边缘计算场景下的多合作服务器部署方法
1.本发明属于物联网和边缘计算技术领域，具体涉及一种面向边缘计算场景下的多合作服务器部署方法。
背景技术：
2.随着5g通信技术的不断发展，越来越多的计算密集型和时延敏感型的应用，例如实时视频流分析、自动驾驶、增强/虚拟现实等应用，出现在了人们的视野之中。但是物联网(internetofthings，iot)终端设备并不具备在本地运行这类应用的计算能力，云计算虽具备强大算力，但传输距离过远导致端到端时延过大，无法满足应用的极低时延需求。5g和边缘计算之间的结合被认为是赋予物联网密集计算能力的一种很有前途的解决方案。
3.边缘计算是一种将计算资源下沉至网络边缘的计算范例，弥补了云计算传输时延过大的不足，可同时满足应用的高计算量和极低时延需求。5g通信技术的发展使得边缘计算中最后一跳的传输时延大幅减小，进一步提高了边缘网络的性能。但同时5g通信技术引入的新特性，也为边缘计算带来了许多挑战。
4.部署开销过大是5g边缘计算面临的主要挑战之一，即需要大量算力强大的边缘服务器才可完成目标网络的全覆盖和终端任务的全满足。由于5g通信距离大幅缩减，覆盖同一片范围需要部署更多的服务器才可达到4g相同的覆盖效果，这已经增加了部署开销。再考虑到边缘计算中时延敏感型应用的剧增，需要部署更为密集的服务器才可满足该类应用对服务质量(quality-of-service，qos)的极高要求，实际部署成本可能更高。
5.此外，在边缘计算中，终端节点对于某一时刻峰值的计算资源需求远远大于平均计算资源需求，而倘若所有的边缘服务器按照终端节点的峰值资源需求进行资源的部署，其实在大部分时间上，资源利用率很低，这也是增大部署开销的一大原因。如何在保证用户体验的前提下，降低(尤其是5g场景)整体的部署成本成为了一大挑战。
6.基于此，一种能够满足用户实时体验需求的前提下，降低边缘服务器的部署成本的，面向边缘计算场景下的多合作服务器部署方法是本领域所亟需的。
技术实现要素：
7.本发明提供了一种边缘计算场景下的多合作服务器部署架构及方法，通过允许多个边缘服务器利用彼此之间的实时负载差异来合作处理交错区域的终端的波动负载，以解决尤其是5g边缘网络中的终端资源峰值需求和平均需求差异过大带来的部署资源浪费问题，降低总体部署成本，提升资源利用率。
8.本发明通过下述技术方案实现：
9.一种边缘计算场景下的多合作服务器部署方法，包括以下步骤：步骤s10：根据边缘服务器有效通信范围和区域节点位置信息，进行区域离散化；步骤s20：根据两阶段增量部署方法，部署边缘服务器，该步骤s20具体包括如下两个阶段：第一阶段，为基于贪心策略的服务器增量部署阶段；第二阶段，为基于凸优化近似方法的负载分配阶段；步骤s30：按照
前述两阶段增量部署方法获得的部署方案，完成目标边缘网络中终端节点的全覆盖。
10.在某实施例中，所述区域离散化，还根据区域平均工作负载进行区域离散化。
11.在某实施例中，在所述第一阶段中，选择具有最大优化可能性和合作潜能最大的位置作为新的服务器的部署位置进行增量部署。
12.在某实施例中，在所述第一阶段中，先使用最少数量的服务器满足对物联网设备的全覆盖，然后再在此基础部署方案上选择优化可能性最大的候选集位置进行服务器的增量部署，以减小服务器总部署开销。
13.在某实施例中，在所述第一阶段中，还包括：选择优化可能性最大的服务器；具体为：计算每个服务器的优化可能性指标，寻最具有合作可能性的已部署服务器。
14.在某实施例中，计算每个服务器的优化可能性指标，具体为：通过计算该服务器的峰值计算资源请求量和平均计算资源请求量的差值；差值越大，则该服务器的优化可能性越大。
15.在某实施例中，在确定选出的服务器后，根据该服务器周边的所有候选集的合作能力指标，确定新增服务器部署位置，该部署位置为具有合作潜能最大的候选部署位置。
16.在某实施例中，根据在候选部署位置部署服务器所能覆盖的所有物联网设备独立的计算请求峰值总和，与在服务器聚合之后的峰值计算请求之间的差值，计算该服务器周边的所有候选集的合作能力指标；所述差值越大，则该候选部署位置越适合部署新服务器。
17.在某实施例中，在所述第二阶段，通过多轮随机选取服务器，针对选取服务器的资源请求数最高的多个时隙进行优化，以获得最小的总体计算资源部署数量的方案。
18.在某实施例中，所述获得最小的总体计算资源部署数量的方案，具体包括如下步骤：
19.步骤3.1)、对于均衡每个时隙的工作负载的问题建模为非凸优化问题；
20.步骤3.2)、对于该非凸优化问题，使用log-sum-exp近似函数将非凸优化问题转为凸优化问题；
21.步骤3.3)、对于转化后的凸优化问题，使用kkt条件进行求解。
22.本发明基于上述的两阶段增量部署方法，提出对给定网络的最少资源的服务器部署开销的服务器位置和资源数的实施方案。
23.本发明具有如下的优点和有益效果：
24.1、本发明针对5g边缘网络中的终端资源峰值需求和平均需求差异过大带来的部署资源浪费的问题，提出使用多个边缘服务器利用彼此的实时负载差异来合作处理共享终端的波动负载的方案，从而有效提高了资源利用率，降低了边缘服务器整体部署开销。
25.2、本发明提出了一个两阶段增量部署方法来规划上述的服务器部署问题，联合优化了服务器的部署位置和工作负载分配两个耦合子问题，并将两个子问题解耦合，在多服务器协作和服务覆盖之间取得了良好的折衷。
附图说明
26.此处所说明的附图用来提供对本发明实施例的进一步理解，构成本技术的一部分，并不构成对本发明实施例的限定。
27.图1为本发明提出的多合作边缘服务器的合作机制示意图；
28.图2为本发明提出的两阶段增量部署方法的流程示意图；
29.图3为两阶段增量部署方法中第一阶段中增量服务器位置选择操作的示例。
具体实施方式
30.为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
31.首先介绍本发明中面向边缘计算场景的多合作服务器部署架构，本发明的边缘计算场景以5g边缘计算场景为例，但不以此为限。本实施例架构允许多边缘服务器利用彼此的实时负载差异来合作处理共享终端的波动负载，从而以更少的硬件资源和更高的资源利用率来满足区域内终端的计算需求，以解决5g边缘网络中的终端资源峰值需求和平均需求差异过大带来的部署资源浪费问题，降低总体部署成本，提升资源利用率。
32.在本发明某实施例中，5g边缘架构具体如下特征：
33.1、边缘服务器的计算资源的总量按照市面上常见的算力单元为基本单位，总服务器的资源为该基本单位的倍数，其部署遵从etsi标准。
34.2、不同种类的终端设备工作负载，可以卸载给不同的边缘服务器上进行协作处理。而每个终端设备的工作负载请求量是随时间变化的，通过这种边缘服务器协作的方式，峰值工作负载得以分给周边多个边缘服务器，能有效减少冗余资源的部署，降低部署成本。
35.此外，具体实施时需要考虑整体部署成本划分为两大块，分别是边缘服务器部署数量带来的基础建设开销和资源数量带来的算力成本开销。
36.在边缘服务器部署阶段考虑到多服务器合作调度的机会，有效在服务器覆盖范围和服务器合作机会之间进行权衡，合理规划边缘服务器的部署规模、位置和硬件资源以及服务器间的负载分配，实现高效经济的边缘服务器部署策略。
37.图1展示了多合作边缘服务器的合作机制示意图，并具体展示了两种负载分配方式。在本发明某实施例中，利用上述实施例中边缘架构中多合作服务器的协作处理机制。本发明中的边缘服务器支持“单终端设备任务同时卸载给多个边缘服务器”或/和“单终端设备任务卸载给单个边缘服务器”两种负载分配机制。
38.1、“单终端设备任务同时卸载给多个边缘服务器”机制：本发明创新性地利用了终端设备的任务可以数据并行的特点，即计算负载可以分为多个分区并卸载到多个边缘服务器执行并行处理。该机制利用不同终端设备在同一段时间内请求的资源量呈弱相关性的特点，能通过负载均衡的思想有效处理终端设备的峰值计算资源请求，以减少冗余资源的部署，从而降低整体部署开销。
39.2、“单终端设备任务卸载给单个边缘服务器”机制：本发明并非所有的终端节点都执行“单终端设备任务同时卸载给多个边缘服务器”机制，更多的节点还是执行传统的卸载机制。对于终端设备通信范围内只有一个边缘服务器的情况，以及对于终端设备通信范围内有多个边缘设备，但是自身资源请求比较稳定的情况，终端设备可以按传统的机制进行单对单卸载。
40.参考图2，本实施例为上述边缘部署架构的具体部署方法——两阶段增量部署方法，具体如下：
41.两阶段增量部署方法通过自增遍历对服务器进行数量和部署位置的确定，使得服务器在满足物联网终端设备服务质量和资源请求的前提下，提高资源利用率，达到整体服务器部署开销最小化的目标。即迭代优化服务器部署和负载分配，在合作机会和覆盖范围间取得权衡。本方法执行过程如图2所示，具体包含如下步骤：
42.步骤s10：根据区域节点位置信息和区域平均工作负载，离散候选点，将连续目标区域离散化为一个候选集。
43.首先需要将连续目标区域离散化为一个候选集，与其他使用峰值工作负载作为区域离散化标准的工作不同，本发明使用区域平均工作负载，并通过优化的潜力和合作能力来评估候选集的合作机会。即，根据边缘服务器有效通信范围和区域节点位置信息，或/和区域平均工作负载，进行区域离散化。接着执行步骤二。
44.步骤s20：根据两阶段增量部署方法，部署边缘服务器。该步骤分为内外两层，外层是一个自增服务器数量至最大部署数量，即边缘服务器总数的循环。内层则是根据前一轮的部署方案，选择具有最大优化空间和最大合作潜能的位置作为新的服务器的部署位置进行增量部署，再通过计算任务的分配寻最小部署开销的两阶段方法。
45.所述两阶段增量部署方法，包括第一阶段和第二阶段。其中，该两阶段增量部署方法中第一阶段中增量服务器位置选择操作的示例，如图3所示。
46.所述第一阶段，是基于贪心策略的服务器增量部署阶段。即先使用最少数量的服务器满足对物联网设备的全覆盖，然后再在此基础部署方案上选择优化合作潜能最大的候选集位置进行服务器的增量部署，以减小服务器总部署开销。该阶段利用了部署优化潜能和服务器合作能力两个指标，指导增量服务器部署位置的选择。
47.具体包括：
48.步骤2.1)、选择优化合作潜能最大的服务器。
49.需要寻最具有合作可能性的已部署服务器，于此，需要计算每个服务器的优化可能性指标，以进行对服务器的选择，具体计算为该服务器的峰值计算资源请求量和平均计算资源请求量的差值。显然，对峰值与平均值差异较大的服务器而言，若能通过新增部署节点对该峰值负载均衡，能降低总体部署开销。
50.步骤2.2)、选择能进行优化的新增服务器的部署位置。
51.需要在前一步选出的服务器的周边到具有合作潜能最大的候选部署位置，于此，需要计算该服务器周边的所有候选集的合作能力指标，以进行对新增服务器部署位置的选择，具体指标的计算方式是为在候选部署位置部署服务器所能覆盖的所有物联网设备独立的计算请求峰值总和，与在服务器聚合之后的峰值计算请求之间的差值。
52.显然，若是这二者相等，说明该服务器覆盖范围内的节点峰值请求时间重合，没有能优化的空间；而二者差值越大，说明在该位置部署服务器越能有效实现负载均衡，适合部署新服务器。
53.所述第二阶段，是基于凸优化近似方法的负载分配阶段。即多轮随机选取服务器，针对选取服务器的资源请求数最高的多个时隙进行优化，从而将连续时间优化问题转化为一个时隙内的工作负载分配问题，以获得最小的总体计算资源部署数量的方案，具体包括：
54.步骤3.1)、对于均衡每个时隙的工作负载的问题建模为非凸优化问题。
55.步骤3.2)、对于该非凸优化问题，使用log-sum-exp近似函数将非凸优化问题转为
凸优化问题。
56.步骤3.3)、对于转化后的凸优化问题，使用kkt条件进行求解。
57.最后，在上述循环中每步执行结束后，均会获得对应服务器数量的部署开销的一个优解，比较更新后，保存最优解的部署方案。
58.换言之，可形式化表示为一个混合整数非线性规划问题，包含服务器部署和负载分配两个耦合子问题，优化目标为最小化边缘服务器部署开销。
59.通过服务器数量自增迭代上述两个步骤，到最优服务器部署方案。
60.步骤s30：按照前述两阶段增量部署方法获得的部署方案，完成目标边缘网络中终端节点的全覆盖。
61.以上方案中，未具体介绍的内容，比如建模为非凸优化问题、将非凸优化问题转为凸优化问题、kkt条件进行求解、区域离散化等，其自身(但不意味着由其构成的方案整体)如何被实施为本领域的常规技术手段，本发明不再对其赘述。
62.以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：
1.一种边缘计算场景下的多合作服务器部署方法，其特征在于，包括以下步骤：步骤s10：根据边缘服务器有效通信范围和区域节点位置信息，进行区域离散化；步骤s20：根据两阶段增量部署方法，部署边缘服务器，该步骤s20具体包括如下两个阶段：第一阶段，为基于贪心策略的服务器增量部署阶段；第二阶段，为基于凸优化近似方法的负载分配阶段；步骤s30：按照前述两阶段增量部署方法获得的部署方案，完成目标边缘网络中终端节点的全覆盖。2.根据权利要求1所述的边缘计算场景下的多合作服务器部署方法，其特征在于：所述区域离散化，还根据区域平均工作负载进行区域离散化。3.根据权利要求1所述的边缘计算场景下的多合作服务器部署方法，其特征在于：在所述第一阶段中，选择具有最大优化可能性和合作潜能最大的位置作为新的服务器的部署位置进行增量部署。4.根据权利要求3所述的边缘计算场景下的多合作服务器部署方法，其特征在于：在所述第一阶段中，先使用最少数量的服务器满足对物联网设备的全覆盖，然后再在此基础部署方案上选择优化可能性最大的候选集位置进行服务器的增量部署，以减小服务器总部署开销。5.根据权利要求4所述的边缘计算场景下的多合作服务器部署方法，其特征在于：在所述第一阶段中，还包括：选择优化可能性最大的服务器，其具体为：计算每个服务器的优化可能性指标，寻最具有合作可能性的已部署服务器。6.根据权利要求5所述的边缘计算场景下的多合作服务器部署方法，其特征在于：计算每个服务器的优化可能性指标，具体为：通过计算该服务器的峰值计算资源请求量和平均计算资源请求量的差值；差值越大，则该服务器的优化可能性越大。7.根据权利要求3-6任一项所述的边缘计算场景下的多合作服务器部署方法，其特征在于：在确定选出的服务器后，根据该服务器周边的所有候选集的合作能力指标，确定新增服务器部署位置，该部署位置为具有合作潜能最大的候选部署位置。8.根据权利要求7所述的边缘计算场景下的多合作服务器部署方法，其特征在于：根据在候选部署位置部署服务器所能覆盖的所有物联网设备独立的计算请求峰值总和，与在服务器聚合之后的峰值计算请求之间的差值，计算该服务器周边的所有候选集的合作能力指标；所述差值越大，则该候选部署位置越适合部署新服务器。9.根据权利要求1-6或8任一项所述的边缘计算场景下的多合作服务器部署方法，其特征在于：在所述第二阶段，通过多轮随机选取服务器，针对选取服务器的资源请求数最高的多个时隙进行优化，以获得最小的总体计算资源部署数量的方案。10.根据权利要求9所述的边缘计算场景下的多合作服务器部署方法，其特征在于：所述获得最小的总体计算资源部署数量的方案，具体包括如下步骤：步骤3.1)、对于均衡每个时隙的工作负载的问题建模为非凸优化问题；
步骤3.2)、对于该非凸优化问题，使用log-sum-exp近似函数将非凸优化问题转为凸优化问题；步骤3.3)、对于转化后的凸优化问题，使用kkt条件进行求解。
技术总结
本发明公开了一种边缘计算场景下的多合作服务器部署方法。本发明根据两阶段增量部署方法，部署边缘服务器，该步骤包括如下两个阶段：第一阶段，为基于贪心策略的服务器增量部署阶段；第二阶段，为基于凸优化近似方法的负载分配阶段；通过服务器数量自增迭代上述两个步骤，到最优服务器部署方案。本发明针对边缘服务器部署资源冗余，开销过大的问题，提出了合作服务的部署框架及两阶段增量部署方法，提高服务器资源利用率，降低服务器总体部署开销。本发明适用于边缘计算领域。本发明适用于边缘计算领域。本发明适用于边缘计算领域。
