【技术实现步骤摘要】
本专利技术属于边缘计算，具体涉及一种无线边缘网络中微服务缓存方法。
技术介绍
1、随着大量异构物联网设备接入网络，云计算在带宽限制的条件下难以应对爆炸增长的数据总量和不断发展的业务需求。边缘计算通过在靠近人、物或数据源头的网络边缘侧就近提供智能服务，弥补了云计算在面对海量数据和异构设备时的缺陷。边缘缓存是将用户设备频繁访问的资源放置在边缘侧，以获得更快的请求应答速度和更低的数据传输能耗，进而显著提高边缘计算效率并降低边缘计算成本。边缘缓存是实现云计算和边缘计算协同作用的关键技术。
2、在资源受限的边缘侧优化缓存，缓存策略通常需要同时考虑缓存替换成本和缓存放置收益等因素。微服务是应用程序拆分成的一组小型、独立部署的服务，每个服务都专注于完成一个特定的业务功能。进行边缘环境中的微服务缓存可以在边缘侧直接为用户提供功能的服务，进一步提高数据访问速度和系统性能。为了优化边缘缓存效率，一些文献通过研究微服务流行度变化、服务提供商博弈、边缘服务器负载均衡和端边协同缓存等，提出不同的缓存策略以解决微服务部署优化问题。本方法基于边缘算力网络节点的社交属性，选择关键节点进行辅助缓存并提出一种考虑微服务亲和性的自适应缓存策略。
技术实现思路
1、本专利技术的主要目的在于提出一种基于关键节点选择的微服务缓存方法，为边缘网络挑选出更优质的缓存节点并提供微服务缓存策略。
2、根据本专利技术的第一方面，提供了基于改进密度峰值聚类的缓存节点筛选方法和基于微服务亲和性的微服务缓存机制，包括
3、步骤1、边缘服务器将支持全双工d2d通信的无线边缘算力网络通信结构抽象为无向带权图，根据历史请求信息得到每个终端节点的微服务偏好，并计算边缘算力网络节点之间的偏好相似度和亲密度以获得边权值信息。
4、步骤2、计算微服务缓存的最低存储、计算资源需求，根据无向带权图计算每个终端节点的决策值。包括以下步骤：
5、1)计算得到所有微服务缓存的最低存储、计算资源需求；
6、2)根据每个终端节点的边权值计算局部密度；
7、3)对每个终端节点，首先求得终端节点及其相邻终端节点活跃度的和，并将这个和值乘以终端节点与其他任何局部密度更高的终端节点之间的最小距离，从而得到中心偏移距离；
8、4)将局部密度最高的终端节点的中心偏移距离值设置为其余终端节点中心偏移距离值中的最大值；
9、5)计算每个终端节点存储容量和计算资源的度量值，代入加权函数得到权重；
10、6)将权重与局部密度值、中心偏移距离相乘，得到每个终端节点最终的决策值。
11、步骤3、根据决策值对覆盖范围内终端节点进行社区划分。包括以下步骤：
12、1)根据场景要求设置阈值，选择决策值大于阈值的终端节点作为关键节点，为每个关键节点建立社区；
13、2)将其余未被选择为关键节点的终端节点视为普通节点，并根据关键节点的选择情况，尝试将其余普通节点加入到相邻终端节点中具有最高边权值的关键节点所在的社区；如果普通节点的相邻终端节点中没有关键节点，则它不加入任何社区，成为孤立节点，只向边缘服务器或云服务器卸载微服务请求。
14、步骤4、计算关键节点的微服务缓存偏好、缓存热度以及适配度，得到关键节点与微服务的亲和性，并根据亲和性从大到小依次将微服务缓存到关键节点上。包括以下步骤：
15、1)根据关键节点社区内所有终端节点的微服务偏好计算微服务缓存偏好，并根据关键节点的历史缓存信息计算微服务缓存热度；
16、2)对关键节点进行资源评估，根据评估结果计算得到关键节点与不同任务类型的微服务之间的适配度；
17、3)通过微服务缓存偏好、缓存热度和适配度计算关键节点与微服务之间的亲和性，根据亲和性从大到小依次将微服务缓存到关键节点。
18、步骤5、与步骤4类似，首先根据社区外孤立节点的微服务偏好计算边缘服务器的微服务缓存偏好，然后结合边缘服务器的微服务缓存热度和适配度，计算得到边缘服务器与微服务之间的亲和性，最后根据亲和性从大到小依次将微服务缓存到边缘服务器上。
19、根据本专利技术第一方面实施例所述的基于关键节点选择的微服务缓存方法，本专利技术上述技术方案中的一个技术方案至少具有如下优点或有益效果之一：
20、1.微服务缓存策略基于动态变化的无线边缘网络无向带权图，利用节点和权值信息计算出关键节点并制定缓存方案，随着边缘网络的变化，缓存方案也会同样地自适应变化，始终得到较好的缓存效率；
21、2.在确定微服务缓存优先级的缓存过程中，基于微服务特性，同时考虑了微服务的偏好、微服务的历史缓存信息以及微服务与节点的适配度，充分利用节点资源，降低系统的时延和能耗。
本文档来自技高网...【技术保护点】
1.一种基于关键节点选择的边缘算力网络微服务缓存方法，其特征在于，至少包括以下步骤：
2.根据权利要求1所述的基于关键节点选择的边缘算力网络微服务缓存方法，其特征在于：所述计算每个终端节点的中心偏移距离，在改进的密度峰值聚类中，对中心偏移距离进行活跃度补偿；边缘服务器计算终端节点与其他任何具有更高局部密度终端节点之间的最小距离，然后将得到的最小距离值与终端节点及其所有相邻终端节点的微服务请求发送泊松过程参数之和相乘，最后求得终端节点的中心偏移距离为其中di,j表示终端节点ni和终端节点nj之间的距离，λi表示终端节点ni产生微服务请求随机过程的泊松参数，也称为节点活跃度，Γ(i)是包括终端节点ni本身及其所有相邻终端节点的集合。
3.根据权利要求1所述的基于关键节点选择的边缘算力网络微服务缓存方法，其特征在于：所述计算每个终端节点的决策值，边缘服务器计算终端节点的决策值为其中ρi是局部密度，δi是中心偏移距离，为加权函数；加权函数帮助在关键节点决策时衡量终端节点是否能够胜任微服务缓存任务，θ表示控制加权参数，用于调整加权函数上升速度；终端节点的存储能力参数
4.根据权利要求1所述的基于关键节点选择的边缘算力网络微服务缓存方法，其特征在于：所述边缘服务器根据决策值选择关键节点并对终端节点进行社区划分，在没有特殊要求的场景下，以取决策值降序排名前个的终端节点作为关键节点的目标而设置阈值B，其中N为终端节点数量，为所述无向带权图中所有终端节点的平均度数，表示关键节点的社区中平均节点个数。
5.根据权利要求1所述的基于关键节点选择的边缘算力网络微服务缓存方法，其特征在于：所述计算关键节点与微服务之间的亲和性，将终端节点ni与微服务fk亲和性定义为
...【技术特征摘要】
1.一种基于关键节点选择的边缘算力网络微服务缓存方法，其特征在于，至少包括以下步骤：
2.根据权利要求1所述的基于关键节点选择的边缘算力网络微服务缓存方法，其特征在于：所述计算每个终端节点的中心偏移距离，在改进的密度峰值聚类中，对中心偏移距离进行活跃度补偿；边缘服务器计算终端节点与其他任何具有更高局部密度终端节点之间的最小距离，然后将得到的最小距离值与终端节点及其所有相邻终端节点的微服务请求发送泊松过程参数之和相乘，最后求得终端节点的中心偏移距离为其中di,j表示终端节点ni和终端节点nj之间的距离，λi表示终端节点ni产生微服务请求随机过程的泊松参数，也称为节点活跃度，γ(i)是包括终端节点ni本身及其所有相邻终端节点的集合。
3.根据权利要求1所述的基于关键节点选择的边缘算力网络微服务缓存方法，其特征在于：所述计算每个终端节点的决策值，边缘服务器计算终端节点的...
【专利技术属性】
技术研发人员：邓清勇，黎孟瑶，左清华，钟必能，李先贤，
申请(专利权)人：广西师范大学，
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。