23、边缘计算与雾计算网络优化：在线编排与动态切片策略

边缘计算与雾计算网络优化：在线编排与动态切片策略

1. 跨边缘服务功能链的在线编排

在跨边缘服务功能链的在线编排中，控制参数 𝜖 起着关键作用。它能使结果接近 Cmax 𝛿 + 1，但过度增大 𝜖 会增加正则化问题 PRe 的时间复杂度，因为随着 𝜖 增长，PRe 的凸性会变差。所以，𝜖 就像一个调节旋钮，用于平衡性能和复杂度之间的权衡。

在进行流量重路由以获取完整可行解时，我们利用权重守恒特性修改 ̃y(t) 和 ̃z(t)，同时保持 ̃u(t) 和 ̃a(t) 不变。与直接将 x(t) 带回原问题 P 来获取完整可行解的简单方法相比，这种方法时间复杂度更低，但最优性有所降低。由此得出的比率 K1K2 可作为采用简单方法进行流量重路由方案竞争比的上限。

有趣的是，尽管提出的舍入方案本质上是随机的，但得出的竞争比却是确定性的。这是因为它基于权重守恒特性推导得出，而该特性是确定性的。如果利用 RDIP 算法主循环后确保 𝔼{xm i (t)} = ̃xm i (t) 的边际分布特性，我们或许能推导出随机竞争比。

2. 性能评估

2.1 实验设置

• 基础设施 ：模拟一个跨边缘系统，在纽约市四个区域（曼哈顿、布鲁克林、皇后区和布朗克斯）的地理中心部署 4 个边缘云。每个边缘云的输入流量需要一个服务功能链（SFC），其中包含从四个广泛研究的虚拟网络功能（VNF）中随机选择的三个服务功能（SF）。
  | SF | 变化比率 𝜶 | 实例容量 b |
  | ---- | ---- | ---- |
  | 防火墙 | 0.8 - 1