CN115866678B

CN115866678B - 一种基于网络能耗热点探测的移动边缘缓存资源优化方法

Info

Publication number: CN115866678B
Application number: CN202310133020.5A
Authority: CN
Inventors: 严明; 雷玲; 林茜茜
Original assignee: Communication University of China
Current assignee: Communication University of China
Priority date: 2023-02-20
Filing date: 2023-02-20
Publication date: 2023-05-09
Anticipated expiration: 2043-02-20
Also published as: CN115866678A

Abstract

本发明属于边缘计算技术领域，具体涉及一种基于网络能耗热点探测的移动边缘缓存资源优化方法、系统、电子设备，旨在解决现有技术无法对MEC网络中的突发热点进行监测并动态调整缓存策略，导致缓存效率低、鲁棒性差的问题。本发明方法包括：预测各区域当天每个时间段内请求的文件及各文件被请求的概率；计算各区域当天的整体网络能耗；基于当天各时间段内总的时延或各区域当天的整体网络能耗，按照预设的第一缓存策略进行离线缓存；离线缓存后，实时监测网络能耗状态，若网络能耗状态为异常，则提取热点内容数据，并按照预设的第二缓存策略进行缓存。本发明提升了现有MEC网络的缓存效率以及鲁棒性。

Description

一种基于网络能耗热点探测的移动边缘缓存资源优化方法

技术领域

本发明属于边缘计算技术领域，具体涉及一种基于网络能耗热点探测的移动边缘缓存资源优化方法、系统、电子设备。

背景技术

在5G移动通信网络中，边缘计算和缓存技术能够有效减少传输时延并提高用户体验。而在实际应用中，大量分布式边缘缓存服务器的网络能耗管理成为了一个挑战，特别是在网络条件变化时，如何高效重新配置网络资源。当网络热点内容出现时，如何在MEC（Mobile Edge Caching，移动边缘缓存）网络中不同的位置优化资源配置，这种优化需要最小化网络资源配置的能量消耗的同时，满足不同用户的服务质量要求。

现有技术有两种优化方案，一种是根据传输路径的数据传输速度和路径中的节点信息对边缘网络资源进行优化，能够使得边缘计算应用资源优化分配更加高效，并能使系统性能达到最优[1]；另一种是利用边缘计算和缓存资源来减少计算延迟，通过主动边缘缓存计算结果来研究边缘网络中的超可靠和低延迟的通信问题，通过允许用户节点UN根据对冲请求的概念将其计算任务卸载到多个边缘计算节点来确保可靠性，通过联合任务卸载以及对流行的可缓存任务计算结果的主动缓存，可以利用Cloudlet的计算和存储资源来最大程度地减少计算延迟[2]。但上述两种优化方案无法对网络中的突发热点进行监测并实时动态的调整缓存。基于此，本发明提出了一种基于网络能耗热点探测的移动边缘缓存资源优化方法。

以下文献是与本发明相关的技术背景资料：

[1] 余丹，兰雨晴，邢智涣，一种适合边缘计算环境的资源优化分配方法与系统，2021-10-18，CN114138453B；

[2] 邓晓衡，刘锦，孙子惠，刘梦杰，基于边缘缓存的任务卸载与资源优化的方法，2020-04-23，CN111552564A。

发明内容

为了解决现有技术中的上述问题，即为了解决现有技术无法对MEC网络中的突发热点进行监测并实时动态的调整缓存策略，导致缓存效率、鲁棒性差的问题，本发明提出了一种基于网络能耗热点探测的移动边缘缓存资源优化方法，应用于移动边缘缓存网络，所述移动边缘缓存网络包括通过通信链路连接的云服务器、中心节点、边缘节点、移动设备，该方法包括：

步骤S100，采集所述移动边缘缓存网络设置在每个区域的中心节点的历史内容请求数据；结合所述历史内容请求数据、各区域对应的区域类型，预测各区域当天每个时间段内请求的文件及各文件被请求的概率；

步骤S200，根据各文件被请求的概率，结合各文件被请求后传输时的传输能耗数据，计算当天各时间段内所述移动边缘缓存网络的总的时延、网络能耗；基于所述网络能耗，结合各时间段内需更新替换的文件的传输能耗，计算各区域当天的整体网络能耗；所述传输能耗数据为文件存在云服务器或中心节点或边缘节点上，移动设备请求后的能耗数据；所述传输能耗数据包括传输时延、传输能耗、存储能耗；

步骤S300，基于当天各时间段内所述移动边缘缓存网络的总的时延或各区域当天的整体网络能耗，按照预设的第一缓存策略进行离线缓存；

步骤S400，离线缓存后，实时监测所述移动边缘缓存网络的网络能耗状态；若所述网络能耗状态为异常，则获取所述移动边缘缓存网络中各移动设备当前的内容请求数据，提取热点内容数据，并按照预设的第二缓存策略进行缓存。

在一些优选的实施方式中，预测各区域当天每个时间段内请求的文件及各文件被请求的概率，其方法为：基于每个区域的中心节点的历史内容请求数据，通过大数据预测方法预测每个时间段内各区域请求的文件以及各文件被请求的概率；所述大数据预测方法包括流行度统计方法、基于时间循环神经网络的预测方法。

在一些优选的实施方式中，若所述移动边缘缓存网络中包括一个中心节点、多个边缘节点，则各时间段内总的时延，其计算方法为：

其中，

表示

时间段内总的时延，

表示文件从中心节点到移动设备的传输时延，

表示文件从中心节点到边缘节点的传输时延，

表示从云服务器到中心节点的传输时延，

表示移动设备请求的文件缓存在其连接的中心节点上的传输时延，

表示移动设备请求的文件缓存在其连接的中心节点的其他边缘节点上的传输时延，

表示移动设备请求的文件缓存在云服务器上的传输时延，

表示

时间段内各传输时延对应的比例，

，

表示移动设备请求到文件的请求次数，

表示时间段。

在一些优选的实施方式中，若所述移动边缘缓存网络中包括一个中心节点、多个边缘节点，则各时间段内网络能耗，其计算方法为：

其中，

表示

时间段内的网络能耗，

表示

时间段内第一传输能耗，

表示

时间段内第一存储能耗，

表示

时间段内请求的第

个文件的大小，

表示文件从边缘节点到移动设备的传输能耗，

表示文件从中心节点到边缘节点的传输能耗，

表示文件从云服务器到中心节点的传输能耗，

表示移动设备请求的文件缓存在其连接的中心节点上的传输能耗，

表示移动设备请求的文件缓存在其连接的中心节点的其他边缘节点上的传输能耗，

表示移动设备请求的文件缓存在云服务器上的传输能耗，

表示移动设备请求的文件缓存在中心节点上的存储能耗，

表示移动设备请求的文件缓存在边缘节点上的存储能耗，

表示移动设备请求的文件缓存在云服务器的存储能耗。

在一些优选的实施方式中，基于所述网络能耗，结合各时间段内需更新替换的文件的传输能耗，计算各区域当天的整体网络能耗，其方法为：

其中，

表示

时间段内需更新替换的文件的传输能耗，

表示

时间段内需更新替换的第

个文件的大小，

表示文件格式的数量，

表示每天划分的时间段的数量。

在一些优选的实施方式中，基于当天各时间段内所述移动边缘缓存网络的总的时延或各区域当天的整体网络能耗，按照预设的第一缓存策略进行离线缓存，其方法为：

获取各时间段内总的时延最小时请求的文件，作为各时间段的待离线缓存的文件；或获取各区域当天整体网络能耗最小时各时间段请求的文件，作为各时间段的待离线缓存的文件；

基于各时间段的待离线缓存的文件，依次在各边缘节点和中心节点上进行分级缓存；

其中，在缓存时，对文件进行更新替换的策略为：

获取待离线缓存的文件对应的时间段，作为第一时间段；

若所述第一时间段处于预设的非高峰时间段内，则直接从所述云服务器将当前时间段内待离线缓存的文件传输到边缘节点进行缓存；

若所述第一时间段处于预设的高峰时间段内，则当移动设备向对应的边缘节点请求文件而边缘节点并未缓存所述请求文件时，则判断所述请求文件是否为待离线缓存的文件，若是，则从所述云服务器将所述请求文件缓存至对应的边缘节点上；

若当前区域内的边缘节点的缓存空间已满，则判断所述第一时间段的上一时间段离线缓存的文件是否有不在所述第一时间段的高流行度列表中，若有，则直接进行替换；若没有，则判断边缘节点连接的中心节点是否有存储空间，若有，则离线缓存至中心节点；所述高流行度列表为文件被请求的概率大于设定概率阈值的文件列表；

若当前区域内的边缘节点、中心节点的缓存空间均已满，则将中心节点、边缘节点中缓存的文件按照各文件被请求的概率从低到高进行降序排序，然后待离线缓存的文件从低到高依次进行替换。

在一些优选的实施方式中，所述网络能耗状态，其获取方法为：

若第二时间段内总的整体网络能耗大于设定的第一能耗阈值，则所述移动边缘缓存网络的网络能耗状态为异常；

或若所述第二时间段内的第一传输能耗大于设定的第二能耗阈值，则所述移动边缘缓存网络的网络能耗状态为异常；

或若所述第二时间段内的整体网络能耗与第三时间段内整体网络能耗的差值大于设定第一差值阈值且若所述第二时间段内的第一传输能耗与所述第三时间段内的第一传输能耗的差值大于设定第二差值阈值，则所述移动边缘缓存网络的网络能耗状态为异常；所述第二时间段为当前时间段的前一时间段；所述第三时间段为第二时间段的前一时间段。

在一些优选的实施方式中，按照预设的第二缓存策略进行缓存，其方法为：

若设定时间段长度内第一次检测到网络能耗状态为异常，则将提取的热点内容数据缓存至所述移动边缘缓存网络的中心节点：即将提取的热点内容数据替换掉所述移动边缘缓存网络的中心节点中被请求的概率最小的文件；

否则将提取的热点内容数据缓存至所述移动边缘缓存网络的边缘节点：将提取的热点内容数据替换掉所述移动边缘缓存网络的边缘节点中被请求的概率最小的文件。

本发明的第二方面，提出了一种基于网络能耗热点探测的移动边缘缓存资源优化系统，应用于移动边缘缓存网络，所述移动边缘缓存网络包括通过通信链路连接的云服务器、中心节点、边缘节点、移动设备，该系统包括：预测模块、能耗计算模块、第一缓存策略模块、第二缓存策略模块；

所述预测模块，配置为采集所述移动边缘缓存网络设置在每个区域的中心节点的历史内容请求数据；结合所述历史内容请求数据、各区域对应的区域类型，预测各区域当天每个时间段内请求的文件及各文件被请求的概率；

所述能耗计算模块，配置为根据各文件被请求的概率，结合各文件被请求后传输时的传输能耗数据，计算当天各时间段内所述移动边缘缓存网络的总的时延、网络能耗；基于所述网络能耗，结合各时间段内需更新替换的文件的传输能耗，计算各区域当天的整体网络能耗；所述传输能耗数据为文件存在云服务器或中心节点或边缘节点上，移动设备请求后的能耗数据；所述传输能耗数据包括传输时延、传输能耗、存储能耗；

所述第一缓存策略模块，配置为基于当天各时间段内所述移动边缘缓存网络的总的时延或各区域当天的整体网络能耗，按照预设的第一缓存策略进行离线缓存；

所述第二缓存策略模块，配置为离线缓存后，实时监测所述移动边缘缓存网络的网络能耗状态；若所述网络能耗状态为异常，则获取所述移动边缘缓存网络中各移动设备当前的内容请求数据，提取热点内容数据，并按照预设的第二缓存策略进行缓存。

本发明的第三方面，提出了一种电子设备，包括：至少一个处理器；以及与至少一个所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述的基于网络能耗热点探测的移动边缘缓存资源优化方法。

本发明的有益效果：

本发明提升了现有MEC网络的缓存效率，以及鲁棒性。

本发明对网络上能源热点的根源推测和重新配置触发策略进行研究，采用一个分层的子服务部署策略来检测网络能源热点并决定重新配置的范围，并利用离线和在线两种模式来应对不同的网络状况，通过平衡在线模式和离线模式引起的网络能耗之间的关系，使得网络服务质量和网络能耗达到最优。

附图说明

通过阅读参照以下附图所做的对非限制性实施例所做的详细描述，本申请的其他特征、目的和优点将会变得更明显。

图1 是本发明一种实施例的基于网络能耗热点探测的移动边缘缓存资源优化方法的流程示意图；

图2为本发明一种实施例的移动边缘缓存网络的网络结构示意图；

图3为本发明一种实施例的基于网络能耗热点探测的移动边缘缓存资源优化系统的框架示意图；

图4为本发明一种实施例的基于网络能耗热点探测的移动边缘缓存资源优化方法的简略流程示意图；

图5为本发明一种实施例的不同模式下的网络能耗对比示意图；

图6是本发明一种实施例的适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明第一实施例的一种基于网络能耗热点探测的移动边缘缓存资源优化方法，如图1所示，该方法包括：

应用于移动边缘缓存网络，所述移动边缘缓存网络包括通过通信链路连接的云服务器、中心节点、边缘节点、移动设备，该方法包括：

为了更清晰地对本发明一种基于网络能耗热点探测的移动边缘缓存资源优化方法进行说明，下面结合附图，对本发明方法一种实施例中各步骤进行展开详述。

本申请中设计高能效MEC网络资源配的离线和在线方法。在计算、缓存和传输资源的预计算和分配等离线方法中，将根据不同边缘节点的位置和类型确定一定数量的资源配置预计算，比如根据不同区域（居民区、商业区、学校等不同类型），分别进行内容流行度的统计和预测。然后，将这些预先计算的离线配置方案映射一个预先计算的资源配置，该配置对于给定的请求集具有最小的误差和能耗代价。

将对网络上能源热点的根源推测和重新配置触发策略进行研究。尽管用来处理日常用户请求的资源已经预先配置在网络中，但网络不确定性仍随时可能发生，并导致网络中产生突发的能源热点。本申请计划采用一个分层的子服务部署策略来检测网络能源热点并决定重新配置的范围。当预先计算的配置被部署在网络中，并具有预期的服务使用模式，将根据网络中的层次结构预先设置一定的误差阈值，以监测预期的网络能量消耗。一旦由于该区域内不寻常的服务模式而达到能量阈值，最低层网络子服务模块将对服务请求进行异常检测，该检测基于对区域内用户、服务群体和当前服务使用模式改变的预处理进行分类，发送查询到更高层次的网络模块去决定重新配置的范围，最终保证热点区域的服务质量。具体如下：

在本实施例中，所述移动边缘缓存网络包括云服务器、中心节点、边缘节点、移动设备；云服务器、中心节点、边缘节点（即分布式节点）、移动设备通过通信链路连接，如图2所示。

通过实时动态检测MEC网络设施中的能量热点，以及根据运行在这些网络设施上的MEC服务和不同应用程序，可以确定这些引起能量热点根源的网络内容。除此之外，还会根据网络状况发生改变引起的MEC网络资源重新分配所导致的网络能源消耗的优化方法。由于在5G接入网络中采用集中式中心节点CU（Centralized Unit，中心节点）和分布式节点DU（Distributed Unit，分布式节点）两级架构，这就增加了边缘缓存策略的复杂度。两种不同节点都可以分配计算和缓存资源，不同的边缘缓存部署场景及对应的网络参数。

在上述架构中，一个CU节点连接多个DU节点，一般情况下，一个CU节点的缓存能力要远大于每个DU，CU的工作能耗也要高于DU。热点内容既可以缓存在CU节点，也可以缓存在DU节点上。优化的边缘缓存策略尽可能满足移动设备的内容请求，也就是尽可能多的请求内容在CU节点或DU节点上提前缓存，这样就可以提升用户的服务质量。如果移动设备请求的内容在边缘缓存中没有找到，那么就需要从云服务器上读取。云服务器上的内容通过互联网传输到移动设备，需要经过骨干网、接入网等诸多网络设备的传输，传输时延急剧增大，并且也会增加骨干网的传输压力，导致网络能耗的增长。

对于内容网络和边缘缓存节点来说，最关心的问题是如何将用户感兴趣的内容以最佳性价比分发到距离用户最近的边缘节点上。为了使得有限的边缘缓存空间的利用率最大化，需要判断用户最有可能请求的内容并提前缓存。

基于上述目的，本发明中根据不同区域的特点对边缘缓存节点进行分类，并分别计算每个区域的内容流行度情况，从而提升边缘缓存效率。不同区域的分类可以基于区域功能进行划分，也可以根据所在区域的人员类型进行划分。常见的分类有居民区、商业区、高校、交通枢纽、体育场馆等，本发明优选按照该分类方法进行分类。在每个区域的CU节点上分别统计历史请求数据（即历史内容请求数据），建立不同区域类型中基于时间的内容请求数据分布。

将用户聚类结果、流行度知识库、流行度等级、缓存策略、分发策略等综合起来便于制定完备的离线模式边缘缓存策略。

根据研究，在每天的凌晨2-6点为网络请求的空闲时段。为了不对骨干网络的传输带来压力，假设在每天的凌晨2点对当天的边缘缓存内容进行更新。首先，将每天的时间根据不同的时间间隔分成

个时间段（例如，30分钟、1小时等，时间间隔越小，意味着预测精度越准，边缘缓存的效率越高，但是也需要对缓存内容进行额外的替换传输）。需要注意的是，这里的时间段可以是不固定的，例如，在用户请求高峰时期，可以用30分钟为单位，而到了晚上等非高峰时间，时间间隔可以达到几个小时。

根据上述统计的历史内容请求数据，分别对每个区域的内容请求数据进行流行度统计或者长短期记忆网络（LSTM，Long Short-Term Memory）等基于时间循环神经网络的预测方法，当天每一个时间段的流行内容进行分析计算，得到该区域每个时间段被用户请求概率从高到低的文件列表

，

，文件格式的数量（即总文件格式）为

，该列表根据流行度的高低进行排序，也就是说文件

在

时间段被请求的概率最高。假设每个文件的大小分别为

，

的单位为兆比特（Mb），被请求的概率为

。需要注意的是，这里的时间段不是固定的，在用户请求高峰时期，可以用30分钟为单位，而到了晚上等非高峰时间，时间间隔可以达到几个小时。

步骤S200，根据各文件被请求的概率，结合各文件被请求后传输时的传输能耗数据，计算当天各时间段内所述移动边缘缓存网络的总的时延、网络能耗；基于所述网络能耗，结合各时间段内需更新替换的文件的传输能耗，计算各区域当天的整体网络能耗；所述传输能耗数据为文件存在云服务器或中心节点或边缘节点上，移动设备请求后的能耗数据；所述传输能耗数据包括传输时延、传输能耗、存储能耗。

在本实施例中，根据边缘节点的缓存空间大小，在

时间段，将文件列表

中流行度高的文件缓存在边缘节点CU或者DU上。在这里假设每个文件都可以存储在任何DU或者CU上，而不会由于文件太大需要进行拆分后存储，即使碰到由于文件太大需要拆分的情况，可以将拆分后的文件当成独立的文件对待（即文件的大小对算法没有影响，如果一个文件太大，超过了一个DU的存储能力，那就需要进行拆分成多个文件，确保单个文件大小小于一个DU的存储空间。在仿真实验中，假设所有的文件都被拆分成固定的大小，比如25MB。由一个大文件拆分成的小文件都具有相同的流行度）。移动设备每次请求存在以下4种情况：

1）移动设备请求的文件

正好缓存在它连接的DU上，那么传输时延为

，传输能耗为

，存储能耗为

；

2）移动设备请求的文件

缓存在CU上，文件需要从CU传到DU在到移动设备，那么传输时延为

，传输能耗为

，存储能耗为

；

3）移动设备请求的文件

缓存在同一个CU连接的其它DU上，文件需要经过CU中转，那么传输时延为

，传输能耗为

，存储能耗为

；

4）移动设备请求的文件

没有在边缘缓存中找到，需要从云服务器获取，那么传输时延为

，传输能耗为

，存储能耗为

；

其中，

、

、

分别表示从DU到移动设备的传输时延（即移动设备请求的文件缓存在其连接的边缘节点上的传输时延）、从CU到DU的传输时延、从云服务器到CU的传输时延。一般情况下，

、

相对较小，而

相对较大；传输能耗，主要由核心路由器、边缘路由器、宽带网络网关和以太网交换机的单位能耗构成，单位为焦耳/比特，

、

、

分别表示从DU到移动设备的传输能耗、从CU到DU的传输能耗、从云服务器到CU的传输能耗；存储能耗，边缘缓存服务器和数据中心云服务器的单位缓存能耗可以根据服务器的工作功率、存储能力以及缓存的时间计算出来，单位为焦耳/比特，

、

、

分别表示移动设备请求的文件缓存在边缘节点上的存储能耗、移动设备请求的文件缓存在中心节点上的存储能耗、移动设备请求的文件缓存在云服务器的存储能耗。

假设在

时间段内一个CU所覆盖的范围内，移动设备发起了M次请求，上面4种情况的比例分别为

,那么总的时延

为：

（1）

其中，

表示

时间段内总的时延，

表示移动设备请求的文件缓存在云服务器上的传输时延，

表示各传输时延对应的比例，

，

表示移动设备请求到文件的请求次数。

网络能耗

可以由第一的传输能耗

和第一存储能耗

计算，具体如下：

（2）

（3）

（4）

其中，

表示

时间段内的网络能耗，

表示

时间段内第一传输能耗，

表示

时间段内第一存储能耗，

表示

时间段内请求的第

个文件的大小，

表示文件从边缘节点到移动设备的传输能耗，

表示文件从中心节点到边缘节点的传输能耗，

表示文件从云服务器到中心节点的传输能耗，

表示移动设备请求的文件缓存在云服务器上的传输能耗。

由于每个时间段最有可能被用户请求的文件列表

会有差异，按照上述方式将请求概率排名靠前的文件进行边缘缓存，会导致每个时间段之间需要对缓存文件进行更新替换。假设每个时间段

需要更新替换的缓存文件列表为

，为了简单计算，这里的文件个数也为N个，如果替换替换的文件小于N，列表后面的文件为空。文件的大小分别为

，

的单位为兆比特（Mb），

表示

时间段内需更新替换的第

个文件的大小，

表示

时间段内需更新替换的第

个文件。这些更新替换会带来额外的传输能耗

可以用如下公式计算：

（5）

从上面的分析可以看出，为了使得用户体验最佳也就是传输时延最小的代价是在缓存里更新替换更多的内容。在网络能耗优先的场景里，可以从能耗优化的角度设置离线缓存方案。每天的网络整体能耗优化公式如下：

（6）

（7）

（8）

（9）

由于上述问题不是一个凸优化问题，无法直接求解，可以通过调整每个时间段的缓存内容，对上述优化公式进行求解，从而得到能耗最优的缓存方案。该方案就可以作为离线模式下能耗最优的缓存方案。

在本实施例中，获取各时间段内总的时延最小时请求的文件，作为各时间段的待离线缓存的文件；或获取各区域当天整体网络能耗最小时各时间段请求的文件，作为各时间段的待离线缓存的文件，将待离线缓存的文件在CU和DU上进行分级缓存。由于不同时间段的文件流行度往往不同，这就需要对缓存的内容进行更新替换。更新替换的文件需要从云服务器获取，这带来了骨干网的压力和额外的网络能耗。可以根据网络状况进行分别对待：

1）获取待离线缓存的文件对应的时间段，作为第一时间段；若所述第一时间段处于预设的非高峰时间段内，则直接从所述云服务器将当前时间段内待离线缓存的文件传输到边缘节点进行缓存。即在网络非高峰时期，可以直接从云服务器将下一时间段的待缓存内容提前传输到边缘节点进行缓存，这样可以提高用户的服务质量；

2）若所述第一时间段处于预设的高峰时间段内，则当移动设备向对应的边缘节点请求文件而边缘节点并未缓存所述请求文件时，则判断所述请求文件是否为待离线缓存的文件，若是，则从所述云服务器将所述请求文件缓存至对应的边缘节点上。即在网络高峰时期，并不提前从云服务器传输，而是等到移动设备请求的文件在边缘节点没有缓存，需要从云服务器获取时，判断该文件是否是待缓存内容，如果是，就将该文件缓存在对应的DU节点上；

3）若当前区域内的边缘节点的缓存空间已满，则判断所述第一时间段的上一时间段离线缓存的文件是否有不在所述第一时间段的高流行度列表中，若有，则直接进行替换；若没有，则判断边缘节点连接的中心节点是否有存储空间，若有，则离线缓存至中心节点；所述高流行度列表为文件被请求的概率大于设定概率阈值的文件列表。即如果DU节点的缓存空间已经存满，则判断是否有不在下一时间高流行度列表中的文件，如果有，则进行文件的替换。如果没有，则判断DU连接的CU是否有存储空间。直到CU和所有的DU都已经存满；

4）若当前区域内的边缘节点、中心节点的缓存空间均已满，则将中心节点、边缘节点中缓存的文件按照各文件被请求的概率从低到高进行降序排序，然后待离线缓存的文件从低到高依次进行替换。即当CU和所有的DU都已经存满时，则判断每个文件的流行度高低，根据流行度高低情况进行替换，确保缓存的文件都是在下一时间段流行度尽可能高的文件。

在本实施例中，利用前面步骤中的网络能耗计算方法对网络的能耗进行实时监测，一旦发现某个时段的网络能耗急剧增长，并到达预先设定的阈值时（即网络能耗状态异常），就需要对引起网络能耗急剧增长的原因进行分析。例如高校里进行线上教学或线上会议、体育场馆里有运动会或者演唱会等等。这些情况出现时，所在区域的用户会大量请求相同的视频内容，导致所在区域的网络流量剧增，由于这些内容是突发的热点，并不在离线模式中的高流行度文件列表中，一般需要从与服务器获取，从而使得网络能耗急剧增长。

根据统计的历史内容请求数据，为前一时间段（例如30分钟）的整体网络能耗

和第一的传输能耗

设定对应的阈值

和

，当监测到如下情况：

（10）

（11）

或者，跟前一时间段的整体网络能耗

和第一的传输能耗

相比急剧放大，则判定为网络能耗异常，需要进行热点内容监测并重新进行边缘缓存。即若第二时间段内总的整体网络能耗大于设定的第一能耗阈值，则所述移动边缘缓存网络的网络能耗状态为异常；或若所述第二时间段内的第一传输能耗大于设定的第二能耗阈值，则所述移动边缘缓存网络的网络能耗状态为异常；或若所述第二时间段内的整体网络能耗与第三时间段内整体网络能耗的差值大于设定第一差值阈值且若所述第二时间段内的第一传输能耗与所述第三时间段内的第一传输能耗的差值大于设定第二差值阈值，则所述移动边缘缓存网络的网络能耗状态为异常；所述第二时间段为当前时间段（即k时间段）的前一时间段；所述第三时间段为第二时间段的前一时间段。

当监测到网络能耗状态异常时，在线实时对网络内容请求情况进行分析，提炼出突发的热点内容。并将这些内容替换流行度最低的文件并优先缓存在中心节点CU上，提高用户服务质量的同时减轻骨干网络的压力。继续监测网络能耗，如果网络能耗依然处于高位，则将这些热点内容进一步缓存在分布式节点DU上。即若设定时间段长度内第一次检测到网络能耗状态为异常，则将提取的热点内容数据缓存至所述移动边缘缓存网络的中心节点：即将提取的热点内容数据替换掉所述移动边缘缓存网络的中心节点中被请求的概率最小的文件；否则将提取的热点内容数据缓存至所述移动边缘缓存网络的边缘节点：将提取的热点内容数据替换掉所述移动边缘缓存网络的边缘节点中被请求的概率最小的文件。

随着CU和DU中的缓存空间被临时热点内容占据后，离线模式下的高流行度内容的存储空间变小，就会使得这部分内容的请求不能边缘缓存中得到满足，从而使得更多的正常请求内容需要从云服务器获取，这部分请求的网络能耗也会随之增加。在边缘节点DU上存储更多的临时热点内容，使得这部分内容引起的网络能耗下降。上面二者之间的博弈，最后会达到一个平衡，使得整体网络能耗到达最低。

突发的临时热点内容往往持续时间较短，当临时热点内容热度下降后，在CU处监测到的正常请求内容引起的网络能耗会随之增长，当它达到临界点时，就结束在线实时缓存模式，继续进入离线缓存模式，如图4所示。

另外，为了验证本发明方法的有效性，将不同模式下的网络能耗进行对比，如图5所示，可以看出当发生突发热点是，云服务器到CU的传输能耗明显增大，这时就触发了网络能耗监测模块中的判决条件。这时就根据监测到的能耗根源对热点内容进行临时缓存，使得传输能耗大幅度降低，当缓存空间大小为100个视频文件时，云服务器到CU传输能耗降幅可以达到52%。

本发明第二实施例的一种基于网络能耗热点探测的移动边缘缓存资源优化系统，如图3所示，应用于移动边缘缓存网络，所述移动边缘缓存网络包括通过通信链路连接的云服务器、中心节点、边缘节点、移动设备，该系统包括：预测模块100、能耗计算模块200、第一缓存策略模块300、第二缓存策略模块400；

所述预测模块100，配置为采集所述移动边缘缓存网络设置在每个区域的中心节点的历史内容请求数据；结合所述历史内容请求数据、各区域对应的区域类型，预测各区域当天每个时间段内请求的文件及各文件被请求的概率；

所述能耗计算模块200，配置为根据各文件被请求的概率，结合各文件被请求后传输时的传输能耗数据，计算当天各时间段内所述移动边缘缓存网络的总的时延、网络能耗；基于所述网络能耗，结合各时间段内需更新替换的文件的传输能耗，计算各区域当天的整体网络能耗；所述传输能耗数据为文件存在云服务器或中心节点或边缘节点上，移动设备请求后的能耗数据；所述传输能耗数据包括传输时延、传输能耗、存储能耗；

所述第一缓存策略模块300，配置为基于当天各时间段内所述移动边缘缓存网络的总的时延或各区域当天的整体网络能耗，按照预设的第一缓存策略进行离线缓存；

所述第二缓存策略模块400，配置为离线缓存后，实时监测所述移动边缘缓存网络的网络能耗状态；若所述网络能耗状态为异常，则获取所述移动边缘缓存网络中各移动设备当前的内容请求数据，提取热点内容数据，并按照预设的第二缓存策略进行缓存。

所述技术领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的系统的具体的工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。

需要说明的是，上述实施例提供的基于网络能耗热点探测的移动边缘缓存资源优化系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。

本发明第三实施例的一种电子设备，至少一个处理器；以及与至少一个所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述的基于网络能耗热点探测的移动边缘缓存资源优化方法。

本发明第四实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上述的基于网络能耗热点探测的移动边缘缓存资源优化方法。

所述技术领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的电子设备、计算机可读存储介质的具体工作过程及有关说明，可以参考前述方法实例中的对应过程，在此不再赘述。

下面参考图6，其示出了适于用来实现本申请方法、系统、装置实施例的服务器的计算机系统的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统包括中央处理单元(CPU，Central Processing Unit)601，其可以根据存储在只读存储器(ROM，Read Only Memory)602中的程序或者从存储部分608加载到随机访问存储器(RAM，Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O，Input/Output)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通讯部分609。通讯部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通讯部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

术语“第一”、 “第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。

术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims

1.一种基于网络能耗热点探测的移动边缘缓存资源优化方法，应用于移动边缘缓存网络，所述移动边缘缓存网络包括通过通信链路连接的云服务器、中心节点、边缘节点、移动设备，其特征在于，该方法包括：

步骤S300，基于当天各时间段内所述移动边缘缓存网络的总的时延或各区域当天的整体网络能耗，按照预设的第一缓存策略进行离线缓存：

其中，在缓存时，对文件进行更新替换的策略为：

获取待离线缓存的文件对应的时间段，作为第一时间段；

若当前区域内的边缘节点、中心节点的缓存空间均已满，则将中心节点、边缘节点中缓存的文件按照各文件被请求的概率从低到高进行降序排序，然后待离线缓存的文件从低到高依次进行替换；

步骤S400，离线缓存后，实时监测所述移动边缘缓存网络的网络能耗状态；若所述网络能耗状态为异常，则获取所述移动边缘缓存网络中各移动设备当前的内容请求数据，提取热点内容数据，并按照预设的第二缓存策略进行缓存；

其中，按照预设的第二缓存策略进行缓存，其方法为：

2.根据权利要求1所述的基于网络能耗热点探测的移动边缘缓存资源优化方法，其特征在于，预测各区域当天每个时间段内请求的文件及各文件被请求的概率，其方法为：基于每个区域的中心节点的历史内容请求数据，通过大数据预测方法预测每个时间段内各区域请求的文件以及各文件被请求的概率；所述大数据预测方法包括流行度统计方法、基于时间循环神经网络的预测方法。

3.根据权利要求2所述的基于网络能耗热点探测的移动边缘缓存资源优化方法，其特征在于，若所述移动边缘缓存网络中包括一个中心节点、多个边缘节点，则各时间段内总的时延，其计算方法为：

；

其中，

表示

时间段内总的时延，

表示文件从中心节点到移动设备的传输时延，

表示文件从中心节点到边缘节点的传输时延，

表示从云服务器到中心节点的传输时延，

表示移动设备请求的文件缓存在云服务器上的传输时延，

表示

时间段内各传输时延对应的比例，

，

表示移动设备请求到文件的请求次数，

表示时间段。

4.根据权利要求3所述的基于网络能耗热点探测的移动边缘缓存资源优化方法，其特征在于，若所述移动边缘缓存网络中包括一个中心节点、多个边缘节点，则各时间段内网络能耗，其计算方法为：

；

；

；

其中，

表示

时间段内的网络能耗，

表示

时间段内第一传输能耗，

表示

时间段内第一存储能耗，

表示

时间段内请求的第

个文件的大小，

表示文件从边缘节点到移动设备的传输能耗，

表示文件从中心节点到边缘节点的传输能耗，

表示文件从云服务器到中心节点的传输能耗，

表示移动设备请求的文件缓存在云服务器上的传输能耗，

表示移动设备请求的文件缓存在中心节点上的存储能耗，

表示移动设备请求的文件缓存在边缘节点上的存储能耗，

表示移动设备请求的文件缓存在云服务器的存储能耗。

5.根据权利要求4所述的基于网络能耗热点探测的移动边缘缓存资源优化方法，其特征在于，基于所述网络能耗，结合各时间段内需更新替换的文件的传输能耗，计算各区域当天的整体网络能耗，其方法为：

；

；

其中，

表示

时间段内需更新替换的文件的传输能耗，

表示

时间段内需更新替换的第

个文件的大小，

表示文件格式的数量，

表示每天划分的时间段的数量。

6.根据权利要求5所述的基于网络能耗热点探测的移动边缘缓存资源优化方法，其特征在于，所述网络能耗状态，其获取方法为：

或

若所述第二时间段内的第一传输能耗大于设定的第二能耗阈值，则所述移动边缘缓存网络的网络能耗状态为异常；

或

若所述第二时间段内的整体网络能耗与第三时间段内整体网络能耗的差值大于设定第一差值阈值且若所述第二时间段内的第一传输能耗与所述第三时间段内的第一传输能耗的差值大于设定第二差值阈值，则所述移动边缘缓存网络的网络能耗状态为异常；所述第二时间段为当前时间段的前一时间段；所述第三时间段为第二时间段的前一时间段。

7.一种基于网络能耗热点探测的移动边缘缓存资源优化系统，应用于移动边缘缓存网络，所述移动边缘缓存网络包括通过通信链路连接的云服务器、中心节点、边缘节点、移动设备，其特征在于，该系统包括：预测模块、能耗计算模块、第一缓存策略模块、第二缓存策略模块；

所述第一缓存策略模块，配置为基于当天各时间段内所述移动边缘缓存网络的总的时延或各区域当天的整体网络能耗，按照预设的第一缓存策略进行离线缓存：

其中，在缓存时，对文件进行更新替换的策略为：

获取待离线缓存的文件对应的时间段，作为第一时间段；

所述第二缓存策略模块，配置为离线缓存后，实时监测所述移动边缘缓存网络的网络能耗状态；若所述网络能耗状态为异常，则获取所述移动边缘缓存网络中各移动设备当前的内容请求数据，提取热点内容数据，并按照预设的第二缓存策略进行缓存；

其中，按照预设的第二缓存策略进行缓存，其方法为：

8.一种电子设备，其特征在于，包括：

至少一个处理器；以及与至少一个所述处理器通信连接的存储器；

其中，所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现权利要求1-6任一项所述的基于网络能耗热点探测的移动边缘缓存资源优化方法。