没有合适的资源?快使用搜索试试~ 我知道了~
移动性感知的边缘服务迁移策略.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 38 浏览量
2022-05-31
12:26:40
上传
评论
收藏 556KB DOCX 举报
温馨提示
试读
24页
移动性感知的边缘服务迁移策略.docx
资源推荐
资源详情
资源评论
1 引言
随着移动互联网的不断发展,虚拟现实、智能家居等资源密集型应用在人
们的生产和生活中发挥着越来越重要的作用
。然而,如何为移动中的设备
(如车辆、轨道交通等)提供连续不间断的服务是制约移动边缘计算网络进一
步提高用户服务质量的瓶颈之一。
在移动边缘计算网络中,由于用户的移动性、服务请求的多样性及区域请
求量的差异性,容易造成边缘服务器负载不平衡、热点地区网络拥塞等问题,
从而严重降低用户的服务质量。虽然边缘服务迁移技术能够保证为用户提供连
续化服务,而且还能平衡边缘服务器之间的工作负担,但受限于移动边缘计算
网络的通信能力、计算资源及存储容量,如何根据用户的实时位置信息快速、
高效地进行边缘服务迁移,成为移动边缘计算网络动态服务迁移中待解决的关
键问题之一。
本文从实际情况出发,提出了一种移动性感知的边缘服务迁移策略,考虑
到用户的运动轨迹具有部分可预测性及服务请求类别的多样性,对用户的服务
迁移决策与移动边缘计算网络的通信计算存储资源进行了联合优化。本文主要
贡献如下。
通过 优化理论有效地将长期迁移成本预算转换为实时优化,
在不需要任何用户位置先验信息的条件下,根据用户的实时位置信息进行快速 、
高效的在线服务迁移,克服了由于用户运动轨迹的随机性而导致的无法建立马
尔可夫状态转移模型的问题。
从服务提供商的角度出发,考虑到用户服务的频繁迁移会造成系统长期
迁移成本超出迁移阈值,运用 优化方法在保证系统长期迁移成本稳
定的基础上,最小化用户服务请求的平均感知时延。
为降低混合整数非线性规划问题的求解复杂度,设计了一种以用户为中
心的异步最佳响应方案来寻找近似最优的边缘服务迁移策略,在显著降低算法
运行时间的同时,进一步降低了用户服务请求的平均感知时延。
2 相关工作
针对移动边缘计算网络中动态服务迁移问题,国内外学者均开展了相关的
研究。文献
根据用户的地理位置及其服务请求类型,考虑服务运行过程中表
现出非对称带宽的需求,提出了一种满足多维(存储、计算与通信)约束的联
合优化算法,有效解决了多维约束条件下 增强的多蜂窝网络中的服务放置
和请求路由问题。文献
考虑到边缘服务器的异构性问题,以最大化服务放置
奖励为优化目标,提出了一种灵活的服务放置算法。该算法将每个边缘节点看
作某一类应用服务器,在每个时隙进行服务放置决策。上述 种算法无法为正
在移动的用户提供无间断服务,严重降低了用户服务质量。文献
通过构造多
参数马尔可夫决策过程( ! !! )收益函数解决了由
于边缘服务器服务范围有限而造成对移动车辆服务中断的问题,改进了单纯基
于距离进行服务迁移方案的不足,但在迁移决策中没有对服务提供方的成本开
销进行合理地建模与评估。在用户接入节点固定的非重叠覆盖场景下, "#
等
$
考虑到用户的移动性与服务请求到达的不确定性问题,提出了具有概率分布
模型的马尔可夫近似算法,通过构建不可约马尔可夫链得到了不同时间段的最
优服务迁移策略。但对于多节点覆盖场景,该算法无法做出用户服务请求的节
点选择决策。文献%
提出了云边端三层架构模型,在该模型中,每个基站覆盖
下的用户首先向本地 服务器请求服务,当本地 服务器没有响应用户
的服务需求时,该请求可通过基站路由到远端云服务器。然而,该方法将导致
边缘服务器负载不均衡,部分用户服务质量严重下降等问题,此外,该方案忽
略 了 用 户 的 移 动 性 。 文 献 &
提 出 了 一 种 基 于 边 缘 认 知 计 算 ( #
# ' (' #)的动态服务迁移机制,该机制可以根据用户的行为认知
快速地进行服务迁移,解决了用户在不同行为下服务质量大幅度波动的问题。
但该机制以满足用户个性化服务为目标,忽视了多用户场景中边缘服务器资源
有限的情况。文献
结合远程加载与重定向技术提出了基于虚拟机的快速服务
迁移方法()*+!'! ( #' (',),该方法基于最短距离为用
户实现用户服务迁移,具体地,在边缘服务器覆盖范围内的用户均就近接受服
务,不在任何边缘服务器覆盖范围内的用户均由远端云服务器提供服务。文献
从理论的角度来量化间歇性连接对移动边缘计算的影响,所提间歇性服务迁
移方法(-* '( '''! ( #' (', )根据当前网络环境自
适应调整用户服务迁移响应间隔,有效降低了用户的平均感知时延。文献
将
服务迁移问题描述为马尔可夫决策过程,通过用户与服务位置之间的相对距离
来获取近似的底层状态空间,然而,该决策模型仅适用于一维服务迁移场景。
综上所述,已有的相关研究主要从 个方面实现用户的服务迁移。假设
用户移动路径已知的情况下,对系统资源与服务迁移策略进行联合优化,使系
统某一性能(如用户感知时延、系统吞吐量等)达到最优。 在服务迁移决策
过程中,忽略服务迁移所产生的成本开销与用户被多个微基站重叠覆盖的情况,
以提高用户服务质量为优化目标。假设边缘服务器拥有充足的计算与存储资
源,把用户的移动性建模为一维或二维马尔可夫状态转移模型,根据用户在每
个时刻所处的环境状态进行边缘服务迁移决策。然而,在实际应用场景中,用
户的地理位置具有部分可预测性,对于运动轨迹无法预测的用户,其移动性无
法通过马尔可夫状态转移模型进行刻画。其次,已有研究没有从服务提供商的
角度考虑如何在保证用户服务质量的前提下,使边缘服务迁移成本开销保持长
期稳定。最后,由于移动边缘计算网络的通信资源、计算能力以及存储容量是
有限的,忽略对这类资源的合理调度将导致网络无法应对数量呈爆发式增长且
服务质量需求日益增高的各类应用请求。
3 系统模型
本文的系统模型如图
所示,在宏基站(.*(/!!'' )覆盖
范围内存在多个小基站(*.*!(00/!!'' ),其中 增强的 *.* 又
称为边缘节点(# ')。考虑到每个小基站覆盖范围内服务请求量的
差异性,为节约部署成本,服务请求量相对较小的地区不需要部署边缘服务器,
但对于热点区域情况则相反。实际上,非热点区域的服务请求可以通过小基站
转发至宏基站,并由宏基站转发到远端云服务器或者周边的边缘服务器。例如:
小基站 *.*
没有部署边缘服务器,所以用户 !
只能通过宏基站向云服务器
或者邻近的边缘服务器请求服务。对于没有被小基站覆盖的用户,其服务请求
只能通过宏基站转发到云服务器或者边缘服务器。由于用户的移动性或新用户
的加入使网络的拓扑结构发生变化,导致用户的服务进程从原来的服务器迁移
到另一个服务器。开始时刻,小基站 *.*
为用户 !
提供服务。一段时间后
用户 !
移动到小基站 *.*
所覆盖的区域。由于边缘服务器存储资源、计算
资源以及通信资源有限,在每个边缘服务器上仅能运行有限的应用服务,小基
站 *.*
没有可供用 户 !
服务需求使用 的 资 源, 因此用户 !
在小基站
*.*
的服务配置文件只能通过宏基站迁移到邻近的边缘服务器 *.*
,从而实现
边缘服务迁移。
在宏基站覆盖范围内部署 个 *.* 与 - 个边缘服务器,用户数量为 12。
令 T={0,1,2,⋯,T}345&⋯36表示时间离散化序列集合,yjk(t)78'9表示
用户 在时隙 ' 内关于 .*
7
(74& 时为 .*,7:& 时为 *.*)的接入参数,用户
接入 .*9
7
,则 yjk(t)=178'49,否则 yjk(t)=078'4&9。通常情况下,用户
只能接入到一个 .*。因此,对任意的用户 来说,其接入约束条件如式8所示。
∑j=0Myjk(t)=1 (1);74&78'4<<8
由于边缘服务器处理任务的输出结果远小于任务大小
,本文只考虑
上行信道资源分配。假设系统的通信资源块( =.!/0)总数为 ),
每个通信资源块的带宽为 >?@,宏基站的资源块总数为
&
,剩余的 )
&
通
信资源块由 *.* 复用。由于不同 *.*所管理的无线资源存在差异性,所以对
于 任 意 的 *.*
7
, 其 占 用 的 无 线 资 源 块 数 应 满 足
Cj≤F−C07A)B&,1≤j≤MA7A。因此,对任意的 .*
7
,为保证用户所占用
的通信资源在其承受范围内,其通信资源约束条件需满足
图 1
图 1系统模型
∑k=0Nλsk(t)yjk(t)≤Cj (2);4&1C!8'78'A7<<<<<8
其中,λsk(t)=⌈Rsk(t)rjk(t)⌉C!8'4⌈=!8'78'⌉表示时隙 ' 内用户 请求服务
! 的 资 源 块 数 , Rsk(t)=!8'9表 示 用 户 请 求 服 务 ! 的 上 行 数 据 传 输 速 率 ,
rjk(t)78'9表示在用户 使用单个资源块上传数据到 .*
7
所获得的传输速率,⌈⋅
⌉⌈⋅⌉表示向上取整。
由于服务器计算与存储能力有限,对于任意的时隙 ',服务器 服务用户所
需的计算与存储不能超过其总的计算与存储资源,因此服务器 的计算资源约束
条件如式8所示,存储资源约束条件如式8所示。
∑k=0N∑s=0Sϕsk(t)xik(t)≤ϕi (3);4&1;!4&*D!8'E 8'AD <<<8
∑k=0N∑s=0SBsk(t)xik(t)≤Bi (4);4&1;!4&*.!8'E 8'A. <<8
其中,F
和 .
分别表示服务器 的总计算资源与总存储资源;ϕsk(t)D!8'
和 Bsk(t).!8'分别表示用户 请求服务 ! 所需要的计算资源与存储资源;*2
表示所有用户服务请求服务类别的总和;xik(t)E 8'表示用户 被服务器 所托
管, 4& 时表示云服务器,否则表示边缘服务器。
G服务体验模型
由于用户发起的服务请求被边缘服务器或者云服务器响应,因此用户的数
据传输存在一定的传输时延。在本文模型中,传输时延可分为以下三类:用户
的服务请求被本地边缘服务器响应;用户的服务请求通过 .*转发到邻近的
边缘服务器;没有边缘服务器响应用户的服务请求时,该请求只能被远端云服
务器响应。因此,系统中所有用户发送服务请求到 .* 的传输时延
8'为
Dc(t)=∑k=0N∑i=0M∑s=0Syik(t)qsk(t)Rsk(t)
(5)8'4;4&1; 4&;!4&* 8'H!8'=!8'<<<8
.* 转发服务请求到 *.* 或者云服务器的传输时延
+
8'为
Df(t)=∑k=0N∑i=0M∑s=0Sy0k(t)qsk(t)xik(t)ri(t)
(6)+8'4;4&1; 4&;!4&*&8'H!8'E 8' 8'<<8
所有用户的服务请求被服务器响应的总时延
''0
8'为
Dtotal(t)=Dc(t)+Df(t) (7)''08'48'2+8'<<8
其中,qsk(t)H!8'9表示用户 请求服务 ! 的数据大小,单位为 / ';ri(t)
(i≠0) 8'II<8 :&9表示 .*转发服务请求到 *.*
的传输速率;r0(t) &8'II9表示
.* 转发服务请求到云服务器的传输速率。根据文献
,令 Dsij(t) 7!8' 和
Dsij(t) 7!8' 分别表示服务 ! 从 *.*
迁移到 *.*
7
的迁移时延与迁移成本,当
4 7 时 , Dsij(t) =Esij(t)=0 7!8'<4 7!8'4& 。 令 Dsij(t) =Esij(t)=0 7!8'<
4 7!8'4& 和 Esi0(t) &!8'9分别表示服务 ! 从 *.*
迁移到云服务器的时延与成
本,Ds0i(t)& !8'和 Es0i(t)& !8'9分别表示从云服务器迁移到 *.*
的时延与
成本。系统中所有用户的迁移时延总和
(
8'及迁移成本总和 8'分别为
Dm(t)=∑k=0N∑s=0S∑i=0M∑j=0Mxik(t−1)xjk(t)Dsij(t)
(8)(8'4;4&1;!4&*; 4&;74&E 8'BE78' 7!8'<<8$
E(t)=∑k=0N∑s=0S∑i=0M∑j=0Mxik(t−1)xjk(t)Esij(t)
(9)8'4;4&1;!4&*; 4&;74&E 8'BE78' 7!8'<<8%
G系统性能与成本
首先,为缓解数据上传到远端云服务器对核心网造成的流量拥塞问题,部
署在边缘服务器上的服务应最大化满足用户的需求。其次,为降低 网络拓扑结
构
变化所带来的服务迁移成本,系统中所有用户在时隙 ' 内的服务迁移成本 8'
应保持在预期的范围之内,令
#
表示长期预算迁移成本,可得成本约束条件如
式8&所示。
limT→∞1T∑t=1TE(t)≤Eavg (10)0 (3JK3;'438'A#<<8&
在保证系统长期平均迁移成本小于预算成本的约束条件下,根据用户服务
请求制定最优的服务迁移策略,使所有用户的平均感知时延与服务迁移时延之
和最小,可得如下优化问题。
P1: minX(t)Y(t)λ(t)1TlimT→∞∑t=0T(Dtotal(t)+Dm(t))L<
( M8'N8'C8'30 (3JK;'4&38''08'2(8'
s.t.
式
(1)~
式
(4),
式
(7),
式
(8),
式
(10)!G'G<<式8O式8式8式8$式8&
其 中 , Y(t)={yk=(argi yik(t)≠0)}N8'4548# III
8':&6 、 X(t)={xk=(argixik(t)≠0)}M8'45E48# E 8':&69、 λ(t)={λs
k(t)}(k∈{1,⋯,N},i∈{0,1,⋯,M},s∈{0,1,⋯,S},t∈T)C8'45C!8'6
剩余23页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3552
- 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