CN112954026A - 一种基于边缘计算的多约束内容协作缓存优化方法 - Google Patents

Abstract

本发明请求保护一种基于边缘计算的多约束内容协作缓存优化方法，属于通信技术领域。针对边缘计算架构中的内容缓存配置问题，提出一种边缘服务器间协作缓存优化方法。根据内容的流行度和文件大小，用户与边缘服务器的位置分布，以及边缘服务器缓存容量等约束条件，采用禁忌搜索算法模型对缓存内容和缓存位置进行迭代优化，最大化边缘协作服务器的资源利用率，从而有效提高缓存命中率，降低内容平均下载时延。

Description

一种基于边缘计算的多约束内容协作缓存优化方法

技术领域

本发明属于通信技术领域，具体涉及一种基于边缘计算的多约束内容协作缓存优化方法。

背景技术

近年来，随着无线通信技术的飞速发展，移动设备的大量使用以及多媒体服务的不断出现，移动数据流量呈指数级增长，欧洲电信标准协会(EuropeanTelecommunications Standards Institute,ETSI)提出的基于5G演进架构的移动边缘计算计算(Mobile Edge Computing,MEC)，为移动互联网业务的发展提供了技术支持。MEC将云缓存和云计算下沉至网络边缘，从而减轻了网络流量压力并且大大缩短了服务响应时间。MEC边缘服务器不仅提供计算资源，而且还可以用作缓存节点来缓存用户请求的流行内容，因此，边缘缓存利用支持缓存的边缘服务器缓存流行的内容，以便这些内容可以直接从在靠近用户的边缘服务器上获取，而不是从远程云服务器传输，可以减少回程链路中的流量负载，有效地缩短延迟时间并改善用户体验。

在数据流量呈爆炸式增长的同时，内容的多样性使得原本稀缺的边缘服务器资源变得越来越紧张，不能保证所有内容都能缓存到边缘服务器上。因此，边缘缓存应综合考虑内容的流行度和大小、用户位置分布以及边缘服务器缓存容量等条件，在众多缓存内容和边缘服务器之间进行权衡，优化缓存方法，以达到更高的缓存命中率和更低的延迟。

目前，大多数的缓存配置方案主要考虑内容流行度因素，并假设用户分布均匀、内容大小相等，对内容进行缓存，以实现命中率最大化，这类单一因素的缓存策略会造成内容分配不够优化，导致缓存命中率和内容下载时延指标难以进一步提升。为了解决以上问题，本发明综合考虑了内容的流行度和文件大小、用户与边缘服务器的位置分布，以及边缘服务器缓存容量等约束条件，提出一种基于边缘计算的多约束内容协作缓存优化方法，从而最大化边缘缓存命中率，最小化内容下载时延。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种有效提高边缘缓存命中率，降低内容平均下载时延的基于边缘计算的多约束内容协作缓存优化方法。本发明的技术方案如下：

一种基于边缘计算的多约束内容协作缓存优化方法，根据内容的流行度和文件大小，用户与边缘服务器的位置分布，以及边缘服务器缓存容量在内的约束条件，对内容进行缓存配置，具体包括以下步骤：

101、将云服务器中所有内容放入集合C＝{c}，所有边缘服务器放入集合M＝{m}，集合N＝{0}∪M，其中，c与m为大于0的整数，0代表云服务器，根据内容流行度P_c，对C中的内容进行初始缓存配置，得到初始缓存配置解空间

其中，

表示内容c是否缓存于边缘服务器m，当c缓存于m时，

否则，

102、建立禁忌搜索算法模型，设置最大迭代次数T和连续无效迭代次数I，初始化变量t＝0，i＝0，禁忌表

根据初始配置X_cur和目标函数F(X)，计算目标函数值F(X_cur)，令X_opt＝X_cur，其中，X_opt为全局最优解；

103、t＝t+1，如果t＞T或i＞I，跳转至步骤107，否则，由当前解X_cur产生邻域候选解集{X}，跳转至步骤104；

104、如果所有候选解{X}均存在于当前禁忌表中，将其中的最优解进行解禁并赋值给X_cur，跳转至步骤105，否则，在所有候选解{X}中找到目标函数值F(X)最小且不在禁忌表H中的解，赋值给X_cur，跳转至步骤105；

105、将禁忌表H中X_cur的禁忌长度置为L，其他对象的禁忌长度减1，并删除禁忌长度为0的对象；

106、如果目标函数值F(X_cur)<F(X_opt)，令X_opt＝X_cur，i＝0，跳转到步骤103，否则，令i＝i+1，跳转至步骤103；

107、得到最优缓存配置方案

算法结束。

进一步的，所述步骤101中对C中内容进行初始缓存配置的步骤包括：

1)集合C中各内容c的流行度P_c服从Zipf分布，根据边缘服务器和用户的位置，确定每个边缘服务器m下覆盖的用户数为N_m；

2)对C中的内容根据对应的P_c大小降序排列，对M中的边缘服务器按覆盖用户数N_m的大小降序排列；

3)根据最大优先原则，依次将C中的内容缓存至M中的边缘服务器，直到所有边缘服务器都达到缓存容量上限，得到初始缓存解

算法结束。

进一步的，所述步骤3)中边缘服务器缓存容量的约束条件如公式(1)所示，

公式(1)中，s_c表示内容c的大小，r_m表示边缘服务器m的缓存容量。

进一步的，所述步骤102、104和106中目标函数F(X)的定义如公式(2)所示，

公式(2)中，

表示内容c是否缓存于边缘服务器m，当c缓存于m时，

否则，

P_c表示内容c的流行度，N_m表示边缘服务器m覆盖的用户数，

表示边缘服务器m覆盖的用户请求服务器n上内容c的时延，其计算方法如公式(3)所示，

表示边缘服务器m覆盖的用户与服务器n上内容c的关系，其满足约束条件如公式(4)、(5)、(6)所示，当m下的用户访问n中的内容c时，

否则，

公式(3)中，v_m,n表示服务器m与n间的传输速率，v_m,m表示边缘服务器m与其覆盖用户间的传输速率，v_m,m′表示边缘服务器m与m′间的传输速率，公式(4)用于约束一次业务请求只能从一个服务器获取内容；公式(5)用于约束用户只能从具有相应内容副本的服务器下载该内容，公式(6)确保云服务器包含所有内容副本。

进一步的，所述步骤103中根据当前解产生邻域候选解集，解集包含|M|·(|M|-1)/2+|M|＝(|M|²+|M|)/2个候选解，候选解产生方式如下：

方式1：在满足边缘服务器容量约束条件下，选择任一边缘服务器m中

对应的内容c与其余任意一个边缘服务器中的任意内容c′交换位置，作为一个候选解，以此方法产生|M|·(|M|-1)/2个候选解；

方式2：在满足边缘服务器容量约束条件下，依次选择云服务器中

对应的内容c替换边缘服务器m′中任意内容c′，作为一个候选解，以此方法产生|M|个候选解，其中，

表示内容c存储于云服务器0，

表示用户从边缘服务器m′请求存储于云服务器0的内容c，

表示边缘服务器m请求存储于云服务器0的内容c的时延。

本发明的优点及有益效果如下：

本发明针对边缘计算架构中内容缓存配置问题，本发明提出基于边缘计算的多约束内容协作缓存优化方法，对内容进行缓存配置。本发明根据内容的流行度和文件大小、用户和边缘服务器的位置分布，在满足边缘服务器缓存容量约束前提下，对内容进行初始缓存配置；采用禁忌搜索算法模型，避免产生局部最优解，保证目标函数的快速收敛，对内容缓存策略进行迭代优化，相比于单一因素的缓存策略，能够有效提高边缘缓存命中率，降低内容平均下载时延。

附图说明

图1是本发明提供优选实施例基于边缘计算的多约束内容协作缓存优化方法流程图。

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

假设边缘-云协作缓存网络模型，其中包括一个云服务器和多个边缘节点，云服务器中包含所有内容副本，边缘节点由基站和边缘服务器组成，云服务器和边缘服务器利用回程链路通信，将内容分发至各个边缘服务器，边缘服务器之间通过光纤连接，使得各个边缘服务器之间可以相互通信。

2.本发明内容所涉及的其他符号说明如下：

C：内容集合

M：边缘服务器集合

N：带有云服务器的所有服务器集合

s_c：内容c的大小

P_c：内容c的流行度

r_m：边缘服务器m的缓存容量

N_m：边缘服务器m覆盖的用户数

v_m,n：表示服务器m与n间的传输速率

v_m,m：表示边缘服务器m与其覆盖用户间的传输速率

v_m,m′：表示边缘服务器m与m′间的传输速率

边缘服务器m覆盖的用户请求服务器n上内容c的时延

本发明的技术方案说明如下：

1、初始配置方法

步骤1：集合C中各内容c的流行度P_c服从Zipf分布，根据边缘服务器和用户的位置，确定每个边缘服务器m下覆盖的用户数为N_m；

步骤2：对C中的内容根据对应的P_c大小降序排列，对M中的边缘服务器按覆盖用户数N_m的大小降序排列；

步骤3：根据最大优先原则，依次将C中的内容缓存至M中的边缘服务器，直到所有边缘服务器都达到缓存容量上限，得到初始缓存解

算法结束。

2、边缘服务器缓存容量约束

如公式(1)所示：

公式(1)中，s_c表示内容c的大小，r_m表示边缘服务器m的缓存容量。

3、目标函数F(X)：

如公式(2)所示：

公式(2)中，

表示内容c是否缓存于边缘服务器m，当c缓存于m时，

否则，

P_c表示内容c的流行度，N_m表示边缘服务器m覆盖的用户数，

表示服务器m覆盖的用户请求服务器n上内容c的时延，其计算方法如公式(3)所示。

表示边缘服务器m覆盖的用户与服务器n上内容c的关系，其满足约束条件如公式(4)、(5)、(6)所示，当m下的用户访问n中的内容c时，

否则，

公式(3)中，v_m,n表示服务器m与n间的传输速率，v_m,m表示边缘服务器m与其覆盖用户间的传输速率，v_m,m′表示边缘服务器m与m′间的传输速率，公式(4)用于约束一次业务请求只能从一个服务器获取内容；公式(5)用于约束用户只能从具有相应内容副本的服务器下载该内容，公式(6)确保云服务器包含所有内容副本。

4、根据当前解产生邻域候选解集，解集包含|M|(|M|·-1)/2+|M|＝(|M|²+|M|)/2个候选解，候选解产生方式如下：

方式1：在满足边缘服务器容量约束条件下，选择任一边缘服务器m中

对应的内容c与其余任意一个边缘服务器中的任意内容c′交换位置，作为一个候选解，以此方法产生|M|·(|M|-1)/2个候选解。

方式2：在满足边缘服务器容量约束条件下，依次选择云服务器中

对应的内容c替换边缘服务器m′中任意内容c′，作为一个候选解，以此方法产生|M|个候选解，其中，

表示内容c存储于云服务器0，

表示用户从边缘服务器m′请求存储于云服务器0的内容c，

表示边缘服务器m请求存储于云服务器0的内容c的时延。

一种基于边缘计算的多约束内容协作缓存优化方法，其具体实施方法包括以下步骤：

步骤1：将云服务器中所有内容放入集合C＝{c}，所有边缘服务器放入集合M＝{m}，集合N＝{0}∪M，其中，c与m为大于0的整数，0代表云服务器，根据内容流行度P_c，对C中的内容进行初始缓存配置，得到初始缓存配置解空间

其中，

表示内容c是否缓存于边缘服务器m，当c缓存于m时，

否则，

步骤2：建立禁忌搜索算法模型，设置最大迭代次数T和连续无效迭代次数I，初始化变量t＝0，i＝0，禁忌表

根据初始配置X_cur和目标函数F(X)，计算目标函数值F(X_cur)，令X_opt＝X_cur，其中，X_opt为全局最优解；

步骤3：t＝t+1，如果t＞T或i＞I，则跳转至步骤7，否则，由当前解X_cur产生邻域候选解集{X}，跳转至步骤4；

步骤4：如果所有候选解{X}均存在于当前禁忌表中，将其中的最优解进行解禁并赋值给X_cur，跳转至步骤105，否则，在所有候选解{X}中找到目标函数值F(X)最小且不在禁忌表H中的解，赋值给X_cur，跳转至步骤5；步骤5：将禁忌表H中X_cur的禁忌长度置为L，其他对象的禁忌长度减1，并删除禁忌长度为0的对象；

步骤6：如果目标函数值F(X_cur)<F(X_opt)，令X_opt＝X_cur，i＝0，跳转到步骤3，

否则，令i＝i+1，跳转至步骤3；

步骤7：得到最优缓存配置方案

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 (5)

1.一种基于边缘计算的多约束内容协作缓存优化方法，其特征在于，根据内容的流行度和文件大小，用户与边缘服务器的位置分布，以及边缘服务器缓存容量在内的约束条件，对内容进行缓存配置，具体包括以下步骤：

101、将云服务器中所有内容放入集合C＝{c}，所有边缘服务器放入集合M＝{m}，集合N＝{0}∪M，其中，c与m为大于0的整数，0代表云服务器，根据内容流行度P_c，对C中的内容进行初始缓存配置，得到初始缓存配置解空间

其中，

表示内容c是否缓存于边缘服务器m，当c缓存于m时，

否则，

102、建立禁忌搜索算法模型，设置最大迭代次数T和连续无效迭代次数I，初始化变量t＝0，i＝0，禁忌表

根据初始配置X_cur和目标函数F(X)，计算目标函数值F(X_cur)，令X_opt＝X_cur，其中，X_opt为全局最优解；

103、t＝t+1，如果t＞T或i＞I，跳转至步骤107，否则，由当前解X_cur产生邻域候选解集{X}，跳转至步骤104；

104、如果所有候选解{X}均存在于当前禁忌表中，将其中的最优解进行解禁并赋值给X_cur，跳转至步骤105，否则，在所有候选解{X}中找到目标函数值F(X)最小且不在禁忌表H中的解，赋值给X_cur，跳转至步骤105；

105、将禁忌表H中X_cur的禁忌长度置为L，其他对象的禁忌长度减1，并删除禁忌长度为0的对象；

106、如果目标函数值F(X_cur)＜F(X_opt)，令X_opt＝X_cur，i＝0，跳转到步骤103，否则，令i＝i+1，跳转至步骤103；

107、得到最优缓存配置方案

算法结束。

2.根据权利要求1所述的一种基于边缘计算的多约束内容协作缓存优化方法，其特征在于，所述步骤101中对C中内容进行初始缓存配置的步骤包括：

1)集合C中各内容c的流行度P_c服从Zipf分布，根据边缘服务器和用户的位置，确定每个边缘服务器m下覆盖的用户数为N_m；

2)对C中的内容根据对应的P_c大小降序排列，对M中的边缘服务器按覆盖用户数N_m的大小降序排列；

3)根据最大优先原则，依次将C中的内容缓存至M中的边缘服务器，直到所有边缘服务器都达到缓存容量上限，得到初始缓存解

算法结束。

3.根据权利要求2所述的一种基于边缘计算的多约束内容协作缓存优化方法，其特征在于，所述步骤3)中边缘服务器缓存容量的约束条件如公式(1)所示，

公式(1)中，s_c表示内容c的大小，r_m表示边缘服务器m的缓存容量。

4.根据权利要求1-3所述的一种基于边缘计算的多约束内容协作缓存优化方法，其特征在于，所述步骤102、104和106中目标函数F(X)的定义如公式(2)所示，

公式(2)中，

表示内容c是否缓存于边缘服务器m，当c缓存于m时，

否则，

P_c表示内容c的流行度，N_m表示边缘服务器m覆盖的用户数，

表示边缘服务器m覆盖的用户请求服务器n上内容c的时延，其计算方法如公式(3)所示，

表示边缘服务器m覆盖的用户与服务器n上内容c的关系，其满足约束条件如公式(4)、(5)、(6)所示，当m下的用户访问n中的内容c时，

否则，

公式(3)中，v_m,n表示服务器m与n间的传输速率，v_m,m表示边缘服务器m与其覆盖用户间的传输速率，v_m,m′表示边缘服务器m与m′间的传输速率，公式(4)用于约束一次业务请求只能从一个服务器获取内容；公式(5)用于约束用户只能从具有相应内容副本的服务器下载该内容，公式(6)确保云服务器包含所有内容副本。

5.根据权利要求1-3之一所述的一种基于边缘计算的多约束内容协作缓存优化方法，其特征在于，所述步骤103中根据当前解产生邻域候选解集，解集包含|M|·(|M|-1)/2+|M|＝(|M|²+|M|)/2个候选解，候选解产生方式如下：

方式1：在满足边缘服务器容量约束条件下，选择任一边缘服务器m中

对应的内容c与其余任意一个边缘服务器中的任意内容c′交换位置，作为一个候选解，以此方法产生|M|·(|M|-1)/2个候选解；

方式2：在满足边缘服务器容量约束条件下，依次选择云服务器中

对应的内容c替换边缘服务器m′中任意内容c′，作为一个候选解，以此方法产生|M|个候选解，其中，

表示内容c存储于云服务器0，

表示用户从边缘服务器m′请求存储于云服务器0的内容c，

表示边缘服务器m请求存储于云服务器0的内容c的时延。

Images