CN111800486A - 一种云边协同的资源调度方法及系统 - Google Patents

Abstract

本发明公开了一种云边协同的资源调度方法及系统，包括：确定MEC服务器的位置及覆盖范围；实时监测各MEC服务器服务范围内客户对每一个资源的访问热度；当某地区某资源客户的访问带宽达到设定阈值时，在该地区租用MEC服务器；并将所述资源缓存到租用的MEC服务器上；在所述租用MEC服务器的预留期内，协同使用MEC服务器和云服务器提供访问。本发明在运行的过程中可以根据用户各地区带宽的实际占用情况实时地做出预留决策，从而有效减少由于访问人数短时间内的激增而导致的带宽费用的激增。

Description

一种云边协同的资源调度方法及系统

技术领域：

本发明涉及资源调度技术领域，尤其涉及一种云边协同的资源调度方法及系统。

技术背景：

随着云计算技术的发展和普及已经有越来越多的用户选择将他们的应用部署到云端。这不仅帮他们节省了大量的硬件成本，通过云服务提供商的服务可以节省用户的运维难度。但近些年来随着5G技术及IoT技术的发展，传统的云计算方案逐渐暴露出来了一些问题。由于信息的爆炸式增长，若将所有的信息上传至云端将会极大的增加云端的带宽压力并带来巨额的带宽成本。同时，对于那些对延迟要求较高的行业，如医疗，互联网等，由高延迟带来的用户数量的流失将是不可接受的。因此边缘计算的概念逐渐被工业界和学术界推广开来。与云计算不同的是，边缘计算通过将业务处理卸载到离数据源头更近的边缘端来缓解骨干网络的带宽压力，并有效提高位于边缘测客户的QoS。

根据应用场景不同，边缘计算被分成了物联网边缘计算(IoT Edge Computing)和移动边缘计算(MEC)。由于边缘计算的广阔市场前景，目前各大主流的云服务提供商也纷纷推出了自己的边缘计算产品。例如，阿里云基于原来CDN(Content Delivery Network，内容分发网络)运营商侧边缘节点构建，推出了自己的MEC产品ENS。该产品可以在边缘侧实现部分云计算实现的功能，从而有效缓解带宽压力并降低运营成本。

目前，为降低时延，主流的内容服务提供商都是采用的基于CDN的架构。即云中心负责数据处理及储存，CDN端负责内容分发。在这种架构下，用户数据的内容分发工作完全交给CDN来实现，这可以极大的降低用户的运维难度并有效提高客户的使用体验。但问题是，CDN的内容调度是根据中心平台的负载均衡来实现的，它并不能根据用户客户的自身特点给出个性化的调度策略。同时，由于客户信息储存在CDN节点处，还有潜在的用户信息泄露的风险。

发明内容：

有鉴于此，本发明提出了一种云边协同的资源调度方法及系统，通过实时监测不同地区对不同资源的带宽占用情况，动态预留MEC产品以节省带宽花费及资源。同时通过合理的调度方法保证成本一致的情况下最大化QoS(quality of service，服务质量)。

为了实现上述目的，本发明提出了如下技术方案：

第一方面，本发明公开了一种云边协同的资源调度方法，包括：

确定MEC服务器的位置及覆盖范围；

实时监测各MEC服务器服务范围内客户对每一个资源的访问热度；

当某地区某资源客户的访问带宽达到设定阈值时，在该地区租用MEC服务器；并将所述资源缓存到租用的MEC服务器上；

在所述租用MEC服务器的预留期内，协同使用MEC服务器和云服务器提供访问。

第二方面，本发明公开了一种云边协同的资源调度系统，包括：

数据提取模块，用于获取MEC服务器的位置及覆盖范围；

实时监测模块，用于实时监测各MEC服务器服务范围内客户对每一个资源的访问热度；

动态决策模块，用于当某地区某资源客户的访问带宽达到设定阈值时，在该地区租用MEC服务器；并将所述资源缓存到租用的MEC服务器上；

协同调度模块，用于在所述租用MEC服务器的预留期内，协同使用MEC服务器和云服务器提供访问。

第三方面，本发明公开了一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的云边协同的资源调度方法。

第四方面，本发明公开了一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的云边协同的资源调度方法。

与现有技术相比，本发明的有益效果是：

本发明在运行的过程中可以根据用户各地区带宽的实际占用情况实时地做出预留决策，从而有效减少由于访问人数短时间内的激增而导致的带宽费用的激增。通过云边协同调度系统可以保证在成本一定的情况下，最大程度的降低用户的延迟，带来最好的用户体验。

本发明的附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明实施例一中基于客户带宽占用情况的动态预留方法流程图：

图2为本发明实施例二中基于客户带宽占用情况进行云边协同资源调度系统图：

具体实施方式：

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一

本实施例公开了一种基于提供了云边协同的资源调度方法，如图1所示，包括以下步骤：

步骤一：通过与云服务提供商交流得知可提供的MEC产品位置及其覆盖范围。

具体包括：MEC服务器的位置分布及其对应的服务范围，以及不同地区MEC服务器的带宽单价及预留费用。

步骤二：实时监测每一个MEC产品覆盖范围内用户对每一个资源的实际访问情况，包括区域内每个客户的实际带宽占用，区域内客户实时访问人数n以及区域内客户实时占用的总带宽。

确定MEC产品服务区域内用户对某资源i的实时访问带宽：

其中，d′_i代表某MEC产品服务区域内用户对某资源i的实时访问带宽。

代表某用户j对i资源的实时访问带宽。n为该区域内客户的实时访问人数。

对于每一天的d′_i，统计出该区域资源i客户访问的带宽日最大值：

d_i＝max_oneday{d′_i}

其中，d_i为当日对资源i访问带宽的峰值；

同时，记录每个客户在近期一段时间内，如一个月内对各资源的访问频次，并在客户j与特定资源i之间建立标签。对于那些访问频次较高的客户标记为，j对于i有高兴趣。反之标记为，j对于i有低兴趣。

步骤三：对于该区域内所有被访问过的资源，实时监测他们的带宽占用量，若没有超过临界值m则继续通过原服务器访问。

进一步地，临界值m满足下列公式：

C＝mpT-mαpT

其中，p为MEC服务提供商给出的带宽单价，单位为元/Mbps/月。m为临界带宽值，单位为Mbps。T为预留周期，单位为月。α为预留后相比预留前带宽单价的折扣，C为服务器预留费用。

进一步地，C＝aC_vcpu+bC_ram+cC_st

即服务器预留费用C由虚核费用C_vcpu，内存费用C_ram以及存储费用C_st三部分构成。其中a,b和c分别表示虚核，内存及存储空间的用量；

MEC服务器费用主要由两部分构成：边缘算力，边缘带宽。计费方式分别如下：

边缘算力：包括边缘虚核C_vcpu，边缘内存C_ram，边缘存储C_st三部分。若想使用某地区的MEC服务器，必须根据自身的业务情况提前确定租用MEC服务器的配置规格，并根据配置规格支付相应的边缘算力费用C，即C＝aC_vcpu+bC_ram+cC_st。C为服务器预留费用，他代表的是租用MEC服务器应缴纳的费用，也就是本文中指的预留费用C。

边缘带宽：取决于在本计费周期内带宽的峰值，以一个月为例，若带宽单价为p(元/Mbps/月)，本月峰值带宽为100Mbps，则本计费周期(月)内的带宽花费为100*p*1＝100p(元)。边缘带宽的费用是根据使用情况采取先使用后付费的方式计费的，因此每次在MEC服务器租用到期后(即预留周期结束时)，都需要根据租用期内带宽的使用情况缴纳相应的边缘带宽费用。

步骤四：若某区域客户对某资源i的实时带宽访问量d′_i大与临界值m时，将该资源标记为在此地区受欢迎的资源。并在此区域内预留MEC服务器，将该资源缓存至该服务器上。开启MEC服务器计费，缴纳MEC服务器的预留费用C，并向云服务器缴纳一次带宽费用。

进一步的，此时缴纳的云服务器带宽费用为：

C_Cloud＝n_tpt

其中n_t为上一个云服务器计费周期日带宽峰值，t为此计费周期的天数；

步骤五：在MEC服务器预留期内，协同使用MEC服务器和云服务器提供访问；

当n_i-1-m>d_i时，所有访问请求都通过MEC服务器提供；

当n_i-1-m<d_i<n_i-1时，n_i-1-m的带宽请求通过MEC服务器提供，d_i-(n_i-1-m)的访问通过云服务器提供。且对于被标记为j对于i有高兴趣的客户优先通过MEC服务器访问，被标记为j对于i有低兴趣的客户优先通过云服务器访问；

当d_i>n_i-1时，d_i-m的带宽请求通过MEC服务器提供，m的带宽请求通过云服务器提供。且被标记为j对于i有高兴趣的客户优先通过MEC服务器访问，被标记为j对于i有低兴趣的客户优先通过云服务器访问。

步骤六：当MEC服务器预留期结束时，停止使用MEC服务器。缴纳MEC服务器的带宽费用，并向云服务器缴纳预留阶段内的云服务器带宽费用。

进一步地，此时缴纳的MEC服务器的带宽费用为：

C_edge＝n′_TαpT

其中，n′_T＝max_1≤i≤T{d_i-m}为预留后超过m部分带宽的日峰值。

此外，此时应缴纳的云服务器的带宽费用为：

C_Cloud＝mpT

在预留期内云服务器带宽只使用了m，故此阶段内云服务器的计费带宽为m。

本实施例方法能够根据客户的行为实时对MEC服务器预留与否做出动态决策。动态体现在将不同地区客户的访问情况实时上云，并且云端根据上云的数据实时决定是否购买MEC边缘服务器，这个过程是实时的，动态的，而非长时间(如一天)内只做某几次决策。

由于MEC服务器位于网络传输的边缘侧，相比云服务器更靠近用户，因此它具有更快的响应速度及更低的延迟。基于这个原因，在同样的费用下，若同时拥有云服务器带宽资源与MEC服务器带宽资源，优先使用MEC服务器提供服务，只有当MEC服务器带宽资源全部占用且还不能满足全部的访问请求时才使用云服务器提供访问。从而保证费用一定的前提下最大化QoS。

本实施例方法将有大量客户通过位于网络传输边缘侧的MEC服务器访问内容服务提供商的内容资源，而不再通过云服务器访问这些内容资源。从而有效缩短了客户访问内容资源时的网络传输距离，从而更好地保证了用户数据在网络传输时的安全性。

实施例二

本实施例的目的是提供一种基于提供了云边协同的资源调度系统，图2详细展示了本系统的功能结构图，具体包括：

数据提取模块，用于获取MEC服务器的位置及覆盖范围；

实时监测模块，用于实时监测各MEC服务器服务范围内客户对每一个资源的访问热度；

动态决策模块，用于当某地区某资源客户的访问带宽达到设定阈值时，在该地区租用MEC服务器；并将所述资源缓存到租用的MEC服务器上；

协同调度模块，用于在所述租用MEC服务器的预留期内，协同使用MEC服务器和云服务器提供访问。

其中，数据提取模块，配置为实现：

资源访问情况获取，根据当地用户的行为获取当地各个资源的实时访问情况；

数据清洗，将获取的数据中无关的信息进行清洗；

数据上云，将各地获得的数据实时上传至云服务器。

实时监测模块被配置为实现：

实时带宽监测，对此时云服务器和MEC服务器的带宽资源占用进行实时监测并记录，在带宽资源不足时购买额外的MEC服务器带宽；

实时数据更新，对当前已购买的云服务器和MEC服务器带宽资源进行实时更新，将结果实时反馈给动态决策模块以帮助其得到最佳的云边协同调度策略。

动态决策模块，被配置为实现：

实施预留决策分析，云服务器根据各地上传的数据实时进行决策，判断需要租用MEC服务器的区域。并将被标记为受欢迎的资源缓存至对应的MEC服务器中。

协同调度模块，被配置为实现：

资源调度决策分析，用户根据当前已购买的云服务器和MEC服务器带宽资源实时决定访问请求的访问位置。在不产生额外花费的情况下，优先使用MEC服务器带宽资源。

可选地，还包括：日志记录模块，被配置为实现：

预留日志记录，对每一次预留决策进行记录，作为以后类似情况出现时的决策参考；

调度决策记录，记录下每次预留期内的资源调度情况，将其与收集到的客服体验反馈进行对比，得到客户对不同资源延迟情况的忍受程度。从而在下次调度时将那些对延迟要求不高的资源优先放到云端。

可选地，还包括：资源卸载模块，其被配置为实现：

对于决策模块中做出的预留决策，此模块将云服务器中被标记为受欢迎的资源缓存至对应地区的MEC服务器中。

实施例三

在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的基于提供了云边协同的资源调度方法。为了简洁，在此不再赘述。

应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

实施例一中的基于提供了云边协同的资源调度方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种云边协同的资源调度方法，其特征在于，包括：

确定MEC服务器的位置及覆盖范围；

实时监测各MEC服务器服务范围内客户对每一个资源的访问热度；

当某地区某资源客户的访问带宽达到设定阈值时，在该地区租用MEC服务器；并将所述资源缓存到租用的MEC服务器上；

在所述租用MEC服务器的预留期内，协同使用MEC服务器和云服务器提供访问。

2.如权利要求1所述的一种云边协同的资源调度方法，其特征在于，通过云服务提供商获得MEC服务器的位置分布及其对应的服务范围，以及不同地区MEC服务器的带宽单价及预留费用。

3.如权利要求1所述的一种云边协同的资源调度方法，其特征在于，实时监测各MEC服务器服务范围内客户对每一个资源的访问热度，包括：

某MEC服务器服务范围内用户对某资源i的实时访问带宽d′_i具体为每一个用户对资源i的实时访问带宽的总和；

基于d′_i确定当日对资源i访问带宽的峰值。

4.如权利要求3所述的一种云边协同的资源调度方法，其特征在于，记录每个客户在设定时间段内，对资源i的访问频次，并在客户j与资源i之间建立标签；将访问频次高于设定值的客户标记为对资源i有高兴趣；将访问频次低于设定值的客户标记为对资源i有低兴趣。

5.如权利要求1所述的一种云边协同的资源调度方法，其特征在于，协同使用MEC服务器和云服务器提供访问，具体包括：

当n_i-1-m>d_i时，所有访问请求都通过MEC服务器提供；

当n_i-1-m<d_i<n_i-1时，n_i-1-m的带宽请求通过租用的MEC服务器提供，d_i-(n_i-1-m)的访问通过云服务器提供；

当d_i>n_i-1时，d_i-m的带宽请求通过MEC服务器提供，m的带宽请求通过云服务器提供；

其中，d_i为当日对资源i访问带宽的峰值，m未设定的阈值，n_i-1为前i-1天内对资源i访问带宽峰值的最大值，即：

n_i-1＝max{d₁,d₂…d_i-1,d_i}。

6.如权利要求5所述的一种云边协同的资源调度方法，其特征在于，被标记为客户j对于资源i有高兴趣的客户优先通过MEC服务器访问，被标记为客户j对于资源i有低兴趣的客户优先通过云服务器访问。

7.如权利要求1所述的一种云边协同的资源调度方法，其特征在于，预留期结束后，关闭该地区的MEC服务器，并将保存在边缘端的资源删除。

8.一种云边协同的资源调度系统，其特征在于，包括：

数据提取模块，用于获取MEC服务器的位置及覆盖范围；

实时监测模块，用于实时监测各MEC服务器服务范围内客户对每一个资源的访问热度；

动态决策模块，用于当某地区某资源客户的访问带宽达到设定阈值时，在该地区租用MEC服务器；并将所述资源缓存到租用的MEC服务器上；

协同调度模块，用于在所述租用MEC服务器的预留期内，协同使用MEC服务器和云服务器提供访问。

9.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-7任一项所述的云边协同的资源调度方法。

10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的云边协同的资源调度方法。

Images