CN109040193A - 基于无依赖子任务的移动设备云资源分配方法 - Google Patents
基于无依赖子任务的移动设备云资源分配方法 Download PDFInfo
- Publication number
- CN109040193A CN109040193A CN201810750744.3A CN201810750744A CN109040193A CN 109040193 A CN109040193 A CN 109040193A CN 201810750744 A CN201810750744 A CN 201810750744A CN 109040193 A CN109040193 A CN 109040193A
- Authority
- CN
- China
- Prior art keywords
- user
- free device
- base station
- bid
- free
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5051—Service on demand, e.g. definition and deployment of services in real time
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1012—Server selection for load balancing based on compliance of requirements or conditions with available server resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于无依赖子任务的移动设备云资源分配方法,涉及移动设备云计算领域。本发明包括以下步骤:基站将用户的待执行任务分解为K个无依赖关系的子计算任务,空闲设备将出价信息和空闲CPU计算资源量提交给基站,用户将出价信息和CPU计算资源需求量提交给基站;基站根据用户和空闲设备提交的信息计算优先级并排序;基站根据排序结果对用户和空闲设备进行匹配以及将计算资源分配,并把计算资源分配结果信息发送到用户和空闲设备;基站通过第二价格成交机制确定最终交易价格,空闲设备执行待执行任务,用户向空闲设备支付虚拟报酬。本发明能有效地提高空闲设备的计算资源的利用率减少网络延时,同时实现了多子计算任务并行处理。
Description
技术领域
本发明涉及移动设备云计算领域,更具体地,涉及一种基于无依赖子任务的移动设备云资源分配方法。
背景技术
移动设备对于解决复杂移动应用的需求在不断提高。但是想在完成应用计算任务时更好的释放设备的计算能力还面临一些问题。第一是设备的电池容量限制,电池的容量与计算能力没有同步,限制了设备的计算能力。第二是有时用户的应用需求会非常巨大,远远超过单个设备的计算能力。为了解决这些问题,可以把应用计算任务卸载到远程云,但是这种做法会因为巨大的通信距离产生许多能量消耗以及网络延迟。最近许多工作表明,计算卸载也可以被许多周边移动设备执行,形成了移动设备云(MDCs,Mobile DeviceClouds)。
移动设备云实现了拥有待执行计算任务的设备利用周围设备的空余计算资源来解决本机难以解决的计算任务,从而实现提高系统的性能,解决通信延迟。而现有的研究在关于设备之间的计算资源分配问题是只考虑了从一个设备到另一个设备的一对一分配,没有考虑多个空闲设备向一个计算任务提供计算资源的情况。同时无法避免由于计算任务需要的计算资源量过大或者空闲设备计算资源容量太小而导致的交易失败的情况。
发明内容
本发明为克服上述关于计算资源分配的缺陷,提供一种基于无依赖子任务的移动设备云资源分配方法。
为解决上述技术问题,本发明的技术方案如下:
基于无依赖子任务的移动设备云资源分配方法,定义待执行任务设备为用户 ai且i={1,2,...,N},N为用户总数;空闲设备为dj且j={1,2,...,M},M为空闲设备总数;基站将用户ai的待执行任务分解为K个无依赖关系的子计算任务且子计算任务对计算资源需求量为用户ai对空闲设备dj出价为Vi;空闲设备dj拥有的空闲计算资源量为oj,空闲设备dj对空闲计算资源量oj出价为Uj, pij为用户ai待执行子任务分配给空闲设备dj的最终交易价格;其中所述计算资源分配方法包括以下步骤:
S1:空闲设备dj将出价Uj和空闲计算资源量oj提交给基站,用户ai将出价 Vi和计算资源需求量提交给基站;
S2:基站根据用户ai提供的出价Vi和计算资源需求量以及空闲设备dj出价Uj和空闲计算资源量oj,分别计算用户ai和空闲设备dj的优先级并按照优先级从高到低排序;
S3:基站根据排序结果将满足约束条件的用户ai和空闲设备dj进行匹配以及将空闲计算资源分配,并把计算资源分配结果信息发送到用户ai和空闲设备 dj;
S4:分配计算资源的空闲设备dj与被分配计算资源的用户ai通过第二价格成交机制确定最终交易价格pij,空闲设备dj执行待执行任务,用户ai向空闲设备dj支付虚拟报酬。
优选地,用户ai根据空闲设备dj的空闲计算资源量oj和用户ai的计算资源需求量进行出价Vi,出价Vi的计算公式为:
其中bi是对待执行任务的真实估价,k1,k2为单位换算因子,Wj为空闲设备 dj的CPU时钟周期,Ceffj是空闲设备dj的CPU计算效率,Deffj为空闲设备dj的CPU数据传送速率,为总计算资源量。
优选地,在优先级的计算中,基站根据用户ai和空闲设备dj的价格密度来确定,其中用户ai的价格密度越高,优先级越高,空闲设备的价格密度越低,优先级越高;所述优先级的计算公式如下:
用户ai的优先级bdi计算公式为:
空闲设备dj的优先级bdj计算公式为:
优选地,S3中的约束条件包括:计算资源需求量小于或等于空闲计算资源量oj,即同时空闲设备dj执行子计算任务的花费不会超过用户ai的出价Vi,即
优选地,在S3的计算资源分配中,基站进行计算资源分配,建立一个N×K 个元素的计算资源分配结果矩阵X[i][k],X[i][k]的计算公式为:
优选地,S4中的第二价格成交机制包括:基站根据被分配计算资源的用户ai的出价Vi得出次高价Pi,根据次高价Pi和对应空闲设备dj的出价Uj计算获胜用户需要支付的最终交易价格pij;其中最终实际交易价格pij的计算公式为:
与现有技术相比,本发明技术方案的有益效果是:有效地提高空闲设备的计算资源的利用率减少网络延时,充分提高空闲设备的计算资源的利用率和用户任务的完成率,提升了双方的效益;能够避免发生由于空闲设备计算资源不充足而发生的分配失败,减少了通信的延迟和能源消耗,同时实现了多子计算任务并行处理。
附图说明
图1为本实施例的算法模型图。
图2为本实施例的具体算法流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
如图1所示,为本实施例的算法模型图。用户和空闲设备分别向基站出价,用户向基站提出需求,同时空闲设备向基站提供资源量信息,基站对用户和空闲设备进行匹配后分配计算资源,用户向空闲设备付款。
具体的算法流程如图2所示,为本实施例的具体算法流程图。本实施例的具体实施步骤如下:
步骤一:空闲设备dj根据拥有空闲计算资源的容量oj对计算资源定价Uj并将定价信息以及设备空闲计算资源容量信息提交给基站;用户ai将待执行的计算任务拆分为K个无依赖关系的子计算任务并根据对空闲设备本身的计算能力、计算资源拥有量以及自身的计算任务进行出价,出价公式为:并将出价信息Vi以及计算资源需求量信息提交给基站,其中bi是对待执行任务的真实估价,k1,k2为单位换算因子,Wj为空闲设备dj的CPU时钟周期,Ceffj是空闲设备dj的CPU计算效率,Deffj为空闲设备dj的CPU数据传送速率,为总计算资源量。
步骤二:基站根据空闲设备dj的空闲计算资源量oj和计算资源定价Uj计算价格密度bdj,并将空闲设备按照价格密度bdj从低到高进行排序,价格密度bdj计算公式为:基站根据用户ai的总计算资源需求量和计算任务估值出价Vi计算价格密度bdi,并将设备按照价格密度bdi从高到低进行排序,价格密度bdi计算公式为:
步骤三:将排序后的空闲设备dj和用户ai匹配,匹配成功的约束条件为:用户ai中计算资源需求量不超过空闲设备dj的计算资源容量oj,即:同时空闲设备dj执行子计算任务的花费不会超过用户ai的出价Vi,即其中pij为用户ai待执行子任务分配给空闲设备dj的最终交易价格。建立一个N×K个元素的计算资源分配结果矩阵X[i][k],若子计算任务成功分配计算资源,则X[i][k]=1,其他X[i][k]=0;基站根据计算资源分配结果矩阵 X[i][k]确定计算资源分配方案。基站把计算资源分配结果信息发送到匹配成功的用户ai和空闲设备dj。
步骤四:在确定计算资源分配矩阵之后,基站通过第二价格成交机制确定双方最终价格。基站根据被分配计算资源的用户的出价Vi得出次高价Pi,根据次高价Pi和对应空闲设备dj的出价Uj计算获胜用户需要支付的最终交易价格pij:确定最终交易价格后,被分配计算资源的用户ai根据计算资源匹配方案将无依赖子计算任务卸载到空闲设备dj,空闲设备dj利用空闲计算资源执行计算任务,同时用户ai支付最终交易价格pij的虚拟报酬,双方完成交易。
本实施例的最终目标是通过降低计算延时,优先选择计算能力强的设备,最终实现最小化任务完成的时间:
其中N表示用户的数量,ui表示用户ai计算任务完成后降低的延时,计算公式为:
Ceffi为当用户ai任务在本地执行时的计算效率,Ceffj为当用户ai任务在设备dj上执行时的计算效率。
本实施例充分考虑了在实际交易中计算任务以及计算资源的分布情况,提出了一种无依赖子任务计算资源分配方法。用户会根据空闲设备的不同计算能力出价购买空闲设备执行任务,这样能有效地提高网络性能。此外,空闲设备的空闲计算资源充足时也可以同时完成来自多个设备的多个子计算任务,实现多对多的交易系统。因此本实施例能够避免在一对一交易时出现的由于计算任务需要的计算资源量过大或者空闲设备计算资源容量太小而导致的卸载失败,使系统内部的计算资源能够最大化地利用;其次将一个计算任务分成多个无依赖关系的子计算任务执行能够增加该计算任务的被完成概率,同时也能够使系统内更多参与者受益;而且能够实现子计算任务时间的并行,压缩计算任务的完成时间,构成一个小型的蜂窝网络,增强了整个系统的性能。
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.基于无依赖子任务的移动设备云资源分配方法,其特征在于:定义待执行任务设备为用户ai且i={1,2,...,N},N为用户总数;空闲设备为dj且j={1,2,...,M},M为空闲设备总数;基站将用户ai的待执行任务分解为K个无依赖关系的子计算任务且子计算任务对计算资源需求量为ri k,其中计算资源包括CPU资源,用户ai对空闲设备dj出价为Vi;空闲设备dj拥有的空闲计算资源量为oj,空闲设备dj对空闲计算资源量oj出价为Uj,pij为用户ai待执行子任务分配给空闲设备dj的最终交易价格;其中所述移动设备云计算资源分配方法包括以下步骤:
S1:空闲设备dj将出价Uj和空闲计算资源量oj提交给基站,用户ai将出价Vi和计算资源需求量ri k提交给基站;
S2:基站根据用户ai提供的出价Vi和计算资源需求量ri k以及空闲设备dj出价Uj和空闲计算资源量oj,分别计算用户ai和空闲设备dj的优先级并按照优先级从高到低排序;
S3:基站根据排序结果将满足约束条件的用户ai和空闲设备dj进行匹配以及将空闲计算资源分配,并把计算资源分配结果信息发送到用户ai和空闲设备dj;
S4:分配计算资源的空闲设备dj与被分配计算资源的用户ai通过第二价格成交机制确定最终交易价格pij,空闲设备dj执行待执行任务,用户ai向空闲设备dj支付虚拟报酬。
2.根据权利要求1所述的基于无依赖子任务的移动设备云资源分配方法,其特征在于:所述步骤S1中,用户ai根据空闲设备dj的空闲计算资源量oj和用户ai的计算资源需求量ri k进行出价Vi,出价Vi的计算公式为:
其中bi是对待执行任务的真实估价,k1,k2为单位换算因子,Wj为空闲设备dj的CPU时钟周期,Ceffj是空闲设备dj的CPU计算效率,Deffj为空闲设备dj的CPU数据传送速率,为总计算资源量。
3.根据权利要求2所述的基于无依赖子任务的移动设备云资源分配方法,其特征在于:所述步骤S2的优先级的计算中,基站根据用户ai和空闲设备dj的价格密度来确定,其中用户ai的价格密度越高,优先级越高,空闲设备的价格密度越低,优先级越高;所述优先级的计算公式如下:
用户ai的优先级bdi计算公式为:
空闲设备dj的优先级bdj计算公式为:
4.根据权利要求1至3中任一权利要求所述的基于无依赖子任务的移动设备云资源分配方法,其特征在于:所述步骤S3中的约束条件包括:计算资源需求量ri k小于或等于空闲计算资源量oj,即
ri k≤oj
同时空闲设备dj执行子计算任务的花费不会超过用户ai的出价Vi,即
5.根据权利要求1所述的基于无依赖子任务的移动设备云资源分配方法,其特征在于:所述步骤S3的计算资源分配中,基站进行计算资源分配,建立一个N×K个元素的计算资源分配结果矩阵X[i][k],X[i][k]的计算公式为:
6.根据权利要求1所述的基于无依赖子任务的移动设备云资源分配方法,其特征在于:所述步骤S4中的第二价格成交机制包括:基站根据被分配计算资源的用户ai的出价Vi得出次高价Pi,根据次高价Pi和对应空闲设备dj的出价Uj计算获胜用户需要支付的最终交易价格pij;其中最终实际交易价格pij的计公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810750744.3A CN109040193B (zh) | 2018-07-10 | 2018-07-10 | 基于无依赖子任务的移动设备云资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810750744.3A CN109040193B (zh) | 2018-07-10 | 2018-07-10 | 基于无依赖子任务的移动设备云资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109040193A true CN109040193A (zh) | 2018-12-18 |
CN109040193B CN109040193B (zh) | 2021-01-15 |
Family
ID=64641552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810750744.3A Active CN109040193B (zh) | 2018-07-10 | 2018-07-10 | 基于无依赖子任务的移动设备云资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109040193B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109819047A (zh) * | 2019-02-26 | 2019-05-28 | 吉林大学 | 一种基于激励机制的移动边缘计算资源分配方法 |
CN112887435A (zh) * | 2021-04-13 | 2021-06-01 | 中南大学 | 一种提高边缘计算中任务卸载合作率的方法 |
WO2021137046A1 (en) * | 2020-01-02 | 2021-07-08 | International Business Machines Corporation | Implementing workloads in a multi-cloud environment |
CN113411272A (zh) * | 2020-03-16 | 2021-09-17 | 阿里巴巴集团控股有限公司 | 流量调度方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102710779A (zh) * | 2012-06-06 | 2012-10-03 | 合肥工业大学 | 一种基于云计算环境下的服务资源分配的负载均衡策略 |
US20130290539A1 (en) * | 2012-04-30 | 2013-10-31 | Alcatel-Lucent Usa Inc. | Resource placement in networked cloud based on resource constraints |
US20150019737A1 (en) * | 2013-07-09 | 2015-01-15 | Korea Institute Of Science & Technology Information (Kisti) | Method and apparatus for allocating resource reflecting adaptive evaluation in cloud computing for high-throughput computing |
CN105721565A (zh) * | 2016-01-29 | 2016-06-29 | 南京邮电大学 | 基于博弈的云计算资源分配方法和系统 |
CN106506670A (zh) * | 2016-11-21 | 2017-03-15 | 北京永信至诚科技股份有限公司 | 一种云平台虚拟资源高速调度方法与系统 |
-
2018
- 2018-07-10 CN CN201810750744.3A patent/CN109040193B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130290539A1 (en) * | 2012-04-30 | 2013-10-31 | Alcatel-Lucent Usa Inc. | Resource placement in networked cloud based on resource constraints |
CN102710779A (zh) * | 2012-06-06 | 2012-10-03 | 合肥工业大学 | 一种基于云计算环境下的服务资源分配的负载均衡策略 |
US20150019737A1 (en) * | 2013-07-09 | 2015-01-15 | Korea Institute Of Science & Technology Information (Kisti) | Method and apparatus for allocating resource reflecting adaptive evaluation in cloud computing for high-throughput computing |
CN105721565A (zh) * | 2016-01-29 | 2016-06-29 | 南京邮电大学 | 基于博弈的云计算资源分配方法和系统 |
CN106506670A (zh) * | 2016-11-21 | 2017-03-15 | 北京永信至诚科技股份有限公司 | 一种云平台虚拟资源高速调度方法与系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109819047A (zh) * | 2019-02-26 | 2019-05-28 | 吉林大学 | 一种基于激励机制的移动边缘计算资源分配方法 |
WO2021137046A1 (en) * | 2020-01-02 | 2021-07-08 | International Business Machines Corporation | Implementing workloads in a multi-cloud environment |
GB2607224A (en) * | 2020-01-02 | 2022-11-30 | Ibm | Implementing workloads in a multi-cloud environment |
US11995479B2 (en) | 2020-01-02 | 2024-05-28 | International Business Machines Corporation | Implementing workloads in a multi-cloud environment with data migration between cloud vendors |
CN113411272A (zh) * | 2020-03-16 | 2021-09-17 | 阿里巴巴集团控股有限公司 | 流量调度方法、装置及电子设备 |
CN112887435A (zh) * | 2021-04-13 | 2021-06-01 | 中南大学 | 一种提高边缘计算中任务卸载合作率的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109040193B (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109040193A (zh) | 基于无依赖子任务的移动设备云资源分配方法 | |
CN112286677B (zh) | 一种面向资源受限边缘云的物联网应用优化部署方法 | |
Zhou et al. | When smart grid meets geo-distributed cloud: An auction approach to datacenter demand response | |
CN106155791B (zh) | 一种分布式环境下的工作流任务调度方法 | |
CN103699446A (zh) | 基于量子粒子群优化算法的多目标工作流动态调度方法 | |
CN103927229A (zh) | 在动态可用服务器集群中调度映射化简作业 | |
CN105471985A (zh) | 负载均衡方法及云平台计算方法、云平台 | |
Zhang et al. | A load-aware resource allocation and task scheduling for the emerging cloudlet system | |
CN109819047B (zh) | 一种基于激励机制的移动边缘计算资源分配方法 | |
CN104239555A (zh) | 基于mpp的并行数据挖掘架构及其方法 | |
CN113419867B (zh) | 一种面向边云协同计算环境中节能的服务供应方法 | |
CN104375882A (zh) | 匹配于高性能计算机结构的多级嵌套数据驱动计算方法 | |
CN113554354A (zh) | 一种考虑用户多元响应特性的负荷聚合商最优调度方法 | |
CN109005211B (zh) | 一种无线城域网环境下的微云部署及用户任务调度方法 | |
CN106506607A (zh) | 基于公平可信双向拍卖机制的云计算资源分配方法 | |
CN105338064A (zh) | 基于斯塔克尔伯格博弈的任务协作执行方法 | |
Penmatsa et al. | Job allocation schemes in computational grids based on cost optimization | |
CN104869154A (zh) | 统筹资源可信度与用户满意度的分布式资源调度方法 | |
CN112306642A (zh) | 一种基于稳定匹配博弈理论的工作流调度方法 | |
Nesmachnow et al. | List scheduling heuristics for virtual machine mapping in cloud systems | |
CN110297694A (zh) | 一种基于资源分类和任务优先级的启发式云计算调度方法 | |
Chatrapati et al. | Competitive equilibrium approach for load balancing a computational grid with communication delays | |
CN112149982B (zh) | 一种计及共享备用的省间交易出清方法、系统及终端设备 | |
CN109040206B (zh) | 一种基于移动设备云的计算资源长期分配方法 | |
Pang et al. | Eris: An Online Auction for Scheduling Unbiased Distributed Learning Over Edge Networks |
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 |