没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
1 引言
移动边缘计算(MEC,mobile edge computing)作为一种新的云服务模式,
将传统集中式部署和管理的云端资源分布式地部署至无线接入网(RAN, radio
access network),使移动业务就近得到处理,从而获得良好业务体验
[1
,2
]
的同
时降低了回程网络的网络负载
[3
]
。将网络功能虚拟化( NFV,network function
virtualization)技术
[4
]
应用于 MEC,运营商能将提供服务所需的 IT 资源以虚拟
网络功能(VNF,virtual network function )的形式快速实例化,这进一步提升
了 MEC 的服务弹性。将服务节点成簇互联形成集群化的 MEC 网络
[5
,6
,7
]
能根据
业务所需的网络功能类型及业务量的变化情况动态调整 VNF 的实例化规模,使
业务流尽可能地在 MEC 集群内完成端到端的服务从而达成就近高效服务的目标。
但集群化的 MEC 的部署需要结合移动应用的请求位置分散且对资源的需求动态
变化等特点,同时还存在着单个 MEC 集群的 IT 资源受限、MEC 集群之间的网
络资源受限及多个 VNF 需根据业务类型进行逻辑关联等诸多限制,因此,在集
群化 MEC 网络中合理部署 VNF 和进行业务流传输路径的优选,为移动业务提
供最优的端到端服务时延颇具挑战。目前,缺乏针对性的研究工作,亟需深入
探讨。
在集群化的 MEC 网络中,本文以为时延敏感类移动业务提供低时延服务为
目标,基于开放 Jackson 排队网络建立了业务流的端到端时延的数学优化模型 。
通过将该优化问题归结为一个二维背包问题( 2KP,twodimensional knapsack
problem),从而证明其 NP 性,进一步提出了一种集群化部署的 MEC 网络中
通过合理部署 VNF 及业务流路径选择的策略——iGSA(improvedgenetic and
simulated annealing),该策略结合了遗传算法和模拟退火算法分别在全局解
和局部解的搜索能力的优势,通过对服务节点的提前映射机制避免了在节点部
署时可能带来的 MEC 网络拥塞,同时通过个体的约束性判断和纠正遗传的方法
避免了局部最优的出现。在多个网络场景下的对比实验表明, iGSA 策略均能在
单个 MEC 集群内或多个 MEC 集群之间,通过优化改善 VNF 部署和业务流的路
径选择提供更低的业务流端到端时延,有效地改善了移动业务的体验。
2 相关研究工作
在集群化部署的 MEC 网络中提供低时延服务所面临的挑战及具有智能特征
的算法在大规模系统中快速求得优化解方面所具有的独特优势形成了本文研究
方法的依据。与本文相关的工作可按照 MEC 网络的部署场景和 VNF 的部署方
法进行分类讨论。
在 MEC 网络场景类似的工作介绍如下
[5
,6
,7
]
。文献[5
-6
]将 NFV 引入边缘节点
并建立起虚拟化 MEC 网络架构,通过构建服务功能链(SFC,service function
chain)为移动边缘应用提供就近的 IT 弹性服务。文献[5
]侧重于通过 SFC 实现
缓存服务改善移动业务的体验,而文献[6
]则着重从主动故障恢复机制设计方面,
探讨提升虚拟化 MEC 网络的系统可靠性问题。文献 [5
,6
,7
]在集群化部署的
MEC 网络场景下,力图通过计算最优的 MEC 集群数量来提高业务流的服务质
量。但局限在独立的 MEC 集群中开展研究,缺乏对更一般化的 MEC 部署场景
中的相关问题进行探讨。另外,和中心化的云服务相比较,MEC 最显著的优势
是能够为用户就近提供低时延服务,因此,本文从 MEC 的主要功能特性出发,
研究并提出改善集群化部署的 MEC 网络中端到端服务时延的策略。针对 VNF
的优化部署方法,相关工作参考文献[8
,9
,10
,11
,12
]。其中文献[8
,9
,10
]针对不同
类型的业务请求,分别从效用最大化、能耗最低及能够容纳的业务流最大化等
角度进行了研究,并提出了将预先定义了次序的多个 VNF 进行链接部署,建立
起 SFC 的策略。文献[11
]通过优化多个微服务提供服务的时序,以达到改善移
动应用服务体验的目的。文献[12
]则借助强化学习方法研究了 VNF 部署过程中
虚拟节点到物理节点的优化映射和实例化的问题。上述研究工作
[8
,9
,10
,11
,12
]
的网络
场景是 IT 资源(节点计算资源、节点存储资源和网络带宽)相对充裕的数据中
心网络或移动核心网络,其关注的重点集中在有效提升虚拟化的 IT 资源使用效
率问题或提高整个系统服务能力的问题上,所采用的方法通常是将多个物理指
标转化为统一的系统开销和系统收益,并建立优化模型加以分析。与之相比,
本文所研究的处于网络边缘的 MEC 节点 IT 资源相对稀缺,网络系统在提供低
时延端到端服务的同时,合理分配 IT 资源显得尤其重要。而这涉及在 MEC 集
群内和 MEC 集群之间的 VNF 优化部署及业务流虚拟路径的合理选择。
与已有工作相比较,本文的创新性主要体现在以下 2 个方面。1) 在多个
MEC 集群共存的边缘网络场景下,面向移动业务请求位置分散及对 IT 资源需
求动态变化的特点,通过排队网络模型对端到端的服务时延进行了形式化分析
并建立最优化模型。2) 分析求证了 1)中优化问题的 NP 性,并提出了一种易于
部署的快速求解策略——iGSA。该策略通过将遗传算法和模拟退化算法合理的
结合,在进行全局最优解搜索的同时有效地提高了求解效率并降低了运行时间 ,
这对在大规模 MEC 网络中进行快速的 VNF 部署决策具有积极的借鉴意义。
3 模型化分析
3.1 网络场景描述及形式化定义
本文考虑集群化部署的 MEC 网络场景。如图
1
所示,MEC 集群化部署在
移动通信网络边缘且和一个或多个 eNode B 连接
[6
]
,MEC 集群通过 PDN-GW
(packet data network gateway )和云化的 5G 移动核心网连接。一个 MEC
集群可以包括若干个虚拟化 MEC 节点。另外,MEC 集群之间通过网络连接,
具备多个 MEC 集群之间协作的能力。与云化的数据中心网络或移动核心网中的
IT 资源可近乎认为无限不同的是,MEC 集群中节点数量和能提供的 IT 资源都
是受限的。MEC 集群优先在本集群内完成对请求业务的服务,当资源无法满足
时,则利用其他 MEC 集群的可用 IT 资源构建新的 VNF 完成服务。整个 MEC
集群的资源统计和分配由位于移动核心网中的网络控制器实现
[13
]
。集群化的
MEC 部署方式,能够跨越多个 eNode B 和网络区域,为时延敏感类移动业务提
供端到端的低时延服务,这对智能车/无人驾驶这类时延敏感类应用尤其重要。
将一个集群化部署的 MEC 网络定义为 G={G1,⋯,Gg}G={G1,⋯,Gg},
其 中 g 为 集 群 的 数 量 , G
n
表 示 第 n 个 MEC 集 群 。 定 义 一 个 无 向 图 G
n
?
=(V
n
,E
n
),其中 V
n
和 E
n
分别为 MEC 集群 G
n
中的边缘节点和集群内网络链路。
(u,w)表示 2 个边缘节点 u 和 w 之间的链路,此外,u 和 w 可以属于同一个或不
同的集群 MEC。l
u,w
表示链路(u,w)的可用网络带宽资源,边缘节点 u 和 w 的距
离表示为 D
u,w
。n
v
(v∈V)表示用于构建 VNF 的通用服务节点(即虚拟机)数量。
M
n
表示在 MEC 集群 G
n
中由边缘节点经虚拟化后的通用服务节点集合,对于
MEC 集 群 G
n
中 某 个 通 用 服 务 节 点 m(m∈M
n
) , 当 前 可 用 计 算 资 源 表 示 为
WnmWmn。集群化部署的 MEC 网络为各类移动业务提供服务,以 H 表示 MEC
网络在时间 T 内收到 h 个移动服务请求,H={d1,d2,⋯,dh}H={d1,d2,⋯,dh}?
。对于服务请求 d
i
(d
i
∈H)的入口节点和出口节点分别用 I
i
和 E
i
表示, I
i
到 E
i
的路
径表示为 P
i
,d
i
的数据率为 R
i
。根据不同移动应用业务的需求,多个 VNF 按照
某种次序从逻辑上连接成一种串行结构或并行结构的 SFC
[13
]
,其中采用并行连
接有助在 MEC 网络中提高时延敏感类移动业务的服务效率。如图
2
所示,为服
务请求 d
i
提供服务的 SFC 表示为 Si={Si,1,Si,2,Si,3,⋯,Si,K}Si={Si,1,Si,2,Si,3,
⋯,Si,K},其长度表示为|Si||Si|,其中 S
i j
,(1≤j≤K)表示 SFC 上的某一个 VNF 或
经 并 行 连 接 后 为 d
i
提 供 服 务 的 多 个 VNF 组 成 的 集 合 , 例 如 图 2 中 的
S
2
={S
2,1
,S
2,2
,S
2,3
,S
2,4
},S2,1={f121}S2,1={f211}, S2,3={f123,f223}S2,3={f231
,f232}。假设在时间 T 内在 MEC 网络中能建立不同类型的 VNF,用集合 F 表示。
对于某一类型的 VNF f(f ∈F)能最多被实例化建立|Nf||Nf|个,定义 f
k
为建立类
型为 VNF f(f ∈F) 的 第 k 个实例,其计 算资源 占用量表示 为 ωifkωfki,βifk,fk
′βfk,fk'i 表 示 f
k
和 f′k′f′k′?之 间 的 通 信 所 占 用 网 络 带 宽 ,
∀f,f'∈F,1≤k≤∣∣Nfk∣∣1≤k≤|Nfk|?, 1≤k'≤|Nf'|1≤k'≤|Nf'|?。定义矩阵 BB 为
G 中各条链路的带宽占用量。定义 I(S
i,j
)为 d
i
提供服务的 SFC 的路径 P
i
中对应的
通 用 服 务 节 点 的 索 引 。 对 于 d
i
的 业 务 流 按 指 定 的 顺 序 遍 历 多 个 VNF , 即
I(Si,j)≤I(Si,j')I(Si,j)≤I(Si,j'), ∀Si,j,Si,j'∈Si$
,
j<j'∀Si,j,Si,j'∈Si?,j<j'。
图 1
图 1集群化部署的 MEC 网络框架
图 2
图 2MEC 集群中串行或并行逻辑连接的多个 VNF
3.2 服务时延模型
剩余18页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3691
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功