跨域流媒體邊緣云資源調整策略*

江 坤，奚宏生

(中國科學技術大學 信息科學技術學院，安徽 合肥 230026)

跨域流媒體邊緣云資源調整策略*

江 坤，奚宏生

(中國科學技術大學 信息科學技術學院，安徽 合肥230026)

隨著云計算技術的成熟，跨域邊緣云模式下的流媒體服務正逐漸興起。但流媒體相關的用戶請求隨時間波動較大，邊緣云需要動態調整需租賃的云資源來同時保證用戶服務質量和資源利用率。文中提出的云資源調整策略綜合考慮了跨域流媒體邊緣云的資源消耗模型、相關用戶服務質量指標的量化以及跨域轉發用戶請求對系統服務的影響，通過系統資源調整階段和子云資源調整階段策略的合理協調，在保證用戶服務質量的同時節約了系統總體云資源的租賃代價，同時仿真結果表明文中策略能夠取得上述優化效果。

流媒體邊緣云；資源調整；服務質量；租賃代價

0 引言

近年來，流媒體相關的互聯網流量正急劇增長[1]，到2019年，與之相關的網絡連接和網絡設備的數量將從2014年的140億增長至240億[2]。傳統的流媒體服務技術，由于建設成本和服務能力的不足，無法滿足當前流媒體服務的需求[3]。而隨著云計算技術的興起與成熟，流媒體服務商可以利用跨域流媒體邊緣云(Streaming Media Edge Cloud，MEC)將存儲影片資源和響應用戶請求的工作交由位于邊緣網絡的云平臺完成[4]，從而降低了傳輸時延，保證了用戶服務質量。

同時該模式下，流媒體服務商可以根據需求動態調整需租用的云資源。由于各區域用戶請求的數量往往會隨時間波動，假如按照請求高峰所需的資源租用云服務，在非請求高峰期間會造成云資源的閑置，但若租用的云資源無法響應高峰時的用戶請求，則會影響用戶服務質量[5]。因此，非常有必要兼顧上述需求動態調整需租賃的云資源。

1 跨域流媒體邊緣云

本文采用的跨域流媒體邊緣云服務架構包括：調整全局云資源的資源調整控制器、跨域分配用戶請求的OpenFlow控制器、作為各個區域轉發代理的OpenFlow交換機以及向各個域提供服務的流媒體邊緣云，具體架構如圖1所示。

圖1中，OpenFlow控制器根據各個區域用戶請求的分布狀況預測下個時刻流行度分布，再計算出各個區域具體的請求分配策略，然后將其下發至各個負責本區域的請求轉發的OpenFlow交換機，從而實現用戶請求的動態轉發。而各個流媒體邊緣云由多臺部署在邊緣網絡云平臺上的虛擬機對外提供流媒體服務[6]，云資源調整控制器根據歷史用戶請求周期性地計算云資源調度策略，實現了云資源的動態調整。

2 云資源調整策略

云資源調整策略需周期性決策各個子云需租賃的云資源。由于云資源調整策略的執行周期要長于跨域請求分配策略的執行周期[7]，整體服務質量是由系統利用給定的云資源經過多次跨域請求分配策略的執行而取得的。本文的云資源調整策略通過系統資源調整階段和子云資源決策階段合理協調，能夠在保證用戶服務質量的同時節約系統總體云資源的租賃代價。

2.1系統資源調整階段

系統資源調整階段決策的是所有子云允許接入的最大會話數，主要目標是通過決策系統總的服務能力，在保證系統總體請求接受率的前提下，盡可能減少云資源租賃費用。

系統分配的總體云資源所能夠支持的用戶服務質量是經過多次跨域請求分配策略的執行取得，因此，為保證最終的用戶服務質量，所租用的云資源應當滿足資源調整策略執行周期內資源需求的峰值。定義C為各次用戶請求分配策略的執行所需云資源的租賃費用，ct表示第t次跨域請求分配策略的執行所需云資源的租賃費用，而cmax則為C中各元素的最大值，因此優化目標可表示為：

Min{cmax}

(1)

流媒體邊緣云為用戶提供服務過程中，云資源主要消耗在與擬接入的請求數有關的請求接入階段、與重部署的副本數相關的重部署階段，以及由當前服務的請求數決定的請求服務階段。定義A、B、S分別為擬接入請求向量、重部署副本向量和服務請求向量，大小均為T,at、bt、st分別表示第t個跨域請求分配策略執行周期擬接入的請求數、重部署的副本數和系統當前服務的請求數。為了簡化問題，各階段云資源的租賃費用均正比于at、bt、st，系數分別為α、β、γ，因此各跨域請求分配策略的執行所需云資源的租賃費用可表示為：

ct=αat+βbt+γst

(2)

系統當前服務的總請求數與歷史接受的請求數有關，即只需要求得已接受的請求中尚未退出的用戶請求。假設所有用戶請求經過L個域請求分配策略執行周期均會退出，其訪問時長服從分布Q，其中ql表示經過l個周期仍在線請求的比例，矩陣H表示各個跨域請求分配策略執行周期前各個子云服務的歷史請求數，其中hkl表示之前的第l次執行跨域請求分配策略子云k服務的用戶請求數。需要說明的是H每次跨域請求分配策略執行前均會更新H。因此各個當前服務的總請求數可表示為：

(3)

當前跨域請求分配策略執行周期接入的用戶請求數與到達的請求數和系統當前服務能力有關。各個子云當前的服務能力為允許接入的最大請求數與當前已接入的用戶請求之差，而跨域請求分配策略可以充分利用云資源接入用戶請求，定義rall為各個子云所需租用的總會話數，矩陣P表示各個跨域請求分配策略周期到達的請求數，其中pjt表示第t次執行跨域請求分配策略來自第j個區域的用戶請求數。因此，各個子云該周期擬接入的用戶請求數可表示為：

(4)

子云為了響應用戶對于服務器未預先部署的影片的請求，需要向遠端數據中心請求該影片，跨域請求分配策略可以避免各個子云對于本區域冷門影片的部署，全局重部署影片副本數與擬接入用戶請求的比例基本一致，定義σ為全局重部署影片副本數與擬接入用戶請求之比。因此，該周期全局需重部署的副本數可表示為：

bt=θat

(5)

對于各個子云總體的請求接受率，設置τa為需保證的請求接受率，具體約束可表示為：

(6)

根據上述優化目標和約束的表達式，系統資源分配階段具體數學模型可表示為：

obj:Min{cmax}

(7)

Subject to:

ct=αat+βbt+γst

cmax=max(c1,c2,…,ct)

bt=θat

上述模型為單目標優化模型，可以直接利用cvx和gurobi求解器求解系統需租賃的服務資源。

2.2子云資源調整階段

子云資源調整階段需決策的是各個子云資源的調整方案，主要目標是通過調整各個子云允許接入的最大請求數，在盡可能節約云資源租用費用的前提下保證各個子云對于本地用戶請求的服務，避免過多跨域用戶請求分配增加的傳輸時延。

為保證最終的用戶服務質量，各個子云所租用的云資源應當滿足資源調整策略執行周期內資源需求的峰值。定義E為各個用戶請求分配策略執行周期所需云資源的租賃費用，etk表示第t次跨域請求分配策略的執行第k個子云所需云資源的租賃費用，而矢量M則為E中各子云各個請求分配周期所需云資源的最大值，為保證總的云資源租賃費用最少，優化目標可表示為：

(8)

對于akt、bkt、skt的計算系統資源調整階段已給出，同時為了使所分配的云資源能夠保證不中斷地對在線用戶請求提供服務，各子云重新調整的云資源應當滿足當前在線請求的提供需求，可表示為：

γskt≤ekt

(9)

定義gm和ga分別為全局本地無法服務的請求數和閑置的服務能力，具體表達式如下：

(10)

定義cqjt和iqjt分別表示子云j在時刻t只響應本地用戶請求的閑置服務能力和拒絕的請求數，具體表達式如下：

cqjt=max(qtk-(rj-sjt),0)

iqjt=max(rj-sjt-qtk,0)

(11)

跨域請求分配策略為了保證全局云資源的高效利用，會將本地子云無法響應的用戶請求交由其他地區的子云服務。為簡化計算，本策略假定各個子云會優先服務本地的用戶請求，假如有閑置的服務能力會等概率地響應其他子云無法服務的本地用戶請求，定義djk表示區域k對子云j的傳輸時延，因此最小化跨域請求分配的優化目標可以表示為：

(12)

同時為保證各個子云整體的請求接受率，各個子云租用的云資源之和應當大于系統資源給定的總體資源租用方案。因此，該模型最終可表示為：

(13)

Subject to:

ekt=αakt+βbkt+γskt

mk=max(ek1,ek2,…,ekT)

akt=min(pkt,rk-stt)

bkt=θakt

γskt≤ekt

cqjt=max(qtk-(rj-sjt),0)

iqjt=max(rj-sjt-qtk,0)

本文利用分層序列法求解，具體來說就是先將最小化系統的云資源租賃費用作為主目標模型，將求解結果作為約束代入最小化系統整體傳輸時延的求解過程中，具體求解可利用cvx和gurobi求解器實現。

3 系統仿真與分析

本文將云資源調整策略執行周期設為1 h，而跨域請求分配策略和云資源調度策略的執行周期均設為3 min，仿真時長設為24 h。實驗輸入則來源于對實際用戶請求到達率的統計結果[8]，具體如圖2所示。

圖2 系統整體請求到達率分布圖

根據文獻[9]，將請求接入階段、影片重部署階段和請求服務階段消耗資源的比例系數α、β、γ分別設為α=0.12、β=0.48、γ=0.20，而系統總體的請求接受率約束設為95%。

首先將跨域流媒體邊緣云的全局云資源租賃費用作為性能指標，為了體現本文策略的優勢，將與單云優化策略的云資源調整方案[10]進行對比，具體結果如圖3所示。本文的策略與單云優化策略均能夠根據總體請求到達率的變化動態地調整租用的云資源。但單云優化策略沒有考慮用戶請求的跨域轉發，消耗在影片重部署的資源要遠高于本文策略，從而造成系統總體的租用成本高出24.8%。

圖3 云資源租賃費用示意圖

然后將上述兩種云資源調整策略決策出的各個子云能夠服務的最大請求數作為系統資源限制，驗證各個云資源調整周期內的平均請求接受率是否滿足給定的約束，具體的仿真結果如圖4所示。上述兩種調整策略各個云資源調整周期平均的請求接受率均大于設置的約束值95%，滿足設置的約束。

4 結論

本文提出了一種跨域流媒體邊緣云資源調整策略，通過動態調整需租賃的云資源，能夠在保證用戶服務質量的前提下節約云資源的整體租賃費用。仿真結果表明本文策略能夠在保證用戶服務質量的同時動態調整云資源以適應用戶請求的波動。

圖4 云資源調整策略平均請求接受率示意圖

[1] CISCO.Cisco visual networking index: Forecast and methodology，2011-2016[R].San Jose，CA，USA: Cisco，2012.

[2] INDEX C V N.Forecast and methodology，2014-2019 White Paper[R].San Jose，CA，USA: Cisco，2015.

[3] 董宏成，鄭飛毅.基于 OpenFlow 的數據中心網絡負載均衡算法[J].電子技術應用，2016，42(5): 120-123.

[4] 郭棟，王偉，曾國蓀.云計算中一種分布式緩存加密存取方法[J].微型機與應用，2016，35(2): 1-3.

[5] 張政歡.云視頻服務系統的資源配置和調度優化[D].合肥: 中國科學技術大學，2016.

[6] 戰立松，奚宏生，王子磊.基于OpenFlow的流媒體云服務遷移方法[J].計算機工程，2014，40(12): 1-5.

[7] 冉泳屹.云環境下基于隨機優化的動態資源調度研究[D].合肥: 中國科學技術大學，2015.

[8] UMass Trace Repository[EB/OL].http://traces.cs.umass.edu/index.php/Network/Network.

[9] NAN X，HE Y，GUAN L.Optimal resource allocation for cloud based on queuing model[C].Proceedings of the 13th International Workshop on Multimedia Signal Processing (MMSP),2011.IEEE，2011: 1-6.

[10] 姜同全.流媒體邊緣云的聯合優化資源調度策略研究[D].合肥：中國科學技術大學，2016.

A resource adjustment strategy for cross domain streaming media edge Cloud

Jiang Kun，Xi Hongsheng

(School of Information Science and Technology，University of Science and Technology of China，Hefei 230026，China)

With the maturity of cloud computing technology, the streaming media services in the cross-domain edge cloud mode are gradually rising.While streaming media-related user requests fluctuate intensely，it is necessary to dynamically adjust the cloud resource leasing scheme.The proposed strategy takes into account the resource consumption model of the cross-domain streaming media edge cloud，the quantization of the relevant user service quality indicators，and the impact of the cross-domain forwarding user request to system to reasonably adjust cloud resource leasing scheme, and to ensure the quality of customer service under the premise of minimizing the overall system rental costs through the system resource adjustment phase and sub-cloud resource adjustment phase.The simulation result shows that the proposed strategy can achieve the above optimization effect.

streaming media edge Cloud; resource adjustment; quality of service;rental cost

TP391.41

A

10.19358/j.issn.1674-7720.2017.21.007

江坤，奚宏生.跨域流媒體邊緣云資源調整策略J.微型機與應用，2017,36(21)：22-25,28.

國家自然科學基金(61233003)；中央高校研究基金科研業務費專項資金(WK3500000002)

2017-05-14)

江坤(1992-)，男，碩士研究生，主要研究方向：網絡傳播與控制。

奚宏生(1950-)，男，碩士，教授，主要研究方向：離散事件動態系統、不確定隨機系統的魯棒估計器和控制器設計、通信網絡的性能分析和優化、信息安全。