云边协同计算中社交网络数据放置策略研究

发布时间：2022-01-24 21:59

　　随着科技的发展,微博、YouTube、Twitter等社交网络应用为人们提供了便捷的沟通方式。传统社交媒体内容主要以图片、文章等形式为主。近年来随着云计算、物联网等技术的发展,各类以互动直播、实时会议等新媒体方式为代表的新型社交网络应用开始出现在用户的视野。在此类应用中,用户对各类新媒体的访问延迟更加敏感。同时,智能移动设备的普及带来了数以亿计的用户加入社交网络应用进行实时通讯,其所产生的数据量也随之爆炸性地增长,维持存储系统合理的负载均衡度以保证良好系统性能也变得越来越重要。虽然传统社交网络应用中使用云计算平台放置用户数据的方式能够为海量的用户数据提供较好的存储服务,但是云数据中心一般距离用户很远,很难保证用户对于各类新型社交媒体较高实时性要求。随着边缘计算的出现,各类计算、存储资源得以下沉至距离用户更近的边缘服务器。因此,需要云数据中心与边缘服务器协同为用户提供数据存储服务以满足用户对于访问各类社交媒体的不同访问延迟要求。针对以上提出的问题,本文基于图划分算法（Graph-Partitioning Algorithm,GP）做了以下两个方面的研究。首先本文对云计算中的数据放置优化问... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

简单社交模型

这个社交网络模型有10个用户S1、S2…S10,这些用户分布在不同地区。用户之间的连线代表他们的朋友关系。假设将这些用户的数据存放在四个数据中心中,这四个数据中心分别是DC1,DC2,DC3以及DC4。在保证这些用户的访问延迟在200ms以内的前提下,本节分别用GA算法以及本文的图划分算法BGPA得到两种不同的数据放置策略。遗传算法(GA)的数据放置策略主要目标是最小化存储成本,这与本文的算法(BGPA)的目标不同,本章的策略目标是最小化存储和传输的总成本,同时保持合理的数据中心之间的平衡。如图3.2和图3.3所示。图3.3:BGPA的放置策略

图3.2:GA的放置策略社交网络用户的原始数据被称为主副本,如图3.2中的红色实线圆圈所示。每个用户有且仅有一个主副本。除了主副本,为了提高用户的体验社交网络服务供应商在多于一个的数据中心中存储数据从副本,如图3.2中黑色虚线圆圈所示。同时,在同一个数据中心中同一个用户的数据副本不多于一个。假设每个用户每个月在社交网络上发布大约27MB的数据,每个月使用数据中心存储这些数据的单价费用是0.125美元每GB[6]。用户彼此之间的访问频率r是0.48[30,54]。根据Amazon S3[10],每个数据中心之间每GB的传输单价如表3.1所示,单位为美元。本文研究的是静态环境下的社交网络,因此数据的更新费用并不在本文的考虑范围之内。

【参考文献】：
期刊论文
[1]支持可扩展的在线社交网络数据放置方法[J]. 周经亚,樊建席,王进.  中国科学:信息科学. 2018(03)
[2]边缘计算:万物互联时代新型计算模型[J]. 施巍松,孙辉,曹杰,张权,刘伟.  计算机研究与发展. 2017(05)
[3]在线社交网络中有向社交超图数据放置策略[J]. 杨文茵,王国军.  小型微型计算机系统. 2015(07)
[4]图划分算法综述[J]. 郑丽丽.  科技信息. 2014(04)



本文编号：3607373