物联网边缘计算资源分层部署建模仿真

2022-10-25冯冲，施展

计算机仿真 2022年9期

冯冲，施展

(大连民族大学信息与通信工程学院，辽宁大连 116600)

1 引言

现阶段，边缘计算在物联网领域得到广泛发展，把边缘服务器部署在物联网边缘，将计算能力下沉到分布式基站，令数据存储和处理更加靠近终端，不断升级无线基站的智能化水平，通过基站的处理、存储、计算等功能，弥补物联网在时延和带宽等方面的不足。计算资源部署是边缘网络的关键技术，根据不同的服务分布、服务需求、运营商的实际网路情况，为每个接入点合理分配计算资源。但由于网络终端的任务请求数量随时变化，硬件计算资源却不随时间变化，容易导致接入点资源过剩或不足，使得网络部署成本或时延增加，因此，研究边缘计算资源部署问题，确定计算资源的部署位置和部署数量，同时满足运营商经济效益和用户体验需求，具有重要意义。

当前，边缘计算资源部署相关研究已取得较大进展，先确定物联网的边缘部署节点，根据无线信道质量、用户地理位置等，部署边缘数据中心，将最大化边缘资源利用率、最小化访问时延和部署成本等，作为计算资源部署目标，为边缘计算提供高效的资源部署方案。文献[6]提出基于自适应遗传算法的边缘计算资源部署方法，采用自适应的遗传算法，衡量网络负载均衡度，利用拉格朗日乘子法，分析服务器负载分布情况，求得计算资源部署最优解，但该方法选择的单小区-多用户场景与实际场景差异较大，终端能耗和任务时延较高。文献[7]提出基于社会属性感知的边缘计算资源部署方法，通过凸优化及准凸优化理论，构造资源部署的物理域限制条件，结合网络终端的用户社会属性，为计算资源匹配合适的接入点，但该方法忽略了终端调度对资源部署的影响，服务器吞吐量较低。针对以上问题，结合现有的研究理论，将部署位置的不同网络层考虑在内，提出物联网边缘计算资源分层部署建模与优化方法。

2 物联网边缘计算资源分层部署建模与优化

2.1 计算物联网边缘计算资源分层部署目标函数

定义时延和部署成本，计算物联网边缘计算资源分层部署目标函数。分析边缘计算资源分层部署对用户需求响应时延的影响，物联网运营商部署边缘计算资源中心后，选择合适的边缘计算资源中心，为用户提供服务，中心部署位置与用户越远，判定网络传播时延越大，否则判定网络传播时延越小，为用户分配的中心处理能力越小，判定处理和排队时延越大，否则判定处理和排队时延越小。将网络传播时延定义为用户请求发送至边缘计算资源中心的时延，设用户请求为，请求服从泊松分布，边缘计算资源中心的候选位置为，根据物联网无线收发前端与边缘计算资源中心之间的路径距离，计算网络传播时延，公式为

(1)

其中，为单位距离的网络传播时延，、分别为物联网无线收发前端节点数量、基带处理单元节点数量，、为用户请求针对无线收发前端节点、基带处理单元节点所需的处理能力，当请求位于中心内，值取1，否则值取0。将边缘计算资源中心视为一个实体，考虑用户请求必须到达边缘数据中心，才能分配到一定计算资源，为此将用户请求转换为排队问题，计算排队和处理时延，公式为

(2)

其中，为边缘计算资源中心可分层部署的候选位置集合，为边缘数据中心的服务时间，为请求的到达率。分析边缘数据中心分层部署成本，包括场地租用费用和基础设备费用，通过用户的工作负载部署成本，表示每个候选位置服务用户请求的经济效益，计算分层部署成本，公式为

(3)

其中，为边缘数据中心的租赁成本，为中心候选位置可放置的物理机数量，为物理机成本，为物理机处理能力。根据链路损耗和链路长度造成的时延代价，计算用户请求的传输成本，公式为

(4)

其中，、分别为无线收发前端节点、基带处理单元节点处理用户请求的任务流，为链路传输单位请求的时延代价。计算物联网终端执行任务的能耗，公式为

(5)

其中，为候选位置单位时间的物理器运行周数，为执行任务所需的物理器运行周数，为边缘计算资源中心执行任务计算的能耗功率。计算物联网终端的数据传输能耗，公式为

(6)

其中，为用户通过无线网络，将数据传输到分层部署候选位置的信号传输功率。边缘数据分层部署的目标函数为：

=min(+++++)

(7)

通过式(7)，实现中心处理请求时的时延、成本、能耗最小化，至此完成物联网边缘计算资源分层部署目标函数的计算。

2.2 建立物联网边缘计算资源分层部署模型

设置边缘计算资源中心候选位置处理用户请求的约束条件，结合目标函数，构成物联网边缘计算资源分层部署模型。对于每个前端节点、终端节点、基带处理单元节点的数据输入量和输出量，都会占用链路容量，将链路划分为前传链路和回传链路，设置链路容量限制条件，确保用户请求的任务流不超过链路容量。前传链路负载应满足的条件为

(8)

其中，为物联网终端节点数量，为终端节点处理用户请求的任务流，为节点输出量，为链路容量。回传链路负载应满足的条件为

(9)

其中，、、分别为节点、、传输至中心的任务量，为节点输入量。设置节点处理能力限制条件，前端节点、终端节点、基带处理单元节点处理能力应满足的条件为

(10)

其中，、、分别为节点、、处理能力上限。基带处理单元接收用户请求后，设置基带调度限制条件，基站调度应满足的条件为

(11)

其中，为用户请求任务量。令每个用户请求仅分配到一个边缘计算资源中心，且位置处一定部署了边缘数据中心，为保证物联网稳定性，设置边缘数据中心服务率限制条件，确保服务率一定超过用户请求到达率。边缘计算资源中心服务率应满足的条件为

(12)

限制边缘计算资源中心负载总量，确保工作负载不超过中心容量，边缘数据中心负载应满足的条件为

(13)

其中，为用户请求针对终端节点所需的处理能力。分析边缘数据分层部署时延和成本的关系，限制时延成本系数和部署成本系数之和为1，限制条件表达式为

(14)

其中，为请求端到端的最大时延，为边缘数据分层部署成本系数，、分别为时延成本系数、部署成本系数。将式(8)～式(14)，作为边缘数据中心处理任务的约束条件，结合式(7)，得到边缘计算资源分层部署模型，至此完成物联网边缘计算资源分层部署模型的建立。

2.3 优化物联网边缘计算资源分层部署方案

求取模型最优解，确定边缘计算资源中心的部署位置和部署数量，优化分层部署方案。采用模拟退火遗传算法，求解物联网边缘计算资源分层部署模型，排列边缘计算资源候选位置{1，2，…，}，∈，每个边缘数据中心部署的计算资源数量为，随机生成初始种群[，]，将[，]作为一个染色体，[，]应满足式(8)～式(14)的约束条件，表示计算资源分层部署问题的可行解，各个染色体的每个元素互不相同。将作为适应度函数，计算每个染色体的适应值，确定下一代种群的生存期望数目，采用比例选择法，得到下一代种群直接遗传的生存数目，把值较小的染色体遗传到下一代种群，针对值较大的染色体，采用匹配交配法，交换染色体的匹配元素，再对染色体元素进行随机突变，把交叉突变的染色体遗传到下一代种群。重复以上流程，得到值最小的全局最优解，输出最优染色体[，]。至此完成分层部署方案的优化，实现物联网边缘计算资源分层部署建模与优化方法设计。

3 实验与性能分析

将此次设计方法，与基于自适应遗传算法的计算资源部署方法、基于社会属性感知的计算资源部署方法，进行对比实验，比较终端能耗、任务时延、服务器吞吐量。

3.1 仿真场景

使用Matlab R2020a平台进行仿真，分层型网络结构如图1所示。

图1 分层型物联网拓扑结构

将图1中汇聚节点和核心节点，作为无线收发前端节点，基站作为基带处理单元节点，终端作为终端节点，所有基站构成物联网第1层，所有汇聚节点构成第2层，所有核心节点构成第3层，核心节点通过回传链路连接多个汇聚节点，汇聚节点通过前传链路连接多个基站，用户请求的任务流可以自下向上、自上向下双向传输。设定每个边缘数据中心包含10个物理器，随机分布在30m×30m范围内，用户请求的任务量服从正态分布，设置的仿真参数如表1所示。