CN114423023A - 一种面向移动用户的5g网络边缘服务器部署方法 - Google Patents
一种面向移动用户的5g网络边缘服务器部署方法 Download PDFInfo
- Publication number
- CN114423023A CN114423023A CN202111492763.9A CN202111492763A CN114423023A CN 114423023 A CN114423023 A CN 114423023A CN 202111492763 A CN202111492763 A CN 202111492763A CN 114423023 A CN114423023 A CN 114423023A
- Authority
- CN
- China
- Prior art keywords
- edge server
- deployment
- user
- network
- delay
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000002245 particle Substances 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
- H04W28/0226—Traffic management, e.g. flow control or congestion control based on location or mobility
-
- 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
- H04W28/08—Load balancing or load distribution
- H04W28/086—Load balancing or load distribution among access entities
- H04W28/0861—Load balancing or load distribution among access entities between base stations
-
- 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
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
- H04W28/0967—Quality of Service [QoS] parameters
- H04W28/0975—Quality of Service [QoS] parameters for reducing delays
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明请求保护一种面向移动用户的5G网络边缘服务器部署方法,包括下列主要步骤:S1,将一天的移动用户数据划分为多个不同时间段的网络快照;S2,以用户延迟与边缘服务器部署成本为优化目标,通过改进的离散二进制粒子群算法与最近关联算法,获取不同网络快照的边缘服务器部署方案;S3,得到包含所有网络快照边缘服务器位置的集合C;S4,计算不同网络快照的边缘服务器位置数,求得所有网络快照中边缘服务器位置数的最大值K;S5,采用轮流替换的方式,选取满足用户移动需求的边缘服务器部署位置,得到边缘服务器部署方案。本发明在降低用户延迟,有效地考虑了用户的移动性,提高了系统的整体性能;方法简单,更快速地获得边缘服务器部署方案。
Description
技术领域
本发明属于移动边缘计算边缘服务器部署领域,特别是涉及一种面向移动用户的5G网络边缘服务器部署方法。
背景技术
随着5G技术和物联网的发展,大量的移动终端需要接入网络进行数据的传输和处理,绝大部分终端应用对于时延有较高的要求,用户希望在短时间内完成数据的处理并得到反馈,传统的云计算网络架构很难满足目前用户的使用需求,而移动边缘计算因其靠近终端用户的特点,为延迟敏感的应用提供了技术支持。
作为实现移动边缘计算最重要的工作之一的边缘服务器部署工作,目前的研究还不充分。只有实现合理的边缘服务器部署,才能高效地实现后续的数据处理、任务迁移和卸载等功能。边缘服务器的部署需要考虑诸多因素,比如:数据的传输延迟、数据的处理延迟、边缘服务器站点的租赁成本以及边缘服务器的设备成本等。
已有的边缘服务器部署方法主要从最小化用户延迟、最小化边缘服务器部署成本、最小化用户延迟与边缘服务器部署成本三个角度进行研究。最小化用户延迟是从用户的角度来确定边缘服务器的部署位置,其使得确定的边缘服务器部署方案可以给用户带来良好的体验,极大地满足用户对于低延迟服务的需求;最小化边缘服务器部署成本是从服务提供商的角度确定边缘服务器的部署方案,其使得边缘服务器的部署能够有效地降低部署成本,从而增加服务提供商的收益;最小化用户延迟与边缘服务器部署成本是同时从用户和服务提供商的角度确定边缘服务器的部署方案,其使得确定的边缘服务器部署方案可以在最小化用户延迟的同时最小化边缘服务器部署成本,即在用户延迟和边缘服务器部署成本之间达到一种平衡。
尽管科研人员同时从用户延迟和边缘服务器部署成本两个角度研究边缘服务器的部署方案,在一定程度上使得边缘服务器的部署方案同时满足用户和服务提供商的需求。但是,他们在确定边缘服务器的部署方案时,忽略了两个方面的问题:一方面,他们在确定边缘服务器的部署方案时,把所有基站都进行等同考虑,未考虑5G网络中宏基站和微基站的差异性对于边缘服务器部署的影响;另一方面,他们未充分地把用户的移动性考虑到边缘服务器的部署中去,导致确定的边缘服务器部署方案具有一定的片面性。因此,现有的边缘服务器部署方法未能有效地解决5G网络中边缘服务器的部署问题。
经过检索,申请公开号CN111831445A,一种边缘服务器优化部署方法,根据历史数据预估无法访问服务器数量,并将服务器部署问题建模成关于服务器部署变量和请求服务变量的最大化的优化问题,然后将优化问题转化为只关于服务器部署的单变量优化问题,再将单变量优化问题转化为关于服务器部署变量的集合函数优化问题,最后通过鲁棒算法(Robust)得到服务器部署策略。本发明使用了两步贪心的方法,即目标函数最大和目标函数的边缘值最大的边缘服务器的部署方案,在面对可能出现的硬件和软件故障时,服务器仍能够提供可接受的计算服务水平。
公开号为CN111831445A的发明专利与本发明的区别:
该发明考虑的是边缘服务器部署的鲁棒性,即边缘服务器在面临服务器故障时,服务器仍能够提供可接受的计算服务水平;而本发明考虑的是边缘服务器部署如何为移动用户提供低延迟服务的问题。虽然两者都是边缘服务器部署领域的研究,但是各自的研究点是完全不同的。
公开号为CN111831445A的发明专利没有考虑到用户移动性对边缘服务器部署的影响,因此本发明主要采用以下方式克服这一不足:
首先,根据用户的移动规律构建不同时间段的网络快照;其次,从最小化用户延迟与边缘服务器部署成本两个方面出发,寻找每个网络快照的边缘服务器部署方案;再次,整合所有网络快照的边缘服务器部署方案,从中获取边缘服务器部署的候选位置集合C与需要部署的边缘服务器数量K;最后,以低时延为优化目标,从集合C中确定包含K个部署位置的边缘服务器部署方案。
通过这一方式确定的边缘服务器部署方案可以满足用户在移动过程中对于低延迟服务的需求。
发明内容
本发明旨在解决以上现有技术的问题。在传统边缘服务器部署方法中引入5G网络中宏基站与微基站的差异性以及用户的移动性,反映宏基站与微基站的差异性以及用户的移动性对边缘服务器部署的影响。提出了一种考虑用户移动性,最小化用户延迟与边缘服务器部署成本,多目标优化的面向移动用户的5G网络边缘服务器部署方法。本发明的技术方案如下:
一种面向移动用户的5G网络边缘服务器部署方法,其包括以下步骤:
获取移动用户的历史数据及其移动规律,以一天为移动周期,根据用户的移动特点,将一天的移动用户数据划分为多个不同时间段的网络快照;
针对不同网络快照,以用户延迟与边缘服务器部署成本为优化目标,通过改进的离散二进制粒子群算法与最近关联算法,改进的离散二进制粒子群算法改进在于两部分:第一部分是对sigmond函数的改进;当速度为0时,sigmond函数的值为0;当速度小于0与大于0时,sigmond函数关于y轴对称;当速度趋于无穷时,sigmond函数的值为1;第二部分是对位值公式的改进;当速度为0时,位值不变;当速度为负时,位值为0;当速度为正时,位值为1。这样做的目的是,可以让粒子群最终容易靠近全局最优粒子;改进最近关联算法的主要思想是:首先,计算所有基站分别到每个边缘服务器的欧式距离;其次,按基站到边缘服务器的距离由小到大进行排序;再次,根据边缘服务器的负载,确定与其关联的基站;然后,筛选出关联多个边缘服务器的基站,并将其关联到距离其最近的边缘服务器,同时取消其与其他边缘服务器的关联关系;最后,将未确定关联关系的基站关联到距离其最近且满足边缘服务器负载要求的边缘服务器,获取不同网络快照的边缘服务器部署方案;
根据所述边缘服务器部署方案,对不同网络快照求得的边缘服务器位置取并集,得到包含所有网络快照边缘服务器位置的集合C;
计算不同网络快照的边缘服务器位置数,求得所有网络快照中边缘服务器位置数的最大值K;
采用轮流替换的方式,从边缘服务器位置集合C中选取K个具有最小网络延迟的边缘服务器位置作为满足用户移动需求的边缘服务器部署位置,结合最近关联算法得到满足用户移动需求的边缘服务器部署方案。
进一步的,所述网络快照包含的信息主要是:用户发送请求的位置、用户发送请求的速率以及用户发送请求的数据量;根据用户发送请求的位置与5G网络中基站的位置及其覆盖范围,确定5G网络中各个基站需要传输的数据量di,i∈B以及服务请求的速率其中基站的数据量等于基站覆盖范围内所有用户发送请求的数据量之和,基站的服务请求速率等于基站覆盖范围内所有用户发送请求的速率之和。
进一步的,所述计算每个网络快照边缘服务器部署方案的方法包括:
(1)以传输延迟与计算延迟作为目标函数中用户延迟部分的内容;
(2)以边缘服务器部署位置的站点租赁成本与其容纳的物理机数量的设备成本作为目标函数中边缘服务器部署成本部分的内容;
(3)采用标准化方式,将用户延迟与边缘服务器部署成本进行标准化处理;
(4)采用加入折中系数的方式,将用户延迟和边缘服务器部署成本联立,得到一个多目标优化的目标函数;
(5)采用改进的离散二进制粒子群算法以及最近关联算法对目标函数进行求解,从而得到网络快照的边缘服务器部署方案。
进一步的,所述步骤(1)以传输延迟与计算延迟作为目标函数中用户延迟部分的内容,具体包括:
以传输延迟Ttrans与计算延迟Tcomp作为目标函数F中用户延迟Tuser部分的内容:
其中,l(i,j)、v、di、uj、λj分别表示基站i到边缘服务器j的欧式距离、数据的传输速度、基站i的数据量、边缘服务器j的服务速率、到达边缘服务器j的服务请求速率;此外,B,yi,j,xj分别为基站的集合、基站i与部署在基站j的边缘服务器是否相关联的二态变量、基站j是否部署边缘服务器的二态变量;
用户延迟Tuser为:
Tuser=Ttrans+Tcomp (3)。
进一步的,所述步骤(2)以边缘服务器部署位置的站点租赁成本与其容纳的物理机数量的设备成本作为目标函数中边缘服务器部署成本部分的内容,具体包括:
以边缘服务器部署位置的站点租赁成本Csite与其容纳的物理机数量的设备成本Cfac作为目标函数F中边缘服务器部署成本Ces部分的内容:
Csite=∑j∈Bfj×xj (4)
Cfac=∑j∈Bp×βj (5)
其中,fj、p、βj分别表示边缘服务器j的站点租赁成本、一台物理机的设备成本、边缘服务器j容纳的物理机数量;
边缘服务器部署成本Ces为:
Ces=Csite+Cfac (6)。
进一步的,所述步骤(3)采用标准化方式,将用户延迟与边缘服务器部署成本进行标准化处理:
其中,η、Tmax、Cmax分别表示标准化系数、最大用户延迟、最大边缘服务器部署成本;
所述步骤(3)中,最大用户延迟Tmax与最大边缘服务器部署成本Cmax为:
Cmax=fmax+p×βmax (9)
其中,dmax、lmax、fmax、βmax分别表示基站需要传输的最大数据量、基站到边缘服务器最远的欧氏距离、边缘服务器最大的计算时延、最贵的边缘服务器部署站点租赁成本、边缘服务器所能容纳最多的物理机数量;
采用加入折中系数α的方式,将用户延迟Tuser和边缘服务器部署成本Ces联立,得到一个多目标优化函数F:
F=αTuser+(1-α)×η×Ces (10)
其中,F为目标函数;α为折中系数,其取值在0到1之间。
进一步的,所述步骤(5)最近关联算法为:
1)计算每个基站到各个边缘服务器部署位置的欧氏距离;
2)根据欧氏距离从小到大的顺序,针对每个边缘服务器部署位置,将基站进行排序;
3)以边缘服务器的最大负载与最大服务速率为阈值,确定关联到每个边缘服务器的基站;
4)筛选出关联多个边缘服务器的基站,并将其关联到距离其最近的边缘服务器,同时取消与其他边缘服务器的关联关系;
5)将剩下的没有确定关联关系的基站,按照距离最近以及满足服务器最大负载量与最大服务速率的条件约束将其分配给各个边缘服务器。
进一步的,所述确定最终边缘服务器部署方案具体包括以下步骤:
(1)从边缘服务器位置集合C中随机选择K个位置作为边缘服务器初始部署位置组合Bcur,结合最近关联算法,计算相应部署方案的网络延迟T0:
C={c1,c2,…,cn}
Bcur={b1,b2,…,bK}
其中,Bcur是C的子集;c1,c2,…,cn与b1,b2,…,bK表示边缘服务器部署的候选位置;
(2)从边缘服务器位置集合C中选择一个未被访问过的位置cunv轮流替换当前部署位置组合Bcur中的每个位置,并求每次替换之后的网络延迟:
(3)选取进行一轮替换之后具有最小网络延迟Tmin的部署位置组合Bmin作为新的当前部署位置组合Bcur:
Tmin=min{T0,T1,…,TK}
Bcur=Bmin
其中,Tmin是T0,T1,…,TK中的最小值,Bmin是Tmin对应的部署位置组合;
(4)循环执行步骤(2)与步骤(3),直到集合C中的所有位置都被访问过,最后确定的具有最小网络延迟的部署方案,即是满足用户移动需求的边缘服务器部署方案。
进一步的,所述步骤(1)中,结合最近关联算法,计算相应部署方案的网络延迟T0为:
1)利用最近关联算法得到所有基站与部署在Bcur的边缘服务器的关联关系;
2)根据关联关系与公式(1)计算相应的网络延迟T0。
进一步的,所述步骤(2)中,计算每次替换之后的网络延迟为:
(3)选取进行一轮替换之后具有最小网络延迟Tmin的部署位置组合Bmin作为新的当前部署位置组合Bcur:
Tmin=min{T0,T1,…,TK}
Bcur=Bmin
其中,Tmin是T0,T1,…,TK中的最小值,Bmin是Tmin对应的部署位置组合。
本发明的优点及有益效果如下:
1.本发明主要解决5G网络中边缘服务器的部署问题。首先解决的是针对5G网络快照的边缘服务器部署问题。用户延迟与边缘服务器部署成本是确定边缘服务器部署方案的两大指标。结合5G网络中宏基站与微基站在延迟与部署成本方面的差异性,构建公式(10)所示的目标函数,然后利用权利要求3中所述的部署方法对目标函数进行求解,最后得到低时延与低部署成本的边缘服务器部署方案,以此满足用户与服务提供商各自的需求。在这一过程中,本发明的主要创新是权利要求3中部署方法的设计与权利要求7中最近关联算法的设计。边缘服务器的部署问题是一个NP问题,问题的求解非常困难,因此需要设计新的算法对其进行求解。为了解决这个难题,本发明设计了权利要求3中的部署方法,即利用离散二进制粒子群算法产生边缘服务器的部署位置,再结合权利要求7中所述的最近关联算法用于确定基站与边缘服务器的关联关系。通过这两个算法的结合使用,使得问题能够在较短时间内进行求解,提高了问题的求解效率。因为现有的研究中没有考虑基站之间的差异性,所以本发明的次要创新是考虑了5G网络中宏基站与微基站的差异性对于边缘服务器部署的影响,并根据这一差异性构建了公式(10)所示的目标函数。
2.本发明在1的基础上考虑了5G网络中用户的移动性。5G网络中的用户在移动过程中期望获得低时延的服务,因此根据单个网络快照确定的边缘服务器部署方案不能很好地满足用户的这个需求。为了寻找满足用户移动需求的边缘服务器部署方案,本发明设计了权利要求8中的部署方法用于确定边缘服务器的部署方案。因此,本发明的主要创新是权利要求8中边缘服务器部署方法的设计。该部署方法充分考虑了用户的移动特点,将边缘服务器的候选部署位置进行了限定,缩小了问题的求解规模,提高了求解效率。因为边缘服务器的候选位置是根据权利要求3中部署方法确定的,所以这些候选位置天生具有低成本的特点。因此,权利要求8中边缘服务器部署方法确定的边缘服务器部署方案在满足用户在移动过程中对于低时延服务需求的基础上降低了边缘服务器的部署成本。这也是权利要求8中的部署方法与权利要求3中的部署方法结合使用的巧妙之处。
附图说明
图1是本发明提供优选实施例本发明面向移动用户的5G网络边缘服务器部署方法的流程图;
图2为5G网络边缘服务器部署示意图。
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:
第一实施例:一种面向移动用户的5G网络边缘服务器部署方法,其包括以下步骤:
S1,构建不同时间段的网络快照;用户的移动通常遵循着以一天为周期的重复模式;用户通常在9:00~19:00在办公楼工作,19:00~24:00在家休息,0:00~9:00在家睡觉;因此,将一天的移动用户数据按照上述的时间段构建三个网络快照;
S2,获取三个网络快照各自的边缘服务器部署方案;针对每个网络快照,以最小化用户延迟和边缘服务器部署成本为优化目标,利用改进的离散二进制粒子群算法以及最近关联算法对目标函数进行求解,由此得到每个网络快照的边缘服务器部署方案;
S3,构建所有网络快照的边缘服务器位置集合C;因为不同网络快照的用户分布情况不同,因此不同网络快照求得的边缘服务器位置也不完全一样;对所有网络快照的边缘服务器位置集合取并集,得到所有网络快照的边缘服务器位置集合C;
S4,获取所有网络快照中边缘服务器位置数的最大值K;因为不同网络快照的用户分布情况各不相同,因此不同网络快照求得的边缘服务器位置数也可能不完全一样;通过求最大值的方式,得到所有网络快照中边缘服务器位置数的最大值K;
S5,获取满足用户移动需求的边缘服务器部署方案;依据边缘服务器位置集合C与边缘服务器位置数K,以最小化网络延迟为目标,结合最近关联算法,采用轮流替换的方式,从边缘服务器位置集合C中确定包含有K个边缘服务器位置且具有最小网络延迟的边缘服务器部署方案。
进一步的,所述步骤S2中计算网络快照的边缘服务器部署方案包括步骤:
(1)以传输延迟Ttrans与计算延迟Tcomp作为目标函数F中用户延迟Tuser部分的内容:
其中,l(i,j)、v、di、uj、λj分别表示基站i到边缘服务器j的欧式距离、数据的传输速度、基站i的数据量、边缘服务器j的服务速率、到达边缘服务器j的服务请求速率;此外,B,yi,j,xj分别为基站的集合、基站i与部署在基站j的边缘服务器是否相关联的二态变量、基站j是否部署边缘服务器的二态变量。
进一步的,所述步骤(1)中,用户延迟Tuser为:
Tuser=Ttrans+Tcomp
(2)以边缘服务器部署位置的站点租赁成本Csite与其容纳的物理机数量的设备成本Cfac作为目标函数F中边缘服务器部署成本Ces部分的内容:
其中,fj、p、βj分别表示边缘服务器j的站点租赁成本、一台物理机的设备成本、边缘服务器j容纳的物理机数量。
进一步的,所述步骤(2)中,边缘服务器部署成本Ces为:
Ces=Csite+Cfac
(3)采用标准化方式,将用户延迟与边缘服务器部署成本进行标准化处理:
其中,η、Tmax、Cmax分别表示标准化系数、最大用户延迟、最大边缘服务器部署成本。
进一步,所述步骤(3)中,最大用户延迟Tmax与最大边缘服务器部署成本Cmax为:
Cmax=fmax+p×βmax
其中,dmax、lmax、fmax、βmax分别表示基站需要传输的最大数据量、基站到边缘服务器最远的欧氏距离、边缘服务器最大的计算时延、最贵的边缘服务器部署站点租赁成本、边缘服务器所能容纳最多的物理机数量。
(4)采用加入折中系数α的方式,将用户延迟Tuser和边缘服务器部署成本Ces联立,得到一个多目标优化函数F:
F=αTuser+(1-α)×η×Ces
其中,F为目标函数;α为折中系数,其取值在0到1之间。
(5)采用改进的离散二进制粒子群算法与最近关联算法对目标函数F进行求解,从而得到网络快照的边缘服务器部署方案。
进一步,所述步骤(5)中,最近关联算法为:
1)计算每个基站到各个边缘服务器部署位置的欧氏距离;
2)根据欧氏距离从小到大的顺序,针对每个边缘服务器部署位置,将基站进行排序;
3)以边缘服务器的最大负载与最大服务速率为阈值,确定关联到每个边缘服务器的基站;
4)筛选出关联多个边缘服务器的基站,并将其关联到距离其最近的边缘服务器,同时取消与其他边缘服务器的关联关系;
5)将剩下的没有确定关联关系的基站,按照距离最近以及满足服务器最大负载量与最大服务速率的条件约束将其分配给各个边缘服务器。
进一步的,所述步骤S5中确定最终边缘服务器部署方案包括步骤:
(1)从边缘服务器位置集合C中随机选择K个位置作为边缘服务器初始部署位置组合Bcur,结合最近关联算法,计算相应部署方案的网络延迟T0:
C={c1,c2,…,cn}
Bcur={b1,b2,…,bK}
其中,Bcur是C的子集;c1,c2,…,cn与b1,b2,…,bK表示边缘服务器部署的候选位置。
进一步,所述步骤(1)中,结合最近关联算法,计算相应部署方案的网络延迟T0为:
1)利用最近关联算法得到所有基站与部署在Bcur的边缘服务器的关联关系;
2)根据关联关系计算相应的网络延迟T0。
(2)从边缘服务器位置集合C中选择一个未被访问过的位置cunv轮流替换当前部署位置组合Bcur中的每个位置,并求每次替换之后的网络延迟:
进一步,所述步骤(2)中,计算每次替换之后的网络延迟为:
(3)选取进行一轮替换之后具有最小网络延迟Tmin的部署位置组合Bmin作为新的当前部署位置组合Bcur:
Tmin=min{T0,T1,…,TK}
Bcur=Bmin
其中,Tmin是T0,T1,…,TK中的最小值,Bmin是Tmin对应的部署位置组合。
(4)循环执行步骤(2)与步骤(3),直到集合C中的所有位置都被访问过,最后确定的具有最小网络延迟的部署方案,即是满足用户移动需求的边缘服务器部署方案。
第二实施例:
本发明公开了一种面向移动用户的5G网络边缘服务器部署方法,如图1所示,包括以下步骤:
第一步,构建不同时间段的网络快照。用户的移动通常遵循着这样的一个规律,即用户的移动以一天为周期进行重复的移动并且用户通常在9:00~19:00在写字楼工作,19:00~24:00在家休息,0:00~9:00在家睡觉;因此,对一天的移动用户数据进行分析,根据用户在一天中的移动规律构造出三个不同时间段的网络快照W1、W2与W3。
在本实施方式中,网络快照包含的信息主要是:用户发送请求的位置、用户发送请求的速率以及用户发送请求的数据量。根据用户发送请求的位置与5G网络中基站的位置及其覆盖范围,确定5G网络中各个基站需要传输的数据量di,i∈B以及服务请求的速率其中基站的数据量等于基站覆盖范围内所有用户发送请求的数据量之和,基站的服务请求速率等于基站覆盖范围内所有用户发送请求的速率之和。
第二步,获取网络快照W1、W2与W3的边缘服务器部署方案。网络快照边缘服务器部署问题可以建模为整数线性规划问题模型。用户延迟Tuser与边缘服务器部署成本Ces是确定部署方案需要考虑的两点;因此,问题模型的目标函数F是包括用户延迟Tuser与边缘服务器部署成本Ces的多目标函数。边缘服务器部署问题是一个NP问题,因此需要利用改进的离散二进制粒子群算法与最近关联算法对目标函数F进行求解。
在本实施方式中,根据5G网络环境及边缘服务器的物理条件确定边缘服务器部署问题的数学模型为:
s.t.
对数学模型的求解步骤为:
1.设置改进的离散二进制粒子群算法的最大迭代次数m,种群中粒子的个数n,粒子的最大速度vmax,最大惯性权重wmax,最小惯性权重wmin,个体加速常数cp,社会加速常数cg;
2.通过改进的离散二进制粒子群算法初始化一批边缘服务器的部署位置组合作为初始种群;
3.根据初始种群信息,利用最近关联算法确定基站与边缘服务器的关联关系;
4.将初始化种群信息与关联信息代入数学模型,计算粒子的目标函数F的值;
5.从粒子群的目标函数值中选择函数值最小的粒子作为最优解保存下来;
6.根据改进的离散二进制粒子群算法的速度更新公式与位置更新公式更新粒子群中的其他粒子;
7.每迭代一次都将对相关粒子的信息进行更新,使得更新之后的粒子是本身所能找到的最优解,且更新之后的最优解是整个种群找到的最优解;
8.直到算法的迭代次数达到m,算法不再执行迭代操作,此时算法求得的最优解即是数学模型的最优解;
9.最后,根据最优解即可得到网络快照的边缘服务器部署方案。
第三步,构建包含所有网络快照边缘服务器位置的集合C。因为W1、W2与W3中用户的服务请求情况不是完全相同,所以W1、W2与W3的边缘服务器部署方案S1、S2与S3也不完全相同;由于这些方案确定的边缘服务器部署位置都是最小化用户延迟与边缘服务器部署成本得到的,因此为了使满足用户移动需求的边缘服务器的部署方案同样具备这两点优势,将包含所有网络快照边缘服务器位置的集合C作为满足用户移动需求的边缘服务器部署位置的候选位置集合。
在本实施方式中,对W1、W2与W3的边缘服务器位置集合C1、C2与C3取并集得到包含所有网络快照边缘服务器位置的集合C:
C=C1∪C2∪C3
第四步,获取所有网络快照中边缘服务器位置数的最大值K。因为W1、W2与W3中用户的服务请求情况不是完全相同,所以W1、W2与W3的边缘服务器部署方案S1、S2与S3也不完全相同,进而W1、W2与W3的边缘服务器位置数K1、K2与K3也不完全相同;当网络中部署的边缘服务器数量越多,基站就更有可能找到距离其最近的边缘服务器,从而使得网络延迟更低;但是考虑到部署成本的因素,不能在所有的基站上都部署边缘服务器;因此,从低延迟与低部署成本两个角度出发,将满足用户移动需求的边缘服务器位置数确定为所有网络快照中边缘服务器位置数的最大值K。
在本实施方式中,对W1、W2与W3中边缘服务器位置数K1、K2与K3取最大值,得到所有网络快照中边缘服务器位置数的最大值K:
K=max{K1,K2,K3}
第五步,获取满足用户移动需求的边缘服务器部署方案。根据包含所有网络快照边缘服务器位置的集合C和所有网络快照中边缘服务器位置数的最大值K,以最小化网络延迟为目标,结合最近关联算法,采用轮流替换的方式,从集合C中确定包含K个位置的满足用户移动需求的边缘服务器部署方案。
在本实施方式中,确定满足用户移动需求的边缘服务器部署方案的步骤为:
1.确定初始部署位置组合Bcur。从集合C中随机选择K个位置作为初始部署位置组合Bcur;
2.根据最近关联算法确定基站与这K个边缘服务器的关联关系;
3.根据关联关系计算相应部署方案的网络延迟,其中网络延迟指的是传输延迟Ttrans;
4.执行轮流替换操作。首先从集合C中选择一个未被访问过的位置cunv依次替换Bcur中的每个位置,然后利用最近关联算法确定基站与每次替换之后的新部署位置组合的关联关系,最后计算每次替换之后的边缘服务器部署方案的网络延迟Ttrans;
5.执行一次轮流替换之后得到的K个部署方案,从这K个部署方案中选择具有最小网络延迟的边缘服务器部署位置组合Bmin作为新的Bcur;
6.循环执行步骤4和步骤5,直到集合C中的位置都被访问过;
7.循环结束之后,算法得到的Bcur即为满足用户移动需求的边缘服务器部署位置,再结合最近关联算法得到满足用户移动需求的边缘服务器部署方案。
该面向移动用户的5G网络边缘服务器部署方法,不仅能够结合5G网络宏基站与微基站的特点为网络快照确定低用户延迟与低边缘服务器部署成本的边缘服务器部署方案,而且能够结合用户的移动特点确定满足用户移动需求的边缘服务器部署方案,从而满足用户在移动过程中对于低延迟服务的需求。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
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 (10)
1.一种面向移动用户的5G网络边缘服务器部署方法,其特征在于,包括以下步骤:
获取移动用户的历史数据及其移动规律,以一天为移动周期,根据用户的移动特点,将一天的移动用户数据划分为多个不同时间段的网络快照;
针对不同网络快照,以用户延迟与边缘服务器部署成本为优化目标,通过改进的离散二进制粒子群算法与最近关联算法,改进的离散二进制粒子群算法改进在于两部分:第一部分是对sigmond函数的改进;当速度为0时,sigmond函数的值为0;当速度小于0与大于0时,sigmond函数关于y轴对称;当速度趋于无穷时,sigmond函数的值为1;第二部分是对位值公式的改进;当速度为0时,位值不变;当速度为负时,位值为0;当速度为正时,位值为1。这样做的目的是,可以让粒子群最终容易靠近全局最优粒子;改进最近关联算法的主要思想是:首先,计算所有基站分别到每个边缘服务器的欧式距离;其次,按基站到边缘服务器的距离由小到大进行排序;再次,根据边缘服务器的负载,确定与其关联的基站;然后,筛选出关联多个边缘服务器的基站,并将其关联到距离其最近的边缘服务器,同时取消其与其他边缘服务器的关联关系;最后,将未确定关联关系的基站关联到距离其最近且满足边缘服务器负载要求的边缘服务器,获取不同网络快照的边缘服务器部署方案;
根据所述边缘服务器部署方案,对不同网络快照求得的边缘服务器位置取并集,得到包含所有网络快照边缘服务器位置的集合C;
计算不同网络快照的边缘服务器位置数,求得所有网络快照中边缘服务器位置数的最大值K;
采用轮流替换的方式,从边缘服务器位置集合C中选取K个具有最小网络延迟的边缘服务器位置作为满足用户移动需求的边缘服务器部署位置,结合最近关联算法得到满足用户移动需求的边缘服务器部署方案。
3.根据权利要求1所述的一种面向移动用户的5G网络边缘服务器部署方法,其特征在于,所述计算每个网络快照边缘服务器部署方案的方法包括:
(1)以传输延迟与计算延迟作为目标函数中用户延迟部分的内容;
(2)以边缘服务器部署位置的站点租赁成本与其容纳的物理机数量的设备成本作为目标函数中边缘服务器部署成本部分的内容;
(3)采用标准化方式,将用户延迟与边缘服务器部署成本进行标准化处理;
(4)采用加入折中系数的方式,将用户延迟和边缘服务器部署成本联立,得到一个多目标优化的目标函数;
(5)采用改进的离散二进制粒子群算法以及最近关联算法对目标函数进行求解,从而得到网络快照的边缘服务器部署方案。
4.根据权利要求3所述的一种面向移动用户的5G网络边缘服务器部署方法,其特征在于,所述步骤(1)以传输延迟与计算延迟作为目标函数中用户延迟部分的内容,具体包括:
以传输延迟Ttrans与计算延迟Tcomp作为目标函数F中用户延迟Tuser部分的内容:
其中,l(i,j)、v、di、uj、λj分别表示基站i到边缘服务器j的欧式距离、数据的传输速度、基站i的数据量、边缘服务器j的服务速率、到达边缘服务器j的服务请求速率;此外,B,yi,j,xj分别为基站的集合、基站i与部署在基站j的边缘服务器是否相关联的二态变量、基站j是否部署边缘服务器的二态变量;
用户延迟Tuser为:
Tuser=Ttrans+Tcomp (3)。
5.根据权利要求4所述的一种面向移动用户的5G网络边缘服务器部署方法,其特征在于,所述步骤(2)以边缘服务器部署位置的站点租赁成本与其容纳的物理机数量的设备成本作为目标函数中边缘服务器部署成本部分的内容,具体包括:
以边缘服务器部署位置的站点租赁成本Csite与其容纳的物理机数量的设备成本Cfac作为目标函数F中边缘服务器部署成本Ces部分的内容:
Csite=∑j∈Bfj×xj (4)
Cfac=∑j∈Bp×βj (5)
其中,fj、p、βj分别表示边缘服务器j的站点租赁成本、一台物理机的设备成本、边缘服务器j容纳的物理机数量;
边缘服务器部署成本Ces为:
Ces=Csite+Cfac (6)。
6.根据权利要求5所述的一种面向移动用户的5G网络边缘服务器部署方法,其特征在于,所述步骤(3)采用标准化方式,将用户延迟与边缘服务器部署成本进行标准化处理:
其中,η、Tmax、Cmax分别表示标准化系数、最大用户延迟、最大边缘服务器部署成本;
所述步骤(3)中,最大用户延迟Tmax与最大边缘服务器部署成本Cmax为:
Cmax=fmax+p×βmax (9)
其中,dmax、lmax、fmax、βmax分别表示基站需要传输的最大数据量、基站到边缘服务器最远的欧氏距离、边缘服务器最大的计算时延、最贵的边缘服务器部署站点租赁成本、边缘服务器所能容纳最多的物理机数量;
采用加入折中系数α的方式,将用户延迟Tuser和边缘服务器部署成本Ces联立,得到一个多目标优化函数F:
F=αTuser+(1-α)×η×Ces (10)
其中,F为目标函数;α为折中系数,其取值在0到1之间。
7.根据权利要求6所述的一种面向移动用户的5G网络边缘服务器部署方法,其特征在于,所述步骤(5)最近关联算法为:
1)计算每个基站到各个边缘服务器部署位置的欧氏距离;
2)根据欧氏距离从小到大的顺序,针对每个边缘服务器部署位置,将基站进行排序;
3)以边缘服务器的最大负载与最大服务速率为阈值,确定关联到每个边缘服务器的基站;
4)筛选出关联多个边缘服务器的基站,并将其关联到距离其最近的边缘服务器,同时取消与其他边缘服务器的关联关系;
5)将剩下的没有确定关联关系的基站,按照距离最近以及满足服务器最大负载量与最大服务速率的条件约束将其分配给各个边缘服务器。
8.根据权利要求6所述的一种面向移动用户的5G网络边缘服务器部署方法,其特征在于,所述确定最终边缘服务器部署方案具体包括以下步骤:
(1)从边缘服务器位置集合C中随机选择K个位置作为边缘服务器初始部署位置组合Bcur,结合最近关联算法,计算相应部署方案的网络延迟T0:
C={c1,c2,…,cn}
Bcur={b1,b2,…,bK}
其中,Bcur是C的子集;c1,c2,…,cn与b1,b2,…,bK表示边缘服务器部署的候选位置;
(2)从边缘服务器位置集合C中选择一个未被访问过的位置cunv轮流替换当前部署位置组合Bcur中的每个位置,并求每次替换之后的网络延迟:
(3)选取进行一轮替换之后具有最小网络延迟Tmin的部署位置组合Bmin作为新的当前部署位置组合Bcur:
Tmin=min{T0,T1,…,TK}
Bcur=Bmin
其中,Tmin是T0,T1,…,TK中的最小值,Bmin是Tmin对应的部署位置组合;
(4)循环执行步骤(2)与步骤(3),直到集合C中的所有位置都被访问过,最后确定的具有最小网络延迟的部署方案,即是满足用户移动需求的边缘服务器部署方案。
9.根据权利要求8所述的一种面向移动用户的5G网络边缘服务器部署方法,其特征在于,所述步骤(1)中,结合最近关联算法,计算相应部署方案的网络延迟T0为:
1)利用最近关联算法得到所有基站与部署在Bcur的边缘服务器的关联关系;
2)根据关联关系与公式(1)计算相应的网络延迟T0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111492763.9A CN114423023B (zh) | 2021-12-08 | 2021-12-08 | 一种面向移动用户的5g网络边缘服务器部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111492763.9A CN114423023B (zh) | 2021-12-08 | 2021-12-08 | 一种面向移动用户的5g网络边缘服务器部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114423023A true CN114423023A (zh) | 2022-04-29 |
CN114423023B CN114423023B (zh) | 2024-02-02 |
Family
ID=81265316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111492763.9A Active CN114423023B (zh) | 2021-12-08 | 2021-12-08 | 一种面向移动用户的5g网络边缘服务器部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114423023B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115134366A (zh) * | 2022-06-28 | 2022-09-30 | 山东海量信息技术研究院 | 一种移动边缘分发网络服务器放置方法及系统 |
CN115426257A (zh) * | 2022-07-29 | 2022-12-02 | 之江实验室 | 一种面向服务网格的多控制器架构与部署方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150245160A1 (en) * | 2014-02-24 | 2015-08-27 | International Business Machines Corporation | Techniques for Mobility-Aware Dynamic Service Placement in Mobile Clouds |
CN104995870A (zh) * | 2012-11-21 | 2015-10-21 | 瑞典爱立信有限公司 | 多目标服务器布局确定 |
US20180316746A1 (en) * | 2010-03-01 | 2018-11-01 | Genghiscomm Holdings, LLC | Edge Server Selection for Device-Specific Network Topologies |
CN110049130A (zh) * | 2019-04-22 | 2019-07-23 | 北京邮电大学 | 一种基于边缘计算的服务部署和任务调度方法及装置 |
US10966069B1 (en) * | 2019-12-02 | 2021-03-30 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for HD map generation using an edge server network |
CN113259469A (zh) * | 2021-06-02 | 2021-08-13 | 西安邮电大学 | 智能制造中边缘服务器部署方法、系统及存储介质 |
CN113347255A (zh) * | 2021-06-03 | 2021-09-03 | 南京邮电大学 | 边缘服务器选址部署模型及其求解方法 |
CN113472844A (zh) * | 2021-05-26 | 2021-10-01 | 北京邮电大学 | 面向车联网的边缘计算服务器部署方法、装置及设备 |
CN113595801A (zh) * | 2021-08-09 | 2021-11-02 | 湘潭大学 | 一种基于任务流量和时效性的边缘云网络服务器部署方法 |
-
2021
- 2021-12-08 CN CN202111492763.9A patent/CN114423023B/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 |
CN104995870A (zh) * | 2012-11-21 | 2015-10-21 | 瑞典爱立信有限公司 | 多目标服务器布局确定 |
US20150245160A1 (en) * | 2014-02-24 | 2015-08-27 | International Business Machines Corporation | Techniques for Mobility-Aware Dynamic Service Placement in Mobile Clouds |
CN110049130A (zh) * | 2019-04-22 | 2019-07-23 | 北京邮电大学 | 一种基于边缘计算的服务部署和任务调度方法及装置 |
US10966069B1 (en) * | 2019-12-02 | 2021-03-30 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for HD map generation using an edge server network |
CN113472844A (zh) * | 2021-05-26 | 2021-10-01 | 北京邮电大学 | 面向车联网的边缘计算服务器部署方法、装置及设备 |
CN113259469A (zh) * | 2021-06-02 | 2021-08-13 | 西安邮电大学 | 智能制造中边缘服务器部署方法、系统及存储介质 |
CN113347255A (zh) * | 2021-06-03 | 2021-09-03 | 南京邮电大学 | 边缘服务器选址部署模型及其求解方法 |
CN113595801A (zh) * | 2021-08-09 | 2021-11-02 | 湘潭大学 | 一种基于任务流量和时效性的边缘云网络服务器部署方法 |
Non-Patent Citations (1)
Title |
---|
徐昌彪;刘杨;刘远祥;李栋;: "基于多重指标的MEC服务器选择方案", 重庆邮电大学学报(自然科学版) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115134366A (zh) * | 2022-06-28 | 2022-09-30 | 山东海量信息技术研究院 | 一种移动边缘分发网络服务器放置方法及系统 |
CN115134366B (zh) * | 2022-06-28 | 2024-03-15 | 山东海量信息技术研究院 | 一种移动边缘分发网络服务器放置方法及系统 |
CN115426257A (zh) * | 2022-07-29 | 2022-12-02 | 之江实验室 | 一种面向服务网格的多控制器架构与部署方法 |
CN115426257B (zh) * | 2022-07-29 | 2023-09-05 | 之江实验室 | 一种面向服务网格的多控制器架构与部署方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114423023B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027736B (zh) | 多目标优化下的微服务组合部署与调度方法 | |
Deng et al. | Optimal application deployment in resource constrained distributed edges | |
Cicconetti et al. | A decentralized framework for serverless edge computing in the internet of things | |
Gan et al. | Genetic simulated annealing algorithm for task scheduling based on cloud computing environment | |
Kaur et al. | Data placement in era of cloud computing: a survey, taxonomy and open research issues | |
CN114423023A (zh) | 一种面向移动用户的5g网络边缘服务器部署方法 | |
WO2005076890A2 (en) | Approach for estimating user ratings of items | |
Han et al. | Energy-efficient dynamic virtual machine management in data centers | |
Wang et al. | Presto: Towards efficient online virtual network embedding in virtualized cloud data centers | |
CN109710406B (zh) | 数据分配及其模型训练方法、装置、及计算集群 | |
Li et al. | Resource scheduling based on improved spectral clustering algorithm in edge computing | |
CN112148492A (zh) | 一种考虑多用户移动性的服务部署和资源分配方法 | |
Dou et al. | A resource co-allocation method for load-balance scheduling over big data platforms | |
CN111324429B (zh) | 一种基于多代血统参考距离的微服务组合调度方法 | |
Jagadish Kumar et al. | Hybrid gradient descent golden eagle optimization (HGDGEO) algorithm-based efficient heterogeneous resource scheduling for big data processing on clouds | |
Madhumala et al. | Virtual machine placement using energy efficient particle swarm optimization in cloud datacenter | |
CN111044062B (zh) | 路径规划、推荐方法和装置 | |
Kothi Laxman et al. | PGWO‐AVS‐RDA: An intelligent optimization and clustering based load balancing model in cloud | |
CN114070847B (zh) | 服务器的限流方法、装置、设备及存储介质 | |
Harika et al. | Multi-objective optimization-oriented resource allocation in the fog environment: A new hybrid approach | |
CN115756772A (zh) | 面向边缘云混合作业的动态编排与任务调度方法及系统 | |
CN116339932A (zh) | 资源调度方法、装置和服务器 | |
Huang | The value-of-information in matching with queues | |
CN113111133A (zh) | 用户分类的方法和装置 | |
CN112882805A (zh) | 一种任务资源约束的利润优化调度方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230825 Address after: Room 801, 85 Kefeng Road, Huangpu District, Guangzhou City, Guangdong Province Applicant after: Guangzhou Dayu Chuangfu Technology Co.,Ltd. Address before: 400065 Chongwen Road, Nanshan Street, Nanan District, Chongqing Applicant before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS |
|
GR01 | Patent grant | ||
GR01 | Patent grant |