面向邊緣計算的服務(wù)資源分配問題研究

楊世欣

(西安醫(yī)學(xué)院 衛(wèi)生管理學(xué)院， 西安 710021)

0 引言

邊緣計算的概念是在云計算技術(shù)發(fā)展一段時間后才提出的，目前邊緣計算和云計算技術(shù)相輔相成，作為構(gòu)建萬物互聯(lián)環(huán)境的技術(shù)基礎(chǔ)。

云計算模型[1-3]是一種服務(wù)提供模型，通過網(wǎng)絡(luò)訪問數(shù)據(jù)中心的計算資源、網(wǎng)絡(luò)資源和存儲資源等等；為應(yīng)用提供可伸縮的分布式計算能力。云計算利用現(xiàn)有資源，使用虛擬化技術(shù)[4-5]構(gòu)建由大量計算機組成的共享資源池，不僅具有功能強大的計算和監(jiān)管能力，而且可以動態(tài)的分割和分配計算資源，以滿足用戶的不同需求，提供高效的交付服務(wù)。

邊緣計算是指在網(wǎng)絡(luò)邊緣執(zhí)行計算的一種新型計算模式，具體對數(shù)據(jù)的計算包括兩部分：下行的云服務(wù)和上行的萬物互聯(lián)服務(wù)。邊緣計算的“邊緣”是相對概念，是指從數(shù)據(jù)源到云計算中心路徑之間的任意計算、存儲和網(wǎng)絡(luò)資源[6]。根據(jù)應(yīng)用的具體需求和實際場景，邊緣可以是這條路徑上的一個或多個資源節(jié)點。邊緣計算模型,如圖1所示。

萬物互聯(lián)背景下，應(yīng)用服務(wù)需要低延時、高可靠性以及數(shù)據(jù)安全，而傳統(tǒng)的云計算模式在實時性、隱私保護和能耗等問題上無法滿足需求。邊緣計算模型充分挖掘網(wǎng)絡(luò)中邊緣終端的計算能力，在邊緣終端處執(zhí)行部分計算或全部計算、處理隱私數(shù)據(jù)，降低云計算中心的計算、傳輸帶寬負載及能源消耗。

1 邊緣計算服務(wù)資源分配問題概述

無論是云計算還是邊緣計算，服務(wù)資源的分配都是非常關(guān)鍵的問題。由于服務(wù)器存儲和計算硬件資源限制以及用戶分布的不均勻性，導(dǎo)致可以同時運行的服務(wù)數(shù)量很有限，在服務(wù)分配時存在著網(wǎng)絡(luò)延遲高，各服務(wù)器間負載不均衡的問題。針對邊緣計算環(huán)境下的服務(wù)資源調(diào)度與配置，只有高效、低負載地實現(xiàn)資源動態(tài)調(diào)度，才能保障計算的實時性和有效性。在傳統(tǒng)云端環(huán)境下常用的服務(wù)資源調(diào)度與配置模式只是在云中心收到用戶請求后實時響應(yīng)，卻無法及時準確預(yù)測出用戶未來的應(yīng)用請求、難以確定需求資源的部署位置、難以在海量實時請求下選擇高效的轉(zhuǎn)發(fā)鏈路。因此，如何突破上述局限，設(shè)計一種低負載高能效的服務(wù)資源按需調(diào)度的方法，以實現(xiàn)資源需求的準確預(yù)測和高效調(diào)度，是值得研究的問題。

2 現(xiàn)有邊緣計算服務(wù)資源分配策略

現(xiàn)有方法多集中在緩存置換技術(shù)的研究上，核心在于如何根據(jù)服務(wù)器緩存空間、任務(wù)存儲需求、請求時間和頻次等優(yōu)化緩存空間。常用的傳統(tǒng)的策略有最近最少使用算法LRU(Least recency used)[7]，即移除最近一段時間內(nèi)被請求數(shù)最少的服務(wù)，近期最少使用法LFU(least frequency used)[8]，即移除最近一段時間內(nèi)最長時間未被請求的服務(wù)，還有先進先出算法FIFO(First in first out)[9]。在此基礎(chǔ)上，Aarwal[10]提出基于LRU的改進算法，通過在邊緣層執(zhí)行資源分配和調(diào)度，實現(xiàn)了更高的響應(yīng)速度、更低的傳輸成本；Dimokas N[11]根據(jù)邊緣設(shè)備的緩存特點，提出了PCICC的緩存置換策略，通過優(yōu)化數(shù)據(jù)請求與置換次序，提高了邊緣緩存利用率。然而，這些方法無法根據(jù)應(yīng)用的變換進行自適應(yīng)調(diào)節(jié)，且多是針對同一邊緣節(jié)點進行優(yōu)化，由于用戶的移動性，若資源均部署在同一邊緣節(jié)點，難以持續(xù)保障低時延的服務(wù)。

其他較先進的服務(wù)分配策略有基于偏好的分配策略，即對各個服務(wù)的用戶歷史請求數(shù)據(jù)進行了分析，從而可以知道用戶對不同服務(wù)的不同偏好；基于學(xué)習(xí)的分配策略，可以對用戶請求數(shù)據(jù)進行分析學(xué)習(xí)，提升動態(tài)調(diào)整的能力；還有非協(xié)作式的分配策略、協(xié)作式的分配策略等。盡管不同于云計算，邊緣計算有低延遲、本地化等優(yōu)勢，但邊緣計算服務(wù)的資源相對于云中心要小很多；所以出于成本因素，不可能在每個網(wǎng)絡(luò)邊緣部署大量用來進行技術(shù)計算和存儲的服務(wù)器集群，從而不能將數(shù)據(jù)中心的所有應(yīng)用都下放給某個邊緣服務(wù)器。

3 一種新的服務(wù)資源分配策略

現(xiàn)有的服務(wù)資源分配方案，存在資源需求預(yù)測難、調(diào)度負載均衡難等問題。所以本文提出一種新的低負載高能效的按需服務(wù)資源分配方案，通過一種場景和需求感知的服務(wù)資源預(yù)測模型實現(xiàn)服務(wù)資源的高效分配目的。

這種新的服務(wù)資源分配策略的具體方案是：建立用戶行為的預(yù)測模型，在預(yù)測出用戶行為的基礎(chǔ)上，才能據(jù)此進行所需服務(wù)資源的預(yù)測。由于現(xiàn)今用戶的移動性增強，僅考慮歷史數(shù)據(jù)、屬性信息等是不夠的，若能進一步考慮所處場景對于用戶行為的影響，將有效提高預(yù)測的準確度。由于行為預(yù)測的過程可以看作是樣本分類的過程，即判斷行為與場景數(shù)據(jù)、歷史數(shù)據(jù)等關(guān)聯(lián)程度，將相符的行為分類到相應(yīng)的行為集合中。所以可將多維特征數(shù)據(jù)，通過特征融合、投影變換，在最佳鑒別矢量空間通過Fisher判別準則融合用戶的多維特征，并求解最優(yōu)投影方向，也即是具有最佳推薦效果的分類方向，具體流程如圖2所示。

圖2 預(yù)測流程圖

(1)

那么在給定高維樣本空間上，各分類樣本中的類間離散度Sb，類內(nèi)離散度Sw和總的離散度St的定義分別如式(2)、式(3)、式(4)。

(2)

(3)

(4)

可得出St=Sb+Sw，各離散度矩陣可轉(zhuǎn)換為如式(5)。

(5)

同理可知,Sw與St可被轉(zhuǎn)換為如式(6)、式(7)。

(6)

(7)

基于離散度矩陣的性質(zhì)，各矩陣的跡可表示分類樣本的樣本結(jié)構(gòu)，以及各樣本空間與總體樣本中心(類間離散度)間的偏差程度，定義如式(8)。

(8)

如果GT∈Rl×m表示任意的線性變換, 基于各離散度的定義, 在樣本空間Rl中, 那么投影變換后的各離散度定義形式如式(9)、式(10)、式(11)。

(9)

(10)

(11)

(12)

(13)

在用戶行為預(yù)測模型的基礎(chǔ)上，通過將行為與所需資源進行關(guān)聯(lián)，進而確定需要預(yù)先放置的資源；實現(xiàn)邊緣計算的服務(wù)資源分配的更優(yōu)化。

4 總結(jié)

本文首先介紹了云計算與邊緣計算的概念，指出邊緣計算是萬物互聯(lián)背景下對云計算不足方面的一種技術(shù)補充；然后對已有的邊緣計算的服務(wù)資源分配方法進行對比，發(fā)現(xiàn)不足；最后提出了一種新的低負載高能效的按需服務(wù)資源分配方案。