价问题进行求解，从而获取边缘服务器的最优部署方案及应用提供商的最佳定价策略。

Description

基于激励机制的自发式边缘应用部署及定价方法
技术领域
本发明涉及边缘环境下应用的自发式部署及定价问题，具体涉及一种基于激励机制的自发式边缘应用部署及定价方法。
背景技术
移动边缘计算(MEC)的飞速发展为应用部署提供了共享式、低延迟的计算环境，将终端请求的应用在其周围的边缘服务器中进行部署并执行，这可大大提升终端与服务器交互过程中的用户体验感。目前，移动边缘应用部署研究工作都是在边缘服务器被动成为部署方的情况下进行的，此时边缘服务器可能不愿意成为部署方，因为存储数据及执行服务需要大量资源空间和算力消耗，而未考虑激励回报下的边缘服务器在很大概率上会提交不正确的结果，任意推迟部署过程。
因此，考虑激励回报的自发式边缘工作网络是一个很好的选择。
在自发式边缘应用部署系统中，应用提供商提供的应用(数据及服务)具有很大价值，部署及运营该应用可以给边缘服务器带来增值。首先，应用提供商针对已有应用资源向边缘服务器方提出竞拍，边缘服务器根据自身存储空间、时钟频率等条件给出该资源的部署意愿；其次，应用提供商及边缘服务器双方基于自身利润分别动态调整竞拍价格与部署意向值；最后，当双方利润均达到最大值时，即可获得最佳部署方案及定价策略。应用提供商的利润来自边缘服务器，边缘服务器为了获得应用的部署权及运营权需要向应用提供商支付这笔费用，而后通过对所获应用的运营从用户方获取奖赏，同时，运营期间，边缘服务器还需消耗一定的成本开销(内容开销，能耗等)。
然而，自发式边缘工作网络的应用部署系统也面临一些挑战。主要挑战之一是跨多个边缘服务器的资源分配问题，因此，需要考虑如何为每个移动应用分配适当的资源。移动应用包含一组服务组件，并且需要一组边缘服务器来放置它们。在放置服务组件时，我们不仅应考虑边缘服务器之间的负载平衡问题，还需要考虑消耗成本。此外，应用部署及执行的响应时间应尽可能低，这对于用户体验至关重要。但是，边缘计算中的设备大多是异构计算平台，运行时环境、每个设备上的系统数据都不尽相同，边缘设备的计算资源相对有限，因此在边缘计算场景下进行高质量的移动应用部署作业存在一定难度。此外，设计一种激励机制来鼓励边缘服务器完成部署任务，同时在低延迟的前提下令边缘服务器与应用提供商所获得的利润均达到最高，是一项实际且具有挑战性的工作。
发明内容
本发明针对边缘网络环境下的自发式应用部署及定价问题，提供了一种基于激励机制的应用部署及定价方法。
本发明采用以下技术方案实现：
一种基于激励机制的自发式边缘应用部署及定价方法，包括如下步骤：
1)建立面向边缘应用的自发式部署系统架构；
2)提出针对自发式边缘应用部署及定价的激励机制；
3)得到自发式边缘应用部署及定价方法。
上述技术方案中，进一步地，步骤1)中所述的面向边缘应用的自发式部署系统架构包括三部分：
(1)部署监控：用于收集来自用户应用部署请求的实时信息；
(2)部署规划：计算部署系统的核心，用于根据相关已知信息规划出自发式边缘应用部署及定价的策略；
(3)部署引擎：根据得出的自发式部署及定价策略执行当前应用部署操作。
进一步地，步骤2)中所述的针对自发式边缘应用部署及定价的激励机制定义如下：
每台边缘服务器获得部署权的能力占比被定义为
Figure BDA0002337078890000031
其中：
(1)
Figure BDA0002337078890000032
为边缘服务器m对服务i的部署意愿，
Figure BDA0002337078890000033
为边缘服务器m以外的其它所有边缘服务器的部署意愿矩阵；
(2)部署意愿
Figure BDA0002337078890000034
与竞争本轮部署权的意向值、边缘服务器m的处理能力、内存空间有关，表示如下：
Figure BDA0002337078890000035
其中，ξ、ε表示权重参数，二者的取值为0-1，
Figure BDA0002337078890000036
为边缘服务器m部署服务i时剩余的内存空间，fm表示边缘服务器m的时钟频率，
Figure BDA0002337078890000037
表示边缘服务器m部署服务i时针对应用提供商要价给出竞争部署权的意向值。
更进一步地，步骤3)中所述的自发式边缘应用部署及定价方法的目标函数为：
应用提供商在每一轮服务部署中获得的利润Ui A：
Figure BDA0002337078890000038
其中，
1)每一轮服务部署中应用提供商的利润Ui A来源于边缘服务器赢得部署权后需向提供商支付的费用；
Figure BDA0002337078890000039
表示在第i轮服务部署权争夺中，应用提供商向部署权获得者边缘服务器m提出的定价；
边缘服务器在每一轮服务部署中获得的利润Uis：
Figure BDA00023370788900000310
2)每一轮服务部署中边缘服务器的利润Uis由服务器赢得部署权可获得的奖赏、服务器支付给应用提供商的费用和服务器运营服务的开销组成；
R表示边缘服务器成功竞争到部署权后可获得的固定奖赏收益；rsi表示一部分可变奖励值；r为给定的可变奖励因子；si为第i个服务的内存大小；ci m为边缘服务器m部署并运行服务i时的资源能耗成本，其取值与服务器的单位内存成本、CPU单位计算成本有关，计算公式如下：
Figure BDA0002337078890000041
bm＝ψfm
(5)
其中，am表示边缘服务器m的单位内存成本；bm表示边缘服务器m的CPU单位计算成本，与服务器的时钟频率有关，ψ为权重系数；osi表示运行服务i所耗时钟数；
QoS为服务质量，它是关于服务传输时间与执行时间的函数，服务质量越低，边缘服务器所获得的奖赏越低，计算如下：
Figure BDA0002337078890000042
其中，
Figure BDA0002337078890000043
为边缘服务器m部署服务i前所需数据的传输时间；
Figure BDA0002337078890000044
为服务i在边缘服务器m上的被执行时间；f为对
Figure BDA0002337078890000045
和
Figure BDA0002337078890000046
的归一化处理函数。
本发明还提供一种采用上述方法进行应用部署及定价的过程，具体如下：
1)请求阶段：应用提供商收到来自用户发出任意应用的部署请求；
2)竞争阶段：边缘服务器竞争所请求应用中每一个服务的部署权，并基于Stackelberg博弈模型找到服务定价与边缘服务器部署意向值的纳什均衡点；
3)部署阶段：对服务进行部署；
4)重复2)-3)步骤，直到应用中所有服务均被部署完毕。
本发明的发明原理：
本发明主要面向边缘环境下的自发式应用部署及定价问题，设计了一种自发式的应用部署系统，在低延迟部署的前提下，以每一轮服务部署中应用提供商及边缘服务器的利润最高为目标，在应用提供商给出的定价及边缘服务器的部署意向值(影响部署意愿的重要因素)之间找到Stackelberg博弈模型的纳什均衡点，提出基于激励机制的自发式边缘应用部署及定价方法。
本发明的有益效果在于：
本发明首次提出一种基于激励机制的自发式边缘应用部署及定价方法，该方法可响应用户发出的任意应用部署请求，并调动周边所有边缘服务器对部署权展开竞争。在低延迟部署的前提下，以每一轮服务部署中应用提供商及边缘服务器的利润最高为目标，在应用提供商给出的定价及边缘服务器的部署意向值(影响部署意愿的重要因素)之间找到Stackelberg博弈模型的纳什均衡点，最终获得最佳应用部署及定价方案。
附图说明
图1为面向边缘应用程序的自发式部署系统架构；
图2为针对自发式边缘应用部署及定价的激励机制；
图3为服务平均最优价格与服务数量的关系；
图4为所有边缘服务器部署意愿总值与服务数量的关系；
图5为服务平均最优价格与依赖型数据个数的关系；
图6为所有边缘服务器部署意愿总值与依赖型数据个数的关系；
图7为单轮服务部署中边缘服务器利润平均值与剩余存储量的关系；
图8为应用提供商总利润值与剩余存储量的关系。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
一种基于激励机制的自发式边缘应用部署及定价方法，包括如下步骤：
1)建立面向边缘应用的自发式部署系统架构；
2)提出针对自发式边缘应用部署及定价的激励机制；
3)得到自发式边缘应用部署及定价方法。
本发明所提出的面向边缘应用的自发式部署系统架构如图1所示，主要包括三个部分：
1)部署监控：用于收集来自用户应用部署请求的实时信息；
2)部署规划：计算部署系统的核心，用于根据相关已知信息规划出自发式边缘应用部署及定价的策略；
3)部署引擎：根据得出的自发式部署及定价策略执行当前应用部署操作。
在没有任何中介的传统边缘应用部署系统中，边缘服务器可能不愿意成为部署方，因为存储数据及执行服务需要大量资源空间和算力消耗，而未考虑激励回报下的边缘服务器在很大概率上会提交不正确的结果，任意推迟部署过程。为了解决这个问题，我们提出一种针对自发式边缘应用部署及定价的激励机制。
每台边缘服务器获得部署权的能力占比被定义为
Figure BDA0002337078890000061
其中：
(1)
Figure BDA0002337078890000062
为边缘服务器m对服务i的部署意愿，
Figure BDA0002337078890000063
为边缘服务器m以外的其它所有边缘服务器的部署意愿矩阵；
(2)部署意愿
Figure BDA0002337078890000065
与竞争本轮部署权的意向值、边缘服务器m的处理能力、内存空间有关，表示如下：
Figure BDA0002337078890000066
其中，ξ、ε表示权重参数，二者的取值为0-1，
Figure BDA0002337078890000067
边缘服务器m部署服务i时剩余的内存空间，fm表示边缘服务器m的时钟频率，
Figure BDA0002337078890000068
表示边缘服务器m部署服务i时针对应用提供商要价给出竞争部署权的意向值。
图2给出了自发式边缘应用部署及定价方法的流程示意图，用户发出应用部署请求后，响应器解析应用中的服务及数据元素，按有向图的顺序将需要部署的服务信息传入工作网络中，而后所有边缘服务器开始竞争该服务的部署权及运营权，根据边缘服务器的内存空间、时钟频率、部署意向值来衡量其获胜能力。为了使该机制能够有效解决应用的自发式部署问题，本发明在此机制的基础上引入了利润最大化的stackelberg的博弈模型。应用部署请求产生后，应用提供商向边缘服务器方给出每一轮服务部署权的竞价，服务器方根据给定竞价决定本轮部署意愿，而后进一步构建博弈双方的策略空间和利润函数。应用提供商在每一轮服务部署中获得的利润Ui A：
Figure BDA0002337078890000071
1)每一轮服务部署中应用提供商的利润Ui A来源于边缘服务器赢得部署权后需向提供商支付的费用。
Figure BDA0002337078890000072
表示在第i轮服务部署权争夺中，应用提供商向部署权获得者边缘服务器m提出的定价。
边缘服务器在每一轮服务部署中获得的利润Uis：
Figure BDA0002337078890000073
2)每一轮服务部署中边缘服务器的利润Uis由服务器赢得部署权可获得的奖赏、服务器支付给边缘服务提供商的费用和服务器运营服务的开销组成。
R表示边缘服务器成功竞争到部署权后可获得的固定奖赏收益；rsi表示一部分可变奖励值；r为给定的可变奖励因子；si为第i个服务的内存大小；ci m为边缘服务器m运行服务i时的资源能耗成本，其取值与服务器的单位内存成本、CPU单位计算成本有关，计算公式如下：
Figure BDA0002337078890000074
bm＝ψfm
(5)
其中，am表示边缘服务器m的单位内存成本；bm表示边缘服务器m的CPU单位计算成本，与服务器的时钟频率有关，ψ为权重系数；osi表示运行服务i所耗时钟数。
QoS(服务质量)为关于服务传输时间与执行时间的函数，服务质量越低，边缘服务器所获得的奖赏越低，计算如下：
Figure BDA0002337078890000081
其中，
Figure BDA0002337078890000082
为边缘服务器m部署服务i前所需数据的传输时间；
Figure BDA0002337078890000083
为服务i在边缘服务器m上的被执行时间；f为对
Figure BDA0002337078890000084
和
Figure BDA0002337078890000085
的归一化处理函数。
本发明针对自发式边缘应用部署问题，采用Stackelberg博弈模型进行目标优化。将自发式边缘应用部署问题映射到双目标模型中，部署请求产生后，应用提供商将应用解析为若干个服务及数据元素，给出边缘服务器在每一轮服务部署权竞争过程中需要支付的定价
Figure BDA0002337078890000087
而后边缘服务器确定相应的策略空间，并通过计算公式(1)得出其竞争过程中可获得部署权的能力占比，能力占比越大，则获得部署权的概率越大。最后，构建出博弈双方的策略空间和利润函数。激励机制主要包含4个阶段：
1)初始化
在初始化阶段，需要确定所需部署的应用有向图，边缘服务器m部署及运行服务i时的资源能耗成本ci m；可变奖励因子r；固定奖赏收益R。
2)激励操作
通过激励操作，边缘服务器为了获取利润，主动争取服务的部署权。根据如下公式计算出边缘服务器获得部署权的能力占比：
Figure BDA0002337078890000086
3)博弈操作
基于给定的公式(2)与公式(7)，同时考虑部署时服务质量对用户体验的影响。对公式(7)进行二次求导，并证明其满足严格凹函数特性：
Figure BDA0002337078890000091
Figure BDA0002337078890000092
因
Figure BDA0002337078890000093
故由公式(9)(10)(11)可知，该博弈模型存在纳什均衡点。
求解到最优X*i后，通过对公式(7)求导得出最大值，确定P*i最优解，因最优价格不具备封闭形式，由于单个服务的最优价格都与其他服务的价格息息相关，即当一个服务价格改变之后，其他服务也需要更新相应的费用，因此，价格的优化过程需要通过迭代方式来求解。
4)部署操作
应用提供商与边缘服务器双方的策略空间及利润之间求得纳什均衡点后，即可进行服务的部署。
采用本发明方法进行应用部署及定价的过程如下：
1)请求阶段：应用提供商收到来自用户发出任意应用的部署请求；
2)竞争阶段：边缘服务器竞争所请求应用中每一个服务的部署权，并基于Stackelberg博弈模型找到服务定价与边缘服务器部署意向值的纳什均衡点；
3)部署阶段：对服务进行部署；
4)重复2)-3)步骤，直到应用中所有服务均被部署完毕。
5)仿真结果
对比本发明方法(SELL)与常规方法(遗传算法GA、粒子群算法PSO、爬山算法HillClimbing)的数据结果。图3和图4对比可知，本发明方法可求得边缘服务器的最优部署方案及应用提供商的最佳定价策略，使应用提供商和边缘服务器在低时延的情况下获取最高利润。图5和图6对比可知，随着依赖型数据个数的变化，本发明方法的效果几乎不受影响，且相对于另外三种方法，更容易求得边缘服务器的最优部署方案及应用提供商的最佳定价策略，使应用提供商和边缘服务器在低时延的情况下获取最高利润。图7和图8对比可知，边缘服务器中剩余存储量的变化会对应用提供商和边缘服务器的利润产生影响，经过对比分析，我们将剩余存储量的权重参数设置为0.8。

Claims (5)

1.一种基于激励机制的自发式边缘应用部署及定价方法，其特征在于，包括如下步骤：
1)建立面向边缘应用的自发式部署系统架构；
2)提出针对自发式边缘应用部署及定价的激励机制；
3)得到自发式边缘应用部署及定价方法。
2.如权利要求1所述的基于激励机制的自发式边缘应用部署及定价方法，其特征在于，步骤1)中所述的面向边缘应用的自发式部署系统架构包括三部分：
(1)部署监控：用于收集来自用户应用部署请求的实时信息；
(2)部署规划：计算部署系统的核心，用于根据相关已知信息规划出自发式边缘应用部署及定价的方法；
(3)部署引擎：根据得出的自发式部署及定价方法执行当前应用部署操作。
3.如权利要求2所述的基于激励机制的自发式边缘应用部署及定价方法，其特征在于，步骤2)中所述的针对自发式边缘应用部署及定价的激励机制定义如下：
每台边缘服务器获得部署权的能力占比被定义为
Figure FDA0002337078880000011
其中：
(1)
Figure FDA0002337078880000012
为边缘服务器m对服务i的部署意愿，
Figure FDA0002337078880000013
为边缘服务器m以外的其它所有边缘服务器的部署意愿矩阵；
(2)部署意愿
Figure FDA0002337078880000014
与竞争本轮部署权的意向值、边缘服务器m的处理能力、内存空间有关，表示如下：
Figure FDA0002337078880000015
其中，ξ、ε表示权重参数，
Figure FDA0002337078880000016
为边缘服务器m部署服务i时剩余的内存空间，fm表示边缘服务器m的时钟频率，
Figure FDA0002337078880000017
表示边缘服务器m部署服务i时针对应用提供商要价给出竞争部署权的意向值。
4.如权利要求3所述的部署及定价方法，其特征在于，步骤3)中所述的自发式边缘应用部署及定价方法的目标函数为：
应用提供商在每一轮服务部署中获得的利润Ui A：
Figure FDA0002337078880000021
其中，
1)每一轮服务部署中应用提供商的利润Ui A来源于边缘服务器赢得部署权后需向提供商支付的费用；
Figure FDA0002337078880000022
表示在第i轮服务部署权争夺中，应用提供商向部署权获得者边缘服务器m提出的定价；
边缘服务器在每一轮服务部署中获得的利润Uis：
Figure FDA0002337078880000023
2)每一轮服务部署中边缘服务器的利润Uis由服务器赢得部署权可获得的奖赏、服务器支付给应用提供商的费用和服务器运营服务的开销组成；
R表示边缘服务器成功竞争到部署权后可获得的固定奖赏收益；rsi表示一部分可变奖励值；r为给定的可变奖励因子；si为第i个服务的内存大小；ci m为边缘服务器m部署并运行服务i时的资源能耗成本，其取值与服务器的单位内存成本、CPU单位计算成本有关，计算公式如下：
Figure FDA0002337078880000024
bm＝ψfm (5)
其中，am表示边缘服务器m的单位内存成本；bm表示边缘服务器m的CPU单位计算成本，与服务器的时钟频率有关，ψ为权重系数；osi表示运行服务i所耗时钟数；
QoS为服务质量，它是关于服务传输时间与执行时间的函数，服务质量越低，边缘服务器所获得的奖赏越低，计算如下：
Figure FDA0002337078880000031
其中，
Figure FDA0002337078880000032
为边缘服务器m部署服务i前所需数据的传输时间；
Figure FDA0002337078880000033
为服务i在边缘服务器m上的被执行时间；f为对
Figure FDA0002337078880000034
和
Figure FDA0002337078880000035
的归一化处理函数。
5.如权利要求1-4任一项所述的基于激励机制的自发式边缘应用部署及定价方法，其特征在于，基于该方法进行应用部署及定价的过程如下：
1)请求阶段：应用提供商收到来自用户发出任意应用的部署请求；
2)竞争阶段：边缘服务器竞争所请求应用中每一个服务的部署权，并基于Stackelberg博弈模型找到服务定价与边缘服务器部署意向值的纳什均衡点；
3)部署阶段：对服务进行部署；
4)重复2)-3)步骤，直到应用中所有服务均被部署完毕。
CN201911360629.6A 2019-12-25 2019-12-25 基于激励机制的自发式边缘应用部署及定价方法 Active CN111210262B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911360629.6A CN111210262B (zh) 2019-12-25 2019-12-25 基于激励机制的自发式边缘应用部署及定价方法
PCT/CN2020/105855 WO2021128849A1 (zh) 2019-12-25 2020-07-30 基于激励机制的自发式边缘应用部署及定价方法
US17/435,371 US20220156809A1 (en) 2019-12-25 2020-07-30 Spontaneous edge application deployment and pricing method based on incentive mechanism

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911360629.6A CN111210262B (zh) 2019-12-25 2019-12-25 基于激励机制的自发式边缘应用部署及定价方法

Publications (2)

Publication Number Publication Date
CN111210262A true CN111210262A (zh) 2020-05-29
CN111210262B CN111210262B (zh) 2023-10-03

Family

ID=70786422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911360629.6A Active CN111210262B (zh) 2019-12-25 2019-12-25 基于激励机制的自发式边缘应用部署及定价方法

Country Status (3)

Country Link
US (1) US20220156809A1 (zh)
CN (1) CN111210262B (zh)
WO (1) WO2021128849A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021128849A1 (zh) * 2019-12-25 2021-07-01 浙江大学 基于激励机制的自发式边缘应用部署及定价方法
CN115033718A (zh) * 2022-08-15 2022-09-09 浙江大学 一种业务应用部署方法、装置及设备

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3989659A1 (en) * 2020-10-21 2022-04-27 Deutsche Telekom AG Method for allocating a spectral resource of a radio cell using an edge cloud server
US11893376B2 (en) * 2022-03-09 2024-02-06 Dell Products L.P. Method and system for performing an application upgrade based on user behavior

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050271075A1 (en) * 2004-05-18 2005-12-08 Adaptive Spectrum And Signal Alignment, Inc. Incentive-based DSL system
US20120089726A1 (en) * 2010-10-06 2012-04-12 Infosys Technologies Ltd. Automated service level management of applications in cloud computing environment
US20150106163A1 (en) * 2013-10-15 2015-04-16 Tata Consultancy Services Limited Obtaining optimal pricing strategy in a service engagement
US20160154639A1 (en) * 2013-03-15 2016-06-02 International Business Machines Corporation Detecting deployment conflicts in heterogeneous environments
CN106897115A (zh) * 2017-02-24 2017-06-27 郑州云海信息技术有限公司 一种云环境下SaaS软件部署方法及装置
CN108199894A (zh) * 2018-01-15 2018-06-22 华中科技大学 一种数据中心功率管理及服务器部署方法
CN110022230A (zh) * 2019-03-14 2019-07-16 北京邮电大学 基于深度强化学习的服务链并行部署方法及装置
CN110390560A (zh) * 2019-06-28 2019-10-29 浙江师范大学 一种基于Stackelberg博弈的移动群智感知多任务定价方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3808149A4 (en) * 2018-06-15 2022-02-23 Nokia Technologies OY DYNAMIC MANAGEMENT OF APPLICATION SERVERS ON AN EDGE COMPUTING DEVICE OF A NETWORK
CN109039954B (zh) * 2018-07-25 2021-03-23 广东石油化工学院 多租户容器云平台虚拟计算资源自适应调度方法及系统
US10924537B2 (en) * 2019-03-25 2021-02-16 Turbonomic, Inc. Systems, apparatus and methods for cost and performance-based management of resources in a cloud environment
CN110113761B (zh) * 2019-05-15 2021-09-28 南京大学 一种流数据处理应用在边缘计算网络中的部署方法和装置
CN110247793B (zh) * 2019-05-29 2022-11-11 暨南大学 一种移动边缘云中的应用程序部署方法
CN110544147B (zh) * 2019-08-05 2022-03-25 西北工业大学 一种mec中基于双向拍卖的多任务跨服务器资源分配方法
CN111210262B (zh) * 2019-12-25 2023-10-03 浙江大学 基于激励机制的自发式边缘应用部署及定价方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050271075A1 (en) * 2004-05-18 2005-12-08 Adaptive Spectrum And Signal Alignment, Inc. Incentive-based DSL system
US20120089726A1 (en) * 2010-10-06 2012-04-12 Infosys Technologies Ltd. Automated service level management of applications in cloud computing environment
US20160154639A1 (en) * 2013-03-15 2016-06-02 International Business Machines Corporation Detecting deployment conflicts in heterogeneous environments
US20150106163A1 (en) * 2013-10-15 2015-04-16 Tata Consultancy Services Limited Obtaining optimal pricing strategy in a service engagement
CN106897115A (zh) * 2017-02-24 2017-06-27 郑州云海信息技术有限公司 一种云环境下SaaS软件部署方法及装置
CN108199894A (zh) * 2018-01-15 2018-06-22 华中科技大学 一种数据中心功率管理及服务器部署方法
US20190220073A1 (en) * 2018-01-15 2019-07-18 Huazhong University Of Science And Technology Server deployment method based on datacenter power management
CN110022230A (zh) * 2019-03-14 2019-07-16 北京邮电大学 基于深度强化学习的服务链并行部署方法及装置
CN110390560A (zh) * 2019-06-28 2019-10-29 浙江师范大学 一种基于Stackelberg博弈的移动群智感知多任务定价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王磊;李金城;康彬;崔景伍;郑宝玉;: "多主多从Stackelberg博弈下的边缘缓存资源分配算法", 信号处理, no. 04, pages 56 - 63 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021128849A1 (zh) * 2019-12-25 2021-07-01 浙江大学 基于激励机制的自发式边缘应用部署及定价方法
CN115033718A (zh) * 2022-08-15 2022-09-09 浙江大学 一种业务应用部署方法、装置及设备

Also Published As

Publication number Publication date
WO2021128849A1 (zh) 2021-07-01
CN111210262B (zh) 2023-10-03
US20220156809A1 (en) 2022-05-19

Similar Documents

Publication Publication Date Title
CN111210262B (zh) 基于激励机制的自发式边缘应用部署及定价方法
Xiong et al. Cloud/edge computing service management in blockchain networks: Multi-leader multi-follower game-based ADMM for pricing
Samimi et al. A combinatorial double auction resource allocation model in cloud computing
Du et al. Learning resource allocation and pricing for cloud profit maximization
Ardagna et al. Generalized nash equilibria for the service provisioning problem in cloud systems
CN111262944B (zh) 异构移动边缘计算网络中分层任务卸载的方法与系统
CN111401744B (zh) 一种移动边缘计算中不确定性环境下的动态任务卸载方法
Xiao et al. Gridis: An incentive-based grid scheduling
CN112491964B (zh) 移动辅助边缘计算方法、装置、介质和设备
CN109802998A (zh) 一种基于博弈的雾网络协同调度激励方法及系统
Tong et al. Stackelberg game-based task offloading and pricing with computing capacity constraint in mobile edge computing
CN113163006A (zh) 基于云-边缘协同计算的任务卸载方法及系统
TW200532518A (en) Methods and apparatus for managing computing resources based on yield management framework
CN112783662A (zh) 集成区块链的传感边缘云任务卸载中cpu资源可信共享系统
Zhang et al. Mining task offloading in mobile edge computing empowered blockchain
Chunlin et al. Multi economic agent interaction for optimizing the aggregate utility of grid users in computational grid
Li On the profits of competing cloud service providers: A game theoretic approach
CN114298728A (zh) 一种数据处理方法及相关装置
Chen et al. A pricing approach toward incentive mechanisms for participant mobile crowdsensing in edge computing
Marinescu et al. Coalition formation and combinatorial auctions; applications to self-organization and self-management in utility computing
CN116795539A (zh) 一种基于区块链的移动边缘计算中的资源分配方法
CN115439026A (zh) 基于嵌套联邦学习的多智能体自组织需求响应方法及系统
WO2010026391A1 (en) Load balancing in a data network
Sterz et al. Multi-stakeholder service placement via iterative bargaining with incomplete information
Zhao et al. Efficient grid task-bundle allocation using bargaining based self-adaptive auction

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