一种集中式服务解耦后公平部署的响应时间优化方法技术

本发明专利技术公开了一种集中式服务解耦后公平部署的响应时间优化方法，其特点是采用服务解耦方法和基于MOEA/D算法对子服务进行部署，将解耦后的子服务和低耦合度服务部署于边缘服务器上并进行多目标优化，使得在保证边缘服务器负载公平性的条件下整体响应时间最短。本发明专利技术与现有技术相比具有在保证边缘服务器负载公平性的条件下整体响应时间最短，有效提高了整个系统的预期响应时间，大大减少了网络带宽资源的占用，服务通信成本降低约40%，方法简单，使用方便，效率高。

【技术实现步骤摘要】
一种集中式服务解耦后公平部署的响应时间优化方法
本专利技术涉及聚类和多目标优化
，尤其是一种用于边缘计算中集中式服务解耦后公平部署的响应时间优化方法。
技术介绍
目前，云端的集中式服务之间的影响和复杂度较高，开发效率低下，难以满足软件应用的发展。随着网络边缘中小规模的云和服务器集群的出现，支持将服务部署至边缘服务器上，这样可以减少系统的响应时间并节省网络带宽。与通过在靠近请求的地方部署缓存来解决延迟和带宽问题的传统内容交付网络(ContentDeliveryNetwork，CDN)相比，部署至边缘服务器，企业的敏感数据或关键性业务数据能够得到更好的保护，因为CDN网格一般位于互联网服务提供商(InternetServiceProvider，ISP)的数据中心，属于企业外部。现有技术的服务部署策略考虑部署边缘服务器位置、部署成本等，但忽略了边缘服务器之间工作时间的公平性，使得边缘服务器负载的整体响应时间较长，浪费或占用了大量的网络带宽资源，服务通信成本高。
技术实现思路
本专利技术的目的是针对现有技术的不足而设计的一种集中式服务解耦后公平部署的响应时间优化方法，采用服务解耦方法和基于MOEA/D算法对子服务进行部署，将解耦后的子服务和低耦合度服务部署于边缘服务器上并进行多目标优化，使得在保证边缘服务器负载公平性的条件下整体响应时间最短，有效提高了整个系统的预期响应时间，大大减少了网络带宽资源的占用，服务通信成本降低约40％，方法简单，使用方便，效率高。本专利技术的目的是这样实现的：一种集中式服务解耦后公平部署的响应时间优化方法，其特点是采用服务解耦方法和基于MOEA/D算法对子服务进行部署，将解耦后的子服务和低耦合度服务部署于边缘服务器上并进行多目标优化，使得在保证边缘服务器负载公平性的条件下整体响应时间最短，其具体优化包括耦合度模型、传输服务通信开销模型和通信延迟模型的构建，对所有的服务进行耦合度计算，得到服务的耦合度值，用于判断服务的耦合度是否高于给定的耦合度阈值，如果低于耦合度阈值，则直接进行子服务的部署，如果高于耦合度阈值，则对该服务进行解耦。高耦合服务进行两个阶段的解耦，首先进行离线阶段解耦，根据每个边缘服务器对高耦合服务的订阅情况进行基于服务字段的特征提取，并使用基于k-means的方法对其进行聚类，然后进行线上阶段解耦，将离线解耦的聚类结果作为线上聚类的初始输入，并使用基于streamingk-means的方法对其字段有增加或者删除的服务进行实时聚类，对于子服务包括低耦合服务和高耦合服务解耦后的服务，提出了子服务部署模型并使用基于MOEA/D方法对子服务进行部署，其公平部署的响应时间优化具体包括以下步骤：步骤1：构建边缘云的系统架构和耦合度模型、传输服务通信开销模型和通信延迟模型的构建。步骤2：对所有的服务采用耦合度计算，将得到服务的耦合度值与给定的耦合度阈值进行判断，如低于耦合度阈值，则直接进行子服务的部署；如高于耦合度阈值，则对该服务进行解耦。步骤3：对步骤2中的高耦合服务进行两个阶段的解耦，首先进行离线阶段解耦，根据每个边缘服务器对高耦合服务的订阅情况进行基于服务字段的特征提取，并使用基于k-means的方法对其进行聚类。然后进行线上阶段解耦，将离线解耦的聚类结果作为线上聚类的初始输入，并使用基于streamingk-means的方法对其字段有增加或者删除的服务进行实时聚类。步骤4：根据构建的耦合度模型、传输服务通信开销模型和通信延迟模型，使用基于MOEA/D算法对子服务进行部署，其中子服务包括步骤2中的低耦合服务和步骤3中两个阶段的聚类输出结果。步骤5：部署结束，得到多目标的最优解，使得在保证边缘服务器负载公平性的条件下整体响应时间最短。所述步骤1的实现过程具体包括下述步骤：步骤A1：耦合度模型的构建设云服务器维护Ns个服务，每个服务Si(1≤i≤Ns)由个字段组成，对于边缘服务器Nes，每个边缘服务器Ej(1≤j≤Nes)按照自己的需求订阅一个或多个服务中的若干字段。设表示边缘服务器Ej与服务Si中字段k的订阅关系，若Ej订阅了服务Si中的字段k，则为1，否则为0，分别引入由下述a～c式表示字段不同操作对服务的影响和由此，边缘服务器Ej订阅服务Si中字段k对其影响为下述d式表示的其中：wj为不同操作的影响系数。因此，边缘服务器Ej订阅服务Si的影响为下述e式表示的其中：pk是字段k的修改频率。综上，服务Si的耦合度Fi可由下述f式计算：步骤A2：传输服务通信开销模型的构建记服务Si从云服务器卸载到边缘服务器Ej的附加信息大小为A(A＞0)，服务Si大小为Bi，则传输服务Si的通信开销可由下述g式计算：将Si划分为个子服务，即划分后的子服务大小为则传输其子服务的通信开销可由下述h式计算：其中：满足边缘服务器Ek订阅了子服务中若干字段，即被认为订阅了子服务其边缘服务器Ek是否订阅了子服务则为下述i式表示的那么，边缘服务器Ek接受从云服务器卸载的子服务所需通信开销可由下述j式计算：那么，边缘服务器Ek接受从云服务器卸载的服务Si所需通信开销可由下述k式计算：由此，通过一种给定的服务划分方法，所有边缘服务器接收到云服务器中服务Si的通信开销则由下述m式计算：并且满足以下约束条件：A＞0，步骤A3：通信延迟模型的构建记为下述n式表示的两个边缘服务器Ei和Ej间的传输延迟：其中：B(Ei，Ej)为带宽；W(Ei，Ej)为下述r式表示在边缘服务器Ei到边缘服务器Ej之间传输的子服务集Snb的大小：记为下述s式表示的传播延迟：其中：d(Ei，Ej)为两个边缘服务器之间的距离；θ为电信号在光缆中传播速率；如果在两个边缘服务器之间没有路由，则将设为无穷大；综上，两个边缘服务器之间的有线通信延迟则由下述t式计算：其中：为终端i到边缘服务器Ej之间的无线传输距离，其延迟由下述u式表示：其中：W(i，Ej)表示终端i到边缘服务器Ej之间传输任务的大小，且最大数据传输速率tr(i，Ej)由下述v式计算：其中：B(i，Ej)为终端i到边缘服务器Ej无线通信链路传输数据的带宽；为信噪比；Pi为终端i的传输功率；g(i，Ej)为终端i与边缘服务器Ej之间的信号增益；Np为信道内噪声功率。由此，终端i到边缘服务器Ej的通信延迟则由下述w式计算：其中：Ei位于距离终端i最近的基站旁。所述步骤2具体包括：利用耦合度模型公式，计算所有服务的耦合度。判断服务的耦合度是否高于给定的耦合度阈值，如果低于耦合度阈值M，称为低耦合服务，可本文档来自技高网...

【技术保护点】
1.一种集中式服务解耦后公平部署的响应时间优化方法，其特征在于采用服务解耦方法和基于MOEA/D算法对子服务进行部署，将解耦后的子服务和低耦合度服务部署于边缘服务器上并进行多目标优化，使得在保证边缘服务器负载公平性的条件下整体响应时间最短，其具体优化包括以下步骤：/n步骤l：构建边缘云的系统架构和耦合度模型、传输服务通信开销模型和通信延迟模型；步骤2：对所有的服务进行耦合度计算，将计算的耦合度与设定的耦合度阈值进行判断，/n如低于耦合度阈值，则直接进行子服务的部署；如高于耦合度阈值，则对该服务进行解耦。/n步骤3：对高于耦合度阈值的耦合服务进行离线阶段解耦和线上阶段解耦，所述离线阶段解耦是根据每个边缘服务器对高耦合服务的订阅情况进行基于服务字段的特征提取，并使用基于k-means的方法对其进行聚类；所述线上阶段解耦是将离线解耦的聚类结果作为线上聚类的初始输入，并使用基于streaming k-means的方法对其字段有增加或者删除的服务进行实时聚类；/n步骤4：根据构建的耦合度模型、传输服务通信开销模型和通信延迟模型，使用基于MOEA/D算法对子服务进行部署，其中子服务包括步骤2中的低耦合服务和步骤3中两个阶段的聚类输出结果；/n步骤5：部署结束后可得到多目标的最优解，使得在保证边缘服务器负载公平性的条件下整体响应时间最短。/n...

【技术特征摘要】
1.一种集中式服务解耦后公平部署的响应时间优化方法，其特征在于采用服务解耦方法和基于MOEA/D算法对子服务进行部署，将解耦后的子服务和低耦合度服务部署于边缘服务器上并进行多目标优化，使得在保证边缘服务器负载公平性的条件下整体响应时间最短，其具体优化包括以下步骤：
步骤l：构建边缘云的系统架构和耦合度模型、传输服务通信开销模型和通信延迟模型；步骤2：对所有的服务进行耦合度计算，将计算的耦合度与设定的耦合度阈值进行判断，
如低于耦合度阈值，则直接进行子服务的部署；如高于耦合度阈值，则对该服务进行解耦。
步骤3：对高于耦合度阈值的耦合服务进行离线阶段解耦和线上阶段解耦，所述离线阶段解耦是根据每个边缘服务器对高耦合服务的订阅情况进行基于服务字段的特征提取，并使用基于k-means的方法对其进行聚类；所述线上阶段解耦是将离线解耦的聚类结果作为线上聚类的初始输入，并使用基于streamingk-means的方法对其字段有增加或者删除的服务进行实时聚类；
步骤4：根据构建的耦合度模型、传输服务通信开销模型和通信延迟模型，使用基于MOEA/D算法对子服务进行部署，其中子服务包括步骤2中的低耦合服务和步骤3中两个阶段的聚类输出结果；
步骤5：部署结束后可得到多目标的最优解，使得在保证边缘服务器负载公平性的条件下整体响应时间最短。


2.根据权利要求l所述集中式服务解耦后公平部署的响应时间优化方法，其特征在于所述步骤l的实现过程具体包括下述步骤：
步骤A1：耦合度模型的构建
设云服务器维护Ns个服务，每个服务Si(1≤i≤Ns)由个字段组成，对于边缘服务器Nes，每个边缘服务器Ej(1≤j≤Nes)按照自己的需求订阅一个或多个服务中的若干字段；
设表示边缘服务器Ej与服务Si中字段k的订阅关系，若Ej订阅了服务Si中的字段k，则为l，否则为0，分别引入由下述a～c式表示字段不同操作对服务影响的和









由此，边缘服务器Ej订阅服务Si中字段k对其影响为下述d式表示的



其中：wl为不同操作的影响系数；
因此，边缘服务器Ej订阅服务Si的影响为下述e式表示的



其中：pk是字段k的修改频率；
综上，服务Si的耦合度计算公式为下述f式表示：



步骤A2：传输服务通信开销模型的构建
记服务Si从云服务器卸载到边缘服务器Ej的附加信息大小为A(A＞0)，服务Si大小为Bi，则传输服务Si的通信开销由下述g式表示：



将Si划分为个子服务，即划分后的子服务大小为则传输其子服务的通信开销由下述h式表示：



其中：满足
边缘服务器Ek订阅了子服务中若干字段，即被认为订阅了子服务其边缘服务器Ek是否订阅了子服务则记为由下述i式表示的



那么，边缘服务器Ek接受从云服务器卸载的子服务所需通信开销由下述j式表示为：



那么，边缘服务器Ek接受从云服务器卸载的服务Si所需通信开销由下述k式表示为：



由此，通过一种给定的服务划分方法，所有边缘服务器接收到云服务器中服务Si的通信开销则由下述m式表示为：



并且满足以下约束条件：












A＞0，






步骤A3：通信延迟模型的构建
记为下述n式表示的两个边缘服务器Ei和Ej间的传输延迟：



其中：B(Ei，Ej)为带宽；W(Ei，Ej)为下述r式表示在边缘服务器Ei到边缘服务器Ej之间传输的子服务集Snb的大小：



记为下述s式表示的传播延迟：



其中：d(Ei，Ej)为两个边缘服务器之间的距离；θ为电信号在光缆中传播速率；如果在两个边缘服务器之间没有路由，则将设为无穷大；
综上，两个边缘服务器之间的有线通信延迟则由下述t式表示：



其中：为终端i到边缘服务器Ej之间的无线传输距离，其延迟由下述u式表示：



其中：W(i，Ej)表示终端i到边缘服务器Ej之间传输任务的大小，且最大数据传输速率tr(i，Ej)由下述v式表示为：



其中：B(i，Ej)为终端i到边缘服务器Ej无线通信链路传输数据的带宽；信噪比；Pi为终端i的传输功率；g(i，Ej)为终端i与边缘服务器Ej之间的信号增益；Np为信道内噪声功率；
由此，终端i到边缘服务器Ej的通信延迟由下述w式表示为：



其中：Ei位于距离终端i最近的基站旁。


3.根据权利要求l所述集中式服务解耦后公平部署的响应时间优化方法，其特征在于所述步骤2的实现过程具体包括：利用耦合...

【专利技术属性】
技术研发人员：魏同权，段媛，张润泽，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：上海;31