在工業(yè)物聯(lián)網(wǎng)中,隨著邊緣設(shè)備智能化程度的增強(qiáng),越來越多的服務(wù)開始往邊緣端遷移。邊緣計(jì)算使得數(shù)據(jù)可以在靠近設(shè)備的一側(cè)進(jìn)行實(shí)時(shí)的操作和處理,以達(dá)到敏捷、高效、安全。但邊緣計(jì)算也存在計(jì)算能力、存儲能力、能量等局限性,邊緣節(jié)點(diǎn)只能同時(shí)托管少量的服務(wù)。同時(shí),工業(yè)傳感器設(shè)備還具有高異構(gòu)性、高延遲敏感性。對于異常檢測、危險(xiǎn)預(yù)警、實(shí)時(shí)控制等場景,需要低延遲和高可靠性。數(shù)據(jù)若上傳到云端進(jìn)行處理,顯然是延遲不滿足的。因此需要邊緣設(shè)備與中心云、中心云與邊緣云之間進(jìn)行協(xié)同計(jì)算,使整個(gè)網(wǎng)絡(luò)全局得到最優(yōu)。計(jì)算資源在邊緣與云的分配是非常困難的問題。必須依賴于具體的工業(yè)場景,動態(tài)地進(jìn)行相關(guān)計(jì)算。這其中涉及如何在邊緣端準(zhǔn)確地預(yù)測邊緣請求和如何在邊緣節(jié)點(diǎn)動態(tài)地最優(yōu)化配置服務(wù)等問題。針對上述問題,本文提出了一種基于請求預(yù)測和協(xié)作的邊緣節(jié)點(diǎn)服務(wù)重配置和選擇策略。首先,本文提出了一種邊緣節(jié)點(diǎn)上最佳服務(wù)預(yù)配置方法。該方法將長期的預(yù)測與配置問題分解到若干個(gè)重配置周期內(nèi)進(jìn)行。在每個(gè)重配置周期內(nèi),首先通過一種動態(tài)滑動窗口的取樣方法對邊緣節(jié)點(diǎn)的歷史請求信息進(jìn)行取樣,然后結(jié)合數(shù)據(jù)的特征,利用泊松過程作為預(yù)測模型對下一周期的可能到達(dá)的請求進(jìn)... 

【文章來源】：中國地質(zhì)大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

邊緣網(wǎng)絡(luò)系統(tǒng)

第5章實(shí)驗(yàn)評估與結(jié)果分析40圖5-21任務(wù)的平均請求次數(shù)預(yù)測值與實(shí)際值對比圖5-2展示了1任務(wù)的平均請求次數(shù)預(yù)測值與實(shí)際值在15個(gè)時(shí)間片上的對比情況。從圖中可以看出，本文提出的預(yù)測算法可以很好的預(yù)測未來的平均請求次數(shù)，在這15個(gè)時(shí)間片，預(yù)測算法的準(zhǔn)確率經(jīng)計(jì)算可達(dá)78%。雖然準(zhǔn)確率不高，但是基本可以滿足邊緣節(jié)點(diǎn)網(wǎng)絡(luò)的預(yù)測需求。從圖中我們可以發(fā)現(xiàn)，此算法在數(shù)據(jù)波動較平穩(wěn)的情況下，準(zhǔn)確率較高，平均準(zhǔn)確率經(jīng)計(jì)算可達(dá)91%。但在數(shù)據(jù)出現(xiàn)劇烈波動時(shí)，準(zhǔn)確率較低，平均準(zhǔn)確率經(jīng)計(jì)算僅有62%。分析其原因，主要是由于本文的預(yù)測算法是基于歷史數(shù)據(jù)采樣，且為保證輕量級運(yùn)算，大大減少了采樣的樣本量，數(shù)據(jù)計(jì)算的代價(jià)降低隨之帶來的就是預(yù)測準(zhǔn)確率的下降。5.2.3預(yù)配置算法本文的邊緣節(jié)點(diǎn)預(yù)配置問題擬通過模擬退火算法和分支定界法來解決，下面將就單純解決預(yù)配置問題，給出兩種算法對比。

中國地質(zhì)大學(xué)（北京）碩士學(xué)位論文41圖5-3算法執(zhí)行時(shí)間與任務(wù)規(guī)模的關(guān)系如圖5-3所示，分支定界法與模擬退火算法的執(zhí)行時(shí)間都隨任務(wù)請求規(guī)模的增大而增加。分支定界法的算法執(zhí)行時(shí)間一直優(yōu)于模擬退火算法，且隨著任務(wù)請求規(guī)模的增大，優(yōu)勢進(jìn)一步明顯。這是因?yàn)榍罢呤乔蠼庹麛?shù)規(guī)劃的精確算法，能夠取得全局最優(yōu)解。而后者作為啟發(fā)式算法，在具體的實(shí)驗(yàn)中，無法保證能百分百的找到全局最優(yōu)解，但往往可以在較短的時(shí)間內(nèi)找到一個(gè)近似最優(yōu)解。圖5-4算法執(zhí)行時(shí)間與網(wǎng)絡(luò)規(guī)模的關(guān)系

【參考文獻(xiàn)】：
期刊論文
[1]工業(yè)物聯(lián)網(wǎng)中基于邊緣計(jì)算的跨域計(jì)算資源分配與任務(wù)卸載[J]. 周鵬,徐金城,楊博.  物聯(lián)網(wǎng)學(xué)報(bào). 2020(02)
[2]WSN中一種新穎的基于預(yù)測機(jī)制的事件檢測容錯(cuò)算法[J]. 劉耿耿,郭文忠,洪偉.  小型微型計(jì)算機(jī)系統(tǒng). 2018(04)
[3]基于綜合信任的邊緣計(jì)算資源協(xié)同研究[J]. 鄧曉衡,關(guān)培源,萬志文,劉恩陸,羅杰,趙智慧,劉亞軍,張洪剛.  計(jì)算機(jī)研究與發(fā)展. 2018(03)
[4]基于加權(quán)時(shí)變泊松模型的出租車載客點(diǎn)推薦模型[J]. 商建東,李盼樂,劉潤杰,李潤川.  計(jì)算機(jī)應(yīng)用. 2018(04)
[5]物聯(lián)網(wǎng)的“感知中國”之路[J]. 劉海濤.  網(wǎng)絡(luò)傳播. 2017(05)
[6]物聯(lián)網(wǎng)概念的基本定位[J]. 劉克一.  數(shù)字技術(shù)與應(yīng)用. 2015(04)
[7]工業(yè)物聯(lián)網(wǎng)技術(shù)及應(yīng)用概述[J]. 李士寧,羅國佳.  電信網(wǎng)技術(shù). 2014(03)
[8]物聯(lián)網(wǎng)演義（二）——《ITU互聯(lián)網(wǎng)報(bào)告2005:物聯(lián)網(wǎng)》[J]. 鐘書華.  物聯(lián)網(wǎng)技術(shù). 2012(06)
[9]論泊松過程[J]. 王萍.  光盤技術(shù). 2008(04)
[10]Internet網(wǎng)絡(luò)性能實(shí)時(shí)監(jiān)測關(guān)鍵技術(shù)研究[J]. 凌軍,楊桂文,劉羽中,曹陽.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2001(03)

博士論文
[1]物聯(lián)網(wǎng)環(huán)境下連續(xù)目標(biāo)檢測和邊緣節(jié)點(diǎn)重配置策略[D]. Taj Rahman.北京科技大學(xué) 2019
[2]中國極端氣候事件的趨勢特征與極值分布[D]. 蔡文香.對外經(jīng)濟(jì)貿(mào)易大學(xué) 2016

碩士論文
[1]工業(yè)物聯(lián)網(wǎng)中動態(tài)資源分配機(jī)制的研究[D]. 胡江祺.西安電子科技大學(xué) 2019
[2]面向交通事件持續(xù)時(shí)間預(yù)測的貝葉斯網(wǎng)絡(luò)建模研究[D]. 馬雪婧.北京交通大學(xué) 2016
[3]馬爾可夫更新過程在地震預(yù)測中的應(yīng)用[D]. 姚為民.安徽大學(xué) 2014
[4]國內(nèi)外物聯(lián)網(wǎng)技術(shù)發(fā)展的比較研究[D]. 姚旭東.西南交通大學(xué) 2012



本文編號：2966025