CN112469001A - 一种应用迁移方法、装置、电子设备及存储介质 - Google Patents
一种应用迁移方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112469001A CN112469001A CN202011288148.1A CN202011288148A CN112469001A CN 112469001 A CN112469001 A CN 112469001A CN 202011288148 A CN202011288148 A CN 202011288148A CN 112469001 A CN112469001 A CN 112469001A
- Authority
- CN
- China
- Prior art keywords
- migration
- application
- server
- cost
- decision
- 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
- 238000013508 migration Methods 0.000 title claims abstract description 356
- 230000005012 migration Effects 0.000 title claims abstract description 339
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 230000007774 longterm Effects 0.000 claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 27
- 230000006855 networking Effects 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000001154 acute effect Effects 0.000 claims description 3
- 230000008014 freezing Effects 0.000 claims description 3
- 238000007710 freezing Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 36
- 238000010586 diagram Methods 0.000 description 18
- 238000004088 simulation Methods 0.000 description 11
- 238000005457 optimization Methods 0.000 description 7
- 238000010835 comparative analysis Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/76—Adapting program code to run in a different environment; Porting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种应用迁移方法、装置、电子设备及存储介质,可应用于车联网,所述车联网包括边缘服务器和联网车辆,所述边缘服务器包括源服务器和目标服务器,所述边缘服务器与所述联网车辆通信连接,所述方法包括:根据预设触发条件判断是否需要进行应用迁移;若判断出需要进行应用迁移,则构建所述应用迁移的迁移模型;根据预设前提条件判断是否有供所述应用迁移的目标服务器;若判断出有供应用迁移的目标服务器,则基于所述迁移模型进行算法求解得到所述应用迁移的迁移决策。本发明在降低长期迁移总代价、减少迁移总次数以及适应不同网络信道模型方面具有更好的综合性能。
Description
技术领域
本发明涉及物联网技术领域,尤其涉及一种应用迁移方法、装置、电子设备及存储介质。
背景技术
车联网(Internet of Vehicles,简称IoV)是物联网(Internet of Things,简称IoT)在汽车领域的一个细分应用,是以车内网、车际网和车载移动互联网为基础,按照约定的通信协议和数据交互标准,在车-X(X:车、路、行人及互联网等)之间,进行无线通讯和信息交换的大系统网络。
近年来,物联网的迅速发展导致大量的网络边缘设备接入核心网络,从而产生庞大的数据量和业务请求,而现今云计算的效率不足以处理所有的这些数据或请求。而边缘计算(Edge Computing,简称EC)技术,能通过将部分数据处理权下放至网络边缘节点,并在靠近业务终端处运行应用程序或执行部分计算,可减轻云计算的负担,并有效降低响应时延。
车联网是边缘计算和物联网结合的热门应用场景之一,尽管边缘计算有望解决车联网应用对超低时延的业务需求,但各边缘服务器的覆盖范围有限且联网车辆的移动速度极快,因此必然导致车联网应用须在不同边缘服务器之间频繁迁移。
发明内容
本发明提供一种应用迁移方法、装置、电子设备及存储介质,用以解决现有技术中应用在不同边缘服务器之间频繁迁移的缺陷,减少了应用迁移的次数,降低了应用迁移的时延。
本发明提供一种应用迁移方法,应用于车联网,所述车联网包括边缘服务器和联网车辆,所述边缘服务器包括源服务器和目标服务器,所述边缘服务器与所述联网车辆通信连接,包括:
根据预设触发条件判断是否需要进行应用迁移;
若判断出需要进行应用迁移,则构建所述应用迁移的迁移模型,所述迁移模型为基于通信时延和所述应用的迁移时延而构建的代价函数计算式;
根据预设前提条件判断是否有供所述应用迁移的目标服务器;
若判断出有供应用迁移的目标服务器,则基于所述迁移模型得到所述应用迁移的迁移决策,并根据所述迁移决策实现所述应用迁移至所述目标服务器。
根据本发明提供一种的应用迁移方法,所述预设触发条件由以下式子表示为:
其中,d>dpre表示当前联网车辆的位置到源服务器的距离d应大于预判断半径dpre(该预判断半径dpre的大小略小于源服务器的覆盖半径dthr),表示车辆在t时刻的移动方向与上一时刻的移动方向之间的夹角为锐角,即相邻两时刻的移动方向趋于一致,V≥预设值表示当前联网车辆时速应大于等于预设值;
当满足上述式子时,则判断出需要进行应用迁移。
根据本发明提供的一种应用迁移方法,所述构建所述应用迁移的迁移模型,包括:
构建用于计算单次迁移总代价C(t)的代价函数计算式,所述代价函数计算式为:
C(t)=costcomm(t)+costmig(t);
其中,C(t)≤Dmax,Dmax为最大容忍时延,costcomm(t)表示通信时延,costmig(t)表示迁移时延,t为单位时间。
根据本发明提供的一种应用迁移方法,所述通信时延costcomm(t)为传输时延Trans(t)和计算时延Comp(t)之和,表示为:
costcomm(t)=Trans(t)+Comp(t);
其中,所述传输时延Trans(t)的计算式为:
λm,n为应用m向目标服务器n发送的总数据量,ηL(t)为源、目标服务器之间最大数据传输率,Dextra为数据传输过程中产生的额外网络延迟损耗;
其中,计算时延Comp(t)的计算式为:
根据本发明提供的一种应用迁移方法,所述迁移时延costmig(t)的计算式为:
其中,θm为应用m从源服务器迁移到目标服务器过程中所产生的迁移数据量,ηL(t)为源、目标服务器之间最大数据传输率,Dfrozen为迁移过程中容器冻结时间。
根据本发明提供的一种应用迁移方法,所述预设前提条件通过以下式子表示为:
Bdst-bm≥0 and Cdst-cm≥0;
其中,Bdst为目标服务器当前空闲的带宽容量,Cdst为目标服务器的存储容量,bm为应用m正常运行时需占用的带宽容量,cm为应用m正常运行时的存储容量;
当满足上述式子时,则判断出有供应用迁移的目标服务器。
根据本发明提供的一种应用迁移方法,所述基于所述迁移模型进行算法求解得到所述应用迁移的迁移决策,包括:
其中,t0为当前时隙,t为单位时间,T为长期时间。
根据本发明提供的一种应用迁移方法,基于所述迁移模型进行算法求解得到所述应用迁移的迁移决策,包括:
缓存截至上一时隙的部署方案矩阵以及截至上一时隙的C(t)总和:
本发明还提供一种应用迁移装置,应用于车联网,所述车联网包括边缘服务器和联网车辆,所述边缘服务器包括源服务器和目标服务器,所述边缘服务器与所述联网车辆通信连接,包括:
第一判断单元,用于根据预设触发条件判断是否需要进行应用迁移;
构建模型单元,用于构建所述应用迁移的迁移模型,所述迁移模型为基于通信时延和所述应用的迁移时延而构建的代价函数计算式;
第二判断单元,用于根据预设前提条件判断是否有供所述应用迁移的目标服务器;
决策单元;用于基于所述迁移模型得到所述应用迁移的迁移决策,并根据所述迁移决策实现所述应用迁移至所述目标服务器。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述应用迁移方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述应用迁移方法的步骤。
本发明提供的一种应用迁移方法、装置、电子设备及存储介质,通过构建应用迁移的迁移模型,所述迁移模型描述了迁移代价函数的定义,而且基于所述迁移模型得出的迁移决策可降低长期迁移总代价、减少迁移总次数,以及在适应不同网络信道模型方面具有更好的综合性能。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明实施例提供的应用迁移原理的示意图;
图2是本发明实施例提供的应用迁移方法的流程示意图;
图3是本发明实施例提供的构建迁移模型的流程示意图;
图4是基于图3进行算法求解的流程示意图
图5是基于图4求解迁移决策的流程示意图;
图6是本发明实施例提供的应用迁移装置的结构示意图;
图7是本发明实施例提供最短路径可视化的结果示意图;
图8是本发明实施例提供总迁移次数对比的示意图;
图9是本发明实施例提供总迁移代价以及长期平均迁移总代价对比的示意图;
图10是本发明实施例提供单次迁移代价平均值对比的示意图;
图11是本发明实施例提供第16组仿真结果的示意图;
图12是本发明实施例提供第17组仿真结果的示意图;
图13是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
本发明实施例通过提供一种应用迁移方法、装置、电子设备及存储介质,解决了现有技术中车联网应用在不同边缘服务器之间频繁迁移导致迁移代价过高的问题,通过构建迁移模型和基于所述迁移模型得出的迁移决策,在边缘服务器之间减少了迁移次数、实现了应用的连续性和降低迁移代价。
首先结合图1对应用迁移原理进行说明,请参考图1,图1是本发明实施例提供的应用迁移原理的示意图。基于边缘计算的车联网业务组网架构分为三层:云层、边缘层和终端层,其中,云层为Cloud云数据中心,边缘层包括边缘服务器,所述边缘服务器包括源边缘服务器(以下简称“源服务器”)和目标边缘服务器(以下简称“目标服务器”),终端层包括联网车辆,所述边缘服务器与所述联网车辆通信连接,本发明不限定所述边缘服务器和所述联网车辆的数量。
在图1示出的应用场景中,云层Cloud与边缘服务器通信连接,边缘服务器与联网车辆通信连接。边缘层包括边缘服务器E1、E2、E3,图中E1、E2、E3只是示例,其边缘服务器的数量不限于三个,边缘服务器提供应用服务(以下称“应用”),所述应用可以是应用程序App,如图1种的App1、App2、App3、App4等,本发明所述应用不限于应用程序。
联网车辆的定位Location1与边缘服务器E1的距离为d1,边缘服务器E1服务区域的覆盖半径为dthr,即联网车辆在半径dthr内能获取边缘服务器E1提供的应用,在半径dthr外不能获取边缘服务器E1提供的应用。当联网车辆移动到定位Location2时,与边缘服务器E1的距离为d2,与边缘服务器E3的距离为d3。
容器用于在边缘服务器上托管应用(所述应用即图中的应用程序App1、App2、App3、App4等),车辆通过接入附近的边缘服务器以获取相应的服务,但每个边缘服务器限制有限的服务区域。当联网车辆移动到源服务器E1所覆盖的服务区域外时,与源服务器E1的通信将断开,服务可能面临中断。为了保证服务连续性,须将所述应用从源服务器E1迁移到其他目标服务器(比如E3)上,然后车辆再通过接入新的服务器来再次获取所述应用。
需要说明的是,上述容器是英文单词Linux Container的直译,Linux Container是一种内核轻量级的操作系统层虚拟化技术,容器主要有四个特点:第一、极其轻量:只打包了必要的Bin/Lib;第二、秒级部署:根据镜像的不同,容器的部署大概在毫秒与秒之间(比虚拟机强很多);第三、易于移植:一次构建,随处部署;第四、弹性伸缩:Kubernetes、Swam、Mesos这类开源、方便、好使的容器管理平台有着非常强大的弹性管理能力。
综上所述,本发明实施例提供的应用迁移方法就是基于上述须将所述应用从源服务器E1迁移到其他目标服务器(比如E3)而产生的,在面对联网车辆移动性导致的应用服务迁移的需求,而提供了一种合理的应用迁移方法,以保证服务连续性,并尽可能降低迁移代价。
图2是本发明实施例提供的应用迁移方法的流程示意图;如图所示。一种应用迁移方法,应用于车联网,所述车联网包括边缘服务器和联网车辆,所述边缘服务器包括源服务器和目标服务器,所述边缘服务器与所述联网车辆通信连接,包括:
步骤200,根据预设触发条件判断是否需要进行应用迁移。
步骤202,若判断出需要进行应用迁移,则构建所述应用迁移的迁移模型,所述迁移模型为基于通信时延和所述应用的迁移时延而构建的代价函数计算式。
步骤204,根据预设前提条件判断是否有供所述应用迁移的目标服务器。
步骤206,若判断出有供应用迁移的目标服务器,则基于所述迁移模型得到所述应用迁移的迁移决策,并根据所述迁移决策实现所述应用迁移至所述目标服务器。
本发明所述应用迁移方法可应用于移动边缘计算(Mobile Edge Computing,简称MEC)物联网容器应用迁移,但本发明并不限于此。MEC是一种在无线侧提供用户所需服务和云端计算功能的网络架构,用于加速网络中各项应用的快速下载,让用户享有不间断的高质量网络体验,具备超低时延、超高带宽、实时性等特性。
综上,本发明实施例考虑了边缘服务器的资源实时状态、业务终端的移动性、容器实例创建和删除等特性,建立车联网业务应用场景下基于边缘计算的容器应用迁移模型。在所述迁移模型的基础上,本发明提出基于动态规划的容器应用迁移方法,迁移算法是基于动态规划思想设计,将迁移决策问题转化为求最短路径问题,从而求解得到在未来有限观察时间内使迁移总代价最小的迁移路径,于是得到当前时隙的迁移决策。
进一步的,本发明得到的迁移决策是近似全局最优解,因此能有效降低车联网应用的长期平均迁移总代价。
上述图2中的步骤200,首先要界定应用迁移的预设触发条件,具体定义如下:
如图1所示,定义预判断半径为dpre(dpre<dthr,其中dthr为边缘服务器服务域的覆盖半径)。
当联网车辆行驶到与本地(即源服务器)服务区域中心的距离超过dpre时,且车辆有继续前行驶离本地服务区域的趋势,且车辆中途无停留状态(即限制车辆时速应大于等于V,在城市道路场景中,通常设定V的预设值为30km/h,即V=30km/h),则判断该联网车辆达到迁移的预设触发条件,立即做迁移准备。
假设单位时间t内车辆从A点移动到B点,将从A点到B点的方向矢量定义为车辆在t时刻的移动方向,记为则车辆在上一时刻t-1的移动方向表示为用在上投影来衡量和的方向一致性:当投影值为正时判断车辆的移动方向基本一致,此时对执行迁移决策产生正反馈;当投影值非正时判断车辆的移动方向出现反转,此时对执行迁移决策产生负反馈。则上述迁移决策的预设触发条件的式子可表示为:
其中,d>dpre表示当前联网车辆的位置到源服务器的距离d应大于预判断半径dpre(该预判断半径dpre的大小略小于源服务器的覆盖半径dthr),表示车辆在t时刻的移动方向与上一时刻的移动方向之间的夹角为锐角,即相邻两时刻的移动方向趋于一致,V≥预设值表示当前联网车辆时速应大于等于预设值。
可选的,如果预设值取值为30km/h,那么上述的式子可表示为:
当联网车辆满足上述式子的要求时,则判断出需要进行应用迁移。
上述步骤202中关于构建迁移模型的步骤如图3所示,图3是本发明实施例提供的构建迁移模型的流程示意图,所述构建所述应用迁移的迁移模型,包括:
步骤300,构建用于计算单次迁移总代价C(t)的代价函数计算式。
首先,本发明实施例做出如下定义和假设:
设定时隙t=1,2,3,…,每个时隙长度为τ。时隙t内的行驶轨迹为L(t)。设某车联网应用m的最大容忍时延为Dmax。考虑城市道路场景,设某个服务区域的边缘网络中存在N个边缘服务器。定义一个维度为Q×N的矩阵π,用其表示在连续Q个时隙内的应用部署情况,其中矩阵元素的取值只能为1或0。例如:矩阵元素πt,n=1表示在时隙t内应用部署在编号为n的边缘服务器上,反之,πt,n=0则表示应用没有在所述边缘服务器上部署。
然后,根据矩阵π中相邻两行元素的取值变化,即可判断出应用的迁移情况,即矩阵π表示连续Q个时隙内的迁移决策,用π(t,t+1)表示连续两个时隙的迁移决策。
基于以上假设,然后通过分析迁移代价的计算方法,对于一个车联网应用m,用时延来衡量其迁移代价,通过观察一个应用完整的迁移过程,本发明实施例可以将迁移代价C(t)划分为通信时延costcomm(t)和迁移时延costmig(t)两大部分,即:
最后,应用的单次迁移总时延C(t),其对应的代价函数计算式为:
C(t)=costcomm(t)+cosLmig(t);
其中,单次迁移总时延C(t)须小于所述应用的最大容忍时延,即C(t)≤Dmax。
以下对通信时延costcomm(t)和迁移时延costmig(t)进行分解:
应用迁移过程中的通信时延costcomm(t)又可以分为传输时延Trans(t)和计算时延Comp(t)两部分,如下:
则上述通信时延costcomm(t)为传输时延Trans(t)与计算时延Comp(t)两部分之和,即:
costcomm(t)=Trans(t)+Comp(t)。
另外,迁移时延costmig(t)定义为应用m从源服务器迁移到目标服务器过程中所产生的迁移数据量θm与源、目标服务器之间最大数据传输率ηL(t)的比值,加上迁移过程中容器冻结时间Dfrozen的最终结果,计算表达式为:
综上,通过基于时延建立迁移模型,可实现联网车辆移动性导致的应用服务迁移的需求。
可选的,上述步骤204中,根据预设前提条件判断是否有供所述应用迁移的目标服务器。
需要说明的是,所述预设前提条件是用于判断当前车辆位置附近是否有可供应用m迁移去的目标服务器,即考虑目标服务器能否为即将迁移来的应用提供使其正常运行的资源空间。
假设应用m正常运行时需占用带宽容量bm和存储容量cm,对于源服务器src和目标服务器dst,其当前空闲的带宽容量分别用Bsrc和Bdst表示,存储容量分别用Csrc和Cdst表示,则将应用m从源服务器src迁移到目标服务器dst的过程中,源服务器src上释放了该应用m之前占用的一部分资源空间,即:
Bsrc=Bsrc+bm,Csrc=Csrc+cm;
而相应地,目标服务器dst上消耗了提供给该应用m运行的此部分资源空间,即:
Bdst=Bdst-bm,Cdst=Cdst-cm;
则所述预设前提条件通过以下式子表示为:
Bdst-bm≥0 and Cdst-cm≥0。
当满足上述式子时,则判断出有供应用迁移的目标服务器。
图4是基于图3进行算法求解的流程示意图,如图所示。基于上述构建的迁移模型的计算式:
C(t)=costcomm(t)+costmig(t);
算法求解就是基于上述构建的迁移模型进行求解的,所述基于所述迁移模型进行算法求解得到所述应用迁移的迁移决策,包括:
其中,t0为当前时隙,t为单位时间,T为长期时间。
在同时满足上述迁移的预设触发条件和预设前提条件情况下,基于上述迁移模型,需要求解的迁移决策π定义为:
在进行算法求解之前,需要初始化算法涉及的相关参数,比如输入观测时间长度、车辆轨迹数据、初始时刻应用部署情况等数据信息,因此,针对上述计算式所涉及的变量进行定义,如下:
定义变量γx表示应用部署为x且截至目前的应用部署情况为最优时,从t0时隙到当前时隙的C(t)总和;定义变量δx表示应用部署为x且截至目前的应用部署情况为最优时,从t0时隙到上一时隙的C(t)总和。
定义向量πx和ρx分别缓存当应用部署为x时从t0时隙到当前时隙和上一时隙的最佳迁移决策。
设联网车辆初始位置为L(t0-1),未来T个时隙的车辆轨迹结果为L(t0,...,t0+T-1),应用m的初始部署情况为π(t0-1)。
贝尔曼方程(Bellman Equation)也被称作动态规划方程(Dynamic ProgrammingEquation),由理查·贝尔曼(Richard Bellman)发现。贝尔曼方程是动态规划(DynamicProgramming)这些数学最佳化方法能够达到最佳化的必要条件。此方程把“决策问题在特定时间怎么的值”以“来自初始选择的报酬比从初始选择衍生的决策问题的值”的形式表示。借此这个方式把动态最佳化问题变成简单的子问题,而这些子问题遵守从贝尔曼所提出来的“最佳化还原理”。
步骤504,缓存截至上一时隙的部署方案矩阵以及截至上一时隙的C(t)总和,以便后续复用。
可选的,根据上述所述约束条件筛选出所有可行的迁移方案,计算其各时隙内的单次迁移代价C(t)总和,并缓存计算结果,以便后续复用。
综上,本发明实施例提出一种应用迁移算法,利用动态规划中最短路径问题的求解原理,寻找使观测时间内迁移总代价最小的迁移路径(在最短路径问题中即路径权值和最小,近似于全局最优解),从而能够返回到当前时刻的迁移决策,得到的所述迁移决策为最佳迁移决策。
下面对本发明提供的应用迁移装置进行描述,下文描述的应用迁移装置与上文描述的应用迁移方法可相互对应参照。
图6是本发明实施例提供的应用迁移装置的结构示意图,如图所示。一种应用迁移装置,应用于车联网,所述车联网包括边缘服务器和联网车辆,所述边缘服务器包括源服务器和目标服务器,所述边缘服务器与所述联网车辆通信连接。所述应用迁移装置600包括第一判断单元602、构建模型单元604、第二判断单元606以及决策单元608。
其中,第一判断单元602用于根据预设触发条件判断是否需要进行应用迁移。
其中,构建模型单元604用于构建所述应用迁移的迁移模型。
其中,第二判断单元606用于根据预设前提条件判断是否有供所述应用迁移的目标服务器。
其中,决策单元608用于基于所述迁移模型进行算法求解得到所述应用迁移的迁移决策。
综上所述,本发明实施例所述构建迁移模型时考虑了边缘服务器的资源实时状态、业务终端的移动性、容器实例创建和删除等特性,建立车联网业务应用场景下迁移模型,所述迁移模型用来描述迁移代价计算式的组成部分以及其问题优化模型,准确地描述了代价函数的定义,为算法设计提供了有效指标。
而且,基于所述迁移模型的算法求解(即迁移算法),是利用动态规划中最短路径问题的求解原理,寻找使观测时间内迁移总代价最小的迁移路径(在最短路径问题中即路径权值和最小,近似于全局最优解),从而能够返回到当前时刻的最佳迁移决策。
进一步的,本发明所述应用迁移方法,采用了基于动态规划的MEC车联网容器应用迁移算法,相比于现有技术的基于就近选择标准的MEC车联网容器应用迁移算法和基于局部最优标准的MEC车联网容器应用迁移算法,本发明实施例在降低长期平均迁移总代价、减少迁移总次数、适应不同网络信道模型方面具有更好的综合性能。
以下以本发明在基于动态规划的MEC车联网容器应用迁移算法为例,通过仿真实施例对本发明所述应用迁移方法的效果进行说明:
一、参数设置
本实验利用MATLAB仿真软件进行,将本发明所述基于动态规划的容器应用迁移算法分别与现有技术基于就近选择标准的MEC车联网容器应用迁移算法、基于局部最优标准的MEC车联网容器应用迁移算法进行对比分析。
为验证本发明的算法效果,筛选出如下现有技术的两种技术方案(技术方案1和技术方案2)用于比较分析:
技术方案1:基于就近选择标准的MEC车联网容器应用迁移算法。该方法主要步骤为:根据前提条件判断出当前车辆位置附近的可用边缘服务器;然后选择其中距离车辆最近的服务器作为目标服务器;在此服务器上进行应用预部署。
技术方案2:基于局部最优标准的MEC车联网容器应用迁移算法。该方法的主要步骤为:根据前提条件判断出当前车辆位置附近的可用边缘服务器;然后选择当前时刻单次迁移代价最小的服务器作为目标服务器;在此服务器上进行应用预部署。
仿真实验对三种算法设定相同的地图、相同的边缘服务器分布情况以及相同的车辆行驶轨迹,然后从总迁移次数、总迁移代价、长期平均总代价、单次迁移代价平均这几个方面进行对比分析。仿真所使用的模型参数取值如表1所示:
表1仿真使用的参数取值
本实验对数据传输速率矩阵ηL(t)在[4,20]Mbps范围内随机生成了20组数据,由此进行了20组仿真实验。动态规划法求迁移决策的问题本质上是求最短路径问题,可利用MATLAB中的graphshortestpath函数将每组仿真的动态规划法迁移路径可视化地展示出来,如图7所示(仅展示第一组仿真结果作为示例),图7是本发明实施例提供最短路径可视化的结果示意图。
在图7中,节点编号对应边缘服务器的编号,两节点之间的权值代表从上一节点(源服务器)到下一节点(目标服务器)的迁移代价,深色线标示了从起点到终点的最短路径,即迁移决策的全局最优解,循迹即可得到每一时刻的最佳迁移选择。
二、仿真结果分析
本次仿真分别从总迁移次数、总迁移代价、长期平均总代价、单次迁移代价平均这几个方面进行对比分析,如图8-图12所示,图8是本发明实施例提供总迁移次数对比的示意图,图9是本发明实施例提供总迁移代价以及长期平均迁移总代价对比的示意图,图10是本发明实施例提供单次迁移代价平均值对比的示意图,图11是本发明实施例提供第16组仿真结果的示意图,图12是本发明实施例提供第17组仿真结果的示意图。
通过对上述图8-图12进行分析如下:
①总迁移次数
如图8,动态规划法的迁移总次数一直保持4次,就近选择法的迁移总次数一直保持6次,局部最优法的迁移总次数在4~7次之间波动。由于应用的迁移过程必然产生资源的消耗,且可能导致故障发生或服务中断,所以理论上,为了降低时延、节省消耗、提高网络稳定性,迁移次数越少越好。
②总迁移代价
如图9,总体上看,动态规划法和就近选择法产生的迁移总代价波动不大,而局部最优法产生的迁移总代价波动较大。另外,在图9中还用三种线条分别表示出三种算法的长期平均总代价,对比发现,动态规划法的长期平均迁移总代价分别比就近选择法和局部最优法降低了33.88%和24.53%。
③单次迁移代价平均
局部最优迁移法的标准是选择当前时刻迁移代价最小的目标服务器进行迁移,因此大多数时候,它平均到单次迁移的代价值最小(如图10所示),但这样很容易陷入局部最优僵局(如图11、12所示),即当前时刻的局部最优迁移选择可能会连累到后续时刻的迁移选择,最终反而导致消耗更多的迁移代价。
三、实验结论
综上所述,基于动态规划的容器应用迁移算法能保证迁移总代价最小,且使迁移次数尽可能少,并能适应不同网络信道容量状况,具有一定稳定性,因此适用于单车单应用的迁移场景。动态规划算法与就近选择算法和局部最优算法的对比分析如表2:
表2
针对上述表2,本发明的技术方案与现有技术的技术方案1和技术方案2比较如下:
技术方案1采用就近选择标准去判定下一时刻迁移去的目标服务器,从物理距离的角度出发,使目标服务器的选择变得简易且固定,当一辆车行驶过此段道路后,可以将此段迁移路径的选择缓存下来,以供后续行驶来车辆的应用迁移做参考。此算法思想简单、执行速度快,但此方法仅考虑了物理距离作为选择指标,因此极大可能使迁移代价过高。
技术方案2采用局部最优标准去判定下一时刻迁移去的目标服务器,从当前时刻单次迁移代价的角度出发,将迁移代价因素纳入选择目标服务器的标准,因此能在一定范围内使迁移选择较为优秀,从而有效降低迁移代价;此算法执行速度、计算开销尚可,但此方法容易陷入局部最优僵局,算法得出的迁移策略表现时好时坏,不够稳定。
图13示例了一种电子设备的实体结构示意图,如图13所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行上述所述应用迁移方法的步骤。
此外,上述的存储器830中的逻辑指令可以通过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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例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。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的所述应用迁移方法的步骤。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的所述应用迁移方法的步骤。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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发明各实施例技术方案的精神和范围。
Claims (12)
1.一种应用迁移方法,应用于车联网,所述车联网包括边缘服务器和联网车辆,所述边缘服务器包括源服务器和目标服务器,所述边缘服务器与所述联网车辆通信连接,其特征在于,包括:
根据预设触发条件判断是否需要进行应用迁移;
若判断出需要进行应用迁移,则构建所述应用迁移的迁移模型,所述迁移模型为基于通信时延和所述应用的迁移时延而构建的代价函数计算式;
根据预设前提条件判断是否有供所述应用迁移的目标服务器;
若判断出有供应用迁移的目标服务器,则基于所述迁移模型得到所述应用迁移的迁移决策,并根据所述迁移决策实现所述应用迁移至所述目标服务器。
3.根据权利要求1所述的方法,其特征在于,所述构建所述应用迁移的迁移模型,包括:
构建用于计算单次迁移总代价C(t)的代价函数计算式,所述代价函数计算式为:
C(t)=costcomm(t)+costmig(t);
其中,C(t)≤Dmax,Dmax为最大容忍时延,costcomm(t)表示通信时延,costmig(t)表示迁移时延,t为单位时间。
4.根据权利要求3所述的方法,其特征在于,所述通信时延costcomm(t)为传输时延Trans(t)和计算时延Comp(t)之和,表示为:
costcomm(t)=Trans(t)+Comp(t);
其中,所述传输时延Trans(t)的计算式为:
λm,n为应用m向目标服务器n发送的总数据量,ηL(t)为源、目标服务器之间最大数据传输率,Dextra为数据传输过程中产生的额外网络延迟损耗;
其中,计算时延Comp(t)的计算式为:
6.根据权利要求1所述的方法,其特征在于,所述预设前提条件通过以下式子表示为:
Bdst-bm≥0 and Cdst-cm≥0;
其中,Bdst为目标服务器当前空闲的带宽容量,Cdst为目标服务器的存储容量,bm为应用m正常运行时需占用的带宽容量,cm为应用m正常运行时需占用的存储容量;
当满足上述式子时,则判断出有供应用迁移的目标服务器。
10.一种应用迁移装置,应用于车联网,所述车联网包括边缘服务器和联网车辆,所述边缘服务器包括源服务器和目标服务器,所述边缘服务器与所述联网车辆通信连接,其特征在于,包括:
第一判断单元,用于根据预设触发条件判断是否需要进行应用迁移;
构建模型单元,用于构建所述应用迁移的迁移模型,所述迁移模型为基于通信时延和所述应用的迁移时延而构建的代价函数计算式;
第二判断单元,用于根据预设前提条件判断是否有供所述应用迁移的目标服务器;
决策单元;基于所述迁移模型得到所述应用迁移的迁移决策,并根据所述迁移决策实现所述应用迁移至所述目标服务器。
11.一种电子设备,包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1至10任一项所述应用迁移方法的步骤。
12.一种非暂态计算机可读存储介质,其上存储有计算机程序,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10任一项所述应用迁移方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011288148.1A CN112469001B (zh) | 2020-11-17 | 2020-11-17 | 一种应用迁移方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011288148.1A CN112469001B (zh) | 2020-11-17 | 2020-11-17 | 一种应用迁移方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112469001A true CN112469001A (zh) | 2021-03-09 |
CN112469001B CN112469001B (zh) | 2022-07-26 |
Family
ID=74836496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011288148.1A Active CN112469001B (zh) | 2020-11-17 | 2020-11-17 | 一种应用迁移方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112469001B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113377743A (zh) * | 2021-06-03 | 2021-09-10 | 北京邮电大学 | 车辆终端服务迁移方法及系统 |
CN113535411A (zh) * | 2021-09-17 | 2021-10-22 | 阿里云计算有限公司 | 资源调度方法、设备及系统 |
CN114118300A (zh) * | 2022-01-21 | 2022-03-01 | 苏州浪潮智能科技有限公司 | 服务迁移模型训练方法以及车联网服务迁移方法、系统 |
CN114401270A (zh) * | 2021-12-16 | 2022-04-26 | 中电信数智科技有限公司 | 应用迁移方法、系统、装置、电子设备及存储介质 |
WO2022206617A1 (zh) * | 2021-04-02 | 2022-10-06 | 华为技术有限公司 | 一种通信方法、装置及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017128702A1 (zh) * | 2016-01-27 | 2017-08-03 | 中兴通讯股份有限公司 | 应用的移动性的处理方法及装置 |
CN108268304A (zh) * | 2017-01-03 | 2018-07-10 | 中国科学院声学研究所 | 一种基于容器的Web app迁移方法 |
CN110647382A (zh) * | 2019-09-19 | 2020-01-03 | 中国科学院计算技术研究所 | 一种车联网服务动态迁移方法 |
CN111240821A (zh) * | 2020-01-14 | 2020-06-05 | 华南理工大学 | 一种基于车联网应用安全性分级的协同云计算迁移方法 |
CN111936973A (zh) * | 2018-06-29 | 2020-11-13 | 英特尔公司 | 用于提供在云边缘处对服务的高效迁移的技术 |
-
2020
- 2020-11-17 CN CN202011288148.1A patent/CN112469001B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017128702A1 (zh) * | 2016-01-27 | 2017-08-03 | 中兴通讯股份有限公司 | 应用的移动性的处理方法及装置 |
CN108268304A (zh) * | 2017-01-03 | 2018-07-10 | 中国科学院声学研究所 | 一种基于容器的Web app迁移方法 |
CN111936973A (zh) * | 2018-06-29 | 2020-11-13 | 英特尔公司 | 用于提供在云边缘处对服务的高效迁移的技术 |
CN110647382A (zh) * | 2019-09-19 | 2020-01-03 | 中国科学院计算技术研究所 | 一种车联网服务动态迁移方法 |
CN111240821A (zh) * | 2020-01-14 | 2020-06-05 | 华南理工大学 | 一种基于车联网应用安全性分级的协同云计算迁移方法 |
Non-Patent Citations (4)
Title |
---|
DGR/MEC-0017MECINNFV: "GROUP REPORT Mobile Edge Computing (MEC); Deployment of Mobile Edge Computing in an NFV environment Disclaimer The present document has been produced and approved by the Mobile Edge Computing (MEC) ETS", 《ETSI GR MEC 017》 * |
DOMENICO SCOTECE: "MEFS: Mobile Edge File System for Edge-Assisted Mobile Apps", 《2019 IEEE 20TH INTERNATIONAL SYMPOSIUM ON "A WORLD OF WIRELESS, MOBILE AND MULTIMEDIA NETWORKS" (WOWMOM)》 * |
王哲: "面向车联网的移动云服务迁移机制研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
郭辉 等: "车辆边缘网络中基于多参数MDP模型的动态服务迁移策略", 《通信学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022206617A1 (zh) * | 2021-04-02 | 2022-10-06 | 华为技术有限公司 | 一种通信方法、装置及系统 |
CN113377743A (zh) * | 2021-06-03 | 2021-09-10 | 北京邮电大学 | 车辆终端服务迁移方法及系统 |
CN113377743B (zh) * | 2021-06-03 | 2022-09-09 | 北京邮电大学 | 车辆终端服务迁移方法及系统 |
CN113535411A (zh) * | 2021-09-17 | 2021-10-22 | 阿里云计算有限公司 | 资源调度方法、设备及系统 |
CN113535411B (zh) * | 2021-09-17 | 2022-03-01 | 阿里云计算有限公司 | 资源调度方法、设备及系统 |
CN114401270A (zh) * | 2021-12-16 | 2022-04-26 | 中电信数智科技有限公司 | 应用迁移方法、系统、装置、电子设备及存储介质 |
CN114401270B (zh) * | 2021-12-16 | 2023-12-22 | 中电信数智科技有限公司 | 应用迁移方法、系统、装置、电子设备及存储介质 |
CN114118300A (zh) * | 2022-01-21 | 2022-03-01 | 苏州浪潮智能科技有限公司 | 服务迁移模型训练方法以及车联网服务迁移方法、系统 |
CN114118300B (zh) * | 2022-01-21 | 2022-05-20 | 苏州浪潮智能科技有限公司 | 服务迁移模型训练方法以及车联网服务迁移方法、系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112469001B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112469001B (zh) | 一种应用迁移方法、装置、电子设备及存储介质 | |
CN111400001B (zh) | 一种面向边缘计算环境的在线计算任务卸载调度方法 | |
CN114338504B (zh) | 一种基于网络边缘系统的微服务部署和路由方法 | |
Peng et al. | Joint optimization of service chain caching and task offloading in mobile edge computing | |
KR102172169B1 (ko) | 분산형 클라우드 기반 어플리케이션 실행 시스템, 이에 적용되는 장치 및 장치의 동작 방법 | |
CN113064671A (zh) | 基于多智能体的边缘云可扩展任务卸载方法 | |
Addad et al. | Towards a fast service migration in 5G | |
CN108259238B (zh) | 数据中心中网络功能服务链映射的方法 | |
CN114116047B (zh) | 一种基于强化学习的车载计算密集型应用的v2i卸载方法 | |
CN101873224A (zh) | 一种云计算负载均衡方法和设备 | |
US20190141193A1 (en) | METHOD, SYSTEM, AND NON-TRANSITORY COMPUTER READABLE MEDIUM FOR SELECTING OPTIMAL NETWORK PATH FOR MEDIA TRANSMISSION IN VoIP | |
CN113821270B (zh) | 任务卸载顺序预测方法、决策方法、电子设备及存储介质 | |
CN110069341A (zh) | 边缘计算中结合功能按需配置的有依赖关系任务的调度方法 | |
CN111447005A (zh) | 软件定义卫星网络的链路规划方法和装置 | |
CN115484205A (zh) | 确定性网络路由与队列调度方法及装置 | |
CN114281718A (zh) | 一种工业互联网边缘服务缓存决策方法及系统 | |
CN113489787B (zh) | 一种移动边缘计算的服务与数据协同迁移的方法和装置 | |
Wang et al. | Edge intelligence in motion: Mobility-aware dynamic DNN inference service migration with downtime in mobile edge computing | |
CN116204315A (zh) | 一种车联网中基于轨迹的车辆资源池动态任务卸载方法 | |
CN108228323B (zh) | 基于数据本地性的Hadoop任务调度方法及装置 | |
CN112989251A (zh) | 一种基于协同计算的移动Web增强现实3D模型数据服务方法 | |
CN110191362B (zh) | 数据传输方法及装置、存储介质及电子设备 | |
CN114980127B (zh) | 雾无线接入网中基于联邦强化学习的计算卸载方法 | |
CN114828047A (zh) | 一种5g移动边缘计算环境中多智能体协同计算卸载方法 | |
CN114928826A (zh) | 一种软件定义车载任务卸载与资源分配的二阶段优化方法、控制器及决策方法 |
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 |