一种面向空天地一体化网络的边缘计算资源融合管理方法

1.本发明属于网络通信技术领域，特别涉及一种面向空天地一体化网络的边缘计算资源融合管理方法。


背景技术：

2.近年来，信息和通信技术高速发展，移动网络取得了重大突破。在第五代移动通信技术(5th generation mobile networks，简称5g)商用即将满一年、商用范围逐步扩大的情况下，国际电信联盟(international telecommunicationunion，简称itu)于2020年2月启动了6g的研究。关于6g网络，国内外许多研究者提出了各自的愿景。这些愿景中，均提到了将地面无线网络与卫星网络、近地无人机网络全面融合，构建一个无线信号全覆盖，无线网络全连接的世界。作为6g网络中关键的基础设施，卫星及无人机既可以在地面网络不可达环境下，为用户提供网络服务；又能够在地面网络能力不足的情况下，辅助地面网络提供网络能力的扩展。卫星、无人机与用户的距离相对较为接近，随着卫星与无人机硬件能力的增强，传输技术的完善与发展，无卫星与无人机的应用越来越广泛。将卫星作为边缘节点，提供通信、缓存、计算服务；将无人机应用于边缘计算或者边缘缓存场景；均成为当前研究的热点。卫星与无人机两种天基基础设施的融合，也成为当前天基网络应用的重要发展方向。尽管如此，卫星及无人机有限的硬件能力，不稳定的运行环境，仍然将作为限制应用发展的主要瓶颈长期存在。


技术实现要素：

3.1空天地一体化计算资源管理架构
4.1.1空天地一体化边缘计算架构
5.空天地一体化信息网络通常以高轨卫星作为天基骨干网，以低轨卫星作为天基接入网或者天基用户。空天地一体化信息网络总体框架如图1所示：
6.6g网络为多种类型的移动终端提供全球无处不在的覆盖，其目标用户是物联网节点、车联网节点、个人通信终端等多种多样的移动设备。在6g网络场景下，卫星可作为网络的提供方为终端提供网络服务。随着终端类型的丰富，功能的完善，应用的多样化发展，卫星作为云服务器或边缘服务器，为终端提供计算、通信、存储等多种类型的服务。其中，高轨卫星中部署大型服务器等计算设备，可以为移动终端提供云服务，低轨卫星作为边缘节点，将自身的计算能力租赁给终端。空天地一体化边缘计算架构如图2所示。
7.由于卫星硬件资源受限，传输距离远，无线网络易受天气影响。因此，天基基础设施作为边缘计算节点，必然要为地面终端提供地基基础设施难于提供的网络服务。这些服务的场景大体上可以分为两种类型。
8.1)天基基础设施作为地面网络的辅助，面向地基网络不可达的区域或者地面网络能力不足的场景，提供通用的计算服务。
9.2)天基基础设施作为服务的直接提供者，围绕其独有的遥感或航拍图像，提供专
用的计算服务。
10.在以上两个典型场景中，地面终端均需要天基边缘计算资源的支撑。由于单个卫星计算能力有限，当需要多个边缘服务器的计算资源时，本文提供聚合和组合两种计算资源融合方式。
11.1.2空天地一体化边缘计算资源聚合
12.空天地一体化边缘计算资源的聚合方法主要面向通用的计算任务，适用于上节提到的第一种服务提供场景。参考面向对象里的聚合，提出空天地一体化计算资源的聚合概念。在计算资源聚合中，任意一个终端中的计算资源都可以独立存在，为用户设备提供通用的计算能力。其架构如图3所示。
13.空天地一体化边缘计算资源的聚合需要如下支撑：
14.1)硬件层面：各基础设施中应搭载一定的计算硬件，具备一定的计算能力；
15.2)平台层面：提供通用的操作系统平台，并支持虚拟机的创建及计算资源的分配；
16.3)软件层面：提供通用的虚拟机租赁服务，提供跨节点的虚拟机分配、管理等功能。
17.边缘计算资源的聚合方法本质上是虚拟机的调度及管理。用户可以根据自身计算资源的需求，向不同的边缘服务器租赁虚拟机。每一个虚拟机均提供通用计算任务，虚拟机之间无需进行协调及功能组合。用户只需保证总的虚拟机计算能力满足其应用需求即可。
18.将空天地一体化边缘计算资源的管理与地面边缘计算场景相对应，聚合方法相当于在平台即服务(platform as a service，简称paas)层面提供计算平台的租赁，与当前的公有云租赁场景类似。
19.1.3空天地一体化边缘计算资源组合
20.空天地一体化边缘计算资源的组合方法主要面向遥感图像、航拍图像的专用计算任务，适用于上节提到的第二种服务提供场景。参考面向对象里的组合，提出空天地一体化边缘计算资源的组合概念。在计算资源组合中，任意一个终端中的计算资源并非独立存在，而是相互协作，共同完成一个完整的任务。其架构如图4所示。
21.低轨卫星所拍摄的高分遥感图像是天基基础设施所特有的数据。用户希望使用这些数据，必然要消耗天基基础设施的计算、传输资源。如果直接将原始数据下发给终端，一方面将消耗大量的传输资源，另一方面终端对这些数据进行处理仍需要较多计算资源。因此，可以由天基基础设施根据用户的需求，将处理后数据量较小的结果下发给用户。
22.由于单个基础设施计算能力有限，而图像处理通常需要消耗较多的计算资源。若天基基础设施之间需要进行协作，需要预先将一个任务分解为若干个子任务，由各个边缘节点协作完成。遥感图像和航拍图像具有不可替代性，此时天基基础设施所提供的计算能力也具备不可替代性，卫星需按照预设的任务，执行各自的操作。
23.将空天地一体化边缘计算资源的管理与地面边缘计算场景相对应，组合方法相当于在软件即服务(software as a service，简称saas)层面向用户终端提供了面向遥感图像或航拍图像的应用。当应用涉及到多个边缘节点时，其协作方式与协作过程由软件预设，用户只需直接租赁云软件即可。
24.2边缘计算资源管理模型
25.2.1边缘计算资源管理场景
26.在空天地一体化应用场景中，天基基础设施由天基信息网络运营商负责管理。运营商提供基础设施的租赁业务，并考虑在用户可接受的开支范围内达到利润最大化。而用户则需要租赁天基基础设施，并在满足计算需求的前提下达到效益的最大化。
27.由于天基基础设施计算能力及传输链路易受外界环境影响，其服务质量呈现不稳定的现象。为了更有效地获知天基基础设施的服务质量，用户设备之间交互其服务满意度，能够有效获知天基基础设施的服务质量，从而为资源租赁决策提供建议性评价。其场景如图5所示。
28.边缘计算资源管理的本质是服务提供方与服务的使用者之间的博弈过程，双方都通过一定策略谋求利益的最大化。本节对边缘计算过程中所涉及到的通信及计算的开销进行建模，从而得到博弈的总体模型，进而提出求解效益最大化的方法。
29.2.2计算开销建模
30.本节首先对计算资源的开销进行建模。考虑空间中随机分布的多个边缘节点与多个用户终端的场景。ue＝{1,2,
…
,m}表示用户设备集合，用户设备总数量为m个。使用en＝{1,2,
…
,n}表示边缘节点集合，边缘节点总数量为n 个。假设在这些边缘节点中存在跨节点的专用计算服务，提供专用计算服务的边缘节点集合记做eg＝{eg1,eg2,
…
,eg
l
}，其中共有l个专用服务。对于第 l个服务，共同提供专用服务的节点集合记做假设边缘节点之间能够通过无线链路彼此通信。对于通用计算服务，每个用户设备中的任务可以卸载到边缘节点，且设备只能同时与一个边缘节点通信。对于需要多个节点协作的专用计算服务，由一个代理直接与用户设备通信。代理节点协调并控制节点集合内部的计算及传输过程。根据空天地一体化边缘计算资源的两种服务提供形式，针对用户设备m，给出两种类型的边缘计算任务：通用计算任务及专用计算任务。两种类型的任务定义如下：
31.1)通用计算任务，记做其中q
m
代表传输到边缘节点的任务量，代表任务j
m
计算最大的时延容忍。根据不同的需求组合，任务可以分为时延敏感或者能耗敏感的任务，这些任务可以租赁任意边缘节点的计算资源来完成。
32.2)专用计算任务，专用计算任务可以看做面向专用服务节点集合的计算任务。其数学表示为：其中sq
m
代表租赁专用服务的任务量，代表任务sj
m
计算最大的时延容忍。
33.本节对通用计算任务的计算进行建模，专用计算任务可以通过节点的归并与映射转化为通用计算任务模型。本节的计算模型主要考虑两种影响因素：时延和能耗。
34.1)时延。基于以上的任务模型，任务j
m
从用户设备m卸载到边缘节点n传输时延表示为公式其中r
mn
表示数据传输速率。边缘节点n中计算任务的时延公式为c
n
代表边缘节点的计算能力。边缘节点中任务的最大排队时延其中f{x
m
＝0}等待系数函数，代表用户设备m将任务j
m
卸载到边缘节点所需等待系数。一次卸载任务的全部时延公式为
35.2)能耗。任务j
m
在边缘节点n的计算能耗公式为其中η
n
代表边缘节点n的每个cpu周期能耗系数。从用户设备m卸载到边缘节点n的传输能耗公式其中ρ
mn
表示边缘节点n和用户设备m之间的传输功率。
36.2.3资源分配模型
37.空天地一体化边缘计算场景中，不同类型的天基基础设施可能属于不同运营商。这些基础设施相互竞争，提供灵活的接入，满足用户设备的计算需求。用户设备可以根据其需求任意选择不同的天基基础设施来获得满意的计算服务。用户设备之间同样存在竞争关系，这些设备倾向于以更低的价格获得更高的边缘计算服务质量。为了吸引更多的客户，每个天基基础设施需要设置适当的价格最大化他们的利润。天基基础设施与用户设备之间的交互过程是一个典型的斯坦科尔伯格博弈过程。其中，天基基础设施作为领导者，用户设备作为追随者，共同参与博弈。
38.在实际场景中，围绕本发明所提出的两种计算资源融合方式，本发明的边缘计算服务租赁又可以分为两种场景：
39.1)单一服务租赁场景。此场景以提出的空天地一体化边缘计算资源聚合方法为基础，所有天基边缘节点均提供通用计算任务的租赁。所有节点具有相同的逻辑结构，提供相同的计算服务。
40.2)混合服务租赁场景。此场景面向空天地一体化边缘计算资源融合方法。此时，天基边缘节点既可提供通用计算任务的租赁，又可提供专用计算任务的租赁。其中，提供专用计算任务的节点集合由服务代理统一提供租赁业务，多个节点的计算及交互过程由服务本身提前预设。用户租赁服务后，所有节点的任务固定，不可由用户自由更改。此时，提供专用服务的节点集合可以认为是一个节点，整个场景可以将所有边缘节点集合分为两组，一组提供通用计算服务，一组提供专用计算服务，两组之间的决策互不影响。
41.以上两种场景中，天基基础设施和用户设备之间的交互均可以被建模为两阶段的斯坦克伯格博弈框架。在第一阶段，每个服务提供商(即天基基础设施)设置计算资源的最佳价格。在第二阶段，用户(即用户设备)根据边缘节点的价格确定所需的最佳计算资源量。
42.斯坦科尔伯格博弈模型由服务提供者、消费者、效用函数和行动策略四部分组成，具体表示为：其中，en,ue分别表示服务的提供者及消费者，g,f分别表示提供者及消费者的效用函数，分别表示服务提供者的定价策略和服务消费者的资源租赁策略。在空天地一体化边缘计算场景中，天基边缘节点en是服务的提供者，它宣布将计算资源出售给用户设备的价格用户设备ue称作消费者，它们为边缘计算资源付费并从边缘节点接收计算服务q。假设用户设备的计算需求集合为 q＝{q1,q2,
…
,q
m
}，其中q
j
,q
m
为用户设备j,m的计算需求，边缘节点的计算资源定价集合为其中p
n
为边缘节点n的计算资源定价。
43.本节模型中的服务提供者和消费者的效用函数如下：
44.1)用户设备的效用函数。本节考虑了用户终端之间的交互信息。对于用户设备，边缘节点的评价通过对数函数的满意度来建模。除了考虑用户设备对每个边缘节点的满意度
外，用户设备还参考其他设备对每个边缘节点的满意度。在这种情况下，可以由不同的用户设备对每个边缘节点进行适当的评估。问题模型包括自身满意度、其他设备评价和在边缘节点计算的成本。对用户设备m，其效用函数f
m
(p
n
,q
m
,q
‑
m
)建模为公式(1)。
[0045][0046]
其中q
‑
m
表示除了用户设备m之外的用户传输到边缘节点的任务量， u
j
,u
m
表示用户j,m的满意度，其计算采用对数函数，其计算见公式(2)。
[0047]
u
m
＝aln(1+q
m
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0048]
a表示用户设备的满意度系数，取值设置为10。
[0049]
公式(1)中，表示从其他用户设备获取的服务满意度信息，。由于天基基础设施计算及传输环境不稳定，易于受外部影响，因此用户设备更倾向于考虑其他设备的服务情况，从而制定自身的资源租赁策略。矩阵表示用户设备m1从用户设备m2获得的影响系数,由之前的交互信息统计计算得出，取值范围在[0,1]之间。的值越高表示两个用户设备的环境接近程度越近。本节考虑用户设备m和用户设备j彼此之间的影响是一样的，即
[0050]
d
m
表示用户设备m的支付开销，公式表示为d
m
＝p
n
×
q
m
。是用户设备m的传输能耗，ζ是能耗的系数因子，用于确定传输能耗的适当权重，取值为1。
[0051]
2)边缘节点的效用函数g
n
。对于边缘节点n，其效用函数等于利润减去自身的开销，公式表示为式(3)。
[0052][0053]
其中是边缘节点n的计算能耗，ξ是能耗的系数因子，用于确定计算能耗的适当权重，取值为1。
[0054]
3边缘计算资源管理策略
[0055]
3.1基于斯坦科尔伯格博弈的纳什均衡分析
[0056]
在天基信息网络边缘计算场景下，当用户设备仅需通用计算服务时，每一个边缘节点独立地宣布其价格，而不需要与其他边缘节点的合作。节点的定价通过分布式的方式做出决策。边缘节点n的定价不仅要依赖用户设备的反馈，还要依赖其他边缘节点的动作。问题模型公式可以建模为公式(4)。
[0057][0058]
其中表示除边缘节点n以外的整个边缘节点的最优价格,g
n
为边缘节点的效用函数。表示计算需求集合。
[0059]
基于以上边缘节点的最优价格针对用户设备m，建立效用公式(5)。
[0060]
[0061]
基于上述模型公式，所有的边缘节点和用户设备都希望能够最大限度地利用它们的效用函数值。接下来，本节将分析边缘节点和用户设备之间具有完整信息的斯坦科尔伯格博弈。
[0062]
定义1.假设是边缘节点n的最优单价，是用户设备m传输到边缘节点的最优任务量，为除用户设备m以外的用户设备的最优传输需求，那么是最优的纳什均衡点满足以下条件：
[0063][0064]
定理1.考虑具有固定数量用户设备的动态计算需求。对于某个用户设备，其效用函数满足公式(2)，那么该用户设备存在一个且唯一的纳什均衡点。
[0065]
证明.对任意用户设备m，其效用函数是f
m
(p
n
,q
m
,q
‑
m
)，具体函数如公式(7)所示。
[0066][0067]
求公式(7)的一阶导数，得到公式(8)。
[0068][0069]
求公式(7)的二阶导数，得到公式(9)。
[0070][0071]
由于a>0且(1+q
m
)2>0，因此效用函数的二阶导数为负。由此可知用户设备的效用函数是严格的凸函数，证明了纳什均衡的存在性。定理1证明完毕。
[0072]
令用户设备效用函数的一阶导数，即公式(8)数值等于零，求解可以得到计算资源最优需求。
[0073][0074]
定理2.考虑固定数量的用户设备具有动态价格。对于每个边缘节点，其效用函数满足公式(3)，那么该边缘节点存在唯一的纳什均衡点。
[0075]
证明.根据公式(3)，边缘节点n的效用函数如公式(10)所示。
[0076][0077]
求公式(10)的一阶导数，得到公式(11)。
[0078][0079]
求公式(10)的二阶导数，得到公式(12)。
[0080][0081]
由于公式(12)中所有参数均大于0，因此效用函数的二阶导数是小于0。换言之，边缘节点的效用函数是严格的凸函数，纳什均衡点存在。定理2证明完毕。
[0082]
基于定理1和定理2，纳什均衡点分别存在于边缘节点的定价阶段和用户终端的计算资源租赁策略阶段。可以得出斯坦科尔伯格纳什均衡点存在且唯一的结论。
[0083]
3.2单一服务租赁场景下的资源优化方法
[0084]
对于单一服务租赁场景，其过程是一个典型的斯坦科尔伯格博弈。在空天地一体化信息网络场景下，假设计算资源租赁应用中存在一个中心代理。博弈模型中的每个参与者都将自己的信息传递给中心代理，同时每个参与者也可以从中心代理获取其他参与者的信息，那么每个参与者均可求出最优的策略。
[0085]
根据上节中定理1的证明过程可知，用户设备的效用值存在最优解。因此，当服务的提供者，即边缘节点给定了定价方案后，服务的使用者，即用户设备通过公式(10)，计算得到用户设备的最优计算需求。
[0086]
求解最优定价方案过程为：令边缘节点效用函数的一阶导数，即公式(12) 数值等于零，得到如下方程。
[0087][0088]
由于选择边缘节点n进行任务卸载的用户设备，r
mn
,ρ
mn
数值未必相同，此方程难于直接求解，因此可以通过动态迭代的方式使定价逐步趋近最优。为此，本节提出一种混合动态迭代算法。该动态迭代算法易于实现，具有良好的收敛性能。算法1给出了分组动态迭代算法的伪代码。在本算法中，计算需求通过公式(10)直接计算得到，下一代价格p
n
(t+1)则根据导数方向计算，使斯坦科尔伯格博弈模型逐渐逼近纳什均衡。该算法的计算复杂度为 o(t
max
mn)，其中t
max
分别是边缘节点的最大迭代次数。此外，系数α是边缘节点的单次搜索步长。
[0089]
算法1.混合动态迭代算法求解纳什均衡.
[0090]
输入：边缘节点集合en＝{1,2,
…
,n}，用户设备集合ue＝{1,2,
…
,m}；
[0091]
输出：最优价格最优计算需求
[0092]
初始化：
[0093]
边缘节点价格p
n
,(n∈en)；
[0094]
用户设备需求q
mn
,(m∈ue,n∈en)；
[0095]
从第一次迭代t到最大迭代次数t
max
，t每次加1，计算：
[0096]
从i＝1到i＝m(i每次加1)根据公式(10)得到计算资源最优需求q
in
(t)；
[0097]
从i＝1到i＝n(i每次加1)计算最优价格格
[0098]
其中α为边缘节点的单次搜索步长，m为用户设备总数量，a为用户满意度，r
mi
为边缘节点到用户设备m的数据传输速率，ζ为传输能耗系数因子，c
i
为边缘节点的计算能力，ξ为计算能耗系数因子，ρ
mi
表示边缘节点和用户设备m 之间的传输功率，η
i
代表边缘节点的每个cpu周期能耗系数。
[0099]
3.3混合服务租赁场景下的资源优化方法
[0100]
在混合服务租赁场景下，对于其中的专用计算服务而言，虽然其中若干节点同时提供服务，然而可以通过节点的归并，使之成为一个虚拟节点，之后建立斯坦科尔伯格博弈模型。具体如下：首先将边缘节点分为两组。 en＝{gen,sen}。其中gen,sen分别表示通用计算服务和专用计算服务中的边缘节点集合。令每一组提供专用服务的节点集合合并，每个节点集合成为一个虚拟边缘节点：边缘节点集合可映射为：的斯坦科尔伯格博弈模型。其中，n1为提供通用计算服务的边缘节点个数，l为提供专用计算服务的虚拟节点数量。混合服务租赁仍可建模为一个斯坦科尔伯格博弈模型。
[0101]
与算法1类似，本小节提出了一种分组动态迭代算法来求解纳什均衡，并在算法2中给出伪码。该算法的计算复杂度为o(t
max
m(n1+l))。
[0102]
算法2.基于分组动态迭代算法求解纳什均衡.
[0103]
输入：边缘节点集合en＝{1,2,
…
,n}，用户设备集合ue＝{1,2,
…
,m}；
[0104]
输出：最优价格最优计算需求
[0105]
初始化：
[0106]
边缘节点分组，en＝{gen,gen}；
[0107]
sen虚拟节点映射，
[0108][0109]
边缘节点价格p
n
,(n∈en
′
)；
[0110]
用户设备需求q
mn
,(m∈ue,n∈en
′
)；
[0111]
从第一次迭代t到最大迭代次数t
max
，t每次加1，计算：
[0112]
从i＝1到i＝m(i每次加1)根据公式(10)得到计算资源最优需求q
in
(t)；
[0113]
从i＝1到i＝n1(i每次加1)计算
[0114][0115]
从i＝1到i＝l(i每次加1)计算算
[0116]
其中α为边缘节点的单次搜索步长，m为用户设备总数量，a为用户满意度，r
mi
为边缘节点到用户设备m的数据传输速率，ζ为传输能耗系数因子，c
i
为边缘节点的计算能力，ξ为计算能耗系数因子，ρ
mi
表示边缘节点和用户设备m 之间的传输功率，η
i
代表边缘节点的每个cpu周期能耗系数。
附图说明
[0117]
图1空天地一体化信息网络总体架构图
[0118]
图2空天地一体化边缘计算架构
[0119]
图3空天地一体化边缘计算资源聚合示意图
[0120]
图4空天地一体化边缘计算资源组合示意图
[0121]
图5空天地一体化边缘计算资源管理场景
具体实施方式
[0122]
本发明提出的空天地一体化网络的边缘计算资源融合管理方法应用过程如下：
[0123]
step 1：地面端用户向高轨卫星发送网络请求
[0124]
step 2:高轨卫星根据用户实际任务需求确定服务类型，即提供单一服务租赁或混合服务租赁；
[0125]
step 3:执行算法，高轨卫星将资源分配结果发送至执行任务的低轨卫星星座；
[0126]
step 4:低轨卫星根据资源分配量和具体任务需求执行任务并将结果返回地面用户。