面向边缘计算的并发数据流接转控制模型

doi:10.11772/j.issn.1001-9081.2023121812

《计算机应用》唯一官方网站 ›› 2024, Vol. 44 ›› Issue (12): 3876-3883.DOI: 10.11772/j.issn.1001-9081.2023121812

面向边缘计算的并发数据流接转控制模型

张明, 付乐, 王海峰()

临沂大学信息科学与工程学院，山东临沂 276002

收稿日期:2024-01-02 修回日期:2024-03-11 接受日期:2024-03-14 发布日期:2024-03-21 出版日期:2024-12-10
通讯作者: 王海峰
作者简介:张明（1983—），男，山东临沂人，副教授，博士，主要研究方向：大数据计算
付乐（1999—），男，江西南昌人，硕士研究生，主要研究方向：大数据计算；
基金资助:
山东省重点研发计划项目(2019GGX101003);山东省科技型中小企业创新能力提升工程项目(2023TSGC0449)

Relay control model for concurrent data flow in edge computing

Ming ZHANG, Le FU, Haifeng WANG()

School of Information Science and Engineering，Linyi University，Linyi Shandong 276002，China

Received:2024-01-02 Revised:2024-03-11 Accepted:2024-03-14 Online:2024-03-21 Published:2024-12-10
Contact: Haifeng WANG
About author:ZHANG Ming， born in 1983， Ph. D.， associate professor. His research interests include big data computing.
FU Le， born in 1999， M. S. candidate. His research interests include big data computing.
Supported by:
Key Research and Development Program of Shandong Province(2019GGX101003);Shandong Province Science and Technology-based Small and Medium-sized Enterprises Innovation Capacity Enhancement Project(2023TSGC0449)

摘要/Abstract

摘要：

为提高边缘计算应用场景中数据的传输效率，有效管理并发数据流量，设计一种面向边缘计算的并发数据流接转控制模型。首先，基于数据平面开发套件（DPDK）的绕过内核、多核处理和多网口收发数据包等特点，实现对数据流的并发接收和转发处理；其次，通过建立以模型预测控制（MPC）为核心的系统模型，利用状态预测优化控制输入并及时反馈调整，从而实现数据流量控制；最后，提出一种加权轮询（WRR）算法，根据缓冲区的大小和最近使用时间等因素分配权重，进而实现数据流负载均衡。实验结果表明，所提模型能够有效控制边缘网络环境中的实时数据流速，控制误差在-1%~2%。所提模型在实际应用场景中边缘节点的数据流发送码率相较于传统Linux内核转发有所提高，传输质量和数据包时延也得到相应改善。可见，所提模型能够满足边缘集群和物联网数据中心对低延迟和高带宽的需求，在消减峰值负载的同时优化关键计算资源。

关键词: 边缘计算, 并发数据流, 数据平面开发套件, 模型预测控制, 负载均衡

Abstract:

In order to improve the data transmission efficiency in edge computing application scenarios and manage the concurrent data traffic effectively， a relay control model for concurrent data flow in edge computing was designed. Firstly， based on the features of Data Plane Development Kit （DPDK） such as bypassing kernel， multi-core processing， and sending and receiving packets from multiple network ports， the concurrent receiving and forwarding processing of data flow was realized. Secondly， by establishing a system model with Model Predictive Control （MPC） as the core， state prediction was used to optimize control inputs and provide timely feedback and adjustment， so as to achieve the control of data traffic. Finally， a Weighted Round-Robin （WRR） algorithm was proposed to allocate weights according to buffer size and recent usage time in order to achieve load balancing of data flow. Experimental results show that the proposed model is able to control the real-time data flow rate effectively in edge network environment， and has the control error between -1% and 2%. The proposed model improves the data flow sending bit rate of edge nodes in real application scenarios compared with traditional Linux kernel forwarding， and the transmission quality and packet delay are also improved accordingly. It can be seen that the proposed model can meet the demands for low latency and high bandwidth in edge clusters and internet of things data centers， and can optimize critical computing resources while reducing peak loads.

Key words: edge computing, concurrent data flow, Data Plane Development Kit (DPDK), Model Predictive Control (MPC), load balancing

中图分类号:

TP393.09

张明, 付乐, 王海峰. 面向边缘计算的并发数据流接转控制模型[J]. 计算机应用, 2024, 44(12): 3876-3883.

Ming ZHANG, Le FU, Haifeng WANG. Relay control model for concurrent data flow in edge computing[J]. Journal of Computer Applications, 2024, 44(12): 3876-3883.

图/表 12

图1 接入转发控制模型

Fig. 1 Receiving and forwarding control model

图2 MPC的原理

Fig. 2 Principle of MPC

图3 实验环境

Fig. 3 Experimental environment

表1 服务器配置

Tab. 1 Configuration of server

配置项	配置信息
操作系统	Ubuntu16.04
内核版本	4.4.240
CPU版本	Intel Core i5-10500
DPDK版本	Version19.08
网卡	X520
内存	16 GB DDR4 3200 * 2

图4 MPC控制结果

Fig. 4 MPC control results

图5 MPC控制误差

Fig. 5 MPC control error

图6 内存优化

Fig. 6 Memory optimization

图7 系统时延

Fig. 7 System delay

图8 直播流发送码率

Fig. 8 Sending bit rate of live streaming

图9 直播流视频VMAF得分

Fig. 9 VMAF score of live streaming

图10 点播流视频发送码率

Fig. 10 Sending bit rate of video on demand streaming

图11 点播流视频VMAF得分

Fig. 11 VMAF score of video on demand streaming

参考文献 25

1	KHODADADI F， DASTJERDI A V， BUYYA R. Internet of things： an overview ［M］// BUYYA R， DASTJERDI A V. Internet of things： principles and paradigms. Cambridge： Morgan Kaufmann Publishers Inc.， 2016： 3-27.
2	施巍松，张星洲，王一帆，等. 边缘计算：现状与展望［J］. 计算机研究与发展， 2019， 56（1）： 69-89.
	SHI W S， ZHANG X Z， WANG Y F， et al. Edge computing： state-of-the-art and future directions ［J］. Journal of Computer Research and Development， 2019， 56（1）： 69-89.
3	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.
	LUO B， YU B. Computation offloading strategy based on particle swarm optimization in mobile edge computing ［J］. Journal of Computer Applications， 2020， 40（8）： 2293-2298.
4	PULIAFITO C， MINGOZZI E， LONGO F， et al. Fog computing for the internet of things： a survey ［J］. ACM Transactions on Internet Technology， 2019， 19（2）： No.18.
5	ZHAI P， HE J， ZHU N. Blockchain-based internet of things access control technology in intelligent manufacturing［J］. Applied Sciences， 2022， 12（7）： No.3692.
6	刘炎培，陈宁宁，朱运静，等. 面向5G/Beyond 5G的移动边缘缓存优化技术综述［J］. 计算机应用， 2022， 42（8）：2487-2500.
	LIU Y P， CHEN N N， ZHU Y J， et al. Review of mobile edge caching optimization technologies for 5G/Beyond 5G ［J］. Journal of Computer Applications， 2022， 42（8）：2487-2500.
7	SCHWENZER M， AY M， BERGS T， et al. Review on model predictive control： an engineering perspective［J］. The International Journal of Advanced Manufacturing Technology， 2021， 117（5/6）： 1327-1349.
8	SOMEFUN O A， AKINGBADE K， DAHUNSI F. The dilemma of PID tuning ［J］. Annual Reviews in Control， 2021， 52： 65-74.
9	CHITRA S， JACKSON S. A review： some application on fuzzy logic［J］. Mathematical Statistician and Engineering Applications， 2022， 71（4）： 12619-12627.
10	ZHU G， JIE H， HONG W. Nonlinear model predictive path tracking control for autonomous vehicles based on orthogonal collocation method［J］. International Journal of Control， Automation and Systems， 2023， 21（1）： 257-270.
11	MAGAIA N， GOMES P， SILVA L， et al. Development of mobile IoT solutions： approaches， architectures， and methodologies ［J］. IEEE Internet of Things Journal， 2021， 8（22）： 16452-16472.
12	PHOTHILIMTHANA P M， LIU M， KAUFMANN A， et al. Floem： a programming system for NIC-accelerated network applications ［C］// Proceedings of the 13th USENIX Symposium on Operating Systems Design and Implementation. Berkeley： USENIX Association， 2018： 663-679.
13	LIN Y D， HWANG R H， ARMITAGE G， et al. Guest editorial： open source for networking： protocol stacks ［J］. IEEE Network， 2014， 28（2）： 2-5.
14	ABOUBAKAR M， KELLIL M， ROUX P. A review of IoT network management： current status and perspectives ［J］. Journal of King Saud University — Computer and Information Sciences， 2022， 34（7）： 4163-4176.
15	马博，袁丁. 基于Linux驱动级内核访问监控技术研究与实现［J］. 计算机应用， 2009， 29（9）：2369-2374.
	MA B， YUAN D. Research and implementation of layer access control technology based on Linux kernel driver［J］. Journal of Computer Applications， 2009， 29（9）： 2369-2374.
16	HØILAND-JØRGENSEN T， BROUER J D， BORKMANN D， et al. The eXpress data path： fast programmable packet processing in the operating system kernel ［C］// Proceedings of the 14th International Conference on emerging Networking Experiments and Technologies. New York： ACM， 2018： 54-66.
17	Data Plane Development Kit （DPDK）. Programmer's guide ［EB/OL］. ［2024-01-18］..
18	RIZZO L. netmap： a novel framework for fast packet I/O ［C］// Proceedings of the 21st USENIX Annual Security Symposium. Berkeley： USENIX Association， 2012： 1-2.
19	KIM J H， NA J C. A study on one-way communication using PF_RING ZC［C］// Proceedings of the 19th International Conference on Advanced Communication Technology. Piscataway： IEEE， 2017： 301-304.
20	REN Q， ZHOU L， XU Z， et al. PacketUsher： exploiting DPDK to accelerate compute-intensive packet processing［J］. Computer Communications， 2020， 161： 324-333.
21	临沂大学，上海理工大学. 一种低成本的边缘集群大规模视频流高并发传输方法： 202310470376.8 ［P］. 2023-07-07.
	Linyi University， University of Shanghai for Science and Technology. A low-cost edge cluster large-scale video stream high concurrency transmission method： 202310470376.8 ［P］. 2023-07-07.
22	HASSANPOUR H， CORBETT B， MHASKAR P. Artificial neural network based model predictive control： implementing achievable set‐points ［J］. AIChE Journal， 2022， 68（1）： No.e17436.
23	ZHANG Y， ZHOU Y， LU H， et al. Spark cloud-based parallel computing for traffic network flow predictive control using non-analytical predictive model ［J］. IEEE Transactions on Intelligent Transportation Systems， 2022， 23（7）： 7708-7720.
24	WANG X， WANG Y. Coordinating power control and performance management for virtualized server clusters ［J］. IEEE Transactions on Parallel and Distributed Systems， 2011， 22（2）： 245-259.
25	MOORE J. Internet traffic stats project ［EB/OL］. ［2024-01-18］..

[1]	李华夏, 黄晓蓉, 沈安林, 蒋鹏, 彭忆强, 隋立起. 基于MPC和PID的脚轮式全向移动平台轨迹跟踪[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2285-2293.
[2]	张俊娜, 王欣新, 李天泽, 赵晓焱, 袁培燕. 基于动态服务缓存辅助的任务卸载方法[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1493-1500.
[3]	赵晓焱, 韩威, 张俊娜, 袁培燕. 基于异步深度强化学习的车联网协作卸载策略[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1501-1510.
[4]	赵徐炎, 崔允贺, 蒋朝惠, 钱清, 申国伟, 郭春, 李显超. CHAIN：基于重合支配的边缘计算节点放置算法[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2812-2818.
[5]	陈宛桢, 张恩, 秦磊勇, 洪双喜. 边缘计算下基于区块链的隐私保护联邦学习算法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2209-2216.
[6]	李校林, 江雨桑. 无人机辅助移动边缘计算中的任务卸载算法[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1893-1899.
[7]	曹腾飞, 刘延亮, 王晓英. 基于改进深度强化学习的边缘计算服务卸载算法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1543-1550.
[8]	孙亚男, 吴杰宏, 石峻岭, 高利军. 改进自组织映射的多无人机协同任务分配方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1551-1556.
[9]	杨力, 陈建廷, 向阳. 基于HBase的工业时序大数据分布式存储性能优化策略[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 759-766.
[10]	龙运波, 唐聃. 分布式存储中基于局部修复码的负载均衡方法[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 767-775.
[11]	王哲, 王启名, 李陶深, 葛丽娜. 基于深度强化学习的SWIPT边缘网络联合优化方法[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3540-3550.
[12]	王界钦, 林士飏, 彭世明, 贾硕, 杨苗会. 协同移动边缘计算分层资源配置机制[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2501-2510.
[13]	刘炎培, 陈宁宁, 朱运静, 王丽萍. 面向5G/Beyond 5G的移动边缘缓存优化技术综述[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2487-2500.
[14]	张杰, 许姗姗, 袁凌云. 基于区块链与边缘计算的物联网访问控制模型[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2104-2111.
[15]	夏慧雯, 赵中雨, 王卓尔, 张清勇, 彭峰. 基于边缘计算的公共交通工具疫情监测系统[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2132-2138.

面向边缘计算的并发数据流接转控制模型

Relay control model for concurrent data flow in edge computing

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 25

相关文章 15

编辑推荐

Metrics