一种面向多服务共存环境的云边端协同网络资源管理方法

本发明涉及边缘计算技术和通信，具体涉及到一种面向多服务共存环境的云边端协同网络资源管理方法。

背景技术：

1、近年来，随着5g技术的快速发展，越来越多的移动设备连接到物联网中，出现了许多如人脸识别、虚拟现实一样的新兴物联网应用，处理这些物联网应用产生的大量任务需要消耗很多的计算资源。云计算可以将一部分任务从终端卸载到云服务器，利用云服务器强大的计算资源来处理这些任务，解决设备资源有限的问题。但是，由于设备和云服务器距离较远，任务卸载到云服务器会产生很高的传输延迟，无法满足物联网中大量延迟敏感型任务的要求。移动边缘计算是为了解决设备资源不足这一挑战并满足应用程序的延迟要求而提出的一种新范式。通过在移动网络边缘部署计算和存储资源，设备生成的任务可以在边缘服务器上卸载和处理，而不是以延迟较大的代价转移到云服务器。设备可以获得更快的响应和更低的能耗。

2、在一个由多个终端设备、多个基站和一个云服务器组成的网络中，资源呈现扁平化和垂直化的特点，充分利用网络中的所有资源是提高系统性能的关键手段。由于终端设备、基站和云服务器之间是互联互通的，所以可以采用云-边-端协同架构以提高资源使用率，提升网络性能。在云边端网络架构中，由于终端设备和基站是相互连接的，所以任务既可以在终端设备上被处理，也可以卸载到终端设备所属基站上进行处理；此外，由于基站间以及基站和云服务器间是相互连接的，所以卸载到某个基站上的任务可以进一步卸载到其它所基站上进行处理，也可以通过核心网将任务卸载到云服务器上进行处理。在这种云边端协同计算网络中，相比于云、边、端三层隔离的架构，各种计算、存储和通信等资源可以得到充分利用，通过对这些资源进行联合管理，可以极大地提高资源利用率，提高云边端协同网络的性能，满足复杂多样的应用需求。

3、云边端协同网络既可以为用户提供计算服务，也可以为用户提供内容访问服务，然而现有的相关技术方案仅考虑其中之一进行优化，忽略了云边端协同网络多服务共存的情况，未能充分利用云边端协同网络的所有计算、存储和通信等资源。以上不足极大地限制了云边端协同网络中多服务共存环境网络资源管理策略性能的提升。

技术实现思路

1、(一)要解决的技术问题

2、本发明为克服上述现有技术的不足，面向云边端协同网络中多服务共存场景，充分考虑用户任务的多样性以及服务的多样性，充分利用终端设备、边缘服务器和云服务器的各种资源，提高任务处理能力，做出更高效地网络资源管理策略。与现有技术相比，本方案提高系统资源利用率，提高任务执行效率，提升用户的体验感。

3、(二)技术方案

4、为解决上述技术问题，本发明提出了一种面向多服务共存环境的云边端协同网络资源管理方法，包括以下步骤：

5、s1：网络控制器感知当前所有终端设备任务信息以及系统当前网络通信环境信息；同时网络控制器感知边缘服务器和云服务器的计算存储等资源信息；通过无线连接将相关信息从这些设备上传到网络控制器；

6、s2：将步骤s1中所述当前任务信息、系统当前网络通信环境信息以及边缘服务器和云服务器的计算存储等资源信息，输入到部署在网络控制器中的算法模型当中，计算基于当前状态下的计算服务和内容访问服务部署策略、终端设备蜂窝网络发射功率控制策略、终端设备计算任务卸载和内容请求任务调度决策，以及每个计算任务计算过程所需的计算资源分配策略和每个内容请求任务传输过程所需的传输资源分配策略；

7、s3：提取步骤s2中得到的计算服务和内容访问服务部署策略信息。网络控制器通过无线连接向各个边缘服务器和云服务器发送相应的计算服务和内容访问服务部署指令，边缘服务器根据收到的指令进行相应的服务部署；

8、s4：提取步骤s2中得到的终端设备蜂窝网络发射功率控制策略信息以及计算任务卸载和内容请求任务调度决策信息。网络控制器通过无线连接向终端设备发送相应的蜂窝网络发射功率控制指令以及计算任务卸载和内容请求任务调度决策指令，终端设备根据指令以一定的发射功率将计算任务卸载到相应的计算节点上，将内容请求任务调度到相应的内容访问节点上；

9、s5：提取步骤s2中获得的计算资源分配策略和传输资源分配策略信息，网络控制器通过无线连接向对应的计算节点发送计算资源分配策略信息，向对应的内容访问节点发送传输资源分配策略信息，计算任务处理完成后，将计算结果回传给用户，内容请求任务处理完成后，将获取的内容回传给用户。

10、进一步的，所述步骤s1具体为：

11、(1)网络控制器感知当前所有终端设备任务信息。云边端协同系统由m个终端设备、n个基站、一个云服务器和一个网络控制器构成。其中，每个设备通过蜂窝网络和某个基站建立连接，每个基站都连接一个边缘服务器，而基站之间通过有线连接进行通信，基站和云服务器之间通过有线骨干网络连接，网络控制器放置在边缘层，负责控制整个算法模型的运行。设备集合表示为设备基站集合(亦指边缘服务器集合)表示为基站/边缘服务器

12、网络控制器感知所有终端设备任务信息，包括计算任务类型集合内容请求任务类型集合q＝{1，2，...，q}，第k种计算任务的计算量ck，第k种计算任务的数据量dk，第q种内容请求任务对应的内容的数据量各个设备第k种计算任务的数量各个设备第q种内容请求任务的数量

13、(2)网络控制器感知系统当前网络通信环境信息。包括信道带宽b，信道增益gm，信道噪声功率谱密度n0，平均信道间干扰χ等。

14、(3)网络控制器感知边缘服务器和云服务器的计算存储等资源信息。包括边缘服务器i的总计算资源大小fi，边缘服务器i的总内存大小mi，边缘服务器i的总外存大小si，云服务器的总计算资源f0，云服务器的总内存大小m0，云服务器的总外存大小s0。在工作过程中，将通过无线连接，将上述信息从相应的设备上传到网络控制器上。

15、进一步的，所述步骤s2具体为：

16、(1)将步骤s1中获取到的信息输入到部署在网络控制器中的算法模型当中，计算基于当前状态下的计算服务和内容访问服务部署策略：xik，x0k，yiq，y0q(xik为边缘服务器i上是否部署第k种计算服务的决策变量，x0k为云服务器上是否部署第k种计算服务的决策变量，yiq为边缘服务器i上是否部署第q种内容访问服务的决策变量，y0q为云服务器上是否部署第q种内容访问服务的决策变量)，终端设备蜂窝网络发射功率控制策略：pm(pm为终端设备m传输计算任务和内容请求任务时的发射功率)，终端设备计算任务卸载和内容请求任务调度决策：amkj，amk0，bmqj，bmq0(amkj为终端设备m的第k种计算任务是否卸载到边缘服务器j上的决策变量，amk0为终端设备m的第k种计算任务是否卸载到云服务器上的决策变量，bmqj为终端设备m的第q种内容请求任务是否卸载到边缘服务器j上的决策变量，bmq0为终端设备m的第q种内容请求任务是否卸载到云服务器上的决策变量)，以及每个计算任务计算过程所需的计算资源分配策略和每个内容请求任务传输过程所需的传输资源分配策略：αjkm，α0km，(αjkm为边缘服务器j上部署的第k种计算服务分配给设备m的计算资源比例，为基站i将第q种内容请求任务获取的内容传输给设备m时分配的传输功率大小)。

17、进一步的，所述步骤s3具体为：

18、(1)提取步骤s2中得到的计算服务和内容访问服务部署策略信息。网络控制器通过无线连接向各个边缘服务器和云服务器发送相应的计算服务和内容访问服务部署决策xik，x0k，yiq，y0q，边缘服务器根据收到的指令进行相应的服务部署。

19、进一步的，所述步骤s4具体为：

20、(1)提取步骤s2中得到的终端设备蜂窝网络发射功率控制策略信息以及计算任务卸载和内容请求任务调度决策信息。网络控制器通过无线连接向终端设备发送相应的蜂窝网络发射功率信息pm以及计算任务卸载和内容请求任务调度决策信息amkj，amk0，bmqj，bmq0，终端设备根据获取到的决策信息以指定的发射功率将计算任务卸载到相应的计算节点上，将内容请求任务调度到相应的内容访问节点上；

21、进一步的，所述步骤s5具体为：

22、(1)提取步骤s2中获得的计算资源分配策略和传输资源分配策略信息，网络控制器通过无线连接向对应的计算节点发送计算资源分配策略信息αjkm，α0km，向对应的内容访问节点发送传输资源分配策略信息

23、(2)计算任务处理完成后，将计算结果回传给用户；内容请求任务处理完成后，将获取的内容回传给用户。

24、将所有的指令执行结束之后，获取总时延和终端设备总能耗。任务总时延为所有用户任务处理时延之和，其中每个用户任务处理时延为该用户计算任务处理时延和内容请求任务处理时延之和。公式为：

25、

26、其中，tm为终端设备m生成计算任务和内容请求任务的总处理时延，为设备m所有计算任务的上行传输时延之和，为设备m所有计算任务在基站间以及基站和云服务器间的传输时延之和，为设备m所有计算任务的计算时延之和，为设备m所有内容请求任务获取的内容从内容获取处到附属基站的传输时延之和，为设备m所有内容请求任务获取的内容从附属基站到设备的下行传输时延之和。

27、总时延公式即为：

28、

29、其中t为所有用户计算任务和内容请求任务处理时延之和。

30、终端设备总能耗为所有用户终端能耗之和，其中每个终端设备能耗为该设备的传输能耗。

31、

32、其中，em为终端设备m的总设备能耗，为终端设备m将计算任务卸载到边缘服务器以及将内容请求任务调度到边缘服务器的传输能耗。

33、总能耗公式为：

34、

35、本技术的优化目标为：

36、u＝t+ωe

37、其中ω为能耗权重因子。

38、(三)有益效果

39、本发明采用以上技术方案与现有技术相比，具有以下有益效果：

40、1.本发明考虑了边缘计算网络中基于“云-边-端”协同的多用户多任务场景，云边端协同网络同时提供计算服务和内容访问服务，支撑用户的计算任务和内容请求任务的处理，更贴合实际。

41、2.本发明采用了基站间的协作以及基站和云的协作，充分利用了边缘服务器以及云服务器的计算资源，极大地提高了系统资源利用率，提升了系统的负载均衡能力，更具实用性。

42、3.本发明通过算法模型在较低的时间复杂度内做出相应的计算服务和内容访问服务部署策略、终端设备蜂窝网络发射功率控制策略、终端设备计算任务卸载和内容请求任务调度决策，以及每个计算任务计算过程所需的计算资源分配策略和每个内容请求任务传输过程所需的传输资源分配策略，提升了系统的执行效率，提高用户体验。