CN109257432A - 一种任务切换方法、计算机装置及可读存储介质 - Google Patents
一种任务切换方法、计算机装置及可读存储介质 Download PDFInfo
- Publication number
- CN109257432A CN109257432A CN201811191051.1A CN201811191051A CN109257432A CN 109257432 A CN109257432 A CN 109257432A CN 201811191051 A CN201811191051 A CN 201811191051A CN 109257432 A CN109257432 A CN 109257432A
- Authority
- CN
- China
- Prior art keywords
- task
- dynamic terminal
- pending task
- pending
- completed
- 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
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- 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
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/24—Reselection being triggered by specific parameters
- H04W36/32—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data
-
- 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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明适用于物联网技术领域,提供了一种任务切换方法、计算机装置及可读存储介质,该方法包括:获取动态终端当前的位置信息;根据动态终端当前的位置信息和当前的资源状态,接收并执行动态终端上传的待执行任务;当判定动态终端当前的位置满足预设的切换条件时,判断待执行任务是否已完成;若否,则根据预设的基于贪婪算法的计算切换策略将未完成的待执行任务切换至另一边缘服务器继续执行,直至待执行任务完成将任务执行结果返回动态终端;若是,则将任务执行结果返回给动态终端。本发明方法可在动态环境下,合理有效地利用边缘的空闲资源执行动态终端上传的任务,并确保在任务完成的同时,可综合降低任务完成所需的时间、能耗和成本。
Description
技术领域
本发明属于物联网技术领域,尤其涉及一种任务切换方法、计算机装置及可读存储介质。
背景技术
车联网是指车与车、小基站、中心宏基站等进行交互,实现收集车辆信息,进行任务卸载等功能需求的物联网典型应用。在车联网中,车辆由于自身的电池、计算能力等的限制会导致资源受限,进而导致车辆完成其任务的时间、能耗和成本都较高。传统的解决方案是将车辆任务迁移至其他资源更加丰富的基础设施上,例如中心云。并且,随着越来越多的计算机应用开始应用到车辆环境中,将任务迁移至离车辆更近的边缘成为了一种更优的解决方案。这种将车辆任务迁移至资源更加丰富的云端或者边缘执行的方式称为计算迁移,将车辆任务卸载至网络边缘的模式称为车载边缘计算(Vehicular Edge Computing,VEC)。它是将通信、任务卸载、边缘计算等技术与车联网技术相结合的物联网重要应用,在车载边缘计算环境下,通过在网络边缘部署边缘服务器,边缘层为车辆提供计算、存储、信息处理等服务。
但是,车辆在行走过程中,由于其与边缘的通信链路会发生变化,在动态的环境下,现有的车载边缘计算方案无法很好地利用空闲资源,同时也就难以保证在完成任务的同时综合降低时间、能耗和成本这三项指标。
由此可见,现有的车载边缘计算方案在动态环境下,无法合理地利用边缘的空闲资源以完成任务,并同时降低任务完成所需的时间、能耗和成本。
发明内容
本发明实施例提供一种任务切换方法,旨在解决现有的车载边缘计算方案在动态环境下,无法合理地利用边缘的空闲资源以完成任务,并同时降低任务完成所需的时间、能耗和成本的问题。
本发明实施例是这样实现的,一种任务切换方法,应用于边缘服务器,所述方法包括如下步骤:
获取动态终端当前的位置信息;
根据所述动态终端当前的位置信息和当前的资源状态,接收并执行所述动态终端上传的待执行任务;
当判定所述动态终端当前的位置满足预设的切换条件时,判断所述待执行任务是否已完成;
若判断结果为未完成时,则根据预设的基于贪婪算法的计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端;
若判断结果为已完成时,则将任务执行结果返回给所述动态终端。
本发明实施例还提供一种计算机装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述方法的各步骤。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述方法的各步骤。
本发明实施例提供的任务切换方法,根据获取到的动态终端当前的位置信息和其自身当前的资源状态,接收并执行动态终端上传的待执行任务,以合理有效地利用边缘服务器的资源;在判定动态终端当前的位置满足预设的切换条件时,进一步判断该待执行任务是否已完成,并根据待执行任务的完成状态以及预设的基于贪婪算法的计算切换策略进行切换,并在任务完成后将任务执行结果返回给终端,因此,可以合理有效地利用边缘服务器的资源,确保在任务完成的同时,可综合降低任务完成的所需时间、能耗和成本。
附图说明
图1是本发明实施例一提供的任务切换方法的实现流程图;
图2是本发明实施例提供的一种动态终端与边缘服务器的联网示意图;
图3是本发明实施例二提供的任务切换方法的实现流程图;
图4是本发明实施例三提供的任务切换方法的实现流程图;
图5是本发明实施例四提供的任务切换方法的实现流程图;
图6是本发明实施例五提供的任务切换方法的实现流程图;
图7是本发明仿真实验例提供的任务平均完成时间的结果;
图8是本发明仿真实验例提供的任务平均执行能耗的结果;
图9是本发明仿真实验例提供的任务平均执行成本的结果;
图10是本发明实施例提供的一种切换装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一计算切换策略称为第二计算切换策略,且类似地,可将第二计算切换策略称为第一计算切换策略。
本发明实施例提供的任务切换方法,通过获取动态终端当前的位置信息,并根据该位置信息和边缘服务器当前的资源状态,选择接收并执行动态终端上传的待执行任务,并在动态终端当前的位置满足预设的切换条件时,根据待执行任务的完成状态,根据预设的基于贪婪算法的计算切换策略将未完成的待执行任务切换至另一边缘服务器继续执行,并在任务完成后将任务执行结果返回给终端,从而可以合理有效地利用边缘服务器的资源,并确保在完成动态终端上传的待执行任务的同时,可综合降低任务完成所需的时间、能耗和成本。
图1为本发明实施例一提供的任务切换方法的实现流程图,详述如下:
本发明实施例提供的任务切换方法,应用于边缘服务器,该方法包括如下步骤:
在步骤S101中,获取动态终端当前的位置信息。
在本发明实施例中,动态终端包括处于行走状态的车辆。边缘服务器,可为部署在网络边缘的服务器,具体的,可部署在小基站的覆盖区域内。边缘服务器可为车辆提供计算、存储、信息处理等服务。动态终端当前的位置信息具体指车辆当前的位置,与各边缘服务器之间间的相对距离等。
在本发明实施例中,可小基站采集动态终端当前的位置信息,并传送给处于其覆盖范围内的边缘服务器。
在步骤S102中,根据所述动态终端当前的位置信息和当前的资源状态,接收并执行所述动态终端上传的待执行任务。
在本发明实施例中,当前的资源状态包括空闲状态和占用状态等。并且,边缘服务器的资源状态可用一资源状态模型来表示。在接收动态终端上传的待执行任务之前,先进行资源状态的查询,确定是否存在可用资源(如空闲资源,计算能力富裕的资源等)。
在本发明实施例中,待执行任务是指车辆需要处理的任务,一般认为车辆要完成到超出自己执行能力范围的任务才需要分布式处理,计算量少的任务车辆可自行解决。具体的,待执行任务包括下载高清视频流等。
作为本发明的实施例,如图2所示,当某车辆终端K行走至某一小基站的覆盖区域,该小基站的覆盖区域部署有3个边缘服务器,分别记为A、B、C。获取到车辆当前的位置距离A、B、C三个边缘服务器的距离分别为a、b、c,且a>b>c,即车辆距离边缘服务器C的距离最近,边缘服务器B次之,边缘服务器A最远。
示例性的,结合下表1、表2和表3给出了几种可行的边缘服务器选择接收并执行动态终端上传的待执行任务的情况。其中a>b>c。
表1
表2
表3
可理解的,上述只是列出了几种可行的接收动态终端上传的待执行任务的情况,在实际应用中,还可以根据自身的资源状态和距离动态终端的相对距离进行综合考虑任务完成所需的时间、传输能耗和成本,进而选择接收车辆上传的待执行任务,以提高任务的执行效率,并且降低任务执行的传输能耗和成本。
在步骤S103中,当判定所述动态终端当前的位置满足预设的切换条件时,判断所述待执行任务是否已完成。
在本发明的一个实施例中,预设的切换条件可为:动态终端当前的位置已超出距离其最接近的小基站的覆盖范围。当判定动态终端当前的位置满足该预设的切换条件时,进一步判断该动态终端上传给某边缘服务器的待执行任务是否已经完成。其中可判断该动态终端是否已接收到某边缘服务器返回的任务执行结果来判断该待执行任务是否已完成。
在本发明的另一实施例中,预设的切换条件还可为:当前执行任务的边缘服务器资源状态劣于其他边缘服务器。
在本发明的又一实施例中,预设的切换条件还可为:当前执行任务的边缘服务器的计算能力不满足继续执行任务的计算要求。
在本发明的再一实施例中,预设的切换条件还可为:当前执行任务的边缘服务器对于完成任务的时间、能耗和成本的综合评价劣于其他边缘服务器。
在步骤S104中,若判断结果为未完成时,则根据预设的基于贪婪算法的计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端。
在本发明的一个实施例中,若判断的结果为动态终端还没接收到返回的任务执行结果,即可判定该待执行任务尚未完成,此时,可根据预设的基于贪婪算法的计算切换策略,将该未完成的待执行任务切换至另一边缘服务器继续执行,直至该待执行任务完成为止,最后执行完成该待执行任务的边缘服务器将相应的任务执行结果返回给动态终端。如果该待执行任务为下载一高清视频流,期间首先接到该任务的是边缘服务器A,最终执行完成该任务的是边缘服务器C,那么就由该边缘服务器C将下载好的高清视频流返回给动态终端。
在步骤S105中,若判断结果为已完成时,则将任务执行结果返回给所述动态终端。
在本发明实施例中,若某边缘服务器A接收并执行完成动态终端上传的待执行任务后,则将相应的任务执行结果返回给该动态终端,此时,就不需要再将待执行任务切换至其他边缘服务器了。
本发明实施例提供的任务切换方法,根据获取到的动态终端当前的位置信息和其自身当前的资源状态,接收并执行动态终端上传的待执行任务,以合理有效地利用边缘服务器的资源;在判定动态终端当前的位置满足预设的切换条件时,进一步判断该待执行任务是否已完成,并根据待执行任务的完成状态以及预设的基于贪婪算法的计算切换策略进行切换,并在任务完成后将任务执行结果返回给终端,因此,可以合理有效地利用边缘服务器的资源,确保在任务完成的同时,可综合降低任务完成的所需时间、能耗和成本。
图3为本发明实施例二提供的任务切换方法的实现流程图,详述如下:
本实施例与实施例一基本相同,其不同之处在于,上述步骤S102具体为步骤S201。
在步骤S201中,当判断与所述动态终端之间的位置距离在预设的阈值范围内,且检测到当前的资源状态为空闲状态时,接收并执行所述动态终端上传的待执行任务。
在本发明实施例中,计算与动态终端当前的位置之间的相对距离,比如,动态终端当前的位置为D,计算与位置D之间的直线距离d,判断d是否在预设的阈值范围内,当判断结果为是,且检测到自身当前的资源状态为空闲状态时,接收并执行该动态终端上传的待执行任务。
图4为本发明实施例三提供的任务切换方法的实现流程图,详述如下:
本实施例与实施例一基本相同,其不同之处在于:上述步骤S103包括步骤S301。
在步骤S301中,当判定与所述动态终端当前的位置距离超出预设的阈值范围时,则根据所述待执行任务的任务属性的统计量,判断所述待执行任务是否已完成。
在本发明实施例中,根据所述待执行任务的任务属性的统计量,判断所述待执行任务是否已完成,具体为:建立一任务模型,该任务模型用Task={Din,C,Dout}表示,其中表示任务上传数据量大小,表示任务计算量大小,表示任务下载数据量大小。任务是否完成可看任务属性的统计量是否达到预设的阈值范围。
图5为本发明实施例四提供的任务切换方法的实现流程图,详述如下:
本实施例与实施例一基本相同,其不同之处在于:上述步骤S104包括步骤S401。
在步骤S401中,当判断所述待执行任务处于未完成状态时,则根据预设的基于贪婪算法的第一计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端。
在本发明实施例中,贪婪算法是一种简单高效的求最优的方法,其基本思想就是在求解问题时,先考虑当前时刻的最优解,在逐步的达到整体最优的过程。
在本发明实施例中,基于贪婪算法的第一计算切换策略是在车联网模型的基础上构建的。具体的,该车联网模型用G(V,E)表示,,V表示网络中每个节点,各节点包括宏基站、小基站、车辆、云端和边缘服务器。E表示节点与节点的通信链路。基本的车联网模型包括节点模型、任务模型和资源状态模型。
其中,节点模型用Node={SN,R,F,P}表示,其中SN表示节点序号,R表示节点通信半径,F表示节点计算能力,P表示节点的坐标。
任务模型用Task={Din,C,Dout}表示,其中Din表示任务上传数据量大小,C表示任务计算量大小,Dout表示任务下载数据量大小。
资源状态模型用Resource={Cep,BW},其中Cep表示每秒可执行任务的计算量,BW代表车到资源的等效带宽,等效带宽的计算公式如下:当不存在某条链路链路时,设置该条链路的值为1,例如通信链路中未用到v2r,v2r的等效带宽BW(v2r)设置为1,如此一来,就不影响公式的计算结果。
在本发明实施例中,基于贪婪算法的第一计算切换策略实际上为一多指标决策策略,构建该策略的过程一般分为三步:(1)选定指标的量化和数据的预处理;(2)获取指标值以及指标值对应的权重(3)通过选择的决策准则选出最优方案。
针对上述(1),本发明实施例选取的三项指标参数都为定量指标并仿真实验中不考虑缺失值和异常值的存在,所以上述(1)可以省略。
针对上述(2),本发明实施例选取任务完成时间、任务传输能耗、任务执行成本三项指标作为进行决策的指标参数,并运用SAW法来确定指标权重值。
针对上述(3),本发明实施例建立了基于上述三种指标效用函数,在保证效用函数值最小化的情况下,做出任务切换的决策。
在本发明实施例中,该计算切换策略的基本模型如下:假设每时刻的指标数值的矩阵x1,x2,x3分别代表时间、能耗以及成本,在依据选定的SAW算法确定各指标对应的权重w1、w2、w3。在此基础上,建立对应的效用函数:其中,n=1,2,3,约束条件:w1+w2+w3=1,目标函数:min[f(x)]。
在本发明实施例中,在接收到动态终端上传的待执行任务后,建立贪婪的对象:用户体验QoS,QoS=q1×T+q2×P+q3×C,其中T表示任务剩余完成时间,P任务剩余传输能耗,C表示任务剩余执行成本。对应系数q1、q2、q3有不同的切换策略决定。例如,将待执行任务上传到某一边缘服务器进行计算会产生一组q1、q2、q3,将待执行任务上传至其他边缘服务器进行计算,会产生另一组q1、q2、q3,相同的计算方式,不同的位置也会产生不同的值,因此,上述系数是随着切换算法而动态变化的。
当待执行任务在当前服务器的QoS不如迁移至其他服务器的QoS时,进行任务迁移,即当满足QoS(now)>QoS(later)+QoS(migration)时,进行任务迁移,其中QoS(migration)为任务迁移的成本,QoS(now)指当前服务器的QoS,QoS(later)指其他可迁移的服务器的QoS。
在本发明实施例中,SAW法是解决多指标决策的常见方法,在解决现实客观问题时,其结果更加符合决策者的意愿,也有相关文献称之为基于用户偏好的决策方法。具体的算法流程可参现有的SAW算法流程,在此不做赘述。
运用SAW算法,每项指标的权值有决策者个人偏好决定。W=[w1,w2,...,wn]为权重向量,其中n为选定指标的总数,wi属于[0,1],且w1+w2+…+wn=1。设定A=[aij]m×n为决策矩阵,aij(i=1,2,...,m,j=1,2,...,n)表示网络i的第j个指标参数。SAWI=w1xi1+w2xi2+…+wnxin。
假定车载边缘计算环境由1个宏基站和3个部署有边缘服务器的小基站组成,
用户终端在这个环境中移动,对候选的计算资源建立如下决策矩阵:
其中,A1、A2、A3分别表示部署有边缘服务器的小基站1、小基站2、小基站3;C1、C2、C3分别表示任务在各个资源上的完成时间、传输能耗、执行成本三项指标,可以得到归一化的决策矩阵:
选取决策系数最小的资源作为目标资源,即将待执行任务迁移至目标资源继续执行。
图6为本发明实施例五提供的任务切换方法的实现流程图,详述如下:
本实施例与实施例一基本相同,其不同之处在于:上述步骤S104包括步骤S501。
在步骤S501中,当判断所述待执行任务处于未完成状态时,则根据预设的基于贪婪算法的第二计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端。
本实施例与上述实施例四基本相同,其不同之处在于,采用EM算法构建切换策略。
在本发明实施例中,第二计算切换策略是基于EM算法构建的切换策略。基于EM切换策略利用熵值来确定各个资源指标的权重。对比于上述基于SAW的切换策略,基于EM的切换策略具备一定的客观性,其核心是用信息的无序度来衡量信息的效用值。信息的无序度越低,该信息的效用值就越大。换句话说,越稳定的信息越无用。
其中,EM算法可分为下述三个步骤:
①计算指标权重:
资源指标的熵值:其中,k为常数,这里我们取k=1,i为指标的序号,j为候选资源的序号,fij为标准化后资源指标。
差异度为:其中Gij为对应资源的指标差异度。
各指标的权重为如下,n为资源指标数:其中ωj为候选资源权值。
②计算综合指数:其决策系数为:其中EMj为候选资源的决策系数。
③根据决策系数最小的方案作出切换决策。
为了进一步说明本发明技术方案的可行性和技术效果,下面结合具体的仿真实验来做进一步的说明:
本仿真实验选择Matlab 2016b工具对实验进行验证,实验仿真过程为:
Step1:初始化任务和资源;
Step2:设定环境参数和选定切换策略;
Step3:车辆运动;
Step4:任务选定初始资源开始上传;
Step5:待任务上传结束,根据车辆位置和任务状态生成切换决策矩阵;
Step6;任务按照决策矩阵进行任务切换;
Step7:待任务计算完成,任务下载至车辆;
Step8:统计任务的完成时间、传输能耗、执行成本。
本次仿真实验涉及到的实验如下:
(1)车辆独自执行的任务完成时间、传输能耗、执行成本;
(2)卸载至云端的任务完成时间、传输能耗、执行成本;
(3)卸载至最近边缘执行的任务完成时间、传输能耗、执行成本;
(4)卸载至计算能力最强的边缘执行的任务完成时间、传输能耗、执行成本;
(5)根据基于SAW的切换策略的任务完成时间、传输能耗、执行成本;
(6)根据基于EM的切换策略的任务完成时间、传输能耗、执行成本。
本仿真实验不考虑边缘服务器和云端存储空间不足或其他原因导致的资源不可用的问题,不考虑通信受到其他信号的干扰。任务可中断执行,车辆运动模型使用车联网中最常见随机路点模型,不考虑车辆自组织网络中V2V的通信方式,考虑V2BS、V2AP、V2AP2BS、V2BS2RUS、RUS2RUS这5种通信方式,实验参数设置如下表4:
表4
注:4219为IPone 8跑分,5.5为跑分转成MIPS的比例。
在本次实验中,选取任务平均完成时间任务平均执行能耗任务平均执行成本对本文方法以及所涉及的对比方法进行评价,下面分别给出平均完成时间任务平均执行能耗和任务平均执行成本这3项性能指标的计算公式: 其中,N为任务数量;T为任务完成
总时间,包括上传时间、计算时间、下载时间,计算时间又包括执行时间和切换时间;E为任务完成总能耗,包括上传能耗和下载能耗;C为任务执行总成本,是任务在各资源的执行成本总合。
基于Matlab 2016b实验平台,我们可以得出了车辆独自执行(Local)、卸载至云端执行(Cloud server)、卸载至最近边缘执行(The nearest edge server)、卸载至计算能力最强的边缘执行(Edge server with the most computing power)、基于SAW法切换策略(SWA)和基于EM法切换策略(EM)6种任务卸载方案中的任务平均完成时间、任务平均传输能耗、任务平均执行成本3项性能指标,结果如图7、8、9所示。
结合图7、8、9,从任务平均完成时间来看,六种方案里不进行边缘计算的方案所需时间最多,同时可以看出熵值法和简单加权法效果最好,执行时间分别为117s和120s。
从任务平均传输能耗来看,六种方案的执行能耗依次为11.66j、12.80j、8.23j、12.38j、11.00j、10.77j。其中执行成本最高的为不进行边缘计算,最低的为熵值法。距离最近和计算能力最强这两种方案,由于距离最近的方案总是选择距离最近的边缘进行上传和下载,因此所需的能耗大幅度低于计算能力最强的之中方案。
从任务平均执行成本来看,六种方案分别需要成本依次为145.75gcu、109.31gcu、108.31gcu、93.69gcu、73.75gcu、67.80gcu。其中执行成本最高的为不进行边缘计算,最低的为熵值法。距离最近和计算能力最强这两种方案,由于计算能力最强所需的计算时间较短,故其执行成本高于距离最近的方案。
综上,基于Matlab 2016b实验平台,得出了车辆自身执行、云端执行、边缘执行3种场景里的5种任务卸载方案中的任务平均完成时间、任务平均传输能耗、任务平均执行成本3项性能指标。实验结果表明:本发明提出的SAW和EM算法的切换策略合理有效,有效的提高了任务卸载效率,能达到缩短任务完成时间、减少任务执行成本、降低任务传输能耗的目的。
图10为本发明实施例提供的一种切换装置的结构示意图,为了便于说明,图中仅示出了与本发明实施例相关的部分,详述如下:
本发明实施例提供的切换装置,包括至少两个边缘服务器,各边缘服务器中包括:获取单元100、接收单元200、判断单元300、切换单元400以及结果返回单元500。
获取单元100,用于获取动态终端当前的位置信息。
在本发明实施例中,动态终端包括处于行走状态的车辆。边缘服务器,可为部署在网络边缘的服务器,具体的,可部署在小基站的覆盖区域内。边缘服务器可为车辆提供计算、存储、信息处理等服务。动态终端当前的位置信息具体指车辆当前的位置,与各边缘服务器之间间的相对距离等。
在本发明实施例中,可小基站采集动态终端当前的位置信息,获取单元100可获取小基站传送的动态终端当前的位置信息。
接收单元200,用于根据所述动态终端当前的位置信息和当前的资源状态,接收并执行所述动态终端上传的待执行任务。
在本发明实施例中,当前的资源状态包括空闲状态和占用状态等。并且,边缘服务器的资源状态可用一资源状态模型来表示。在接收动态终端上传的待执行任务之前,先进行资源状态的查询,确定是否存在可用资源(如空闲资源,计算能力富裕的资源等)。
在本发明实施例中,待执行任务是指车辆需要处理的任务,一般认为车辆要完成到超出自己执行能力范围的任务才需要分布式处理,计算量少的任务车辆可自行解决。具体的,待执行任务包括下载高清视频流等。
作为本发明的实施例,如图2所示,当车辆行走至某一小基站的覆盖区域,该小基站的覆盖区域部署有3个边缘服务器,分别记为A、B、C。获取到车辆当前的位置距离A、B、C三个边缘服务器的距离分别为a、b、c,且a>b>c,即车辆距离边缘服务器C的距离最近,边缘服务器B次之,边缘服务器A最远。
示例性的,结合下表1、表2和表3给出了几种可行的边缘服务器选择接收并执行动态终端上传的待执行任务的情况。其中a>b>c。
表1
表2
表3
可理解的,上述只是列出了几种可行的接收动态终端上传的待执行任务的情况,在实际应用中,还可以根据自身的资源状态和距离动态终端的相对距离进行综合考虑任务完成所需的时间、传输能耗和成本,进而选择接收车辆上传的待执行任务,以提高任务的执行效率,并且降低任务执行的传输能耗和成本。
判断单元300,用于当判定所述动态终端当前的位置满足预设的切换条件时,判断所述待执行任务是否已完成。
在本发明的一个实施例中,预设的切换条件可为:动态终端当前的位置已超出距离其最接近的小基站的覆盖范围。当判定动态终端当前的位置满足该预设的切换条件时,进一步判断该动态终端上传给某边缘服务器的待执行任务是否已经完成。其中可判断该动态终端是否已接收到某边缘服务器返回的任务执行结果来判断该待执行任务是否已完成。
在本发明的另一实施例中,预设的切换条件还可为:当前执行任务的边缘服务器资源状态劣于其他边缘服务器。
在本发明的又一实施例中,预设的切换条件还可为:当前执行任务的边缘服务器的计算能力不满足继续执行任务的计算要求。
在本发明的再一实施例中,预设的切换条件还可为:当前执行任务的边缘服务器对于完成任务的时间、能耗和成本的综合评价劣于其他边缘服务器。
切换单元400,用于若判断结果为未完成时,则根据预设的基于贪婪算法的计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端。
在本发明的一个实施例中,若切换单元400判断的结果为动态终端还没接收到返回的任务执行结果,即可判定该待执行任务尚未完成,此时,可根据预设的基于贪婪算法的计算切换策略,将该未完成的待执行任务切换至另一边缘服务器继续执行,直至该待执行任务完成为止,最后执行完成该待执行任务的边缘服务器将相应的任务执行结果返回给动态终端。如果该待执行任务为下载一高清视频流,期间首先接到该任务的是边缘服务器A,最终执行完成该任务的是边缘服务器C,那么就由该边缘服务器C将下载好的高清视频流返回给动态终端。
结果返回单元500,若判断结果为已完成时,则将任务执行结果返回给所述动态终端。
在本发明实施例中,若某边缘服务器A接收并执行完成动态终端上传的待执行任务后,则由结果返回单元500将相应的任务执行结果返回给该动态终端,此时,就不需要再将待执行任务切换至其他边缘服务器了。
本发明实施例提供的切换装置,根据获取到的动态终端当前的位置信息和其自身当前的资源状态,接收并执行动态终端上传的待执行任务,以合理有效地利用边缘服务器的资源;在判定动态终端当前的位置满足预设的切换条件时,进一步判断该待执行任务是否已完成,并根据待执行任务的完成状态以及预设的基于贪婪算法的计算切换策略进行切换,并在任务完成后将任务执行结果返回给终端,因此,可以合理有效地利用边缘服务器的资源,确保在任务完成的同时,可综合降低任务完成的所需时间、能耗和成本。
在本发明实施例中,上述接收单元200具体用于:当判断与所述动态终端之间的位置距离在预设的阈值范围内,且检测到当前的资源状态为空闲状态时,接收并执行所述动态终端上传的待执行任务。
在本发明实施例中,接收单元200计算与动态终端当前的位置之间的相对距离,比如,动态终端当前的位置为D,计算与位置D之间的直线距离d,判断d是否在预设的阈值范围内,当判断结果为是,且检测到自身当前的资源状态为空闲状态时,接收并执行该动态终端上传的待执行任务。
在本发明实施例中,上述判断单元300可用于:当判定与所述动态终端当前的位置距离超出预设的阈值范围时,则根据所述待执行任务的任务属性的统计量,判断所述待执行任务是否已完成。
在本发明实施例中,判断单元300根据所述待执行任务的任务属性的统计量,判断所述待执行任务是否已完成,具体为:建立一任务模型,该任务模型用Task={Din,C,Dout}表示,其中表示任务上传数据量大小,表示任务计算量大小,表示任务下载数据量大小。任务是否完成可看任务属性的统计量是否达到预设的阈值范围。
在本发明的一个实施例中,上述切换单元400可用于:当判断所述待执行任务处于未完成状态时,则根据预设的基于贪婪算法的第一计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端。
其中,具体的第一计算切换策略的内容可参见前文所述,在此不再赘述。
在本发明的另一实施例中,上述切换单元400还可用于:当判断所述待执行任务处于未完成状态时,则根据预设的基于贪婪算法的第二计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端。
其中,具体的第二计算切换策略的内容可参见前文所述,在此不再赘述。
本发明实施例还提供了一种计算机装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述任务切换方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述任务切换方法的步骤。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机装置中的执行过程。例如,所述计算机程序可以被分割成上述各个方法实施例提供的任务切换方法的各步骤,并由处理器执行。
本领域技术人员可以理解,上述计算机装置的描述仅仅是示例,并不构成对计算机装置的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (8)
1.一种任务切换方法,其特征在于,应用于边缘服务器,所述方法包括如下步骤:
获取动态终端当前的位置信息;
根据所述动态终端当前的位置信息和当前的资源状态,接收并执行所述动态终端上传的待执行任务;
当判定所述动态终端当前的位置满足预设的切换条件时,判断所述待执行任务是否已完成;
若判断结果为未完成时,则根据预设的基于贪婪算法的计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端;
若判断结果为已完成时,则将任务执行结果返回给所述动态终端。
2.如权利要求1所述的任务切换方法,其特征在于,所述根据所述动态终端当前的位置信息和当前的资源状态,接收并执行所述动态终端上传的待执行任务的步骤,具体为:
当判断与所述动态终端之间的位置距离在预设的阈值范围内,且检测到当前的资源状态为空闲状态时,接收并执行所述动态终端上传的待执行任务。
3.如权利要求1所述的任务切换方法,其特征在于,所述当判定所述动态终端当前的位置满足预设的切换条件时,判断所述待执行任务是否已完成的步骤,包括:
当判定与所述动态终端当前的位置距离超出预设的阈值范围时,则根据所述待执行任务的任务属性的统计量,判断所述待执行任务是否已完成。
4.如权利要求1所述的任务切换方法,其特征在于,所述若判断结果为未完成时,则根据预设的基于贪婪算法的计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端的步骤包括:
当判断所述待执行任务处于未完成状态时,则根据预设的基于贪婪算法的第一计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端。
5.如权利要求1所述的任务切换方法,其特征在于,所述若判断结果为未完成时,则根据预设的基于贪婪算法的计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端的步骤,还包括:
当判断所述待执行任务处于未完成状态时,则根据预设的基于贪婪算法的第二计算切换策略将未完成的所述待执行任务切换至另一边缘服务器继续执行,直至所述待执行任务完成,并将任务执行结果返回给所述动态终端。
6.如权利要求1所述的任务切换方法,其特征在于,所述计算切换策略的决策指标参数包括任务完成时间、任务传输能耗和任务执行成本。
7.一种计算机装置,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至6中任一项权利要求所述方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至6中任一项权利要求所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811191051.1A CN109257432B (zh) | 2018-10-12 | 2018-10-12 | 一种任务切换方法、计算机装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811191051.1A CN109257432B (zh) | 2018-10-12 | 2018-10-12 | 一种任务切换方法、计算机装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109257432A true CN109257432A (zh) | 2019-01-22 |
CN109257432B CN109257432B (zh) | 2021-01-12 |
Family
ID=65046079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811191051.1A Active CN109257432B (zh) | 2018-10-12 | 2018-10-12 | 一种任务切换方法、计算机装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109257432B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
CN111796924A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 服务处理方法、装置、存储介质及电子设备 |
CN111898000A (zh) * | 2020-08-03 | 2020-11-06 | 杭州海康威视数字技术股份有限公司 | 视频数据录制方法、装置、电子设备及存储介质 |
CN111918245A (zh) * | 2020-07-07 | 2020-11-10 | 西安交通大学 | 基于多智能体的车速感知的计算任务卸载和资源分配方法 |
CN112698940A (zh) * | 2020-12-17 | 2021-04-23 | 北京交通大学 | 用于车路协同的车辆辅助边缘计算任务分配系统 |
CN112822729A (zh) * | 2019-11-15 | 2021-05-18 | 中移物联网有限公司 | 一种边缘业务切换方法和边缘管理系统 |
CN112882809A (zh) * | 2021-02-23 | 2021-06-01 | 国汽(北京)智能网联汽车研究院有限公司 | 一种驾驶任务的计算终端确定方法、装置及计算机设备 |
CN113032133A (zh) * | 2019-12-24 | 2021-06-25 | 北京邮电大学 | 一种基于边缘计算的车联网目标检测服务协同方法和装置 |
CN113438696A (zh) * | 2021-06-22 | 2021-09-24 | 咪咕互动娱乐有限公司 | 移动终端切换方法、装置、设备及存储介质 |
CN118316968A (zh) * | 2024-06-07 | 2024-07-09 | 湖北省楚天云有限公司 | 基于车路协同的微服务部署方法、系统、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101072461B1 (ko) * | 2010-09-17 | 2011-10-11 | 충북대학교 산학협력단 | 스위칭 정보를 이용한 데이터 전송 시스템 및 방법 |
CN106557363A (zh) * | 2016-12-05 | 2017-04-05 | 广发证券股份有限公司 | 一种大数据任务调度的系统以及方法 |
CN107040434A (zh) * | 2017-05-31 | 2017-08-11 | 广西电网有限责任公司桂林供电局 | 终端电脑实际带宽远程集中采集系统及方法 |
CN107317700A (zh) * | 2017-06-09 | 2017-11-03 | 湖北理工学院 | 车载边缘计算节点选择系统及方法 |
US20180020386A1 (en) * | 2015-01-30 | 2018-01-18 | Nokia Solutions And Networks Oy | Improvements in handovers between different access networks |
CN107872777A (zh) * | 2016-09-28 | 2018-04-03 | 株式会社电装 | 用于车辆的服务协作系统 |
CN107911422A (zh) * | 2017-10-27 | 2018-04-13 | 努比亚技术有限公司 | 一种切换处理方法、终端及计算机可读存储介质 |
CN108141407A (zh) * | 2015-10-21 | 2018-06-08 | 英特尔公司 | 移动边缘计算动态加速分配 |
CN108282801A (zh) * | 2018-01-26 | 2018-07-13 | 重庆邮电大学 | 一种基于移动边缘计算的切换管理方法 |
CN108509276A (zh) * | 2018-03-30 | 2018-09-07 | 南京工业大学 | 一种边缘计算环境中的视频任务动态迁移方法 |
CN108616816A (zh) * | 2018-05-07 | 2018-10-02 | 重庆邮电大学 | 一种基于极限学习的车辆轨迹预测和mec应用迁移方法 |
-
2018
- 2018-10-12 CN CN201811191051.1A patent/CN109257432B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101072461B1 (ko) * | 2010-09-17 | 2011-10-11 | 충북대학교 산학협력단 | 스위칭 정보를 이용한 데이터 전송 시스템 및 방법 |
US20180020386A1 (en) * | 2015-01-30 | 2018-01-18 | Nokia Solutions And Networks Oy | Improvements in handovers between different access networks |
CN108141407A (zh) * | 2015-10-21 | 2018-06-08 | 英特尔公司 | 移动边缘计算动态加速分配 |
CN107872777A (zh) * | 2016-09-28 | 2018-04-03 | 株式会社电装 | 用于车辆的服务协作系统 |
CN106557363A (zh) * | 2016-12-05 | 2017-04-05 | 广发证券股份有限公司 | 一种大数据任务调度的系统以及方法 |
CN107040434A (zh) * | 2017-05-31 | 2017-08-11 | 广西电网有限责任公司桂林供电局 | 终端电脑实际带宽远程集中采集系统及方法 |
CN107317700A (zh) * | 2017-06-09 | 2017-11-03 | 湖北理工学院 | 车载边缘计算节点选择系统及方法 |
CN107911422A (zh) * | 2017-10-27 | 2018-04-13 | 努比亚技术有限公司 | 一种切换处理方法、终端及计算机可读存储介质 |
CN108282801A (zh) * | 2018-01-26 | 2018-07-13 | 重庆邮电大学 | 一种基于移动边缘计算的切换管理方法 |
CN108509276A (zh) * | 2018-03-30 | 2018-09-07 | 南京工业大学 | 一种边缘计算环境中的视频任务动态迁移方法 |
CN108616816A (zh) * | 2018-05-07 | 2018-10-02 | 重庆邮电大学 | 一种基于极限学习的车辆轨迹预测和mec应用迁移方法 |
Non-Patent Citations (3)
Title |
---|
杨从有: "移动云计算中基于多属性决策的计算卸载任务切换管理", 《信息科技辑》 * |
黄鑫等: "基于DTN 的车载云计算卸载算法", 《云南大学学报》 * |
黎文皓: "电动自行车交通事故严重程度影响因素分析", 《广西大学学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111796924A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 服务处理方法、装置、存储介质及电子设备 |
CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
CN112822729B (zh) * | 2019-11-15 | 2022-11-29 | 中移物联网有限公司 | 一种边缘业务切换方法和边缘管理系统 |
CN112822729A (zh) * | 2019-11-15 | 2021-05-18 | 中移物联网有限公司 | 一种边缘业务切换方法和边缘管理系统 |
CN113032133A (zh) * | 2019-12-24 | 2021-06-25 | 北京邮电大学 | 一种基于边缘计算的车联网目标检测服务协同方法和装置 |
CN113032133B (zh) * | 2019-12-24 | 2023-08-22 | 北京邮电大学 | 一种基于边缘计算的车联网目标检测服务协同方法和装置 |
CN111918245A (zh) * | 2020-07-07 | 2020-11-10 | 西安交通大学 | 基于多智能体的车速感知的计算任务卸载和资源分配方法 |
CN111898000A (zh) * | 2020-08-03 | 2020-11-06 | 杭州海康威视数字技术股份有限公司 | 视频数据录制方法、装置、电子设备及存储介质 |
CN112698940A (zh) * | 2020-12-17 | 2021-04-23 | 北京交通大学 | 用于车路协同的车辆辅助边缘计算任务分配系统 |
CN112698940B (zh) * | 2020-12-17 | 2023-11-14 | 北京交通大学 | 用于车路协同的车辆辅助边缘计算任务分配系统 |
CN112882809A (zh) * | 2021-02-23 | 2021-06-01 | 国汽(北京)智能网联汽车研究院有限公司 | 一种驾驶任务的计算终端确定方法、装置及计算机设备 |
CN113438696B (zh) * | 2021-06-22 | 2022-09-13 | 咪咕互动娱乐有限公司 | 移动终端切换方法、装置、设备及存储介质 |
CN113438696A (zh) * | 2021-06-22 | 2021-09-24 | 咪咕互动娱乐有限公司 | 移动终端切换方法、装置、设备及存储介质 |
CN118316968A (zh) * | 2024-06-07 | 2024-07-09 | 湖北省楚天云有限公司 | 基于车路协同的微服务部署方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109257432B (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109257432A (zh) | 一种任务切换方法、计算机装置及可读存储介质 | |
CN109669768B (zh) | 一种面向边云结合架构的资源分配和任务调度方法 | |
CN108777852B (zh) | 一种车联网内容边缘卸载方法、移动资源分配系统 | |
CN110647391B (zh) | 面向星地协同网络的边缘计算方法及系统 | |
CN109951821B (zh) | 基于移动边缘计算的最小化车辆能耗任务卸载方案 | |
CN107333281B (zh) | 移动计算卸载协同控制系统及方法 | |
CN109819046B (zh) | 一种基于边缘协作的物联网虚拟计算资源调度方法 | |
CN110493360B (zh) | 多服务器下降低系统能耗的移动边缘计算卸载方法 | |
CN113543074B (zh) | 一种基于车路云协同的联合计算迁移和资源分配方法 | |
Wu et al. | Fog computing model and efficient algorithms for directional vehicle mobility in vehicular network | |
CN104737609A (zh) | 用于无线接入虚拟化的系统和方法 | |
Liu et al. | Prediction-based mobile data offloading in mobile cloud computing | |
CN101835235A (zh) | 基于认知的异构网络路由方法 | |
CN112685186A (zh) | 一种计算任务的卸载方法、装置、电子设备及存储介质 | |
CN113918240A (zh) | 任务卸载方法及装置 | |
Abouaomar et al. | Caching, device-to-device and fog computing in 5 th cellular networks generation: Survey | |
CN114513838A (zh) | 移动边缘计算方法、框架和介质 | |
Al-Hammadi et al. | Independent tasks scheduling of collaborative computation offloading for SDN-powered MEC on 6G networks | |
Yu et al. | Resources sharing in 5G networks: Learning-enabled incentives and coalitional games | |
Lin et al. | Joint Optimization of Offloading and Resource Allocation for SDN‐Enabled IoV | |
Alkhawlani et al. | Hybrid approach for radio network selection in heterogeneous wireless networks | |
CN113543225A (zh) | 一种电力无线专网安全动态资源分配的方法和系统 | |
CN116390160A (zh) | 基于云边协同的电力任务卸载方法、装置、设备及介质 | |
Figetakis et al. | Autonomous MEC Selection in Federated Next-Gen Networks via Deep Reinforcement Learning | |
CN102238089A (zh) | 一种业务交互的方法、装置和系统 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190122 Assignee: Guilin Zhitong Transportation Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2022450000540 Denomination of invention: Task switching method, computer device and readable storage medium Granted publication date: 20210112 License type: Common License Record date: 20221229 |
|
EE01 | Entry into force of recordation of patent licensing contract |