一种基于移动边缘计算的服务器资源配置方法技术

本发明专利技术请求保护一种基于移动边缘计算的服务器资源配置方法，属于通信网络技术领域。针对移动边缘计算场景下服务器的接入时延和负载约束问题，提出边缘服务器的优化配置方法。本发明专利技术根据区域内移动基站的位置及分布密度，通过初始聚类划分满足服务器的接入时延和负载约束，通过基站排序、服务器位置偏移，以及服务器数量压缩的方法进行多层次聚类迭代，优化区域内的服务器资源配置，从而有效降低服务器的配置数量和平均接入时延，并提高服务器的负载均衡性。

【技术实现步骤摘要】
一种基于移动边缘计算的服务器资源配置方法
本专利技术属于通信网络
，具体涉及一种基于移动边缘计算的服务器资源配置方法。
技术介绍
由于5G技术的飞速发展，带动了移动业务的迅猛增长。然而，由于计算能力、存储资源以及电池容量方面的制约，一定程度上限制了移动终端设备的业务处理能力。随着计算卸载技术的出现，移动终端可以将计算量大以及时延要求低的业务卸载到云服务器进行处理，并及时回传结果，以缓解移动终端本地处理能力不足的压力。然而，这种卸载技术依然存在一些待解决的问题，特别是当移动设备到云服务器的距离较远时，卸载过程传输时延较长，这将严重影响时延敏感型任务的服务质量(QualityofService)。近年来，移动边缘计算(MobileEdgeComputing,MEC)的出现提供了解决这个问题的可能。MEC通过将服务器分布配置于更接近用户的无线基站，减小任务卸载的传输距离，可以有效降低用户的服务器接入时延，从而提供更加高效的各类智能业务。边缘服务器的资源配置问题，是移动边缘计算技术研究的一个重要目标。合理的边缘服务器配置方法可以有效提高服务器资源的利用率和业务完成的实时性。边缘服务器的配置规划具有两个较强的约束条件，其一是服务器的接入时延约束，其二是服务器的负载约束。满足这两个约束条件的最简单方法是提高边缘服务器的配置密度和数量，但却可能会严重影响服务器的资源利用率和负载均衡性，从而给运营商造成巨大的损失。因此，为了提高移动边缘计算的服务质量以及服务器的资源利用率与负载均衡性，边缘服务器资源的优化配置是5G网络建设和完善的重要问题。目前，现有的边缘服务器配置方案大多只针对接入时延进行优化，忽略了服务器的计算容量约束，以及服务器的数量和负载均衡性，资源利用率难以进一步提升；少量配置方案主要针对服务器的负载均衡性进行优化，虽然引入了最大时延门限，但却未考虑时延的均衡性，容易造成不同区域用户接入时延差异较大，难以保证用户体验的稳定性。为解决以上问题，本专利技术提出了一种基于移动边缘计算的服务器资源配置方法。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种基于移动边缘计算的服务器资源配置方法。本专利技术的技术方案如下：一种基于移动边缘计算的服务器资源配置方法，其根据区域内移动基站的位置及分布密度，在满足服务器的接入时延和负载约束条件下，对基站进行初始聚类划分，通过基站排序、服务器位置偏移，以及服务器数量压缩的方法进行多层次聚类迭代，优化服务器资源配置，资源配置方法具体包括以下步骤：101、将区域内的所有基站放入集合A，对A中基站进行初始配置，获得初始中心点集合U＝{ai}及相应的基站聚类集合{Ci}，并根据目标函数计算目标值R，初始化变量j＝0，k＝0；102、根据初始配置，令R'＝R，R″＝R，其中，R'表示中心点偏移更新指标，R″表示随机序列更新指标；103、令当前的中心点数量I＝|U|；104、如果R″<R'，令R'＝R″，j＝0，更新中心点集合U＝{ai}及相应的基站聚类集合{Ci}，跳转到步骤105，否则，跳转到步骤105；105、j＝j+1，如果j<J，其中，J为中心点更新迭代终止容限，对U中每一个中心点ai，在其邻近的λ个基站中随机选取一个作为新的中心点，替换ai，令k＝0，跳转到步骤106；否则，跳转到步骤110；106、k＝k+1，如果k≤K，其中，K为基站随机序列更新迭代终止容限，对所有基站进行随机排列，产生随机序列s，跳转到步骤107；否则，跳转到步骤104；107、根据接入时延和服务器负载约束条件，依次将序列s中的基站划分至距其最近的中心点聚类集合；108、如果序列s中所有基站均已完成划分，视为有效划分，根据目标函数计算目标值R，跳转到步骤109；否则，跳转到步骤106；109、如果R≤R″，令R″＝R，k＝0，更新中心点集合U＝{ai}及相应的基站聚类集合{Ci}，跳转到步骤106；否则，跳转到步骤106；110、如果I满足最小服务器数量约束条件，将U中的聚类中心随机删除一个，令j＝0，跳转到步骤103；否则，输出中心点集合U＝{ai}及相应的基站聚类集合{Ci}，算法结束。进一步的，所述步骤101对A中基站进行初始配置的步骤包括：1)根据基站的坐标位置，计算集合A中每个基站的邻域密度，初始化变量i＝1；2)将A中密度最大的基站作为中心点，记为ai，将其放入中心点集合U；3)根据与ai的间距从小到大的顺序，依次将A中满足接入时延与服务器负载约束条件的基站移入聚类Ci；4)如果i＝i+1，跳转到步骤2；否则，将中心点集合U＝{ai}及相应的基站聚类集合{Ci}作为初始解。进一步的，所述步骤107的接入时延和服务器负载约束条件如公式(1)、(2)所示：Ti,n≤Tmax(1)li≤Lmax(2)公式(1)中，Ti,n表示第i个中心点ai与第n个基站点bn之间的时延，该时延由两点之间的距离决定，Tmax表示允许的最大接入时延；公式(2)中，li表示第i个服务器的负载量，Lmax表示每个服务器的最大负载上限。进一步的，所述步骤101和108的目标函数如公式(3)所示：R＝ε·α+(1-ε)(β+γ)(3)公式(3)中，ε表示均衡性因子，且0≤ε≤1，α、β、γ表示服务器数量因子、接入时延因子，以及服务器负载因子，分别如公式(4)、(5)、(6)所示；其中，I表示中心点数量，其等价于配置的服务器数量，N表示配置服务器的数量上限，其值等于基站总数，ti表示第i个服务器的接入时延，τ表示服务器的平均接入时延，li表示第i个服务器的负载量，η表示服务器的平均负载量。进一步的，所述步骤110的最小服务器数量约束条件如公式(7)所示：公式(7)中，Imin表示配置服务器的最小数量，其值为区域内的基站总负载量Ltotal与每个服务器的最大负载上限Lmax相除并向上取整。本专利技术的优点及有益效果如下：针对边缘服务器资源配置中的接入时延、服务器数量，以及负载均衡性问题。本专利技术首先根据区域内移动基站的位置及分布密度，在满足服务器的接入时延和负载约束前提下，完成基站集的初始聚类划分，与常规优化中随机产生初始解的方案比，能够有效降低后续优化迭代的运算量。通过对区域内基站的随机排序和迭代，以及服务器位置的随机偏移和迭代，有效避免聚类划分方案陷入局部最优；通过对服务器数量的迭代压缩，有效降低服务器资源的配置数量；通过在多层次迭代中严格执行接入时延和资源容量约束，除了保障用户服务质量，提高服务器的资源利用率外，其优化解决方案能够获得很好的服务器负载均衡性。附图说明图1是本专利技术提供优选实施例边缘服务器的配置方法流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、详细地描述。所描述的实施本文档来自技高网...

【技术保护点】
1.一种基于移动边缘计算的服务器资源配置方法，其特征在于，包括以下步骤：/n101、将区域内的所有基站放入集合A，对A中基站进行初始配置，获得初始中心点集合U＝{a

【技术特征摘要】
1.一种基于移动边缘计算的服务器资源配置方法，其特征在于，包括以下步骤：
101、将区域内的所有基站放入集合A，对A中基站进行初始配置，获得初始中心点集合U＝{ai}及相应的基站聚类集合{Ci}，并根据目标函数计算目标值R，初始化变量j＝0，k＝0；
102、根据初始配置，令R'＝R，R”＝R，其中，R'表示中心点偏移更新指标，R”表示随机序列更新指标；
103、令当前的中心点数量I＝|U|；
104、如果R”<R'，令R'＝R”，j＝0，更新中心点集合U＝{ai}及相应的基站聚类集合{Ci}，跳转到步骤105，否则，跳转到步骤105；
105、j＝j+1，如果j<J，其中，J为中心点更新迭代终止容限，对U中每一个中心点ai，在其邻近的λ个基站中随机选取一个作为新的中心点，替换ai，令k＝0，跳转到步骤106；否则，跳转到步骤110；
106、k＝k+1，如果k≤K，其中，K为基站随机序列更新迭代终止容限，对所有基站进行随机排列，产生随机序列s，跳转到步骤107；否则，跳转到步骤104；
107、根据接入时延和服务器负载约束条件，依次将序列s中的基站划分至距其最近的中心点聚类集合；
108、如果序列s中所有基站均已完成划分，视为有效划分，根据目标函数计算目标值R，跳转到步骤109；否则，跳转到步骤106；
109、如果R≤R”，令R”＝R，k＝0，更新中心点集合U＝{ai}及相应的基站聚类集合{Ci}，跳转到步骤106；否则，跳转到步骤106；
110、如果I满足最小服务器数量约束条件，将U中的聚类中心随机删除一个，令j＝0，跳转到步骤103；否则，输出中心点集合U＝{ai}及相应的基站聚类集合{Ci}，算法结束。


2.根据权利要求1所述的一种基于移动边缘计算的服务器资源配置方法，其特征在于，所述步骤101对A中基站进行初始配置的步骤包括：
1)根据基站的坐标位置，计算集合A中每个基站的邻域密度，初始化变量...

【专利技术属性】
技术研发人员：鲍宁海，杨帆，董霄汉，禹华春，岳渤涵，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50