CN112866381B - 一种边缘计算中基于设施选址问题的任务冗余分配方法 - Google Patents
一种边缘计算中基于设施选址问题的任务冗余分配方法 Download PDFInfo
- Publication number
- CN112866381B CN112866381B CN202110058948.2A CN202110058948A CN112866381B CN 112866381 B CN112866381 B CN 112866381B CN 202110058948 A CN202110058948 A CN 202110058948A CN 112866381 B CN112866381 B CN 112866381B
- Authority
- CN
- China
- Prior art keywords
- task
- server
- edge
- tasks
- allocation
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer And Data Communications (AREA)
- Multi Processors (AREA)
Abstract
本发明提出了一种边缘计算中基于设施选址问题的任务冗余分配方法。首先根据边缘计算网络场景得到待分配任务的各项数据参数和边缘服务器的性能参数;然后构建任务总执行成本最小化问题模型,通过一种贪心策略的近似算法求解任务总执行成本最小化问题,计算任务分配决策和VNF实例开关决策;最后网络控制器根据任务分配决策将任务分配到边缘服务器上执行。本发明能够适用于边缘计算网络中不同可靠性要求的任务分配处理,通过降低边缘服务器VNF实例启动成本和任务执行成本,从而最小化网络内所有任务的总执行成本。
Description
技术领域
本发明主要涉及到边缘计算领域,特别是涉及到一种边缘计算中基于设施选址问题的任务冗余分配方法。
背景技术
物联网(Internet of Things,IoT)的高速发展推进了5G和人工智能时代的到来,用户终端数目不断增加,用户数据也爆炸式增长,导致计算和存储资源有限的用户终端难以承担高复杂应用的计算需求。虽然云计算能提供高性能的计算服务,但却会带来高延迟的问题。边缘计算作为一种层次化的分布式计算架构,通过利用网络边缘设备的计算和存储能力,就近给用户提供低延迟、高性能的计算服务,是继云计算、移动互联网、物联网后的一种新型计算范式。
边缘计算相较于云计算来说更加高效且安全,而且更适合实时的数据分析和智能化处理。网络功能虚拟化(Network Functions Virtualization,NFV)可以通过使用x86等通用性硬件以及虚拟化技术,来承载很多功能的软件处理,从而降低昂贵的网络设备成本。这使得网络设备功能不再依赖于专用硬件,从而实现新业务的快速开发和部署。虚拟化网络功能(Virtual Network Function,VNF)可以理解为NFV架构下的虚拟网络功能单元。VNF使用软件模块形式部署在通用硬件上,从而实现网络功能的虚拟化。通过NFV技术可以提供高度可扩展且灵活的服务部署,降低成本和改善用户体验。
综上所述,为了满足用户应用服务质量(Quality of Service)的要求,利用边缘计算平台和NFV技术,将云服务推向网络边缘,为满足用户请求任务的可靠性需求,网络控制器做出任务冗余分配决策,把任务合理分配到边缘服务器上执行,通过降低网络内边缘服务器VNF实例启动成本和任务执行成本,从而最小化网络中任务的总执行成本。
发明内容
本发明提出了一种边缘计算中基于设施选址问题的任务冗余分配方法,主要应用于边缘计算方面,主要优点是使不同可靠性要求的任务分配最优化,能够最小化网络中任务的总执行成本。本发明的方案具体如下:
1.可以将任务的冗余分配问题视为一种设施选址问题,通过一种贪心策略的近似算法来得到边缘计算的任务分配决策方案:
步骤1、布置边缘计算网络场景,网络中边缘服务器由集合S={s1,s2,...,sj,...,sm}表示,其中j表示边缘服务器的标号,n个任务集合表示为U={u1,u2,...,ui,...,un},其中i表示任务标号,任务ui的可靠性需求为Ri,边缘服务器的失效率为r,为了满足任务ui可靠性需求,任务冗余部署到ai个服务器上执行,从而满足每个任务都请求同类型的虚拟网络功能(Virtual Network Function,VNF),如果任务分配到边缘服务器sj上执行,则需要在服务器sj上启动对应类型的VNF实例,实例启动成本为fj,VNF实例只需要启动一次,并只计算一次启动成本,所有相同类型VNF的任务请求都可以在这个VNF实例上执行;
步骤2、网络控制器通过任务冗余分配算法将任务部署到边缘服务器上执行,实现最小化任务执行成本其中eij表示任务ui在边缘服务器sj的VNF实例上的执行成本,X={xij|i∈[1,n],j∈[1,m]}代表任务分配决策变量,xij=1表示任务ui分配至边缘服务器sj上执行,xij=0则表示不在sj上执行,Y={y1,y2,...,yj,...,ym}代表边缘服务器VNF实例启动决策变量向量,yj=1表示边缘服务器sj上启动了VNF实例,yj=0表示没有启动;
步骤3、将步骤2中成本最小化问题视为一种设施选址问题,通过一种贪心策略的近似算法,得到任务分配决策矩阵X和VNF实例开关决策向量Y。
2.进一步,优化目标函数为其中,表示每个任务ui冗余分配的次数约束,xij≤yj,j∈[1,m]表示如果任务ui被分配到服务器sj上,则服务器sj的VNF实例必须开启,xij,yj∈{0,1},j∈[1,m]表示决策变量的0-1约束。
3.在本发明中,为了满足任务ui的可靠性需求,任务ui必须冗余分配到ai个不同的边缘服务器上执行。
4.进一步,步骤3所述一种贪心策略的近似算法至少包括如下步骤:
1)给定二部图G=(U,S),其中U表示任务集合,S表示边缘服务器集合,A表示还未满足冗余分配次数的任务集合,Cj表示已分配到服务器sj上的任务集合,Bj表示未分配到服务器sj的任务集合,pi表示任务ui冗余分配的次数,Cj′表示将分配在服务器sj上的任务集合;
2)对变量进行初始化,设置A=U,对任意j∈[1,m],i∈[1,n],设置任务分配变量xij=0,边缘服务器sj上VNF实例启动决策变量yj=0,任务ui冗余分配的次数pi=1,设置Cj′=φ,Cj=φ;
3)选出本轮循环最优分配的服务器sj,有两种选择,一种是选择未启动VNF实例的服务器,另一种是选择已启动VNF实例的服务器,令其中A-Cj表示集合Cj在集合A中的相对补集,将集合Bj中的任务在服务器sj的执行成本从小到大排序,依次将任务放入C′j,找到满足式子的最优的集合C′j,其中|C′j|表示集合C′j的元素个数,如果选择的服务器sj未启动VNF实例,则yj=1,更新集合Cj=Cj∪C′j;
4)对于集合C′j,所有任务ui的分配决策xij=1;
5)对于集合C′j,所有任务ui,如果pi=ai,则集合A=A\{ui},否则pi=pi+1;
6)更新集合C′j=φ,如果A=φ,算法结束,否则跳转执行步骤3)。
与现有技术相比,本方法的优点在于:
提出了边缘计算中基于设施选址问题的任务冗余分配方法,能灵活的运用于不同可靠性要求的任务,然后考虑降低网络内边缘服务器上VNF实例启动成本和任务执行成本,从而最小化网络内所有任务的总执行成本,把任务分配到最合适的边缘服务器上。
附图说明
图1是本发明的流程框图;
图2是本发明的任务分配流程图;
图3是本发明的边缘服务器上VNF实例启动决策示例1图;
图4是本发明的边缘服务器上VNF实例启动决策示例2图。
具体实施方式
下面结合附图对本发明作进一步的详细描述。
步骤一、获取网络中待分配任务的各项参数和边缘服务器的性能参数。
步骤二、确定任务的总体分配的目标,整个任务分配过程的目标即最小化网络任务的总执行成本,任务的总执行成本包括网络内边缘服务器的启动成本和任务的执行成本,通过最小化任务总执行成本来计算,其中eij表示任务ui在边缘服务器sj的VNF实例上的执行成本,X={xij|i∈[1,n],j∈[1,m]}代表任务分配决策变量,xij=1表示任务ui分配至边缘服务器sj上执行,xij=0则表示不在sj上执行,Y={y1,y2,...,yj,...,ym}代表边缘服务器VNF实例启动决策变量向量,yj=1表示边缘服务器sj上启动了VNF实例,yj=0表示没有启动;
步骤三、计算任务分配决策矩阵X和VNF实例开关决策向量Y,网络控制器按照任务的分配决策把任务分配到合适的边缘服务器上执行:
a)给定二部图G=(U,S),其中U表示任务集合,S表示边缘服务器集合,A表示还未满足冗余分配次数的任务集合,Cj表示已分配到服务器sj上的任务集合,Bj表示未分配到服务器sj的任务集合,pi表示任务ui冗余分配的次数,Cj′表示将分配在服务器sj上的任务集合;
b)对变量进行初始化,设置A=U,对任意j∈[1,m],i∈[1,n],设置任务分配变量xij=0,边缘服务器sj上VNF实例启动决策变量yj=0,任务ui冗余分配的次数pi=1,设置Cj′=φ,Cj=φ;
c)选出本轮循环最优分配的服务器sj,有两种选择,一种是选择未启动VNF实例的服务器,参考图3所示,在本例中,边缘服务器个数m=2,任务个数n=5,其中服务器s1、s2上的VNF实例未开启,任务u1、u2、u3、u4、u5均未分配即集合A={u1,u2,u3,u4,u5},将集合A中的任务分别在服务器s1、s2上的执行成本从小到大排序并依次放入服务器进行对比,得到成本最小分配,另一种是选择已启动VNF实例的服务器,参考图4所示,在本例中,边缘服务器个数m=2,任务个数n=5,其中服务器s1上的VNF实例已启动,服务器s2上的VNF实例未开启,服务器s1已分配了任务u1、u2即C1={u1,u2},此时对于服务器s1而言B1=A-C1,任务按照执行成本从小到大排序依次放入服务器对比,得到成本最小分配,令其中A-Cj表示集合Cj在集合A中的相对补集,将集合Bj中的任务在服务器sj的执行成本从小到大排序,依次将任务放入Cj′,找到满足式子的最优的集合C′j,其中|C′j|表示集合C′j的元素个数,如果选择的服务器sj未启动VNF实例,则yj=1,更新集合Cj=Cj∪C′j;
d)对于集合C′j,所有任务ui的分配决策xij=1;
e)对于集合C′j,所有任务ui,如果pi=ai,则集合A=A\{ui},否则pi=pi+1;
f)更新集合C′j=φ,如果A=φ,算法结束,否则跳转执行步骤c)。
Claims (3)
1.一种边缘计算中基于设施选址问题的任务冗余分配方法,其特征在于,可以将任务的冗余分配问题视为一种设施选址问题,通过一种近似算法来得到边缘计算中任务分配决策方案,所述方法至少包括以下步骤:
步骤1、布置边缘计算网络场景,网络中边缘服务器由集合S={s1,s2,...,sj,...,sm}表示,其中j表示边缘服务器的标号,n个任务集合表示为U={u1,u2,...,ui,...,un},其中i表示任务标号,任务ui的可靠性需求为Ri,边缘服务器的失效率为r,为了满足任务ui可靠性需求,任务冗余部署到ai个服务器上执行,从而满足每个任务都请求同类型的虚拟化网络功能(Virtual Network Function,VNF),如果任务分配到边缘服务器sj上执行,则需要在服务器sj上启动对应类型的VNF实例,实例启动成本为fj,VNF实例只需要启动一次,并只计算一次启动成本,所有相同类型VNF的任务请求都可以在这个VNF实例上执行;
步骤2、网络控制器通过任务冗余分配算法将任务部署到边缘服务器上执行,实现最小化任务执行成本其中eij表示任务ui在边缘服务器sj的VNF实例上的执行成本,X={xij|i∈[1,n],j∈[1,m]}代表任务分配决策变量,xij=1表示任务ui分配至边缘服务器sj上执行,xij=0则表示不在sj上执行,Y={y1,y2,...,yj,...,ym}代表边缘服务器VNF实例启动决策变量向量,yj=1表示边缘服务器sj上启动了VNF实例,yj=0表示没有启动;
步骤3、将步骤2中成本最小化问题视为一种设施选址问题,通过一种近似算法,得到任务分配决策矩阵X和VNF实例开关决策向量Y, 该近似算法至少包括以下步骤:
1)给定二部图G=(U,S),其中U表示任务集合,S表示边缘服务器集合,A表示还未满足冗余分配次数的任务集合,Cj表示已分配到服务器sj上的任务集合,Bj表示未分配到服务器sj的任务集合,pi表示任务ui冗余分配的次数,Cj′表示将分配在服务器sj上的任务集合;
2)对变量进行初始化,设置A=U,对任意j∈[1,m],i∈[1,n],设置任务分配变量xij=0,边缘服务器sj上VNF实例启动决策变量yj=0,任务ui冗余分配的次数pi=1,设置C′j=φ,Cj=φ;
3)选出本轮循环最优分配的服务器sj,有两种选择,一种是选择未启动VNF实例的服务器,另一种是选择已启动VNF实例的服务器,令其中A-Cj表示集合Cj在集合A中的相对补集,将集合Bj中的任务在服务器sj的执行成本从小到大排序,依次将任务放入C′j,找到满足式子的最优的集合C′j,其中|C′j|表示集合C′j的元素个数,如果选择的服务器sj未启动VNF实例,则yj=1,更新集合Cj=Cj∪C′j;
4)对于集合C′j,所有任务ui的分配决策xij=1;
5)对于集合C′j,所有任务ui,如果pi=ai,则集合A=A\{ui},否则pi=pi+1;
6)更新集合C′j=φ,如果A=φ,算法结束,否则跳转执行步骤3)。
3.根据权利要求1中所述的一种边缘计算中基于设施选址问题的任务冗余分配方法,其特征在于为了确保任务达到其可靠性要求,一个任务必须冗余分配到不同的边缘服务器上执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058948.2A CN112866381B (zh) | 2021-01-17 | 2021-01-17 | 一种边缘计算中基于设施选址问题的任务冗余分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058948.2A CN112866381B (zh) | 2021-01-17 | 2021-01-17 | 一种边缘计算中基于设施选址问题的任务冗余分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112866381A CN112866381A (zh) | 2021-05-28 |
CN112866381B true CN112866381B (zh) | 2022-07-01 |
Family
ID=76005902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110058948.2A Active CN112866381B (zh) | 2021-01-17 | 2021-01-17 | 一种边缘计算中基于设施选址问题的任务冗余分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112866381B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113347277B (zh) * | 2021-07-15 | 2022-10-18 | 湘潭大学 | 一种边缘计算中基于任务切分的卸载分配方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102739707A (zh) * | 2011-04-07 | 2012-10-17 | 中兴通讯股份有限公司 | 一种分布式关键字表网络及对其进行操作的方法 |
CN104079637A (zh) * | 2014-06-20 | 2014-10-01 | 中国石油天然气集团公司 | 一种资源调度方法及系统 |
CN110377352A (zh) * | 2019-05-20 | 2019-10-25 | 中国人民解放军军事科学院战争研究院 | 基于移动设备云系统的任务处理方法和装置 |
CN110519370A (zh) * | 2019-08-28 | 2019-11-29 | 湘潭大学 | 一种基于设施选址问题的边缘计算资源分配方法 |
WO2020138605A1 (ko) * | 2018-12-28 | 2020-07-02 | 연세대학교 산학협력단 | 사용자 특성을 반영한 클러스터 기반 가상 네트워크 기능의 자원 할당 방법 |
-
2021
- 2021-01-17 CN CN202110058948.2A patent/CN112866381B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102739707A (zh) * | 2011-04-07 | 2012-10-17 | 中兴通讯股份有限公司 | 一种分布式关键字表网络及对其进行操作的方法 |
CN104079637A (zh) * | 2014-06-20 | 2014-10-01 | 中国石油天然气集团公司 | 一种资源调度方法及系统 |
WO2020138605A1 (ko) * | 2018-12-28 | 2020-07-02 | 연세대학교 산학협력단 | 사용자 특성을 반영한 클러스터 기반 가상 네트워크 기능의 자원 할당 방법 |
CN110377352A (zh) * | 2019-05-20 | 2019-10-25 | 中国人民解放军军事科学院战争研究院 | 基于移动设备云系统的任务处理方法和装置 |
CN110519370A (zh) * | 2019-08-28 | 2019-11-29 | 湘潭大学 | 一种基于设施选址问题的边缘计算资源分配方法 |
Non-Patent Citations (1)
Title |
---|
A Fast Algorithm for Energy-Saving Offloading With Reliability and Latency Requirements in Multi-Access Edge Computing;Haolin Liu;《IEEE》;20191223;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112866381A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kaur et al. | Data placement in era of cloud computing: a survey, taxonomy and open research issues | |
CN107273185B (zh) | 一种基于虚拟机的负载均衡控制方法 | |
CN110519370B (zh) | 一种基于设施选址问题的边缘计算资源分配方法 | |
CN102404385A (zh) | 面向高性能计算的虚拟集群部署系统和部署方法 | |
US20100325191A1 (en) | Management server and method for providing cloud computing service | |
CN111314120A (zh) | 基于迭代QoS模型的云软件服务资源自适应管理框架 | |
KR101882383B1 (ko) | 데스크톱 가상화 환경에서의 컨테이너 자원할당 장치 및 방법 | |
CN107203412A (zh) | 一种基于膜系统改进粒子群算法的云资源调度优化方法 | |
CN112866381B (zh) | 一种边缘计算中基于设施选址问题的任务冗余分配方法 | |
CN112181664B (zh) | 负载均衡方法及装置、计算机可读存储介质及电子设备 | |
CN110990154B (zh) | 一种大数据应用优化方法、装置及存储介质 | |
CN111835849A (zh) | 增强接入网服务能力的方法和装置 | |
CN111796933A (zh) | 资源调度方法、装置、存储介质和电子设备 | |
US20220229695A1 (en) | System and method for scheduling in a computing system | |
Chen et al. | Resource utilization and cost optimization oriented container placement for edge computing in industrial internet | |
CN113448714B (zh) | 基于云平台的计算资源控制系统 | |
CN112130927B (zh) | 一种可靠性增强的移动边缘计算任务卸载方法 | |
CN117331693A (zh) | 基于dag的边缘云的任务卸载方法、装置及设备 | |
CN112882805A (zh) | 一种任务资源约束的利润优化调度方法 | |
CN109783189B (zh) | 一种静态工作流调度方法与装置 | |
CN114466014B (zh) | 一种服务调度方法、装置、电子设备及存储介质 | |
CN110727511A (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 | |
CN116932199A (zh) | 云渲染方法、系统、装置、设备以及计算机存储介质 | |
Kumari et al. | Advanced fusion ACO approach for memory optimization in cloud computing environment | |
CN113762577A (zh) | 一种站点确定方法、装置、设备及计算机可读存储介质 |
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 |