边缘计算服务器部署方法和系统技术方案

本发明专利技术提供一种边缘计算服务器部署方法和系统，所述方法包括以下步骤：基于影响多个区域内的服务器对用户的吸引力的用户个性相关参数计算用户选择不同区域内的侯选服务器的概率，以基于计算的概率进行用户的目的地偏好预测；基于各个用户的目的地偏好预测结果，根据各个用户终端任务的资源需求，预测各区域的资源需求量；根据各区域的资源需求量，基于服务器提供商收益最大化原则确定多服务器提供商的服务器最优布局。本发明专利技术改善了未考虑到用户聚集效应导致的服务器部署不合理的问题，最大化了服务器提供商的收益，减少了终端任务的处理时延，提高了终端任务的处理效率和边缘计算服务器的资源利用率，提高了用户的满意度。度。度。

【技术实现步骤摘要】
边缘计算服务器部署方法和系统


[0001]本专利技术涉及边缘计算
，具体涉及一种边缘计算服务器部署方法和系统，尤其涉及一种使服务器提供商收益最大化的边缘计算服务器部署方法和系统。

技术介绍

[0002]边缘计算通过构建一定规模的边缘服务器集群和拓扑，为用户端的卸载任务提供一种缩短处理时延的方法。目前，市场上已经出现很多商家用于提供边缘计算服务。随着边缘计算的发展和逐渐成熟，需要战略性的设置商用边缘计算服务器来保证用户和服务器提供商的利益。一方面，用户是不确定因素，存在个体行为意识，准确判断某个人在某一时刻将要去往某地是困难的。也由于用户的移动性，具体的区域地点的人数也存在不确定性，这让用户端的卸载任务对资源需求量的预估变得困难。另一方面，多家服务器提供商存在一定的替代和竞争关系，并且大多数情况下，服务器提供商之前不存在联盟现象。这就意味着某家服务器提供商制定资源售卖价格的时候，无法得知同行的定价，使得服务器提供商对定价都存在一定的盲目性，很可能由于定价的失误造成损失。
[0003]现有的边缘计算服务器部署方案一般聚焦于提高系统的性能方面。一些方案考虑到端侧任务的处理时延和边缘计算服务器的最大容量，采用基于图论的算法，来解决边缘计算在应用中选择合适的服务器数量及服务区域问题，实现各区域边缘的业务尽可能多的目的，并达到移动边缘计算服务区域负载平衡，并且根据具体的应用场景，在不同的物理位置布局边缘计算服务器，例如，在网页浏览需要加速的场景下，边缘计算服务器布局在云数据中心与移动终端设备之间；在网络实时感知的场景下，边缘计算服务器布局在近移动端的相应的基站内。另一些方案考虑到边缘侧服务器的负载均衡，将边缘计算服务器布局位置问题归纳为多目标优化问题，优化目标为均衡负载和减小时延，并采用混合整数规划的方法寻找最优解，允许在无线城域网的用户密集区放置微云，并在平衡工作负载的同时将移动用户分配到放置的具体微云中。还有一些方案考虑用户侧的满意度，研究移动地理环境下的边缘计算服务器布局位置选择问题，针对移动终端用户的移动性，根据限定规则排除掉不合适的位置，生成终端移动轨迹，设计了自适应的位置选择方法来满足每个任务延迟要求，并根据任务的规模等参数，确定候选的服务器位置，减少任务的处理时延，提高用户的满意度。
[0004]现有的方案基本都是从用户的视角来解决问题，主要聚焦在任务的处理时延、负载均衡以及用户满意度等方面。然而在边缘计算环境中，除终端设备、用户、服务器角色外，还有服务器提供商这一关键角色。服务器提供商需要从边缘计算系统中受益，才能保证系统的稳定性和服务的连续性。
[0005]如何部署边缘计算服务器来兼顾服务器提供商利益和用户卸载任务处理时延，是一个亟待解决的问题。

技术实现思路

[0006]有鉴于此，本专利技术实施例提供了一种边缘计算服务器部署方法和系统，意在从服务器提供商的角度出发，给出边缘计算服务器的部署方案，考虑用户的移动性和密度，从而改善未考虑到用户聚集效应导致的服务器部署不合理的问题，最大化服务器提供商的收益，并提高终端任务的处理效率和边缘计算服务器的资源利用率。
[0007]本专利技术的一个方面，提供了一种基于信誉模型和数字签名机制的区块链共识方法，该方法包括以下步骤：
[0008]基于影响多个区域内的服务器对用户的吸引力的用户个性相关参数计算用户选择各个侯选服务器的概率，以基于计算的概率进行用户的目的地偏好预测；
[0009]基于各个用户的目的地偏好预测结果，根据各个用户终端任务的资源需求，预测各区域的资源需求量；
[0010]根据各区域的资源需求量，基于服务器提供商收益最大化原则确定多服务器提供商的服务器最优布局。
[0011]在本专利技术一些实施方式中，所述用户个性相关参数包括以下参数中的部分或全部：用户与区域之间的距离、用户的收入、区域的消费环境对用户的吸引力指标、区域的工作环境对用户的吸引力指标、区域的居住环境对用户的吸引力指标以及相应的权重；
[0012]所述基于影响多个区域内不同服务器对用户的吸引力的用户个性相关参数计算用户选择各个侯选服务器的概率，包括：基于所述用户个性相关参数计算各区域对应的效用值，作为用户个性相关参数；以及基于用户个性相关参数计算用户选择各个侯选区域内的服务器的概率。
[0013]在本专利技术一些实施方式中，所述基于所述用户个性相关参数计算各区域对应的效用值，包括：基于如下效用函数计算各区域对应的效用值：
[0014][0015]其中，d
i,j
表示用户i和区域j之间的物理距离，Sa
i
表示用户i的收入，Λ
j,i
、Γ
j,i
、Υ
j,i
分别表示区域j的消费环境、工作环境和居住环境对用户的吸引力指标；δ
i
、η
i
、γ
i
、λ
i
为加权系数。
[0016]在本专利技术一些实施方式中，所述基于各个用户的目的地偏好预测结果，根据各个用户终端任务的资源需求，预测各区域的资源需求量，包括：通过位于一区域的终端设备的任务累计预估该区域的资源需求。
[0017]在本专利技术一些实施方式中，所述根据各区域的资源需求量，基于服务器提供商收益最大化原则确定多服务器提供商的服务器最优布局，包括：
[0018]根据各区域的资源需求量，基于当前服务器提供商在各区域的需求函数确定当前服务器要在各区域的资源提供量；
[0019]基于确定的资源提供量计算当前服务器提供商在各区域放置的服务器数量；
[0020]在成本约束下，基于在各区域放置的服务器数量以当前服务提供商收益最大化原则确定服务器的部署方案。
[0021]在本专利技术一些实施例中，所述需求函数为：
[0022]R
j,k
＝Θ(R
j
)
‑
α
k
p
j,k
；
[0023]所述基于确定的资源提供量计算当前服务器提供商在各区域放置的服务器数量，包括：基于如下公式计算器提供商各区域放置的服务器数量：
[0024][0025]其中，R
j,k
表示服务器提供商k在j区域的实际的资源提供量，Θ(R
j
)表示资源需求预测量，非负参数α
k
表示服务器提供商k的提供量对定价p
j,k
的敏感系数；r
k
为服务器提供商k的服务器能提供的资源量。
[0026]在本专利技术一些实施例中，基于在各区域放置的服务器数量以当前服务提供商收益最大化原则确定服务器的部署方案，包括：
[0027]基于伯特兰德模型来确定当前服务提供商的最大收益；
[0028]基于如下公式来计算当前服务器提供商在第T轮部署阶段服务器的部署方案：
[0029][0030][0031]其中，E[Z
k
]表示服务器提供商本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘计算服务器部署方法，其特征在于，该方法包括以下步骤：基于影响多个区域内的服务器对用户的吸引力的用户个性相关参数计算用户选择不同区域内的侯选服务器的概率，以基于计算的概率进行用户的目的地偏好预测；基于各个用户的目的地偏好预测结果，根据各个用户终端任务的资源需求，预测各区域的资源需求量；根据各区域的资源需求量，基于服务器提供商收益最大化原则确定多服务器提供商的服务器最优布局。2.根据权利要求1所述的方法，其特征在于，所述用户个性相关参数包括以下参数中的部分或全部：用户与区域之间的距离、用户的收入、区域的消费环境对用户的吸引力指标、区域的工作环境对用户的吸引力指标、区域的居住环境对用户的吸引力指标以及相应的权重；所述基于影响多个区域内不同服务器对用户的吸引力的用户个性相关参数计算用户选择各个侯选服务器的概率，包括：基于所述用户个性相关参数计算各区域对应的效用值，作为用户个性相关参数；以及基于用户个性相关参数计算用户选择各个侯选区域内的服务器的概率。3.根据权利要求2所述的方法，其特征在于，所述基于所述用户个性相关参数计算各区域对应的效用值，包括：基于如下效用函数计算各区域对应的效用值：其中，d
i,j
表示用户i和区域j之间的物理距离，Sa
i
表示用户i的收入，Λ
j,i
、Γ
j,i
、Υ
j,i
分别表示区域j的消费环境、工作环境和居住环境对用户的吸引力指标；δ
i
、η
i
、γ
i
、λ
i
为加权系数。4.根据权利要求1所述的方法，其特征在于，所述基于各个用户的目的地偏好预测结果，根据各个用户终端任务的资源需求，预测各区域的资源需求量，包括：通过位于一区域的终端设备的任务累计预估该区域的资源需求量。5.根据权利要求1所述的方法，其特征在于，所述根据各区域的资源需求量，确定多服务器提供商的服务器最优布局，包括：根据各区域的资源需求量，基于当前服务器提供商在各区域的需求函数确定当前服务器要在各区域的资源提供量；基于确定的资源提供量计算当前服务器提供商在各区域放置的服务器数量；在成本约束下，基于在各区域放置...

【专利技术属性】
技术研发人员：高志鹏，芮兰兰，肖楷乐，闵江松，张良杰，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：