区块链网络中基于边缘计算的资源分配和计算卸载研究

• 作 者: 董仲华
• 机 构: 北京邮电大学
• 出 处: 北京邮电大学
• 发表日期: 2021年01期
• 关键词: 边缘计算 区块链 资源分配 计算卸载

区块链的去中心化和安全性的特点可以解决目前移动设备和物联网中存在的许多问题,例如隐私保护和数据安全等。但是目前许多移动设备计算和存储能力不足,不能很好地支持区块链应用的运行,这一问题亟待解决。移动边缘计算（Mobile Edge Computing,MEC）的提出非常好的解决这个问题。移动边缘计算通过用户服务从云端下沉,可以创造出一个更低延时、更好性能、更大带宽的网络环境。MEC和区块链的结合,既可以解决移动应用对于数据安全的需求也解决了其存储和算力不足问题。因此,本文主要研究的是在区块链网络中基于边缘计算的资源分配和计算卸载。首先本文设计并实现了一个边缘计算区块链平台,之后在此平台之上实现了两个算法。本文的几个主要工作包括:一、边缘计算区块链平台的设计与实现:区块链网络引入MEC带来了许多的新问题,区块链的计算、存储、延时等特性使得区块链和MEC的结合有了新的挑战。本文设计和实现了一个区块链和边缘计算相结合的仿真平台。边缘计算区块链平台主要分为三个部分:后台部分、算法部分和前端部分。后台部分使用主流的后台开发框架SpringBoot进行开发,通过web3j技术整合了以太坊的功能,并使用了容器技术来进行应用的部署和边缘计算相关资源的分配控制。算法部分论文在边缘计算平台部署了边缘计算资源分配算法和区块链应用的计算卸载算法。论文使用前端框架Vue搭建了一整套前端页面来展示系统运行过程中的一些数据,以此来直观的展现整个的系统运行流程。最后论文搭建了整个系统的Grafana监控报警系统,能够进行分钟级别的监控报警,确保整个系统的稳定性。二、区块链网络中边缘计算资源分配策略研究:MEC服务器针对区块链应用如何更好的分配自己的计算存储资源是一个比较重要的问题。将数据传输到边缘侧,在MEC服务器进行相关的区块链的运算。这样就既能够保证区块链网络的运行,也能保证数据的安全性和去中心化特性。论文利用了经济学中拍卖算法的模型,将边缘计算服务器的资源作为拍卖品,而参与竞争的用户作为竞标者,提出了multi-item拍卖模型。用户首先通过自己的任务大小,计算能力等来获取自己的估价,算法通过这些估价来计算边缘计算服务器的收益。整个算法使用基于深度学习算法的框架来完成,论文构建了 4层神经网络来模拟整个竞拍流程,并通过改变参数获取最好的结果。神经网络的输入为用户的竞拍价格,神经网络的输出为2个方面,分为资源分配概率和用户应付的价格。分别输出某个用户获取某个资源的概率和应付的价格。经过算法的优化,整个系统的收益比不使用任何算法提升了 30%。相对于己存在的single-item算法,本文提出的算法收益也提升了近20%。三、区块链网络中计算卸载策略研究:区块链应用的任务如果卸载给MEC也会出现同传统的卸载方式不同的问题。首先,区块链的计算任务的周期性,对时延的高要求等等,都表明,传统的计算卸载方式不适合区块链应用。区块链任务的不同之处要求一个更加合适的计算卸载算法。根据区块链的资源消耗、挖矿收益等等。提出了基于Q学习的计算卸载算法,构建了行动集合状态集,并定义了收益模型。论文基于PID控制算法平衡用户的收益和支出,保证整个系统能够有效运转。最终论文采用了离线训练和线上训练两种训练模型来优化算法模型,算法能够方便的部署在边缘计算区块链平台。实验结果表明,在长期运行的情况下,论文的算法能够在保证系统的稳定性的基础上也能够保证长期利益的最大化。在将算法部署到边缘计算区块链平台运行之后,提升用户计算区块链任务成功概率达60%以上,相对于其他相似研究也高出20%。