CN109981753A - 一种面向物联网的软件定义的边缘计算的***及资源分配方法 - Google Patents

Abstract

本发明公开了一种面向物联网的软件定义的边缘计算的***及资源分配方法，包括呈蜂窝状部署的多接入基站设备,在每一个基站处部署具备数据处理与计算功能的边缘节点EN，同时EN通过高速光纤连接到集中式计算资源池。引入软件定义网络与网络功能虚拟化的理念，分离数据层面与控制层面，将网络功能从硬件设备解耦。采用OpenFlow控制器实现集中控制，向上通过可编程的应用程序接口执行移动性管理，数据处理，资源分配功能，向下通过OpenFlow接口与转发器通信，实现用户数据的转发。考虑物联网终端用户的不同特性，将斯坦柯尔伯格博弈应用到物联网终端用户计算资源的分配过程中，在保障用户服务质量前提下，最大限度地提高资源利用率，满足更多不同类型用户的需求。

Description

一种面向物联网的软件定义的边缘计算的***及资源分配 方法

技术领域

本发明涉及云计算领域，特别涉及一种面向物联网的软件定义的边缘计算的***及资源分配方法。

背景技术

物联网是新一代信息技术的重要组成部分，也是信息化时代的重要发展阶段。其通过智能感知，识别技术与普适计算等通信感知技术，广泛应用于网络的融合中，同时推动着智能家居、智慧交通、电子医疗、智慧城市，工业自动化的发展。

物联网的核心技术之一是云计算，云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。目前物联网的服务器部署在云端，通过云计算提供应用层的各项服务。

但是随着物联网业务的逐渐发展，传感数据量的迅速增加，以及智慧交通，电子医疗等低延迟、高可靠性业务的发展，对传统的基于云计算的物联网架构提出挑战：其一，大量的传感数据经由骨干网上传到云端，占用大量的带宽资源，遭遇突发性流量增长易引起网络阻塞；其二，传输时延较高，不能应对低时延业务的要求。

边缘计算的提出顺应了物联网的发展。边缘计算通过在接入网附近部署分布式的小型数据中心，采用网络、计算、存储、应用能力为一体的开放平台，为终端用户提供IT服务和云计算能力。

然而，不同于传统的集中式云数据中心，边缘计算被认为是一种网络边缘式的数据处理平台，即把传统的数据中心切割成各种小型数据中心放置在接入网边缘为用户提供网络服务。因此，对于边缘云而言所能提供的计算能力是有限的。如何合理的分配边缘计算中的资源已成为热点问题。

现有关于资源分配的研究很多，但大多数文献不能很好的应用于物联网场景，没能很好的处理以下几点：

1、面对庞大而异构的物联网终端用户群体，如何保证网络的可扩展性，以较高的资源利用率满足更多终端用户的服务请求；

2、物联网终端用户的移动性管理，如越区切换，此处特指低速移动的终端用户，如手持终端；

3、物联网终端用户隐私信息的保护；

4、考虑高速移动的物联网终端用户，如车载物联网设备，如何研究其移动性。

从目前物联网的发展情况来看，基于传统云计算的物联网架构，已无法满足现如今物联网业务对于低延迟、高可靠性，以及安全性的需求，移动边缘计算的兴起顺应了物联网时代的发展。但相比于传统云计算，将边缘计算应用于物联网场景仍存在急需解决的问题，尤其针对边缘云的计算资源有限性，急需一种高效合理的资源分配方法满足大量物联网用户的任务需求，提高资源利用率。

发明内容

针对现有物联网计算资源分配所存在的问题，本发明提供一种具有高效的***架构，同时考虑各终端用户的能耗状态和计算资源需求，最大限度地提高资源利用率，满足更多用户需求的面向物联网的软件定义的边缘计算的***及资源分配方法。

为了实现上述技术目的，本发明的技术方案是，

一种面向物联网的软件定义的边缘计算的***，包括多个呈蜂窝状部署的多接入式基站设备、集中式计算资源池和OpenFlow控制器，所述的基站设备用于与多个不同的物联网终端用户通信，基站设备设有具备数据处理能力与计算能力的边缘节点，所述的边缘节点通信连接到集中式计算资源池，所述的OpenFlow控制器连接至集中式计算资源池并用于实现集中式控制。

所述的一种面向物联网的软件定义的边缘计算的***，所述的集中式计算资源池包括常用资源池和备用资源池，所述的备用资源池默认处在休眠状态，当常用资源池总量无法满足计算需求时则激活备用资源池。

所述的一种面向物联网的软件定义的边缘计算的***，所述的基站设备通过D2D、WIFI、蓝牙、窄带IoT、Zigbee和蜂窝接入来与物联网终端用户通信

所述的一种面向物联网的软件定义的边缘计算的***，所述的边缘节点通过高速光纤分别与基站设备和集中式计算资源池通信连接。

一种面向物联网的软件定义边缘计算的资源分配方法，基于所述的***，包括以下步骤：

步骤1：终端用户入网，向OpenFlow控制器提出计算任务请求，并上传任务信息；

步骤2：OpenFlow控制器在接收到物联网终端用户的任务请求后，首先在边缘节点上为终端用户分配专用单元，并存储位置信息和过滤用户隐私信息，然后获取用户计算任务的任务信息；

步骤3：OpenFlow控制器以销售计算资源获得的利润为收益，并基于任务信息、集中式计算资源池的容量、计算资源的定价、为用户任务分配的计算资源量以及用户任务执行时带来的单位成本建立边缘云即集中式计算资源池一端的效用函数，同时物联网终端用户以任务上传到边缘云执行所节省的时延为收益，并基于任务是否在集中式计算资源池执行、任务信息、物联网终端用户本地的计算能力、计算资源的定价、控制器为物联网终端用户分配的计算资源量以及任务数据上传的速率来建立物联网终端用户一端的效用函数；

步骤4：根据步骤3，OpenFlow控制器优先给出初始定价，该定价决定了用户需求的每单位计算资源所应支付的费用；

步骤5：各物联网终端用户根据步骤3建立的效用函数，并在满足约束条件的基础上，求得所需最优的计算资源量，以及终端用户的最佳收益；

步骤6：控制器收到来自各终端用户的反馈，根据步骤5所得的计算资源需求总量，更新定价并决定集中式计算资源池的使用；当物联网终端用户所需要的计算资源总量超过超过常用资源池的总量，且资源定价低于单位成本，则控制器增大资源定价；否则比例减少资源定价；

步骤7：根据步骤6更新的资源定价，在延迟允许的范围内，物联网终端用户再次计算调整所需资源数及最佳效用；

步骤8：经过多次迭代直到双方不再调整策略，即控制器不再变更定价及启用资源池的决策，物联网终端用户不再调整所需资源数，或者两次策略所得效益不超过预设极小值，则得到最优资源分配策略。

所述的一种面向物联网的软件定义边缘计算的资源分配方法，所述的步骤1中任务信息包括任务数据量大小d，计算量大小s、最大可容忍时延t^max，发射功率p_i，及剩余设备能量E^re。

所述的一种面向物联网的软件定义边缘计算的资源分配方法，所述的步骤2中所述的专用单元，当物联网终端用户离开网络或完成计算任务后，专用单元将被释放。

所述的一种面向物联网的软件定义边缘计算的资源分配方法，所述的物联网终端用户i的效用函数表示为：

其中，物联网终端用户以任务上传到边缘云即集中式计算资源池执行所节省的时延为收益，用U_i表示；x_i物联网终端用户的任务是否在边缘云执行，取值为0或者1，当取值为1时则表征物联网终端用户的任务在边缘云执行；λ_i表示该物联网终端用户i对于时延节省的偏好程度；f_i ^l表示物联网终端用户的本地计算能力；f_i表示控制器为该用户分配的计算资源量；a表示控制器给出的资源定价；r_i，o表示数据上传的速率，采用香农公式有：

其中，B表征信道带宽；σ²为高斯白噪声的噪声功率；h_i，o为信道增益；p_i为物联网设备的发射功率；

上述效用函数还需满足以下两个基本的约束条件：

第一个约束条件表征整个任务的执行时间不得超过用户任务的可容忍的最大时延第二个约束条件表征由于任务上传造成的能量消耗不得超过终端设备的剩余能量

控制器即边缘云的效用函数表示为：

其中，控制器以销售计算资源获得的利润为收益，用U_EC表示；C表示集中式资源池的总容量，α表征用户任务执行时带来的单位成本；f_e表示启用的备用资源池的资源量；y表示由于激活备用资源池造成的单位成本。

本发明的技术效果在于，首先提出了一种新颖的***架构。考虑到现有物联网业务的低延时、高可靠性的要求，以及传统基于云计算的物联网架构的不适应性，针对低速移动用户的移动性和隐私问题，引入软件定义网络SDN(Software Defined Networking)和网络功能虚拟化NFV(Network Function Virtualization)的思想，将***结构从层次上划分为终端设备层，数据层即集中式计算资源池，以及网络控制层。分离数据层面与控制层面，将网络功能从硬件设备解耦，形成集中式控制，向上通过可编程的应用程序接口API(Application Programming Interface)执行移动性管理，数据处理，资源分配功能，向下通过OpenFlow接口与转发器通信，实现用户数据的转发。同时，配置备用资源池，默认处于休眠状态，以节省设备运行带来的能量开销，当面对突发大量的终端用户任务请求，经控制器执行是否激活行为，提供服务。

其次在所提供的***架构的基础上，针对边缘计算资源的分配，构建单主多从的斯坦柯尔伯格博弈，其中，控制器为主，物联网终端用户为从，在保障用户服务质量的基础上，针对终端设备的各异性，将斯坦柯尔伯格博弈应用到物联网终端用户计算资源的分配过程中，考虑各终端用户的能耗状态和计算资源需求，最大限度地提高资源利用率，满足更多用户的需求。

附图说明

图1为本发明的***结构示意图；

图2为本发明的多接入基站示意图；

图3为本发明的控制器及接口示意图；

图4为本发明的方法流程图。

具体实施方式

本发明的研发由国家自然科学基金项目61672539，61672537，61803394，61873353，61772558提供部分支持。考虑到软件定义网络与网络功能虚拟化的优点，以及物联网业务的特点，本发明提供了一种新型的网络架构，并在此架构的基础上提出基于斯坦柯尔伯格博弈的资源分配方法。现结合附图对本发明做进一步的详细阐述。

参见图1，本发明引入软件定义网络与网络功能虚拟化计算，将整个网络从逻辑上划分为以下三层：用户层，边缘云层，以及控制层。用户层为呈蜂窝状分布的无线基站，同时每一个基站附近通过高速光纤连接一个边缘节点EN(Edge Node)，EN是一个具备计算、存储与数据分析功能的服务器，负责为终端设备提供专用单元或称作专用资源块，用来存储位置信息，过滤终端用户的私人信息。边缘云层是实体为高性能服务器集群的计算资源池，负责执行终端用户的计算任务。本发明启用了一个备用资源池，默认处于休眠状态以节省服务器能量，当面对大量计算任务请求当而前资源总量无法满足时，可快速激活备用资源池。边缘云层通过高速光纤与用户层通信。控制层为一个OpenFlow控制器，实现集中式控制与网路功能管理。

参见图2，考虑到物联网场景下，终端设备的多样性，以及终端设备接入网络方式的各异性，比如智能手机通过WIFI连接，数码相机通过蓝牙连接入网，智能终端设备之间以D2D方式通信。因此，本发明中基站具备多种接入技术，包括D2D、WIFI、蓝牙、窄带IoT、Zigbee以及蜂窝接入。

参见图3，OpenFlow控制器的基本功能在于通过计算数据转发路径，建立、维护流表信息，并依据流表信息控制数据的转发处理。控制器向下通过OpenFlow协议与转发设备通信，向上通过可编程的应用程序接口与网络功能模块连接，实现具体的功能应用与资源分配，移动性管理。

在执行本发明方法时，首先明确边缘计算资源分配过程的参与者，即终端SU(Smart User)和OpenFlow控制器。明确单主多从斯坦柯尔伯格博弈中的领导者，即OpenFlow控制器，和跟随者，即物联网终端用户SU。明确物联网终端用户计算任务需求及时延和能耗约束，资源池容量及成本系数。明确双方的效用函数及约束条件，根据物联网设备的能耗状态和带宽需求，为不同类型的物联网终端用户设计不同的效用函数。

图4所示为本发明的方法流程图。具体实施步骤如下：

步骤1：终端用户入网，向OpenFlow控制器提出计算任务请求，并上任务信息，具体内容包括任务数据量大小d，计算量大小s、最大可容忍时延t^max，发射功率p_i，及剩余设备能量E^re。

步骤2：控制器在接收到物联网终端用户的任务请求后，首先通过边缘节点EN为终端用户分配专用单元，管理位置信息，及过滤用户隐私信息，其次获取用户计算任务请求的相关信息。

步骤3：博弈过程由控制器作为主导者，优先给出决策，终端设备作为跟随者依据控制器的决策调整自己的策略，保证最优效益。其中，物联网终端用户i的效用函数可以表示为：

其中，物联网终端用户以任务上传到边缘云执行所节省的时延为收益，用U_i表示；x_i物联网终端用户的任务是否在边缘云执行，取值为0或者1，当取值为1时则表征物联网终端用户的任务在边缘云执行；λ_i表示该物联网终端用户i对于时延节省的偏好程度；f_i ^l表示物联网终端用户的本地计算能力；f_i表示控制器为该用户分配的计算资源量；a表示控制器给出的资源定价；r_i，o表示数据上传的速率，采用香农公式可得：

其中，B表征信道带宽；σ²为高斯白噪声的噪声功率；h_i，o为信道增益；p_i为物联网设备的发射功率，考虑到物联网设备的各异性，不同物联网用户的发射功率不同。

考虑到物联网终端设备各异性造成的设备剩余能量差异，以及用户任务的多样性导致的时延要求的不同，上述效用函数还需满足以下两个基本的约束条件：

第一个约束条件表征整个任务的执行时间不得超过用户任务的可容忍的最大时延，第二个约束条件表征由于任务上传造成的能量消耗不得超过终端设备的剩余能量。

控制器即边缘云的效用函数可以表示为：

其中，控制器以销售计算资源获得的利润为收益，用U_EC表示；C表示集中式资源池的总容量，α表征用户任务执行时带来的单位成本；f_e表示启用的备用资源池的资源量；y表示由于激活备用资源池造成的单位成本。

步骤4：根据步骤3，OpenFlow控制器优先给出初始定价，该定价决定了用户需求的每单位计算资源所应支付的费用a。

步骤5：各物联网终端用户根据步骤3约定的效用函数，并在满足约束条件的基础上，求得所需最优的计算资源量，以及终端用户的最佳收益。

步骤6：控制器收到来自各终端用户的反馈，根据步骤5所得的计算资源需求总量，更新定价或决定是否启用备用资源池。当物联网终端用户所需要的计算资源总量超过超过常用资源池的总量，且资源定价低于单位成本，则控制器增大资源定价；否则比例减少资源定价。

步骤7：根据步骤6更新的资源定价，在延迟允许的范围内，物联网终端用户再次计算调整所需资源数及最佳效用；

步骤8：经过多次迭代直到双方不再调整策略，即控制器不再变更定价及启用资源池的决策，物联网终端用户不再调整所需资源数，或者两次策略所得效益不超过一个极小值，则得到最优资源分配策略。

Claims (8)

1.一种面向物联网的软件定义的边缘计算的***，其特征在于，包括多个呈蜂窝状部署的多接入式基站设备、集中式计算资源池和OpenFlow控制器，所述的基站设备用于与多个不同的物联网终端用户通信，基站设备设有具备数据处理能力与计算能力的边缘节点，所述的边缘节点通信连接到集中式计算资源池，所述的OpenFlow控制器连接至集中式计算资源池并用于实现集中式控制。

2.根据权利要求1所述的一种面向物联网的软件定义的边缘计算的***，其特征在于，所述的集中式计算资源池包括常用资源池和备用资源池，所述的备用资源池默认处在休眠状态，当常用资源池总量无法满足计算需求时则激活备用资源池。

3.根据权利要求1所述的一种面向物联网的软件定义的边缘计算的***，其特征在于，所述的基站设备通过D2D、WIFI、蓝牙、窄带IoT、Zigbee和蜂窝接入来与物联网终端用户通信。

4.根据权利要求1所述的一种面向物联网的软件定义的边缘计算的***，其特征在于，所述的边缘节点通过高速光纤分别与基站设备和集中式计算资源池通信连接。

5.一种面向物联网的软件定义边缘计算的资源分配方法，其特征在于，基于权利要求1-4任一所述的***，包括以下步骤：

步骤1：终端用户入网，向OpenFlow控制器提出计算任务请求，并上传任务信息；

步骤2：OpenFlow控制器在接收到物联网终端用户的任务请求后，首先在边缘节点上为终端用户分配专用单元，并存储位置信息和过滤用户隐私信息，然后获取用户计算任务的任务信息；

步骤3：OpenFlow控制器以销售计算资源获得的利润为收益，并基于任务信息、集中式计算资源池的容量、计算资源的定价、为用户任务分配的计算资源量以及用户任务执行时带来的单位成本建立边缘云即集中式计算资源池一端的效用函数，同时物联网终端用户以任务上传到边缘云执行所节省的时延为收益，并基于任务是否在集中式计算资源池执行、任务信息、物联网终端用户本地的计算能力、计算资源的定价、控制器为物联网终端用户分配的计算资源量以及任务数据上传的速率来建立物联网终端用户一端的效用函数；

步骤4：根据步骤3，OpenFlow控制器优先给出初始定价，该定价决定了用户需求的每单位计算资源所应支付的费用；

步骤5：各物联网终端用户根据步骤3建立的效用函数，并在满足约束条件的基础上，求得所需最优的计算资源量，以及终端用户的最佳收益；

步骤6：控制器收到来自各终端用户的反馈，根据步骤5所得的计算资源需求总量，更新定价并决定集中式计算资源池的使用；当物联网终端用户所需要的计算资源总量超过超过常用资源池的总量，且资源定价低于单位成本，则控制器增大资源定价；否则比例减少资源定价；

步骤7：根据步骤6更新的资源定价，在延迟允许的范围内，物联网终端用户再次计算调整所需资源数及最佳效用；

步骤8：经过多次迭代直到双方不再调整策略，即控制器不再变更定价及启用资源池的决策，物联网终端用户不再调整所需资源数，或者两次策略所得效益不超过预设极小值，则得到最优资源分配策略。

6.根据权利要求5所述的一种面向物联网的软件定义边缘计算的资源分配方法，其特征在于，所述的步骤1中任务信息包括任务数据量大小d，计算量大小s、最大可容忍时延t^max，发射功率p_i，及剩余设备能量E^re。

7.根据权利要求5所述的一种面向物联网的软件定义边缘计算的资源分配方法，其特征在于，所述的步骤2中所述的专用单元，当物联网终端用户离开网络或完成计算任务后，专用单元将被释放。

8.根据权利要求6所述的一种面向物联网的软件定义边缘计算的资源分配方法，其特征在于，所述的物联网终端用户i的效用函数表示为：

其中，物联网终端用户以任务上传到边缘云即集中式计算资源池执行所节省的时延为收益，用U_i表示；x_i物联网终端用户的任务是否在边缘云执行，取值为0或者1，当取值为1时则表征物联网终端用户的任务在边缘云执行；λ_i表示该物联网终端用户i对于时延节省的偏好程度；f_i ^l表示物联网终端用户的本地计算能力；f_i表示控制器为该用户分配的计算资源量；a表示控制器给出的资源定价；r_i,o表示数据上传的速率，采用香农公式有：

其中，B表征信道带宽；σ²为高斯白噪声的噪声功率；h_i,o为信道增益；p_i为物联网设备的发射功率；

上述效用函数还需满足以下两个基本的约束条件：

第一个约束条件表征整个任务的执行时间不得超过用户任务的可容忍的最大时延第二个约束条件表征由于任务上传造成的能量消耗不得超过终端设备的剩余能量

控制器即边缘云的效用函数表示为：

其中，控制器以销售计算资源获得的利润为收益，用U_EC表示；C表示集中式资源池的总容量，α表征用户任务执行时带来的单位成本；f_e表示启用的备用资源池的资源量；y表示由于激活备用资源池造成的单位成本。