基于移动边缘计算的超密集异构网络数据存储

徐胜超, 熊茂华

(广州华商学院 数据科学学院, 广州 511300)

0 引 言

随着互联网技术的高速发展, 无线网络的种类越来越多, 移动通信网络不再只由一种无线接入技术构成, 而是由多种复杂的无线网络并存构成的异构网络。在这种超密集异构网络中, 对网络数据的传输速率、 写入、 读取、 能量消耗等提出了更高的要求。用户的通信需求不断发生变化, 促使通信系统不断改进, 由于通信技术是通信系统改进的基础, 而目前在小区内分布着大量不同的基站, 这些基站形成了异构网络, 从而提升了无线网络的运行速度。

随着无线网络运行速度的提高, 出现的问题主要表现为网络运行速度有时会发生突变, 导致网络数据不能及时写入软件程序, 读取隐私网络数据较为困难, 数据不能及时得到有效存储, 从而提高了网络数据的能耗, 同时增大了用户与基站的匹配问题[1-2]。

为解决上述问题, 笔者提出了基于移动边缘计算的超密集异构网络数据存储方法, 移动边缘计算技术能在网络边缘执行计算卸载和海量网络数据的缓存, 从而将同一信道分配给不同的网络用户, 将流行的网络信息移动至互联网边缘, 为网络用户提供高效的数据传输与存储服务, 使网络接收端实现解调, 这种网络数据存储方式可以有效提升网络数据的传输速率, 降低网络能耗, 减少用户与基站的匹配问题。

1 移动边缘的网络结构模式

移动边缘计算是一种移动通信网络技术, 在移动网络边缘提供网络安全环境, 将网络大量的数据进行缓存, 该技术可以处理比较复杂的网络边缘任务, 并具有较好的数据计算能力, 可以分析、 处理海量网络数据。该技术在地理位置方面与信息源比较接近, 用户发送请求时, 网络能快速响应用户的请求, 极大地减小了响应的时延, 使网络中的数据传输网和核心网络不会发生网络拥塞, 移动边缘计算技术还可以实时获取各大网络基站ID、 用户的网络数据、 用户请求等信息, 对网络中的链路可进行有效的感知自适应, 为用户在网络边缘处部署位置应用, 从而提升网络用户的服务质量。基于移动边缘的网络结构模式如图1所示。

图1 基于移动边缘的网络结构模式Fig.1 Network structure mode based on mobile edge

根据图1可知, 移动边缘计算与传统的网络结构模式相比, 具有较多的优点, 减少了传统网络结构中出现的时延高、 数据传输速率低等问题。首先该技术时延较低, 将网络数据缓存到网络边缘, 与用户距离较近, 用户的网络请求不需要再经过核心网络处理, 移动边缘计算技术直接卸载部分流量, 并响应用户。此外, 该技术能有效改善链路的质量, 使回程链路的压力减小, 同时也使链路发生拥塞和故障的可能性降到最低, 极大地减少了运营成本[3-4]。

2 超密集异构网络数据分类

图2 数据分类过程Fig.2 Data classification process

根据上述构建的网络结构模式, 分析各项参数, 包括异构网络的可用性、 用户请求、 信号接收强度、 用户数据传输速率、 吞吐量等, 并对超密集异构网络进行系统归类。首先基于网络结构层次分析法, 超密集异构网络可建立相应的选择层次模型, 网络中的语音和通信业务需要较低的时延和抖动, 异构网络可以允许数据包的少量分组丢失, 从而提升网络的服务质量。网络数据在正常传输以及存储过程中, 要求较高的数据率和低分组丢失率, 异构网络可以允许网络数据存在一定的抖动, 进而提升网络数据的完整性[5-6]。

超密集异构网络数据分类过程如图2所示。

根据图2可知, 超密集异构网络根据网络数据收集和数据处理, 分为数据收集网络和数据处理网络。异构网络在网络数据收集方面, 能获得多个不同基站并存的状态信息、 网络数据业务需求信息, 这些信息可以支持异构网络全面衡量网络性能的指标, 这些网络性能指标是异构网络进行数据收集的重要因素[7-8]。

3 基于移动边缘计算的超密集异构网络数据存储

在完成超密集异构网络数据分类后, 对超密集异构网络数据进行存储。笔者提出的网络数据存储方法, 主要通过网络数据写入、 读取和存储3部分实现[9-10]。

3.1 网络数据的写入

网络数据在写入时, 根据网络用户的请求, 对不同种类的网络数据, 采用不同的方法写入网络, 可提高网络数据的写入速度, 从而提高用户数据的可靠性和完整性。针对部分关键的源数据, 要求具有较低的分组丢失率, 可允许一定程度的抖动, 尽最大可能保证网络元数据的完整性。写入网络数据的中间数据时, 要提高中间数据的写入速度, 当出现结点失效时, 可启用数据缓存机制, 提高网络数据写入的成功率。网络数据写入过程如图3所示。

图3 网络数据写入过程Fig.3 Network data writing process

网络数据写入方式分为4步。

第1步, 网络数据被同时写入到异构网络的存储系统与缓存系统中, 这将使网络数据不会出现分组丢失现象, 保证了数据的完整性。

第2步, 网络数据只被写入到网络边缘的缓存区中, 没有被写入到网络的本地存储系统中, 当网络出现拥塞或系统被重置后, 写入的数据丢失, 并且写入速度缓慢, 临时文件可采用这种数据写入方式。

第3步, 网络数据被写入到存储系统中, 数据不会被同步缓存, 只能打开源文件才可以查看写入的网络数据。

第4步, 网络数据被写入到系统的缓存区内, 网络的核心系统认为数据已经成功写入, 利用移动边缘计算技术, 将写入的网络数据下沉到网络边缘, 实现数据的持久存储。网络数据在被写入系统前, 系统可自动提取网络集群信息与数据源信息, 以提高数据写入的成功率[11-12]。

3.2 网络数据的读取

网络数据在写入后, 由于分布式数据库的使用, 网络结构中产生了丰富的数据源信息与坐标范围信息, 用户可根据网络数据源信息类型查询需要的数据, 也可向超密集异构网络发送请求, 待网络的核心系统响应用户请求后, 向用户提供更具有效性的网络数据信息, 信息检索完成后, 开始进行网络数据的读取。网络数据读取过程如图4所示。

观察图4可知, 在异构网络核心系统中, 存在缓存系统与存储系统, 在读取网络用户数据时, 网络终端不用识别数据存放在缓冲系统还是存储系统, 按照传统读取网络数据的模式从临时文件中提取即可。在读取网络数据时, 数据可能已经缓存在网络结点集群中, 这时读取网络数据的速度与内存读取的速度相同。如果网络数据在代理结点中进行缓存, 可以直接在代理结点中读取元数据, 当异构网络不出现拥塞时, 网络数据读取的速度与网络运行的速度相同。当数据在成功写入存储系统后, 不保存在缓存系统中, 这时需要在本地文件夹中读取写入的网络数据, 采用移动边缘计算技术将数据进行缓存, 再经过异步预先读取网络数据中的源数据, 以提高存储系统存储数据的速度和效率。同时, 在读取用户的网路数据源文件时, 可能出现源文件的部分数据被缓存在计算机桌面上, 另一部分文件内容保存在网络的存储系统中的情况, 这时运用条件随机场策略, 同步读取缓存系统与存储系统中的网络数据[13-14]。

图4 网络数据读取过程Fig.4 Network data reading process

3.3 网络数据的存储

网络数据存储的方式包括3种： 直接网络存储、 网络附加存储和存储区域网络。

直接存储。笔者选用这种数据存储方式可增加数据存储的容量, 能将海量的网络数据一次性全部进行永久存储, 且操作简单、 易于实现、 成本较低, 但直接网络存储也存在一定的局限性。其一是数据存储的设备一次只能连接单机服务, 并且在存储网络数据时, 单机服务器实时控制该存储设备, 存储设备不能单独存储网络数据, 导致存储数据速率较低。此外, 用户如果要将数据进行备份和存储, 就会增加数据的时延, 从而降低了存储设备的管理能力。其二是单机服务器的数量增多使网络数据变得复杂, 无法有效管理网络数据, 增加了网络终端服务人员的工作量。其三是数据存储设备的利用率普遍偏低, 如果重置服务器, 会导致部分网络元数据丢失, 增大分组丢失率。

图5 存储网络拓扑结构Fig.5 Storage network topology

网络附加存储。这种存储方式是在数据存储设备内部设置一个专门的网络服务器, 服务器内嵌操作系统, 这样可以增加数据存储的容量, 提高数据存储的速度, 优化文件系统与硬件结构, 对用户的请求响应速度较快, 且极大地提高了网络数据的传输速率, 同时也提高了网络的使用率, 保护了用户的数据完整性, 降低了数据的分组丢失率。存储网络拓扑结构如图5所示。

图6 基于移动边缘计算的超密集异构网络数据存储流程Fig.6 Data storage process of ultra dense heterogeneous network based on mobile edge computing

存储区域网络是在网络服务器后台建立服务器核心、 带宽等存储设备, 将网络数据存储作为核心内容, 建立灵活的网络拓扑结构, 与数据传输通道直接连接, 网络服务器可以随意访问和控制每个数据存储设备。

这种网络可靠性较高, 扩展性能较好, 对网络数据进行了统一的管理和备份, 节约了成本, 实现了网络数据的大容量存储。

综上所述, 基于移动边缘计算的超密集异构网络数据存储流程如图6所示。

4 仿真实验分析

为检测笔者提出的基于移动边缘计算的超密集异构网络数据存储方法的有效性, 选用笔者提出的存储方法与传统存储方法进行实验对比, 根据实验结果, 判断方法的存储效果。

存储数据量实验结果如图7所示。存储速率实验结果如图8所示。

图7 存储数据量实验结果 图8 存储速率实验结果 Fig.7 Experimental results of stored data Fig.8 Experimental results of storage rate

根据上述实验结果可知, 网络数据存储方式主要采用网络附加存储和存储区域网络, 两种存储方式在存储速率与存储容量方面, 与传统的数据存储方式相比, 具有明显的优势。

在数据存储速率方面, 两种数据存储方式存储数据的速度较快。它们可以向数据存储设备提供冗余结构, 提高数据备份的效率, 为网络服务器配置集群, 通过光纤连接传输需要存储的数据, 不占用网络资源, 将备份的网络数据文件直接传输至服务器后端, 有效地提升了网络数据存储的速率, 使用户网络数据在短时间内得到了快速的存储, 并在网络服务器后端可以随时查询。

在数据存储容量方面, 与传统数据存储方式相比, 提高了两倍的存储空间。网络服务器内的存储设备作为数据存储的核心设备, 数据文件和系统的维护一般在网络核心系统中完成, 这减少了传输数据文件和系统维护所需要的流量, 同时间接增加了网络数据所占的空间, 此外, 两种数据存储方式都实现了高效率的远程容灾, 极大的节约了数据存储的容量, 具有较好的数据扩展能力与数据连接能力。

5 结 语

笔者基于移动边缘计算技术设计了超密集异构网络数据存储方法, 解决了传统网络数据存储速度慢、 效率低、 存储容量小等问题。通过移动边缘技术将数据下沉到网络边缘, 实现网络数据的实时缓存, 移动边缘计算技术可以及时响应用户的请求, 为虚拟化基础设施提供数据计算、 数据存储以及各种网络资源, 可以有效降低网络数据的时延, 减少数据的抖动, 即使网络运行出现了一定的问题, 其也能高效地保证网络数据的完整性, 具有很好的保护网络数据能力, 能促使网络较快的安装数据存储设备。并对超密集异构网络的分类方法, 从网络吞吐量、 信号接收强度、 数据传输速率等方面进行了研究, 此外, 笔者给出网络数据的写入、 读取以及存储, 最后通过与传统数据存储方式的对比, 突出笔者数据存储的优势, 可靠性高, 具有较好的数据存储能力。