边缘计算场景下的多合作服务器部署方法技术

本发明专利技术公开了一种边缘计算场景下的多合作服务器部署方法。本发明专利技术根据两阶段增量部署方法，部署边缘服务器，该步骤包括如下两个阶段：第一阶段，为基于贪心策略的服务器增量部署阶段；第二阶段，为基于凸优化近似方法的负载分配阶段；通过服务器数量自增迭代上述两个步骤，找到最优服务器部署方案。本发明专利技术针对边缘服务器部署资源冗余，开销过大的问题，提出了合作服务的部署框架及两阶段增量部署方法，提高服务器资源利用率，降低服务器总体部署开销。本发明专利技术适用于边缘计算领域。本发明专利技术适用于边缘计算领域。本发明专利技术适用于边缘计算领域。

【技术实现步骤摘要】
边缘计算场景下的多合作服务器部署方法


[0001]本专利技术属于物联网和边缘计算
，具体涉及一种面向边缘计算场景下的多合作服务器部署方法。

技术介绍

[0002]随着5G通信技术的不断发展，越来越多的计算密集型和时延敏感型的应用，例如实时视频流分析、自动驾驶、增强/虚拟现实等应用，出现在了人们的视野之中。但是物联网(InternetofThings，IoT)终端设备并不具备在本地运行这类应用的计算能力，云计算虽具备强大算力，但传输距离过远导致端到端时延过大，无法满足应用的极低时延需求。5G和边缘计算之间的结合被认为是赋予物联网密集计算能力的一种很有前途的解决方案。
[0003]边缘计算是一种将计算资源下沉至网络边缘的计算范例，弥补了云计算传输时延过大的不足，可同时满足应用的高计算量和极低时延需求。5G通信技术的发展使得边缘计算中最后一跳的传输时延大幅减小，进一步提高了边缘网络的性能。但同时5G通信技术引入的新特性，也为边缘计算带来了许多挑战。
[0004]部署开销过大是5G边缘计算面临的主要挑战之一，即需要大量算力强大的边缘服务器才可完成目标网络的全覆盖和终端任务的全满足。由于5G通信距离大幅缩减，覆盖同一片范围需要部署更多的服务器才可达到4G相同的覆盖效果，这已经增加了部署开销。再考虑到边缘计算中时延敏感型应用的剧增，需要部署更为密集的服务器才可满足该类应用对服务质量(Quality
‑
of
‑
Service，QoS)的极高要求，实际部署成本可能更高。/>[0005]此外，在边缘计算中，终端节点对于某一时刻峰值的计算资源需求远远大于平均计算资源需求，而倘若所有的边缘服务器按照终端节点的峰值资源需求进行资源的部署，其实在大部分时间上，资源利用率很低，这也是增大部署开销的一大原因。如何在保证用户体验的前提下，降低(尤其是5G场景)整体的部署成本成为了一大挑战。
[0006]基于此，一种能够满足用户实时体验需求的前提下，降低边缘服务器的部署成本的，面向边缘计算场景下的多合作服务器部署方法是本领域所亟需的。

技术实现思路

[0007]本专利技术提供了一种边缘计算场景下的多合作服务器部署架构及方法，通过允许多个边缘服务器利用彼此之间的实时负载差异来合作处理交错区域的终端的波动负载，以解决尤其是5G边缘网络中的终端资源峰值需求和平均需求差异过大带来的部署资源浪费问题，降低总体部署成本，提升资源利用率。
[0008]本专利技术通过下述技术方案实现：
[0009]一种边缘计算场景下的多合作服务器部署方法，包括以下步骤：步骤S10：根据边缘服务器有效通信范围和区域节点位置信息，进行区域离散化；步骤S20：根据两阶段增量部署方法，部署边缘服务器，该步骤S20具体包括如下两个阶段：第一阶段，为基于贪心策略的服务器增量部署阶段；第二阶段，为基于凸优化近似方法的负载分配阶段；步骤S30：按照
前述两阶段增量部署方法获得的部署方案，完成目标边缘网络中终端节点的全覆盖。
[0010]在某实施例中，所述区域离散化，还根据区域平均工作负载进行区域离散化。
[0011]在某实施例中，在所述第一阶段中，选择具有最大优化可能性和合作潜能最大的位置作为新的服务器的部署位置进行增量部署。
[0012]在某实施例中，在所述第一阶段中，先使用最少数量的服务器满足对物联网设备的全覆盖，然后再在此基础部署方案上选择优化可能性最大的候选集位置进行服务器的增量部署，以减小服务器总部署开销。
[0013]在某实施例中，在所述第一阶段中，还包括：选择优化可能性最大的服务器；具体为：计算每个服务器的优化可能性指标，寻找最具有合作可能性的已部署服务器。
[0014]在某实施例中，计算每个服务器的优化可能性指标，具体为：通过计算该服务器的峰值计算资源请求量和平均计算资源请求量的差值；差值越大，则该服务器的优化可能性越大。
[0015]在某实施例中，在确定选出的服务器后，根据该服务器周边的所有候选集的合作能力指标，确定新增服务器部署位置，该部署位置为具有合作潜能最大的候选部署位置。
[0016]在某实施例中，根据在候选部署位置部署服务器所能覆盖的所有物联网设备独立的计算请求峰值总和，与在服务器聚合之后的峰值计算请求之间的差值，计算该服务器周边的所有候选集的合作能力指标；所述差值越大，则该候选部署位置越适合部署新服务器。
[0017]在某实施例中，在所述第二阶段，通过多轮随机选取服务器，针对选取服务器的资源请求数最高的多个时隙进行优化，以获得最小的总体计算资源部署数量的方案。
[0018]在某实施例中，所述获得最小的总体计算资源部署数量的方案，具体包括如下步骤：
[0019]步骤3.1)、对于均衡每个时隙的工作负载的问题建模为非凸优化问题；
[0020]步骤3.2)、对于该非凸优化问题，使用log
‑
sum
‑
exp近似函数将非凸优化问题转为凸优化问题；
[0021]步骤3.3)、对于转化后的凸优化问题，使用KKT条件进行求解。
[0022]本专利技术基于上述的两阶段增量部署方法，提出对给定网络的最少资源的服务器部署开销的服务器位置和资源数的实施方案。
[0023]本专利技术具有如下的优点和有益效果：
[0024]1、本专利技术针对5G边缘网络中的终端资源峰值需求和平均需求差异过大带来的部署资源浪费的问题，提出使用多个边缘服务器利用彼此的实时负载差异来合作处理共享终端的波动负载的方案，从而有效提高了资源利用率，降低了边缘服务器整体部署开销。
[0025]2、本专利技术提出了一个两阶段增量部署方法来规划上述的服务器部署问题，联合优化了服务器的部署位置和工作负载分配两个耦合子问题，并将两个子问题解耦合，在多服务器协作和服务覆盖之间取得了良好的折衷。
附图说明
[0026]此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。
[0027]图1为本专利技术提出的多合作边缘服务器的合作机制示意图；
[0028]图2为本专利技术提出的两阶段增量部署方法的流程示意图；
[0029]图3为两阶段增量部署方法中第一阶段中增量服务器位置选择操作的示例。
具体实施方式
[0030]为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。
[0031]首先介绍本专利技术中面向边缘计算场景的多合作服务器部署架构，本专利技术的边缘计算场景以5G边缘计算场景为例，但不以此为限。本实施例架构允许多边缘服务器利用彼此的实时负载差异来合作处理共享终端的波动负载，从而以更少的硬件资源和更高的资源利用率来满足区域内终端的计算需求，以解决5G边缘网络中的终端资源峰值需求和平均需求差异过大带来的部署资源浪费问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘计算场景下的多合作服务器部署方法，其特征在于，包括以下步骤：步骤S10：根据边缘服务器有效通信范围和区域节点位置信息，进行区域离散化；步骤S20：根据两阶段增量部署方法，部署边缘服务器，该步骤S20具体包括如下两个阶段：第一阶段，为基于贪心策略的服务器增量部署阶段；第二阶段，为基于凸优化近似方法的负载分配阶段；步骤S30：按照前述两阶段增量部署方法获得的部署方案，完成目标边缘网络中终端节点的全覆盖。2.根据权利要求1所述的边缘计算场景下的多合作服务器部署方法，其特征在于：所述区域离散化，还根据区域平均工作负载进行区域离散化。3.根据权利要求1所述的边缘计算场景下的多合作服务器部署方法，其特征在于：在所述第一阶段中，选择具有最大优化可能性和合作潜能最大的位置作为新的服务器的部署位置进行增量部署。4.根据权利要求3所述的边缘计算场景下的多合作服务器部署方法，其特征在于：在所述第一阶段中，先使用最少数量的服务器满足对物联网设备的全覆盖，然后再在此基础部署方案上选择优化可能性最大的候选集位置进行服务器的增量部署，以减小服务器总部署开销。5.根据权利要求4所述的边缘计算场景下的多合作服务器部署方法，其特征在于：在所述第一阶段中，还包括：选择优化可能性最大的服务器，其具体为：计算每个服务器的优化可能性指标，寻找最具有合作可能性的已部署服务器。6.根据权利要求5所述的边缘计算场景下的多合作服务器部署方法，其特征在于：计算每个服务器的优化可能性指标，具体为：通过计算该服务器的峰值计算...

【专利技术属性】
技术研发人员：赵志为，闵革勇，丛荣，张林元齐，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：