基于边缘计算的分布式流行数据缓存分配方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115858142A(43)申请公布日2023.03.28(21)申请号202211286709.3(22)申请日2022.10.20(71)申请人重庆大学地址400030重庆市沙坪坝区沙正街174号(72)发明人何静媛黄锦辉陈自郁闫瑞(74)专利代理机构重庆双马智翔专利代理事务所(普通合伙)50241专利代理师顾晓玲(51)Int.Cl.G06F9/50(2006.01)H04L67/568(2022.01)权利要求书3页说明书9页附图2页(54)发明名称基于边缘计算的分布式流行数据缓存分配方法(57)摘要本发明提出了一种基于边缘计算的分布式流行数据缓存分配方法，该方法为：基于局部边缘网络信息为每个边缘服务器构建相关的本地约束，包括基于用户数据访问方式设置数据缓存效益约束、基于边缘服务器的缓存成本设置缓存代价效益约束、基于用户数据访问方式与边缘缓存的设置方式导致的数据冗余设置缓存冗余惩罚约束，以本地约束为基础为各边缘服务器建立缓存分配方案目标函数模型；设置硬约束条件；每个边缘服务器通过消息传递对缓存分配方案目标函数进行分布式求解，得到本地流行数据缓存分配方案。该方法避免了集中式求解的全局消息收集过程，能够更有效的降低网络负载以及保证用户的隐私安全。CN115858142ACN115858142A权利要求书1/3页1.一种基于边缘计算的分布式流行数据缓存分配方法，其特征在于，包括以下步骤：将确定的一组边缘服务器集合用智能体集合S＝{S1，S2，...，Sn}表示，其中，一个智能体Si∈S表示一个确定的边缘服务器；确定每个智能体Si覆盖下的m个用户集合Ui＝{u1，u2，...，um}；确定流行数据集合Data＝{d1，d2，...dw}；确定每个用户uq对于流行数据集合中数据的请求基于局部边缘网络信息为每个边缘服务器构建相关的本地约束，包括基于用户数据访问方式设置数据缓存效益约束、基于边缘服务器的缓存成本设置缓存代价效益约束、基于用户数据访问方式与边缘缓存的设置方式导致的数据冗余设置缓存冗余惩罚约束，以本地约束为基础为各边缘服务器建立缓存分配方案目标函数模型；设置硬约束条件；每个边缘服务器通过消息传递对缓存分配方案目标函数进行分布式求解，得到本地流行数据缓存分配方案。2.根据权利要求1所述的基于边缘计算的分布式流行数据缓存分配方法，其特征在于，所述缓存分配方案目标函数为其中，λ为决策变量集合，为该目标函数的解，λ＝{λ1，λ2，...，λn}，每个λi∈λ表示边缘服务器Si的数据缓存分配方案集合，有每个表示当前智能体Si∈S是否缓存数据dk∈Data，i＝{1，2，...，n}，k＝{1，2，...，w}；BDij为智能体Si与智能体Sj之间的数据缓存效益约束，有其中，j＝{1，2，......，n}，U为中间变量集合，中间变量集合U用于约束的表示及求解U＝{U1，U2，...，Un}，每个中间变量Ui∈U表示智能体Si服务范围内的m个用户uq集合，即Ui＝{u1，u2，...，um}，对于每个用户uq有q＝{1，2，......m}，其中变量用于记录用户uq当前访问数据dk的延迟，其值域为{0，+∞}，其中表示边缘服务器Si访问数据dk的延迟，变量用于记录用户uq当前是否请求数据dk，cD为单位时延的缓存效益系数，表示用户uq在新延迟下的缓存效益，lmax为用户访问其请求的任意数据dk的最大访问延迟；BRi为智能体Si的缓存代价效益约束，表示边缘服务器Si当前数据缓存分配方案λi相较2CN115858142A权利要求书2/3页于缓存全部数据，未缓存部分数据所节约的缓存空间带来的效益，其中cR为单位缓存的代价系数；BWij为智能体Si与智能体Sj之间的缓存冗余惩罚约束，表示智能体Si，Sj之间冗余的数据缓存本来能够应该产生的效益带来的惩罚，有：其中cw为对于用户uq单位时延的缓存效益冗余系数，当uq∈{Ui∪Uj‑{Ui∩Uj}}时，用户uq仅能直接访问约束BWij相关的两个智能体中的一个，访问另一智能体的延迟为disi，j，冗余缓存带来的效益为Benfit(disi，j，∞)，当uq∈{Ui∩Uj}时，用户uq能直接访问约束BWij相关的任一智能体，冗余缓存带来的效益为Benfit(0，∞)。3.根据权利要求1所述的基于边缘计算的分布式流行数据缓存分配方法，其特征在于，硬约束条件包括：本地硬约束：分配方案中智能体需要缓存的数据应小于等于智能体的缓存容量限制：其中Cache_limiti表示智能体Si的缓存容量限制；局部硬约束：边缘网络内的所有用户，访问其请求的任意数据dk的延迟不大于最大访问延迟lmax：4.根据权利要求3所述的基于边缘计算的分布式流行数据缓存分