本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：针对算力网络场景下的微服务调度问题，考虑了微服务对网络服务质量的需求和节点能耗优化问题，研究了算力网络场景下服务质量约束的能耗优化微服务调度问题。首先建立了由算力网络调度模块、算力网络调度执行模块和算力网络信息表构成的算力网络调度框架。基于该框架，同时考虑了节点资源限制和网络服务质量约束，建立了能耗优化的微服务调度模型，并采用深度确定性策略梯度算法解决微服务调度问题。最后通过仿真验证了该调度算法的有效性。
关键词：微服务；能耗优化；服务层协议；算力网络
doi：10.12045/j.issn.1007-3043.2023.02.006
概述
算力是互联网时代的基础能源，正在驱动不同行业的信息化转型。目前，广受关注的云计算、边缘计算、人工智能计算等都属于算力的分支。随着产业信息化、数字化的不断深入，互联网、大数据、云计算、人工智能、区块链等技术不断发展与创新，海量的应用与技术创新对算力提出了新的需求，包括更大的算力供给、更高的计算性能标准和更多样的算力服务需求。因此，将算力与网络深度融合，实现云、边、端多级计算的高效协同部署是必然趋势。2021年5月24日，国家发展改革委、中央网信办、工业和信息化部、国家能源局联合印发了《全国一体化大数据中心协同创新体系算力枢纽实施方案》，文件提出要在全国各地布局建设全国一体化算力网络国家枢纽节点，加快实施“东数西算”工程，提升跨区域算力调度水平。
目前，业内将算力网络的发展主要分为算网分治、算网协同、算网一体化3个阶段。为了最终实现算网一体化，为用户提供泛在协同的连接与计算服务，算网感知功能、算力路由、算力编排调度等关键技术都是业界研究的重点。微服务架构也是算力网络发展的潜在技术。微服务架构是基于面向服务的架构（Service Oriented Architecture，SOA）思想，将大型项目根据需求拆分为多个小应用服务，每一个小的服务即一个微服务。多个项目的不同微服务可以灵活部署在不同的节点上，有利于提高资源利用率。从2016年开始，为了满足业务部署的个性化、简便化需求，微服务这一架构风格开始普及。目前，各大网络运营商都有自己特色的微服务框架，微服务的普及也带来了大量的微服务处理需求。
在算力网络场景下，采用微服务架构，可以将多样化异构的算力网络服务请求拆分为多个小应用服务，不同的算力网络服务请求可以共享同一个微服务，从而满足业务个性化、简便化的需求。算力网络中，微服务的部署调用需要考虑微服务部署、微服务请求调度和动态扩缩容3种业务请求。对不同业务请求调度的合理性直接决定了算力网络的资源利用率和算力网络服务性能。文献［8］针对边缘计算场景下微服务调度问题，提出了一种新颖的分布式延迟优化的微服务调度机制，实现最小的微服务时延，同时保证传输速率以最大限度降低传输时延。文献［9］提出了一种边缘计算场景下动态微服务调度方案，优化了网络吞吐量、总时延和微服务利用率，为用户提供了公平的网络服务质量，提高了终端用户的满意度。文献［10］提出了一种基于强化学习的在线微服务协调算法来学习最优策略，该算法可以在降低服务延时的同时降低微服务迁移成本。文献［11］提出了一种基于奖励共享机制的深度Q学习算法来解决边缘计算中的多目标微服务部署问题，有效降低了服务平均响应时间，优化了负载均衡，提高了服务执行的可扩展性。现有工作主要集中于边缘计算场景下的微服务部署，考虑的因素包括时延、服务质量、成本等，模型基于边缘计算框架建立，未考虑算力网络场景下，云边端协同调度和网络高动态性。同时，上述模型没有考虑云计算、数据中心、边缘计算发展面临的高能耗问题，降低能耗是服务提供商关注的重点问题之一。
