一种边缘计算服务的智能自适应编排方法技术

一种边缘计算服务的智能自适应编排方法属于边缘服务编排领域，是一种利用移动边缘技术、深度强化学习算法等实现移动边缘计算中边缘服务自适应联合编排的方法。该方法能实现对于某移动边缘场景下各边缘服务器中的服务单元编排，并针对不同的目标群体进一步优化编排策略以最大化群体的利益和服务质量。策略以最大化群体的利益和服务质量。策略以最大化群体的利益和服务质量。

【技术实现步骤摘要】
一种边缘计算服务的智能自适应编排方法


[0001]本专利技术属于边缘服务编排领域。是一种利用移动边缘技术、深度强化学习算法等实现移动边缘计算中边缘服务自适应联合编排的方法。该方法能实现对于某移动边缘场景下各边缘服务器中的服务单元编排，并针对不同的目标群体进一步优化编排策略以最大化群体的利益和服务质量。

技术介绍

[0002]随着物联网(Internet of Things，IoT)的快速发展，数以亿计的移动设备(如智能手机、可穿戴设备、传感器等)连接到互联网上，产生了网络边缘用户的社交媒体内容、移动支付统计数据、地理位置信息等前所未有的海量数据。这引发了各种移动人工智能(Artificial Intelligence，AI)应用的扩散，如增强现实、自动驾驶和智能个人助理，以释放移动大数据的全部潜力。尽管如此，人工智能应用的训练和推理的计算密集型需求远远超过了移动设备的计算能力。
[0003]边缘智能(Edge Intelligence，EI)是移动边缘计算(Mobile Edge Computing，MEC)和AI技术的融合，近年来已成为支持网络边缘计算密集型AI应用的一种有前景的范式。具体来说，配备在蜂窝基站和无线接入点中的边缘服务器可以提供类似云计算的计算能力，极大地补充资源有限的移动设备的有限容量。由于边缘服务器靠近移动设备和数据源，与传统的移动云计算相比，MEC避免了大数据在回程网络中移动，具有更低的延迟和更好的隐私保护。通过MEC服务器,EI可以为用户设备提供服务，提高边缘系统的实用性。
[0004]服务是由边缘服务器托管并由边缘用户请求的应用程序的抽象，是边缘系统中用户设备执行计算任务所需要的CPU资源、内存资源、硬盘资源和网络资源。包括增强现实、虚拟现实、人脸识别、联网汽车等。服务编排是指平台的配置，并将业务关联的数据库存储在边缘服务器上。与拥有大量不同资源的云不同，边缘服务器只有有限的计算和存储资源来编排少量的服务。不同种类的服务消耗不同数量的资源，导致服务编排成本不同，这给解决服务编排问题带来了挑战。边缘服务器的覆盖范围有限，用户移动性不稳定，用户在持续服务过程中可能会漫游不同边缘服务器所服务的无线区域，这些都是新的挑战。因此服务的编排决策对于移动边缘计算下多用户设备多边缘服务器的服务提供和资源支持有着很重要的意义。其中边缘系统的平均延迟、边缘系统中的代价以可作为服务编排策略的评价指标。
[0005]目前，已有一些边缘服务编排方法和工作用于移动边缘计算。有学者基于对用户移动性未来准确信息的假设进行服务编排，利用基于迁移的预测方案在执行代价和传输延迟之间进行权衡。也有人通过预测数据传输、处理和业务迁移的未来成本来编排服务。有的利用马尔可夫链分析用户移动性存在时的性能，试图通过将业务迁移过程建模为马尔可夫决策过程来设计一个最优阈值决策策略。然而，这些工作主要集中在系统范围内的服务编排管理优化，其中调度程序知道完整的系统信息，在应对未来信息和服务器端不确定性存在很大的不足。因此，总结上述已有边缘服务编排方法在以下几方面还存在不足：
[0006]1)在应对未来用户设备的服务请求和移动性等不确定信息方面还存在支持不够的情况；
[0007]2)服务器端的服务编排是具有动态性的，现有的方法大多只考虑了静态编排，对于不同时段的实时动态服务编排考虑不够充分。

技术实现思路

[0008]为了更加合理地进行MEC服务器端的自适应服务编排，结合场景下用户设备请求边缘服务的动态性分析，本专利技术提出了一种在本地、多个MEC服务器端和云服务器端进行自适应联合服务编排的方法。结合用户设备的请求，综合考虑设备本身可提供的服务和MEC服务器端以及云服务器端可提供的服务，同时考虑服务编排的成本、服务使用的成本和MEC服务器的切换成本，然后在MEC服务器端进行不同种类和数量边缘服务的编排决策，针对不同的目标群体得到不同的编排方案，从而最大化群体利益和边缘系统效用。本专利技术的边缘架构图如图1所示。其中，各用户设备和MEC服务器的最大服务时间取决于设备和服务器的相对运动。因为我们必须考虑用户设备的位置变化，确保用户设备和MEC服务器始终在彼此的通信范围内。主要内容如下：
[0009]1)边缘系统中的模型和设定
[0010]首先介绍MEC环境设定和系统架构概述。然后介绍服务请求和编排模型。最后，详细讨论边缘系统的时延和代价。
[0011]a)MEC环境
[0012]我们假设环境中的每个基站都将配备一个MEC服务器。MEC服务器通过城域网互联，城域网是目前互联网络的基础设施。MEC服务器为用户设备提供服务，MEC服务器中的服务由电信运营商等服务提供商编排。我们以应用环境地面的下边界和左边界作为X和Y轴定义一个坐标轴，单位为米。因此场景中的每个节点(包括用户设备，MEC服务器等)在MEC环境中有一个特定的实时位置被表示为L＝{l1,l2,...,l
num
}。其中l
i
＝(x
i
,y
i
)，num表示节点的数量，x
i
和y
i
分别表示节点i的横坐标和纵坐标，x
j
和y
j
分别表示节点j的横坐标和纵坐标。不同节点之间的距离可以用以下公式计算得到。
[0013][0014]其中，其中R
e
＝6471.009千米表示地球的平均半径，F
hav
代表Haversine函数并且表示为F
hav
(α)＝sin2(α/2)。
[0015]b)系统结构概述
[0016]如图1所示，用户设备需要请求服务来执行其任务，服务可以由本地、MEC服务器和云端服务器提供，即服务可以编排在本地、MEC服务器或者云端服务器。配备有MEC服务器的基站的覆盖范围是500m。当服务由MEC服务器提供时，当用户设备移动到另一个区域，即不再直接连接到之前的基站时，它可以从当前区域的MEC服务器接收到原MEC服务器返回的服务结果。此外，当所请求的服务未编排在直接连接的MEC服务器上时，MEC向附近具有所需服务的MEC服务器发出服务请求。在本专利技术中，用户常用的应用服务有即时通信、信息获取、电子商务、游戏娱乐和效率工具。即时通信主要包括实时的音视频通话、文字交流等。信息获取主要包括新闻浏览、收发邮件、信息查询、导航和文件传输等。电子商务主要包括实时的网络购物和线上交易等。游戏娱乐主要包括实时的网络游戏以及音视频的在线播放等。效
率工具主要包括在线的文件编辑和视频图像处理等。图中不同的小方块表示不同类型的应用服务。例如在图1中为某个时段在基站bs1覆盖范围内有用户设备请求效率工具服务s1，基站bs3覆盖范围内有用户设备请求信息获取服务s2，基站bs2覆盖范围内有用户设备请求即时通信服务s3。基站bs1覆盖范围内的用户请求服务s1，由于直连的服务器e1上没有放置服务s1，所以服务器e1向临近的服务器e2请求服务s2。因此基站bs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的智能自适应编排方法，其特征在于：1)边缘系统中的模型和设定首先介绍MEC环境设定和系统架构概述；然后介绍服务请求和编排模型；最后，详细讨论边缘系统的时延和代价；a)MEC环境假设环境中的每个基站都将配备一个MEC服务器；MEC服务器通过城域网互联，城域网是目前互联网络的基础设施；MEC服务器为用户设备提供服务，MEC服务器中的服务由电信运营商等服务提供商编排；以应用环境地面的下边界和左边界作为X和Y轴定义一个坐标轴，单位为米；因此场景中的每个节点在MEC环境中有一个特定的实时位置被表示为L＝{l1,l2,...,l
num
}；节点包括用户设备和MEC服务器；其中l
i
＝(x
i
,y
i
)，num表示节点的数量，x
i
和y
i
分别表示节点i的横坐标和纵坐标，x
j
和y
j
分别表示节点j的横坐标和纵坐标；不同节点之间的距离可以用以下公式计算得到；其中，其中R
e
＝6471.009千米表示地球的平均半径，F
hav
代表Haversine函数并且表示为F
hav
(α)＝sin2(α/2)；b)系统结构概述用户设备需要请求服务来执行其任务，服务可以由本地、MEC服务器和云端服务器提供，即服务可以编排在本地、MEC服务器或者云端服务器；配备有MEC服务器的基站的覆盖范围是500m；当服务由MEC服务器提供时，当用户设备移动到另一个区域，即不再直接连接到之前的基站时，它可以从当前区域的MEC服务器接收到原MEC服务器返回的服务结果；此外，当所请求的服务未编排在直接连接的MEC服务器上时，MEC向附近具有所需服务的MEC服务器发出服务请求；用户常用的应用服务有即时通信、信息获取、电子商务、游戏娱乐和效率工具；效率工具主要包括在线的文件编辑和视频图像处理；某个时段在基站bs1覆盖范围内有用户设备请求效率工具服务s1，基站bs3覆盖范围内有用户设备请求信息获取服务s2，基站bs2覆盖范围内有用户设备请求即时通信服务s3；基站bs1覆盖范围内的用户请求服务s1，由于直连的服务器e1上没有放置服务s1，所以服务器e1向临近的服务器e2请求服务s2；因此基站bs1范围内用户请求的服务s1由服务器e2提供；基站bs3覆盖范围内的用户请求服务s2，由于直连的服务器e5上没有放置服务s2，所以服务器e5向临近的服务器e4请求服务s2；因此基站bs3范围内用户请求的服务s2由服务器e4提供；基站bs2覆盖范围内的用户请求服务s3，由于直连的服务器e3上放置了所需的服务s3，因此基站bs2范围内用户请求的服务s3由直连服务器e3提供；假设连续的服务编排决策是在一个时间间隙中做出的，并且其时间线被离散化为时隙并且t∈T＝{0,1,2,...,T}，T的大小可以设为24小时，时隙t的大小设为30分钟；在每个时隙t的开始，移动用户设备确定一个计算节点来运行它的任务；在时隙t内，用户始终停留在最初的服务范围内，网络环境保持不变；c)服务请求和编排模型为了保持令人满意的体验质量QoE，服务应该在多个MEC服务器之间动态编排和迁移，
以适应用户行为；计算节点包括用户设备本身、边缘服务器和远程云服务器可以提供用户设备所需的服务；边缘服务器记为E＝{e1,e2,e3,...,e
M
}；M为边缘服务器的数量由编排方法的布置者根据场景下实际的边缘服务器数量进行设定；用户设备集合表示为U＝{u1,u2,u3,...,u
N
}，N为场景下接入边缘网络的用户设备数量；服务类型集合表示为SE；用户设备u
i
∈U需要服务se∈SE并且se由设备本身、边缘服务器e∈E或云服务器提供；服务请求模型定义为一个4元组向量sr＝(u,loc,t,se)；loc是用户设备在时隙t的位置；同时，二进制向量表示在时隙t服务编排的动态决策；如果变量为1，则表示用户设备u需要的服务由边缘服务器节点i直接处理，代表服务由远程云服务器提供，则代表服务由用户设备本身提供；为了便于表示，SN表示所有提供服务的节点，其中SN＝E∪{r,l}，r表示远程云服务器，l表示用户设备本身；假设每个用户设备在时隙t由一个且只有一个计算节点为其服务；因此，服务布局决策的约束条件为：对于所有t和u，对于所有i、t和u，d)边缘系统的延迟在边缘系统中，尤其是在移动边缘计算场景中，延迟通常由通信延迟和计算延迟共同决定；通信延迟：通信延迟是指传输延迟，包括从用户设备到边缘服务器即MEC服务器或MEC服务器之间传输文件和信息；通信的信道模型基于正交频分复用(OFDM)；对于从用户设备到边缘服务器的通信，每个边缘服务器可以将带宽平均分成相等的大小，从而提供多台设备的同时服务；如果服务不是由直接连接到用户设备的边缘服务器提供的，则应考虑服务器之间的传输延迟；一种是MEC服务器之间的延迟，另一种是用户设备和MEC服务器之间的延迟；否则，如果服务是由用户设备本身提供的，假设没有传输延迟；传输延迟用表示；计算延迟：有三种方式来执行任务，任务在本地执行，任务在MEC服务器上执行，任务在云服务器上执行；将不同节点的计算能力设置为非同质的；计算延迟用表示；e)边缘系统的代价不同的服务编排决策会导致给定时间段内不同的服务编排、边缘服务器使用和切换成本；服务编排成本、边缘服务器使用成本和切换成本分别定义如下；服务编排成本：此成本包括使用边缘服务器上的存储空间的网络基础设施或服务提供商软硬件消耗的货币成本；时隙t服务编排成本表示为SPC
t
；边缘服务器使用成本：当服务由MEC服务器提供时，使用边缘服务器的成...

【专利技术属性】
技术研发人员：霍如，杜磊，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：