一种边云协同服务放置和工作负载调度方法及装置制造方法及图纸

本发明专利技术涉及边缘计算领域，具体涉及一种边云协同服务放置和工作负载调度方法及装置。该方法及装置包括：步骤1：建立系统模型，确定优化目标；步骤2：划分时间帧与时间间隙；步骤3：大时间尺度下的工作负载预测；步骤4：大时间尺度下的服务放置决策；步骤5：大时间尺度下的阴影工作负载调度；步骤6：判断是否进入下一个时间帧，若是，则返回步骤3，若否，则进入步骤7；步骤7：小时间尺度下的工作负载分配；步骤8：判断是否进入下一个时间间隙，若是，则返回步骤7，若否，则结束。在保证系统稳定的前提下，实现优化服务处理时延的目的。化服务处理时延的目的。化服务处理时延的目的。

【技术实现步骤摘要】
一种边云协同服务放置和工作负载调度方法及装置


[0001]本专利技术涉及边缘计算领域，具体而言，涉及一种边云协同服务放置和工作负载调度方法及装置。

技术介绍

[0002]日益发展的第五代移动通信技术(5G)、无线接入技术以及移动智能终端等大大地推动了传统工业的改革。为了加速产业链的转型升级，实现IT与OT迅速融合，需要对传统的网络架构进行调整。目前工业领域普遍采用的是云计算架构模式可以为这些工业设备的任务提供计算能力，支持数据的超大规模访问。但随着大数据时代的到来而海量工业数据的远程传输会因为网络带宽有限而造成链路阻塞、增加传输时延，无法满足工业应用的实时性和可靠性要求。移动边缘计算被认为是一种很有前途的解决方案去弥补云计算架构带来的不足，满足工业应用在实时、可靠、安全等方面的要求。
[0003]然而，边缘计算也面临着各种挑战，其中就包括服务放置，计算资源分配以及工作负载调度等各种问题。边缘服务器有限的数量和资源决定了它不能像云数据中心那样同时部署大量服务，服务部署成本也限制了边缘服务器上放置服务的数量。此外，服务的流行度会随着时空的变化而变化，在这种情况下，为动态请求部署合适的服务就成为一个关键问题。同时如何进行工作负载的调度也是一个难题，服务放置策略、工作负载分配策略两者之间相互影响，服务放置策略影响工作负载策略的策略空间，而工作负载分配反映服务放置策略的好坏。
[0004]陈清林等的《基于DDPG的边缘计算任务卸载和服务缓存算法》中针对单个边缘服务器系统，设计基于深度确定性梯度算法的数据缓存优化机制，对服务缓存放置、计算卸载决策和资源分配进行联合优化，提高用户对服务的体验质量。张秋平等的《面向多边缘设备协作的任务卸载和服务缓存在线联合优化机制》将任务卸载和服务缓存联合优化问题解耦为服务缓存和任务卸载2个子问题。针对服务缓存子问题，提出基于情景感知组合多臂赌博机的协作服务缓存算法；针对任务卸载子问题，设计基于偏好的双边匹配算法。桑永宣等的《具有边缘缓存机制的混合启发式任务卸载方法》中针对具有缓存机制的边缘计算环境，研究优化任务执行时间的卸载策略，以最小化任务执行时间为目标，结合粒子群优化和遗传算法，提出一种基于整数编码的混合启发式任务调度算法，它能够在合理的时间复杂度内解决该问题。
[0005]综上，现有的大部分关于边缘服务放置策略的研究都是基于服务放置与计算卸载的联合优化，虽然能够实现优化调度的目的，但在实际网络中，服务流行度会随着时间不断变化，如果本专利技术频繁更换服务放置策略很可能造成系统的不稳定。

技术实现思路

[0006]本专利技术实施例提供了一种边云协同服务放置和工作负载调度方法及装置，以至少解决现有边缘服务放置策略实现优化调度效果差的技术问题。
[0007]根据本专利技术的一实施例，提供了一种边云协同服务放置和工作负载调度方法，包括以下步骤：
[0008]步骤1：建立系统模型，确定优化目标；
[0009]步骤2：划分时间帧与时间间隙；
[0010]步骤3：大时间尺度下的工作负载预测；
[0011]步骤4：大时间尺度下的服务放置决策；
[0012]步骤5：大时间尺度下的阴影工作负载调度；
[0013]步骤6：判断是否进入下一个时间帧，若是，则返回步骤3，若否，则进入步骤7；
[0014]步骤7：小时间尺度下的工作负载分配；
[0015]步骤8：判断是否进入下一个时间间隙，若是，则返回步骤7，若否，则结束。
[0016]进一步地，步骤8为：判断是否进入下一个时间间隙，若是，则返回步骤7，若否，则进入步骤9；
[0017]步骤9：判决是否结束，若是，则结束，若否，则进入步骤6。
[0018]进一步地，步骤1具体包括：
[0019]建立系统模型，系统模型整个网络分为三层，第一层是终端设备层，包括不同的传感器、摄像头；第二层是边缘层，包括不同的边缘服务器和边缘节点；第三层是云层，包括云服务器；
[0020]确定优化目标，在预算受限的情况下，求解出最优的服务放置策略以及工作负载调度策略，实现最小化服务处理时延。
[0021]进一步地，步骤3具体包括：使用LSTM模型来预测下一个时间帧内各个类型的服务请求数，进行下一个时间帧内的服务缓存以及工作负载调度。
[0022]进一步地，步骤4具体包括：利用吉布斯采样的思想，找出目标值P1的最优服务放置策略。
[0023]进一步地，步骤4具体包括：
[0024]初始化服务放置策略
[0025]for epoch from 1to M进行迭代；
[0026]随机选择一个边缘服务器k，并为它随机选择一个可用的服务放置策略
[0027]根据服务放置策略使用次梯度下降算法求得最优阴影工作负载分配策略并获得优化问题的最优值g；
[0028]根据服务放置策略使用次梯度下降算法求得最优阴影工作负载分配策略并获得优化问题的最优值g
*
；
[0029]的概率为的概率为的概率为1
‑
p；
[0030]如果循环结束条件满足，结束循环，输
[0031]进一步地，步骤5具体包括：使用次梯度下降算法求解阴影工作负载调度。
[0032]进一步地，步骤5具体包括：
[0033]初始化参数精度ε＞0，步长γ，设置迭代次数；
[0034]获取初始化阴影工作负载分配策略满足条件约束C3,C4；
[0035]计算和g
(0)
；
[0036]for epoch from 1to N进行迭代；
[0037]更新工作负载分配z
(n)
＝z
(n
‑
1)
‑
γ
n
g
(n
‑
1)
，并进行加权操作满足约束C3；
[0038]计算和g
(n)
；
[0039]或者达到迭代次数，结束循环输出。
[0040]进一步地，步骤7具体包括：在每个时间间隙内进行工作负载调度，使用次梯度下降的算法，算法输入的服务放置策略为该时间帧内的求出的最优服务放置策略，输入的任务请求量为该时间间隙内到达的任务请求量。
[0041]根据本专利技术的另一实施例，提供了一种边云协同服务放置和工作负载调度装置，包括：
[0042]目标确定单元，用于建立系统模型，确定优化目标；
[0043]划分单元，用于划分时间帧与时间间隙；
[0044]工作负载预测单元，用于大时间尺度下的工作负载预测；
[0045]服务放置决策单元，用于大时间尺度下的服务放置决策；
[0046]阴影工作负载调度单元，用于大时间尺度下的阴影工作负载调度；
[0047]第一判断单元，用于判断是否进入下一个时间帧，若是，则返回步骤工作负载预测单元，若否，则进入工作负载分配单元；
[0048]工作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边云协同服务放置和工作负载调度方法，其特征在于，包括：步骤1：建立系统模型，确定优化目标；步骤2：划分时间帧与时间间隙；步骤3：大时间尺度下的工作负载预测；步骤4：大时间尺度下的服务放置决策；步骤5：大时间尺度下的阴影工作负载调度；步骤6：判断是否进入下一个时间帧，若是，则返回步骤3，若否，则进入步骤7；步骤7：小时间尺度下的工作负载分配；步骤8：判断是否进入下一个时间间隙，若是，则返回步骤7，若否，则结束。2.根据权利要求1所述的边云协同服务放置和工作负载调度方法，其特征在于，步骤8为：判断是否进入下一个时间间隙，若是，则返回步骤7，若否，则进入步骤9；步骤9：判决是否结束，若是，则结束，若否，则进入步骤6。3.根据权利要求1所述的边云协同服务放置和工作负载调度方法，其特征在于，步骤1具体包括：建立系统模型，系统模型整个网络分为三层，第一层是终端设备层，包括不同的传感器、摄像头；第二层是边缘层，包括不同的边缘服务器和边缘节点；第三层是云层，包括云服务器；确定优化目标，在预算受限的情况下，求解出最优的服务放置策略以及工作负载调度策略，实现最小化服务处理时延。4.根据权利要求1所述的边云协同服务放置和工作负载调度方法，其特征在于，步骤3具体包括：使用LSTM模型来预测下一个时间帧内各个类型的服务请求数，进行下一个时间帧内的服务缓存以及工作负载调度。5.根据权利要求1所述的边云协同服务放置和工作负载调度方法，其特征在于，步骤4具体包括：利用吉布斯采样的思想，找出目标值P1的最优服务放置策略。6.根据权利要求5所述的边云协同服务放置和工作负载调度方法，其特征在于，步骤4具体包括：初始化服务放置策略for epoch from 1to M进行迭代；随机选择一个边缘服务器k，并为它随机选择一个可用的服务放置策略根据服务放置策略使用次梯度下降算法求得最优阴影工作负载分配策略并获得优化问题的最优值g；根据服务放置策略使用次梯度下降算法求得最优阴影工作负载分配策略并获得优化问题的最优值...

【专利技术属性】
技术研发人员：叶可江，唐璐婕，须成忠，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：