[发明专利]一种面向移动边缘计算的虚拟机部署方法

说明书

本发明涉及一种面向移动边缘计算的虚拟机部署方法，构建移动边缘计算环境，定义每一个边缘服务器的能源消耗模型、虚拟机集合VM和边缘服务器队列S，以引入二阶震荡因子的蝙蝠模型进行虚拟机部署，将m个虚拟机部署至n个边缘服务器，以虚拟机部署的历史数据训练改进的LSTM学习模型，基于学习模型进行虚拟机部署。本发明在Bat算法中引入二阶震荡，解决局部最优解的问题，并在搜索接近最优时使用订单转移机制，继续寻找最优解，最后使用该算法得到的历史部署数据训练改进的LSTM模型；本发明能充分利用边缘节点的历史数据，同时考虑到边缘端的资源有限和去中心化等问题，综合考虑能耗问题和时延问题，达到低能耗低时延的目标。

技术领域

本发明涉及的电数字数据处理技术领域，特别涉及一种面向移动边缘计算的虚拟机部署方法。

背景技术

随着在虚拟现实、自动驾驶和用户设备中智能应用的发展，对服务器高计算能力和低延迟的要求越来越高；由于云数据中心一般远离用户侧，不能及时处理计算密集型和数据密集型的应用，移动边缘计算应运而生，其通过向边缘服务器卸载计算任务，从而提高服务质量和降低延迟。

然而，当边缘服务器接收到大量存储任务将会造成巨大的能耗，同时处理大量的任务也会增加时间延迟，因此，合理分配边缘服务器上的存储或计算任务、达到节能和低延迟的目的是十分必要的。虚拟机是根据客户端的应用程序请求、所需的资源数量以及客户端指定的操作系统类型而创建的，通过虚拟化允许多个虚拟机在同一物理服务器上运行，因此可以基于适当的布局策略来集成虚拟机，进而达到节能和低延迟的目的。

在过去的几年里，虚拟机布局一直是云计算研究的热点，已有许多成熟的理论和研究成果，然而，关于边缘计算的虚拟机部署问题较少，或是关注的指标往往较单一。

根据虚拟机布局中的优化目标的不同，可以大致分为部署成本、能耗问题、响应时间、服务提供商最大盈利这四类，但是，现有的技术仍然存在一些弊端：

首先，以上的策略往往侧重于单一指标，没有综合考虑多方面因素；

其次，虽然边缘计算中的虚拟机部署类似于云计算，都可以被看作NP问题来求解，但是边缘环境与云环境的硬件差异较大，在虚拟机部署问题中需额外考虑节点分散、边缘端硬件基础薄弱和资源有限的问题；

最后，上述策略没有充分利用历史数据来进行虚拟机部署。

发明内容

为了克服现有技术中没有综合考虑多个指标、忽略了边缘计算环境的特殊性和没有充分利用历史数据等问题，本发明提出一种面向移动边缘计算的虚拟机部署方法，能够充分利用历史数据，并针对边缘环境中的资源薄弱和去中心化等特点提出相应的解决方法，达到能耗降低和时延降低的目标，进而被应用在移动边缘计算环境中。

本发明所采用的技术方案是，一种面向移动边缘计算的虚拟机部署方法，所述方法包括以下步骤：

步骤1：构建移动边缘计算环境；

步骤2：定义边缘计算环境中每一个边缘服务器的能源消耗模型P_s；

步骤3：定义虚拟机集合VM和边缘服务器队列S，VM＝{vm₁,vm₂,vm₃,...vm_m}，S＝{S₁,S₂,...S_n}，其中，m和n为大于0的整数；

步骤4：以引入二阶震荡因子的蝙蝠模型进行虚拟机部署，将m个虚拟机部署至n个边缘服务器；

步骤5：得到虚拟机部署的历史数据，训练改进的LSTM学习模型，基于学习模型进行虚拟机部署。