无服务边缘环境中的镜像缓存与资源分配

摘要

新兴的无服务边缘计算(Serverless Edge Computing, SEC)可在降低任务计算延迟的同时高效应对多变的服务模式，进而提升资源利用效率.然而，在资源受限的SEC中部署服务时常出现频繁的镜像置换，导致了过度的服务延迟与通信成本.现有的解决方案通常通过修改镜像结构或移动仓库位置来降低镜像请求时间，但其在一定程度上违背了容器隔离的设计初衷，并造成了额外的计算与存储开销.为了解决这些重要挑战，本文提出了一种新颖的面向SEC环境的镜像缓存与资源分配(Image Caching and Resource Allocation, ICRA)框架，并将原问题解耦为两个子问题分别进行求解.针对镜像缓存子问题，设计了一种基于改进深度强化学习(Deep Reinforcement Learning, DRL)的镜像缓存方法，通过引入双critic网络与延迟更新机制，以提升镜像缓存性能.针对资源分配子问题，根据任务属性与队列负载，引入凸优化理论进行容器资源分配以降低任务完成延迟.大量实验验证了所提ICRA框架的有效性.与基准方法相比，ICRA框架能够在保证服务质量的同时显著降低系统成本，并在不同场景下均表现出更加优越的性能.

关键词

无服务边缘计算 / 镜像缓存 / 资源分配 / 深度强化学习 / 凸优化