[发明专利]服务于众智计算环境的服务链部署方法及系统

说明书

本发明公开了服务于众智计算环境的服务链部署方法及系统，本发明包括：基于网络拓扑进行路由器模型的构建，明确服务链的服务流程；根据拓扑确定与用户相连的AP节点的部署，并且确定AP节点复用的情况下复用用户个数对传输时延的函数；将模型以及路由器的传输时延以及部署开销的参数传入模型，根据深度强化学习的方法，从一个路由节点开始，对整体网络进行优化，迭代到时延整体达到最低；根据最低策略生成的部署方案进行服务链的部署。本发明能够显著提高物联网边缘计算的资源利用率，同时不牺牲物联网任务的计算效率。本发明有效地适应了物联网的地理和无线多样性，提高了大规模边缘物联网网络的资源利用率。

技术领域

本发明涉及无线通信技术领域，具体的，涉及服务于众智计算环境的服务链部署方法及系统。

背景技术

边缘计算作为一项重要的技术，它通过提供远程边缘网络的额外处理能力来增强物联网的能力，在远程边缘网络中，物联网任务被卸载到边缘服务器以实现高效计算。为了便于管理和提高边缘服务器的资源利用率，网络功能虚拟化(NFV)经常被用来快速部署为物联网服务的各种网络功能链。

当一个新的物联网设备到达网络时，传统的技术首先考虑重用现有的网络功能，如果失败，则建立一个新的SFC(Service Function Chain，服务链)来提供附近的服务，而重新建立新的SFC就需要重新进行布线等，造成极大的资源浪费；同时考虑到物联网通信资源有限，NFC部署在物联网设备附近，目标物联网设备的地理分布对边缘网络的资源利用率有着重要影响。

发明内容

本发明提出了一种服务于众智计算环境的服务链部署方法，该方法通过考虑物联网设备的地理分布、接入点节点选择和现有服务交换，得出增加工作负载所需的最小资源，产生一个最优的网络节点部署方案。本发明显著提高物联网边缘计算的资源利用率，同时不牺牲物联网任务的计算效率。

本发明通过下述技术方案实现：

服务于众智计算环境的服务链部署方法，该方法包括以下步骤：

步骤1，基于网络拓扑进行路由器模型的构建，明确服务链的服务流程；

步骤2，根据步骤1的网络拓扑确定与用户相连的AP节点的部署，并确定AP节点在复用情况下复用用户个数对传输时延的函数；

步骤3，将模型的参数、路由器的传输时延参数以及部署开销的参数传入路由器模型，采用深度强化学习的方法，从一个路由节点开始，对整个网络进行优化，迭代到时延整体达到最低；

步骤4，根部步骤3生成的部署方案进行服务链的部署。

本发明的工作原理为：首先确定VNF在边缘网络中的初始部署模型，然后再综合考虑物联网设备的地理分布、接入点节点选择等因素，利用深度强化学习技术对该模型进行迭代优化，使得欲优化的网络时延和开销收敛到最低，此时得到的优化的网络部署模型，即为实际的网络部署模型。

进一步的，本发明的步骤2中确定的传输时延和用户个数的函数关系如下：

Delay＝e^0.1*x

式中：Delay表示传输时延，x表示AP节点接入用户个数。

进一步的，本发明的步骤3的优化迭代过程中采用但不限于贝尔曼方程，通过前几轮迭代中路由节点的产生延迟和衰减系数相乘作为权重影响当前节点部署的选择，且当前状态的节点选择概率为：

V(s)＝max_α(R(s，a)+γV(s′))

式中，V(s)表示当前状态s的节点选择概率，R(s，a)表示选择当前状态s导致的延迟的相反数加上一个常数，其中γ表示衰减系数，s′表示当前状态s的下一状态，a表示当前模型执行的下一步操作。