基于區塊鏈的計算與無線通信資源聯合管理雙向拍賣模型

孫儼，熊翱，蔣承伶，王威，于東曉，郭少勇

（1.北京郵電大學網絡與交換技術國家重點實驗室，北京 100876；2.國網江蘇省電力有限公司，江蘇 南京 210000；3.南京航空航天大學電子信息工程學院，江蘇 南京 211100；4.山東大學計算機科學與技術學院，山東 青島 266237）

0 引言

隨著5G/6G 網絡的發展，由Wi-Fi、運營商網絡、無線專網等組成的邊緣網絡支撐著各類時延敏感型業務的低時延、高速率運行[1-3]。但在邊緣網絡環境中，計算與無線通信資源受限，傳統分散、獨占式資源分配模式限制了邊緣網絡資源的復用能力[4]，考慮如何通過多種資源聯合管理實現分散邊緣網絡資源的共享共用，全面提升網絡資源利用率成為移動邊緣計算（MEC,mobile edge computing）的新發展趨勢。

由于傳統的集中式資源調度流程不透明，網絡主體間缺乏信任，在資源分配過程中易出現收益分配不均等問題。除此之外，網絡中可能存在惡意節點發出虛假資源請求或向系統謊報自身資源擁有量，影響資源分配流程，降低系統整體性能。區塊鏈的應用將成為有效解決節點間信任問題、降低惡意節點影響的有效手段[5-7]。

在邊緣網絡領域，學術界提出了大量資源調度方案。文獻[8]提出了一種單個無線通信資源無預算市場，文獻[9]在此基礎上提出了一種新的聯合資源和收入優化模型，使更多網絡切片能得到滿足的同時提高了網絡的收入。文獻[10]提出了一種基于雙向拍賣法的市場化資源分配模型，使系統達到一個所有代理都受益的競爭平衡，解決了移動數據卸載市場中頻譜資源分配問題。為解決資源分配過程中的信任與安全問題，區塊鏈技術逐漸被研究者采用。文獻[11]提出了一種基于區塊鏈的邊緣計算場景下的計算資源分配框架，該框架利用區塊鏈解決了計算資源分配過程中的安全和隱私問題。文獻[12]提出了一種適應邊緣設備局限性的區塊鏈系統，可以公平、高效地分配邊緣設備上的存儲資源。文獻[13]提出了一種基于區塊鏈的移動虛擬網絡運營商之間的資源交易框架，解決了無線網絡中的安全和隱私問題對運營商之間資源交易的影響。文獻[8-13]雖然都提出了有效的資源分配方式，但都僅考慮單種資源的有效利用，未考慮多種資源的聯合管理分配。文獻[14]提出了一種綜合考慮價格策略和計算資源分配策略的激勵機制，使用基于Stackelberg 博弈的方法實現了價格與資源的均衡。文獻[15]提出了一種邊緣云任務卸載能耗最小化模型，通過綜合考慮數據的傳輸功率與邊緣側計算能力，最小化任務卸載的能量消耗。文獻[14-15]都對多種資源進行了聯合優化，實現了資源的有效利用，但其集中式的任務卸載與資源分配決策易出現公平性問題，且易受到惡意攻擊。文獻[16]提出了一種預算有限的市場模式，并擴展到文獻[17]的入場控制，提出一種融合準入控制與資源分配技術的網絡切片架構，并證明了該系統可保持納什均衡。文獻[18]提出了一種計算與無線通信資源聯合優化方法，然而該方法將計算任務卸載到云端降低了移動邊緣側的壓力，在無線通信資源受限場景下難以滿足業務的時延要求。文獻[19-20]都使用游戲理論工具處理計算資源分配問題，提出了基于費舍爾市場的移動邊緣計算資源管理模型。文獻[16-20]雖然對多種資源的聯合管理問題進行了研究，且多采用市場化分配方式，但并未考慮市場中節點間的信任問題。

為解決以上問題，本文提出了基于區塊鏈的計算與無線通信資源聯合管理雙向拍賣模型，主要研究工作如下。

1) 提出一種多資源聯合管理模型，并基于該模型提出了多資源聯合管理的拍賣算法，利用雙向拍賣機制實現計算與無線通信資源分配，在資源分配過程中進行多種資源聯合管理，有效降低資源瓶頸問題對系統性能帶來的影響。

2) 將節點資源、資源分配結果等信息存儲于區塊鏈中，即使在跨域資源分配的場景下，這些信息也無法被篡改，同時在資源拍賣前基于這些信息進行可信檢查，解決資源共享過程中各方信任缺失問題。

3) 通過性能分析驗證了網絡中資源瓶頸對系統性能與資源分配結果的影響，將本文所提算法與傳統資源分配算法進行比較，驗證本文模型有效提高了系統性能以及資源利用率。

1 系統模型

1.1 計算與無線通信資源聯合管理雙向拍賣模型

本文提出的基于區塊鏈的計算與無線通信資源聯合管理雙向拍賣模型如圖1 所示。模型主要包括用戶、服務提供者（SP,service provider）、邊緣計算節點、無線通信基站、區塊鏈平臺（由區塊鏈節點組成）。其中，服務提供者是參與拍賣的買方主體，收到用戶服務請求后購買所需資源，邊緣計算節點與無線通信基站作為資源擁有者即賣方，向區塊鏈提交收集到的信息并參與拍賣。拍賣基于區塊鏈進行，并可隨時查詢存儲于區塊鏈賬本中的各節點信息，確保買賣雙方可信。區塊鏈接收到買方資源請求和賣方資源信息與報價后，自動觸發雙向拍賣智能合約，進行資源分配。同時，資源分配結果將向全網廣播，保證資源分配結果的透明性及可靠性。

圖1 基于區塊鏈的計算與無線通信資源聯合管理雙向拍賣模型

考慮一個移動邊緣計算場景，其中多個邊緣計算節點構成MEC 聚類，令M為此聚類中的邊緣計算節點集合，R為不同計算資源類型集合（如CPU資源、存儲資源），為邊緣計算節點m∈M中類型為r∈R的資源可用容量，由于本文模擬一個異構的MEC 集群，因此原則上各不相同。考慮一個無線接入網絡，邊緣計算系統中的用戶可以通過無線接入網絡將工作上傳到邊緣計算節點中。令W為可用于訪問MEC 聚類的無線通信基站集合，為基站w∈W可用的無線通信資源容量。服務提供者以網絡切片的形式擁有計算和無線通信資源的虛擬捆綁包，并使用這些資源為用戶提供特定的MEC 服務。獨立于網絡中不同的域，向同一服務提供者請求的服務因其工作內容相同，往往也會表現出相同的資源需求。令S為服務提供者集合，對于特定服務提供者s∈S，本文將定義為完成s的一項工作所需的r型計算資源量，同樣，表示通過基站w上傳s的工作所需的無線通信資源量，這2 個參數表示最少為特定工作分配多少資源量即可使其正常運行。本文將這些參數用于描述特定服務類型。值得注意的是，鑒于MEC 應用種類繁多，服務可以呈現不同的需求描述，可能有CPU 密集型服務，其CPU 需求可能相對高于其內存需求，或者工作有效載荷大于其他有效載荷的網絡密集型服務，因此需要更高的頻譜資源分配，即頻譜密集型服務。在第3 節的實驗中，本文將配置不同的資源需求數量來模擬現實中的多種服務類型。系統參數及其相關含義如表1 所示。

表1 系統參數及其相關含義

令us,m,r為邊緣計算節點m中保留給服務提供者s的r型計算資源的數量，對于任何資源r，表示s的并發作業的最大數量。由于并發執行工作的實際數量受瓶頸資源的限制，因此本文必須考慮所有計算資源中最稀缺的類型。通過對系統中的節點求和，本文獲得了服務提供者s在MEC 域中以可接受的性能同時執行的最大作業數，即

其中，Us表示特定計算資源分配方案。

同樣，通過將vs,w設為無線通信基站w中分配給服務提供者s的網絡資源，可以將vs,w與之間的比率確定為可以通過基站w同時發送到的服務提供者s的最大工作負載數。綜合系統中的所有基站，本文可以得出在給定的網絡資源分配方案Vs下通過RAN 域上傳到服務提供者s的最大作業數，即

最后，由于并發執行的作業數受性能最低的資源域的限制，不能超過在性能最低域內所能執行的任務數，因此本文可以將服務提供者的效用，即服務提供者所能并發執行的最大作業數表示為

因此，系統性能可由各服務提供者效用得出，本文定義單個服務提供者的效用為其預算與所執行作業數相乘，則系統整體效益的優化目標函數可表示為

其中，Bs為服務提供者s參與資源交易的預算，由所收到的服務請求的預算綜合確定，特定服務的預算與其重要性相關并事先確定，即服務重要性越高預算也就越高，所能購買的資源越多。

該模型優化目標函數旨在考慮系統性能瓶頸的前提下最大化系統效益，以服務提供者的預算為其所執行的作業數加權，預算越高則優先級越高，能為系統帶來的效益越高。

在此模型中，本文希望服務提供者成為理性的代理，所有這些服務提供者的目標都是在預算約束下購買資源，同時可實現最大化系統效用（即最大化同時可執行的工作數量）的資源組合來追求其利益。每個提供者的預算額都具有執行服務優先級的附加功能。例如，假設2 個服務提供者具有相同的需求特征，但預算不同，則預算較高的服務提供者將受到市場模型的青睞，因為它有能力購買更大的資源包，即能為系統總體效用提供更大貢獻。

為保證fs為整數，避免理論效益與實際效益產生偏差，令hs,m為在邊緣計算節點m中執行的服務提供者s所執行的并發任務數（整數），hs,w為服務提供者s通過無線通信基站w同時上傳的任務數量（整數），該優化模型的約束為

其中，約束C1代表服務提供者s在邊緣計算節點m中所執行的任務數量不能超過m分配給其的計算資源限制；約束C2代表服務提供者s通過基站w上傳的任務數不能超過w分配給其的通信資源限制；約束C3代表服務提供者s的效用，即完成的任務總量不能超過在邊緣計算節點m中執行的任務總量；約束C4代表服務提供者s完成的任務總量不能超過分配給其的無線通信資源的限制；約束C5和C6分別代表分配給所有服務提供者的計算資源與無線通信資源總量不能超過網絡中計算資源與無線通信資源存量的限制；約束C7代表分配給各服務提供者的資源數量與邊緣計算節點m執行的任務數量為正數。

在雙向拍賣中，買方希望為獲得所需資源而付出的價格盡量低，賣方則希望售出的資源能獲得更高的利潤，即成交價盡量高，因此雙向拍賣追求更高的買方價格與更低的賣方價格達成交易。假設在某輪拍賣中共有n筆交易達成，在第i筆拍賣交易中某買方s以ps,i的出價與出價為qm,i的賣方m達成交易，則拍賣模型可表示為

該拍賣模型服從以下約束

其中，約束C8代表買方所有出價的總和不能超過其預算限制；約束C9保證買賣雙方出價為正數。

式(4)為系統性能的優化函數，式(6)為拍賣過程中的買賣雙方收益優化函數，本文系統希望同時優化這2 個指標，并保證系統性能與買賣雙方收益的最大化。

1.2 資源調度流程

由于邊緣環境中各類資源分布零散，因此本文在系統中設置了網絡管理員，統一管理一定范圍內的資源，并根據管理范圍內的資源存量進行資源定價，作為資源擁有者的代理，以賣方身份參與資源拍賣。

另一方面，服務提供者購買資源為用戶提供特定服務，即作為用戶的代理以買方的身份參與資源拍賣。

基于該模型的雙向拍賣資源分配流程主要包括拍賣準備階段、報價提交階段、拍賣合約執行階段和資源分配階段。

1) 拍賣準備階段。用戶根據所需服務向特定服務提供者請求服務，服務提供者根據收到的服務請求確定參與拍賣的預算。邊緣計算節點與無線通信基站確定參與此次拍賣的資源量后將其提交給網絡管理員，網絡管理員根據資源存量確定資源定價。同時，用戶將所需服務及對應資源需求提交到區塊鏈節點，邊緣計算節點與無線通信基站將參與拍賣的資源信息存儲于區塊鏈中，方便智能合約對買賣雙方提交的信息進行檢查。區塊鏈借助其信息不可篡改的性質可有效保護這些信息，防止惡意節點篡改相關信息，影響拍賣階段的可信檢查流程。

2) 報價提交階段。拍賣開始之前買賣雙方向區塊鏈節點提交資源與報價信息，這些信息將被記錄于區塊鏈中留待拍賣合約的調用。服務提供者（買方）提交此次拍賣所需購買的資源以及對各類資源的報價，網絡管理員（賣方）提交參與此次拍賣的資源數量以及對其的出價。

3) 拍賣合約執行階段。每隔一段時間拍賣合約自動觸發并獲得買賣雙方提交的資源與報價信息。合約從區塊鏈中查詢用戶所需服務信息、邊緣計算節點與無線通信基站資源存量，并與買賣雙方所提交的數據進行核對，核對一致后合約確定當前參與拍賣的節點可信，根據各方報價，按照資源分配算法確定最優分配方案，得出拍賣結果。智能合約借助其自動執行且不可逆的優勢，保證交易過程不受外界干擾，可保障交易的公平性、有效性。

4) 資源分配階段。拍賣結束之后買賣雙方得和資源分配方案，網絡管理員進行網絡資源的具體分配，資源提供者向對應買家即服務提供者提供對應資源，服務提供者獲得對應資源后向用戶提供所需服務。資源分配方案將被存儲于區塊鏈中，所有流程信息公開透明，受所有節點共同監督，且不會被篡改，可有效解決參與資源交易的節點間的信任問題。

考慮到資源分配方案的時效性，網絡中的資源需求和資源擁有者對資源的定價會隨著時間變化。網絡中的用戶會隨時提出新的服務請求，服務提供者也就會產生資源需求的變化；同時，隨著網絡中分配出去的資源被利用完畢，空閑資源存量發生變化，網絡管理員也會根據資源存量變化動態調整資源定價以獲得更高收益[21]。最優資源分配方案也將隨之變化，因此本文模型將在每輪拍賣中對資源進行重新分配。每輪拍賣結束后的一段時間內，網絡中的用戶將會提出新的服務請求，產生新的資源需求，對于預算更高（即優先級更高）的任務，本文拍賣模型將采用搶占式資源分配方式，將已分配給較低優先級任務的資源重新分配給較高優先級任務，待高優先級任務執行完成后再將資源返還給低優先級任務。同時，每輪拍賣后資源擁有者將根據網絡中資源需求與存量情況調整資源定價，同樣影響下一輪的資源分配結果。

1.3 資源交易聯盟區塊鏈

公有區塊鏈和聯盟（或私有）區塊鏈是區塊鏈現有的2 種形式。邊緣計算環境下一些設備無法滿足公有區塊鏈資源需求，如工作量證明（PoW,proof of work）共識的高資源需求。此外，對于公有區塊鏈，大量的邊緣計算設備使交易驗證效率較低。與公有區塊鏈相比，聯盟區塊鏈中的交易驗證只需要預先選擇高功率節點，其成本更小，效率更高[22]，因此，本文利用聯盟區塊鏈構建資源交易平臺。

除此之外，傳統的PoW 共識將會消耗大量的能量，共識效率低；而權益證明（PoS,proof of stake）共識雖然提高了共識效率、降低了計算成本，同時也面臨著無利害攻擊、長程攻擊等安全威脅，因此本文所設計的區塊鏈系統采用文獻[23]提出的交易量證明（PoT,proof of trading）共識。PoT 共識結合2 種傳統共識機制，在保證安全性的前提下提高了共識的效率。

在本文的資源交易系統中，區塊鏈節點作為連接服務提供者與資源擁有者的橋梁，應當證明區塊鏈節點促進了成功的資源交易而不是在PoW 共識中單純地解決了一個哈希謎題，對于某區塊鏈節點，PoT 共識以一段時間內成功完成的交易量為其股權，根據股權動態調整求解哈希謎題的難度，交易量越多求解難度越低，該節點也就越容易獲得記賬權。通過這一方式，PoT 共識大大提高了共識效率，降低了共識的能量消耗，更適用于邊緣計算場景與時延敏感型業務。

2 算法設計

基于以上系統模型，本文利用智能合約設計了計算與無線通信資源聯合管理分配算法，算法流程如圖2 所示，主要包括拍賣前的可信檢查和資源拍賣2 個部分。

圖2 基于智能合約的計算與無線通信資源聯合管理分配算法流程

2.1 可信檢查

拍賣合約確認拍賣雙方可信主要包括2 個流程，1) 服務請求方（用戶）和資源擁有者（邊緣計算節點與無線通信基站）向區塊鏈上傳自身服務需求或資源存量信息，2) 智能合約從區塊鏈中獲取這些數據并與拍賣雙方代理（各服務提供者與網絡管理員）所提交的報價、資源量進行對比，保證買方所提交的預算、資源需求量符合用戶的實際服務需求，賣方所提交的參與拍賣的資源量符合實際情況，隨后開始拍賣流程。

用戶需同時向區塊鏈發送自身所需服務信息，由于同種服務類型具有相同的資源需求量與預算，因此拍賣合約可根據用戶所需的服務信息確定買方所需資源總量與預算，保證買方未偽造自身資源需求與預算來獲得更多資源分配量。資源擁有者同時向網絡管理員和區塊鏈提供自身所能提供的資源信息，拍賣合約通過查詢區塊鏈獲取資源擁有者的實際資源存量，與賣方所提交的資源存量進行對比，保證賣方未偽造資源存量以獲得額外收益或影響實際資源分配。

作為一個分布式賬本，區塊鏈中的數據由鏈上所有節點共同擁有和維護，同時區塊鏈的共識機制使網絡中節點對信息的修改需獲得其他節點的同意，保證了數據的真實可靠與不可篡改性。因此采用區塊鏈可有效保證拍賣合約準確判斷參與拍賣節點的可信性，排除不可信節點，保證資源分配有效進行。

2.2 聯合管理雙向拍賣算法

在傳統雙向拍賣中，買賣雙方提交報價后，拍賣算法將買方報價降序排序，賣方報價升序排序，即買方出價越高優先級越高，賣方出價越低優先級越高，按照此規則確定拍賣最終結果。但如第1 節中所述，不同域的資源與同域不同類資源分配場景中，資源瓶頸的問題影響著系統整體性能，因此不能僅考慮單種資源拍賣結果，也需考慮該分配方式下資源瓶頸帶來的影響。因此本文提出了多資源聯合管理雙向拍賣（JMDA,joint management double auction）算法。

通過分析可知，并發執行的作業數受到性能最低域的限制，因此本文分配算法首先找到性能最低的資源域，以服務提供者對該資源的需求量進行加權，得到新的優先級，并以此得到拍賣的最終結果。因對某種資源需求越高或是系統資源量越少，則在某項資源上等候時間越長，該資源域性能也就越低，因此可用某種資源的需求指數來找到性能最低的資源域。

按照系統內各類資源排序后得出最易產生資源瓶頸的資源類型，按照各個服務提供者對該資源的需求數進行加權得到加權預算，即新的優先級，并以此確定拍賣的勝者。當r型計算資源或w型無線通信資源成為資源瓶頸時，加權預算Bs′可分別由式(10)和式(11)得出。

得出新的買方預算后將買方預算按降序排列形成買方優先級隊列Pb，同時將不同種類資源賣方的報價按照升序分別排列形成多個賣方優先級隊列Ps,r與Ps,w。拍賣流程開始后，買方選擇資源量符合自身需求且優先級最高的賣方，賣方將在選擇自身的買家中挑選優先級最高，即預算最高的買方。為避免資源死鎖，只有在某輪拍賣中所有資源需求都得到滿足的買方才可與各賣方達成交易，未能滿足所有資源需求的買方即使被某賣方選擇，也無法與其達成交易。未達成交易的買賣雙方將形成新的優先級隊列，達成交易的賣方若還有資源存量，則更新本輪拍賣后自身剩余資源，并加入優先級隊列中開始下一輪拍賣，若在某輪中沒有達成任何交易或產生的優先級隊列有一個為空，則結束此次雙向拍賣流程。因此最終的資源聯合管理雙向拍賣算法如算法1 所示。

算法1資源聯合管理雙向拍賣算法

2) 將需求指數排序，找出成為性能瓶頸的資源類型；

3) 根據式(10)和式(11)對買方預算進行加權，更新參與拍賣的實際預算；

4) 按照買賣雙方報價排序生成優先級隊列Pb、Ps,r與Ps,w；

5) 循環

6) 根據Bs確定買方購買各項資源的預算ps,i，根據式(6)確定雙向拍賣初步匹配結果；

7) 檢查初步匹配后各買家資源需求，如果某買方所有資源需求均達成匹配，則確定與對應資源買方達成交易，更新資源量

8) 否則該買方本輪交易失敗；

10) 直到本輪未達成交易或優先級隊列有一個為空，循環結束。

3 仿真分析

3.1 仿真參數配置

本文仿真所構建的網絡采用CPU 資源與存儲資源代表2 種不同的計算資源。為表現網絡中不同服務需求的資源異質性，本文定義了4 種不同的服務模板，這4 種模板分別代表了邊緣計算中可能出現的4 種不同服務配置，其中，3 種按照對某種資源的大量需求，分為CPU 密集型服務、存儲密集型服務和頻譜密集型服務，另外一種為各類資源均有較高需求的均衡型服務。表2 列出了這些服務模板的具體數值配置。

表2 服務模板的具體數值配置

對于賣方，即各類資源擁有者，本文構建了異構網絡基站與計算資源節點組成的MEC/RAN 系統。對于MEC 域，本文確定了兩類邊緣計算節點，一類是具有更多CPU 資源的CPU 節點，另一類是具有更多存儲資源的存儲節點；對于RAN 域，本文確定了可提供40 MHz 的大無線通信基站與可提供20 MHz 的小無線通信基站。邊緣計算節點與無線通信基站的具體配置如表3 所示。

表3 邊緣計算節點與無線通信基站的具體配置

本文所構建的網絡包括5 個CPU 節點與5 個存儲節點，同時配置大小無線通信基站各2 個。

3.2 系統性能對比

在實驗的每次流程中，若干上述服務模板中包含的服務將被隨機分配給15 個不同的服務提供者，模仿不同用戶向服務提供者發出服務請求。同一服務提供者可能收到多個服務請求，模仿網絡中多個用戶向同一服務提供者發出請求的情況。

本文使用系統整體效率觀察系統整體性能，定義系統整體效率為一次資源分配后成功執行的任務收益總量與網絡中所被請求的任務收益總量之比，在系統整體可提供資源數量固定的情況下，采取不同資源分配策略，執行相同系列任務的效率越高，則采用該算法的系統性能越高。

本文將所提出的JMDA 算法與已有研究中的單輪雙向拍賣（SRDA,single round double auction）算法與動態價格雙向拍賣（DPDA,dynamic price double auction）算法[24]進行對比。SRDA 算法只進行一輪拍賣就結束拍賣流程，能在短時間內達成交易匹配，同時采用VCG 機制抑制買方偽造資源需求的行為；DPDA 算法在拍賣過程中動態調整各方的出價進行多輪拍賣，以達成更多的交易匹配數量。以上2 種算法均將不同資源的交易當作獨立的過程，而JMDA算法考慮了稀缺資源對任務執行的影響，將不同類型資源進行聯合管理，減少了資源的浪費；同時，JMDA算法通常連續進行多輪拍賣，提升了資源交易達成數量。系統整體效率對比如圖3 所示。

圖3 系統整體效率對比

對3 種算法對比分析可知，隨著服務請求數不斷提升，采用SRDA 算法和DPDA 算法的系統因未考慮資源瓶頸的影響，整體效率迅速降低，而JMDA算法則可有效避免資源瓶頸并保持高效率，之后效率則會受系統資源總量限制而下降。其中，SRDA 算法因僅進行一輪拍賣，大量買賣雙方在單輪交易中難以達成交易，造成其系統整體效率長期處于較低狀態。

在本節仿真環境中，由于系統中資源存量相同，系統效率越高也就意味著系統中的資源得到了更好的利用，當系統整體效率無法達到100%時，意味著使用這種算法的系統性能達到極限，無法利用系統資源完成當前所有任務。由圖3 可知，使用其他2 種算法的系統均比使用本文算法的系統更快達到性能極限；在服務請求數達到30 之后，3 種算法的系統效率都不足100%，而使用本文算法的系統性能始終高于其他2 種系統。以上兩點說明本文算法提高了系統的資源利用率。

3.3 系統性能與預算的關系

為了驗證系統中買方預算對資源分配的影響，本文使用JMDA 算法分別從系統角度和單個服務的角度進行對比分析。在實驗中，本文固定總服務請求數為60，保持其他類型服務的預算不變，逐漸增加前述CPU 密集型服務的預算，得到的系統整體效率隨預算變化如圖4所示，隨著CPU密集型服務的預算不斷提升，系統更傾向于將資源分配給該服務，而該服務僅需少量資源即可創造較高的收益，相較于高資源需求型服務可有效提高系統整體效率。存儲密集型與頻譜密集型服務因為與CPU 密集型服務類似也僅需相對少的資源即可創造較高收益，因此保持其他服務的預算不變，這2 種服務中的某種服務預算升高時，同樣將使系統整體效率提高，但若均衡型服務獲得更高的預算，系統整體效率將因其大量的資源需求而降低。

圖4 系統整體效率隨CPU 密集型服務預算變化

單個服務完成數隨CPU 密集型服務預算變化如圖5 所示。隨著CPU 密集型服務預算的增加，該服務被分配越來越多的資源，證明了JMDA 算法的預算優先級效應，均衡型服務因在相同資源分配情況下所能提供的效益遠小于CPU 密集型，被分配的資源越來越少。

圖5 單個服務完成數隨CPU 密集型服務預算變化

3.4 系統性能與資源量的關系

圖6 和圖7 給出了使用JMDA 算法的系統中，頻譜密集型服務和均衡型服務的服務完成數隨系統中計算資源和無線通信資源節點數目的變化。保持系統中無線通信資源節點數目不變，計算資源的逐步減少使其成為系統性能瓶頸，由于均衡型服務需要大量計算資源而頻譜密集型服務僅需少量計算資源，因此算法初始時更多地將資源分配給頻譜密集型服務。當計算資源數量下降到一定程度時，頻譜密集型服務的完成數也開始受到影響。保持計算資源數量不變，無線通信資源逐漸成為性能瓶頸，由于2 種服務均有較高的無線通信服務需求，因此其完成數均有所降低。

圖6 服務完成數隨計算資源節點數目變化

圖7 服務完成數隨無線通信資源節點數目變化

本節以頻譜密集型與均衡型服務為例證明了系統存在性能瓶頸并且JMDA 算法能根據系統資源數量的變化捕捉性能瓶頸的變化情況，靈活變化資源分配方案。

除此之外，CPU 密集型與存儲密集型服務同樣對計算資源有較高需求，因此在計算資源減少的情況下其與圖6 中的均衡型服務類似，完成數有所降低，而這2 種服務對無線通信資源需求較少，因此當無線通信資源節點減少時，它們的完成數變化趨勢將與圖6 中的頻譜密集型服務類似，先獲得更高的完成數，當無線通信資源降低到一定程度影響任務正常完成時其完成數開始降低。

3.5 抵抗惡意節點能力分析

為驗證本文所提基于區塊鏈的資源聯合管理系統可有效避免惡意節點的影響，本文在3.2 節的網絡環境基礎上引入惡意節點，在15 個服務提供者節點中將會有5 個惡意節點，虛報自身的預算與資源需求，其數值為實際預算與資源需求的2 倍，以獲得更高的資源分配，提升自身性能。本文實現了基于區塊鏈的資源聯合管理系統，并在該網絡環境中與包含區塊鏈的資源聯合管理系統進行對比，2 種系統執行任務情況如圖8 所示。

圖8 2 種系統執行任務情況

對比2 種系統的任務執行情況可知，早期服務請求數較少，系統中資源富余，即使惡意節點多占據了一些資源，其他正常節點依舊能正常完成任務，而基于區塊鏈的資源聯合管理系統由于排除掉惡意節點，惡意節點所被分配的任務無法正常完成，因此其任務完成數略低于不含區塊鏈的系統。隨著服務請求數增長，系統中資源存量緊張，不含區塊鏈的系統中大量資源被惡意節點占據，無法被有效利用，系統任務執行能力迅速達到瓶頸，而基于區塊鏈的系統可檢查出惡意節點并將其排除，任務執行能力保持較高水準。

為了驗證惡意節點數對系統的影響，本文保持服務請求數為60 不變，改變惡意節點數，得出的系統執行任務情況對比如圖9 所示。

圖9 惡意節點數對系統執行任務情況的影響

由圖9 可知，隨著惡意節點數的增加，基于區塊鏈的系統并不受其影響，可保持較強任務執行能力，而不含區塊鏈的系統受惡意節點影響逐漸增大。可以預見的是，當惡意節點更大幅度地虛報自身預算與資源需求時，更多的資源被惡意節點占據，系統的任務執行能力將進一步降低。

3.6 安全性與可信性分析

本文所提出的資源聯合管理模型通過引入區塊鏈，保證了資源分配過程的安全性與各分配主體間的信任，主要有以下結論與分析證明。

1) 資源分配流程透明，不存在分配不均情況

證明在本文所提出的資源聯合管理模型中，資源分配的全流程將被記錄于區塊鏈中，作為一種分布式賬本技術，區塊鏈中存儲的資源分配信息公開可查閱，受各方監督，其內容由分布式的區塊鏈節點共同維護，無法被篡改，避免了傳統集中式資源分配方式中分配流程不透明帶來的信任與資源分配公平性問題。證畢。

2) 資源分配過程可避免惡意買賣雙方影響正常資源交易

證明通過2.1 節所述的可信檢查環節及其分析可知，拍賣合約可對服務提供者（買方）與網絡管理員（賣方）所發出的交易請求信息進行檢查，與底層用戶、資源擁有者所提供的服務請求與資源存量信息進行核對，這些信息被存儲于區塊鏈中，即使是惡意節點也無法篡改。若有惡意買賣雙方偽造自身交易信息，企圖獲得更高收益或影響正常網絡資源分配，合約可檢查出這些惡意節點并取消其交易資格。因此本文所提出的資源聯合管理模型可避免惡意節點影響，保證網絡資源分配的安全性與買賣雙方的可信性。證畢。

4 結束語

在各類場景中，隨著時延敏感型應用需求的不斷增長，邊緣計算愈發得到廣泛應用。而在移動邊緣計算中，資源瓶頸的存在導致資源分配方案不能僅考慮單種資源分配情況，更需對計算與無線通信資源進行綜合管理。同時，隨著邊緣計算的廣泛應用，惡意節點的出現也對資源合理分配提出了挑戰。為解決這個問題，本文提出了基于區塊鏈的計算與無線通信資源聯合管理雙向拍賣模型，并基于此模型提出了多資源聯合管理的拍賣算法，同時，區塊鏈有效遏制了惡意節點對資源分配的影響。性能分析部分驗證了本文算法有效提高了系統整體性能并降低了惡意節點的影響。下一步工作中，筆者將進一步優化資源分配算法，提高系統性能。