CN112202847B - 一种基于移动边缘计算的服务器资源配置方法 - Google Patents

Abstract

本发明请求保护一种基于移动边缘计算的服务器资源配置方法，属于通信网络技术领域。针对移动边缘计算场景下服务器的接入时延和负载约束问题，提出边缘服务器的优化配置方法。本发明根据区域内移动基站的位置及分布密度，通过初始聚类划分满足服务器的接入时延和负载约束，通过基站排序、服务器位置偏移，以及服务器数量压缩的方法进行多层次聚类迭代，优化区域内的服务器资源配置，从而有效降低服务器的配置数量和平均接入时延，并提高服务器的负载均衡性。

Description

一种基于移动边缘计算的服务器资源配置方法

技术领域

本发明属于通信网络技术领域，具体涉及一种基于移动边缘计算的服务器资源配置方法。

背景技术

由于5G技术的飞速发展，带动了移动业务的迅猛增长。然而，由于计算能力、存储资源以及电池容量方面的制约，一定程度上限制了移动终端设备的业务处理能力。随着计算卸载技术的出现，移动终端可以将计算量大以及时延要求低的业务卸载到云服务器进行处理，并及时回传结果，以缓解移动终端本地处理能力不足的压力。然而，这种卸载技术依然存在一些待解决的问题，特别是当移动设备到云服务器的距离较远时，卸载过程传输时延较长，这将严重影响时延敏感型任务的服务质量(Quality of Service)。近年来，移动边缘计算(Mobile Edge Computing,MEC)的出现提供了解决这个问题的可能。MEC通过将服务器分布配置于更接近用户的无线基站，减小任务卸载的传输距离，可以有效降低用户的服务器接入时延，从而提供更加高效的各类智能业务。

边缘服务器的资源配置问题，是移动边缘计算技术研究的一个重要目标。合理的边缘服务器配置方法可以有效提高服务器资源的利用率和业务完成的实时性。边缘服务器的配置规划具有两个较强的约束条件，其一是服务器的接入时延约束，其二是服务器的负载约束。满足这两个约束条件的最简单方法是提高边缘服务器的配置密度和数量，但却可能会严重影响服务器的资源利用率和负载均衡性，从而给运营商造成巨大的损失。因此，为了提高移动边缘计算的服务质量以及服务器的资源利用率与负载均衡性，边缘服务器资源的优化配置是5G网络建设和完善的重要问题。

目前，现有的边缘服务器配置方案大多只针对接入时延进行优化，忽略了服务器的计算容量约束，以及服务器的数量和负载均衡性，资源利用率难以进一步提升；少量配置方案主要针对服务器的负载均衡性进行优化，虽然引入了最大时延门限，但却未考虑时延的均衡性，容易造成不同区域用户接入时延差异较大，难以保证用户体验的稳定性。为解决以上问题，本发明提出了一种基于移动边缘计算的服务器资源配置方法。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种基于移动边缘计算的服务器资源配置方法。本发明的技术方案如下：

一种基于移动边缘计算的服务器资源配置方法，其根据区域内移动基站的位置及分布密度，在满足服务器的接入时延和负载约束条件下，对基站进行初始聚类划分，通过基站排序、服务器位置偏移，以及服务器数量压缩的方法进行多层次聚类迭代，优化服务器资源配置，资源配置方法具体包括以下步骤：

101、将区域内的所有基站放入集合A，对A中基站进行初始配置，获得初始中心点集合U＝{a_i}及相应的基站聚类集合{C_i}，并根据目标函数计算目标值R，初始化变量j＝0，k＝0；

102、根据初始配置，令R'＝R，R″＝R，其中，R'表示中心点偏移更新指标，R″表示随机序列更新指标；

103、令当前的中心点数量I＝|U|；

104、如果R″<R'，令R'＝R″，j＝0，更新中心点集合U＝{a_i}及相应的基站聚类集合{C_i}，跳转到步骤105，否则，跳转到步骤105；

105、j＝j+1，如果j<J，其中，J为中心点更新迭代终止容限，对U中每一个中心点a_i，在其邻近的λ个基站中随机选取一个作为新的中心点，替换a_i，令k＝0，跳转到步骤106；否则，跳转到步骤110；

106、k＝k+1，如果k≤K，其中，K为基站随机序列更新迭代终止容限，对所有基站进行随机排列，产生随机序列s，跳转到步骤107；否则，跳转到步骤104；

107、根据接入时延和服务器负载约束条件，依次将序列s中的基站划分至距其最近的中心点聚类集合；

108、如果序列s中所有基站均已完成划分，视为有效划分，根据目标函数计算目标值R，跳转到步骤109；否则，跳转到步骤106；

109、如果R≤R″，令R″＝R，k＝0，更新中心点集合U＝{a_i}及相应的基站聚类集合{C_i}，跳转到步骤106；否则，跳转到步骤106；

110、如果I满足最小服务器数量约束条件，将U中的聚类中心随机删除一个，令j＝0，跳转到步骤103；否则，输出中心点集合U＝{a_i}及相应的基站聚类集合{C_i}，算法结束。

进一步的，所述步骤101对A中基站进行初始配置的步骤包括：

1)根据基站的坐标位置，计算集合A中每个基站的邻域密度，初始化变量i＝1；

2)将A中密度最大的基站作为中心点，记为a_i，将其放入中心点集合U；

3)根据与a_i的间距从小到大的顺序，依次将A中满足接入时延与服务器负载约束条件的基站移入聚类C_i；

4)如果

i＝i+1，跳转到步骤2；否则，将中心点集合U＝{a_i}及相应的基站聚类集合{C_i}作为初始解。

进一步的，所述步骤107的接入时延和服务器负载约束条件如公式(1)、(2)所示：

T_i,n≤T_max (1)

l_i≤L_max (2)

公式(1)中，T_i,n表示第i个中心点a_i与第n个基站点b_n之间的时延，该时延由两点之间的距离决定，T_max表示允许的最大接入时延；

公式(2)中，l_i表示第i个服务器的负载量，L_max表示每个服务器的最大负载上限。

进一步的，所述步骤101和108的目标函数如公式(3)所示：

R＝ε·α+(1-ε)(β+γ) (3)

公式(3)中，ε表示均衡性因子，且0≤ε≤1，α、β、γ表示服务器数量因子、接入时延因子，以及服务器负载因子，分别如公式(4)、(5)、(6)所示；

其中，I表示中心点数量，其等价于配置的服务器数量，N表示配置服务器的数量上限，其值等于基站总数，t_i表示第i个服务器的接入时延，τ表示服务器的平均接入时延，l_i表示第i个服务器的负载量，η表示服务器的平均负载量。

进一步的，所述步骤110的最小服务器数量约束条件如公式(7)所示：

公式(7)中，I_min表示配置服务器的最小数量，其值为区域内的基站总负载量L_total与每个服务器的最大负载上限L_max相除并向上取整。

本发明的优点及有益效果如下：

针对边缘服务器资源配置中的接入时延、服务器数量，以及负载均衡性问题。本发明首先根据区域内移动基站的位置及分布密度，在满足服务器的接入时延和负载约束前提下，完成基站集的初始聚类划分，与常规优化中随机产生初始解的方案比，能够有效降低后续优化迭代的运算量。通过对区域内基站的随机排序和迭代，以及服务器位置的随机偏移和迭代，有效避免聚类划分方案陷入局部最优；通过对服务器数量的迭代压缩，有效降低服务器资源的配置数量；通过在多层次迭代中严格执行接入时延和资源容量约束，除了保障用户服务质量，提高服务器的资源利用率外，其优化解决方案能够获得很好的服务器负载均衡性。

附图说明

图1是本发明提供优选实施例边缘服务器的配置方法流程图。

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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

本发明内容所涉及的概念和模型如下：

1.网络模型

假设区域内的基站分布图为G(b_n,l_n)，其中，b_n＝{x_n,y_n}为每个基站的位置坐标，n是每个基站的标号，l_n为每个基站的业务负载。

2.本发明内容所涉及的其它符号说明如下：

A：初始基站集合

b_n：第n个基站点

U：中心点集合

R'：中心点偏移更新指标

R″：随机序列更新指标

I：中心点的数量

a_i：第i个中心点

λ：更新中心点的邻近点数量

J：中心点更新迭代终止容限

K：基站随机序列更新迭代终止容限

s：A中基站的随机序列

C_i：第i个基站聚类

T_i,n：中心点a_i与基站点b_n之间的时延

l_i：第i个服务器的负载量

T_max：允许的最大接入时延

L_max：每个服务器的最大负载上限

I_min：配置服务器的最小数量

L_total：区域内的基站总负载量

本发明的技术方案说明如下：

1.初始配置方法

步骤1:根据基站的坐标位置，计算集合A中每个基站的邻域密度，初始化变量i＝1；

步骤2:将A中密度最大的基站作为中心点，记为a_i，将其放入中心点集合U；

步骤3:根据与a_i的间距从小到大的顺序，依次将A中满足接入时延与服务器负载约束条件的基站移入聚类C_i；

步骤4:如果

i＝i+1，跳转到步骤2；否则，将中心点集合U＝{a_i}及相应的基站聚类集合{C_i}作为初始解。

2.接入时延和服务器负载约束条件：

如公式(1)、(2)所示：

T_i,n≤T_max (1)

l_i≤L_max (2)

公式(1)中，T_i,n表示第i个中心点a_i与第n个基站点b_n之间的时延，该时延由两点之间的距离决定，T_max表示允许的最大接入时延；

公式(2)中，l_i表示第i个服务器的负载量，L_max表示每个服务器的最大负载上限。

3.目标函数：

如公式(3)所示：

R＝ε·α+(1-ε)(β+γ) (3)

公式(3)中，ε表示均衡性因子，且0≤ε≤1，α、β、γ表示服务器数量因子、接入时延因子，以及服务器负载因子，分别如公式(4)、(5)、(6)所示；

其中，I表示中心点数量，其等价于配置的服务器数量，N表示配置服务器的数量上限，其值等于基站总数，t_i表示第i个服务器的接入时延，τ表示服务器的平均接入时延，l_i表示第i个服务器的负载量，η表示服务器的平均负载量。

4.最小服务器数量约束条件：

如公式(7)所示：

公式(7)中，I_min表示配置服务器的最小数量，其值为区域内的基站总负载量L_total与每个服务器的最大负载上限L_max相除并向上取整。

一种基于移动边缘计算的服务器资源配置方法，其具体实施方法包括如下步骤：

步骤1：将所有基站放入A，对A中基站进行初始配置，获得初始U＝{a_i}及{C_i}，并根据目标函数计算R，初始化变量j＝0，k＝0；

步骤2：根据初始配置，令R'＝R，R″＝R；

步骤3：令当前的中心点数量I＝|U|；

步骤4：如果R″<R'，令R'＝R″，j＝0，更新U＝{a_i}及{C_i}，跳转到步骤5；否则，跳转到步骤5；

步骤5：j＝j+1，如果j<J，对U中每个a_i，在邻近的λ个基站中随机选取一个点，替换a_i，令k＝0，跳转到步骤6；否则跳转到步骤10；

步骤6：k＝k+1，如果k≤K，对所有基站进行随机排列，产生s，跳转到步骤7；否则，跳转到步骤4；

步骤7：根据接入时延和服务器负载约束条件，依次将s中的基站划分至最近的聚类集合；

步骤8：如果s中所有基站均完成划分，视为有效划分，根据目标函数计算R，跳转到步骤9；否则，跳转到步骤6；

步骤9：如果R≤R″，令R″＝R，k＝0，更新U＝{a_i}及{C_i}，跳转到步骤6；否则，跳转到步骤6；

步骤10：如果I满足最小服务器数量约束条件，将U中的聚类中心随机删除一个，令j＝0，跳转到步骤3；否则，输出U＝{a_i}及{C_i}，算法结束。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (4)

1.一种基于移动边缘计算的服务器资源配置方法，其特征在于，包括以下步骤：

101、将区域内的所有基站放入集合A，对A中基站进行初始配置，获得初始中心点集合U＝{a_i}及相应的基站聚类集合{C_i}，并根据目标函数计算目标值R，初始化变量j＝0，k＝0；

102、根据初始配置，令R'＝R，R”＝R，其中，R'表示中心点偏移更新指标，R”表示随机序列更新指标；

103、令当前的中心点数量I＝|U|；

104、如果R”＜R'，令R'＝R”，j＝0，更新中心点集合U＝{a_i}及相应的基站聚类集合{C_i}，跳转到步骤105，否则，跳转到步骤105；

105、j＝j+1，如果j＜J，其中，J为中心点更新迭代终止容限，对U中每一个中心点a_i，在其邻近的λ个基站中随机选取一个作为新的中心点，替换a_i，令k＝0，跳转到步骤106；否则，跳转到步骤110；

106、k＝k+1，如果k≤K，其中，K为基站随机序列更新迭代终止容限，对所有基站进行随机排列，产生随机序列s，跳转到步骤107；否则，跳转到步骤104；

107、根据接入时延和服务器负载约束条件，依次将序列s中的基站划分至距其最近的中心点聚类集合；

108、如果序列s中所有基站均已完成划分，视为有效划分，根据目标函数计算目标值R，跳转到步骤109；否则，跳转到步骤106；

109、如果R≤R”，令R”＝R，k＝0，更新中心点集合U＝{a_i}及相应的基站聚类集合{C_i}，跳转到步骤106；否则，跳转到步骤106；

110、如果I满足最小服务器数量约束条件，将U中的聚类中心随机删除一个，令j＝0，跳转到步骤103；否则，输出中心点集合U＝{a_i}及相应的基站聚类集合{C_i}，算法结束；

所述步骤101和108的目标函数如公式(3)所示：

R＝ε·α+(1-ε)(β+γ) (3)

公式(3)中，ε表示均衡性因子，且0≤ε≤1，α、β、γ表示服务器数量因子、接入时延因子，以及服务器负载因子，分别如公式(4)、(5)、(6)所示；

其中，I表示中心点数量，其等价于配置的服务器数量，N表示配置服务器的数量上限，其值等于基站总数，t_i表示第i个服务器的接入时延，τ表示服务器的平均接入时延，l_i表示第i个服务器的负载量，η表示服务器的平均负载量。

2.根据权利要求1所述的一种基于移动边缘计算的服务器资源配置方法，其特征在于，所述步骤101对A中基站进行初始配置的步骤包括：

1)根据基站的坐标位置，计算集合A中每个基站的邻域密度，初始化变量i＝1；

2)将A中密度最大的基站作为中心点，记为a_i，将其放入中心点集合U；

3)根据与a_i的间距从小到大的顺序，依次将A中满足接入时延与服务器负载约束条件的基站移入聚类C_i；

4)如果

i＝i+1，跳转到步骤2；否则，将中心点集合U＝{a_i}及相应的基站聚类集合{C_i}作为初始解。

3.根据权利要求1所述的一种基于移动边缘计算的服务器资源配置方法，其特征在于，所述步骤107的接入时延和服务器负载约束条件如公式(1)、(2)所示：

T_i,n≤T_max (1)

l_i≤L_max (2)

公式(1)中，T_i,n表示第i个中心点a_i与第n个基站点b_n之间的时延，该时延由两点之间的距离决定，T_max表示允许的最大接入时延；

公式(2)中，l_i表示第i个服务器的负载量，L_max表示每个服务器的最大负载上限。

4.根据权利要求1所述的一种基于移动边缘计算的服务器资源配置方法，其特征在于，所述步骤110的最小服务器数量约束条件如公式(7)所示：

公式(7)中，I_min表示配置服务器的最小数量，其值为区域内的基站总负载量L_total与每个服务器的最大负载上限L_max相除并向上取整。

Images