面向邊緣計算的服務資源分配問題研究

楊世欣

(西安醫學院 衛生管理學院， 西安 710021)

0 引言

邊緣計算的概念是在云計算技術發展一段時間后才提出的，目前邊緣計算和云計算技術相輔相成，作為構建萬物互聯環境的技術基礎。

云計算模型[1-3]是一種服務提供模型，通過網絡訪問數據中心的計算資源、網絡資源和存儲資源等等；為應用提供可伸縮的分布式計算能力。云計算利用現有資源，使用虛擬化技術[4-5]構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管能力，而且可以動態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。

邊緣計算是指在網絡邊緣執行計算的一種新型計算模式，具體對數據的計算包括兩部分：下行的云服務和上行的萬物互聯服務。邊緣計算的“邊緣”是相對概念，是指從數據源到云計算中心路徑之間的任意計算、存儲和網絡資源[6]。根據應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點。邊緣計算模型,如圖1所示。

萬物互聯背景下，應用服務需要低延時、高可靠性以及數據安全，而傳統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絡中邊緣終端的計算能力，在邊緣終端處執行部分計算或全部計算、處理隱私數據，降低云計算中心的計算、傳輸帶寬負載及能源消耗。

1 邊緣計算服務資源分配問題概述

無論是云計算還是邊緣計算，服務資源的分配都是非常關鍵的問題。由于服務器存儲和計算硬件資源限制以及用戶分布的不均勻性，導致可以同時運行的服務數量很有限，在服務分配時存在著網絡延遲高，各服務器間負載不均衡的問題。針對邊緣計算環境下的服務資源調度與配置，只有高效、低負載地實現資源動態調度，才能保障計算的實時性和有效性。在傳統云端環境下常用的服務資源調度與配置模式只是在云中心收到用戶請求后實時響應，卻無法及時準確預測出用戶未來的應用請求、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發鏈路。因此，如何突破上述局限，設計一種低負載高能效的服務資源按需調度的方法，以實現資源需求的準確預測和高效調度，是值得研究的問題。

2 現有邊緣計算服務資源分配策略

現有方法多集中在緩存置換技術的研究上，核心在于如何根據服務器緩存空間、任務存儲需求、請求時間和頻次等優化緩存空間。常用的傳統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被請求數最少的服務，近期最少使用法LFU(least frequency used)[8]，即移除最近一段時間內最長時間未被請求的服務，還有先進先出算法FIFO(First in first out)[9]。在此基礎上，Aarwal[10]提出基于LRU的改進算法，通過在邊緣層執行資源分配和調度，實現了更高的響應速度、更低的傳輸成本；Dimokas N[11]根據邊緣設備的緩存特點，提出了PCICC的緩存置換策略，通過優化數據請求與置換次序，提高了邊緣緩存利用率。然而，這些方法無法根據應用的變換進行自適應調節，且多是針對同一邊緣節點進行優化，由于用戶的移動性，若資源均部署在同一邊緣節點，難以持續保障低時延的服務。

其他較先進的服務分配策略有基于偏好的分配策略，即對各個服務的用戶歷史請求數據進行了分析，從而可以知道用戶對不同服務的不同偏好；基于學習的分配策略，可以對用戶請求數據進行分析學習，提升動態調整的能力；還有非協作式的分配策略、協作式的分配策略等。盡管不同于云計算，邊緣計算有低延遲、本地化等優勢，但邊緣計算服務的資源相對于云中心要小很多；所以出于成本因素，不可能在每個網絡邊緣部署大量用來進行技術計算和存儲的服務器集群，從而不能將數據中心的所有應用都下放給某個邊緣服務器。

3 一種新的服務資源分配策略

現有的服務資源分配方案，存在資源需求預測難、調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資源分配方案，通過一種場景和需求感知的服務資源預測模型實現服務資源的高效分配目的。

這種新的服務資源分配策略的具體方案是：建立用戶行為的預測模型，在預測出用戶行為的基礎上，才能據此進行所需服務資源的預測。由于現今用戶的移動性增強，僅考慮歷史數據、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，將有效提高預測的準確度。由于行為預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據、歷史數據等關聯程度，將相符的行為分類到相應的行為集合中。所以可將多維特征數據，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，各離散度矩陣可轉換為如式(5)。

(5)

同理可知,Sw與St可被轉換為如式(6)、式(7)。

(6)

(7)

基于離散度矩陣的性質，各矩陣的跡可表示分類樣本的樣本結構，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)

在用戶行為預測模型的基礎上，通過將行為與所需資源進行關聯，進而確定需要預先放置的資源；實現邊緣計算的服務資源分配的更優化。

4 總結

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背景下對云計算不足方面的一種技術補充；然后對已有的邊緣計算的服務資源分配方法進行對比，發現不足；最后提出了一種新的低負載高能效的按需服務資源分配方案。