康逸群，蔡澤祥，曾興，孫宇嫣，胡凱強(qiáng)，岑伯維

(華南理工大學(xué)電力學(xué)院，廣州510640)

0 引言

隨著電力物聯(lián)網(wǎng)和能源互聯(lián)網(wǎng)的深度融合，越來越多的電力末端設(shè)備接入配電網(wǎng)，對(duì)電力系統(tǒng)自動(dòng)化體系的計(jì)算資源配置和數(shù)據(jù)處理能力提出了更高要求。設(shè)備的信息和數(shù)據(jù)交互更加頻繁，越來越多的可控單元參與到配電網(wǎng)能量管理中，導(dǎo)致配電網(wǎng)能量管理業(yè)務(wù)計(jì)算數(shù)據(jù)量增大，計(jì)算過程復(fù)雜，實(shí)時(shí)性要求高，傳統(tǒng)的業(yè)務(wù)服務(wù)模式難以適應(yīng)和滿足配電網(wǎng)能量管理業(yè)務(wù)對(duì)實(shí)時(shí)性、可靠性、安全性的要求[1 - 2]。

基于“云管邊端”架構(gòu)的電力自動(dòng)化系統(tǒng)是實(shí)現(xiàn)海量信息感知和業(yè)務(wù)數(shù)據(jù)高效處理的有效手段，其充足的計(jì)算資源和高超的計(jì)算能力是電力部門提供配電網(wǎng)業(yè)務(wù)服務(wù)的有效保障。云計(jì)算中心對(duì)電力大數(shù)據(jù)進(jìn)行集中式處理，可以滿足大計(jì)算量業(yè)務(wù)的服務(wù)需求。邊緣計(jì)算將計(jì)算資源部署在配電網(wǎng)靠近用戶的末端設(shè)備側(cè)，提供能量管理業(yè)務(wù)的就近、快速處理[3]。一個(gè)配電網(wǎng)能量管理業(yè)務(wù)由若干個(gè)微服務(wù)組成，由于邊緣計(jì)算終端資源的有限性和業(yè)務(wù)微服務(wù)運(yùn)行模式的獨(dú)立性，邊緣計(jì)算終端資源不足時(shí)，其可將待處理的能量管理整個(gè)業(yè)務(wù)或其中幾個(gè)微服務(wù)卸載到其余邊緣計(jì)算終端或云計(jì)算中心進(jìn)行處理，以實(shí)現(xiàn)云邊協(xié)同調(diào)度。確定配電網(wǎng)能量管理業(yè)務(wù)的最優(yōu)卸載路徑是節(jié)省網(wǎng)絡(luò)帶寬、實(shí)現(xiàn)云邊協(xié)同計(jì)算資源優(yōu)化并提高能量管理業(yè)務(wù)響應(yīng)能力的有效手段，對(duì)實(shí)現(xiàn)業(yè)務(wù)穩(wěn)定實(shí)時(shí)處理有重要意義。

國(guó)內(nèi)外相繼開展了大量基于邊緣計(jì)算的系統(tǒng)能量管理和業(yè)務(wù)卸載方案的研究。在能量調(diào)度和邊緣計(jì)算系統(tǒng)能耗層面，文獻(xiàn)[4]提出了一種基于邊緣計(jì)算的物聯(lián)網(wǎng)系統(tǒng)框架和軟件模型，并在此基礎(chǔ)上提出了一種基于深度強(qiáng)化學(xué)習(xí)的能量調(diào)度方案。文獻(xiàn)[5]研究了帶有能量采集器件的多用戶移動(dòng)邊緣計(jì)算系統(tǒng)的功耗問題，并設(shè)計(jì)了一種基于Lyapunov優(yōu)化方法的在線算法來解決具有電池隊(duì)列穩(wěn)定性和QoS約束的功耗最小化問題。文獻(xiàn)[6]研究了虛擬機(jī)遷移、任務(wù)分配和綠色能源調(diào)度的能量代價(jià)最小化問題，并提出一種近似最優(yōu)解的啟發(fā)式算法用來解決計(jì)算復(fù)雜度問題。文獻(xiàn)[7]提出了一種云-霧分層能量管理架構(gòu),并利用智能算法實(shí)現(xiàn)含多個(gè)利益主體的配電系統(tǒng)的能量管理和優(yōu)化決策。文獻(xiàn)[8]建立了一個(gè)任務(wù)卸載決策模型，根據(jù)通道狀態(tài)與任務(wù)屬性(例如工作負(fù)載和數(shù)據(jù)傳輸?shù)拇笮?來決定是否需要卸載任務(wù)，該策略能在滿足移動(dòng)云工作流截止時(shí)間的約束下，最大限度地降低移動(dòng)設(shè)備的能耗。

以卸載成本、系統(tǒng)能耗、業(yè)務(wù)延時(shí)等為目標(biāo)的卸載決策優(yōu)化和負(fù)荷分配也是近年來國(guó)內(nèi)外學(xué)者研究的重點(diǎn)領(lǐng)域之一。文獻(xiàn)[9]提出了基于電子商務(wù)的智能電網(wǎng)網(wǎng)絡(luò)框架，在云中心和終端智能電表之間的網(wǎng)關(guān)上部署電子商務(wù)服務(wù)器以實(shí)現(xiàn)任務(wù)卸載。文獻(xiàn)[10]提出了一種面向邊緣計(jì)算的電力物聯(lián)網(wǎng)計(jì)算負(fù)荷分配機(jī)制，該機(jī)制能最大限度地減少業(yè)務(wù)延遲。文獻(xiàn)[11]以卸載成本為優(yōu)化目標(biāo)，以隊(duì)列穩(wěn)定性為約束條件構(gòu)建了優(yōu)化模型，提出了一種基Lyapunov優(yōu)化的漂移加成本計(jì)算卸載策略，根據(jù)隊(duì)列積壓量和目標(biāo)節(jié)點(diǎn)的卸載現(xiàn)狀分配任務(wù)。文獻(xiàn)[12]研究了一種單用戶無線供電的移動(dòng)邊緣計(jì)算系統(tǒng)，通過聯(lián)合優(yōu)化多天線能量發(fā)射器和無線功率傳輸能量分配和用戶處的任務(wù)分配，在特定的有限時(shí)間范圍內(nèi)進(jìn)行本地計(jì)算和卸載。文獻(xiàn)[13]研究了基于移動(dòng)邊緣計(jì)算的密集云無線接入網(wǎng)中的任務(wù)卸載和資源分配問題，提出了一個(gè)隨機(jī)混合整數(shù)非線性規(guī)劃問題，用于聯(lián)合優(yōu)化任務(wù)卸載決策、彈性計(jì)算資源調(diào)度和無線資源分配。

但是現(xiàn)有的研究均未考慮電力物聯(lián)網(wǎng)背景下配電網(wǎng)能量管理業(yè)務(wù)的優(yōu)化調(diào)度，也并未研究容器隊(duì)列對(duì)云邊資源協(xié)同的影響。本文在考慮配電網(wǎng)能量管理業(yè)務(wù)特性的前提下建立了業(yè)務(wù)的微服務(wù)模型；并以容器為邊緣計(jì)算終端中微服務(wù)卸載的最小調(diào)度單位，建立容器隊(duì)列模型；綜合考慮卸載成本和延時(shí)約束對(duì)微服務(wù)卸載的影響，分別建立云計(jì)算中心和容器的微服務(wù)計(jì)算成本、排隊(duì)成本、通信成本模型；提出以系統(tǒng)卸載成本最小化為目標(biāo)的優(yōu)化函數(shù)，求解后得到滿足延時(shí)要求的微服務(wù)最優(yōu)卸載路徑；最后通過算例驗(yàn)證了本文所提方法的有效性，實(shí)現(xiàn)了配電網(wǎng)能量管理業(yè)務(wù)的低成本低延時(shí)卸載和云邊計(jì)算資源的協(xié)同優(yōu)化。

1 配電網(wǎng)能量管理業(yè)務(wù)的云邊協(xié)同處理架構(gòu)

1.1 配電網(wǎng)能量管理業(yè)務(wù)的微服務(wù)架構(gòu)

微服務(wù)架構(gòu)是一種云原生架構(gòu)方法，即把單個(gè)業(yè)務(wù)應(yīng)用分解成多個(gè)相互協(xié)作且可獨(dú)立部署的組件或服務(wù)。配電網(wǎng)能量管理業(yè)務(wù)可以分解為一系列微服務(wù)，根據(jù)微服務(wù)功能將其分為3類，如表1所示。

表1 配電網(wǎng)能量管理業(yè)務(wù)的微服務(wù)分類及內(nèi)容Tab.1 Classification and content of microservices of distribution network energy management applications

配電網(wǎng)能量管理業(yè)務(wù)微服務(wù)依據(jù)其功能邏輯關(guān)系串行或并行運(yùn)行，微服務(wù)之間的關(guān)系可用有向無環(huán)圖表示。圖1展示了2種不同的能量管理業(yè)務(wù)。由圖1可知，采集類微服務(wù)將采集到的數(shù)據(jù)和狀態(tài)信息處理之后，輸出結(jié)果分別傳送給分析類和控制類微服務(wù)以實(shí)現(xiàn)相應(yīng)的功能。各微服務(wù)運(yùn)行的過程是相互獨(dú)立的，不受其他微服務(wù)運(yùn)行狀態(tài)的影響，且微服務(wù)具有可移動(dòng)性，因此可以被卸載[15]。

圖1 配電網(wǎng)能量管理業(yè)務(wù)微服務(wù)有向無環(huán)圖Fig.1 Directed acyclic graph of microservices of distribution network energy management applications

1.2 基于容器技術(shù)的云邊資源協(xié)同機(jī)制

云邊協(xié)同機(jī)制下，云計(jì)算中心和邊緣計(jì)算終端呈多邊網(wǎng)狀結(jié)構(gòu)。云中心通過配置虛擬機(jī)來實(shí)現(xiàn)計(jì)算、存儲(chǔ)資源的分配調(diào)度，邊緣計(jì)算終端可視為一臺(tái)邏輯物理機(jī)且具備CPU、內(nèi)存和網(wǎng)絡(luò)帶寬資源；通常采用Docker技術(shù)構(gòu)建容器(container，CR)，每個(gè)邊緣計(jì)算終端可創(chuàng)建多個(gè)容器系統(tǒng)，每個(gè)容器系統(tǒng)包含多個(gè)容器，容器隔離不同的應(yīng)用運(yùn)行環(huán)境，將用戶服務(wù)和電力業(yè)務(wù)封裝并形成容器鏡像，來實(shí)現(xiàn)靈活方便的服務(wù)啟停、容器彈性擴(kuò)容和縮容。

將配電網(wǎng)能量管理業(yè)務(wù)微服務(wù)部署到容器平臺(tái)，每個(gè)容器只部署一個(gè)微服務(wù)，各容器的運(yùn)行相互獨(dú)立，各微服務(wù)的運(yùn)行也是相互獨(dú)立的，容器可將微服務(wù)卸載。云-邊-容器-微服務(wù)架構(gòu)如圖2所示。

圖2 基于容器技術(shù)的云邊協(xié)同微服務(wù)處理模型Fig.2 Cloud-edge collaborative microservices processing model based on docker technology

配電臺(tái)區(qū)能量管理服務(wù)需求產(chǎn)生后，首先由邊緣計(jì)算終端就近處理，若業(yè)務(wù)計(jì)算負(fù)荷超出邊緣計(jì)算終端的計(jì)算資源約束，或業(yè)務(wù)的的延時(shí)要求得不到滿足，邊緣計(jì)算終端會(huì)將一定數(shù)量的微服務(wù)卸載到云中心或其他邊緣計(jì)算終端進(jìn)行計(jì)算。微服務(wù)在云中心或其他邊緣計(jì)算終端處理完成后，計(jì)算結(jié)果回傳給初始終端，完成配電網(wǎng)能量管理業(yè)務(wù)的卸載。

當(dāng)邊緣計(jì)算終端對(duì)能量管理業(yè)務(wù)進(jìn)行卸載時(shí)，其可將整個(gè)業(yè)務(wù)一起卸載到目標(biāo)設(shè)備或?qū)I(yè)務(wù)中所包含的微服務(wù)分別卸載到不同目標(biāo)設(shè)備。由于整個(gè)業(yè)務(wù)的計(jì)算負(fù)荷和數(shù)據(jù)量較大，傳輸過程和目標(biāo)設(shè)備進(jìn)行處理時(shí)所需的計(jì)算資源、通信資源和延時(shí)較高，因此一般采用分別卸載各微服務(wù)不同目標(biāo)設(shè)備的卸載方式進(jìn)行云邊協(xié)同調(diào)度。微服務(wù)有2種卸載路徑：1)卸載微服務(wù)到其他邊緣計(jì)算終端(圖2中路徑①)；2)卸載微服務(wù)到云中心(圖2中路徑②)。

1.3 微服務(wù)、容器、邊緣節(jié)點(diǎn)的數(shù)學(xué)模型

一個(gè)能量管理業(yè)務(wù)所包含的全部微服務(wù)，用M={m1,m2,m3,…,mn}表示，n為微服務(wù)總數(shù)。某能量管理業(yè)務(wù)第i個(gè)微服務(wù)mi={li,wi,θi,si}，其中l(wèi)i為輸入數(shù)據(jù)的大??；wi為mi的計(jì)算負(fù)荷；θi為mi允許的最大延時(shí)，si為mi的最低存儲(chǔ)要求。

一個(gè)云中心C管轄p個(gè)邊緣計(jì)算終端，其內(nèi)配置q個(gè)容器，一個(gè)微服務(wù)同一時(shí)段內(nèi)只能在一個(gè)邊緣計(jì)算終端的一個(gè)容器內(nèi)計(jì)算，因此引入卸載矩陣xijk，xijk=1表示微服務(wù)mi被卸載到第j個(gè)邊緣計(jì)算終端的第k個(gè)容器執(zhí)行，否則xijk=0，如式(1)—(2)所示。

(1)

(2)

容器Cv={bv,rv,Qv,kv}，bv為邊緣計(jì)算終端內(nèi)部容器間的通信帶寬；rv為容器計(jì)算微服務(wù)的速率，用CPU周期頻率表示；Qv為容器初始微服務(wù)隊(duì)列長(zhǎng)度，用計(jì)算所需的CPU周期數(shù)表示；kv為容器的單位時(shí)間運(yùn)行成本，與容器計(jì)算能力的平方成正比例關(guān)系[14]，本文中所有邊緣計(jì)算終端的所有容器單位時(shí)間運(yùn)行成本相同，詳見式(3)。

(3)

式中α為與CPU性能相關(guān)的能耗系數(shù)。

每個(gè)邊緣計(jì)算終端都是一個(gè)邊緣節(jié)點(diǎn)(edge node, EN)，E={E1,E2,E3,…,Ep}， 云邊協(xié)同電力自動(dòng)化系統(tǒng)中第p個(gè)邊緣節(jié)點(diǎn)Ep={Bp,Vp,Rp,Sp}，其中Bp為邊緣節(jié)點(diǎn)間的通信帶寬；Vp為該邊緣節(jié)點(diǎn)包含的容器數(shù)，Vp=q；Rp為邊緣節(jié)點(diǎn)的微服務(wù)計(jì)算速率；Sp為邊緣節(jié)點(diǎn)存儲(chǔ)空間大小。

1.4 容器的微服務(wù)隊(duì)列模型

云中心的計(jì)算資源充足，微服務(wù)無需排隊(duì)便可直接處理；而邊緣節(jié)點(diǎn)的計(jì)算資源有限，微服務(wù)需排隊(duì)處理。如節(jié)點(diǎn)Ek的容器Ck本身有一個(gè)待處理的微服務(wù)隊(duì)列Qk(t),當(dāng)另一節(jié)點(diǎn)El在運(yùn)行過程中本地計(jì)算資源不足，El可在t時(shí)隙內(nèi)將微服務(wù)隊(duì)列Yk(t)卸載到Ek中的Ck，這些微服務(wù)將進(jìn)入Qk(t)中。定義Ck當(dāng)前的微服務(wù)隊(duì)列為Qk(t+1)，計(jì)算負(fù)荷總量為Qwk(t+1)，則可得式(4)。

Qwk(t+1)=max(Qwk(t)+Ywk(t)-fkΔt,0)

(4)

式中：Qwk(t)為Ck內(nèi)積壓的計(jì)算負(fù)荷總量，是Ck處理Qk(t)個(gè)微服務(wù)所需的CPU周期數(shù)；Ywk(t)為t時(shí)隙內(nèi)到達(dá)Ck的微服務(wù)計(jì)算負(fù)荷；fk為t時(shí)隙內(nèi)Ck處理的計(jì)算負(fù)荷量，即Ck的本地計(jì)算速率，在t—t+1的時(shí)間間隔內(nèi)保持不變。Qwk(t+1)由輸入輸出計(jì)算負(fù)荷量的差值決定，在本文的微服務(wù)排隊(duì)場(chǎng)景下，其數(shù)值應(yīng)大于等于0。

需要對(duì)容器隊(duì)列進(jìn)行約束以防止文件溢出而導(dǎo)致的數(shù)據(jù)丟失，設(shè)置微服務(wù)隊(duì)列閾值Qmax如公式(5)所示。

Qk(t+1)≤Qmax

(5)

2 云邊計(jì)算資源的協(xié)同優(yōu)化決策方法

2.1 卸載成本模型

微服務(wù)卸載成本包括通信成本、計(jì)算成本和排隊(duì)成本。微服務(wù)卸載過程中從源節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)輸送計(jì)算數(shù)據(jù)和從目標(biāo)節(jié)點(diǎn)送回結(jié)果的過程中產(chǎn)生的成本共同構(gòu)成通信成本。計(jì)算成本是云中心和邊緣節(jié)點(diǎn)容器進(jìn)行微服務(wù)計(jì)算的成本。排隊(duì)成本是已卸載到目標(biāo)節(jié)點(diǎn)的微服務(wù)進(jìn)入當(dāng)前容器微服務(wù)隊(duì)列等待處理的時(shí)間內(nèi)占用容器存儲(chǔ)資源而產(chǎn)生的成本。

2種微服務(wù)卸載路徑的卸載成本不同。邊邊卸載時(shí)，需要同時(shí)考慮通信成本、計(jì)算成本和排隊(duì)成本；邊云卸載時(shí)，只需要考慮通信成本和計(jì)算成本。

2.1.1 計(jì)算成本

單個(gè)微服務(wù)的計(jì)算成本為云或邊進(jìn)行微服務(wù)計(jì)算的成本，與微服務(wù)計(jì)算負(fù)荷大小有關(guān)。容器和云中心處理單個(gè)微服務(wù)mi的計(jì)算時(shí)間分別為：

(6)

(7)

式中RC為云中心的微服務(wù)計(jì)算速率[19]。

用kc表示云中心的單位時(shí)間運(yùn)行成本，則邊緣節(jié)點(diǎn)和云中心處理微服務(wù)隊(duì)列的計(jì)算成本為：

(8)

(9)

2.1.2 排隊(duì)成本

由于待處理的微服務(wù)隊(duì)列占用容器的存儲(chǔ)資源，故將排隊(duì)成本定義為微服務(wù)數(shù)據(jù)量所占用的存儲(chǔ)資源費(fèi)用，與微服務(wù)輸入數(shù)據(jù)量大小、排隊(duì)時(shí)間和容器單位存儲(chǔ)成本有關(guān)，首先計(jì)算排隊(duì)時(shí)間。

(10)

式中：Ywk,j(t)為t時(shí)隙內(nèi)Ck待處理微服務(wù)隊(duì)列中第j個(gè)被執(zhí)行的微服務(wù)負(fù)荷；Rwk(t-1)為t-1時(shí)隙內(nèi)處理Rk(t-1)個(gè)任務(wù)所需的時(shí)鐘周期數(shù)。

排隊(duì)成本與排隊(duì)時(shí)間有關(guān)，若單獨(dú)計(jì)算卸載到該容器的每一個(gè)微服務(wù)的排隊(duì)時(shí)間再相加，則會(huì)重復(fù)計(jì)算延時(shí)。因此，對(duì)于卸載到同一容器的微服務(wù)隊(duì)列，取各微服務(wù)排隊(duì)延時(shí)的最大值用于計(jì)算系統(tǒng)排隊(duì)成本，所以第j個(gè)邊緣節(jié)點(diǎn)的第k個(gè)容器的排隊(duì)時(shí)間為：

(11)

位于第j個(gè)邊緣節(jié)點(diǎn)的第k個(gè)容器內(nèi)的單個(gè)微服務(wù)的排隊(duì)成本可用式(12)計(jì)算。

(12)

式中：ks為容器的單位存儲(chǔ)成本，美元/(GB·s)；li為微服務(wù)輸入數(shù)據(jù)大小。

2.1.3 通信成本

通信成本是邊與邊間、邊與云間傳送微服務(wù)數(shù)據(jù)的成本，由于輸出結(jié)果數(shù)據(jù)量遠(yuǎn)小于輸入數(shù)據(jù)量(liout<

云邊、邊邊信道傳輸微服務(wù)mi數(shù)據(jù)的速率為：

Ri=Bijlog2(1+Pijhij/N0Bij),i≠j

(13)

式中：Bij為初始點(diǎn)i到終點(diǎn)j的通信帶寬；云邊、邊邊傳輸帶寬分別為Bce、Bee；Pij為i、j間的傳輸功率；hij為信道增益；N0為高斯白噪聲功率譜密度。

所以微服務(wù)mi的通信時(shí)間為：

(14)

根據(jù)通信信道的建設(shè)成本和運(yùn)維成本可以折算出信道單位時(shí)間的通信成本，云邊、邊邊信道單位時(shí)間通信成本分別為αce、αee,則系統(tǒng)通信成本為：

(15)

(16)

2.2 目標(biāo)函數(shù)

微服務(wù)卸載決策優(yōu)化的目標(biāo)函數(shù)為系統(tǒng)整體卸載成本Cop；定義微服務(wù)在不同邊緣節(jié)點(diǎn)之間的卸載成本為C1,邊緣節(jié)點(diǎn)到云中心的卸載成本為C2；C1包括容器計(jì)算成本、排隊(duì)成本和邊邊通信成本；C2包括云中心計(jì)算成本和云邊通信成本。

單個(gè)微服務(wù)的卸載路徑有2種，所以系統(tǒng)卸載成本為2種卸載路徑的卸載成本和。如式(17)所示。

minCop=C1+C2

(17)

18)

(19)

2.3 約束條件

在對(duì)能量管理業(yè)務(wù)微服務(wù)的卸載優(yōu)化函數(shù)求解過程中，規(guī)定系統(tǒng)的約束條件包括微服務(wù)不重復(fù)調(diào)度約束，存儲(chǔ)空間約束、容器微服務(wù)隊(duì)列約束和微服務(wù)延時(shí)約束，如式(20)—(23)所示。

(20)

(21)

Qk(t+1)≤Qmax

(22)

(23)

3 仿真分析

3.1 參數(shù)設(shè)定

本文采用改進(jìn)的IEEE 33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)作為測(cè)試系統(tǒng)，如圖3所示。

圖3 改進(jìn)的IEEE 33節(jié)點(diǎn)系統(tǒng)Fig.3 Improved IEEE 33 system

配電臺(tái)區(qū)中，4個(gè)邊緣計(jì)算節(jié)點(diǎn)EN1—EN4由同一云中心管理，云邊計(jì)算系統(tǒng)的屬性參數(shù)及計(jì)算參數(shù)如表2所示[14,17]。每個(gè)邊緣節(jié)點(diǎn)配置3～5個(gè)容器，各容器的計(jì)算能力和初始微服務(wù)隊(duì)列長(zhǎng)度用(rv，Qv)表示，如表3所示。

表2 云邊協(xié)同計(jì)算架構(gòu)參數(shù)(仿真用)Tab.2 Parameters of cloud-edge computing structure(for simulation)

表3 容器的計(jì)算和隊(duì)列屬性(rv，Qv)Tab.3 Calculation and queue properties of containers(rv，Qv)

仿真場(chǎng)景為該配電臺(tái)區(qū)另一邊緣節(jié)點(diǎn)EN5發(fā)生故障，其所負(fù)責(zé)的配電網(wǎng)能量管理業(yè)務(wù)被分別就近部署至其他邊緣節(jié)點(diǎn)處理，其中EN1負(fù)責(zé)處理兩個(gè)單獨(dú)的能量管理業(yè)務(wù)，其微服務(wù)屬性如表4所示。

表4 兩個(gè)能量管理業(yè)務(wù)的微服務(wù)特性Tab.4 Microservice characteristics of two energy management applications

某一時(shí)刻18個(gè)微服務(wù)全部進(jìn)入EN1的相應(yīng)容器等待處理，若其全部在EN1排隊(duì)處理，加上EN1的原有業(yè)務(wù)，則EN1所需計(jì)算資源和時(shí)間會(huì)超過EN1的計(jì)算資源限制和微服務(wù)的最大延時(shí)約束。為了滿足容器和邊緣節(jié)點(diǎn)的計(jì)算資源約束和能量管理業(yè)務(wù)的延時(shí)約束，EN1將微服務(wù)卸載到云中心或其他邊緣節(jié)點(diǎn)進(jìn)行處理。

本文采用3種微服務(wù)處理方式計(jì)算比較系統(tǒng)的整體卸載成本和微服務(wù)平均延時(shí)：1)不進(jìn)行微服務(wù)卸載，所有微服務(wù)繼續(xù)在EN1排隊(duì)處理。2)將所有微服務(wù)都卸載到云計(jì)算中心進(jìn)行處理。3)求解文中的卸載優(yōu)化目標(biāo)函數(shù)，按最優(yōu)路徑進(jìn)行卸載。

3.2 結(jié)果分析

方式3中，采用CPLEX工具箱求解優(yōu)化函數(shù)，得到微服務(wù)卸載矩陣xijk，各微服務(wù)卸載到各邊緣節(jié)點(diǎn)各容器和云中心的卸載情況如圖4所示。

圖4 微服務(wù)卸載情況Fig.4 Microservice offloading results

圖中藍(lán)色(深色)為各容器的初始隊(duì)列長(zhǎng)度，橘色(淺色)為卸載到該容器的微服務(wù)隊(duì)列長(zhǎng)度，若無橘色(淺色)則表示沒有微服務(wù)卸載到該容器。卸載到云中心的微服務(wù)無需排隊(duì)，因此將云中心的初始隊(duì)列視為零。

根據(jù)微服務(wù)卸載矩陣可知全部微服務(wù)的卸載情況：采集類微服務(wù)提供數(shù)據(jù)，在整個(gè)能量管理業(yè)務(wù)中最先執(zhí)行，所以M1—M4沒有進(jìn)行卸載，繼續(xù)在EN1處理；M17—M18的計(jì)算負(fù)荷較大，被卸載到計(jì)算能力更強(qiáng)的云中心；其余的微服務(wù)被分別卸載到邊緣節(jié)點(diǎn)EN2—EN4的各容器進(jìn)行處理。

3種不同的微服務(wù)處理方式下單個(gè)微服務(wù)的平均延時(shí)(Λi)和系統(tǒng)的總卸載成本如表5所示。

表5 不同方式下微服務(wù)延時(shí)和系統(tǒng)卸載成本Tab.5 Microservice average delay and system offloading cost in different ways

由表5可知，方法3的系統(tǒng)整體卸載成本最小，僅為0.998美元；方法1的系統(tǒng)卸載成本僅為微服務(wù)處理期間的系統(tǒng)運(yùn)行成本，為1.235美元；方法2中由于云中心的單位運(yùn)行成本較大以及云邊通信距離較長(zhǎng)，系統(tǒng)卸載成本為三者最高。

方法2的單個(gè)微服務(wù)的平均延時(shí)最小，僅為226 ms；不進(jìn)行卸載時(shí)的微服務(wù)平均延時(shí)為1.12 s，超出了微服務(wù)最大延時(shí)約束500 ms，無法達(dá)到能量管理業(yè)務(wù)的處理要求；進(jìn)行最優(yōu)卸載時(shí)的微服務(wù)平均延時(shí)為375 ms，且每個(gè)微服務(wù)都能夠滿足最大延時(shí)約束。

方法3和方法2的微服務(wù)平均延時(shí)距離微服務(wù)的延時(shí)約束(500 ms)均有較大裕度，都能充分滿足配電網(wǎng)能量管理業(yè)務(wù)的延時(shí)需求，雖然方法3的微服務(wù)平均延時(shí)比方法2高出39%，但卸載成本比方法2低59%，所以在方法3也充分滿足微服務(wù)延時(shí)約束的情況下，認(rèn)為方法3更優(yōu)。

由此可知按本文提出的最優(yōu)路徑卸載可以滿足微服務(wù)延時(shí)約束并獲得最低的系統(tǒng)卸載成本，解決了邊緣節(jié)點(diǎn)計(jì)算資源不足的問題，實(shí)現(xiàn)了云邊資源的協(xié)同調(diào)度。

4 結(jié)論

本文在電力物聯(lián)網(wǎng)的云管邊端架構(gòu)下，建立配電網(wǎng)能量管理業(yè)務(wù)的微服務(wù)模型，考慮微服務(wù)計(jì)算延時(shí)、通信延時(shí)和排隊(duì)延時(shí)建立相應(yīng)的成本模型，并以系統(tǒng)整體卸載成本最低為目標(biāo)建立卸載優(yōu)化函數(shù)，求解得到滿足約束的微服務(wù)最優(yōu)卸載路徑并比較了不同微服務(wù)處理方式下系統(tǒng)整體卸載成本和微服務(wù)平均延時(shí)的大小，分析得到以下結(jié)論。

分析配電網(wǎng)能量管理業(yè)務(wù)的業(yè)務(wù)特性，將其劃分為3類微服務(wù)，實(shí)現(xiàn)了業(yè)務(wù)分解和微服務(wù)獨(dú)立運(yùn)行，為微服務(wù)的卸載和再分配提供了可能。

在基于容器技術(shù)的云邊協(xié)同計(jì)算架構(gòu)下，針對(duì)微服務(wù)的不同卸載路徑，建立微服務(wù)卸載過程中的計(jì)算成本、排隊(duì)成本和通信成本模型，提出以系統(tǒng)整體卸載成本最低為目標(biāo)的優(yōu)化策略。

仿真比較3種微服務(wù)處理方式的系統(tǒng)卸載成本和微服務(wù)平均延時(shí)，結(jié)果表明本文的最優(yōu)卸載策略能夠滿足微服務(wù)延時(shí)約束并實(shí)現(xiàn)系統(tǒng)卸載成本最小化，實(shí)現(xiàn)高效率、低成本的云邊協(xié)同調(diào)度。