边缘-云协同系统中基于学习优化方法的虚拟网络功能放置方法技术方案

本发明专利技术提出了一种边云协同系统中基于学习优化方法的虚拟网络功能放置决策方法，包括以下步骤：S1，获取边缘云和第三方云数据；S2，根据获取的边缘云和第三方云数据进行优化放置决策。本发明专利技术首先建立了基于代价的虚拟网络功能放置的优化决策问题，然后将该模型以马尔可夫决策模型进行描述；通过把深度强化学习与组合优化求解相结合提出了基于“行动

【技术实现步骤摘要】
边缘
‑
云协同系统中基于学习优化方法的虚拟网络功能放置方法


[0001]本专利技术涉及一种边云协同
，特别是涉及一种边云协同系统中基于学习优化方法的虚拟网络功能放置方法。

技术介绍

[0002]为应对各类新应用在低时延、低能耗以及高带宽等方面的显著需求，应用服务商通过在距离用户更近的网络边缘分布式地放置服务节点，形成了边缘计算的服务模式以提高服务质量。然而，虽然边缘计算的引入使得服务商具备弹性服务放置的能力，但由于边缘服务节点的资源(算力、带宽和存储)受限，使得面对复杂且多元化的任务时已显现出疲态。为此学界进一步将边缘计算就近提供服务和云计算海量资源供给相结合，衍生出了边云协同服务的新模式。另外，通过在边缘计算中引入虚拟化技术，能够将物理资源抽象为虚拟网络功能单元(Virtual Network Function,VNF)，在满足用户业务需求的前提下提高有限资源的利用效率。在目前边缘计算中，基于虚拟机(Virtual Machine,VM)的虚拟化技术(VM
‑
VNF)应用最为广泛。但VM
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边云协同系统中基于学习优化方法的虚拟网络功能放置决策方法，其特征在于，包括以下步骤：S1，获取边云协同系统中各类资源的数据；S2，根据获取的边云协同数据进行优化放置决策。2.根据权利要求1所述的边云协同系统中基于学习优化方法的虚拟网络功能放置决策方法，其特征在于，在步骤S1中包括：其中，T
L
表示某个虚拟网络功能i放置在边云协同系统所产生的排队延迟；γ
C
表示服务节点的服务率；δ
c
表示虚拟网络请求的计算率；f
x
表示当前边缘协同系统中的服务节点正在排队的虚拟网络请求；h表示边缘云服务节点集合；其中，T
C
表示虚拟网络请求在服务节点获得网络带宽资源与存储资源而产生的延迟；δ
B
表示服务节点已使用带宽资源占总带宽资源；δ
S
表示服务节点已使用存储资源；γ
B
表示总带宽资源；γ
S
表示节点总存储资源；其中，T
t
表示向第三方云传输虚拟网络请求的通信延迟；δ
B
表示服务节点已使用带宽资源占总带宽资源；表示请求到第三方云的传输速率；T
e
＝T
L
+T
c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)T
C
＝T
L
+T
c
+T
t
ꢀꢀꢀꢀꢀ
(5)其中，T
e
表示将请求放置于边缘云的总延迟；T
L
表示某个虚拟网络功能i放置在边云协同系统所产生的排队延迟；T
c
表示虚拟网络请求在服务节点获得网络带宽资源与存储资源而产生的延迟；T
C
表示放置于第三方云的总延迟；T
t
表示向第三方云传输虚拟网络请求的通信延迟；F
e
＝E
i
+E
u
ꢀꢀꢀꢀꢀ
(6)其中，F
e
表示第三方云中每一个服务节点的付费成本；E
i
表示已开启的边缘云服务节点的维护成本和在服务节点以虚拟机形式放置虚拟网络请求的开销；E
u
表示边缘云服务节点提供计算服务时的服务成本；
其中，E
u
表示边缘云服务节点提供计算服务时的服务成本；δ
C
表示使用服务节点中已使用计算资源；γ
C
表示总计算资源；P
C
表示计算资源利用率的权重；δ
B
表示服务节点已使用带宽资源占总带宽资源；γ
B
表示总带宽资源；P
B
表示带宽资源利用率的权重；δ
S
表示服务节点已使用存储资源；γ
S
表示节点总存储资源；P
S
表示存储资源利用率的权重；其中，F
c
表示第三方云中每一个服务节点的付费成本；表示第三方云中服务节点被使用的计算资源；表示第三方云中计算资源的收费价格；表示第三方云中服务节点被使用的带宽资源；表示第三方云中带宽资源的收费价格；表示第三方云中服务节点被使用的存储资源；表示第三方云中存储资源的收费价格；其中，k
e
表示将虚拟网络请求以虚拟机的形式放置于边缘云中的代价；H
e
表示边缘云服务节点集合；F
e
表示虚拟网络请求的计算成本；T
e
表示虚拟网络请求的时延代价；表示在边缘云中时延代价所占权重；f
x1
表示决策变量；其中，k
c
表示将虚拟网络请求以容器的形式放置于第三方云中的代价；H
C
表示第三方云服务节点集合；F
C
表示虚拟网络请求的付费代价；T
C
表示虚拟网络请求的时延代价；表示在第三方云中时延代价所占权重；f
x2
表示第三方云决策变量；k＝k
e
+k
c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)k表示当前边云协同系统的总代价；
k
e
表示将虚拟网络请求以虚拟机的形式放置于边缘云中的代价；k
c
表示将虚拟网络请求以容器的形式放置于第三方云中的代价。3.根据权利要求1所述的边云协同系统中基于学习优化方法的虚拟网络功能放置决策方法，其特征在于，在步骤S2中包括：方法，其特征在于，在步骤S2中包括：方法，其特征在于，在步骤S2中包括：方法，其特征在于，在步骤S2中包括：方法，其特征在于，在步骤S2中包括：方法，其特征在于，在步骤S2中包括：其中，Min()取最小值；H
e
表示边缘云服务节点集合；F
e
表示虚拟网络请求的计算成本；T
e
表示虚拟网络请求的时延代价；表示在边缘云中时延代价所占权重；f
x1
表示决策变量；H
C
表示第三方云服务节点集合；F
C
表示虚...

【专利技术属性】
技术研发人员：陈卓，卫佩宏，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：