CN108319497A - 基于云端融合计算的分布式节点管理方法及系统 - Google Patents

基于云端融合计算的分布式节点管理方法及系统 Download PDF

Info

Publication number
CN108319497A
CN108319497A CN201810028235.XA CN201810028235A CN108319497A CN 108319497 A CN108319497 A CN 108319497A CN 201810028235 A CN201810028235 A CN 201810028235A CN 108319497 A CN108319497 A CN 108319497A
Authority
CN
China
Prior art keywords
price
task
base station
wireless base
difference
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810028235.XA
Other languages
English (en)
Other versions
CN108319497B (zh
Inventor
管海兵
周海航
姚建国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiao Tong University
Original Assignee
Shanghai Jiao Tong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiao Tong University filed Critical Shanghai Jiao Tong University
Priority to CN201810028235.XA priority Critical patent/CN108319497B/zh
Publication of CN108319497A publication Critical patent/CN108319497A/zh
Application granted granted Critical
Publication of CN108319497B publication Critical patent/CN108319497B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
    • G06F9/4856—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种基于云端融合计算的分布式节点管理方法及系统，包括：设定初始的价格ρ，并广播至用户端；根据价格ρ计算出当前用户端的最佳负载百分比，将用户端的任务迁移至无线基站端；根据无线基站端接收到的任务，计算无线基站端的最大计算能力与当前总任务需要的计算量之间的差值的绝对值；若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值大于零，则将价格ρ自减Δρ，反之将价格ρ自增Δρ；将最新的价格ρ发送给用户端。本发明利用服务价格的方式，对用户的竞争形成调节。用户可以将自己的计算密集型任务一部分迁移到无线基站中，一部分在用户端本地处理，来减少用户端的能耗，也可以保证无线基站的正常工作。

Description

基于云端融合计算的分布式节点管理方法及系统
技术领域
本发明涉及云计算领域，具体地，涉及基于云端融合计算的分布式节点管理方法及系统。
背景技术
当前，随着云计算技术的不断发展，越来越多的数据需要在云环境下进行计算。同时，不断出现的越来越多的移动端计算应用，例如人脸识别、自然语言处理，都需要在移动端进行大量的计算。传统上，这种计算密集型的任务可以迁移到云端进行解决。而当下，由于人们对于移动端的延迟越来越敏感，而计算密集型任务迁移到云端所需要的时间延迟较大，大大降低了用户体验，难以满足人们的要求。同时，由于边缘云处于网络的边缘节点，在该节点处往往具有有限的处理能力。这种有限的处理能力将导致移动计算用户对于边缘云计算任务的竞争，这种竞争将导致边缘云计算中移动端用户和边缘云计算节点的行为同传统云计算中云用户和云计算中心行为的差异。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于云端融合计算的分布式节点管理方法及系统。
根据本发明提供的一种基于云端融合计算的分布式节点管理方法，包括：
步骤1：设定一个初始的价格ρ，并广播至用户端；
步骤2：根据广播的价格ρ计算出当前用户端的最佳负载百分比，根据计算得到的最佳负载百分比，将用户端的任务迁移至无线基站端；
步骤3：根据无线基站端接收到的任务，计算无线基站端的最大计算能力与当前总任务需要的计算量之间的差值的绝对值，若计算结果大于预定值则进入步骤4，若计算结果小于等于预定值则进入步骤5；
步骤4：若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值大于零，则将价格ρ自减Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值小于零，将价格ρ自增Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值等于零，则保留当前价格ρ；
步骤5：将最新的价格ρ发送给用户端，并返回步骤2。
较佳的，所述预定值为正数。
较佳的，所述价格的上界为：
Ei B为第i个用户端利用任务迁移获得的能耗收益，fi为任务需要的计算量，N为用户端数量。
较佳的，所述价格的下界为：
Ei B为第i个用户端利用任务迁移获得的能耗收益，fi为任务需要的计算量，N为用户端数量。
较佳的，在所述步骤3之前还包括：等待N个用户端的N个迁移至无线基站端的任务，N大于等于1。
根据本发明提供的一种基于云端融合计算的分布式节点管理系统，包括：
初始价格设定模块：设定一个初始的价格ρ，并广播至用户端；
任务迁移信息生成模块：根据广播的价格ρ计算出当前用户端的最佳负载百分比，根据计算得到的最佳负载百分比，将用户端的任务迁移至无线基站端；
差值计算模块：根据无线基站端接收到的任务迁移信息，计算无线基站端的最大计算能力与当前总任务需要的计算量之间的差值的绝对值；
价格调整模块：若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值大于零，则将价格ρ自减Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值小于零，将价格ρ自增Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值等于零，则保留当前价格ρ；将最新的价格ρ发送给用户端。
较佳的，所述预定值为正数。
较佳的，所述价格的上界为：
Ei B为第i个用户端利用任务迁移获得的能耗收益，fi为任务需要的计算量，N为用户端数量。
较佳的，所述价格的下界为：
Ei B为第i个用户端利用任务迁移获得的能耗收益，fi为任务需要的计算量，N为用户端数量。
较佳的，所述差值计算模块等待N个用户端的N个迁移至无线基站端的任务迁移信息，N大于等于1，再计算无线基站端的最大计算能力与当前总任务需要的计算量之间的差值的绝对值。
与现有技术相比，本发明具有如下的有益效果：
通过本发明，用户端(包括但不限于智能手机、笔记本电脑、平板电脑)可以通过无线信号连接无线基站，利用无线基站内连接有限的服务器资源进行计算。在本发明中，无线基站可以作为集中式的边缘云计算中心，利用服务价格的方式，对用户的竞争形成调节。用户可以将自己的计算密集型任务一部分迁移到无线基站中，一部分在用户端本地处理，来减少用户端的能耗，也可以保证无线基站的正常工作。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的流程图；
图2为本发明的架构图；
图3为本发明的仿真结果示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
在本发明中：
1.本地(用户端)计算所需时间模型
其中i表示第几个用户端。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。Fi L表示用户端本地的计算能力，Ti L表示用户在本地完全计算该任务所需要的时间。
2.本地计算所需能耗模型
Ei L＝αfi
其中fi表示用户端的任务需要的计算量(以CPU计算周期为单位)，α表示用户端能耗同所需计算任务量间的系数。Ei L表示用户端本地计算所需要的能耗。
3.传输所需时间
Di表示用户端同基站间的传输数据量。Ri表示用户端同基站间的数据传输速度。Ti T表示用户端同基站间的传输时间。
4.用户端传输所需能耗
Ei T＝piTi T
Ti T表示用户端同基站间的传输时间。pi表示用户端传输功率。Ei T表示用户端传输所需能耗。
5.无线基站边缘云计算所需时间
Ti C＝βifi
其中fi表示用户端的任务需要的计算量(以CPU计算周期为单位)，βi表示无线基站满足用户服务质量协议的情况下对单位计算量的处理时间。Ti C表示无线基站的处理时间。
6.用户通过无线基站的总处理时间
Ti R＝Ti T+Ti C
Ti C表示无线基站的处理时间。Ti T表示用户端同基站间的传输时间。其中Ti R表示用户通过无线基站处理数据的总时间。
7.用户任务时间约束
(1-si)Ti L+siTi R≤Ti l
Ti T表示用户端同基站间的传输时间。其中Ti R表示用户通过无线基站处理数据的总时间。Ti l表示用户任务的延迟要求。
8.用户利用计算任务迁移获得的能耗收益
Ei B＝λi E(Ei L-Ei T)
其中Ei T表示用户端传输所需能耗。Ei L表示用户端本地计算所需要的能耗。λi E表示单位能耗提高带给用户的货币化收益。Ei B表示用户端通过计算任务迁移获得的货币化单位收益。
9.用户效用收益
ui(si,ρ)＝Ei Blog2(1+si)-ρsifi
其中，si表示用户任务迁移到无线基站端的任务百分比，并且满足0≤si≤1。Ei B表示用户通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。ρ表示无线基站对所有用户的统一服务费用价格。ui(si,ρ)表示用户的效用收益。
10.用户理性行为
Maximize ui(si,ρ)
用户期望通过设置合理的si来最大化其效用收益，其中ui(si,ρ)表示用户的效用收益。
11.无线基站计算能力约束
其中Fmax表示无线基站计算能力最大值。N表示基站服务的总共N个用户端。si表示用户端任务迁移到无线基站端的任务百分比，并且满足0≤si≤1。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。
12.无线基站效用收益
其中ρ表示无线基站对所有用户的统一服务费用价格，其中ρ≥0。si表示用户任务迁移到无线基站端的任务百分比，并且满足0≤si≤1。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。UBS(s,ρ)表示无线基站的效用收益。
13.无线基站理性行为
Maximize UBS(s,ρ)
无线基站倾向于设置合理的统一服务费用价格来最大化其总收益。其中ρ表示无线基站对所有用户的统一服务费用价格。s＝(s1,s2,...,sn)表示n个用户的任务迁移决策。
14.对于无线基站而言，其价格ρ的上界为
其中ρmax为无线基站的价格上界。Ei B表示用户通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。
15.对于无线基站而言，其价格ρ的下界为
其中ρmin为无线基站的价格上界。Ei B表示用户通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。
16.对于用户而言，用户的最优行为解为：
其中，si *为用户的理性最优解。Ei B表示用户通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。ρ表示无线基站对所有用户的统一服务费用价格。
如图1和图2所示，本发明提供的一种基于云端融合计算的分布式节点管理方法，包括：
步骤1：设定一个初始的价格ρ，该价格在价格下界ρmin和价格上界ρmax之间，并广播至用户端；
步骤2：根据广播的价格ρ计算出当前用户端的最佳负载百分比，根据计算得到的最佳负载百分比，将用户端的任务迁移至无线基站端；
步骤3：等待N个用户端的N个迁移至无线基站端的任务，N大于等于1；
步骤4：根据无线基站端接收到的任务，计算无线基站端的最大计算能力Fmax与当前总任务需要的计算量之间的差值的绝对值，若计算结果大于预定值ε则进入步骤5，若计算结果小于等于预定值ε则进入步骤6，ε为正数，表示总任务需要的计算量与无线基站端的最大计算能力之间允许的最大差值；
步骤5：若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值大于零，则将价格ρ自减Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值小于零，将价格ρ自增Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值等于零，则保留当前价格ρ，Δρ为每次进行迭代更新价格的步长；
步骤6：将最新的价格ρ发送给用户端，并返回步骤2。
如图3所示，本发明对于用户从2个至3000个进行了仿真模拟，在运行在Intel i5-4590CPU上的Matlab上。其中，横坐标表示用户数量的增长，单位为个。纵坐标表示迭代次数，单位为个。随着用户数量的增长，算法迭代次数保持稳定。
在上述一种基于云端融合计算的分布式节点管理方法的基础上，本发明还提供一种基于云端融合计算的分布式节点管理系统，包括：
初始价格设定模块：设定一个初始的价格ρ，并广播至用户端；
任务迁移信息生成模块：根据广播的价格ρ计算出当前用户端的最佳负载百分比，根据计算得到的最佳负载百分比，将用户端的任务迁移至无线基站端；
差值计算模块：等待N个用户端的N个迁移至无线基站端的任务迁移信息，N大于等于1；根据无线基站端接收到的任务迁移信息，计算无线基站端的最大计算能力与当前总任务需要的计算量之间的差值的绝对值，若计算结果大于预定值则进入步骤5，若计算结果小于等于预定值则进入步骤6，预定值为正数；
价格调整模块：若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值大于零，则将价格ρ自减Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值小于零，将价格ρ自增Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值等于零，则保留当前价格ρ，将最新的价格ρ发送给用户端。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于云端融合计算的分布式节点管理方法，其特征在于，包括：
步骤1：设定一个初始的价格ρ，并广播至用户端；
步骤2：根据广播的价格ρ计算出当前用户端的最佳负载百分比，根据计算得到的最佳负载百分比，将用户端的任务迁移至无线基站端；
步骤3：根据无线基站端接收到的任务，计算无线基站端的最大计算能力与当前总任务需要的计算量之间的差值的绝对值，若计算结果大于预定值则进入步骤4，若计算结果小于等于预定值则进入步骤5；
步骤4：若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值大于零，则将价格ρ自减Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值小于零，将价格ρ自增Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值等于零，则保留当前价格ρ；
步骤5：将最新的价格ρ发送给用户端，并返回步骤2。
2.根据权利要求1所述的基于云端融合计算的分布式节点管理方法，其特征在于，所述预定值为正数。
3.根据权利要求1所述的基于云端融合计算的分布式节点管理方法，其特征在于，所述价格的上界为：
Ei B为第i个用户端利用任务迁移获得的能耗收益，fi为任务需要的计算量，N为用户端数量。
4.根据权利要求1所述的基于云端融合计算的分布式节点管理方法，其特征在于，所述价格的下界为：
Ei B为第i个用户端利用任务迁移获得的能耗收益，fi为任务需要的计算量，N为用户端数量。
5.根据权利要求1所述的基于云端融合计算的分布式节点管理方法，其特征在于，在所述步骤3之前还包括：等待N个用户端的N个迁移至无线基站端的任务，N大于等于1。
6.一种基于云端融合计算的分布式节点管理系统，其特征在于，包括：
初始价格设定模块：设定一个初始的价格ρ，并广播至用户端；
任务迁移信息生成模块：根据广播的价格ρ计算出当前用户端的最佳负载百分比，根据计算得到的最佳负载百分比，将用户端的任务迁移至无线基站端；
差值计算模块：根据无线基站端接收到的任务迁移信息，计算无线基站端的最大计算能力与当前总任务需要的计算量之间的差值的绝对值；
价格调整模块：若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值大于零，则将价格ρ自减Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值小于零，将价格ρ自增Δρ，若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值等于零，则保留当前价格ρ；将最新的价格ρ发送给用户端。
7.根据权利要求6所述的基于云端融合计算的分布式节点管理系统，其特征在于，所述预定值为正数。
8.根据权利要求6所述的基于云端融合计算的分布式节点管理系统，其特征在于，所述价格的上界为：
Ei B为第i个用户端利用任务迁移获得的能耗收益，fi为任务需要的计算量，N为用户端数量。
9.根据权利要求6所述的基于云端融合计算的分布式节点管理系统，其特征在于，所述价格的下界为：
Ei B为第i个用户端利用任务迁移获得的能耗收益，fi为任务需要的计算量，N为用户端数量。
10.根据权利要求6所述的基于云端融合计算的分布式节点管理系统，其特征在于，所述差值计算模块等待N个用户端的N个迁移至无线基站端的任务迁移信息，N大于等于1，再计算无线基站端的最大计算能力与当前总任务需要的计算量之间的差值的绝对值。
CN201810028235.XA 2018-01-11 2018-01-11 基于云端融合计算的分布式节点管理方法及系统 Active CN108319497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810028235.XA CN108319497B (zh) 2018-01-11 2018-01-11 基于云端融合计算的分布式节点管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810028235.XA CN108319497B (zh) 2018-01-11 2018-01-11 基于云端融合计算的分布式节点管理方法及系统

Publications (2)

Publication Number Publication Date
CN108319497A true CN108319497A (zh) 2018-07-24
CN108319497B CN108319497B (zh) 2020-11-06

Family

ID=62894841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810028235.XA Active CN108319497B (zh) 2018-01-11 2018-01-11 基于云端融合计算的分布式节点管理方法及系统

Country Status (1)

Country Link
CN (1) CN108319497B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130268672A1 (en) * 2012-04-05 2013-10-10 Valerie D. Justafort Multi-Objective Virtual Machine Placement Method and Apparatus
CN104065745A (zh) * 2014-07-07 2014-09-24 电子科技大学 云计算动态资源调度系统和方法
CN105338064A (zh) * 2015-09-29 2016-02-17 合肥工业大学 基于斯塔克尔伯格博弈的任务协作执行方法
US20170278173A1 (en) * 2016-03-25 2017-09-28 International Business Machines Corporation Personalized bundle recommendation system and method
CN107395748A (zh) * 2017-08-21 2017-11-24 京东方科技集团股份有限公司 异构分布式云资源管理方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130268672A1 (en) * 2012-04-05 2013-10-10 Valerie D. Justafort Multi-Objective Virtual Machine Placement Method and Apparatus
CN104065745A (zh) * 2014-07-07 2014-09-24 电子科技大学 云计算动态资源调度系统和方法
CN105338064A (zh) * 2015-09-29 2016-02-17 合肥工业大学 基于斯塔克尔伯格博弈的任务协作执行方法
US20170278173A1 (en) * 2016-03-25 2017-09-28 International Business Machines Corporation Personalized bundle recommendation system and method
CN107395748A (zh) * 2017-08-21 2017-11-24 京东方科技集团股份有限公司 异构分布式云资源管理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹阳: "云计算模式在电力调度系统中的应用", 《中国电力》 *

Also Published As

Publication number Publication date
CN108319497B (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
US20230199061A1 (en) Distributed computation offloading method based on computation-network collaboration in stochastic network
CN107295109A (zh) 自组织网络云计算中的任务卸载与功率分配联合决策方法
CN109857546A (zh) 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置
CN112650581A (zh) 一种面向智能楼宇的云边协同任务调度方法
CN107450982A (zh) 一种基于系统状态的任务调度方法
CN114650228B (zh) 一种异构网络中基于计算卸载的联邦学习调度方法
CN110968366B (zh) 一种基于有限mec资源的任务卸载方法、装置及设备
CN108234603A (zh) 一种基于定价的边缘计算资源分配方法及系统
CN109922479A (zh) 一种基于时延预估的计算任务卸载方法
CN111274037B (zh) 一种边缘计算任务卸载方法、系统
CN112988347B (zh) 一种降低系统能耗与花费和的边缘计算卸载方法及系统
CN108304256A (zh) 一种边缘计算中低开销的任务调度方法及装置
CN111163143B (zh) 一种面向移动边缘计算的低时延任务卸载方法
CN110851277A (zh) 一种增强现实场景下基于边云协同的任务调度策略
CN109358953B (zh) 一种微云中的多任务应用卸载方法
Liu et al. QuAsyncFL: Asynchronous federated learning with quantization for cloud–edge–terminal collaboration enabled AIoT
CN110531996A (zh) 一种多微云环境下基于粒子群优化的计算任务卸载方法
CN112437468A (zh) 一种基于时延与能耗权重计算的任务卸载算法
CN110809291A (zh) 基于能量采集设备的移动边缘计算系统双层负载平衡方法
CN114531718B (zh) 不完美csi情况下noma-mec系统能耗优化方法
CN115604274A (zh) Mec环境下基于服务器负载均衡机制的自适应计算卸载方法
CN108319497B (zh) 基于云端融合计算的分布式节点管理方法及系统
CN108664318A (zh) 计算迁移方法及用于计算迁移的服务端、边界服务端
CN117580102A (zh) 一种服务启动时延感知的协同移动边缘计算方法
CN114301907B (zh) 云计算网络中的业务处理方法、系统、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant