论文部分内容阅读
随着科技的发展,微博、YouTube、Twitter等社交网络应用为人们提供了便捷的沟通方式。传统社交媒体内容主要以图片、文章等形式为主。近年来随着云计算、物联网等技术的发展,各类以互动直播、实时会议等新媒体方式为代表的新型社交网络应用开始出现在用户的视野。在此类应用中,用户对各类新媒体的访问延迟更加敏感。同时,智能移动设备的普及带来了数以亿计的用户加入社交网络应用进行实时通讯,其所产生的数据量也随之爆炸性地增长,维持存储系统合理的负载均衡度以保证良好系统性能也变得越来越重要。虽然传统社交网络应用中使用云计算平台放置用户数据的方式能够为海量的用户数据提供较好的存储服务,但是云数据中心一般距离用户很远,很难保证用户对于各类新型社交媒体较高实时性要求。随着边缘计算的出现,各类计算、存储资源得以下沉至距离用户更近的边缘服务器。因此,需要云数据中心与边缘服务器协同为用户提供数据存储服务以满足用户对于访问各类社交媒体的不同访问延迟要求。针对以上提出的问题,本文基于图划分算法(Graph-Partitioning Algorithm,GP)做了以下两个方面的研究。首先本文对云计算中的数据放置优化问题进行优化。在用户访问延迟要求与负载均衡的约束下,将图划分算法与数据放置费用模型相结合,提出了一种基于图划分的均衡放置算法(Balanced Graph-Partitioning Algorithm,BGPA),优化用户访问延迟要求与负载均衡约束下的数据放置费用。接着本文对云边协同计算中的数据放置费用进行优化。结合用户对于不同媒体内容访问延迟要求的不同,本文提出云边协同计算中不同访问延迟要求与负载均衡度约束下的费用优化数据放置策略(Cost-Effective Different Latency and Load Balancing-Constrained Data Placement Strategy in Cloud-Edge Computing,CSCE),来优化用户不同访问延迟要求与云边协同计算中负载均衡度约束的数据放置费用。本文基于以上提出的两种算法对社交网络的数据放置费用优化问题进行深入研究。本文不仅在云计算中优化了数据中心之间合理的负载均衡度,而且在保证用户访问延迟低于200ms的条件下优化数据放置费用。在此基础上,本文进一步考虑云边协同计算中用户对于社交内容的不同延迟要求(200ms、10ms),在维持系统负载均衡的前提下优化数据放置费用。为了验证策略的有效性,本文使用真实的Facebook数据集进行仿真实验,实验结果证明了本文所提算法的有效性。