CN115150892A - 具有突发性业务的mec无线***中vm-pm修复策略方法 - Google Patents
具有突发性业务的mec无线***中vm-pm修复策略方法 Download PDFInfo
- Publication number
- CN115150892A CN115150892A CN202210669701.9A CN202210669701A CN115150892A CN 115150892 A CN115150892 A CN 115150892A CN 202210669701 A CN202210669701 A CN 202210669701A CN 115150892 A CN115150892 A CN 115150892A
- Authority
- CN
- China
- Prior art keywords
- task
- internet
- things
- equipment
- edge
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000008439 repair process Effects 0.000 title claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 58
- 238000012423 maintenance Methods 0.000 claims abstract description 37
- 230000004044 response Effects 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 230000000737 periodic effect Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0917—Management thereof based on the energy state of entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
- H04W28/0967—Quality of Service [QoS] parameters
- H04W28/0975—Quality of Service [QoS] parameters for reducing delays
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种具有突发性业务的MEC无线***中VM‑PM修复策略方法,其包括:在移动边缘计算MEC无线***中,引入马尔可夫到达过程MAP刻画MEC无线***的输入过程,分别求解任务时延指标、设备电量消耗指标和***可靠性指标,进而求解任务的平均响应时延和物联网设备的平均电量消耗水平,构建***评价函数,构建马尔可夫到达过程MAP并分析参数组合对指标的影响,通过构造多目标混合整数非线性规划MINLP问题,求解出***评价函数的最优值及对应的最优组合。本发明通过引入马尔可夫到达过程MAP来捕获流量的突发行为,提高任务的响应性能与***可靠性,降低物联网设备的电量消耗,优化卸载概率、传输功率和定期维护阈值,以最优化评价函数,达到性能指标间的折衷。
Description
技术领域
本发明属于移动边缘计算技术领域,特别是一种具有突发性业务的MEC无线***中 VM-PM修复策略方法。
背景技术
物联网的迅猛发展产生海量具有时效性、爆发性的数据。如今,电信运营商和互联网服务提供商面临着更大的挑战。人们在家工作,并高度依赖视频会议和在线协作。在这种情况下,大量的突发流量流入通信网络。随着第5代(5G)网络的商用化和第6代(6G)技术的发展,在线社交网络的数量急剧增加,这意味着无线通信网络将出现越来越多的***性和突发性的信息。因此,需要及时传输、交付和处理大量数据。为了保证用户的体验质量(QoE),云服务应该移动到用户附近提供服务。移动边缘计算(MEC)是由欧洲电信标准协会(ETSI)提出的。MEC是一种创新的任务卸载模式,将计算和存储资源部署在网络边缘,可以有效减少计算延迟,避免流量拥塞。随着MEC部署的普及,越来越多的任务被转移到边缘网络,提高了物联网设备的处理能力,缓解了资源短缺的问题。
任务卸载的概念首先在移动云计算中被引入。在边缘网络上存在两种任务卸载方式,即完全卸载和部分卸载。在完全卸载中,所有的任务都在边缘网络上计算处理。在这种情况下,任务可以在边缘网络的虚拟机(VM)或容器上执行。物联网设备的节能可以最大化,但同时需要考虑物联网设备的传输功率。在部分卸载中,部分任务在本地处理,其余任务在边缘网络中处理。部分卸载通常是最有效的,因为它可以利用本地和边缘资源。在实际应用中,在讨论一个任务是部分卸载还是将其完全卸载到边缘网络进行计算时,需要考虑物联网设备和边缘网络的电量和计算资源,以及任务的时延容忍度。此外,高度互联的实时物联网设备的规模给现有的边缘网络基础设施带来了巨大的压力,导致了***可靠性问题。***可靠性是 MEC***中最重要的问题之一,因为较高的服务不可用性直接导致用户的QoE较差。在MEC ***中,边缘网络的任务计算与基础设施的鲁棒性和故障恢复能力密切相关。边缘服务器的故障通常是指崩溃、挂起、驱动程序错误等。尽管MEC通过减少端到端延迟来增强实时***的容量,但失效的边缘服务器可能会使延迟超出可容忍的限制。因此,***的可靠性也应加以考虑。针对以上研究背景,面向突发性业务,为了提高任务的响应性能与***可靠性,降低物联网设备的电量消耗,基于虚拟机与物理机实时修复、物理机前置修复策略方法,针对物联网设备和边缘服务器分别构建M/M/1和M/M/N排队模型。基于所提策略,分别研究相关系数、卸载概率、定期维护阈值对任务响应时延、电量消耗水平、计算资源可靠性的影响。并研究虚拟机数量以及虚拟机修复率不同时,最小***评价以及最优的卸载概率、传输功率以及定期维护阈值。因此,针对以上研究背景,面向突发性业务,为了提高任务的响应性能与***可靠性,降低物联网设备的电量消耗,寻求一种具有突发性业务的MEC无线***中VM-PM修复策略方法,以最优化评价函数而达到性能指标间折衷的目的是十分迫切且必要的。
发明内容
本发明针对上述现有技术中的缺陷,提出一种具有突发性业务的MEC无线***中VM-PM修复策略方法。该方法包括在移动边缘计算MEC无线***中,引入马尔可夫到达过程MAP刻画MEC无线***的输入过程,分别求解任务时延指标、设备电量消耗指标和***可靠性指标,进而求解任务的平均响应时延和物联网设备的平均电量消耗水平,构建***评价函数,构建马尔可夫到达过程MAP并分析参数组合对指标的影响,通过构造多目标混合整数非线性规划MINLP问题,求解出***评价函数的最优值及对应的最优组合。本发明通过引入马尔可夫到达过程MAP来捕获流量的突发行为,提高任务的响应性能与***可靠性,降低物联网设备的电量消耗,优化卸载概率、传输功率和定期维护阈值,以最优化评价函数,达到性能指标间的折衷。
本发明提供一种具有突发性业务的MEC无线***中VM-PM修复策略方法,其包括以下步骤:
S1、在移动边缘计算MEC无线***中,引入马尔可夫到达过程MAP刻画MEC无线***的输入过程,在物联网设备端将处理任务的过程构建MAP/M/1排队模型,在边缘服务器端构建带有VM-PM(虚拟机-物理机)实时修复与物理机定期维护的MAP/M/N排队模型;所述马尔可夫到达过程MAP由带有状态空间V={1,2,...,V}与无穷小生成元D的底层马尔可夫链{Z(t),t≥0}决定,其中,V表示状态空间中的最大状态;
S4、求解***可靠性指标,所述***可靠性指标为***可靠性A,且表示为:
S5、基于步骤S2和S3,求解任务的平均响应时延T和物联网设备的平均电量消耗水平E:
其中,ploc表示任务本地计算处理时的概率;pedg表示卸载概率,即任务边缘计算处理时的概率;
S6、构建***评价函数F(pedg,P,n):
S7、构建马尔可夫到达过程MAP并分析参数组合对指标的影响:所述参数组合包括第一参数组合和第二参数组合,所述指标包括任务的平均响应时延T、物联网设备的平均电量消耗水平E和***可靠性A;
S8、固定相关系数l2并固定第一参数组合,设置不同的虚拟机数量N与虚拟机修复率βVM,利用MATLAB构造多目标混合整数非线性规划MINLP问题,求解出***评价函数 F(pedg,P,n)的最优值及对应的最优组合((pedg)*,P*,n*);其中,(pedg)*,P*,n*分别表示最优卸载概率、最优传输功率和最优定期维护阈值。
其中,x1表示t时刻在本地计算处理的任务数量;c表示物联网设备CPU的计算工作负载,即处理1比特数据需要的CPU周期数量,单位为cycle/bit;γ表示任务的大小,单位为bits;f为物联网设备的CPU时钟频率,单位为cycles/s;λ表示物联网设备产生任务的平均速率;表示物联网设备中的任务数量为x1且底层马尔可夫链处在状态z时的稳态概率;W表示信道带宽;H表示信道收益;表示信道噪声功率的谱密度;表示边缘服务器中任务数量为x2、边缘服务器处于定期维护阶段且底层马尔可夫链状态为z时的稳态概率;表示边缘服务器中任务数量为x2、边缘服务器处于修复状态且底层马尔可夫链状态为z 时的稳态概率。
可优选的,所述步骤S1具体包括以下步骤:
其中,D0,D1分别表示物联网设备没有产生任务、产生一个任务时的状态转移率矩阵;
可优选的,所述步骤S7具体包括以下步骤:
S71、借助MATLAB求解步骤S2-S4中的任务时延、电量消耗以及可靠性指标,计算出任务的平均响应时延T、物联网设备的平均电量消耗水平E和***可靠性A,分别构建相关系数为l1和l2的马尔可夫到达过程MAP;
S72、在相关系数不同的条件下,研究第一参数组合分别对任务的平均响应时延T和物联网设备的平均电量消耗水平E的影响,所述第一参数组合包括卸载概率pedg、CPU时钟频率f、虚拟机服务率μVM、传输功率P和定期维护阈值n;
S73、在虚拟机故障率不同的条件下,研究第二参数组合对***可靠性A的影响,所述第二参数组合包括定期维护阈值n和虚拟机修复率βVM。
可优选的,所述步骤S11中本地缓存容量足够大,假设任务在物联网设备CPU的服务时间服从指数分布,服务率为μloc(μloc>0),到达过程与服务过程相互独立;所述步骤S12中边缘服务器的缓存容量足够大,假设任务在一个虚拟机上的服务时间服从参数为μVM(μVM>0)的指数分布,虚拟机的故障时间服从参数为αVM(αVM>0)的指数分布,修复时间服从参数为βVM(βVM>0)的指数分布;当虚拟机故障数量y超过定期护阈值n时,边缘服务器停止服务,进入定期维护阶段,边缘服务器的定期维护时间服从参数为δPM(δPM>0)的指数分布;边缘服务器故障率与虚拟机故障数量正相关,当虚拟机故障数量为y(0≤y≤n)时,边缘服务器的故障率表示为αPM(y),并满足αPM(0)≤αPM(1)≤...≤αPM(n),边缘服务器的修复时间服从参数为βPM(βPM>0)的指数分布;修复过程和维护过程相互独立。
可优选的,所述步骤S1中所述无穷小生成元D表示为:
D=D0+D1 (3);
对于(D0)z,z′表示底层马尔可夫链{Z(t),t≥0}由状态z转移到z′的过程中物联网设备没有产生任务;(D1)z,z′表示底层马尔可夫链{Z(t),t≥0}由状态z转移到z′的过程中物联网设备产生一个任务。
可优选的,所述步骤S1中所述移动边缘计算MEC无线***包括物联网设备、无线访问点和物理机PM,所述物联网设备包括调度器、本地任务缓存区、CPU、发送器和电池;所述无线访问点将被卸载的任务传输至边缘服务器计算处理;所述物理机PM包括边缘任务缓存区和边缘执行单元,所述物理机PM功能化为边缘服务器,所述边缘执行单元中部署N个同构并独立工作的虚拟机VM;当任务在本地物联网设备计算处理时,若CPU空闲,则任务立即被计算处理,否则任务将在本地任务缓存区中排队等待,一旦在CPU中执行的任务完成服务并离开CPU,在本地任务缓存区队首排队等待的任务将立即占用CPU并被计算处理;当任务被卸载到边缘时,若有空闲且可用的虚拟机,则立即占用并被计算处理,若全部虚拟机均被占用或故障,则该任务进入到边缘任务缓存区中排队等待,一旦出现空闲且可用的虚拟机,排在边缘任务缓存区队首的任务则立即占用该虚拟机并被计算处理。
可优选的,所述物联网设备产生任务的平均速率λ与任务产生间隔的相关系数Cor分别为:
λ=δD1e (1)
其中,δ表示马尔可夫到达过程MAP的底层马尔可夫链的稳态概率向量,且同时满足方程δD=0与δe=1。
与现有技术相比,本发明的技术效果为:
1、本发明设计的一种具有突发性业务的MEC无线***中VM-PM修复策略方法,通过引入马尔可夫到达过程MAP来捕获流量突发行为,将本地物联网设备计算和边缘服务器计算分别建模为MAP/M/1排队模型和可修复的MAP/M/N排队模型;利用矩阵分析方法,得到任务响应延迟、电量消耗水平和***可用性等关键性能指标。
2、本发明设计的一种具有突发性业务的MEC无线***中VM-PM修复策略方法,利用MATLAB探讨了不同定期维护阈值和相关系数下,卸载概率、CPU时钟频率、以及传输功率等参数对***性能的影响;通过构造多目标混合整数非线性规划MINLP问题,同时优化卸载概率、传输功率和定期维护阈值,以最优化评价函数,达到性能指标间的折衷。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。
图1是本发明的具有突发性业务的MEC无线***中VM-PM修复策略方法流程图;
图2是本发明的移动边缘计算MEC无线***组成示意图;
图3a是本发明的一个具体实施例中相关系数为0时任务响应时延的变化趋势;
图3b是本发明的一个具体实施例中相关系数为0.2时任务响应时延的变化趋势。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明的具有突发性业务的MEC无线***中VM-PM修复策略方法,该方法包括以下步骤:
首先在移动边缘计算MEC无线***中定义突发性任务,突发性业务是指简短的、不均匀喷发的数据传输。
S1、在移动边缘计算MEC无线***中,引入马尔可夫到达过程MAP刻画MEC无线***的输入过程,在物联网设备端将处理任务的过程构建MAP/M/1排队模型,在边缘服务器端构建带有VM-PM(虚拟机-物理机)实时修复与物理机定期维护的MAP/M/N排队模型。
如图2所示,移动边缘计算MEC无线***包括物联网设备、无线访问点和物理机PM,物联网设备包括调度器、本地任务缓存区、CPU、发送器和电池;无线访问点将被卸载的任务传输至边缘服务器进行计算处理;物理机PM包括边缘任务缓存区和边缘执行单元,物理机PM功能化为边缘服务器,借助虚拟化技术,边缘执行单元中部署N个同构并独立工作的虚拟机VM。
当任务在本地物联网设备计算处理时,若CPU空闲,则任务立即被计算处理,否则任务将在本地任务缓存区中排队等待,一旦在CPU中执行的任务完成计算处理并离开CPU,在本地任务缓存区队首排队等待的任务将立即占用CPU并被计算处理;当任务被卸载到边缘时,若有空闲且可用的虚拟机,则立即占用并被计算处理,若全部虚拟机均被占用或故障,则该任务进入到边缘任务缓存区中排队等待,一旦出现空闲且可用的虚拟机,排在边缘任务缓存区队首的任务则立即占用该虚拟机并被计算处理。
物联网设备产生任务的平均速率λ与任务产生间隔的相关系数Cor分别表示为:
λ=δD1e (1)
其中,δ表示马尔可夫到达过程MAP的底层马尔可夫链的稳态概率向量,且同时满足方程δD=0与δe=1;D0,D1分别表示物联网设备没有产生任务、产生一个任务时的状态转移率矩阵。
马尔可夫到达过程MAP由带有状态空间V={1,2,...,V}与无穷小生成元D的底层马尔可夫链{Z(t),t≥0}决定,其中,V表示状态空间中的最大状态,无穷小生成元D表示为:
D=D0+D1 (3)。
其中,ploc表示任务在本地计算时的概率;pedg表示卸载概率,即任务在边缘计算时的概率。
本地缓存容量足够大,假设任务在物联网设备CPU的服务时间服从指数分布,服务率为μloc(μloc>0),到达过程与服务过程相互独立。
边缘服务器的缓存容量足够大,假设任务在一个虚拟机上的服务时间服从参数为μVM(μVM>0)的指数分布,虚拟机的故障时间服从参数为αVM(αVM>0)的指数分布,修复时间服从参数为βVM(βVM>0)的指数分布;当虚拟机故障数量y超过定期维护阈值n时,边缘服务器停止服务,进入定期维护阶段,边缘服务器的定期维护时间服从参数为δPM(δPM>0)的指数分布;边缘服务器故障率与虚拟机故障数量正相关,当虚拟机故障数量为y(0≤y≤n)时,边缘服务器的故障率表示为αPM(y),并满足αPM(0)≤αPM(1)≤...≤αPM(n),边缘服务器的修复时间服从参数为βPM(βPM>0)的指数分布;修复过程和维护过程相互独立。
其中,x1表示t时刻在本地计算处理的任务数量;c表示物联网设备CPU的计算工作负载,即处理1比特数据需要的CPU周期数量,单位为cycle/bit;γ表示任务的大小,单位为bits;f为物联网设备的CPU时钟频率,单位为cycles/s;表示物联网设备中的任务数量为x1且底层马尔可夫链处在状态z时的稳态概率;W表示信道带宽;P表示传输功率;H表示信道收益;表示信道噪声功率的谱密度;表示边缘服务器中任务数量为x2、边缘服务器处于前置维护性维护阶段且底层马尔可夫链状态为z时的稳态概率;表示边缘服务器中任务数量为x2、边缘服务器处于修复状态且底层马尔可夫链状态为z时的稳态概率。
S3、求解设备电量消耗指标,设备电量消耗指标包括一个任务在本地任务缓存区中等待时消耗的物联网设备的电量物联网设备CPU处理一个任务时消耗的电量和传输一个被卸载的任务时物联网设备消耗的电量且分别表示为:
S4、求解***可靠性指标,***可靠性指标为***可靠性A,指的是边缘服务器提供计算处理任务能力的概率且表示为:
S5、基于步骤S2和S3,求解任务的平均响应时延T和物联网设备的平均电量消耗水平E:
S6、构建***成本函数F(pedg,P,n):
S7、构建马尔可夫到达过程MAP并分析第一参数组合和第二参数组合对任务的平均响应时延T、物联网设备的平均电量消耗水平E和***可靠性A的影响。
S71、借助MATLAB求解步骤S2-S4中的任务时延、电量消耗以及可靠性指标,计算出任务的平均响应时延T、物联网设备的平均电量消耗水平E和***可靠性A,分别构建相关系数为l1和l2的马尔可夫到达过程MAP。
S72、在相关系数不同的条件下,研究第一参数组合分别对任务的平均响应时延T和物联网设备的平均电量消耗水平E的影响,第一参数组合包括卸载概率pedg、CPU时钟频率f、虚拟机服务率μVM、传输功率P和前置性维护阈值n。
S73、在虚拟机故障率不同的条件下,研究第二参数组合对***可靠性A的影响,第二参数组合包括前置性维护阈值n和虚拟机修复率βVM。
S8、固定相关系数l2并固定第一参数组合,设置不同的虚拟机数量N与虚拟机修复率βVM,利用MATLAB构造多目标混合整数非线性规划MINLP问题,求解出***成本函数 F(pedg,P,n)的最小值及对应的最优组合((pedg)*,P*,n*);其中,(pedg)*,P*,n*分别表示最优卸载概率、最优传输功率和最优定期维护阈值。
在一个具体实施例中,设置相关系数分别为0与0.2,任务的到达率为0.4tasks/ms以及表1中的实验参数,给出卸载概率、CPU时钟频率、虚拟机服务率等参数对任务响应时延的影响,如图3a和图3b所示。
表1
本发明设计的一种具有突发性业务的MEC无线***中VM-PM修复策略方法,通过引入马尔可夫到达过程MAP来捕获流量突发行为,将本地物联网设备计算和边缘服务器计算分别建模为MAP/M/1排队模型和可修复的MAP/M/N排队模型;利用矩阵分析方法,得到任务响应延迟、电量消耗水平和计算资源可用性等关键性能指标;利用MATLAB探讨了不同前置性维护阈值和相关系数下,卸载概率、CPU时钟频率、以及传输功率等参数对***性能的影响;通过构造多目标混合整数非线性规划MINLP问题,同时优化卸载概率、传输功率和前置性维护阈值,以最优化成本函数,达到性能指标间的折衷。
最后所应说明的是:以上实施例仅以说明而非限制本发明的技术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普通技术人员应当理解:依然可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种具有突发性业务的MEC无线***中VM-PM修复策略方法,其特征在于,其包括以下步骤:
S1、在移动边缘计算MEC无线***中,引入马尔可夫到达过程MAP刻画MEC无线***的输入过程,在物联网设备端将处理任务的过程构建MAP/M/1排队模型,在边缘服务器端构建带有虚拟机-物理机VM-PM实时修复与物理机定期维护的MAP/M/N排队模型;所述马尔可夫到达过程MAP由带有状态空间V={1,2,...,V}与无穷小生成元D的底层马尔可夫链{Z(t),t≥0}决定,其中,V表示状态空间中的最大状态;
S4、求解***可靠性指标,所述***可靠性指标为***可靠性A,且表示为:
S5、基于步骤S2和S3,求解任务的平均响应时延T和物联网设备的平均电量消耗水平E:
其中,ploc表示任务在本地计算处理的概率;pedg表示卸载概率,即任务在边缘计算处理的概率;
S6、构建***评价函数F(pedg,P,n):
S7、构建马尔可夫到达过程MAP并分析参数组合对指标的影响:所述参数组合包括第一参数组合和第二参数组合,所述指标包括任务的平均响应时延T、物联网设备的平均电量消耗水平E和***可靠性A;
S8、固定相关系数l2并固定第一参数组合,设置不同的虚拟机数量N与虚拟机修复率βVM,利用MATLAB构造多目标混合整数非线性规划MINLP问题,求解出***评价函数F(pedg,P,n)的最优值及对应的最优组合((pedg)*,P*,n*);其中,(pedg)*,P*,n*分别表示最优卸载概率、最优传输功率和最优定期维护阈值。
2.根据权利要求1所述的具有突发性业务的MEC无线***中VM-PM修复策略方法,其特征在于,所述步骤S2中所述任务在本地计算时的平均响应时延E[Tloc]、任务的传输时延和任务在边缘计算时的平均响应时延E[Tedg]分别表示为:
5.根据权利要求1所述的具有突发性业务的MEC无线***中VM-PM修复策略方法,其特征在于,所述步骤S7具体包括以下步骤:
S71、借助MATLAB求解步骤S2-S4中的任务时延、设备电量消耗以及***可靠性指标,计算出任务的平均响应时延T、物联网设备的平均电量消耗水平E和***可靠性A,分别构建相关系数为l1和l2的马尔可夫到达过程MAP;
S72、在相关系数不同的条件下,研究第一参数组合分别对任务的平均响应时延T和物联网设备的平均电量消耗水平E的影响,所述第一参数组合包括卸载概率pedg、CPU时钟频率f、虚拟机服务率μVM、传输功率P和定期维护阈值n;
S73、在虚拟机故障率不同的条件下,研究第二参数组合对***可靠性A的影响,所述第二参数组合包括定期维护阈值n和虚拟机修复率βVM。
6.根据权利要求1所述的具有突发性业务的MEC无线***中VM-PM修复策略方法,其特征在于,所述步骤S11中本地缓存容量足够大,假设任务在物联网设备CPU的服务时间服从指数分布,服务率为μloc(μloc>0),到达过程与服务过程相互独立;所述步骤S12中边缘服务器的缓存容量足够大,假设任务在一个虚拟机上的服务时间服从参数为μVM(μVM>0)的指数分布,虚拟机的故障时间服从参数为αVM(αVM>0)的指数分布,修复时间服从参数为βVM(βVM>0)的指数分布;当虚拟机故障数量y超过定期维护阈值n时,边缘服务器停止服务,进入定期维护阶段,边缘服务器的定期维护时间服从参数为δPM(δPM>0)的指数分布;边缘服务器故障率与虚拟机故障数量正相关,当虚拟机故障数量为y(0≤y≤n)时,边缘服务器的故障率表示为αPM(y),并满足αPM(0)≤αPM(1)≤...≤αPM(n),边缘服务器的修复时间服从参数为βPM(βPM>0)的指数分布;修复过程和维护过程相互独立。
8.根据权利要求1所述的具有突发性业务的MEC无线***中VM-PM修复策略方法,其特征在于,所述步骤S1中所述移动边缘计算MEC无线***包括物联网设备、无线访问点和物理机PM,所述物联网设备包括调度器、本地任务缓存区、CPU、发送器和电池;所述无线访问点将被卸载的任务传输至边缘服务器计算处理;所述物理机PM包括边缘任务缓存区和边缘执行单元,所述物理机PM功能化为边缘服务器,所述边缘执行单元中部署N个同构并独立工作的虚拟机VM;当任务在本地物联网设备计算处理时,若CPU空闲,则任务立即被计算处理,否则任务将在本地任务缓存区中排队等待,一旦在CPU中执行的任务完成计算并离开CPU,在本地任务缓存区队首排队等待的任务将立即占用CPU并被计算处理;当任务被卸载到边缘时,若有空闲且可用的虚拟机,则立即占用并被计算处理,若全部虚拟机均被占用或故障,则该任务进入到边缘任务缓存区中排队等待,一旦出现空闲且可用的虚拟机,排在边缘任务缓存区队首的任务则立即占用该虚拟机并被计算处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210669701.9A CN115150892B (zh) | 2022-06-14 | 2022-06-14 | 具有突发性业务的mec无线***中vm-pm修复策略方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210669701.9A CN115150892B (zh) | 2022-06-14 | 2022-06-14 | 具有突发性业务的mec无线***中vm-pm修复策略方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115150892A true CN115150892A (zh) | 2022-10-04 |
CN115150892B CN115150892B (zh) | 2024-04-09 |
Family
ID=83407557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210669701.9A Active CN115150892B (zh) | 2022-06-14 | 2022-06-14 | 具有突发性业务的mec无线***中vm-pm修复策略方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115150892B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116133049A (zh) * | 2022-12-29 | 2023-05-16 | 燕山大学 | 一种基于drl与安全的云边端协同mec任务卸载策略 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120166644A1 (en) * | 2010-12-23 | 2012-06-28 | Industrial Technology Research Institute | Method and manager physical machine for virtual machine consolidation |
US20130007259A1 (en) * | 2011-07-01 | 2013-01-03 | Sap Ag | Characterizing Web Workloads For Quality of Service Prediction |
WO2017056238A1 (ja) * | 2015-09-30 | 2017-04-06 | 株式会社日立製作所 | Vm配置管理システム、及び、vm配置管理方法 |
CN113342462A (zh) * | 2021-06-02 | 2021-09-03 | 燕山大学 | 融合限制周期性拟休眠的云计算优化方法、***及介质 |
-
2022
- 2022-06-14 CN CN202210669701.9A patent/CN115150892B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120166644A1 (en) * | 2010-12-23 | 2012-06-28 | Industrial Technology Research Institute | Method and manager physical machine for virtual machine consolidation |
US20130007259A1 (en) * | 2011-07-01 | 2013-01-03 | Sap Ag | Characterizing Web Workloads For Quality of Service Prediction |
WO2017056238A1 (ja) * | 2015-09-30 | 2017-04-06 | 株式会社日立製作所 | Vm配置管理システム、及び、vm配置管理方法 |
CN113342462A (zh) * | 2021-06-02 | 2021-09-03 | 燕山大学 | 融合限制周期性拟休眠的云计算优化方法、***及介质 |
Non-Patent Citations (2)
Title |
---|
周志强;叶通;李东;: "多状态马尔可夫信道的时延分析", 电信科学, no. 09, 20 September 2016 (2016-09-20) * |
李小良等: ""基于单用户和分类任务的MEC任务卸载策略及性能优化"", 《燕山大学学报》, 31 May 2022 (2022-05-31) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116133049A (zh) * | 2022-12-29 | 2023-05-16 | 燕山大学 | 一种基于drl与安全的云边端协同mec任务卸载策略 |
CN116133049B (zh) * | 2022-12-29 | 2023-12-15 | 燕山大学 | 一种基于drl与安全的云边端协同mec任务卸载策略 |
Also Published As
Publication number | Publication date |
---|---|
CN115150892B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113612843B (zh) | 一种基于深度强化学习的mec任务卸载和资源分配方法 | |
US5883819A (en) | Method and system for quality of service assessment for multimedia traffic under aggregate traffic conditions | |
CN110489176B (zh) | 一种基于装箱问题的多接入边缘计算任务卸载方法 | |
CN112996056A (zh) | 一种云边协同下时延最优化的计算任务卸载方法及装置 | |
CN111935677B (zh) | 车联网v2i模式任务卸载方法及*** | |
CN110113140B (zh) | 一种雾计算无线网络中的计算卸载方法 | |
CN110149401B (zh) | 一种用于优化边缘计算任务的方法和*** | |
CN111711962A (zh) | 一种移动边缘计算***子任务协同调度方法 | |
CN113114738B (zh) | 基于sdn的车联网任务卸载的优化方法 | |
CN113254095B (zh) | 云边结合平台的任务卸载、调度与负载均衡***、方法 | |
US11936758B1 (en) | Efficient parallelization and deployment method of multi-objective service function chain based on CPU + DPU platform | |
CN115150892B (zh) | 具有突发性业务的mec无线***中vm-pm修复策略方法 | |
Chen et al. | Joint optimization of task caching, computation offloading and resource allocation for mobile edge computing | |
CN112989251B (zh) | 一种基于协同计算的移动Web增强现实3D模型数据服务方法 | |
CN110888745A (zh) | 一种考虑任务传输到达时间的mec节点选择方法 | |
CN111866181B (zh) | 一种基于区块链的雾网络中任务卸载优化方法 | |
CN113687876A (zh) | 信息处理方法、自动驾驶控制方法和电子设备 | |
CN111294886B (zh) | 一种基于无线能量驱动的移动边缘计算方法及装置 | |
CN115964178B (zh) | 一种车联网用户计算任务调度方法、装置及边缘服务网络 | |
CN113613206A (zh) | 一种基于强化学习的无线异构车联网边缘卸载方案 | |
CN116820603A (zh) | 一种基于深度强化学习的智慧工厂冗余卸载方法 | |
CN114116052A (zh) | 一种边缘计算方法及装置 | |
US5941948A (en) | Admission controller for network access | |
CN115065727B (zh) | 一种基于边缘计算场景的任务卸载方法 | |
CN112954592B (zh) | 一种针对d2d-mec***的能耗优化方法 |
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 |