CN111796942A - 一种感知云资源成本支出的边缘部署方法 - Google Patents

Abstract

本发明涉及信息技术的技术领域，特别是涉及一种感知云资源成本支出的边缘部署方法，其为服务提供商提供总资源成本优化且满足用户需求的边缘部署方案；其特征在于，具体包括以下步骤：步骤1、根据用户向边缘云请求的任务信息，求解获得最优化总资源成本的各任务执行位置；步骤2、根据步骤1求解所得的各任务执行位置，求解为边缘计算中心部署的边缘资源量。

Description

一种感知云资源成本支出的边缘部署方法

技术领域

本发明涉及信息技术的技术领域，特别是涉及一种感知云资源成本支出的边缘部署方法。

背景技术

随着信息技术的发展和人民日益增长的美好生活需求，智能设备越来越流行，如智能手机、可穿戴设备和智能家居。并且随着近几年人工智能算法(如深度学习)和通信技术(如5G、WiFi 6/7)的高速发展，面向智能设备的互联网服务在多样性和复杂性方面均得到快速增加，如移动应用、物联网服务、远程医疗等。而因自身有限的资源容量和电池电量，许多智能设备无法高效地执行用户任务。于是许多工作采用边缘计算技术，通过将智能设备(尤其是移动设备)的部分计算任务卸载到邻近的边缘服务器，减少任务的计算延时，降低设备的计算能耗。而因场地空间和制冷条件的限制，一个边缘计算中心通常仅部署几台边缘服务器，可能导致边缘资源无法满足所有用户的请求。边缘云计算利用丰富的公有云资源扩展边缘计算平台的资源量，通过卸载一些资源密集型任务到公有云上来解决上述问题。而如何高效地使用资源是服务提供商必须要解决的问题之一，其中边缘部署是解决该问题的关键技术之一。

边缘云环境中，边缘部署方案通过为边缘计算中心部署相应的边缘服务器资源，满足边缘云运营期间所有用户的需求，并优化服务供应商的投资成本。已有的一些工作利用边缘云运营的历史服务信息，设计边缘部署方案，优化用户任务性能和边缘云资源的使用成本。然而这些工作在设计边缘部署方案时，忽略了边缘云运营期间租用公有云资源的成本支出，从而为了优化边缘资源的投资成本，可能在边缘计算中心部署过少的边缘资源，导致边缘云运营期间租用过多的公有云资源，这可能会增加边缘云提供服务的总成本支出。

发明内容

为解决上述技术问题，本发明提供一种为服务提供商提供总资源成本优化且满足用户需求的边缘部署方案的感知云资源成本支出的边缘部署方法。

本发明的一种感知云资源成本支出的边缘部署方法，具体包括以下步骤：

步骤1、根据用户向边缘云请求的任务信息，求解获得最优化总资源成本的各任务执行位置；

步骤2、根据步骤1求解所得的各任务执行位置，求解为边缘计算中心部署的边缘资源量。

本发明的一种感知云资源成本支出的边缘部署方法，步骤1中用于求解获得最优化总资源成本的各任务执行位置的求解公式为：

其中X为1行n列的矩阵，其中第i列元素为x_i，表示任务task_i的执行位置：x_i＝0表示task_i在公有云上执行，x_i＝1表示task_i在边缘计算中心执行；X′为X的转置；task_i表示用户向边缘云请求的第i个任务；1_1×n为1行n列元素全为1的矩阵；S为1行n列的矩阵，其中第i列元素为s_i，表示任务task_i所需的资源总量；S′为S的转置；Y为1行n列的矩阵，其中第i列元素为y_i，y_i＝s_i/(d_i-a_i)，a_i和d_i分别为任务task_i执行的开始时间和结束时间；Z_j′为Z_j的转置，Z_j为1行n列的矩阵，其中第i列元素为z_i,j，表示任务task_i是否在第j个时间段运行，当s_i≤τ_j≤f_i时，z_i,j＝1，其他情况下z_i,j＝0，τ_j表示第j个边缘云运营时间段的起始时间；T表示边缘云运营的时间段个数；p_c和p_e分别为公有云和边缘计算中心的资源单价。

本发明的一种感知云资源成本支出的边缘部署方法，步骤2中用于求解边缘计算中心部署的边缘资源量的计算公式为：

其中R为部署在边缘计算中心的边缘资源量；X为1行n列的矩阵，其中第i列元素为x_i，表示任务task_i的执行位置：x_i＝0表示task_i在公有云上执行，x_i＝1表示task_i在边缘计算中心执行；X′为X的转置；task_i表示用户向边缘云请求的第i个任务；1_1×n为1行n列元素全为1的矩阵；Y为1行n列的矩阵，其中第i列元素为y_i，y_i＝s_i/(d_i-a_i)，s_i为任务task_i所需的资源总量，a_i和d_i分别为任务task_i执行的开始时间和结束时间；Z_j′为Z_j的转置，Z_j为1行n列的矩阵，其中第i列元素为z_i,j，表示任务task_i是否在第j个时间段运行，当s_i≤τ_j≤f_i时，z_i,j＝1，其他情况下z_i,j＝0，τ_j表示第j个边缘云运营时间段的起始时间；T表示边缘云运营的时间段个数。

与现有技术相比本发明的有益效果为：本发明专利利用边缘计算中心运营期间的任务信息，并考虑到公有云资源的租用成本，计算用户所需的边缘资源量，从而为服务提供商提供资源成本最优的边缘部署方案。

附图说明

图1是本发明的逻辑流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例

如图1所示，感知公有云资源成本支出的边缘部署方法的具体流程如下。

步骤1：根据用户向边缘云请求的任务信息，求解获得最优化总资源成本的各任务执行位置，求解公式如下：

其中X为1行n列的矩阵，其中第i列元素为x_i，表示任务task_i的执行位置：x_i＝0表示task_i在公有云上执行，x_i＝1表示task_i在边缘计算中心执行；X′为X的转置；task_i表示用户向边缘云请求的第i个任务；1_1×n为1行n列元素全为1的矩阵；S为1行n列的矩阵，其中第i列元素为s_i，表示任务task_i所需的资源总量；S′为S的转置；Y为1行n列的矩阵，其中第i列元素为y_i，y_i＝s_i/(d_i-a_i)，a_i和d_i分别为任务task_i执行的开始时间和结束时间；Z_j′为Z_j的转置，Z_j为1行n列的矩阵，其中第i列元素为z_i,j，表示任务task_i是否在第j个时间段运行，当s_i≤τ_j≤f_i时，z_i,j＝1，其他情况下z_i,j＝0，τ_j表示第j个边缘云运营时间段的起始时间；T表示边缘云运营的时间段个数；p_c和p_e分别为公有云和边缘计算中心的资源单价。

步骤2：根据步骤1求解所得的各任务执行位置，求解为边缘计算中心部署的边缘资源量，计算公式如下：

其中R为部署在边缘计算中心的边缘资源量；X为1行n列的矩阵，其中第i列元素为x_i，表示任务task_i的执行位置：x_i＝0表示task_i在公有云上执行，x_i＝1表示task_i在边缘计算中心执行；X′为X的转置；task_i表示用户向边缘云请求的第i个任务；1_1×n为1行n列元素全为1的矩阵；Y为1行n列的矩阵，其中第i列元素为y_i，y_i＝s_i/(d_i-a_i)，s_i为任务task_i所需的资源总量，a_i和d_i分别为任务task_i执行的开始时间和结束时间；Z_j′为Z_j的转置，Z_j为1行n列的矩阵，其中第i列元素为z_i,j，表示任务task_i是否在第j个时间段运行，当s_i≤τ_j≤f_i时，z_i,j＝1，其他情况下z_i,j＝0，τ_j表示第j个边缘云运营时间段的起始时间；T表示边缘云运营的时间段个数；

本发明专利利用边缘计算中心运营期间的任务信息，并考虑到公有云资源的租用成本，计算用户所需的边缘资源量，从而为服务提供商提供资源成本最优的边缘部署方案。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (3)

1.一种感知云资源成本支出的边缘部署方法，其特征在于，具体包括以下步骤：

步骤1、根据用户向边缘云请求的任务信息，求解获得最优化总资源成本的各任务执行位置；

步骤2、根据步骤1求解所得的各任务执行位置，求解为边缘计算中心部署的边缘资源量。

2.如权利要求1所述的一种感知云资源成本支出的边缘部署方法，其特征在于，步骤1中用于求解获得最优化总资源成本的各任务执行位置的求解公式为：

其中X为1行n列的矩阵，其中第i列元素为x_i，表示任务task_i的执行位置：x_i＝0表示task_i在公有云上执行，x_i＝1表示task_i在边缘计算中心执行；X′为X的转置；task_i表示用户向边缘云请求的第i个任务；1_1×n为1行n列元素全为1的矩阵；S为1行n列的矩阵，其中第i列元素为s_i，表示任务task_i所需的资源总量；S′为S的转置；Y为1行n列的矩阵，其中第i列元素为y_i，y_i＝s_i/(d_i-a_i)，a_i和d_i分别为任务task_i执行的开始时间和结束时间；Z_j′为Z_j的转置，Z_j为1行n列的矩阵，其中第i列元素为z_i,j，表示任务task_i是否在第j个时间段运行，当s_i≤τ_j≤f_i时，z_i,j＝1，其他情况下z_i,j＝0，τ_j表示第j个边缘云运营时间段的起始时间；T表示边缘云运营的时间段个数；p_c和p_e分别为公有云和边缘计算中心的资源单价。

3.如权利要求2所述的一种感知云资源成本支出的边缘部署方法，其特征在于，步骤2中用于求解边缘计算中心部署的边缘资源量的计算公式为：

其中R为部署在边缘计算中心的边缘资源量；X为1行n列的矩阵，其中第i列元素为x_i，表示任务task_i的执行位置：x_i＝0表示task_i在公有云上执行，x_i＝1表示task_i在边缘计算中心执行；X′为X的转置；task_i表示用户向边缘云请求的第i个任务；1_1×n为1行n列元素全为1的矩阵；Y为1行n列的矩阵，其中第i列元素为y_i，y_i＝s_i/(d_i-a_i)，s_i为任务task_i所需的资源总量，a_i和d_i分别为任务task_i执行的开始时间和结束时间；Z_j′为Z_j的转置，Z_j为1行n列的矩阵，其中第i列元素为z_i,j，表示任务task_i是否在第j个时间段运行，当s_i≤τ_j≤f_i时，z_i,j＝1，其他情况下z_i,j＝0，τ_j表示第j个边缘云运营时间段的起始时间；T表示边缘云运营的时间段个数。

Images