论文部分内容阅读
伴随着物联网和互联网应用的快速发展,网络中终端的接入数量正在急剧增加,同时随着技术的进步,单个终端能够支持的业务数量和对流量的需求也越来越高,由此带来的网络中传输的数据量的增长是巨大的。为了应对数据量的增长对传输网络带来的压力,在网络边缘部署计算和存储设备,构建本地微型数据中心,把大量数据就近处理,将冗余的数据过滤掉,减少骨干网中传输的数据总量,是一种正在尝试的方案。针对这种方案,近年来也有很多相关研究,比如雾计算、CORD等等。而本文则主要研究微型数据中心和光接入网融合,从而实现本地化部署的过程中,如何根据用户需求和具体应用场景,合理的配置所需的各类资源,包括内存、CPU、硬盘存储空间等,使得总体满意度最高。文中首先概述了研究过程中需要的一些基本概念和相关研究,包括微型数据中心和雾计算、光接入网的基本概念、微型数据中心和光接入网融合的几种方式、QoE的概念和评价方法、以及云计算环境下资源调度和分配的基本算法等。接着,结合光接入网系统结构,本文说明了部署微型数据中心之后的业务处理流程,并基于这种流程,设计了量化QoE评价函数。设计思路为:针对一个用户业务的服务,综合考虑服务执行过程中的成功响应延迟和消耗的系统资源成本两个参数,利用能量归一化的方法实现两个维度数据的数值归一化,分别为两个参数赋权重,得到综合了延迟和成本的效用函数,将其作为系统QoE评价函数。文中详细说明了延迟和成本的计算方法,并通过仿真详细说明了QoE评价函数的计算过程。QoE评价函数取最优值时,即为服务器最佳资源配置方案。考虑到用户业务类型的多样性,本文接着研究了多业务共存情况下的资源配置方案。文中基于单位业务流量处理时消耗的系统资源成本,定义了业务在本地处理时的优先级排序方法,确定了多任务同时到达时,优先在本地处理的业务类型,从而使得微型数据中心有限的服务器资源能够处理更多的业务数据,减少中心局端实时上行的数据总量。然后详细的说明了多业务共存时的数据响应平均延迟的计算方法和成本的计算方法,给出了多业务共存时的量化QoE模型。最后通过仿真详细说明了资源配置方案的具体计算过程。在本文的研究工作中,得到了微型数据中心在本地化部署过程中服务器资源配置的一些启示。其一是通过效用函数的方式,借助于数值归一化方法,可以综合考虑多种环境因素,包括延迟、成本等等;其二是得到了平均响应延迟和设备投资成本的详细计算方法;其三是资源分配方案的离线计算过程中所需的统计数据的获取,借助于流量管理工具和服务器系统资源监控器,可以很方便的得到业务处理过程中的资源消耗情况。而通过本文的研究,可以综合业务处理的平均响应延迟和服务器资源成本,在用户体验和运营商设备投资之间找到一种平衡关系,从而指导微型数据中心建设过程中服务器的资源配置。