【摘要】：近年來(lái),隨著移動(dòng)終端數(shù)量爆發(fā)式增長(zhǎng)和新型移動(dòng)應(yīng)用的涌現(xiàn),敏捷高效地響應(yīng)海量移動(dòng)用戶請(qǐng)求面臨著巨大的挑戰(zhàn)。當(dāng)前流行的基于云計(jì)算的移動(dòng)應(yīng)用運(yùn)營(yíng)模式的缺陷逐步凸顯:由云服務(wù)器處傳輸海量數(shù)據(jù)至用戶端對(duì)網(wǎng)絡(luò)鏈路帶寬造成了巨大壓力,增加了響應(yīng)用戶請(qǐng)求的時(shí)間,顯著影響了用戶體驗(yàn)。在此背景下,新型的移動(dòng)邊緣計(jì)算架構(gòu)被提出,具有計(jì)算和存儲(chǔ)資源的邊緣節(jié)點(diǎn)被大量部署在接入網(wǎng)內(nèi),以提升用戶設(shè)備承載移動(dòng)應(yīng)用能力并降低響應(yīng)時(shí)間,緩解無(wú)線回程網(wǎng)絡(luò)帶寬壓力。由于高清視頻和圖像等多媒體流應(yīng)用內(nèi)容豐富、表現(xiàn)力生動(dòng),其在無(wú)線網(wǎng)絡(luò)中的流量占比不斷攀升。在移動(dòng)邊緣網(wǎng)絡(luò)架構(gòu)下,利用邊緣節(jié)點(diǎn)實(shí)現(xiàn)高效的多媒體內(nèi)容分發(fā)對(duì)提升移動(dòng)用戶體驗(yàn)和增加邊緣系統(tǒng)資源利用效率具有重要意義。為此,本文從如下三個(gè)方面對(duì)邊緣系統(tǒng)的多媒體內(nèi)容分發(fā)和采集方法展開研究:移動(dòng)邊緣網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)與多維資源分配聯(lián)合優(yōu)化、邊緣節(jié)點(diǎn)多媒體內(nèi)容存儲(chǔ)策略和基于邊緣節(jié)點(diǎn)地理位置的多媒體內(nèi)容采集方法。最后,本文將歸納總結(jié)出相關(guān)領(lǐng)域研究空白和對(duì)未來(lái)工作的展望。首先,本文將考慮當(dāng)前移動(dòng)應(yīng)用的多樣化需求及邊緣節(jié)點(diǎn)資源特征,設(shè)計(jì)邊緣-云節(jié)點(diǎn)互協(xié)作框架。通過(guò)層次化的邊緣結(jié)構(gòu)和中心化的請(qǐng)求處理方式,該框架能在邊緣-云協(xié)同作用下對(duì)用戶請(qǐng)求處理作出最優(yōu)決策,具有高效響應(yīng)用戶請(qǐng)求的能力。隨后,基于該協(xié)作框架,本文研究邊緣系統(tǒng)服務(wù)各類多媒體應(yīng)用時(shí)的多維資源分配問(wèn)題。相較于云服務(wù)器,邊緣節(jié)點(diǎn)數(shù)目更多但節(jié)點(diǎn)各類資源有限。為提高移動(dòng)多媒體用戶體驗(yàn)和邊緣資源的利用率,邊緣系統(tǒng)內(nèi)的存儲(chǔ)、計(jì)算和通信資源需要被合理分配與優(yōu)化調(diào)度。針對(duì)該問(wèn)題,本文建立了一種基于網(wǎng)絡(luò)狀態(tài)和流媒體分發(fā)應(yīng)用特征的資源需求模型。以優(yōu)化各類流媒體分發(fā)質(zhì)量為目標(biāo),本文提出了一種基于強(qiáng)化學(xué)習(xí)的多維資源分配算法,在理論上具有逼近后驗(yàn)最優(yōu)算法的性能。其次,本文將研究基于邊緣節(jié)點(diǎn)位置特征的內(nèi)容存儲(chǔ)算法設(shè)計(jì)。由于多媒體文件數(shù)據(jù)量巨大,而邊緣節(jié)點(diǎn)存儲(chǔ)資源有限,因而需要對(duì)各多媒體文件進(jìn)行流行度預(yù)測(cè)和分析,以將流行度較高的媒體內(nèi)容緩存在本地。高效的存儲(chǔ)算法可以有效增加本地處理的媒體內(nèi)容請(qǐng)求量,降低處理用戶請(qǐng)求的延時(shí),提高邊緣節(jié)點(diǎn)資源利用率,并降低無(wú)線網(wǎng)絡(luò)回程帶寬壓力。為實(shí)現(xiàn)上述目標(biāo),本文提出基于邊緣節(jié)點(diǎn)的計(jì)算與存儲(chǔ)資源,對(duì)用戶請(qǐng)求和多媒體內(nèi)容特征進(jìn)行精細(xì)化的數(shù)據(jù)采集與預(yù)測(cè)分析,進(jìn)而制定定制化的內(nèi)容存儲(chǔ)策略,以提高邊緣節(jié)點(diǎn)本地響應(yīng)的用戶請(qǐng)求量。由于邊緣節(jié)點(diǎn)位置特征具有多維特性,其對(duì)內(nèi)容請(qǐng)求量的影響未知且隨時(shí)間變化,為了制定精細(xì)化的存儲(chǔ)策略,需對(duì)此類特征進(jìn)行持續(xù)估計(jì)。在此背景下,本文將首先建立用戶請(qǐng)求與地理位置特征之間的數(shù)學(xué)模型。在內(nèi)容的邊緣節(jié)點(diǎn)特征已知的條件下,建立并分析邊緣節(jié)點(diǎn)位置特征向量與用戶請(qǐng)求的關(guān)系�；谏鲜鲫P(guān)系模型,本文將設(shè)計(jì)高準(zhǔn)確度的地理位置特征在線預(yù)測(cè)算法�；跉v史數(shù)據(jù),通過(guò)強(qiáng)化學(xué)習(xí)的方式不斷對(duì)邊緣節(jié)點(diǎn)特征進(jìn)行在線預(yù)測(cè)。最后,根據(jù)上述位置特征在線預(yù)測(cè)算法和用戶請(qǐng)求數(shù)學(xué)模型,設(shè)計(jì)相應(yīng)的邊緣存儲(chǔ)算法,并對(duì)其進(jìn)行理論和數(shù)值分析,并獲取實(shí)際數(shù)據(jù)對(duì)所設(shè)計(jì)的邊緣存儲(chǔ)算法進(jìn)行驗(yàn)證。然后,我們將研究基于邊緣節(jié)點(diǎn)空間位置信息的多媒體內(nèi)容眾包采集。傳統(tǒng)眾包采集方法主要依賴于云平臺(tái),而基于地理位置信息的邊緣節(jié)點(diǎn)內(nèi)容采集具有更廣泛的前景。地理位置相關(guān)的信息可以直接在邊緣平臺(tái)采集并處理,進(jìn)而有效降低傳輸至云平臺(tái)處的數(shù)據(jù)量�；谶吘壒�(jié)點(diǎn)的上述優(yōu)勢(shì),本文提出在邊緣節(jié)點(diǎn)采取平臺(tái)即服務(wù)(Platform as a Service,PaaS)的方式,探索高效的邊緣空間內(nèi)容眾包采集方法。具體地,本文將首先設(shè)計(jì)基于邊緣平臺(tái)的內(nèi)容眾包采集模式。在眾包服務(wù)背景下,內(nèi)容需求方首先向眾包平臺(tái)提出內(nèi)容采集請(qǐng)求,并提供相應(yīng)的獎(jiǎng)勵(lì)機(jī)制。在此眾包模式下,本文將設(shè)計(jì)空間內(nèi)容眾包采集的獎(jiǎng)勵(lì)機(jī)制以及參與者選擇算法,利用邊緣節(jié)點(diǎn)計(jì)算和存儲(chǔ)資源通過(guò)強(qiáng)化學(xué)習(xí)的方式,動(dòng)態(tài)選取眾包應(yīng)用參與者。該長(zhǎng)效機(jī)制和在線算法有效規(guī)避了參與者的自私行為,增加了任務(wù)請(qǐng)求者的效用,并實(shí)現(xiàn)了眾包平臺(tái)長(zhǎng)期累積效用的最大化。最后,本文通過(guò)理論分析對(duì)該算法相比后驗(yàn)最優(yōu)策略的效用損失進(jìn)行量化;通過(guò)抓取實(shí)際眾包應(yīng)用數(shù)據(jù),對(duì)所設(shè)計(jì)算法的性能進(jìn)行實(shí)驗(yàn)驗(yàn)證。最后,本文對(duì)以上研究?jī)?nèi)容和創(chuàng)新點(diǎn)進(jìn)行了總結(jié),基于移動(dòng)邊緣網(wǎng)絡(luò)架構(gòu)發(fā)展趨勢(shì)和多媒體內(nèi)容存儲(chǔ)與傳輸領(lǐng)域的研究動(dòng)態(tài)對(duì)本文的擴(kuò)展工作進(jìn)行了展望。作為移動(dòng)邊緣網(wǎng)絡(luò)架構(gòu)和多媒體內(nèi)容存儲(chǔ)、傳輸?shù)慕徊嫜芯糠较?本文對(duì)多媒體內(nèi)容在邊緣網(wǎng)絡(luò)中的分發(fā)和采集為移動(dòng)邊緣系統(tǒng)支撐新型多媒體應(yīng)用提供了理論依據(jù)、性能分析方法和實(shí)際部署方案。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN929.5
【圖文】：

增長(zhǎng)和新型移動(dòng)服務(wù)的大規(guī)模上線，這種基于云平臺(tái)的運(yùn)營(yíng)模式將會(huì)面臨極大挑戰(zhàn)。逡逑據(jù)思科公司預(yù)測(cè)，到２０２０年，全球人均將擁有１．５臺(tái)手持無(wú)線終端，以及數(shù)以百億逡逑計(jì)的物聯(lián)網(wǎng)設(shè)備⑴。如圖１－１所示，從這些無(wú)線設(shè)備到云平臺(tái)的通信鏈路將會(huì)消耗大逡逑量無(wú)線頻譜資源和核心網(wǎng)帶寬，給網(wǎng)絡(luò)運(yùn)營(yíng)帶來(lái)額外負(fù)擔(dān)，使得用戶體驗(yàn)無(wú)法得到逡逑保障。在此背景下，移動(dòng)邊緣計(jì)算（Ｍｏｂｉｌｅ邋Ｅｄｇｅ邋Ｃｏｍｐｕｔｉｎｇ，ＭＥＣ）應(yīng)運(yùn)而生。逡逑移動(dòng)邊緣計(jì)算的主要實(shí)現(xiàn)方式是在無(wú)線終端周圍的基礎(chǔ)設(shè)施上部署計(jì)算和存儲(chǔ)逡逑資源，邊緣路由器、基站、本地主機(jī)和高性能的智能終端等設(shè)備都能成為邊緣服務(wù)逡逑器【２］－［７］。相較于云平臺(tái)，移動(dòng)邊緣平臺(tái)的部署使的在本地處理更多用戶請(qǐng)求成為可能。逡逑由此帶來(lái)如下三個(gè)顯著優(yōu)勢(shì)：逡逑ｉ逡逑

接入點(diǎn)逡逑移動(dòng)終端逡逑圖１－１基于云平臺(tái)的移動(dòng)服務(wù)模型逡逑互聯(lián)網(wǎng)內(nèi)容服務(wù)提供商（Ｃｏｎｔｅｎｔ邋Ｓｅｒｖｉｃｅ邋Ｐｒｏｖｉｄｅｒ，邋ＣＳＰ）邋—直都在積極尋求云計(jì)逡逑算解決方案，依靠從云平臺(tái)租借的服務(wù)器來(lái)完成存儲(chǔ)、計(jì)算和管理等基本功能。云逡逑計(jì)算平臺(tái)擁有海量的計(jì)算和存儲(chǔ)資源，其按需付費(fèi)的運(yùn)營(yíng)模式為服務(wù)提供商們節(jié)省逡逑了部署專用服務(wù)器的開銷，同時(shí)使敏捷和靈活的互聯(lián)網(wǎng)服務(wù)運(yùn)營(yíng)成為可能。因此，逡逑移動(dòng)應(yīng)用平臺(tái)爭(zhēng)相開始實(shí)行基于云計(jì)算的運(yùn)營(yíng)。然而，隨著無(wú)線終端數(shù)量的爆發(fā)式逡逑增長(zhǎng)和新型移動(dòng)服務(wù)的大規(guī)模上線，這種基于云平臺(tái)的運(yùn)營(yíng)模式將會(huì)面臨極大挑戰(zhàn)。逡逑據(jù)思科公司預(yù)測(cè)，到２０２０年，全球人均將擁有１．５臺(tái)手持無(wú)線終端，以及數(shù)以百億逡逑計(jì)的物聯(lián)網(wǎng)設(shè)備⑴。如圖１－１所示

于上述資源在本地實(shí)現(xiàn)一定的管理功能Ｄ如何部署邊緣網(wǎng)絡(luò)服務(wù)器（包括部署地點(diǎn)逡逑和部署規(guī)模）為首要研[偪翁狻Ｅ分薜縲瘧曜甲櫓賦觶貧咴導(dǎo)撲閆教ǖ拇媧㈠義蝦圖撲闋試從Ω貌渴鷦?wù)V尤臚釁浼蚧低巢慰寄Ｐ腿繽跡保乘盡ｅ義細(xì)貌慰寄Ｐ橢賦觶咴導(dǎo)撲闋試唇徊渴鷦?wù)燍諆趄者与基站相近的地方。用劺C義閑幕腦萍撲閆教ú煌�，邑毌边詫�(dǎo)撲憬詰惚環(huán)植際講渴鴆⒃詒鏡厥迪衷誦杏胛�，辶x掀渫ㄓ眉撲閔璞鋼С中檳饣際�，并具有蠂娄祿夕淤Q(mào)絳蚪涌誒垂┯沒(méi)Ш馱擻痰麇義嫌糜胛�。相比云平台，諒T┍咴敵檳庵骰芄桓煜煊τ沒(méi)肭蟆Ｓ捎誥哂幸歡ㄥ義系募撲隳芰�，边缘皆戙可以承担传统赫b耐牟糠止δ�，睙崂i沒(méi)肭笫莼捍嬗脲義狹髁考囁兀約氨鏡匭畔⒉杉刃鹿δ�。因此，邑毌边缘系统訐瓷诣�醋魘且貧渝義先臚緄淖勻謊萁�，蕼厦接扰F绱擁ゴ康牧髁抗艿辣湮撲愫屯ㄐ諾耐騁喚岷咸濉ｅ義洗送

本文編號(hào)：2749994