CN112105035A - 移动边缘计算服务器的部署方法及装置 - Google Patents

Abstract

本申请适用于互联网技术领域，提供了一种移动边缘计算服务器的部署方法及装置，其中该方法包括：针对M个基站位置中的各个基站位置，确定在基站位置周围的预设的基站覆盖范围内的基站位置数量；根据基站位置数量，从M个基站位置中确定N个候选基站位置，M、N为正整数且M＞N；检测各个基站位置周围的基站覆盖范围内是否存在相应的候选基站位置；当检测的结果指示在第一基站位置周围的基站覆盖范围内不存在候选基站位置时，根据N个候选基站位置和第一基站位置部署移动边缘计算服务器集群。由此，可以保障每个基站位置均能够被其他基站位置的移动边缘计算服务器所覆盖，确保边缘网络的QOE性能。

Description

移动边缘计算服务器的部署方法及装置

技术领域

本申请属于互联网技术领域，尤其涉及一种移动边缘计算服务器的部署方法及装置。

背景技术

随着设备的不断增加，网络流量和计算需求也随之快速增加，尤其在IOT(Internet Of Things,物联网)和人工智能的新时代，巨大的流量将给互联网带来巨大挑战。边缘计算的出现大幅提高了网络的延迟和计算响应速度。它通过将分布式的边缘服务器部署在距离用户更近的地方，从而让用户能够以更短的距离和更小的延迟，访问边缘服务器资源。

一些研究人员和学者已经在不同领域提出了许多边缘计算解决方案，以优化边缘计算不同的方面。但是，边缘服务器的部署仍然是影响边缘计算性能的一个重大因素。

目前，一般可以使用聚类算法，在所有候选位置中找到合适的位置来部署服务器。这里，聚类算法分别基于K均值、图论、分层树状结构、多目标约束优化和混合整数线性规划等而实现的。但是，这些传统的基于聚类算法所部署的边缘服务器无法保证边缘计算系统网络的QOE(Quality of Experience,体验质量)。

发明内容

有鉴于此，本申请实施例提供了一种移动边缘计算服务器的部署方法及装置，以至少解决现有技术中边缘服务器的部署不当而导致边缘计算系统的性能不佳的问题。

本申请实施例的第一方面提供了一种移动边缘计算服务器集群的部署方法，包括：针对M个基站位置中的各个基站位置，确定在所述基站位置周围的预设的基站覆盖范围内的基站位置数量；根据所述基站位置数量，从所述M个基站位置中确定N个候选基站位置，M、N为正整数且M＞N；检测各个所述基站位置周围的所述基站覆盖范围内是否存在相应的所述候选基站位置；当检测的结果指示在第一基站位置周围的所述基站覆盖范围内不存在所述候选基站位置时，根据所述N个候选基站位置和所述第一基站位置部署移动边缘计算服务器集群。

本申请实施例的第二方面提供了一种移动边缘计算服务器集群的部署装置，包括：覆盖基站数量确定单元，被配置为针对M个基站位置中的各个基站位置，确定在所述基站位置周围的预设的基站覆盖范围内的基站位置数量；候选基站位置确定单元，被配置为根据所述基站位置数量，从所述M个基站位置中确定N个候选基站位置，M、N为正整数且M＞N；反向覆盖检测单元，被配置为检测各个所述基站位置周围的所述基站覆盖范围内是否存在相应的所述候选基站位置；服务器部署单元，被配置为当检测的结果指示在第一基站位置周围的所述基站覆盖范围内不存在所述候选基站位置时，根据所述N个候选基站位置和所述第一基站位置部署移动边缘计算服务器集群。

本申请实施例的第三方面提供了一种移动终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。

本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端实现如上述方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：

通过贪婪算法，以在各个基站位置周围基站覆盖范围内覆盖最多的基站位置数量为目标，而筛选候选基站位置，并且检测各个基站位置周围的基站覆盖范围内是否存在相应的候选基站位置，以防止第一基站位置遗漏在候选基站位置的基站覆盖范围以外，并根据第一基站位置和候选基站位置来部署移动边缘计算服务器集群，可以保障每个基站位置均能够被其他基站位置的移动边缘计算服务器所覆盖，确保边缘网络的QOE性能。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了根据本申请实施例的移动边缘计算服务器集群的部署方法的一示例的流程图；

图2示出了根据本申请实施例的根据候选基站位置和第一基站位置来部署移动边缘计算服务器的一示例的流程图；

图3示出了根据本申请实施例的根据候选基站位置和第一基站位置部署移动边缘计算服务器集群的一示例的流程图；

图4示出了根据本申请实施例的基于GDSA算法来部署移动边缘计算服务器的一示例的流程图；

图5示出了根据本申请实施例的基于GCQA算法来部署移动边缘计算服务器的一示例的流程图；

图6示出了根据本申请实施例的移动边缘计算方法的一示例的流程图；

图7示出了根据本申请实施例的MEC服务器网络的一示例的架构示意图；

图8示出了根据本申请实施例的更新边缘网络中节点的应用执行环境的一示例的流程图；

图9示出了根据本申请实施例的平台控制器的一示例的结构框图；

图10示出了EBI-PAI系统的资源调度的一示例的结构示意图；

图11示出了在人脸识别应用场景下部署在基站上的MEC服务器的结构示意图；

图12示出了将本申请实施例的移动边缘计算网络应用在视频监控实时人脸识别应用场景的对比实验设计图；

图13示出了根据本申请实施例的移动边缘计算服务器集群的部署装置的一示例的结构示意图；

图14是本申请实施例的移动终端的一示例的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

具体实现中，本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，上述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。

在接下来的讨论中，描述了包括显示器和触摸敏感表面的移动终端。然而，应当理解的是，移动终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。

可以在移动终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。

另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

图1示出了根据本申请实施例的MEC(Mobile Edge Computer,移动边缘计算)服务器集群的部署方法的一示例的流程图。关于本申请实施例方法的执行主体，其可以是各种形式的移动终端，例如计算机(包括台式机或笔记本)、服务器等，在一些实施方式中，还可以是由边缘网络的中心的平台服务器(或平台控制器)来实施的。

如图1所示，在步骤110中，针对M个基站位置中的各个基站位置，确定在基站位置周围的预设的基站覆盖范围内的基站位置数量。示例性地，可以通过试验的方式在各个基站位置逐个放入移动边缘计算服务器，并统计该移动边缘计算服务器所能够覆盖的基站位置的总数。

应理解的是，基站覆盖范围的取值是预先设定的(例如，可以根据待部署的服务器的信号覆盖性能而确定的)，并且每个基站位置所对应的基站覆盖范围可以是相同的或不同的，例如当需要在不同区域分别部署不同类型的服务器时，相应的基站覆盖范围也可以是不一样的。

在步骤120中，根据基站位置数量，从M个基站位置中确定N个候选基站位置。这里，M、N为正整数且M＞N。

在本申请实施例的一些示例中，可以通过贪婪算法，针对各个基站位置逐个试验，以在不同的局部范围区域中存在最多的基站位置数量为目标，从M个基站位置中确定N个候选基站位置。

在步骤130中，检测各个基站位置周围的基站覆盖范围内是否存在相应的候选基站位置。这里，各个基站位置周围的基站覆盖范围在某种程度上可以被看做是候选基站位置所对应的反向覆盖范围，并且如果某一基站位置周围存在相应的候选基站位置，则可以说明该基站位置的QOE(Quality of Experience,体验质量)指标能够得到保证。

应理解的是，术语“第一候选基站位置”可以表示满足条件的任意的候选基站位置，其可以是一个或多个位置，在此应不加限制。

需说明的是，通过步骤120所确定的候选基站位置，可以覆盖较多的基站位置，节约部署成本，但可能无法保障每一基站位置均被涵盖在候选基站位置的基站覆盖范围中。

如果在步骤130中的检测的结果指示在第一基站位置周围的基站覆盖范围内不存在候选基站位置，则跳转至步骤140。如果在步骤130中的检测的结果指示所有的基站位置的基站覆盖范围内均存在候选基站位置，则跳转至步骤150。

在步骤140中，根据N个候选基站位置和第一基站位置部署移动边缘计算服务器集群。例如，可以在各个候选基站位置和第一基站位置分别部署移动边缘计算服务器，以组建相应的移动边缘计算服务器集群。

在步骤150中，结束，完成集群部署操作。

通过本申请实施例，基于贪婪算法，以基站位置的覆盖范围内的基站位置数量为目标，从基站位置中筛选候选基站位置，可以实现较少数量的候选基站位置和移动边缘计算服务器，节约部署成本。另外，通过检测各个基站位置周围的基站覆盖范围内是否存在相应的候选基站位置，能够避免在候选基站位置上部署了移动边缘计算服务器之后信号无法覆盖到第一基站位置，保障了各个基站位置的QOE均能满足要求。

图2示出了根据本申请实施例的根据候选基站位置和第一基站位置来部署移动边缘计算服务器的一示例的流程图。

在步骤210中，针对N个候选基站位置，检测是否存在第一候选基站位置所对应的基站覆盖范围是属于第二候选基站位置所对应的基站覆盖范围的子集。

如果步骤210中的检测结果指示存在时，则跳转至步骤220。如果步骤210中的检测结果指示不存在时，则跳转至步骤240。

在步骤220中，删除第一候选基站位置，以更新N个候选基站位置。

接着，在步骤230中，基于经更新的各个候选基站位置和第一基站位置，部署移动边缘计算服务器集群。

在步骤240中，基于N个候选基站位置和第一基站位置，部署移动边缘计算服务器集群。

通过本申请实施例，可以检测在不同的候选基站位置所对应的基站覆盖范围之间是否存在完全重合的情况，并在检测到完全重合的情况时，可以删除相应的候选基站位置，实现了在保障QOE不受影响的前提下，节约移动边缘计算服务器的部署成本。

图3示出了根据本申请实施例的根据候选基站位置和第一基站位置部署移动边缘计算服务器集群的一示例的流程图。

如图3所示，在步骤310中，根据N个候选基站位置和第一基站位置，确定针对移动边缘计算服务器集群的多个预部署策略，以使得在每一预部署策略下的每一移动边缘计算服务器周围的基站覆盖范围内存在相应的另一移动边缘计算服务器。

在本申请实施例的一些示例中，可以仅考虑MEC服务器的覆盖范围是否能够覆盖到各个基站位置，以保障用户的QOE，而不需要考虑其他的指标(例如，负载均衡等)。这里，各个预部署策略中的MEC服务器可以至少保障各个基站位置的QOE。

在步骤320中，根据预设的成本计算规则和各个预部署策略中的移动边缘计算服务器，确定相应的集群部署成本。示例性地，可以根据移动边缘计算服务器所对应的型号、数量和部署位置等信息，计算相应的集群部署成本。

在步骤330中，根据集群部署成本，部署移动边缘计算机服务器集群。示例性地，可以根据节点部署成本从多个预部署策略中确定对应成本最低的目标部署策略，并根据目标部署策略来部署移动边缘计算机服务器集群。

通过本申请实施例，当存在多个预部署策略都能满足各个基站位置的QOE要求时，可以通过预设的成本计算规则选择最优的部署策略来部署MEC服务器，从而降低服务器的部署成本。

作为边缘计算架构部署的第一步，边缘服务器的放置是基础和关键。先前有关边缘服务器放置的研究主要集中在对网络中的接入点进行聚类的算法上，目的是在所有候选点之间找到放置服务器的合适位置。

需说明的是，与本申请实施例中所强调的是基于体验质量感知的服务器部署过程，其与传统的服务器部署问题在两个方面有所不同。一方面，可以尝试在网络中部署必须数量的服务器，从而保证网络中每个节点对用户请求的及时响应。而传统的服务器放置问题、K-means聚类和多目标约束优化等解决方案均试图实现最低的设施部署成本，不考虑每个节点有上限的体验质量要求。其次，为边缘计算中应用程序的响应性要求设置了最高优先级，即只关注影响用户请求延迟的网络延迟因素，而可以不考虑如服务器容量限制或负载均衡等问题。

在本申请实施例中，提出了基于整数规划的最优服务器部署算法作为衡量其他算法性能的基准，并基于贪心思想提出了近似最优服务器部署算法(Greedy minimumDominating Set Algorithm,贪婪最小支配集算法，简称为GDSA)，能够在降低算法复杂度的同时获得与最优解较为接近的结果。进一步地，还可以对图论中的最小集合覆盖问题进行了扩展，提出了基于反向覆盖集的近似最优服务器部署算法(Greedy Cover for QOE-Aware,针对QOE意识的贪婪覆盖，简称为GCQA)，在不显著增加算法复杂度的同时获得了与最优解极为接近的结果。另一方面，考虑相似研究中使用的解决算法，本文又提出了改进的基于多轮K-medoids聚类的服务器部署算法(MRKM)和基于Top-K的服务器部署算法(MRTK)来验证本文提出算法的有效性。

图4示出了根据本申请实施例的基于GDSA算法来部署移动边缘计算服务器的一示例的流程图。

如图4所示，GDSA算法可以从一个空的放置策略R开始，并继续将待放置服务器的候选点位逐个加入放置策略R，直到网络中所有节点的QOE需求都得到满足。

在步骤410中，计算所有基站位置两两之间的最短路径长度d(i,j)。

在步骤420中，检测基站位置i,j之间的距离d(i,j)是否不大于q(i)。

如果d(i,j)不大于q(i)，则跳转至步骤430。

在步骤430中，将基站位置j加入到i的覆盖集中。

在步骤440中，检测是否还存在QOE需求未得到满足的基站位置。

如果步骤440中的检测结果指示存在QOE需求未满足的基站位置，则跳转至步骤450。如果步骤440中的检测结果指示所有基站位置的QOE需求都满足，则跳转至步骤470。

在步骤450中，从未选择的基站位置集合中选择对应均一化收益最大的基站位置。这里，规范化收益的定义为：通过添加备选节点，网络中QoE需求得到满足的节点的数量与增加的部署成本的比值。

在步骤460中，在选择的基站位置上放置服务器，移除QOE需求已经被满足的基站位置。

在步骤470中，结束，并输出最终的放置策略。

由此，在节约网络中的服务器布置成本的同时，可以保障网络的QOE性能。

图5示出了根据本申请实施例的基于GCQA算法来部署移动边缘计算服务器的一示例的流程图。

如图5所示，在步骤510中，计算所有基站位置两两之间的最短路径长度d(i,j)。

在步骤520中，检测基站位置i,j之间的距离d(i,j)是否不大于q(i)。

如果d(i,j)不大于q(i)，则跳转至步骤530。

在步骤530中，将基站位置j加入到i的覆盖集中。

在步骤540中，检测基站位置i,j之间的距离d(i,j)是否不大于q(j)。

如果d(i,j)不大于q(j)，则跳转至步骤550。

在步骤550中，将基站位置j加入i的反向覆盖集中。

在步骤560中，移除所有反向覆盖集中的超集。

在步骤570中，检测是否还存在QOE需求未满足的基站位置。

如果还存在QOE需求未满足的基站位置，则跳转至步骤580。如果所有基站位置的QOE需求均满足，则跳转至步骤5110。

在步骤580中，从剩下的基站位置中选择反向覆盖集最小的基站位置。

在步骤590中，从该基站位置的反向覆盖集的基站位置集合中选择均一化收益最大的基站位置。

在步骤5100中，在选择的基站位置上放置服务器，移除QOE需求已经被满足的基站位置。

在步骤5110中，结束，并输出最终放置策略。

通过本申请实施例，在贪心算法的基础上，对图论中的最小集合覆盖问题进行了扩展。需说明的是，关于“覆盖集”和“反向覆盖集”的定义，基站位置u的覆盖集c(u)是所有u可以满足其QOE需求的基站位置构成的集合，而基站位置u的反向覆盖集r(u)是由能够满足u的QOE要求q(u)的各个基站位置构成的集合。这里，每个基站都有自己的覆盖集和反向覆盖集。如果基站w∈r(u)，并且在w上面有服务器部署，则基站w就可以满足来自u的用户请求。因此，r(u)中的每个基站都是可以放置服务器以满足基站u的候选点位。此外，如果

即基站u的反向覆盖集是基站v反向覆盖集的子集，则在选择放置点位时无需考虑基站v。因为如果将服务器部署在基站w∈r(u)上，则基站w可以同时满足基站u和v。

通过实验对比，在现实网络拓扑和上海电信基站数据集上使用真实的用户数据来对比EBI-PAI中的服务器部署算法。在部署成本和体验质量方面，GCQA获得的部署方案大大优于其他算法。对于现实网络拓扑，GCQA算法得出的方案相比第二名的GDSA算法在相同的QoE要求下可以将部署成本降低15-35％。对于基站数据集，GCQA算法可以在给定的成本预算内相比其他算法可以将QoE提高约10-25％。

图6示出了根据本申请实施例的移动边缘计算方法的一示例的流程图。

如图6所示，在步骤610中，从DNS服务器接收终端位置信息。这里，DNS服务器用于拦截移动终端所发送的终端服务请求，并解析终端服务请求所对应的终端位置信息。

在步骤620中，从已部署的移动边缘计算服务器集群中，确定与终端位置信息相匹配的第一移动边缘计算服务器。

在步骤630中，将第一移动边缘计算服务器的访问地址发送至DNS服务器，以通过DNS服务器向产生终端服务请求的移动终端发送访问地址，使得移动终端通过访问地址向所述第一移动边缘计算服务器发送边缘计算请求。由此，相比于直接由接收到请求的边缘节点来提供服务，可以通过DNS服务器集中调度管理服务器资源，保障较佳的性能。

在本申请实施例的一些示例中，基于软件定义网络(SDN)和无服务器计算范式，提出了新的基于边缘的人工智能IoT平台(EBI-PAI)。这里，EBI-PAI提供统一的服务调用界面，自动调度MEC服务器资源以满足用户的QoE需求。一方面，为了在增量部署期间优化性能，设计了如上所描述的启发式部署算法来解决该问题。另一方面，基于开源的无服务器项目实施EBI-PAI，并将其部署在真实的网络中，以保障较好的性能。

图7示出了根据本申请实施例的MEC服务器网络的一示例的架构示意图。

如图7所示，EBI-PAI是一个基于软件定义思想的轻量级资源调度框架，在云端建立平台控制器，收集网络以及边缘计算节点的计算、网络等资源，状态信息，通过计算得到最优的资源分配方案。这里，根据控制层的指令，用户的请求可以被转发到最佳的边缘计算服务器，并且根据网络容量和用户请求量的增长，智能解析DNS服务器提前调整请求的转发路径，平衡边缘服务器的负载。由此，边缘服务器中的资源就可以更加有效地利用，并且所有请求数据可以更智能、灵活地传输。

通过本申请实施例，用户可以通过统一的接口访问相应的计算服务，无需关注底层平台的运行与资源管理。用户对网络中的资源进行请求时对于资源在网络中所处的位置是没有感知的，在边缘计算中需要借助DNS重定向技术以一种对用户透明的方式将用户请求转发到距离最近的边缘计算节点。此外，用户终端可以通过统一的接口访问相应的计算服务，无需关注底层平台的运行与资源管理，用户终端对网络中的资源进行请求时对于资源在网络中所处的位置是没有感知的。

在本申请实施例的一些示例中，边缘网络中的各个MEC服务器(或节点)还可以采用无服务器的计算方式，并且还可以根据平台控制器(或云计算中心)所下发的参数信息配置或更新计算节点上的应用执行环境。

图8示出了根据本申请实施例的更新边缘网络中节点的应用执行环境的一示例的流程图。

如图8所示，在步骤810中，获取用户授权函数表。这里，用户授权函数表中存储了多个用户标识和相应的授权函数集。

在步骤820中，发送授权函数表至各个移动边缘计算服务器。相应地，述第一移动边缘计算服务器可以根据与边缘计算请求所指示的用户标识信息相对应的授权函数集，确定用于响应边缘计算请求的目标函数，并在容器化环境中执行目标函数。这里，可以在容器化环境中来隔离执行函数，该容器化环境是由无服务器计算提供商来优化和管理的，可以减少调用开销和响应时间。

在本申请实施例中，平台控制器可以更新边缘网络中各个节点中的用户信息和相应的函数集，通过镜像更新机制来更新计算节点上的应用执行环境。通过结合无服务器计算方式，边缘计算节点上的运行环境更加轻量级且兼容，从而能够支持移动场景下的多种服务模式。此外，无服务器式的边缘节点计算基于容器化技术，应用执行环境更加轻量级，显著提高了系统的兼容性并支持未来应用的移动特征。

图9示出了根据本申请实施例的平台控制器的一示例的结构框图。

如图9所示，平台控制器900用于处理多项操作，包括代码分发、状态信息收集以及用户访问控制等。平台控制器900由接入管理控制台(Web)910、应用镜像分发器(Distributor)920和平台网关(Center Gateway)930三个模块组成。这里，FDN Web910为前端页面提供接口以操作数据库data-center，并为其他模块提供RPC(Remote ProcedureCall,远程过程调用)接口来操作相关数据，向消息队列RabbitMQ写入系统事件(例如新增用户等)，与其他系统组件通信，通过向系统内部的时序数据库Prometheus发起请求，提供统计数据查询功能。Distributor920向边缘节点系统分发创建的用户，用户标识可以访问的函数(Function)集合，向边缘节点下发创建、删除Function的消息，向边缘节点系统分发API key和Secret用于访问控制，提供计算功能的访问控制，向边缘节点系统分发API key状态变化的消息。Center Gateway930接收边缘节点系统上报的用户调用记录消息，并接收边缘节点系统上报的系统启动消息。

图10示出了EBI-PAI系统的资源调度的一示例的结构示意图。

如图10所示，EBI-PAI系统的资源调度框架包括应用层1010、控制层1020与边缘接入层1030。应用层1010可以与网络管理员交互使用以调用平台控制器，控制层1020包括平台控制器和代码仓库，平台控制器负责更新代码仓库，同时收集网络状态信息，并控制边缘计算节点上的应用执行环境。边缘接入层1030为用户提供就近访问的资源，包括边缘计算中心和DNS重定向服务器，与传统虚拟机技术不同，边缘计算节点采用无服务器计算技术，无服务器计算通过建立服务引擎，接管底层计算、存储和网络资源的管理，对用户屏蔽底层细节，用户只需要关注业务逻辑，不需要关注底层的运行环境。这里，无服务器计算基于容器化技术，应用执行环境更加轻量级，显著提高了系统的兼容性并支持未来应用的移动特征。

图11示出了在人脸识别应用场景下部署在基站上的MEC服务器的结构示意图。

如图11所示，无服务器计算平台被配置在MEC服务器上，平台的入口点是与具体事件相关联的触发器。MEC服务器包括至少一个触发器1110、Http服务器模块1120、控制器组件1130、可用的调用程序1140和存储组件1150。

结合应用场景来说，在人脸识别应用程序中，触发功能的事件包括上传图像或使用设备相机捕获的视频帧。至少一个触发器1110向Http服务器模块1120发出请求，该Http服务器模块1120向外公开可调用函数Restful形式的API。为了实现网络透明性，需要在蜂窝基础设施上部署本地域名服务器(DNS)，它用来区分对MEC服务器暴露的Restful API的请求和对其他互联网端点的请求。本地域名服务器与常规DNS的主要区别在于局部性，因为请求必须由当前基站上的MEC服务器处理。为此，本地边缘资源的名称必须在本地解析，而不将其传播到公共DNS服务器。

此外，当服务请求到达MEC服务器以后，它被转发到控制器组件(Controller)1130，该组件识别并检索被调用的函数，授权函数的执行，并在可用的调用程序1140中选择一个可用的调用程序(Invoker)1150来运行。调用程序1150可以通过容器化环境来隔离执行的函数，该环境由无服务器计算提供商优化和管理，以减少调用开销和响应时间。最后，执行结果和日志信息存储在存储组件(一个高可用的NoSQL数据库)1150中。值得注意的一点是，MEC服务器上的无服务器计算平台中的大多数组件在所有函数之间是共享的，如Http服务器模块、控制器模块等。由此，这种高度共享和整个平台资源自动化管理的特性，使得部署在MEC服务器上的任何函数在工作负载突然增长时能够自动、弹性地扩展，并在不再使用时缩小，从而在高效使用资源的同时保障用户应用的体验质量要求。

在本申请实施例中，无服务器平台可以根据MEC服务器上可用的资源在容器池中分配一个或多个应用的函数实例。与基于容器的有状态应用相比，这样的优势就是MEC服务器计算资源的使用得到优化，使得同时部署更多的功能和处理更多的请求成为可能。针对单个实例出错停机或在工作负载突发情况下做出弹性响应，常规的做法是部署多个虚拟机或容器，这种做法在无服务器计算平台中不再需要。函数的按需执行提供了固有的可伸缩性和最佳利用率，因为运行函数的数量始终与触发率匹配。此外，应用开发人员只需关注程序代码，可以完全将代码的部署或对执行应用的基础设施的管理外包。并且，无服务器方式还提供了一个细粒度的按使用付费计费模型，对应用所有者和电信运营商(负责MEC服务器)都有好处。

图12示出了将本申请实施例的移动边缘计算网络应用在视频监控实时人脸识别应用场景的对比实验设计图。

需说明的是，本实验的目的不是将“传统”云服务与无服务器解决方案进行比较，而是想要证明所提出的无服务器边缘计算架构在某些情况和需求下可以优于典型的无服务器计算云提供商。具体地，可以基于Node.js的RTSP服务器从摄像头等设备捕获和上载图像，为请求和图像的上载提供端点(Step1和Step2)，然后根据两种不同的部署触发不同的后续步骤：Step 3.a、4.a和5.a描述了利用本申请实施例在MEC服务器上部署无服务器的移动边缘计算网络来识别人脸的示例，Step3.b、4.b和5.b描述了目前相关技术中部署无服务器的传统云计算环境来识别人脸的示例。此外，Node.js服务器收集与实验相关的度量，例如延迟、吞吐量和计算时间。

边缘节点部署IBM OpenWhisk无服务器框架用于管理Action(相当于OpenWhisk中的函数)。作为开源软件，OpenWhisk是迄今为止主要供应商中唯一一个可以在本地或私有云上部署的无服务器替代方案。函数计算通过触发器与事件源进行关联，关联后的事件源，会在事件产生时以同步或异步的方式触发函数执行，并将变更事件作为入参传递给入口函数。OpenWhisk提供了一个内置的noSQL数据库：CouchDB，它通过用户定义的触发器和规则与实现的Action相关联。在我们的实验中，将图像上传到CouchDB(步骤3.a)会触发执行特征提取和匹配(步骤4.a)的操作，该操作由基于深度学习的人脸识别服务支持(步骤5.a)。

边缘的无服务器解决方案是在普通笔记本电脑上部署OpenWhisk，在一个拥有四核CPU、4GB RAM和40GB固态硬盘存储的虚拟机中实现。这种部署允许我们模拟一种延迟接近于零，但计算资源高度受限的计算环境。本次实验的云解决方案使用了阿里云函数计算和人脸识别服务，这些功能和服务(OSS对象存储、人脸识别)都托管在特定地区(例如，中国深圳地区)，由阿里云保证一定的数据局部性。图像通过阿里云对象存储服务OSS Bucket上传(步骤3.b)，当Bucket中文件变更时，自动触发函数执行。对象存储触发器将其与执行人脸识别服务中特征提取和匹配的相应无服务器功能(步骤4.b)相关联(步骤5.b)。实验的有效负载是使用裁剪后的大小固定的200kb的图像，对于这个人脸识别用例来说这是一个合理的大小。考虑到阿里云函数计算中请求并发执行的最大值，以及本地边缘节点的有限资源，我们将工作负载参数化，范围从100、500到1000个请求。在边缘和云上部署的所有函数都配置为每个实例最多256Mb的内存。

在本申请实施例的一些示例中，可以使用Go语言来实现一个EBI-PAI的原型，并将其部署在由四台服务器组成的测试平台上，基于流行的无服务器计算框架构建的MEC平台与5G基站共置。本申请方案的可行性通过视频监控实时人脸识别应用得到了验证，与现有无服务器解决方案相比，在100并发请求下，EBI-PAI中请求的延迟相比云解决方案低了62％，同时实现了卓越的性能。

图13示出了根据本申请实施例的移动边缘计算服务器集群的部署装置的一示例的结构示意图。

如图13所示，移动边缘计算服务器集群的部署装置1300包括覆盖基站数量确定单元1310、候选基站位置确定单元1320、反向覆盖检测单元1330和服务器部署单元1340。

覆盖基站数量确定单元1310被配置为针对M个基站位置中的各个基站位置，确定在所述基站位置周围的预设的基站覆盖范围内的基站位置数量。

候选基站位置确定单元1320被配置为根据所述基站位置数量，从所述M个基站位置中确定N个候选基站位置，M、N为正整数且M＞N。

反向覆盖检测单元1330被配置为检测各个所述基站位置周围的所述基站覆盖范围内是否存在相应的所述候选基站位置。

服务器部署单元1340被配置为当检测的结果指示在第一基站位置周围的所述基站覆盖范围内不存在所述候选基站位置时，根据所述N个候选基站位置和所述第一基站位置部署移动边缘计算服务器集群。

在本申请实施例的一些示例中，服务器部署单元1340包括覆盖子集检测模块(未示出)、候选位置更新模块(未示出)和集群部署模块(未示出)。

覆盖子集检测模块被配置为针对所述N个候选基站位置，检测是否存在第一候选基站位置所对应的基站覆盖范围是属于第二候选基站位置所对应的基站覆盖范围的子集。

候选位置更新模块被配置为如果存在，则删除所述第一候选基站位置，以更新所述N个候选基站位置。

集群部署模块被配置为基于经更新的各个候选基站位置和所述第一基站位置，部署所述移动边缘计算服务器集群。

在本申请实施例的一些示例中，所述移动边缘计算服务器为无服务器计算服务器。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图14是本申请实施例的移动终端的一示例的示意图。如图14所示，该实施例的移动终端1400包括：处理器1410、存储器1420以及存储在所述存储器1420中并可在所述处理器1410上运行的计算机程序1430。所述处理器1410执行所述计算机程序1430时实现上述移动边缘计算服务器集群的部署方法实施例中的步骤，例如图1所示的步骤110至150。或者，所述处理器1410执行所述计算机程序1430时实现上述各装置实施例中各模块/单元的功能，例如图13所示单元1310至1340的功能。

示例性的，所述计算机程序1430可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器1420中，并由所述处理器1410执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序1430在所述移动终端1400中的执行过程。例如，所述计算机程序1430可以被分割成覆盖基站数量确定模块、候选基站位置确定模块、反向覆盖检测模块和服务器部署模块，各模块具体功能如下：

覆盖基站数量确定模块被配置为针对M个基站位置中的各个基站位置，确定在所述基站位置周围的预设的基站覆盖范围内的基站位置数量。

候选基站位置确定模块被配置为根据所述基站位置数量，从所述M个基站位置中确定N个候选基站位置，M、N为正整数且M＞N。

反向覆盖检测单元模块被配置为检测各个所述基站位置周围的所述基站覆盖范围内是否存在相应的所述候选基站位置。

服务器部署单元模块被配置为当检测的结果指示在第一基站位置周围的所述基站覆盖范围内不存在所述候选基站位置时，根据所述N个候选基站位置和所述第一基站位置部署移动边缘计算服务器集群。

所述移动终端1400可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述移动终端可包括，但不仅限于，处理器1410、存储器1420。本领域技术人员可以理解，图14仅是移动终端1400的示例，并不构成对移动终端1400的限定，可以包括比图示更多或少的部件，或组合某些部件，或不同的部件，例如所述移动终端还可以包括输入输出设备、网络接入设备、总线等。

所称处理器1410可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，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。

所述存储器1420可以是所述移动终端1400的内部存储单元，例如移动终端1400的硬盘或内存。所述存储器1420也可以是所述移动终端1400的外部存储设备，例如所述移动终端1400上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器1420还可以既包括所述移动终端1400的内部存储单元也包括外部存储设备。所述存储器1420用于存储所述计算机程序以及所述移动终端所需的其他程序和数据。所述存储器1420还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，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。

在本申请所提供的实施例中，应该理解到，所揭露的装置/移动终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/移动终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述单元既可以采用硬件的形式实现，也可以采用软件的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种移动边缘计算服务器集群的部署方法，其特征在于，包括：

针对M个基站位置中的各个基站位置，确定在所述基站位置周围的预设的基站覆盖范围内的基站位置数量；

根据所述基站位置数量，从所述M个基站位置中确定N个候选基站位置，M、N为正整数且M＞N；

检测各个所述基站位置周围的所述基站覆盖范围内是否存在相应的所述候选基站位置；

当检测的结果指示在第一基站位置周围的所述基站覆盖范围内不存在所述候选基站位置时，根据所述N个候选基站位置和所述第一基站位置部署移动边缘计算服务器集群。

2.如权利要求1所述的移动边缘计算服务器集群的部署方法，其特征在于，所述根据所述N个候选基站位置和所述第一基站位置部署移动边缘计算服务器集群，包括：

针对所述N个候选基站位置，检测是否存在第一候选基站位置所对应的基站覆盖范围是属于第二候选基站位置所对应的基站覆盖范围的子集；

如果存在，则删除所述第一候选基站位置，以更新所述N个候选基站位置；

基于经更新的各个候选基站位置和所述第一基站位置，部署所述移动边缘计算服务器集群。

3.如权利要求1或2所述的移动边缘计算服务器集群的部署方法，其特征在于，所述根据所述N个候选基站位置和所述第一基站位置部署移动边缘计算服务器集群，包括：

根据所述N个候选基站位置和所述第一基站位置，确定针对所述移动边缘计算服务器集群的多个预部署策略，以使得在每一所述预部署策略下的各个所述基站位置周围的所述基站覆盖范围内存在至少一个移动边缘计算服务器；

根据预设的成本计算规则和各个预部署策略中的移动边缘计算服务器，确定相应的集群部署成本；

根据所述集群部署成本，部署所述移动边缘计算机服务器集群。

4.如权利要求1所述的移动边缘计算服务器集群的部署方法，其特征在于，在根据所述N个候选基站位置和所述第一基站位置部署移动边缘计算服务器之后，所述方法还包括：

从DNS服务器接收终端位置信息，其中所述DNS服务器用于拦截移动终端所发送的终端服务请求，并解析所述终端服务请求所对应的终端位置信息；

从已部署的移动边缘计算服务器集群中，确定与所述终端位置信息相匹配的第一移动边缘计算服务器；

将所述第一移动边缘计算服务器的访问地址发送至所述DNS服务器，以通过所述DNS服务器向产生所述终端服务请求的移动终端发送所述访问地址，使得所述移动终端通过所述访问地址向所述第一移动边缘计算服务器发送边缘计算请求。

5.如权利要求4所述的移动边缘计算服务器集群的部署方法，其特征在于，所述方法还包括：

获取用户授权函数表，所述用户授权函数表中存储了多个用户标识和相应的授权函数集；

发送所述用户授权函数表至各个所述移动边缘计算服务器，以使得所述第一移动边缘计算服务器根据与所述边缘计算请求所指示的用户标识信息相对应的授权函数集，确定用于响应所述边缘计算请求的目标函数，并在容器化环境中执行所述目标函数。

6.一种移动边缘计算服务器集群的部署装置，其特征在于，包括：

覆盖基站数量确定单元，被配置为针对M个基站位置中的各个基站位置，确定在所述基站位置周围的预设的基站覆盖范围内的基站位置数量；

候选基站位置确定单元，被配置为根据所述基站位置数量，从所述M个基站位置中确定N个候选基站位置，M、N为正整数且M＞N；

反向覆盖检测单元，被配置为检测各个所述基站位置周围的所述基站覆盖范围内是否存在相应的所述候选基站位置；

服务器部署单元，被配置为当检测的结果指示在第一基站位置周围的所述基站覆盖范围内不存在所述候选基站位置时，根据所述N个候选基站位置和所述第一基站位置部署移动边缘计算服务器集群。

7.如权利要求6所述的移动边缘计算服务器集群的部署装置，其特征在于，所述服务器部署单元包括：

覆盖子集检测模块，被配置为针对所述N个候选基站位置，检测是否存在第一候选基站位置所对应的基站覆盖范围是属于第二候选基站位置所对应的基站覆盖范围的子集；

候选位置更新模块，被配置为如果存在，则删除所述第一候选基站位置，以更新所述N个候选基站位置；

集群部署模块，被配置为基于经更新的各个候选基站位置和所述第一基站位置，部署所述移动边缘计算服务器集群。

8.如权利要求6所述的移动边缘计算服务器集群的部署装置，其特征在于，所述移动边缘计算服务器为无服务器计算服务器。

9.一种移动终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。

Images