基于极大团的边缘云节点聚合算法研究

发布时间：2020-03-22 15:36

【摘要】：移动边缘云(Mobile Edge Cloud,MEC)是由大量地理位置分布式的微型数据中心组成的网状结构,为车联网、智能穿戴、虚拟现实以及增强现实等新型业务提供了高宽带、低时延、高安全的本地化云服务。同时,由于移动边缘云能够聚合多个边缘云节点,使得它们能够作为一个整体以合理高效的方式进行连接与工作,所得到的边缘云组合能够显著地提升边缘云的服务质量。但云节点间的通信延迟是降低边缘云组合性能的主要因素,同时随着系统规模的不断扩大,如何计算得到最优节点组合是一个典型的难解问题。因此,本文针对边缘云节点的聚合算法进行研究,主要分为以下三部分:首先,本课题将移动边缘云计算系统建模成由云节点和链路构成的网状拓扑图,将边缘云节点描述成图中顶点,顶点的权值表示该边缘云节点的空闲资源如CPU的个数。当两个边缘云节点之间存在直连链路,则它们在拓扑图中对应的顶点之间存在边连接,两个边缘云节点之间的通信延迟用图中对应边上的权重表示。边缘云节点的聚合过程可等同于在该拓扑图中选择子图的过程,其中子图中节点的权重之和应满足用户的资源请求。其次,针对当前已有云节点聚合算法min Star存在的不足即无法保证所得到的子图是完全图,导致云组合内节点之间不能直接通信,从而带来节点的通信拥塞以及增加云组合的通信延迟。因此,针对上述问题,本文提出了基于极大团的聚合算法,将拓扑图划分为若干互不重叠的完全子图。然后将子图封装成资源池,资包含了子图对应的边缘云组合的基本信息,选择满足用户请求且通信延迟最小的资源池分配给用户。本课题提出的聚合算法以团为单位组合边缘云,保证组合内任意两个云节点之间可以直接通信。本文进一步设计了面向边缘云组合的任务迁移算法,说明了新算法的灵活性。为验证方法的有效性,本文通过模拟试验和分析评估新算法在边缘云节点聚合问题中的性能。实验结果表明,与目前流行的算法相比,当系统资源使用率达到三分之二以后,新算法可以将系统中云组合的全局最大通信延迟减少到原来的一半。
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP393.09

【相似文献】