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】
本专利技术涉及信息科学,具体为一种移动云场景下的服务部署策略。
技术介绍
1、随着移动互联网的快速发展,移动用户数据量剧增,核心链路负载面临着严峻的挑战。另外,人工智能ai技术以及物联网的快速发展,越来越多的任务对时延敏感,用户访问服务的时延已经成为评价服务优劣的指标。在传统的云计算中,服务均部署在距离用户较远的云端,势必对用户访问服务造成影响,然而随着移动边缘计算的发展,可以在距离用户较近的边缘端部署服务供用户访问,但是边缘服务器资源的有限性,导致如何在边缘端部署服务面临严峻的挑战。
2、因此,研究服务的部署策略是本专利需要解决的问题。由于动态变化的网络场景以及较大的服务数量规模,传统的算法无法求解出较好的部署策略,本专利将结合强化学习的求解思路,用于求解服务在不同边缘服务器下的部署策略。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本专利技术提供了一种移动云场景下的服务部署策略,解决了边缘服务器资源的有限性,导致如何在边缘端部署服务面临严峻挑战的问题。
3、(二)技术方案
4、为实现以上目的,本专利技术通过以下技术方案予以实现:一种移动云场景下的服务部署策略,包括以下步骤:
5、步骤一:定义所有用户访问服务造成的总链路时延成本;
6、步骤二:在边缘节点有限资源的限制条件下,最小化用户访问服务消耗的成本;
7、步骤三:运用qcsd算法获取服务部署。
8、优选的,所述
9、
10、优选的,所述最小化时延成本的目标函数如下:
11、minimize t(g,r~)
12、st
13、1.gi,j∈{0,1}i∈{1,...,n+1},j∈{1,...,k}
14、2.
15、3.
16、4.存在j使得li,j≠+∞。
17、优选的,最小化时延成本的目标函数中限制条件3保证边缘服务器部署的服务所消耗的资源不超过服务器本身所能提供的资源总和;限制条件4保证每个边缘服务器不是孤立存在。
18、优选的,所述qcsd算法的定义:
19、状态定义为当前基站的请求状态以及当前服务的部署状态矩阵g,具体可表示为:
20、s=(g,r~)。
21、优选的,所述;
22、qcsd算法的系统奖励函数定义如下:
23、
24、优选的,所述qcsd算法的动作:
25、
26、优选的,其中wi,j i,j∈{1,...,k}取值为0以及1的变量,wi,j=1表示第i个服务与第j个服务在满足所部署节点有足够空闲资源的前提下能够相互调整部署的位置;反之则不调整。
27、优选的,在定义好qcsd算法之后,进一步定义q表的更新公式:
28、q(s,a)=(1-α)*q(s,a)+α*(tr+λ*maxq[s',a']);
29、其中α∈(0,1),λ∈(0,1)分别是学习率和衰减度,tr表示在状态s下执行动作a得到的系统奖励,即
30、优选的,所述qcsd服务部署策略的算法步骤如下:
31、步骤一:随机初始化q表,初始化矩阵l,r~,d,it=0,迭代总次数episodes;
32、步骤二:在初始化服务部署状态矩阵g时,按照贪婪策略优先部署用户请求量的服务,对于边缘服务器没有足够资源部署的服务可以将其部署到距离用户较远的云端;
33、步骤三:对于任意的两个服务,计算si与sj,交换前造成的系统成本ti,j,计算服务si与服务sj交换后的造成的系统成本tj,i;按照ε-greedy策略选择动作,即以一定的概率ε选择差值ti,j-tj,i最大的两个服务进行交换,1-ε的概率使用轮盘赌策略挑选两个服务进行交换;在轮盘赌策略中,服务,被选择交换的概率为:
34、
35、步骤四:根据步骤三执行服务的调整,此时会更新系统状态为新的系统状态,并获得服务调整后的即时奖励tr;
36、根据如下更新公式更新q表中的值:
37、q(s,a)←(1-α)*q(s,a)+α*(tr+λ*maxq[s',a']);
38、步骤五:重复步骤三和四直到交换任意两个服务的差值均小于0停止,即到达终止状态,表示这个训练周期结束,更新it←it+1;
39、步骤六:若it小于episodes,转到步骤二执行,否则算法结束。
40、本专利技术公开了一种移动云场景下的服务部署策略,其具备的有益效果如下:
41、1、该移动云场景下的服务部署策略,本专利基于三层架构的网络架构,并在此基础讨论服务部署方案,并将边缘服务器部署服务问题建模成一个混合整数规划问题。为了求解该问题,本专利结合强化学习的求解思路,提出了qcsd算法获取服务部署的策略。
42、2、该移动云场景下的服务部署策略,相对于传统的启发式智能优化算法,结合强化固有的自我学习能力,使得本专利的服务策略能够动态适应复杂问题的规模变化,再经过反复的训练能够获得更有效的服务部署策略。
本文档来自技高网...【技术保护点】
1.一种移动云场景下的服务部署策略,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,所述总链路时延成本定义如下:
3.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,所述最小化时延成本的目标函数如下:
4.根据权利要求3所述的一种移动云场景下的服务部署策略,其特征在于,最小化时延成本的目标函数中限制条件3保证边缘服务器部署的服务所消耗的资源不超过服务器本身所能提供的资源总和;限制条件4保证每个边缘服务器不是孤立存在。
5.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,所述QCSD算法的定义:
6.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,所述;
7.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,所述QCSD算法的动作:
8.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,其中wi,j i,j∈{1,...,k}取值为0以及1的变量,wi,j=1表示第i个服务与第
9.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,在定义好QCSD算法之后,进一步定义Q表的更新公式:
10.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,所述QCSD服务部署策略的算法步骤如下:
...【技术特征摘要】
1.一种移动云场景下的服务部署策略,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,所述总链路时延成本定义如下:
3.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,所述最小化时延成本的目标函数如下:
4.根据权利要求3所述的一种移动云场景下的服务部署策略,其特征在于,最小化时延成本的目标函数中限制条件3保证边缘服务器部署的服务所消耗的资源不超过服务器本身所能提供的资源总和;限制条件4保证每个边缘服务器不是孤立存在。
5.根据权利要求1所述的一种移动云场景下的服务部署策略,其特征在于,所述qcsd算法的定义:
6.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员:邓清根,李浩,李威,巩光乾,
申请(专利权)人:天翼云科技有限公司,
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。