Satellite edge computing has become a promising way to provide computing services for Internet of Things (IoT) devices in remote areas, which are out of the coverage of terrestrial networks, nevertheless, it is not suitable for large-scale IoT devices due to the resource limitation of satellites. Cloud computing can provide sufficient available resources for IoT devices but it does not meet the service requirements of delay sensitive users as high network latency. Collaborative edge and cloud computing is to facilitate flexible service provisioning for numerous IoT devices by incorporating the advantages of edge and cloud computing. In this paper, we investigate the virtual network function (VNF) placement problem in collaborative satellite edge and cloud computing to minimize the satellite network bandwidth usage and the service end-to-end delay. We formulate the VNF placement problem as an integer non-linear programming problem and propose a distributed VNF placement (D-VNFP) algorithm to address it, as the VNF placement problem is NP-hard. The experiments are conducted to evaluate the effectiveness of the proposed D-VNFP algorithm. The results show that the proposed D-VNFP algorithm outperforms the existing baseline algorithms of Greedy and Viterbi for solving the VNF placement problem in satellite edge and cloud computing.


翻译:卫星边缘计算已成为为偏远地区Times(IoT)设备互联网提供计算服务的有希望的方法,偏远地区的Times(IoT)设备不属于地面网络的覆盖范围,然而,由于卫星资源有限,它不适合大规模IoT设备,云计算可以为IoT设备提供充足可用资源,但不能满足作为高网络耐久性的延迟敏感用户的服务要求。协作边缘和云计算是为了通过纳入边缘和云计算的好处,便利为许多IoT设备提供灵活的服务。在本文中,我们调查协作卫星边缘和云计算中的虚拟网络功能(VNF)定位问题,以尽量减少卫星网络带宽的使用和服务端至端的延迟。我们把VNFP放置问题作为整数非线性编程问题拟订,并提出一个分布式VNF(D-VNFP)的定位算法来解决该问题,因为VNF的放置问题是硬的。进行实验是为了评价拟议的D-VNFP算法的功效。结果显示,拟议的D-VNFP算法在合作卫星边缘和云端计算中超越了现有的VNIFL和VI的基线算法。

0
下载
关闭预览

相关内容

神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
72+阅读 · 2020年5月5日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
已删除
将门创投
5+阅读 · 2019年10月29日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
VIP会员
相关资讯
已删除
将门创投
5+阅读 · 2019年10月29日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员