一种雾计算环境下的自适应容器迁移方法技术

本发明专利技术提出一种雾计算环境下的自适应容器迁移方法，包括下列步骤：建立一个基于容器的雾计算框架，容器位于雾节点上，移动应用位于用户身上，用户的任务在容器内执行；对雾计算场景下容器迁移的目标进行建模，所述迁移目标包括时延、功耗以及迁移开销；进行状态空间和动作空间的设定，定义回报函数并设定Q迭代函数；通过深度神经网络对状态空间进行降维；通过对动作选择的优化，实现对动作空间的降维。最终实现了一个容器自适应迁移系统的原型并对整个流程进行验证。本发明专利技术提出的雾计算环境下的自适应容器迁移方法，对雾计算中的资源进行更好的规划，减少用户与雾节点间的时延，减小雾节点的能耗开销。

【技术实现步骤摘要】
一种雾计算环境下的自适应容器迁移方法
本专利技术属于计算机网络中的雾计算领域，涉及雾计算、移动边缘计算、强化学习、深度强化学习等方法，且特别涉及一种雾计算环境下的自适应容器迁移方法。
技术介绍
雾计算近年来正在成为有前途的计算范式，它提供了一个灵活的架构来支持具有类似云计算的服务质量的分布式特定区域、特定领域的应用。雾计算将大量的轻型计算和存储基础设施(称为雾节点)部署在移动用户附近。从而使得移动应用可以下放到合适的雾节点，以缩短用户对应用的访问时延。此外，雾节点灵活，具有扩展性，可以支持移动用户的移动性。现有的使用深度强化学习的方法在雾计算环境下进行容器迁移的技术并不多见。相关研究领域主要为数据中心中对虚拟机管理的场景，主要方法为通过对虚拟机的迁移，将虚拟机动态迁移至部分节点，从而关闭闲置雾节点，达到降低功耗的效果。而得到迁移方案的方法主要是对资源需求进行预测从而得到预分配方案，或者是基于历史信息，通过回归分析得到资源需求的一些启发式算法。而针对雾计算场景下的任务调度问题，现有技术主要考虑一个二维的简单的马尔科夫决策过程模型，考虑单个用户移动时，用户与雾节点间的距离并进行建模，得到简单的状态空间，在状态空间内，通过计算迁移的值函数来判断是否将任务进行迁移。将数据中心中对虚拟机管理的方法直接迁移到雾计算环境下，会带来一系列问题，包括高维度状态空间以及动作空间带来的维度灾难问题，以及建模过程中未考虑到移动用户的移动性问题，从而导致移动场景下的时延问题不能很好的被解决。而现有的对于雾计算的任务调度方法，建立状态空间时仅考虑单个用户的情况，并没有考虑实际的多用户情况。并且假设状态之间的转换概率是固定的，而实际情况下状态之间的转换概率是未知的。为了克服上述问题，本专利技术提出一套基于容器的雾计算框架，将应用程序放置在容器中，而容器放置在雾节点上。为了达到最优的容器调度，本专利技术将容器迁移问题看作是随机优化问题，并基于Q学习和深度学习策略，设计出适合巨大的马尔科夫决策过程状态空间以及动作空间的算法，解决维度灾难问题。在此基础上，本专利技术实现了一个容器迁移的原型系统。
技术实现思路
本专利技术提出一种雾计算环境下的自适应容器迁移方法，对雾计算中的资源进行更好的规划，减少用户与雾节点间的时延，减小雾节点的能耗开销。为了到达上述提到的目的，解决上面提到的问题，我们首先提出了一套基于容器的雾计算框架，然后在此框架下对雾计算场景下的时延、功耗以及迁移开销进行建模，并设计基于深度强化学习的自适应容器迁移算法，最终实现了一个容器自适应迁移系统的原型并对整个流程进行验证。为了达到上述目的，本专利技术提出一种雾计算环境下的自适应容器迁移方法，包括下列步骤：建立一个基于容器的雾计算框架，容器位于雾节点上，移动应用位于用户身上，用户的任务在容器内执行；对雾计算场景下容器迁移的目标进行建模，所述迁移目标包括时延、功耗以及迁移开销；进行状态空间和动作空间的设定，定义回报函数并设定Q迭代函数；通过深度神经网络对状态空间进行降维；通过对动作选择的优化，实现对动作空间的降维。进一步的，所述每个雾节点有位置数据，以及计算资源总量，其中计算资源包括CPU资源、内存资源、存储资源以及带宽资源。进一步的，所述每个容器都有一个资源请求量以及一个资源实际分配量，所述每个移动应用都有一个位置数据以及对容器的请求数据。进一步的，所述迁移目标中时延通过以下公式计算：dtotal＝dnet-k×dcomp，其中，dnet是网络中数据传输产生的开销，和用户与容器间的距离有关，通过路径损耗进行定义；dcomp是雾节点上的计算时延，与雾节点的服务等级协议的违反程度决定。进一步的，所述雾节点的功耗定义如下：其中pidle和pmax是指CPU利用率为0和100％时的功耗，ui(t)是雾节点的资源利用率。进一步的，所述容器迁移开销定义如下：其中mmig是容器Ci的迁移开销，包括了传输时延，1{〃}是艾弗森括号。进一步的，所述动作空间的降维包括动作利用，每次得到状态后，都从Q值列表中选出对应的最优的Q值以及相应的动作。进一步的，所述动作空间的降维包括动作探索，每次智能体都随机选择一个状态，并对选择动作作出限制，定义回报收益，当收益为正，鼓励迁移。进一步的，所述状态空间的降维为将所有的状态信息存储到深度神经网络里，以此降低状态空间维度。本专利技术提出的雾计算环境下的自适应容器迁移方法，其有益效果如下：(1)本方法将用户移动性考虑进模型，通过对用户与雾节点之间的时延进行建模，很好的减少了雾计算环境下用户任务的时延，更好的适应雾计算环境。(2)本方法不对任何转移概率做出假设，通过免模型的自主学习算法，自适应学习出各种不同状态下应该采取的动作，可以很好的适应不同的雾计算环境。(3)本方法通过利用深度神经网络，将存储状态空间的Q矩阵转换为一个及其近似的三层神经网络，很好的降低了雾计算环境下状态空间的维度，解决了维度灾难问题。(4)本方法通过对雾计算具体情况的分析，设定出有助于选择动作的回报收益函数，可以有效减少动作选择时选择到负面动作的情况，从而有效加快整个算法的收敛速度以及更好的减少不必要的能耗损失。(5)本方法采用容器包装应用，而不是传统的虚拟机，可以有效减小在雾计算环境下迁移时产生的开销，更适合各种资源都比较有限的雾计算环境。附图说明图1所示为雾计算框架以及用户移动图。图2所示为本专利技术较佳实施例的雾计算环境下的自适应容器迁移方法流程图。图3所示为不同omega1情况下的平均时延对比图。图4所示为不同omega1情况下的平均能耗对比图。图5所示为不同omega1情况下的总开销对比图。图6所示为不同omega2情况下的平均时延对比图。图7所示为不同的omega2情况下的平均能耗对比图。图8所示为不同的omega2情况下的总开销对比图。图9所示为不同负载情况下容器和虚拟机的CPU开销对比图。图10所示为不同负载情况下容器和虚拟机的迁移开销对比图。具体实施方式以下结合附图给出本专利技术的具体实施方式，但本专利技术不限于以下的实施方式。根据下面说明和权利要求书，本专利技术的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用于方便、明晰地辅助说明本专利技术实施例的目的。图1所示为雾计算框架以及用户移动图。图1中一共包括五个层次：用户层、接入网络层、雾层、核心网络层以及云层。用户层包括了移动用户以及移动用户身上正在运行的移动应用。移动应用通过接入网络层接入雾层，并产生一定的时延。雾节点位于雾层，容器位于雾节点上，请求雾节点的资源，并由此使得雾节点产生能耗等开销。雾节点通过核心网络层与云层相连。移动用户在雾节点间移动，导致了移动用户与正在请求的容器之间的距离增大，从而时延增大，此时是否需要将容器跟随移动用户迁移就成了一个需要决策的问题。如果对容器进行迁移，仅需要迁移容器包含的应用所必须的运行库以及应用本身；而对虚拟机进行迁移，则需要包括整个虚拟机系统。请参考图2，图2所示为本专利技术较佳实施例的雾计算环境下的自适应容器迁移方法流程图。本专利技术提出一种雾计算环境下的自适应容器迁移方法，包括下列步骤：步骤S100：建立一个基于容器的雾计算框架，容器位于雾节点上，移动应用位于用户身上，用户的任务在容器内执本文档来自技高网...

【技术保护点】
一种雾计算环境下的自适应容器迁移方法，其特征在于，包括下列步骤：建立一个基于容器的雾计算框架，容器位于雾节点上，移动应用位于用户身上，用户的任务在容器内执行；对雾计算场景下容器迁移的目标进行建模，所述迁移目标包括时延、功耗以及迁移开销；进行状态空间和动作空间的设定，定义回报函数并设定Q迭代函数；通过深度神经网络对状态空间进行降维；通过对动作选择的优化，实现对动作空间的降维。

【技术特征摘要】
1.一种雾计算环境下的自适应容器迁移方法，其特征在于，包括下列步骤：建立一个基于容器的雾计算框架，容器位于雾节点上，移动应用位于用户身上，用户的任务在容器内执行；对雾计算场景下容器迁移的目标进行建模，所述迁移目标包括时延、功耗以及迁移开销；进行状态空间和动作空间的设定，定义回报函数并设定Q迭代函数；通过深度神经网络对状态空间进行降维；通过对动作选择的优化，实现对动作空间的降维。2.根据权利要求1所述的雾计算环境下的自适应容器迁移方法，其特征在于，所述每个雾节点有位置数据，以及计算资源总量，其中计算资源包括CPU资源、内存资源、存储资源以及带宽资源。3.根据权利要求1所述的雾计算环境下的自适应容器迁移方法，其特征在于，所述每个容器都有一个资源请求量以及一个资源实际分配量，所述每个移动应用都有一个位置数据以及对容器的请求数据。4.根据权利要求1所述的雾计算环境下的自适应容器迁移方法，其特征在于，所述迁移目标中时延通过以下公式计算：dtotalt＝dnet+k×dcomp，其中，dnet是网络中数据传输产生的开销，和用户与容器间的距离有关，通过路径损耗进行定义；dcomp是雾节点上的计算时延，由雾节点的服务等级协议的违反程度决定。5.根据权利要求1所述的雾计算环境下的自适应容器迁移方法，其特征在于，所述雾节点的功耗定义如下：

【专利技术属性】
技术研发人员：贾维嘉，唐志清，周小杰，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31