[发明专利]一种面向移动边缘计算的微服务预部署方法及系统

说明书

为了解决移动边缘环境下存在的移动的用户的微服务请求无法被命中和结果无法被接收的问题，本发明提出了一种面向移动边缘计算的微服务预部署方法及系统。本方案利用用户的历史轨迹信息，通过深度学习的LSTM网络来预测出用户未来的轨迹，通过结合用户的未来轨迹信息和待请求的服务组合信息生成用户预部署请求序列，然后先通过简单的遍历生成基础的方案，再通过多个典型场景对基础方案进行优化，然后基于优化过的基础方案，通过采用遗传算法的思路，生成最终的最优预部署方案，最后利用最优预部署方案完成实际的微服务预部署工作。本方案将用户的移动性特征和微服务的组合特征有机结合在一起，显著提升了微服务预部署的效果，不仅提升了请求成功率和结果接收成功率，还降低了资源消耗。

技术领域

本发明涉及移动边缘计算这一新型网络架构，具体涉及一种面向移动边缘计算的微服务预部署方法及系统。

背景技术

随着移动设备和移动应用的飞速发展，移动边缘计算作为一种新型的范式被提了出来。由于边缘服务器和用户的距离比较近，可以显著降低用户的请求时延和提升用户的服务体验，然而，边缘服务器也存在资源不足和覆盖范围较小的问题和限制。

为了更好地为提供服务和节省计算资源，微服务作为一种灵活度高的架构得到了广泛应用。一个完整的应用可以分解成若干个阶段，每个阶段都可以由不同微服务来完成，通过组合不同的微服务来完成一个应用的所有阶段，这就构成了一个服务组合。比如语音导航应用就可以通过组合加载地图数据、语音识别、线路规划三个微服务来完成,。

移动性预测是一种人工智能领域的应用，具体来说，利用移动性预测，可以根据用户的历史的移动性信息或者轨迹信息预测出用户未来最有可能的行动轨迹。

在移动边缘计算环境下，考虑到用户是在不断移动的，用户会在不同地点请求服务组合中的不同的微服务，其过程如图1。如何保证用户可以在不同地点请求到其最需要的微服务是一个值得解决的问题，针对该问题，业界已经提出了许多方法，其中，对微服务进行预先部署是一个较为可行的方案。

现有的移动边缘环境下的微服务部署方案存在以下几点问题：

第一，现有的方案很多都是基于静态场景的微服务预部署。此类方案中没有考虑到用户是在不断移动的，而是假设用户是静止在某一个位置进行服务的请求，这样进行的微服务部署显然不够符合实际。

第二，现有的方案很多默认已知用户未来的移动路线。此类方案中默认用户在未来的行动路线是已知的，而没有利用人工智能领域的移动性预测方法进行对未来轨迹路线的预测。

第三，现有的方案很多都是针对简单的服务请求。此类方案中的没有考虑到用户的请求由若干个微服务组合完成，没有考虑到微服务组合存在的执行顺序限制和微服务之间的可替代性。

发明内容

针对以上问题，本文提出了一种面向移动边缘计算的微服务预部署方法，本方法基于服务组合、移动性预测和优化选择，可以解决移动边缘环境下多用户、移动场景下的微服务的预部署问题。本发明通过将服务组合、移动性预测和启发式优化算法有机结合在一起，显著提升了移动边缘计算环境下微服务预部署的效果，不仅可以提升微服务请求的成功率和结果接收的成功率，还可以显著降低微服务预部署产生的资源消耗。

一种面向移动边缘计算的微服务预部署方法，其特征在于，包含以下步骤：

步骤1，利用已知的用户应用请求信息，通过查询已知服务组合数据库，获取一个应用请求所对应的服务组合信息；

步骤2，利用用户的历史轨迹信息，通过深度学习网络LSTM来构建模型，预测出用户的未来轨迹信息；

步骤3，在步骤2的基础上，生成所有用户的键值对信息；再通过多次遍历用户的键值对信息，在两个场景下进行优化选择，生成基础的预部署方案，用户的键值表示为：(位置：微服务候选集)；