论文部分内容阅读
移动边缘计算(Mobile Edge Computing,MEC)技术作为云计算服务模式在边缘网络中的扩展,能够在边缘网络中支持资源密集型应用,并为用户提供实时服务,解决了传统云计算中心提供服务时的高时延障碍,是一种应用前景非常广泛的新型技术。本文详细研究了通过移动边缘计算技术向用户提供实时应用服务的架构,分析了该服务模式面临的挑战,并提出了有效的解决方案。不同的边缘服务器部署方案会导致差异巨大的边缘服务器接入时延及网络可靠性,从而影响应用服务质量。如何在大量异构基础设施组成的边缘网络中高效部署数量有限的边缘服务器,以及在边缘服务器已被优化部署的基础上,如何进一步在众多边缘服务器之间有效分配虚拟服务器副本(Virtual-machine Replica Copies,VRC),以达到边缘网络中计算资源优化分配的目的具有非常重大的研究意义。基于软件定义网络(Software Defined Networking,SDN)技术支持的移动边缘计算服务架构,基于枚举的最优边缘服务器部署算法(Enumeration-based Optimal Edge Server Placement Algorithm,EOESPA)和基于Ranking的近似最优边缘服务器部署算法(Ranking-based Near-Optimal Edge Server Placement Algorithm,RNOESPA)分别被提出,最大限度地减少边缘服务器接入时延,同时保证较高的网络可靠性。实验结果表示,RNOESPA的计算复杂度远远低于EOESPA,甚至比经典的K-中值聚类算法(K-medians clustering algorithm,KMCA)还低很多,而且RNOESPA在服务器部署方面的性能要优于KMCA,更接近最优解。在边缘服务器得到优化部署之后,多种服务配置优化算法被相继提出,不仅最小化了服务请求的平均响应时延,同时保证了相对较小的服务配置总成本。作为衡量其它算法性能的基准,基于枚举的最优服务配置算法(Optimal Enumeration Service Deployment Algorithm,OESDA)可以取得最优服务配置方案。通过降低计算复杂度,基于时延的启发式服务配置算法(Latency Aware Heuristic Service Deployment Algorithm,LAHSDA)可以取得近似最优解。基于聚类增强的启发式服务配置算法(Clustering Enhanced Heuristic Service Deployment Algorithm,CEHSDA)进一步提高了LAHSDA在服务配置方面的性能。以部分计算复杂度为代价,基于替代增强的启发式服务配置算法(Substitution Enhanced Heuristic Service Deployment Algorithm,SEHSDA)可以避免CEHSDA陷入局部最优解。模拟实验结果表明,与LAHSDA和CEHSDA相比,SEHSDA在服务配置方面的性能更接近最优解。此外,CEHSDA的性能要优于LAHSDA,而且两者都优于基于贪心的服务配置算法(Greedy Service Deployment Algorithm,GSDA)。