CN114844900B - 一种基于不确定需求下的边云资源协作方法 - Google Patents

一种基于不确定需求下的边云资源协作方法 Download PDF

Info

Publication number
CN114844900B
CN114844900B CN202210483939.2A CN202210483939A CN114844900B CN 114844900 B CN114844900 B CN 114844900B CN 202210483939 A CN202210483939 A CN 202210483939A CN 114844900 B CN114844900 B CN 114844900B
Authority
CN
China
Prior art keywords
edge server
efficiency
module
request
resources
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.)
Active
Application number
CN202210483939.2A
Other languages
English (en)
Other versions
CN114844900A (zh
Inventor
张尧学
孙男
张永敏
王威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202210483939.2A priority Critical patent/CN114844900B/zh
Publication of CN114844900A publication Critical patent/CN114844900A/zh
Application granted granted Critical
Publication of CN114844900B publication Critical patent/CN114844900B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1012—Server selection for load balancing based on compliance of requirements or conditions with available server resources
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Multi Processors (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种基于不确定需求下的边云资源协作方法，目的是提高边缘服务器的服务效率。技术方案是先构建由J个边缘服务器和一个云端服务中心组成的边缘云一体化系统。接着边缘服务器的各个模块依次运行：设备信息模块读取最大计算负载；效率计算模块计算计算资源对效率的预期影响；数据预估模块根据预期影响，预估边缘服务器最大预期效率和最优预先请求资源量；最优决策模块根据预先请求资源量和预期影响，计算最优预先请求决策；第一协作模块根据最优预先请求决策和预先请求资源量确定请求指令。最后云端服务中心根据请求指令调度资源。采用本发明可以避免预先请求资源过少时的计算任务流失，提高边缘服务器的服务效率。

Description

一种基于不确定需求下的边云资源协作方法
技术领域
本发明涉及高性能网络技能领域，具体涉及一种基于不确定需求下的边云资源协作方法。
背景技术
随着移动物联网(IoT)设备的日益普及，用户对于计算任务的延迟保障提出了更高的要求。考虑到云端服务中心具有不可预测的通信延迟，而移动边缘服务器具有低时延的特性，因此移动用户更倾向于将一些延迟密集型计算任务(如人脸识别和医疗等)卸载到用户附近的边缘服务器上，这使得边缘计算近些年备受研究者关注。
然而，边缘服务器相较于云端服务中心而言，计算资源是有限的，因此当存在大量的计算负载时，边缘服务器往往很难保证自身服务质量。如果大范围建设边缘服务器，会导致极高的建造成本和维修成本，因此边缘服务器存在请求计算资源来使得保证服务质量的同时提供更多的计算服务的需求。而对于云端服务中心来说，由于移动用户的延迟密集型任务均卸载至边缘服务器，导致云端服务中心存在一部分计算资源处于空闲状态，运转这些空闲计算资源会产生额外的电力成本，导致资源浪费，因此云端服务中心也需要调度自身空闲计算资源来避免电力资源的浪费。这也为边云协作奠定了基础。
目前，边云协作方法主要集中在卸载策略上。边缘服务器将自身计算资源无法满足的计算任务卸载至云端服务中心，云端服务中心调度资源来提供计算服务，将计算结果返回至边缘服务器。在这种模式中，边缘服务器分发任务给云端服务中心的同时，会产生很高的时延，这使得边缘服务器的服务质量无法得到保障。
针对这一问题，边云资源协作方法被视为一种有效的解决措施。边缘服务器通过从云端服务中心提前请求一部分计算资源，从而提供更多的计算服务。而云端服务中心也能够提前调整自身计算资源，提高资源调度的稳定性同时避免资源的浪费。在现有边云资源协作方法中，边缘服务器大多是当本地计算资源无法承担计算负载时，临时从云端服务中心请求计算资源。但是对于云端服务中心而言，这种瞬发的资源调度往往会破坏云端服务中心资源运转的稳定性。因此，在边云资源协作方法中，考虑预先调度计算资源的形式来提高云端服务中心稳定性的同时实现资源调度十分必要。然而，对于边缘服务器，计算负载是不确定的，预先请求过多计算资源可能会存在计算资源浪费，而预先请求过少计算资源会存在一部分计算任务无法完成，这两种情况都不能使边缘服务器可以提供更多的计算服务。若将预先请求和临时请求相结合可以避免资源浪费和任务流失，使得边缘服务器能够根据可承担的最大计算负载，选择合理的计算资源请求决策，以提高边缘服务器的服务效率，但目前还没有公开文献涉及将预先请求和临时请求相结合来的方法。
综上所述，急需一种在不确定需求下，将预先请求和临时请求相结合的边云资源协作机制使得边缘服务器能够根据最大计算负载，选择合理的计算资源请求决策，提高边缘服务器的服务效率。
发明内容
本发明要解决的技术问题在于，提供一种不确定需求下的边云资源协作方法，提高边缘服务器的服务效率。
本发明提出了一种不确定需求下的边云资源协作方法，包括以下步骤：
第一步，构建边缘云一体化系统。该系统由J个边缘服务器和一个云端服务中心组成。令J个边缘服务器为边缘服务器1，…，边缘服务器j，…，边缘服务器J，1≤j≤J。
J台边缘服务器并行工作，每台边缘服务器安装有相同的模块，令任意一台边缘服务器的编号为j，边缘服务器j上安装有设备信息管理模块、优化模块、结果生成模块、第一协作模块。设备信息管理模块与优化模块相连；优化模块与设备信息管理模块、结果生成模块相连；结果生成模块与优化模块、第一协作模块相连；第一协作模块与结果生成模块、云端服务中心相连。
边缘服务器j上的设备信息管理模块初始化预先请求的计算资源
Figure BDA0003628595180000021
从边缘服务器的设备信息说明书中读取所属边缘服务器的最大计算负载
Figure BDA0003628595180000022
将
Figure BDA0003628595180000023
发送给优化模块。
边缘服务器j上的优化模块包含效率计算模块、数据预估模块和最优决策模块。效率计算模块与设备信息管理模块、数据预估模块和最优决策模块相连，效率计算模块从设备信息管理模块接收预先请求的计算资源
Figure BDA0003628595180000024
计算计算资源对边缘服务器j的服务效率的预期影响，将不同的预期影响组成第一临时效率数组
Figure BDA0003628595180000025
将
Figure BDA0003628595180000026
发送给数据预估模块；当预先请求的计算资源确定为
Figure BDA0003628595180000027
时，根据从数据预估模块接收的最优的预先请求资源量
Figure BDA0003628595180000028
效率计算模块重新计算服务效率的预期影响，得到第二临时效率数组
Figure BDA0003628595180000029
并将
Figure BDA00036285951800000210
发送给最优决策模块。数据预估模块与设备信息管理模块、效率计算模块、最优决策模块、结果生成模块相连，数据预估模块从设备信息管理模块接收最大计算负载
Figure BDA0003628595180000031
并接收效率计算模块传来的
Figure BDA0003628595180000032
在最大计算负载为
Figure BDA0003628595180000033
时，与效率计算模块相互配合，进行效率预估、资源预估，得到边缘服务器j的最大预期效率
Figure BDA0003628595180000034
以及最优预先请求资源量
Figure BDA0003628595180000035
将
Figure BDA0003628595180000036
发送给效率计算模块和结果生成模块、将
Figure BDA0003628595180000037
发送给最优决策模块和结果生成模块。最优决策模块与设备信息管理模块、数据预估模块、效率计算模块、结果生成模块相连，根据效率计算模块传来的
Figure BDA0003628595180000038
和数据预估模块传来的
Figure BDA0003628595180000039
以及从设备信息管理模块接收的最大计算负载
Figure BDA00036285951800000310
预估在最大计算负载
Figure BDA00036285951800000311
时，边缘服务器j最优预先请求决策
Figure BDA00036285951800000312
将
Figure BDA00036285951800000313
发送给结果生成模块。注意：在不同最大计算负载下，边缘服务器的数据预估模块和最优决策模块需进行多次预估。
边缘服务器j上的结果生成模块从优化模块接收最大预期效率
Figure BDA00036285951800000314
最优预先请求资源量
Figure BDA00036285951800000315
和最优预先请求决策
Figure BDA00036285951800000316
将其组成效率最优三元组，并将
Figure BDA00036285951800000317
和
Figure BDA00036285951800000318
发送给第一协作模块。
边缘服务器j上的第一协作模块从结果生成模块接收
Figure BDA00036285951800000319
和
Figure BDA00036285951800000320
决定如何进行边云合作，即确定请求策略，将含有请求策略的请求指令发送给云端服务中心。
云端服务中心上安装有第二协作模块。第二协作模块从J个边缘服务器的第一协作模块接收请求指令，根据请求指令调度资源为发送请求指令的边缘服务器提供计算服务。
第二步，J台边缘服务器的设备信息管理模块初始化所属边缘服务器预先请求的计算资源为0，其中边缘服务器j的设备信息管理模块初始化边缘服务器j预先请求的计算资源
Figure BDA00036285951800000321
为0，将
Figure BDA00036285951800000322
发送给效率计算模块，所述计算资源包括CPU资源、存储资源、数据资源、信息资源、知识资源、大型数据库、网络资源、硬件资源等，其中硬件资源主要是指硬盘、软驱、光驱和打印机等硬件设备。J台边缘服务器的设备信息管理模块从边缘服务器的设备信息说明书中读取所属边缘服务器的最大计算负载，边缘服务器j的最大计算负载用
Figure BDA00036285951800000323
表示，将
Figure BDA00036285951800000324
发送给数据预估模块和最优决策模块。
第三步，J台边缘服务器的效率计算模块从设备信息管理模块接收预先请求的计算资源
Figure BDA00036285951800000325
并行计算计算资源对边缘服务器的服务效率预期影响，得到边缘服务器不同请求决策下的预期效率的结果，并添加到第一临时效率数组，将第一临时效率数组发送给边缘服务器的数据预估模块；每台边缘服务器的效率计算模块计算计算资源对边缘服务器的服务效率预期影响方法相同，边缘服务器j的效率计算模块计算计算资源对边缘服务器的服务效率预期影响，得到计算边缘服务器j不同请求决策下的预期效率的结果，并添加到第一临时效率数组
Figure BDA0003628595180000041
将
Figure BDA0003628595180000042
发送给边缘服务器j的数据预估模块的方法是：
3.1边缘服务器j的效率计算模块从设备信息管理模块接收边缘服务器j预先请求的计算资源
Figure BDA0003628595180000043
3.2边缘服务器j的效率计算模块根据
Figure BDA0003628595180000044
采用效率影响计算方法计算
Figure BDA0003628595180000045
对边缘服务器j的服务效率预期影响，得到预先请求的计算资源为
Figure BDA0003628595180000046
时的第一临时效率数组
Figure BDA0003628595180000047
效率影响计算方法具体是：
步骤3.2.1边缘服务器j的效率计算模块计算边缘服务器j请求决策为xj、yj时的可用计算资源
Figure BDA0003628595180000048
A为available的首字母，代表可用的。
Figure BDA0003628595180000049
其中，
Figure BDA00036285951800000410
表示边缘服务器j的本地计算资源，
Figure BDA00036285951800000411
表示边缘服务器j临时请求的计算资源，
Figure BDA00036285951800000412
根据实际情况计算得出。xj、yj表示请求决策，其中xj表示边缘服务器j的预先请求资源的决策，如果边缘服务器j决定预先请求计算资源
Figure BDA00036285951800000413
则xj＝1；否则xj＝0。yj表示边缘服务器j的临时请求资源的决策，如果边缘服务器j决定临时请求计算资源
Figure BDA00036285951800000414
则yj＝1；否则yj＝0。
步骤3.2.2、边缘服务器j的效率计算模块根据
Figure BDA00036285951800000415
计算边缘服务器j通过
Figure BDA00036285951800000416
最多可完成的计算任务数
Figure BDA00036285951800000417
其中，
Figure BDA00036285951800000418
表示边缘服务器j单个计算任务所需计算资源的平均预期量，此处
Figure BDA00036285951800000419
为边缘服务器j历史计算需求的平均值，
Figure BDA00036285951800000420
为0.1。
步骤3.2.3、基于泊松分布，边缘服务器j的效率计算模块计算nj个计算任务到达边缘服务器j的概率Pr{nj}，
Figure BDA00036285951800000421
其中，nj为到达边缘服务器j的计算任务的个数，nj为正整数，λj表示边缘服务器j的计算任务数目的预期值，λj的取值优选为[10,50]。
步骤3.2.4、根据Pr{nj}，边缘服务器j的效率计算模块计算边缘服务器j的不同预先请求资源决策xj和临时请求资源决策yj情况下的临时请求资源量和xj和yj对边缘服务器j服务效率的期望影响，临时请求的计算资源用
Figure BDA00036285951800000422
表示，期望影响用Uj(xj,yj)表示，方法是：
步骤3.2.4.1若xj＝0,且yj＝0，即若边缘服务器j拒绝与云端服务中心协作，临时请求资源量
Figure BDA0003628595180000051
请求决策xj＝0,yj＝0对边缘服务器j服务效率的期望影响为Uj(0,0)，具体
Figure BDA0003628595180000052
其中，
Figure BDA0003628595180000053
表示当边缘服务器j本地资源可承担计算负载对边缘服务器j服务效率的正面影响，
Figure BDA0003628595180000054
Pj表示边缘服务器j完成单个计算任务对服务效率带来的正面影响，Pj的取值优选为[1,3]；
Figure BDA0003628595180000055
表示当边缘服务器j本地资源无法承担计算负载对边缘服务器j服务效率的负面影响，
Figure BDA0003628595180000056
具体为：
Figure BDA0003628595180000057
其中，
Figure BDA0003628595180000058
表示xj＝0,yj＝0时边缘服务器j的可用计算资源，
Figure BDA0003628595180000059
表示边缘服务器j通过
Figure BDA00036285951800000510
最多可完成的计算任务数，
Figure BDA00036285951800000511
表示边缘服务器因错失任务对效率造成的负面影响，
Figure BDA00036285951800000512
β为
Figure BDA00036285951800000513
负面影响参数。此处，为避免边缘服务器长期错失任务降低用户体验所导致的计算需求下降，因此负面影响要高于正面影响，β为非负浮点数，β的取值优选为[1,3]。
Figure BDA00036285951800000514
为边缘服务器j最多可完成的计算任务数的最大值。
步骤3.2.4.2若xj＝0,yj＝1，即若边缘服务器j仅选择以临时请求资源的方式与云端服务中心协作，临时请求资源量
Figure BDA00036285951800000515
表示请求决策xj＝0,yj＝1对边缘服务器j效率的期望影响为Uj(0,1)，具体为：
Figure BDA00036285951800000516
其中，
Figure BDA00036285951800000517
表示当边缘服务器j本地资源无法承担计算负载时，边缘服务器j选择以临时请求资源的方式与云端服务中心协作对服务效率的负面影响，
Figure BDA00036285951800000518
具体为：
Figure BDA00036285951800000519
其中，
Figure BDA00036285951800000520
表示边缘服务器j以临时请求资源的方式与云端服务中心协作时单位资源量对服务效率带来的负面影响，
Figure BDA00036285951800000521
δ为
Figure BDA00036285951800000522
负面影响参数，δ为非负浮点数，δ的取值优选为[0.5,1.5]。
步骤3.2.4.3若xj＝1,yj＝0，即若边缘服务器j仅以预先请求资源的形式与云端服务中心协作，临时请求资源量
Figure BDA00036285951800000523
表示该请求决策xj＝1,yj＝0对边缘服务器j效率的期望影响为Uj(1,0)，具体为
Figure BDA00036285951800000524
其中，
Figure BDA0003628595180000061
表示边缘服务器j以预先请求的方式与云端服务中心协作时单位资源量对服务效率带来的负面影响，
Figure BDA0003628595180000062
α为
Figure BDA0003628595180000063
负面影响参数，瞬发的资源调度往往会破坏云端服务中心资源运转的稳定性，因此边缘服务器从云端服务中心临时请求的计算资源的具有较高的负面影响，因此要求0<α<δ。
Figure BDA0003628595180000064
表示当边缘服务器预先请求后的可用计算资源可承担计算负载时对边缘服务器j服务效率的正面影响，
Figure BDA0003628595180000065
Figure BDA0003628595180000066
表示边缘服务器j向云端服务中心预先请求资源时，即xj＝1,yj＝0时边缘服务器j的可用计算资源，
Figure BDA0003628595180000067
表示边缘服务器j通过
Figure BDA0003628595180000068
最多可完成的计算任务数；
Figure BDA0003628595180000069
表示未使用的单位计算资源对边缘服务器j效率的负面影响，
Figure BDA00036285951800000610
γ为
Figure BDA00036285951800000611
负面影响参数，γ为非负浮点数，γ的取值优选为[0.2,0.5]。
Figure BDA00036285951800000612
表示当边缘服务器j预先请求后的可用计算资源无法承担计算负载时对边缘服务器j的负面影响，
Figure BDA00036285951800000613
具体为：
Figure BDA00036285951800000614
步骤3.2.4.4若xj＝1,yj＝1，即若当边缘服务器j以预先请求资源与临时请求资源相结合的方式与云端服务中心协作，临时请求资源量
Figure BDA00036285951800000615
表示请求决策xj＝1,yj＝1对边缘服务器j的期望影响为Uj(1,1)，具体为
Figure BDA00036285951800000616
其中，
Figure BDA00036285951800000617
表示当边缘服务器j预先请求后的可用资源无法承担计算负载，再以临时请求的形式与云端服务中心协作时对边缘服务器j的负面影响，
Figure BDA00036285951800000618
具体为：
Figure BDA00036285951800000619
步骤3.2.4.5，效率计算模块将计算边缘服务器j不同请求决策下的预期效率的结果(即Uj(0,0),Uj(0,1),Uj(1,0),Uj(1,1))添加到预先请求的计算资源为
Figure BDA00036285951800000620
时的第一临时效率数组
Figure BDA00036285951800000621
中，即令
Figure BDA00036285951800000622
将
Figure BDA00036285951800000623
发送给边缘服务器j的数据预估模块。
第四步：J台边缘服务器的数据预估模块从设备信息管理模块接收最大计算负载，和效率计算模块相互配合，并行预估在预先请求不同计算资源时边缘服务器最大预期效率以及边缘服务器最优预先请求资源量。每台边缘服务器的效率计算模块计算不同预先请求资源时的第一临时效率数组，每台边缘服务器的数据预估模块接收第一临时效率数组，采用边缘服务器最大预期效率、最优预先请求资源预估方法进行效率预估、资源预估；每台边缘服务器的数据预估模块的方法相同。边缘服务器j的数据预估模块和效率计算模块相互配合，预估最大计算负载为
Figure BDA0003628595180000071
时，预先请求不同计算资源时边缘服务器j最优预先请求资源量
Figure BDA0003628595180000072
以及最大预期效率
Figure BDA0003628595180000073
的方法是：
步骤4.1边缘服务器j的数据预估模块从设备信息管理模块接收
Figure BDA0003628595180000074
步骤4.2、边缘服务器j的数据预估模块初始化边缘服务器j的预先请求计算资源量
Figure BDA0003628595180000075
初始化边缘服务器j的最优预先请求资源量
Figure BDA0003628595180000076
初始化边缘服务器j的临时最大预期效率
Figure BDA0003628595180000077
初始化边缘服务器j的最大预期效率
Figure BDA0003628595180000078
步骤4.3、数据预估模块和效率计算模块相互协作，确定当边缘服务器j预先请求资源
Figure BDA0003628595180000079
时，边缘服务器j的临时最优效率，方法是：
步骤4.3.1数据预估模块判定
Figure BDA00036285951800000710
是否成立，若成立，转步骤4.3.3；若不成立，转步骤4.3.2。
步骤4.3.2边缘服务器j的数据预估模块从效率计算模块接收第一临时效率数组
Figure BDA00036285951800000711
转步骤4.3.4。
步骤4.3.3边缘服务器j的效率计算模块采用3.2步所述效率影响计算方法计算计算资源
Figure BDA00036285951800000712
对边缘服务器j的服务效率预期影响，得到预先请求的计算资源为
Figure BDA00036285951800000713
时的第一临时效率数组
Figure BDA00036285951800000714
将
Figure BDA00036285951800000715
发送给边缘服务器j的数据预估模块，边缘服务器j的数据预估模块从效率计算模块接收第一临时效率数组
Figure BDA00036285951800000716
转步骤4.3.4。
步骤4.3.4数据预估模块初始化预先请求资源为
Figure BDA00036285951800000717
时的临时最优效率
Figure BDA00036285951800000718
Figure BDA00036285951800000719
(
Figure BDA00036285951800000720
表示
Figure BDA00036285951800000721
的第0项)。
步骤4.3.5数据预估模块从第一临时效率数组
Figure BDA00036285951800000722
中找到最优效率，得到预先请求资源为
Figure BDA00036285951800000723
时的临时最优效率
Figure BDA00036285951800000724
方法是：
步骤4.3.5.1令临时效率数组
Figure BDA00036285951800000725
的下标i＝0。
步骤4.3.5.2判定
Figure BDA0003628595180000081
是否成立，若成立，表明没有得到当前边缘服务器j的预期效率最大值，转至步骤4.3.5.3；若不成立，则转至步骤4.3.5.4。
步骤4.3.5.3令
Figure BDA0003628595180000082
转至步骤4.3.5.4；
步骤4.3.5.4令i＝i+1；
步骤4.3.5.5判定i<L(U)是否成立，L(U)表示效率数组
Figure BDA0003628595180000083
的长度，L(U)为4。若成立，表明还没比较完所有的效率值，转至步骤4.3.5.2；若不成立，则得到预先请求资源为
Figure BDA0003628595180000084
时的临时最优效率
Figure BDA0003628595180000085
转步骤4.4。
步骤4.4、数据预估模块根据
Figure BDA0003628595180000086
确定边缘服务器最优预先请求资源量
Figure BDA0003628595180000087
并确定在边缘服务器最优预先请求资源量为
Figure BDA0003628595180000088
时，边缘服务器j的最大预期效率
Figure BDA0003628595180000089
方法是：
步骤4.4.1判定
Figure BDA00036285951800000810
是否成立，若成立，表明当前预先请求资源量不能使得边缘效率j预期效率最大，转至步骤4.4.2；若不成立，转至步骤4.4.3。
步骤4.4.2、令
Figure BDA00036285951800000811
转至步骤4.4.3。
步骤4.4.3、令
Figure BDA00036285951800000812
步骤4.4.4、判定
Figure BDA00036285951800000813
是否成立，
Figure BDA00036285951800000814
表示边缘服务器j可预先请求的最大计算资源量，要求不大于云端服务中心在保证云端服务中心计算资源调度稳定性的前提下可调度给边缘服务器j的最大计算资源量，
Figure BDA00036285951800000815
的取值由实际情况决定，
Figure BDA00036285951800000816
的取值优选为10。若成立，表明还没比较完所有的预先请求的计算量，转至步骤4.3。若不成立，则转至步骤4.4.5。
步骤4.4.5、令边缘服务器j的最优预先请求资源量
Figure BDA00036285951800000817
令边缘服务器j的最大预期效率
Figure BDA00036285951800000818
步骤4.4.6、得到边缘服务器j的最优预先请求资源量
Figure BDA00036285951800000819
和边缘服务器j的最大预期效率
Figure BDA00036285951800000820
数据预估模块将
Figure BDA00036285951800000821
发送给边缘服务器j的效率计算模块和结果生成模块，将
Figure BDA00036285951800000822
发送给边缘服务器j的最优决策模块和结果生成模块，转第五步。
第五步，边缘服务器j的效率计算模块根据边缘服务器j最优预先请求资源量
Figure BDA00036285951800000823
采用3.2步所述效率影响计算方法计算计算资源对边缘服务器j的服务效率预期影响，得到第二临时效率数组
Figure BDA0003628595180000091
令第二临时效率数组
Figure BDA0003628595180000092
的下标k＝0。
第六步：J台边缘服务器的最优决策模块从设备信息管理模块接收最大计算负载，根据第四步得到的边缘服务器的最大预期效率和第五步得到的第二临时效率数组，并行计算使得边缘服务器j的效率最大的最优预先请求决策，每台边缘服务器的最优决策模块均采用边缘服务器最优预先请求决策预估方法预估最优预先请求决策。边缘服务器j的最优决策模块采用边缘服务器最优预先请求决策预估方法预估最大计算负载为
Figure BDA0003628595180000093
时，使得边缘服务器j的效率最大的最优预先请求决策
Figure BDA0003628595180000094
方法是：
步骤6.1、边缘服务器j的最优决策模块从设备信息管理模块接收
Figure BDA0003628595180000095
从数据预估模块接收
Figure BDA0003628595180000096
从效率计算模块接收
Figure BDA0003628595180000097
步骤6.2、判定
Figure BDA0003628595180000098
是否成立，若成立，表明采用当前预先请求资源量
Figure BDA0003628595180000099
可以使边缘效率j预期效率最大，转至步骤6.3；若不成立，转至步骤6.4
步骤6.3、令
Figure BDA00036285951800000910
转步骤6.4；
步骤6.4、令k＝k+1；
步骤6.5、判定k<L(U)是否成立。若成立，转步骤6.2。若不成立，则转至步骤6.6；
步骤6.6、得到
Figure BDA00036285951800000911
将
Figure BDA00036285951800000912
发送给结果生成模块，转第七步。
第七步：J台边缘服务器的结果生成模块从优化模块接收最大预期效率、最优预先请求资源量和最优预先请求决策，并将这三者组成效率最优三元组，效率最优三元组用于验证本发明的有效性。J台边缘服务器的结果生成模块将效率最优三元组中的最优预先请求资源量和最优预先请求决策发送给边缘服务器的第一协作模块。其中，边缘服务器j的效率最优三元组为(最大预期效率
Figure BDA00036285951800000913
最优预先请求资源量
Figure BDA00036285951800000914
最优预先请求决策
Figure BDA00036285951800000915
)，边缘服务器j的结果生成模块将
Figure BDA00036285951800000916
和
Figure BDA00036285951800000917
发送给边缘服务器j的第一协作模块。
第八步，J台边缘服务器的第一协作模块根据从结果生成模块接收的边缘服务器最优预先请求资源量，边缘服务器最优预先请求决策，并行确定边云资源协作决策和请求指令(请求指令为一个包括预先请求资源量和临时请求资源量的二元组)，最后将请求指令发送给云端服务中心的第二协作模块。对于处于不同最大计算负载的每台边缘服务器，第一协作模块确定边云资源协作决策和请求指令的方法相同。最大计算负载为
Figure BDA0003628595180000101
的边缘服务器j的第一协作模块根据边缘服务器最优预先请求资源量
Figure BDA0003628595180000102
边缘服务器最优预先请求决策
Figure BDA0003628595180000103
确定边云资源协作决策和请求指令(由预先请求资源量
Figure BDA0003628595180000104
和临时请求资源量
Figure BDA0003628595180000105
组成的二元组)的方法是：
步骤8.1边缘服务器j的第一协作模块从结果生成模块接收边缘服务器j最优的预先请求资源量
Figure BDA0003628595180000106
边缘服务器j最优的预先请求决策
Figure BDA0003628595180000107
步骤8.2边缘服务器j中的第一协作模块根据
Figure BDA0003628595180000108
决定如何进行边云合作，并确定预先请求资源量
Figure BDA0003628595180000109
和临时请求资源量
Figure BDA00036285951800001010
将预先请求资源量
Figure BDA00036285951800001011
和临时请求资源量
Figure BDA00036285951800001012
组成的二元组作为请求指令，方法是：
步骤8.2.1边缘服务器j中的第一协作模块根据
Figure BDA00036285951800001013
决定如何进行边云合作，若
Figure BDA00036285951800001014
转至步骤8.2.2；若
Figure BDA00036285951800001015
转至步骤8.2.3；若
Figure BDA00036285951800001016
转至步骤8.2.4；若
Figure BDA00036285951800001017
转至步骤8.2.5；
步骤8.2.2此时xj＝0,yj＝0，边缘服务器j拒绝和云端服务中心协作，转步骤8.3；
步骤8.2.3此时xj＝0,yj＝1，边缘服务器j仅以临时请求资源的形式和云端服务中心进行协作，边缘服务器j中的第一协作模块确定
Figure BDA00036285951800001018
Figure BDA00036285951800001019
转步骤8.3；
步骤8.2.4此时xj＝1,yj＝0，边缘服务器j仅以预先请求的形式和云端服务中心进行协作，边缘服务器j中的第一协作模块确定
Figure BDA00036285951800001020
转步骤8.3；
步骤8.2.5此时xj＝1,yj＝1，边缘服务器j以预先请求结合临时请求的形式和云端服务中心进行协作，边缘服务器j中的第一协作模块确定
Figure BDA00036285951800001021
Figure BDA00036285951800001022
转步骤8.3；
步骤8.3边缘服务器j的第一协作模块向云端服务中心的第二协作模块发送请求指令，请求指令是由预先请求资源
Figure BDA00036285951800001023
和临时请求资源
Figure BDA00036285951800001024
组成的二元组，即
Figure BDA00036285951800001025
转第九步。
第九步，云端服务中心中的第二协作模块从每个边缘服务器的第一协作模块接收请求指令，根据请求指令预先调度
Figure BDA0003628595180000111
资源、临时调度
Figure BDA0003628595180000112
资源，为发送请求指令的边缘服务器提供计算服务，云边资源协作完成。
采用本发明可以达到以下技术效果：
1.本发明提出的边云资源协作方法，综合考虑了预先请求计算资源和临时请求计算资源两种请求方式的灵活性，将两种请求方式有效组合，同时提高了边缘服务器的服务效率和云服务中心的稳定性。一方面利用预先请求决策，有效避免边缘服务器仅从云端服务中心临时请求计算资源的瞬发破坏，从而有效维护云端服务中心资源调度的稳定性；另一方面，预先请求资源结合临时请求资源的请求方式，进一步避免预先请求资源过少时的计算任务流失，提高了边缘服务器的服务效率。
2.本发明提出的边云资源协作方法，考虑了边缘服务器的不确定计算需求下的边缘服务器的最大效率。在第一步中构造了边云一体化系统，通过第二步到第六步，基于计算资源对边缘服务器效率的预期影响，获取了在不同最大计算负载时，边缘服务器的最大预期效率和最优预先请求资源量以及最优请求决策。在第七、八步中分析了不同最大计算负载下边云协作决策，即边缘服务器的最优请求决策、云端服务中心的最优调度决策，这对于边缘服务器在面对动态的负载时提供了能够最大化预期效率的最优决策方案。
附图说明
图1是本发明第一步构建的边缘云一体化系统逻辑结构图；
图2是本发明第一步构建的边缘云一体化系统中边缘服务器j节点的结构示意图；
图3是本发明总体流程图。
图4是本发明一种基于不确定需求下的边云资源协作方法(ORC)与现有的具有竞争力的其他方法的最大预期效率进行对比的结果图。
具体实施方式
以下结合附图对本发明的具体实施例作进一步的描述，但本发明并不限于这些实施例。
还应该理解，此处所描述的具体实施例仅用于理解本发明，并不用于限定本发明。
以下结合附图对本发明实施例作进一步地解释说明：本发明实施例的参数表如表1；
表1：本发明实施例的参数表
Figure BDA0003628595180000121
为了验证本发明的有效性，根据实施例参数表1进行运行本发明示出的基于不确定需求下的边云资源协作方法。并通过仿真实验将本发明提出的边云资源协作方法与其他经典云边协作方法进行对比，说明本发明中的边云资源协作方法在实现边缘服务器效率最大化方面具有明显优势，总体流程图如图3所示，具体步骤如下：
第一步，构建如图1所示的边缘云一体化系统。该系统由J个边缘服务器和一个云端服务中心组成。令J个边缘服务器为边缘服务器1，…，边缘服务器j，…，边缘服务器J，1≤j≤J。J的取值优选为9。
J台边缘服务器并行工作，每台边缘服务器安装有相同的模块，令任意一台边缘服务器的编号为j，边缘服务器j上安装有设备信息管理模块、优化模块、结果生成模块、第一协作模块(如图2所示)。设备信息管理模块与优化模块相连；优化模块与设备信息管理模块、结果生成模块相连；结果生成模块与优化模块、第一协作模块相连；第一协作模块与结果生成模块、云端服务中心相连。
边缘服务器j上的设备信息管理模块初始化预先请求的计算资源
Figure BDA0003628595180000131
从边缘服务器的设备信息说明书中读取所属边缘服务器的最大计算负载
Figure BDA0003628595180000132
将
Figure BDA0003628595180000133
发送给优化模块。
边缘服务器j上的优化模块包含效率计算模块、数据预估模块和最优决策模块。效率计算模块与设备信息管理模块、数据预估模块和最优决策模块相连，效率计算模块从设备信息管理模块接收预先请求的计算资源
Figure BDA0003628595180000134
计算计算资源对边缘服务器j的服务效率的预期影响，将不同的预期影响组成第一临时效率数组
Figure BDA0003628595180000135
将
Figure BDA0003628595180000136
发送给数据预估模块；当预先请求的计算资源确定为
Figure BDA0003628595180000137
时，根据从数据预估模块接收的最优的预先请求资源量
Figure BDA0003628595180000138
效率计算模块重新计算服务效率的预期影响，得到第二临时效率数组
Figure BDA0003628595180000139
并将
Figure BDA00036285951800001310
发送给最优决策模块。数据预估模块与设备信息管理模块、效率计算模块、最优决策模块、结果生成模块相连，数据预估模块从设备信息管理模块接收最大计算负载
Figure BDA00036285951800001311
并接收效率计算模块传来的
Figure BDA00036285951800001312
在最大计算负载为
Figure BDA00036285951800001313
时，与效率计算模块相互配合，进行效率预估、资源预估，得到边缘服务器j的最大预期效率
Figure BDA00036285951800001314
以及最优预先请求资源量
Figure BDA00036285951800001315
将
Figure BDA00036285951800001316
发送给效率计算模块和结果生成模块、将
Figure BDA00036285951800001317
发送给最优决策模块和结果生成模块。最优决策模块与设备信息管理模块、数据预估模块、效率计算模块、结果生成模块相连，根据效率计算模块传来的
Figure BDA00036285951800001318
和数据预估模块传来的
Figure BDA00036285951800001319
以及从设备信息管理模块接收的最大计算负载
Figure BDA00036285951800001320
预估在最大计算负载
Figure BDA00036285951800001321
时，边缘服务器j最优预先请求决策
Figure BDA00036285951800001322
将
Figure BDA00036285951800001323
发送给结果生成模块。注意：在不同最大计算负载下，边缘服务器的数据预估模块和最优决策模块需进行多次预估。
边缘服务器j上的结果生成模块从优化模块接收最大预期效率
Figure BDA00036285951800001324
最优预先请求资源量
Figure BDA00036285951800001325
和最优预先请求决策
Figure BDA00036285951800001326
将其组成效率最优三元组，并将
Figure BDA00036285951800001327
和
Figure BDA00036285951800001328
发送给第一协作模块。
边缘服务器j上的第一协作模块从结果生成模块接收
Figure BDA00036285951800001329
和
Figure BDA00036285951800001330
决定如何进行边云合作，即确定请求策略，将含有请求策略的请求指令发送给云端服务中心。
云端服务中心上安装有第二协作模块。第二协作模块从J个边缘服务器的第一协作模块接收请求指令，根据请求指令调度资源为发送请求指令的边缘服务器提供计算服务。
第二步，J台边缘服务器的设备信息管理模块初始化所属边缘服务器预先请求的计算资源为0，其中边缘服务器j的设备信息管理模块初始化边缘服务器j预先请求的计算资源
Figure BDA0003628595180000141
为0，将
Figure BDA0003628595180000142
发送给效率计算模块。J台边缘服务器的设备信息管理模块从边缘服务器的设备信息说明书中读取所属边缘服务器的最大计算负载，边缘服务器j的最大计算负载用
Figure BDA0003628595180000143
表示，将
Figure BDA0003628595180000144
发送给数据预估模块和最优决策模块。
第三步，J台边缘服务器的效率计算模块从设备信息管理模块接收预先请求的计算资源
Figure BDA0003628595180000145
并行计算计算资源对边缘服务器的服务效率预期影响，得到边缘服务器不同请求决策下的预期效率的结果，并添加到第一临时效率数组，将第一临时效率数组发送给边缘服务器的数据预估模块；每台边缘服务器的效率计算模块计算计算资源对边缘服务器的服务效率预期影响方法相同，边缘服务器j的效率计算模块计算计算资源对边缘服务器的服务效率预期影响，得到计算边缘服务器j不同请求决策下的预期效率的结果，并添加到第一临时效率数组
Figure BDA0003628595180000146
将
Figure BDA0003628595180000147
发送给边缘服务器j的数据预估模块的方法是：
3.1边缘服务器j的效率计算模块从设备信息管理模块接收边缘服务器j预先请求的计算资源
Figure BDA0003628595180000148
3.2边缘服务器j的效率计算模块根据
Figure BDA0003628595180000149
采用效率影响计算方法计算
Figure BDA00036285951800001410
对边缘服务器j的服务效率预期影响，得到预先请求的计算资源为
Figure BDA00036285951800001411
时的第一临时效率数组
Figure BDA00036285951800001412
所述计算资源包括CPU资源、存储资源、数据资源、信息资源、知识资源、大型数据库、网络资源、硬件资源，其中硬件资源包括硬盘、软驱、光驱和打印机等；效率影响计算方法具体是：
步骤3.2.1边缘服务器j的效率计算模块计算边缘服务器j请求决策为xj、yj时的可用计算资源
Figure BDA00036285951800001413
A为available的首字母，代表可用的。
Figure BDA00036285951800001414
其中，
Figure BDA00036285951800001415
表示边缘服务器j的本地计算资源，
Figure BDA00036285951800001416
表示边缘服务器j临时请求的计算资源，
Figure BDA00036285951800001417
根据实际情况计算得出。xj、uj表示请求决策，其中xj表示边缘服务器j的预先请求资源的决策，如果边缘服务器j决定预先请求计算资源
Figure BDA00036285951800001418
则xj＝1；否则xj＝0。yj表示边缘服务器j的临时请求资源的决策，如果边缘服务器j决定临时请求计算资源
Figure BDA00036285951800001419
则yj＝1；否则yj＝0。
步骤3.2.2、边缘服务器j的效率计算模块根据
Figure BDA00036285951800001420
计算边缘服务器j通过
Figure BDA00036285951800001421
最多可完成的计算任务数
Figure BDA00036285951800001422
其中，
Figure BDA0003628595180000151
表示边缘服务器j单个计算任务所需计算资源的平均预期量，此处
Figure BDA0003628595180000152
为边缘服务器j历史计算需求的平均值，
Figure BDA0003628595180000153
为0.1。
步骤3.2.3、基于泊松分布，边缘服务器j的效率计算模块计算nj个计算任务到达边缘服务器j的概率Pr{nj}，
Figure BDA0003628595180000154
其中，nj为到达边缘服务器j的计算任务的个数，nj为正整数，λj表示边缘服务器j的计算任务数目的预期值，λj的取值在本实例中为50。
步骤3.2.4、根据Pr{nj}，边缘服务器j的效率计算模块计算边缘服务器j的不同预先请求资源决策xj和临时请求资源决策yj情况下的临时请求资源量和xj和yj对边缘服务器j服务效率的期望影响，临时请求的计算资源用
Figure BDA00036285951800001521
表示，期望影响用Uj(xj,yj)表示，方法是：
步骤3.2.4.1若xj＝0,且yj＝0，即若边缘服务器j拒绝与云端服务中心协作，临时请求资源量
Figure BDA0003628595180000155
请求决策xj＝0,yj＝0对边缘服务器j服务效率的期望影响为Uj(0,0)，具体
Figure BDA0003628595180000156
其中，
Figure BDA0003628595180000157
表示当边缘服务器j本地资源可承担计算负载对边缘服务器j服务效率的正面影响，
Figure BDA0003628595180000158
Pj表示边缘服务器j完成单个计算任务对服务效率带来的正面影响，Pj的取值在此实例中为3；
Figure BDA0003628595180000159
表示当边缘服务器j本地资源无法承担计算负载对边缘服务器j服务效率的负面影响，
Figure BDA00036285951800001510
具体为：
Figure BDA00036285951800001511
其中，
Figure BDA00036285951800001512
表示xj＝0,yj＝0时边缘服务器j的可用计算资源，
Figure BDA00036285951800001513
表示边缘服务器j通过
Figure BDA00036285951800001514
最多可完成的计算任务数，
Figure BDA00036285951800001515
表示边缘服务器因错失任务对效率造成的负面影响，
Figure BDA00036285951800001516
β为
Figure BDA00036285951800001517
负面影响参数。β为非负浮点数，β的取值为1。
Figure BDA00036285951800001518
为边缘服务器j最多可完成的计算任务数的最大值。
步骤3.2.4.2若xj＝0,yj＝1，即若边缘服务器j仅选择以临时请求资源的方式与云端服务中心协作，临时请求资源量
Figure BDA00036285951800001519
表示请求决策xj＝0,yj＝1对边缘服务器j效率的期望影响为Uj(0,1)，具体为：
Figure BDA00036285951800001520
其中，
Figure BDA0003628595180000161
表示当边缘服务器j本地资源无法承担计算负载时，边缘服务器j选择以临时请求资源的方式与云端服务中心协作对服务效率的负面影响，
Figure BDA0003628595180000162
具体为：
Figure BDA0003628595180000163
其中，
Figure BDA0003628595180000164
表示边缘服务器j以临时请求资源的方式与云端服务中心协作时单位资源量对服务效率带来的负面影响，
Figure BDA0003628595180000165
δ为
Figure BDA0003628595180000166
负面影响参数，δ为非负浮点数，δ的取值优选为1.33。
步骤3.2.4.3若xj＝1,yj＝0，即若边缘服务器j仅以预先请求资源的形式与云端服务中心协作，临时请求资源量
Figure BDA0003628595180000167
表示该请求决策xj＝1,yj＝0对边缘服务器j效率的期望影响为Uj(1,0)，具体为
Figure BDA0003628595180000168
其中，
Figure BDA0003628595180000169
表示边缘服务器j以预先请求的方式与云端服务中心协作时单位资源量对服务效率带来的负面影响，
Figure BDA00036285951800001610
α为
Figure BDA00036285951800001611
负面影响参数，瞬发的资源调度往往会破坏云端服务中心资源运转的稳定性，因此边缘服务器从云端服务中心临时请求的计算资源的具有较高的负面影响，因此要求0<α<δ。
Figure BDA00036285951800001612
表示当边缘服务器预先请求后的可用计算资源可承担计算负载时对边缘服务器j服务效率的正面影响，
Figure BDA00036285951800001613
Figure BDA00036285951800001614
表示边缘服务器j向云端服务中心预先请求资源时，即xj＝1,yj＝0时边缘服务器j的可用计算资源，
Figure BDA00036285951800001615
表示边缘服务器j通过
Figure BDA00036285951800001616
最多可完成的计算任务数；
Figure BDA00036285951800001617
表示未使用的单位计算资源对边缘服务器j效率的负面影响，
Figure BDA00036285951800001618
γ为
Figure BDA00036285951800001619
负面影响参数，γ为非负浮点数，γ的取值优选为0.33。
Figure BDA00036285951800001620
表示当边缘服务器j预先请求后的可用计算资源无法承担计算负载时对边缘服务器j的负面影响，
Figure BDA00036285951800001621
具体为：
Figure BDA00036285951800001622
步骤3.2.4.4若xj＝1,yj＝1，即若当边缘服务器j以预先请求资源与临时请求资源相结合的方式与云端服务中心协作，临时请求资源量
Figure BDA00036285951800001623
表示请求决策xj＝1,yj＝1对边缘服务器j的期望影响为Uj(1,1)，具体为
Figure BDA00036285951800001624
其中，
Figure BDA0003628595180000171
表示当边缘服务器j预先请求后的可用资源无法承担计算负载，再以临时请求的形式与云端服务中心协作时对边缘服务器j的负面影响，
Figure BDA0003628595180000172
具体为：
Figure BDA0003628595180000173
步骤3.2.4.5，效率计算模块将计算边缘服务器j不同请求决策下的预期效率的结果添加到预先请求的计算资源为
Figure BDA0003628595180000174
时的第一临时效率数组
Figure BDA0003628595180000175
中，即令
Figure BDA0003628595180000176
Figure BDA0003628595180000177
将
Figure BDA0003628595180000178
发送给边缘服务器j的数据预估模块。
第四步：J台边缘服务器的数据预估模块从设备信息管理模块接收最大计算负载，和效率计算模块相互配合，并行预估在预先请求不同计算资源时边缘服务器最大预期效率以及边缘服务器最优预先请求资源量。每台边缘服务器的效率计算模块计算不同预先请求资源时的第一临时效率数组，每台边缘服务器的数据预估模块接收第一临时效率数组，采用边缘服务器最大预期效率、最优预先请求资源预估方法进行效率预估、资源预估；每台边缘服务器的数据预估模块的方法相同。边缘服务器j的数据预估模块和效率计算模块相互配合，预估最大计算负载为
Figure BDA0003628595180000179
时，预先请求不同计算资源时边缘服务器j最优预先请求资源量
Figure BDA00036285951800001710
以及最大预期效率
Figure BDA00036285951800001711
的方法是：
步骤4.1边缘服务器j的数据预估模块从设备信息管理模块接收
Figure BDA00036285951800001712
步骤4.2、边缘服务器j的数据预估模块初始化边缘服务器j的预先请求计算资源量
Figure BDA00036285951800001713
初始化边缘服务器j的最优预先请求资源量
Figure BDA00036285951800001714
初始化边缘服务器j的临时最大预期效率
Figure BDA00036285951800001715
初始化边缘服务器j的最大预期效率
Figure BDA00036285951800001716
步骤4.3、数据预估模块和效率计算模块相互协作，确定当边缘服务器j预先请求资源
Figure BDA00036285951800001717
时，边缘服务器j的临时最优效率，方法是：
步骤4.3.1数据预估模块判定
Figure BDA00036285951800001718
是否成立，若成立，转步骤4.3.3；若不成立，转步骤4.3.2。
步骤4.3.2边缘服务器j的数据预估模块从效率计算模块接收第一临时效率数组
Figure BDA00036285951800001719
转步骤4.3.4。
步骤4.3.3边缘服务器j的效率计算模块采用3.2步所述效率影响计算方法计算计算资源
Figure BDA00036285951800001720
对边缘服务器j的服务效率预期影响，得到预先请求的计算资源为
Figure BDA00036285951800001721
时的第一临时效率数组
Figure BDA00036285951800001722
将
Figure BDA00036285951800001723
发送给边缘服务器j的数据预估模块，边缘服务器j的数据预估模块从效率计算模块接收第一临时效率数组
Figure BDA0003628595180000181
转步骤4.3.4。
步骤4.3.4数据预估模块初始化预先请求资源为
Figure BDA0003628595180000182
时的临时最优效率
Figure BDA0003628595180000183
Figure BDA0003628595180000184
(
Figure BDA0003628595180000185
表示
Figure BDA0003628595180000186
的第0项)。
步骤4.3.5数据预估模块从第一临时效率数组
Figure BDA0003628595180000187
中找到最优效率，得到预先请求资源为
Figure BDA0003628595180000188
时的临时最优效率
Figure BDA0003628595180000189
方法是：
步骤4.3.5.1令临时效率数组
Figure BDA00036285951800001810
的下标i＝0。
步骤4.3.5.2判定
Figure BDA00036285951800001811
是否成立，若成立，表明没有得到当前边缘服务器j的预期效率最大值，转至步骤4.3.5.3；若不成立，则转至步骤4.3.5.4。
步骤4.3.5.3令
Figure BDA00036285951800001812
转至步骤4.3.5.4；
步骤4.3.5.4令i＝i+1；
步骤4.3.5.5判定i<L(U)是否成立，L(U)表示效率数组
Figure BDA00036285951800001813
的长度，L(U)为4。若成立，表明还没比较完所有的效率值，转至步骤4.3.5.2；若不成立，则得到预先请求资源为
Figure BDA00036285951800001814
时的临时最优效率
Figure BDA00036285951800001815
转步骤4.4。
步骤4.4、数据预估模块根据
Figure BDA00036285951800001816
确定边缘服务器最优预先请求资源量
Figure BDA00036285951800001817
并确定在边缘服务器最优预先请求资源量为
Figure BDA00036285951800001818
时，边缘服务器j的最大预期效率
Figure BDA00036285951800001819
方法是：
步骤4.4.1判定
Figure BDA00036285951800001820
是否成立，若成立，表明当前预先请求资源量不能使得边缘效率j预期效率最大，转至步骤4.4.2；若不成立，转至步骤4.4.3。
步骤4.4.2、令
Figure BDA00036285951800001821
转至步骤4.4.3。
步骤4.4.3、令
Figure BDA00036285951800001822
步骤4.4.4、判定
Figure BDA00036285951800001823
是否成立，
Figure BDA00036285951800001824
表示边缘服务器j可预先请求的最大计算资源量，要求不大于云端服务中心在保证云端服务中心计算资源调度稳定性的前提下可调度给边缘服务器j的最大计算资源量，
Figure BDA00036285951800001825
的取值由实际情况决定，
Figure BDA00036285951800001826
的取值优选为10。若成立，表明还没比较完所有的预先请求的计算量，转至步骤4.3。若不成立，则转至步骤4.4.5。
步骤4.4.5、令边缘服务器j的最优预先请求资源量
Figure BDA0003628595180000191
令边缘服务器j的最大预期效率
Figure BDA0003628595180000192
步骤4.4.6、得到边缘服务器j的最优预先请求资源量
Figure BDA0003628595180000193
和边缘服务器j的最大预期效率
Figure BDA0003628595180000194
数据预估模块将
Figure BDA0003628595180000195
发送给边缘服务器j的效率计算模块和结果生成模块，将
Figure BDA0003628595180000196
发送给边缘服务器j的最优决策模块和结果生成模块，转第五步。
第五步，边缘服务器j的效率计算模块根据边缘服务器j最优预先请求资源量
Figure BDA0003628595180000197
采用3.2步所述效率影响计算方法计算计算资源对边缘服务器j的服务效率预期影响，得到第二临时效率数组
Figure BDA0003628595180000198
令第二临时效率数组
Figure BDA0003628595180000199
的下标k＝0。
第六步：J台边缘服务器的最优决策模块从设备信息管理模块接收最大计算负载，根据第四步得到的边缘服务器的最大预期效率和第五步得到的第二临时效率数组，并行计算使得边缘服务器j的效率最大的最优预先请求决策，每台边缘服务器的最优决策模块均采用边缘服务器最优预先请求决策预估方法预估最优预先请求决策。边缘服务器j的最优决策模块采用边缘服务器最优预先请求决策预估方法预估最大计算负载为
Figure BDA00036285951800001910
时，使得边缘服务器j的效率最大的最优预先请求决策
Figure BDA00036285951800001911
方法是：
步骤6.1、边缘服务器j的最优决策模块从设备信息管理模块接收
Figure BDA00036285951800001912
从数据预估模块接收
Figure BDA00036285951800001913
从效率计算模块接收
Figure BDA00036285951800001914
步骤6.2、判定
Figure BDA00036285951800001915
是否成立，若成立，表明采用当前预先请求资源量
Figure BDA00036285951800001916
可以使边缘效率j预期效率最大，转至步骤6.3；若不成立，转至步骤6.4
步骤6.3、令
Figure BDA00036285951800001917
转步骤6.4；
步骤6.4、令k＝k+1；
步骤6.5、判定k<L(U)是否成立。若成立，转步骤6.2。若不成立，则转至步骤6.6；
步骤6.6、得到
Figure BDA00036285951800001918
将
Figure BDA00036285951800001919
发送给结果生成模块，转第七步。
第七步：J台边缘服务器的结果生成模块从优化模块接收最大预期效率、最优预先请求资源量和最优预先请求决策，并将这三者组成效率最优三元组，效率最优三元组用于验证本发明的有效性，结果输出如表2所示的表格。J台边缘服务器的结果生成模块将效率最优三元组中的最优预先请求资源量和最优预先请求决策发送给边缘服务器的第一协作模块。其中，边缘服务器j的效率最优三元组为(最大预期效率
Figure BDA0003628595180000201
最优预先请求资源量
Figure BDA0003628595180000202
最优预先请求决策
Figure BDA0003628595180000203
)，边缘服务器j的结果生成模块将
Figure BDA0003628595180000204
和
Figure BDA0003628595180000205
发送给边缘服务器j的第一协作模块。
表2：不同最大计算负载下，边缘服务器的效率最优三元组结果表
Figure BDA0003628595180000206
第八步，J台边缘服务器的第一协作模块根据从结果生成模块接收的边缘服务器最优预先请求资源量，边缘服务器最优预先请求决策，并行确定边云资源协作决策和请求指令(请求指令为一个包括预先请求资源量和临时请求资源量的二元组)，最后将请求指令发送给云端服务中心的第二协作模块。对于处于不同最大计算负载的每台边缘服务器，第一协作模块确定边云资源协作决策和请求指令的方法相同。最大计算负载为
Figure BDA0003628595180000207
的边缘服务器j的第一协作模块根据边缘服务器最优预先请求资源量
Figure BDA0003628595180000208
边缘服务器最优预先请求决策
Figure BDA0003628595180000209
)确定边云资源协作决策和请求指令(由预先请求资源量
Figure BDA00036285951800002010
和临时请求资源量
Figure BDA00036285951800002011
组成的二元组)的方法是：
步骤8.1边缘服务器j的第一协作模块从结果生成模块接收边缘服务器j最优的预先请求资源量
Figure BDA00036285951800002012
边缘服务器j最优的预先请求决策
Figure BDA00036285951800002013
步骤8.2边缘服务器j中的第一协作模块根据
Figure BDA0003628595180000211
决定如何进行边云合作，并确定预先请求资源量
Figure BDA0003628595180000212
和临时请求资源量
Figure BDA0003628595180000213
将由预先请求资源量
Figure BDA0003628595180000214
和临时请求资源量
Figure BDA0003628595180000215
组成的二元组作为请求指令，方法是：
步骤8.2.1边缘服务器j中的第一协作模块根据
Figure BDA0003628595180000216
决定如何进行边云合作，若
Figure BDA0003628595180000217
转至步骤8.2.2；若
Figure BDA0003628595180000218
转至步骤8.2.3；若
Figure BDA0003628595180000219
转至步骤8.2.4；若
Figure BDA00036285951800002110
转至步骤8.2.5；
步骤8.2.2此时xj＝0,yj＝0，边缘服务器j拒绝和云端服务中心协作，转步骤8.3；
步骤8.2.3此时xj＝0,yj＝1，边缘服务器j仅以临时请求资源的形式和云端服务中心进行协作，边缘服务器j中的第一协作模块确定
Figure BDA00036285951800002111
Figure BDA00036285951800002112
转步骤8.3；
步骤8.2.4此时xj＝1,yj＝0，边缘服务器j仅以预先请求的形式和云端服务中心进行协作，边缘服务器j中的第一协作模块确定
Figure BDA00036285951800002113
转步骤8.3；
步骤8.2.5此时xj＝1,yj＝1，边缘服务器j以预先请求结合临时请求的形式和云端服务中心进行协作，边缘服务器j中的第一协作模块确定
Figure BDA00036285951800002114
Figure BDA00036285951800002115
转步骤8.3；
步骤8.3边缘服务器j的第一协作模块向云端服务中心的第二协作模块发送请求指令，请求指令是由预先请求资源
Figure BDA00036285951800002116
和临时请求资源
Figure BDA00036285951800002117
组成的二元组，即
Figure BDA00036285951800002118
转第九步。
表3：不同最大计算负载的边缘服务器的请求指令二元组结果表
Figure BDA00036285951800002119
Figure BDA0003628595180000221
第九步，云端服务中心中的第二协作模块从每个边缘服务器的第一协作模块接收请求指令，根据请求指令预先调度
Figure BDA0003628595180000222
资源、临时调度
Figure BDA0003628595180000223
资源，为发送请求指令的边缘服务器提供计算服务，云边资源协作完成。
为了验证本发明中的边云协作方法的有效性，将本发明示出的一种基于不确定需求下的边云资源协作方法(ORC)与现有的具有竞争力的其他方法进行对比，说明本发明中的边云协作方法在效率提高方面具有明显优势。具体为：
用同等最大计算负载下边缘服务器的最大预期效率
Figure BDA0003628595180000224
来衡量本发明的有效性。其中
Figure BDA0003628595180000225
代表边缘服务器j的最大计算负载。
Figure BDA0003628595180000226
越大，表示边缘服务器的效率最大。
以下是用于与本发明对比的较为有效的边云协作方法：
第一种，The Follow-Me Cloud(FMC)方法：制定决策策略，当用户设备与云服务中心保持一定距离时，该决策策略确定是否将服务迁移到边缘服务器；
第二种，Profit Maximization Avatar Placement for Mobile Edge Computing(PRIMAL)方法：将计算资源从集中式云带到边缘服务器。
在相同的硬件环境下对三种边云协作方法进行仿真实验，计算相同负载下的最大预期效率。仿真实验中用于表示云端服务中心的硬件环境为windows10 64位操作系统，处理器为Intel Core i9-11980，内存16GB；用于表示边缘服务器j的硬件环境为windows1064位操作系统，处理器为Intel Core i7-9700，内存8GB，共有9台边缘服务器。图4是本发明(ORC方法)与FMC方法、PRIMAL方法的最大预期效率的仿真实验的结果对比图。其中横坐标表示边缘服务器不同的计算负载，纵坐标表示边缘服务器的最大预期效率，三条不同的线形表示用以比较的三种方法：ORC方法、FMC方法、PRIMAL方法；由表二、图4可知：
·随着最大计算负载的变化，边缘服务器的最大预期效率是增大的，这是因为最大计算负载越大表明边缘服务器可接受更多的计算任务，从而边缘服务器能够通过与云端计算资源进行协作而提高效率。
·最优预先请求计算资源量是随着最大计算负载的增加而减少的，这是因为最大计算负载越大表明边缘服务器可接受更多的计算任务的同时，也表明预先请求错误的可能性增大。因此为了避免预先请求错误所产生的损失，从而降低预先请求计算量。
·最大计算负载的变化会影响最优预先请求决策的变化，当计算负载较小时，边缘服务器会选择预先请求与临时请求相结合的形式进行协作，降低风险。而当计算负载增大时，由于预先请求计算资源有限，临时请求对效率的正面影响低，因此边缘服务器会选择承担流失计算任务，此时最优预先请求决策
Figure BDA0003628595180000231
表示边缘服务器j仅以预先请求的形式进行协作。
·从图4中可以看到本发明最大边缘服务器最大预期效率明显高于其他两种方法，说明本发明的边云协作方法使得边缘服务器的效率更大。在最大计算负载
Figure BDA0003628595180000232
大于50时，本发明比其他方法对效率正面影响提高的更快，在最大计算负载
Figure BDA0003628595180000233
大于70时，其他方法对边缘服务器最大预期效率的影响都呈下降趋势，但是本发明稳定保持在较高的水平，说明本发明对于不同最大负载的边缘服务器的效率影响更具有灵活性、动态性、实时性、稳定性，从而更好的提高边缘服务器的效率。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于不确定需求下的边云资源协作方法，其特征在于包括以下步骤：
第一步，构建边缘云一体化系统，该系统由J个边缘服务器和一个云端服务中心组成；令J个边缘服务器为边缘服务器1，…，边缘服务器j，…，边缘服务器J，1≤j≤J；
J台边缘服务器并行工作，每台边缘服务器安装有相同的模块，令任意一台边缘服务器的编号为j，边缘服务器j上安装有设备信息管理模块、优化模块、结果生成模块、第一协作模块；设备信息管理模块与优化模块相连；优化模块与设备信息管理模块、结果生成模块相连；结果生成模块与优化模块、第一协作模块相连；第一协作模块与结果生成模块、云端服务中心相连；
边缘服务器j上的设备信息管理模块初始化预先请求的计算资源
Figure FDA0003935593780000011
获取所属边缘服务器的最大计算负载
Figure FDA0003935593780000012
将
Figure FDA0003935593780000013
发送给优化模块；
边缘服务器j上的优化模块包含效率计算模块、数据预估模块和最优决策模块；效率计算模块与设备信息管理模块、数据预估模块和最优决策模块相连，效率计算模块从设备信息管理模块接收预先请求的计算资源
Figure FDA0003935593780000014
计算计算资源对边缘服务器j的服务效率的预期影响，将不同的预期影响组成第一临时效率数组
Figure FDA0003935593780000015
将
Figure FDA0003935593780000016
发送给数据预估模块；当预先请求的计算资源确定为
Figure FDA0003935593780000017
时，根据从数据预估模块接收的最优的预先请求资源量
Figure FDA0003935593780000018
效率计算模块重新计算服务效率的预期影响，得到第二临时效率数组
Figure FDA0003935593780000019
并将
Figure FDA00039355937800000110
发送给最优决策模块；数据预估模块与设备信息管理模块、效率计算模块、最优决策模块、结果生成模块相连，数据预估模块从设备信息管理模块接收最大计算负载
Figure FDA00039355937800000111
并接收效率计算模块传来的
Figure FDA00039355937800000112
在最大计算负载为
Figure FDA00039355937800000113
时，与效率计算模块相互配合，进行效率预估、资源预估，得到边缘服务器j的最大预期效率
Figure FDA00039355937800000114
以及最优预先请求资源量
Figure FDA00039355937800000115
将
Figure FDA00039355937800000116
发送给效率计算模块和结果生成模块、将
Figure FDA00039355937800000117
发送给最优决策模块和结果生成模块；最优决策模块与设备信息管理模块、数据预估模块、效率计算模块、结果生成模块相连，根据效率计算模块传来的
Figure FDA00039355937800000118
和数据预估模块传来的
Figure FDA00039355937800000119
以及从设备信息管理模块接收的最大计算负载
Figure FDA00039355937800000120
预估在最大计算负载
Figure FDA00039355937800000121
时，边缘服务器j最优预先请求决策
Figure FDA00039355937800000122
将
Figure FDA00039355937800000123
发送给结果生成模块；
边缘服务器j上的结果生成模块从优化模块接收最大预期效率
Figure FDA00039355937800000124
最优预先请求资源量
Figure FDA0003935593780000021
和最优预先请求决策
Figure FDA0003935593780000022
将其组成效率最优三元组，并将
Figure FDA0003935593780000023
和
Figure FDA0003935593780000024
发送给第一协作模块；
边缘服务器j上的第一协作模块从结果生成模块接收
Figure FDA0003935593780000025
和
Figure FDA0003935593780000026
决定如何进行边云合作，即确定请求策略，将含有请求策略的请求指令发送给云端服务中心；
云端服务中心上安装有第二协作模块；第二协作模块从J个边缘服务器的第一协作模块接收请求指令，根据请求指令调度资源为发送请求指令的边缘服务器提供计算服务；
第二步，J台边缘服务器的设备信息管理模块初始化所属边缘服务器预先请求的计算资源为0，其中边缘服务器j的设备信息管理模块初始化边缘服务器j预先请求的计算资源
Figure FDA0003935593780000027
为0，将
Figure FDA0003935593780000028
发送给效率计算模块；J台边缘服务器的设备信息管理模块获取所属边缘服务器的最大计算负载
Figure FDA0003935593780000029
将
Figure FDA00039355937800000210
发送给数据预估模块和最优决策模块；
第三步，J台边缘服务器的效率计算模块从设备信息管理模块接收预先请求的计算资源
Figure FDA00039355937800000211
并行计算计算资源对边缘服务器的服务效率预期影响，得到边缘服务器不同请求决策下的预期效率的结果，并添加到第一临时效率数组，将第一临时效率数组发送给边缘服务器的数据预估模块；每台边缘服务器的效率计算模块计算计算资源对边缘服务器的服务效率预期影响方法相同，边缘服务器j的效率计算模块计算计算资源对边缘服务器的服务效率预期影响，得到计算边缘服务器j不同请求决策下的预期效率的结果，并添加到第一临时效率数组
Figure FDA00039355937800000212
将
Figure FDA00039355937800000213
发送给边缘服务器j的数据预估模块的方法是：
3.1边缘服务器j的效率计算模块从设备信息管理模块接收边缘服务器j预先请求的计算资源
Figure FDA00039355937800000214
3.2边缘服务器j的效率计算模块根据
Figure FDA00039355937800000215
采用效率影响计算方法计算
Figure FDA00039355937800000216
对边缘服务器j的服务效率预期影响，得到预先请求的计算资源为
Figure FDA00039355937800000217
时的第一临时效率数组
Figure FDA00039355937800000218
效率影响计算方法为：
步骤3.2.1边缘服务器j的效率计算模块计算边缘服务器j请求决策为xj、yj时的可用计算资源
Figure FDA00039355937800000219
A为available的首字母，代表可用的；
Figure FDA00039355937800000220
其中，
Figure FDA00039355937800000221
表示边缘服务器j的本地计算资源，
Figure FDA00039355937800000222
表示边缘服务器j临时请求的计算资源，
Figure FDA00039355937800000223
根据实际情况计算得出；xj、yj表示请求决策，其中xj表示边缘服务器j的预先请求资源的决策，如果边缘服务器j决定预先请求计算资源
Figure FDA00039355937800000224
则xj＝1；否则xj＝0；yj表示边缘服务器j的临时请求资源的决策，如果边缘服务器j决定临时请求计算资源
Figure FDA0003935593780000031
则yj＝1；否则yj＝0；
步骤3.2.2、边缘服务器j的效率计算模块根据
Figure FDA0003935593780000032
计算边缘服务器j通过
Figure FDA0003935593780000033
最多可完成的计算任务数
Figure FDA0003935593780000034
其中，
Figure FDA0003935593780000035
表示边缘服务器j单个计算任务所需计算资源的平均预期量，此处
Figure FDA0003935593780000036
为边缘服务器j历史计算需求的平均值，
Figure FDA0003935593780000037
为0.1；
步骤3.2.3、基于泊松分布，边缘服务器j的效率计算模块计算nj个计算任务到达边缘服务器j的概率Pr{nj}，
Figure FDA0003935593780000038
其中，nj为到达边缘服务器j的计算任务的个数，nj为正整数，λj表示边缘服务器j的计算任务数目的预期值；
步骤3.2.4、根据Pr{nj}，边缘服务器j的效率计算模块计算边缘服务器j的不同预先请求资源决策xj和临时请求资源决策yj情况下的临时请求资源量和xj和yj对边缘服务器j服务效率的期望影响，临时请求的计算资源用
Figure FDA0003935593780000039
表示，期望影响用Uj(xj,yj)表示，得到请求决策xj＝0,yj＝0对边缘服务器j服务效率的期望影响为Uj(0,0)、请求决策xj＝0,yj＝1对边缘服务器j效率的期望影响为Uj(0,1)、请求决策xj＝1,yj＝0对边缘服务器j效率的期望影响为Uj(1,0)、请求决策xj＝1,yj＝1对边缘服务器j的期望影响为Uj(1,1)，并将Uj(0,0),Uj(0,1),Uj(1,0),Uj(1,1)添加到预先请求的计算资源为
Figure FDA00039355937800000310
时的第一临时效率数组
Figure FDA00039355937800000311
中，即令
Figure FDA00039355937800000312
将
Figure FDA00039355937800000313
发送给边缘服务器j的数据预估模块；
第四步：J台边缘服务器的数据预估模块从设备信息管理模块接收最大计算负载，和效率计算模块相互配合，并行预估在预先请求不同计算资源时边缘服务器最大预期效率以及边缘服务器最优预先请求资源量；每台边缘服务器的效率计算模块计算不同预先请求资源时的第一临时效率数组，每台边缘服务器的数据预估模块接收第一临时效率数组，采用边缘服务器最大预期效率、最优预先请求资源预估方法进行效率预估、资源预估；每台边缘服务器的数据预估模块的方法相同；边缘服务器j的数据预估模块和效率计算模块相互配合，预估最大计算负载为
Figure FDA00039355937800000314
时，预先请求不同计算资源时边缘服务器j最优预先请求资源量
Figure FDA00039355937800000315
以及最大预期效率
Figure FDA00039355937800000316
的方法是：
步骤4.1边缘服务器j的数据预估模块从设备信息管理模块接收
Figure FDA0003935593780000041
步骤4.2、边缘服务器j的数据预估模块初始化边缘服务器j的预先请求计算资源量
Figure FDA0003935593780000042
初始化边缘服务器j的最优预先请求资源量
Figure FDA0003935593780000043
初始化边缘服务器j的临时最大预期效率
Figure FDA0003935593780000044
初始化边缘服务器j的最大预期效率
Figure FDA0003935593780000045
步骤4.3、数据预估模块和效率计算模块相互协作，确定当边缘服务器j预先请求资源
Figure FDA0003935593780000046
时，边缘服务器j的临时最优效率，方法是：
步骤4.3.1数据预估模块判定
Figure FDA0003935593780000047
是否成立，若成立，转步骤4.3.3；若不成立，转步骤4.3.2；
步骤4.3.2边缘服务器j的数据预估模块从效率计算模块接收第一临时效率数组
Figure FDA0003935593780000048
转步骤4.3.4；
步骤4.3.3边缘服务器j的效率计算模块采用3.2步所述效率影响计算方法计算计算资源
Figure FDA0003935593780000049
对边缘服务器j的服务效率预期影响，得到预先请求的计算资源为
Figure FDA00039355937800000410
时的第一临时效率数组
Figure FDA00039355937800000411
将
Figure FDA00039355937800000412
发送给边缘服务器j的数据预估模块，边缘服务器j的数据预估模块从效率计算模块接收第一临时效率数组
Figure FDA00039355937800000413
转步骤4.3.4；
步骤4.3.4数据预估模块初始化预先请求资源为
Figure FDA00039355937800000414
时的临时最优效率
Figure FDA00039355937800000415
Figure FDA00039355937800000416
Figure FDA00039355937800000417
表示
Figure FDA00039355937800000418
的第0项；
步骤4.3.5数据预估模块从第一临时效率数组
Figure FDA00039355937800000419
中找到最优效率，得到预先请求资源为
Figure FDA00039355937800000420
时的临时最优效率
Figure FDA00039355937800000421
转步骤4.4；
步骤4.4、数据预估模块根据
Figure FDA00039355937800000422
确定边缘服务器最优预先请求资源量
Figure FDA00039355937800000423
并确定在边缘服务器最优预先请求资源量为
Figure FDA00039355937800000424
时，边缘服务器j的最大预期效率
Figure FDA00039355937800000425
方法是：
步骤4.4.1判定
Figure FDA00039355937800000426
是否成立，若成立，表明当前预先请求资源量不能使得边缘效率j预期效率最大，转至步骤4.4.2；若不成立，转至步骤4.4.3；
步骤4.4.2、令
Figure FDA00039355937800000427
转至步骤4.4.3；
步骤4.4.3、令
Figure FDA00039355937800000428
步骤4.4.4、判定
Figure FDA0003935593780000051
是否成立，
Figure FDA0003935593780000052
表示边缘服务器j可预先请求的最大计算资源量，要求不大于云端服务中心在保证云端服务中心计算资源调度稳定性的前提下可调度给边缘服务器j的最大计算资源量，
Figure FDA0003935593780000053
的取值由实际情况决定；若成立，表明还没比较完所有的预先请求的计算量，转至步骤4.3；若不成立，则转至步骤4.4.5；
步骤4.4.5、令边缘服务器j的最优预先请求资源量
Figure FDA0003935593780000054
令边缘服务器j的最大预期效率
Figure FDA0003935593780000055
步骤4.4.6、得到边缘服务器j的最优预先请求资源量
Figure FDA0003935593780000056
和边缘服务器j的最大预期效率
Figure FDA0003935593780000057
数据预估模块将
Figure FDA0003935593780000058
发送给边缘服务器j的效率计算模块和结果生成模块，将
Figure FDA0003935593780000059
发送给边缘服务器j的最优决策模块和结果生成模块，转第五步；
第五步，边缘服务器j的效率计算模块根据边缘服务器j最优预先请求资源量
Figure FDA00039355937800000510
采用3.2步所述效率影响计算方法计算计算资源对边缘服务器j的服务效率预期影响，得到第二临时效率数组
Figure FDA00039355937800000511
令第二临时效率数组
Figure FDA00039355937800000512
的下标k＝0；
第六步：J台边缘服务器的最优决策模块从设备信息管理模块接收最大计算负载，根据第四步得到的边缘服务器的最大预期效率和第五步得到的第二临时效率数组，并行计算使得边缘服务器j的效率最大的最优预先请求决策，每台边缘服务器的最优决策模块均采用边缘服务器最优预先请求决策预估方法预估最优预先请求决策；边缘服务器j的最优决策模块采用边缘服务器最优预先请求决策预估方法预估最大计算负载为
Figure FDA00039355937800000513
时，使得边缘服务器j的效率最大的最优预先请求决策
Figure FDA00039355937800000514
转第七步；
第七步：J台边缘服务器的结果生成模块从优化模块接收最大预期效率、最优预先请求资源量和最优预先请求决策，并将这三者组成效率最优三元组；J台边缘服务器的结果生成模块将效率最优三元组中的最优预先请求资源量和最优预先请求决策发送给边缘服务器的第一协作模块；其中，边缘服务器j的效率最优三元组为(最大预期效率
Figure FDA00039355937800000515
最优预先请求资源量
Figure FDA00039355937800000516
最优预先请求决策
Figure FDA00039355937800000517
边缘服务器j的结果生成模块将
Figure FDA00039355937800000518
和
Figure FDA00039355937800000519
发送给边缘服务器j的第一协作模块；
第八步，J台边缘服务器的第一协作模块根据从结果生成模块接收的边缘服务器最优预先请求资源量，边缘服务器最优预先请求决策，并行确定边云资源协作决策和请求指令，请求指令为一个包括预先请求资源量和临时请求资源量的二元组，最后将请求指令发送给云端服务中心的第二协作模块；对于处于不同最大计算负载的每台边缘服务器，第一协作模块确定边云资源协作决策和请求指令的方法相同；最大计算负载为
Figure FDA0003935593780000061
的边缘服务器j的第一协作模块根据边缘服务器最优预先请求资源量
Figure FDA0003935593780000062
边缘服务器最优预先请求决策
Figure FDA0003935593780000063
确定边云资源协作决策和请求指令的方法是：
步骤8.1边缘服务器j的第一协作模块从结果生成模块接收边缘服务器j最优的预先请求资源量
Figure FDA0003935593780000064
边缘服务器j最优的预先请求决策
Figure FDA0003935593780000065
步骤8.2边缘服务器j中的第一协作模块根据
Figure FDA0003935593780000066
决定如何进行边云合作，并确定预先请求资源量
Figure FDA0003935593780000067
和临时请求资源量
Figure FDA0003935593780000068
将
Figure FDA0003935593780000069
和
Figure FDA00039355937800000610
组成的二元组
Figure FDA00039355937800000611
作为请求指令；
步骤8.3边缘服务器j的第一协作模块向云端服务中心的第二协作模块发送请求指令，转第九步；
第九步，云端服务中心中的第二协作模块从每个边缘服务器的第一协作模块接收请求指令，根据请求指令预先调度
Figure FDA00039355937800000612
资源、临时调度
Figure FDA00039355937800000613
资源，为发送请求指令的边缘服务器提供计算服务，云边资源协作完成。
2.如权利要求1所述的一种基于不确定需求下的边云资源协作方法，其特征在于所述计算资源包括资源包括CPU资源、存储资源、数据资源、信息资源、知识资源、数据库、网络资源、硬件资源，其中硬件资源包括硬盘、软驱、光驱和打印机；所述J为9。
3.如权利要求1所述的一种基于不确定需求下的边云资源协作方法，其特征在于第二步所述获取所属边缘服务器的最大计算负载
Figure FDA00039355937800000614
的方法是从边缘服务器的设备信息说明书中读取。
4.如权利要求1所述的一种基于不确定需求下的边云资源协作方法，其特征在于步骤3.2.3所述λj的取值为[10,50]。
5.如权利要求1所述的一种基于不确定需求下的边云资源协作方法，其特征在于步骤3.2.4所述边缘服务器j的效率计算模块计算边缘服务器j的不同预先请求资源决策xj和临时请求资源决策yj情况下的临时请求资源量和xj和yj对边缘服务器j服务效率的期望影响Uj(xj,yj)的方法是：
步骤3.2.4.1若xj＝0,且yj＝0，即若边缘服务器j拒绝与云端服务中心协作，临时请求资源量
Figure FDA0003935593780000071
请求决策xj＝0,yj＝0对边缘服务器j服务效率的期望影响
Figure FDA0003935593780000072
Figure FDA0003935593780000073
Figure FDA0003935593780000074
表示当边缘服务器j本地资源可承担计算负载对边缘服务器j服务效率的正面影响，
Figure FDA0003935593780000075
Pj表示边缘服务器j完成单个计算任务对服务效率带来的正面影响；
Figure FDA0003935593780000076
表示当边缘服务器j本地资源无法承担计算负载对边缘服务器j服务效率的负面影响，
Figure FDA0003935593780000077
为：
Figure FDA0003935593780000078
其中，
Figure FDA0003935593780000079
表示xj＝0,yj＝0时边缘服务器j的可用计算资源，
Figure FDA00039355937800000710
表示边缘服务器j通过
Figure FDA00039355937800000711
最多可完成的计算任务数，
Figure FDA00039355937800000712
表示边缘服务器因错失任务对效率造成的负面影响，
Figure FDA00039355937800000713
β为
Figure FDA00039355937800000714
负面影响参数，β为非负浮点数；
Figure FDA00039355937800000715
为边缘服务器j最多可完成的计算任务数的最大值；
步骤3.2.4.2若xj＝0,yj＝1，即若边缘服务器j仅选择以临时请求资源的方式与云端服务中心协作，临时请求资源量
Figure FDA00039355937800000716
请求决策xj＝0,yj＝1对边缘服务器j效率的期望影响
Figure FDA00039355937800000717
Figure FDA00039355937800000718
表示当边缘服务器j本地资源无法承担计算负载时，边缘服务器j选择以临时请求资源的方式与云端服务中心协作对服务效率的负面影响，
Figure FDA00039355937800000719
为：
Figure FDA00039355937800000720
其中，
Figure FDA00039355937800000721
表示边缘服务器j以临时请求资源的方式与云端服务中心协作时单位资源量对服务效率带来的负面影响，
Figure FDA00039355937800000722
δ为
Figure FDA00039355937800000723
负面影响参数，δ为非负浮点数；
步骤3.2.4.3若xj＝1,yj＝0，即若边缘服务器j仅以预先请求资源的形式与云端服务中心协作，临时请求资源量
Figure FDA00039355937800000724
该请求决策xj＝1,yj＝0对边缘服务器j效率的期望影响
Figure FDA00039355937800000725
其中，
Figure FDA00039355937800000726
表示边缘服务器j以预先请求的方式与云端服务中心协作时单位资源量对服务效率带来的负面影响，
Figure FDA00039355937800000727
α为
Figure FDA00039355937800000728
负面影响参数，瞬发的资源调度往往会破坏云端服务中心资源运转的稳定性，要求0<α<δ；
Figure FDA0003935593780000081
表示当边缘服务器预先请求后的可用计算资源可承担计算负载时对边缘服务器j服务效率的正面影响，
Figure FDA0003935593780000082
Figure FDA0003935593780000083
Figure FDA0003935593780000084
表示边缘服务器j向云端服务中心预先请求资源时，即xj＝1,yj＝0时边缘服务器j的可用计算资源，
Figure FDA0003935593780000085
表示边缘服务器j通过
Figure FDA0003935593780000086
最多可完成的计算任务数；
Figure FDA0003935593780000087
表示未使用的单位计算资源对边缘服务器j效率的负面影响，
Figure FDA0003935593780000088
γ为
Figure FDA0003935593780000089
负面影响参数，γ为非负浮点数；
Figure FDA00039355937800000810
表示当边缘服务器j预先请求后的可用计算资源无法承担计算负载时对边缘服务器j的负面影响，
Figure FDA00039355937800000811
为：
Figure FDA00039355937800000812
步骤3.2.4.4若xj＝1,yj＝1，即若当边缘服务器j以预先请求资源与临时请求资源相结合的方式与云端服务中心协作，临时请求资源量
Figure FDA00039355937800000813
表示请求决策xj＝1,yj＝1对边缘服务器j的期望影响Uj(1,1)为
Figure FDA00039355937800000814
其中，
Figure FDA00039355937800000815
表示当边缘服务器j预先请求后的可用资源无法承担计算负载，再以临时请求的形式与云端服务中心协作时对边缘服务器j的负面影响，
Figure FDA00039355937800000816
为：
Figure FDA00039355937800000817
步骤3.2.4.5，效率计算模块将Uj(0,0),Uj(0,1),Uj(1,0),Uj(1,1)添加到预先请求的计算资源为
Figure FDA00039355937800000818
时的第一临时效率数组
Figure FDA00039355937800000819
中，即令
Figure FDA00039355937800000820
Figure FDA00039355937800000821
6.如权利要求5所述的一种基于不确定需求下的边云资源协作方法，其特征在于所述Pj的取值为[1,3]；β的取值为[1,3]；δ的取值为[0.5,1.5]；γ的取值为[0.2,0.5]。
7.如权利要求1所述的一种基于不确定需求下的边云资源协作方法，其特征在于步骤4.3.5所述数据预估模块从第一临时效率数组
Figure FDA00039355937800000822
中找到最优效率，得到预先请求资源为
Figure FDA00039355937800000823
时的临时最优效率
Figure FDA00039355937800000824
的方法是：
步骤4.3.5.1令临时效率数组
Figure FDA00039355937800000825
的下标i＝0；
步骤4.3.5.2判定
Figure FDA0003935593780000091
是否成立，若成立，表明没有得到当前边缘服务器j的预期效率最大值，转至步骤4.3.5.3；若不成立，则转至步骤4.3.5.4；
步骤4.3.5.3令
Figure FDA0003935593780000092
转至步骤4.3.5.4；
步骤4.3.5.4令i＝i+1；
步骤4.3.5.5判定i<L(U)是否成立，L(U)表示效率数组
Figure FDA0003935593780000093
的长度，L(U)为4；若成立，表明还没比较完所有的效率值，转至步骤4.3.5.2；若不成立，则得到预先请求资源为
Figure FDA0003935593780000094
时的临时最优效率
Figure FDA0003935593780000095
8.如权利要求1所述的一种基于不确定需求下的边云资源协作方法，其特征在于步骤4.4.4所述
Figure FDA0003935593780000096
的取值为10。
9.如权利要求1所述的一种基于不确定需求下的边云资源协作方法，其特征在于第六步所述边缘服务器j的最优决策模块采用边缘服务器最优预先请求决策预估方法预估最大计算负载为
Figure FDA0003935593780000097
时，使得边缘服务器j的效率最大的最优预先请求决策
Figure FDA0003935593780000098
的方法是：
步骤6.1、边缘服务器j的最优决策模块从设备信息管理模块接收
Figure FDA0003935593780000099
从数据预估模块接收
Figure FDA00039355937800000910
从效率计算模块接收
Figure FDA00039355937800000911
步骤6.2、判定
Figure FDA00039355937800000912
是否成立，若成立，表明采用当前预先请求资源量
Figure FDA00039355937800000913
可以使边缘效率j预期效率最大，转至步骤6.3；若不成立，转至步骤6.4
步骤6.3、令
Figure FDA00039355937800000914
转步骤6.4；
步骤6.4、令k＝k+1；
步骤6.5、判定k<L(U)是否成立；若成立，转步骤6.2；若不成立，则转至步骤6.6；
步骤6.6、得到
Figure FDA00039355937800000915
将
Figure FDA00039355937800000916
发送给结果生成模块。
10.如权利要求1所述的一种基于不确定需求下的边云资源协作方法，其特征在于步骤8.2所述边缘服务器j中的第一协作模块根据
Figure FDA00039355937800000917
决定如何进行边云合作，并确定请求指令的方法是：
步骤8.2.1边缘服务器j中的第一协作模块根据
Figure FDA00039355937800000918
决定如何进行边云合作，若
Figure FDA00039355937800000919
转至步骤8.2.2；若
Figure FDA00039355937800000920
转至步骤8.2.3；若
Figure FDA00039355937800000921
转至步骤8.2.4；若
Figure FDA00039355937800000922
转至步骤8.2.5；
步骤8.2.2此时xj＝0,yj＝0，边缘服务器j拒绝和云端服务中心协作，结束；
步骤8.2.3此时xj＝0,yj＝1，边缘服务器j仅以临时请求资源的形式和云端服务中心进行协作，边缘服务器j中的第一协作模块确定
Figure FDA0003935593780000101
Figure FDA0003935593780000102
Figure FDA0003935593780000103
为边缘服务器j最多可完成的计算任务数的最大值，结束；
步骤8.2.4此时xj＝1,yj＝0，边缘服务器j仅以预先请求的形式和云端服务中心进行协作，边缘服务器j中的第一协作模块确定
Figure FDA0003935593780000104
结束；
步骤8.2.5此时xj＝1,yj＝1，边缘服务器j以预先请求结合临时请求的形式和云端服务中心进行协作，边缘服务器j中的第一协作模块确定
Figure FDA0003935593780000105
Figure FDA0003935593780000106
结束。
CN202210483939.2A 2022-05-05 2022-05-05 一种基于不确定需求下的边云资源协作方法 Active CN114844900B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210483939.2A CN114844900B (zh) 2022-05-05 2022-05-05 一种基于不确定需求下的边云资源协作方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210483939.2A CN114844900B (zh) 2022-05-05 2022-05-05 一种基于不确定需求下的边云资源协作方法

Publications (2)

Publication Number Publication Date
CN114844900A CN114844900A (zh) 2022-08-02
CN114844900B true CN114844900B (zh) 2022-12-13

Family

ID=82568025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210483939.2A Active CN114844900B (zh) 2022-05-05 2022-05-05 一种基于不确定需求下的边云资源协作方法

Country Status (1)

Country Link
CN (1) CN114844900B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111585916A (zh) * 2019-12-26 2020-08-25 国网辽宁省电力有限公司电力科学研究院 基于云边协同的lte电力无线专网任务卸载和资源分配方法
WO2020216135A1 (zh) * 2019-04-25 2020-10-29 南京邮电大学 基于边-端协同的多用户多mec任务卸载资源调度方法
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
CN112905327A (zh) * 2021-03-03 2021-06-04 湖南商务职业技术学院 一种任务调度方法、边缘服务器、计算机介质及边云协同计算系统
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
CN113992678A (zh) * 2021-10-27 2022-01-28 嘉兴学院 一种海上mec负载均衡和资源分配联合优化的计算迁移方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020216135A1 (zh) * 2019-04-25 2020-10-29 南京邮电大学 基于边-端协同的多用户多mec任务卸载资源调度方法
CN111585916A (zh) * 2019-12-26 2020-08-25 国网辽宁省电力有限公司电力科学研究院 基于云边协同的lte电力无线专网任务卸载和资源分配方法
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
CN112905327A (zh) * 2021-03-03 2021-06-04 湖南商务职业技术学院 一种任务调度方法、边缘服务器、计算机介质及边云协同计算系统
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
CN113992678A (zh) * 2021-10-27 2022-01-28 嘉兴学院 一种海上mec负载均衡和资源分配联合优化的计算迁移方法

Also Published As

Publication number Publication date
CN114844900A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
CN113242568B (zh) 一种不确定网络环境中的任务卸载和资源分配方法
CN110928654B (zh) 一种边缘计算系统中分布式的在线任务卸载调度方法
CN109561148B (zh) 边缘计算网络中基于有向无环图的分布式任务调度方法
CN113296845B (zh) 一种边缘计算环境下基于深度强化学习的多小区任务卸载算法
Chen et al. Efficiency and fairness oriented dynamic task offloading in internet of vehicles
CN112689303B (zh) 一种边云协同资源联合分配方法、系统及应用
CN105656999B (zh) 一种移动云计算环境中能耗优化的合作任务迁移方法
CN113377447B (zh) 一种基于李雅普诺夫优化的多用户计算卸载方法
CN113918240B (zh) 任务卸载方法及装置
CN113220356B (zh) 一种移动边缘计算中的用户计算任务卸载方法
CN111813506A (zh) 一种基于粒子群算法资源感知计算迁移方法、装置及介质
US20050278439A1 (en) System and method for evaluating capacity of a heterogeneous media server configuration for supporting an expected workload
CN110780938B (zh) 一种移动云环境下基于差分进化的计算任务卸载方法
CN109656713B (zh) 一种基于边缘计算框架的容器调度方法
CN112702714B (zh) 一种无人机协作式的车联网运算任务卸载方法
CN113573363A (zh) 基于深度强化学习的mec计算卸载与资源分配方法
CN112988347A (zh) 一种降低系统能耗与花费和的边缘计算卸载方法及系统
CN113590279A (zh) 一种面向多核边缘计算服务器的任务调度和资源分配方法
CN113139639B (zh) 一种基于mombi面向智慧城市应用多目标计算迁移方法和装置
CN114844900B (zh) 一种基于不确定需求下的边云资源协作方法
CN117579701A (zh) 一种移动边缘网络计算卸载方法及系统
CN114980216B (zh) 基于移动边缘计算的依赖型任务卸载系统及方法
CN116347522A (zh) 云边协同下基于近似计算复用的任务卸载方法及装置
CN115604853A (zh) 边缘计算的车辆依赖任务卸载方法及系统
CN115129447A (zh) 一种工业互联网中计及条件风险价值的边缘计算任务卸载方法及计算机设备

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