边缘云原生系统

　　 近年来，移动设备接入量与新型时延敏感类业务需求的骤增使得传统中心式部署的云计算架构逐渐转型为分布式部署在端用户周围的边缘云架构。通过虚拟化技术与网络将边缘设备进行连接可以充分促进各设备间的协同与共享，从而为用户提供低时延的计算服务。本方向聚焦于边缘云分布式计算系统的在线调度问题，设计同时具有理论性能保证并在实验上表现优越的算法与系统。

　　 在边缘网路中，临近地理位置边缘设备可以形成共享的资源池从而为计算任务的执行提供虚拟化的环境，端用户通过计算卸载的方式将本地任务卸载到边缘云上运行。为了将不同用户的请求进行合理的调度从而最优化资源利用效率，我们需要克服下列困难：首先，在实际系统中用户的请求的在线到达的，迫使系统需要在非完整信息下做出不可逆的决策。其次，边缘设备是高度资源受限的，需要同时对高度异构的内存、计算与通信资源进行合理协调。最后，诸如AV/VR与工业自动控制类的任务对于计算卸载施加了硬时延约束，而干扰受限的无线网络传输与任务计算对端到端时延的影响是高度耦合的，增大了系统决策的复杂性。

　　 对于此问题，我们提出了在硬时延约束下边缘网络任务调度的在线算法从而最大化累计服务奖赏。该算法通过设计与当前资源占用率耦合的阈值函数来在线地控制用户数据的传输信道，计算任务的部署与指派，并根据解耦出的计算资源分配子问题结构设计了高效算法，从而根据任务的到达与完成实时调整各任务的计算资源分配。我们对该算法进行理论分析，得到了与任务特征关联的有界竞争比，证明了在最坏场景下该算法具有鲁棒性，并且通过数值实验证明了在不同网络设置于任务特征下所提算法具有优越的性能。

　　 服务器无感知计算（Serverless Computing）是一种新兴的云计算模型，通过将开发者的业务逻辑开发与后端资源管理解耦，大幅提升了应用的开发效率并有效降低了开发成本。另外，容器及虚拟化技术的发展使得该技术具有弹性扩容、部署便捷的能力。目前，国内外主流厂商均朝着服务器无感知框架演进。近年来，随着大语言模型、工业物联网、大型数据分析等需求的进一步增加，将网络边缘的计算、存储与通信高效地融合，从而实现边缘网的服务器无感知计算具有很广泛的应用前景。

　　 我们针对Serverless服务的特点，研究了边缘网络中服务器无感知计算的函数编排问题。该研究考虑到Serverless函数的非确定、高可变的计算时延，以及高冷启动开销的特征，设计了联合容器部署、数据可分割路由以及自适应的函数调度策略。我们通过给出最坏情况下的问题实例构造性证明了由于冷启动的存在，任意确定性在线算法对于该问题的竞争比都至少是Ω(n)。为了降低冷启动发生频次，我们通过随机到达模型构造了辅助线性规划子问题来求解函数实例的部署、缓存与驱逐。同时，我们通过在线原始对偶框架设计了用户数据包与函数执行顺序的联合路由与调度，并证明了在不存在实例变更的子问题下所提算法具有有界的竞争比。我们采用微软Azure函数调用记录与先进的算法进行对比，证明了在多种情况下所提算法优越的性能表现。

公开发表论文