CN113032146A - 一种面向多接入边缘计算环境的健壮性服务供应方法 - Google Patents
一种面向多接入边缘计算环境的健壮性服务供应方法 Download PDFInfo
- Publication number
- CN113032146A CN113032146A CN202110299727.4A CN202110299727A CN113032146A CN 113032146 A CN113032146 A CN 113032146A CN 202110299727 A CN202110299727 A CN 202110299727A CN 113032146 A CN113032146 A CN 113032146A
- Authority
- CN
- China
- Prior art keywords
- edge server
- service
- edge
- request
- cluster system
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种面向多接入边缘计算环境的健壮性服务供应方法,首次研究了MEC环境中服务供应的边缘服务器集群系统健壮性和部署成本之间的关系,调查并量化了基于MEC的服务提供边缘服务器集群系统的健壮性,并考虑了采用不同部署策略来部署这些服务的成本。本发明提出了一种算法,通过引入CVaR条件风险价值,并通过一定数学手段将该问题转化为凸问题,该算法可实现在满足边缘服务器集群系统资源约束以及健壮性约束的情况下,生成适当的资源分配和流量调度策略,使部署成本最小化。
Description
技术领域
本发明属于多接入边缘计算领域,具体涉及一种面向多接入边缘计算环境中健壮的服务供应方法。
背景技术
随着移动计算技术的发展,我们现在正在拥抱智能移动计算的时代。根据全球移动通信边缘服务器集群系统协会的报告,全球约有51亿人订阅了移动服务,并且这一数字将继续增长,到2025年之前年均增长率为1.9%。在使用这些服务期间,大量用户交互数据将作为新的数据集,以进一步训练更好的AI模型,然后进而改善服务的用户体验。
然而,由于信道的不稳定和移动设备的资源有限,使用户无法获得高效和无缝的体验。例如,移动设备的低计算能力和能量存储限制了智能服务的普及,并且分组丢失导致紧急消息的外部等待时间。为了解决这些相关问题,多接入边缘计算(MEC)范式被提出。作为移动云计算的增强,MEC优化了移动资源使用和无线网络,以提供上下文感知服务。借助它的帮助,可以将移动设备与云之间的计算和传输迁移到边缘服务器。
在MEC范式中,用户可以轻松地通过无线网络连接到附近的边缘服务器——用户与边缘服务器之间的短距离连接可以大大减少延迟,并且可以使用边缘服务器的资源来完成常规任务。此外,边缘服务器不会单独行动——借助群集管理技术,例如EdgeSite,边缘服务器可以相互协调以充分利用计算资源。例如,一台边缘服务器可以将用户的请求分派给另一个可以处理该用户请求的服务器。此外,借助Kubernetes等平台即服务(PaaS)技术,即可轻松将资源分配给服务。但是,以上优点不能成为在MEC环境中进行粗糙的资源分配和服务调度的原因。例如,如果为热门服务分配的资源很少(例如,分配了较小带宽的热门视频),或者不稳定的网络连接承担了沉重的负担,或者向具有足够资源的服务发送的请求很少,尤其是当这些服务是使用广泛的计算密集、数据密集的AI服务时,其服务供应边缘服务器集群系统既不能满足用户的高质量体验需求,也不能满足提供者的高性能供给需求。毫无疑问,服务提供者可以为其服务分配大量资源以提供更好的用户体验,但是使用这些资源的开销将成为一个巨大的瓶颈,特别是在边缘服务器资源受限的情况下。因此,设计一种同时考虑资源分配和服务调度的、提供健壮服务的策略是非常重要的。
发明内容
针对现有技术所存在的上述技术问题,本发明的目的是提供一种面向多接入边缘计算环境的健壮性服务供应方法,能让服务供应边缘服务器集群系统在满足健壮性约束的条件下尽可能节约资源、降低开销。为此,本发明采用以下技术方案:
一种面向多接入边缘计算环境的健壮性服务供应方法,包括如下步骤:
(1)收集并统计边缘服务器集群系统中所部署服务的平均所需输入数据量大小以及各边缘服务器与它们所服务用户的平均数据传输速度,计算出边缘服务器到用户端的数据传输延迟矩阵lA;
(2)根据边缘服务器集群系统中部署的各服务平均输入数据大小以及各边缘服务器之间的平均数据传输带宽,计算出边缘服务器之间的数据传输延迟张量lR;
(3)根据各服务的平均输出数据大小以及各边缘服务器之间的平均数据传输带宽和边缘服务器到用户端的平均数据传输速度,计算出返回数据的传输延迟张量lB;
(4)根据边缘服务器集群系统中处理每个服务对应的请求所需要的资源数,即边缘服务器处理该请求的工作负载,以及各边缘服务器对边缘服务器集群系统中各个服务的处理能力,计算出在单位时间内各边缘服务器所能够处理的各任务的数量矩阵γ;其中边缘服务器对所有任务的处理能力总和要满足资源上限约束;
(5)获取关于各服务的请求到达各个边缘服务器的到达率,根据每个服务请求经由接入边缘服务器路由到执行边缘服务器的概率张量θ,计算出对每个边缘服务器实际处理的平均请求到达率,即单位时间内关于各个服务的请求需要被执行边缘服务器进行处理的数量;结合单位时间内边缘服务器k对关于服务i请求的处理数量γk,i,根据M/M/1排队模型中的‘里特尔’规则,可以计算出边缘服务器集群系统对每个请求的处理时延;
(6)获取当前边缘服务器集群系统中各边缘服务器之间的连接情况,当两台服务器之间无法建立连接时,则获取错误信息数据大小;
(7)根据所述信息可以获得边缘服务器集群系统中任意服务请求所需要的处理延迟li,j,k;
(8)根据各服务请求对边缘服务器的请求到达率矩阵Λ,以及各服务请求在边缘服务器之间的路由概率张量θ,计算出各服务请求的一个闭环处理在整个边缘服务器集群系统中所占的比重,由此加权计算出整个边缘服务器集群系统的平均时延,该时延满足给定上限约束;
(9)获取边缘服务器集群系统中各边缘服务器在单位时间内分配单位资源所需要消耗的η,可以得到优化目标函数:
其中,C为边缘服务器集群系统在单位时间内处理所有请求的总成本,μj,i即边缘服务器j对服务i分配的资源数。
(10)对上述目标函数C进行最小化求解,以求得矩阵μ和张量θ,即每台边缘服务器针对每个服务所提供的处理能力,以及一个服务请求经由一台边缘服务器路由到另一台边缘服务器的概率;
(11)根据上述求得的矩阵μ和张量θ,进行对每个边缘服务器针对每一种服务提供处理能力的资源分配,以及设置每种服务请求路由到其他边缘服务器的概率参数,即可实现在给定时延约束,以及各边缘服务器负载上限的情况下,实现边缘服务器的计算代价最小化。
进一步地,矩阵lA中,每行对应一个服务,每列对应一台边缘服务器,每个元素由服务平均输入数据大小dI与边缘服务器和使用该服务的客户端间的数据传输速率v相除得到。
进一步地,张量lR与lB均为3D张量,形状均为M*N*N,其中M为服务数,N为边缘服务器数;其中每个元素为关于服务i的请求经由边缘服务器j路由到边缘服务器k时所产生的数据传输延迟,其中lR为输入数据在边缘服务器之间的传输延迟,lB为输出数据的总传输延迟,即边缘服务器之间的传输延迟加上边缘服务器到用户端的传输延迟。
进一步地,矩阵γ中,其中每行对应一个边缘服务器,每列对应一个服务,因此其中第k行第i列元素γk,i即为边缘服务器k对服务i的处理能力,即单位时间内边缘服务器k处理关于服务i请求的数量,其数值由边缘服务器k分配给服务i的资源μk,i除以每个服务所需的资源数wi计算得到;由于边缘服务器存在负载上限,因此有约束其中即为边缘服务器k的负载上限。θ为一个3D张量形状为M*N*N,其中元素θi,j,k为关于服务i的请求经由边缘服务器j路由到边缘服务器k进行处理的概率,其中0≤θi,j,k≤1,因此有约束
进一步地,关于服务i的请求到达边缘服务器j的到达率,即单位时间到达请求的数量为Λj,i,因此对于边缘服务器k所需要处理的请求i的到达率λk,i,有由此,对于一个关于服务i的请求,边缘服务器k的处理时延根据‘里特尔’规则可以计算为
进一步地,由于实际链路具有不稳定性,故引入矩阵y表示当前边缘服务器集群系统中各边缘服务器的连通性,其中元素yj,k为1则表示边缘服务器j和k之间存在连接,为0则不存在;且当不存在连接时,对关于服务i的请求,边缘服务器j会直接返回错误信息,因此有时延
进一步地,每个请求的一次闭环处理在整个边缘服务器集群系统中所占的比重Pr(Ai,j,k),根据各服务请求对边缘服务器的请求到达率Λj,i,以及各服务请求在边缘服务器之间的路由概率θi,j,k,可得其中整个边缘服务器集群系统收到的所有请求的总数
本发明首次研究了MEC环境中服务供应的边缘服务器集群系统健壮性和部署成本之间的关系,调查并量化了基于MEC的服务提供边缘服务器集群系统的健壮性,并考虑了采用不同部署策略来部署这些服务的成本。本发明提出了一种算法,该算法可实现在满足边缘服务器集群系统资源约束以及健壮性约束的情况下,生成适当的资源分配和流量调度策略,使部署成本最小化。
附图说明
图1为边缘服务器集群系统处理一次用户请求的闭环图。
具体实施方式
为了更为具体地描述本发明,下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
本发明基于面向多接入边缘计算环境的健壮性服务供应方法,包括以下步骤:
(4)根据边缘服务器集群系统中处理每个服务对应的请求所需要的资源数/工作负载wi,以及各边缘服务器对边缘服务器集群系统中各个服务的处理能力μk,i,计算出在单位时间内各边缘服务器所能够处理的各任务的数量其中边缘服务器对所有任务的处理能力总和要满足资源上限约束μ*,即
(5)获取关于各服务的请求到达各个边缘服务器的到达率Λj,i,根据每个服务请求经由服务器j路由到k的概率θ,计算出对每个边缘服务器实际处理的平均请求到达率即单位时间内关于各个服务的请求需要被边缘服务器k进行处理的数量。结合单位时间内边缘服务器k对关于服务i请求的处理数量γk,i,根据M/M/1排队模型中的‘里特尔’规则,可以计算出边缘服务器集群系统对每个请求的处理时延
(6)由于实际链路具有不稳定性,故引入矩阵y表示当前边缘服务器集群系统中各边缘服务器的连通性,其中元素yj,k为1则表示边缘服务器j和k之间存在连接,为0则不存在。且当不存在连接时,对关于服务i的请求,边缘服务器j会直接返回错误信息,因此有时延
(8)令x=(μ,θ),使得根据各服务请求对边缘服务器的请求到达率Λj,i,以及各服务请求在边缘服务器之间的路由概率θi,j,k,计算出各服务请求的一个闭环处理在整个边缘服务器集群系统中所占的比重,即由此计算出整个边缘服务器集群系统的平均时延 该时延需要满足给定上限约束其中
(10)获取边缘服务器集群系统中各边缘服务器在单位时间内分配单位资源所需要消耗的成本μ,可以得到优化目标函数
(11)根据上述问题,有优化问题P1:
s.t.
x≥0,ξ∈R
s.t.
x≥0,ξ∈R
(13)对上述目标函数C进行最小化求解,以求得矩阵μ和张量θ,即每台边缘服务器针对每个服务所提供的处理能力,以及一个服务请求经由一台边缘服务器路由到另一台边缘服务器的概率;
(14)根据上述求得的矩阵μ和张量θ,进行对每个边缘服务器针对每一种服务提供处理能力的资源分配,以及设置每种服务请求路由到其他边缘服务器的概率参数,即可实现在给定时延约束,以及各边缘服务器负载上限的情况下,实现边缘服务器的计算代价最小化;
上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于上述实施例,本领域技术人员根据本发明的揭示,对于本发明做出的改进和修改都应该在本发明的保护范围之内。
Claims (10)
1.一种面向多接入边缘计算环境的健壮性服务供应方法,其特征在于包括如下步骤:
(1)收集并统计边缘服务器集群系统中所部署服务的平均所需输入数据量大小以及各边缘服务器与它们所服务用户的平均数据传输速度,计算出边缘服务器到用户端的数据传输延迟矩阵lA;
(2)根据边缘服务器集群系统中部署的各服务平均输入数据大小以及各边缘服务器之间的平均数据传输带宽,计算出边缘服务器之间的数据传输延迟张量lR;
(3)根据各服务的平均输出数据大小以及各边缘服务器之间的平均数据传输带宽和边缘服务器到用户端的平均数据传输速度,计算出返回数据的传输延迟张量lB;
(4)根据边缘服务器集群系统中处理每个服务对应的请求所需要的资源数,即边缘服务器处理该请求的工作负载,以及各边缘服务器对边缘服务器集群系统中各个服务的处理能力,计算出在单位时间内各边缘服务器所能够处理的各任务的数量矩阵γ;其中边缘服务器对所有任务的处理能力总和要满足资源上限约束;
(5)获取关于各服务的请求到达各个边缘服务器的到达率,根据每个服务请求经由接入边缘服务器路由到执行边缘服务器的概率张量θ,计算出对每个边缘服务器实际处理的平均请求到达率,即单位时间内关于各个服务的请求需要被执行边缘服务器进行处理的数量;结合单位时间内边缘服务器k对关于服务i请求的处理数量γk,i,根据M/M/1排队模型中的‘里特尔’规则,可以计算出边缘服务器集群系统对每个请求的处理时延;
(6)获取当前边缘服务器集群系统中各边缘服务器之间的连接情况,当两台服务器之间无法建立连接时,则获取错误信息数据大小;
(7)根据所述信息可以获得边缘服务器集群系统中任意服务请求所需要的处理延迟li,j,k;
(8)根据各服务请求对边缘服务器的请求到达率矩阵Λ,以及各服务请求在边缘服务器之间的路由概率张量θ,计算出各服务请求的一个闭环处理在整个边缘服务器集群系统中所占的比重,由此加权计算出整个边缘服务器集群系统的平均时延,该时延满足给定上限约束;
(9)获取边缘服务器集群系统中各边缘服务器在单位时间内分配单位资源所需要消耗的η,可以得到优化目标函数:
其中,C为边缘服务器集群系统当前状态下在单位时间内处理所有请求的总成本,μj,i即边缘服务器j对服务i分配的资源数。
(10)对上述目标函数C进行最小化求解,以求得矩阵μ和张量θ,其中对应元素即每台边缘服务器针对每个服务所提供的处理能力,以及一个服务请求经由一台边缘服务器路由到另一台边缘服务器的概率;
(11)根据上述求得的矩阵μ和张量θ,进行对每个边缘服务器针对每一种服务提供处理能力的资源分配,以及设置每种服务请求路由到其他边缘服务器的概率参数,即可实现在给定时延约束,以及各边缘服务器负载上限的情况下,实现边缘服务器的计算代价最小化。
2.根据权利要求1所述的服务供应方法,其特征在于:矩阵lA中,每行对应一个服务,每列对应一台边缘服务器,每个元素由服务平均输入数据大小dI与边缘服务器和使用该服务的客户端间的数据传输速率v相除得到。
3.根据权利要求1所述的服务供应方法,其特征在于:张量lR与lB均为3D张量,形状均为M*N*N,其中M为服务数,N为边缘服务器数;其中每个元素为关于服务i的请求经由边缘服务器j路由到边缘服务器k时所产生的数据传输延迟,其中lR为输入数据在边缘服务器之间的传输延迟,lB为输出数据的总传输延迟,即边缘服务器之间的传输延迟加上边缘服务器到用户端的传输延迟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110299727.4A CN113032146A (zh) | 2021-03-19 | 2021-03-19 | 一种面向多接入边缘计算环境的健壮性服务供应方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110299727.4A CN113032146A (zh) | 2021-03-19 | 2021-03-19 | 一种面向多接入边缘计算环境的健壮性服务供应方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113032146A true CN113032146A (zh) | 2021-06-25 |
Family
ID=76471990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110299727.4A Withdrawn CN113032146A (zh) | 2021-03-19 | 2021-03-19 | 一种面向多接入边缘计算环境的健壮性服务供应方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032146A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419867A (zh) * | 2021-08-23 | 2021-09-21 | 浙大城市学院 | 一种面向边云协同计算环境中节能的服务供应方法 |
CN113485718A (zh) * | 2021-06-29 | 2021-10-08 | 浙大城市学院 | 面向边云协同系统中的上下文感知AIoT应用程序部署方法 |
-
2021
- 2021-03-19 CN CN202110299727.4A patent/CN113032146A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485718A (zh) * | 2021-06-29 | 2021-10-08 | 浙大城市学院 | 面向边云协同系统中的上下文感知AIoT应用程序部署方法 |
CN113485718B (zh) * | 2021-06-29 | 2023-11-03 | 浙大城市学院 | 面向边云协同系统中的上下文感知AIoT应用程序部署方法 |
CN113419867A (zh) * | 2021-08-23 | 2021-09-21 | 浙大城市学院 | 一种面向边云协同计算环境中节能的服务供应方法 |
CN113419867B (zh) * | 2021-08-23 | 2022-01-18 | 浙大城市学院 | 一种面向边云协同计算环境中节能的服务供应方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110187973B (zh) | 一种面向边缘计算的服务部署优化方法 | |
CN108509276B (zh) | 一种边缘计算环境中的视频任务动态迁移方法 | |
CN107450982B (zh) | 一种基于系统状态的任务调度方法 | |
CN110198278B (zh) | 一种车联网云端和边缘联合任务调度的Lyapunov优化方法 | |
CN111475274B (zh) | 云协同多任务调度方法及装置 | |
CN111953758A (zh) | 一种边缘网络计算卸载和任务迁移方法及装置 | |
CN110996393A (zh) | 一种单边缘计算服务器与多用户协同的计算卸载与资源分配方法 | |
CN112084026B (zh) | 基于粒子群的低能耗边缘计算资源部署系统及方法 | |
CN110519783B (zh) | 基于增强学习的5g网络切片资源分配方法 | |
CN113419867B (zh) | 一种面向边云协同计算环境中节能的服务供应方法 | |
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 | |
CN112395090B (zh) | 一种移动边缘计算中服务放置的智能混合优化方法 | |
CN112650581A (zh) | 一种面向智能楼宇的云边协同任务调度方法 | |
CN107666448B (zh) | 一种时延感知下的5g虚拟接入网映射方法 | |
CN107846371B (zh) | 一种多媒体业务QoE资源分配方法 | |
Sun et al. | Energy-efficient multimedia task assignment and computing offloading for mobile edge computing networks | |
CN113918240B (zh) | 任务卸载方法及装置 | |
CN113784373A (zh) | 云边协同网络中时延和频谱占用联合优化方法及系统 | |
CN113490279B (zh) | 一种网络切片配置方法及装置 | |
CN113254095B (zh) | 云边结合平台的任务卸载、调度与负载均衡系统、方法 | |
CN113032146A (zh) | 一种面向多接入边缘计算环境的健壮性服务供应方法 | |
CN109743217B (zh) | 一种基于svra算法的自适应资源调节方法 | |
CN113778677A (zh) | 面向sla的云边协同资源编排与请求调度智能优化方法 | |
Wang et al. | An energy saving based on task migration for mobile edge computing | |
CN109639833A (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210625 |
|
WW01 | Invention patent application withdrawn after publication |