文献阅读笔记（2）2020.10.6

文献阅读笔记（2）：A Load Balancing and Optimization Strategy (LBOS) Using Reinforcement Learning in Fog Computing Environment

1.通过阅读本文了解了一些基本概念：
物联网：物联网（The Internet of Things，简称IOT）是指通过 各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、 连接、互动的物体或过程，采集其声、光、热、电、力学、化 学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络。
资源分配：Resource allocation is the process of allocating the incoming tasks to servers for execution.（资源分配的概念）：将传入任务分配给服务器执行的过程。动态资源分配(DRA)是云计算中非常常见的研究问题[23]。DRA [24]的优点是:(I)既没有软件开销，也没有硬件开销，(ii)最小化位置开销(可以从任何地方访问应用程序和数据)。然而，DRA的局限性在于:(1)在将资源分配给远程服务器时缺乏对资源的控制，(2)迁移挑战[25]。
进程迁移：Process Migration (PM) refers to the transferring the active (or hanging) processes in a computing environment 。在计算环境中转移活动进程或挂起活动进程。优点：(i) achieves LB, (ii) reduces the average response time of processes, (iii) speeds up the individual jobs, (iv) gains higher throughput, (v) improves the system reliability, (vi) utilizes the resources effectively, (vii) improves the security.
负载均衡：在一组服务器之前分配请求，以确保没有服务器过载，具有:(1)最大限度地减少等待时间。㈡尽量缩短响应时间。㈢最大限度地利用资源。㈣增加吞吐量。㈤提高可靠性。㈥提高绩效等优点。负载平衡器被视为服务器和用户请求之间的流量监控软件。它用于最大限度地提高利用率。分为动态和静态两种：静态LB方法是通过收集每个服务器的主要数据来实现的，是非抢占式的，即一旦任务被分配给特定的服务器，它就不能被重定向到另一个服务器[20]。动态负载平衡算法不断观察系统工作负载的变化，并相应地重新分配负载[21]。
强化学习：机器学习的一种，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题

2.了解到：
1.LB计算实现了最小的处理时间和最小的响应时间
2.文章创新之处是引入了基于强化学习和遗传算法的动态资源分配的负载均衡和优化策略(LBOS）
3.本文是关于设计一个基于物联网的雾保健系统。提议的物联网雾系统由三层组成，即:(一)物联网层，(二)雾层，和(三)云层。物联网层的任务是监控患者症状。雾层负责处理传入的请求，并将它们转发给合适的服务器。云层负责管理雾层之间的数据传输。
雾层由两个主要模块组成，即:(1)负载均衡代理(LBA)和(2)资源分配器(RA)。
4.最常用的LB算法有：
最小连接(LC):是最常见的LB算法。它选择活动事务数量最少的服务器[30]。它根据连接数不断更新每台服务器的数据。然后它管理服务器之间的负载。
循环调度(RR):有一个可用服务器的列表，并按顺序将每个传入的任务平均转发给每个服务器[31]。易于理解和实施。例如，有2个可用的服务器。当第一个请求到来时，负载平衡器会将其转发给第一个服务器。然后当第二个请求到来时，它将被转发到第二个服务器
加权循环法(WRR) [32]:在循环分配方式上类似于RR，但不同之处在于具有较高权重的节点将被给予最高数量的请求。在WRR，每个服务器根据其容量分配一个权重。例如，有2个可用的服务器。其中一个重量为5，另一个重量为2。如果负载平衡器一次接收5个请求，它会将所有5个请求发送到权重为5的服务器。然后，如果负载平衡器接收到2个请求，它会将它们转发到第二个服务器，以此类推。
动态循环(DRR):在DRR，所有服务器的重量都是实时计算的。负载平衡器根据服务器负载及其容量将请求转发到适当的服务器[33]。
最短响应时间(LRT) [34]: LRT选择响应时间最短的服务器来处理传入的请求。
最小带宽方法(LBM): LBM在最后14秒内将请求分配给带宽最小的服务器[35]。例如，有4台服务器。服务器1有带宽(2 Mbps)，服务器2有带宽(6 Mbps)，服务器3有带宽(3 Mbps)，服务器4有带宽(9 Mbps)。LBM选择服务器1。
加权主动监测(WAM) LB算法[36]:类似于WRR。它根据处理能力实时为每台服务器分配权重。当新的传入请求到达时，它将被分配给最强大的服务器。

以前的LB算法面临一些限制，例如:(1)不考虑服务器容量，(2)在某些情况下计算容量很困难，例如在数据包大小变化的情况下，(3)它们可能会导致网络瓶颈。
5.本文提出的一个医疗系统的结构：:(一)物联网层，(二)雾层，(三)云层。物联网层的任务是监控患者症状。雾层负责处理传入的请求，并将它们转发给合适的服务器。云层负责管理雾层之间的数据传输。患者数据被发送到最合适的服务器进行处理。该服务器由特定的医疗保健机构管理。该系统的主要目标是实现低延迟。雾层由两个主要模块组成，即:(1)负载均衡代理(LBA)和(2)自适应加权循环调度(AWRR)。

LBA是一个软件，负责决定哪个雾服务器可以处理传入的请求。LBA选择雾服务器基于两个主要因素；(一)雾服务器的特点，以及(二)预先确定的条件。LBA由两个子模块组成，它们是:(一)**计算权重程序(CWP)**和(二)雾服务器分类(FSC)。

6.文中提到一种AW的计算公式：

遗传算法用于优化α值，通过分配特定的任务使响应时间最短，从而获得最优的AW值。

计算出每个雾服务器的AW后 还要计算平均AW——AAW和阈值AW-TAW

以此来判断服务器状态：
If AW < AAW then the FS is classified as “Overloaded”.
If AAW<=AW<TAW then the FS is classified as “Balanced”.
If AW>=TAW then the FS is classified as “Underloaded”.

进程的权重计算：
ps是进程大小process size
如果文件系统过载，则有必要将进程从过载的文件系统迁移到负载不足的文件系统。具有最高PW值的流程具有最高优先级，可以首先迁移，这将在RA模块中实现。

7.本文的作者提出了Adaptive Weighted Round Robin (AWRR)一种改进的wrr算法用来资源分配。
他有两个代理：基于深度学习分配算法的Allocation Agent---- RAA， Migration Agent (RMA)
awrr根据aw的值给出可能欠载的服务器优先级，具有高权重的雾服务器具有高优先级。

8.
与之前的方法相比AWRR的等待时间更小 周转时间TAT也更小

AWRR算法给出了更低的Makespan AWRR算法在最大完工时间、ARU和LBL方面表现更好。

wrr和awrr的区别？？？？