CN111866111B - 一种感知用户需求增长趋势的边缘部署方法 - Google Patents

Abstract

本发明涉及信息技术的技术领域，特别是涉及一种感知用户需求增长趋势的边缘部署方法，其为服务提供商提供满足用户增长需求的边缘部署方案；其特征在于，具体包括以下步骤：步骤1、将边缘计算中心历史运营时间分为m个时间段；步骤2、计算步骤1中所划分的每个时间段用户所需的边缘资源量；步骤3、利用时间序列分析方法，根据步骤2获得的m个边缘计算中心历史运营时间段用户所需的资源量，预测未来一个时间段内，用户所需的边缘资源量。

Description

一种感知用户需求增长趋势的边缘部署方法

技术领域

本发明涉及信息技术的技术领域，特别是涉及一种感知用户需求增长趋势的边缘部署方法。

背景技术

因自身有限的资源容量和电池电量，许多智能设备(如智能手机)无法高效地执行用户任务。于是一些服务提供商采用边缘计算技术，通过将智能设备(尤其是移动设备)的部分用户任务卸载到邻近的边缘计算中心，减少任务的计算延时，并降低设备的计算能耗。而因场地空间和制冷条件的限制，一个边缘计算中心仅能部署有限的服务器资源，于是如何高效的使用边缘资源是亟需解决的问题之一，其中设计高效的边缘部署方案是解决该问题的有效方法之一。

边缘计算环境中，边缘部署方案通过合理为每个计算中心部署相应的边缘资源，从而优化运营期间空闲的边缘资源量，并满足边缘运营期间的用户需求。已有一些工作利用运营的历史服务信息，设计有效的边缘部署方案，然而这些工作均仅采用已有信息，而未考虑用户需求的未来变化趋势。

随着信息技术的发展和人民日益增长的美好生活需求，智能设备越来越流行，如智能手机、可穿戴设备和智能家居。并且随着近几年人工智能算法(如深度学习)和通信技术(如5G、WiFi6/7)的高速发展，面向智能设备的互联网服务在多样性和复杂性方面均得到快速增加，这导致已有的边缘服务器部署方法所设计的方案很有可能不能满足运营期间用户的需求。

发明内容

为解决上述技术问题，本发明提供一种为服务提供商提供满足用户增长需求的边缘部署方案的感知用户需求增长趋势的边缘部署方法。

本发明的一种感知用户需求增长趋势的边缘部署方法，包括以下步骤：

步骤1、将边缘计算中心历史运营时间分为m个时间段；

步骤2、计算步骤1中所划分的每个时间段用户所需的边缘资源量；

步骤3、利用时间序列分析方法，根据步骤2获得的m个边缘计算中心历史运营时间段用户所需的资源量，预测未来一个时间段内，用户所需的边缘资源量。

本发明的一种感知用户需求增长趋势的边缘部署方法，还包括：

记边缘计算中心历史运营期间数据采集时刻为{τ_j|j＝1,...,T}，其中当1≤j1＜j2≤T时，τ_j1＜τ_j2；所采集的信息包括用户向边缘计算中心请求的任务信息，记用户请求任务的集合为{task_i|i＝1,...,n}，记s_i和f_i分别为任务task_i的开始时间和结束时间，记r_i为task_i在执行期间消耗的资源量；第k个时间段包括用户任务执行信息采集时刻{τ_j|j＝τ_(k-1)·Δ,...,τ_k·Δ}，其中τ_j表示第j个信息采集时刻；

为向下取整符号；T表示边缘计算中心历史运营期间的信息采集时刻数量。

本发明的一种感知用户需求增长趋势的边缘部署方法，还包括：

步骤2中计算步骤1中所划分的每个时间段用户所需的边缘资源量的计算公式为：

其中R_k表示第k个时间段用户所需的边缘资源量；r_i为task_i在执行期间消耗的资源量；task_i表示边缘计算中心运营期间，用户请求的第i个任务；z_i,j表示任务task_i是否在第j个数据采集时刻运行：当s_i≤τ_j≤f_i时，z_i,j＝1；其他情况下z_i,j＝0，s_i和f_i分别为任务task_i的开始时间和结束时间；τ_j表示第j个用户任务执行信息的采集时刻。

本发明的一种感知用户需求增长趋势的边缘部署方法，还包括：

步骤3中用于预测未来一个时间段内，用户所需的边缘资源量，计算公式为：

其中R_m+1表示未来一个时间段用户所需的边缘资源量；R_k表示第k个时间段用户所需的边缘资源量，由步骤2计算所得；δ为用户设置的自关联偏移因子，满足1≤δ≤m-1。

与现有技术相比本发明的有益效果为：本发明专利利用边缘计算中心历史运营期间的任务信息，计算每个时间段用户所需的边缘资源量，并利用时间序列预测方法获得用户所需边缘资源量的变化趋势，预测未来一个时间段用户所需的边缘资源量，从而为服务提供商提供符合用户需求变化趋势的边缘部署方案。

附图说明

图1是本发明的逻辑流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例

记边缘计算中心历史运营期间数据采集时刻为{τ_j|j＝1,...,T}，其中当1≤j1＜j2≤T时，τ_j1＜τ_j2。所采集的信息包括用户向边缘计算中心请求的任务信息，记用户请求任务的集合为{task_i|i＝1,...,n}，记s_i和f_i分别为任务task_i的开始时间和结束时间，记r_i为task_i在执行期间消耗的资源量。

如图1所示，感知用户需求增长趋势的边缘部署方法的具体流程如下：

步骤1：将边缘计算中心历史运营时间分为m个时间段，第k个时间段包括用户任务执行信息采集时刻{τ_j|j＝τ_(k-1)·Δ,...,τ_k·Δ}，其中τ_j表示第j个信息采集时刻；

为向下取整符号；T表示边缘计算中心历史运营期间的信息采集时刻数量。

步骤2：计算步骤1中所划分的每个时间段用户所需的边缘资源量，计算公式如下：

其中R_k表示第k个时间段用户所需的边缘资源量；r_i为task_i在执行期间消耗的资源量；task_i表示边缘计算中心运营期间，用户请求的第i个任务；z_i,j表示任务task_i是否在第j个数据采集时刻运行：当s_i≤τ_j≤f_i时，z_i,j＝1，其他情况下z_i,j＝0；s_i和f_i分别为任务task_i的开始时间和结束时间；τ_j表示第j个用户任务执行信息的采集时刻。

步骤3：利用时间序列分析方法，根据步骤2获得的m个边缘计算中心历史运营时间段用户所需的资源量，预测未来一个时间段内，用户所需的边缘资源量，计算公式如下：

其中R_m+1表示未来一个时间段用户所需的边缘资源量；R_k表示第k个时间段用户所需的边缘资源量，由步骤2计算所得；δ为用户设置的自关联偏移因子，满足1≤δ≤m-1。

本发明专利利用边缘计算中心历史运营期间的任务信息，计算每个时间段用户所需的边缘资源量，并利用时间序列预测方法获得用户所需边缘资源量的变化趋势，预测未来一个时间段用户所需的边缘资源量，从而为服务提供商提供符合用户需求变化趋势的边缘部署方案。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (1)

1.一种感知用户需求增长趋势的边缘部署方法，其特征在于，具体包括以下步骤：

步骤1、将边缘计算中心历史运营时间分为m个时间段；

步骤2、计算步骤1中所划分的每个时间段用户所需的边缘资源量；

步骤3、利用时间序列分析方法，根据步骤2获得的m个边缘计算中心历史运营时间段用户所需的资源量，预测未来一个时间段内，用户所需的边缘资源量；

记边缘计算中心历史运营期间数据采集时刻为{τ_j|j＝1,...,T}，其中当1≤j1＜j2≤T时，τ_j1＜τ_j2；所采集的信息包括用户向边缘计算中心请求的任务信息，记用户请求任务的集合为{task_i|i＝1,...,n}，记s_i和f_i分别为任务task_i的开始时间和结束时间，记r_i为task_i在执行期间消耗的资源量；第k个时间段包括用户任务执行信息采集时刻

其中τ_j表示第j个信息采集时刻；

为向下取整符号；T表示边缘计算中心历史运营期间的信息采集时刻数量；

步骤2中计算步骤1中所划分的每个时间段用户所需的边缘资源量的计算公式为：

其中R_k表示第k个时间段用户所需的边缘资源量；r_i为task_i在执行期间消耗的资源量；task_i表示边缘计算中心运营期间，用户请求的第i个任务；z_i,j表示任务task_i是否在第j个数据采集时刻运行：当s_i≤τ_j≤f_i时，z_i,j＝1，其他情况下z_i,j＝0；s_i和f_i分别为任务task_i的开始时间和结束时间；τ_j表示第j个用户任务执行信息的采集时刻；

步骤3中用于预测未来一个时间段内，用户所需的边缘资源量，计算公式为：

其中R_m+1表示未来一个时间段用户所需的边缘资源量；R_k表示第k个时间段用户所需的边缘资源量，由步骤2计算所得；δ为用户设置的自关联偏移因子，满足1≤δ≤m-1。

Images