論文題目：A Simulation-Based Optimization Approach for Reliability-Aware Service Composition in Edge Computing

錄用時(shí)間：2020年3月11日

期刊名稱(chēng)：IEEE Access（SCI檢索，JCR Q1）

作者列表：

1）黃霽崴 中國(guó)石油大學(xué)（北京） 信息科學(xué)與工程學(xué)院 教授

2）梁晶語(yǔ) 中國(guó)石油大學(xué)（北京） 信息科學(xué)與工程學(xué)院 2019級(jí)碩士

3）SIKANDAR ALI 中國(guó)石油大學(xué)（北京） 信息科學(xué)與工程學(xué)院 博士后

DOI鏈接：http://dx.doi.org/10.1109/ACCESS.2020.2979970

背景與動(dòng)機(jī)：

隨著物聯(lián)網(wǎng)(loT)的普及，邊緣計(jì)算作為一種優(yōu)化傳統(tǒng)云計(jì)算系統(tǒng)的新型計(jì)算模型應(yīng)運(yùn)而生，通過(guò)將部分計(jì)算任務(wù)轉(zhuǎn)移到網(wǎng)絡(luò)邊緣，以獲得更好的性能和安全性。利用服務(wù)計(jì)算技術(shù)，邊緣計(jì)算系統(tǒng)可以更敏捷和靈活地適應(yīng)應(yīng)用需求。在大規(guī)模邊緣計(jì)算系統(tǒng)中，服務(wù)組合問(wèn)題作為服務(wù)計(jì)算中最重要的問(wèn)題之一，我們會(huì)面臨的挑戰(zhàn)有：1)復(fù)雜的系統(tǒng)分層架構(gòu)2）貫穿系統(tǒng)整個(gè)生命周期的故障以及恢復(fù)3)搜索空間爆炸。

設(shè)計(jì)與實(shí)現(xiàn)：

本文設(shè)計(jì)一種基于仿真的感知可靠性的服務(wù)組合優(yōu)化方法來(lái)解決這些問(wèn)題。提出了描述多層邊緣計(jì)算系統(tǒng)動(dòng)力學(xué)的隨機(jī)Petri網(wǎng)模型，并對(duì)其進(jìn)行了定量分析。為了解決大型系統(tǒng)或復(fù)雜服務(wù)過(guò)程中的狀態(tài)爆炸問(wèn)題，采用時(shí)間數(shù)量級(jí)分解技術(shù)來(lái)提高模型求解效率。此外，設(shè)計(jì)了仿真方案進(jìn)行性能評(píng)估和優(yōu)化，并引入有序優(yōu)化技術(shù)，以顯著減小搜索空間的大小。

利用邊緣計(jì)算的體系結(jié)構(gòu)構(gòu)建的計(jì)算機(jī)系統(tǒng)由兩個(gè)主要層組成，即邊緣層和云層。在每個(gè)層中，有多個(gè)虛擬服務(wù)器實(shí)現(xiàn)不同的功能來(lái)滿足用戶(hù)的需求。 在這一部分中，我們應(yīng)用隨機(jī)Petri網(wǎng)(SPN)模型來(lái)制定這兩個(gè)層，并提出了一種服務(wù)組合的模型聚合方法。

模型組成的基本思想是根據(jù)任務(wù)卸載模式將邊緣模型“拼接”到云模型上。將邊緣服務(wù)器的SPN模型中的“輸出”位置拼接到云模型的“輸入”位置。服務(wù)可以動(dòng)態(tài)組合，服務(wù)選擇可能發(fā)生在選擇部署在云服務(wù)器上的適當(dāng)服務(wù)，因此，來(lái)自邊緣站點(diǎn)的請(qǐng)求可以被調(diào)度到特定的云服務(wù)器，得到一個(gè)最佳策略。圖中展示了復(fù)合模型的示例：

圖1：一個(gè)邊緣計(jì)算系統(tǒng)的SPN模型

一個(gè)邊緣計(jì)算系統(tǒng)可能包含幾個(gè)邊緣服務(wù)器和云集群，這使得它的SPN模型相當(dāng)復(fù)雜。雖然我們可以用上述的方法解決SPN模型，但是我們采用了時(shí)間數(shù)量級(jí)分解技術(shù)，提供了一個(gè)更有效的系統(tǒng)模型的分析。故障率和維修率通常比到達(dá)率和服務(wù)率小幾個(gè)數(shù)量級(jí)，我們將轉(zhuǎn)換分為兩個(gè)子集。將代表任務(wù)到達(dá)、服務(wù)流程和任務(wù)調(diào)度的變遷定義為快速變遷，故障和恢復(fù)的變遷定義為慢變遷，我們?nèi)コ械穆冞w，然后得到快速變遷下的簡(jiǎn)化SPN模型如圖2所示，而慢變遷下的聚合模型如圖3所示

圖2：快速變遷下邊緣計(jì)算系統(tǒng)的SPN模型

圖3：慢變遷下邊緣計(jì)算系統(tǒng)的SPN模型

在現(xiàn)實(shí)中，邊緣計(jì)算系統(tǒng)的規(guī)模可能非常大，因此求解SPN模型可能會(huì)遇到狀態(tài)爆炸問(wèn)題。雖然使用時(shí)間數(shù)量級(jí)分解技術(shù)減少SPN模型的狀態(tài)空間，但有時(shí)純數(shù)學(xué)解難以在可接受時(shí)間內(nèi)解決問(wèn)題。為了解決這一難題，我們引入計(jì)算機(jī)仿真技術(shù)來(lái)實(shí)際求解SPN模型。其基本思想是設(shè)計(jì)和實(shí)現(xiàn)一系列基于SPN模型的分析實(shí)驗(yàn)，從實(shí)驗(yàn)過(guò)程中收集數(shù)據(jù)來(lái)評(píng)價(jià)性能。在每個(gè)流程中，模擬都使用事件驅(qū)動(dòng)的方式實(shí)現(xiàn)，根據(jù)系統(tǒng)的動(dòng)態(tài)生成一系列事件，并不斷更新，從而驅(qū)動(dòng)模型不斷演化，圖4說(shuō)明了用于性能評(píng)估的事件驅(qū)動(dòng)仿真的一般框架

圖4：基于SPN模型的仿真性能評(píng)價(jià)框架

對(duì)于超大規(guī)模的邊緣計(jì)算系統(tǒng)，其可行的服務(wù)組合策略數(shù)量也非常大。在現(xiàn)實(shí)中，通過(guò)實(shí)驗(yàn)?zāi)M所有候選策略并選擇最優(yōu)策略是不現(xiàn)實(shí)的。因此，進(jìn)一步提高優(yōu)化過(guò)程的效率，使我們的解決方案在大規(guī)模邊緣計(jì)算系統(tǒng)中更實(shí)用。我們引入有序優(yōu)化(00)技術(shù)，其基本思想是為了在合理的時(shí)間內(nèi)找到可接受的近最優(yōu)解而部分犧牲最優(yōu)性。我們的目標(biāo)不是尋找全局最優(yōu)策略，而是轉(zhuǎn)換為以高概率獲得足夠好的解。序優(yōu)化主要有三個(gè)步驟：1）建立一個(gè)快速計(jì)算的粗模型，來(lái)估算所有目標(biāo)可行解的數(shù)量；2）估算OPC曲線和類(lèi)型和粗模型的噪聲水平，并確定決策集的大小；3）從粗模型中選取決策集大小的解，并對(duì)這些解進(jìn)行精確評(píng)估，選取最好的作為輸出解。

實(shí)驗(yàn)結(jié)果：

我們將進(jìn)行仿真實(shí)驗(yàn)來(lái)驗(yàn)證我們的方法。來(lái)自真實(shí)系統(tǒng)的數(shù)據(jù)集用于參數(shù)設(shè)置。并給出了實(shí)驗(yàn)結(jié)果隨著服務(wù)器數(shù)目增加，邊緣和云的可靠性逐步提高。

圖5：邊緣服務(wù)器的可靠性

圖6：云服務(wù)器的可靠性

作者簡(jiǎn)介

黃霽崴博士，教授，博士生導(dǎo)師，石油數(shù)據(jù)挖掘北京市重點(diǎn)實(shí)驗(yàn)室主任，中國(guó)石油大學(xué)（北京）計(jì)算機(jī)科學(xué)與技術(shù)系主任。2015年度北京市優(yōu)秀人才，2018年度中國(guó)石油大學(xué)（北京）優(yōu)秀青年學(xué)者，2020年度北京市科技新星。分別在2009年和2014年于清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系獲得工學(xué)學(xué)士和工學(xué)博士學(xué)位，2012-2013年國(guó)家公派赴美國(guó)佐治亞理工學(xué)院聯(lián)合培養(yǎng)。研究方向包括：系統(tǒng)性能評(píng)價(jià)和優(yōu)化、隨機(jī)模型理論和應(yīng)用、服務(wù)質(zhì)量測(cè)量與保障技術(shù)、服務(wù)計(jì)算和物聯(lián)網(wǎng)等。擔(dān)任中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）服務(wù)計(jì)算專(zhuān)委會(huì)委員，CCF高級(jí)會(huì)員，IEEE、ACM會(huì)員。已主持國(guó)家自然科學(xué)基金、北京市自然科學(xué)基金等科研項(xiàng)目13項(xiàng)，在國(guó)內(nèi)外著名期刊和會(huì)議發(fā)表論文五十余篇，出版學(xué)術(shù)專(zhuān)著1部，獲得國(guó)家發(fā)明專(zhuān)利5項(xiàng)、軟件著作權(quán)3項(xiàng)，擔(dān)任多個(gè)國(guó)際頂級(jí)期刊和知名會(huì)議審稿人。聯(lián)系郵箱：huangjw@cup.edu.cn。