依赖感知的在线微服务重新调度：用于边缘网络中自适应资源协同优化

《IEEE Sensors Reviews》：Dependency-Aware Online Microservice Re-Scheduling for Adaptive Resources Co-Optimization in Edge Networks

边缘计算中微服务多目标资源均衡调度方法研究。提出DOMS方案，通过构建微服务依赖图实现多步调度，结合动态阈值自适应检测机制与双对角D3QN算法优化资源分配，实验表明在延迟、能耗、均衡度、吞吐量等指标上较现有方法分别提升1.85%、6.45%、0.56%、3.18%。

　　

摘要：

通过重新调度微服务，可以协同优化由边缘节点提供的异构资源的使用。当前的（重新）调度方法通常将协同优化问题视为单一目标优化问题，这无法解决单个边缘节点上异构资源（例如CPU、内存、带宽）使用不平衡的问题。更重要的是，这些方法在处理以下方面存在不足：（i）异构资源的自适应协同优化；（ii）微服务依赖关系的细粒度构建；（iii）多步骤在线微服务重新调度。为了解决这些挑战，本文提出了一种基于依赖关系的在线微服务重新调度（DOMS）方法。DOMS将微服务重新调度问题表述为一个多背包优化问题，并使用具有优先级经验回放的双重对抗深度Q网络（D3QN）来解决它。具体来说，开发了一种自适应的异构资源平衡检测算法，该算法包含一个动态检测阈值机制。通过捕捉因果关系，构建了一个细粒度的微服务性能指标依赖图，以表示顺序执行依赖性。基于该图，设计了一种微服务多步骤调度划分算法。在公开可用的数据集上进行了大量实验，评估结果表明，DOMS在延迟、能耗、平衡程度和吞吐量方面相比现有技术至少提高了1.85%、6.45%、0.56%和3.18%。这些结果凸显了DOMS在维持异构资源平衡使用和提高网络吞吐量方面的有效性和优越性，同时满足了延迟和能耗约束。

引言

边缘计算和微服务架构的广泛应用促进了边缘节点之间的协作，以满足复杂的用户请求。在边缘网络中，包括中央处理单元（CPU）、内存和带宽在内的异构资源通常被封装为微服务，这些微服务可以根据特定约束进行编排以满足用户请求[1]。通常，这些请求的特性可能会有很大差异，从数据密集型、计算密集型到混合工作负载不等。此外，请求的空间和时间分布可能不均匀，导致边缘节点之间的资源利用不平衡。而且，边缘节点中异构资源的消耗也可能不平衡。例如，CPU可能接近耗尽，而内存和带宽却未得到充分利用。在这种情况下，由于某些资源的稀缺，边缘节点处理传入请求的能力受到严重限制，从而降低了整个边缘网络的吞吐量[2]。为了解决这一挑战，迫切需要开发一种能够动态响应边缘环境变化特性的微服务重新调度方法。这种方法应旨在协同优化异构资源的利用，确保计算资源和网络资源得到高效分配，以便尽可能多地处理请求。