亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)云邊部署方法

        2022-02-22 02:29:08李波趙瑞鋒黎皓彬
        廣東電力 2022年1期
        關(guān)鍵詞:云邊計算中心計算資源

        李波,趙瑞鋒,黎皓彬

        (廣東電網(wǎng)有限責(zé)任公司電力調(diào)度控制中心,廣東 廣州510600)

        隨著配用電物聯(lián)網(wǎng)的發(fā)展,海量分布式電源與配用電智能設(shè)備大量接入,對電力自動化系統(tǒng)的信息感知、分析、處理能力提出了更高的要求[1-4]。同時,配電網(wǎng)增量接入對象產(chǎn)生異構(gòu)多源的數(shù)據(jù)信息也為實現(xiàn)配用電業(yè)務(wù)的多元化、生態(tài)化提供了支撐[5-8]。然而,現(xiàn)有電力自動化系統(tǒng)存在軟硬件強(qiáng)耦合、計算資源冗余等問題,難以適應(yīng)配電物聯(lián)網(wǎng)的發(fā)展需求,其技術(shù)體系和架構(gòu)形態(tài)亟待重構(gòu)[9-10]。

        云邊融合的物聯(lián)網(wǎng)平臺突破了傳統(tǒng)集中式電網(wǎng)分析控制模式[11-12],以業(yè)務(wù)管理協(xié)同、計算資源協(xié)同、數(shù)據(jù)智能協(xié)同的方式,充分發(fā)揮云主站和邊緣計算終端各自的優(yōu)勢,從而滿足配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)實時性、安全性、可靠性的需求,并支撐著現(xiàn)有電力自動化系統(tǒng)從“主子站”架構(gòu)的集中控制模式向“云管邊端”架構(gòu)的分布式協(xié)同控制模式轉(zhuǎn)變[13-16]。

        為了滿足形態(tài)多樣的業(yè)務(wù)融合和快速變化的服務(wù)要求,微服務(wù)成為組織和構(gòu)建配電物聯(lián)網(wǎng)業(yè)務(wù)的關(guān)鍵技術(shù),通過將業(yè)務(wù)分解為多個微服務(wù)和微服務(wù)間的相互調(diào)用,可以實現(xiàn)業(yè)務(wù)功能。在配用電物聯(lián)網(wǎng)軟件定義、軟硬件解耦模式下,微服務(wù)可自由靈活部署在云計算中心和邊緣計算終端容器中。合理的微服務(wù)云邊部署方案一方面能夠降低業(yè)務(wù)延時,更好地滿足業(yè)務(wù)實時性、可靠性的要求,另一方面能提高計算資源的利用率,發(fā)揮云計算中心和邊緣計算終端冗余資源的價值。因此,研究配用電物聯(lián)網(wǎng)的微服務(wù)云邊部署方法具有十分重要的意義。

        目前,部署問題可分為計算節(jié)點部署和業(yè)務(wù)應(yīng)用部署2種,學(xué)者們首先研究了云計算或邊緣計算的節(jié)點部署問題。文獻(xiàn)[17]考慮密度和距離2種因素,提出基于聚類思想的邊緣控制中心部署方法,以提高通信質(zhì)量和減輕接入壓力;文獻(xiàn)[18]針對電纜實時監(jiān)控的場景建立以經(jīng)濟(jì)成本為目標(biāo)和平均延時為約束的計算節(jié)點規(guī)劃模型,采用遺傳算法求解邊緣計算節(jié)點的部署方案;文獻(xiàn)[19]提出一種多目標(biāo)進(jìn)化算法,以實現(xiàn)服務(wù)質(zhì)量和可靠性最大化、成本和能耗最小化為目標(biāo),求解5G網(wǎng)絡(luò)邊緣設(shè)備的部署方案。但是上述文獻(xiàn)研究場景并非配用電物聯(lián)網(wǎng)。在配用電物聯(lián)網(wǎng)中邊緣計算終端應(yīng)用場景主要為配電臺區(qū)和配電房,受地理位置、安裝空間、計算資源分布、安全分區(qū)接入等因素的制約,計算節(jié)點的部署位置往往相對固定,可作為已知條件,由此開展關(guān)于業(yè)務(wù)應(yīng)用部署的研究。文獻(xiàn)[20]采用深度強(qiáng)化學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)訓(xùn)練業(yè)務(wù)的部署策略,來降低業(yè)務(wù)的響應(yīng)延時;文獻(xiàn)[21]提出將應(yīng)用部署于云邊的模糊控制系統(tǒng),以降低業(yè)務(wù)應(yīng)用執(zhí)行延時;文獻(xiàn)[22]針對應(yīng)用應(yīng)該在邊緣設(shè)備執(zhí)行還是云計算中心執(zhí)行的問題,提出一種動態(tài)規(guī)劃算法來求解計算任務(wù)的部署方案。上述文獻(xiàn)忽略了不同業(yè)務(wù)應(yīng)用間的時序邏輯關(guān)系。文獻(xiàn)[23]指出配用電物聯(lián)網(wǎng)業(yè)務(wù)可被分解為多個微服務(wù),且各微服務(wù)間并非獨立,具有邏輯約束關(guān)系。

        針對已有研究的不足,本文提出配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)云邊部署方法。首先將配用電監(jiān)控業(yè)務(wù)拆分成多個微服務(wù),建立配用電監(jiān)控業(yè)務(wù)的時序邏輯模型和微服務(wù)的云邊部署模型;然后采用改進(jìn)差分進(jìn)化算法來求解業(yè)務(wù)延時最小化的微服務(wù)云邊部署方案;最后通過仿真實驗,驗證本文方法的有效性。

        1 基于時序邏輯的配用電監(jiān)控業(yè)務(wù)微服務(wù)模型

        1.1 配用電監(jiān)控業(yè)務(wù)的微服務(wù)

        本文針對配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的功能需求,將配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)拆分為7個微服務(wù),每個微服務(wù)對邊緣計算終端、云計算中心而言是一種計算任務(wù),見表1。

        表1 配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)

        1.2 微服務(wù)時序邏輯模型

        7個微服務(wù)之間存在彼此的數(shù)據(jù)依賴關(guān)系,據(jù)此建立配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)時序邏輯模型,該模型將數(shù)據(jù)依賴關(guān)系轉(zhuǎn)化為孤立型、串聯(lián)型、并聯(lián)型和復(fù)合型4種連接支路。定義4種支路的組成規(guī)則如下:①每個單一微服務(wù)原則上可視為一個孤立支路,而并聯(lián)支路、串聯(lián)支路和復(fù)合支路由多個孤立支路構(gòu)成;②并聯(lián)支路由2個及以上的孤立支路并聯(lián)而成;③串聯(lián)支路只存在于復(fù)合支路中,且由2個及以上的孤立支路或經(jīng)等效后的孤立支路串聯(lián)而成;④復(fù)合支路上至少存在一個串聯(lián)支路,可由串聯(lián)支路和孤立支路并聯(lián)而成。

        依據(jù)所提出的4種支路組成規(guī)則和配用電監(jiān)控業(yè)務(wù)的流程,建立其微服務(wù)的時序邏輯,如圖1所示。圖1中,0、1、2、3、4、5標(biāo)號為各支路間的節(jié)點編號。

        進(jìn)一步建立時序邏輯模型,為計算各支路和業(yè)務(wù)的總延時大小奠定基礎(chǔ),包括連接矩陣模型、串并關(guān)系模型和支路延時模型。

        連接矩陣模型L用于描述各微服務(wù)所處支路的連接始末關(guān)系。L共2行元素,列數(shù)取決于業(yè)務(wù)的微服務(wù)個數(shù),每列表示1個微服務(wù)。L的第1行元素表示各微服務(wù)的起始節(jié)點編號,第2行元素表示各微服務(wù)的終止節(jié)點編號。由圖1可得

        圖1 配用電監(jiān)控業(yè)務(wù)的微服務(wù)時序邏輯

        (1)

        串并關(guān)系模型X用于描述各微服務(wù)所處的支路類型。X共2行元素,列數(shù)取決于業(yè)務(wù)的微服務(wù)個數(shù),每列表示1個微服務(wù)。X的第1行元素為串聯(lián)支路編號,第2行元素為并聯(lián)支路編號,該列所處2行元素均為0表示孤立支路,其中1行元素不為0表示串聯(lián)或并聯(lián)支路。由圖1可得

        (2)

        式中:微服務(wù)1、2、5、7處于孤立支路,因此其對應(yīng)列中的2行元素均為0、0;微服務(wù)3、4處于同一個并聯(lián)支路,且為第1個并聯(lián)支路,因此其對應(yīng)列中的2行元素均為0、1;微服務(wù)6處于串聯(lián)支路,且為第1個串聯(lián)支路,因此其對應(yīng)列中的2行元素為1、0。

        延時模型用于表示各支路的延時大小,通過對各支路的延時大小進(jìn)行等效和整合,可最終得到配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的延時。

        串聯(lián)支路模型可通過式(3)計算:

        tk1,ser=∑ti,ser,i∈K1.

        (3)

        式中:tk1,ser為第k1個串聯(lián)支路的延時;集合K1為第k1個串聯(lián)支路上的微服務(wù)集合;ti,ser為屬于集合K1的第i個微服務(wù)的延時。

        并聯(lián)支路模型可通過式(4)計算:

        tk2,par=maxtj,par,j∈K2.

        (4)

        式中:tk2,par第k2個并聯(lián)支路的延時;集合K2為第k2個并聯(lián)支路上的微服務(wù)集合;tj,par為屬于集合K2的第j個微服務(wù)的延時。

        復(fù)合支路模型可通過式(5)計算:

        tk3,com=maxth,com,h∈Tis∪Ts.

        (5)

        式中:tk3,com為第k3個復(fù)合支路的微服務(wù)總延時;集合Tis為屬于該復(fù)合支路的孤立支路的延時集合;集合Ts為屬于該復(fù)合支路的串聯(lián)支路延時集合;th,com為Tis與Ts的并集中第h個微服務(wù)的延時。

        業(yè)務(wù)延時可通過對干路上所有延時環(huán)節(jié)的累加獲得,計算式為

        (6)

        式中:t為該業(yè)務(wù)延時;tk4,is為第k4個孤立支路上微服務(wù)的延時;N4、N2和N3分別為干路上的孤立支路總數(shù)、并聯(lián)支路總數(shù)和復(fù)合支路總數(shù)。

        2 配用電監(jiān)控微服務(wù)的云邊部署優(yōu)化方法

        本文的優(yōu)化問題建立在云邊協(xié)同機(jī)制上,需要將微服務(wù)部署到云節(jié)點或邊緣節(jié)點,并分配合理的計算資源,以滿足配用電監(jiān)控業(yè)務(wù)的實時性要求。云節(jié)點和邊緣節(jié)點通過骨干通信網(wǎng)進(jìn)行通信,通信資源也對業(yè)務(wù)延時有影響。

        2.1 決策變量和目標(biāo)函數(shù)

        本文所建優(yōu)化模型的決策變量為表示第i個微服務(wù)部署于邊緣計算終端或云計算中心的0-1變量si,e、si,c,以及表示第i個微服務(wù)獲得的邊緣計算終端或云計算中心容器計算資源量的連續(xù)變量ci,e、ci,c。

        本文以最小業(yè)務(wù)延時為微服務(wù)云邊部署模型的目標(biāo)函數(shù),即

        mint.

        (7)

        孤立支路延時為與該孤立支路對應(yīng)的微服務(wù)i的計算延時ti,cal,is和數(shù)據(jù)傳輸延時ti,tra,is之和,即:

        tk4,is=ti,cal,is+ti,tra,is;

        (8)

        (9)

        (10)

        式中:di,j為第i個微服務(wù)與第j個微服務(wù)云邊通信的0-1變量;θi,cpu、Di分別為微服務(wù)i的時鐘周期數(shù)和數(shù)據(jù)傳輸量;Ri,j為微服務(wù)i、j間的通信速度,可細(xì)分為下行通信速度和上行通信速度,下行通信速度為云計算中心向邊緣計算終端傳輸數(shù)據(jù)的速度,上行通信速度為邊緣計算終端向云計算中心傳輸數(shù)據(jù)的速度。

        串聯(lián)支路延時為串聯(lián)支路上所有微服務(wù)的計算延時和數(shù)據(jù)傳輸延時之和,即

        tk1,ser=∑ti,cal,ser+∑ti,tra,ser,i∈K1.

        (11)

        并聯(lián)支路延時為并聯(lián)支路上微服務(wù)的最大計算延時和最大數(shù)據(jù)傳輸延時之和,即:

        tk2,par=maxti,cal,par+

        max(tk2,up,par,tk2,down,par),i∈K2;

        (12)

        (13)

        (14)

        (15)

        式中:tk2,up,par、tk2,down,par分別為該并聯(lián)支路上的微服務(wù)上行通信延時、下行通信延時;Di,up、Di,down分別為該并聯(lián)支路上的微服務(wù)i的數(shù)據(jù)傳輸量;Ri,j,up、Ri,j,down分別為微服務(wù)i、j間的上行通信速度、下行通信速度。

        復(fù)合支路延時為屬于該復(fù)合支路的孤立支路和串聯(lián)支路的延時最大值,

        tk3,com=max(tk1,is,tk4,ser),k1,k4∈B3.

        (16)

        式中:B3為屬于該復(fù)合支路的孤立支路和串聯(lián)支路集合。

        2.2 約束條件

        a)邊緣計算終端的計算資源應(yīng)滿足部署于邊緣計算終端的微服務(wù)計算資源需求,計算資源約束表達(dá)式為

        (17)

        式中:n為微服務(wù)總數(shù);CE為邊緣計算終端計算資源。

        b)云計算中心的計算資源約束。云計算中心的計算資源應(yīng)滿足部署于云計算中心的微服務(wù)計算資源需求,計算資源約束表達(dá)式為

        (18)

        式中CD為云計算中心計算資源。

        c)微服務(wù)部署集合約束。微服務(wù)部署集合約束可用0-1變量si,e、si,c來表示,約束表達(dá)式為

        si,e+si,c=1.

        (19)

        d)云邊通信約束。若前驅(qū)微服務(wù)與后置微服務(wù)同部署于邊緣計算終端或云計算中心,則無需進(jìn)行云邊通信,否則需進(jìn)行云邊通信。云邊通信的約束表達(dá)式為:

        li=si,e+2si,c,

        (20)

        di,j=li-lj.

        (21)

        式中:li為微服務(wù)i的鏈路變量,相應(yīng)lj的計算方法與之相同;di,j=1表示前驅(qū)微服務(wù)與后置微服務(wù)部署于不同位置,需要進(jìn)行云邊通信,di,j=0表示前驅(qū)微服務(wù)與后置微服務(wù)部署于相同位置,不需要進(jìn)行云邊通信。

        2.3 求解方法

        差分進(jìn)化算法具有結(jié)構(gòu)簡單、容易實現(xiàn)、收斂快速等特點,本文采用改進(jìn)差分進(jìn)化算法求解,主要步驟如下:

        步驟1,輸入仿真參數(shù)及矩陣L、X;

        步驟2,初始化迭代次數(shù)g=1,產(chǎn)生初始種群X0;

        步驟3,對種群進(jìn)行變異、交叉操作;

        步驟4,使用矩陣X獲得最大串聯(lián)、并聯(lián)、孤立支路數(shù);

        步驟5,使用式(3)—(5)和L、X計算串聯(lián)、并聯(lián)、復(fù)合支路延時;

        步驟6,使用式(6)和L、X計算業(yè)務(wù)延時;

        步驟7,輸出業(yè)務(wù)延時,并對種群進(jìn)行選擇操作;

        步驟8,判斷迭代是否滿足收斂條件,若收斂則輸出結(jié)果,結(jié)束算法流程,若不收斂則返回至步驟4,繼續(xù)迭代。

        3 算例分析

        3.1 仿真參數(shù)

        本文設(shè)置的仿真場景包含云節(jié)點和邊緣節(jié)點,二者通過骨干通信網(wǎng)通信,協(xié)作完成配用電監(jiān)控業(yè)務(wù)。在骨干通信網(wǎng)中存在上行通信鏈路和下行通信鏈路。本文配用電監(jiān)控業(yè)務(wù)的微服務(wù)仿真參數(shù)見表2;差分進(jìn)化算法參數(shù)設(shè)置包括:迭代次數(shù)為400,種群大小為20,交叉概率為0.2,縮放因子上、下限分別0.8和0.2。

        表2 業(yè)務(wù)包含的微服務(wù)參數(shù)

        3.2 微服務(wù)云邊部署策略分析

        采用本文方法求解微服務(wù)云邊部署并對比其他3種部署策略的結(jié)果,見表3,其中策略1為邊部署策略,策略2為云部署策略,策略3為均衡部署策略。采用粒子群優(yōu)化(partical swarm optimization,PSO)算法求解,結(jié)果見表4。

        表3 改進(jìn)差分進(jìn)化算法求解微服務(wù)云邊部署結(jié)果

        表4 PSO算法求解微服務(wù)云邊部署結(jié)果

        由表3可知:采用策略1時,邊緣計算終端的計算資源有限,配用電監(jiān)控業(yè)務(wù)的總延時高達(dá)63.78 s;采用策略2時,云計算中心提供了充足的計算資源,但由于配用電監(jiān)控業(yè)務(wù)的執(zhí)行結(jié)果數(shù)據(jù)量大,需要從云計算中心依靠下行通信傳輸至邊緣計算終端,該微服務(wù)的部署方案業(yè)務(wù)延時也比本文方法高出10.95 s;采用策略3時,由于部署方案并未得到優(yōu)化,其業(yè)務(wù)延時也較高。通過微服務(wù)的云邊部署優(yōu)化,能有效發(fā)揮邊緣計算終端和云計算中心的資源協(xié)同優(yōu)勢,降低業(yè)務(wù)延時。

        對比表3和表4可知,采用改進(jìn)差分進(jìn)化算法和PSO算法求解本文模型所得的微服務(wù)云邊部署位置結(jié)果一致;改進(jìn)差分進(jìn)化算法求得的業(yè)務(wù)延時結(jié)果比PSO算法求得結(jié)果較小;本文優(yōu)化模型目標(biāo)為最小化業(yè)務(wù)延時,而PSO算法尋優(yōu)過程與改進(jìn)差分進(jìn)化算法相比較容易陷入局部最優(yōu)。因此,本文采用改進(jìn)差分進(jìn)化算法在尋優(yōu)深度和求解精度上的效果更好。

        3.3 云邊計算資源對微服務(wù)部署的影響分析

        本文分析云邊計算資源對微服務(wù)部署的影響,分別設(shè)定邊緣計算終端的計算資源為2 GHz和4 GHz,改變云計算中心的計算資源,分析云邊計算資源對微服務(wù)部署結(jié)果的影響,見表5。

        表5 云邊計算資源對微服務(wù)部署的影響

        由表5可知:在相同的邊緣計算終端計算資源下,隨著云計算中心計算資源增加,部署于云計算中心的微服務(wù)數(shù)量增加,業(yè)務(wù)延時減少;在相同的云計算中心計算資源下,隨著邊緣計算終端計算資源增加,部署于邊緣計算終端的微服務(wù)數(shù)量增加,業(yè)務(wù)延時減少。從部署結(jié)果也可以得出如微服務(wù)6、微服務(wù)7這種計算所需時鐘周期數(shù)較多的微服務(wù),一般部署于云計算中心,如微服務(wù)1、微服務(wù)2、微服務(wù)4這種計算所需時鐘周期數(shù)較少的微服務(wù),一般部署于邊緣計算終端。

        3.4 云邊通信資源對微服務(wù)部署的影響分析

        本文分析云邊通信資源對微服務(wù)部署的影響,分別設(shè)定下行通信速度為12 MB/s和15 MB/s,改變上行通信速度,分析云邊通信資源對微服務(wù)部署的影響,結(jié)果見表6。

        由表6可知:在相同的下行通信速度下,上行通信速度增加雖沒有改變微服務(wù)部署的方案,但能降低業(yè)務(wù)延時;在相同的上行通信速度下,下行通信速度增加也沒有改變微服務(wù)的部署方案,但同樣能降低業(yè)務(wù)延時。影響微服務(wù)部署方案的主要因素是邊緣計算終端和云計算中心的計算資源,而通信資源對業(yè)務(wù)部署方案的影響較小。

        表6 云邊通信資源對微服務(wù)部署的影響

        4 結(jié)束語

        本文提出一種配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)云邊部署方法,建立配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)模型,采用改進(jìn)差分進(jìn)化算法求解建立的微服務(wù)云邊部署模型。仿真結(jié)果表明,所提方法相比邊部署策略、云部署策略和均衡部署策略能有效降低業(yè)務(wù)的延時,云邊的計算資源相較于通信資源對微服務(wù)部署結(jié)果的影響更顯著,且本文方法在尋優(yōu)深度和求解精度上比現(xiàn)有PSO算法更好。

        猜你喜歡
        云邊計算中心計算資源
        秋日吟懷
        基于SDN的云邊協(xié)同架構(gòu)在電力信息系統(tǒng)的應(yīng)用
        中國—東盟人工智能計算中心正式發(fā)布
        云邊協(xié)同 構(gòu)建交通“大腦”與“神經(jīng)末梢” 交通云平臺與邊緣計算初探
        基于模糊規(guī)劃理論的云計算資源調(diào)度研究
        面向反應(yīng)堆設(shè)計的高性能計算中心建設(shè)及應(yīng)用
        騰訊云首個5G邊緣計算中心正式對外開放
        水調(diào)歌頭·一醉愿千年
        改進(jìn)快速稀疏算法的云計算資源負(fù)載均衡
        基于Wi-Fi與Web的云計算資源調(diào)度算法研究
        免费无码a片一区二三区| 91青青草手机在线视频| 好看的日韩精品视频在线 | 成人午夜免费福利| 亚洲综合精品一区二区 | 欧美老妇与禽交| yy111111少妇影院| 亚洲国产日韩一区二区三区四区| 午夜三级a三级三点在线观看| 国产精品麻豆成人av电影艾秋 | 射死你天天日| 国产乱人伦真实精品视频| 亚洲精品久久麻豆蜜桃| 曰韩无码av一区二区免费| 日韩精品无码视频一区二区蜜桃| 精品国产亚洲一区二区三区演员表| 国产av一区麻豆精品久久| 国产人妖乱国产精品人妖| 在线精品一区二区三区| 五月婷婷激情六月| 色婷婷久久综合中文久久一本| 人人爽久久久噜人人看| 越南女子杂交内射bbwbbw| 九九久久精品大片| 一区二区视频在线国产| 人妻少妇无码精品视频区| 另类免费视频在线视频二区| 中文字幕成人精品久久不卡| 日本一区二区在线高清观看| 精品无码人妻一区二区三区不卡| 人妻无码一区二区在线影院| 日韩精品久久伊人中文字幕| 国产精品美女一区二区视频| 国产99久久亚洲综合精品| 国产伦码精品一区二区| 亚洲一区二区三区偷拍视频| 爆乳熟妇一区二区三区霸乳| 亚洲男女免费视频| 中文字幕一区二区网址| 妺妺跟我一起洗澡没忍住| 久久精品久久久久观看99水蜜桃|