一种基于时延度量移动边缘计算的协同服务缓存方法与流程
本发明涉及通信技术领域，具体涉及一种基于时延度量移动边缘计算的协同服务缓存方法。
背景技术：
移动应用程序数量随着智能手机和可穿戴设备等移动设备的迅速增加而显著增长。然而，对于即时在线游戏，增强现实和虚拟现实应用和图像和视频处理应用等新兴应用程序来说，通常计算需求大且对时延敏感，在用户设备上为这些应用程序提供服务通常会引入大量的计算工作负载，当用户设备使用有限资源(如计算、存储和能量)应付如此繁杂的工作负载时，这些应用程序的服务质量和用户体验可能大大降低。而随着这些应用程序的功能不断增加，使得这一问题更加严重。移动边缘计算是解决上述问题有效技术之一，它通过部署许多具有一定计算和存储能力的小型基站，为移动设备和用户提供对时延敏感、计算需求量大的应用服务。移动边缘计算中，小型基站具有一定的存储能力，可以将用户的任务请求进行临时缓存以便提供更高质量的服务。以往对于服务缓存的策略只简单考虑用户、小型基站、云计算中心的结构，对于超过小型基站计算能力的任务执行请求，将被直接转发到云计算中心处理。事实上，在许多实际场景中，移动用户和云计算中心之间通常存在不止一层的结构，且各个小型基站实际拓扑比基本层次结构更加复杂，大多数小型基站彼此之间也有连接。因此，我们分析并利用这种分层结构和小型基站之间互联关系，进一步提高服务缓存的性能，提高移动边缘计算中的服务质量。在服务缓存策略设计中，我们综合考虑了服务的流行度、任务请求的空间分布以及缓存的更新成本问题，对重复服务的缓存、争用和缓存更新问题进行建模和分析。
技术实现要素：
本发明提供了一种基于时延度量移动边缘计算的协同服务缓存方法。解决了传统移动边缘计算小型基站服务缓存策略只考虑用户、小型基站、云计算中心简单结构的不合理性问题，实现了利用实际分层结构和小型基站之间的互联关系进一步提高服务缓存性能的技术效果。
本发明通过下述技术方案实现：
一种基于时延度量移动边缘计算的协同服务缓存方法，包括以下步骤：
步骤一、移动边缘计算机系统中的小型基站接收用户发出的任务请求；
步骤二、如果移动边缘计算机系统中的该小型基站存在用户任务请求的服务缓存，则进行本地服务缓存处理；
步骤三、如果用户任务请求数量超过该小型基站的计算处理能力，则向相邻小型基站节点发送协同服务缓存请求；
步骤四、当本地服务缓存、协同服务缓存请求均不满足用户的任务请求，则由接收该任务请求的小型基站转发该任务到云计算中心处理；
步骤五、将用户的任务请求处理结果返回给用户。
优选的，所述步骤二的本地服务缓存处理过程还包括：
对于相邻小型基站间存在重复的服务缓存的情况时，小型基站基于延时度量来决策是否保留该重复的服务缓存。
优选的，所述基于延时度量来决策是否保留该重复的服务缓存具体为：
步骤2-1，计算保留该重复的服务缓存减小时延
步骤2-2，计算整合后的服务缓存减小时延
步骤2-3，比较
优选的，所述步骤二的本地服务缓存处理过程还包括：
若该小型基站的时空性质发生变化，则该小型基站将采取适应性更新的策略进行其服务缓存的更新。
优选的，所述适应性更新策略具体包括：
步骤2-1-1，计算服务缓存更新的时间成本tupd；
步骤2-1-2，下一个时段p对服务缓存更新后的额外更新时延的估计
步骤2-1-3，计算实际额外更新时延
步骤2-1-4，计算出先前估计的额外延迟的偏差率bias；
步骤2-1-5，基于上述参数tupd、
优选的，所述步骤三的协同服务缓存请求还包括：
协同服务缓存请求时存在争用问题处理，其具体过程包括：
步骤3-1，计算用户任务请求的分布npm，通过比较npm的值来决定接受哪一个协同服务缓存请求；
步骤3-2，当出现相同的npm，则根据协同缓存请求的优先级来确定哪一个协同服务缓存请求。
优选的，所述服务缓存更新的条件为：
其中，tp表示更新的时间间隔，qcloud表示讲任务请求转发到云计算中心的服务队列，λq表示服务请求队列q分布，
上述条件左边表示服务缓存更新的成本，右边表示未进行服务缓存更新的云服务的额外时间成本；即左边小于右边则进行服务缓存更新。
本发明具有如下的优点和有益效果：
本发明提供一种利用移动边缘计算系统下分层结果和小型基站之间互联关系的协同服务缓存方法，充分考虑了移动边缘计算的分层和互联结构，对移动边缘计算系统进行建模，提出基于减少服务时延为度量标准的协同服务缓存策略，利用实际分层结构和小型基站之间的互联关系进一步提高服务缓存性能；本发明提出的服务缓存方法能很好地提高缓冲利用率和降低服务时延，进一步提高了移动边缘计算的服务质量；本发明解决争用策略的部署提高了小型基站对于处理多用户任务请求的性能；本发明自适应服务缓存更新能够在尽量减少对移动边缘计算系统服务质量影响的情况下，选择合适的时机进行服务缓存更新。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
如图1所示，为了考虑移动边缘计算的分层和互联结构，本实施例提出基于减少服务时延为度量标准的协同服务缓存方法，所采取的具体技术方案如下：
主要步骤依次为：接收用户请求、本地服务缓存处理、协同缓存请求、转发云计算中心处理、返回任务处理结果。
一、所述接收用户请求步骤包括：
用户向小型基站发出任务请求，小型基站接收并进行处理。
二、所述本地服务缓存处理步骤包括：
(1)移动边缘计算系统中的小型基站存在用户任务请求的服务缓存，则可以在本地处理任务请求。
(2)对于相邻小型基站间存在重复的服务缓存的情况的策略是，在每个阶段，具有缓存大小的小型基站会向其相邻的小型基站发送查询信息。
该基站根据收集相邻小型基站重复缓存和请求分布的信息之后，小型基站通过比较不同的时延减少量来决定是否保留重复的服务缓存，其计算过程是：
首先计算保留已重复的服务缓存减少时延
n∈n，m∈m
其中dupsvc表示已重复的缓存集，m表示服务请求集，m表示不同的用户服务请求，n表示小型基站集，n表示不同的小型基站，λ表示服务请求集的分布，
接着，计算整合后的服务缓存减少时延
n∈n，m∈m，m∈m
其中cachesvc表示，m表示服务请求集，m、m′表示不同的用户服务请求，n表示小型基站集，n表示不同的小型基站，λ表示服务请求集的分布，
最后，比较
(3)若小型基站的时空性质发生变化，小型基站将采取自适应更新的策略进行服务缓存的更新，主要是小型基站通过对服务更新缓存的时间成本、额外的延迟成本、估算偏差率的计算来选择更新时机，其计算过程是：
首先，计算服务缓存更新的时间成本tupd：
其中，qupd等待更新的服务队列，sq表示缓存q的大小，srm表示缓存上已保存的服务缓存大小，cn表示小型基站n的存储能力大小，rt表示更新速率。
其次，下一个时段p对服务缓存更新后的额外更新时延的估计
其中，qf表示在服务缓存更新中更新失败的服务请求队列，λq表示服务请求队列q分布，
接着，计算实际额外更新时延
其中，qcloud表示讲任务请求转发到云计算中心的服务队列，λq表示服务请求队列q分布，
接下来，计算出先前估计的额外延迟的偏差率bias，并在更新期间用于校正估计。偏差率bias可以表示为
最后，进行服务缓存更新的条件可表示为：
其中，tp表示更新的时间间隔；上述条件中，左边表示服务缓存更新的成本，右边表示位进行服务缓存更新的云服务的额外时间成本，则如上式所述，当左边小于右边，表示可进行服务缓存更新，否则不作更新。
三、所述协同缓存请求阶段：
(1)当用户任务请求数量超过小型基站的计算处理能力，则向相邻小型基站节点发送协同缓存请求。
(2)如果多个小型基站同时向同一个被请求的小型基站发送协同缓存请求，并且被请求的小型基站对于一个服务只有有限的缓存空间，那么就会形成争用。对于协同服务缓存的争用处理主要考虑用户的任务请求分布，其计算过程是：
首先，计算用户任务请求的分布npm：
npm＝λ′m·lq＝(λm-pcn)·lq,m∈m
其中，λ′m表示超过小型基站处理能力需要进行协同服务缓存的请求数量，pcn表示小型基站的处理能力，lq表示被请求小型基站到发出请求的小型基站的链路质量。
当出现相同的npm，将考虑协同缓存请求的优先级值，优先级值越高的缓存请求，将被请求小型基站选择，其计算如下：
其中k表示被请求小型基站的请求表的大小，k表示某服务的请求次数，即请求次数越多，优先级越高，其中
四、所述转发云计算中心处理阶段：
当本地服务缓存处理、助理缓存请求阶段都无法处理用户任务需求，则由接收该任务需求的小型基站转发该任务到云计算中心处理。
五、所述返回任务处理结果阶段：
将已经处理好的用户任务需求结果返回给用户。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！