一种移动边缘网络中基于适应度的边缘服务器部署方法

1.本发明涉及一种移动边缘网络中基于适应度的边缘服务器部署方法，属于移动边缘计算的资源配置领域。


背景技术：

2.目前，云计算数据中心的集中式处理时代已逐渐转入以万物互联为核心的边缘计算时代；众所周知，云计算(cloud computing)是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户，因此云计算数据处理方式下用户的访问时延较长。而移动边缘计算方式下，由于边缘服务器通常部署在靠近用户的无线接入点，因此数据不用再传到遥远的云端，而是在边缘侧解决，所以，和传统的云计算范式相比，在边缘网络中部署边缘服务器的一个显著优势就是大幅减少用户的访问延迟。
3.而移动边缘网络中，用户的访问延迟与边缘服务器的部署位置及移动边缘网络拥有的处理器数量有紧密的联系。当边缘服务器部署在一些关键位置(比如用户密度高的区域)时，可以使更多的用户在其近端访问计算资源，从而减少边缘网络中的总体访问延迟(现有技术中基于贪心算法的边缘服务器部署方案即根据用户密度来进行部署)。同时，在边缘网络中部署更多的边缘服务器也可减少用户的访问延迟。
4.但实际应用中，除了用户访问时延，边缘服务器的部署方案还需要考虑其他影响，比如负载平衡问题，如果边缘服务器部署位置不当会导致边缘服务器之间的负载不平衡，容易出现部分服务器处于严重过载时，而其他一些服务器处于空闲的状态，这将造成边缘网络计算资源的浪费。再比如，服务成本问题，如果为了减少用户的访问延迟而布置大量边缘服务器，会导致其服务成本较大，因此，需要一种在满足用户访问时延阈值的前提下，能有效地减少边缘服务器的部署成本的部署方案。


技术实现要素：

5.为了在保证移动用户服务体验的前提下来尽可能减少边缘服务器的部署成本，本发明提供了一种移动边缘网络中基于适应度的边缘服务器部署方法，所述方法包括：
6.step1：获取移动边缘网络的拓扑结构，以g(v,e)表示网络拓扑，其中集合v＝{vi,i＝1,2,...,|v|}代表网络中部署的所有无线接入点ap，集合e＝{ei,i＝1,2,...,|e|}为ap间的数据链路集；
7.step2：计算网络中每个ap的适应度wi，其中适应度wi综合考虑三个因素：每个ap在边缘网络拓扑的度中心性，每个ap覆盖范围内的移动用户数，以及已部署的边缘服务器的ap对下一个将部署边缘服务器的候选ap的影响因子；
8.step3：选择适应度最高的ap处部署边缘服务器；
9.step4：计算部署边缘服务器后所述移动边缘网络提供服务的响应时延ta，若响应时延大于时延阈值θ，则新增一个边缘服务器；否则完成部署。
10.可选的，所述每个ap在边缘网络拓扑的度中心性即与其直接相连的ap总数。
11.可选的，计算网络中每个ap的适应度wi计算公式为：
[0012][0013]
其中，fi为第i个无线接入点api与当前已部署边缘服务器的影响因子，ci为api在边缘网络拓扑的度中心性，ai为api服务范围内的移动用户数，ω＝{ω1,ω2}为比例因子；
[0014][0015]
其中，t(i,j)为api和apj在移动边缘网络中归一化后的最短路径跳数，β为距离衰减系数，满足0＜β＜1，q表示当前已部署边缘服务器的ap集合。
[0016]
可选的，所述step4中计算部署边缘服务器后所述移动边缘网络提供服务的响应时延ta，包括：
[0017]
根据下式计算响应时延ta：
[0018][0019]
其中，r
total
为整个移动边缘网络中移动用户总数，t
v,u
为apu处部署的边缘服务器为apv服务区域内的移动用户提供服务时的网络传输时延，为apv对移动用户的应用请求的平均处理时延，av为移动用户请求路由至apv中的平均请求到达速率。
[0020]
可选的，所述step4中若响应时延大于时延阈值θ，则新增一个边缘服务器，包括：
[0021]
若响应时延大于时延阈值θ，则重新计算网络中剩余ap的适应度，并选择剩余ap中适应度最高的ap处部署新增的边缘服务器。
[0022]
可选的，所述apu处部署的边缘服务器为apv服务区域内的移动用户提供服务时的网络传输时延t
v,u
计算公式为：
[0023][0024]
其中，rv表示apv的服务区域内移动用户对应用服务的请求数，表示移动用户请求数据在链路ei∈e上的平均传输时间；指示变量时，表示网络链路ei在ap站点v到apu的请求传输路径中。
[0025]
可选的，所述apv对移动用户的应用请求的平均处理时延的计算公式为：
[0026][0027]
其中，μv代表apv的平均服务速率。
[0028]
可选的，移动边缘网络中边缘服务器的部署成本l计算公式为：
[0029][0030]
其中，fi为使用api的固定成本，ξi为边缘服务器中安装一台处理器的成本，指示变量yi表明api是否部署有边缘服务器，若有，则yi＝1，否则，yi＝0；zi为边缘服务器安装的处理器数量。
[0031]
本技术还提供一种移动边缘网络，所述移动边缘网络包括|v|个无线接入点ap，ap之间存在|e|条数据链路，所述移动边缘网络按照上述基于适应度的边缘服务器部署方法部署边缘服务器。
[0032]
本发明有益效果是：
[0033]
通过对边缘网络中所有无线接入点ap(access point)进行适应度计算，找出最合适的ap站点来部署边缘服务器，在保证移动用户服务体验的前提下来减少边缘服务器的部署成本；其中适应度的评价指标包括：ap在边缘网络拓扑的度中心性，每个ap覆盖范围内的移动用户数，以及已部署边缘服务器的ap对下一个将部署服务器的候选ap的影响因子；本技术通过考虑ap在边缘网络拓扑的度中心性可以减少用户的访问时延；通过考虑每个ap覆盖范围内的移动用户数大幅减少了网络传输时延；通过考虑已部署边缘服务器的ap对下一个将部署服务器的候选ap的影响因子使得所有用户都能以较少的传输时延访问边缘服务器的计算资源；而通过设定适应度的计算方式，使得边缘服务器的部署方法在保证移动用户服务体验的前提下来尽可能减少了部署成本。
附图说明
[0034]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
[0035]
图1是本发明一个实施例中提供的基于适应度的边缘服务器部署方法中使用的真实noel网络图。
[0036]
图2是本发明一个实施例中提供的基于适应度的边缘服务器部署方法中使用的noel网络拓扑的ap节点分布图。
[0037]
图3是本发明一个实施例中给出的分别采用本技术提供的方法和现有两种策略进行边缘服务器部署时平均部署成本随时延要求变化的结果仿真图。
[0038]
图4是本发明一个实施例中给出的分别采用本技术提供的方法和现有两种策略进行边缘服务器部署时平均部署成本随移动用户数变化的结果仿真图。
[0039]
图5是本发明一个实施例中给出的分别采用本技术提供的方法和现有两种策略进行边缘服务器部署时平均部署成本随边缘网络规模变化的结果仿真图。
具体实施方式
[0040]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0041]
实施例一：
[0042]
本实施例提供一种移动边缘网络中基于适应度的边缘服务器部署方法，所述方法包括：
[0043]
step1：获取移动边缘网络的拓扑结构，以g(v,e)表示网络拓扑，其中集合v＝{vi,i＝1,2,...,|v|}代表网络中部署的所有无线接入点ap，集合e＝{ei,i＝1,2,...,|e|}为ap间的数据链路集；
[0044]
step2：计算网络中每个ap的适应度wi，其中适应度wi综合考虑三个因素：每个ap在边缘网络拓扑的度中心性，每个ap覆盖范围内的移动用户数，以及已部署的边缘服务器的ap对下一个将部署边缘服务器的候选ap的影响因子；
[0045]
step3：选择适应度最高的ap处部署边缘服务器；
[0046]
step4：计算部署边缘服务器后所述移动边缘网络提供服务的响应时延ta，若响应时延大于时延阈值θ，则新增一个边缘服务器；否则完成部署。
[0047]
本技术提供的基于适应度的边缘服务器部署方法中，适应度wi中的ap节点的度中心性可以直接反映该节点在网络中的重要性。度中心性越高，表明该ap与网络中更多的ap直接相连，在此处部署边缘服务器，其周围ap通过较少的网络连接即可访问服务器的计算资源，可以减少用户的访问时延；其次，ap覆盖范围内的移动用户数越多，则更多的本地用户只需通过一跳无线网络连接即可访问服务器，可以大幅减少网络传输时延；此外，为了避免网络中边缘服务器集中部署在某一局部地区，本发明将已部署边缘服务器的ap对其余候选ap的影响程度进行了考虑。当下一个边缘服务器的部署位置与当前边缘服务器相隔较远，则能更充分地利用边缘网络的服务资源，使得所有用户都能以较少的传输时延访问边缘服务器的计算资源。
[0048]
实施例二：
[0049]
本实施例提供一种移动边缘网络中基于适应度的边缘服务器部署方法，所述方法包括：
[0050]
s1获取移动边缘网络的拓扑结构，使用g(v,e)表示网络拓扑，其中集合v＝{vi,i＝1,2,...,|v|}代表网络中部署的所有无线接入点ap，集合e＝{ei,i＝1,2,...,|e|}为ap间的数据链路集。
[0051]
s2根据公式(1)计算网络中每个ap的适应度wi。
[0052][0053]
其中，fi为第i个无线接入点api与当前已部署边缘服务器的影响因子，ci为api在边缘网络拓扑的度中心性，ai为api服务范围内的移动用户数，ω＝{ω1,ω2}为比例因子，通常二者取值相同，范围为0～1；实际应用中，如果更加重视连接度，技术人员可适当调大比例因子。本技术后续实验中二者取值均为0.1。
[0054]
具体的，所述步骤s2包括：
[0055]
s21边缘网络中，ap的度中心性即与其直接相连的ap总数，本方法使用变量ci表示归一化后api的度中心性。
[0056]
s22当api服务范围内的移动用户数越多时，在api上部署边缘服务器，能为更多的本地用户提供服务，本方法使用变量ai表示归一化后的api覆盖范围内的用户数。
[0057]
s23根据公式(2)计算影响因子fi。本方法考虑到当前已部署边缘服务器的ap对剩余候选ap的影响，与当前已部署服务器的ap越远，则候选ap所受影响越小。
[0058][0059]
其中，t(i,j)为api和apj在边缘网络中归一化后的最短路径跳数，β为距离衰减系数，满足0＜β＜1，q表示当前已部署边缘服务器的ap集合。
[0060]
s3选择适应度最高的ap部署边缘服务器。
[0061]
s4根据公式(3)计算此时边缘网络提供服务的响应时延ta，若响应时延大于时延阈值θ，转至s5。否则，转至s6。
[0062][0063]
其中，r
total
为整个边缘网络移动用户总数，t
v,u
为apu部署边缘服务器为apv服务区域内的移动用户提供服务时的网络传输时延，为apv对应用请求的平均处理时延，av为用户请求路由至apv中的平均请求到达速率。
[0064]
具体的，所述步骤s4包括：
[0065]
步骤s4具体包含以下步骤：
[0066]
s41由于边缘服务器部署不影响移动设备至ap的无线传输时延，因此本方法只考虑ap将用户请求路由至目标边缘服务器所在ap的网络传输时延。apu为apv服务区域内的移动用户提供服务时，apv所有用户请求到达的整体网络传输时延可由公式(4)计算得出。
[0067][0068]
其中，rv表示apv的服务区域内用户对应用服务的请求数，表示移动用户请求数据在链路ei∈e上的平均传输时间。指示变量时，表示网络链路ei在ap站点v到apu的请求传输路径中。
[0069]
s42根据网络中边缘服务器对每个移动用户应用请求处理的特性，可以将请求处理过程视为排队模型，根据公式(5)可以得出分配给apv的应用请求的平均处理延迟。
[0070][0071]
其中，μv代表apv的平均服务速率。
[0072]
s43当所有用户的请求得到服务时，即可计算出整个移动边缘网络的平均响应时延。
[0073]
s5边缘服务器数量加1，重新计算网络中剩余ap的适应度，转至s3。
[0074]
s6由当前服务器部署位置和部署数量，根据公式(6)得到边缘网络为移动用户提供服务的边缘服务器部署成本l。
[0075][0076]
其中，fi为使用api的固定成本，ξi为边缘服务器中安装一台处理器的成本，指示变量yi表明api是否部署有边缘服务器，若有，则yi＝1，否则，yi＝0。zi为边缘服务器安装的处理器数量。
[0077]
实施例三：
[0078]
本实施例提供一种移动边缘网络中基于适应度的边缘服务器部署方法的应用实例，参见图1，图1为现实环境中的noel网络拓扑，该noel网络拓扑拥有19个节点，且节点间通过25条数据链路进行相互连接实现数据的传输。其中每个节点可以视为一个ap点，对节点进行标号后如图2所示，可以得出所有ap节点的分布图，并且每个ap有自己的服务覆盖范
围，服务范围内的移动用户通过一跳无线网络连接到ap。
[0079]
为了给用户提供服务，需要在边缘网络的ap上部署一定数量的边缘服务器，在保证用户服务体验的要求下，尽可能地减少边缘服务器的部署数量，因此需要将边缘服务器部署在合适的ap处。以用户时延要求为1ms为例，本发明所述方法包括如下步骤：
[0080]
步骤一：首先根据图1所示的noel网络搭建网络模型，结果如图2所示。
[0081]
步骤二：根据网络中所有ap节点的度中心性以及网络中各ap服务范围内的用户数，并考虑到当前已部署边缘服务器的ap节点的影响，根据公式(1)计算出每个ap节点的适应度。
[0082]
步骤三：选择适应度最高的ap部署边缘服务器。本实施例中初始适应度最高的ap节点为15，因此在15号ap节点上部署边缘服务器。
[0083]
步骤四：根据公式(3)计算此时边缘网络提供服务的响应时延。本实施例中，只有一台边缘服务器部署在15号ap节点提供服务的响应时延为1.8275ms》1ms。因此，转至步骤五。
[0084]
步骤五：边缘服务器数量加1，重新计算网络中除15号ap节点外剩余节点的适应度，转至步骤三。本实施例中，经过多次重复步骤三至五，得出本实施例需要在边缘网络中部署5台边缘服务器才能满足时延要求不超过1ms，所选择的ap节点为15，0，8，9，12。
[0085]
步骤六：根据公式(6)计算此时部署5台边缘服务器的成本。
[0086]
此外，在随机无标度网络中对本发明提出的方法进行了可扩展性验证。为了验证本发明提出方法的有效性，将本发明与现有的基于贪心策略和随机部署策略进行边缘服务器部署的方法进行了比较。其中，随机部署策略通过随机的方式在边缘网络中的ap站点处部署边缘服务器，可参考“li,yuanzhen and shangguang wang.“an energy-aware edge server placement algorithm in mobile edge computing.”2018ieee international conference on edge computing(edge)(2018):66-73”中的介绍。而贪心策略根据ap服务范围内的移动用户数的排名选择排名靠前的ap部署边缘服务器，具体可参考“wang,shangguang et al.“edge server placement in mobile edge computing.”j.parallel distributed comput.127(2019):160-168“中的介绍。
[0087]
如图3所示，用户访问延迟界限从1.0ms增加到2.0ms时，三种方法都会随着访问延迟的放松而降低各自的边缘服务器部署成本，且本发明所提方法表现最为优异。这是因为随着访问时延限制放宽，各方法在边缘网络中部署数量更少的边缘服务器即可满足用户的访问时延要求，从而有着更低的部署成本。
[0088]
如图4所示，当网络中的移动用户数从1000增加到3000时，三种方法在边缘网络配置边缘服务器的部署成本都会增加，从图中可以清楚地观察到，本发明所提方法的性能表现要强于贪心策略和随机策略。
[0089]
如图5所示，为了验证本发明所提方法的可扩展性，在一个随机生成的小规模无标度网络拓扑中进一步验证了所提方法的性能表现。实验采用的网络拓扑结构为使用barabasi-albert模型生成的随机无标度网络，从图中可以看到，随着边缘网络中固有ap数量从10增加到40，本发明所提方法在边缘网络配置边缘服务器的部署成本始终要低于其他两种策略，且随着网络规模的不断增大，本发明减少部署成本的优势愈发明显
[0090]
本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可
读取的存储介质中，如光盘或硬盘等。
[0091]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。