[发明专利]一种海上边缘计算低开销云边智能协同盟员发现方法

权利要求书

1.一种海上边缘计算低开销云边智能协同盟员发现方法，其特征在于，包括如下步骤：

1)假设海上边缘计算网络规模为n，in，jn，边缘节点连接矩阵N＝{a_ij}，a_ij∈{0，1}，若节点j是节点i的协同服务推荐节点，则a_ij＝1，否则a_ij＝0；边缘计算服务关系矩阵B＝{b_ij}，b_ij∈{0，1}，若节点i可向节点j请求边缘计算服务，则b_ij＝1，否则b_ij＝0；节点信任关系矩阵T＝{t_ij^(s)}，t_ij^(s)∈{0，1}，s为当前观察周期数；边缘计算服务节点综合性能评价关系矩阵G＝{g_ij}，g_ij∈{0，1}；

假设观察周期为T，节点i在第s观察周期对节点j的信任度t_ij^(s)满足下述公式(1)：

其中f_ij,succ^(s)表示第s观察周期节点i与节点j的成功交互次数，f_ij,fail^(s)表示第s观察周期节点i与节点j的失败交互次数；ε^(s)为第s周期的不诚信行为惩罚因子；f_j,succ^(s)表示第s周期节点j在局域网内的成功交互次数，f_j,fail^(s)表示第s周期节点j在局域网内的失败交互次数；α表示网络节点在观察周期时间内的基准有效交互次数；f_j为节点j在周期时间内的平均交互次数；τ_j表示节点j在观察周期时间内的平均在线时长；lev_j表示节点j在观察周期时间内的平均离线次数；Jac(i，j)是节点i与节点j的jaccard系数，表征两个节点的协同服务节点集的重合度，重合度越高则其推荐更具意义；Rtt(i，j)表示节点i与节点j网络延迟；表示周期衰减常数因子，u∈(0，1)；

构建节点i对节点j服务能力综合评价g_ij如下公式(2)：

其中h_j、w_j和m_j分别表示边缘计算服务节点j可对外提供共享的计算能力、带宽和内存大小；

2)根据自主融合和就近服务原则，利用边缘网络感知协同服务节点计算能力、存储空间、网络性能特征，以协同节点服务质量综合评价为依据，基于信任模型过滤评价结果，推荐可信协同服务节点，基于分布式索引构建协同服务特征信息库；当有协同服务任务调度需求时，快速索引抽取可信服务节点，构建可信协同服务集；

3)根据边缘计算服务节点的服务能力、邻居节点的服务质量评价和信任关系，构建计算协同服务节点的优先级，根据节点服务性能优先级评价分级进入优、良、中和一般四级队列；

4)当节点请求边缘计算协同服务时，将从四级队列中选择适宜的边缘计算服务节点发起任务协同计算迁移请求；以自适应协同盟员发现算法访问优和一般队列，以重载规避协同盟员发现算法访问良队列，优先级重载规避协同盟员发现算法搜索中队列，实现低开销的可信可靠、服务均衡、快速高效发现协同盟员；

5)当协同服务节点响应计算任务迁移请求后，同时将计算任务、执行规则和其相关依赖资源迁移至协同服务节点，实现快速耦合、映射和高效协同，返回执行结果；

6)协同服务完成后，节点根据其协同服务质量做出综合评价，更新协同服务特征信息库，按规则向其邻居节点周期公布；

所述步骤2)，具体包括如下步骤：

2-1)采用信任过滤机制获取协同节点推荐信息，设第s观察周期获取服务节点k的评价r_ik＝{r_1k，r_2k，…，r_nk}，节点j向节点i推荐节点k的协同服务评价r_ik如下公式(3)所示；

r_ik＝t_ijt_jk (3)

根据均方差过滤计算节点评分得推荐信任度R_ik如下公式(4)所示；

其中为推荐异常阈值；

2-2)融合节点i与服务节点k在观察期内已进行评价，计算节点i对服务节点k的综合评价如下公式(5)所示：

u_ik＝β^mR_ik+(1-β^m)t_ik (5)

其中，β为评价稀疏性系数，β∈(0，1)，m为节点i对服务节点k的评价次数；若节点i对服务节点k已有足够的评价次数，即(1-1/β^m)0.1时，忽略邻居节点对服务节点k的推荐评价；

所述步骤3)，具体包括如下步骤：

3-1)计算节点i对节点j的服务优先级评价η_j如下公式(6)所示；

其中，Q_j为边缘计算服务节点k的负载评价函数，p_j为内存占用率，ρ_j为计算能力，d_j为带宽占用率，p、ρ、d分别为内存负载阈值、计算负载阈值、带宽负载阈值；

3-2)根据节点服务性能优先级评价η_j，以四分位法分级进入优、良、中和一般的四级队列，入队规则如下公式(7)所示：

四分位法分级进入优、良、中和一般的四级队列具体包括如下步骤：

3-2-1)设在第s观察周期节点i对节点j服务性能优先级评价η_j＝{η₁，η₂，…，η_n}，b_ij≠0；对优先级评价η_j进行修正，剔除无效或冗余的η_j＝0的元素；

3-2-2)根据公式(7)设置四分位点；

3-2-3)节点i通过信任度加权平均获取服务节点k的推荐评价u_k,i，若节点i、k已进行过协同服务且节点i对节点k的协同服务质量进行了评价；

所述步骤4)，具体包括如下步骤：

4-1)设计自适应轻量级协同盟员发现算法扫描优和一般队列，通过对队列节点按2的指数次幂分段选择，以保证访问稀疏性，选取协同服务节点时，捎带其前驱和后继节点，实现局部均衡性，若节点均被占用，则重新选择.选取协同服务节点队列指针函数D如下公式(8)所示：

其中，n为放大因子，l为队列长度；MCECS-MEC自适应协同盟员发现适配模型如下公式(9)所示：

自适应轻量级协同盟员发现算法，具体包括如下步骤：

4-1-1)对于非空服务队列，设k＝0，当kk_max，转4-1-2)；

4-1-2)根据公式(7)依次生成映射值f_i＝j；若节点P_ij C_ij＝0，则执行调度，否则，根据公式(7)重新生成；对应节点调度次数Req_ij++，若Req_ij≥M，则C_ij＝1；

4-1-3)节点发起协同服务请求，若接收协同服务请求转步骤4-1-4)，P_ij＝1；否则k++，转步骤4-1-1)，若k≥k_max，结束；

4-1-4)执行协同服务；当节点完成协同服务后，标记其服务状态为空闲，P_ij＝0，并对此次协同做出评价；

4-1-5)更新节点状态信息表和协同特性信息表；

4-1-6)判断测试周期是否结束，若为否，则转步骤4-1-1)；若为是，则重置Req_ij＝0，C_ij＝0结束；

4-2)构建MCECS-MEC重载规避协同盟员发现算法和基于优先级MCECS-MEC重载规避协同盟员发现算法扫描良和中队列，选取协同服务节点队列指针函数D如下公式(10)所示：

其中，Head(L)为返回队列L的头节点指针函数；重载规避协同盟员发现算法适配模型为下述公式(11)所示：

设协同次数最大值为M，重载规避协同盟员发现算法与基于优先级重载规避协同盟员发现算法，具体包括如下步骤：

4-2-1)将非空队列L按优先级降序排序，令指针f＝Head；

4-2-2)若f映射的节点j被占用，则队列满载，结束；否则发起协同请求；

4-2-3)按公式(10)顺序扫描队列，若存在满足适配模型(11)要求的f_i映射的节点j，则*Head＝f_i；

4-2-4)执行协同服务；

当节点完成协同服务后，标记其服务状态为空闲，P_ij＝0，并对此次协同做出评价；若当前队列执行优先级顺序，且η_Headη_j，则*Head＝f，结束；

4-2-5)更新节点状态信息表和协同特性信息表；

判断测试周期是否结束，若为否，则转步骤4-2-1)；若为是，则重置Req_ij＝0，C_ij＝0结束。