CN113329432B - 一种基于多目标优化的边缘服务布置方法和*** - Google Patents

Abstract

本发明提供一种通信网络的边缘服务布置方法，用于将J个边缘服务实例S₁,S₂,…S_J放置于N个边缘节点上，其中N个边缘节点分别放置在位置L₁，L₂，…L_N上，与N个边缘节点直接相连的边缘无线基站为B₁,B₂,…B_I，用户通过边缘无线基站使用边缘节点上的边缘服务实例，J、N、I均为正整数，所述方法包括：使用K‑均值聚类的方式找到当前N个边缘节点的J个聚类中心的位置，放置边缘服务实例，其中基于负载与时延的加权和计算各个边缘节点到簇心距离本发明首先将边缘服务实例的放置问题抽象为多目标约束的优化问题，通过权重方式将多目标优化问题转化为单目标优化问题。从而实现边缘节点的负载均衡和服务实例访问延时的最小化。

Description

一种基于多目标优化的边缘服务布置方法和***

技术领域

本发明涉及边缘计算领域，尤其涉及一种边缘服务布置方法。

背景技术

随着移动互联网的发展，无线终端设备上的各类应用为人们的生产生活提供了巨大的便利。但是终端设备的处理能力、存储容量和电池寿命限制已经成为制约当前计算密集型应用(如：VR、AR和自动驾驶等)、创新和发展的主要原因。将应用程序中计算密集型的任务卸载到远端的云服务器上是当前云计算技术缓解弱终端设备资源问题的常见做法。然而，云计算中心通常位于距终端设备较远的位置。终端设备与云计算中心之间的传输时延和瓶颈链路也是时延和带宽敏感应用无法解决的难题。

为了克服这些问题，移动边缘计算技术应运而生。其在靠近终端设备的无线网络接入侧提供就近的服务卸载功能。移动边缘计算的每个节点以分布式的方式与当前移动网络的无线接入点(Access Point，AP)或者基站(Base Station，BS)直接相连，也被称为边缘节点。因为，每个边缘节点与终端设备只存在一跳无线网络，使得终端设备的计算任务能够快速迁移到边缘节点上。这将极大的提升移动用户的服务体验。但是，为了共享边缘节点的计算资源，在每个终端设备进行服务请求的时候每个边缘节点中都必须存在一个响应该请求的边缘服务实例，即：提供响应服务的虚拟机或者容器。如果当前边缘节点中没有某个特定服务请求的边缘服务实例，边缘节点首先需要检查其所剩下的资源(如：CPU、内存等)，能否启动当前服务请求的边缘服务实例。如果边缘节点资源受限，那么终端设备的服务请求将会被挂起等待，这将导致极大的时延。

现有的大多数研究都主要关注如何将移动用户的工作负载转移到边缘节点上，从而使移动设备实现节能，这类方法都首先假设边缘服务实例已经被放置到边缘节点上。很少有人关注将终端设备应用的工作负载转移到边缘服务实例造成的影响，以及边缘服务实例的放置位置对应用程序性能造成的影响。移动边缘网络环境是具有大规模移动用户的城市无线网络覆盖范围(如：基站和Wi-Fi)。而且，每个无线网络接入点都与一个提供虚拟化边缘服务实例的边缘节点直接相连。由于移动边缘计算网络所覆盖的城市区域范围内的终端设备密度较高，因此存在大量边缘服务请求访问移动边缘计算环境中的边缘服务实例，而且，每种服务请求的边缘服务实例都不相同，这将导致每个边缘节点的资源由众多的边缘服务实例共享。其次，由于边缘网络的规模，边缘服务提供商在提供边缘节点时，可以利用规模经济优势让一般的公众能够负担得起边缘节点的开销。

然而，在移动边缘计算环境中放置边缘服务实例是具有挑战性的。实例所在边缘节点的位置对终端设备的访问延迟和边缘节点的资源利用至关重要。特别是在智慧城市中，这些城市包括数千或数万个无线接入点，终端设备通过这些无线接入点访问边缘服务实例。由于这些网络的规模很大，低效的边缘服务实例放置将导致长时间的访问延迟和边缘节点之间严重不平衡的工作负载，即：一些边缘节点会过载，而另一些则没有充分利用，甚至空闲。因此，边缘服务实例的合理放置将显著提高各种应用服务的性能。

假设每个边缘节点用有限计算资源来虚拟化边缘服务的实例，而且边缘节点与BS或者AP直接相连以供终端设备的访问。目标是平衡边缘节点之间的工作负载，并最小化边缘服务实例的访问延迟。这种服务放置问题需要考虑实例的放置位置和哪些边缘节点应该分配给哪些边缘服务实例，这被证明是一个NP困难问题。

发明内容

本发明针对上述问题，根据本发明的第一方面，提出一种通信网络的边缘服务布置方法，用于将J个边缘服务实例S₁,S₂,...S_J放置于N个边缘节点上，其中N个边缘节点分别放置在位置L₁，L₂，...L_N上，与N个边缘节点直接相连的边缘无线基站为B₁,B₂,...B_I，用户通过边缘无线基站使用边缘节点上的边缘服务实例，J、N、I均为正整数，所述方法包括：

使用K-均值聚类的方式找到当前N个边缘节点的J个聚类中心的位置，放置边缘服务实例，其中基于负载与时延的加权和计算各个边缘节点到簇心距离。

在本发明的一个实施例中，其中使用K-均值聚类的方式找到当前N个边缘节点的J个聚类中心的位置放置边缘服务实例包括以下步骤：

(1)首先从L＝{L₁，L₂，...L_N}中随机选取J个边缘节点作为初始聚集的簇心；

(2)对J个簇心的每一个L_n，n∈{1,2,…N}，计算到L_n距离最近的m个基站，该m个基站归属于该簇心L_n的簇，其中计算到簇心的距离时，所述时延与基站到边缘节点的距离相关。

(3)基站B_i归属到相应的簇后，i＝1，2，…J，与基站B_i相连的不属于任何簇的边缘节点也被分配到B_i归属到相应的簇，将N个边缘节点分为J个簇，之后重新计算每个簇的重心，将其定为新的簇心；

(4)反复迭代(2)-(3)步骤，直到达到预定的终止条件。

在本发明的一个实施例中，其中步骤(2)中距离表示为∑_i∑_jC_i,j*P_i,j，i＝1,2,…I,j＝1,2,…J，

其中，P_i,j＝1表示将服务S_j放置到与基站B_i直接相连的边缘节点的位置l_bi上，P_i,j＝0表示没有将服务S_j放置到l_bi上，C_i,j表示服务S_j和基站B_i之间的负载和时延的综合参数。

在本发明的一个实施例中，其中，

C_i,j＝γ*d_i,j+(1-γ)*w

γ为移动平均参数，d_i,j为边缘基站位置与边缘服务实例放置的边缘节点间的直接距离，w为工作负载。

在本发明的一个实施例中，其中，

其中d_i为m个基站离B_i的平均距离，Mind为m个基站中离基站B_i最近的距离，Maxd为m个基站中离基站B_i最远的距离。

在本发明的一个实施例中，其中，

其中，

为每个边缘服务实例在节点上的工作负载平方差，Minw和Maxw分别为最小和最大的工作负载的平方差。

在本发明的一个实施例中，其中，

其中，

在本发明的一个实施例中，其中，步骤(4)的所述预定终止条件为所有节点距离簇心的距离小于一个预定阈值。

根据本发明的第二方面，提供一种计算机可读存储介质，其中存储有一个或者多个计算机程序，所述计算机程序在被执行时用于实现本发明的通信网络的边缘服务布置方法。

根据本发明的第三方面，提供一种计算***，包括：存储装置、以及一个或者多个处理器；其中，所述存储装置用于存储一个或者多个计算机程序，所述计算机程序在被所述处理器执行时用于实现本发明的通信网络的边缘服务布置方法。

与现有技术相比，本发明首先将边缘服务实例的放置问题抽象为多目标约束的优化问题，通过权重方式将多目标优化问题转化为单目标优化问题。从而实现边缘节点的负载均衡和服务实例访问延时的最小化。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。在附图中：

图1示出了移动边缘计算的整体架构图。

图2示出了边缘服务实例放置的位置策略图。

具体实施方式

针对背景技术中提出的问题，本发明将边缘服务的放置问题转化为一个多目标约束优化问题。采用混合整数规划来寻找最优的边缘服务实例的位置，以平衡各边缘节点之间的工作负载，并最小化边缘服务实例的访问延迟。

如图1所示，网络服务提供商提供了由集合L＝{L₁，L₂，...L_N}组成的N个分布式边缘节点的位置。所有边缘节点上放置的边缘服务实例集合为：S＝{S₁,S₂,...S_J}。边缘服务的放置方式的集合可以表示：l_s＝{l_s1,l_s2,...l_sJ}，其中l_sj表示服务S_j的位置，j＝1,2,…J，且l_s是L的子集。共有R个终端设备，其集合为：U＝{U₁,U₂,...U_R}。与N个边缘节点直接相连的边缘无线基站的集合为：B＝{B₁,B₂,...B_I}，其所在的位置为l_b＝{l_b1,l_b2,...l_bI}，其中l_bi表示基站B_i的位置,i＝1,2,…I。N、J、R、I均为正整数。所有终端设备在基站上产生的工作负载集合为：W＝{W₁,W₂,...W_R}，其中W_r为终端U_r的工作负载，r＝1,2,…R。在本发明中，在放置边缘实例的时候需要满足2个条件：首先，每个位置的边缘节点中只会启动每个边缘服务实例S的一个容器副本；其次，这个容器副本为该服务直接相连的基站的所有终端设备返回服务请求。

边缘服务实例的放置目标是在平衡边缘节点的工作负载的同时最小化每个边缘服务实例的访问时延。本发明将边缘计算网络中的边缘服务实例布置问题看作多目标约束的优化问题。其中，将任意两个边缘节点x,y∈L的工作负载表示为Tx,Ty。为了平衡边缘节点间的工作负载，需要使得任意两个边缘节点间的工作负载的最大差值最小化。与此同时，由于边缘服务实例所放的节点位置与基站间的时延由它们之间的距离决定，为了最小化边缘服务实例的访问时延，对于任意的边缘服务实例节点ls的位置和为终端设备提供接入网络的边缘基站所在的位置l_b的最大距离需要被最小化。使用T(l)表示任意两个节点负载的平衡情况，使用D(l)表示任意基站和节点间的最小访问时延。因此可以将上述多目标的约束问题公式化为：

T(l)＝MinMax(T_x-T_y) (1)

D(l)＝MinMax(l_b-l_s) (2)

为了获得上述优化问题的一个Pareto最优解，使用权重方法w1+w2＝1将上述多目标优化问题转化为单目标优化问题。为了找到边缘服务实例最优的放置位置的集合l，需要最小化带权重的单目标优化P(l)的公式化为：

P(l)＝Min(w1*T(l)+w2*D(l)) (3)

如图2所示，对于任意的边缘服务实例S，需要放置的位置与边缘基站B是耦合在一起的，因此使用P_i,j表示服务S_j是否放置在与基站B_i直接相连的边缘节点的位置l_bi上。其中，P_i,j＝1表示将服务S_j放置到节点l_bi上；P_i,j＝0表示没有将服务S_j放置到l_bi上，i＝1,2,…I,j＝1,2,…J。使用参数C_i,j表示服务S_j和基站B_i之间的负载T(l)和时延D(l)的综合参数P(l)的具体形式。最终，边缘服务实例的放置问题就是求解如下公式：

Min∑_i∑_jC_i,j*P_i,j (4)

通过上述公式，本发明首先将边缘服务实例的放置问题抽象为多目标约束的优化问题，再通过权重方式将多目标优化问题转化为单目标优化问题，从而实现边缘节点的负载均衡和服务实例访问延时的最小化。

根据本发明的一个实施例，对于任意的边缘服务实例的放置P_i,j需要考虑两方面的问题，首先是边缘基站l_bi与边缘服务实例放置的边缘节点l_sj间的直接距离d_i,j，其次是每个基站给边缘节点上实例带来的负载w_j。为了简化优化这两个目标的后续处理，需要对它们进行如下标准化的过程：

对于任意的距离，将边缘服务实例放置到基站最稠密的位置上会使得实例与基站直接的距离最小。因此，对于距离d_i,j只需要找到距离基站B_i最近的m个其他基站，其中m为预设参数。假设这m个基站中离基站B_i最近的距离为Mind，m个基站中离基站B_i最远的距离为Maxd，m个基站离B_i的平均距离为d_i。因此，选择与基站B_i直接相连的边缘节点上放置S_j导致的距离可以标准化为：

对于任意的工作负载，使用平方差来均衡每个边缘服务实例放置到每个边缘节点的可能性。通过计算每个边缘节点的平均工作负载：

然后计算，每个边缘服务实例在节点上的平方差为：

最后，假设Minw和Maxw分别是最小和最大的工作负载的平方差。因此最终的工作负载可以标准化为：

为了得到P(l)的具体表现形式C_i,j，本发明使用移动平均参数γ，0<γ<1，将单目标优化公式表示为：

C_i,j＝γ*d_i,j+(1-γ)*w (7)

因此最终的优化问题表示为，从N个待选的边缘服务节点的位置L，为了找到J个位置放置边缘服务实例S₁,S₂,...S_J的位置l_sj，以最小化∑_i∑_jC_i,j*P_i,j。根据d_i,j和w的定义，本发明采用K-均值聚类的方式找到当前N个边缘节点的J个聚类中心的位置放置边缘服务实例，其中采用K-均值聚类方法时，K值为J。算法步骤如下：

(1)首先从L＝{L₁，L₂，...L_N}中随机选取K个边缘节点作为初始聚集的簇心；

(2)对K个簇心的每一个L_n，n∈{1,2,…N}，计算到L_n距离最近的m个基站，该m个基站归属于该簇心L_n的簇，其中距离为∑_i∑_jC_i,j*P_i,j，i＝1,2,…I,j＝1,2,…J。

(3)基站B_i归属到相应的簇后，i＝1，2，…K，与基站B_i相连的不属于任何簇的边缘节点也被分配到B_i归属到相应的簇，N个边缘节点就分为了K个簇，之后重新计算每个簇的重心，即平均距离中心，将其定为新的簇心；

(4)反复迭代(2)-(3)步骤，直到达到某个终止条件，根据本发明的一个实施例，该终止条件为所有节点距离簇心的距离都小于一个预定阈值。

为使本领域任何普通技术人员能够实现或者使用本公开内容，上面围绕本公开内容进行了描述。对于本领域普通技术人员来说，对本公开内容进行各种修改是显而易见的，并且，本文定义的通用原理也可以在不脱离本公开内容的精神或保护范围的基础上适用于其它变型。此外，除非另外说明，否则任何方面和/或实施例的所有部分或一部分可以与任何其它方面和/或实施例的所有部分或一部分一起使用。因此，本公开内容并不限于本文所描述的例子和设计方案，而是与本文公开的原理和新颖性特征的最广范围相一致。

Claims (7)

1.一种通信网络的边缘服务布置方法，用于将J个边缘服务实例S₁,S₂,...S_J放置于N个边缘节点上，其中N个边缘节点分别放置在位置L₁，L₂，...L_N上，与N个边缘节点直接相连的边缘无线基站为B₁,B₂,...B_I，用户通过边缘无线基站使用边缘节点上的边缘服务实例，J、N、I均为正整数，所述方法包括：

使用K-均值聚类的方式找到当前N个边缘节点的J个聚类中心的位置，放置边缘服务实例，其中基于负载与时延的加权和计算各个边缘节点到簇心距离；

其中使用K-均值聚类的方式找到当前N个边缘节点的J个聚类中心的位置放置边缘服务实例包括以下步骤：

(1)首先从L＝{L₁，L₂，...L_N}中随机选取J个边缘节点作为初始聚集的簇心；

(2)对J个簇心的每一个L_n，n∈{1,2,…N}，计算到L_n距离最近的m个基站，该m个基站归属于该簇心L_n的簇，其中计算到簇心的距离时，所述时延与基站到边缘节点的距离相关；

(3)基站B_i归属到相应的簇后，i＝1，2，…J，与基站B_i相连的不属于任何簇的边缘节点也被分配到B_i归属到相应的簇，将N个边缘节点分为J个簇，之后重新计算每个簇的重心，将其定为新的簇心；

(4)反复迭代(2)-(3)步骤，直到达到预定的终止条件；

其中步骤(2)中距离表示为∑_i∑_jC_i,j*P_i,j，i＝1,2,…I,j＝1,2,…J，

其中，P_i,j＝1表示将服务S_j放置到与基站B_i直接相连的边缘节点的位置l_bi上，P_i,j＝0表示没有将服务S_j放置到l_bi上，C_i,j表示服务S_j和基站B_i之间的负载和时延的综合参数；

C_i,j＝γ*d_i,j+(1-γ)*w

γ为移动平均参数，d_i,j为边缘基站位置与边缘服务实例放置的边缘节点间的直接距离，w为工作负载。

2.根据权利要求1所述的方法，其中，

其中d_i为m个基站离B_i的平均距离，Mind为m个基站中离基站B_i最近的距离，Maxd为m个基站中离基站B_i最远的距离。

3.根据权利要求1所述的方法，其中，

其中，

为每个边缘服务实例在节点上的工作负载平方差，Minw和Maxw分别为最小和最大的工作负载的平方差。

4.根据权利要求3所述的方法，其中，

其中，

5.根据权利要求1所述的方法，其中，步骤(4)的所述预定的终止条件为所有节点距离簇心的距离小于一个预定阈值。

6.一种计算机可读存储介质，其中存储有一个或者多个计算机程序，所述计算机程序在被执行时用于实现如权利要求1-5任意一项所述的方法。

7.一种计算***，包括：

存储装置、以及一个或者多个处理器；

其中，所述存储装置用于存储一个或者多个计算机程序，所述计算机程序在被所述处理器执行时用于实现如权利要求1-5任意一项所述的方法。

Images