5G专网环境下一种面向时序数据的端边协同方法

5g专网环境下一种面向时序数据的端边协同方法
技术领域
1.本发明属于边缘计算领域，特别涉及终端网络延伸设备和边缘设备的协同缓存方法，主要应用于边缘缓存中资源的合理分配和利用。


背景技术：

2.随着第五代通信技术的应用和普及，工业物联网场景下的智能终端设备，通常都会通过路由器、5g cpe等连接到核心网。由此，工业物联网推动了大量相关的工业时序数据涌入到网络中，跟传统云服务器上的数据不同，这些数据大多会随任务的执行实时更新，对网络负载、请求时延等都造成一定影响，如何降低网络资源消耗，提升网络性能在近年来受到广泛的关注和重视。
3.边缘缓存技术作为边缘计算中的重要研究方向之一，在降低数据请求时延，提升网络性能方面具有一定前景。通过将核心网的数据提前缓存到靠近终端设备的5g cpe，极大地缩短了设备的数据传输请求距离，从而能够有效降低数据请求时延，并且还能够有效避免重复的数据请求和响应在核心网上传输，降低了网络负载。
4.然而，不论是靠近用户侧的终端网络延伸设备等终端设备，还是基站旁路的边缘服务器等边缘设备，其上的资源都比较有限，并不能够缓存用户需要的所有数据。因此，如何判断出对当前环境下收益最高的缓存内容，并且设计一种合理的端边协同缓存策略，从而合理利用端边设备上有限的资源，以达到最小化缓存成本的目的，是当前研究人员亟需解决的问题。


技术实现要素：

5.5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于，具体包括以下步骤：
6.s1、构建5g专网网络，包括无线融合网络分流器、边缘计算服务器mec、wifi接入点、5g cpe接入点，终端设备通过5gcpe接入5g专网；
7.s2、在5g专网内的5g cpe上部署agent收集每个智能终端设备请求的时序数据信息，评估其内容偏好后发送给mec；
8.s3、mec根据构建的边缘缓存成本模型，并利用得到的内容偏好，求解5g专网环境下最小成本的端边协同缓存策略；
9.s4、mec根据步骤s3的协同缓存策略向核心网请求对应内容并分配到不同的5g cpe上，从而实现缓存方案根据智能终端设备的请求变化进行更新的目的。
10.进一步的，步骤s1中的5g专网网络具体包括：
11.s11、在5g基站侧部署无线融合网络分流器，并通过无线融合网络分流器连接到本地网，融合网络分流器旁路部署mec；
12.s12、由多个5g cpe组合为5g专网的所有终端接入网络，5gcpe和mec通过无线融合网络分流器相互通信，构建起端边协同网络；
13.s13、利用5g cpe和mec中一定的存储资源，智能终端设备可以根据就近原则，提前缓存智能终端的请求文件数据。
14.进一步的，根据权利要求1所述的5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于，步骤s2具体包括：
15.s21、5g cpe上部署的agent为运行在嵌入式系统下的可执行程序，其持续采集来自与当前5g cpe连接的终端设备对时序数据的请求位置、请求时间、请求频率等信息；
16.s22、对收集的时序数据信息进行偏好评估，并将相关信息上报给mec。
17.进一步的，步骤s21中的时序数据是指随时间不断更新的文件，时序数据在刚产生的短时间内可能会被一些终端设备大量请求，但在一段间隔时间之后则不会被终端设备请求，这个间隔时间称为智能终端设备对时序数据的最大容忍时间。
18.进一步的，步骤s22中时序数据的偏好评估包括：
19.s221、用qr表示所有智能终端设备对时序数据r总的请求次数，则r的全局内容流行度cpr可以表示为：
[0020][0021]
每当智能终端设备对r发起请求之后，则对qr进行更新；
[0022]
s222、用tbr记录时序数据r最近一次的更新时间，每个智能终端设备通常仅对时序数据r发起至多一次请求，用表示智能终端设备u是否请求过时序数据r，如果已经请求，则否则
[0023]
s223、用tar表示智能终端设备对时序数据r平均最大容忍时间，则在时隙t，智能终端设备u对时序数据r的偏好可以表示为：
[0024][0025]
进一步的，步骤s3具体包括：
[0026]
s31、构建边缘缓存成本模型；
[0027]
s32、mec利用利用步骤s22得到的时序数据内容偏好，求解端边协同缓存网络中最优缓存方案；
[0028]
进一步的，步骤s31构建的缓存成本模型具体如下：
[0029][0030]
式中，la表示本地网络中所有请求的平均成本；c1表示终端设备从本地的5g cpe获取一次数据的成本；c2表示终端设备从mec获取一次数据的成本；c3表示终端设备从其它5g cpe获取一次数据的成本；c4表示终端设备从核心网获取一次数据的成本；h1表示终端设备从本地的5g cpe获取数据的次数；h2表示终端设备从mec获取数据的次数；h3表示终端设备从其它5g cpe获取数据的次数；h4表示终端设备从核心网获取数据的次数。
[0031]
进一步的，步骤s32基于改进的烟花算法求解，得到最优端边协同缓存策略，具体步骤如下：
[0032]
s321、利用贪心思想初始化n个不同的缓存策略作为烟花种群，在保证缓存资源够用的前提下，优先选择偏好较高，且暂未缓存到端边协同网络中的时序数据进行缓存；
[0033]
s322、遍历每朵烟花，并生成爆炸火花，并根据一定概率对烟花种群进行定向变异；
[0034]
s323、根据步骤s31的成本模型计算不同烟花的适应度，成本越低的烟花其适应度越优；
[0035]
s324、选择适应度最高的n朵烟花进入新的种群；
[0036]
s325、若未满足最大迭代次数，跳转执行步骤s322；否则，得到适应度最高的烟花个体作为最优解。
[0037]
进一步的，步骤s322中烟花种群定向变异包括，随机选择要变异的行z，将行z原有的值都置为0，选出行z偏好最高的若干内容进行缓存，一直到行z缓存资源不足。
[0038]
进一步的，步骤s4中mec根据协同缓存策略将请求内容分发到对应的5g cpe上的具体过程包括：
[0039]
s41、mec依次对当前要缓存的时序数据，在端边协同网络中的协同缓存集合中采用hash算法进行查找，如果没有命中，则跳转到步骤s42；
[0040]
s42、mec根据要请求的时序数据集合，向核心网发起内容请求；
[0041]
s42、mec根据步骤s32得到的协同缓存策略将请求内容分配到对应的5g cpe上。
附图说明
[0042]
图1为本发明提供优选实施例构建的端边协同系统架构图；
[0043]
图2为本发明基于改进烟花算法生成缓存策略的流程图；
[0044]
图3为本发明智能终端设备命中数据的过程图。
具体实施方式
[0045]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0046]
本发明的网络架构如图1所示，在该架构中各个部分的具体功能详细如下：
[0047]
(1)本地网络中包括多种不同类型的智能终端设备、5g cpe等。这里的5g cpe可以是5g专网环境下的cpe设备，智能终端设备通过cpe设备接入网络。cpe设备能够与基站通信，而基站收到的请求由upf进行转发到核心网或者mec。
[0048]
(2)在本发明的应用场景下，mec能够通过upf跟cpe设备进行通信，反向控制cpe设备，从而可以实现各个cpe设备和mec之间的协同。
[0049]
(3)在本发明的应用场景下，智能终端设备发起的请求首先由与其相连的本地cpe设备进行处理。访问mec和访问核心网的请求包通常为智能终端设备通过cpe设备发送的访问请求。upf在收到cpe设备的请求之后，会根据其请求的目标地址的不同，分别转发到mec、其它cpe设备或者核心网。
[0050]
mec负责对自身的缓存资源和所有cpe设备上的缓存资源进行分配。在接收到所有
cpe设备收集到的终端设备的请求信息，mec会对信息进行处理，并评估时序数据的偏好，然后利用改进烟花算法为不同的cpe设备制定缓存方案，改进烟花算法的工作流程如图2所示，从步骤101开始，具体步骤如下：
[0051]
在步骤102，会初始化n朵烟花作为初始烟花种群。每一朵烟花用一个多维向量表示，其中向量的每一行即代表一个cpe设备上的缓存方案。按照算法原有方式随机初始化种群，会导致初始种群适应度普遍偏低的情况，影响迭代效果。本发明考虑到协作缓存的特点，在保证尽量不重复缓存相同内容的前提下，加入了贪心的思想，在为任一cpe设备制定缓存方案时，优先选择偏好较高的数据进行缓存，且为了保证缓存资源的高效利用，同一数据尽量只在本地网络中缓存一次；
[0052]
在步骤103，会计算每一朵烟花的适应度。每一朵烟花代表整个本地网络的一种缓存方案，结合时序数据的偏好能够计算出该缓存方案的缓存成本，缓存成本越低的烟花，其适应度越优，则能够产生更多的爆炸火花；
[0053]
在步骤104，会根据烟花的适应度计算出每一朵烟花能够产生的爆炸火花数量和爆炸幅度，从而生成一定数量的爆炸火花；
[0054]
在步骤105，本发明加入了一种火花定向变异的步骤。首先根据火花的适应度随机选出要变异的行，然后在不超过缓存资源限制的前提下，将偏好最高的时序数据进行缓存；
[0055]
在步骤106，根据烟花的适应度，选出适应度最高的前n朵烟花作为新的种群；
[0056]
在步骤107，对烟花算法的优化进行判断，如果迭代次数达到阈值，则执行步骤108，否则执行步骤103；
[0057]
在步骤108，选择当前得到适应度最优的烟花作为本地网络中所有缓存设备的缓存方案，转至步骤109结束。
[0058]
本实施例根据就近原则处理来自终端设备的内容请求，图3描述了终端设备命中内容的过程，从步骤201终端设备开始向本地的cpe设备发起请求，具体流程如下：
[0059]
在步骤202，cpe设备首先从本地检索内容，如果未获取到目标，则执行步骤203，否则跳转执行步骤212；
[0060]
在步骤203，cpe设备向基站相连的mec转发请求，执行步骤204；
[0061]
在步骤204，基站侧的mec从本地检索内容，如果未获取到目标，则执行步骤205，否则跳转执行步骤211；
[0062]
在步骤205，基站向其它cpe设备发起内容检索请求，执行步骤206；
[0063]
在步骤206，其它cpe设备进行内容检索，如果检索到内容，则执行步骤207；
[0064]
在步骤207，其它cpe设备将检索结果返回给mec，如果检索到内容，则跳转执行步骤211，否则执行步骤208；
[0065]
在步骤208，mec向核心网转发请求，执行步骤209；
[0066]
在步骤209，核心网检索内容并执行步骤210；
[0067]
在步骤210，核心网向mec返回检索到的内容，跳转执行步骤211；
[0068]
在步骤211，mec向本地cpe设备返回内容；
[0069]
在步骤212，本地cpe设备向终端设备返回内容，此次请求结束。
[0070]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换
和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于，具体包括以下步骤：s1、构建5g专网网络，包括无线融合网络分流器、边缘计算服务器mec、wifi接入点、5g cpe接入点，终端设备通过5g cpe接入5g专网；s2、在5g专网内的5g cpe上部署agent收集每个智能终端设备请求的时序数据信息，评估其内容偏好后发送给mec；s3、mec根据构建的边缘缓存成本模型，并利用得到的内容偏好，求解5g专网环境下最小成本的端边协同缓存策略；s4、mec根据步骤s3的协同缓存策略向核心网请求对应内容并分配到不同的5g cpe上，从而实现缓存方案根据智能终端设备的请求变化进行更新的目的。2.根据权利要求1所述的5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于，步骤s1具体包括：s11、在5g基站侧部署无线融合网络分流器，并通过无线融合网络分流器连接到本地网，融合网络分流器旁路部署mec；s12、由多个5g cpe组合为5g专网的所有终端接入网络，5g cpe和mec通过无线融合网络分流器相互通信，构建起端边协同网络；s13、利用5g cpe和mec中一定的存储资源，智能终端设备可以根据就近原则，提前缓存智能终端的请求文件数据。3.根据权利要求1所述的5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于，步骤s2具体包括：s21、5g cpe上部署的agent为运行在嵌入式系统下的可执行程序，其持续采集来自与当前5g cpe连接的终端设备对时序数据的请求位置、请求时间、请求频率等信息；s22、对收集的时序数据信息进行偏好评估，并将相关信息上报给mec。4.根据权利要求1所述的5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于，步骤s21中的时序数据是指随时间不断更新的文件，时序数据在刚产生的短时间内可能会被一些终端设备大量请求，但在一段间隔时间之后则不会被终端设备请求，这个间隔时间称为智能终端设备对时序数据的最大容忍时间。5.根据权利要求1所述的5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于，步骤s22中时序数据的偏好评估包括：s221、用q
r
表示所有智能终端设备对时序数据r总的请求次数，则r的全局内容流行度cp
r
可以表示为：每当智能终端设备对r发起请求之后，则对q
r
进行更新；s222、用tb
r
记录时序数据r最近一次的更新时间，每个智能终端设备通常仅对时序数据r发起至多一次请求，用表示智能终端设备u是否请求过时序数据r，如果已经请求，则否则s223、用ta
r
表示智能终端设备对时序数据r平均最大容忍时间，则在时隙t，智能终端设
备u对时序数据r的偏好可以表示为：6.根据权利要求1所述的5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于，步骤s3具体包括：s31、构建边缘缓存成本模型；s32、mec利用利用步骤s22得到的时序数据内容偏好，求解端边协同缓存网络中最优缓存方案。7.根据权利要求1所述的5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于步骤s31构建的缓存成本模型具体如下：式中，la表示本地网络中所有请求的平均成本；c1表示终端设备从本地的5g cpe获取一次数据的成本；c2表示终端设备从mec获取一次数据的成本；c3表示终端设备从其它5g cpe获取一次数据的成本；c4表示终端设备从核心网获取一次数据的成本；h1表示终端设备从本地的5g cpe获取数据的次数；h2表示终端设备从mec获取数据的次数；h3表示终端设备从其它5g cpe获取数据的次数；h4表示终端设备从核心网获取数据的次数。8.根据权利要求1所述的5g专网环境下一种面向时序数据的端边协同方法，其特征在于，步骤s32基于改进的烟花算法求解，得到最优端边协同缓存策略，具体步骤如下：s321、利用贪心思想初始化n个不同的缓存策略作为烟花种群，在保证缓存资源够用的前提下，优先选择偏好较高，且暂未缓存到端边协同网络中的时序数据进行缓存；s322、遍历每朵烟花，并生成爆炸火花，并根据一定概率对烟花种群进行定向变异；s323、根据步骤s31的成本模型计算不同烟花的适应度，成本越低的烟花其适应度越优；s324、选择适应度最高的n朵烟花进入新的种群；s325、若未满足最大迭代次数，跳转执行步骤s322；否则，得到适应度最高的烟花个体作为最优解。9.根据权利要求1所述的基于改进的烟花算法求解最优的端边协同缓存策略，其特征在于，步骤s322中烟花种群定向变异包括，随机选择要变异的行z，将行z原有的值都置为0，选出行z偏好最高的若干内容进行缓存，一直到行z缓存资源不足。10.根据权利要求1所述的5g专网环境下一种面向时序数据的端边协同缓存方法，其特征在于，步骤s4中mec根据协同缓存策略将请求内容分发到对应的5g cpe上的具体过程包括：s41、mec依次对当前要缓存的时序数据，在端边协同网络中的协同缓存集合中采用hash算法进行查找，如果没有命中，则跳转到步骤s42；s42、mec根据要请求的时序数据集合，向核心网发起内容请求；s42、mec根据步骤s32得到的协同缓存策略将请求内容分配到对应的5g cpe上。

技术总结
本发明属于边缘计算领域，特别涉及终端网络延伸设备和边缘设备的协同缓存方法，主要应用于边缘缓存中资源的合理分配和利用，方法包括构建5G专网网络，包括无线融合网络分流器、边缘计算服务器MEC、WiFi接入点、5G CPE接入点，终端设备通过5GCPE接入5G专网；在5G专网内的5G CPE上部署Agent收集每个智能终端设备请求的时序数据信息，评估其内容偏好后发送给MEC；MEC根据构建的边缘缓存成本模型，并利用得到的内容偏好，求解5G专网环境下最小成本的端边协同缓存策略；MEC根据协同缓存策略向核心网请求对应内容并分配到不同的5G CPE上，从而实现缓存方案根据智能终端设备的请求变化进行更新的目的。进行更新的目的。进行更新的目的。


技术研发人员：蒋溢 周越洋
受保护的技术使用者：重庆邮电大学
技术研发日：2023.04.12
技术公布日：2023/9/23