CN115037956A - 一种面向边缘服务器成本优化的流量调度方法 - Google Patents

一种面向边缘服务器成本优化的流量调度方法 Download PDF

Info

Publication number
CN115037956A
CN115037956A CN202210631082.4A CN202210631082A CN115037956A CN 115037956 A CN115037956 A CN 115037956A CN 202210631082 A CN202210631082 A CN 202210631082A CN 115037956 A CN115037956 A CN 115037956A
Authority
CN
China
Prior art keywords
edge
bandwidth
edge server
user
queue
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
Application number
CN202210631082.4A
Other languages
English (en)
Other versions
CN115037956B (zh
Inventor
仇超
李沅泽
刘铸滔
边高阳
王晓飞
张�诚
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN202210631082.4A priority Critical patent/CN115037956B/zh
Publication of CN115037956A publication Critical patent/CN115037956A/zh
Application granted granted Critical
Publication of CN115037956B publication Critical patent/CN115037956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/50—Queue scheduling
    • H04L47/52—Queue scheduling by attributing bandwidth to queues
    • H04L47/522—Dynamic queue service slot or variable bandwidth allocation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2402—Monitoring of the downstream path of the transmission network, e.g. bandwidth available
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/647—Control signaling between network components and server or clients; Network processes for video distribution between server and clients, e.g. controlling the quality of the video stream, by dropping packets, protecting content from unauthorised alteration within the network, monitoring of network load, bridging between two different networks, e.g. between IP and wireless
    • H04N21/64723—Monitoring of network processes or resources, e.g. monitoring of network load
    • H04N21/64738—Monitoring network characteristics, e.g. bandwidth, congestion level
    • 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
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种面向边缘服务器成本优化的流量调度方法，包括：读取结算周期时刻数内每个时刻的用户数、每个用户的带宽需求及服务时延；设定时延阈值；基于服务时延与时延阈值绘制拓扑网络图；构建用户的带宽需求队列和每个边缘服务器的带宽需求队列；依次对用户的带宽需求队列中的每个元素对应的带宽需求和该带宽需求是否位于95计费点内所对应时刻的拓扑网络图的属性进行变更，根据变更后的拓扑网络图中有向边的属性计算残差值，利用增广路法和bellman‑ford算法搜索图中的连通路径，直至不存在连通路径；根据每个时刻的拓扑网络图输出各时刻下所有用户的卸载流量值。本发明可在保证用户体验的情况下尽可能降低服务提供商成本。

Description

一种面向边缘服务器成本优化的流量调度方法
技术领域
本发明属于互联网数据技术领域，具体涉及一种面向边缘服务器成本优化的流量调度方法。
背景技术
目前移动视频流业务的兴起为互联网带来了大量的流量处理需求，同时为传统的集中式云服务带来了巨大的压力。传统的集中式云服务器远离用户节点，流量到达服务器需要经过长距离传输，服务的时延较高，体验较差。为了解决这一问题，边缘计算服务架构被提出。边缘计算通过在离用户较近的边缘侧设置多个分布式服务器解决了数据传输距离过长，时延高，用户体验差的问题，但也带来了新的流量调度问题。
95带宽计费是一种服务器带宽计费模式。95带宽计费按自然日或者自然月结算，分别被称为95日计费和95月计费。95计费将结算时间前服务器的每5分钟有效带宽值进行降序排列，取该序列的第5％位的有效带宽值为计费标准。为了下文的表述清晰，在此称该经过排序的序列为服务器的带宽需求序列，总时刻乘5％的位置为95计费点，一台服务器带宽序列的95计费点的值为边缘服务器成本。该计费方式被广大服务器提供商所使用，是目前最流行的服务器带宽收费方式。同时，如何调度流量减少95计费下的服务器成本是服务提供商非常关心的研究热点。然而现有流量调度方案，没有考虑边缘计算场景下边缘服务器与用户拓扑的复杂性，不能合理调度多用户随时间不断变化的流量，使服务器带宽成本增加，服务提供商的利润减少。
发明内容
针对现有流量调度方案不能合理调度多用户随时间不断变化的流量导致成本增加的技术问题，本发明提出了一种面向边缘服务器成本优化的流量调度方法，解决了互联网直播技术为满足用户提供稳定、低延时的视频流服务，需要大量的带宽资源，需要服务提供商也即直播平台向通信运营商租赁大量边缘服务器满足用户的带宽需求而带来的高成本问题。为解决以上技术问题，本发明所采用的技术方案如下：
一种面向边缘服务器成本优化的流量调度方法，包括如下步骤：
S1，构建包括边缘服务器和用户的流量调度系统，读取结算周期的时刻数T内每个时刻的用户数、边缘服务器数、每个用户的带宽需求、每个边缘服务器的带宽上限以及边缘服务器和用户之间的服务时延；
S2，设定时延阈值K；
S3，基于边缘服务器和用户之间的服务时延与时延阈值K之间的关系，绘制每个时刻下表征用户和边缘服务器连接属性的拓扑网络图；
S4，根据带宽需求大小分别构建用户的带宽需求队列和每个边缘服务器的带宽需求队列，并为用户的带宽需求队列中的每个元素设置索引，初始化索引号r＝1，所述每个边缘服务器的带宽需求队列中的每个元素均至少包含时刻和该时刻下边缘服务器的带宽需求两个子元素；
S5，根据索引号r所对应的带宽需求和该带宽需求是否位于95计费点内对索引号r所对应时刻的拓扑网络图的属性进行变更；
S6，根据步骤S5变更后的拓扑网络图中有向边的属性计算残差值，并利用增广路法和bellman-ford算法搜索该拓扑网络图中的连通路径，根据残差值再次更新该拓扑网络图的属性并搜索连通路径，直至拓扑网络图中不存在连通路径；
S7，判断r<N，如果是，执行r＝r+1，并返回步骤S5，否则根据每个时刻的拓扑网络图输出各时刻下所有用户的卸载流量值，其中，N表示用户总数。
所述步骤S3包括如下步骤：
S3.1，初始化时刻tnow＝1；
S3.2，将tnow时刻下每个边缘服务器和用户之间的服务时延与时延阈值K进行比较，判断对应的边缘服务器和用户之间是否可以发生卸载，其表达式为：
Figure BDA0003679815640000021
式中，当
Figure BDA0003679815640000022
时，表示边缘服务器Mi和用户Nj之间可以发生卸载，当
Figure BDA0003679815640000023
时，表示边缘服务器Mi和用户Nj之间不能发生卸载，
Figure BDA0003679815640000024
表示边缘服务器Mi与用户Nj之间的服务时延；
S3.3，将tnow时刻下的每个用户和每个边缘服务器分别看作一个节点，根据步骤S3.2得到的比较结果依次在每个用户和每个边缘服务器之间构建有向边，所述有向边的属性包括起点、终点、容量、流量和权重；
S3.4，增加虚拟节点S，将虚拟节点S视为起点、tnow时刻下的每个用户分别视为终点，在虚拟节点S和每个用户Nj之间依次构建容量为0、流量为0、权重为0的有向边
Figure BDA0003679815640000025
S3.5，增加虚拟节点E，将tnow时刻下的每个边缘服务器分别视为起点、虚拟节点E视为终点，在每个边缘服务器Mi和虚拟节点E之间依次构建容量为边缘服务器的带宽上限、流量为0、权重为0的有向边
Figure BDA0003679815640000026
进而形成tnow时刻下的拓扑网络图
Figure BDA0003679815640000027
S3.6，判断tnow<T，如果是，执行tnow＝tnow+1并返回步骤S3.2，否则执行步骤S4。
所述步骤S4包括如下步骤：
S4.1，计算每个时刻下所有用户的带宽需求总数，按照降序顺序对所有时刻下的带宽需求总数进行排序形成用户的带宽需求队列QN；
S4.2，为步骤S4.1中得到的用户的带宽需求队列QN中的每个元素分别设置索引，并初始化索引号r＝1；
S4.3，为每个边缘服务器Mi设置一个带宽需求队列
Figure BDA0003679815640000031
所述带宽需求队列
Figure BDA0003679815640000032
中的每个元素包含时刻
Figure BDA0003679815640000033
和该时刻下边缘服务器的带宽需求
Figure BDA0003679815640000034
两个子元素，根据带宽需求队列
Figure BDA0003679815640000035
中每个元素的带宽需求对带宽需求队列
Figure BDA0003679815640000036
进行降序排序以更新带宽需求队列
Figure BDA0003679815640000037
其中，k表示带宽需求队列
Figure BDA0003679815640000038
中的元素序号，且1≤k≤T；
S4.4，为每个边缘服务器Mi分别设置权重
Figure BDA0003679815640000039
和已使用时刻数
Figure BDA00036798156400000310
两个参数，并将这两个参数均初始化为0。
在步骤S4.3中，所述边缘服务器的带宽需求
Figure BDA00036798156400000311
对应的计算公式为：
Figure BDA00036798156400000312
式中，
Figure BDA00036798156400000313
表示拓扑网络图中以边缘服务器Mi为起点虚拟节点E为终点，在边缘服务器Mi和虚拟节点E之间构建的有向边
Figure BDA00036798156400000314
的流量。
所述步骤S5包括如下步骤：
S5.1，从用户的带宽需求队列QN中找到索引号r＝1对应的带宽需求
Figure BDA00036798156400000315
并将拓扑网络图
Figure BDA00036798156400000316
中的有向边
Figure BDA00036798156400000317
的容量变更为
Figure BDA00036798156400000318
其中，
Figure BDA00036798156400000319
表示td时刻的拓扑网络图，
Figure BDA00036798156400000320
表示用户
Figure BDA00036798156400000321
在td时刻下的带宽需求，
Figure BDA00036798156400000322
表示以虚拟节点S为起点、用户
Figure BDA00036798156400000323
为终点，在虚拟节点S和用户
Figure BDA00036798156400000324
之间所构建的有向边，且1≤jd≤N，1≤td≤T；
S5.2，若带宽需求
Figure BDA00036798156400000325
在边缘服务器Mi的带宽需求队列
Figure BDA00036798156400000326
中位于
Figure BDA00036798156400000327
也即
Figure BDA00036798156400000328
且
Figure BDA00036798156400000329
则将拓扑网络图
Figure BDA00036798156400000330
中的有向边
Figure BDA00036798156400000331
的权重变更为
Figure BDA00036798156400000332
否则将拓扑网络图
Figure BDA00036798156400000333
中的有向边
Figure BDA00036798156400000334
的权重变更为权重
Figure BDA00036798156400000335
其中，
Figure BDA00036798156400000336
表示边缘服务器Mi的带宽需求队列
Figure BDA00036798156400000337
中
Figure BDA00036798156400000338
位置处所对应的时刻子元素，
Figure BDA00036798156400000339
表示以边缘服务器Mi为起点、虚拟节点E为终点，在边缘服务器Mi和虚拟节点E之间所构建的有向边，
Figure BDA00036798156400000340
表示带宽需求队列
Figure BDA00036798156400000341
中元素序号为
Figure BDA00036798156400000342
的元素的时刻子元素，
Figure BDA00036798156400000343
表示边缘服务器Mi的已使用时刻数；
S5.3，判断
Figure BDA00036798156400000344
如果是，将拓扑网络图
Figure BDA00036798156400000345
中的有向边
Figure BDA00036798156400000346
的容量变更为
Figure BDA0003679815640000041
否则使拓扑网络图
Figure BDA0003679815640000042
中的有向边
Figure BDA0003679815640000043
的容量等于其流量，其中，
Figure BDA0003679815640000044
表示边缘服务器Mi的带宽需求队列
Figure BDA0003679815640000045
中元素序号为T×5％处所对应的带宽需求子元素，
Figure BDA0003679815640000046
表示有向边
Figure BDA0003679815640000047
的流量。
所述步骤S6包括如下步骤：
S6.1，根据拓扑网络图中有向边的残差值搜寻拓扑网络图
Figure BDA0003679815640000048
中从虚拟节点S到虚拟节点E的连通路径，利用bellman-ford算法搜索代价最小的连通路径，
Figure BDA0003679815640000049
表示用户的带宽需求队列中索引号r所对应的时刻td的拓扑网络图；
S6.2，根据属性计算步骤S6.1中代价最小的连通路径的残差值resi_min，将该连通路径中所有有向边的流量加上残差值resi_min，并将该连通路径中所有有向边的反向边的容量加上残差值resi_min，以分别更新该连通路径中所有有向边的流量和反向边的容量；
S6.3，判断resi_min>0，如果是，返回步骤S6.1，否则执行步骤S6.4；
S6.4，将拓扑网络图
Figure BDA00036798156400000410
中所有有向边
Figure BDA00036798156400000411
的容量更新为对应的边缘服务器Mi的带宽上限Ci，其中，
Figure BDA00036798156400000412
表示拓扑网络图中以边缘服务器Mi为起点、虚拟节点E为终点，在边缘服务器Mi和虚拟节点E之间所构建的有向边；
S6.5，根据有向边的残差值搜寻更新后的拓扑网络图
Figure BDA00036798156400000413
中从虚拟节点S到虚拟节点E的连通路径，利用bellman-ford算法搜索代价最小的连通路径；
S6.6，根据有向边的属性计算步骤S6.5中代价最小的连通路径的残差值
Figure BDA00036798156400000414
将该连通路径中所有有向边的流量加上残差值
Figure BDA00036798156400000415
将该连通路径中所有有向边的反向边的容量加上残差值
Figure BDA00036798156400000416
以分别更新该连通路径中所有有向边的流量和反向边的容量；
S6.7，判断
Figure BDA00036798156400000417
如果是，返回步骤S6.5，否则执行步骤S6.8；
S6.8，遍历每一个边缘服务器的带宽需求队列中的元素，判断是否有
Figure BDA00036798156400000418
如果有，执行
Figure BDA00036798156400000419
否则根据
Figure BDA00036798156400000420
的值将子元素td和子元素
Figure BDA00036798156400000421
组成的元素对应的插入边缘服务器的带宽需求队列中，其中，
Figure BDA00036798156400000422
表示边缘服务器Mi的带宽需求队列
Figure BDA00036798156400000423
中元素序号为k的元素所对应的时刻子元素，
Figure BDA00036798156400000424
表示有向边
Figure BDA00036798156400000425
的流量，
Figure BDA00036798156400000426
表示边缘服务器Mi的带宽需求队列
Figure BDA00036798156400000427
中元素序号为k的元素所对应的带宽需求子元素；
S6.9，将步骤S6.8更新后的每一个边缘服务器的带宽需求队列中的前T×5％-1个元素复制到新队列Q′中，根据带宽需求按照降序顺序对新队列Q′进行排序更新，如果带宽需求值相同，则按照边缘服务器的带宽上限升序排序以更新新队列Q′；
S6.10，遍历更新后的新队列Q′，将第l个元素所对应的边缘服务器的权重变更为T+N-l,且l为正整数；
S6.11，判断拓扑网络图
Figure BDA0003679815640000051
中虚拟节点S和每个用户Nj之间的有向边
Figure BDA0003679815640000052
中是否都满足有向边
Figure BDA0003679815640000053
如果是，则将拓扑网络图
Figure BDA0003679815640000054
中有向边
Figure BDA0003679815640000055
的流量
Figure BDA0003679815640000056
减去该有向边对应的反向边的流量
Figure BDA0003679815640000057
得到卸载流量值
Figure BDA0003679815640000058
即为td时刻用户Nj卸载到边缘服务器Mi的流量值，否则执行步骤S6.12，其中，
Figure BDA0003679815640000059
表示有向边
Figure BDA00036798156400000510
的流量，
Figure BDA00036798156400000511
表示有向边
Figure BDA00036798156400000512
的容量，
Figure BDA00036798156400000513
表示以边缘服务器Mi为起点、用户Nj为终点，在边缘服务器Mi和用户Nj之间所构建的有向边，
Figure BDA00036798156400000514
表示有向边
Figure BDA00036798156400000515
的反向边。
在步骤S6.1中，所述残差值是指有向边的容量减去有向边的流量的差值，对应的计算公式为：
Figure BDA00036798156400000516
式中，resi表示残差值，
Figure BDA00036798156400000517
表示从起点start到终点end所绘制的有向边
Figure BDA00036798156400000518
的容量，
Figure BDA00036798156400000519
表示有向边
Figure BDA00036798156400000520
的流量。
本发明的有益效果：
本申请首先从理论上保证了用户的带宽需求一定能被调度到有带宽资源的服务器上，保证了全部用户的需求都能够被及时处理，满足了服务提供商必须首先保证用户体验的这一原则。同时，在满足用户的全部带宽需求的基础上，通过针对95计费特点的带宽需求调度显著降低了服务器成本。解决了现有带宽分配方案仅考虑对客户侧的服务保证，没有考虑在边缘计算场景下客户需求与服务成本之间的复杂关系，不能有效节约成本的问题。在满足用户时延和带宽需求的情况下，有效降低了服务提供商的成本，节约资金。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为三个用户和三个边缘服务器之间的流量卸载示意图。
图2为图1的拓扑网络图。
图3为不同时延阈值下本申请与现有技术的成本对比示意图。
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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种面向边缘服务器成本优化的流量调度方法，包括如下步骤：
S1，构建包括边缘服务器和用户的流量调度系统，读取结算周期的时刻数T内每个时刻的用户数、边缘服务器数、每个用户的带宽需求、每个边缘服务器的带宽上限以及边缘服务器和用户之间的服务时延；
所述用户的集合采用
Figure BDA0003679815640000061
表示，
Figure BDA0003679815640000062
Nj表示第j个用户，下标N表示用户集合
Figure BDA0003679815640000063
中的用户总数。边缘服务器的集合采用
Figure BDA0003679815640000064
表示，
Figure BDA0003679815640000065
Mi表示第i个边缘服务器，下标M表示边缘服务器集合
Figure BDA0003679815640000066
中的边缘服务器总数，边缘服务器Mi的带宽上限为Ci。当95带宽计费按照一个自然日或自然月结算时，假设一个自然日或自然月共有T个时刻，在每个时刻t，用户Nj的带宽需求为
Figure BDA0003679815640000067
每个用户的带宽需求都可能会随时间变化，用户需要在每个时刻将自己的带宽需求全部卸载到边缘服务器，并且保证边缘服务器的总带宽不超过其带宽上限。同时，由于边缘服务器的地理位置分散，不同用户连接到不同的边缘服务器会有不同的服务时延，将
Figure BDA0003679815640000068
表示边缘服务器Mi与用户Nj之间的服务时延，当
Figure BDA0003679815640000069
大于时延阈值K时，服务时延过高会影响到用户体验，设定用户Nj不可以将自己的带宽需求卸载到边缘服务器Mi。
S2，设定时延阈值K；
S3，基于边缘服务器和用户之间的服务时延与时延阈值K之间的关系，绘制每个时刻下表征用户和边缘服务器连接属性的拓扑网络图，包括如下步骤：
S3.1，初始化时刻tnow＝1；
S3.2，将tnow时刻下每个边缘服务器和用户之间的服务时延与时延阈值K进行比较，判断对应的边缘服务器和用户之间是否可以发生卸载，其表达式为：
Figure BDA00036798156400000610
式中，当
Figure BDA00036798156400000611
时，表示边缘服务器Mi和用户Nj之间可以发生卸载，当
Figure BDA00036798156400000612
时，表示边缘服务器Mi和用户Nj之间不能发生卸载。
如图1所示，图中为三个用户和三个边缘服务器，用户1可以将流量调度到边缘服务器1、边缘服务器2和边缘服务器3上，用户2和用户3只能将流量卸载到边缘服务器1上。
S3.3，将tnow时刻下的每个用户和每个边缘服务器分别看作一个节点，根据步骤S3.2得到的比较结果依次在每个用户和每个边缘服务器之间构建有向边，所述有向边的属性包括起点、终点、容量、流量和权重；
当边缘服务器Mi和用户Nj之间可以发生卸载也即
Figure BDA0003679815640000071
时，将边缘服务器Mi和用户Nj分别作为起点和终点，起点和终点确定时两者之间可以唯一确定一条有向边。具体地，将用户Nj视作起点start，将边缘服务器Mi视作终点end，在用户Nj和边缘服务器Mi之间构建容量为无穷大、流量为0、权重为0的有向边
Figure BDA0003679815640000072
有向边
Figure BDA0003679815640000073
的容量采用
Figure BDA0003679815640000074
表示，有向边
Figure BDA0003679815640000075
的流量采用
Figure BDA0003679815640000076
表示，有向边
Figure BDA0003679815640000077
的权重采用
Figure BDA0003679815640000078
表示，同时，将边缘服务器Mi视作起点start，将用户Nj视作终点end，在边缘服务器Mi和用户Nj之间构建容量为0、流量为0、权重为0的有向边
Figure BDA0003679815640000079
有向边
Figure BDA00036798156400000710
的容量采用
Figure BDA00036798156400000711
cap表示，有向边
Figure BDA00036798156400000712
的流量采用
Figure BDA00036798156400000713
表示，有向边
Figure BDA00036798156400000714
的权重采用
Figure BDA00036798156400000715
cost表示，有向边
Figure BDA00036798156400000716
和有向边
Figure BDA00036798156400000717
互为反向边。
S3.4，增加虚拟节点S，将虚拟节点S视为起点、tnow时刻下的每个用户分别视为终点，在虚拟节点S和每个用户Nj之间依次构建容量为0、流量为0、权重为0的有向边
Figure BDA00036798156400000718
具体地，对于用户Nj，将虚拟节点S视作起点start，将用户Nj视作终点end，在虚拟节点S和用户Nj之间构建容量为0、流量为0、权重为0的有向边
Figure BDA00036798156400000719
也即有向边
Figure BDA00036798156400000720
的容量
Figure BDA00036798156400000721
有向边
Figure BDA00036798156400000722
的流量
Figure BDA00036798156400000723
有向边
Figure BDA00036798156400000724
的权重
Figure BDA00036798156400000725
Figure BDA00036798156400000726
S3.5，增加虚拟节点E，将tnow时刻下的每个边缘服务器分别视为起点、虚拟节点E视为终点，在每个边缘服务器Mi和虚拟节点E之间依次构建容量为边缘服务器的带宽上限、流量为0、权重为0的有向边
Figure BDA00036798156400000727
进而形成tnow时刻下的拓扑网络图
Figure BDA00036798156400000728
具体地，对于边缘服务器Mi，将边缘服务器Mi视作起点start，将虚拟节点E视作终点end，在边缘服务器Mi和虚拟节点E之间构建容量为Ci、流量为0、权重为0的有向边
Figure BDA00036798156400000729
也即有向边
Figure BDA00036798156400000730
的容量
Figure BDA00036798156400000731
有向边
Figure BDA00036798156400000732
的流量
Figure BDA00036798156400000733
有向边
Figure BDA00036798156400000734
的权重
Figure BDA00036798156400000735
S3.6，判断tnow<T，如果是，执行tnow＝tnow+1并返回步骤S3.2，否则执行步骤S4。
如图2所示为根据以上方法所形成的图1的拓扑网络图。
S4，根据带宽需求大小分别构建用户的带宽需求队列QN和每个边缘服务器Mi的带宽需求队列
Figure BDA00036798156400000736
并为用户的带宽需求队列QN中的每个元素设置索引，初始化索引号r＝1，所述每个边缘服务器Mi的带宽需求队列
Figure BDA00036798156400000737
中的每个元素包含时刻
Figure BDA00036798156400000738
和该时刻下边缘服务器的带宽需求
Figure BDA0003679815640000081
两个子元素，包括如下步骤：
S4.1，计算每个时刻下所有用户的带宽需求总数，按照降序顺序对所有时刻下的带宽需求总数进行排序形成用户的带宽需求队列QN；
所述用户的带宽需求队列QN中的每个元素均包含时刻和该时刻下所有用户的带宽需求总数。由于在95计费的规则下，每台服务器都有5％的时刻不被计费，因此在带宽需求调度的初期，每个服务器都有充足的前5％的不被计费的名额，这时候将带宽需求集中起来冲击前5％的免费名额较为合理。因此如果不进行排序则可能会在算法初期遇到一些小的带宽需求，这时会错误的将小带宽需求集中起来，后期遇到大带宽需求时很容易超过前期集中起来的小的带宽需求，将其挤出前5％的不计费的名额，增加用户的成本。
S4.2，为步骤S4.1中得到的用户的带宽需求队列QN中的每个元素分别设置索引，并初始化索引号r＝1；
根据索引号r＝1可以搜索到用户的带宽需求队列QN中的第一个元素，同样地，根据索引号r＝2可以搜索到用户的带宽需求队列QN中的第二个元素，方便依次对用户的带宽需求队列QN中的带宽需求依次处理。
S4.3，为每个边缘服务器Mi设置一个带宽需求队列
Figure BDA0003679815640000082
所述带宽需求队列
Figure BDA0003679815640000083
中的每个元素包含时刻
Figure BDA0003679815640000084
和该时刻下边缘服务器的带宽需求
Figure BDA0003679815640000085
两个子元素，根据带宽需求队列
Figure BDA0003679815640000086
的每个元素的带宽需求的大小对带宽需求队列
Figure BDA0003679815640000087
进行降序排序以更新带宽需求队列
Figure BDA0003679815640000088
其中，k表示带宽需求队列
Figure BDA0003679815640000089
中的元素序号，且1≤k≤T；
t时刻下边缘服务器的带宽需求
Figure BDA00036798156400000810
是指卸载到边缘服务器的带宽需求总和，其计算公式为：
Figure BDA00036798156400000811
S4.4，为每个边缘服务器分别设置权重
Figure BDA00036798156400000812
和已使用时刻数
Figure BDA00036798156400000813
两个参数，并将这两个参数均初始化为0；
所述已使用时刻数
Figure BDA00036798156400000814
表示当前边缘服务器Mi已经在多少个时刻被使用过。
S5，根据索引号r所对应的带宽需求
Figure BDA00036798156400000815
和该带宽需求
Figure BDA00036798156400000816
是否位于95计费点内，对索引号所对应时刻td的拓扑网络图
Figure BDA00036798156400000817
的有向边的属性进行变更，包括如下步骤：
S5.1，从用户的带宽需求队列QN中找到索引号r对应的带宽需求
Figure BDA00036798156400000818
表示用户
Figure BDA00036798156400000819
在td时刻下的带宽需求，并将拓扑网络图
Figure BDA00036798156400000820
中的有向边
Figure BDA00036798156400000821
的容量变更为
Figure BDA00036798156400000822
对应的表达式为：
Figure BDA00036798156400000823
式中，
Figure BDA0003679815640000091
表示有向边
Figure BDA0003679815640000092
的容量，且1≤jd≤N，1≤td≤T。
S5.2，若带宽需求
Figure BDA0003679815640000093
在边缘服务器Mi的带宽需求队列
Figure BDA0003679815640000094
中位于
Figure BDA0003679815640000095
也即
Figure BDA0003679815640000096
且
Figure BDA0003679815640000097
则将拓扑网络图
Figure BDA0003679815640000098
中的有向边
Figure BDA0003679815640000099
的权重变更为
Figure BDA00036798156400000910
否则将拓扑网络图
Figure BDA00036798156400000911
中的有向边
Figure BDA00036798156400000912
的权重变更为权重
Figure BDA00036798156400000913
对应的表达式分别为：
Figure BDA00036798156400000914
Figure BDA00036798156400000915
式中，
Figure BDA00036798156400000916
表示有向边
Figure BDA00036798156400000917
的权重，
Figure BDA00036798156400000918
表示边缘服务器Mi的带宽需求队列
Figure BDA00036798156400000919
中元素序号为
Figure BDA00036798156400000920
的元素的时刻子元素。
式(5)设置的原因在于，面对权重相同的边缘服务器，应该将带宽需求尽量调度到带宽上限大的服务器之上，尽量避免由于带宽上限的限制造成的前期大带宽需求分散，增加用户成本。式(4)设置的原因在于，在调度带宽需求使用已经付费的服务器时，应该考虑服务器已经使用过的次数，将带宽需求尽可能调度到使用次数少的服务器上，避免过度使用一个服务器造成的风险。
S5.3，判断
Figure BDA00036798156400000921
如果是，将拓扑网络图
Figure BDA00036798156400000922
中的有向边
Figure BDA00036798156400000923
的容量变更为
Figure BDA00036798156400000924
否则将拓扑网络图
Figure BDA00036798156400000925
中的有向边
Figure BDA00036798156400000926
的流量值赋值给有向边
Figure BDA00036798156400000927
的容量，其中，
Figure BDA00036798156400000928
表示边缘服务器Mi的带宽需求队列
Figure BDA00036798156400000929
中元素序号为T×5％处元素的带宽需求子元素，对应的表达式为：
Figure BDA00036798156400000930
Figure BDA00036798156400000931
式(6)和式(7)设置的原因在于，如果某台边缘服务器已经有多次带宽需求，在95计费标准下已经需要付费，则应指导新带宽需求尽量接近已付费值，尽量使已付出的成本服务更多的带宽需求，由于边缘服务器到终点连接的容量限制，这时进行的流量分配不会造成额外的服务器成本开销，由于边缘服务器已经付费，至少已经进行了总时刻数乘以5％次的流量调度，本次及后续流量调度也不会消耗边缘服务器不记费的流量调度次数。
S6，根据步骤S5变更后的拓扑网络图
Figure BDA00036798156400000932
中有向边的容量和流量计算残差值，利用增广路法和bellman-ford算法搜索拓扑网络图
Figure BDA00036798156400000933
中的连通路径，根据残差值再次更新拓扑网络图
Figure BDA00036798156400000934
的有向边的属性并搜索连通路径，直至拓扑网络图
Figure BDA00036798156400000935
中不存在连通路径，包括如下步骤：
S6.1，根据有向边的残差值搜寻拓扑网络图
Figure BDA00036798156400000936
中从虚拟节点S到虚拟节点E的连通路径，利用bellman-ford算法搜索代价最小的连通路径；
所述残差值是指有向边的容量减去有向边的流量的差值，对应的计算公式为：
Figure BDA0003679815640000101
式中，resi表示残差值，
Figure BDA0003679815640000102
表示起点start到终点end的有向边的容量，
Figure BDA0003679815640000103
表示起点start到终点end的有向边的流量。
若有向边的残差值resi>0，则认为该有向边连通，否则不连通，所述连通路径是指路径中的每条边均连通，也即为增广路，所述代价是指连通路径上每条有向边的权重的加和。
S6.2，计算出步骤S6.1中代价最小的连通路径的残差值resi_min，将该连通路径中所有有向边的流量加上残差值resi_min，将该连通路径中所有有向边的反向边的容量加上残差值resi_min，以分别更新该连通路径中所有有向边的流量和反向边的容量；
S6.3，判断resi_min>0，如果是，返回步骤S6.1，否则执行步骤S6.4；
S6.4，将拓扑网络图
Figure BDA0003679815640000104
中所有有向边
Figure BDA0003679815640000105
的容量更新为对应的边缘服务器Mi的带宽上限Ci，对应的公式为：
Figure BDA0003679815640000106
通过式(8)可以重新修改边缘服务器到终点连接的容量为边缘服务器的带宽上限，进而处理上一步没有调度完的流量。
S6.5，根据有向边的残差值搜寻更新后的拓扑网络图
Figure BDA0003679815640000107
中从虚拟节点S到虚拟节点E的连通路径，利用bellman-ford算法搜索代价最小的连通路径；
S6.6，计算步骤S6.5中代价最小的连通路径的残差值
Figure BDA0003679815640000108
将该连通路径中所有有向边的流量加上残差值
Figure BDA0003679815640000109
将该连通路径中所有有向边的反向边的容量加上残差值
Figure BDA00036798156400001010
以分别更新该连通路径中所有有向边的流量和反向边的容量；
S6.7，判断
Figure BDA00036798156400001011
如果是，返回步骤S6.5，否则执行步骤S6.8；
S6.8，遍历每一个边缘服务器的带宽需求队列中的元素，判断是否有
Figure BDA00036798156400001012
如果有，执行
Figure BDA00036798156400001013
否则根据
Figure BDA00036798156400001014
的值将子元素td和子元素
Figure BDA00036798156400001015
组成的元素对应的插入边缘服务器的带宽需求队列中；
S6.9，将步骤S6.8更新后的每一个边缘服务器的带宽需求队列中的前T×5％-1个元素复制到新队列Q′中，根据带宽需求值按照降序顺序对新队列Q′进行排序更新，如果带宽需求值相同，则按照边缘服务器的带宽上限升序排序以更新新队列Q′；
S6.10，遍历更新后的新队列Q′，将第l个元素所对应的边缘服务器的权重变更为T+N-l,且l为正整数；
步骤S6.10设置的好处在于：首先，如果队列中某一元素的带宽需求值也即流量为0，证明该服务器还有能够冲击带宽需求高峰，以使该需求在所有时刻达到前5％从而不计费的名额，因此希望先将带宽需求引入还有免费名额的服务器，来充分利用95计费下的免费带宽次数，减少边缘服务器成本。其次，如果带宽值不为0，则希望尽量将带宽需求引入这一点带宽值较小的服务器，原因在于这一时刻点为服务器免费带宽名额的最后一点，如果这一点的带宽值较少，则证明当前该服务器对于前5％的不计费的名额还未充分利用，则应该重新组织大流量，来更充分的利用前5％的不计费的名额。
S6.11，判断拓扑网络图
Figure BDA0003679815640000111
中虚拟节点S和每个用户Nj之间有向边
Figure BDA0003679815640000112
中是否都满足有向边
Figure BDA0003679815640000113
如果是，则将拓扑网络图
Figure BDA0003679815640000114
中有向边
Figure BDA0003679815640000115
的流量
Figure BDA0003679815640000116
减去该有向边对应的反向边的流量
Figure BDA0003679815640000117
得到卸载流量值
Figure BDA0003679815640000118
即为td时刻用户Nj卸载到边缘服务器Mi的流量值，否则执行步骤S6.12，对应的计算公式为：
Figure BDA0003679815640000119
步骤S4.8-S4.10以及S4.12-S4.14不断搜索增广路，将增广路上所有有向边的流量增加上残差值，直到不存在增广路，当拓扑网络图
Figure BDA00036798156400001110
中不存在连通路径也即增广路径时，即表明该时刻即td时刻所有的用户带宽需求都被处理完毕，此时根据拓扑网络图
Figure BDA00036798156400001111
中边缘服务器和用户之间的连接的流量值，就可以得到该时刻的带宽需求调度方案。用户Nj与所有边缘服务器Mi之间的连接
Figure BDA00036798156400001112
的流量值
Figure BDA00036798156400001113
减去反向边的流量值
Figure BDA00036798156400001114
为用户Nj向边缘服务器Mi卸载的带宽需求大小。也就是用户Nj会将
Figure BDA00036798156400001115
大小的带宽需求卸载到边缘服务器Mi。对用户Nj与所有边缘服务器的连接计算上述值，就能得到用户Nj的完整的带宽调度方案。对所有用户执行上述操作，就能得到某时刻的完整的带宽调度方案。也就是S6.11所述，S6.11就已经得到调度方案了。
S7，判断r<N，如果是，执行r＝r+1，并返回步骤S5，否则根据每个时刻的拓扑网络图输出各时刻下的所有用户的卸载流量值。
上述调度方案一定能保证在每个时刻都能调度完所有用户的全部流量需求，并且使边缘服务器的总带宽需求不超过其带宽上限，也即满足
Figure BDA00036798156400001116
其中，
Figure BDA00036798156400001117
表示时刻t用户Nj卸载到边缘服务器Mi的带宽需求，当服务时延
Figure BDA00036798156400001118
时，
Figure BDA00036798156400001119
因为步骤S4.4中将起点到用户的连接的容量
Figure BDA00036798156400001120
定为用户的带宽需求
Figure BDA00036798156400001121
如果当前边缘服务器和用户的拓扑网络图，用户的需求和边缘服务器的带宽上限使得存在一种能满足所有用户需求的调度方案，则上述搜索方式一定能将起点到用户的连接容量全部占满，如果不存在这种调度方案，则应考虑增加服务器等方案，此种情况不在本方案的考虑范围之内。同时，步骤S3.5中边缘服务器到终点的连接的容量
Figure BDA00036798156400001122
被设置成边缘服务器的带宽上限Ci，这一措施保证了边缘服务器接收的带宽需求不会超过边缘服务器的带宽上限。步骤S3.3中用户和边缘服务器之间容量无限的连接，则保证了在满足用户体验的情况下，带宽需求调度可以自由进行。
以下使用原生最大流进行比较，并且通过调整时延阈值K，展示本申请在用户和边缘服务器连接不同的情况下都相比于原生最大流算法拥有更低的服务器成本，从图3中可以看出，即使时延阈值K变化带来了边缘节点和用户节点的连通性改变，本申请带来的服务器成本依然数倍优于基础最大流算法。因此，使用本申请即使客户对于服务质量的要求动态变化，也能在保证客户体验的情况下，数倍降低服务器成本。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (7)

1.一种面向边缘服务器成本优化的流量调度方法，其特征在于，包括如下步骤：
S1，构建包括边缘服务器和用户的流量调度系统，读取结算周期的时刻数T内每个时刻的用户数、边缘服务器数、每个用户的带宽需求、每个边缘服务器的带宽上限以及边缘服务器和用户之间的服务时延；
S2，设定时延阈值K；
S3，基于边缘服务器和用户之间的服务时延与时延阈值K之间的关系，绘制每个时刻下表征用户和边缘服务器连接属性的拓扑网络图；
S4，根据带宽需求大小分别构建用户的带宽需求队列和每个边缘服务器的带宽需求队列，并为用户的带宽需求队列中的每个元素设置索引，初始化索引号r＝1，所述每个边缘服务器的带宽需求队列中的每个元素均至少包含时刻和该时刻下边缘服务器的带宽需求两个子元素；
S5，根据索引号r所对应的带宽需求和该带宽需求是否位于95计费点内对索引号r所对应时刻的拓扑网络图的属性进行变更；
S6，根据步骤S5变更后的拓扑网络图中有向边的属性计算残差值，并利用增广路法和bellman-ford算法搜索该拓扑网络图中的连通路径，根据残差值再次更新该拓扑网络图的属性并搜索连通路径，直至拓扑网络图中不存在连通路径；
S7，判断r＜N，如果是，执行r＝r+1，并返回步骤S5，否则根据每个时刻的拓扑网络图输出各时刻下所有用户的卸载流量值，其中，N表示用户总数。
2.根据权利要求1所述的面向边缘服务器成本优化的流量调度方法，其特征在于，所述步骤S3包括如下步骤：
S3.1，初始化时刻tnow＝1；
S3.2，将tnow时刻下每个边缘服务器和用户之间的服务时延与时延阈值K进行比较，判断对应的边缘服务器和用户之间是否可以发生卸载，其表达式为：
Figure FDA0003679815630000011
式中，当
Figure FDA0003679815630000012
时，表示边缘服务器Mi和用户Nj之间可以发生卸载，当
Figure FDA0003679815630000015
时，表示边缘服务器Mi和用户Nj之间不能发生卸载，
Figure FDA0003679815630000014
表示边缘服务器Mi与用户Nj之间的服务时延；
S3.3，将tnow时刻下的每个用户和每个边缘服务器分别看作一个节点，根据步骤S3.2得到的比较结果依次在每个用户和每个边缘服务器之间构建有向边，所述有向边的属性包括起点、终点、容量、流量和权重；
S3.4，增加虚拟节点S，将虚拟节点S视为起点、tnow时刻下的每个用户分别视为终点，在虚拟节点S和每个用户Nj之间依次构建容量为0、流量为0、权重为0的有向边
Figure FDA0003679815630000021
S3.5，增加虚拟节点E，将tnow时刻下的每个边缘服务器分别视为起点、虚拟节点E视为终点，在每个边缘服务器Mi和虚拟节点E之间依次构建容量为边缘服务器的带宽上限、流量为0、权重为0的有向边
Figure FDA0003679815630000022
进而形成tnow时刻下的拓扑网络图
Figure FDA0003679815630000023
S3.6，判断tnow＜T，如果是，执行tnow＝tnow+1并返回步骤S3.2，否则执行步骤S4。
3.根据权利要求1所述的面向边缘服务器成本优化的流量调度方法，其特征在于，所述步骤S4包括如下步骤：
S4.1，计算每个时刻下所有用户的带宽需求总数，按照降序顺序对所有时刻下的带宽需求总数进行排序形成用户的带宽需求队列QN；
S4.2，为步骤S4.1中得到的用户的带宽需求队列QN中的每个元素分别设置索引，并初始化索引号r＝1；
S4.3，为每个边缘服务器Mi设置一个带宽需求队列
Figure FDA0003679815630000024
所述带宽需求队列
Figure FDA0003679815630000025
中的每个元素包含时刻
Figure FDA0003679815630000026
和该时刻下边缘服务器的带宽需求
Figure FDA0003679815630000027
两个子元素，根据带宽需求队列
Figure FDA0003679815630000028
中每个元素的带宽需求对带宽需求队列
Figure FDA0003679815630000029
进行降序排序以更新带宽需求队列
Figure FDA00036798156300000210
其中，k表示带宽需求队列
Figure FDA00036798156300000211
中的元素序号，且1≤k≤T；
S4.4，为每个边缘服务器Mi分别设置权重
Figure FDA00036798156300000212
和已使用时刻数
Figure FDA00036798156300000213
两个参数，并将这两个参数均初始化为0。
4.根据权利要求3所述的面向边缘服务器成本优化的流量调度方法，其特征在于，在步骤S4.3中，所述边缘服务器的带宽需求
Figure FDA00036798156300000214
对应的计算公式为：
Figure FDA00036798156300000215
式中，
Figure FDA00036798156300000216
表示拓扑网络图中以边缘服务器Mi为起点虚拟节点E为终点，在边缘服务器Mi和虚拟节点E之间构建的有向边
Figure FDA00036798156300000217
的流量。
5.根据权利要求1所述的面向边缘服务器成本优化的流量调度方法，其特征在于，所述步骤S5包括如下步骤：
S5.1，从用户的带宽需求队列QN中找到索引号r＝1对应的带宽需求
Figure FDA00036798156300000218
并将拓扑网络图
Figure FDA00036798156300000219
中的有向边
Figure FDA00036798156300000220
的容量变更为
Figure FDA00036798156300000221
其中，
Figure FDA00036798156300000222
表示td时刻的拓扑网络图，
Figure FDA00036798156300000223
表示用户
Figure FDA00036798156300000224
在td时刻下的带宽需求，
Figure FDA00036798156300000225
表示以虚拟节点S为起点、用户
Figure FDA00036798156300000226
为终点，在虚拟节点S和用户
Figure FDA00036798156300000227
之间所构建的有向边，且1≤jd≤N，1≤td≤T；
S5.2，若带宽需求
Figure FDA0003679815630000031
在边缘服务器Mi的带宽需求队列
Figure FDA0003679815630000032
中位于
Figure FDA0003679815630000033
也即
Figure FDA0003679815630000034
且
Figure FDA0003679815630000035
则将拓扑网络图
Figure FDA0003679815630000036
中的有向边
Figure FDA0003679815630000037
的权重变更为
Figure FDA0003679815630000038
否则将拓扑网络图
Figure FDA0003679815630000039
中的有向边
Figure FDA00036798156300000310
的权重变更为权重
Figure FDA00036798156300000311
其中，
Figure FDA00036798156300000312
表示边缘服务器Mi的带宽需求队列
Figure FDA00036798156300000313
中
Figure FDA00036798156300000314
位置处所对应的时刻子元素，
Figure FDA00036798156300000315
表示以边缘服务器Mi为起点、虚拟节点E为终点，在边缘服务器Mi和虚拟节点E之间所构建的有向边，
Figure FDA00036798156300000316
表示带宽需求队列
Figure FDA00036798156300000317
中元素序号为
Figure FDA00036798156300000318
的元素的时刻子元素，
Figure FDA00036798156300000319
表示边缘服务器Mi的已使用时刻数；
S5.3，判断
Figure FDA00036798156300000320
如果是，将拓扑网络图
Figure FDA00036798156300000321
中的有向边
Figure FDA00036798156300000322
的容量变更为
Figure FDA00036798156300000323
否则使拓扑网络图
Figure FDA00036798156300000324
中的有向边
Figure FDA00036798156300000325
的容量等于其流量，其中，
Figure FDA00036798156300000326
表示边缘服务器Mi的带宽需求队列
Figure FDA00036798156300000327
中元素序号为T×5％处所对应的带宽需求子元素，
Figure FDA00036798156300000328
表示有向边
Figure FDA00036798156300000329
的流量。
6.根据权利要求1所述的面向边缘服务器成本优化的流量调度方法，其特征在于，所述步骤S6包括如下步骤：
S6.1，根据拓扑网络图中有向边的残差值搜寻拓扑网络图
Figure FDA00036798156300000330
中从虚拟节点S到虚拟节点E的连通路径，利用bellman-ford算法搜索代价最小的连通路径，
Figure FDA00036798156300000331
表示用户的带宽需求队列中索引号r所对应的时刻td的拓扑网络图；
S6.2，根据属性计算步骤S6.1中代价最小的连通路径的残差值resi_min，将该连通路径中所有有向边的流量加上残差值resi_min，并将该连通路径中所有有向边的反向边的容量加上残差值resi_min，以分别更新该连通路径中所有有向边的流量和反向边的容量；
S6.3，判断resi_min＞0，如果是，返回步骤S6.1，否则执行步骤S6.4；
S6.4，将拓扑网络图
Figure FDA00036798156300000332
中所有有向边
Figure FDA00036798156300000333
的容量更新为对应的边缘服务器Mi的带宽上限Ci，其中，
Figure FDA00036798156300000334
表示拓扑网络图中以边缘服务器Mi为起点、虚拟节点E为终点，在边缘服务器Mi和虚拟节点E之间所构建的有向边；
S6.5，根据有向边的残差值搜寻更新后的拓扑网络图
Figure FDA00036798156300000335
中从虚拟节点S到虚拟节点E的连通路径，利用bellman-ford算法搜索代价最小的连通路径；
S6.6，根据有向边的属性计算步骤S6.5中代价最小的连通路径的残差值
Figure FDA00036798156300000336
将该连通路径中所有有向边的流量加上残差值
Figure FDA00036798156300000337
将该连通路径中所有有向边的反向边的容量加上残差值
Figure FDA00036798156300000338
以分别更新该连通路径中所有有向边的流量和反向边的容量；
S6.7，判断
Figure FDA00036798156300000339
如果是，返回步骤S6.5，否则执行步骤S6.8；
S6.8，遍历每一个边缘服务器的带宽需求队列中的元素，判断是否有
Figure FDA0003679815630000041
如果有，执行
Figure FDA0003679815630000042
否则根据
Figure FDA0003679815630000043
的值将子元素td和子元素
Figure FDA0003679815630000044
组成的元素对应的插入边缘服务器的带宽需求队列中，其中，
Figure FDA0003679815630000045
表示边缘服务器Mi的带宽需求队列
Figure FDA0003679815630000046
中元素序号为k的元素所对应的时刻子元素，
Figure FDA0003679815630000047
表示有向边
Figure FDA0003679815630000048
的流量，
Figure FDA0003679815630000049
表示边缘服务器Mi的带宽需求队列
Figure FDA00036798156300000410
中元素序号为k的元素所对应的带宽需求子元素；
S6.9，将步骤S6.8更新后的每一个边缘服务器的带宽需求队列中的前T×5％-1个元素复制到新队列Q′中，根据带宽需求按照降序顺序对新队列Q′进行排序更新，如果带宽需求值相同，则按照边缘服务器的带宽上限升序排序以更新新队列Q′；
S6.10，遍历更新后的新队列Q′，将第l个元素所对应的边缘服务器的权重变更为T+N-l，且l为正整数；
S6.11，判断拓扑网络图
Figure FDA00036798156300000411
中虚拟节点S和每个用户Nj之间的有向边
Figure FDA00036798156300000412
中是否都满足有向边
Figure FDA00036798156300000413
如果是，则将拓扑网络图
Figure FDA00036798156300000414
中有向边
Figure FDA00036798156300000415
的流量
Figure FDA00036798156300000416
减去该有向边对应的反向边的流量
Figure FDA00036798156300000417
得到卸载流量值
Figure FDA00036798156300000418
即为td时刻用户Nj卸载到边缘服务器Mi的流量值，否则执行步骤S6.12，其中，
Figure FDA00036798156300000419
表示有向边
Figure FDA00036798156300000420
的流量，
Figure FDA00036798156300000421
表示有向边
Figure FDA00036798156300000422
的容量，
Figure FDA00036798156300000423
表示以边缘服务器Mi为起点、用户Nj为终点，在边缘服务器Mi和用户Nj之间所构建的有向边，
Figure FDA00036798156300000424
表示有向边
Figure FDA00036798156300000425
的反向边。
7.根据权利要求6所述的面向边缘服务器成本优化的流量调度方法，其特征在于，在步骤S6.1中，所述残差值是指有向边的容量减去有向边的流量的差值，对应的计算公式为：
Figure FDA00036798156300000426
式中，resi表示残差值，
Figure FDA00036798156300000427
表示从起点start到终点end所绘制的有向边
Figure FDA00036798156300000428
的容量，
Figure FDA00036798156300000429
表示有向边
Figure FDA00036798156300000430
的流量。
CN202210631082.4A 2022-06-06 2022-06-06 一种面向边缘服务器成本优化的流量调度方法 Active CN115037956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210631082.4A CN115037956B (zh) 2022-06-06 2022-06-06 一种面向边缘服务器成本优化的流量调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210631082.4A CN115037956B (zh) 2022-06-06 2022-06-06 一种面向边缘服务器成本优化的流量调度方法

Publications (2)

Publication Number Publication Date
CN115037956A true CN115037956A (zh) 2022-09-09
CN115037956B CN115037956B (zh) 2023-03-21

Family

ID=83123707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210631082.4A Active CN115037956B (zh) 2022-06-06 2022-06-06 一种面向边缘服务器成本优化的流量调度方法

Country Status (1)

Country Link
CN (1) CN115037956B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1815965A (zh) * 2006-02-22 2006-08-09 北京邮电大学 基于服务等级协议的互联网业务的服务质量计费方法
CN107241384A (zh) * 2017-05-03 2017-10-10 复旦大学 一种基于多云架构的内容分发服务资源优化调度方法
CN108897606A (zh) * 2018-07-25 2018-11-27 广东石油化工学院 多租户容器云平台虚拟网络资源自适应调度方法及系统
CN109150627A (zh) * 2018-10-09 2019-01-04 南京邮电大学 基于动态资源需求及拓扑感知的虚拟网络映射的构建方法
CN110069341A (zh) * 2019-04-10 2019-07-30 中国科学技术大学 边缘计算中结合功能按需配置的有依赖关系任务的调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1815965A (zh) * 2006-02-22 2006-08-09 北京邮电大学 基于服务等级协议的互联网业务的服务质量计费方法
CN107241384A (zh) * 2017-05-03 2017-10-10 复旦大学 一种基于多云架构的内容分发服务资源优化调度方法
CN108897606A (zh) * 2018-07-25 2018-11-27 广东石油化工学院 多租户容器云平台虚拟网络资源自适应调度方法及系统
CN109150627A (zh) * 2018-10-09 2019-01-04 南京邮电大学 基于动态资源需求及拓扑感知的虚拟网络映射的构建方法
CN110069341A (zh) * 2019-04-10 2019-07-30 中国科学技术大学 边缘计算中结合功能按需配置的有依赖关系任务的调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BOGGIA等: "Feedback-based bandwidth allocation with call admission control for providing delay guarantees in IEEE 802.11e networks", 《IEEE 802.11E NETWORKS》 *
FRANCINI A等: "《A WEIGHTED FAIR QUEUEING SCHEDULER WITH DECOUPLED BANDWIDTH AND DELAY GUARANTEESFOR THE SUPPORT OF VOICE TRAFFIC》", 25 November 2001, NEW YORK, NY : IEEE. *
王聪等: "基于拓扑预配置的公平虚拟网络映射算法", 《计算机研究与发展》 *
赵星: "利用多目标优化方法实现的GSON网拓扑构建算法", 《新技术新工艺》 *

Also Published As

Publication number Publication date
CN115037956B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
CN111182570B (zh) 提高运营商效用的用户关联和边缘计算卸载方法
CA2314944C (en) Multicommodity flow method for designing traffic distribution on a multiple-service packetized network
CN108897606B (zh) 多租户容器云平台虚拟网络资源自适应调度方法及系统
CN107483286B (zh) 一种基于云-雾环境下合并和部署服务功能链的方法
Semret et al. Market pricing of differentiated Internet services
CN110888687B (zh) 基于合约设计的移动边缘计算任务卸载最优合约设计方法
Yolken et al. Game based capacity allocation for utility computing environments
CN112040512B (zh) 一种基于公平的雾计算任务卸载方法及系统
CN113615137A (zh) Cdn优化平台
CN107483355B (zh) 面向数据中心的在线场景低带宽开销流量调度方案
CN111611076B (zh) 任务部署约束下移动边缘计算共享资源公平分配方法
CN111327708B (zh) 一种基于拓扑感知的光网络虚拟映射方法
Dube et al. Differential join prices for parallel queues: Social optimality, dynamic pricing algorithms and application to internet pricing
Radonjić et al. Responsive pricing modeled with Stackelberg game for next-generation networks
CN115037956B (zh) 一种面向边缘服务器成本优化的流量调度方法
CN112596910B (zh) 一种多用户mec系统中的云计算资源调度方法
CN108664318A (zh) 计算迁移方法及用于计算迁移的服务端、边界服务端
Tripathi et al. Dynamic internet pricing with service level agreements for multihomed clients
CN110661649B (zh) 一种电力通信网资源分配方法
JP6118708B2 (ja) ＩＳＰ（ＩｎｔｅｒｎｅｔＳｅｒｖｉｃｅＰｒｏｖｉｄｅｒ）による課金比率設定装置及び方法
CN109219007B (zh) 一种面向雾计算的联盟合作绿色能源分配方法
Gharakheili et al. An economic model for a new broadband ecosystem based on fast and slow lanes
CN114614899A (zh) 数据中心虚拟光网络映射方法、装置和电子设备
CN110996396A (zh) 一种基于在线组合拍卖的移动边缘网络资源分配方法
Maillé et al. Multi-bid versus progressive second price auctions in a stochastic environment

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