一种基于多目标优化策略的边缘计算服务迁移方法技术

一种基于多目标优化策略的边缘计算服务迁移方法，在蜂窝网络中部署移动边缘计算服务所面临的一个挑战是支持用户的移动性，特别是移动速度较快时，使卸下的任务能够在不影响资源利用效率和链路可靠性的情况下，在基站之间进行无缝迁移。在服务迁移场景中，需要解决三个问题：当用户设备通过相邻边缘计算服务器时，是否需要迁移该用户设备对应的虚拟机；如果虚拟机决定迁移，它应该迁移到哪个边缘计算服务器；如何找到用户设备与对应虚拟机之间的最佳通信路径。考虑了虚拟化、虚拟机之间的I/O干扰以及多用户访问干扰等问题，提出一种基于松弛和舍入的新方法，最大限度的提高整体服务质量和最小化迁移成本。实验结果表明，本发明专利技术能够在真实场景中做出最优决策。能够在真实场景中做出最优决策。能够在真实场景中做出最优决策。

【技术实现步骤摘要】
一种基于多目标优化策略的边缘计算服务迁移方法


[0001]本专利技术属于物联网领域，具体涉及一种基于多目标优化策略的边缘计算服务迁移方法。

技术介绍

[0002]边缘计算可以被称作是一种很有前途的计算范式，因为其可以加速几乎所有主流移动应用程序(如面部识别等)。在实际应用当中，边缘计算一般是融合到物联网平台中出现。在边缘计算环境中，基站配有一定数量的计算资源，并且可以为在服务范围内的移动用户提供计算服务。当物联网设备中需要处理的数据量过大时，为了保证低延时性，可以将产生的大量数据转移到网络的“边缘”进行计算处理。边缘计算范式不是远程中心云处理数据，而是充分利用局部性，使数据存储和计算能力更靠近最需要它的设备或数据源。如果将边缘计算和5G技术集成，很多应用程序会展现出前所未有的低时延和高访问速度。在物联网中通过这种范式，对于延迟敏感或者等待时间较长的任务，边缘应用程序在执行任务时会有明显的改善，使得一些在传统云平台上表现性能较弱的应用(如在线游戏等)变的可行。
[0003]在边缘计算环境中，除了云数据中心之外，边缘服务器还部署在靠近用户和物联网设备的网络边缘。边缘服务器以分布式方式处理物联网设备生成的数据，然后与云数据中心协同工作，以根据需要进一步处理数据。通常，边缘服务器中的数据处理由对应于需要服务的虚拟机执行。通过处理边缘服务器中的数据，可以分配网络链路上的负载，从而避免网络拥塞并减少网络延迟(即路由器中的排队延迟)。此外，可以减少云数据中心的负载，从而导致低处理延迟。在设计边缘计算系统时，应考虑服务器放置、虚拟机分配、流量路由等多重问题，以便有效地利用边缘计算环境。
[0004]最近引入了移动边缘计算来提高物联网系统的服务质量。MEC通过提供一种高可伸缩性、可靠性和减少与远程云服务的延迟的计算平台，可以比传统云服务更熟练的处理任务的实时执行。该技术将计算资源部署到更靠近用户设备的地方，可以在紧邻用户设备的无线接入网内提供计算及存储服务，中心云的部分应用程序和服务就可以在MEC服务器中完成，这不仅大大缩短了系统的服务时延，而且会减轻回程线路的负担，从某种程度上说，也可以提高物联网系统的安全性。
[0005]移动边缘计算平台虽然在通信时延方面比云计算平台有明显的缩短，但其边缘服务器的计算能力、可用带宽等资源较后者有点差距。因为有限资源的约束，一方面以用户的角度评判，当有很多用户请求分配的时候，近距离的边缘服务器无法为所有用户提供服务，很多任务会在服务器中排队，将会降低服务质量(Quality of Service,QoS)；另一方面以边缘服务器的角度评判，没有优越的资源分配策略(如用户请求到的资源过多或过少、部分服务器长时间闲置)会浪费大量边缘计算平台的能量。这可以通过将任务密集型执行传递给最近的可用服务器或一些远程服务器来完成，以便调节系统中的负载平衡。因而为了保证服务的连续性，需要为边缘计算平台提出一种合理的、自适应性的调节机制来间歇性地
监控MEC上服务器爆发的情况，并在超过某个阈值之前进行可行的调整，优化资源分配，提高服务器的资源利用率。

技术实现思路

[0006]本专利技术重点研究了基于虚拟化的多用户多单元MEC系统的最优JRAM问题。多目标优化问题的目标是通过控制迁移/切换决策，最大限度地提高所有用户的加权总QoS，同时最大限度地降低迁移成本。该问题包括I/O干扰和多用户干扰。这项工作的主要贡献在于开发了一种实用的算法来设计最优的JRAM策略。该问题是一个整数非线性非凸规划问题。为了克服这一困难，本专利技术提出了两阶段的组合解决方法。首先，放宽了迁移决策的二进制约束，允许应用分数阶编程来解决放宽的问题。其次，基于难题的性质，提出了一种新的四舍五入方法来恢复二元决策解，在实验中，其性能表现良好。
[0007]本专利技术的基于多目标优化策略的边缘计算服务迁移方法，主要包括如下关键步骤：
[0008]第1、系统模型的构建：
[0009]第1.1、边缘计算服务迁移模型；
[0010]第1.2、服务迁移通信模型；
[0011]第1.3、服务迁移计算模型；
[0012]第2、基于多目标优化策略的服务迁移方法：
[0013]第2.1、服务迁移问题制定；
[0014]第2.2、服务迁移问题转型及求解。
[0015]进一步的，步骤第1.1中建立了边缘计算服务迁移模型，该模型探索的是一种多用户多小区，且具有MEC系统架构的实际场景，在移动边缘计算(Mobile Edge Computing，MEC)系统中，有M＝{1,2,3...,m}个用户设备，N＝{1,2,3...,n}个基站(Base Stations,BSs)，当用户设备在同一波段卸载数据时，用r
m
＝1表示频率重用因子，每个基站(Base Station,BS)都配置了一个服务器，当BS对应的虚拟机(Virtual Machine，VM)中有用户任务时，那么这个服务器就可以为这些用户提供计算服务，假设每个VM仅仅给一个用户提供计算服务，因此每个用户在同一时间片仅拥有一个提供服务的VM。
[0016]步骤第1.2中的服务迁移通信模型如下，用g
m,n
表示用户m和基站n之间的信道增益，用户m的传输功率表示为t
m
，基站n的噪声功率表示为为了让该模型表现的更加直观，假设用户的传输功率是确定的，因此，当用户m将任务卸载到基站n时的上行传输速率u
m,n
为：
[0017][0018]由于系统中的发射功率是统一的，所以通过公式(1)可以确定每个用户的传输速率
[0019]步骤第1.3中服务迁移计算模型如下，基站中放置的MEC服务器将用户卸载的任务分配到VMs中，以并行的方式执行这些任务，也称之为并行计算，在系统的并行计算中考虑到了I/O干扰的问题，用e
m,n
表示用户m在基站n中的VM中独立运行的预期计算速率(bits/
s)，此外，考虑到了一个VM与另一个VM多路复用时计算速率变化的问题，用f
n
＞0表示为基站n的性能退化因子，用二进制变量x
m,n
＝1表示用户m已经迁移到基站n，否则x
m,n
＝0，假设每个用户设备只能与一个BS产生通信连接，因此∑
n∈N
x
m,n
＝1,因为本系统中的用户数和BSs中托管的VM的数量是一对一的关系，所以根据与基站连接的用户数量∑
n∈N
x
m,n
，可以得出运行用户m中任务的实际计算速率：
[0020][0021]上述公式指明了当基站n的用户数量变少时，每个用户的计算速率会提升，否则反之，当基站接受较多的用户时，可以增加基站n并行计算的多路复用增益，但由于I/O干扰而降低每个用户的计算速率。
[0022]在本专利技术中，用卸载速率来衡量本系统的性能，把卸载速率定义为单位时隙用户卸载的比特(bits)，根据公式(1)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多目标优化策略的边缘计算服务迁移方法，其特征在于该方法主要包括如下步骤：第1、系统模型的构建：第1.1、边缘计算服务迁移模型；第1.2、服务迁移通信模型；第1.3、服务迁移计算模型；第2、基于多目标优化策略的服务迁移方法：第2.1、服务迁移问题制定；第2.2、服务迁移问题转型及求解。2.如权利要求1所述的基于多目标优化策略的边缘计算服务迁移方法，其特征在于，步骤第1.1中建立了边缘计算服务迁移模型，该模型探索的是一种多用户多小区，且具有移动边缘计算(Mobile Edge Computing，MEC)系统架构的实际场景，在MEC系统中，有M＝{1,2,3...,m}个用户设备，N＝{1,2,3...,n}个基站(Base Stations,BSs)，当用户设备在同一波段卸载数据时，用r
m
＝1表示频率重用因子，每个基站(Base Station,BS)都配置了一个服务器，当BS对应的虚拟机(Virtual Machine，VM)中有用户任务时，那么这个服务器就可以为这些用户提供计算服务，假设每个VM仅仅给一个用户提供计算服务，因此每个用户在同一时间片仅拥有一个提供服务的VM。3.如权利要求1所述的基于多目标优化策略的边缘计算服务迁移方法，其特征在于，步骤第1.2中的服务迁移通信模型如下，用g
m,n
表示用户m和基站n之间的信道增益，用户m的传输功率表示为t
m
，基站n的噪声功率表示为为了让该模型表现的更加直观，假设用户的传输功率是确定的，因此，当用户m将任务卸载到基站n时的上行传输速率u
m,n
为：由于系统中的发射功率是统一的，所以通过公式(1)可以确定每个用户的传输速率。4.如权利要求1所述的基于多目标优化策略的边缘计算服务迁移方法，其特征在于，步骤第1.3中服务迁移计算模型如下，基站中放置的MEC服务器将用户卸载的任务分配到VMs中，以并行的方式执行这些任务，也称之为并行计算，在系统的并行计算中考虑到了I/O干扰的问题，用e
m,n
表示用户m在基站n中的VM中独立运行的预期计算速率(bits/s)，此外，考虑到了一个VM与另一个VM多路复用时计算速率变化的问题，用f
n
＞0表示为基站n的性能退化因子，用二进制变量x
m,n
＝1表示用户m已经迁移到基站n，否则x
m,n
＝0，假设每个用户设备只能与一个BS产生通信连接，因此因为本系统中的用户数和BSs中托管的VM的数量是一对一的关系，所以根据与基站连接的用户数量∑
n∈N
x
m,n
，可以得出运行用户m中任务的实际计算速率：上述公式指明了当基站n的用户数量变少时，每个用户的计算速率会提升，否则反之，当基站接受较多的用户时，可以增加基站n并行计算的多路复用增益，但由于I/O干扰而降低每个用户的计算速率；
用卸载速率来衡量本系统的性能，把卸载速率定义为单位时隙用户卸载的比特(bits)，根据公式(1)和(2)，可以得出卸载速率为：公式(3)中分母分别表示传输速率和计算速率的倒数，表示传输1bit数据需要的时间。5.如权利要求1所述的基于多目标优化策略的边缘计算服务迁移方法，其特征在于，步骤第2.1中的服务迁移问题制定，以控制JRAM(Joint Resource Allocation andMigration)决策来优化计...

【专利技术属性】
技术研发人员：张德干，郑秀美，张捷，张婷，范洪瑞，王法玉，陈洪涛，赵洪祥，高星江，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：