论文部分内容阅读
近些年来，随着移动设备的普及和移动通讯技术的大力发展，服务的使用场景发生了巨大的变化，越来越多的服务开始以移动设备为载体。这时，移动网络质量的不稳定性、移动用户位置的变动性、以及移动设备资源的局限性等因素都给服务的高效运行带来了挑战。基于此，研究者提出了“移动服务计算”这一概念，并在服务计算研究的基础上结合对移动场景所造成的影响的分析提出了各种补充方案，从一定程度上缓解了传统服务计算技术的缺陷。
然而变化的并非只有使用场景，随着人们对“现实世界信息化”的需求的逐渐强烈，服务的复杂性也急剧增长。在该背景下，传统的设备端-云端的计算模式的限制性日益凸显:设备增长速度与计算能力增长速度不匹配使得原有计算模式的计算能力不足以应对巨量设备的管理任务，大量的网络传输开销使得设备端-云端计算模式中服务的延迟居高不下等等。为了解决这些问题，学界与工业界提出了一种新的计算模式一移动边缘计算。通过利用部署在靠近网络边缘的、具有足够通信资源、存储资源以及计算资源的边缘设备，移动场景中的用户可以通过调用部署在这些边缘设备上的服务与数据就近完成指定的任务，从而进一步优化服务的使用体验。因此，在移动边缘计算场景中如何有效利用资源进行恰当地服务部署成为了亟待解决的重要问题。
在本文中，主要探讨了在移动边缘计算场景中如何进行服务部署优化这一基本问题，其研究内容和主要贡献如下:
1.本文研究了如何利用移动边缘计算上下文进行服务部署优化。利用移动边缘计算中的用户、设备、服务的移动边缘计算上下文的可感知性，分别提出了两种预测用户使用服务的方法，通过收集用户使用服务时对应的时间-空间上下文，以及对用户行为模式进行深度挖掘。这些方法能较为准确的预测在给定时段所涉及服务的使用频率，进而根据该频率以及边缘服务器上的服务部署资源约束生成服务部署方案。实验表明，这些方法产生的服务部署方案能够有效利用边缘服务器的资源对用户的服务请求进行优化执行。
2.本文研究了如何利用移动边缘计算中的云边端协同机制进行服务部署优化。利用移动边缘计算中云边端协同的机制，服务可以同时使用云服务器-边缘服务器-设备端构成的复杂计算网络节点中的任意具备计算资源与存储资源，进而在完成相应的功能性需求的前提下对非功能性目标进行优化。在本研究内容中，通过对移动用户、边缘计算网络以及服务的执行进行建模，从服务提供者的角度分别提出了以服务供应性价比目标与服务供应可信度目标为代表的、基于非功能性需求的服务部署策略。实验表明，这些方法产生的服务部署方案能够有效利用边缘计算网络中的各种资源对非功能性目标进行优化。
3.本文研究了如何在移动边缘计算中利用服务的组合特性进行服务部署优化。利用移动边缘计算中资源的分散性，用户的区域性以及服务的低耦合性，由服务通过组合形成的复杂服务可以通过将组成它的成员服务通过特定的规则恰当地部署在合适的设备上，进而实现不同的服务部署目标。在本研究中，着重对服务的组合方式进行建模并对涉及组合的部署问题进行重新表示，以简单的链式组合关系和复杂的多分支组合关系展示了服务的组合特性是如何影响服务部署的。实验表明，这些方法产生的服务部署方案能够有效利用资源的分散性，用户的区域性以及服务的低耦合性在保证运行效率的同事完成复杂的任务。
4.本文设计并实现了移动边缘计算仿真工具。以CloudSim仿真工具为基础，本文设计并实现了一个名为MobileEdgeSim的、提供对服务部署相关场景的进行模拟的仿真工具。通过提供不同的服务部署方案，该工具可以计算出所部属的简单或者复杂服务的延迟、能耗、以及开支等。同时通过提供部署算法的相关接口，用户只需实现接口即可使用待检测的部署算法。
然而变化的并非只有使用场景，随着人们对“现实世界信息化”的需求的逐渐强烈，服务的复杂性也急剧增长。在该背景下，传统的设备端-云端的计算模式的限制性日益凸显:设备增长速度与计算能力增长速度不匹配使得原有计算模式的计算能力不足以应对巨量设备的管理任务，大量的网络传输开销使得设备端-云端计算模式中服务的延迟居高不下等等。为了解决这些问题，学界与工业界提出了一种新的计算模式一移动边缘计算。通过利用部署在靠近网络边缘的、具有足够通信资源、存储资源以及计算资源的边缘设备，移动场景中的用户可以通过调用部署在这些边缘设备上的服务与数据就近完成指定的任务，从而进一步优化服务的使用体验。因此，在移动边缘计算场景中如何有效利用资源进行恰当地服务部署成为了亟待解决的重要问题。
在本文中，主要探讨了在移动边缘计算场景中如何进行服务部署优化这一基本问题，其研究内容和主要贡献如下:
1.本文研究了如何利用移动边缘计算上下文进行服务部署优化。利用移动边缘计算中的用户、设备、服务的移动边缘计算上下文的可感知性，分别提出了两种预测用户使用服务的方法，通过收集用户使用服务时对应的时间-空间上下文，以及对用户行为模式进行深度挖掘。这些方法能较为准确的预测在给定时段所涉及服务的使用频率，进而根据该频率以及边缘服务器上的服务部署资源约束生成服务部署方案。实验表明，这些方法产生的服务部署方案能够有效利用边缘服务器的资源对用户的服务请求进行优化执行。
2.本文研究了如何利用移动边缘计算中的云边端协同机制进行服务部署优化。利用移动边缘计算中云边端协同的机制，服务可以同时使用云服务器-边缘服务器-设备端构成的复杂计算网络节点中的任意具备计算资源与存储资源，进而在完成相应的功能性需求的前提下对非功能性目标进行优化。在本研究内容中，通过对移动用户、边缘计算网络以及服务的执行进行建模，从服务提供者的角度分别提出了以服务供应性价比目标与服务供应可信度目标为代表的、基于非功能性需求的服务部署策略。实验表明，这些方法产生的服务部署方案能够有效利用边缘计算网络中的各种资源对非功能性目标进行优化。
3.本文研究了如何在移动边缘计算中利用服务的组合特性进行服务部署优化。利用移动边缘计算中资源的分散性，用户的区域性以及服务的低耦合性，由服务通过组合形成的复杂服务可以通过将组成它的成员服务通过特定的规则恰当地部署在合适的设备上，进而实现不同的服务部署目标。在本研究中，着重对服务的组合方式进行建模并对涉及组合的部署问题进行重新表示，以简单的链式组合关系和复杂的多分支组合关系展示了服务的组合特性是如何影响服务部署的。实验表明，这些方法产生的服务部署方案能够有效利用资源的分散性，用户的区域性以及服务的低耦合性在保证运行效率的同事完成复杂的任务。
4.本文设计并实现了移动边缘计算仿真工具。以CloudSim仿真工具为基础，本文设计并实现了一个名为MobileEdgeSim的、提供对服务部署相关场景的进行模拟的仿真工具。通过提供不同的服务部署方案，该工具可以计算出所部属的简单或者复杂服务的延迟、能耗、以及开支等。同时通过提供部署算法的相关接口，用户只需实现接口即可使用待检测的部署算法。