技术特征：
1.一种智能制造场景微服务资源再分配方法，其特征在于，所述方法包括如下步骤：s101：对服务器上部署的所述微服务建模，所述建模包括服务器n的计算资源在所述服务器n上部署j个所述微服务，所述微服务j请求的计算资源为u
j
，实际分配给所述微服务j的计算资源为f
j
；s103：确定约束条件：给所述微服务分配的所述计算资源满足约束f
j
≥u
j
，即分配给所述微服务的所述计算资源必须不小于其请求的所述计算资源；所有分配的所述计算资源满足约束即所有分配的所述计算资源不能超出所述服务器n拥有的总计算资源；s105：构建优化问题：设置评价函数e
j
＝u
j
/f
j
，所述评价函数用于评价所述微服务的计算时间占原本计算时间的比例，所述优化问题构建为：算时间占原本计算时间的比例，所述优化问题构建为：算时间占原本计算时间的比例，所述优化问题构建为：s107：求解所述优化问题，并根据求解结果对所述微服务进行资源再分配，其中，所述优化问题的拉格朗日函数为：其中，λ
i
和μ为拉格朗日乘子；所述优化问题的kkt条件为：所述优化问题的kkt条件为：所述优化问题的kkt条件为：所述优化问题的kkt条件为：μ≥0对所述kkt条件求解得到实际分配给所述微服务j的计算资源f
j
2.一种智能制造场景微服务部署方案，其特征在于，所述部署方案包括以下步骤：s201：场景建模与优化问题构建，其中，所述场景建模，包括对边缘计算系统中边缘服务器的资源，所述边缘服务器和云服务
器之间的通信带宽、部署到所述边缘服务器中所述微服务的数量和部署策略；所述优化问题构建，包括约束构建和目标函数构建，所述约束构建包括所述微服务部署到所述边缘服务器的约束条件，所述目标函数构建包括所有所述边缘服务器上的所述微服务下载时间之和、所有所述边缘服务器上的所有所述微服务之间的通讯开销之和；s203：根据效用函数将多目标优化问题转化为单目标优化问题，采用加性加权模型将问题转化为具有帕累托最优解的单目标问题，所述效用函数为：其中u
lmin
，u
1max
是优化目标u1的最小值和最大值，u
2min
，u
2max
是优化目标u2的最小值和最大值，θ为加权系数，且0≤θ≤1；s205：通过微服务部署算法求解所述单目标优化问题的近似最优解，得到基于权重排序的微服务部署策略；s207：应用如权利要求1所述的资源再分配方法，对所述基于权重排序的所述微服务部署策略分配的所述微服务的请求资源重新分配。3.如权利要求2所述的部署方案，其特征在于，所述场景建模包括：所述边缘服务器n上的计算和存储资源为和每台所述边缘服务器与云服务器之间的带宽为所述边缘服务器n与n
′
之间的跳数为d
nn
′
，第m个应用程序包含的所述微服务数量为a
m
，ms
mi
为所述应用程序m中第i个所述微服务，所述微服务请求的计算资源为c
mi
，两个所述微服务ms
mi
与ms
mj
之间的通讯数据量为所述微服务层共有l层，s
l
表示第l层的大小，e
mil
∈{0，1}表示ms
mi
是否包含第l层，所述微服务的部署策略为是否包含第l层，所述微服务的部署策略为表示所述微服务ms
mi
被部署所述边缘服务器n上，表示所述微服务层的下载情况，表示第l层被部署到所述边缘服务器n。4.如权利要求3所述的部署方案，其特征在于，所述约束构建包括部署唯一性约束、所述微服务部署变量和层部署变量之间的约束，其中，所述部署唯一性约束，即每个所述微服务只能部署在一台所述边缘服务器上，即满足以下约束：所述微服务部署变量和层部署变量之间的约束，即和满足以下约束：5.如权利要求4所述的部署方案，其特征在于，所述约束构建还包括计算资源约束和存储资源约束，其中，所述计算资源约束为所述服务器上部署的所有所述微服务的所述计算资源总需求小于所述服务器的计算能力，
所述存储资源约束为所述服务器上部署的所述微服务所有层的大小小于所述服务器的所述存储资源，6.如权利要求5所述的部署方案，其特征在于，所述目标函数构建包括下载延迟最小化构建和通讯开销最小化构建，其中，所述下载延迟最小化构建，即构建所有所述边缘服务器上的下载时间之和最小，所述下载延迟最小化构建，即构建所有所述边缘服务器上的下载时间之和最小，其中，t
n
为部署在所述边缘服务器n上的所有所述微服务层的下载时间，所述通讯开销最小化构建，即构建所有所述应用程序之间的通讯开销之和最小，所述通讯开销最小化构建，即构建所有所述应用程序之间的通讯开销之和最小，所述通讯开销最小化构建，即构建所有所述应用程序之间的通讯开销之和最小，其中，r
m
为任意一台工业设备m上所对应的应用程序的通讯开销，hop(m，i，j)为任意两个所述微服务ms
mi
与ms
mj
所部署的所述边缘服务器之间的跳数。7.如权利要求6所述的部署方案，其特征在于，所述目标函数构建还包括多目标优化构建，所述多目标优化构建为：p1：min u1，u
2222
其中，p1为构建的多目标优化。8.如权利要求7所述的部署方案，其特征在于，所述步骤s203中，根据所述效用函数将多目标优化问题转化的单目标优化问题为：p2：min f(x，z)f(x，z)f(x，z)f(x，z)f(x，z)其中，优化问题p2的最优解就是优化问题p1的弱帕累托最优解，当0≤θ≤1时所述优化问题p2的最优解是所述优化问题p1的帕累托最优解。9.如权利要求8所述的部署方案，其特征在于，所述s205步骤包括如下步骤：s1：根据所述效用函数对所述微服务间的通讯数据量和所述微服务层大小进行赋权，其中，为赋权后第l层所述微服务层的大小，s
min
和s
max
是所有所述微服务层大小的最小值和最大值，为赋权后两个所述微服务ms
mi
与ms
mj
之间的通讯数据量，w
min
和w
max
是所有所述微服务间通讯数据量的最小值和最大值；s2：根据赋权后的和对所述微服务组进行从大到小排序，排序后的微服务组列表为sort，所述微服务组包括第一微服务集合{ms
mi
|e
mil
＝1}和第二微服务集合{ms
mi
，ms
mj
}，所述第一微服务集合为含有层s
l
的所有微服务集合，所述第二微服务集合为对应的微服务集合；s3：获取所述微服务组列表sort中的所述微服务组group，检查group中所述微服务的部署情况，若所有所述微服务都已经被部署转s3，继续下一组所述微服务部署；若所有所述微服务都没有被部署转s4；若部分所述微服务被部署转s10；若所有所述微服务组都已被部署转s14；s4：若所述微服务组属于所述第一微服务集合，转s5，否则转s8；s5：将所有所述边缘服务器按照候选服务器产生方式2生成候选服务器列表，从表头开始服务部署，若部署成功，转s6，否则转s7；s6：若有拆分出的单个所述微服务列表，则将场景中所有所述边缘服务器按照候选服务器产生方式2生成所述候选服务器列表，从表头开始服务部署，转s3；s7：将所述微服务组拆分为单个微服务1和微服务组2，拆分原则为拆分后所占空间最
小，将所述单个微服务1存入单个微服务列表，对所述微服务组2，转s5；s8：对于所述微服务组，查找距离所述微服务组最近的已部署所述微服务所在的服所述务器n，对所述服务器n按照所述候选服务器产生方式1生成所述候选服务器列表，从表头开始服务部署，若部署成功，转s3，否则转s9；s9：将微服务组拆分为两个微服务3和微服务4；对微服务3，将s8中的所述服务器n按照所述候选服务器产生方式1生成所述候选服务器列表，从表头开始服务部署，得到其部署服务器n
′
；对所述微服务4，将所述服务器n
′
按照所述候选服务器产生方式1生成所述候选服务器列表，从表头开始服务部署，转s3；s10：若所述微服务组满足所述第一微服务集合，转s11，否则转s13；s11：对于所述微服务组，获取组内所有已被部署所述微服务所在的所述服务器列表n_list，将所述n_list按照所述候选服务器产生方式2生成所述候选服务器列表，从表头开始将所述微服务组内未部署的所述微服务进行服务部署，若部署成功转s3，否则转s12；s12：将所述微服务组中所有未部署的所述微服务构成新的所述微服务组，转s5；s13：对于所述微服务组，查找所述微服务组中已被部署的所述微服务所在的所述服务器n
′
，对于组内未部署的所述微服务，将所述服务器n
′
按照所述候选服务器产生方式1生成所述候选服务器列表，从表头开始服务部署，转s3；s14：部署完成，输出得到的所述微服务部署策略。10.如权利要求9所述的部署方案，其特征在于，所述候选服务器产生方式1，包括：给定所述服务器n，按照所述跳数hop从小到大查询所述服务器列表，每个查询到的所述服务器n
′
满足d
nn
′
＝hop，其中hop＝{0，...，最大跳数}，对于所述跳数相同下的多台所述服务器，按照所述服务器剩余存储空间从大到小进行排序，得到按照所述跳数和所述剩余存储空间进行排序的所述候选服务器列表；所述候选服务器产生方式2，包括：给定所述服务器列表n_list，对所述列表中的所有所述服务器按照进行降序排序，得到所述候选服务器列表。
技术总结
本发明公开了一种智能制造场景微服务部署方案和资源再分配方法，涉及工业物联网领域，包括如下步骤：场景建模与优化问题构建，包括边缘服务器的资源，通信带宽和部署的微服务数量的建模，目标函数构建包括所有边缘服务器上微服务下载时间之和、所有边缘服务器上的所有微服务之间的通讯开销之和；根据效用函数将多目标优化问题转化为单目标优化问题，采用加性加权模型将问题转化为具有帕累托最优解的单目标问题；通过微服务部署算法求解单目标优化问题的近似最优解，得到基于权重排序的微服务部署策略；对该微服务部署策略进行资源的重新分配。本发明充分利用边缘服务器的计算资源，得出的微服务部署策略可以直接应用。得出的微服务部署策略可以直接应用。得出的微服务部署策略可以直接应用。
技术研发人员：刘宇翔 杨博 吴雨 郑忠斌 陈彩莲 关新平
受保护的技术使用者：上海交通大学
技术研发日：2022.06.21
技术公布日：2022/9/27