移動互聯(lián)網和物聯(lián)網技術的快速發(fā)展催生了許多計算量較大且對時延敏感的應用,例如云游戲、自動駕駛、視頻直播、人臉識別等。這些應用不僅增加用戶設備（User Equipment,UE）和物聯(lián)網節(jié)點自身的計算負擔,還產生了大量的數(shù)據(jù)傳輸業(yè)務,加重了網絡的傳輸壓力,且不適合部署在具有較大傳輸時延的云計算模式中。邊緣計算是一種將計算和存儲資源部署在近用戶端的分布式服務計算模式,能夠為UE或物聯(lián)網節(jié)點提供低傳輸時延的計算和存儲服務,有助于降低骨干網的數(shù)據(jù)傳輸量,減輕云中心的數(shù)據(jù)傳輸和處理壓力。此外,UE或節(jié)點可以將自身計算業(yè)務遷移至邊緣服務器端,在增強算力的同時還可以降低自身計算能耗。得益于上述優(yōu)勢,邊緣計算已成為當前服務計算領域的熱點方向,引起了學術界和產業(yè)界的廣泛關注。邊緣計算的關鍵性能指標包括時延、能耗、可靠性等,對其進行優(yōu)化具有重要的理論意義和實用價值,是相關研究的熱點領域。已有的研究主要關注業(yè)務量等因素確定場景下的性能優(yōu)化問題,忽略了相關因素的隨機波動所帶來的影響。另外,現(xiàn)有研究在考慮時延代價時,一般認為時延是固定的,或僅考慮平均時延代價,忽略了時延抖動的影響。本文在充分考慮時延和業(yè)務資源... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：134 頁

【學位級別】：博士

【文章目錄】：
致謝
摘要
ABSTRACT
縮略語表
1 緒論
    1.1 研究背景與研究意義
        1.1.1 邊緣計算的起源
        1.1.2 邊緣應用場景
        1.1.3 邊緣計算基本架構
        1.1.4 邊緣計算性能優(yōu)化
        1.1.5 邊緣計算性能優(yōu)化的研究意義
    1.2 研究現(xiàn)狀
        1.2.1 針對用戶端的性能優(yōu)化
        1.2.2 針對服務器端的性能優(yōu)化
        1.2.3 已有研究的不足
    1.3 主要研究內容與創(chuàng)新點
    1.4 論文的結構
2 抗時延抖動的多接入邊緣計算任務調度
    2.1 引言
    2.2 相關研究
    2.3 系統(tǒng)模型
        2.3.1 HEFT算法
    2.4 考慮時延隨機性的任務調度
        2.4.1 時延風險概率與最大可忍受時延
        2.4.2 概率密度估計
        2.4.3 優(yōu)化模型
        2.4.4 問題的求解
        2.4.5 CHEFT的高斯近似算法
    2.5 仿真結果
        2.5.1 仿真環(huán)境設置
        2.5.2 時延性能仿真結果
    2.6 本章小結
3 基于負載均衡和資源配置的協(xié)作式邊緣計算能耗優(yōu)化
    3.1 引言
    3.2 相關研究
    3.3 系統(tǒng)模型
        3.3.1 服務風險概率
        3.3.2 DVFS配置策略
        3.3.3 計算業(yè)務量的PDF估計
        3.3.4 能耗模型
    3.4 能耗與SRP的權衡
        3.4.1 優(yōu)化模型
        3.4.2 最優(yōu)CCF配置策略
        3.4.3 基于二分搜索的CCF優(yōu)化算法
        3.4.4 業(yè)務量呈高斯分布時CCF優(yōu)化
    3.5 多接入邊緣計算負載均衡與計算資源配置
        3.5.1 優(yōu)化模型
        3.5.2 業(yè)務量分布不確定
        3.5.3 業(yè)務量高斯分布
    3.6 算法性能測試
        3.6.1 隨機生成數(shù)據(jù)測試結果
        3.6.2 PlanetLab VM計算業(yè)務量數(shù)據(jù)集測試結果
    3.7 本章小結
4 基于QoS控制和資源配置的服務可靠性優(yōu)化
    4.1 引言
    4.2 相關研究
    4.3 系統(tǒng)模型
        4.3.1 VM與容器在資源使用上的差異性
        4.3.2 服務可靠性概率
    4.4 服務可靠性最大化問題
        4.4.1 ASRP最大化問題
        4.4.2 RAP的求解
        4.4.3 SQCP的求解
        4.4.4 ASRP的求解
        4.4.5 SSRP最大化問題
    4.5 仿真結果
        4.5.1 仿真環(huán)境設置
        4.5.2 基準算法
        4.5.3 ASRPMP仿真結果
        4.5.4 SSRPMP仿真結果
    4.6 本章小節(jié)
5 基于多維度資源配置的服務可靠性優(yōu)化
    5.1 引言
    5.2 相關研究
    5.3 系統(tǒng)模型
        5.3.1 VM環(huán)境下的SRP
        5.3.2 容器環(huán)境下的SRP
    5.4 VM環(huán)境下的多維度資源配置
        5.4.1 優(yōu)化問題
        5.4.2 基于Logistic近似的交替優(yōu)化算法
    5.5 容器環(huán)境下的多維度資源配置
        5.5.1 優(yōu)化模型
        5.5.2 目標函數(shù)的凹性分析
        5.5.3 基于對數(shù)變換的求解算法
    5.6 仿真結果
        5.6.1 仿真設定
        5.6.2 VM模式仿真結果
        5.6.3 容器模式仿真結果
    5.7 本章小節(jié)
6 總結與展望
    6.1 本文總結
    6.2 研究展望
參考文獻
作者簡歷及博士在讀期間科研成果
學位論文數(shù)據(jù)集


【參考文獻】：
期刊論文
[1]云原生邊緣計算架構分析[J]. 張琦,賈玄,張森,殷薇,歐爭光,王烽.  電信科學. 2019(S2)
[2]An Efficient Scheduling Scheme for Fronthaul Load Reduction in Fog Radio Access Networks[J]. Sovit Bhandari,Hong Ping Zhao,Hoon Kim.  中國通信. 2019(11)
[3]5G URLLC標準、關鍵技術及網絡架構的研究[J]. 朱紅梅,林奕琳,劉潔.  移動通信. 2017(17)
[4]Fog Computing Dynamic Load Balancing Mechanism Based on Graph Repartitioning[J]. SONG Ningning,GONG Chao,AN Xingshuo,ZHAN Qiang.  中國通信. 2016(03)
[5]云計算及其關鍵技術[J]. 陳全,鄧倩妮.  計算機應用. 2009(09)



本文編號：3426839