CN113419867A - 一种面向边云协同计算环境中节能的服务供应方法 - Google Patents
一种面向边云协同计算环境中节能的服务供应方法 Download PDFInfo
- Publication number
- CN113419867A CN113419867A CN202110965082.3A CN202110965082A CN113419867A CN 113419867 A CN113419867 A CN 113419867A CN 202110965082 A CN202110965082 A CN 202110965082A CN 113419867 A CN113419867 A CN 113419867A
- Authority
- CN
- China
- Prior art keywords
- edge
- service
- edge server
- cloud
- server
- 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
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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/08—Error detection or correction by redundancy in data representation, e.g. by using checking codes
- G06F11/10—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's
- G06F11/1008—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's in individual solid state devices
- G06F11/1044—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's in individual solid state devices with specific ECC/EDC distribution
-
- 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
- G06F9/5072—Grid computing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Computer And Data Communications (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种面向边云协同计算环境中节能的服务供应方法,基于ECC系统中边缘服务器和云服务器的协作,使用不同的流量调度策略对它们之间的连接进行建模;同时考虑了ECC系统中每个服务实例运行时的资源分配,提出了合理的平衡模型来量化资源分配策略的可靠性;进而基于边缘服务器的能耗,根据ECC服务器中分配的资源为边缘服务器建立了服务供应的能耗模型,对ECC系统中的能效性能优化问题进行数学建模,并使用现有的凸优化算法以易于解决的方式对其进行求解,从而能让服务供应云边协同系统在在满足边云协同系统资源约束、给定能耗上限约束以及系统相对可靠的情况下,生成适当的资源分配和流量调度策略,实现服务请求处理时间的最小化目标。
Description
技术领域
本发明属于多接入边缘计算领域,具体涉及一种面向边云协同计算环境中节能的服务供应方法。
背景技术
随着移动计算技术的发展,物联网(Internet of Things, IoT)技术及其市场飞速发展。根据全球移动通信系统协会(Global System for Mobile CommunicationsAssociation, GSMA)的报告,预计到2024年,全球蜂窝物联网连接总数将达到32亿。毫无疑问,物联网技术将在日常生活中扮演越来越重要的角色,并重塑人们与世界的联结方式。
但是,由于使用场景的原因,IoT设备通常没有足够的容量来集成高性能计算或存储组件,需要将收集或感测到的信息上传到云中以进行进一步分析。在此过程中,长距离通信的不稳定性将使IoT用户无法获得高效无缝的体验,尤其是当大量的IoT设备同时访问云从而导致数据量暴涨时。
为了解决这些相关问题,研究人员提出了基于多接入边缘计算(Multi-accessEdge Computing, MEC)范式的边云协同(Edge-Cloud Collaboration, ECC)系统。借助其帮助,IoT设备与云之间的计算和传输被部分迁移到边缘服务器。以便IoT设备可以轻松地通过无线网络连接到附近的边缘服务器,并将计算任务分配给它们。
用户和边缘服务器之间的短距离连接可以大大减少等待时间,并且可以充分利用边缘服务器的计算能力来完成常规任务。此外,边缘服务器不仅仅会单独发挥作用——借助EdgeSite等群集管理技术,边缘服务器之间可以相互协调以充分利用其资源。
例如,一台边缘服务器可以将服务请求分发到其他可以处理这些请求的服务器。而且,借助Kubernetes等平台即服务(Platform-as-a-Service, PaaS)技术的帮助,可以很容易地为服务分配资源。这样,通过将捕获的人脸图像与部署在边缘服务器上的人脸检测服务结合使用,可以很好地优化智能城市项目中的典型物联网数据分析任务(例如人脸识别)。
然而,这些优势不能成为在ECC环境中忽视资源分配和流量调度原因;例如,如果为紧急服务分配的资源很少,或者向具有多余资源的服务发送的请求很少,则ECC系统的性能将是不可接受的。更关键的是,如果资源分配组织不善,能耗将成为一个很大的挑战,更不用说边缘服务器通常是资源受限的。因此,为ECC系统中的IoT服务制定适当的资源分配和流量调度策略是非常重要的。
发明内容
针对现有技术所存在的上述技术问题,本发明提供了一种面向边云协同计算环境中节能的服务供应方法,能让服务供应云边协同系统在满足总能耗约束的条件下尽可能提高处理服务请求的效率,实现对给定服务请求量的处理时间最短。为此,本发明采用以下技术方案:
一种面向边云协同计算环境中节能的服务供应方法,包括如下步骤:
S3、根据边云协同系统中处理每个服务对应的请求所需要的资源数,以及各边缘服务器对边云协同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;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;
其中,能耗满足给定上限约束;S5、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,计算出对每个边缘服务器实际处理的平均请求到达率;结合单位时间内边缘服务器对关于服务请求的处理数量,根据M/M/1排队模型中的里特尔规则,计算出边云协同系统对每个请求的处理时延,进而获取边云协同系统中任意服务请求所需要的处理时间;
S7、根据各服务请求对边缘服务器的请求到达率矩阵,以及各服务请求在边缘服务器之间的路由概率张量,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长;
进一步的,步骤S5和S6中,张量和为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;其中为边云协同系统中任意服务请求所需要的处理时间,为IoT设备发起的一个服务请求从发出到数据上传到云端的总时间。
进一步的,步骤S3中,矩阵的每行对应一个边缘服务器,每列对应一个服务其中第k行第i列元素为边缘服务器对服务的处理能力,代表单位时间内边缘服务器处理关于服务请求的数量,其数值由边缘服务器分配给服务的资源除以每个服务所需的资源数计算得到;所述资源上限约束为:,其中即为边缘服务器的负载上限。
进一步的,步骤S7中,服务的请求到达边缘服务器的到达率代表单位时间到达请求的数量,对于边缘服务器所需要处理的请求的到达率,有;对于一个关于服务的请求,边缘服务器的处理时延为,根据里特尔规则可以计算为。
本发明的面向边云协同计算环境中节能的服务供应方法,基于ECC系统中边缘服务器和云的协作,并使用不同的流量调度策略对它们之间的连接进行建模;同时考虑了ECC系统中每个服务实例的分布以及分配给它们的资源,并提出了合理的平衡模型来量化资源分配策略的可靠性。进而基于边缘服务器的能耗,并根据ECC服务器中分配的资源为边缘服务器建立了一个简单而有效的能耗模型,对ECC系统中的能效性能优化问题进行数学建模,并使用现有的凸优化算法以易于解决的方式对其进行求解,从而能让服务供应云边协同系统在在满足边云协同系统资源约束、给定能耗上限约束以及系统相对可靠的情况下,生成适当的资源分配和流量调度策略,实现服务请求处理时间的最小化目标。
具体实施方式
为了更为具体地描述本发明,下面结合具体实施方式对本发明的技术方案进行详细说明。
本发明基于面向边云协同计算环境中节能的服务供应方法,包括以下步骤:
(4)根据边云协同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,以及各边缘服务器对边云协同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;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,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,根据每个服务请求经由服务器路由到的概率,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进行处理的数量。结合单位时间内边缘服务器对关于服务请求的处理数量,根据M/M/1排队模型中的‘里特尔’规则,计算出边云协同系统对每个请求的处理时延;
(7)令,使得,。根据各服务请求对边缘服务器的请求到达率,以及各服务请求在边缘服务器之间的路由概率,计算出各服务请求的一个闭环处理在整个边云协同系统中所占的比重,即,由此计算出整个边云协同系统的平均时延,也即优化目标函数:,
(14)根据上述求得的矩阵和张量,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,即可实现在给定能耗上限约束,各边缘服务器负载上限,以及系统相对可靠的情况下,实现服务请求处理时间的最小化。
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)
1.一种面向边云协同计算环境中节能的服务供应方法,其特征在于包括如下步骤:
S3、根据边云协同系统中处理每个服务对应的请求所需要的资源数,以及各边缘服务器对边云协同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;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;
其中,能耗满足给定上限约束;S5、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,计算出对每个边缘服务器实际处理的平均请求到达率;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,根据M/M/1排队模型中的里特尔规则,计算出边云协同系统对每个请求的处理时延,进而获取边云协同系统中任意服务请求所需要的处理时间;
S7、根据各服务请求对边缘服务器的请求到达率矩阵,以及各服务请求在边缘服务器之间的路由概率张量,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长;
S9、对由目标函数及能耗约束、可靠性约束构成的最优化问题进行最小化求解,求得矩阵和张量,从而得到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;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110965082.3A CN113419867B (zh) | 2021-08-23 | 2021-08-23 | 一种面向边云协同计算环境中节能的服务供应方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110965082.3A CN113419867B (zh) | 2021-08-23 | 2021-08-23 | 一种面向边云协同计算环境中节能的服务供应方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113419867A true CN113419867A (zh) | 2021-09-21 |
CN113419867B CN113419867B (zh) | 2022-01-18 |
Family
ID=77719137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110965082.3A Active CN113419867B (zh) | 2021-08-23 | 2021-08-23 | 一种面向边云协同计算环境中节能的服务供应方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113419867B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114615264A (zh) * | 2022-02-22 | 2022-06-10 | 东南大学 | 边云协同计算环境下的城市交通网络数据传输分配方法 |
CN114844900A (zh) * | 2022-05-05 | 2022-08-02 | 中南大学 | 一种基于不确定需求下的边云资源协作方法 |
CN114841952A (zh) * | 2022-04-28 | 2022-08-02 | 华南理工大学 | 一种云边协同的早产儿视网膜病变检测系统及检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187973A (zh) * | 2019-05-31 | 2019-08-30 | 浙江大学 | 一种面向边缘计算的服务部署优化方法 |
CN110928658A (zh) * | 2019-11-20 | 2020-03-27 | 湖南大学 | 一种车边云协同架构的协同任务迁移系统及算法 |
CN111356107A (zh) * | 2018-12-21 | 2020-06-30 | 大众汽车有限公司 | 用于运行分散式计算网络、尤其其边缘云计算机的方法 |
CN111756812A (zh) * | 2020-05-29 | 2020-10-09 | 华南理工大学 | 一种能耗感知的边云协同动态卸载调度方法 |
CN112689303A (zh) * | 2020-12-28 | 2021-04-20 | 西安电子科技大学 | 一种边云协同资源联合分配方法、系统及应用 |
CN112835708A (zh) * | 2020-12-14 | 2021-05-25 | 浙大城市学院 | 一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法 |
CN113032146A (zh) * | 2021-03-19 | 2021-06-25 | 浙大城市学院 | 一种面向多接入边缘计算环境的健壮性服务供应方法 |
CN113157430A (zh) * | 2020-12-14 | 2021-07-23 | 浙大城市学院 | 一种面向边缘计算环境中移动群体感知系统的低成本任务分配与服务部署方法 |
-
2021
- 2021-08-23 CN CN202110965082.3A patent/CN113419867B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111356107A (zh) * | 2018-12-21 | 2020-06-30 | 大众汽车有限公司 | 用于运行分散式计算网络、尤其其边缘云计算机的方法 |
US11012502B2 (en) * | 2018-12-21 | 2021-05-18 | Volkswagen Aktiengesellschaft | Method for operating a decentralized computing network, in particular an edge cloud computer of the decentralized computing network |
CN110187973A (zh) * | 2019-05-31 | 2019-08-30 | 浙江大学 | 一种面向边缘计算的服务部署优化方法 |
CN110928658A (zh) * | 2019-11-20 | 2020-03-27 | 湖南大学 | 一种车边云协同架构的协同任务迁移系统及算法 |
CN111756812A (zh) * | 2020-05-29 | 2020-10-09 | 华南理工大学 | 一种能耗感知的边云协同动态卸载调度方法 |
CN112835708A (zh) * | 2020-12-14 | 2021-05-25 | 浙大城市学院 | 一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法 |
CN113157430A (zh) * | 2020-12-14 | 2021-07-23 | 浙大城市学院 | 一种面向边缘计算环境中移动群体感知系统的低成本任务分配与服务部署方法 |
CN112689303A (zh) * | 2020-12-28 | 2021-04-20 | 西安电子科技大学 | 一种边云协同资源联合分配方法、系统及应用 |
CN113032146A (zh) * | 2021-03-19 | 2021-06-25 | 浙大城市学院 | 一种面向多接入边缘计算环境的健壮性服务供应方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114615264A (zh) * | 2022-02-22 | 2022-06-10 | 东南大学 | 边云协同计算环境下的城市交通网络数据传输分配方法 |
CN114615264B (zh) * | 2022-02-22 | 2024-02-09 | 东南大学 | 边云协同计算环境下的城市交通网络数据传输分配方法 |
CN114841952A (zh) * | 2022-04-28 | 2022-08-02 | 华南理工大学 | 一种云边协同的早产儿视网膜病变检测系统及检测方法 |
CN114841952B (zh) * | 2022-04-28 | 2024-05-03 | 华南理工大学 | 一种云边协同的早产儿视网膜病变检测系统及检测方法 |
CN114844900A (zh) * | 2022-05-05 | 2022-08-02 | 中南大学 | 一种基于不确定需求下的边云资源协作方法 |
CN114844900B (zh) * | 2022-05-05 | 2022-12-13 | 中南大学 | 一种基于不确定需求下的边云资源协作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113419867B (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113419867B (zh) | 一种面向边云协同计算环境中节能的服务供应方法 | |
WO2020216135A1 (zh) | 基于边-端协同的多用户多mec任务卸载资源调度方法 | |
Sadatdiynov et al. | A review of optimization methods for computation offloading in edge computing networks | |
CN107450982B (zh) | 一种基于系统状态的任务调度方法 | |
Penmatsa et al. | Game-theoretic static load balancing for distributed systems | |
CN111641973B (zh) | 一种雾计算网络中基于雾节点协作的负载均衡方法 | |
CN111953758A (zh) | 一种边缘网络计算卸载和任务迁移方法及装置 | |
Sufyan et al. | Computation offloading for distributed mobile edge computing network: A multiobjective approach | |
CN112118312B (zh) | 一种面向边缘服务器的网络突发负载疏散方法 | |
CN109981753A (zh) | 一种面向物联网的软件定义的边缘计算的系统及资源分配方法 | |
CN104092756A (zh) | 一种基于dht机制的云存储系统的资源动态分配方法 | |
CN109041130A (zh) | 基于移动边缘计算的资源分配方法 | |
CN108418718A (zh) | 一种基于边缘计算的数据处理延迟优化方法及系统 | |
Yi et al. | A queueing game based management framework for fog computing with strategic computing speed control | |
CN113810233B (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
Sun et al. | Energy-efficient multimedia task assignment and computing offloading for mobile edge computing networks | |
Wang et al. | An energy saving based on task migration for mobile edge computing | |
Wu et al. | Towards collaborative storage scheduling using alternating direction method of multipliers for mobile edge cloud | |
Li et al. | Computation offloading and service allocation in mobile edge computing | |
Mebrek et al. | Intelligent resource allocation and task offloading model for IoT applications in fog networks: a game-theoretic approach | |
Gharbi et al. | A Secure Integrated Fog Cloud-IoT Architecture based on Multi-Agents System and Blockchain. | |
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 | |
Samanta et al. | Distributed pricing policy for cloud-assisted body-to-body networks with optimal QoS and energy considerations | |
Narayana et al. | A research on various scheduling strategies in fog computing environment | |
Zhu et al. | Computation resource configuration with adaptive QoS requirements for vehicular edge computing: A fluid-model based approach |
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 |