一种电力边缘云计算网络中的容器放置方法及系统技术方案

本发明专利技术涉及一种电力边缘云计算网络中的容器放置方法及系统，其包括：根据任务的紧迫性进行预处理后，基于预先构建的系统模型，将多个用户的并发应用程序请求设定为多容器并行放置问题；求解所述多容器并行放置问题，得到在满足服务的时延容忍度的情况下，输出最小化所有任务的总时延的容器放置策略。本发明专利技术解决了电力边缘云计算网络中的边缘节点资源异构问题以及任务卸载带来的容器放置问题，并在满足用户时延要求的同时降低任务服务时间。本发明专利技术可以在容器编排技术领域中应用。发明专利技术可以在容器编排技术领域中应用。发明专利技术可以在容器编排技术领域中应用。

【技术实现步骤摘要】
一种电力边缘云计算网络中的容器放置方法及系统


[0001]本专利技术涉及一种容器编排
，特别是关于一种电力边缘云计算网络中的容器放置方法及系统。

技术介绍

[0002]电力边缘云计算将计算资源、内存和存储资源扩展到网络边缘侧来解决云计算的局限性，但是，边缘节点间的资源异构性和接入到互联网的任务的复杂多样性导致移动边缘网络处理一些任务不及时而造成用户服务质量差，用户体验度低等后果。虚拟化技术可针对具体应用创建特定的虚拟环境，容器是软件虚拟化的一种形式，容器得益于其轻量型、易创建、易迁移、弹性伸缩、具有安全性隔离的特性，迅速成为提供电力边缘云计算服务的现实方式。
[0003]目前，有关集容器放置的文献中，为了优化容器放置的位置，考虑容器间的信息交互情况，通过感知容器间的通信达到优化目标。容器放置系统的成本是容器放置过程中不可忽略的一部分，一些文献通过考虑容器集成达到优化系统成本的目的。但是，现有文献中大多都只考虑了容器之间的资源可用性和通信，以降低容器部署的成本，并没有考虑不同用户对延迟的不同要求和用户服务质量的不同。故目前亟需解决电力边缘云计算网络中的边缘节点资源异构问题以及任务卸载带来的容器放置问题。

技术实现思路

[0004]针对上述问题，本专利技术的目的是提供一种电力边缘云计算网络中的容器放置方法及系统，其解决了电力边缘云计算网络中的边缘节点资源异构问题以及任务卸载带来的容器放置问题，并在满足用户时延要求的同时降低任务服务时间。
[0005]为实现上述目的，本专利技术采取以下技术方案：一种电力边缘云计算网络中的容器放置方法，其包括：基于预先构建的系统模型，将多个用户的并发应用程序请求设定为多容器并行放置问题；求解所述多容器并行放置问题，得到在满足服务的时延容忍度的情况下，输出最小化所有任务的总时延的容器放置策略。
[0006]进一步，所述系统模型的构建过程包括：
[0007]设定网络模型，将每个任务映射到一个容器，确定以容器所承载的任务的时延为优化目标；
[0008]设定容器放置模型，根据容器的放置决策得到并行容器放置矩阵，确定任务放置的边缘节点；
[0009]设定任务优先级模型，将任务划分为紧急任务和非紧急任务，若任务的价值密度越高且时延容忍度越低时，任务越紧急，优先级越高；
[0010]设定通信模型，根据任务优先级确定任务请求发送到边缘节点的通信延迟；
[0011]设定计算模型，根据任务优先级确定任务在边缘节点上的计算时延。
[0012]进一步，所述多容器并行放置问题为：
[0013][0014][0015][0016]i∈{0,n}
[0017]j∈{0,z},
[0018]其中，s.t.表示约束条件；C1表示边缘节点上的资源约束；C2表示在降低所有任务计算总时延的同时要满足每一个任务的时延容忍度要求；Φ是容器的放置成本；Γ
i
表示所有容器的部署成本；表示容器i做占用的第k维资源的数量；x
ij
表示容器c
i
是否放置在边缘节点j上；表示表示边缘节点i上的第k维资源；表示任务时延容忍度；n表示容器的数量；z表示边缘节点的数量。
[0019]进一步，采用DDQN强化学习方法求解所述多容器并行放置问题，包括：
[0020]将所述多容器并行放置问题进行重构，设定状态空间、动作空间和奖励；
[0021]计算任务的紧迫性，根据紧迫性对任务进行优先级分类；
[0022]随机选择一个动作a作用于环境得到下一时刻的状态s
′
，计算该动作的容器放置成本和获得的长期奖励值r，存储为集合[s,a,s
′
,r]，s为任务状态；
[0023]t时刻的当前状态s
t
作用于主网络得到一系列Q值，通过贪婪策略选择的Q值对应的动作a作用于环境得到下一时刻的状态s
t+1
和奖励r
t+1
；
[0024]计算目标Q值和loss值，当loss值不断下降至趋于0时神经网络收敛，此时寻找使Q值最大的动作A(t+1)，并输出。
[0025]进一步，所述状态空间由终端设备与边缘节点之间的信道增益、任务优先级、容器所占用资源和边缘节点的剩余资源组成。
[0026]进一步，所述动作空间由容器的放置策略构成。
[0027]进一步，所述奖励中的即时奖励为容器放置成本的倒数。
[0028]一种电力边缘云计算网络中的容器放置系统，其包括：处理模块，基于预先构建的系统模型，将多个用户的并发应用程序请求设定为多容器并行放置问题；求解模块，求解所述多容器并行放置问题，得到在满足服务的时延容忍度的情况下，输出最小化所有任务的总时延的容器放置策略。
[0029]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
[0030]一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
[0031]本专利技术由于采取以上技术方案，其具有以下优点：
[0032]1、本专利技术将多个用户的并发应用程序请求建模为多容器并行放置问题，并对该问
题进行求解输出容器放置策略，解决了电力边缘云计算网络中的边缘节点资源异构问题，并在满足用户时延要求的同时降低任务服务时间。
[0033]2、本专利技术基于任务优先级进行容器放置策略。该策略充分考虑了任务的紧迫性和网络状态的动态性，考虑任务的价值密度和时延容忍度将任务分为紧急任务和非紧急任务。
[0034]3、本专利技术考虑到容器放置是一个随机优化问题，在使用马尔可夫过程对容器放置问题进行建模时，将任务优先级、通信链路状态、边缘节点可用资源作为环境参数提出根据任务优先级改进的基于马尔可夫过程的强化学习算法。在满足用户时延要求的同时降低任务服务时间。通过仿真验证提出的算法可以有效降低任务的时延。
附图说明
[0035]图1是本专利技术一实施例中电力边缘云计算网络中的容器放置方法流程图；
[0036]图2是本专利技术一实施例中容器放置的架构图；
[0037]图3a是本专利技术一实施例中CPBA算法loss曲线不同learning rate仿真结果图；
[0038]图3b是本专利技术一实施例中CPBA算法loss曲线不同batch size仿真结果图；
[0039]图4a是本专利技术一实施例中CPBA算法reward曲线不同learning rate仿真结果图；
[0040]图4b是本专利技术一实施例中CPBA算法reward曲线不同batch size仿真结果图；
[0041]图5是本专利技术一实施例中CPBA与NP算法的容器放置成本仿真结果图；
[0042本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力边缘云计算网络中的容器放置方法，其特征在于，包括：基于预先构建的系统模型，将多个用户的并发应用程序请求设定为多容器并行放置问题；求解所述多容器并行放置问题，得到在满足服务的时延容忍度的情况下，输出最小化所有任务的总时延的容器放置策略。2.如权利要求1所述电力边缘云计算网络中的容器放置方法，其特征在于，所述系统模型的构建过程包括：设定网络模型，将每个任务映射到一个容器，确定以容器所承载的任务的时延为优化目标；设定容器放置模型，根据容器的放置决策得到并行容器放置矩阵，确定任务放置的边缘节点；设定任务优先级模型，将任务划分为紧急任务和非紧急任务，若任务的价值密度越高且时延容忍度越低时，任务越紧急，优先级越高；设定通信模型，根据任务优先级确定任务请求发送到边缘节点的通信延迟；设定计算模型，根据任务优先级确定任务在边缘节点上的计算时延。3.如权利要求2所述电力边缘云计算网络中的容器放置方法，其特征在于，所述多容器并行放置问题为：并行放置问题为：并行放置问题为：i∈{0，n}j∈{0，z}，其中，s.t.表示约束条件；C1表示边缘节点上的资源约束；C2表示在降低所有任务计算总时延的同时要满足每一个任务的时延容忍度要求；Φ是容器的放置成本；Γ
i
表示所有容器的部署成本；表示容器i做占用的第k维资源的数量；x
ij
表示容器c
i
是否放置在边缘节点j上；表示表示边缘节点i上的第k维资源；表示任务时延容忍度；n表示容器的数量；z表示边缘节点的数量。4.如权利要求1所述电力边缘云计算网络中的容器放置方法，其特征在于，采用DDQN强化学习方法求解所述多容器并行放置问题，包括：将所述多容器并行放置问题进行重构，设定状态空间、动作空间和奖励；计算任务的紧迫性，根据紧迫性对任务进行优先级分类；随机选择一个动...

【专利技术属性】
技术研发人员：江璟，辛培哲，王玉东，肖智宏，罗欣，刘丽榕，章毅，邱兰馨，徐阳洲，
申请(专利权)人：国网浙江省电力有限公司信息通信分公司，
类型：发明
国别省市：