一种故障场景下边缘计算系统的服务器资源预留方法

本发明公开了一种故障场景下边缘计算系统的服务器资源预留方法，其属于移动边缘计算技术领域，方法包括：步骤1、构建面向故障场景的资源有限的资源预留模型；步骤2、根据模型定义马尔可夫决策问题(MDP)，包括状态空间、动作空间和奖励函数；步骤3、提出基于Q‑learning的资源预留(QLRR)算法，制定基于强化学习的最优资源预留决策，最大化边缘服务器的收益。其故障场景下边缘计算系统包括云服务器、边缘服务器和用户和服务管理平台；用户产生任务，交付边缘服务器或云服务器进行处理并得到处理的结果；云服务器与边缘服务器为用户提供计算服务；服务管理平台监控边缘服务器的系统状态并调度任务；边缘服务器可能产生故障，故障边缘服务器上运行的任务的失败，从而会释放额外任务，为保证任务执行，其余边缘服务器需要对这部分任务分配定量的资源。与现有的预留方法不同，本发明提出的预留方法能够有效降低资源的浪费，综合考虑的任务到达的随机性和资源的有限性，有效保证了服务质量，提高了边缘服务器的总收益。