一种基于服务存活时长优化的协作边缘计算方法

本发明涉及边缘计算，具体为一种基于服务存活时长优化的协作边缘计算方法。

背景技术：

1、随着移动通信技术的快速发展，需求多样的服务和应用不断涌现，例如自动驾驶需要极低时延，虚拟现实(virtual reality)和增强现实(augmented reality)需要超高带宽和低时延需求，智慧城市建设需要大量节能终端设备。如何满足各类应用的需求是亟待解决的问题。目前其中一种解决方法是利用云端与边缘端的协作，在云端和边缘端分别部署面向不同需求的服务，提高边缘端资源的利用效率，以降低用户感知时延和减少云端服务器的流量压力。可以在边缘端部署延迟敏感型服务，减少延迟敏感型服务向云端服务器的数据往返传输时延，也减轻云端服务器面对大量任务时的流量和带宽压力。这样，不同需求的请求能够分别被卸载到边缘端服务器和云端服务器，云端协作提供了差异化的服务以满足不同的需求。然而，由于边缘服务器的资源受限，当面对大量服务请求时，边缘服务器既无法单独满足大量请求的服务需求，也无法接受卸载到云服务器产生的高延迟。

2、作为传统边缘计算技术的重要补充，协作边缘计算除了利用云端服务器和边缘端服务器的高效协作，进一步引入边缘服务器之间的深度协作，能够为用户提供更加高效的服务。当大量请求到达边缘端时，一部分请求将卸载到云端服务器，其他请求将由边缘端服务器完成。协作边缘计算支持将负载较重的边缘端服务器上的请求，进一步卸载到临近的其他边缘端服务器。这种方式释放了边缘服务器之间的协作潜力，提高了边缘网络的整体资源利用率和服务效率。然而，以上两种方式都依赖与云端服务器的协作，一些隐私敏感型应用无法接受数据传输到云端。另外，大量边缘端服务器的部署也带来了不可忽视的能耗，这对边缘服务提供商也是额外开销。但是现有的工作集中于云端服务器和边缘端服务器之间的协作，以提高整个系统的服务效率。与上述工作不同，本发明提出一种完全工作在边缘网络的服务提供方式，该方式提供一种灵活的服务放置模式，在不影响边缘网络效率的前提下，能够减少边缘端设备的能耗。

技术实现思路

1、本技术方案所要解决的技术问题为：目前主要的边缘计算服务放置方式仅考虑服务的部署位置，而忽视了服务放置后的服务时长或采用固定的服务时长。当大量边缘端服务器部署，服务放置后将开始消耗能源，对服务存活时长的忽视将导致额外的能源浪费。因此，在服务放置后，需要引入一种服务存活时长的控制机制，以减少能源消耗。

2、为实现以上目的，本发明创造采用的技术方案：一种基于服务存活时长优化的协作边缘计算方法，首先，在每个时间周期开始时，即t＝1，每个边缘服务器针对所有的服务根据其计算资源an和内存资源的容量bn，利用动态规划算法做出是否放置每项服务的决策，将所有服务放置决策记为其次，在完成每个边缘服务器上的服务放置后，采用一种灵活的服务存活机制控制边缘网络的能量消耗。

3、由于服务提供商的运营成本与能源消耗相关，具体地，引入一个最大能量消耗约束e′，在决策每个服务的存活时间时，利用服务计算时的功率和服务卸载时传输的功率得出可能的能量消耗e；在满足e′的e′<e满足的前提下，lyapunov优化理论和lagrangianrelaxation技术为每个边缘服务器上的已放置服务寻找其最大的服务存活时间，以实现满足多种服务请求的总时延最小化前提下成功的请求时延较小，失败的请求设定一个较大时延，降低整个边缘网络的能量消耗，将所有服务存活时长记为

4、最后，当请求在每个时隙依照请求到达率r到达时，进一步决策调度该请求在到达的边缘服务器执行或者调度到其他边缘服务器执行，到达的请求根据先到先服务的原则组成队列q，根据边缘网络的连接拓扑得到每对边缘端服务器<i,j>的网络距离dij，在决策每个服务请求的执行边缘服务器位置时，设计一个时延最小化的目标函数f，包括服务请求传输时延和请求最终执行时延。

5、所述的时延最小化的目标函数做出每个请求的最终执行位置的调度决策，并更新lagrangian乘子的参数φ，以自适应控制下一轮服务存活时长的决策，所有请求调度决策记为这里时延最小化函数定义为：

6、

7、其中表示k任务在边缘端服务器n上的初始化时延，为所有传输到边缘端服务器n的请求的传输时延，为所有传输到边缘端服务器n的请求的执行时延。

8、进一步的，所述的服务请求的传输时延与两个边缘服务器的网络距离有关，所述的请求最终的执行时延与目标边缘服务器的计算能力有关。

9、进一步的，所述的全部边缘服务器放置的服务并集要尽可能接近服务的全集。因为本方案完全基于边缘网络，不依赖云服务器，所以在这里设置一项约束，以避免因未放置服务导致的请求失败。

10、技术方案改进所要解决的技术问题为：在满足服务质量的前提下减少能量消耗和服务提供商的运营成本。

11、为实现以上目的，本发明创造改进后采用的技术方案：协作边缘计算方法包括算法1和算法2，算法1是一种灵活的服务存活时长优化算法，算法2是一种时延最小化的请求调度算法。

12、本技术方案改进后的有益效果为：一种灵活的服务存活时长控制机制，从而允许服务的存活时间动态调整，能够降低边缘网络的能量消耗，同时本发明全面考虑了从边缘端服务放置，服务存活时长，任务请求调度的全流程优化，能够在降低边缘网络总体能耗的前提下，提供接近现有方法的总时延表现。同时算法1的执行在请求到达后，利用算法2设计一种时延最小化的请求调度策略，以最小的时延为目标完成请求调度任务。

13、进一步的，所述的算法1的输入包括所述的算法1的输入包括边缘网络的拓扑结构矩阵每一时刻的请求到达率r以及初始化的lagrangian参数φ，输出为每个边缘端服务器的服务部署决策和服务存活时长决策以及请求到达时的请求调度决策在每个时间周期的第一个时隙(t＝1)，边缘端做出服务部署决策和服务存活时长决策，分别得到和当每个时隙t的请求到达时，依照边缘网络拓扑矩阵和lagrangian参数φ，调用并代入算法2可以得到请求调度决策为动态调整本时间周期内的后续请求调度，以及后续时间周期的服务放置决策和服务存活时长决策，需要更新lagrangian参数φ。

14、进一步的，所述的算法2的输入包括边缘网络拓扑结构的二维矩阵lagrangian参数φ，时延最小化函数f，输出为一个时隙内请求的调度决策首先对每个边缘端服务器的请求队列进行判断，如果队列非空即遍历队列中的所有请求，逐个从队列中取出请求k，通过遍历所有放置了服务请求k且仍在存活时长内的边缘端服务器可以代入时延最小化函数f中选择能够使得时延最小化的边缘端服务器n′，接着将该请求的调度结果存储到中完成边缘端服务器和服务类别的迭代，即可得到时刻t的全部请求调度决策

15、为实现以上目的，本技术方案改进所要解决的技术问题为：用户请求的上传的数据不需依赖云端服务器。

16、为实现以上目的，本发明创造改进后采用的技术方案：设计了一种灵活的服务存活时间优化方法，可以适用于完全无云服务器参与的边缘网络，根据边缘服务器的计算资源和存储资源，以及给定的能量约束，为每个边缘服务器做出动态的服务放置，灵活的服务存活时长和实验最小化的任务请求调度的决策。

17、本技术方案改进后的有益效果为：与现有基于云边协同的方法相比，本方法无需依赖云端服务器提供的全服务集合，即可最大限度保障边缘网络的服务覆盖，用户请求的上传的数据完全在边缘网络处理，保障数据隐私安全。

18、本发明与现有技术相比具有诸多优点和有益效果，具体体现在以下方面：

19、1)与现有基于云边协同的方法相比，本方法无需依赖云端服务器提供的全服务集合，即可最大限度保障边缘网络的服务覆盖，用户请求的上传的数据完全在边缘网络处理，保障数据隐私安全。

20、2)与现有基于边缘服务器之间协作的方法对比，本方法设计了一种灵活的服务存活时长控制机制，从而允许服务的存活时间动态调整，能够降低边缘网络的能量消耗。

21、3)本发明全面考虑了从边缘端服务放置，服务存活时长，任务请求调度的全流程优化，能够在降低边缘网络总体能耗的前提下，提供接近现有方法的总时延表现。