工业物联网环境下基于预测和边缘协作的服务重配置策略研究
发布时间：2021-01-09 05:04
在工业物联网中,随着边缘设备智能化程度的增强,越来越多的服务开始往边缘端迁移。边缘计算使得数据可以在靠近设备的一侧进行实时的操作和处理,以达到敏捷、高效、安全。但边缘计算也存在计算能力、存储能力、能量等局限性,边缘节点只能同时托管少量的服务。同时,工业传感器设备还具有高异构性、高延迟敏感性。对于异常检测、危险预警、实时控制等场景,需要低延迟和高可靠性。数据若上传到云端进行处理,显然是延迟不满足的。因此需要边缘设备与中心云、中心云与边缘云之间进行协同计算,使整个网络全局得到最优。计算资源在边缘与云的分配是非常困难的问题。必须依赖于具体的工业场景,动态地进行相关计算。这其中涉及如何在边缘端准确地预测边缘请求和如何在边缘节点动态地最优化配置服务等问题。针对上述问题,本文提出了一种基于请求预测和协作的边缘节点服务重配置和选择策略。首先,本文提出了一种边缘节点上最佳服务预配置方法。该方法将长期的预测与配置问题分解到若干个重配置周期内进行。在每个重配置周期内,首先通过一种动态滑动窗口的取样方法对边缘节点的历史请求信息进行取样,然后结合数据的特征,利用泊松过程作为预测模型对下一周期的可能到达的请求进...
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
边缘网络系统
第5章实验评估与结果分析40图5-21任务的平均请求次数预测值与实际值对比图5-2展示了1任务的平均请求次数预测值与实际值在15个时间片上的对比情况。从图中可以看出，本文提出的预测算法可以很好的预测未来的平均请求次数，在这15个时间片，预测算法的准确率经计算可达78%。虽然准确率不高，但是基本可以满足边缘节点网络的预测需求。从图中我们可以发现，此算法在数据波动较平稳的情况下，准确率较高，平均准确率经计算可达91%。但在数据出现剧烈波动时，准确率较低，平均准确率经计算仅有62%。分析其原因，主要是由于本文的预测算法是基于历史数据采样，且为保证轻量级运算，大大减少了采样的样本量，数据计算的代价降低随之带来的就是预测准确率的下降。5.2.3预配置算法本文的边缘节点预配置问题拟通过模拟退火算法和分支定界法来解决，下面将就单纯解决预配置问题，给出两种算法对比。
中国地质大学（北京）硕士学位论文41图5-3算法执行时间与任务规模的关系如图5-3所示，分支定界法与模拟退火算法的执行时间都随任务请求规模的增大而增加。分支定界法的算法执行时间一直优于模拟退火算法，且随着任务请求规模的增大，优势进一步明显。这是因为前者是求解整数规划的精确算法，能够取得全局最优解。而后者作为启发式算法，在具体的实验中，无法保证能百分百的找到全局最优解，但往往可以在较短的时间内找到一个近似最优解。图5-4算法执行时间与网络规模的关系
【参考文献】：
期刊论文
[1]工业物联网中基于边缘计算的跨域计算资源分配与任务卸载[J]. 周鹏,徐金城,杨博. 物联网学报. 2020(02)
[2]WSN中一种新颖的基于预测机制的事件检测容错算法[J]. 刘耿耿,郭文忠,洪伟. 小型微型计算机系统. 2018(04)
[3]基于综合信任的边缘计算资源协同研究[J]. 邓晓衡,关培源,万志文,刘恩陆,罗杰,赵智慧,刘亚军,张洪刚. 计算机研究与发展. 2018(03)
[4]基于加权时变泊松模型的出租车载客点推荐模型[J]. 商建东,李盼乐,刘润杰,李润川. 计算机应用. 2018(04)
[5]物联网的“感知中国”之路[J]. 刘海涛. 网络传播. 2017(05)
[6]物联网概念的基本定位[J]. 刘克一. 数字技术与应用. 2015(04)
[7]工业物联网技术及应用概述[J]. 李士宁,罗国佳. 电信网技术. 2014(03)
[8]物联网演义（二）——《ITU互联网报告2005:物联网》[J]. 钟书华. 物联网技术. 2012(06)
[9]论泊松过程[J]. 王萍. 光盘技术. 2008(04)
[10]Internet网络性能实时监测关键技术研究[J]. 凌军,杨桂文,刘羽中,曹阳. 武汉大学学报(理学版). 2001(03)
博士论文
[1]物联网环境下连续目标检测和边缘节点重配置策略[D]. Taj Rahman.北京科技大学 2019
[2]中国极端气候事件的趋势特征与极值分布[D]. 蔡文香.对外经济贸易大学 2016
硕士论文
[1]工业物联网中动态资源分配机制的研究[D]. 胡江祺.西安电子科技大学 2019
[2]面向交通事件持续时间预测的贝叶斯网络建模研究[D]. 马雪婧.北京交通大学 2016
[3]马尔可夫更新过程在地震预测中的应用[D]. 姚为民.安徽大学 2014
[4]国内外物联网技术发展的比较研究[D]. 姚旭东.西南交通大学 2012
本文编号：2966025
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
边缘网络系统
第5章实验评估与结果分析40图5-21任务的平均请求次数预测值与实际值对比图5-2展示了1任务的平均请求次数预测值与实际值在15个时间片上的对比情况。从图中可以看出，本文提出的预测算法可以很好的预测未来的平均请求次数，在这15个时间片，预测算法的准确率经计算可达78%。虽然准确率不高，但是基本可以满足边缘节点网络的预测需求。从图中我们可以发现，此算法在数据波动较平稳的情况下，准确率较高，平均准确率经计算可达91%。但在数据出现剧烈波动时，准确率较低，平均准确率经计算仅有62%。分析其原因，主要是由于本文的预测算法是基于历史数据采样，且为保证轻量级运算，大大减少了采样的样本量，数据计算的代价降低随之带来的就是预测准确率的下降。5.2.3预配置算法本文的边缘节点预配置问题拟通过模拟退火算法和分支定界法来解决，下面将就单纯解决预配置问题，给出两种算法对比。
中国地质大学（北京）硕士学位论文41图5-3算法执行时间与任务规模的关系如图5-3所示，分支定界法与模拟退火算法的执行时间都随任务请求规模的增大而增加。分支定界法的算法执行时间一直优于模拟退火算法，且随着任务请求规模的增大，优势进一步明显。这是因为前者是求解整数规划的精确算法，能够取得全局最优解。而后者作为启发式算法，在具体的实验中，无法保证能百分百的找到全局最优解，但往往可以在较短的时间内找到一个近似最优解。图5-4算法执行时间与网络规模的关系
【参考文献】：
期刊论文
[1]工业物联网中基于边缘计算的跨域计算资源分配与任务卸载[J]. 周鹏,徐金城,杨博. 物联网学报. 2020(02)
[2]WSN中一种新颖的基于预测机制的事件检测容错算法[J]. 刘耿耿,郭文忠,洪伟. 小型微型计算机系统. 2018(04)
[3]基于综合信任的边缘计算资源协同研究[J]. 邓晓衡,关培源,万志文,刘恩陆,罗杰,赵智慧,刘亚军,张洪刚. 计算机研究与发展. 2018(03)
[4]基于加权时变泊松模型的出租车载客点推荐模型[J]. 商建东,李盼乐,刘润杰,李润川. 计算机应用. 2018(04)
[5]物联网的“感知中国”之路[J]. 刘海涛. 网络传播. 2017(05)
[6]物联网概念的基本定位[J]. 刘克一. 数字技术与应用. 2015(04)
[7]工业物联网技术及应用概述[J]. 李士宁,罗国佳. 电信网技术. 2014(03)
[8]物联网演义（二）——《ITU互联网报告2005:物联网》[J]. 钟书华. 物联网技术. 2012(06)
[9]论泊松过程[J]. 王萍. 光盘技术. 2008(04)
[10]Internet网络性能实时监测关键技术研究[J]. 凌军,杨桂文,刘羽中,曹阳. 武汉大学学报(理学版). 2001(03)
博士论文
[1]物联网环境下连续目标检测和边缘节点重配置策略[D]. Taj Rahman.北京科技大学 2019
[2]中国极端气候事件的趋势特征与极值分布[D]. 蔡文香.对外经济贸易大学 2016
硕士论文
[1]工业物联网中动态资源分配机制的研究[D]. 胡江祺.西安电子科技大学 2019
[2]面向交通事件持续时间预测的贝叶斯网络建模研究[D]. 马雪婧.北京交通大学 2016
[3]马尔可夫更新过程在地震预测中的应用[D]. 姚为民.安徽大学 2014
[4]国内外物联网技术发展的比较研究[D]. 姚旭东.西南交通大学 2012
本文编号：2966025
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2966025.html
