CN107483541A - 一种基于滚动时域的在线任务迁移方法 - Google Patents

Abstract

本发明涉及一种基于滚动时域的在线任务迁移方法，具体步骤为：1)输入任务拓扑图，并设置滑动决策窗口的长度L；2)从初始节点开始遍历L层任务拓扑图，计算窗口内的任务节点数m，生成2^m种0/1排列组合；3)计算每种组合的时间和能耗，并保存；4)运用帕累托最优策略，对该2^m种保存时间和能耗的组合的进行筛选，得到帕累托最优集；5)对选出的帕累托最优集内进行投票，从而得到当前窗口内最优的任务迁移策略，用数组保存最优迁移策略的第一个选择；6)重新选取开始遍历的当前节点，重复上述步骤，直到窗口最后一层是任务拓扑图的最后一层为止。

Description

一种基于滚动时域的在线任务迁移方法

技术领域

本发明涉及移动云计算领域，特别涉及一种基于滚动时域的在线任务迁移方法。

背景技术

智能手机有越来越多的新的移动应用程序，如面部识别，自然语言处理，交互式游戏和增强现实等。这种移动应用通常资源匮乏，需要大量的计算并且高能耗。由于物理尺寸的限制，通常情况下移动设备只具有有限的计算资源和电池寿命。资源匮乏的应用和资源受限的移动设备之间的紧张，因此对未来的移动平台开发构成了重大挑战。移动云计算被视为解决这一挑战一种有前景的方法。通过无线接入到资源丰富的云基础设施分流计算，移动云计算可以增加移动设备对资源需求应用程序的能力。

在移动云计算的环境中，因为系统环境是动态变化的，较远的任务可能在执行时面临与当前决策完全不同的环境。

发明内容

本发明的目的通过时域滚动的在线算法，应用帕累托最优方法，快速的生成移动云计算任务迁移策略。具体的，滚动时域的方法，考虑了数据传输速率的不确定性，通过对当前执行窗口内的任务节点数m的统计，生成2^m种0/1排列组合。寻找2^m种排列组合的帕累托最优集，以得到当前窗口内的最优任务迁移策略。

一种基于滚动时域的在线任务迁移方法，具体步骤为：

1)输入任务拓扑图，并设置滑动决策窗口的长度L；

2)从初始节点开始遍历L层任务拓扑图，计算窗口内的任务节点数m，生成2^m种0/1排列组合；

3)计算每种组合的时间和能耗，并保存；

4)运用帕累托最优策略，对该2^m种保存时间和能耗的组合的进行筛选，得到帕累托最优集；

5)对选出的帕累托最优集内进行投票，从而得到当前窗口内最优的任务迁移策略，用数组保存最优迁移策略的第一个选择；

6)重新选取开始遍历的当前节点，重复上述步骤，直到窗口最后一层是任务拓扑图的的最后一层为止。

所述方法用于任务迁移前的决定阶段，通过对当前窗口内生成2^m种0/1排列组合，找出帕累托最优集，得到当前任务迁移的最优策略。

本发明的优点和效果如下：

1)在移动云计算中加入滚动滑动窗口，构建了一个更加真实的问题模型。

2)提出的基于滚动时域的在线算法，应用帕雷托最优方法，快速的生成移动云计算任务迁移策略。并且，在动态移动网络通信环境下，信道变化频率越高，整体鲁棒性越强。。

附图说明

图1是移动云计算环境下移动应用程序的任务拓扑图；

图2是本发明所使用的算法流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

移动应用程序的任务拓扑：将移动应用程序的执行先后顺序划分成若干任务拓扑序列。如图1，在任务2计算完后才能开始计算任务5。

移动设备有两种计算方式，1、在移动设备内计算；2、通过互联网将任务迁移到云端计算。

本文用有向无环图G＝(V，A)来表示移动应用程序任务拓扑图。V＝{v₁，v₂，…，v_n}表示的是n个任务的集合，任务的属性被定义为一个二元组v_i＝(x_i，w_i)。其中，x_i表示任务v_i的执行方式，即x_i＝0，任务v_i在移动设备端执行；x_i＝1，任务vi在云端执行。w_i表示任务v_i完成所需要的CPU时钟周期数。dij表示的是任务v_i和任务v_j之间的数据传输量。P_m，P_idle，f_m，，f_c，分别是移动设备的计算功率，移动设备的空转功率，移动设备端的时钟频率，云端的时钟频率。P^up表示移动设备的上传功率，P^down表示移动设备的下载功率。R^up，R^down分别是移动设备端数据上传速率，数据下载速率。

目标：min(E，T)

表达式：

任务vi的时间消耗表示：

移动设备端的计算能耗表示：

任务vi到任务vj的通信所产生的时间消耗表示：

任务vi到任务vj的通信所产生的移动设备端的能耗表示：

一种基于滚动时域的在线任务迁移方法，具体步骤为：

1)输入任务拓扑图，并设置滑动决策窗口的长度L。

2)从初始节点开始遍历L层任务拓扑图，计算窗口内的任务节点数m，生成2^m种0/1排列组合。

3)根据时耗公式T_i ^comp，T_ij ^comm和能耗公式E_i ^comp，E_ij ^comm，计算每种组合的时间和能耗，并保存。

4)运用帕累托最优策略，对该2^m种保存时间和能耗的组合的进行筛选，得到帕累托最优集。

5)对选出的帕累托最优集内进行投票，从而得到当前窗口内最优的任务迁移策略，用数组保存最优迁移策略的第一个选择。

6)重新选取开始遍历的当前节点，重复上述步骤，直到窗口最后一层是任务拓扑图的的最后一层为止。

其中，帕累托最优策略为：资源分配的一种理想状态，假设存在任意两个目标向量和，如果u是Pareto最优解，则当且仅当问题的可行域内不存在自变量v，使得u＜v，则所有这些解的集合就构成了Pareto解集。

如图2所示，所述方法用于任务迁移前的决定阶段，通过对当前窗口内生成2m种0/1排列组合，找出帕累托最优集，得到当前任务迁移的最优策略。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (2)

1.一种基于滚动时域的在线任务迁移方法，其特征在于，具体步骤为：

1)输入任务拓扑图，并设置滑动决策窗口的长度L；

2)从初始节点开始遍历L层任务拓扑图，计算窗口内的任务节点数m，生成2^m种0/1排列组合；

3)计算每种组合的时间和能耗，并保存；

4)运用帕累托最优策略，对该2^m种保存时间和能耗的组合的进行筛选，得到帕累托最优集；

5)对选出的帕累托最优集内进行投票，从而得到当前窗口内最优的任务迁移策略，用数组保存最优迁移策略的第一个选择；

6)重新选取开始遍历的当前节点，重复上述步骤，直到窗口最后一层是任务拓扑图的的最后一层为止。

2.如权利要求1所述的方法，其特征在于所述方法用于任务迁移前的决定阶段，通过对当前窗口内生成2^m种0/1排列组合，找出帕累托最优集，得到当前任务迁移的最优策略。