面向无服务器边缘计算的高可靠函数调度方法技术

本发明专利技术提出了面向无服务器边缘计算的高可靠函数调度方法，包括：预设个性驱动的应用程序QoS预测方法，基于所述应用程序QoS预测方法预测不同用户个性类型下单个应用程序的QoS；构建结合针对特定问题的增强NSGA

【技术实现步骤摘要】
面向无服务器边缘计算的高可靠函数调度方法


[0001]本专利技术属于服务器边缘计算中函数调度
，尤其涉及面向无服务器边缘计算的高可靠函数调度方法。

技术介绍

[0002]随着智能医疗和增强、虚拟现实等物联网(IoT)应用的普及，对低延迟计算的需求呈爆炸式增长。边缘计算通过在最终用户和云服务器之间部署网络、控制、计算和存储基础设施，为满足计算需求提供了绝佳的机会。以这种方式，分布式物联网设施产生的大部分数据都可以在它们产生的源头附近得到妥善处理。本质上，边缘计算将成熟的云计算范式从集中式架构扩展到网络边缘，以改善物联网应用程序的服务延迟。最近，无服务器计算的概念引起了边缘计算社区的广泛关注。
[0003]在无服务器边缘计算中，一个热门主题是处理包含依赖函数的延迟受限物联网应用程序调度，以最大化服务提供商的利润。在实践中，这是一项特别具有挑战性的任务，主要是因为在物联网环境中存在关于服务支付和应用程序延迟的个性化用户需求。同时，能源和可靠性问题对无服务器边缘计算提出了越来越严峻的挑战。尽管现有工作已经进行了丰富的研究，但没有一项工作兼顾了能源、可靠性、个性化用户需求和随机应用执行的重要因素。本专利技术公开了一种保证可靠性的个性化函数调度方法(REPFS)，以平衡服务提供商的利润和可持续无服务器边缘计算中随机物联网应用程序的整体服务质量(QoS)。

技术实现思路

[0004]为解决上述技术问题，本专利技术提出面向无服务器边缘计算的高可靠函数调度方法，可以在满足所有设计约束的前提下很好地平衡目标网络的服务利润和物联网应用的整体应用QoS。
[0005]为实现上述目的，本专利技术提供了面向无服务器边缘计算的高可靠函数调度方法，包括：
[0006]步骤1：预设个性驱动的应用程序QoS预测方法，基于所述应用程序QoS预测方法预测不同用户个性类型下单个应用程序的QoS；
[0007]步骤2：构建确定性函数调度模型，基于所述确定性函数调度模型，用于对步骤1预测的所述QoS进行精确估计；
[0008]步骤3：构建随机函数调度策略，基于所述随机函数调度策略，对精确估计后的所述QoS进行调度；
[0009]步骤4：进行并行函数调度优化，用于适应现代多核调度器平台的随机函数调度策略加速生成解决方案。
[0010]可选地，基于所述应用程序QoS预测方法预测不同用户个性类型下单个应用程序的QoS，包括：
[0011]步骤101：初始化一组迭代标志其中I
par
表示参与问卷的用户人数，它是小于用户总人数I的一个常量；
[0012]步骤102：初始化参与问卷用户的偏好因子
[0013]步骤103：判断所有迭代标志是否都为零，若成立转步骤111，否则，转步骤104；
[0014]步骤104：计算其中1≤j≤I
par
，j为问卷参与者的索引，L表示所有可能的延迟
‑
支付级别组合的数量，θ
j,l
和Q
j,l
分别表示第l个延迟支付级别下问卷参与者U
j
的偏好和应用程序QoS，和均为线性回归问题中的偏好值参数；
[0015]步骤105：使用线性回归求解器迭代地得出问卷中所有参与者的偏好因素；
[0016]步骤106：计算参与者U
j
的偏好因子公式为：
[0017]，其中和分别表示第l个延迟
‑
支付级别组合下参与者U
j
的响应延迟和服务支付费用；
[0018]步骤107：比较随机生成的偏好因子η
j
和导出的偏好因子之间的绝对差值ρ；
[0019]步骤108：判断绝对差值ρ是否小于预设数值，若小于，转步骤109，否则转步骤110；
[0020]步骤109：将参与者U
j
的迭代标志设置为零，即
[0021]步骤110：利用拉丁超立方体采样技术更新矩阵
[0022]步骤111：令S
j
＝[AScore
j
，CScore
j
，EScore
j
，OScore
j
，NScore
j
]代表参与者U
j
的人格得分向量，其中用户个性向量被分解为五个不同的特征：宜人性、尽责性、外向性、开放性和神经质，分别对应AScore
j
、CScore
j
、EScore
j
、OScore
j
和NScore
j
；
[0023]步骤112：计算从个性得分到用户偏好线性映射，公式为：其中其中表示维度为I
par
×
1的偏好因子矩阵，X5×1是一个维度为5
×
1的映射矩阵，展示了人格得分对用户偏好的影响；
[0024]步骤113：对于总人数为I的用户组，以遍历方式构建任意一个用户U
i
的个性得分向量S
i
，其中i(1≤i≤I)为用户的索引；
[0025]步骤114：计算矩阵存储的用户U
i
的偏好因子公式为：公式为：为总行数为I、总列数为5的最优偏好因子矩阵，I为用户的总人数，为总行数为I、总列数为5的人格得分矩阵，表示总行数为I、总列数为5的人格得分对用户偏好的影响矩阵；
[0026]步骤115：计算输入的延迟
‑
支付组合下预测应用程序的QoS Q
i,l
，公式为：其中为步骤104中偏好值参数的最优值，为步骤104中偏好值参数的最优值，为应用程序的偏好因子，表示用户U
i
在第l个服务等级的响应延迟，表示用户U
i
在第l个服务等级的付款；
[0027]步骤116：输出应用程序的QoS。
[0028]可选地，基于所述确定性函数调度模型，对步骤1预测的所述QoS进行精确估计，包括：
[0029]步骤201：初始化迭代计数器g，即g
←
0；
[0030]步骤202：选择约束违反度较小的染色体以初始化种群其中U是用户总人数；
[0031]步骤203：初始化函数顺序、函数到容器调度和资源到容器分配三个表的操作标志flag，即flag
←
1；
[0032]步骤204：判断迭代计数器g＜g
max
是否成立，若成立，转步骤B5进入种群进化过程，否则转步骤229，其中g
max
为迭代计数器的上界；
[0033]步骤205：调用取模函数Modulo(flag++,3)求取操作标志flag除以3的余数，若结果为1，则对函数顺序表进行进化运算；否则，对函数到容器的分配表和资源到容器的分配表进行进化运算；
[0034]步骤206：基于高斯分布生成一组截止样本其中x是在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向无服务器边缘计算的高可靠函数调度方法，其特征在于，包括：步骤1：预设个性驱动的应用程序QoS预测方法，基于所述应用程序QoS预测方法预测不同用户个性类型下单个应用程序的QoS；步骤2：构建确定性函数调度模型，基于所述确定性函数调度模型，用于对步骤1预测的所述QoS进行精确估计；步骤3：构建随机函数调度策略，基于所述随机函数调度策略，对精确估计后的所述QoS进行调度；步骤4：进行并行函数调度优化，用于适应现代多核调度器平台的随机函数调度策略加速生成解决方案。2.根据权利要求1所述的面向无服务器边缘计算的高可靠函数调度方法，其特征在于，基于所述应用程序QoS预测方法预测不同用户个性类型下单个应用程序的QoS，包括：步骤101：初始化一组迭代标志其中I
par
表示参与问卷的用户人数，它是小于用户总人数I的一个常量；步骤102：初始化参与问卷用户的偏好因子步骤103：判断所有迭代标志是否都为零，若成立转步骤111，否则，转步骤104；步骤104：计算其中1≤j≤I
par
，j为问卷参与者的索引，L表示所有可能的延迟
‑
支付级别组合的数量，θ
j，l
和Q
j，l
分别表示第l个延迟支付级别下问卷参与者U
j
的偏好和应用程序QoS，θ1和θ2均为线性回归问题中的偏好值参数；步骤105：使用线性回归求解器迭代地得出问卷中所有参与者的偏好因素；步骤106：计算参与者U
j
的偏好因子公式为：，其中和分别表示第l个延迟
‑
支付级别组合下参与者U
j
的响应延迟和服务支付费用；步骤107：比较随机生成的偏好因子η
j
和导出的偏好因子之间的绝对差值ρ；步骤108：判断绝对差值ρ是否小于预设数值，若小于，转步骤109，否则转步骤110；步骤109：将参与者U
j
的迭代标志设置为零，即步骤110：利用拉丁超立方体采样技术更新矩阵步骤111：令S
j
＝[AScore
j
，CScore
j
，EScore
j
，OScore
j
，NScore
j
]代表参与者U
j
的人格得分向量，其中用户个性向量被分解为五个不同的特征：宜人性、尽责性、外向性、开放性和神经质，分别对应AScore
j
、CScore
j
、EScore
j
、OScore
j
和NScore
j
；步骤112：计算从个性得分到用户偏好线性映射，公式为：
其中其中表示维度为I
par
×
1的偏好因子矩阵，X5×1是一个维度为5
×
1的映射矩阵，展示了人格得分对用户偏好的影响；步骤113：对于总人数为I的用户组，以遍历方式构建任意一个用户U
i
的个性得分向量S
i
，其中i(1≤i≤I)为用户的索引；步骤114：计算矩阵存储的用户U
i
的偏好因子公式为：公式为：为总行数为I、总列数为5的最优偏好因子矩阵，I为用户的总人数，为总行数为I、总列数为5的人格得分矩阵，表示总行数为I、总列数为5的人格得分对用户偏好的影响矩阵；步骤115：计算输入的延迟
‑
支付组合下预测应用程序的QoS Q
i，l
，公式为：其中为步骤104中偏好值参数θ1的最优值，为步骤104中偏好值参数θ2的最优值，为应用程序的偏好因子，表示用户U
i
在第l个服务等级的响应延迟，表示用户U
i
在第l个服务等级的付款；步骤116：输出应用程序的QoS。3.根据权利要求1所述的面向无服务器边缘计算的高可靠函数调度方法，其特征在于，基于所述确定性函数调度模型，对步骤1预测的所述QoS进行精确估计，包括：步骤201：初始化迭代计数器g，即g
←
0；步骤202：选择约束违反度较小的染色体以初始化种群其中U是用户总人数；步骤203：初始化函数顺序、函数到容器调度和资源到容器分配三个表的操作标志flag，即flag
←
1；步骤204：判断迭代计数器g＜g
max
是否成立，若成立，转步骤B5进入种群进化过程，否则转步骤229，其中g
max
为迭代计数器的上界；步骤205：调用取模函数Modulo(flag++，3)求取操作标志flag除以3的余数，若结果为1，则对函数顺序表进行进化运算；否则，对函数到容器的分配表和资源到容器的分配表进行进化运算；步骤206：基于高斯分布生成一组截止样本其中x是在1≤x≤U范围内的截止样本索引，在第g代种群进化时均值为方差为步骤207：将两个染色体...

【专利技术属性】
技术研发人员：曹坤，陈鹏安，翁健，
申请(专利权)人：暨南大学，
类型：发明
国别省市：