本发明涉及有移动边缘计算，具体而言涉及一种边缘计算中面向收益优化的可靠性增强服务部署方法。
背景技术：
1、与云服务器相比，边缘服务器仅具有有限的计算、存储和通信资源，使得资源的提供成本高昂。此外，每个边缘服务器可以覆盖一个较小的地理区域，具体取决于并置的无线基础设施。因此，需要多个服务实例为某个区域内地理分布的用户提供服务。此外，由于边缘服务器的覆盖范围有限、资源受限、地理位置分散等天然特征，潜在故障、资源不足或其他不确定情况极易导致服务中断或性能下降，直接影响用户的服务体验。这使得边缘服务的可靠性至关重要，不仅关系到用户体验，更涉及到应用服务提供商在竞争激烈的市场中的竞争力和长期可持续性。最后，受资源与预算的限制，边缘服务器通常只能部署有限数量的服务实例，这要求在考虑多种类型服务的部署对有限边缘资源的高度竞争以及用户异构的服务可靠性与时延要求情况下，建立可靠高收益的边缘服务部署方法，以降低边缘服务器故障对服务可用性的影响并优化服务部署收益。不幸的是，以前的研究主要集中在最大化用户覆盖范围、最小化服务延迟或优化用户感知的服务质量，但未能考虑服务可靠性。因此，服务供应商可能无法为其用户提供持续可靠的服务，从而降低服务质量并最终损害服务供应商的收益。
技术实现思路
1、本发明针对边缘计算环境中边缘服务器的随机故障可能导致服务失效，进而影响覆盖范围内用户的服务体验。考虑边缘服务器的资源异构有限性，用户异构的服务可靠性与时延需求，服务部署预算约束的场景，对不同类型服务部署决策进行优化，从而最大化其总体收益并降低潜在故障对服务可用性的影响。
2、为了实现以上目标，本发明采用以下技术方案：
3、步骤s1：考虑一个有多台边缘服务器，多种不同类型的服务部署场景，构建服务部署、边缘服务器的可访问性和服务可靠性收益量化表示模型。
4、步骤s2：针对服务部署预算的有限性、用户异构的服务时延与可靠性要求以及边缘服务器资源的异构有限性，统筹服务可靠性收益和部署成本，构建基于可靠性保障的服务部署收益最大化问题模型。
5、步骤s3：针对问题特性，将基于可靠性保障的服务部署收益最大化问题转化为一个集合函数优化问题，分析该问题实际上是一个非单调子模最大化问题，并基于多重背包约束下的非单调子模函数最大化问题对该问题进行规约。
6、步骤s4：采用近似优化算法进行求解，得到有理论性能保证的边缘服务部署方案。
7、进一步地，在步骤s1中，考虑一个移动计算系统，由一组n分布式边缘服务器组成。每个边缘服务器都具有异构资源。具体来说，其计算资源可用于按需执行服务。其存储资源可用于托管服务的实例。令为要部署在系统边缘服务器上的种服务。一般来说，每个服务都与部署预算bk相关联，指示部署其实例的最大成本。在边缘服务器上部署服务ak所需的计算资源和存储资源量分别由和表示。
8、给定请求申请的用户总数m，表示为假设每个用户仅请求一个由aj表示的服务实例。请注意，需要多个服务的用户实际上可以转换为多个用户。将用户uj可以容忍的最大服务延迟表示为并将uj的服务可靠性要求表示为
9、服务部署模型：
10、此时，将服务部署决策变量集表示为其中
11、
12、给定一个原始服务，通常会部署多个实例来为用户提供服务。因此，对于每个服务ak，其总体部署成本为其中cik是在si上部署ak的部署成本。请注意，部署ak实例所产生的总成本不应超过给定的部署预算bk，即
13、
14、将多个服务部署到同一边缘服务器上时，应满足以下资源限制。第一个是计算资源crs约束，第二个是存储资源srs约束
15、
16、服务可访问性模型：
17、将lij定义为用户uj在从边缘服务器si接收服务时感知到的延迟。让acxij表示用户uj是否可以访问边缘服务器si上的服务实例(accij＝1)或不可以(accij＝0)。给定用户uj的最大可接受延迟服务可访问性accij可以表示如下。
18、
19、服务可靠性收益量化表示模型：
20、给定部署策略用户uj在请求ak服务时感知的服务可靠性(记为relj)可以计算为：
21、
22、其中acc(uj)是用户uj可以访问的边缘服务器集，即ri表示边缘服务器si可用的概率，值1-dikri表示uj从边缘服务器si检索服务时失败的概率。基于此，衡量所有已部署实例不可用于的概率uj。因此，relj是uj感知到的服务可靠性，它受到rj∈[0,1]的影响。
23、令表示用户uj的服务可靠性要求。为了成功服务uj，relj的值应该不小于的值，即使用一组二元变量来指示可以成功服务哪些用户，其中xj＝1示用户uj的可靠性要求满足，即否则xj＝0(即因此，对于用户可以得到
24、
25、通过满足服务可靠性要求的用户数量(即服务的用户数量)来定义服务供应商的服务可靠性效益，其中表示请求服务ak的用户集合，即
26、进一步地，在步骤s2中，针对有限的服务部署预算，用户不同的要求和异构的边缘服务器资源，构建基于可靠性保障的边缘服务部署收益最大化问题模型。令表示在边缘服务器上部署服务ak所获得的部署收益，可以表示为
27、
28、其中term1表示服务可靠性收益，由满足服务可靠性要求的用户数量决定。term2表示由部署预算与所产生的成本(即节省的预算)之间的差值确定的部署收益。它是一个非负值。
29、加入term2是为了在满足用户服务可靠性要求的情况下避免部署过多的实例。这样，当(即xj＝1)时，继续部署更多实例并不会增加可靠性收益，只会增加部署成本。
30、参数γ>0是根据经验选择的系数，用于根据服务部署成本标准化所服务的用户数量。
31、一般来说，较小的γ意味着term2对整体收益的贡献较大，可以更好地控制成本，保证服务供应商的盈利能力。相反，较大的γ会优先考虑服务可靠性。请注意，是一个非负值。为任何决策变量dik＝0设置
32、此时，在考虑服务器资源约束，用户异构的服务可靠性与时延要求，以及服务部署预算约束情况下，基于可靠性保障的边缘服务部署收益最大化问题模型可以构建为
33、
34、进一步地，在步骤s3中，针对问题p1的特性，将其进行转化。
35、在问题p1中，xj和dik是二元变量，受制于{0,1}并且相互耦合，即dik的值影响xj的值。当xj＝1时，至少有一个dik(aj＝ak)的值为1，以保证满足用户uj的服务可靠性要求。事实上，不难发现，如果dik取值不合适，xj的值始终为0，即无法为用户提供满意的服务可靠性。进一步转化问题。注意，变量relj是连续的，其值在0到1之间，即relj∈[0,1]。将xj转换为relj不仅可以简化解题过程，而且可以使其更加准确。把问题解决好。反映改变决策变量dik的值时的服务可靠性增益。值得注意的是relj是单调递增的。因此，当relj的值增加到不小于时，映射到xj＝1，否则xj＝0。
36、然后，通过扩展等式中给出的relj表达式，重新表述服务可靠性收益(即λj)：
37、
38、很容易看出，由于relj∈[0,1]，的值可以是0或1。因此，λj∈{relj,1}，也是连续变量。在这种情况下，λj的值永远不会因为部署更多服务实例而增加。否则，λj＝relj≤1。
39、转换方程中的离散变量xj为连续形式λj。然后重构收益的表述如下：
40、
41、此时，问题被重构为：
42、
43、请注意，通过为每个决策变量赋值，使得所有约束都为满足后，就可以找到问题p2的可行解决方案。直观上，问题p2中的每个dik＝仅当满足至少一个用户的服务可靠性要求时才有效，即与问题(p1)中变量xj的定义一致。更具体地说，在问题(p1)中，如果xj＝1，则用户uj有因此λj＝1。在这种情况下，问题(p2)中至少有一个决策变量dik设置为1。因此，如果λj<1，则相当于设置xj＝0。因此，问题(p2)等价于问题(p1)。
44、问题(p2)可以重新表述为集合函数优化问题。令表示一组潜在边缘服务器-服务对，其中每对(si,ak)∈映射到部署决策变量dik。将问题p2的边缘服务器-服务部署对的集合表示为其中每对服从因此，表示为
45、对于可行集定义作为服务ak的一组边缘服务器-服务部署对，这样
46、给定类型的服务，有和对于任何ak≠ah。随后可以的出：
47、
48、令为请求应用ak的一组用户，并且可以访问ik中的至少一个实例，即然后，可以重写收益如下
49、
50、给定要部署在边缘服务器上的服务集将定义为边缘服务器-服务部署对集产生的总收益表达如下
51、
52、此时，问题p2构建为
53、
54、
55、进一步地，在步骤s4中，采用近似算法求解p3，得到有性能保证的服务部署方案。近似算法关键思想是，在部署预算和边缘服务器资源的限制下，它迭代从ω中的所有潜在对里选择一个最大边际效益的候选边缘服务器来决定一个新的服务部署。
56、令是边缘服务器-服务对候选集问题p2的部署对。定义表示向添加边缘服务器-服务对时产生的边际效益。计算如下：
57、
58、更新规则为：
59、
60、这样，任何满足λ′j＝1的候选部署对都会被选为最终部署对并包含在最终的解集中。
61、算法具体流程如下
62、步骤s4-1：从初始化开始，算法创建两个空集和分别保存候选服务部署方案和最终解决方案。另外初始化每个应用解决程序ak的潜在边缘服务器-服务对ωk和候选配置决策变量dik，dik设置为0并映射到ωk中的每对。
63、步骤s4-2:初始化一个空集用于存储每个服务具有最大边际收益的边缘服务器-服务对。
64、然后，它计算每个服务ak的所有有效对的边际值其中，有效(si,ak)对必须满足预算bk和边缘服务器si可用资源的约束。
65、步骤s4-3:接下来，对于每个ak，找出其具有最大边际值的部署对(si′,ak)并将该对添加到集合中。如果找不到有效的对，ak将从中删除。
66、步骤s4-4:接下来，算法从中选择边际值最大的对作为候选部署对，并将其添加到同时，候选对的部署决策变量更新为1。
67、步骤s4-5:之后，它更新服务所服务的用户的服务可靠性收益。给定一个候选解和一对对于中的每个用户uj，如果满足其可靠性要求，则用户的服务可靠性收益更新为1，即λ′j＝1。这确保部署更多实例不会继续增加其服务可靠性优势。
68、步骤s4-6:然后，的中的每一对都包含并且合并为集合存储进最终的部署方案
69、步骤s4-7:重复上述过程，直到没有要部署的服务为止。
70、步骤s4-8:最后，返回集合作为最终的服务部署方案。
1.一种边缘计算中面向收益优化的可靠性增强服务部署方法，其特征在于：所述方法包括如下步骤：
2.根据权利要求1所述的边缘计算中面向收益优化的可靠性增强服务部署方法，其特征在于：在步骤s1中，定义了服务部署模型：
3.根据权利要求1所述的边缘计算中面向收益优化的可靠性增强服务部署方法，其特征在于：在步骤s1中，定义了边缘服务器的可访问性模型：
4.根据权利要求1所述的边缘计算中面向收益优化的可靠性增强服务部署方法，其特征在于：在步骤s1中，定义了服务可靠性收益量化表示模型：
5.根据权利要求1所述的边缘计算中面向收益优化的可靠性增强服务部署方法，其特征在于：在步骤s2中，
6.根据权利要求1所述的边缘计算中面向收益优化的可靠性增强服务部署方法，其特征在于：在步骤s3中，
7.根据权利要求1所述的边缘计算中面向收益优化的可靠性增强服务部署方法，其特征在于：在步骤s4中，
8.根据权利要求7所述的边缘计算中面向收益优化的可靠性增强服务部署方法，其特征在于，所述步骤s4中算法具体流程如下：
