江 坤，奚宏生

(中國科學(xué)技術(shù)大學(xué) 信息科學(xué)技術(shù)學(xué)院，安徽 合肥 230026)

跨域流媒體邊緣云資源調(diào)整策略*

江 坤，奚宏生

(中國科學(xué)技術(shù)大學(xué) 信息科學(xué)技術(shù)學(xué)院，安徽 合肥230026)

隨著云計(jì)算技術(shù)的成熟，跨域邊緣云模式下的流媒體服務(wù)正逐漸興起。但流媒體相關(guān)的用戶請求隨時間波動較大，邊緣云需要動態(tài)調(diào)整需租賃的云資源來同時保證用戶服務(wù)質(zhì)量和資源利用率。文中提出的云資源調(diào)整策略綜合考慮了跨域流媒體邊緣云的資源消耗模型、相關(guān)用戶服務(wù)質(zhì)量指標(biāo)的量化以及跨域轉(zhuǎn)發(fā)用戶請求對系統(tǒng)服務(wù)的影響，通過系統(tǒng)資源調(diào)整階段和子云資源調(diào)整階段策略的合理協(xié)調(diào)，在保證用戶服務(wù)質(zhì)量的同時節(jié)約了系統(tǒng)總體云資源的租賃代價(jià)，同時仿真結(jié)果表明文中策略能夠取得上述優(yōu)化效果。

流媒體邊緣云；資源調(diào)整；服務(wù)質(zhì)量；租賃代價(jià)

0 引言

近年來，流媒體相關(guān)的互聯(lián)網(wǎng)流量正急劇增長[1]，到2019年，與之相關(guān)的網(wǎng)絡(luò)連接和網(wǎng)絡(luò)設(shè)備的數(shù)量將從2014年的140億增長至240億[2]。傳統(tǒng)的流媒體服務(wù)技術(shù)，由于建設(shè)成本和服務(wù)能力的不足，無法滿足當(dāng)前流媒體服務(wù)的需求[3]。而隨著云計(jì)算技術(shù)的興起與成熟，流媒體服務(wù)商可以利用跨域流媒體邊緣云(Streaming Media Edge Cloud，MEC)將存儲影片資源和響應(yīng)用戶請求的工作交由位于邊緣網(wǎng)絡(luò)的云平臺完成[4]，從而降低了傳輸時延，保證了用戶服務(wù)質(zhì)量。

同時該模式下，流媒體服務(wù)商可以根據(jù)需求動態(tài)調(diào)整需租用的云資源。由于各區(qū)域用戶請求的數(shù)量往往會隨時間波動，假如按照請求高峰所需的資源租用云服務(wù)，在非請求高峰期間會造成云資源的閑置，但若租用的云資源無法響應(yīng)高峰時的用戶請求，則會影響用戶服務(wù)質(zhì)量[5]。因此，非常有必要兼顧上述需求動態(tài)調(diào)整需租賃的云資源。

1 跨域流媒體邊緣云

本文采用的跨域流媒體邊緣云服務(wù)架構(gòu)包括：調(diào)整全局云資源的資源調(diào)整控制器、跨域分配用戶請求的OpenFlow控制器、作為各個區(qū)域轉(zhuǎn)發(fā)代理的OpenFlow交換機(jī)以及向各個域提供服務(wù)的流媒體邊緣云，具體架構(gòu)如圖1所示。

圖1中，OpenFlow控制器根據(jù)各個區(qū)域用戶請求的分布狀況預(yù)測下個時刻流行度分布，再計(jì)算出各個區(qū)域具體的請求分配策略，然后將其下發(fā)至各個負(fù)責(zé)本區(qū)域的請求轉(zhuǎn)發(fā)的OpenFlow交換機(jī)，從而實(shí)現(xiàn)用戶請求的動態(tài)轉(zhuǎn)發(fā)。而各個流媒體邊緣云由多臺部署在邊緣網(wǎng)絡(luò)云平臺上的虛擬機(jī)對外提供流媒體服務(wù)[6]，云資源調(diào)整控制器根據(jù)歷史用戶請求周期性地計(jì)算云資源調(diào)度策略，實(shí)現(xiàn)了云資源的動態(tài)調(diào)整。

2 云資源調(diào)整策略

云資源調(diào)整策略需周期性決策各個子云需租賃的云資源。由于云資源調(diào)整策略的執(zhí)行周期要長于跨域請求分配策略的執(zhí)行周期[7]，整體服務(wù)質(zhì)量是由系統(tǒng)利用給定的云資源經(jīng)過多次跨域請求分配策略的執(zhí)行而取得的。本文的云資源調(diào)整策略通過系統(tǒng)資源調(diào)整階段和子云資源決策階段合理協(xié)調(diào)，能夠在保證用戶服務(wù)質(zhì)量的同時節(jié)約系統(tǒng)總體云資源的租賃代價(jià)。

2.1系統(tǒng)資源調(diào)整階段

系統(tǒng)資源調(diào)整階段決策的是所有子云允許接入的最大會話數(shù)，主要目標(biāo)是通過決策系統(tǒng)總的服務(wù)能力，在保證系統(tǒng)總體請求接受率的前提下，盡可能減少云資源租賃費(fèi)用。

系統(tǒng)分配的總體云資源所能夠支持的用戶服務(wù)質(zhì)量是經(jīng)過多次跨域請求分配策略的執(zhí)行取得，因此，為保證最終的用戶服務(wù)質(zhì)量，所租用的云資源應(yīng)當(dāng)滿足資源調(diào)整策略執(zhí)行周期內(nèi)資源需求的峰值。定義C為各次用戶請求分配策略的執(zhí)行所需云資源的租賃費(fèi)用，ct表示第t次跨域請求分配策略的執(zhí)行所需云資源的租賃費(fèi)用，而cmax則為C中各元素的最大值，因此優(yōu)化目標(biāo)可表示為：

Min{cmax}

(1)

流媒體邊緣云為用戶提供服務(wù)過程中，云資源主要消耗在與擬接入的請求數(shù)有關(guān)的請求接入階段、與重部署的副本數(shù)相關(guān)的重部署階段，以及由當(dāng)前服務(wù)的請求數(shù)決定的請求服務(wù)階段。定義A、B、S分別為擬接入請求向量、重部署副本向量和服務(wù)請求向量，大小均為T,at、bt、st分別表示第t個跨域請求分配策略執(zhí)行周期擬接入的請求數(shù)、重部署的副本數(shù)和系統(tǒng)當(dāng)前服務(wù)的請求數(shù)。為了簡化問題，各階段云資源的租賃費(fèi)用均正比于at、bt、st，系數(shù)分別為α、β、γ，因此各跨域請求分配策略的執(zhí)行所需云資源的租賃費(fèi)用可表示為：

ct=αat+βbt+γst

(2)

系統(tǒng)當(dāng)前服務(wù)的總請求數(shù)與歷史接受的請求數(shù)有關(guān)，即只需要求得已接受的請求中尚未退出的用戶請求。假設(shè)所有用戶請求經(jīng)過L個域請求分配策略執(zhí)行周期均會退出，其訪問時長服從分布Q，其中ql表示經(jīng)過l個周期仍在線請求的比例，矩陣H表示各個跨域請求分配策略執(zhí)行周期前各個子云服務(wù)的歷史請求數(shù)，其中hkl表示之前的第l次執(zhí)行跨域請求分配策略子云k服務(wù)的用戶請求數(shù)。需要說明的是H每次跨域請求分配策略執(zhí)行前均會更新H。因此各個當(dāng)前服務(wù)的總請求數(shù)可表示為：

(3)

當(dāng)前跨域請求分配策略執(zhí)行周期接入的用戶請求數(shù)與到達(dá)的請求數(shù)和系統(tǒng)當(dāng)前服務(wù)能力有關(guān)。各個子云當(dāng)前的服務(wù)能力為允許接入的最大請求數(shù)與當(dāng)前已接入的用戶請求之差，而跨域請求分配策略可以充分利用云資源接入用戶請求，定義rall為各個子云所需租用的總會話數(shù)，矩陣P表示各個跨域請求分配策略周期到達(dá)的請求數(shù)，其中pjt表示第t次執(zhí)行跨域請求分配策略來自第j個區(qū)域的用戶請求數(shù)。因此，各個子云該周期擬接入的用戶請求數(shù)可表示為：

(4)

子云為了響應(yīng)用戶對于服務(wù)器未預(yù)先部署的影片的請求，需要向遠(yuǎn)端數(shù)據(jù)中心請求該影片，跨域請求分配策略可以避免各個子云對于本區(qū)域冷門影片的部署，全局重部署影片副本數(shù)與擬接入用戶請求的比例基本一致，定義σ為全局重部署影片副本數(shù)與擬接入用戶請求之比。因此，該周期全局需重部署的副本數(shù)可表示為：

bt=θat

(5)

對于各個子云總體的請求接受率，設(shè)置τa為需保證的請求接受率，具體約束可表示為：

(6)

根據(jù)上述優(yōu)化目標(biāo)和約束的表達(dá)式，系統(tǒng)資源分配階段具體數(shù)學(xué)模型可表示為：

obj:Min{cmax}

(7)

Subject to:

ct=αat+βbt+γst

cmax=max(c1,c2,…,ct)

bt=θat

上述模型為單目標(biāo)優(yōu)化模型，可以直接利用cvx和gurobi求解器求解系統(tǒng)需租賃的服務(wù)資源。

2.2子云資源調(diào)整階段

子云資源調(diào)整階段需決策的是各個子云資源的調(diào)整方案，主要目標(biāo)是通過調(diào)整各個子云允許接入的最大請求數(shù)，在盡可能節(jié)約云資源租用費(fèi)用的前提下保證各個子云對于本地用戶請求的服務(wù)，避免過多跨域用戶請求分配增加的傳輸時延。

為保證最終的用戶服務(wù)質(zhì)量，各個子云所租用的云資源應(yīng)當(dāng)滿足資源調(diào)整策略執(zhí)行周期內(nèi)資源需求的峰值。定義E為各個用戶請求分配策略執(zhí)行周期所需云資源的租賃費(fèi)用，etk表示第t次跨域請求分配策略的執(zhí)行第k個子云所需云資源的租賃費(fèi)用，而矢量M則為E中各子云各個請求分配周期所需云資源的最大值，為保證總的云資源租賃費(fèi)用最少，優(yōu)化目標(biāo)可表示為：

(8)

對于akt、bkt、skt的計(jì)算系統(tǒng)資源調(diào)整階段已給出，同時為了使所分配的云資源能夠保證不中斷地對在線用戶請求提供服務(wù)，各子云重新調(diào)整的云資源應(yīng)當(dāng)滿足當(dāng)前在線請求的提供需求，可表示為：

γskt≤ekt

(9)

定義gm和ga分別為全局本地?zé)o法服務(wù)的請求數(shù)和閑置的服務(wù)能力，具體表達(dá)式如下：

(10)

定義cqjt和iqjt分別表示子云j在時刻t只響應(yīng)本地用戶請求的閑置服務(wù)能力和拒絕的請求數(shù)，具體表達(dá)式如下：

cqjt=max(qtk-(rj-sjt),0)

iqjt=max(rj-sjt-qtk,0)

(11)

跨域請求分配策略為了保證全局云資源的高效利用，會將本地子云無法響應(yīng)的用戶請求交由其他地區(qū)的子云服務(wù)。為簡化計(jì)算，本策略假定各個子云會優(yōu)先服務(wù)本地的用戶請求，假如有閑置的服務(wù)能力會等概率地響應(yīng)其他子云無法服務(wù)的本地用戶請求，定義djk表示區(qū)域k對子云j的傳輸時延，因此最小化跨域請求分配的優(yōu)化目標(biāo)可以表示為：

(12)

同時為保證各個子云整體的請求接受率，各個子云租用的云資源之和應(yīng)當(dāng)大于系統(tǒng)資源給定的總體資源租用方案。因此，該模型最終可表示為：

(13)

Subject to:

ekt=αakt+βbkt+γskt

mk=max(ek1,ek2,…,ekT)

akt=min(pkt,rk-stt)

bkt=θakt

γskt≤ekt

cqjt=max(qtk-(rj-sjt),0)

iqjt=max(rj-sjt-qtk,0)

本文利用分層序列法求解，具體來說就是先將最小化系統(tǒng)的云資源租賃費(fèi)用作為主目標(biāo)模型，將求解結(jié)果作為約束代入最小化系統(tǒng)整體傳輸時延的求解過程中，具體求解可利用cvx和gurobi求解器實(shí)現(xiàn)。

3 系統(tǒng)仿真與分析

本文將云資源調(diào)整策略執(zhí)行周期設(shè)為1 h，而跨域請求分配策略和云資源調(diào)度策略的執(zhí)行周期均設(shè)為3 min，仿真時長設(shè)為24 h。實(shí)驗(yàn)輸入則來源于對實(shí)際用戶請求到達(dá)率的統(tǒng)計(jì)結(jié)果[8]，具體如圖2所示。

圖2 系統(tǒng)整體請求到達(dá)率分布圖

根據(jù)文獻(xiàn)[9]，將請求接入階段、影片重部署階段和請求服務(wù)階段消耗資源的比例系數(shù)α、β、γ分別設(shè)為α=0.12、β=0.48、γ=0.20，而系統(tǒng)總體的請求接受率約束設(shè)為95%。

首先將跨域流媒體邊緣云的全局云資源租賃費(fèi)用作為性能指標(biāo)，為了體現(xiàn)本文策略的優(yōu)勢，將與單云優(yōu)化策略的云資源調(diào)整方案[10]進(jìn)行對比，具體結(jié)果如圖3所示。本文的策略與單云優(yōu)化策略均能夠根據(jù)總體請求到達(dá)率的變化動態(tài)地調(diào)整租用的云資源。但單云優(yōu)化策略沒有考慮用戶請求的跨域轉(zhuǎn)發(fā)，消耗在影片重部署的資源要遠(yuǎn)高于本文策略，從而造成系統(tǒng)總體的租用成本高出24.8%。

圖3 云資源租賃費(fèi)用示意圖

然后將上述兩種云資源調(diào)整策略決策出的各個子云能夠服務(wù)的最大請求數(shù)作為系統(tǒng)資源限制，驗(yàn)證各個云資源調(diào)整周期內(nèi)的平均請求接受率是否滿足給定的約束，具體的仿真結(jié)果如圖4所示。上述兩種調(diào)整策略各個云資源調(diào)整周期平均的請求接受率均大于設(shè)置的約束值95%，滿足設(shè)置的約束。

4 結(jié)論

本文提出了一種跨域流媒體邊緣云資源調(diào)整策略，通過動態(tài)調(diào)整需租賃的云資源，能夠在保證用戶服務(wù)質(zhì)量的前提下節(jié)約云資源的整體租賃費(fèi)用。仿真結(jié)果表明本文策略能夠在保證用戶服務(wù)質(zhì)量的同時動態(tài)調(diào)整云資源以適應(yīng)用戶請求的波動。

圖4 云資源調(diào)整策略平均請求接受率示意圖

[1] CISCO.Cisco visual networking index: Forecast and methodology，2011-2016[R].San Jose，CA，USA: Cisco，2012.

[2] INDEX C V N.Forecast and methodology，2014-2019 White Paper[R].San Jose，CA，USA: Cisco，2015.

[3] 董宏成，鄭飛毅.基于 OpenFlow 的數(shù)據(jù)中心網(wǎng)絡(luò)負(fù)載均衡算法[J].電子技術(shù)應(yīng)用，2016，42(5): 120-123.

[4] 郭棟，王偉，曾國蓀.云計(jì)算中一種分布式緩存加密存取方法[J].微型機(jī)與應(yīng)用，2016，35(2): 1-3.

[5] 張政歡.云視頻服務(wù)系統(tǒng)的資源配置和調(diào)度優(yōu)化[D].合肥: 中國科學(xué)技術(shù)大學(xué)，2016.

[6] 戰(zhàn)立松，奚宏生，王子磊.基于OpenFlow的流媒體云服務(wù)遷移方法[J].計(jì)算機(jī)工程，2014，40(12): 1-5.

[7] 冉泳屹.云環(huán)境下基于隨機(jī)優(yōu)化的動態(tài)資源調(diào)度研究[D].合肥: 中國科學(xué)技術(shù)大學(xué)，2015.

[8] UMass Trace Repository[EB/OL].http://traces.cs.umass.edu/index.php/Network/Network.

[9] NAN X，HE Y，GUAN L.Optimal resource allocation for cloud based on queuing model[C].Proceedings of the 13th International Workshop on Multimedia Signal Processing (MMSP),2011.IEEE，2011: 1-6.

[10] 姜同全.流媒體邊緣云的聯(lián)合優(yōu)化資源調(diào)度策略研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2016.

A resource adjustment strategy for cross domain streaming media edge Cloud

Jiang Kun，Xi Hongsheng

(School of Information Science and Technology，University of Science and Technology of China，Hefei 230026，China)

With the maturity of cloud computing technology, the streaming media services in the cross-domain edge cloud mode are gradually rising.While streaming media-related user requests fluctuate intensely，it is necessary to dynamically adjust the cloud resource leasing scheme.The proposed strategy takes into account the resource consumption model of the cross-domain streaming media edge cloud，the quantization of the relevant user service quality indicators，and the impact of the cross-domain forwarding user request to system to reasonably adjust cloud resource leasing scheme, and to ensure the quality of customer service under the premise of minimizing the overall system rental costs through the system resource adjustment phase and sub-cloud resource adjustment phase.The simulation result shows that the proposed strategy can achieve the above optimization effect.

streaming media edge Cloud; resource adjustment; quality of service;rental cost

TP391.41

A

10.19358/j.issn.1674-7720.2017.21.007

江坤，奚宏生.跨域流媒體邊緣云資源調(diào)整策略J.微型機(jī)與應(yīng)用，2017,36(21)：22-25,28.

國家自然科學(xué)基金(61233003)；中央高校研究基金科研業(yè)務(wù)費(fèi)專項(xiàng)資金(WK3500000002)

2017-05-14)

江坤(1992-)，男，碩士研究生，主要研究方向：網(wǎng)絡(luò)傳播與控制。

奚宏生(1950-)，男，碩士，教授，主要研究方向：離散事件動態(tài)系統(tǒng)、不確定隨機(jī)系統(tǒng)的魯棒估計(jì)器和控制器設(shè)計(jì)、通信網(wǎng)絡(luò)的性能分析和優(yōu)化、信息安全。