[发明专利]基于增量式最小费用最大流的虚拟服务迁移方法及系统

说明书

本发明涉及信息技术领域，公开一种基于增量式最小费用最大流的虚拟服务迁移方法及系统，该方法包括：根据边缘服务器的地理位置以及连接关系，构建网络拓扑图；计算每一对边缘服务器间的最短路径距离，并生成最短路径距离矩阵；结合每个服务的访问信息，建立最小费用最大流模型，所述模型包括服务结点和边缘服务器结点；对模型进行求解得到最小费用最大流，对服务结点进行迁移和放置；更新每个服务的访问信息，采用增量式最小费用最大流算法，更新服务结点的位置；进行实时的监控和统计，在访问信息的变化率超过设定阈值时，调整其对应的服务结点和边缘服务器结点。本发明能够在很短时间内求解出最优的服务放置与迁移方案，简单、可靠也易于实现。

技术领域

本发明涉及信息技术领域，更具体的说，特别涉及一种基于增量式最小费用最大流的虚拟服务迁移方法及系统。

背景技术

近年来，移动边缘计算(MEC)成为潮流，其是一种将服务器部署在更靠近用户周围的路由器、网关以及基站等结点上，并以云计算技术为核心的云计算平台。对于一些延迟敏感的应用，如面部识别、实时游戏、视频直播等在线服务的应用，传统的云计算中心并不能很好的满足这些应用程序的时延要求。但是有了MEC，云中心将部分计算资源推送至了网络边缘，使一些服务更加靠近用户。这不仅能缓解云计算中心的负载压力，同时能在一定程度上降低服务延迟，降低网络流量，从而更好地满足延迟敏感应用的需求。虽然MEC的优势很明显,但考虑到用户的移动性、对服务访问的时间差异性以及单个边缘服务器的有限覆盖范围，如果将服务固定在一个边缘服务器上，其往往会引起服务延迟的增加。因此，如果不考虑这些因素，所提供的服务可能会显著增加访问延迟，更加糟糕的可能是，会产生大量的网络流量，造成网络拥塞，从而导致服务质量的严重下降，甚至是服务中断。

目前，动态规划算法和机器学习方法经常被用来解决这个问题。有学者基于强化学习算法，提出了一种用于虚拟机执行的自适应配置算法，以解决数据中心的工作负载问题。也有学者提出了一种服务迁移机制，能将计算服务迁移至可用的服务器上进行自适应网格计算。还有学者针对迁移问题定义了代价模型，提出了一个具备感知能力、更加灵活、具有很强适应能力的迁移框架，但其针对的是单个服务。

现有工作在迁移策略上已经取得了不错的效果，但随着人们需求的日益增长，网络规模也随之增长，访问模式也更为复杂，之前的策略难以在大规模的网络拓扑结构下做出最优决策。同时，之前的方法或是针对单服务的迁移，或是缺乏一定的动态性，亦或是求解时间过长。

发明内容

本发明的目的在于针对现有技术存在的技术问题，提供一种基于增量式最小费用最大流的虚拟服务迁移方法及系统，能够在很短时间内求解出最优的服务放置与迁移方案，简单、可靠也易于实现。

为了解决以上提出的问题，本发明采用的技术方案为：

本发明提供一种基于增量式最小费用最大流的虚拟服务迁移方法，该方法包括：

根据边缘服务器的地理位置以及连接关系，构建网络拓扑图；

计算每一对边缘服务器间的最短路径距离，并生成最短路径距离矩阵；

根据所述距离矩阵并结合每个服务的访问信息，建立最小费用最大流模型，所述模型包括服务结点和边缘服务器结点；

对模型进行求解得到最小费用最大流，对服务结点进行迁移并将其放置在对应的边缘服务器结点上；

更新每个服务的访问信息，采用增量式最小费用最大流算法，更新服务结点的位置；

对每个服务的访问信息进行实时的监控和统计，在访问信息的变化率超过设定阈值时，调整其对应的服务结点和边缘服务器结点。

进一步的，所述最小费用最大流模型具体为：