智慧园区下边缘侧资源构建及云边协同微服务调度

这是一篇关于智慧园区,边缘计算,资源构建,云边协同,微服务调度的论文, 主要内容为近年来,随着计算机技术的飞速发展,加速了各行业智慧化方向的发展进程。传统园区也在朝着智慧化方向发展,智慧园区建设是指利用新型技术对园区中的计算资源进行分析、整合和控制,使园区具备自运行、自组织、自优化的能力,对园区中的行为作出智慧化响应。目前,传统园区正逐步向智慧园区转型,智慧园区具有需求变化频繁、新应用要求快速部署、异构资源众多等特点。传统由边缘侧采集数据,统一上传到云平台处理的方式已经不能满足现在的需求。通过国内外研究现状分析,智慧园区建设中,还现存在以下问题:(1)针对园区现存的基础设施(如园区服务器、网关、摄像头),如何实现复用,使资源最大化利用。(2)智慧园区需求变化频繁,新应用要求快速部署调整,需要园区管理者提供更加敏捷构建服务的能力。(3)现有的微服务调度研究主要存在云环境中,且大多数是针对单一目标进行优化,未考虑边缘计算与云计算场景中网络环境差异和容器间干扰,在智慧园区场景下无法直接迁移。针对以上不足,本文从智慧园区场景出发,设计了智慧园区边缘侧资源虚拟化架构,对智慧园区边缘侧资源进行构建,形成统一资源池;研发了可部署在智慧园区中具备边缘计算能力与虚拟化功能的嵌入式边缘网关原理样机,结合开源边缘计算框架对资源进行管理,提高园区硬件设备资源利用率;并根据园区场景,开发实现了智慧园区边缘服务系统,结合提出的云边协同微服务调度算法,提高园区边缘应用服务质量。本文主要研究内容如下:(1)设计了面向智慧园区的边缘侧计算资源资虚拟化架构,利用轻量级Docker容器技术结合开源边缘计算框架对智慧园区边缘侧资源进行构建。基于ARM Cortex A53架构的嵌入式开发板,通过固件编译、内核修改、交叉编译,进行资源构建,形成统一资源池,使边缘网关具备边缘计算与虚拟化功能。边缘侧采用Kube Edge框架,为园区中的边缘节点提供容器化应用部署和编排能力,中心云采用Kubernetes实现对容器的管理。通过对构建好的资源池进行管理,提高园区硬件设备资源利用率。(2)遵循边缘计算产业联盟提出的云边协同最新设计思想,结合智慧园区场景,设计了智慧园区边缘服务系统。为园区管理者提供权限分配、资源管理与资源监控功能。在构建的统一资源池的基础上,实现了边缘服务可快速部署及按需调度的智慧园区边缘服务系统。(3)提出了云边协同微服务调度算法,根据来自园区用户的服务需求,中心云中部署的调度器对微服务所需资源进行分析,结合边缘云与中心云中节点状况进行调度。调度器中部署的算法,对调度过程中的约束条件进行形式化表达,建立多目标优化目标函数。以容器间干扰最小化、提高集群资源利用率、减少服务响应时间为目标,使用设计的云边协同微服务调度算法进行求解。在Edge Cloud Sim平台中进行仿真验证,并与Kubernetes调度器默认调度算法、FCFS算法以及KEIDS算法对比,通过仿真实验证明,在相同约束条件下,设计的云边协同微服务调度算法可以提高集群整体资源利用率,减少容器间干扰并提高服务响应时间。最后,将算法部署于智慧园区边缘服务系统中,验证算法在智慧园区边缘服务系统中的有效性。通过模拟用户发起服务请求,利用调度器中部署的云边协同调度算法进行求解,并将调度结果返回给智慧园区边缘服务系统,在对应的边缘节点中部署承载对应微服务的Pod,服务园区用户,通过实物验证了算法在系统中部署的有效性。

智慧园区下边缘侧资源构建及云边协同微服务调度

这是一篇关于智慧园区,边缘计算,资源构建,云边协同,微服务调度的论文, 主要内容为近年来,随着计算机技术的飞速发展,加速了各行业智慧化方向的发展进程。传统园区也在朝着智慧化方向发展,智慧园区建设是指利用新型技术对园区中的计算资源进行分析、整合和控制,使园区具备自运行、自组织、自优化的能力,对园区中的行为作出智慧化响应。目前,传统园区正逐步向智慧园区转型,智慧园区具有需求变化频繁、新应用要求快速部署、异构资源众多等特点。传统由边缘侧采集数据,统一上传到云平台处理的方式已经不能满足现在的需求。通过国内外研究现状分析,智慧园区建设中,还现存在以下问题:(1)针对园区现存的基础设施(如园区服务器、网关、摄像头),如何实现复用,使资源最大化利用。(2)智慧园区需求变化频繁,新应用要求快速部署调整,需要园区管理者提供更加敏捷构建服务的能力。(3)现有的微服务调度研究主要存在云环境中,且大多数是针对单一目标进行优化,未考虑边缘计算与云计算场景中网络环境差异和容器间干扰,在智慧园区场景下无法直接迁移。针对以上不足,本文从智慧园区场景出发,设计了智慧园区边缘侧资源虚拟化架构,对智慧园区边缘侧资源进行构建,形成统一资源池;研发了可部署在智慧园区中具备边缘计算能力与虚拟化功能的嵌入式边缘网关原理样机,结合开源边缘计算框架对资源进行管理,提高园区硬件设备资源利用率;并根据园区场景,开发实现了智慧园区边缘服务系统,结合提出的云边协同微服务调度算法,提高园区边缘应用服务质量。本文主要研究内容如下:(1)设计了面向智慧园区的边缘侧计算资源资虚拟化架构,利用轻量级Docker容器技术结合开源边缘计算框架对智慧园区边缘侧资源进行构建。基于ARM Cortex A53架构的嵌入式开发板,通过固件编译、内核修改、交叉编译,进行资源构建,形成统一资源池,使边缘网关具备边缘计算与虚拟化功能。边缘侧采用Kube Edge框架,为园区中的边缘节点提供容器化应用部署和编排能力,中心云采用Kubernetes实现对容器的管理。通过对构建好的资源池进行管理,提高园区硬件设备资源利用率。(2)遵循边缘计算产业联盟提出的云边协同最新设计思想,结合智慧园区场景,设计了智慧园区边缘服务系统。为园区管理者提供权限分配、资源管理与资源监控功能。在构建的统一资源池的基础上,实现了边缘服务可快速部署及按需调度的智慧园区边缘服务系统。(3)提出了云边协同微服务调度算法,根据来自园区用户的服务需求,中心云中部署的调度器对微服务所需资源进行分析,结合边缘云与中心云中节点状况进行调度。调度器中部署的算法,对调度过程中的约束条件进行形式化表达,建立多目标优化目标函数。以容器间干扰最小化、提高集群资源利用率、减少服务响应时间为目标,使用设计的云边协同微服务调度算法进行求解。在Edge Cloud Sim平台中进行仿真验证,并与Kubernetes调度器默认调度算法、FCFS算法以及KEIDS算法对比,通过仿真实验证明,在相同约束条件下,设计的云边协同微服务调度算法可以提高集群整体资源利用率,减少容器间干扰并提高服务响应时间。最后,将算法部署于智慧园区边缘服务系统中,验证算法在智慧园区边缘服务系统中的有效性。通过模拟用户发起服务请求,利用调度器中部署的云边协同调度算法进行求解,并将调度结果返回给智慧园区边缘服务系统,在对应的边缘节点中部署承载对应微服务的Pod,服务园区用户,通过实物验证了算法在系统中部署的有效性。

智慧园区下边缘侧资源构建及云边协同微服务调度

这是一篇关于智慧园区,边缘计算,资源构建,云边协同,微服务调度的论文, 主要内容为近年来,随着计算机技术的飞速发展,加速了各行业智慧化方向的发展进程。传统园区也在朝着智慧化方向发展,智慧园区建设是指利用新型技术对园区中的计算资源进行分析、整合和控制,使园区具备自运行、自组织、自优化的能力,对园区中的行为作出智慧化响应。目前,传统园区正逐步向智慧园区转型,智慧园区具有需求变化频繁、新应用要求快速部署、异构资源众多等特点。传统由边缘侧采集数据,统一上传到云平台处理的方式已经不能满足现在的需求。通过国内外研究现状分析,智慧园区建设中,还现存在以下问题:(1)针对园区现存的基础设施(如园区服务器、网关、摄像头),如何实现复用,使资源最大化利用。(2)智慧园区需求变化频繁,新应用要求快速部署调整,需要园区管理者提供更加敏捷构建服务的能力。(3)现有的微服务调度研究主要存在云环境中,且大多数是针对单一目标进行优化,未考虑边缘计算与云计算场景中网络环境差异和容器间干扰,在智慧园区场景下无法直接迁移。针对以上不足,本文从智慧园区场景出发,设计了智慧园区边缘侧资源虚拟化架构,对智慧园区边缘侧资源进行构建,形成统一资源池;研发了可部署在智慧园区中具备边缘计算能力与虚拟化功能的嵌入式边缘网关原理样机,结合开源边缘计算框架对资源进行管理,提高园区硬件设备资源利用率;并根据园区场景,开发实现了智慧园区边缘服务系统,结合提出的云边协同微服务调度算法,提高园区边缘应用服务质量。本文主要研究内容如下:(1)设计了面向智慧园区的边缘侧计算资源资虚拟化架构,利用轻量级Docker容器技术结合开源边缘计算框架对智慧园区边缘侧资源进行构建。基于ARM Cortex A53架构的嵌入式开发板,通过固件编译、内核修改、交叉编译,进行资源构建,形成统一资源池,使边缘网关具备边缘计算与虚拟化功能。边缘侧采用Kube Edge框架,为园区中的边缘节点提供容器化应用部署和编排能力,中心云采用Kubernetes实现对容器的管理。通过对构建好的资源池进行管理,提高园区硬件设备资源利用率。(2)遵循边缘计算产业联盟提出的云边协同最新设计思想,结合智慧园区场景,设计了智慧园区边缘服务系统。为园区管理者提供权限分配、资源管理与资源监控功能。在构建的统一资源池的基础上,实现了边缘服务可快速部署及按需调度的智慧园区边缘服务系统。(3)提出了云边协同微服务调度算法,根据来自园区用户的服务需求,中心云中部署的调度器对微服务所需资源进行分析,结合边缘云与中心云中节点状况进行调度。调度器中部署的算法,对调度过程中的约束条件进行形式化表达,建立多目标优化目标函数。以容器间干扰最小化、提高集群资源利用率、减少服务响应时间为目标,使用设计的云边协同微服务调度算法进行求解。在Edge Cloud Sim平台中进行仿真验证,并与Kubernetes调度器默认调度算法、FCFS算法以及KEIDS算法对比,通过仿真实验证明,在相同约束条件下,设计的云边协同微服务调度算法可以提高集群整体资源利用率,减少容器间干扰并提高服务响应时间。最后,将算法部署于智慧园区边缘服务系统中,验证算法在智慧园区边缘服务系统中的有效性。通过模拟用户发起服务请求,利用调度器中部署的云边协同调度算法进行求解,并将调度结果返回给智慧园区边缘服务系统,在对应的边缘节点中部署承载对应微服务的Pod,服务园区用户,通过实物验证了算法在系统中部署的有效性。

边缘云中面向云原生应用的服务间通信优化

这是一篇关于边缘计算,云原生,微服务调度,服务网格,规则缓存的论文, 主要内容为边缘计算(Edge Computing)通过融合网络边缘侧的计算、存储和网络等资源,实现了算力资源的就近供给,满足了实时性和敏捷性等方面的服务需求,被视为未来云计算(Cloud Computing)发展的重要趋势之一。近年来,云原生计算(Cloud Native Computing)已经成为云计算的发展主流,通过采用微服务化和松耦合化的服务架构,实现基于服务的快速按需应用编排。同时,以Kubernetes为代表的云原生编排系统和以Service Mesh为代表的微服务治理技术,被视为未来分布式系统的核心。边缘计算作为云计算的扩展,也享有类似的发展思路。依托轻量级云原生支撑技术(如容器)可有效实现资源隔离、快速部署、高效管控等功能。目前,将云原生技术引入边缘计算并构建边缘原生生态,已得到业界的广泛认可。尽管边缘原生计算(Edge Native Computing)潜力如此巨大,但在实际应用过程中仍存在许多挑战,例如,微服务间通信延迟难缓解。为此,本文将从微服务的部署阶段和运行时微服务的流量治理阶段两个方面对微服务间通信进行优化。现在Kubernetes的“尽力而为”的调度策略,导致在调度微服务应用时忽略了微服务之间的通信对性能的影响,致使部分微服务在通信过程中将承受高额的跨服务器通信开销,特别是在边缘云环境中会显得格外突出。同时,为了解决微服务通信的复杂性问题,服务网格将服务到服务通信中的控制平面(Control Plane)和数据平面(Data Plane)解耦。在数据平面中,每个微服务都附加了一个Sidecar代理,以封装微服务之间复杂通信。微服务Sidecar代理的行为都在控制平面的集中控制器的控制之下。显然,这不可避免地会引入额外的通信控制延迟,进而影响微服务的响应时间。由于微服务分布广泛,边缘服务器之间的通信延迟相对较长,这个问题也在边缘云中尤为突出。本文首先针对Kubernetes的调度器(Kube-scheduler)在通信方面的缺陷,通过更改调度器的Priorities算法将存在较大通信量的微服务调度到同一边缘服务器中,以最大限度地减少通信开销。然而,这种贪婪的将存在高通信量的微服务放置在同一边缘服务器上,必将忽视掉被调度的微服务(更确切地说,应该是微服务实例。在这里,为了避免误解,本文简单的说成微服务。)对每种资源(即CPU和内存)的请求量和边缘服务器上每种资源剩余量的匹配度。当再调度特定的资源密集型微服务时,很可能会产生大量的资源碎片,甚至造成单个资源的性能瓶颈,进而导致资源的浪费。因此,本文针对这些问题提出了一个通信和资源感知的微服务调度架构,即Kube-MSRM,以确保云原生应用的低延迟的同时,充分平衡边缘服务器内的资源消耗。根据大量真实实验结果表明,Kube-MSRM在确保了在面对云原生应用所需Qo S的同时,与Kubernetes和最先进的调度框架相比,在低负载时,将边缘服务器间的资源消耗差距分别平均减少了2.54%和39.39%。高负载时,平均降低了48.29%和3.26倍。进一步地,为了减少服务网格在边缘云中治理服务间流量时,通信控制对云原生应用的服务质量的影响。规则缓存被提出以解决此类问题。但是,如何管理规则缓存至今还未研究。为此,本文首先深入研究了服务网格的架构,以挖掘两个缓存站点(即控制器和微服务Sidecar代理)的优缺点。然后,研究了如何在考虑缓存容量限制和请求速率异质性的情况下,实现快速服务到服务通信的同时,平衡两个缓存站点的使用的问题。该问题被表述为整数线性规划(ILP)形式,并被证明是NP-hard问题。并提出了一种基于双标准随机舍入(Dual-standard Randomized Rounding,DSRR)的算法,并从理论上分析了其可实现的近似率。基于跟踪驱动仿真的实验表明,基于RR的近似算法(DSRR)平均将通信控制请求的响应延迟降低了4.35倍,同时将缓存占用空间节省了24.75%。为了缓解在边缘云中部署和治理云原生应用的过程中所出现的高微服务间通信延迟的问题,本文将从微服务的部署阶段和运行时微服务的流量治理阶段两方面来对微服务间通信进行优化,以保证在边缘云中云原生应用的服务质量。

面向算力网络的微服务调度策略研究与实现

这是一篇关于算力网络,微服务调度,多维资源,关键路径,边边协同的论文, 主要内容为云计算与边缘计算的快速发展,助力算力从云端下沉到边缘,形成泛在的计算资源。为推动计算和网络资源的深度融合,研究人员提出了算力网络的概念。在算力网络的架构中,算力服务层是联系算力资源和用户需求的桥梁,可基于微服务架构实现,灵活地为用户需求提供特定的服务实例。因此,研究面向算力网络的微服务调度策略,对算力网络的进一步落地实施具有重要的意义。现有工作中,Kubernetes服务编排系统和以Istio为代表的服务网格是云中心主流的微服务部署和调度平台。然而,在微服务部署方面,Kubernetes原生策略的评价指标只包括CPU和内存信息,而未考虑网络、磁盘等其它维度资源的状况,导致资源负载的不均衡;在微服务调度方面,当大量任务需求到达时,由于Istio默认使用轮询机制,缺乏高效算法,容易引起服务调度性能下降。针对上述问题,本文以算力网络架构的服务层为基础,对目前云中心的微服务部署和调度工作开展研究与优化,并将云端提出的优化策略拓展至边缘,实现边缘侧的服务协同。本文的具体工作如下:(1)设计一种融合多维资源的微服务部署优化策略。针对Kubernetes部署微服务时原生策略资源信息利用不充分的问题,本文提出的优化策略拓展了评价指标,增加了网络带宽和磁盘容量等信息,根据待部署服务对多维资源的不同需求动态调整资源权重,并实时监控集群资源状态信息,自适应调整部署节点。实验结果表明,与原生策略相比,本文提出的部署优化策略有助于节点自身和集群整体资源的利用率更加均衡。(2)设计一种基于关键路径算法的微服务调度优化策略。针对Istio使用轮询算法带来的服务调度效率低问题,本文抽象调度问题,构造AOV拓扑图,结合微服务处理时间和代价将其转化为AOE模型,给出基于关键路径算法的求解方案,即以关键路径节点上服务实例完成时间为截止时间,决策出最低代价的服务实例。仿真结果表明,与Istio默认算法相比,本文提出的优化策略可以有效降低服务实例调度的时间和代价。(3)实现边缘侧的微服务调度优化方案。针对现有边缘存在多节点信息维护困难和缺乏细粒度微服务调度能力等问题,本文设计集中式边缘信息维护方案,并适配边缘轻量化服务网格,实现边缘集群的细粒度服务调度。最后,针对边缘资源与云端的差异,将本文所提调度策略进行了适应边缘的调整。结果表明,在边缘侧,本文给出的优化策略仍可有效地实现微服务调度的边边协同。综上,本文对面向算力网络的微服务部署和调度工作进行了优化,提出的部署优化策略能主动适应算力资源的变化,均衡资源的利用率;提出的基于关键路径算法的调度优化策略能显著降低调度时间和成本,且在边缘侧同样具有良好的性能表现。基于以上优化策略,有效地提升了算力网络中微服务的协同处理能力。

智慧园区下边缘侧资源构建及云边协同微服务调度

这是一篇关于智慧园区,边缘计算,资源构建,云边协同,微服务调度的论文, 主要内容为近年来,随着计算机技术的飞速发展,加速了各行业智慧化方向的发展进程。传统园区也在朝着智慧化方向发展,智慧园区建设是指利用新型技术对园区中的计算资源进行分析、整合和控制,使园区具备自运行、自组织、自优化的能力,对园区中的行为作出智慧化响应。目前,传统园区正逐步向智慧园区转型,智慧园区具有需求变化频繁、新应用要求快速部署、异构资源众多等特点。传统由边缘侧采集数据,统一上传到云平台处理的方式已经不能满足现在的需求。通过国内外研究现状分析,智慧园区建设中,还现存在以下问题:(1)针对园区现存的基础设施(如园区服务器、网关、摄像头),如何实现复用,使资源最大化利用。(2)智慧园区需求变化频繁,新应用要求快速部署调整,需要园区管理者提供更加敏捷构建服务的能力。(3)现有的微服务调度研究主要存在云环境中,且大多数是针对单一目标进行优化,未考虑边缘计算与云计算场景中网络环境差异和容器间干扰,在智慧园区场景下无法直接迁移。针对以上不足,本文从智慧园区场景出发,设计了智慧园区边缘侧资源虚拟化架构,对智慧园区边缘侧资源进行构建,形成统一资源池;研发了可部署在智慧园区中具备边缘计算能力与虚拟化功能的嵌入式边缘网关原理样机,结合开源边缘计算框架对资源进行管理,提高园区硬件设备资源利用率;并根据园区场景,开发实现了智慧园区边缘服务系统,结合提出的云边协同微服务调度算法,提高园区边缘应用服务质量。本文主要研究内容如下:(1)设计了面向智慧园区的边缘侧计算资源资虚拟化架构,利用轻量级Docker容器技术结合开源边缘计算框架对智慧园区边缘侧资源进行构建。基于ARM Cortex A53架构的嵌入式开发板,通过固件编译、内核修改、交叉编译,进行资源构建,形成统一资源池,使边缘网关具备边缘计算与虚拟化功能。边缘侧采用Kube Edge框架,为园区中的边缘节点提供容器化应用部署和编排能力,中心云采用Kubernetes实现对容器的管理。通过对构建好的资源池进行管理,提高园区硬件设备资源利用率。(2)遵循边缘计算产业联盟提出的云边协同最新设计思想,结合智慧园区场景,设计了智慧园区边缘服务系统。为园区管理者提供权限分配、资源管理与资源监控功能。在构建的统一资源池的基础上,实现了边缘服务可快速部署及按需调度的智慧园区边缘服务系统。(3)提出了云边协同微服务调度算法,根据来自园区用户的服务需求,中心云中部署的调度器对微服务所需资源进行分析,结合边缘云与中心云中节点状况进行调度。调度器中部署的算法,对调度过程中的约束条件进行形式化表达,建立多目标优化目标函数。以容器间干扰最小化、提高集群资源利用率、减少服务响应时间为目标,使用设计的云边协同微服务调度算法进行求解。在Edge Cloud Sim平台中进行仿真验证,并与Kubernetes调度器默认调度算法、FCFS算法以及KEIDS算法对比,通过仿真实验证明,在相同约束条件下,设计的云边协同微服务调度算法可以提高集群整体资源利用率,减少容器间干扰并提高服务响应时间。最后,将算法部署于智慧园区边缘服务系统中,验证算法在智慧园区边缘服务系统中的有效性。通过模拟用户发起服务请求,利用调度器中部署的云边协同调度算法进行求解,并将调度结果返回给智慧园区边缘服务系统,在对应的边缘节点中部署承载对应微服务的Pod,服务园区用户,通过实物验证了算法在系统中部署的有效性。