CN112437449A - 联合资源分配方法及区域编排器 - Google Patents
联合资源分配方法及区域编排器 Download PDFInfo
- Publication number
- CN112437449A CN112437449A CN202011060722.8A CN202011060722A CN112437449A CN 112437449 A CN112437449 A CN 112437449A CN 202011060722 A CN202011060722 A CN 202011060722A CN 112437449 A CN112437449 A CN 112437449A
- Authority
- CN
- China
- Prior art keywords
- resource allocation
- service
- base station
- calculation
- transmission bandwidth
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/543—Allocation or scheduling criteria for wireless resources based on quality criteria based on requested quality, e.g. QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/30—Connection release
- H04W76/34—Selective release of ongoing connections
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种联合资源分配方法及一种区域编排器,属于无线通讯领域。所述方法包括:S1)根据服务类别定制化网络切片;S2)生成对应的全局优化问题,并将全局优化问题分解为多个子问题;S3)子问题结果计算;S4)进行所述网络切片的资源分配结果计算,并更新辅助变量和对偶变量;S5)根据预设规则判断所述全局优化问题是否满足停止迭代判据,若满足,转至步骤S6),若不满足,根据更新后的辅助变量和对偶变量重复执行步骤S3)‑S5),直至所述全局优化问题满足停止迭代判据;S6)执行资源分配。由区域编排器协调实现全局最优,保证每类服务具有良好的延迟性能,还能最小化系统的整体延迟。
Description
技术领域
本发明涉及无线通讯领域,具体地涉及一种联合资源分配方法及一种区域编排器。
背景技术
近年来,同时利用通信和计算资源的网络切片技术引起了广泛关注,为网络切片联合分配通信和计算资源能进一步提升用户体验,均衡不同资源的利用率,并为具有严格延迟和计算需求的服务提供支持。但是,针对不同服务请求的网络切片分配资源依旧存在诸多问题,因为不同资源往往归属于不同服务商,彼此无法交互和共享各自的私有信息,且移动通信网和边缘计算网的基础设施分布广,集中协调和管理会导致很高的协调延迟和通信开销,最后还有每个用户设备可以同时请求具有不同特性的多类服务,对资源需求各不相同。
针对现有为具有不同服务需求的网络切片分配资源存在的时间延迟长和分配准确度不高的问题,需要创造一种能够快速、准确地分配不同资源组合的优化算法来支持多服务网络切片。
发明内容
本发明实施方式的目的是提供一种联合资源分配方法,以至少解决上述的为具有不同服务需求的网络切片分配资源存在的时间延迟长和分配准确度不高的问题。
为了实现上述目的,本发明第一方面提供一种联合资源分配方法,应用于基于移动通信网和边缘计算网的网络切片架构,所述方法包括:S1)获取接收到用户设备请求服务的基站节点的查询请求,并根据所述查询请求创建所述请求服务的定制化网络切片;S2)根据所述查询请求生成对应的全局优化问题,并将所述全局优化问题分解为多个子问题;S3)将所述多个子问题对应发送到当前调节区域的基站节点,供所述基站节点同时进行各请求服务的分配传输带宽计算和子问题结果计算;S4)根据计算得到的所有子问题结果获得全局优化问题结果,根据所述全局优化问题结果进行所述网络切片的资源分配结果计算,并更新辅助变量和对偶变量;S5)根据预设规则判断所述全局优化问题是否满足停止迭代判据,若满足,转至步骤S6),若不满足,根据更新后的辅助变量和对偶变量重复执行步骤S3)-S5),直至所述全局优化问题满足停止迭代判据;S6)执行资源分配。
可选的,所述网络切片包括多个彼此独立的切片单元,所述切片单元按照以下方式生成:将所述请求服务的物理资源虚拟化为多种虚拟网络功能;对于每一虚拟网络功能,将其分解为多个可置于通用软件容器中的组件作为所述切片单元。
可选的,所述根据所述查询请求生成对应的全局优化问题,包括:根据所述查询请求生成最小化服务响应时间的联合传输带宽和计算资源分配模型,如下:
其中,bsn表示基站节点s为第n种服务分配的任务单元数量;tsn为基站节点s和边缘计算节点e处理第n种服务的响应时间;csn为边缘计算节点e为基站节点s分配的处理第n种服务的资源。
可选的,所述最小化服务响应时间的联合传输带宽和计算资源分配模型满足以下5个约束条件:
其中,S表示当前调度区域的基站节点总数;N表示待分配服务类型总数;θsn=CDF-1(0.9,λsn),表示到达基站节点s的第n种服务的最大任务单元数量。
可选的,步骤S2)中,所述根据所述查询请求生成对应的全局优化问题,还包括:根据所述最小化服务响应时间的联合传输带宽和计算资源分配模型中的约束条件(a)-(d),定义S个指标函数,如下:
其中,s:bsn≥b0,csn≥λsn,tsn≤Tn,∑n∈Nθsn×bsn≤Bs,n∈N}cs={csn|n∈N},表示在基站节点s∈S处满足约束条件(a)-(d)的所有可行解集合;xs=[bs,cs],表示基站节点s∈S为每种服务N={1,…,N}分配的传输带宽向量bs={bsn|n∈N}和计算资源向量的组合向量。
可选的,步骤S2)中,所述根据所述查询请求生成对应的全局优化问题,还包括:根据所述最小化服务响应时间的联合传输带宽和计算资源分配模型中的约束条件(e),定义一个指标函数,如下:
其中,g={c:∑s∈S∑n∈Ncsn≤C},表示在边缘计算节点e∈E处满足约束条件(e)的所有可行解集合;c=[c1,…,cS]表示边缘计算节点e∈E为每个基站节点S={1,…,S}分配的计算资源向量。
可选的,步骤S2)中,所述根据所述查询请求生成对应的全局优化问题,还包括:根据生成的指标函数I1(xs),I2(c)转换联合传输带宽和计算资源分配模型,计算公式为:
其中,z=[z1,…,zS]为引入的一组辅助变量;将转换后的联合传输带宽和计算资源分配模型表示为增广拉格朗日函数形式:
其中,x={x1,…,xS};Λ={Λ1,…,ΛS},为对偶变量;ρ为增广拉格朗日参数。
可选的,步骤S2)中,所述根据所述查询请求生成对应的全局优化问题,还包括:将生成的所述增广拉格朗日函数转换为基于部分变量分裂的乘子交替方向迭代形式:
Λ(k+1)=Λ(k)+x(k+1)-z(k+1)
其中,k为迭代次数。
可选的,步骤S3)中,所述进行各请求服务的分配传输带宽计算包括:根据分配传输带宽约束条件进行每种请求服务的分配传输带宽计算;其中,所述分配传输带宽约束条件为:
∑n∈Nθsn×bsn≤Bs
其中,Bs表示基站节点s拥有的总传输带宽。
可选的,步骤S3)中,所述子问题xs(k+1)的结果计算公式为:
可选的,步骤S4)中,所述资源分配结果计算包括:根据资源分配约束条件进行每种请求服务的资源分配计算;其中,所述资源分配约束条件为:
∑s∈S∑n∈Ncsn≤C。
可选的,步骤S6)中,所述执行资源分配,包括:输入每个基站节点为每种服务分配的传输带宽;输出为每个基站节点进行每种服务分配的计算资源到边缘计算节点;根据分配的传输带宽和所述计算资源进行每种服务处理的协调。
本发明第二方面提供一种区域编排器,应用于基于移动通信网和边缘计算网的网络切片架构,所述区域编排器包括:采集单元,用于获取接收到用户设备请求服务的基站节点的查询请求,以及获取各请求服务的分配传输带宽计算结果和子问题计算结果;处理单元,用于根据所述查询请求创建所述请求服务的定制化的网络切片,还用于根据所述查询请求生成对应的全局优化问题,将所述全局优化问题分解为多个子问题,以及将所述多个子问题对应发送到当前调节区域的基站节点,供所述基站节点同时进行各请求服务的分配传输带宽计算和子问题结果计算;所述处理单元还用于接收所述基站节点反馈的计算得到的子问题结果,根据计算得到的所有子问题结果获得全局优化问题结果,根据所述全局优化问题结果进行所述网络切片的资源分配结果计算,并更新辅助变量和对偶变量;判断单元,用于根据预设规则判断所述全局优化问题是否满足停止迭代判据;执行单元,用于在所述全局优化问题满足停止迭代判据的情况下,根据为每种服务分配的传输带宽和每种服务分配的计算资源进行每种服务处理的协调。
另一方面,本发明提供一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行上述的联合资源分配方法。
通过上述技术方案,将物理资源虚拟化为虚拟网络功能,每个网络功能进一步分解为大量可置于通用软件容器中的组件,即切片单元,利于网络功能被不同服务实例快速释放和重用,每个网络切片由若干独立的切片单元组成,在不影响其他正在提供服务的网络切片的前提下启动和动态扩展。所述联合资源分配方法采用基于部分变量分裂的乘子交替方向法,将全局优化问题分解为一组子问题,每个子问题根据局部信息由基站节点求解,再由区域编排器协调实现全局最优,既能保证每类服务具有良好的延迟性能,还能最小化系统的整体延迟。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是本发明一种实施方式提供的联合资源分配方法的流程图;
图2是本发明一种实施方式提供的全局优化问题生成和拆解方法的流程图;
图3是本发明一种实施方式提供的子问题求解方法的流程图;
图4是本发明一种实施方式提供的辅助变量和对偶变量更新方法流程图;
图5是本发明一种实施方式提供的网络切片网络架构的结构图;
图6是本发明一种实施方式提供的区域编排器的结构图。
附图标记说明
10-采集单元;20-处理单元;30-判断单元;40-执行单元。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
图5示出了本发明联合资源分配方法应用的网络切片架构结构图,如图5所示,网络切片架构由多个基站节点和多个边缘计算节点构成,每个基站节点为特定覆盖区域的用户设备提供通信服务,每个用户设备可以请求多种类型的服务,每种服务以任务单元为单位通过基站节点迁移至边缘计算节点处理,每种服务的任务单元大小可以不同。例如,在视频或音频处理服务中,每个视频或音频剪辑由多个便于传输和处理的视频或音频数据单元组成。将第n∈N(N表示每个用户设备可以请求的任务数量)种服务的任务单元数据量记为dn,每个基站节点拥有的总传输宽带为Bs,s∈S(S为基站节点数量),每个边缘计算节点的资源为每秒处理Ce,e∈E(E为边缘计算节点的数量)个任务单元,第n∈N种服务的任务单元在单位时间的生成率ksn服从泊松分布,即满足以下关系:
其中,泊松分布的期望值λsn表示单位时间内基站节点s∈S接收到第n∈N种服务的任务单元的平均数量。
优选的,网络切片架构将物理资源虚拟化为虚拟网络功能(下称VNF),每个VNF进一步分解为大量可置于通用软件容器中的组件,即切片单元,以利于网络功能被不同服务实例快速释放和重用。每个网络切片由多个彼此独立的切片单元组成,可以在不影响其他正在提供服务的网络切片的前提下启动和动态扩展。
优选的,在网络切片架构中设置区域编排器(regional orchestrator,下称RO),RO部署在移动通信网和边缘计算网之间,细粒度调控两张网络的资源。该架构将网络覆盖区域按照地理位置划分为若干个子区域,每个子区域由数量有限、位置靠近的基站节点和边缘计算节点构成,二者通过高速光纤链路连接。在每个子区域部署的RO管理和分配由该子区域的通信和计算资源组成的VNF集合,实现网络切片实例化。当基站节点接收到来自用户设备的服务请求时,首先查询RO,然后RO与基站节点和相邻的边缘计算节点协调,创建定制化的网络切片,并监督基站节点与边缘计算节点之间的路由。当两个或多个相邻子区域的负载不平衡时,RO之间还可以相互协调,调整本地VNF的容量和分布。
如图6,本发明一种实施方式提供了一种区域编排器,应用于基于移动通信网和边缘计算网的网络切片架构,所述区域编排器包括:采集单元10,用于获取接收到用户设备请求服务的基站节点的查询请求,以及获取各请求服务的分配传输带宽计算结果和子问题计算结果;处理单元20,用于根据所述查询请求创建所述请求服务的定制化的网络切片,还用于根据所述查询请求生成对应的全局优化问题,将所述全局优化问题分解为多个子问题,以及将所述多个子问题对应发送到当前调节区域的基站节点,供所述基站节点同时进行各请求服务的分配传输带宽计算和子问题结果计算;所述处理单元20还用于接收所述基站节点反馈的计算得到的子问题结果,根据计算得到的所有子问题结果获得全局优化问题结果,根据所述全局优化问题结果进行所述网络切片的资源分配结果计算,并更新辅助变量和对偶变量;判断单元30,用于根据预设规则判断所述全局优化问题是否满足停止迭代判据;执行单元40,用于在所述全局优化问题满足停止迭代判据的情况下,根据为每种服务分配的传输带宽和每种服务分配的计算资源进行每种服务处理的协调。
图1是本发明一种实施方式提供的联合资源分配方法的流程图。如图1所示,本发明实施方式提供一种联合资源分配方法,所述方法包括:
步骤S10:获取接收到用户设备服务请求的基站节点的查询请求,并根据所述查询请求创建所述请求服务的定制化的网络切片。
具体的,用户设备在有服务请求时,首先接入请求消息发送到对应的基站节点,基站节点在接受到请求消息后,将根据接入请求向区域编排器发起查询请求,采集单元10接收所述查询请求,处理单元20将发起请求的物理资源虚拟化为虚拟网络功能,然后将生成的虚拟网络功能进一步分解为大量可置于通用软件容器中的组件,这些组件便是最终的切片单元。
在本发明实施例中,将物理资源虚拟化为虚拟网络功能拆解为最终的可置于通用软件容器中的组件,这些切片单元非常容易被网络功能被不同服务实例快速释放和重用,每个网络切片有若干独立的切片单元组成,在不影响其他正在提供服务的网络切片的前提下启动和动态扩展。极大减少接入请求的时间延时,提高通讯效率。
步骤S20:根据所述查询请求生成对应的全局优化问题,并将所述全局优化问题分解为多个子问题。如图2,包括以下步骤:
步骤S201:根据所述查询请求生成最小化服务响应时间的联合传输带宽和计算资源分配模型。
具体的,所有边缘计算节点的总计算能力是有限的,在进行计算资源分配时,理论上是不能超过所有计算节点的计算资源总值,所有边缘计算节点的总计算资源为:
C=∑e∈ECe
因此,来自任何一个基站加点的所有服务类型能够分配的计算资源必须满足以下关系:
∑s∈S∑n∈Ncsn≤C
在进行服务接入时,优选为主要服务为延迟容忍类服务,也就是为每种服务类型预设最大的时间延迟容忍,保证用户的顺畅使用,在这种前提下,要求基站节点和边缘计算节点处理这种服务类型的响应时间在预设时间范围内。最小化服务响应时间的联合传输带宽和计算资源分配模型如下:
其中,bsn表示基站节点s为第n种服务分配的任务单元数量;tsn为基站节点s和边缘计算节点e处理第n种服务的响应时间;csn为边缘计算节点e为基站节点s分配的处理第n种服务的资源。最小化服务响应时间的联合传输带宽和计算资源分配模型满足以下5个约束条件:
根据以上关系和约束条件即可计算出在保证最小响应时间下的联合传输带宽和计算资源分配方案,保证在符合计算计算能力要求下,保证用户的等待时间足够短,避免用户过程等待导致通讯体验下降,造成过长时间延迟、
步骤S202:根据最小化服务响应时间的联合传输带宽和计算资源分配模型定义指标函数。
具体的,联合资源分配方法将全局优化问题分解为一组子问题,每个子问题根据局部信息由基站节点求解,再由RO协调实现全局最优。将一个全局优化问题拆解为多个子问题,有效利用各个基站节点计算资源,避免单个基站节点进行大量问题求解,造成求解时间加长,增大通讯延迟。上述小化服务响应时间的联合传输带宽和计算资源分配模型满足5个约束条件,这5个约束条件即为个子问题求解的约束条件,所以在进行全局最优问题拆解时,必须将这些约束问题纳入参考。在进行全局优化拆解时,首先根据上述的5个约束问题生成与基站节点等量的指标函数,指标函数为:
其中,gs表示在基站节点s∈S出满足约束条件(a)-(d)的所有可行解集合;xs=[bs,cs],表示基站节点为s∈S每种服务分配的传输带宽向量bs={bsn|n∈N}和计算资源向量cs={csn|n∈N}的组合向量。其中,gs满足以下关系:
然后,针对联合传输带宽和计算资源分配模型中的约束条件(e),定义以下一个指标函数:
其中,g={c:∑s∈S∑n∈Ncsn≤C}表示在边缘计算节点e∈E出满足约束条件(e)的所有可行解结合;c=[c1,…,cS]表示边缘计算节点e∈E为每个基站节点分配的计算资源向量。通过以上多个指标函数,可以获得所有满足最小化服务响应时间的联合传输带宽和计算资源分配模型中预设关系的传输带宽和计算资源分配方案,根据生成的这些分配向量,为后续确定全局最优化问题提供数据参考,减少时间延迟。
步骤S203:根据多个指标函数转换联合传输带宽和计算资源分配模型。
具体的,上述多个指标函数限定了联合传输带宽和计算资源分配模型约束条件下的所有可行解,而步骤S201中的最小化服务响应时间的联合传输带宽和计算资源分配模型的计算解为所有理论可行解,为考虑基站节点和计算节点的工作性能。所以,根据上述的多个指标函数将步骤S201中的最小化服务响应时间的联合传输带宽和计算资源分配模型转换为满足联合传输带宽和计算资源分配模型限定条件的新模型,新模型满足以下关系:
其中,f(xs)=∑n∈Ntsn,z=[z1,…,zS]是引入的一组辅助变量。将联合传输带宽和计算资源分配模型限定条件整合到最小化服务响应时间的联合传输带宽和计算资源分配模型中,保证根据计算模型所求得的解都为实际可行解,避免计算结果不满足基站节点和边缘计算节点的实际工作性能,产生结果判断的时间浪费。
步骤S204:将获得的联合传输带宽和计算资源分配新模型表示为朗格朗日函数形式。
具体的,上述生成的联合传输带宽和计算资源分配新模型为存在约束条件的全局优化问题,在进求解时存在很大的计算难度,为了减少系统计算时间从而缩短通讯延迟,优选的,将有约束条件的联合传输带宽和计算资源分配新模型通过拉格朗日函数转换为无条件的函数最优化问题。所以,需要将联合传输带宽和计算资源分配新模型表示为拉格朗日函数形式:
其中,x={x1,…,xS};Λ={Λ1,…,ΛS}时对偶变量;ρ时增广拉格朗日参数。通过上述关系,将有约束条件的函数最优化问题通过拉格朗日函数转化为无条件的函数最优化问题,缩短全局最优化问题的求解时间,提高通讯效率。
步骤S205:将获得的增广拉格朗日函数转换为基于部分变量分裂的乘子交替方向迭代形式。
具体的,全局最优化问题的求解过程就是重复反馈获得最优解的过程,即迭代过程,所以将联合传输带宽和计算资源分配新模型转换为拉格朗日函数形式后,进一步将拉格朗日函数转换为基于部分变量分裂的乘子交替方向迭代形式,便于进行最优解的迭代计算,转换关系为:
Λ(k+1)=Λ(k)+x(k+1)-z(k+1)
其中,k为迭代次数。
步骤S206:根据上述关系将全局最优化问题拆解为多个独立的子问题。
具体的,全局最优化问题进行包括所有基站节点和边缘计算节点对所有请求服务的资源分配最优化,每个基站节点和边缘计算节点的资源分配核心为每个网络切片的资源分配,在保证最小化服务响应时间内,将全局最优化问题拆解为多个子问题,然后这些子问题有相应的基站节点进行求解,基站节点利用自身拥有的局部信息进行求解,减少通讯连接,缩短求解时间,基站节点进行子问题求解的关系式如下:
z(k+1)等效于将x(k+1)+Λ(k)投影到g,即迭代k+1次后的辅助变量等效于将迭代k+1后的进行计算的基站节点为每种服务分配的带宽向量和计算资源向量组合向量加上迭代k次的对偶变量在边缘计算节点满足约束条件的可行解范围内,即:
z(k+1)=P{(x(k+1)+Λ(k))→g}
其中,P(·→·)为投影操作算符。各个基站根据以上关系式便可进行各个子问题的求解,获得各个子问题的最优解,为全局最优化问题提供组成元素,缩短服务器响应时间。
步骤S30:进行各子问题迭代求解,并根据求解进行服务传输带宽和计算资源分配。如图3,包括以下步骤:
步骤S301:进行子问题求解,并根据结果进行传输带宽分配。
具体的,将全局最优化问题拆解为与基站节点等数量的子问题,然后将这些子问题发送到各个基站节点,一个基站节点对应一个子问题,基站节点根据步骤S206中的子问题求解公式获得子问题的答案,每完成一次迭代,便将获得的基站节点为每种服务分配的带宽向量和计算资源向量组合向量上传到区域编排器的处理单元20,供处理单元20进行后续的计算资源分配。基站节点根据获得的基站节点为每种服务分配的带宽向量和计算资源向量组合向量进行每种服务传输带宽分配,即:
bs(k+1)={bsn|n∈N}
步骤S302:根据计算结果进行计算资源分配。
具体的,各个基站完成子问题求解后,将获得的基站节点为每种服务分配的带宽向量和计算资源向量组合向量上传到区域编排器,处理单元20根据结果进行每种服务的计算资源分配,根据带宽向量和计算资源向量组合向量的逆过程,将结果还原为贷款向量和计算资源向量,计算规则为:
cs(k+1)={csn|n∈N}
步骤S40:根据计算结果进行辅助变量和对偶变量更新,判断是否满足停止迭代判据,若不满足,跳转至步骤S50,若满足,完成联合资源分配。如图4,包括以下步骤:
步骤S401:根据计算结果进行辅助变量和对偶变量更新。
具体的,每完成一次迭代,进行一次辅助变量和对偶变量更新,并根据新的辅助变量和对偶变量进行新一轮迭代,直到获得最优解。所以,每完成一次子问题的结果计算后,就进行一次辅助变量和对偶变量更新。其中,辅助变量的更新规则如下:
z(k+1)=P{(x(k+1)+Λ(k))→g}
对偶变量的更新规则如下:
Λ(k+1)=Λ(k)+x(k+1)-z(k+1)
步骤S402:判断是否满足迭代收敛性判据。
具体的,判断模块40根据预设的收敛性判断依据进行本次计算结果的优化性能判断,朗格朗日乘数法中,在约束条件下某目标函数的最值,只可能出现在约束函数的等高线和目标函数在参数面投影的相切的地方,根据这种规则,将获得的计算结果进行最优解判断,若结果满足以上关系,则判定迭代完成,本次计算结果即为联合资源调度的最优结果,根据本次计算结果为各种服务分配的计算资源和传输带宽作为最终的资源分配方案;若不满足以上关系,则判定迭代还未收敛完成,需要继续进行收敛,则输出更新后的辅助变量和对偶变量,以便于进行下一次迭代。
步骤S50:根据更新后的辅助变量和对偶变量,重复执行步骤S30-S50,直到获得最优解。
具体的,当判断模块40判定为本次计算结果未满足迭代收敛判据时,处理单元20开始新一轮的迭代,获取更新后的辅助变量和对偶变量,根据步骤S206中的基站节点进行子问题求解的关系式进行新一轮的子问题求解,获得新的各基站节点为没种服务分配的传输带宽向量和计算资源向量的组合向量,然后根据步骤S30提出的关系式进行新一轮为每种服务分配传输带宽和计算资源,并进行再一轮的辅助变量和对偶变量更新。判断新一轮的计算结果是否满足迭代判据,若满足,完成联合资源分配,根据分配结果执行资源传输;若不满足,继续迭代过程,直到获得最优解,执行单元50完成最终的联合资源分配。
在一种可能的实施方式中,搭建一个由250个基站节点和250个边缘计算节点组成的系统,支持三种服务类型:文本、音频和视频处理。将覆盖区域划分为城市中心区域(区域1)、城市一般区域(区域2)和城市郊区区域(区域3),各区域的基站节点数和覆盖面积如表1所示。将联合资源分配的网络切片(记为NS-1)与另外两种网络切片的性能进行对比,一种是基于传输带宽分配的网络切片(记为NS-2),另一种是基于计算资源分配的网络切片(记为NS-3)。分布规则如表1:
表1基站节点的平均覆盖区域
根据计算并测试得出,每个基站节点拥有20MHz的总传输带宽,每个边缘计算节点的最大处理能力为每秒处理150个任务单元,相同区域的基站节点和边缘计算节点预留相同的传输带宽b0和计算资源λsn。NS-1在三种区域的性能都优于其他两种切片架构,表明NS-1具有良好的区域适用性。针对不同传输带宽下的服务响应时间,三种网络切片的服务响应时间都随着传输带宽资源的增加而减少,NS-1始终比NS-2和NS-3的服务响应时间短。当基站节点拥有的传输带宽较小时,NS-2能提供比NS-3更好的性能,服务响应时间略微短,但随着基站节点拥有的传输带宽的增加,NS-3的服务响应时间逐渐比NS-2短。这是由于在该测试中固定了每个边缘计算节点的计算资源,当每个基站节点的传输带宽较小时,通信延迟支配整体延迟,采用NS-2来降低通信延迟比优化计算资源(NS-3)来降低服务响应时间效果更好;当每个基站节点的传输带宽足够大时,排队延迟将支配整体延迟,此时,优化计算资源(NS-3)更有助于减少服务响应时间。针对不同的计算处理能力下的服务响应时间,三种网络切片的服务响应时间都随着每个边缘计算节点处理能力的增强而减少,NS-1始终比NS-2和NS-3的服务响应时间短。当边缘计算节点能提供的处理能力较弱时,NS-3能提供比NS-2更好的性能,服务响应时间略微短,但随着边缘计算节点能提供的处理能力的增强,NS-2的服务响应时间逐渐比NS-3短。这是由于在该测试中固定了每个基站节点拥有的传输带宽,当每个边缘计算节点的处理能力较弱时,排队延迟控制整体延迟,采用NS-3来降低排队延迟比优化传输带宽(NS-2)来降低服务响应时间效果更好;当每个边缘计算节点能提供的处理能力足够强时,通信延迟将支配整体延迟,此时,优化传输带宽(NS-2)更有助于减少服务响应时间。针对不同执行水平下的服务响应时间,三种网络切片的服务响应时间都随着置信水平的增大而增加。这是因为当置信水平(对特定个体对待特定命题真实性相信的程度)增大时,需要由基站节点传输的任务单元增多,产生了更大的通信延迟,从而导致更高的服务响应时间,但NS-1始终比NS-2和NS-3的服务响应时间短。随着置信水平的增大,NS-2的服务响应时间逐渐比NS-3略微短,这是由于在该测试中固定了每个边缘计算节点处理能力和每个基站节点的传输带宽,而基站节点和边缘计算节点需要服务的任务单元数量随着置信水平的增大而增加。当置信水平很小时,分配给每个任务单元的传输带宽足够,排队延迟控制整体延迟,而当置信水平增大时,分配给每个任务单元的传输带宽有限,通信延迟将支配整体延迟。
本发明实施方式还提供一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行上述的联合资源分配方法。
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上结合附图详细描述了本发明的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,其同样应当视为本发明实施方式所公开的内容。
Claims (14)
1.一种联合资源分配方法,应用于基于移动通信网和边缘计算网的网络切片架构,其特征在于,所述方法包括:
S1)获取接收到用户设备请求服务的基站节点的查询请求,并根据所述查询请求创建所述请求服务的定制化网络切片;
S2)根据所述查询请求生成对应的全局优化问题,并将所述全局优化问题分解为多个子问题;
S3)将所述多个子问题对应发送到当前调节区域的基站节点,供所述基站节点同时进行各请求服务的分配传输带宽计算和子问题结果计算;
S4)根据计算得到的所有子问题结果获得全局优化问题结果,根据所述全局优化问题结果进行所述网络切片的资源分配结果计算,并更新辅助变量和对偶变量;
S5)根据预设规则判断所述全局优化问题是否满足停止迭代判据,若满足,转至步骤S6),若不满足,根据更新后的辅助变量和对偶变量重复执行步骤S3)-S5),直至所述全局优化问题满足停止迭代判据;
S6)执行资源分配。
2.根据权利要求1所述的联合资源分配方法,其特征在于,所述网络切片包括多个彼此独立的切片单元,所述切片单元按照以下方式生成:
将所述请求服务的物理资源虚拟化为多种虚拟网络功能;
对于每一虚拟网络功能,将其分解为多个可置于通用软件容器中的组件作为所述切片单元。
9.根据权利要求1所述的联合资源分配方法,其特征在于,步骤S3)中,所述进行各请求服务的分配传输带宽计算包括:
根据分配传输带宽约束条件进行每种请求服务的分配传输带宽计算;其中,所述分配传输带宽约束条件为:
∑n∈Nθsn×bsn≤Bs
其中,Bs表示基站节点s拥有的总传输带宽。
11.根据权利要求1所述的联合资源分配方法,其特征在于,步骤S4)中,所述资源分配结果计算包括:
根据资源分配约束条件进行每种请求服务的资源分配计算;其中,所述资源分配约束条件为:
∑s∈S∑n∈Ncsn≤C。
12.根据权利要求1所述的联合资源分配方法,其特征在于,步骤S6)中,所述执行资源分配,包括:
输入每个基站节点为每种服务分配的传输带宽;
输出为每个基站节点进行每种服务分配的计算资源到边缘计算节点;
根据分配的传输带宽和所述计算资源进行每种服务处理的协调。
13.一种区域编排器,应用于基于移动通信网和边缘计算网的网络切片架构,其特征在于,所述区域编排器包括:
采集单元,用于获取接收到用户设备请求服务的基站节点的查询请求,以及获取各请求服务的分配传输带宽计算结果和子问题计算结果;
处理单元,用于根据所述查询请求创建所述请求服务的定制化的网络切片,还用于根据所述查询请求生成对应的全局优化问题,将所述全局优化问题分解为多个子问题,以及将所述多个子问题对应发送到当前调节区域的基站节点,供所述基站节点同时进行各请求服务的分配传输带宽计算和子问题结果计算;
所述处理单元还用于接收所述基站节点反馈的计算得到的子问题结果,根据计算得到的所有子问题结果获得全局优化问题结果,根据所述全局优化问题结果进行所述网络切片的资源分配结果计算,并更新辅助变量和对偶变量;
判断单元,用于根据预设规则判断所述全局优化问题是否满足停止迭代判据;
执行单元,用于在所述全局优化问题满足停止迭代判据的情况下,根据为每种服务分配的传输带宽和每种服务分配的计算资源进行每种服务处理的协调。
14.一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行权利要求1至12中任一项权利要求所述的联合资源分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060722.8A CN112437449B (zh) | 2020-09-30 | 2020-09-30 | 联合资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060722.8A CN112437449B (zh) | 2020-09-30 | 2020-09-30 | 联合资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112437449A true CN112437449A (zh) | 2021-03-02 |
CN112437449B CN112437449B (zh) | 2023-02-21 |
Family
ID=74689647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011060722.8A Active CN112437449B (zh) | 2020-09-30 | 2020-09-30 | 联合资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112437449B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473498A (zh) * | 2021-06-15 | 2021-10-01 | 中国联合网络通信集团有限公司 | 网络切片资源编排方法、切片编排器及编排系统 |
CN116302569A (zh) * | 2023-05-17 | 2023-06-23 | 安世亚太科技股份有限公司 | 一种基于用户请求信息的资源分区智能化调度方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120122505A1 (en) * | 2010-11-17 | 2012-05-17 | Andreas Dotzler | Apparatus and method for allocating resources to nodes in a communication system using an update of iteration resource weights |
US8463053B1 (en) * | 2008-08-08 | 2013-06-11 | The Research Foundation Of State University Of New York | Enhanced max margin learning on multimodal data mining in a multimedia database |
CN104322011A (zh) * | 2012-05-23 | 2015-01-28 | 阿尔卡特朗讯公司 | 连通性服务编排器 |
US20170331577A1 (en) * | 2016-05-13 | 2017-11-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Network Architecture, Methods, and Devices for a Wireless Communications Network |
CN110149646A (zh) * | 2019-04-10 | 2019-08-20 | 中国电力科学研究院有限公司 | 一种基于时延和吞吐量的智能电网资源管理方法及系统 |
CN110519833A (zh) * | 2019-07-22 | 2019-11-29 | 浙江工业大学 | 一种基于mec的noma窄带物联网的系统能耗最小化方法 |
CN110972147A (zh) * | 2019-10-28 | 2020-04-07 | 华东师范大学 | 一种数据驱动的边缘响应时间优化方法 |
CN111541781A (zh) * | 2020-07-07 | 2020-08-14 | 中国人民解放军国防科技大学 | 一种密集网络中移动设备的分布式协同任务调度方法 |
CN111586762A (zh) * | 2020-04-29 | 2020-08-25 | 重庆邮电大学 | 一种基于边缘协作的任务卸载及资源分配联合优化方法 |
-
2020
- 2020-09-30 CN CN202011060722.8A patent/CN112437449B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8463053B1 (en) * | 2008-08-08 | 2013-06-11 | The Research Foundation Of State University Of New York | Enhanced max margin learning on multimodal data mining in a multimedia database |
US20120122505A1 (en) * | 2010-11-17 | 2012-05-17 | Andreas Dotzler | Apparatus and method for allocating resources to nodes in a communication system using an update of iteration resource weights |
CN104322011A (zh) * | 2012-05-23 | 2015-01-28 | 阿尔卡特朗讯公司 | 连通性服务编排器 |
US20170331577A1 (en) * | 2016-05-13 | 2017-11-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Network Architecture, Methods, and Devices for a Wireless Communications Network |
CN110149646A (zh) * | 2019-04-10 | 2019-08-20 | 中国电力科学研究院有限公司 | 一种基于时延和吞吐量的智能电网资源管理方法及系统 |
CN110519833A (zh) * | 2019-07-22 | 2019-11-29 | 浙江工业大学 | 一种基于mec的noma窄带物联网的系统能耗最小化方法 |
CN110972147A (zh) * | 2019-10-28 | 2020-04-07 | 华东师范大学 | 一种数据驱动的边缘响应时间优化方法 |
CN111586762A (zh) * | 2020-04-29 | 2020-08-25 | 重庆邮电大学 | 一种基于边缘协作的任务卸载及资源分配联合优化方法 |
CN111541781A (zh) * | 2020-07-07 | 2020-08-14 | 中国人民解放军国防科技大学 | 一种密集网络中移动设备的分布式协同任务调度方法 |
Non-Patent Citations (3)
Title |
---|
HEMANT KUMAR APAT等: "An Optimal Task Scheduling Towards Minimized Cost and Response Time in Fog Computing Infrastructure", 《 2019 INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY (ICIT)》 * |
杨阳等: "基于软件定义的电力通信网络业务感知流量调度机制研究", 《自动化与仪器仪表》 * |
魏峰: "移动边缘网络中资源分配问题研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473498A (zh) * | 2021-06-15 | 2021-10-01 | 中国联合网络通信集团有限公司 | 网络切片资源编排方法、切片编排器及编排系统 |
CN113473498B (zh) * | 2021-06-15 | 2023-05-19 | 中国联合网络通信集团有限公司 | 网络切片资源编排方法、切片编排器及编排系统 |
CN116302569A (zh) * | 2023-05-17 | 2023-06-23 | 安世亚太科技股份有限公司 | 一种基于用户请求信息的资源分区智能化调度方法 |
CN116302569B (zh) * | 2023-05-17 | 2023-08-15 | 安世亚太科技股份有限公司 | 一种基于用户请求信息的资源分区智能化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112437449B (zh) | 2023-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108509276B (zh) | 一种边缘计算环境中的视频任务动态迁移方法 | |
Deng et al. | Towards power consumption-delay tradeoff by workload allocation in cloud-fog computing | |
Liu et al. | A reinforcement learning-based resource allocation scheme for cloud robotics | |
US10652360B2 (en) | Access scheduling method and apparatus for terminal, and computer storage medium | |
CN109582448B (zh) | 一种面向关键度和时效性的边缘计算任务调度方法 | |
CN107087019A (zh) | 一种端云协同计算架构及任务调度装置及方法 | |
Chamola et al. | Latency aware mobile task assignment and load balancing for edge cloudlets | |
CN110347515B (zh) | 一种适合边缘计算环境的资源优化分配方法 | |
CN113115252B (zh) | 延迟敏感任务分布式移动边缘计算资源调度方法及系统 | |
CN111628887B (zh) | 物联网切片资源分配系统、方法、电子设备及存储介质 | |
Ullah et al. | Task classification and scheduling based on K-means clustering for edge computing | |
CN112437449B (zh) | 联合资源分配方法 | |
CN111711962B (zh) | 一种移动边缘计算系统子任务协同调度方法 | |
CN110113140B (zh) | 一种雾计算无线网络中的计算卸载方法 | |
Wang et al. | An energy saving based on task migration for mobile edge computing | |
CN112231085A (zh) | 一种协同环境下基于时间感知的移动终端任务迁移方法 | |
CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
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 | |
CN114327811A (zh) | 一种任务调度方法、装置、设备及可读存储介质 | |
Pereira et al. | Increasing the efficiency of fog nodes through of priority-based load balancing | |
de Souza Toniolli et al. | Resource allocation for multiple workflows in cloud-fog computing systems | |
CN110167031B (zh) | 一种面向集中式基站的资源分配方法、设备及存储介质 | |
CN105335313A (zh) | 一种基础数据的传输方法及装置 | |
CN110727511B (zh) | 应用程序的控制方法、网络侧设备和计算机可读存储介质 | |
CN112511652A (zh) | 一种边缘计算下的合作计算任务分配方法 |
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 |