一种边缘数据服务方法技术

本发明专利技术涉及一种边缘数据服务方法，属于物联网领域。该方法首先计算数据新鲜度及通信能耗等状态感知，并依据两种状态客观定义系统平均搜索成本，然后边缘服务器采用DQN模型对最优缓存策略进行推理，获得使得搜索成本最小时的实体集合。本发明专利技术可有效降低系统搜索成本，提高缓存命中率，为用户提供实时的、高质量的数据服务。数据服务。数据服务。

【技术实现步骤摘要】
一种边缘数据服务方法


[0001]本专利技术属于物联网领域，涉及一种边缘数据服务方法。

技术介绍

[0002]物联网实体搜索作为一种信息检索技术，它可以嵌入在多个物联网领域应用中以便为用户提供数据服务，使用户快速获取目标实体的状态数据。物联网中海量数据产生给现有的缓存及通信系统的性能要求带来了巨大挑战。同时，传输实体状态数据过程中可能存在较大的时延，导致用户获取的实体状态数据的新鲜度无法保证，影响了用户的数据服务体验。
[0003]边缘缓存的出现不仅有效缓解传统“端
‑
云”通信系统带来的巨大传输时延问题，使得实体状态数据可以存储在本地边缘从而有效保证数据新鲜度及搜索实时性；还减轻了资源受限的终端设备及存储负担较重的云服务器的存储压力，因此，边缘缓存技术目前已经研究广泛关注及研究。边缘服务器作为“端”与“云”的中间媒介，其存储资源虽然可观但也十分受限。现有研究主要从多方面角度考虑边如何在缓存容量约束下进行实体筛选并设计缓存机制，提高系统缓存命中率。然而传统的静态缓存策略已无法满足实体数据动态变化特性，进而影响系统搜索成本及缓存性能。在此背景下，旨在设计对物联网实体高效、节能的边缘缓存方法，以便用户实时、快速、准确地搜索兴趣实体的状态数据。
[0004]目前，已有一些关于边缘缓存的研究工作。Zhang Z,Lung C H,Lambadaris I在“IoT Data Lifetime
‑
Based Cooperative Caching Scheme for ICN<br/>‑
IoT Networks”【in IEEE International Conference on Communications(ICC),2018】中为了最大化边缘缓存命中率，提出了一种分布式缓存策略，通过考虑物联网数据的流行度和生命周期来做出缓存决策。Li L,Xu Y,Yin J在“Deep reinforcement learning approaches for content caching in cache
‑
enabled D2D networks”【in IEEE Internet of Things Journal,vol.7,no.1,pp.544
‑
557,2020】研究了缓存使能的D2D网络中联合优化缓存内容放置和交付策略，使用回声状态网络和长短期记忆网络预测用户的移动性和内容流行度，从而决定缓存内容和缓存位置。Amadeo M.,Ruggeri G.,Campolo C.,等人在“Caching popular and fresh IoT contents at the edge via named data networking”【IEEE Conference on Computer Communications Workshops,Toronto,ON,Canada:IEEE Press,2020:610
‑
615】为了最大化边缘缓存命中率，提出了一种分布式缓存策略，通过考虑物联网数据的流行度和生命周期来做出决策。
[0005]由于物联网实体状态数据本身的动态变化特性与用户的实时搜索需求使得缓存物联网数据相较于静态互联网数据存在更大的挑战。一般情况下实体状态数据是由附着在实体的感知设备周期性地采集的，使得实体状态数据具有一定的生命周期，通信距离过长或缓存时间过长都会影响数据新鲜度，无法保证实体状态数据的真实性。此外，物联网感知层的终端设备的计算和存储能力非常有限，设计缓存策略时需要考虑节省感知设备的能耗。综上，应考虑动态的缓存机制以适应动态变化的物联网环境，同时保证用户搜索的实时
性需求以及节省系统通信开销，使得系统提供高质量的数据服务。

技术实现思路

[0006]有鉴于此，本专利技术的目的在于提供一种边缘数据服务方法，边缘服务器对实体状态数据新鲜度及系统通信能耗进行状态感知，构建系统搜索成本并通过深度Q网络(Deep Q
‑
Network，DQN)求解最小搜索成本对应的实体集合，实现边缘推理；边缘服务器基于获取的最优缓存策略完成实体状态数据的缓存操作。该方法可在节省搜索成本同时提高缓存命中率，实现面向用户的高效数据搜索服务。
[0007]为达到上述目的，本专利技术提供如下技术方案：
[0008]一种边缘数据服务方法，首先计算数据新鲜度及通信能耗等状态感知，并依据两种状态客观定义系统平均搜索成本，然后边缘服务器采用DQN模型对最优缓存策略进行推理，获得使得搜索成本最小时的实体集合。具体包括以下步骤：
[0009]S1：数据收集：物联网感知层中的感知设备周期性观测对应实体的状态数据，并将实体相关信息上传至上层边缘服务器中，其中ID
i
,q
i
,type
i
分别为实体i的唯一标识符、状态数据、生成时间戳、生命周期和类型等；
[0010]S2：状态感知：对于实体缓存在边缘服务器或保留在本地终端两种缓存情况，边缘服务器对不同缓存状态下实体状态数据的新鲜度损失和通信能耗做出感知计算，并形成系统平均搜索成本ASC；定义最小化平均搜索成本为目标函数；
[0011]S3：边缘推理：边缘服务器采用DQN求解目标函数，并获得使平均搜索成本最小时的实体缓存决策向量其中a
i
＝1表示实体i可以缓存在边缘服务器上，否则，保留在本地；N表示实体总数量；
[0012]S4：边缘缓存：边缘服务器缓存最优缓存决策向量中的实体集合，有规律的设置时间戳对实体数据和通信能耗等状态持续感知，并继续进行边缘推理，不断寻找最优的缓存实体集合，实现动态缓存更新；
[0013]S5：发起搜索：用户通过所持客户端设备向边缘服务器发起对实体状态数据的搜索请求；
[0014]S6：搜索响应：边缘服务器判断用户所需实体状态数据的缓存位置，如果所需实体状态数据缓存在边缘服务器，则直接将实体状态数据返回至用户；如果实体状态数据未缓存在边缘服务器，则与本地感知设备通信，由感知设备采集实体状态数据并上传至边缘服务器，边缘服务器再将结果反馈给用户。
[0015]进一步，步骤S2中，边缘服务器在做缓存决策时对实体状态数据的新鲜度损失和通信能耗进行加权求和，将其定义为给用户提供实体搜索服务时需要付出的平均搜索成本ASC，定义最小化平均搜索成本为目标函数，表达式为：
[0016][0017][0018]λ∈[0,1][0019]a
i
∈{0,1}
[0020]其中，λ为权重系数，N为实体总数量，C为边缘服务器缓存容量，s(q
i
)表示数据大小；a
i
＝1表示实体状态数据缓存在边缘服务器中；a
i
＝0表示实体状态数据保留在本地终端，或缓存在边缘服务器中的实体状态数据年龄已经超过生命周期。
[0021]进一步，步骤S2中，边缘服务器计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘数据服务方法，其特征在于，该方法具体包括以下步骤：S1：数据收集：物联网感知层中的感知设备周期性观测对应实体的状态数据，并将实体相关信息上传至上层边缘服务器中，其中ID
i
,q
i
,,type
i
分别为实体i的唯一标识符、状态数据、生成时间戳、生命周期和类型；S2：状态感知：对于实体缓存在边缘服务器或保留在本地终端两种缓存情况，边缘服务器对不同缓存状态下实体状态数据的新鲜度损失和通信能耗做出感知计算，并形成系统平均搜索成本ASC；定义最小化平均搜索成本为目标函数；S3：边缘推理：边缘服务器采用DQN求解目标函数，并获得使平均搜索成本最小时的实体缓存决策向量其中a
i
＝1表示实体i可以缓存在边缘服务器上，否则，保留在本地；N表示实体总数量；S4：边缘缓存：边缘服务器缓存最优缓存决策向量中的实体集合，有规律的设置时间戳对实体数据和通信能耗持续感知，并继续进行边缘推理，不断寻找最优的缓存实体集合，实现动态缓存更新；S5：发起搜索：用户通过所持客户端设备向边缘服务器发起对实体状态数据的搜索请求；S6：搜索响应：边缘服务器判断用户所需实体状态数据的缓存位置，如果所需实体状态数据缓存在边缘服务器，则直接将实体状态数据返回至用户；如果实体状态数据未缓存在边缘服务器，则与本地感知设备通信，由感知设备采集实体状态数据并上传至边缘服务器，边缘服务器再将结果反馈给用户。2.根据权利要求1所述的边缘数据服务方法，其特征在于，步骤S2中，边缘服务器在做缓存决策时对实体状态数据的新鲜度损失和通信能耗进行加权求和，将其定义为给用户提供实体搜索服务时需要付出的平均搜索成本ASC，定义最小化平均搜索成本为目标函数，表达式为：函数，表达式为：λ∈[0,1]a
i
∈{0,1}其中，λ为权重系数，N为实体总数量，C为边缘服务器缓存容量，s(q
i
)表示数据大小；a
i
＝1表示实体状态数据缓存在边缘服务器中；a
i
＝0表示实体状态数据保留在本地终端，或缓存在边缘服务器中的实体状态数据年龄已经超过生命周期。3.根据权利要求2所述的边缘数据服务方法，其特征在于，步骤S2中，边缘服务器计算不同缓存状态下实体状态数据的新鲜度损失计算公式为：
其中，表示边缘服务器感知实体状态数据q
i
的新鲜度，计算公式为t为边缘服务器感知数据新鲜度的时刻。4.根据权利要求3所述的边缘数据服务方法，其特征在于，步骤S2中，边缘服务器计算不同缓存状态下实体状态数据的通信能耗计算公式为：其中，e
l
δ
l
(q
i
)表示边缘服务器向用户反馈搜索结果的通信能耗，e
s
δ
s
(q
i
)表示边缘服务器与感知设备的通信能耗，e
sen
s(q
i
)表示感知设备采集实体状态数据的感知能耗，e

【专利技术属性】
技术研发人员：张普宁，孙美玉，李学芳，吴大鹏，杨志刚，王汝言，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：