论文部分内容阅读
随着物联网、虚拟现实、智慧城市等各种新兴业务的出现及其广泛应用,对网络结构的演变起到了极大的推动作用。传统的云计算模式已经无法满足业务在带宽、时延和可靠性等方面的需求。边缘计算因其可以将核心网的计算和存储能力下沉到网络边缘,为大带宽、低时延和高可靠性的业务提供了一种全新的解决方案。但是由于边缘数据中心存储和处理能力有限,多个跨异地分布的边缘数据中心协作将是边缘计算中的主要工作模式之一。本文将这种基于多个跨异地数据中心协作的处理模式抽象为边缘计算光网络中分布式数据处理和聚合任务,其中每个任务中通常包含多个并行处理的子任务。如何联合优化在多边缘数据中心协作过程中计算和带宽资源分配,以及减小平均任务完成时间是一个亟待解决的问题。针对该问题,本文提出了一种联合计算、带宽资源调整和任务调度的启发式算法,同时设计并搭建了面向分布式数据处理和聚合的资源管控平台,并对提出的算法进行了实验验证。本文的研究工作和创新点如下:(1)本文提出了一种联合计算、带宽资源调整和任务调度的启发式算法。在分析分布式数据处理和聚合任务面临的问题和挑战基础之上,同时结合边缘计算光网络的特性,本文对边缘计算光网络中分布式数据处理和聚合任务的各个流程分别进行了数学建模。然后,针对边缘数据中心协作过程中的计算和带宽资源部署问题,本文提出了一种联合计算、带宽资源调整策略。针对任务调度问题,本文提出了一种基于子任务“插队”的任务调度策略。仿真结果表明,本文提出的算法极大的减少了平均任务完成时间,同时提升了网络资源利用率。(2)面向分布式数据处理和聚合的资源管控平台的设计和实现。在分析边缘光网络中多维度异构资源协同处理和边缘数据中心协作的需求之上,本文设计了一种基于SDN/NFV技术以及多种开源项目的面向分布式数据处理和聚合的资源管控平台,并结合已有的可编程光通信设备完成了实验平台的搭建。在该平台中实现了边缘计算光网络中多维资源的灵活管控,以及实现了边缘计算光网络中分布式数据处理和聚合过程。同时,在实验平台上实验验证了提出的联合计算和带宽调整策略的有效性和可行性。