CN112003921B - 一种边缘计算环境中热门数据主动缓存与替换的方法 - Google Patents

Abstract

本发明公开了一种边缘计算环境中热门数据主动缓存与替换的方法，构建边缘计算环境下的边缘服务器之间、用户之间、边缘服务器与用户之间关系的场景；创建能够测试数据受欢迎度的方法；依照数据提供商收益最大化的目标，将热门数据放置在边缘服务器上；实时处理用户的请求信息，处理边缘服务器上数据的替换。本发明依照数据提供商收益最大化来放置数据，既保证了用户请求数据延迟低，又保证了数据提供商有一个好的收益，对于用户的请求的设计，可以让用户尽可能快速获得该数据，边缘服务器的数据替换及时有效的将热度降低的数据拿出边缘服务器，进而用最新的热门数据取而代之。

Description

一种边缘计算环境中热门数据主动缓存与替换的方法

技术领域

本发明涉及移动边缘计算的缓存与替换策略问题，属于移动边缘计算领域，具体涉及一种边缘计算环境中热门数据主动缓存与替换的方法。

背景技术

随着移动设备数量的爆炸性增长和许多新兴应用的出现，移动网络的流量已呈指数增长。传统的集中式网络结构由于回程链路负载大、时延长而不能满足移动用户的需求。因此，提出了一种从核心网络到边缘网络开放网络能力的新架构，即移动边缘计算。这种新的体系结构通过将存储迁移到最近的基站甚至用户设备来减少服务延迟和减轻网络带宽压力。这些边缘服务器允许服务提供商在云的边缘执行任务，比如缓存、计算和通信。在边缘服务器上缓存数据，尤其是流行的数据，可以显著降低移动用户访问这些数据的延迟，并减少移动用户与集中式云之间的数据流量。

从服务提供商的角度来看，它的目标是通过缓存数据来最大化收益，同时满足用户数据访问延迟的约束。服务提供商的数据缓存收入由两个主要部分组成。第一个组件是缓存大量用户请求的流行数据的收益。第二部分是存储成本、传输成本和替换成本，即服务提供商向移动网络运营商支付在边缘服务器上缓存数据的费用。在数据缓存的收益和成本之间存在权衡，服务提供商需要决定在哪里以及如何缓存他们的数据，以最大化其收入。

在发明中，将边缘计算环境中的数据缓存问题定义为在满足用户数据访问延迟约束的情况下，服务提供商总收益最大化的优化问题。

发明内容

本发明的目的是为了解决边缘服务器缓存的数据利用率低，用户请求数据延迟高，数据提供商收入不稳定，大规模的数据处理困难等问题，提供一种边缘计算环境中热门数据主动缓存与替换的方法。

为解决上述技术问题，本发明所采取的技术方案是：

一种边缘计算环境中热门数据主动缓存与替换的方法，包括如下步骤：

S1、构建边缘计算环境下的边缘服务器之间、用户之间、边缘服务器与用户之间关系的场景；

S2、创建能够测试数据受欢迎度的方法；

S3、依照数据提供商收益最大化的目标，将热门数据放置在边缘服务器上，同时满足数据传输延迟小，提升用户满意度；

S4、实时处理用户的请求信息，处理边缘服务器上数据的替换。

进一步，所述S2主要包括：

S21、根据特定的时间窗口中当前值与平均值的差值的总和计算累积变化值，该累积变化值的计算公式是：

其中

代表在t时刻数据d_j的请求数量，

代表

的在时间段T内的平均值，δ是一个控制值变化敏感性的参数；

S22、计算数据受欢迎度的检测值通过以下公式

来计算，当检测值大于给定的初始阈值时，就说明该数据在该服务器上受欢迎，可视为热门数据；

S23、通过公式

计算数据不受欢迎程度的检测值，

当检测值

小于给定的初始阈值时，就说明该数据已经不受欢迎，该数据将不会存储在边缘服务器上；

S24、设置S21中的时间窗的大小，时间窗主要用来调节测试数据受欢迎程度的时间长短，也就是设置T的大小，其中数据受欢迎度用p_j来表示，

S25、最终数据能给数据提供商带来的收益主要通过以下公式来计算：Benefit_j＝p_j*θ，其中θ代表其中一个数据频数所能带来的收益。

进一步，所述S3数据提供商收益最大化的目标主要包括：

S31、数据提供商收益的计算目标主要通过以下公式进行计算：

其中

代表数据j缓存在服务器k上成本，

r_kjR_kjS_j代表在服务器k上替换该数据的成本，

代表用户i从服务器k上获取数据j的传输成本；

S32、结合S1所设置的场景，针对目标函数的限制条件主要包括以下：

其中，Y_kj代表数据j是否已缓存在服务器k上，

P_kj代表数据j在边缘服务器k的欢迎度，

threshold代表判断数据欢迎度的阈值，

S_j代表数据j的大小，

Q_k代表服务器k的容量大小，

d_ik代表用户i是否在服务器k附近，

代表用户i是否能在服务器k上获得数据j，

A_kj代表数据j是否需要缓存在服务器k上，

R_kj代表数据j是否在服务器k上产生了替换；

S33、根据目标函数计算每个热门数据在边缘服务器上能带来的收益，有以下公式计算：

计算每个数据j缓存在每个边缘服务器k上，该数据通过被该服务器周围的用户检索所能带来的收益，并将每个数据算出来的收益w_jk存放到集合W中，以供数据缓存时查找；

S34、按照收益从大到小依次把数据缓存到边缘服务器上，每循环一次就找到一个w_jk＝max(W)，将w_jk缓存到边缘服务器，将w_jk从集合W中去掉，然后进行下一次的循环查找，直到所有的边缘服务器缓存满数据或者已经所有的数据都已经缓存到边缘服务器，结束缓存数据。

进一步，所述S4包括如下步骤：

S41、当用户请求数据时候，在用户附近的边缘服务器上查看是否存在该数据，；

S42、如果周围边缘服务器存在，则将该数据直接发送给该用户；

S43、如果周围边缘服务器不存在，返回S2；

S44、如果该数据达到受欢迎程度就直接缓存到在能带来最大收益的边缘服务器上，在寻找边缘服务器的时候如果该边缘服务器还有足够的空间存储该数据则通过

来找到该边缘服务器，如果边缘服务器没有足够的空间则通过

来找到该服务器，这个公式还加上了替换数据所产生的费用；

S45、如果数据没达到受欢迎程序，说明该数据没必要缓存到边缘服务器上，则直接从让用户从云处获得该数据。

综上所述，由于采用了上述技术方案，本发明具有以下有益效果：

1、本发明中，用户与边缘服务器，以及他们之间关系场景的设置为解决边缘服务器缓存数据的问题创建了良好的基础，边缘服务器服务范围的交叉保证了用户随时随地都会有边缘服务器为其服务，防止两个边缘服务器服务范围交界处空白，用户请求之间没有互相影响，保证了每个用户的独立性，提升了用户体验性能。

2、本发明中，测试数据受欢迎度的方法，可以对数据受欢迎度进行测试，保证了缓存到边缘服务器上的数据在当下是被用户请求次数多的，一方面可以满足大多数用户快速检索到该数据，减少延迟，另一方面减少了不断替换数据所产生的的替换成本，时间窗大小的调节可以让测试的数据更加符合现实情况，可以减少前期数据请求状况对后期数据请求的影响。

3、本发明中，依照数据提供商收益最大化来放置数据，既保证了用户请求数据延迟低，又保证了数据提供商有一个好的收益，该方法考虑了数据缓存成本，距离边缘服务器不同用户的传输升本，以及请求该数据的收益。对于用户的请求的设计，可以让用户尽可能快速获得该数据，边缘服务器的数据替换及时有效的将热度降低的数据拿出边缘服务器，进而用最新的热门数据取而代之。

附图说明

图1为本发明实施例提供的框架图。

图2为本发明中的边缘计算架构图。

图3为本发明测试数据欢迎度的流程图。

图4为本发明缓存数据的流程图。

图5为本发明方法进行仿真实验的结果。

图6为本发明中在线实时数据缓存替换的过程。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，本实施例的一种边缘计算环境中热门数据主动缓存与替换的方法，其具体步骤如下：

步骤1；构建边缘计算环境下的边缘服务器之间，用户之间，服务器与用户之间关系的场景；

具体地，如图2所示，是本发明的场景架构图，可以看出每个服务器都有自己的服务范围(服务范围为圆形)，服务器之间服务范围有交叉，为了保证所有的用户在任何地方都有服务器服务，进而增强用户的体验性能，正如目标函数中的限制条件

代表用户只能在他附近的服务器上请求到该数据并且只能从一个服务器上得到该数据，

保证了只有缓存在该服务器k上的数据才能被用户得到，

保证了缓存在服务器上的数据的大小总和不超过服务器的总容量，关于这部分的求解问题，本发明采用了cplex求解工具求出最优解；各个用户之间是没有联系的，各个用户请求数据的时候，他们之间没有任何关联；用户请求数据时，在其附近的服务器为其服务，为了保证延迟尽可能小，每个服务器的服务范围做了一定限制，为了尽可能缩短延迟。

步骤2：创建能够测试数据受欢迎度的方法；

具体地，如图3所示，是本发明的热门数据检测方法图，关于计算数据请求量的累计变化值通过以下公式计算：

其中

代表在t时刻数据d_j的请求数量，

代表

的在时间段T内的平均值，δ是一个控制值变化敏感性的参数。

数据受欢迎度的检测值通过

来计算，当

大于预设的PH_th时就说明数据d_j受欢迎。通过公式

来计算的

当它小于预设的MPH_th，就说明该数据不受欢迎。

目标函数中Benefit_j＝B*p_j，B是数据d_j请求一次的收益，p_j是数据受欢迎度的数量。

步骤3：依照数据提供商收益最大化的目标，将热门数据放置在边缘服务器上，同时满足数据传输延迟小，提升用户满意度；

具体地，数据提供商收益的计算目标主要通过以下公式进行计算：

其中

代表数据j缓存在服务器k上成本，

r_kjR_kjS_j代表在服务器k上替换该数据的成本，

代表用户i从服务器k上获取数据j的传输成本；

结合S1所设置的场景，针对目标函数的限制条件主要包括以下：

其中，Y_kj代表数据j是否已缓存在服务器k上，

P_kj代表数据j在边缘服务器k的欢迎度，

threshold代表判断数据欢迎度的阈值，

S_j代表数据j的大小，

Q_k代表服务器k的容量大小，

d_ik代表用户i是否在服务器k附近，

代表用户i是否能在服务器k上获得数据j，

A_kj代表数据j是否需要缓存在服务器k上，

R_kj代表数据j是否在服务器k上产生了替换；

根据目标函数计算每个热门数据在边缘服务器上能带来的收益，有以下公式计算：

计算每个数据j缓存在每个边缘服务器k上，该数据通过被该服务器周围的用户检索所能带来的收益，并将每个数据算出来的收益w_jk存放到集合W中，以供数据缓存时查找；

按照收益从大到小依次把数据缓存到边缘服务器上，每循环一次就找到一个w_jk＝max(W)，将w_jk缓存到边缘服务器，将w_jk从集合W中去掉，然后进行下一次的循环查找，直到所有的边缘服务器缓存满数据或者已经所有的数据都已经缓存到边缘服务器，结束缓存数据。

如图4所示，在为热门数据选择缓存的服务器的时候首先通过

计算每个数据dj缓存在每个服务器k上所能带来的收益w_jk，将所有的w_jk放在集合W里面，然后找到w_jk＝max(W)，然后将w_jk所对应的数据dj放在其所对应的服务器k上，然后在剩下的集合继续找次大w_jk，直到所有的服务器已经缓存满数据。

步骤4：实时处理用户的请求信息，处理边缘服务器上数据的替换；

具体地，如图4所示，当收到用户的请求数据d_j时，首先通过FindMaxProfit1(Q(i))查找该用户i周围的服务器是否存在该数据，如果存在就是直接发送给用户，如果不存在首先判断该数据的请求是否已超过视频受欢迎度的阈值threshold，如果已经超过再通过FindMaxProfit2(Q(i))查找该数据放在哪个服务器上受益最大，直接把该服务器上的数据替换出来，关于替换的过程如图6所示，在寻找服务器的时候如果该服务器还有足够的空间存储该数据则通过

来找到该服务器，如果服务器没有足够的空间则通过

来找到该服务器，把该服务器上的数据替换出来，这个公式还加上了替换数据所产生的费用；每个服务器上缓存的数据都有一个权重值，就是要把权重值最小的一个数据替换出来，其中权重值的计算主要通过对该数据请求数量进行计数和请求时间进行统计，请求时间越久，请求次数越少的权重就越小。

为了验证本发明提出的缓存热门数据的方法的性能，首先将多背包问题归约到本发明的场景边缘服务器上缓存数据问题上，证明了缓存问题是NP-complete问题，从理论上证明了本发明中提出的边缘服务器缓存数据的方法近似比是ln(δ)，其中δ代表任何边缘服务器接收到的请求的最大种类。通过采用真实的用户服务器坐标点进行仿真实验，如图5所示是分别将本发明中的方法与最优解进行比较，可以看出本发明中的方法与最优解相比差距不大，可以看出有比较好的性能。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (2)

1.一种边缘计算环境中热门数据主动缓存与替换的方法，其特征在于，包括如下步骤：

S1、构建边缘计算环境下的边缘服务器之间、用户之间、边缘服务器与用户之间关系的场景；

S2、创建能够测试数据受欢迎度的方法；

S3、依照数据提供商收益最大化的目标，将热门数据放置在边缘服务器上，同时满足数据传输延迟小，提升用户满意度；

S4、实时处理用户的请求信息，处理边缘服务器上数据的替换；

所述S2主要包括：

S21、根据特定的时间窗口中当前值与平均值的差值的总和计算累积变化值，该累积变化值的计算公式是：

其中

代表在t时刻数据j的请求数量，

代表

的在时间段T内的平均值，δ是一个控制值变化敏感性的参数；

S22、计算数据受欢迎度的检测值通过以下公式

来计算，当检测值大于给定的初始阈值时，就说明该数据在该服务器上受欢迎，可视为热门数据；

S23、计算数据不受欢迎程度的检测值通过公式

来计算，当检测值

小于给定的初始阈值时，就说明该数据已经不受欢迎，该数据将不会存储在边缘服务器上；

S24、设置S21中的时间窗的大小，时间窗主要用来调节测试数据受欢迎程度的时间长短，也就是设置T的大小，其中数据受欢迎度用p_j来表示，

S25、最终数据能给数据提供商带来的收益主要通过以下公式来计算：Benefit_j＝p_j*θ，其中θ代表其中一个数据频数所能带来的收益；

所述S3数据提供商收益最大化的目标主要包括：

S31、数据提供商收益的计算目标主要通过以下公式进行计算：

其中

代表数据j缓存在服务器k上成本，

r_kjR_kjS_j代表在服务器k上替换该数据的成本，

代表用户i从服务器k上获取数据j的传输成本；

S32、结合S1所设置的场景，针对目标函数的限制条件主要包括以下：

Subject to:

其中，Y_kj代表数据j是否已缓存在服务器k上，

P_kj代表数据j在边缘服务器k的欢迎度，

threshold代表判断数据欢迎度的阈值，

S_j代表数据j的大小，

Q_k代表服务器k的容量大小，

d_ik代表用户i是否在服务器k附近，

代表用户i是否能在服务器k上获得数据j，

A_kj代表数据j是否需要缓存在服务器k上，

R_kj代表数据j是否在服务器k上产生了替换；

S33、根据目标函数计算每个热门数据在边缘服务器上能带来的收益，有以下公式计算：

计算每个数据j缓存在每个边缘服务器k上，该数据通过被该服务器周围的用户检索所能带来的收益，并将每个数据算出来的收益w_jk存放到集合W中，以供数据缓存时查找；

S34、按照收益从大到小依次把数据缓存到边缘服务器上，每循环一次就找到一个w_jk＝max(W)，将w_jk缓存到边缘服务器，将w_jk从集合W中去掉，然后进行下一次的循环查找，直到所有的边缘服务器缓存满数据或者所有的数据都已经缓存到边缘服务器，结束缓存数据。

2.如权利要求1所述的边缘计算环境中热门数据主动缓存与替换的方法，其特征在于，所述S4包括如下步骤：

S41、当用户请求数据时候，在用户附近的边缘服务器上查看是否存在该数据；

S42、如果周围边缘服务器存在，则将该数据直接发送给该用户；

S43、如果周围边缘服务器不存在，返回S2；

S44、如果该数据达到受欢迎程度就直接缓存到在能带来最大收益的边缘服务器上，在寻找边缘服务器的时候如果该边缘服务器还有足够的空间存储该数据则通过

来找到该边缘服务器，如果边缘服务器没有足够的空间则通过

来找到该服务器，把该服务器上的数据替换出来，这个公式还加上了替换数据所产生的费用；

S45、如果数据没达到受欢迎程度，说明该数据没必要缓存到边缘服务器上，则直接让用户从云处获得该数据。

Images