CN113727358A - 一种基于km和贪心算法的边缘服务器部署和内容缓存方法 - Google Patents
一种基于km和贪心算法的边缘服务器部署和内容缓存方法 Download PDFInfo
- Publication number
- CN113727358A CN113727358A CN202111009724.9A CN202111009724A CN113727358A CN 113727358 A CN113727358 A CN 113727358A CN 202111009724 A CN202111009724 A CN 202111009724A CN 113727358 A CN113727358 A CN 113727358A
- Authority
- CN
- China
- Prior art keywords
- content
- base station
- edge server
- edge
- representing
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
- H04W28/14—Flow control between communication endpoints using intermediate storage
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及互联网技术领域,特别涉及一种边缘服务器部署和内容缓存方法,用以解决任务响应时间和带宽消耗有待优化的技术问题。该方法基于KM(Kuhn‑Munkres,库恩‑曼克莱斯)算法和贪心算法,实现边缘服务器部署和内容缓存的联合优化。采用KM算法确定边缘服务器部署位置;利用贪心算法确定内容缓存的位置。该方法能有效降低任务响应时间和带宽消耗。
Description
技术领域
本申请涉及互联网技术领域,特别涉及一种基于KM(Kuhn-Munkres,库恩-曼克莱斯)和贪心算法的边缘服务器部署和内容缓存方法。
背景技术
随着物联网设备增加和内容提供商的迅速发展,使得内容下载量呈现爆炸式增长趋势,从而导致传输带宽负载增加,极易造成网络拥塞和过长的网络时延,同时,大量流行内容的重复传输也对网络带宽资源造成了极大的浪费。而相较于边缘数据的增长速度,集中式云计算能力的线性增速远远无法企及。一方面,终端设备需要与位于核心网的内容库交互数据,数据传输距离相对较远,难以满足超低时延的业务需求;另一方面,由于移动终端的数量急剧增加,在网络高峰时期,核心网要承载大量的数据交互,难以实现大带宽、大规模连接的业务需求。
为了解决上述问题,在非高峰流量期间将流行内容缓存到边缘网络的边缘缓存被提出。同时,伴随ETSI(欧洲电信标准化协会,European Telecommunications StandardsInstitute)提出的支持服务边缘化的边缘计算技术的发展,加速了网络边缘缓存的发展。特别地,边缘计算将存储和处理能力从核心网络带到边缘网络,边缘网络在靠近移动设备的基站处实现内容的缓存和处理。因此,利用边缘计算的存储和处理能力在基站端实现高效的内容缓存,有效减轻回程链路的沉重负担,减少内容交付时延。
而现有技术在研究边缘网络中的内容缓存时,没有考虑边缘服务器位置与待缓存内容之间的关系,也未考虑到边缘服务器附近网络资源的限制,具有以下弊端:
第一,内容缓存性能与边缘服务器位置高度相关。边缘服务器的位置和数量直接影响内容缓存的位置和数量,边缘服务器布局不合理会导致内容缓存严重失衡,不平衡的内容缓存影响访问延迟和带宽消耗;第二,边缘服务器存储和处理能力有限,无法存储用户所需的所有内容,需要多个边缘服务器之间协作,传输用户请求所需内容,导致缓存流行内容的边缘服务器附近网络资源竞争严峻,从而导致发送时延过长。
可见,现有技术中的内容缓存方案,未能充分考虑边缘服务器对内容缓存性能的影响,不利于降低内容交付的时延和带宽。因此,需要提出一种基于现有边缘网络架构的边缘服务器部署和内容缓存联合优化方案,以克服上述缺陷。
发明内容
本发明采用下述的技术方案:
一种面向边缘计算互联光网络架构的边缘服务器部署和内容缓存协同优化方法,所述架构中包含位于核心网的内容库,多个基站和边缘服务器,其中基站与基站、核心网与基站之间通过光纤连接,某些基站处部署有边缘服务器,为缓存用户请求的内容提供有限的存储空间,其特征在于,该方法根据光网络的资源现状和用户对多样化内容的需求情况,确定边缘服务器部署位置、内容缓存的位置以及各内容缓存时的副本数量。
进一步地,采用KM算法确定边缘服务器部署位置;利用贪心算法确定内容缓存的位置。
所述光网络的资源现状和用户对多样化内容的需求情况包括各边缘服务器的容量、网络的带宽、每个基站处网络的节点度、用户请求的内容与基站的相对位置和用户请求的内容的数据量。
首先,根据基站所处位置的资源现状以及各个内容所需存储空间,计算顶点由基站集和边缘服务器集构成的二分图中任意基站与任意边缘服务器之间的匹配权重;
其次,基于KM算法确定边缘服务器部署的最优位置集合;
再次,根据所述各个内容的数据量和各个边缘服务器的可用存储空间,利用贪心算法确定可以缓存各个内容的边缘服务器集合;
最后,根据内容副本数量和边缘服务器可用数量,确定各个内容缓存的最优边缘服务器集合。
所述计算二分图中基站与边缘服务器之间的匹配权重,具体包括:将网络的带宽、网络节点之间的跳数、每个基站处网络的节点度、边缘服务器的存储空间和内容的数据量确定为影响匹配权重的因素;将每个基站与其它基站之间的最短路径上的最大可用带宽,每个基站与其它基站之间的最短路径上的跳数,每个基站处网络的节点度,每个边缘服务器内的存储空间,每个基站覆盖范围内用户请求的内容的数据量,进行归一化;根据下式计算基站r与边缘服务器i之间的匹配权重:
其中,上式中a1+a2+a3+a4+a5=1,表示基站r与网络中其它基站之间最短路径上的最大可用带宽的归一化数值,表示基站r与网络中其它基站之间最短路径上的跳数的归一化数值,NDEr表示基站r处网络的节点度的归一化数值,NSi表示边缘服务器i存储空间的归一化数值,NSumDr表示基站r覆盖范围内用户请求的内容的数据量的归一化数值。
所述根据基站与边缘服务器之间的匹配权重,利用KM算法确定边缘服务器部署的最优位置集合,具体包括:
首先用附加的虚节点来扩展非对称二分图构造对称二分图,利用虚节点扩展边缘服务器集I后,得到的新的边缘服务器集I+,其节点数与基站集中的节点数相同,虚节点以零权重连接到基站集中的节点;
步骤1:邻接矩阵初始化,建立权重矩阵W=[wi,r],其中,wi,r表示边缘服务器i与基站r之间的匹配权重;
步骤2:标签初始化,设置标签ui和vr为ui=max i∈I wi,r,vr=0,i,r=1,…,|R|,其中,ui和vr分别被标记在矩阵的左侧和顶部,|R|表示基站集中的节点数;
步骤3:计算多余矩阵C=[ci,r],其中,ci,r=ui+vr-wi,r;
步骤4:构造子图G,寻找多余矩阵C中ci,r=0的元素,构造满足ci,r=0的顶点为i和r,相应边的值为wi,r的子图G;
步骤5:寻找最大匹配Mmax,寻找子图G中任意两条边都不交汇于同一个顶点情况下边数最大的Mmax,如果Mmax是覆盖图中所有顶点的完美匹配,移至步骤7;如果Mmax不是覆盖图中所有顶点的完美匹配,即存在交汇于同一顶点的两条边,则移至步骤6调整标签;
步骤6:标签调整,设Q为子图G中相应顶点的集合,X=I+∩Q和Y=R∩Q。计算ζ=min{ci,r:i∈I+-X,r=R-Y};根据ζ,设置标签ui=ui-ζ,i∈I+-X,标签vr=vr+ζ,r∈Y,返回步骤3;
步骤7:确定完美匹配,Mmax是覆盖图中所有顶点的完美匹配,则得到最优的布局解。
根据各个内容的数据量和各个边缘服务器的可用存储空间,确定可以缓存各个内容的边缘服务器集合,具体包括:
根据各个边缘服务器的存储空间约束,利用贪心算法确定各个内容的可用边缘服务器集合;如果边缘服务器的可用存储容量大于内容所需的存储容量,则将所述边缘服务器设定为所述内容的候选可用边缘服务器。
根据内容副本数量和边缘服务器可用数量,确定各个内容缓存的最优边缘服务器集合,具体包括:根据各个内容的流行度与边缘服务器的数量,计算每个内容的副本数;当存在可以缓存所述内容的边缘服务器,且可用的边缘服务器的数量大于所述内容副本的数量时,根据所述内容的本地受欢迎度确定缓存所述内容副本的边缘服务器集合;当存在可以缓存所述内容的边缘服务器,且可用的边缘服务器的数量小于等于所述内容副本的数量时,将所述内容的副本缓存到具有剩余存储容量的可用边缘服务器内;如果不存在可以缓存所述内容的边缘服务器,则不在边缘服务器内缓存所述内容,所述内容存储在位于核心网的内容库中。
进一步地,本技术方案还包括计算用户请求所述内容的时延和带宽,具体包括:
对于在边缘服务器缓存的内容,基于最优的边缘服务器部署位置和内容缓存位置,根据下式计算用户请求所述内容的时延和带宽成本mDBc;
对于存储在内容库的内容,根据下式计算用户请求所述内容的时延和带宽成本mDBc;
附图说明
图1是边缘服务器部署和内容缓存的示意图;
图2是本申请实施例中边缘服务器部署和内容缓存方法的流程示意图;
图3是本申请实施例中利用KM算法确定边缘服务器部署的最优位置集合的示意图;
图4是本申请实施例中边缘服务器部署和内容缓存方法一个完整实施例的流程示意图。
具体实施方式
在内容缓存过程中,会产生带宽消耗,并直接影响任务响应时延。而由于内容缓存性能与边缘服务器位置高度相关。边缘服务器的位置和数量直接影响内容缓存的位置和数量,边缘服务器布局不合理会导致内容缓存严重失衡,不平衡的内容缓存影响访问延迟和带宽消耗。因此需要确定边缘服务器部署和内容缓存的最优位置,以尽量减少网络中带宽消耗,降低任务响应时延,提升任务响应效率。
为了解决现有技术中存在的任务响应效率有待进一步提升的技术问题,本申请实施例中,提出了一种边缘服务器部署和内容缓存方法。
本申请实施例中,通过联合考虑各边缘服务器的容量、网络的带宽、每个基站处网络的节点度、用户请求的内容与基站的相对位置、用户请求的内容的数据量,提出了一种边缘服务器部署和内容缓存协同优化方案,主要面向边缘计算互联光网络架构,该架构中包含位于核心网的内容库,多个基站,边缘服务器,基站与基站、核心网与基站之间通过光纤连接,如图1所示。在边缘计算互联光网络中,存在大量的基站,某些基站处部署有边缘服务器,为缓存流行内容提供有限的存储空间,以满足用户的低延迟和高质量的本地服务。
下面结合附图对本申请可选的实施方式作出进一步详细说明:
参阅图2所示,本申请实施例提供的一种边缘服务器部署和内容缓存方法,根据光网络的资源现状和用户对多样化内容的需求情况,确定边缘服务器部署位置、内容缓存的位置以及各内容缓存时的副本数量,具体流程如下:
S201:根据基站所处位置的资源现状以及各个内容所需存储空间,计算顶点由基站集和边缘服务器集构成的二分图中任意基站与任意边缘服务器之间的匹配权重。
基站所处位置的资源现状,包括每个所述基站与其它基站之间的最短路径上的最大可用带宽,每个所述基站与其它基站之间的最短路径上的跳数,每个所述基站处网络的节点度,每个所述基站覆盖范围内用户请求的内容的数据量中的任意一种或任意组合。
具体地,作为一种可实施方式,根据当前光网络中基站所处位置的资源现状以及各个内容所需存储空间,计算二分图中基站与边缘服务器之间的匹配权重,包括:
首先,将网络的带宽、网络节点之间的跳数、每个所述基站处网络的节点度、所述边缘服务器的存储空间和内容的数据量确定为影响匹配权重的因素;
然后,将每个所述基站与其它基站之间的最短路径上的最大可用带宽,每个所述基站与其它基站之间的最短路径上的跳数,每个所述基站处网络的节点度,每个所述边缘服务器内的存储空间,每个所述基站覆盖范围内用户请求的内容的数据量,进行归一化。
其中,所述基站r与网络中其它基站之间最短路径上的归一化最大可用带宽:
所述基站r与网络中其它基站之间最短路径上的跳数的归一化:
所述基站r处网络的节点度的归一化:
DEr表示基站r处网络的节点度。
边缘服务器i的存储空间的归一化:
I表示边缘服务器的集合,Si表示边缘服务器i的存储空间。
基站r覆盖范围内用户请求的内容的数据量的归一化:
Dc表示内容c的数据量,pc,r表示在基站r内容c的受欢迎度,Nr表示与基站r关联的内容数量,Cr表示与基站r关联的内容集合。
最后,根据下式计算基站r与边缘服务器i之间的匹配权重:
其中,上式中a1+a2+a3+a4+a5=1,表示基站r与网络中其它基站之间最短路径上的最大可用带宽的归一化数值,表示基站r与网络中其它基站之间最短路径上的跳数的归一化数值,NDEr表示基站r处网络的节点度的归一化数值,NSi表示边缘服务器i存储空间的归一化数值,NSumDr表示基站r覆盖范围内用户请求的内容的数据量的归一化数值。
S202:基于KM算法确定边缘服务器部署的最优位置集合。
具体地,作为一种可实施方式,根据基站与边缘服务器之间的匹配权重值,利用KM算法确定边缘服务器部署的最优位置集合。
KM算法要求二分图是完全对称的,而网络中基站的数量大于边缘服务器的数量。因此,首先用附加的虚节点来扩展非对称二分图构造对称二分图,利用虚节点扩展边缘服务器集合I后,得到的新的边缘服务器集合I+,虚节点以零权重连接到基站序列中的节点,具体示例如图3(a)所示。
基于节点为基站与边缘服务器的对称二分图,确定边缘服务器的最优部署位置集合,执行步骤如下,具体示例如图3(b)所示:
步骤1:邻接矩阵初始化。建立权重矩阵W=[wi,r],如图3(b-1)所示。其中wi,r表示边缘服务器i与基站r之间的匹配权重。
步骤2:标签初始化。设置标签ui和vr为ui=maxi∈Iwi,r,vr=0,i,r=1,…,|R|.如图3(b-2)所示,ui和vr分别被标记在矩阵的左侧和顶部。
步骤3:计算多余矩阵C=[ci,r],如图3(b-3)所示。其中,ci,r=ui+vr-wi,r.
步骤4:构造子图G。寻找多余矩阵C中ci,r=0的元素,构造满足ci,r=0的顶点为i和r,相应边的值为wi,r的子图G。在此例中,c1,6,c2,6,c3,2,c3,6均为0,则子图G的顶点i={1,2,3},r={2,6},相应边分别为w1,6=4,w2,6=5,w3,2=4,w3,6=4,如图3(c)所示。
步骤5:寻找最大匹配Mmax。寻找子图G中任意两条边都不交汇于同一个顶点情况下边数最大的Mmax。如果Mmax是覆盖图中所有顶点的完美匹配,移至步骤7。如果Mmax不是覆盖图中所有点的完美匹配,即存在交汇于同一顶点的两条边,则需要重新调整标签,移至步骤6。
如图3(c)所示,边缘服务器1、2、3均与基站6相连,边缘服务器3可以部署在基站2,而边缘服务器1、2只能选择一个部署在基站6,因此最大匹配数为2。假设,边缘服务器2部署在基站6,如图3(b-4)所示,得到匹配数为2的最大匹配,方框标记的元素表示边缘服务器2、3分别部署在基站6和基站2。此时,顶点i=1没有实现匹配,因此需要根据步骤6重新调整标签。
步骤6:标签调整。设Q为子图G中相应顶点的集合,X=I+∩Q和Y=R∩Q。计算ζ=min{ci,r:i∈I+-X,r=R-Y}。根据ζ,设置标签ui=ui-ζ,i∈I+-X,标签vr=vr+ζ,r∈Y,调整标签后得到的矩阵如图3(b-5)所示,返回步骤3。
步骤7:确定完美匹配。Mmax是覆盖图中所有点的完美匹配,则得到最优的布局解,如图3(b-6)所示,顶点i={1,2,3}均分别与顶点r={4,6,2}构成匹配边。其中,在图3(b-6)中矩阵中用方框标记的元素表示分别在基站2,4,6部署边缘服务器。
S203:根据内容的数据量和所述边缘服务器的可用存储空间,确定缓存各个内容的边缘服务器集合。
具体地,作为一种可实施方式,按照如下方式确定缓存各个内容的边缘服务器集合:
根据各边缘服务器的存储空间约束,利用贪心算法确定各内容的可用边缘服务器集合;
如果所述边缘服务器的可用存储容量大于所述内容所需的存储容量,则将所述边缘服务器设定为所述内容的候选可用边缘服务器。
S204:根据内容副本数量和所述边缘服务器可用数量,确定各个内容缓存的最优边缘服务器集合。
具体地,作为一种可实施方式,按照如下方式确定各个内容缓存的最优边缘服务器集合:
根据各个内容的流行度Pc与边缘服务器的数量|I|,计算每个内容的副本数:
其中,λ是内容副本的调整系数,λ取值范围是10-150。
当存在可以缓存所述内容的边缘服务器,且可用的边缘服务器的数量大于所述内容副本的数量时,根据所述内容的本地受欢迎度确定缓存所述内容副本的边缘服务器集合;
当存在可以缓存所述内容的边缘服务器,且可用的边缘服务器的数量小于等于所述内容副本的数量时,将所述内容的副本缓存到具有剩余存储容量的可用边缘服务器内;
如果不存在可以缓存所述内容的边缘服务器,则不在边缘服务器内缓存所述内容,所述内容存储在位于核心网的内容库中。
可选的,在该步骤中,还计算当前边缘服务器配置和内容缓存方案下,用户请求所述内容的时延和带宽。
具体地,作为一种可实施方式,按照如下方式计算用户请求所述内容的时延和带宽:
对于在边缘服务器缓存的内容,基于最优的边缘服务器部署位置和内容缓存位置,根据下式计算用户请求所述内容的时延和带宽成本mDBc;
对于存储在内容库的内容,根据下式计算用户请求所述内容的时延和带宽成本mDBc;
其中,以上公式中,R表示基站的集合,pc,r表示在基站r内容c的受欢迎度,Nr表示与基站r关联的内容数量,α和β分别表示时延成本和带宽成本的权衡系数,tc,local,bc,local表示在本地基站下载所述内容c所需的时延和带宽,Ωc表示内容c可以缓存的边缘服务器位置集合,表示内容c从基站m传送到基站r所需的时延,表示基站m与基站r之间的最短路径上的可用带宽,表示基站m与基站r之间的最短路径上的跳数,Dc表示内容c的数据量,表示基站m与基站r之间的链路集合,表示基站m与基站r之间链路e上的可用带宽,tc,core,bc,core表示在内容库中下载所述内容c所需的时延和带宽。
下面列举本申请实施例提供的边缘服务器部署和内容缓存方法的一个完整实施例:
参见图4所示,在该实施例中,主要包括以下步骤:
(1)确定影响边缘服务器部署和内容缓存的因素。将所述边缘服务器的存储空间、网络的带宽、网络节点之间的跳数、内容的数据量和每个所述基站处网络的节点度确定为影响边缘服务器部署和内容缓存的主要因素;
(2)为统一评价标准,将每个所述边缘服务器内的存储空间,每个所述基站与其它基站之间的最短路径上的最大可用带宽,每个所述基站与其它基站之间的最短路径上的跳数,每个所述基站覆盖范围内用户请求的内容的数据量,每个所述基站处网络的节点度,进行归一化;
(3)计算基站和边缘服务器的匹配权重;确定方法同上述实施例,此处不再赘述;
(4)根据基站与边缘服务器之间的匹配权重值,利用KM算法确定边缘服务器部署的最优位置集合;确定方法同上述实施例,此处不再赘述;
(5)根据各个内容的流行度与边缘服务器的数量,计算每个内容的副本数;
(6)根据各边缘服务器的存储空间约束,利用贪心算法确定各内容的可用边缘服务器集合;
(7)判断是否存在可以缓存所述内容的边缘服务器,否,则不在边缘网络缓存此内容;是,则比较可用边缘服务器数量与所述内容副本数量;
(8)判断可用边缘服务器数量是否大于所述内容副本数量,是,则根据所述内容的本地受欢迎度确定缓存所述内容副本的边缘服务器集合;否,则将所述内容的副本缓存到具有剩余存储容量的可用边缘服务器内;
(9)如果内容缓存在边缘服务器中,根据公式(8)计算所述内容的时延和带宽;如果内容没有缓存在边缘服务器中,根据公式(11)计算所述内容的时延和带宽;
(10)判断是否遍历所有待缓存的内容,否,则重复步骤(5)-步骤(9);是,则结束边缘缓存,计算该区域内用户请求的所有内容所占用的时延和消耗带宽。
本申请通过联合考虑边缘服务器的存储空间、网络的带宽、网络中各节点之间跳数、内容的数据量和每个所述基站处网络的节点度,提出了一种考虑内容缓存性能与边缘服务器位置相关性的边缘服务器部署与内容缓存联合优化处理方案,提升了边缘网络中内容缓存的性能,降低业务的响应时延和带宽消耗,提升任务响应效率。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请实施例的精神和范围。这样,若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种面向边缘计算互联光网络架构的边缘服务器部署和内容缓存协同优化方法,所述架构中包含位于核心网的内容库,多个基站和边缘服务器,其中基站与基站、核心网与基站之间通过光纤连接,某些基站处部署有边缘服务器,为缓存用户请求的内容提供有限的存储空间,其特征在于,该方法根据光网络的资源现状和用户对多样化内容的需求情况,确定边缘服务器部署位置、内容缓存的位置以及各内容缓存时的副本数量。
2.如权利要求1所述的方法,其特征在于,采用库恩-曼克莱斯KM算法确定边缘服务器部署位置;利用贪心算法确定内容缓存的位置。
3.如权利要求1所述的方法,所述光网络的资源现状和用户对多样化内容的需求情况包括各边缘服务器的容量、网络的带宽、每个基站处网络的节点度、用户请求的内容与基站的相对位置和用户请求的内容的数据量。
4.如权利要求3所述的方法,具体包括:
步骤1,根据基站所处位置的资源现状以及各个内容所需存储空间,计算顶点由基站集和边缘服务器集构成的二分图中任意基站与任意边缘服务器之间的匹配权重;
步骤2,基于KM算法确定边缘服务器部署的最优位置集合;
步骤3,根据所述各个内容的数据量和各个边缘服务器的可用存储空间,利用贪心算法确定可以缓存各个内容的边缘服务器集合;
步骤4,根据内容副本数量和边缘服务器可用数量,确定各个内容缓存的最优边缘服务器集合。
5.如权利要求4所述的方法,计算二分图中基站与边缘服务器之间的匹配权重,具体包括:
将网络的带宽、网络节点之间的跳数、每个基站处网络的节点度、边缘服务器的存储空间和内容的数据量确定为影响匹配权重的因素;
将每个基站与其它基站之间的最短路径上的最大可用带宽,每个基站与其它基站之间的最短路径上的跳数,每个基站处网络的节点度,每个边缘服务器内的存储空间,每个基站覆盖范围内用户请求的内容的数据量,进行归一化;
根据下式计算基站r与边缘服务器i之间的匹配权重:
6.如权利要求5所述的方法,其特征在于,根据基站与边缘服务器之间的匹配权重,利用KM算法确定边缘服务器部署的最优位置集合,具体包括:
首先用附加的虚节点来扩展非对称二分图构造对称二分图,利用虚节点扩展边缘服务器集I后,得到的新的边缘服务器集I+,其节点数与基站集中的节点数相同,虚节点以零权重连接到基站集中的节点;
步骤1:邻接矩阵初始化,建立权重矩阵W=[wi,r],其中,wi,r表示边缘服务器i与基站r之间的匹配权重;
步骤2:标签初始化,设置标签ui和vr为ui=maxi∈Iwi,r,vr=0,i,r=1,…,|R|,其中,ui和vr分别被标记在矩阵的左侧和顶部,|R|表示基站集中的节点数;
步骤3:计算多余矩阵C=[ci,r],其中,ci,r=ui+vr-wi,r;
步骤4:构造子图G,寻找多余矩阵C中ci,r=0的元素,构造满足ci,r=0的顶点为i和r,相应边的值为wi,r的子图G;
步骤5:寻找最大匹配Mmax,寻找子图G中任意两条边都不交汇于同一个顶点情况下边数最大的Mmax,如果Mmax是覆盖图中所有顶点的完美匹配,移至步骤7;如果Mmax不是覆盖图中所有顶点的完美匹配,即存在交汇于同一顶点的两条边,则移至步骤6调整标签;
步骤6:标签调整,设Q为子图G中相应顶点的集合,X=I+∩Q和Y=R∩Q。计算ζ=min{ci,r:i∈I+-X,r=R-Y};根据ζ,设置标签ui=ui-ζ,i∈I+-X,标签vr=vr+ζ,r∈Y,返回步骤3;
步骤7:确定完美匹配,Mmax是覆盖图中所有顶点的完美匹配,则得到最优的布局解。
7.如权利要求4所述的方法,其特征在于,根据各个内容的数据量和各个边缘服务器的可用存储空间,确定可以缓存各个内容的边缘服务器集合,具体包括:
根据各个边缘服务器的存储空间约束,利用贪心算法确定各个内容的可用边缘服务器集合;
如果边缘服务器的可用存储容量大于内容所需的存储容量,则将所述边缘服务器设定为所述内容的候选可用边缘服务器。
8.如权利要求4所述的方法,其特征在于,根据内容副本数量和边缘服务器可用数量,确定各个内容缓存的最优边缘服务器集合,具体包括:
根据各个内容的流行度与边缘服务器的数量,计算每个内容的副本数;
当存在可以缓存所述内容的边缘服务器,且可用的边缘服务器的数量大于所述内容副本的数量时,根据所述内容的本地受欢迎度确定缓存所述内容副本的边缘服务器集合;
当存在可以缓存所述内容的边缘服务器,且可用的边缘服务器的数量小于等于所述内容副本的数量时,将所述内容的副本缓存到具有剩余存储容量的可用边缘服务器内;
如果不存在可以缓存所述内容的边缘服务器,则不在边缘服务器内缓存所述内容,所述内容存储在位于核心网的内容库中。
9.如权利要求6所述的方法,其特征在于,还包括计算用户请求所述内容的时延和带宽,具体包括:
对于在边缘服务器缓存的内容,基于最优的边缘服务器部署位置和内容缓存位置,根据下式计算用户请求所述内容的时延和带宽成本mDBc;
对于存储在内容库的内容,根据下式计算用户请求所述内容的时延和带宽成本mDBc;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111009724.9A CN113727358B (zh) | 2021-08-31 | 2021-08-31 | 一种基于km和贪心算法的边缘服务器部署和内容缓存方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111009724.9A CN113727358B (zh) | 2021-08-31 | 2021-08-31 | 一种基于km和贪心算法的边缘服务器部署和内容缓存方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113727358A true CN113727358A (zh) | 2021-11-30 |
CN113727358B CN113727358B (zh) | 2023-09-15 |
Family
ID=78679590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111009724.9A Active CN113727358B (zh) | 2021-08-31 | 2021-08-31 | 一种基于km和贪心算法的边缘服务器部署和内容缓存方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113727358B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150207755A1 (en) * | 2014-01-23 | 2015-07-23 | Acer Incorporated | Dynamic planning method for server resources of data center |
US20180316746A1 (en) * | 2010-03-01 | 2018-11-01 | Genghiscomm Holdings, LLC | Edge Server Selection for Device-Specific Network Topologies |
US20200162378A1 (en) * | 2018-11-19 | 2020-05-21 | Zhan Ma | Method And System For Accelerating Interactive-Streaming-Based Applications Via Cloud Overlay Networks |
CN111314889A (zh) * | 2020-02-26 | 2020-06-19 | 华南理工大学 | 车联网中基于移动边缘计算的任务卸载与资源分配方法 |
CN111580978A (zh) * | 2020-05-12 | 2020-08-25 | 中国联合网络通信集团有限公司 | 边缘计算服务器布局方法及任务分配方法 |
CN111953547A (zh) * | 2020-08-20 | 2020-11-17 | 全球能源互联网研究院有限公司 | 一种基于业务的异构基站重叠分组及资源配置方法及装置 |
CN112020103A (zh) * | 2020-08-06 | 2020-12-01 | 暨南大学 | 一种移动边缘云中的内容缓存部署方法 |
CN112105035A (zh) * | 2020-08-21 | 2020-12-18 | 深圳大学 | 移动边缘计算服务器的部署方法及装置 |
CN112423027A (zh) * | 2020-10-22 | 2021-02-26 | 武汉理工大学 | 一种基于差分隐私的移动流媒体边缘协作分发装置及方法 |
-
2021
- 2021-08-31 CN CN202111009724.9A patent/CN113727358B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180316746A1 (en) * | 2010-03-01 | 2018-11-01 | Genghiscomm Holdings, LLC | Edge Server Selection for Device-Specific Network Topologies |
US20150207755A1 (en) * | 2014-01-23 | 2015-07-23 | Acer Incorporated | Dynamic planning method for server resources of data center |
US20200162378A1 (en) * | 2018-11-19 | 2020-05-21 | Zhan Ma | Method And System For Accelerating Interactive-Streaming-Based Applications Via Cloud Overlay Networks |
CN111314889A (zh) * | 2020-02-26 | 2020-06-19 | 华南理工大学 | 车联网中基于移动边缘计算的任务卸载与资源分配方法 |
CN111580978A (zh) * | 2020-05-12 | 2020-08-25 | 中国联合网络通信集团有限公司 | 边缘计算服务器布局方法及任务分配方法 |
CN112020103A (zh) * | 2020-08-06 | 2020-12-01 | 暨南大学 | 一种移动边缘云中的内容缓存部署方法 |
CN111953547A (zh) * | 2020-08-20 | 2020-11-17 | 全球能源互联网研究院有限公司 | 一种基于业务的异构基站重叠分组及资源配置方法及装置 |
CN112105035A (zh) * | 2020-08-21 | 2020-12-18 | 深圳大学 | 移动边缘计算服务器的部署方法及装置 |
CN112423027A (zh) * | 2020-10-22 | 2021-02-26 | 武汉理工大学 | 一种基于差分隐私的移动流媒体边缘协作分发装置及方法 |
Non-Patent Citations (5)
Title |
---|
刘真: "边缘数据中心光网络中计算资源部署与任务调度策略研究_刘真", 信息科技辑 * |
李玲;顾琳;: "移动边缘计算中两阶段多应用资源分配算法", 吉林大学学报(信息科学版), no. 03 * |
杨大武;李泽平;: "一种移动流媒体分层协同缓存系统", 计算机与现代化, no. 06 * |
王登辉;陈毅红;: "面向物联网的移动边缘计算任务卸载方法研究", 内江师范学院学报, no. 10 * |
翟海滨;蒋海;孙毅;李军;李忠诚;: "一种基于点路结合的骨干网P2P缓存部署方法", 计算机研究与发展, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN113727358B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102301353B1 (ko) | 컨텐츠 중심 네트워크에서 컨텐츠 소유자 및 노드의 패킷 전송 방법 | |
CN104618506B (zh) | 一种众包的内容分发网络系统、方法与装置 | |
CN112020103B (zh) | 一种移动边缘云中的内容缓存部署方法 | |
CN112995950B (zh) | 一种车联网中基于深度强化学习的资源联合分配方法 | |
CN108848032B (zh) | 一种支持多兴趣类型处理的命名对象网络实现方法 | |
CN107483286B (zh) | 一种基于云-雾环境下合并和部署服务功能链的方法 | |
CN1658598A (zh) | 计算机网络中自组织分配服务方法、系统和软件产品 | |
CN111400001A (zh) | 一种面向边缘计算环境的在线计算任务卸载调度方法 | |
CN104022911A (zh) | 一种融合型内容分发网络的内容路由管理方法 | |
CN101018172A (zh) | 一种优化城域网内p2p传输的方法 | |
CN101873224A (zh) | 一种云计算负载均衡方法和设备 | |
Scherb et al. | Resolution strategies for networking the IoT at the edge via named functions | |
CN102075359A (zh) | 一种基于网络坐标的服务器部署方法及装置 | |
Liu et al. | CCN-based cooperative caching in VANET | |
Gu et al. | Exploring layered container structure for cost efficient microservice deployment | |
Liang et al. | A location‐aware service deployment algorithm based on K‐means for cloudlets | |
CN110913430B (zh) | 无线网络中文件的主动式协作缓存方法及缓存管理装置 | |
Nguyen et al. | Adaptive caching for beneficial content distribution in information-centric networking | |
Li et al. | Deep reinforcement learning for intelligent computing and content edge service in ICN-based IoV | |
US8601151B2 (en) | Apparatus and method for receiving data | |
CN108512765B (zh) | 一种基于网络节点分布式Pagerank的网络内容扩散方法 | |
CN113727358B (zh) | 一种基于km和贪心算法的边缘服务器部署和内容缓存方法 | |
Lim et al. | Joint optimization of cache server deployment and request routing with cooperative content replication | |
CN107302571A (zh) | 基于果蝇算法的信息中心网络路由和缓存管理方法 | |
CN106385445A (zh) | 一种移动代理系统模型及移动云服务访问方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |