CN112084020B - 多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法 - Google Patents

多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法 Download PDF

Info

Publication number
CN112084020B
CN112084020B CN202010812734.5A CN202010812734A CN112084020B CN 112084020 B CN112084020 B CN 112084020B CN 202010812734 A CN202010812734 A CN 202010812734A CN 112084020 B CN112084020 B CN 112084020B
Authority
CN
China
Prior art keywords
machine
virtual
virtual machine
physical machine
physical
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
Application number
CN202010812734.5A
Other languages
English (en)
Other versions
CN112084020A (zh
Inventor
张龙
诸葛姗姗
王鹏
赵晖
王瑶
吴亚洲
许海涛
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.)
Hebei University of Engineering
Original Assignee
Hebei University of Engineering
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 Hebei University of Engineering filed Critical Hebei University of Engineering
Priority to CN202010812734.5A priority Critical patent/CN112084020B/zh
Publication of CN112084020A publication Critical patent/CN112084020A/zh
Application granted granted Critical
Publication of CN112084020B publication Critical patent/CN112084020B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061Partitioning or combining of resources
    • G06F9/5072Grid computing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/455Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533Hypervisors; Virtual machine monitors
    • G06F9/45558Hypervisor-specific management and integration aspects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/5044Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering hardware capabilities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/455Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533Hypervisors; Virtual machine monitors
    • G06F9/45558Hypervisor-specific management and integration aspects
    • G06F2009/4557Distribution of virtual machine instances; Migration and load balancing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/455Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533Hypervisors; Virtual machine monitors
    • G06F9/45558Hypervisor-specific management and integration aspects
    • G06F2009/45595Network integration; Enabling network access in virtual machine instances
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00Indexing scheme relating to G06F9/00
    • G06F2209/50Indexing scheme relating to G06F9/50
    • G06F2209/502Proximity
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00Indexing scheme relating to G06F9/00
    • G06F2209/50Indexing scheme relating to G06F9/50
    • G06F2209/509Offload
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法,面向边缘用户设备的任务卸载,具体是考虑到多接入边缘计算数据中心强大的计算能力,边缘用户设备通过把任务部分卸载到虚拟边缘计算数据中心执行任务计算,在虚拟化数据中心内,采用双边匹配的虚拟机布设方法,不仅可以提高物理资源利用率,降低物理机能耗,节约运营成本,而且可以降低时延,提升用户服务体验。本发明提供的双边匹配虚拟机布设方法,低时延且物理资源利用率高,尤其适用于边缘用户设备。

Description

多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法
技术领域
本发明涉及一种虚拟机布设方法,特别是一种多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法。
背景技术
随着5G时代的到来以及智能用户设备的普及,呈现出越来越多的新兴业务与移动应用,如扩展现实(XR),自动驾驶,全息通信、无线医疗、网联机器人、智慧工厂等,这些新兴业务及移动应用属于计算密集型和时延敏感型业务,往往需要更大的带宽、更高的速度、更低的延迟,同时也需要更加安全可靠的连接,灵活、可移动也是最基本的通信需求。
通过将算力下沉至网络边缘,多接入边缘计算(Multi-Access Edge Computing)具有低时延、高带宽、邻近性、实时感知、增强隐私和安全可靠等特性,满足5G背景下部署密度超高的边缘设备等新兴业务的需求。由于多接入边缘计算强大的计算能力,越来越多的边缘用户设备将计算密集型的任务卸载到多接入边缘计算数据中心以执行云计算,获得更低时延、更加良好的服务体验。
多接入边缘计算运行于网络边缘,专用硬件设备在可扩展方面受到限制,并且不容易支持新服务的快速启动,网络功能虚拟化(Network Functions Virtualization)可以为边缘设备提供计算、存储和网络资源,并且可以为边缘设备提供持续的存储和时间相关的信息。通过构建多接入虚拟边缘计算,运用网络功能虚拟化技术,将网络功能与专有硬件分离,对网络功能进行软件化,使其可以在标准化硬件上运行,即虚拟化网络功能(VirtualizedNetwork Function)。虚拟化网络功能部署在网络功能虚拟化基础架构上,有助于加快服务供应和创新,单个虚拟化网络服务有一个或多个内部组件,因此它可以部署在一个或多个虚拟机(Virtual Machine)上,每个虚拟机都承载一个虚拟化网络服务的一个组件。虚拟机是创建在另一个称为“主机”(即物理机(Physical Machine))的计算环境中的,即虚拟机是布设在物理机上的。虚拟机布设问题是边缘计算中资源分配和管理的重要组成。虚拟机合理有效地布设不仅可以降低运营成本,节约能耗,而且可以提高带宽利用率,降低平均响应时间,保证用户服务质量。本发明提出的多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法就是优化时延和能耗的问题。
在现有的研究中,虚拟机布设方案主要有以下两种优化角度:
(1)从云提供商角度,虚拟机布设策略可分为两大类,降低成本和保证虚拟机性能。降低成本可以从四个方向优化,①功率消耗,从物理机的角度考虑优化,降低物理机功率消耗,进而降低成本。②能量消耗,数以万计的虚拟机被分配到物理机上,以提供具有服务质量保证的数据密集型服务,并在此过程中需要大量能源消耗,降低能量消耗,提高能量效率,进而降低成本。③流量消耗,虚拟资源布设算法中涉及到流量问题,减少流量消耗,进而降低成本。④物理机的数量。在一台物理机可布设多台虚拟机,活动的物理机在不布设虚拟机的状态下,同样消耗功率,减少活动的物理机的数量,降低功率消耗,进而降低成本。
(2)从用户角度,虚拟机布设策略主要优化方向提高用户质量感知。可以从以下四个方面进行优化:①平均响应时间,网络拥塞日益严重,降低时延,保证用户的服务质量。②吞吐量,提高吞吐率,缓解网络拥塞,降低平均响应时间,保证服务质量。③可靠性,虚拟化技术为每个按需请求提供计算和存储服务,一旦请求到达,将在一个或多个数据中心节点(可以位于相同或不同的数据中心)中创建多个虚拟机,以适应该请求,提高将数据从源传输到目的地的可靠性,保证用户的服务质量。④带宽利用率,在业界实现相对可预测的数据中心网络的一种流行方法是为租户虚拟机组件严格保留带宽。然而,严格的带宽预留并不能有效地利用网络资源,当虚拟机流量需求低于规定的峰值速率时,未使用的带宽会被浪费,提高带宽利用率,缓解网络拥塞,保证服务质量。
但这些虚拟机布设方案大都单方面侧重于虚拟机或者物理机,很少涉及到双方进行匹配的虚拟机布设方案,这会使得部分物理资源得不到有效地利用,造成资源浪费,也会降低用户服务质量。
发明内容
本发明所要解决的技术问题是提供一种多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法,低时延且物理资源利用率高。
为解决上述技术问题,本发明所采用的技术方案是:
一种多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法,其特征在于包含以下步骤:
步骤一:构建集合N,M,F,S,其中,虚拟机集合为N={1,2,…,N},物理机集合为M={1,2,…,M},M个物理机的偏好列表集合为F={F1,F2,…,Fm,…,FM},N个虚拟机的偏好列表集合为S={S1,S2,…,Sn,…,SN},Fm为第m个物理机的偏好列表,Sn为第n个虚拟机的偏好列表;
步骤二:定义一个匹配集合G,若G为空,则M个物理机都为空,即都没有布设虚拟机;
步骤三:初始化第m个物理机为空,且第m个物理机有一个不为空的偏好列表Fm
步骤四:对于第m个物理机(m∈M),根据第m个物理机的偏好列表Fm,第m个物理机匹配到第n个虚拟机,即在此次匹配中,第n个虚拟机被选择,把第n个虚拟机从Fm中移除;
步骤五:把匹配到的结果(m,n)添加到匹配集合G,即G=G∪(m,n);
步骤六:对于第n个虚拟机(n∈N),如果第n个虚拟机已经匹配到了物理机,则无法再匹配其他的物理机,根据第n个虚拟机对物理机的偏好列表Sn,找到匹配度最低的那对(nworst,mworst),把(nworst,mworst)从匹配集合G中移除,即G=G/(nworst,mworst);
步骤七:重复步骤三至步骤六,直到将集合M和N全部循环并匹配;
步骤八:输出匹配集合G,根据集合G完成物理机和虚拟机之间的双边多对多匹配。
进一步地,所述步骤一中,在多接入虚拟边缘计算系统中,K个边缘用户设备可以购买N个虚拟机,构成虚拟机集合N={1,2,…,N}。
进一步地,所述N个虚拟机在多接入虚拟边缘计算数据中心布设到M个物理机上以执行计算任务,构成物理机集合M={1,2,…,M}。
进一步地,所述M个物理机的偏好列表集合的获得过程为:
对于第m个物理机,可以提供的可用资源用向量为
Figure BDA0002631616850000051
其中,αm表示第m个物理机可用的CPU核数,βm表示第m个物理机可用的内存大小;同时,采用
Figure BDA0002631616850000052
表示第m个物理机维持自身运行所需要的资源,其中,um表示第m个物理机需要的CPU核数,vm表示第m个物理机需要的内存大小;
对于第n个虚拟机所需要的资源向量表示为
Figure BDA0002631616850000053
其中,cn表示第n个虚拟机需要的CPU核数,sn表示第n个虚拟机需要的内存大小;
采用αn,m和βn,m分别表示第n个虚拟机布设到第m个物理机上的CPU核数和内存大小,设置一个二进制变量bn,m表示第n个虚拟机与第m个物理机之间的布设关系,其中,bn,m=1表示第n个虚拟机布设到第m个物理机上,否则,bn,m=0;
采用Rn,m表示第m个物理机对第n个虚拟机的CPU核数的偏好,具体量化为:
Figure BDA0002631616850000061
其中,α(n-1),(m-1)表示第n-1个虚拟机布设到第m-1个物理机的CPU核数,b(n-1),(m-1)表示第n-1个虚拟机是否布设到第m-1个物理机上;
采用Qn,m表示第m个物理机对第n个虚拟机内存大小的偏好,具体量化为:
Figure BDA0002631616850000062
其中,α(n-1),(m-1)表示第n-1个虚拟机布设到第m-1个物理机的内存大小,b(n-1),(m-1)表示第n-1个虚拟机是否布设到第m-1个物理机上;
第m个物理机对N个虚拟机的偏好矩阵表示为:
Figure BDA0002631616850000063
设q1与q2分别为CPU核数和内存的权重值,其关系为q1+q2=1,且0≤q1≤1,0≤q2≤1;
第m个物理机对N个虚拟机的偏好向量表示为:
Figure BDA0002631616850000071
其中,ωn,m表示第m个物理机对第n个虚拟机的偏好值,可知ωn,m值越小越匹配,ωn,m值为负说明不匹配;
设Fm为第m个物理机对N个虚拟机的偏好列表,ωn,m按从小到大的顺序排列,便可得到Fm,则:
Wm={ω1,m2,m,…,ωn,m,…,ωN,m|m∈M},Fm∈Wm
M个物理机的偏好列表为:
F={F1,F2,…,Fm,…,FM}。
进一步地,所述N个虚拟机的偏好列表集合获取过程为:
设M个物理机的CPU计算能力用集合表示为:
P={ρ12,…,ρm,…,ρM}
虚拟机对物理机的偏好列表根据物理机CPU的计算能力,虚拟机对物理机的偏好列表表示为Sn,则把CPU的计算能力从强到弱排列即为Sn,Sn∈P,N个虚拟机的偏好列表用集合表示为:
S={S1,S2,…,Sn,…,SN}。
本发明与现有技术相比,具有以下优点和效果:本发明具有低时延且物理资源利用率高特征,尤其适用于边缘用户设备。本发明基于边缘用户设备的任务卸载,具体是考虑到多接入边缘计算数据中心强大的计算能力,边缘用户设备通过把任务部分卸载到边缘计算数据中心执行任务计算,在虚拟化数据中心内,采用双边匹配的虚拟机布设方法,不仅可以提高物理资源利用率,降低物理机能耗,节约运营成本,而且可以降低时延,提升用户服务体验。
附图说明
图1是本发明的多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法的流程图。
具体实施方式
为了详细阐述本发明为达到预定技术目的而所采取的技术方案,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晰、完整地描述,显然,所描述的实施例仅仅是本发明的部分实施例,而不是全部的实施例,并且,在不付出创造性劳动的前提下,本发明的实施例中的技术手段或技术特征可以替换,下面将参考附图并结合实施例来详细说明本发明。
如图所示,本发明的一种多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法,其特征在于包含以下步骤:
步骤一:构建集合N,M,F,S,其中,虚拟机集合为N={1,2,…,N},物理机集合为M={1,2,…,M},M个物理机的偏好列表集合为F={F1,F2,…,Fm,…,FM},N个虚拟机的偏好列表集合为S={S1,S2,…,Sn,…,SN},Fm为第m个物理机的偏好列表,Sn为第n个虚拟机的偏好列表。
一个多接入虚拟边缘计算系统,包括一个eNB基站和K个用户设备。
在一个多接入虚拟边缘计算系统中,K个边缘用户设备可以购买N个虚拟机,构成边缘用户设备集合K={1,2,…,K},虚拟机集合N={1,2,…,N}。
而这些虚拟机在多接入虚拟边缘计算数据中心布设到M个物理机上以执行计算任务,构成物理机集合M={1,2,…,M}。
对于第m个物理机,可以提供的可用资源用向量表示为
Figure BDA0002631616850000091
其中,αm表示第m个物理机可用的CPU核数,βm表示第m个物理机可用的内存大小;同时,采用
Figure BDA0002631616850000092
表示第m个物理机维持自身运行所需要的资源,其中,um表示第m个物理机需要的CPU核数,vm表示第m个物理机需要的内存大小。对于第n个虚拟机所需要的资源向量表示为
Figure BDA0002631616850000093
其中,cn表示第n个虚拟机需要的CPU核数,sn表示第n个虚拟机需要的内存大小。
采用αn,m和βn,m分别表示第n个虚拟机布设到第m个物理机上的CPU核数和内存大小,设置一个二进制变量bn,m表示第n个虚拟机与第m个物理机之间的布设关系,其中,bn,m=1表示第n个虚拟机布设到第m个物理机上,否则,bn,m=0。
采用基于时分多址(TDMA)的媒体接入方式,通过上行链路调度对基站eNB多个边缘用户设备进行访问,以避免在计算卸载期间在一段时间内的共信道多址干扰。把参考的一段时间段分成K个时隙,在第k个时隙(k∈K),初始化参考距离l0,接受参考功率P0,路径损耗指数θ。
在此设置下,计算第k个用户设备到基站的欧几里得距离lk,进一步计算第k个用户设备的最大发射功率Pk,表示为:
Figure BDA0002631616850000101
设每一个用户设备有一个固定发射功率,第k个用户设备的发射功率与最大发射功率成线性相关,即pk=εPk,其中,ε为调整因子,且ε∈(0,1]。
根据第k个用户设备的发射功率、初始化信道带宽B、通信开销τ、噪声功率σ2、信道增益ηk等,计算第k个用户设备卸载到eNB的卸载速率为:
Figure BDA0002631616850000102
将第k个用户设备的部分计算任务卸载到多接入虚拟边缘计算数据中心。
在多接入虚拟边缘计算数据中心,用Rn,m表示第m个物理机对第n个虚拟机的CPU核数的偏好,进一步定义,α(n-1),(m-1)表示第n-1个虚拟机布设到第m-1个物理机的CPU核数,b(n-1),(m-1)表示第n-1个虚拟机是否布设到第m-1个物理机上,则:
Figure BDA0002631616850000103
采用Qn,m表示第m个物理机对第n个虚拟机内存大小的偏好,进一步定义,α(n-1),(m-1)表示第n-1个虚拟机布设到第m-1个物理机的内存大小,b(n-1),(m-1)表示第n-1个虚拟机是否布设到第m-1个物理机上,则:
Figure BDA0002631616850000111
第m个物理机对N个虚拟机的偏好矩阵表示为:
Figure BDA0002631616850000112
设q1与q2分别为CPU核数和内存的权重值,其关系为q1+q2=1,且0≤q1≤1,0≤q2≤1;
第m个物理机对N个虚拟机的偏好向量表示为:
Figure BDA0002631616850000113
其中,ωn,m表示第m个物理机对第n个虚拟机的偏好值,可知ωn,m值越小越匹配,ωn,m值为负说明不匹配。
设Fm为第m个物理机对N个虚拟机的偏好列表,ωn,m按从小到大的顺序排列,便可得到Fm,则:
Wm={ω1,m2,m,…,ωn,m,…,ωN,m|m∈M},Fm∈Wm
M个物理机的偏好列表为F={F1,F2,…,Fm,…,FM}。
设M个物理机的CPU计算能力用集合表示为P={ρ12,...,ρm,...,ρM},虚拟机对物理机的偏好列表根据物理机CPU的计算能力,虚拟机对物理机的偏好列表表示为Sn,则把CPU的计算能力从强到弱排列即为Sn,Sn∈P,N个虚拟机的偏好列表用集合表示为S={S1,S2,…,Sn,…,SN}。
步骤二:定义一个匹配集合G,若G为空,则M个物理机都为空,即都没有布设虚拟机。
步骤三:初始化第m个物理机为空,且第m个物理机有一个不为空的偏好列表Fm
步骤四:对于第m个物理机(m∈M),根据第m个物理机的偏好列表Fm,第m个物理机匹配到第n个虚拟机,即在此次匹配中,第n个虚拟机被选择,把第n个虚拟机从Fm中移除,以方便下一次的匹配。
步骤五:把匹配到的结果(m,n)添加到匹配集合G,即G=G∪(m,n);
步骤六:对于第n个虚拟机(n∈N),如果第n个虚拟机已经匹配到了物理机,则无法再匹配其他的物理机,根据第n个虚拟机对物理机的偏好列表Sn,找到匹配度最低的那对(nworst,mworst),把(nworst,mworst)从匹配集合G中移除,即G=G/(nworst,mworst),这样经过每一次的迭代循环,可得到的匹配对象都不是最差的。
步骤七:重复步骤三至步骤六,直到将集合M和N全部循环并匹配。
步骤八:输出匹配集合G,根据集合G完成物理机和虚拟机之间的双边多对多匹配。
步骤九:重复步骤三至步骤八,进行下一次的虚拟机和物理机匹配。
本发明主要用于多接入虚拟边缘计算中边缘用户设备虚拟资源布设问题。在物理机和虚拟机之间运用双边多对多匹配,双方根据各自的偏好列表选择适合自己的资源,根据帕累托最优原则,可以得出更加合理的匹配方案。通过上述虚拟资源布设方案,有效地提升了资源利用率,由于CPU计算能力不同,也使得边缘用户设备获得更低时延,用户获得良好的服务体验,还能有效地降低移动边缘计算数据中心能耗,降低运营商成本。
以上所述,仅是本发明的较佳实施例而己,并非对本发明作任何形式上的限制,虽然本发明己以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。

Claims (3)

1.一种多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法,其特征在于包含以下步骤:
步骤一:构建集合N,M,F,S,其中,虚拟机集合为N={1,2,…,N},物理机集合为M={1,2,…,M},M个物理机的偏好列表集合为F={F1,F2,…,Fm,…,FM},N个虚拟机的偏好列表集合为S={S1,S2,…,Sn,…,SN},Fm为第m个物理机的偏好列表,Sn为第n个虚拟机的偏好列表;
(1)所述M个物理机的偏好列表集合的获得过程为:
对于第m个物理机,可以提供的可用资源向量为
Figure FDA0003536457670000011
其中,αm表示第m个物理机可用的CPU核数,βm表示第m个物理机可用的内存大小;同时,采用
Figure FDA0003536457670000012
表示第m个物理机维持自身运行所需要的资源,其中,um表示第m个物理机需要的CPU核数,vm表示第m个物理机需要的内存大小;
对于第n个虚拟机所需要的资源向量表示为
Figure FDA0003536457670000013
其中,cn表示第n个虚拟机需要的CPU核数,sn表示第n个虚拟机需要的内存大小;
采用αn,m和βn,m分别表示第n个虚拟机布设到第m个物理机上的CPU核数和内存大小,设置一个二进制变量bn,m表示第n个虚拟机与第m个物理机之间的布设关系,其中,bn,m=1表示第n个虚拟机布设到第m个物理机上,否则,bn,m=0;
采用Rn,m表示第m个物理机对第n个虚拟机的CPU核数的偏好,具体量化为:
Figure FDA0003536457670000021
其中,α(n-1),(m-1)表示第n-1个虚拟机布设到第m-1个物理机的CPU核数,b(n-1),(m-1)表示第n-1个虚拟机是否布设到第m-1个物理机上;
注:当n=1,m=1时,
Figure FDA0003536457670000022
即当第一个虚拟机开始布设时,第一个物理机剩余可用的CPU核数就是其本身可用的CPU核数;
采用Qn,m表示第m个物理机对第n个虚拟机内存大小的偏好,具体量化为:
Figure FDA0003536457670000023
其中,β(n-1),(m-1)表示第n-1个虚拟机布设到第m-1个物理机的内存大小,b(n-1),(m-1)表示第n-1个虚拟机是否布设到第m-1个物理机上;
注:当n=1,m=1时,
Figure FDA0003536457670000024
即当第一个虚拟机开始布设时,第一个物理机剩余可用的内存大小就是其本身可用的内存大小;
第m个物理机对N个虚拟机的偏好矩阵表示为:
Figure FDA0003536457670000025
设q1与q2分别为CPU核数和内存的权重值,其关系为q1+q2=1,且0≤q1≤1,0≤q2≤1;
第m个物理机对N个虚拟机的偏好向量表示为:
Figure FDA0003536457670000031
其中,ωn,m表示第m个物理机对第n个虚拟机的偏好值,可知ωn,m值越小越匹配,ωn,m值为负说明不匹配;
设Fm为第m个物理机对N个虚拟机的偏好列表,ωn,m按从小到大的顺序排列,便可得到Fm,则:
Wm={ω1,m2,m,…,ωn,m,…,ωN,m|m∈M},Fm∈Wm
M个物理机的偏好列表为:
F={F1,F2,…,Fm,…,FM};
(2)所述N个虚拟机的偏好列表集合获取过程为:
设M个物理机的CPU计算能力用集合表示为:
P={ρ12,…,ρm,…,ρM}
虚拟机对物理机的偏好列表根据物理机CPU的计算能力,虚拟机对物理机的偏好列表表示为Sn,则把CPU的计算能力从强到弱排列即为Sn,Sn∈P,N个虚拟机的偏好列表用集合表示为:
S={S1,S2,…,Sn,…,SN};
步骤二:定义一个匹配集合G,若G为空,则M个物理机都为空,即都没有布设虚拟机;
步骤三:初始化第m个物理机为空,且第m个物理机有一个不为空的偏好列表Fm
步骤四:对于第m个物理机(m∈M),根据第m个物理机的偏好列表Fm,第m个物理机匹配到第n个虚拟机,即在此次匹配中,第n个虚拟机被选择,把第n个虚拟机从Fm中移除;
步骤五:把匹配到的结果(m,n)添加到匹配集合G,即G=G∪(m,n);
步骤六:对于第n个虚拟机(n∈N),如果第n个虚拟机已经匹配到了物理机,则无法再匹配其他的物理机,根据第n个虚拟机对物理机的偏好列表Sn,找到匹配度最低的那对(nworst,mworst),把(nworst,mworst)从匹配集合G中移除,即G=G/(nworst,mworst);
步骤七:重复步骤三至步骤六,直到将集合M和N全部循环并匹配;
步骤八:输出匹配集合G,根据集合G完成物理机和虚拟机之间的双边多对多匹配。
2.按照权利要求1所述的多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法,其特征在于:所述步骤一中,在多接入虚拟边缘计算系统中,K个边缘用户设备可以购买N个虚拟机,构成虚拟机集合N={1,2,…,N}。
3.按照权利要求2所述的多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法,其特征在于:所述N个虚拟机在多接入虚拟边缘计算数据中心布设到M个物理机上以执行计算任务,构成物理机集合M={1,2,…,M}。
CN202010812734.5A 2020-08-13 2020-08-13 多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法 Active CN112084020B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010812734.5A CN112084020B (zh) 2020-08-13 2020-08-13 多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010812734.5A CN112084020B (zh) 2020-08-13 2020-08-13 多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法

Publications (2)

Publication Number Publication Date
CN112084020A CN112084020A (zh) 2020-12-15
CN112084020B true CN112084020B (zh) 2022-04-26

Family

ID=73728232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010812734.5A Active CN112084020B (zh) 2020-08-13 2020-08-13 多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法

Country Status (1)

Country Link
CN (1) CN112084020B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104536832A (zh) * 2015-01-21 2015-04-22 北京邮电大学 一种虚拟机部署方法
CN106656555A (zh) * 2016-10-15 2017-05-10 黄林果 一种云计算系统的服务资源动态调节方法
CN106874116A (zh) * 2017-02-14 2017-06-20 郑州云海信息技术有限公司 一种放置新建虚拟机的服务器选择方法及装置
CN107748691A (zh) * 2017-10-30 2018-03-02 平安科技(深圳)有限公司 虚拟机部署方法、装置、设备及计算机可读存储介质
CN107967179A (zh) * 2017-12-12 2018-04-27 山东省计算中心(国家超级计算济南中心) 一种支持突发应急的云计算资源分配方法
CN108279968A (zh) * 2017-12-29 2018-07-13 中国联合网络通信集团有限公司 一种虚拟机资源的调度方法及装置
CN108521451A (zh) * 2018-03-23 2018-09-11 南京航空航天大学 面向网络负载均衡的数据中心资源调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10678603B2 (en) * 2016-09-01 2020-06-09 Microsoft Technology Licensing, Llc Resource oversubscription based on utilization patterns in computing systems

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104536832A (zh) * 2015-01-21 2015-04-22 北京邮电大学 一种虚拟机部署方法
CN106656555A (zh) * 2016-10-15 2017-05-10 黄林果 一种云计算系统的服务资源动态调节方法
CN106874116A (zh) * 2017-02-14 2017-06-20 郑州云海信息技术有限公司 一种放置新建虚拟机的服务器选择方法及装置
CN107748691A (zh) * 2017-10-30 2018-03-02 平安科技(深圳)有限公司 虚拟机部署方法、装置、设备及计算机可读存储介质
CN107967179A (zh) * 2017-12-12 2018-04-27 山东省计算中心(国家超级计算济南中心) 一种支持突发应急的云计算资源分配方法
CN108279968A (zh) * 2017-12-29 2018-07-13 中国联合网络通信集团有限公司 一种虚拟机资源的调度方法及装置
CN108521451A (zh) * 2018-03-23 2018-09-11 南京航空航天大学 面向网络负载均衡的数据中心资源调度方法

Also Published As

Publication number Publication date
CN112084020A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
Fan et al. Workload allocation in hierarchical cloudlet networks
Chai et al. Task execution cost minimization-based joint computation offloading and resource allocation for cellular D2D MEC systems
CN107241767B (zh) 一种移动协同计算的方法及装置
WO2019200716A1 (zh) 面向雾计算的节点计算任务调度方法及其设备
CN109756912B (zh) 一种多用户多基站联合任务卸载及资源分配方法
Li et al. Capacity-aware edge caching in fog computing networks
CN110719641B (zh) 边缘计算中用户卸载与资源分配联合优化方法
CN113115459B (zh) 一种面向电力物联网海量终端的多尺度多维资源分配方法
CN113784373A (zh) 云边协同网络中时延和频谱占用联合优化方法及系统
CN114885418A (zh) 5g超密集网络中任务卸载及资源分配的联合优化方法、装置及介质
Liu et al. Joint radio and computation resource management for low latency mobile edge computing
CN114697333B (zh) 一种能量队列均衡的边缘计算方法
CN112000481A (zh) 一种d2d-mec系统计算能力最大化的任务卸载方法
El Haber et al. Computational cost and energy efficient task offloading in hierarchical edge-clouds
CN112738185A (zh) 基于非正交多址的边缘计算系统控制联合优化方法及应用
Dao et al. Mobile cloudization storytelling: Current issues from an optimization perspective
CN113573363A (zh) 基于深度强化学习的mec计算卸载与资源分配方法
CN113590279A (zh) 一种面向多核边缘计算服务器的任务调度和资源分配方法
CN116347473A (zh) 基于微小区架构的边缘计算微服务部署和任务调度方法
CN114189521A (zh) 在f-ran架构中协作计算卸载的方法
CN113573280B (zh) 一种车辆边缘计算成本效益优化方法、系统、设备、终端
Ren et al. Multi-Slice Joint Task Offloading and Resource Allocation Scheme for Massive MIMO Enabled Network.
Meng et al. Deep reinforcement learning based delay-sensitive task scheduling and resource management algorithm for multi-user mobile-edge computing systems
CN112437449B (zh) 联合资源分配方法
CN112084020B (zh) 多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法

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