CN114979134A - 边缘计算环境中服务迁移的路径选择方法 - Google Patents
边缘计算环境中服务迁移的路径选择方法 Download PDFInfo
- Publication number
- CN114979134A CN114979134A CN202210420857.3A CN202210420857A CN114979134A CN 114979134 A CN114979134 A CN 114979134A CN 202210420857 A CN202210420857 A CN 202210420857A CN 114979134 A CN114979134 A CN 114979134A
- Authority
- CN
- China
- Prior art keywords
- edge server
- track
- user
- point
- sub
- 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
- 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
-
- 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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种边缘计算环境中服务迁移的路径选择方法,根据实际需要确定移动用户从起点到终点的移动轨迹,先根据用户移动轨迹确定扩展用户移动区域并划分为网格,再从定位点中筛选出分割点,将用户移动轨迹划分为若干子轨迹,对每段子轨迹分别进行迁移路径规划,再拼接得到用户移动的服务迁移路径。本发明采用网格划分、用户移动轨迹分割对用户移动信息进行预处理,再进行启发式路径规划,得到最优的服务迁移路径。
Description
技术领域
本发明属于边缘计算技术领域,更为具体地讲,涉及一种边缘计算环境中服务迁移的路径选择方法。
背景技术
随着技术发展,连接到IP网络的设备数量日益增加,随之而来的大量数据增长将导致设备层面和网络层面的计算和通信瓶颈。云计算作为解决该问题的重要手段,在近些年得到了广泛的应用。传统云计算需要将任务上传到云数据中心,利用云计算中心超强的计算能力来集中式的解决计算问题,存在实时性不够、带宽不足、能耗较大等缺点。边缘计算是将传统云计算的资源扩展到移动网络的边缘,在靠近数据源的一侧提供计算、存储、网络资源,以减少对传统云计算基础设施的属性限制。边缘计算可以降低延迟,减少数据传输带宽消耗,缓解云计算中心压力,提高可用性。
然而,在边缘计算环境中,由于边缘服务器覆盖范围有限,用户(如移动智能设备、智能车辆等)可以在多个边缘服务器之间移动。当用户距离源边缘服务器的距离过大时,可能因为网络拥塞等因素产生较高的延迟,无法满足虚拟现实、增强现实等延迟敏感任务的需求,从而严重降低用户服务质量甚至出现服务中断。为了解决这个问题,当用户离开当前服务器覆盖范围时,将用户正在访问的服务从当前服务器(源)迁移到在地理上靠近用户的边缘服务器(目标)上运行,即进行服务迁移。
在服务迁移时,尽量需要传输数据压缩到最小化,无论传输的数据被最小化到何种程度,它都必须被发送至移动网络。图1是边缘计算环境中服务迁移场景示意图。如图1所示,当用户在访问边缘服务器的过程中,如果用户的物理位置发生了移动,从边缘服务器A移动到了边缘服务器E,此时,用户的位置超出了边缘服务器A的覆盖范围,为了保证低延迟,那么就要考虑将服务从A迁移到E。因此需要选择最佳的传输路径集进行传输,使总的传输时间最小化。在迁移过程中可能涉及到多个服务器,因此,为保证用户在移动过程中的服务质量,如何规划出一条成本最低的服务迁移路径,使该路径上的边缘服务器集合能够覆盖用户移动全程是本发明解决的问题。其中,成本将从迁移延迟、物理距离、服务器剩余计算资源、带宽方面进行综合考虑。
在边缘计算的服务迁移领域,很多的研究是关于服务迁移决策的。在服务迁移的源边缘服务器和目标边缘服务器之间,可能存在各种网络拓扑结构和通信系统,不同的传输路径将产生不同的时延。因此,迁移路径的选择算法是至关重要的。现有的研究大多是随机选择迁移路径,很少考虑网络的异构性、延迟和成本,导致服务迁移效率低。此外,对于大规模的边缘计算网络还需要进一步优化。
此外,还面临如下挑战:
1.如何设计服务迁移路径发现算法,使得其运行时间最短;
2.如何根据多个影响因素,使得输出路径综合成本最低;
3.规划的路径如何满足,使得用户在移动过程中,响应时间最小化,提高 QoS。
发明内容
本发明的目的在于克服现有技术的不足,提供一种边缘计算环境中服务迁移的路径选择方法,采用网格划分、用户移动轨迹分割对用户移动信息进行预处理,再进行启发式路径规划,得到最优的服务迁移路径。
为了实现上述发明目的,本发明缘计算环境中服务迁移的路径选择方法包括以下步骤:
S1:根据实际需要确定移动用户从起点到终点的移动轨迹;
S2:以经纬度建立平面直角坐标系,经度为x轴,纬度为y轴;获取用户移动轨迹的经度最小值x1,经度最大值x2,纬度最小值y1,纬度最大值y2,从而确定用户移动区域的4个顶点:(x1,y1)、(x1,y2)、(x2,y2)、(x2,y1);用户移动区域分别向经度和纬度方向向外进行延伸,得到扩展用户移动区域,其4个顶点为 (x1-kx,y1-ky)、(x1-kx,y2+ky)、(x2+kx,y2+ky)、(x2+kx,y1-ky),其中kx、ky分别表示经度方向、纬度方向的延伸长度,具体取值根据实际需要确定;然后将扩展用户移动区域划分为网格,得到大小为N×M的网格阵列;然后将扩展用户移动区域内的边缘服务器根据其经纬度坐标划分至对应的网格,记坐标为(i,j)的网格所包含的边缘服务器集合为φi,j,i=1,2,…,N,j=1,2,…,M;
S3:初始化分割点集合φ为空,记用户移动轨迹上除起点和终点外的定位点数量为D,第d个时刻的定位点Ld,d=1,2,…,D;对于每个定位点Ld,采用如下公式计算在该定位点的角度Angled:
其中,dis()表示求取两个定位点之间的距离,L0表示用户移动轨迹的起点, LD+1表示用户移动轨迹的终点;
如果Angled<TA,TA表示预设的角度阈值,则将定位点Ld作为分割点加入分割点集合φ,否则不作为分割点;
根据分割点集合φ中分割点将用户移动轨迹分割为若干子轨迹,记子轨迹数量为Q;
S4:进行启发式的路径规划,得到服务迁移路径,包括以下步骤:
S4.1:记子轨迹序号q=1;
S4.2:对于子轨迹起点,将第q-1条子轨迹所确定的终点的边缘服务器endq-1作为第q条子轨迹起点的边缘服务器startq,start1即为在用户移动轨迹起点时所确定的边缘服务器;
对于子轨迹终点,当q<Q时,搜索得到距离第q条子轨迹终点最近的边缘服务器作为终点边缘服务器endq,当q=Q时,根据用户移动轨迹终点的实际情况确定第q条子轨迹的终点边缘服务器endQ;
S4.3:将第q条子轨迹起点的边缘服务器startq加入待定边缘服务器列表openlist,并设置其代价值为一个绝对大值,前驱节点为空;初始化备选边缘服务器列表closelist为空;
S4.4:判断是否待定边缘服务器列表openlist为空,如果是,进入步骤S4.5,否则进入步骤S4.6;
S4.5:第q条子轨迹不存在对应的服务迁移路径,服务迁移路径规则失败;
S4.6:从待定边缘服务器列表openlist中选择代价值最小的边缘服务器作为最优待定边缘服务器ESmin,并将其从待定边缘服务器列表openlist中删除;
S4.7:判断是否边缘服务器ESmin=endq,如果不是,进入步骤S4.8,否则进入步骤4.11;
S4.8:将边缘服务器ESmin加入备选边缘服务器列表closelist;
S4.9:根据步骤S2中的网格结果,确定边缘服务器ESmin所在网格G,将网格G所有邻居网格覆盖的边缘服务器构成邻居边缘服务器集合V;
S4.10:对于集合V中的每个邻居边缘服务器X,依次采用以下方法进行判断:
如果邻居边缘服务器X既不属于待定边缘服务器列表openlist,也不属于备选边缘服务器列表closelist,则将邻居边缘服务器X加入备选边缘服务器列表 closelist,计算得到邻居边缘服务器X的代价值f(ESmin,X),并令邻居边缘服务器X的前驱节点为边缘服务器ESmin;其中,代价值f(ESmin,X)的计算公式如下:
f(ESmin,X)=λww+λbb(ESmin,X)+λddis′(ESmin,X)
其中,w表示边缘服务器ESmin负载量的归一化值,b(ESmin,X)表示边缘服务器ESmin到邻居边缘服务器X带宽的归一化值,dis′(ESmin,X)表示边缘服务器 ESmin到邻居边缘服务器X距离的归一化值,λw、λb、λd表示预设的权重,且λw+λb+λd=1;
如果邻居边缘服务器X属于待定边缘服务器列表openlist,则计算新的代价值f(ESmin,X),如果代价值f(ESmin,X)小于openlist中已经存储的该节点所对应的代价值,则将openlist中存储的该节点所对应的代价值更新为f(ESmin,X),并将其对应的前驱节点更新为边缘服务器ESmin,否则不作任何操作;
如果邻居边缘服务器X属于备选边缘服务器列表closelist,则计算新的代价值f(ESmin,X),如果代价值f(ESmin,X)小于closelist中已经存储的该节点所对应的代价值,则将closelist中存储的该节点所对应的代价值更新为f(ESmin,X),并将其对应的前驱节点更新为边缘服务器ESmin,否则不作任何操作;
返回步骤S4.4;
S4.11:根据各个边缘服务器的前驱节点,从第q条子轨迹的终点边缘服务器 endq迭代回溯至起点边缘服务器startq,得到第q条子轨迹对应的路径;
S4.12:判断是否q<Q,如果是,进入步骤S4.13,否则进入步骤S4.14;
S4.13:令q=q+1,返回步骤S4.2;
S4.14:将Q条子轨迹对应的路径拼接起来,即得到从用户移动轨迹起点至终点的服务迁移路径。
本发明边缘计算环境中服务迁移的路径选择方法,根据实际需要确定移动用户从起点到终点的移动轨迹,先根据用户移动轨迹确定扩展用户移动区域并划分为网格,再从定位点中筛选出分割点,将用户移动轨迹划分为若干子轨迹,对每段子轨迹分别进行迁移路径规划,再拼接得到用户移动的服务迁移路径。
本发明具有以下技术效果:
1)通过对扩展用户移动区域进行网格划分,实现了边缘服务器过滤,从而减少方法运行时间,提高路径选择效率;
2)本发明综合考虑了负载量,带宽,物理距离三个方面的因素,提出了一种启发式的路径选择算法,从而使得到的服务迁移路径更优。
附图说明
图1是边缘计算环境中服务迁移场景示意图;
图2是本发明边缘计算环境中服务迁移的路径选择方法的具体实施方式流程图;
图3是本发明中启发式服务迁移路径规划的流程图;
图4是本实施例中网格划分和车辆行驶轨迹分割的结果图;
图5是本实施例中服务迁移路径示意图;
图6本发明和对比方法3的服务迁移路径对比图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图2是本发明边缘计算环境中服务迁移的路径选择方法的具体实施方式流程图。如图2所示,本发明边缘计算环境中服务迁移的路径选择方法的具体步骤包括:
S201:确定移动用户的移动轨迹:
根据实际需要确定移动用户从起点到终点的移动轨迹。
移动用户的移动轨迹可以是移动用户已经移动过的历史轨迹,此时采用本发明所得到的服务迁移路径就是用户已到达终点时所要进行服务迁移的路径,移动用户的移动轨迹也可以是采用已有算法获取的移动用户将要移动的规划轨迹,此时采用本发明所得到服务迁移路径就是预计进行服务迁移的路径。
S202:网格划分:
在边缘计算环境中,存在大量的边缘服务器,每个边缘服务器的覆盖范围有限。在进行服务迁移路径选择时,如果减少不必要的边缘服务器,则可以有效减少路径选择算法的运行时间;如果不进行服务器筛选,不排除非必要的服务器,使用所有的边缘服务器作为备选集,那么将大大增加算法的运行时间,产生更高的延迟。因此,本发明采用网格划分的方法,根据移动用户的移动轨迹,过滤掉与轨迹无关的边缘服务器,从而减少算法运行时间,具体方法如下:
以经纬度建立平面直角坐标系,经度为x轴,纬度为y轴。获取用户移动轨迹的经度最小值x1,经度最大值x2,纬度最小值y1,纬度最大值y2,从而确定用户移动区域的4个顶点:(x1,y1)、(x1,y2)、(x2,y2)、(x2,y1)。可见,该用户移动区域是由x=x1、x=x2、y=y1、y=y2四条直线所围成的矩形,能够完整的覆盖用户轨迹,为了使划分得到的边缘上的网格更好的寻找到其邻居网格(即周围八个邻居网格),避免起点终点在网格的边缘上,用户移动区域分别向经度和纬度方向向外进行延伸,得到扩展用户移动区域,其4个顶点为(x1-kx,y1-ky)、 (x1-kx,y2+ky)、(x2+kx,y2+ky)、(x2+kx,y1-ky),其中kx、ky分别表示经度方向、纬度方向的延伸长度,具体取值根据实际需要确定。然后将扩展用户移动区域划分为网格,得到大小为N×M的网格阵列,其中N和M的取值可以根据实际需要确定。然后将扩展用户移动区域内的边缘服务器根据其经纬度坐标划分至对应的网格,记坐标为(i,j)的网格所包含的边缘服务器集合为φi,j,i=1,2,…,N, j=1,2,…,M。
为了确保扩展用户移动区域所划分得到的网格中每个网格内的服务器能与其周围八个邻居网格进行通信,本实施例中提出了一种扩展用户移动区域划分方法:
对于扩展用户移动区域,计算得到其长度L、宽度W以及对角线2个顶点 (x1-kx,y1-ky)、(x2+kx,y2+ky)之间的距离S。为了使得长度L、宽度W和距离S 更加准确,可以采用地球上的弧长,具体计算公式分别为:
其中,R表示地球半径。
根据以上方式将扩展用户移动区域划分为N行M列的网格阵列。
S203:用户移动轨迹预处理:
由于用户从起点到终点的移动过程中,会出现转向的情况,移动过程不一定趋近于连接起点到终点的直线,考虑到整个移动过程中的用户QoS,需要先将用户移动轨迹进行切割,其具体方法如下:
初始化分割点集合φ为空,记用户移动轨迹上除起点和终点外的定位点数量为D,第d个时刻的定位点Ld,d=1,2,…,D。对于每个定位点Ld,采用如下公式计算在该定位点的角度Angled:
其中,dis()表示求取两个定位点之间的距离,L0表示用户移动轨迹的起点, LD+1表示用户移动轨迹的终点。
如果Angled<TA,TA表示预设的角度阈值,则将定位点Ld作为分割点加入分割点集合φ,否则不作为分割点。经过实验对比,当角度阈值TA位于[120°,140°] 时,用户移动分割效果较好。本实施例中设置角度阈值TA为130°。
根据分割点集合φ中分割点将用户移动轨迹分割为若干子轨迹,记子轨迹的数量为Q。
为了使分割得到的子轨迹更加合理,可以在用户移动轨迹分割前,对分割点集合φ中的分割点依次进行筛选,具体方法为:判断当前分割点与前一个分割点是否位于同一网格,如果是,则删除当前分割点,如果不是,则进一步判断当前分割点与前一个分割点的距离是否大于预设阈值(本实施例中设置为网格对角线长度的1/3),如果是,则保留当前分割点,如果不是,则删除当前分割点。
S204:服务迁移路径规划:
在完成网格划分和用户移动轨迹处理之后,将进行启发式的路径规划,得到服务迁移路径。图3是本发明中启发式服务迁移路径规划的流程图。如图3所示,本发明中启发式服务迁移路径规划的具体步骤包括:
S301:记子轨迹序号q=1。
S302:确定子轨迹起点和终点的边缘服务器:
对于子轨迹起点,将第q-1条子轨迹所确定的终点的边缘服务器endq-1作为第q条子轨迹起点的边缘服务器startq,start1即为在用户移动轨迹起点时所确定的边缘服务器。一般来说,边缘服务器start1是用户在移动轨迹起点时通过预设方法选择的边缘服务器,例如可以选择距离最近或通信质量最好的边缘服务器。
对于子轨迹终点,当q<Q时,搜索得到距离第q条子轨迹终点最近的边缘服务器作为终点边缘服务器endq,当q=Q时,根据用户移动轨迹终点的实际情况确定第q条子轨迹的终点边缘服务器endQ。与用户移动起点边缘服务器类似,用户移动轨迹终点的边缘服务器也可以根据预设方法选择。
S303:初始化openlist和closelist:
将第q条子轨迹起点的边缘服务器startq加入待定边缘服务器列表openlist,并设置其代价值为一个绝对大值,前驱节点为空。初始化备选边缘服务器列表 closelist为空。
S304:判断是否待定边缘服务器列表openlist为空,如果是,进入步骤S305,否则进入步骤S306。
S305:服务迁移路径规划失败:
第q条子轨迹不存在对应的服务迁移路径,服务迁移路径规则失败。
S306:选择最优待定边缘服务器:
从待定边缘服务器列表openlist中选择代价值最小的边缘服务器作为最优待定边缘服务器ESmin,并将其从待定边缘服务器列表openlist中删除。
S307:判断是否边缘服务器ESmin=endq,如果不是,进入步骤S308,否则进入步骤S311。
S308:加入closelist:
将边缘服务器ESmin加入备选边缘服务器列表closelist。
S309:获取邻居边缘服务器集合:
根据步骤S2中的网格结果,确定边缘服务器ESmin所在网格G,将网格G所有邻居网格覆盖的边缘服务器构成邻居边缘服务器集合V。
S310:基于代价值判断邻居边缘服务器:
对于集合V中的每个邻居边缘服务器X,依次采用以下方法进行判断:
如果X既不属于待定边缘服务器列表openlist,也不属于备选边缘服务器列表closelist,则将邻居边缘服务器X加入备选边缘服务器列表closelist,计算得到边缘服务器X的代价值f(ESmin,X),并令邻居边缘服务器X的前驱节点为边缘服务器ESmin。其中,代价值f(ESmin,X)的计算方法如下:
由于边缘服务器的负载量可以反映剩余计算资源,它会影响其计算延迟;带宽在网络路径中的重要性以及对服务迁移时间的影响,带宽会影响数据在服务器之间的传输延迟;物理距离会影响连接的稳定性和传输延迟。所以,本发明在服务迁移路径选择时从负载量,带宽,物理距离三个因素综合考虑,设计了启发函数来计算邻居边缘服务器X的代价值f(ESmin,X),计算公式如下:
f(ESmin,X)=λww+λbb(ESmin,X)+λddis′(ESmin,X)
其中,w表示边缘服务器ESmin负载量的归一化值,b(ESmin,X)表示边缘服务器ESmin到邻居边缘服务器X带宽的归一化值,dis′(ESmin,X)表示边缘服务器 ESmin到邻居边缘服务器X距离的归一化值,归一化是为了消除量纲的影响,归一化的具体方法可以根据实际需要确定,本实施例中采用min-max归一化。λw、λb、λd表示预设的权重,且λw+λb+λd=1。
如果邻居边缘服务器X属于待定边缘服务器列表openlist,则计算新的代价值f(ESmin,X),如果代价值f(ESmin,X)小于openlist中已经存储的该节点所对应的代价值,则将openlist中存储的该节点所对应的代价值更新为f(ESmin,X),并将其对应的前驱节点更新为边缘服务器ESmin。否则不作任何操作。
如果邻居边缘服务器X属于备选边缘服务器列表closelist,则计算新的代价值f(ESmin,X),如果代价值f(ESmin,X)小于closelist中已经存储的该节点所对应的代价值,则将closelist中存储的该节点所对应的代价值更新为f(ESmin,X),并将其对应的前驱节点更新为边缘服务器ESmin。则否则不作任何操作。
返回步骤S304。
可见,在搜索子轨迹对应路径的每次迭代中,都会对边缘服务器ESmin的邻居边缘服务器集合V中的代价值和前驱节点进行判断和更新,从而最终形成一个链表,迭代找到起点,得到子轨迹对应的迁移路径。
S311:确定子轨迹对应路径:
根据各个边缘服务器的前驱节点,从第q条子轨迹的终点边缘服务器endq迭代回溯至起点边缘服务器startq,得到第q条子轨迹对应的路径。
S312:判断是否q<Q,如果是,进入步骤S313,否则进入步骤S314。
S313:令q=q+1,返回步骤S302。
S314:确定服务迁移路径:
将Q条子轨迹对应的路径拼接起来,即得到从用户移动轨迹起点至终点的服务迁移路径。
为了更好地说明本发明的技术效果,采用一个具体实例对本发明进行实验验证。本实施例中采用上海电信数据集和上海车辆轨迹数据集作为实验数据。首先根据车辆行驶轨迹进行网格划分,并对车辆行驶轨迹进行分割。图4是本实施例中网格划分和车辆行驶轨迹分割的结果图。如图4所示,本发明将车辆行驶轨迹所在的扩展车辆行驶区域划分为6*6的网格阵列,在车辆行驶轨迹上除了起点和终点(以圆点表示)外,确定了5个分割点(以三角形点表示),将整个车辆行驶轨迹划分成了6段子轨迹。图5是本实施例中服务迁移路径示意图。如图5所示,综合考虑边缘服务器物理位置、可用负载量、传输带宽,采用本发明获取了一条服务器迁移的路径,在图5中以浅灰色折线表示。
为了验证本发明的有效性,本实施例中采用了三种对比方法,从运行时间、数据在算法输出的迁移路径所需的传输时间、算法输出迁移路径的覆盖轨迹范围三个方面与本发明进行实验对比,三种对比方法分别如下:
对比方法1:本发明方法的简化方法,未进行网格划分;
对比方法2:本发明方法的简化方法,启发式函数只考虑了边缘服务器之间的物理距离,没有考虑服务器的负载量和传输带宽;
对比方法3:A*算法,一种静态路网中求解最短路径的直接搜索方法。在本实施例中,使用两个公共数据集,分别是:(1)上海的数据流量记录:该数据集由上海电信提供,记录了上海3233个基站的信息,包括基站位置(经度、纬度)、工作负载等信息;(2)上海的车辆GPS轨迹数据集:每条轨迹数据包含了出租车在行驶中的位置(经度、纬度)、车辆的瞬时速度和相应的时间戳等信息。上述两个数据集都是来自同一个城市,可以把两个数据集结合起来。由于原数据集中没有链路带宽数据,而带宽在服务迁移中会影响总时延。对原始数据集进行预处理,基于高斯分布在5到10的范围内生成带宽数据,然后作为本本实施例的数据集。我们将数据集进行预处理,根据起点到终点的距离大小,将数据集划分三个子数据集,分别为Data1、Data2和Data3。本实施例基于真实数据集进行了多次实验,记录每个方法在不同输入下的运行时间,然后求取均值。
表1是本发明和两种对比方法的运行时间对比表,其表格中数据单位为秒。
表1
如表1所示,由于对比方法2在选择路径时,考虑的影响因素较少,所以其运行时间是最少的。与对比方法2相比,本发明的运行时间虽然不是最少,但与最小值差距是极小的,可以忽略。并且随着数据量增加,本发明运行时间增长幅度很小。而对比方法1因为没有进行网格划分,其运行时间随着数据量增加而增加,不会收敛,从而验证了本发明中网格划分的有效性。根据实验结果得出,本发明的时间复杂度较低,可以适用于大规模边缘计算网络环境。
当输入相同时,不同方法得到的服务迁移路径不同,将导致不同的数据传输时间。本实施例进行了多次实验,记录不同方法输出结果的数据传输时间,然后求取均值。表2是本发明和三种对比方法的数据传输时间对比表,其表格中数据单位为秒。
表2
如表2所示,在不同输入数据时,本发明所得到的服务迁移路径所使用的数据传输时间是最少的。这是因为本发明在进行路径选择时从负载量、带宽、物理距离影响传输速度的三个方面综合考虑,使得最终得到路径的传输时间比其他三种对比方法更少,使得迁移路径的综合成本最低。
最后对本发明和对比方法3所得到的服务迁移路径进行对比。图6本发明和对比方法3的服务迁移路径对比图。如图6所示,当用户的轨迹不趋于直线时,对比方法3所得出的迁移路径不能覆盖用户的移动轨迹,也不能实现服务跟随。而从本发明得到的服务迁移路径可以看出,即使用户的移动轨迹不趋于直线,本发明得到服务迁移路径也能很好地覆盖用户的移动轨迹,实现服务跟随。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (6)
1.一种边缘计算环境中服务迁移路径选择方法,其特征在于,包括以下步骤:
S1:根据实际需要确定移动用户从起点到终点的移动轨迹;
S2:以经纬度建立平面直角坐标系,经度为x轴,纬度为y轴;获取用户移动轨迹的经度最小值x1,经度最大值x2,纬度最小值y1,纬度最大值y2,从而确定用户移动区域的4个顶点:(x1,y1)、(x1,y2)、(x2,y2)、(x2,y1);用户移动区域分别向经度和纬度方向向外进行延伸,得到扩展用户移动区域,其4个顶点为(x1-kx,y1-ky)、(x1-kx,y2+ky)、(x2+kx,y2+ky)、(x2+kx,y1-ky),其中kx、ky分别表示经度方向、纬度方向的延伸长度,具体取值根据实际需要确定;然后将扩展用户移动区域划分为网格,得到大小为N×M的网格阵列;然后将扩展用户移动区域内的边缘服务器根据其经纬度坐标划分至对应的网格,记坐标为(i,j)的网格所包含的边缘服务器集合为φi,j,i=1,2,…,N,j=1,2,…,M;
S3:初始化分割点集合φ为空,记用户移动轨迹上除起点和终点外的定位点数量为D,第d个时刻的定位点Ld,d=1,2,…,D;对于每个定位点Ld,采用如下公式计算在该定位点的角度Angled:
其中,dis()表示求取两个定位点之间的距离,L0表示用户移动轨迹的起点,LD+1表示用户移动轨迹的终点;
如果Angled<TA,TA表示预设的角度阈值,则将定位点Ld作为分割点加入分割点集合φ,否则不作为分割点;
根据分割点集合φ中分割点将用户移动轨迹分割为若干子轨迹,记子轨迹数量为Q;
S4:进行启发式的路径规划,得到服务迁移路径,包括以下步骤:
S4.1:记子轨迹序号q=1;
S4.2:对于子轨迹起点,将第q-1条子轨迹所确定的终点的边缘服务器endq-1作为第q条子轨迹起点的边缘服务器startq,start1即为在用户移动轨迹起点时所确定的边缘服务器;
对于子轨迹终点,当q<Q时,搜索得到距离第q条子轨迹终点最近的边缘服务器作为终点边缘服务器endq,当q=Q时,根据用户移动轨迹终点的实际情况确定第q条子轨迹的终点边缘服务器endQ;
S4.3:将第q条子轨迹起点的边缘服务器startq加入待定边缘服务器列表openlist,并设置其代价值为一个绝对大值,前驱节点为空;初始化备选边缘服务器列表closelist为空;
S4.4:判断是否待定边缘服务器列表openlist为空,如果是,进入步骤S4.5,否则进入步骤S4.6;
S4.5:第q条子轨迹不存在对应的服务迁移路径,服务迁移路径规则失败;
S4.6:从待定边缘服务器列表openlist中选择代价值最小的边缘服务器作为最优待定边缘服务器ESmin,并将其从待定边缘服务器列表openlist中删除;
S4.7:判断是否边缘服务器ESmin=endq,如果不是,进入步骤S4.8,否则进入步骤4.11;
S4.8:将边缘服务器ESmin加入备选边缘服务器列表closelist;
S4.9:根据步骤S2中的网格结果,确定边缘服务器ESmin所在网格G,将网格G所有邻居网格覆盖的边缘服务器构成邻居边缘服务器集合V;
S4.10:对于集合V中的每个邻居边缘服务器X,依次采用以下方法进行判断:
如果邻居边缘服务器X既不属于待定边缘服务器列表openlist,也不属于备选边缘服务器列表closelist,则将邻居边缘服务器X加入备选边缘服务器列表closelist,计算得到邻居边缘服务器X的代价值f(ESmin,X),并令邻居边缘服务器X的前驱节点为边缘服务器ESmin;其中,代价值f(ESmin,X)的计算公式如下:
f(ESmin,X)=λww+λbb(ESmin,X)+λddis′(ESmin,X)
其中,w表示边缘服务器ESmin负载量的归一化值,b(ESmin,X)表示边缘服务器ESmin到邻居边缘服务器X带宽的归一化值,dis′(ESmin,X)表示边缘服务器ESmin到邻居边缘服务器X距离的归一化值,λw、λb、λd表示预设的权重,且λw+λb+λd=1;
如果邻居边缘服务器X属于待定边缘服务器列表openlist,则计算新的代价值f(ESmin,X),如果代价值f(ESmin,X)小于openlist中已经存储的该节点所对应的代价值,则将openlist中存储的该节点所对应的代价值更新为f(ESmin,X),并将其对应的前驱节点更新为边缘服务器ESmin,否则不作任何操作;
如果邻居边缘服务器X属于备选边缘服务器列表closelist,则计算新的代价值f(ESmin,X),如果代价值f(ESmin,X)小于closelist中已经存储的该节点所对应的代价值,则将closelist中存储的该节点所对应的代价值更新为f(ESmin,X),并将其对应的前驱节点更新为边缘服务器ESmin,否则不作任何操作;
返回步骤S4.4;
S4.11:根据各个边缘服务器的前驱节点,从第q条子轨迹的终点边缘服务器endq迭代回溯至起点边缘服务器startq,得到第q条子轨迹对应的路径;
S4.12:判断是否q<Q,如果是,进入步骤S4.13,否则进入步骤S4.14;
S4.13:令q=q+1,返回步骤S4.2;
S4.14:将Q条子轨迹对应的路径拼接起来,即得到从用户移动轨迹起点至终点的服务迁移路径。
3.根据权利要求2所述的边缘计算环境中服务迁移路径选择方法,其特征在于所述长度L、宽度W和距离S为对应2个顶点在地球上的弧长。
4.根据权利要求1所述的边缘计算环境中服务迁移路径选择方法,其特征在于所述角度阈值TA的取值范围为[120°,140°]。
5.根据权利要求1所述的边缘计算环境中服务迁移路径选择方法,其特征在于所述轨迹分割前,对分割点集合φ中的分割点依次进行筛选,具体方法为:判断当前分割点与前一个分割点是否位于同一网格,如果是,则删除当前分割点,如果不是,则进一步判断当前分割点与前一个分割点的距离是否大于预设阈值T,如果是,则保留当前分割点,如果不是,则删除当前分割点。
6.根据权利要求5所述的边缘计算环境中服务迁移路径选择方法,其特征在于所述阈值T为网格对角线长度的1/3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210420857.3A CN114979134B (zh) | 2022-04-21 | 2022-04-21 | 边缘计算环境中服务迁移的路径选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210420857.3A CN114979134B (zh) | 2022-04-21 | 2022-04-21 | 边缘计算环境中服务迁移的路径选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114979134A true CN114979134A (zh) | 2022-08-30 |
CN114979134B CN114979134B (zh) | 2023-01-17 |
Family
ID=82978092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210420857.3A Active CN114979134B (zh) | 2022-04-21 | 2022-04-21 | 边缘计算环境中服务迁移的路径选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114979134B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116678432A (zh) * | 2023-08-04 | 2023-09-01 | 江西师范大学 | 一种基于边缘服务下的车辆实时路径规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104067566A (zh) * | 2012-01-30 | 2014-09-24 | 瑞典爱立信有限公司 | 在多区域网络中改进最短路径桥接 |
CN110413392A (zh) * | 2019-07-25 | 2019-11-05 | 北京工业大学 | 一种移动边缘计算场景下制定单任务迁移策略的方法 |
CN111148174A (zh) * | 2019-12-13 | 2020-05-12 | 北京邮电大学 | 一种移动边缘计算中服务迁移路径选择方法 |
CN111836328A (zh) * | 2020-07-15 | 2020-10-27 | 嘉兴学院 | 一种基于K-shell影响力最大化计算迁移优化方法 |
CN113114722A (zh) * | 2021-03-17 | 2021-07-13 | 重庆邮电大学 | 一种基于边缘网络的虚拟网络功能迁移方法 |
CN114339879A (zh) * | 2021-12-08 | 2022-04-12 | 重庆邮电大学 | 一种移动边缘计算中基于强化学习的服务迁移方法 |
-
2022
- 2022-04-21 CN CN202210420857.3A patent/CN114979134B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104067566A (zh) * | 2012-01-30 | 2014-09-24 | 瑞典爱立信有限公司 | 在多区域网络中改进最短路径桥接 |
CN110413392A (zh) * | 2019-07-25 | 2019-11-05 | 北京工业大学 | 一种移动边缘计算场景下制定单任务迁移策略的方法 |
CN111148174A (zh) * | 2019-12-13 | 2020-05-12 | 北京邮电大学 | 一种移动边缘计算中服务迁移路径选择方法 |
CN111836328A (zh) * | 2020-07-15 | 2020-10-27 | 嘉兴学院 | 一种基于K-shell影响力最大化计算迁移优化方法 |
CN113114722A (zh) * | 2021-03-17 | 2021-07-13 | 重庆邮电大学 | 一种基于边缘网络的虚拟网络功能迁移方法 |
CN114339879A (zh) * | 2021-12-08 | 2022-04-12 | 重庆邮电大学 | 一种移动边缘计算中基于强化学习的服务迁移方法 |
Non-Patent Citations (3)
Title |
---|
MENGLEI ZHANG; HAOQIU HUANG; LANLAN RUI; GUO HUI; YING WANG; XUE: "A Service Migration Method Based on Dynamic Awareness in Mobile Edge Computing", 《 NOMS 2020 - 2020 IEEE/IFIP NETWORK OPERATIONS AND MANAGEMENT SYMPOSIUM》 * |
郑和鑫: "移动边缘计算环移动边缘计算环境下服务迁移方法的研究境下服务迁移方法的研究", 《CNKI中国优秀硕士论文全文库》 * |
韩祎: "不确定条件下车辆边缘协作网络资源智能调度方法", 《CNKI中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116678432A (zh) * | 2023-08-04 | 2023-09-01 | 江西师范大学 | 一种基于边缘服务下的车辆实时路径规划方法 |
CN116678432B (zh) * | 2023-08-04 | 2023-10-24 | 江西师范大学 | 一种基于边缘服务下的车辆实时路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114979134B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108981739B (zh) | 一种路径规划方法、装置、服务器及存储介质 | |
CN106528589B (zh) | 数据管理方法及装置 | |
CN102810118B (zh) | 一种变权网k近邻搜索方法 | |
US20060003823A1 (en) | Dynamic player groups for interest management in multi-character virtual environments | |
CN108827335B (zh) | 一种基于单向搜索模型的最短路径规划方法 | |
CN104596531A (zh) | 一种导航路线的生成方法、装置及服务器 | |
CN109104464A (zh) | 一种边缘计算环境下面向协同存储的分布式数据更新方法 | |
CN102193998B (zh) | 一种含边拓扑信息的不规则三角网弧扫式构建方案 | |
CN112132236A (zh) | 一种基于聚类算法的需求子区划分、线路规划方法及装置 | |
CN108280463B (zh) | 车辆搭载无人机双层路径的优化方法及装置 | |
CN114979134B (zh) | 边缘计算环境中服务迁移的路径选择方法 | |
WO2021238305A1 (zh) | 一种基于强化学习的通用分布式图处理方法及系统 | |
CN114440916A (zh) | 一种导航方法、装置、设备及存储介质 | |
CN108647910A (zh) | 城市公交站点的设置方法、装置、终端及计算机存储介质 | |
CN116866931A (zh) | 一种城市移动边缘服务器部署方法 | |
CN113779105B (zh) | 分布式轨迹流伴随模式挖掘方法 | |
CN110662272A (zh) | 一种基于蜂群无人机的最少数量领航者选取方法 | |
CN114640619B (zh) | 基于平均通信距离的天基网络拓扑设计方法及相关设备 | |
Cox et al. | A zone-based traffic assignment algorithm for scalable congestion reduction | |
CN112380460B (zh) | 一种基于近似算法的最短路径查询方法和系统 | |
CN113124878B (zh) | 一种月面大范围道路拓扑网构建方法、系统及装置 | |
CN114330807A (zh) | 路线的确定方法、装置和电子设备 | |
CN113392280A (zh) | 一种面向跨区域的多主模型分布式图计算方法 | |
Zhou et al. | Age of Information Oriented Data Collection via Energy-Constrained UAVs in Wireless Sensor Networks | |
CN111556546A (zh) | 最短信息收集路径的搜索方法、系统、存储介质及应用 |
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 |