System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及服务供应和资源分配,特别是涉及本地边缘云协作的多类型服务供应与资源分配方法及系统。
技术介绍
1、云边端协同凭借其多元化算力优势成为一种极具应用前景的分布式架构技术。当前本地边缘云计算中最重要的话题讨论之一是服务供应,它可以被广泛应用于智慧医疗、智慧城市、智能家居、智能交通、物联网、虚拟现实等领域。
2、越来越难以忽视的是,与单一的计算模式(边缘计算或云计算)相比,在供应服务方面,在本地边缘云计算模式的协作下的计算模式的时延和能耗还没有得到很好的探索。本地边缘云计算模式的这种多元算力优势使得它成为一个能有效减缓云计算或边缘计算中能源需求迅速增长,同时还能满足计算资源需求不断增长,并加快服务供应进程的方法。此外,目前的许多工作都没有关注到服务的类型,但在实际应用领域,服务的类型、要求是多样的,这对计算资源的分配是具有重要影响的。单一的服务类型下的计算卸载问题已然是能得到了很好的解决。但多类型服务的计算卸载问题还需要更多的关注。智慧医疗就是一个很好的例子,尤其是对于多类型服务,利用本地边缘云计算模式,实现本地医疗设备、附近边缘服务器和远程云中心之间的高效互联和信息共享。在计算、存储、网络、数据等多种资源的协同下,根据用户需求,改进对高质量计算结果实时回传有强烈需求的医疗场景。例如,某些服务,对患者身体状况进行监测,需要及时反馈异常情况,由于这些服务具有隐私保护和对延迟敏感的要求,应优先通过本地设备进行供应;对于病人的检查数据进行分析的服务则对计算机算力有更高的要求,可以选择附近可用的边缘服务器或云进行提供。
3、因此,需要提出本地边缘云协作的多类型服务供应与资源分配方法及系统,通过快速资源分配策略,激励本地设备、附近边缘服务器和远程云中心能够很好地相互配合,在考虑时延、资源和能耗的情况下优化多类型服务供应性能。
技术实现思路
1、本专利技术的目的是提供了本地边缘云协作的多类型服务供应与资源分配方法及系统,通过快速资源分配策略,激励本地设备、附近边缘服务器和远程云中心能够很好地相互配合,在考虑时延、资源和能耗的情况下优化多类型服务供应性能。
2、为实现上述目的,本专利技术提供了如下方案:
3、本地边缘云协作的多类型服务供应与资源分配方法,包括:
4、构建面向本地边缘云服务供应的分布式系统模型,根据所述分布式系统模型对待服务目标进行感知和驱动,获取多类型服务部署方案;
5、构建alopex-de优化模型,基于所述alopex-de优化模型对所述多类型服务部署方案进行迭代优化,获取最佳服务部署方案。
6、可选地,构建所述面向本地边缘云服务供应的分布式系统模型包括:底层、中间层和顶层,其中,所述底层包括本地设备、所述中间层设置为边缘服务器,所述顶层为云服务器;
7、其中,服务包括:服务内存大小、计算固定存储数值下的数据所需的cpu执行周期、最大延迟和服务类型;
8、所述服务类型包括:计算密集型、延迟敏感型和隐私要求型。
9、可选地,获取所述多类型服务部署方案的方法为:
10、
11、其中,xi为多类型服务部署方案,xk,c取值为1或0,表示将服务sk分配给边缘服务器ld lm,表示将服务sk分配给es en,xk,c=1表示服务sk被分配给云。
12、可选地,获取所述最佳服务部署方案包括:
13、步骤1.初始化种群:
14、其中,均为迭代计数器下的种群,s1为多类型服务部署方案种群、s2为变异算子和交叉算子的协进化种群,g为迭代计数器,np为种群规模,f为差分进化算法的变异算子;cr为差分进化算法的交叉算子,x为多类型服务部署方案;
15、步骤2.目标函数表征:计算迭代计数器下的服务的目标函数值为:
16、
17、其中,k为总的服务个数,k为第k个服务,η1和η2分别为与选定完成服务的节点的时延和能量参数的显著影响相关的权重因子,tk为第k个服务的整个执行完成的时延,ek为第k个服务整个执行完成所消耗的能量;
18、步骤3.种群变异:
19、其中,i为第i个个体,r1,r2为随机取得的不为i的个体,为个体i对应的变异算子,为变异后得到的新个体;
20、步骤4.种群交叉:
21、其中,为个体i对应的交叉算子;为交叉后得到的新个体;j为第j个设备,为第i个服务是否在第j个设备上执行;
22、步骤5.种群选择:
23、其中,为交叉后得到的新个体,为选出的下一代父种群,为当前父种群;
24、步骤6.基于alopex策略的参数自适应:
25、
26、
27、
28、
29、
30、
31、
32、
33、
34、如果或则或如果或则或k1、k2为随机选择的个体;
35、步骤7.基于alopex策略的种群协同进化:
36、
37、
38、
39、
40、
41、其中,为使用alopex策略后得到的下一代父种群中的个体;
42、步骤8.选择全局最优个体:
43、其中,x*为全局最优个体;
44、步骤9.若未完成最大迭代次数则重复执行步骤3-5,直至完成最大迭代次数;
45、步骤10.获取所述最佳服务部署方案。
46、可选地,获取所述第k个服务的整个执行完成的时延tk的方法为:
47、
48、其中,tk为第k个服务整个执行完成的时延,为服务留在ld上执行的时延,xk,m为第k个服务sk部署在ld lm上,为第m个ld到第n个es的第k个服务所需的传输时间,为第k个服务发送到第n个es上执行计算,为第m个ld从第n个es接收结果所需的时间,为ld-cloud传输时间,为第k个服务发送到cloud上执行计算,xk,c为第k个服务sk部署在cloud c上,xk,n为第k个服务sk部署在es en上,为第m个ld从云接收结果所需的时间。
49、可选地,获取服务留在ld上执行的时延的方法为:
50、
51、其中,dk为第k个服务的大小;uk为服务计算所需的cpu执行周期;τm为第m个ld的处理能力;fm为第m个ld的cpu频率;
52、获取从第m个ld到第n个es的第k个服务所需的传输时间的方法为;
53、
54、
55、其中,dk为第k个服务的大小bits;为计算第m个ld与第n个es之间的传输速率,为第m个ld到第n个es的传输功率;h(pm,n)为本文档来自技高网...
【技术保护点】
1.本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,包括:
2.根据权利要求1所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,构建所述面向本地边缘云服务供应的分布式系统模型包括:底层、中间层和顶层,其中,所述底层包括本地设备、所述中间层设置为边缘服务器,所述顶层为云服务器;
3.根据权利要求1所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,获取所述多类型服务部署方案的方法为:
4.根据权利要求1所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,获取所述最佳服务部署方案包括:
5.根据权利要求4所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,获取所述第k个服务的整个执行完成的时延Tk的方法为:
6.根据权利要求5所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,获取服务留在LD上执行的时延的方法为:
7.根据权利要求4所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,获取第k个服务整个执行完成所消耗的能量Ek的方
8.根据权利要求7所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,获取在第m个LD上计算第k个服务所消耗的能耗的方法为:
9.本地边缘云协作的多类型服务供应与资源分配系统,其特征在于,包括:
...【技术特征摘要】
1.本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,包括:
2.根据权利要求1所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,构建所述面向本地边缘云服务供应的分布式系统模型包括:底层、中间层和顶层,其中,所述底层包括本地设备、所述中间层设置为边缘服务器,所述顶层为云服务器;
3.根据权利要求1所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,获取所述多类型服务部署方案的方法为:
4.根据权利要求1所述的本地边缘云协作的多类型服务供应与资源分配方法,其特征在于,获取所述最佳服务部署方案包括:
5.根据权利要求4所述的本地边缘...
【专利技术属性】
技术研发人员:陈益杉,叶淑梅,吴剑青,李伟,
申请(专利权)人:江西理工大学,
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。