CN108901046B - 面向移动边缘计算的协同任务卸载算法及系统设计方案 - Google Patents

Abstract

本发明公开一种移动边缘计算场景下的协同任务卸载算法及其系统设计方案。该系统基于数据流任务，提出无线接入点和云计算中心协同工作的计算概念，将计算任务卸载到网络中不同层节点，实现负载分流。在流式数据任务中，任务延时不仅受任务计算和通信延时影响，还受任务阻塞状态影响。本发明结合系统阻塞态判断，设计了可调度任务卸载算法。在阻塞状态，本发明优化系统吞吐量以缓解阻塞情况从而减小任务延时。在非阻塞状态，本发明通过调度任务卸载策略降低任务延时。该方法兼容现有的移动通信网络系统框架设计，只需对于现有通信网络系统进行更新，无需额外硬件成本，即可实现，具有较好的实用性。

Description

面向移动边缘计算的协同任务卸载算法及系统设计方案

技术领域

本发明涉及移动边缘计算、物联网等多个技术领域，具体涉及一种移动边缘计算场景下的协同任务卸载算法，以及采用该算法的边缘计算系统方案。

背景技术

随着移动通信和物联网技术的快速发展，网络中接入设备的数量不断增加，对传统的云计算网络带来了极大的挑战。传统的云计算由于多跳数据传输导致任务延时较大，核心网负载较大。移动边缘计算被认为是下一代无线通信的关键技术，通过部署于网络边缘的移动边缘计算中心，提供低延时的计算服务并提高网络的计算能力，以满足不断提高的用户需求。

任务卸载技术是移动边缘计算的关键技术之一，将计算复杂型任务卸载到远端计算中心，利用移动边缘计算中心的计算能力，完成计算任务，以解决终端设备计算资源有限的问题。然而，物联网技术的发展，数据计算业务规模以爆炸式增长，任务数据以数据流形式涌入计算网络，对移动边缘计算中心有限的计算资源与通信资源造成极大的挑战。同时，物联网场景中，数据流任务是新型的任务形态。数据流的任务条件在执行过程中可能发生变化，特别是高任务负载情况下会导致系统因计算资源或通信资源不足而阻塞。因此，基于任务条件和系统资源条件的动态协同任务卸载算法是移动边缘计算的重要问题。

发明内容

目前已有的任务卸载算法主要关注于移动边缘计算中心计算资源充裕场景，且均没有考虑数据流任务的阻塞问题，使得算法本身难以适用于真实场景。因此本发明着眼于发明一种任务卸载算法，协同利用多层网络的计算资源和通信资源，结合系统阻塞状态判断，实现动态调度任务卸载策略，非阻塞状态优化任务延时，阻塞状态最大化系统吞吐量以缓解系统阻塞情况，从而保证系统稳定运行。

本发明考虑的任务场景如下:网络中有三层不同的计算设备，边缘设备，无线接入点，云计算中心。任务由边缘设备产生，最后汇集到计算结果到计算中心。边缘设备一般是终端设备，负责收集任务数据流，具有一定的计算能力，能处理一定的计算任务，并将未完成任务传递给无线接入点。无线接入点，一般是小区宏基站等无线接入点，部署有移动边缘计算中心。计算中心拥有空闲的计算资源和通信资源，能完成部分计算任务。无线接入点管理分配与终端之间的无线通信链路的通信资源，以满足系统任务需求。无线接入点接收来自终端设备的部分任务数据后，可以完成部分数据任务。云计算中心一般是网络中的大型计算资源汇集节点，通过有线链路收集来自无线接入点的数据，并处理剩余未处理的任务数据。在本任务场景下，任务数据可分。因此，本任务卸载算法可分配部分计算任务给边缘设备和无线接入点，利用网络整体计算资源协作云计算中心完成流式计算任务。

整个任务在移动边缘计算系统中可分为五个并行过程:边缘设备的数据处理过程，边缘设备向无线接入点的数据提交过程,无线接入点的数据处理过程，无线接入点向云计算中心的数据提交过程，云计算中心的数据处理过程，具体介绍如下：

1.边缘设备的数据处理过程——边缘设备处理由任务卸载策略分配的数据任务。

2.边缘设备向无线接入点的数据提交过程——边缘设备将计算结果和剩余未完成计算任务上行传递给无线接入点。

3.无线接入点的数据处理过程——无线接入点处理由任务卸载策略分配的数据任务。

4.任务数据由无线接入点上行传输阶段—无线接入点将计算结果和剩余未完成计算任务上行传递给云计算中心。

5.任务数据在云计算中心处理阶段——云计算中心处理剩余未完成任务。

为实现上述协同边缘计算算法，本发明设计完成以下技术方法：

1.系统阻塞判断——判断系统通信资源和计算资源是否充足。对于边缘计算系统的数据流任务，任务延时不仅受计算资源与通信资源影响，还受系统的阻塞状态影响。流式数据任务，在高任务负载情况下，瓶颈节点可能会发生阻塞，导致任务延时激增。本发明希望能在流式数据任务下基于多层协同任务卸载策略最小化任务延时。因此，在非阻塞状态，系统无阻塞，任务延时决定于任务数据通信和计算延时。在阻塞状态，系统受阻塞状态影响，优化目标应该是如何减小瓶颈节点负载，以最大化系统吞吐量，从而缓解系统的阻塞情况，降低任务延时。因此，本发明首先需要判断在当前的任务条件和通信资源与计算资源下，是否存在非阻塞任务卸载策略，保证系统稳定运行。

由于计算任务为计算压缩型任务，因此系统存在计算资源消耗与通信资源消耗的平衡。通过增加瓶颈节点的计算任务负载，系统可以降低对应节点的通信任务负载。在系统边缘设备和无线接入点计算资源用满的情况下，系统所需的通信资源最小。此时若通信资源依旧不足，则系统采用任意任务卸载策略均将导致系统阻塞，否则系统将搜索得至少一种任务卸载方案保证系统非阻塞。

2.非阻塞态任务卸载策略——在系统非阻塞状态下，本发明将保证系统非阻塞并最小化任务通信与计算延时。非阻塞态的任务延时定义为计算任务卸载到三层计算设备完成的平均延时，包括数据包在终端设备计算到任务结果传递到云计算中心的任务延时，任务在无线接入点计算到任务结果传递到云计算中心的延时，任务数据传递到云计算中心并完成计算的延时。非阻塞态最优化任务延时的核心思想在于每一节点使用优先资源分布式处理任务，以保证任务延时最小。优先资源的具体意义如下，本地计算资源优先代表本地计算延时低于卸载任务到上层节点后的计算延时，而本地通信资源优先代表本地计算延时大于卸载任务到上层节点的计算延时。因此，非阻塞态任务延时优化，可以枚举系统相应节点的优先资源遍历各可能最优任务卸载策略。基于上述分析，本发明通过比较各资源优先假设的任务延时可获得最优的任务卸载策略。

3.阻塞态任务卸载策略——在系统阻塞状态，系统任务卸载策略的目的是最小化瓶颈阶段的负载(瓶颈阶段为系统五个阶段中时间消耗最长阶段)。基于该系统卸载策略目标，系统可以最大化系统吞吐量，从而减小系统阻塞情况，以最小化任务延时。对应的优化算法，主要有两大特点，(1)计算资源与通信资源负载均衡,(2)所有计算和传输阶段均保持工作状态,也即是所有数据处理和传输的时间相等。满足该两特征，系统通信资源和计算资源将可以得到充分利用。根据以上算法思想，本发明分层搜索系统的瓶颈负载，通过平衡计算负载与通信负载，从而最小化瓶颈阶段的负载：

a)边缘设备负载均衡：边缘设备存在通信资源和计算资源负载均衡。当节点计算时间较长，通过增加通信任务负载，可降低节点计算负载，令计算时间和通信时间一致。因此在边缘设备，算法首先判断当前边缘设备的瓶颈阶段，然后进行通信资源与计算资源的负载均衡。

b)无线接入点负载均衡：无线接入点节点存在节点内的通信资源与计算资源平衡和跨层节点之间的计算负载与通信负载平衡。例如，当无线接入点的通信时间较长，可以增加边缘节点计算阶段和无线接入点计算阶段的负载，从而降低无线接入点的通信时长，达到平衡。因此在无线接入点，本算法首先判断无线接入点的阻塞情况，根据瓶颈阶段对任务卸载策略进行调整，实现边缘设备和无线接入点的计算时间和通信时间近可能相等。

c)云计算中心负载均衡：对于云计算中心，算法首先判断计算中心计算阶段是否发生阻塞。若发生阻塞，增加终端设备和无线接入点的计算负载，从而降低云计算中心的任务负载，实现跨层节点追安的计算时间尽可能相等。

通过上述三个步骤，本发明可获得最优解，实现最小化瓶颈节点任务负载的目标。

本发明采用协同任务卸载算法，利用整体边缘计算网络的空闲计算和通信资源协同完成计算任务。同时，该发明根据任务条件和系统资源判断系统阻塞状态，实现动态可调度的任务卸载策略，实现多层网络的通信资源和计算资源的负载均衡，降低任务延时，同时提高系统吞吐量以尽可能保证系统非阻塞状态或尽可能减轻系统阻塞情况。该发明，基于现有的移动通信网络系统框架设计，只需对于现有通信系统进行更新，无需额外硬件成本，即可实现，具有较好的实用性。

附图说明

图1边缘计算系统示意图

图2系统主要工作流程图

系统实施方式

下面将结合本发明系统逻辑框架示意图，对本发明的实施例进行详细的附图说明。所描述的实施例仅为本发明新型的一部分实施例，而非全部完整的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明的实施系统主要有三个参与方，即终端设备，无线接入点，和云计算中心。其主要工作流程如下，可参照图2：

1.云计算中心任务广播：

云计算中心的主要工作之一就是为用户提供一个网络接口，该接口根据用户需求进行定制性的任务广播。当用户在云计算中心发起计算任务，云计算中心将任务广播通知给相关的无线接入点，然后无线接入点将任务通知信息再广播给相连的边缘设备。这一任务广播信息通知相关的边缘设备和无线接入点:相应任务开始部署。

2.节点注册：

在收到任务通知信息后，终端设备和无线接入点估计设备空闲的计算和通信资源。在完成资源评估后，终端设备和无线接入点向云计算中心上传其注册信息，注册信息包括可用计算和通信资源。基于上传的注册信息，云计算中心可维护系统节点的逻辑连接关系图，并获得节点的通信与计算资源信息。

3.任务卸载算法：

云计算中心从任务相关的边缘设备和无线接入点接收注册信息后，根据系统空闲的通信与计算资源信息进行阻塞判断，根据阻塞情况动态进行任务卸载策略的调度。在完成任务卸载策略调度后，云计算中心向边缘设备和无线接入点传递任务执行环境文件、任务分工文件以及资源分配配置文件。任务执行环境文件包括计算任务执行方案和计算任务传输方案，在每次任务系统执行环境中只需分配一次。任务执行方案为执行程序包，包含如何对任务数据进行处理的接口。任务传输方案一般是一个如何对数据任务进行打包，实现上下层数据格式统一封装的数据库，以供任务卸载过程中对任务数据进行打包封装，实现系统数据的跨设备兼容。任务分工文件包括任务卸载策略。资源分配配置文件包括计算资源和通信资源分配策略。

4.分布式计算：

在云计算中心完成任务卸载算法后，系统开始处理程序。整个数据处理可以分为五个阶段，以下部分会详细描述各阶段的工作职责：

a)边缘设备的数据处理过程:在这个阶段中，每个边缘设备收集原始数据。根据任务卸载策略，边缘设备会处理分配给它的需要处理的部分任务数据。

b)边缘设备向无线接入点的数据提交过程:边缘设备通过无线链路将已经处理完成的处理结果和剩余尚未处理的原始数据发给相应的无线接入点。

c)无线接入点设备的数据处理过程:根据任务卸载策略，无线接入点会处理分配给它的未处理的任务数据。

d)无线接入点向云计算中心的数据提交过程:通过有线链路，每个无线接入点向云计算中心提交自己处理完的数据数据结果、由终端设备完成的数据结果和剩余未处理的原始任务数据。

e)云计算中心的数据处理过程:云计算中心处理剩余原始数据。最后，根据汇总分析数据结果，云计算中心将结果提交给用户。

为了保证任务卸载策略的效率，节点会定期重新估计可用的计算资源和通信资源，并向云计算中心更新系统信息。当云计算中心发现资源条件发生显著变化时，会及时调整任务卸载策略。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求所述为准。

Claims (5)

1.一种面向移动边缘计算的协同任务卸载方法，其特征在于，基于数据流任务的边缘计算系统包含三层不同的计算设备，即边缘设备，无线接入点和云计算中心；所述边缘设备，是终端设备，收集任务数据流任务，具有计算能力，能处理部分计算任务；所述无线接入点，是小区宏基站，部署有计算中心，拥有空闲的计算资源和通信资源，能完成部分计算任务；所述云计算中心，是网络中的大型计算资源汇集节点，通过有线链路收集来自无线接入点的数据，能处理未处理的任务数据，具体步骤包括：

1)根据系统通信资源和计算资源判断当前任务是否有非阻塞任务卸载策略；

2)在系统非阻塞状态下，保证系统非阻塞条件并最小化任务通信与计算延时；

3)在系统阻塞状态下，分层搜索系统的瓶颈负载，通过平衡计算负载与通信负载，最小化瓶颈阶段的负载，从而减小系统的数据包阻塞情况，令任务延时最小化。

2.如权利要求1所述面向移动边缘计算的协同任务卸载方法，其特征在于，所述步骤2)中任务通信与计算延时具体包括：数据包在终端设备计算到任务结果传递到云计算中心的任务延时，任务在无线接入点计算到任务结果传递到云计算中心的延时，任务数据传递到云计算中心并完成计算延时。

3.如权利要求1所述面向移动边缘计算的协同任务卸载方法，其特征在于，所述步骤3)针对边缘设备，首先判断当前边缘设备的瓶颈阶段，然后进行通信资源与计算资源的负载均衡。

4.如权利要求1所述面向移动边缘计算的协同任务卸载方法，其特征在于，所述步骤3)针对无线接入点，首先判断无线接入点的阻塞情况，根据瓶颈阶段对任务卸载策略进行调整，实现边缘设备和无线接入点的计算时间和通信时间相等。

5.如权利要求1所述面向移动边缘计算的协同任务卸载方法，其特征在于，所述步骤3)针对云计算中心，首先判断计算中心计算阶段是否发生阻塞； 若发生阻塞，增加终端设备和无线接入点的计算负载，从而降低云计算中心的任务负载。

Images