近日，贾维嘉教授团队成员唐志清老师关于边缘计算中的容器调度的工作“LRScheduler: A Layer-aware and Resource-adaptive Container Scheduler in Edge Computing”被国际学术会议The 20th International Conference on Mobility, Sensing and Networking（IEEE MSN 2024）录用，并荣获IEEE MSN 2024最佳论文奖。
该论文第一作者为唐志清老师，同时，团队的北师港浸大硕士研究生彭文韬和北京师范大学人工智能与未来网络研究院博士研究生崔涵帅为这次的工作作出了重要贡献。该论文合作者包括我校贾维嘉教授、王田教授、郭剑雄副教授，以及澳门大学吴远副教授、上海交通大学助理研究员娄炯老师。
IEEE MSN为中国计算机学会（CCF）在计算机网络领域推荐的C类会议，在移动传感与网络领域具有重要影响力，为世界各地的学者和业界专家展示研究进展、交流新想法并讨论未来发展方向的平台。本次会议共收到投稿366篇，录用124篇，其中仅2篇论文被评选为最佳论文奖（2÷366=0.5%）。
研究背景
随着边缘计算这种新兴的计算范式逐渐成为信息领域的重点技术，如何有效提高资源利用率和服务质量已成为研究的热点。边缘计算通过将应用部署在靠近用户的边缘服务器上，显著减少了服务响应时间并提升了服务质量（QoS）。在这一背景下，容器技术因其轻量化、快速部署和高效管理的特点，成为了边缘计算中服务和应用部署的首选方法。然而，现有的Kubernetes调度策略在边缘计算环境中应用时面临诸多挑战。边缘计算实现的难点包括边缘设备资源有限、地理分布广泛以及带宽不稳定，这使得默认的Kubernetes调度策略难以直接应用。尤其是在传输带宽和存储资源受限的情况下，容器镜像的下载过程变得耗时且低效，影响了整体系统的性能和用户体验。
为了解决这些问题，研究者们提出了多种容器管理工具，如KubeEdge、K3s和Akraino等。这些工具增强了Kubernetes的功能，使其支持边缘计算环境中的容器管理。然而，这些工具在处理带宽限制问题时仍显不足，导致容器镜像的下载过程依然缓慢。现有研究探索了层共享的概念，提出了基于层共享的容器放置、迁移和镜像下载算法，旨在通过共享镜像层来减少重复下载的时间和成本。尽管已有研究在镜像层共享和资源分配方面取得了一定进展，但缺乏系统性的实现和信息检索机制，导致其在实际应用中效果有限。因此，如何系统性地实现镜像层检索并实现基于层共享的调度器插件成为了减少边缘计算容器部署开销的核心。
主要贡献
1. 该论文提出并实现了一种层感知调度器，该调度器能够自主计算层共享评分，利用节点现有的层数据和容器所需的层数据。该调度器在部署容器时能够有效降低下载成本。
2. 该论文通过将层感知调度器与默认调度器集成，并实施资源自适应权重调整算法来增强负载均衡。该方法在低负载期间最小化层下载成本，同时在高负载条件下平衡容器在各节点之间的分布。
3. 该论文在Kubernetes系统中实现了LRScheduler。实验结果表明，该论文的LRScheduler具有良好的可扩展性，能够有效降低容器的部署成本，并平衡不同节点的任务负载。
实验评估
为了评估算法的真实有效性，在Kubernetes集群环境中，该论文将LRScheduler调度器与其它官方默认调度器进行了对比，分别在不同节点数量、节点带宽、节点计算能力、CPU核数量的情况下，从节点资源平衡性、下载消耗、下载延时、资源消耗量等多个角度进行讨论，部分实验结果如下：
总结
我们提出并实现了一种面向边缘计算的层感知和资源自适应容器调度器。首先，该论文设计了一种基于层共享评分的调度器。其次，该调度器可以与现有的Kubernetes调度器集成，有效降低容器部署过程中的下载成本，同时满足资源平衡等其他指标。最后，Kubernetes的调度框架实现了该论文的调度器LRScheduler。本研究展示了在实际系统中实施基于层共享的调度器的可行性，同时突出了进一步优化的重大机会。在未来的工作中，作者将设计使用强化学习和其他长期优化策略的调度算法，并将其实现于Kubernetes。未来工作还将探索云边协作层共享，通过使用其他边缘节点传输层来减少容器启动时间。
