边缘计算环境下云部署位置优化方法研究.pdfVIP

边缘计算环境下云部署位置优化方法研究

随着时代的高速发展，元宇宙概念的提出和Web3.0的应用，以及用户设备种类和

数量的不断增加，将来会面临着巨大数据算力，因此传统云计算难以满足用户设备对

低延迟的要求，同时移动设备的低算力也不能够处理短时间的大量应用数据。移动边

缘计算，是一项可以完整解决上述问题的重要途径。它可以将云计算中的各种资源下

沉到网络边缘，使其不再需要通过总服务器进行计算，从而降低整体计算的成本以及

因此产生的过高延迟。通过有效的云部署，用户设备可以完成与服务器的高效连续通

信。通过合理的虚拟机位置选择，能够更好地解决成本、延迟、能耗以及覆盖量等制

约条件的限制。

首先，研究了云部署位置的确定问题，针对低效的边缘服务器布局会导致高延迟

和跨边缘服务器的工作负载分布明显不平衡，本文提出了一种基于双效近似算法

（DoubleEffectApproximationAlgorithm,DEAA）的云部署位置选择方法。通过在特定

区域内，避免发生零散边缘用户没有覆盖的问题，解决成本、延迟、覆盖量以及覆盖

半径等的限制条件，因此采用了全覆盖的标准。通过实验显示，该方法获得较低的成

本以及较少的延迟。

其次，研究了虚拟机位置选择的相关问题，针对网络负载以及设备利用率不高的

问题，本文提出了一种基于蚁群算法和抽样平均近似方法（AntcolonyandSample

AverageApproximation,AS）的虚拟机位置选择方法。通过阐述旅行商问题进一步解释

该算法，以及提出一种基于蚁群算法的样本均值近似方法，来提高虚拟机的平衡负载

能力，从而得到一个较优解。实验表明，该方法能够完成最大化资源利用率以及最小

化传输成本的目标。

最后，对所提出的方案进行了实验验证。对于双效近似算法的云部署位置选择方

法，分析了在特定条件以及特定区域内服务器的优化性能。实验结果表明，相比于对

对照算法，本文提出的选择算法拥有较小的成本以及较低的延迟。针对虚拟机位置选

择的问题，验证了基于AS算法的虚拟机位置选择方法的有效性，实现了最大化资源利

用率以及最小化传输成本的目标。

移动边缘计算；平衡负载；位置部署；云计算；虚拟机部署

边缘计算环境下云部署位置优化方法研究

Abstract

Astheerarapidlyadvances,theemergenceofthemetaverseconceptandtheapplication

ofWeb3.0,coupledwiththecontinuousincreaseinthetypesandnumbersofuserdevices,will

faceimmensedatacomputingpower.Therefore,traditionalcloudcomputingisunabletomeet

thelow-latencyrequirementsofuserdevices,andthelowcomputingpowerofmobiledevices

cannothandlelargeamountsofapplicationdatainashorttime.Mobileedgecomputingisan

importantapproachthatcancompletelysolvetheaboveproblems.Itcansinkvariousresources

incloudcomputingtothenetworkedge,eliminatingtheneedforcomputationthroughthe

centralserver,therebyreducingtheoverallcomputingcos