【技术实现步骤摘要】
本申请涉及网络部署，具体而言，涉及一种基于任务优先级的o-ran边缘服务器资源部署方法。
技术介绍
1、在网络部署领域中，伴随着软硬件高度耦合、设备依赖性强及部署和维护成本高等问题的解决需求的产生，开放型无线接入网(open radio access network,o-ran)依靠其独特的虚拟化功能及网络切片技术为移动运营商提供了一种良好的分布式网络架构和服务方案，但是存在移动网络中的数据量过载及传输延迟等问题。
2、目前，主要通过在o-ran中引入移动边缘计算(mobile edge computing，mec)即进行边缘服务器的部署，来使得用户在网络边缘实现低时延、高性能的数据计算与任务卸载，进一步解决的数据量过载及传输延迟等问题。
3、但是，由于成本约束、设备异构及网络兼容等问题，使得o-ran架构与mec的融合过程中面临o-ran架构下异构边缘服务器资源部署问题，部署成本较高，难以为用户提供超低时延和高可靠的计算服务。
技术实现思路
1、有鉴于此，本申请的目的在于提供一种基于任务优先级的o-ran边缘服务器资源部署方法、装置、电子设备及存储介质，通过在目标异构网络模型中基于图论的资源部署算法根据分类结果获取边缘服务器资源部署的资源大小和最佳位置，并基于此对边缘服务器资源进行部署，解决了开放型无线接入网架构下异构边缘服务器资源部署问题，降低了边缘服务器的部署成本，可以为用户提供超低时延和高可靠的计算服务。
2、第一方面，本申请实施例提供了
3、获取融合开放型无线接入网架构和移动边缘计算架构的目标异构网络模型；
4、在所述目标异构网络模型中，根据基于图论的资源部署算法获取边缘服务器资源部署的资源大小和最佳位置；
5、在所述目标异构网络模型中，基于支持向量机的分类模型根据任务优先级对预设数据集进行分类，得到分类结果；
6、根据所述分类结果、所述资源大小和所述最佳位置对所述边缘服务器资源进行部署，为用户提供计算服务。
7、在一种可能的实施方式中，通过如下方式构建所述目标异构网络模型：
8、基于开放型无线接入网架构在开放式集中单元中部署集中式边缘服务器，并由所述集中式边缘服务器构成边缘集中层；
9、在开放式分布单元中部署分布式边缘服务器，并由所述分布式边缘服务器构成边缘分布层；
10、根据预先配置的云层和用户层以及所述边缘分布层和所述边缘集中层，按照预设的层级顺序，构建所述目标异构网络模型；其中，预设的层级顺序依次为云层、边缘集中层、边缘分布层和用户层。
11、在一种可能的实施方式中，所述支持向量机的分类模型通过以下步骤训练得到：
12、获取待训练的支持向量机的分类模型和训练数据集；其中，所述训练数据集中包括多个样本；
13、针对所述训练数据集中的每一个样本，获取所述样本到超平面的距离，并判断所述距离是否小于分布式边缘服务器的分类阈值上限，若是，则将所述样本分配至所述边缘分布层的所述开放式分布单元上进行处理；
14、若否，则判断所述距离是否小于集中式边缘服务器的分类阈值上限，若是，则将所述样本分配至所述边缘集中层的所述开放式集中单元上进行处理；若否，则将所述样本分配至所述云层进行处理；
15、响应于所有样本均被分配至对应层进行处理，则根据所有样本的分类结果更新所述支持向量机的分类模型的初始参数，并以此迭代，直到所述训练数据集中的所述样本都被正确分类或者达到预设的最大迭代次数为止，得到最终的支持向量机的分类模型。
16、在一种可能的实施方式中，所述根据基于图论的资源部署算法获取边缘服务器资源部署的资源大小，包括：
17、基于基站的位置信息和所述用户层发送的任务的信息，获取对应的最佳特征矩阵；
18、针对所述最佳特征矩阵计算初始部署数量，并基于所述初始部署数量确定初始聚类数量；
19、在所述最佳特征矩阵中随机选择数量与所述初始部署数量相同的点作为聚类中心，并计算每个点到每个所述聚类中心的距离，且将距离最近的点分配给相应的聚类中心；
20、判断每个类的总任务量是否超过集中式边缘服务器的计算上限；若是，则将当前聚类数量加一，并重新聚类，直至每个类的总任务量均不超过集中式边缘服务器的计算上限为止，得到最终聚类数量，且将所述最终聚类数量作为边缘服务器资源部署的资源大小。
21、在一种可能的实施方式中，在所述将所述最终聚类数量作为边缘服务器资源部署的资源大小之后，所述基于任务优先级的o-ran边缘服务器资源部署方法还包括：
22、判断每个类的总任务量是否超过分布式边缘服务器的计算上限；
23、若否，则将分布式边缘服务器的部署数量加一；若是，则将集中式边缘服务器的部署数量加一。
24、在一种可能的实施方式中，所述根据基于图论的资源部署算法获取边缘服务器资源部署的最佳位置，包括：
25、将所述边缘服务器资源部署的资源大小作为聚类数量，并将每个聚类中心对应的点作为初始聚类中心节点；
26、将所有的点分配至距离其最近的聚类中心节点，并计算每个聚类中心的能效比值；
27、随机产生两个候选聚类中心节点并增加到当前聚类中心节点中，并重新计算每个聚类中心节点的能效比值，以及选取能效比值最高的聚类中心节点作为新的聚类中心节点；
28、去除能效比值最低的两个聚类中心节点，并进行迭代，直到达到预设的迭代循环次数或者连续三次所选的聚类中心节点为同一位置时停止，得到最终聚类中心节点，并将该最终聚类中心节点作为边缘服务器资源部署的最佳位置。
29、在一种可能的实施方式中，所述预设数据集至少包括一个任务，所述根据所述分类结果、所述资源大小和所述最佳位置对所述边缘服务器资源进行部署，包括：
30、根据所述资源大小和所述最佳位置部署所述边缘服务器；
31、获取三种类型的控制环路；其中，所述三种类型的控制环路包括非实时控制环路、近实时控制环路和实时控制环路。
32、根据所述分类结果基于所述三种类型的控制环路将所述任务传输至所述分布式边缘服务器或者所述集中式边缘服务器以实现边缘服务器资源部署。
33、第二方面，本申请实施例还提供了一种基于任务优先级的o-ran边缘服务器资源部署装置，所述装置包括：
34、第一获取模块，用于获取融合开放型无线接入网架构和移动边缘计算架构的目标异构网络模型；
35、第二获取模块，用于在所述目标异构网络模型中，根据基于图论的资源部署算法获取边缘服务器资源部署的资源大小和最佳位置；
36、分类模块，用于在所述目标异构网络模型中，基于支持向量机的分类模型根据任务优先级对预设数据集进行分类，得到分类结果；
37、部署模块，用本文档来自技高网...
【技术保护点】
1.基于任务优先级的O-RAN边缘服务器资源部署方法，其特征在于，所述方法包括：
2.根据权利要求1所述的部署方法，其特征在于，通过如下方式构建所述目标异构网络模型：
3.根据权利要求2所述的部署方法，其特征在于，所述支持向量机的分类模型通过以下步骤训练得到：
4.根据权利要求2所述的部署方法，其特征在于，所述根据基于图论的资源部署算法获取边缘服务器资源部署的资源大小，包括：
5.根据权利要求4所述的部署方法，其特征在于，在所述将所述最终聚类数量作为边缘服务器资源部署的资源大小之后，所述方法还包括：
6.根据权利要求4所述的部署方法，其特征在于，所述根据基于图论的资源部署算法获取边缘服务器资源部署的最佳位置，包括：
7.根据权利要求6所述的部署方法，其特征在于，所述预设数据集至少包括一个任务，所述根据所述分类结果、所述资源大小和所述最佳位置对所述边缘服务器资源进行部署，包括：
8.基于任务优先级的O-RAN边缘服务器资源部署装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任意一项所述的基于任务优先级的O-RAN边缘服务器资源部署方法的步骤。
...【技术特征摘要】
1.基于任务优先级的o-ran边缘服务器资源部署方法，其特征在于，所述方法包括：
2.根据权利要求1所述的部署方法，其特征在于，通过如下方式构建所述目标异构网络模型：
3.根据权利要求2所述的部署方法，其特征在于，所述支持向量机的分类模型通过以下步骤训练得到：
4.根据权利要求2所述的部署方法，其特征在于，所述根据基于图论的资源部署算法获取边缘服务器资源部署的资源大小，包括：
5.根据权利要求4所述的部署方法，其特征在于，在所述将所述最终聚类数量作为边缘服务器资源部署的资源大小之后，所述方法还包括：
6.根据权利要求4所述的部署方法，其特征在于，所述根据基于图论的资源部署算法获取边缘服务器资源部署的最佳位置，包括：
7.根据权利要求6所述的部署方法，其特...
【专利技术属性】
技术研发人员：赵晓焱，薛永辉，袁培燕，张俊娜，王亚丽，王梦含，任永攀，王彪，
申请(专利权)人：河南师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。