CN111988168B - 边缘服务部署方法、装置及电子设备 - Google Patents

边缘服务部署方法、装置及电子设备 Download PDF

Info

Publication number
CN111988168B
CN111988168B CN202010723732.9A CN202010723732A CN111988168B CN 111988168 B CN111988168 B CN 111988168B CN 202010723732 A CN202010723732 A CN 202010723732A CN 111988168 B CN111988168 B CN 111988168B
Authority
CN
China
Prior art keywords
service
mobility
edge
user
time slice
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010723732.9A
Other languages
English (en)
Other versions
CN111988168A (zh
Inventor
时岩
赵旭辉
陈山枝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202010723732.9A priority Critical patent/CN111988168B/zh
Publication of CN111988168A publication Critical patent/CN111988168A/zh
Application granted granted Critical
Publication of CN111988168B publication Critical patent/CN111988168B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请提供的边缘服务部署方法、装置及电子设备。涉及数据处理技术领域，根据各移动性特征分块的历史服务请求数量计算当前时间片的各移动性特征分块的服务请求估计量，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求，根据各待部署节点接收到的用户的服务请求及各服务请求估计量，得到各移动性特征分块的待部署节点集合，计算各待部署节点集合的服务时延及部署服务的代价，据此选取目标边缘节点集合用于部署各用户的服务请求所对应的边缘服务。通过利用用户的移动性特征信息，根据历史用户需求学习到当前的用户服务需求，解决了现有技术中由于移动性引起的移动边缘应用服务部署问题。

Description

边缘服务部署方法、装置及电子设备
技术领域
本申请涉及数据处理技术领域，特别是涉及边缘服务部署方法、装置及电子设备。
背景技术
移动边缘网络是基于移动边缘计算(Mobile Edge Computing,MEC)的新型网络，可以为未来移动应用的低延迟、高计算要求提供支持，如虚拟现实、移动游戏、车联网应用等。
由于移动用户会在不同的边缘节点服务范围间移动，而用户移动行为的时空分布规律导致对于不同的边缘节点，来自移动用户的移动边缘服务请求数量可能相差很大，如某些位置的边缘节点的服务请求数量大，因而需要部署边缘应用服务，而某些边缘节点没有服务请求，因而不需要部署边缘应用服务。因此，亟待提供边缘节点的边缘服务部署方法。
发明内容
本申请实施例的目的在于提供边缘服务部署方法、装置及电子设备，以提供一种边缘节点的边缘服务部署方法。
具体技术方案如下：
第一方面，本申请实施例提供了一种边缘服务部署方法，应用于边缘服务部署***中的管理器，所述边缘服务部署***还包括云平台及多个边缘节点；所述方法包括：
获取移动性特征空间，所述移动性特征空间包括多个移动性特征分块，移动性特征信息与所述移动性特征分块具有对应关系，不同的移动性特征分块中的移动性特征信息不同，所述移动性特征信息表示用户的移动性特征；
获取各所述移动性特征分块的历史服务请求数量；根据各所述移动性特征分块的历史服务请求数量计算当前时间片的各所述移动性特征分块的服务请求估计量；时间片表示预设的时间周期内的一时段；
获取当前时间片内各用户的移动性特征信息，按照各所述用户的移动性特征信息，分别确定各所述用户所对应的移动性特征分块；
获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合；
获取各所述待部署节点集合的所有的边缘节点子集，所述边缘节点子集包括至少一个待部署节点；
针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各所述服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价；
根据各所述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各所述用户的服务请求所对应的边缘服务。
可选的，将预设的时间周期划分为T个离散的时间片；将移动性特征空间表示为χ＝[0,1]D，D为移动性特征信息维度，χ为D维移动性特征空间；
所述获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合，包括：
根据如下公式，设置所述预设服务请求阈值：
Figure GDA0003191721170000021
其中，1≥α>0；α为赫尔德指数；
待部署节点集合表示为：
Figure GDA0003191721170000022
其中，N为时间片t内边缘节点集合；
Figure GDA0003191721170000031
为在时间片t内边缘节点n上的用户集合，t∈{1,…,T}，n∈N；m表示任一用户并且满足
Figure GDA0003191721170000032
pt为时间片t的移动性特征分块集合，其中，
Figure GDA0003191721170000033
表示用户m在时间片t所属的移动性特征分块；
Figure GDA0003191721170000034
表示移动性特征分块
Figure GDA0003191721170000035
上的服务请求数量；
Figure GDA0003191721170000036
表示时间片t的待部署节点集合。
可选的，
Figure GDA0003191721170000037
的边缘节点子集表示为Lj，其中j∈{1,…,k}；k为边缘节点子集的个数；
根据如下公式，计算各边缘节点子集Lj的服务时延：
Figure GDA0003191721170000038
其中：
Figure GDA0003191721170000039
Figure GDA00031917211700000310
Figure GDA00031917211700000311
其中，
Figure GDA00031917211700000312
为边缘节点子集的服务时延，
Figure GDA00031917211700000313
Figure GDA00031917211700000314
表示估计的不确定性；
Figure GDA00031917211700000315
为移动性特征分块为pt的用户在边缘服务器子集Lj(n∈Lj)上的服务请求数量；
Figure GDA00031917211700000316
为移动特征向量为
Figure GDA00031917211700000317
的用户m所属的移动性特征分块；
Figure GDA00031917211700000318
表示移动性特征分块
Figure GDA00031917211700000319
在当前时间片的总服务请求估计量；
Figure GDA0003191721170000041
表示移动性特征分块为
Figure GDA0003191721170000042
的服务请求量；
Figure GDA0003191721170000043
为移动性特征分块为
Figure GDA0003191721170000044
的用户服务请求集合，
Figure GDA0003191721170000045
其中，
Figure GDA0003191721170000046
其中，
Figure GDA0003191721170000047
表示边缘节点提供服务时的响应时延；
Figure GDA0003191721170000048
表示云平台提供服务时的响应时延；
Figure GDA0003191721170000049
其中，λ为用户的服务请求所对应的边缘服务的输入数据大小；μ为计算所述用户的服务请求所对应的边缘服务所需的计算资源周期；
Figure GDA00031917211700000410
为时间片t中用户m与边缘节点n之间的传输速率，fn为边缘节点n的处理速度；fC为云平台的处理速度；Ct为边缘节点n与云平台之间的传输速率；ht为用户发送服务请求至用户接收到云平台给所述用户提供服务响应的时间；
根据如下公式，计算各边缘节点子集Lj的部署服务代价：
Figure GDA00031917211700000411
其中：
Figure GDA00031917211700000412
其中，ω为在一个边缘节点部署边缘服务的部署成本；f(ω·|Lj|)为在边缘节点子集Lj中的边缘节点部署边缘服务的部署成本。
可选的，在
Figure GDA00031917211700000413
为非空集合的情况下，所述根据各所述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各所述用户的服务请求所对应的边缘服务，包括：
在
Figure GDA00031917211700000414
的情况下，
Figure GDA00031917211700000415
β、L为常数，lt表示为目标边缘节点集合；根据如下公式，确定目标边缘节点集合lt：
Figure GDA0003191721170000051
在
Figure GDA0003191721170000052
的情况下，
Figure GDA0003191721170000053
根据如下公式，确定目标边缘节点集合：
Figure GDA0003191721170000054
其中，
Figure GDA0003191721170000055
可选的，在
Figure GDA0003191721170000056
为空集的情况下，所述根据各所述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各所述用户的服务请求所对应的边缘服务，包括：
根据如下公式，确定目标边缘节点集合：
Figure GDA0003191721170000057
第二方面，本申请实施例提供了一种边缘服务部署装置，应用边缘服务部署***中的管理器，所述边缘服务部署***还包括云平台及多个边缘节点；所述装置包括：
第一采集模块，用于获取移动性特征空间，所述移动性特征空间包括多个移动性特征分块，移动性特征信息与所述移动性特征分块具有对应关系，不同的移动性特征分块中的移动性特征信息不同，所述移动性特征信息表示用户的移动性特征；
第二采集模块，用于获取各所述移动性特征分块的历史服务请求数量；根据各所述移动性特征分块的历史服务请求数量计算当前时间片的各所述移动性特征分块的服务请求估计量；时间片表示预设的时间周期内的一时段；
第三采集模块，用于获取当前时间片内各用户的移动性特征信息，按照各所述用户的移动性特征信息，分别确定各所述用户所对应的移动性特征分块；
第四采集模块，用于获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合；
第五采集模块，用于获取各所述待部署节点集合的所有的边缘节点子集，所述边缘节点子集包括至少一个待部署节点；
计算模块，用于针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各所述服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价；
选取模块，用于根据各所述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各所述用户的服务请求所对应的边缘服务。
可选的，将预设的时间周期划分为T个离散的时间片；将移动性特征空间表示为x＝[0,1]D，D为移动性特征信息维度，χ为D维移动性特征空间；
所述第四采集模块具体用于：
根据如下公式，设置所述预设服务请求阈值：
Figure GDA0003191721170000061
其中，1≥α>0；α为赫尔德指数；
待部署节点集合表示为：
Figure GDA0003191721170000062
其中，N为时间片t内边缘节点集合；
Figure GDA0003191721170000063
为在时间片t内边缘节点n上的用户集合，t∈{1,…,T}，n∈N；m表示任一用户并且满足
Figure GDA0003191721170000064
pt为时间片t的移动性特征分块集合，其中，
Figure GDA0003191721170000065
表示用户m在时间片t所属的移动性特征分块；
Figure GDA0003191721170000066
表示移动性特征分块
Figure GDA0003191721170000067
上的服务请求数量；
Figure GDA0003191721170000071
表示时间片t的待部署节点集合。
可选的，
Figure GDA0003191721170000072
的边缘节点子集表示为Lj，其中j∈{1,…,k}；k为边缘节点子集的个数；所述第四采集模块具体用于：
根据如下公式，计算各边缘节点子集Lj的服务时延：
Figure GDA0003191721170000073
其中：
Figure GDA0003191721170000074
Figure GDA0003191721170000075
Figure GDA0003191721170000076
其中，
Figure GDA0003191721170000077
为边缘节点子集的服务时延，
Figure GDA0003191721170000078
Figure GDA0003191721170000079
表示估计的不确定性；
Figure GDA00031917211700000710
为移动性特征分块为pt的用户在边缘服务器子集Lj(n∈Lj)上的服务请求数量；
Figure GDA00031917211700000711
为移动特征向量为
Figure GDA00031917211700000712
的用户m所属的移动性特征分块；
Figure GDA00031917211700000713
表示移动性特征分块
Figure GDA00031917211700000714
在当前时间片的总服务请求估计量；
Figure GDA00031917211700000715
表示移动性特征分块为
Figure GDA00031917211700000716
的服务请求量；
Figure GDA00031917211700000717
为移动性特征分块为
Figure GDA00031917211700000718
的用户服务请求集合，
Figure GDA00031917211700000719
其中，
Figure GDA00031917211700000720
其中，
Figure GDA0003191721170000081
表示边缘节点提供服务时的响应时延；
Figure GDA0003191721170000082
表示云平台提供服务时的响应时延；
Figure GDA0003191721170000083
其中，λ为用户的服务请求所对应的边缘服务的输入数据大小；μ为计算所述用户的服务请求所对应的边缘服务所需的计算资源周期；
Figure GDA0003191721170000084
为时间片t中用户m与边缘节点n之间的传输速率，fn为边缘节点n的处理速度；fC为云平台的处理速度；Ct为边缘节点n与云平台之间的传输速率；ht为用户发送服务请求至用户接收到云平台给所述用户提供服务响应的时间；
根据如下公式，计算各边缘节点子集Lj的部署服务代价：
Figure GDA0003191721170000085
其中：
Figure GDA0003191721170000086
其中，ω为在一个边缘节点部署边缘服务的部署成本；f(ω·|Lj|)为在边缘节点子集Lj中的边缘节点部署边缘服务的部署成本。
可选的，在
Figure GDA0003191721170000087
为非空集合的情况下，所述选取模块具体用于：
在
Figure GDA0003191721170000088
的情况下，
Figure GDA0003191721170000089
β、L为为常数，lt表示为目标边缘节点集合；根据如下公式，确定目标边缘节点集合lt：
Figure GDA00031917211700000810
在
Figure GDA00031917211700000811
的情况下，
Figure GDA00031917211700000812
根据如下公式，确定目标边缘节点集合：
Figure GDA0003191721170000091
其中，
Figure GDA0003191721170000092
可选的，在
Figure GDA0003191721170000093
为空集的情况下，所述选取模块具体用于：
根据如下公式，确定目标边缘节点集合：
Figure GDA0003191721170000094
第三方面，本申请实施例提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面或第二方面任一项所述的边缘服务部署方法。
第四方面，本申请实施例提供了一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面任一所述的边缘服务部署方法。
第五方面，本申请实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面任一所述的边缘服务部署方法。
本申请实施例提供的边缘服务部署方法、装置及电子设备，通过获取当前时间片内各用户的移动性特征信息，按照各用户的移动性特征信息，分别确定各用户所对应的移动性特征分块，获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求，得到各移动性特征分块的待部署节点集合，获取各待部署节点集合的所有的边缘节点子集，边缘节点子集包括至少一个待部署节点，针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价，根据各边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各用户的服务请求所对应的边缘服务，通过利用用户的移动性特征信息，根据历史用户需求学习到当前的用户服务需求，根据当前的用户服务需求确定部署边缘服务的边缘节点，从而解决了现有技术中没有适应用户移动所引起的移动边缘服务请求的动态变化而引起的边缘节点资源的浪费问题。当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例的边缘服务部署方法的一种示意图；
图2为本申请实施例的边缘服务部署装置的一种示意图；
图3为本申请实施例的电子设备的一种示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在将移动边缘应用服务部署到特定边缘节点之前，用户请求的数量通常是未知的，而移动边缘应用服务部署的收益主要取决于用户请求的数量。因此，移动边缘服务部署策略必须适应用户移动所引起的移动边缘服务请求的动态变化，当不适应用户移动所引起的移动边缘服务请求的动态变化而对边缘节点部署边缘服务时，会造成边缘节点资源的浪费。
鉴于以上问题，本申请实施例公开了一种边缘服务部署方法、装置及电子设备，以下分别进行说明。
本申请实施例提供了边缘服务部署方法，应用于边缘服务部署***中的管理器，上述边缘服务部署***还包括云平台及多个边缘节点，参见图1，图1为本申请实施例的边缘服务部署方法的一种示意图，包括：
步骤110，获取移动性特征空间，上述移动性特征空间包括多个移动性特征分块，移动性特征信息与上述移动性特征分块具有对应关系，不同的移动性特征分块中的移动性特征信息不同，上述移动性特征信息表示用户的移动性特征。
本申请实施例的边缘服务部署方法可以通过电子设备实现，具体的，该电子设备为任一可以提供边缘服务的服务器，例如，计算机，数字广播终端，消息收发设备，游戏控制台等。
边缘服务部署***包括多个边缘节点、云平台；上述边缘节点用于部署边缘服务，当接收到用户的服务请求时，上述边缘服务响应上述服务请求，提供服务给上述用户；上述云平台用于部署边缘服务，在上述边缘节点未部署处理上述用户的服务请求相应的边缘服务的情况下，上述云平台接收边缘节点转发的用户的服务请求，响应上述服务请求，提供服务给上述用户。
为了适应用户的移动性特征以及未知的用户的服务请求的数量所引起的移动边缘服务部署问题，可以获取用户移动性特征信息空间。移动性特征信息可以从多个维度进行定义，从而构成多维移动性特征空间。进而可以将各个维度上移动性特征信息的取值范围，根据需要按照不同粒度进行划分，从而将整个移动性特征空间划分为多个移动性特征分块。对于某一个移动用户，边缘服务放置管理器可以通过用户携带的移动设备和大数据技术来感知和收集移动性特征信息，从而构建该用户的历史移动性特征信息集，其中移动性特征信息表示用户的移动性特征，移动性特征信息可以包括用户发送服务请求的时间、位置、用户性别、年龄、职业等，具体的，移动性特征信息可以是一维信息，也可以为多维信息，具体根据实际情况进行设定，在此不作限定，每个移动性特征信息可以根据其取值对应到某一移动性特征分块。
例如，用户移动性特征信息是二维的信息，包括用户发送服务请求的时间及位置，则移动性特征空间为二维的空间，对移动性特征空间进行划分，得到表征用户发送服务请求的时间及位置的移动性特征分块集合，每个移动性特征分块为矩形。更进一步的，用户移动性特征信息是三维的信息，包括用户发送服务请求的时间、用户发送服务请求的位置及用户的职业，则移动性特征空间为三维的空间，对移动性特征空间进行划分，得到表征用户发送服务请求的时间、位置的及用户的职业移动性特征分块集合，每个移动性特征分块为长方体。
为了预测当前用户的服务请求数量，当各用户的移动性特征信息相似时，各用户的服务请求也相似。
例如，人们更喜欢在晚上9点左右在住宅区中使用移动文字和语音通讯服务和即时消息传递软件服务；在晚上8点在商业区域使用在线销售平台和在线零售商服务；则预测同一时间段，同一位置的用户发送的用户请求是相同的，例如晚上9点左右在住宅区中的用户，发送移动文字和语音通讯服务的服务请求和即时消息传递软件服务的服务请求。
将移动性特征空间表示为x＝[0,1]D，D为移动性特征信息维度，χ为D维移动性特征空间；具体的，存在L>0，1≥α>0，α为赫尔德指数，表征当用户的移动性信息相似时，用户的服务请求数量也是相似的，α的大小取决于用户移动性特征向量的相似性和服务请求数量的相似性，即，当满足以下赫尔德连续性公式，说明用户的移动性特征信息相似时，用户的服务请求也相似。
|μn(x1)-μn(x2)|≤L||x1-x2||α
其中，x1，x2∈χ，x1为用户1的移动性特征信息向量，x2为用户2的移动性特征信息向量，||x1-x2||为向量x1和向量x2的欧几里德距离；L和α表征用户1和用户2的移动性特征信息接近到一定程度时，用户1和用户2的服务请求的接近程度。μn(x1)为移动性特征信息向量为x1的用户在边缘服务器n上的服务请求量的期望值。μn(x2)为移动性特征信息向量为x2的用户在边缘服务器n上服务请求量的期望值。其中，μn(x1)＝E(d(x1))，μn(x2)＝E(d(x2))。其中，d(x1)表示x1的用户的服务请求数量，d(x2)表示x2的用户的服务请求数量。
步骤120，获取各上述移动性特征分块的历史服务请求数量；根据各上述移动性特征分块的历史服务请求数量计算当前时间片的各上述移动性特征分块的服务请求估计量；时间片表示预设的时间周期内的一时段。
为了适应未知的用户的服务请求的数量所引起的移动边缘服务部署问题，可以获取各移动性特征分块的历史服务请求数量，从而根据历史服务请求数量，预测当前的服务请求数量，即，计算当前时间片的各上述移动性特征分块的服务请求估计量。
例如，将预设的时间周期划分为T个离散的时间片，T为预设的时间周期长度，为各个移动性特征分块设置一个计数器
Figure GDA0003191721170000131
表示在时间片t，移动性特征信息与移动性特征分块p存在对应关系的用户，向边缘节点n发送的服务请求数量。
Figure GDA0003191721170000132
的初始值设置为0。
Figure GDA0003191721170000133
表示在历史时间片t，移动性特征分块p的用户的服务请求集合，
Figure GDA0003191721170000134
表示当前时间片t的移动性特征信息对应为移动性特征分块p的用户的服务请求估计量，
Figure GDA0003191721170000135
采用样本均值法进行计算，具体的，
Figure GDA0003191721170000136
其中
Figure GDA0003191721170000137
即，观察到的服务请求数量是根据各个移动性特征分块设置的计数器
Figure GDA0003191721170000138
的计数得到的。
根据各移动性特征分块的历史服务请求数量，从而计算当前时间片的各上述移动性特征分块的服务请求估计量，可以适应未知的用户的服务请求的数量所引起的移动边缘服务部署问题。
步骤130，获取当前时间片内各用户的移动性特征信息，按照各上述用户的移动性特征信息，分别确定各上述用户所对应的移动性特征分块。
在时间片t，移动性特征空间中的移动性特征分块集合表示为pt，M为时间片t内的用户集合；m∈{1,…,M}，在当前时间片t，用户m的移动性特征向量表示为
Figure GDA0003191721170000139
根据
Figure GDA00031917211700001310
确定用户所对应的移动性特征分块表示为
Figure GDA00031917211700001311
则
Figure GDA00031917211700001312
其中移动性特征向量用于表示用户的移动性特征信息。
步骤140，获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合。
获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，如此可以充分考虑因为划分移动性特征空间得到移动性特征分块的不确定性带来的偏差，充分利用未部署边缘服务的边缘节点，以此可以得到更优的边缘服务部署方案。
在一种可能的实施方式中，将预设的时间周期划分为T个离散的时间片；将移动性特征空间表示为x＝[0,1]D，D为移动性特征信息维度，x为D维移动性特征空间；，1/rT为移动性特征分块的边长；(rT)D为移动性特征分块的个数；
上述获取当前时间片内各边缘节点接收到的用户的服务请求，将上述服务请求小于预设服务请求阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合，包括：
根据如下公式，设置上述预设服务请求阈值：
Figure GDA0003191721170000141
其中，1≥α>0；α为赫尔德指数；
待部署节点集合表示为：
Figure GDA0003191721170000142
其中，N为时间片t内边缘节点集合；
Figure GDA0003191721170000143
为在时间片t内边缘节点n上的用户集合，t∈{1,…,T}，n∈N；m表示任一用户并且满足
Figure GDA0003191721170000144
pt为时间片t的移动性特征分块集合，其中，
Figure GDA0003191721170000145
表示用户m在时间片t所属的移动性特征分块；
Figure GDA0003191721170000146
表示移动性特征分块
Figure GDA0003191721170000147
上的服务请求数量；
Figure GDA0003191721170000151
表示时间片t的待部署节点集合。
步骤150，获取各上述待部署节点集合的所有的边缘节点子集，上述边缘节点子集包括至少一个待部署节点。
Figure GDA0003191721170000152
的边缘节点子集表示为Lj，其中j∈{1,…,k}，k为边缘节点子集的个数；其中边缘节点子集的个数可以根据实际情况进行设定，各个边缘节点子集中的边缘节点的数量也可以根据实际情况进行设定，在一种可能的实施方案中，边缘节点子集Lj是
Figure GDA0003191721170000153
所有的子集集合。
步骤160，针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各上述服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价。
针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各上述服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价。通过计算该边缘节点子集的服务时延及部署服务的代价，确定最优的移动边缘服务部署策略。
在一种可能的实施方式中，
Figure GDA0003191721170000154
的边缘节点子集表示为Lj，其中j∈{1,…,k}；
根据如下公式，计算该边缘节点子集的服务时延：
Figure GDA0003191721170000155
其中：
Figure GDA0003191721170000156
Figure GDA0003191721170000157
Figure GDA0003191721170000161
其中，
Figure GDA0003191721170000162
为边缘节点子集的服务时延，
Figure GDA0003191721170000163
Figure GDA0003191721170000164
表示估计的不确定性；
Figure GDA0003191721170000165
为移动性特征分块为pt的用户在边缘服务器子集Lj(n∈Lj)上的服务请求数量；
Figure GDA0003191721170000166
为移动特征向量为
Figure GDA0003191721170000167
的用户m所属的移动性特征分块；
Figure GDA0003191721170000168
表示移动性特征分块
Figure GDA0003191721170000169
在当前时间片的总服务请求估计量；
Figure GDA00031917211700001610
表示移动性特征分块为
Figure GDA00031917211700001611
的服务请求量；
Figure GDA00031917211700001612
为移动性特征分块为
Figure GDA00031917211700001613
的用户服务请求集合，
Figure GDA00031917211700001614
其中，
Figure GDA00031917211700001615
其中，
Figure GDA00031917211700001616
表示边缘节点提供服务时的响应时延；
Figure GDA00031917211700001617
表示云平台提供服务时的响应时延；
Figure GDA00031917211700001618
其中，λ为用户的服务请求所对应的边缘服务的输入数据大小；μ为计算上述用户的服务请求所对应的边缘服务所需的计算资源周期；
Figure GDA00031917211700001619
为时间片t中用户m与边缘节点n之间的传输速率，fn为边缘节点n的处理速度；fC为云平台的处理速度；Ct为边缘节点n与云平台之间的传输速率；ht为用户发送服务请求至用户接收到云平台给上述用户提供服务响应的时间；
根据如下公式，计算各边缘节点子集Lj的部署服务代价：
Figure GDA00031917211700001620
其中：
Figure GDA0003191721170000171
其中，ω为在一个边缘节点部署边缘服务的部署成本；f(ω·|Lj|)为在边缘节点子集Lj中的边缘节点部署边缘服务的部署成本。
步骤170，根据各上述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各上述用户的服务请求所对应的边缘服务。
根据各上述边缘节点子集的服务时延及部署服务的代价，从而选取目标边缘节点集合用于部署各上述用户的服务请求所对应的边缘服务。部署各上述用户的服务请求所对应的边缘服务后，各个边缘节点根据接收到的用户的服务请求，为用户提供相应的服务。
通过获取当前时间片内各用户的移动性特征信息，按照各用户的移动性特征信息，分别确定各用户所对应的移动性特征分块，获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求，得到各移动性特征分块的待部署节点集合，获取各待部署节点集合的所有的边缘节点子集，边缘节点子集包括至少一个待部署节点，针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价，根据各边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各用户的服务请求所对应的边缘服务，通过利用用户的移动性特征信息，根据历史用户需求学习到当前的用户服务需求，从而解决了现有技术中由于移动性引起的移动边缘应用服务部署问题。
在一种可能的实施方式中，在
Figure GDA0003191721170000172
为非空集合的情况下，上述根据各上述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各上述用户的服务请求所对应的边缘服务，包括：
在
Figure GDA0003191721170000173
的情况下，
Figure GDA0003191721170000174
β、L为常数，lt表示为目标边缘节点集合；根据如下公式，确定目标边缘节点集合lt：
Figure GDA0003191721170000181
在
Figure GDA0003191721170000182
的情况下，
Figure GDA0003191721170000183
根据如下公式，确定目标边缘节点集合：
Figure GDA0003191721170000184
其中，
Figure GDA0003191721170000185
在一种可能的实施方式中，在
Figure GDA0003191721170000186
为空集的情况下，上述根据各上述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各上述用户的服务请求所对应的边缘服务，包括：
根据如下公式，确定目标边缘节点集合：
Figure GDA0003191721170000187
参见图2，图2为本申请实施例的边缘服务部署装置的一种示意图，上述装置应用于边缘服务部署***中的管理器，上述边缘服务部署***还包括云平台及多个边缘节点；上述装置包括：
第一采集模块210，用于获取移动性特征空间，上述移动性特征空间包括多个移动性特征分块，移动性特征信息与上述移动性特征分块具有对应关系，不同的移动性特征分块中的移动性特征信息不同，上述移动性特征信息表示用户的移动性特征。
第二采集模块220，用于获取各上述移动性特征分块的历史服务请求数量；根据各上述移动性特征分块的历史服务请求数量计算当前时间片的各上述移动性特征分块的服务请求估计量；时间片表示预设的时间周期内的一时段；
第三采集模块230，用于获取当前时间片内各用户的移动性特征信息，按照各上述用户的移动性特征信息，分别确定各上述用户所对应的移动性特征分块；
第四采集模块240，用于获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合；
第五采集模块250，用于获取各上述待部署节点集合的所有的边缘节点子集，上述边缘节点子集包括至少一个待部署节点；
计算模块260，用于针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各上述服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价；
选取模块270，用于根据各上述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各上述用户的服务请求所对应的边缘服务。
在一种可能的实施方式中，将预设的时间周期划分为T个离散的时间片；将移动性特征空间表示为χ＝[0,1]D，D为移动性特征信息维度，χ为D维移动性特征空间；
上述第四采集模块240具体用于：
根据如下公式，设置上述预设服务请求阈值：
Figure GDA0003191721170000191
其中，1≥α>0；α为赫尔德指数；
待部署节点集合表示为：
Figure GDA0003191721170000192
其中，N为时间片t内边缘节点集合；
Figure GDA0003191721170000193
为在时间片t内边缘节点n上的用户集合，t∈{1,…,T}，n∈N；m表示任一用户并且满足
Figure GDA0003191721170000194
pt为时间片t的移动性特征分块集合，其中，
Figure GDA0003191721170000195
表示用户m在时间片t所属的移动性特征分块；
Figure GDA0003191721170000201
表示移动性特征分块
Figure GDA0003191721170000202
上的服务请求数量；
Figure GDA0003191721170000203
表示时间片t的待部署节点集合。
在一种可能的实施方式中，
Figure GDA0003191721170000204
的边缘节点子集表示为Lj，其中j∈{1,…,k}；k为边缘节点子集的个数；上述第四采集模块240具体用于：
根据如下公式，计算各边缘节点子集Lj的服务时延：
Figure GDA0003191721170000205
其中：
Figure GDA0003191721170000206
Figure GDA0003191721170000207
Figure GDA0003191721170000208
其中，
Figure GDA0003191721170000209
为边缘节点子集的服务时延，
Figure GDA00031917211700002010
Figure GDA00031917211700002011
表示估计的不确定性；
Figure GDA00031917211700002012
为移动性特征分块为pt的用户在边缘服务器子集Lj(n∈Lj)上的服务请求数量；
Figure GDA00031917211700002013
为移动特征向量为
Figure GDA00031917211700002014
的用户m所属的移动性特征分块；
Figure GDA00031917211700002015
表示移动性特征分块
Figure GDA00031917211700002016
在当前时间片的总服务请求估计量；
Figure GDA00031917211700002017
表示移动性特征分块为
Figure GDA00031917211700002018
的服务请求量；
Figure GDA00031917211700002019
为移动性特征分块为
Figure GDA00031917211700002020
的用户服务请求集合，
Figure GDA00031917211700002021
其中，
Figure GDA0003191721170000211
其中，
Figure GDA0003191721170000212
表示边缘节点提供服务时的响应时延；
Figure GDA0003191721170000213
表示云平台提供服务时的响应时延；
Figure GDA0003191721170000214
其中，λ为用户的服务请求所对应的边缘服务的输入数据大小；μ为计算上述用户的服务请求所对应的边缘服务所需的计算资源周期；
Figure GDA0003191721170000215
为时间片t中用户m与边缘节点n之间的传输速率，fn为边缘节点n的处理速度；fC为云平台的处理速度；Ct为边缘节点n与云平台之间的传输速率；ht为用户发送服务请求至用户接收到云平台给上述用户提供服务响应的时间；
根据如下公式，计算各边缘节点子集Lj的部署服务代价：
Figure GDA0003191721170000216
其中：
Figure GDA0003191721170000217
其中，ω为在一个边缘节点部署边缘服务的部署成本；f(ω·|Lj|)为在边缘节点子集Lj中的边缘节点部署边缘服务的部署成本。
在一种可能的实施方式中，在
Figure GDA0003191721170000218
为非空集合的情况下，上述选取模块270具体用于：
在
Figure GDA0003191721170000219
的情况下，
Figure GDA00031917211700002110
β、L为为常数，lt表示为目标边缘节点集合；根据如下公式，确定目标边缘节点集合lt：
Figure GDA00031917211700002111
在
Figure GDA0003191721170000221
的情况下，
Figure GDA0003191721170000222
根据如下公式，确定目标边缘节点集合：
Figure GDA0003191721170000223
其中，
Figure GDA0003191721170000224
在一种可能的实施方式中，在
Figure GDA0003191721170000225
为空集的情况下，上述选取模块270具体用于：
根据如下公式，确定目标边缘节点集合：
Figure GDA0003191721170000226
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本发明实施例还提供了一种电子设备，如图3所示，图3为本申请实施例的电子设备的一种示意图，包括：处理器310、通信接口320、存储器330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信，
上述存储器330，用于存放计算机程序；
上述处理器310，用于执行上述存储器330存放的计算机程序时，实现如下步骤：
获取移动性特征空间，上述移动性特征空间包括多个移动性特征分块，移动性特征信息与上述移动性特征分块具有对应关系，不同的移动性特征分块中的移动性特征信息不同，上述移动性特征信息表示用户的移动性特征；
获取各上述移动性特征分块的历史服务请求数量；根据各上述移动性特征分块的历史服务请求数量计算当前时间片的各上述移动性特征分块的服务请求估计量；时间片表示预设的时间周期内的一时段；
获取当前时间片内各用户的移动性特征信息，按照各上述用户的移动性特征信息，分别确定各上述用户所对应的移动性特征分块；
获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合；
获取各上述待部署节点集合的所有的边缘节点子集，上述边缘节点子集包括至少一个待部署节点；
针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各上述服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价；
根据各上述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各上述用户的服务请求所对应的边缘服务。
在一种可能的实施方式中，处理器310，用于执行存储器330上所存放的程序时，还可以实现上述任一边缘服务部署方法。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一上述的边缘服务部署方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一上述的边缘服务部署方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。上述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行上述计算机程序指令时，全部或部分地产生按照本发明实施例上述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，各个可选方案中的技术特征只要不矛盾均可组合来形成方案，这些方案均在本申请公开的范围内。诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括上述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及存储介质的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上上述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。

Claims (5)

1.一种边缘服务部署方法，其特征在于，应用于边缘服务部署***中的管理器，所述边缘服务部署***还包括云平台及多个边缘节点；所述方法包括：
获取移动性特征空间，所述移动性特征空间包括多个移动性特征分块，移动性特征信息与所述移动性特征分块具有对应关系，不同的移动性特征分块中的移动性特征信息不同，所述移动性特征信息表示用户的移动性特征；
获取各所述移动性特征分块的历史服务请求数量；根据各所述移动性特征分块的历史服务请求数量计算当前时间片的各所述移动性特征分块的服务请求估计量；时间片表示预设的时间周期内的一时段；
获取当前时间片内各用户的移动性特征信息，按照各所述用户的移动性特征信息，分别确定各所述用户所对应的移动性特征分块；
获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合；
获取各所述待部署节点集合的所有的边缘节点子集，所述边缘节点子集包括至少一个待部署节点；
针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各所述服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价；
根据各所述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各所述用户的服务请求所对应的边缘服务。
2.根据权利要求1所述的方法，其特征在于，将预设的时间周期划分为T个离散的时间片；将移动性特征空间表示为χ＝[0,1]D，D为移动性特征信息维度，χ为D维移动性特征空间；
所述获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合，包括：
根据如下公式，设置所述预设服务请求数量阈值：
Figure FDA0003191721160000021
其中，1≥α>0，t为当前时间片；α为赫尔德指数；
待部署节点集合表示为：
Figure FDA0003191721160000022
其中，N为时间片t内边缘节点集合；
Figure FDA0003191721160000023
为在时间片t内边缘节点n上的用户集合，t∈{1,…,T}，n∈N；m表示任一用户并且满足
Figure FDA0003191721160000024
pt为时间片t的移动性特征分块集合，其中，
Figure FDA0003191721160000025
Figure FDA0003191721160000026
表示用户m在时间片t所属的移动性特征分块；
Figure FDA0003191721160000027
表示移动性特征分块
Figure FDA0003191721160000028
上的服务请求数量；
Figure FDA0003191721160000029
表示时间片t的待部署节点集合。
3.一种边缘服务部署装置，其特征在于，应用边缘服务部署***中的管理器，所述边缘服务部署***还包括云平台及多个边缘节点；所述装置包括：
第一采集模块，用于获取移动性特征空间，所述移动性特征空间包括多个移动性特征分块，移动性特征信息与所述移动性特征分块具有对应关系，不同的移动性特征分块中的移动性特征信息不同，所述移动性特征信息表示用户的移动性特征；
第二采集模块，用于获取各所述移动性特征分块的历史服务请求数量；根据各所述移动性特征分块的历史服务请求数量计算当前时间片的各所述移动性特征分块的服务请求估计量；时间片表示预设的时间周期内的一时段；
第三采集模块，用于获取当前时间片内各用户的移动性特征信息，按照各所述用户的移动性特征信息，分别确定各所述用户所对应的移动性特征分块；
第四采集模块，用于获取当前时间片内各边缘节点接收到的用户的服务请求，将接收到服务请求的数量小于预设服务请求数量阈值的边缘节点作为待部署节点，针对任一移动性特征分块，确定当前时间片内该移动性特征分块所对应的用户的服务请求；得到各移动性特征分块的待部署节点集合；
第五采集模块，用于获取各所述待部署节点集合的所有的边缘节点子集，所述边缘节点子集包括至少一个待部署节点；
计算模块，用于针对任一边缘节点子集，根据各待部署节点接收到的用户的服务请求及各所述服务请求估计量，计算该边缘节点子集的服务时延及部署服务的代价；
选取模块，用于根据各所述边缘节点子集的服务时延及部署服务的代价，选取目标边缘节点集合用于部署各所述用户的服务请求所对应的边缘服务。
4.根据权利要求3所述的装置，其特征在于，将预设的时间周期划分为T个离散的时间片；将移动性特征空间表示为χ＝[0,1]D，D为移动性特征信息维度，χ为D维移动性特征空间；
所述第四采集模块具体用于：
根据如下公式，设置所述预设服务请求数量阈值：
Figure FDA0003191721160000031
其中，1≥α>0；t为当前时间片，α为赫尔德指数；
待部署节点集合表示为：
Figure FDA0003191721160000032
其中，N为时间片t内边缘节点集合；
Figure FDA0003191721160000033
为在时间片t内边缘节点n上的用户集合，t∈{1,…,T}，n∈N；m表示任一用户并且满足
Figure FDA0003191721160000034
pt为时间片t的移动性特征分块集合，其中，
Figure FDA0003191721160000035
Figure FDA0003191721160000036
表示用户m在时间片t所属的移动性特征分块；
Figure FDA0003191721160000041
表示移动性特征分块
Figure FDA0003191721160000042
上的服务请求数量；
Figure FDA0003191721160000043
表示时间片t的待部署节点集合。
5.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的所述计算机程序时，实现权利要求1-2任一所述的方法。
CN202010723732.9A 2020-07-24 2020-07-24 边缘服务部署方法、装置及电子设备 Active CN111988168B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010723732.9A CN111988168B (zh) 2020-07-24 2020-07-24 边缘服务部署方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010723732.9A CN111988168B (zh) 2020-07-24 2020-07-24 边缘服务部署方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111988168A CN111988168A (zh) 2020-11-24
CN111988168B true CN111988168B (zh) 2021-11-26

Family

ID=73438144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010723732.9A Active CN111988168B (zh) 2020-07-24 2020-07-24 边缘服务部署方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111988168B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112995280B (zh) * 2021-02-03 2022-04-22 北京邮电大学 面向多内容需求服务的数据分配方法和装置
CN112799789B (zh) * 2021-03-22 2023-08-11 腾讯科技（深圳）有限公司 一种节点集群管理方法、装置、设备及存储介质
CN113472844B (zh) * 2021-05-26 2023-06-16 北京邮电大学 面向车联网的边缘计算服务器部署方法、装置及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108933815A (zh) * 2018-06-15 2018-12-04 燕山大学 一种移动边缘计算卸载的边缘服务器的控制方法
CN110187973A (zh) * 2019-05-31 2019-08-30 浙江大学 一种面向边缘计算的服务部署优化方法
CN110381131A (zh) * 2019-07-15 2019-10-25 北京奇艺世纪科技有限公司 Mec节点标识的实现方法、移动终端、服务器和存储介质
CN110662238A (zh) * 2019-10-24 2020-01-07 南京大学 一种针对边缘网络下突发请求的强化学习调度方法及设备
CN111163178A (zh) * 2020-01-10 2020-05-15 中国地质大学（武汉） 一种边缘计算中基于博弈论的服务部署及任务卸载方法
CN111371603A (zh) * 2020-02-27 2020-07-03 长沙市源本信息科技有限公司 应用于边缘计算的服务实例部署方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975330B (zh) * 2016-06-27 2019-06-18 华为技术有限公司 一种网络边缘计算的虚拟网络功能部署方法、装置和***
US10771582B2 (en) * 2018-03-04 2020-09-08 Netskrt Systems, Inc. System and apparatus for intelligently caching data based on predictable schedules of mobile transportation environments
CN110096318B (zh) * 2019-05-08 2021-01-08 北京邮电大学 一种基于移动边缘计算的任务卸载方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108933815A (zh) * 2018-06-15 2018-12-04 燕山大学 一种移动边缘计算卸载的边缘服务器的控制方法
CN110187973A (zh) * 2019-05-31 2019-08-30 浙江大学 一种面向边缘计算的服务部署优化方法
CN110381131A (zh) * 2019-07-15 2019-10-25 北京奇艺世纪科技有限公司 Mec节点标识的实现方法、移动终端、服务器和存储介质
CN110662238A (zh) * 2019-10-24 2020-01-07 南京大学 一种针对边缘网络下突发请求的强化学习调度方法及设备
CN111163178A (zh) * 2020-01-10 2020-05-15 中国地质大学（武汉） 一种边缘计算中基于博弈论的服务部署及任务卸载方法
CN111371603A (zh) * 2020-02-27 2020-07-03 长沙市源本信息科技有限公司 应用于边缘计算的服务实例部署方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于实测数据集预测用户请求行为对主动边缘缓存的影响;戚凯强，杨晨阳，韩圣千;《信号处理》;20190425;全文 *
面向移动边缘计算的边缘服务器部署及资源分配研究;赵磊;《中国优秀硕士学位论文全文数据库信息科技辑》;20190215;全文 *

Also Published As

Publication number Publication date
CN111988168A (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN111988168B (zh) 边缘服务部署方法、装置及电子设备
CN105409306A (zh) 移动终端位置预测方法及装置
US10679136B2 (en) Decision processing and information sharing in distributed computing environment
CN107305611B (zh) 恶意账号对应的模型建立方法和装置、恶意账号识别的方法和装置
CN110083475B (zh) 一种异常数据的检测方法及装置
CN108335131B (zh) 一种预估用户年龄段的方法、装置及电子设备
WO2020244230A1 (zh) 资源转移、红包发放方法、装置及设备
CN109284449B (zh) 兴趣点的推荐方法和装置
CN111209347A (zh) 一种混合属性数据聚类的方法和装置
CN111488529B (zh) 信息处理方法、装置、服务器及存储介质
CN111562884A (zh) 一种数据存储方法、装置及电子设备
CN107809737B (zh) 一种确定基站的网络流量的方法和装置
CN109525933B (zh) 位置隐私保护方法及装置
CN109886300A (zh) 一种用户聚类方法、装置及设备
CN110650438B (zh) 用户常住区域相似度判断方法、装置、设备及介质
CN111984867B (zh) 一种网络资源确定方法及装置
CN110750498A (zh) 对象访问方法、装置及存储介质
CN111274012B (zh) 服务调度方法、装置、电子设备及存储介质
CN115617279B (zh) 分布式云数据的处理方法、装置及存储介质
CN107613500A (zh) 一种不确定环境下的无线频谱共享方法
CN114125813B (zh) 基于手机信令的信号覆盖范围确定方法及相关装置
CN109450684B (zh) 一种网络切片***物理节点容量扩充方法及装置
CN110019372B (zh) 数据监控方法、装置、服务器及存储介质
CN108764206B (zh) 目标图像识别方法和***、计算机设备
CN110990714A (zh) 一种用户行为意图预测方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant