移动边缘计算中资源受限的动态服务部署策略

doi:10.11772/j.issn.1001-9081.2021061615

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (6): 1662-1667.DOI: 10.11772/j.issn.1001-9081.2021061615

• 2021年全国开放式分布与并行计算学术年会(DPCS 2021)论文 • 上一篇下一篇

移动边缘计算中资源受限的动态服务部署策略

袁景凌¹^,², 毛慧华¹^,², 王娜娜³, 向尧²()

^1.武汉理工大学三亚科教创新园, 海南三亚 572019
^2.武汉理工大学计算机与人工智能学院, 武汉 430070
^3.武汉理工大学土木工程与建筑学院, 武汉 430070

收稿日期:2021-09-13 修回日期:2021-11-19 接受日期:2021-11-24 发布日期:2022-01-10 出版日期:2022-06-10
通讯作者: 向尧
作者简介:袁景凌（1975—），女，湖北武汉人，教授，博士，CCF会员，主要研究方向：机器学习、分布式并行处理、智能分析
毛慧华（1996—），男，江西宜春人，硕士研究生，CCF会员，主要研究方向：边缘智能、边缘计算
王娜娜（1978—），女，山东青岛人，博士，主要研究方向：智能方法、安全监测
向尧（1989—），男，湖北宜昌人，博士，CCF会员，主要研究方向：边缘计算、智能计算。
基金资助:
国家自然科学基金资助项目(61303029);三亚崖州湾科技城管理局重大科技项目(SKJC?KJ?2019KY02)

Dynamic service deployment strategy in resource constrained mobile edge computing

Jingling YUAN¹^,², Huihua MAO¹^,², Nana WANG³, Yao XIANG²()

^1.Sanya Science and Education Innovation Park，Wuhan University of Technology，Sanya Hainan 572019，China
^2.School of Computer and Artificial Intelligence，Wuhan University of Technology，Wuhan Hubei 430070，China
^3.School of Civil Engineering and Architecture，Wuhan University of Technology，Wuhan Hubei 430070，China

Received:2021-09-13 Revised:2021-11-19 Accepted:2021-11-24 Online:2022-01-10 Published:2022-06-10
Contact: Yao XIANG
About author:YUAN Jingling， born in 1975， Ph. D.， professor. Her research interests include machine learning， distributed parallel processing， intelligent analysis.
MAO Huihua， born in 1996， M. S. candidate. His research interests include edge intelligence， edge computing.
WANG Nana， born in 1978， Ph. D. Her research interests include intelligent method， safety monitoring.
XIANG Yao， born in 1989， Ph. D. His research interests include mobile edge computing， intelligent computing.
Supported by:
National Natural Science Foundation of China(61303029);Major Science and Technology Project of Sanya Yazhou Bay Science and Technology City Administration(SKJC-KJ-2019KY02)

摘要/Abstract

摘要：

移动边缘计算（MEC）的出现使移动用户能够以低延迟访问部署在边缘服务器上的服务。然而，MEC仍然存在各种挑战，尤其是服务部署问题。边缘服务器的数量和资源通常是有限的，只能部署数量有限的服务；此外，用户的移动性改变了不同服务在不同地区的流行度。在这种情况下，为动态请求部署合适的服务就成为一个关键问题。针对该问题，通过了解动态用户请求来部署适当的服务以最小化交互延迟，将服务部署问题表述为一个全局优化问题，并提出了一种基于集群划分的资源聚合算法，从而在计算、带宽等资源约束下初步部署合适的服务。此外，考虑动态用户请求对服务流行度及边缘服务器负载的影响，开发了动态调整算法来更新现有服务，以确保服务质量（QoS）始终满足用户期望。通过一系列仿真实验验证了所提出策略的性能。仿真结果表明，与现有基准算法相比，所提出的策略可以降低服务交互延迟并实现更稳定的负载均衡。

关键词: 服务部署, 移动边缘计算, 资源约束, 动态需求感知, 服务流行度

Abstract:

The emergence of Mobile Edge Computing （MEC） enables mobile users to easily access services deployed on edge servers with low latency. However， there are various challenges in MEC， especially service deployment issues. The number and resources of edge servers are usually limited and only a limited number of services can be deployed on the edge servers； in addition， the mobility of users changes the popularities of different services in different regions. In this context， deploying suitable services for dynamic service requests becomes a critical problem. To address this problem， by deploying appropriate services by awareness of the dynamic user requirements to minimize interaction delay， the service deployment problem was formulated as a global optimization problem， and a cluster-based resource aggregation algorithm was proposed， which initially deployed suitable services under the resource constraints such as computing and bandwidth. Moreover， considering the influence of dynamic user requests on service popularity and edge server load， a dynamic adjustment algorithm was developed to update the existing services to ensure that the Quality of Service （QoS） always met user expectations. The performance of this deployment strategy was verified through a series of simulation experiments. Simulation results show that compared with the existing benchmark algorithms， the proposed strategy can reduce service interaction delay and achieve a more stable load balance.

Key words: service deployment, Mobile Edge Computing (MEC), resource constraint, dynamic requirement awareness, service popularity

中图分类号:

TP393

袁景凌, 毛慧华, 王娜娜, 向尧. 移动边缘计算中资源受限的动态服务部署策略[J]. 计算机应用, 2022, 42(6): 1662-1667.

Jingling YUAN, Huihua MAO, Nana WANG, Yao XIANG. Dynamic service deployment strategy in resource constrained mobile edge computing[J]. Journal of Computer Applications, 2022, 42(6): 1662-1667.

图/表 9

图1 边缘服务器上的服务部署示例

Fig. 1 An example of service deployment on edge servers

表1 实验参数设置

Tab. 1 Experiments parameter setting

变量	值
$c i$	均匀分布［3 000， 8 000］
$b i$	均匀分布［1 000， 3 000］
$s i$	均匀分布［1 000， 5 000］
$s c k$	均匀分布［1， 20］
$s b k$	均匀分布［1， 15］
$s s k$	均匀分布［1， 50］
$I D l o c a l$	500 ms
$β$	0.2
$θ$	0.6
$σ 1$	0.5
$σ 2$	0.2
$d i s t a n c e m a x$	200 m
$T$	1 s
$t$	1 000 s

表1 实验参数设置

Tab. 1 Experiments parameter setting

变量	值
$c i$	均匀分布［3 000， 8 000］
$b i$	均匀分布［1 000， 3 000］
$s i$	均匀分布［1 000， 5 000］
$s c k$	均匀分布［1， 20］
$s b k$	均匀分布［1， 15］
$s s k$	均匀分布［1， 50］
$I D l o c a l$	500 ms
$β$	0.2
$θ$	0.6
$σ 1$	0.5
$σ 2$	0.2
$d i s t a n c e m a x$	200 m
$T$	1 s
$t$	1 000 s

表2 变量设置

Tab. 2 Variable setting

参数组次	集群数量Q	服务数量	边缘服务器数量
1	5~15	1 000	100
2	10	500~1500	100
3	10	1 000	50~150

图2 集群数量对平均交互延迟的影响

Fig. 2 Influence of cluster number on average interaction delay

图3 集群数量对负载均衡的影响

Fig. 3 Influence of cluster number on load balance

图4 服务数量对平均交互延迟的影响

Fig. 4 Influence of service number on average interaction delay

图5 服务数量对负载均衡的影响

Fig. 5 Influence of service number on load balance

图6 边缘服务器数量对平均交互延迟的影响

Fig. 6 Influence of edge server number on average interaction delay

图7 边缘服务器数量对负载均衡的影响

Fig. 7 Influence of edge server number on load balance

参考文献 16

1	REN J， ZHANG D Y， HE S W， et al. A survey on end-edge-cloud orchestrated network computing paradigms： transparent computing， mobile edge computing， fog computing， and cloudlet［J］. ACM Computing Surveys， 2020， 52（6）： No.125. 10.1145/3362031
2	XIANG Z， DENG S， TAHERI J， et al. Dynamical service deployment and replacement in resource-constrained edges［J］. Mobile Networks and Applications， 2020， 25（2）： 674-689. 10.1007/s11036-019-01449-7
3	GUO S T， XIAO B， YANG Y Y， et al. Energy-efficient dynamic offloading and resource scheduling in mobile cloud computing［C］// Proceedings of the 35th Annual IEEE International Conference on Computer Communications. Piscataway： IEEE， 2016： 1-9. 10.1109/infocom.2016.7524497
4	FERRER A J， MARQUÈS J M， JORBA J. Towards the decentralised cloud： survey on approaches and challenges for mobile， ad hoc， and edge computing［J］. ACM Computing Surveys， 2019， 51（6）： No.111. 10.1145/3243929
5	YIN J W， ZHENG B P， DENG S G， et al. Crossover service： deep convergence for pattern， ecosystem， environment， quality and value［C］// Proceedings of the IEEE 38th International Conference on Distributed Computing Systems. Piscataway： IEEE， 2018： 1250-1257. 10.1109/icdcs.2018.00124
6	PENG Q L， XIA Y N， FENG Z， et al. Mobility-aware and migration-enabled online edge user allocation in mobile edge computing［C］// Proceedings of the 2019 IEEE International Conference on Web Services. Piscataway： IEEE， 2019： 91-98. 10.1109/icws.2019.00026
7	WU H Y， DENG S G， LI W， et al. Mobility-aware service selection in mobile edge computing systems［C］// Proceedings of the 2019 IEEE International Conference on Web Services. Piscataway： IEEE， 2019： 201-208. 10.1109/icws.2019.00042
8	LI X， ZHANG X L， HUANG T S. Asynchronous online service placement and task offloading for mobile edge computing［C］// Proceedings of the 18th Annual IEEE International Conference on Sensing， Communication， and Networking. Piscataway： IEEE， 2021： 1-9. 10.1109/secon52354.2021.9491595
9	ANISETTI M， ARDAGNA C A， DAMIANI E， et al. Cost-effective deployment of certified cloud composite services［J］. Journal of Parallel and Distributed Computing， 2020， 135： 203-218. 10.1016/j.jpdc.2019.09.003
10	LEI Z， XU H， HUANG L， et al. Joint service placement and request scheduling for multi-SP mobile edge computing network［C］// Proceedings of the IEEE 26th International Conference on Parallel and Distributed Systems. Piscataway： IEEE， 2020： 27-34. 10.1109/icpads51040.2020.00014
11	ZHANG C C， WANG X W， DONG A W， et al. Dynamic network service deployment across multiple SDN domains［J］. Transactions on Emerging Telecommunications Technologies， 2020， 31（2）： No.e3709. 10.1002/ett.3709
12	ZHANG S L， LIU C， WANG J W， et al. Latency-aware deployment of IoT services in a cloud-edge environment［C］// Proceedings of the 2019 International Conference on Service-Oriented Computing. Cham： Springer， 2019： 231-236. 10.1007/978-3-030-33702-5_17
13	ZHOU J Y， FAN J X， WANG J， et al. Dynamic service deployment for budget-constrained mobile edge computing［J］. Concurrency and Computation： Practice and Experience， 2019， 31（24）： No. e5436. 10.1002/cpe.5436
14	LU Y C， LIN C K， LAI K C， et al. Service deployment and scheduling for improving performance of composite cloud services［J］. Computers and Electrical Engineering， 2019， 74： 616-634. 10.1016/j.compeleceng.2018.07.018
15	陈玉平，刘波，林伟伟，等. 云边协同综述［J］. 计算机科学， 2021， 48（3）： 259-268. 10.11896/jsjkx.201000109
	CHEN Y P， LIU B， LIN W W， et al. Survey of cloud-edge collaboration［J］. Computer Science， 2021， 48（3）： 259-268. 10.11896/jsjkx.201000109
16	NEWMAN M E J. Power laws， Pareto distributions and Zipf’s law［J］. Contemporary Physics， 2005， 46（5）： 323-351. 10.1080/00107510500052444

[1]	邓世权, 叶绪国. 基于深度Q网络的多目标任务卸载算法[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1668-1674.
[2]	李余, 何希平, 唐亮贵. 基于终端直通通信的多用户计算卸载资源优化决策[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1538-1546.
[3]	曾续玲, 李陶深, 巩健, 杜利俊. 无线供能移动边缘计算系统的安全卸载优化[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1216-1224.
[4]	郭棉, 张锦友. 移动边缘计算环境中面向机器学习的计算迁移策略[J]. 计算机应用, 2021, 41(9): 2639-2645.
[5]	董文涛, 李卓, 陈昕. 基于联邦学习的在线短视频内容分发策略[J]. 计算机应用, 2021, 41(6): 1551-1556.
[6]	王艺洁, 凡佳飞, 王陈宇. 云边环境下基于博弈论的两阶段任务迁移策略[J]. 计算机应用, 2021, 41(5): 1392-1398.
[7]	毛莺池, 徐雪松, 刘鹏飞. 基于稳定匹配的多用户任务卸载策略[J]. 计算机应用, 2021, 41(3): 786-793.
[8]	雷鹰, 郑万波, 魏嵬, 夏云霓, 李晓波, 刘诚武, 谢洪. 基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3302-3308.
[9]	王岱巍, 徐高潮, 李龙. 无人机辅助的移动边缘计算中的任务分配策略[J]. 计算机应用, 2021, 41(10): 2928-2936.
[10]	吴雨芯, 蔡婷, 张大斌. 移动边缘计算中基于Stackelberg博弈的算力交易与定价[J]. 计算机应用, 2020, 40(9): 2683-2690.
[11]	罗斌, 于波. 移动边缘计算中基于粒子群优化的计算卸载策略[J]. 计算机应用, 2020, 40(8): 2293-2298.
[12]	柳兴, 杨震, 王新军, 朱恒. 移动边缘计算中的内容分发加速策略[J]. 计算机应用, 2020, 40(5): 1389-1391.
[13]	黄冬艳, 付中卫, 王波. 计算资源受限的移动边缘计算服务器收益优化策略[J]. 计算机应用, 2020, 40(3): 765-769.
[14]	邵建伟, 刘其群, 王焕强, 陈耀旺, 俞东进, SALAMAT Boranbaev. 资源约束下的基于类依赖关系的微服务识别方法[J]. 计算机应用, 2020, 40(12): 3604-3611.
[15]	袁培燕, 蔡云云. 移动边缘计算中一种贪心策略的内容卸载方案[J]. 计算机应用, 2019, 39(9): 2664-2668.

移动边缘计算中资源受限的动态服务部署策略

Dynamic service deployment strategy in resource constrained mobile edge computing

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 16

相关文章 15

编辑推荐

Metrics