一种基于移动边缘计算的资源分配及基站服务部署方法与流程

本发明涉及移动计算技术领域，涉及一种基于移动边缘计算的资源分配及基站服务部署方法，尤其涉及在时延和能耗联合优化条件下一种基于mec的多移动终端与单个智能基站间资源分配的方法及基站服务部署。

背景技术：

近几年来，移动互联网和物联网发展迅速，智能手机的使用越来越普遍、功能逐步加强，其功能也已经不仅仅局限于通信领域，而是成为人们移动娱乐、办公、阅读、计算的强大载体，因此，第三方提供的各种依赖于终端的高复杂程序，开始大量运用于移动计算中。然而，由于这类新型业务是典型的高复杂度、高消耗的应用，给智能设备的能量资源和计算资源带来了极大挑战，同时也对网络带宽和业务响应提出了更高的需求。

面对以上挑战，云计算被认为是解决资源限制的最有前景的方法。服务提供商把特定服务部署在云中，移动终端发送计算任务给服务，服务完成运算后将结果发回给终端，并将必要数据在云端存储，以此来辅助处理移动终端无法处理或无法存储的数据，缓解移动终端的计算压力，延长设备的电池使用时间。然而，云计算却有一个很明显也尤为重要的缺点，核心网距离终端用户较远，用户消息需要经过若干跳才能够到达，这就不可避免地造成了较大的延时，而较大的延时会影响用户的体验，同时会极大增加中心网络负荷。

为了改善云计算的时延限制，提出了移动边缘计算(mobileedgecomputation,mec)的概念，mec将移动接入网与互联网业务融合，使无线接入网具有低时延、高带宽的传输能力；通过mec服务器将计算下沉到移动边缘节点，可有效降低网络负荷以及对网络回传带宽的需求，降低了业务响应时延。当服务实体位于智能基站时，可忽略有线域错综复杂的网络节点，基站与终端间的数据交互只需通过上行和下行的无线传输即可完成。因此，智能基站可实现快速、灵敏的“端——基站”交互，能够大大提高时延敏感类业务的用户体验质量。

在实现本发明的过程中，本发明人发现现有技术中存在以下问题：现有技术中，可以按任务类型划分移动边缘计算应用，并把移动边缘计算应用部署在智能基站上，接入智能基站的移动终端只能使用该基站上部署的类型的移动边缘计算应用，如果某类型的移动边缘计算应用在该基站中未部署，则终端无法使用这些类型的移动边缘计算应用，因此，终端使用的移动边缘计算应用会受到基站自身部署的移动边缘计算应用类型的限制。这造成了资源的浪费，移动边缘计算的优势也没有完全体现出来。

技术实现要素：

(一)要解决的技术问题

本发明要解决的技术问题是：提供一种资源分配的方法及基站服务部署方案，用以解决现有技术中，由于移动边缘计算应用都部署在智能基站上，移动终端可使用的移动边缘计算应用会受到智能基站自身安装的移动边缘计算应用类型的限制，以及无法协同优化计算时延和终端能耗的问题。

(二)技术方案

为解决上述技术问题，第一方面，本发明提供了一种资源分配方法，包括步骤：

步骤一：当检测到移动终端中有计算任务时，向智能基站发送计算迁移请求；

步骤二：当基站的缓存单元中缺少该请求所含任务所需的计算数据时，向网络侧发送所需任务数据需求；

步骤三：收到网络侧返回的所需任务数据；

步骤四：根据接收到的所需任务数据，计算传输时延和计算时延，进而得出传输能耗和计算能耗；根据所述时延收益和能耗收益获得计算迁移比例判决矩阵；

步骤五：根据计算迁移比例判决矩阵进行计算迁移；

在本发明的一些实施方式中，运行在所有m个终端的应用由f种任务组成，f＝{<c1,d1>,<c2,d2>,…,<cf,df>}，其中c,d分别代表某种任务所需的计算和数据。用x＝{x1,x2,…,xf}表示某种计算任务所需的数据在智能基站中是否缓存了，x是二元量，用0，1表示，0表示数据没有缓存，1表示缓存了。

在本发明的一些实施方式中，所述步骤二包括：判断终端所请求的应用所需数据是否在智能基站中缓存了，

若dj未缓存，则向核心网发送数据请求获取任务所需数据，带来额外时延。

用表示终端i的应用中所包含的任务所需的数据未缓存而带来的额外时延：

其中，

pij代表终端i对任务j的请求比例；

λi代表终端i的请求率，本发明认为来自于各个终端的请求是一个泊松过程；

代表存有计算数据dj的核心网与智能基站间的单位时延；

h^req和h^res分别代表请求报文和响应报文的长度；

若dj已缓存，则进行下一步骤。

在本发明的一些实施方式中，终端i的时延为：

传输时延为：

其中，

计算时延为：

其中，

yij代表终端i中任务j迁移到智能基站的比例；

t^comp_b代表智能基站的单位计算时延；

代表终端i的单位计算时延；

整体时延为

在本发明的一些实施方式中，终端i的能耗为：

发射能耗为：

其中：

为单位时间内终端i的发射功率；

计算能耗为：

其中：

为单位时间内cpu的功耗；

fi为终端的cpu频率；

整体能耗为

在本发明的一些实施方式中，所述mec服务器根据所述能耗收益和延时收益获得的计算迁移判决矩阵包括：

根据各个移动终端发送的能耗收益和延时收益，指定可行域；

根据能耗收益、延时收益和可行域，建立体验效用函数；

在本发明的一些实施方式中，所述步骤五包括：当体验效用函数f取得最大值时，根据yij判决矩阵的值决定移动终端应用中的哪些任务应该迁移及迁移任务的比例。

第二方面，本发明提供一种基站部署方案，其中基站部署方案包括：

缓存单元，用于按任务类型缓存计算所需数据，把高频任务数据进行缓存，减少对核心网数据访问；

计算单元，用于计算从移动终端迁移过来的计算任务；

获取处理单元，用于接收来自于移动终端的业务请求并确定所述业务对应的数据是否缓存，若数据已缓存则直接进入所述计算单元计算，若数据未缓存则交给所述发送单元；或者从核心网接收所需的计算任务数据；

发送单元，用于根据获取处理单元判断所述缓存单元内不包含所述业务请求中对应的数据时，向核心网发送未缓存的任务数据请求；或者向移动终端发送所述业务请求计算结果；

(三)有益效果

本发明实施例提供的一种基站服务部署方案及资源分配的方法，与现有技术中，由于移动边缘计算应用都部署在智能基站上，移动终端可使用的移动边缘计算应用会受到智能基站自身安装的移动边缘计算应用类型的限制，效果较差、部署灵活度不高，以及无法协同优化计算时延和终端能耗的问题相比，本发明实施例中，将移动边缘计算应用按任务划分并在智能基站中缓存高频任务所需数据，在智能基站接收到终端发送的任务请求后，判断任务所需数据是否在智能基站中已缓存，只需从核心网目标服务器获取未缓存的计算数据，提高了智能基站的灵活度，进而提高了业务处理效率。计算体验效用函数的最大值，获得计算迁移比例判决矩阵，不仅可以大大缩减任务的处理时间而且还可以最大限度的降低移动设备的能耗。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明提供的mec中的一种资源分配方法实现框图。

图2为本发明提供的mec中的一种资源分配方法的流程图。

图3为本发明提供的mec中的一种基站部署方案结构图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，依照本发明的一种资源分配方法的实现框图。移动终端包含三个模块，发送模块：当终端有计算任务时，向智能基站发起计算迁移请求；接收模块：接收智能基站返回的计算迁移判决矩阵；计算模块：根据判决矩阵执行本地计算任务。智能基站中部署了移动边缘计算服务器，计算能耗增益和时延增益，得出体验函数取最大值时的判决矩阵。核心网中的服务器存储了终端计算所需的数据，当智能基站中没有存储计算所需数据时，会向核心网中的服务器发请求获取数据。

如图2所示，依照本发明的一种基站部署方案结构图。基站包括四个单元：获取处理单元201，用于接收来自于移动终端的业务请求并确定所述业务对应的数据是否缓存，若数据已缓存则直接进入所述计算单元计算，若数据未缓存则交给所述发送单元；或者从核心网接收所需的计算任务数据；缓存单元202，用于按任务类型缓存计算所需数据，把高频任务数据进行缓存，减少对核心网数据访问；计算单元203，用于计算从移动终端迁移过来的计算任务；发送单元204，用于根据获取处理单元判断所述缓存单元内不包含所述业务请求中对应的数据时，向核心网发送未缓存的任务数据请求；或者向移动终端发送所述业务请求计算结果。

图3为本发明提出的mec中的一种资源分配方法的流程图。本发明提出的一种资源分配方法包括以下几个步骤：

步骤301：当检测到移动终端中有计算任务时，向智能基站发送计算迁移请求；

作为实施例，需要将运行在移动终端上的运用划分成由f＝{<c1,d1>,<c2,d2>,…,<cf,df>}个数据集组成的，对于第j组数据，dj和cj分别表示第j种计算任务所需的计算量和数据量。

步骤302：当基站的缓存单元中缺少该请求所含任务所需的计算数据时，向网络侧发送所需任务数据需求；

作为实施例，智能基站根据缓存单元中是否含有请求中所需的数据来判断是否需要向网络侧发送数据请求。用矢量x＝{x1,x2,…,xf}来表示任务数据是否缓存了，其中，xj表示智能基站是否缓存了第j种计算任务所需的数据，是一个二元量，用0，1表示，0表示数据没有缓存，1表示缓存了。

步骤303：收到网络侧返回的所需任务数据；

步骤304：根据接收到的所需任务数据，计算传输时延和计算时延，进而得出传输能耗和计算能耗；根据所述时延收益和能耗收益获得计算迁移比例判决矩阵；

作为实施例，对一个终端上运行的应用的计算迁移来说，计算时间包括传输过程中带来的时延和运行计算的时延。

在计算迁移过程中，传输时延主要存在于移动终端与智能基站间，如果计算数据未缓存，还存于与智能基站与存储了计算所需数据的服务器间。在这里，用h^req和h^res分别表示请求报文和响应报文长度，本发明认为来自于各个终端的请求是一个泊松过程，λi代表终端i的请求率；pij代表终端i对任务j的请求比例，且满足对于不同终端来说，该比例可以不同；代表存有计算数据dj的核心网中服务器与智能基站间的单位时延；h^req和h^res分别代表请求报文和响应报文的长度；对于终端i的传输时延可以表示如下：

在计算迁移过程中，计算时间包括移动终端计算时间和智能基站计算时间。智能基站使用计算迁移判决矩阵y＝(yij)m×f来管理移动终端与智能基站间的计算迁移，其中yij(1≤i≤m,1≤j≤f)代表终端i中任务j迁移到智能基站计算的比例。用μ表示智能基站的服务速率，用θi表示终端i的服务速率，根据排队论，可以得出智能基站的单位计算时延终端的单位计算时延其中yijpijλicj代表终端i中的任务j迁移到智能基站执行的请求率，(1-yij)pijλicj代表终端i中的任务j本地执行的请求率。对于终端i的计算时延可以表示如下：

对于终端i来说，总时延因此系统的总时延等于基站覆盖范围内的所有基站时延之和，可以表示为：

作为实施例，计算任务不迁移，终端的单位计算时延本地执行所需的时间：

作为实施例，对一个终端上运行的应用的计算迁移来说，计算能耗包括传输过程中带来的传输能耗和运行计算的能耗。

对于计算能耗来说，能耗是由cpu进程运行所产生的，用fi代表终端的cpu速率，单位是周期/s，表示单位时间内cpu的功耗，终端i的计算能耗可以用如下公式确定：

用表示单位时间内终端i的发射功率，终端i的发射能耗可以表示为：

对于终端i来说，总能耗因此系统的总能耗等于基站覆盖范围内的所有基站能耗之和，可以表示为：

作为实施例，计算任务不迁移，终端的单位计算时延本地执行所需的能耗：

作为实施例，所述mec服务器根据所述能耗收益δe＝eloc-e和延时收益δt＝tloc-t，根据能耗收益、延时收益和可行域，建立体验效用函数；

步骤305：根据计算迁移比例判决矩阵进行计算迁移；

作为实施例，当体验效用函数f取得最大值时，根据yij判决矩阵的值决定移动终端应用中的哪些任务应该迁移及迁移任务的比例。

综上所述，本发明提供的一种基站服务部署方案及资源分配的方法，创造性地采用了体验效用函数，通过响应时延和计算能耗的联合优化方案，充分利用了网络的基础设施和计算资源，不仅可以大大缩减任务的处理时间，还可以最大限度的降低移动设备的能耗；而且，根据用户应用的不同任务，为终端提供按任务迁移、按比例迁移的能力，使得迁移更加灵活；与此同时，在智能基站接收到终端发送的任务请求后，判断任务所需数据是否在智能基站中已缓存，只需从核心网获取未缓存的计算数据，提高了智能基站的灵活度，进而提高了业务处理效率；最后，整个所述的基于mec基站服务部署方案及资源分配的方法紧凑、易于控制，具有广泛、重大的推广意义。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。