移动性感知的边缘服务迁移策略

发布时间：2021-11-09 21:33

　　针对移动边缘计算网络中由于用户位置动态变化而导致边缘服务器间负载不均衡、用户服务质量降低的问题,提出了一种移动性感知的边缘服务迁移算法。首先,以最小化用户服务请求感知时延为目标,将优化问题建模为混合整数非线性规划问题。其次,基于Lyapunov优化方法将时延优化问题解耦为边缘服务迁移子问题与无线接入子问题。再次,提出快速边缘决策算法求解出给定无线接入策略情况下最优的资源分配与边缘服务迁移方案。最后,提出异步最佳响应算法迭代出最优无线接入策略。仿真结果表明,与现有服务迁移策略相比较,所提算法能够在保证服务迁移成本稳定的情况下降低用户服务请求的感知时延。 

【文章来源】：通信学报. 2020,41(04)北大核心EICSCD

【文章页数】：13 页

【部分图文】：

系统模型

第4期吴大鹏等：移动性感知的边缘服务迁移策略·9·之间的负载均衡，从而降低用户的平均感知时延。此外，分别统计不同用户数量情况下，所提AORAM相对于其他算法的性能增益，并计算平均值。从图3(a)中可以看出，与ISMM相比，AORAM能够使用户的平均感知时延降低8.746%，当用户数M≤38时，2种算法最大差值为36.59ms，即2种算法在用户服务质量性能方面表现大致相同，但用户数M>38时，时延差值随着用户数的增加而不断增大。同理可知，在图3(b)中，与COSM相比，AORAM能够使用户的平均感知时延降低11.57%，当用户数M≤20时，2种算法时延差值百分比为10.53%，最大差值为24.68ms。在图3(c)中，与FSMM相比，AORAM能够使用户的平均感知时延降低21.59%，当用户数M≤12时，2种算法最大差值为40.70ms。从图3(d)中可以看出，与其他算法相比，所提AORAM的用户平均感知时延分别降低了8.74%、11.57%、21.59%。显然，AORAM能有效地降低感知时延，提高用户服务质量。图4为4种算法在不同惩罚因子V情况下虚拟队列长度Q(t)随时间的变化曲线。图4(a)为AORAM在不同惩罚因子V下，虚拟队列长度Q(t)的变化情况，可以看出，随着时间推移，虚拟队列长度Q(t)趋于某一个固定值（如当V=500时，虚拟队列长度Q(t)的稳定值为127）。此外，当增大惩罚因子V时，虚拟队列长度Q(t)也随之增大，同时系统达到迁移成本稳定的收敛时间也变长。其原因在于，当增大惩罚因子V时，意味着系统优化目标更偏重于用户的感知时延，导致系统为获取更低的用户感知

·10·通信学报第41卷定值。图4(d)为ISMM在不同惩罚因子V下虚拟队列长度Q(t)的变化情况。当V值较小时，每个时刻迁移成本均小于长期迁移阈值Eavg，因此Q(t)值不断变小并最后达到稳定；当V较大时，频繁的服务迁移造成迁移成本大于迁移阈值，使其Q(t)不断增大直到稳定。图5为不同惩罚因子V下用户的平均感知时延。可以看出，在平稳状态时，AORAM得到的用户平均感知时延相对于其他3种对比算法分别减少了90.84ms、106.45ms、112.55ms。由于FSMM中服务迁移决策取决于用户与SBS的相对位置，所以V值不影响服务迁移决策，但容易造成边缘服务器负载失衡，导致服务质量降低。当V<100时，随着V的增加，ISMM、COSM与AORAM的感知时延快速下降。但当200≤V<2000时，AORAM感知时延能够达到更低值，表明所提的AORAM在保图4不同惩罚因子V下的虚拟队列长度图5用户感知时延图6平均迁移成本

【参考文献】：
期刊论文
[1]车辆边缘网络中基于多参数MDP模型的动态服务迁移策略[J]. 郭辉,芮兰兰,高志鹏.  通信学报. 2020(01)
[2]移动边缘计算卸载技术综述[J]. 谢人超,廉晓飞,贾庆民,黄韬,刘韵洁.  通信学报. 2018(11)
[3]面向5G需求的移动边缘计算[J]. 田辉,范绍帅,吕昕晨,赵鹏涛,贺硕.  北京邮电大学学报. 2017(02)



本文编号：3485974