CN112600895A - 移动边缘计算的服务调度方法、系统、终端以及存储介质 - Google Patents

Abstract

本申请涉及一种移动边缘计算的服务调度方法、系统、终端以及存储介质。包括：接收移动用户发送的边缘服务请求以及服务延迟要求；分别计算边缘服务器候选列表中各个边缘服务器的服务时延，判断所述边缘服务器的服务时延是否满足所述移动用户的服务时延要求，并对所述满足服务时延要求的边缘服务器执行伯努利试验，将试验成功的边缘服务器加入候选队列；所述边缘服务器候选列表用于储存所有可用于部署边缘服务的边缘服务器；从所述候选列表中选择一个迁移代价最低的边缘服务器，将所述移动用户的边缘服务部署在所述边缘服务器上。本申请实施例减少了服务时延，并通过实时的动态服务调度保证了服务质量。

Description

移动边缘计算的服务调度方法、系统、终端以及存储介质

技术领域

本申请属于移动边缘计算技术领域，特别涉及一种移动边缘计算的服务调度方法、系统、终端以及存储介质。

背景技术

在5G技术的蓬勃发展下，移动边缘计算(Mobile Edge Computing，MEC)作为关键技术在近年来迅速发展。移动边缘计算旨在降低服务高时延的问题，以提升移动用户的服务体验，同时也缓解了核心网的处理压力。与传统的云数据中心不同，移动边缘计算可以被视为云计算在用户端的延伸，它搭建边缘服务器，将计算资源移动至更接近移动用户的位置。这就允许移动用户运用计算卸载技术将任务卸载至边缘服务器执行，通过合理的资源协调来保证实时性强、极低时延的服务交付。因为具备这些优良特性，移动边缘计算技术在近年也不断推动物联网(IoT)、增强现实(AR)、车联网等延迟敏感应用的发展。然而，由于移动用户具备强移动性，用户与边缘服务器之间的距离实时变化，这可能会导致服务时延的大幅度波动，进而影响了服务质量。服务提供商为了保证服务时延，便需要进行服务迁移，也就引入了服务调度算法。现有的服务调度算法主要包括以下两种：

(1)面向时延优化的服务分配算法：该算法通过已知的移动用户任务信息与边缘服务器配置信息，将移动服务合理地分配到不同的边缘服务器上。然而，该算法重点关注用户任务的需求、服务器的负载情况，并没有考虑用户地理位置的变化。部分方法则关注服务的初始分配，不具有动态调整的功能。

(2)用户移动感知的服务调度算法：该算法会感知服务交付过程中移动用户位置的变化，进行实时的服务迁移。由于此方法考虑了用户的强移动性，在服务调度中可以为需要迁移的服务选择更近的边缘服务器，从而保证了较低的服务时延。但是，该算法通常采用时间复杂度较高的算法，增加了算法执行者的负载，同时可能影响实时性。

发明内容

本申请提供了一种移动边缘计算的服务调度方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种移动边缘计算的服务调度方法，包括：

接收移动用户发送的边缘服务请求以及服务延迟要求；

分别计算边缘服务器候选列表中各个边缘服务器的服务时延，判断所述边缘服务器的服务时延是否满足所述移动用户的服务时延要求，并对所述满足服务时延要求的边缘服务器执行伯努利试验，将试验成功的边缘服务器加入候选队列；所述边缘服务器候选列表用于储存所有可用于部署边缘服务的边缘服务器；

从所述候选列表中选择一个迁移代价最低的边缘服务器，将所述移动用户的边缘服务部署在所述边缘服务器上。

本申请实施例采取的技术方案还包括：所述分别计算边缘服务器候选列表中各个边缘服务器的服务时延还包括：

获取所述边缘服务器候选列表中各个边缘服务器之间的通讯延迟以及各个边缘服务器的负载情况。

本申请实施例采取的技术方案还包括：所述服务时延包括通讯时间、任务处理时间和停机时间；

所述通讯时间T_cm包括所述移动用户与最近基站之间的通讯时间，以及所述最近基站与部署了边缘服务的边缘服务器所在的基站之间的通讯时间；所述通讯时间为：

上式中，u_i为移动用户，E_j和E_s分别为边缘服务器，c_i为边缘服务的任务大小，tr为无线信道的最大传输速率，D(BS_c,BS_s)为所述最近基站BS_c与所述部署了边缘服务的边缘服务器所在的基站BS_s之间的通讯时间；

所述任务处理时间T_cp为边缘服务的任务执行时间，所述任务处理时间T_cp的计算公式为：

上式中，w_j为边缘服务器E_j分配给任务的计算强度。

所述停机时间T_m为在服务迁移期间的服务暂停时间；所述停机时间T_m为：

上式中，BS_c和BS_m分别表示迁移前和迁移后所述移动用户连接的基站，M_c为迁移时间。

本申请实施例采取的技术方案还包括：所述伯努利试验的成功几率等于“服务分配函数”的值：

上式中，x表示边缘服务器中某一种资源的cpu利用率，T表示所述资源的cpu利用率上阈值，p是形状参数，M_p是正则化参数，用于将f值调整至最大值为1的范围内。

本申请实施例采取的技术方案还包括：所述将所述移动用户的边缘服务部署在所述边缘服务器上之后还包括：

在所述边缘服务运行期间，通过边缘服务器计算所述边缘服务的时延，并判断所述时延是否满足对应的服务时延要求；如果不满足服务时延要求，

利用服务分配算法从所述边缘服务器候选列表中重新搜索满足所述服务时延要求的新的边缘服务器，将所述边缘服务调度到新的边缘服务器中。

本申请实施例采取的技术方案还包括：所述将所述移动用户的边缘服务部署在所述边缘服务器上之后还包括：

对所述边缘服务器的运行状态进行监测，判断所述边缘服务器是否处于过载状态；如果处于过载状态，

利用“服务迁移函数”对所述边缘服务器进行伯努利试验，并判断伯努利试验是否成功；如果试验成功，

将所述边缘服务器上运行的所有边缘服务按照cpu利用率进行降序排序，并根据排序结果依次移除所述边缘服务，直到所述边缘服务器的cpu利用率不再处于过载状态；

对所述移除的边缘服务，利用服务分配算法从所述边缘服务器候选列表中重新搜索出满足所述服务时延要求的新的边缘服务器，将所述边缘服务调度到新的边缘服务器中。

本申请实施例采取的技术方案还包括：所述“服务迁移函数”为：

上式中，x是边缘服务器的cpu利用率，T_h是cpu利用率的上阈值，β是形状参数。

本申请实施例采取的另一技术方案为：一种移动边缘计算的服务调度系统，包括：

数据接收模块：用于接收移动用户发送的边缘服务请求以及服务延迟要求；

服务时延计算模块：用于分别计算边缘服务器候选列表中各个边缘服务器的服务时延，判断所述边缘服务器的服务时延是否满足所述移动用户的服务时延要求，所述边缘服务器候选列表用于储存所有可用于部署边缘服务的边缘服务器；

伯努利试验模块：用于对所述满足服务时延要求的边缘服务器执行伯努利试验，将试验成功的边缘服务器加入候选队列；

服务部署模块：用于从所述候选列表中选择一个迁移代价最低的边缘服务器，将所述移动用户的边缘服务部署在所述边缘服务器上。

本申请实施例采取的又一技术方案为：一种终端，所述终端包括处理器、与所述处理器耦接的存储器，其中，

所述存储器存储有用于实现所述移动边缘计算的服务调度方法的程序指令；

所述处理器用于执行所述存储器存储的所述程序指令以控制移动边缘计算的服务调度。

本申请实施例采取的又一技术方案为：一种存储介质，存储有处理器可运行的程序指令，所述程序指令用于执行所述移动边缘计算的服务调度方法。

相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的移动边缘计算的服务调度方法通过将调度决策留给边缘服务器，边缘服务器根据自身的资源利用情况来决定是否能承载新的边缘服务，并执行移动用户的服务分配，从而尽量避免了云端的参与，减少了服务时延。另外，在服务运行期间，通过对服务时延不满足要求的边缘服务以及处于过载状态的边缘服务器进行动态的服务迁移，以通过实时的服务调度保证了服务质量。相对于现有技术，本申请实施例至少还具有以下有益效果：

1、利用伯努利试验来降低服务调度算法的时间复杂度；

2、可以根据边缘服务器的负载情况动态调整调度策略，以避免边缘服务器过载所带来的性能恶化，有利于边缘服务器的负载均衡，在高用户量的场景下，能保持良好性能。

3、将迁移代价纳入了优化目标，可以降低服务迁移所带来的服务宕机时间与高昂的通讯代价。

4、将边缘服务器的资源利用率纳入概率决策，在用户量增大的情况下，仍能保证算法的有效性，具备可扩展性。

附图说明

图1是本申请第一实施例的移动边缘计算的服务调度方法的流程图；

图2是本申请第二实施例的移动边缘计算的服务调度方法的流程图；

图3为本申请实施例的移动边缘计算的服务调度系统结构示意图；

图4为本申请实施例的终端结构示意图；

图5为本申请实施例的存储介质的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

针对现有技术的不足，本申请实施例的移动边缘计算的服务调度方法利用伯努利试验进行服务调度的决策，将服务分配请求交付给边缘服务器，边缘服务器根据本机的负载情况来调整调度策略，降低服务调度算法的时间复杂度，并避免边缘服务器过载所带来的性能恶化；另外，在服务调度中考虑移动用户的地理位置变化，利用动态的服务调度算法根据位置变化计算服务时延，以进行动态的服务迁移，降低了服务时延与服务迁移代价，保证了移动用户的服务质量。

具体的，请参阅图1，是本申请第一实施例的移动边缘计算的服务调度方法的流程图。本申请第一实施例的移动边缘计算的服务调度方法包括以下步骤：

S10：通过距离移动用户最近的基站上的边缘服务器获取移动用户发送的边缘服务请求以及对应的服务延迟要求；

其中，假设E代表一组大小为J的边缘服务器，其中E_j∈E和j∈{1,2,…,J}；BS代表大小为L的基站集合，其中BS_l∈BS，l∈{1,2,…,L}代表一个基站，边缘服务器E_j被部署在在基站BS_j上，即边缘服务器的地理位置与基站的地理位置相同，表示为p_j＝(lat_j,lng_j)。每个边缘服务器的资源容量由C_Ej(a_j,m_j,n_j)表示，其中a_j、m_j和n_j分别表示CPU、内存和网络带宽。使用U表示一组大小为N的移动用户，其中u_i∈U和i∈{1,2，…,N}，在时间t，移动用户u_i会通过最近的基站BS_l接入网络，该移动用户u_i和基站BS_l之间的距离表示为D_i,l＝|p_i(t)-p_l|，即移动用户与基站之间的欧几里得距离。对于每个移动用户u_i，使用p_i(t)＝(lat_i，lng_i)表示其在时间t的地理位置，lat_i为纬度，lng_i为经度。用S表示大小为R的边缘服务集合，其中S_r∈S,r∈{1,2,…,R}代表一个边缘服务，每个移动用户分别连接一个边缘服务S_ui，该边缘服务S_ui需要被部署在一个边缘服务器上。

S11：初始化边缘服务器候选列表，获取不同边缘服务器之间的通讯延迟以及各个边缘服务器的负载情况；其中，边缘服务器候选列表用于储存所有可用于部署边缘服务的边缘服务器；

S12：分别计算边缘服务器候选列表中各个边缘服务器当前的服务时延，并判断各个边缘服务器的服务时延是否满足当前移动用户的服务时延要求，如果满足服务时延要求，执行S13；否则，重新执行S11；

本步骤中，服务时延包括通讯时间、任务处理时间和停机时间，其中，通讯时间T_m包括两部分，第一部分是移动用户与最近基站之间的通讯时间，第二部分是最近基站BS_c与部署了边缘服务的边缘服务器所在的基站BS_s之间的通讯时间。通讯时间计算方式为：根据香农定理计算无线信道的最大传输速率tr为：

其中W表示信道带宽(赫兹)，S_p表示信道内所传信号的平均功率(瓦)，N_p表示信道内部的高斯噪声功率(瓦)，g表示信道增益参数。

用一个矩阵M储存基站与基站间的通讯时间，两个基站之间最短的通讯时间可由矩阵M内的最短路径得到，因此，通讯时间的第二部分可表示为D(BS_c,BS_s)。通讯时间T_cm计算公式为：

式(2)中，u_i为移动用户，c_i为边缘服务的任务大小，E_j和E_s分别表示边缘服务器。

任务处理时间T_cp是边缘服务的任务执行时间。由于每个边缘服务器可以承载多个边缘服务并同时执行多个任务，因此每个任务的执行时间会因所在边缘服务器的可用资源数目而变化。假设任务大小为c_i，并且边缘服务器E_j分配给该任务的计算强度为w_j，则任务处理时间T_cp的计算公式为：

停机时间T_m为在服务迁移期间的服务暂停时间。在服务迁移期间，服务需要暂停一段时间，再将该服务的内存状态信息传输到新的边缘服务器，新的边缘服务器重新运行该服务。因此，需要将服务迁移所带来的停机时间加入到总的服务时延中。停机时间T_m的定义为：

BS_c和BS_m分别表示迁移前和迁移后移动用户连接的基站。如果未发生迁移，停机时间为0；若发生迁移，迁移时间为定值M_c。

S13：对服务时延满足服务时延要求的边缘服务器依次执行伯努利试验，并将试验成功的服务器加入候选队列；

本步骤中，若超过服务延迟要求，则表明该边缘服务器不适合部署当前移动用户的服务。而对于满足服务延迟要求的边缘服务器，需要执行一次伯努利试验，这个试验的成功与否即代表了该服务器是否能部署并运行一个新的服务。伯努利试验的成功几率等于“服务分配函数”的值：

式(5)中，x表示边缘服务器中某一种资源的cpu利用率，T表示这种资源的cpu利用率上阈值，p是形状参数。M_p是正则化参数，用于将f值调整至最大值为1的范围内。正则化参数M_p为：

该“服务分配函数”在资源利用率接近阈值时的取值非常低，因此会限制新服务被分配到即将过载的边缘服务器上，从而很大程度上避免了边缘服务器的过载。边缘服务器计算“服务分配函数”的值以进行分配试验，若试验成功则说明该边缘服务器同意新服务的分配，立即向协作者发送“同意接收”消息，并被加入到候选列表中。

S14：从候选列表中选择一个迁移代价最低的边缘服务器，将移动用户的边缘服务部署在该边缘服务器上，通过该边缘服务器运行边缘服务；

本步骤中，通过考虑边缘服务器的迁移代价进行边缘服务的分配，可以降低服务迁移对用户服务体验的影响以及服务迁移所带来的高昂通讯代价。具体的，可以通过两个服务器之间的距离来衡量迁移代价。

S15：在边缘服务运行期间，通过边缘服务器实时计算每个边缘服务的时延，并判断该时延是否满足对应的服务时延要求，如果满足服务时延要求，继续执行S15；如果不满足服务时延要求，执行S16；

S16：将不满足对应服务时延要求的边缘服务加入待迁移服务列表；

其中，假设最近的基站表示为当前基站，部署移动用户u_i所连接的边缘服务所在的基站表示连接基站；由于移动用户是实时移动的，它在服务交付的过程中可能会离开边缘服务器的覆盖范围，导致更高的服务时延；同时，边缘服务器的资源利用率也是动态变化的，导致边缘服务器的性能下降，一些过载的边缘服务器可能无法有效处理服务，也会导致服务时延的增加。因此，需要根据各个边缘服务的时延执行动态的服务迁移，以确保服务质量。

S17：对待迁移服务列表中的边缘服务，利用服务分配算法从边缘服务器候选列表中搜索出合适的新的边缘服务器，依次将待迁移服务列表中的服务重新调度到新的边缘服务器中，直到清空待迁移服务列表。

请参阅图2，是本申请第二实施例的移动边缘计算的服务调度方法的流程图。本申请第二实施例的移动边缘计算的服务调度方法包括以下步骤：

S20：通过距离移动用户最近的基站上的边缘服务器获取移动用户发送的边缘服务请求以及对应的服务延迟要求；

S21：初始化边缘服务器候选列表，获取不同边缘服务器之间的通讯延迟以及各个边缘服务器的负载情况；其中，边缘服务器候选列表用于储存所有可用于部署边缘服务的边缘服务器；

S22：分别计算边缘服务器候选列表中各个边缘服务器当前的服务时延，并判断各个边缘服务器的服务时延是否满足当前移动用户的服务时延要求，如果满足服务时延要求，执行S23；否则，重新执行S21；

本步骤中，服务时延包括通讯时间、任务处理时间和停机时间，其中，通讯时间T_m包括两部分，第一部分是移动用户与最近基站之间的通讯时间，第二部分是最近基站BS_c与部署了边缘服务的边缘服务器所在的基站BS_s之间的通讯时间。通讯时间计算方式为：根据香农定理计算无线信道的最大传输速率tr为：

用一个矩阵M储存基站与基站间的通讯时间，两个基站之间最短的通讯时间可由矩阵M内的最短路径得到，因此，通讯时间的第二部分可表示为D(BS_c,BS_s)。通讯时间T_cm计算公式为：

式(2)中，u_i为移动用户，c_i为边缘服务的任务大小。

任务处理时间T_cp是边缘服务的任务执行时间。由于每个边缘服务器可以承载多个边缘服务并同时执行多个任务，因此每个任务的执行时间会因所在边缘服务器的可用资源数目而变化。假设任务大小为c_i，并且边缘服务器E_j分配给该任务的计算强度为w_j，则任务处理时间T_cp的计算公式为：

停机时间T_m为在服务迁移期间的服务暂停时间。在服务迁移期间，服务需要暂停一段时间，再将该服务的内存状态信息传输到新的边缘服务器，新的边缘服务器重新运行该服务。因此，需要将服务迁移所带来的停机时间加入到总的服务时延中。停机时间T_m的定义为

如果未发生迁移，停机时间为0；若发生迁移，迁移时间为定值M_c。

S23：对服务时延满足服务时延要求的边缘服务器依次执行伯努利试验，并将试验成功的边缘服务器加入候选队列；

本步骤中，若超过服务延迟要求，则表明该边缘服务器不适合部署当前移动用户的边缘服务。而对于满足服务延迟要求的边缘服务器，需要执行一次伯努利试验，这个试验的成功与否即代表了该服务器是否能部署并运行一个新的服务。伯努利试验的成功几率等于“服务分配函数”的值：

式(5)中，x表示边缘服务器中某一种资源的cpu利用率，T表示这种资源的cpu利用率上阈值，p是形状参数。M_p是正则化参数，用于将f值调整至最大值为1的范围内。正则化参数M_p为：

该“服务分配函数”在资源利用率接近阈值时的取值非常低，因此会限制新服务被分配到即将过载的边缘服务器上，从而很大程度上避免了边缘服务器的过载。边缘服务器计算“服务分配函数”的值以进行分配试验，若试验成功则说明该边缘服务器同意新服务的分配，立即向协作者发送“同意接收”消息，并被加入到候选列表中。

S24：从候选列表中选择一个迁移代价最低的边缘服务器，将移动用户的边缘服务部署在该边缘服务器上，通过该边缘服务器运行边缘服务；

本步骤中，通过考虑边缘服务器的迁移代价进行边缘服务的分配，可以降低服务迁移对用户服务体验的影响。

S25：对所有处于运行状态的边缘服务器的运行状态进行监测，判断边缘服务器是否处于过载状态，如果处于过载状态，执行S26；

S26：利用“服务迁移函数”对该边缘服务器进行伯努利试验，并判断伯努利试验是否成功，如果试验成功，执行S27；

本步骤中，“服务迁移函数”为：

式(7)中，x是边缘服务器的cpu利用率，T_h是cpu利用率的上阈值，β是形状参数。边缘服务器根据该函数值判断边缘服务器是否需要进行服务迁移，以降低边缘服务器的资源利用率。

S27：将该边缘服务器上运行的所有边缘服务按照cpu利用率进行降序排序，并根据排序结果依次将边缘服务移除至待迁移服务列表中，直至该边缘服务器的cpu利用率不再处于过载状态；

S28：对待迁移服务列表中的边缘服务，利用服务分配算法从边缘服务器候选列表中搜索出合适的边缘服务器，依次将待迁移服务列表中的服务重新调度到新的边缘服务器中，直到清空待迁移服务列表。

基于上述，本申请实施例的移动边缘计算的服务调度方法通过将调度决策留给边缘服务器，边缘服务器根据自身的资源利用情况来决定是否能承载新的边缘服务，并执行移动用户的服务分配，从而尽量避免了云端的参与，减少了服务时延。另外，在服务运行期间，通过对服务时延不满足要求的边缘服务以及处于过载状态的边缘服务器进行动态的服务迁移，以通过实时的服务调度保证了服务质量。相对于现有技术，本申请实施例至少还具有以下有益效果：

1、利用伯努利试验来降低服务调度算法的时间复杂度；

2、可以根据边缘服务器的负载情况动态调整调度策略，以避免边缘服务器过载所带来的性能恶化，有利于边缘服务器的负载均衡，在高用户量的场景下，能保持良好性能。

3、将迁移代价纳入了优化目标，可以降低服务迁移所带来的服务宕机时间与高昂的通讯代价。

4、将边缘服务器的资源利用率纳入概率决策，在用户量增大的情况下，仍能保证算法的有效性，具备可扩展性。

请参阅图3，是本申请实施例的移动边缘计算的服务调度系统的结构示意图。本申请实施例的移动边缘计算的服务调度系统40包括：

数据接收模块41：用于接收移动用户发送的边缘服务请求以及服务延迟要求；

服务时延计算模块42：用于分别计算边缘服务器候选列表中各个边缘服务器的服务时延，判断所述边缘服务器的服务时延是否满足所述移动用户的服务时延要求，所述边缘服务器候选列表用于储存所有可用于部署边缘服务的边缘服务器；

伯努利试验模块43：用于对所述满足服务时延要求的边缘服务器执行伯努利试验，将试验成功的边缘服务器加入候选队列；

服务部署模块44：用于从所述候选列表中选择一个迁移代价最低的边缘服务器，将所述移动用户的边缘服务部署在所述边缘服务器上。

请参阅图4，为本申请实施例的终端结构示意图。该终端50包括处理器51、与处理器51耦接的存储器52。

存储器52存储有用于实现上述移动边缘计算的服务调度方法的程序指令。

处理器51用于执行存储器52存储的程序指令以控制移动边缘计算的服务调度。

其中，处理器51还可以称为CPU(Central Processing Unit，中央处理单元)。处理器51可能是一种集成电路芯片，具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。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。

请参阅图5，为本申请实施例的存储介质的结构示意图。本申请实施例的存储介质存储有能够实现上述所有方法的程序文件61，其中，该程序文件61可以以软件产品的形式存储在上述存储介质中，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)或处理器(processor)执行本发明各个实施方式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，或者是计算机、服务器、手机、平板等终端设备。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本申请中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本申请所示的这些实施例，而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种移动边缘计算的服务调度方法，其特征在于，包括：

接收移动用户发送的边缘服务请求以及服务延迟要求；

分别计算边缘服务器候选列表中各个边缘服务器的服务时延，判断所述边缘服务器的服务时延是否满足所述移动用户的服务时延要求，并对所述满足服务时延要求的边缘服务器执行伯努利试验，将试验成功的边缘服务器加入候选队列；所述边缘服务器候选列表用于储存所有可用于部署边缘服务的边缘服务器；

从所述候选列表中选择一个迁移代价最低的边缘服务器，将所述移动用户的边缘服务部署在所述边缘服务器上。

2.根据权利要求1所述的移动边缘计算的服务调度方法，其特征在于，所述分别计算边缘服务器候选列表中各个边缘服务器的服务时延还包括：

获取所述边缘服务器候选列表中各个边缘服务器之间的通讯延迟以及各个边缘服务器的负载情况。

3.根据权利要求2所述的移动边缘计算的服务调度方法，其特征在于，所述服务时延包括通讯时间、任务处理时间和停机时间；

所述通讯时间T_cm包括所述移动用户与最近基站之间的通讯时间，以及所述最近基站与部署了边缘服务的边缘服务器所在的基站之间的通讯时间；所述通讯时间为：

上式中，u_i为移动用户，E_j和E_s分别为边缘服务器，c_i为边缘服务的任务大小，tr为无线信道的最大传输速率，D(BS_c，BS_s)为所述最近基站BS_c与所述部署了边缘服务的边缘服务器所在的基站BS_s之间的通讯时间；

所述任务处理时间T_cp为边缘服务的任务执行时间，所述任务处理时间T_cp的计算公式为：

上式中，w_j为边缘服务器E_j分配给任务的计算强度；

所述停机时间T_m为在服务迁移期间的服务暂停时间；所述停机时间T_m为：

上式中，BS_c和BS_m分别表示迁移前和迁移后所述移动用户连接的基站，M_c为迁移时间。

4.根据权利要求1所述的移动边缘计算的服务调度方法，其特征在于，所述伯努利试验的成功几率等于“服务分配函数”的值：

上式中，x表示边缘服务器中某一种资源的cpu利用率，T表示所述资源的cpu利用率上阈值，p是形状参数，M_p是正则化参数，用于将f值调整至最大值为1的范围内。

5.根据权利要求1至4任一项所述的移动边缘计算的服务调度方法，其特征在于，所述将所述移动用户的边缘服务部署在所述边缘服务器上之后还包括：

在所述边缘服务运行期间，通过边缘服务器计算所述边缘服务的时延，并判断所述时延是否满足对应的服务时延要求；如果不满足服务时延要求，

利用服务分配算法从所述边缘服务器候选列表中重新搜索满足所述服务时延要求的新的边缘服务器，将所述边缘服务调度到新的边缘服务器中。

6.根据权利要求1至4任一项所述的移动边缘计算的服务调度方法，其特征在于，所述将所述移动用户的边缘服务部署在所述边缘服务器上之后还包括：

对所述边缘服务器的运行状态进行监测，判断所述边缘服务器是否处于过载状态；如果处于过载状态，

利用“服务迁移函数”对所述边缘服务器进行伯努利试验，并判断伯努利试验是否成功；如果试验成功，

将所述边缘服务器上运行的所有边缘服务按照cpu利用率进行降序排序，并根据排序结果依次移除所述边缘服务，直到所述边缘服务器的cpu利用率不再处于过载状态；

对所述移除的边缘服务，利用服务分配算法从所述边缘服务器候选列表中重新搜索出满足所述服务时延要求的新的边缘服务器，将所述边缘服务调度到新的边缘服务器中。

7.根据权利要求6所述的移动边缘计算的服务调度方法，其特征在于，所述“服务迁移函数”为：

上式中，x是边缘服务器的cpu利用率，T_h是cpu利用率的上阈值，β是形状参数。

8.一种移动边缘计算的服务调度系统，其特征在于，包括：

数据接收模块：用于接收移动用户发送的边缘服务请求以及服务延迟要求；

服务时延计算模块：用于分别计算边缘服务器候选列表中各个边缘服务器的服务时延，判断所述边缘服务器的服务时延是否满足所述移动用户的服务时延要求，所述边缘服务器候选列表用于储存所有可用于部署边缘服务的边缘服务器；

伯努利试验模块：用于对所述满足服务时延要求的边缘服务器执行伯努利试验，将试验成功的边缘服务器加入候选队列；

服务部署模块：用于从所述候选列表中选择一个迁移代价最低的边缘服务器，将所述移动用户的边缘服务部署在所述边缘服务器上。

9.一种终端，其特征在于，所述终端包括处理器、与所述处理器耦接的存储器，其中，

所述存储器存储有用于实现权利要求1-7任一项所述的移动边缘计算的服务调度方法的程序指令；

所述处理器用于执行所述存储器存储的所述程序指令以控制移动边缘计算的服务调度。

10.一种存储介质，其特征在于，存储有处理器可运行的程序指令，所述程序指令用于执行权利要求1至7任一项所述移动边缘计算的服务调度方法。

Images