移动边缘计算场景下微服务部署优化系统设计

作     者：刘戎 

作者单位：北京邮电大学 

学位级别：硕士

导师姓名：林昭文

授予年度：2022年

学科分类：08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 

主      题：负载预测 云计算 微服务 多头自注意力机制 移动边缘计算 长短期记忆神经网络 

摘      要：近年来,微服务架构软件以更接近用户的形式,部署在移动边缘计算(Mobile Edge of Computing,MEC)侧。由于部分服务对时延要求较高,且边缘侧资源有限。因此怎么保证时延敏感型微服务的服务质量,并充分利用有限的边缘计算资源十分重要。基于上述问题,本文研究内容如下:为保证时延敏感型微服务的服务质量,需提前预测服务负载,并扩容微服务实例。本文考虑微服务特征,基于边缘计算场景,提出了M-ED-MUL负载预测模型。预测流程首先对负载序列进行平稳性验证,针对平稳序列采用线性预测模型。对于非平稳序列,首先对存在微服务调用关系的上游微服务负载序列,进行相关度计算并排序筛选降维,得到相关度最高的几项。之后利用无抽取的小波变换算法,将待预测负载序列分解为更利于计算分析的近似信号与细节信号。最后将其这些序列联合输入到M-ED-MUL预测模型。M-ED-MUL预测模型利用长短期记忆编码-解码网络,对目标负载进行多时间步预测,并利用多头注意力机制,挖掘负载序列前后依赖关系。最终在阿里云的微服务数据集上,对本文提出的负载预测方法和其他方法进行充分实验对比,验证了本文方法的有效性。为高效利用有限的边缘侧资源,本文提出多边缘集群微服务优化部署系统。整个系统以保证时延敏感型微服务的服务质量、均衡高效利用边缘资源为优化目标,将不同边缘集群统一管理。在边缘集群内部,采用基于抢占式、定制化预选、优选等服务部署策略的Kubernetes平台统一管理。在不同的边缘集群之间,采用中心化系统统一管理。中心化系统能够预测微服务负载,跨集群迁移服务实例,高效利用多边缘集群资源。实验表明,多边缘集群调度系统能够最大化利用多个边缘集群资源。通过与Kubernetes固有部署策略相比,本文提出的部署策略有效保证了时延敏感型微服务的服务质量,降低了微服务的SLA违法率,有效降低了服务时延。