申请/专利权人：南京航空航天大学

申请日：2023-02-27

公开（公告）日：2023-06-23

公开（公告）号：CN116302507A

主分类号：G06F9/50

分类号：G06F9/50;G06F9/48;G06F8/65;G06F9/445

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.07.11#实质审查的生效;2023.06.23#公开

摘要：本发明公开了一种基于休假排队的应用服务动态部署与更新方法。该方法考虑一个由移动设备、边缘服务器、云服务器组成的边缘计算系统，通过排队论相关模型分析系统的关键性能指标，推导出包括但不限于边缘服务器平均延迟、应用部署在边缘服务器上的概率、忙期概率等相关指标的闭式表达式，提出高效的动态应用部署及更新策略。以最小化平均系统延时为目标构建出优化问题，其中存储空间以及能量消耗等都被约束。本发明所述方法构建了一种内点凸近似优化方法来确定用户任务卸载概率、应用响应阈值、应用等待持续时间、边缘服务器算力资源分配，从而使整个系统的平均时延最低。

主权项：1.一种基于休假排队的应用服务动态部署与更新方法，其特征在于：所述方法基于休假排队，面向多用户设备、边缘服务器、云服务器，以用户任务卸载概率、应用响应阈值、应用等待持续时间、边缘服务器算力资源分配为优化变量，基于休假队列求解出相应指标的闭式表达式，以最小化整个系统的平均任务延时为目标；所述方法包括如下步骤：1组建多用户设备、边缘服务器、云服务器以构成边缘计算网络，根据边缘计算网络建立边缘服务器任务处理延时模型；2设计可优化的动态应用部署更新策略，其中可优化变量为应用响应阈值Ns以及应用等待持续时间ωs，此时，任务在等待持续时间到达的概率计算为： 式中，为s型任务到达边缘服务器的速率；等待时期的平均时长为： 未部署时期的平均时长为： 计算整个周期的平均时长为： 式中，为部署时期的平均时长，为从部署周期而来的任务处理时期的平均时长，为因等待持续时间而增加的时期的平均时长；3确定该边缘计算系统完整的决策变量为：用户任务卸载概率βm,s、应用响应阈值Ns、应用等待持续时间ωs以及边缘服务器算力资源分配fs；4计算整个系统的平均延时，其中包括任务在移动设备的计算时间以及任务在边缘服务器上的计算时间故优化目标为： 式中，为移动设备处理s型任务的平均延时，λm,s为s型任务到达移动设备m的速率，为边缘服务器向云服务器请求应用s所需要的时间，为边缘服务器中s型任务的平均延时；5构建优化问题：基于排队相关理论，构建边缘计算网络的系统延时最小化函数，基于休假排队的应用服务动态部署与更新策略优化问题的函数表达如下： 约束条件为： 式中，为边缘服务器CPU能耗，wplac为边缘服务器部署应用所消耗的能量，为本地流量密度，为边缘服务器s型队列的流量密度，μ为边缘服务器上应用所占空间分布的期望，σ为边缘服务器上应用所占空间分布的标准差，μ为所有应用所占空间超出边缘服务器存储空间的概率；6根据休假队列相关理论，计算出步骤2、4、5中未尽指标的闭式表达式；边缘服务器中s型任务的平均延时为： 式中，μs为边缘服务器处理s型任务的速率，ηs为边缘服务器从云服务请求应用所需要的时间；从部署周期而来的任务处理时期的平均时长为： 因等待持续时间而增加的时期的平均时长为： 整个周期的平均时长： 应用As占据边缘服务器空间的概率为： 忙期的平均时长为： 闲期的平均时长为： 忙期的概率为闲期的概率为将以上所有闭式表达式代入步骤5中，此时步骤5中的优化问题相关参数均已有闭式表达式；7根据内点凸近似方法获取用户任务卸载概率βm,s、应用响应阈值Ns、应用等待持续时间ωs以及边缘服务器算力资源分配fs的最佳取值，使系统平均延时最小。

全文数据：

权利要求：

百度查询： 南京航空航天大学 基于休假排队的应用服务动态部署与更新方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD