【摘要】：隨著5G技術(shù)與人工智能技術(shù)的進(jìn)一步發(fā)展,虛擬現(xiàn)實(shí)、人臉識別、情緒識別等新興應(yīng)用的低時(shí)延需求,以及云游戲這類應(yīng)用對服務(wù)器的內(nèi)存資源需求,都給現(xiàn)存的網(wǎng)絡(luò)提出了挑戰(zhàn)。為了應(yīng)對這些挑戰(zhàn),移動(dòng)邊緣計(jì)算應(yīng)運(yùn)而生。移動(dòng)邊緣計(jì)算是一種以云計(jì)算技術(shù)為核心,將服務(wù)器部署在用戶周圍的小基站、路由器等網(wǎng)關(guān)節(jié)點(diǎn)上的云計(jì)算平臺。與傳統(tǒng)的云服務(wù)相比,邊緣云提供的服務(wù)能顯著降低延時(shí)保證穩(wěn)定傳輸。為了保證邊緣云的服務(wù)質(zhì)量,需要部署大量的邊緣云服務(wù)器,導(dǎo)致單個(gè)邊緣云計(jì)算節(jié)點(diǎn)的計(jì)算與存儲資源十分有限。此外由于用戶的移動(dòng)性,許多時(shí)延敏感型應(yīng)用服務(wù)需要跟隨用戶一起遷移,頻繁的遷移會降低邊緣計(jì)算節(jié)點(diǎn)的資源利用效率,影響了用戶體驗(yàn)。針對以上問題,對邊緣云服務(wù)遷移策略展開了研究。首先考慮到高負(fù)載狀態(tài)會導(dǎo)致邊緣計(jì)算節(jié)點(diǎn)無法滿足一些服務(wù)的低延時(shí)需求,因此根據(jù)用戶的移動(dòng)性、邊緣云計(jì)算節(jié)點(diǎn)資源變化的周期性以及應(yīng)用彈性特性,建立了以減輕邊緣計(jì)算節(jié)點(diǎn)高負(fù)載為目標(biāo)的系統(tǒng)模型。其次綜合考慮低階馬爾可夫模型和不同時(shí)刻內(nèi)存狀態(tài)之間的影響,提出物理機(jī)內(nèi)存負(fù)載預(yù)測算法,并結(jié)合服務(wù)遷移收益與動(dòng)態(tài)規(guī)劃算法,提供最佳的邊緣云服務(wù)遷移策略。此策略能夠避免大量用戶服務(wù)遷移導(dǎo)致邊緣云節(jié)點(diǎn)高負(fù)荷運(yùn)行狀態(tài),提高整個(gè)系統(tǒng)的資源利用率。最后,選取了4個(gè)典型服務(wù)遷移策略進(jìn)行仿真實(shí)驗(yàn),證明了該策略的有效性,并分析了不同策略下的最大用戶承載數(shù)、云服務(wù)質(zhì)量、平均用戶服務(wù)數(shù)據(jù)遷移量以及平均時(shí)延等指標(biāo)。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP3
【圖文】：

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文2 相關(guān)技術(shù)概述云計(jì)算系統(tǒng)架構(gòu)概述云”、“邊緣云”和“用戶終端”是組成移動(dòng)邊緣計(jì)算架構(gòu)的�！昂诵脑啤毕喈�(dāng)于一個(gè)主管，它了解每個(gè)邊緣云服務(wù)器的以及運(yùn)行的服務(wù)，負(fù)責(zé)協(xié)調(diào)邊緣云之間的服務(wù)。同時(shí)它也可以計(jì)算任務(wù)�！斑吘壴啤笔峭ㄟ^遍布在不同區(qū)域、不同網(wǎng)域中的成，專門響應(yīng)該區(qū)域中用戶的所有服務(wù)的請求，快速靈活地為

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文算法和邊緣云服務(wù)遷移算法，對計(jì)算節(jié)點(diǎn)的服務(wù)遷移請求做出應(yīng)答，使其能遷移分辨率大小的服務(wù)到下一個(gè)計(jì)算節(jié)點(diǎn)。邊緣計(jì)算節(jié)點(diǎn)用于采集物理機(jī)資源負(fù)載的歷史記錄，并定時(shí)上傳到管理節(jié)點(diǎn)。管理節(jié)點(diǎn)就會不斷的更新自己的邊緣計(jì)算節(jié)點(diǎn)負(fù)載數(shù)據(jù)庫，使得整個(gè)系統(tǒng)始終適應(yīng)當(dāng)前的環(huán)境。

(a)邊緣節(jié)點(diǎn) 1 的人流量 (b)邊緣節(jié)點(diǎn) 2 的人流量圖 4.1 模擬人流量曲線圖根據(jù)帕累托法則（Pareto Principle）。本文假定實(shí)驗(yàn)開始時(shí) 20%的用戶使用辨率的移動(dòng)程序，80%的用戶使用的是低分辨率的移動(dòng)服務(wù)。其它的參數(shù)設(shè)參數(shù)名 參數(shù)含義 參數(shù)取值 延遲參數(shù) 200 、 、 通信開銷參數(shù) -1、1、0.8 、 、 遷移開銷參數(shù) 0.4、0.1、1.1 、 、 開銷修正系數(shù) 2、1、5 MEC 服務(wù)器最大內(nèi)存空間 70000 用戶 i 的服務(wù)期望 服從[0,5]的均勻分布

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 陳陽;懷進(jìn)鵬;胡春明;;基于內(nèi)存混合復(fù)制方式的虛擬機(jī)在線遷移機(jī)制[J];計(jì)算機(jī)學(xué)報(bào);2011年12期

2 夏樂天;梅雨強(qiáng)度的指數(shù)權(quán)馬爾可夫鏈預(yù)測[J];水利學(xué)報(bào);2005年08期

本文編號：2776928