CN109474961A - 一种移动边缘计算服务器的网络能效优化方法、系统 - Google Patents
一种移动边缘计算服务器的网络能效优化方法、系统 Download PDFInfo
- Publication number
- CN109474961A CN109474961A CN201811477721.6A CN201811477721A CN109474961A CN 109474961 A CN109474961 A CN 109474961A CN 201811477721 A CN201811477721 A CN 201811477721A CN 109474961 A CN109474961 A CN 109474961A
- Authority
- CN
- China
- Prior art keywords
- task
- base station
- mobile edge
- edge calculations
- calculations server
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
- H04W28/14—Flow control between communication endpoints using intermediate storage
-
- 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
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- 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
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种移动边缘计算服务器的网络能效优化方法、系统,本发明选择若干数量的任务,根据任务的流行性,将若干数量的任务,缓存于有限缓存空间的宏基站和微基站的移动边缘计算服务器中;判断任务是否缓存于宏基站的移动边缘计算服务器或微基站的移动边缘计算服务器,若是,则分别计算下载传输,若否,比较所述任务的文件大小所带来的上传能耗与所述任务的计算资源所带来的本地计算能耗的大小。本发明利用缓存资源可以达到降低用户端能耗的目的,能够提高缓存击中率,进一步降低用户端能耗。本发明的宏基站和微基站都可以存储任务文件,也可以将某些不适合在微基站端缓存的任务迁移到宏基站端,降低用户端能耗。
Description
技术领域
本发明涉及边缘计算服务器的网络能效优化技术领域,特别是涉及一种移动边缘计算服务器的网络能效优化方法、系统。
背景技术
现有技术中在进行计算服务器的网络能效优化时,通常利用并行贪婪算法设计一个联合考虑延迟和能量消耗的MEC系统计算任务的高效卸载方法,并实现降低能量的总消耗的目的,或者用户端通过不断更新信息到当前所选基站,请求更新自身的计算卸载策略以达到降低能耗的目的。现有技术中未考虑利用缓存资源以达到进一步降低能耗的目的,而且无法提高缓存击中率,无法降低用户端能耗。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种移动边缘计算服务器的网络能效优化方法、系统,用于解决现有技术中未考虑利用缓存资源以达到进一步降低能耗的目的,而且无法提高缓存击中率,无法降低用户端能耗的问题。
为实现上述目的及其他相关目的,本发明提供一种移动边缘计算服务器的网络能效优化方法,包括:
选择若干数量的任务;
根据任务的流行性,将若干数量的任务,缓存于有限缓存空间的宏基站和微基站的移动边缘计算服务器中;
判断任务是否缓存于宏基站的移动边缘计算服务器或微基站的移动边缘计算服务器,若是,则分别计算下载传输所述任务,若否,则比较所述任务的文件大小所带来的上传能耗与所述任务的计算资源所带来的本地计算能耗的大小;
如果任务缓存于宏基站的移动边缘计算服务器,则在宏基站的移动边缘计算服务器中计算所述任务,并将计算结果下载至微基站的移动边缘计算服务器再传输至用户端本地,如果任务缓存于微基站的移动边缘计算服务器,则计算所述任务,并将计算结果下载后传输至用户端本地;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗小,则将所述任务的文件上传至移动边缘计算服务器进行任务计算;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗大,则将所述任务的文件在用户端本地进行计算。
在本发明的一实施例中,所述本地计算能耗公式为:
其中,fn表示用户n的计算服务器的计算能力,ε表示每个计算服务器的计算周期的能耗,ε=κfn,κ表示能量因子,能量因子与计算服务器的结构有关,κ取10-25,Wk表示任务k计算完成所需要的计算资源。
在本发明的一实施例中,所述上传能耗公式为:
其中,Pn表示用户n的发射功率,Sk表示任务k的文件大小,rn表示用户传输文件的速率,rn=B*log(I+P/N0),B表示传输带宽,P/N0为信噪比。
在本发明的一实施例中,根据任务的文件大小和任务的计算量大小选择若干数量的所述任务。
为实现上述目的,本发明还提供一种移动边缘计算服务器的网络能效优化系统,包括:
任务选择单元,用于选择若干数量的任务;
任务缓存单元,用于根据任务的流行性,将若干数量的任务,缓存于有限缓存空间的宏基站和微基站的移动边缘计算服务器中;
任务缓存位置判断单元,用于判断任务是否缓存于宏基站的移动边缘计算服务器或微基站的移动边缘计算服务器,若是,则分别计算下载传输所述任务,若否,则比较所述任务的文件大小所带来的上传能耗与所述任务的计算资源所带来的本地计算能耗的大小;
如果任务缓存于宏基站的移动边缘计算服务器,则在宏基站的移动边缘计算服务器中计算所述任务,并将计算结果下载至微基站的移动边缘计算服务器再传输至用户端本地,如果任务缓存于微基站的移动边缘计算服务器,则计算所述任务,并将计算结果下载后传输至用户端本地;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗小,则将所述任务的文件上传至移动边缘计算服务器进行任务计算;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗大,则将所述任务的文件在用户端本地进行计算。
为实现上述目的,本发明还提供一种移动边缘计算服务器系统,包括:
宏基站的移动边缘计算服务器,如果任务缓存于宏基站的移动边缘计算服务器,则在宏基站的移动边缘计算服务器中计算所述任务,并将计算结果下载至微基站的移动边缘计算服务器再传输至用户端本地;
微基站的移动边缘计算服务器,如果任务缓存于微基站的移动边缘计算服务器,则计算所述任务,并将计算结果下载后传输至用户端本地;
用户端本地,若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗大,则将所述任务的文件在用户端本地进行计算。
为实现上述目的,本发明还提供一种电子设备,包括:
一种电子设备,包括处理器和存储器;所述存储器中存储有程序指令,所述处理器运行程序指令以实现上述的计算服务器的网络能效优化方法。
为实现上述目的,本发明还提供一种计算机可读存储介质,包括:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行上述的计算服务器的网络能效优化方法。
本发明的计算服务器的网络能效优化方法利用缓存资源可以达到降低用户端能耗的目的,本发明利用了宏基站和微基站的任务缓存方法,能够提高缓存击中率,进一步降低用户端能耗。
本发明的宏基站和微基站都可以存储任务文件,也可以将某些不适合在微基站端缓存的任务迁移到宏基站端,降低用户端能耗。
本发明简单高效,具有较强的通用性和实用性,应用范围广泛。
附图说明
图1为本申请实施例提供的一种移动边缘计算服务器的网络能效优化方法的流程示意图;
图2为本申请实施例提供的一种移动边缘计算服务器的网络能效优化系统的结构示意图;
图3为本申请实施例提供的一种超密集异构网络系统模型图;
图4为本申请实施例提供的本发明的网络能效优化方法与传统的任务缓存的能耗归一化对比图。
元件标号说明
1 宏基站的移动边缘计算服务器
2 微基站的移动边缘计算服务器
3 用户端本地
10 任务选择单元
20 任务缓存单元
30 任务缓存位置判断单元
S1~S7 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
具体地,请参阅图1,图1为本申请实施例提供的一种移动边缘计算服务器的网络能效优化方法的流程示意图,本实施例提供一种移动边缘计算服务器的网络能效优化方法,包括:
S1、选择若干数量的任务。
S2、根据任务的流行性,将若干数量的任务,缓存于有限缓存空间的宏基站和微基站的移动边缘计算服务器中。
S3、判断任务是否缓存于宏基站的移动边缘计算服务器1或微基站的移动边缘计算服务器2,若是,则分别计算下载传输所述任务,进行步骤S5操作,若否,则进行步骤S4操作。
S4、比较所述任务的文件大小所带来的上传能耗与所述任务的计算资源所带来的本地计算能耗的大小;若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗小,则将所述任务的文件上传至移动边缘计算服务器进行任务计算;若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗大,则将所述任务的文件在用户端本地3进行计算。
S5、判断任务是否缓存于宏基站的移动边缘计算服务器1,若是,则进行步骤S7操作,若否,则进行步骤S6操作。
S6、计算所述任务,并将计算结果下载后传输至用户端本地3。
S7、在宏基站的移动边缘计算服务器1中计算所述任务,并将计算结果下载至微基站的移动边缘计算服务器2再传输至用户端本地3。
具体的,计算所述任务,可以为各种类型的计算任务,可以为视频处理任务或是数据处理任务。
由于宏基站和微基站都设有移动边缘计算服务器,且都有存储资源和计算资源的模块,与传统只储存于直接相连的基站端不同,本发明将在宏基站和微基站都可以存储任务文件,但其容量均有限。本发明将综合考虑任务的流行度、任务文件大小所带来的任务上传消耗的用户端能量以及任务计算量所带来的任务本地计算耗能这三个因素,确定有限存储资源内缓存哪些任务于宏基站和微基站内。若用户n的任务k需要执行,而宏基站或者微基站内有此任务的缓存就可以直接计算后下载,无需消耗用户终端能量。在没有此任务缓存的情况下,则需要先计算该任务的卸载能耗和本地计算能耗大小,再给出决策。本发明可以将某些不适合在微基站端缓存的任务迁移到宏基站端,还可以提高缓存击中率,降低用户端能耗。
所述本地计算能耗公式为:
其中,fn表示用户n的计算服务器的计算能力,ε表示每个计算服务器的计算周期的能耗,ε=κfn,κ表示能量因子,能量因子与计算服务器的结构有关,κ取10-25,Wk表示任务k计算完成所需要的计算资源。
所述上传能耗公式为:
其中,Pn表示用户n的发射功率,Sk表示任务k的文件大小,rn表示用户传输文件的速率,rn=B*log(I+P/N0),B表示传输带宽,P/N0为信噪比。
通过这两个公式的计算结果比较大小。
本发明可以根据任务的文件大小和任务的计算量大小选择若干数量的所述任务。
本发明还提供了一种移动边缘计算服务器的网络能效优化系统,请参阅图2,图2为本申请实施例提供的一种移动边缘计算服务器的网络能效优化系统的结构示意图,所述网络能效优化系统包括:
任务选择单元10,用于选择若干数量的任务;
任务缓存单元20,用于根据任务的流行性,将若干数量的任务,缓存于有限缓存空间的宏基站和微基站的移动边缘计算服务器中;
具体的,所述任务选择单元10可以根据任务的流行度、任务的文件大小和任务的计算量大小选择若干数量的任务。
任务缓存位置判断单元30,用于判断任务是否缓存于宏基站的移动边缘计算服务器1或微基站的移动边缘计算服务器2,若是,则分别计算下载传输所述任务,若否,则比较所述任务的文件大小所带来的上传能耗与所述任务的计算资源所带来的本地计算能耗的大小;
如果任务缓存于宏基站的移动边缘计算服务器1,则在宏基站的移动边缘计算服务器1中计算所述任务,并将计算结果下载至微基站的移动边缘计算服务器2再传输至用户端本地3,如果任务缓存于微基站的移动边缘计算服务器2,则计算所述任务,并将计算结果下载后传输至用户端本地3;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗小,则将所述任务的文件上传至移动边缘计算服务器进行任务计算;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗大,则将所述任务的文件在用户端本地3进行计算。
本发明还提供了一种移动边缘计算服务器系统,请参阅图3,图3为本申请实施例提供的一种超密集异构网络系统模型图,所述移动边缘计算服务器系统包括:
宏基站的移动边缘计算服务器1,如果任务缓存于宏基站的移动边缘计算服务器1,则在宏基站的移动边缘计算服务器1中计算所述任务,并将计算结果下载至微基站的移动边缘计算服务器2再传输至用户端本地3;
微基站的移动边缘计算服务器2,如果任务缓存于微基站的移动边缘计算服务器2,则计算所述任务,并将计算结果下载后传输至用户端本地3;
用户端本地3,若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗大,则将所述任务的文件在用户端本地3进行计算。
具体的,请参阅图4,图4为本申请实施例提供的本发明的网络能效优化方法与传统的任务缓存的能耗归一化对比图。在图4中左侧为本发明的网络能效优化方法的能耗消耗,右侧为传统的任务缓存的能耗。
本发明的网络能效优化方法中,用户仅仅与直接相连的基站端进行任务缓存,在联合超密集异构网络中的宏微基站,同时调度服务器的缓存资源和计算资源进行任务缓存的能耗归一化值。由于原始方法仅仅与直接相连的基站进行任务缓存,因而不能充分的利用宏基站缓存资源,用户端能耗依然较高,而相较于原始方法,本发明的网络能效优化方法不仅仅扩大了缓存空间,增大了缓存击中率,还可以使某些不太适合缓存于微基站的资源迁移到宏基站处,因此降低了用户端能耗。
综上所述,本发明的计算服务器的网络能效优化方法利用缓存资源可以达到降低用户端能耗的目的,本发明利用了宏基站和微基站的任务缓存方法,能够提高缓存击中率,进一步降低用户端能耗。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种移动边缘计算服务器的网络能效优化方法,其特征在于,包括:
选择若干数量的任务;
根据任务的流行性,将若干数量的任务,缓存于有限缓存空间的宏基站和微基站的移动边缘计算服务器中;
判断任务是否缓存于宏基站的移动边缘计算服务器或微基站的移动边缘计算服务器,若是,则分别计算下载传输所述任务,若否,则比较所述任务的文件大小所带来的上传能耗与所述任务的计算资源所带来的本地计算能耗的大小;
如果任务缓存于宏基站的移动边缘计算服务器,则在宏基站的移动边缘计算服务器中计算所述任务,并将计算结果下载至微基站的移动边缘计算服务器再传输至用户端本地,如果任务缓存于微基站的移动边缘计算服务器,则计算所述任务,并将计算结果下载后传输至用户端本地;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗小,则将所述任务的文件上传至移动边缘计算服务器进行任务计算;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗大,则将所述任务的文件在用户端本地进行计算。
2.根据权利要求1所述的一种移动边缘计算服务器的网络能效优化方法,其特征在于,所述本地计算能耗公式为:
其中,fn表示用户n的计算服务器的计算能力,ε表示每个计算服务器的计算周期的能耗,ε=κfn,κ表示能量因子,能量因子与计算服务器的结构有关,κ取10-25,Wk表示任务k计算完成所需要的计算资源。
3.根据权利要求2所述的一种移动边缘计算服务器的网络能效优化方法,其特征在于,所述上传能耗公式为:
其中,Pn表示用户n的发射功率,Sk表示任务k的文件大小,rn表示用户传输文件的速率,rn=B*log(I+P/N0),B表示传输带宽,P/N0为信噪比。
4.根据权利要求3所述的一种移动边缘计算服务器的网络能效优化方法,其特征在于:根据任务的文件大小和任务的计算量大小选择若干数量的所述任务。
5.一种移动边缘计算服务器的网络能效优化系统,其特征在于,包括:
任务选择单元,用于选择若干数量的任务;
任务缓存单元,用于根据任务的流行性,将若干数量的任务,缓存于有限缓存空间的宏基站和微基站的移动边缘计算服务器中;
任务缓存位置判断单元,用于判断任务是否缓存于宏基站的移动边缘计算服务器或微基站的移动边缘计算服务器,若是,则分别计算下载传输所述任务,若否,则比较所述任务的文件大小所带来的上传能耗与所述任务的计算资源所带来的本地计算能耗的大小;
如果任务缓存于宏基站的移动边缘计算服务器,则在宏基站的移动边缘计算服务器中计算所述任务,并将计算结果下载至微基站的移动边缘计算服务器再传输至用户端本地,如果任务缓存于微基站的移动边缘计算服务器,则计算所述任务,并将计算结果下载后传输至用户端本地;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗小,则将所述任务的文件上传至移动边缘计算服务器进行任务计算;
若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗大,则将所述任务的文件在用户端本地进行计算。
6.一种移动边缘计算服务器系统,其特征在于,包括:
宏基站的移动边缘计算服务器,如果任务缓存于宏基站的移动边缘计算服务器,则在宏基站的移动边缘计算服务器中计算所述任务,并将计算结果下载至微基站的移动边缘计算服务器再传输至用户端本地;
微基站的移动边缘计算服务器,如果任务缓存于微基站的移动边缘计算服务器,则计算所述任务,并将计算结果下载后传输至用户端本地;
用户端本地,若所述任务的文件大小所带来的上传能耗比所述任务的计算资源所带来的本地计算能耗大,则将所述任务的文件在用户端本地进行计算。
7.一种电子设备,其特征在于:包括处理器和存储器;所述存储器中存储有程序指令,所述处理器运行程序指令以实现如权利要求1至权利要求4中任一项所述的计算服务器的网络能效优化方法。
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存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1至权利要求4任一项所述的计算服务器的网络能效优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811477721.6A CN109474961A (zh) | 2018-12-05 | 2018-12-05 | 一种移动边缘计算服务器的网络能效优化方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811477721.6A CN109474961A (zh) | 2018-12-05 | 2018-12-05 | 一种移动边缘计算服务器的网络能效优化方法、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109474961A true CN109474961A (zh) | 2019-03-15 |
Family
ID=65675595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811477721.6A Pending CN109474961A (zh) | 2018-12-05 | 2018-12-05 | 一种移动边缘计算服务器的网络能效优化方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109474961A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110536358A (zh) * | 2019-08-06 | 2019-12-03 | 广东工业大学 | 一种面向无依赖子任务的边缘计算负载均衡方法 |
CN111552564A (zh) * | 2020-04-23 | 2020-08-18 | 中南大学 | 基于边缘缓存的任务卸载与资源优化的方法 |
CN112752253A (zh) * | 2019-10-30 | 2021-05-04 | 大唐移动通信设备有限公司 | 消息传输方法及装置 |
CN113504986A (zh) * | 2021-06-30 | 2021-10-15 | 广州大学 | 基于缓存的边缘计算系统卸载方法、装置、设备及介质 |
CN113687876A (zh) * | 2021-08-17 | 2021-11-23 | 华北电力大学(保定) | 信息处理方法、自动驾驶控制方法和电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150381756A1 (en) * | 2013-02-25 | 2015-12-31 | Interdigital Patent Holdings, Inc. | Centralized Content Enablement Service for Managed Caching in wireless network |
CN107333267A (zh) * | 2017-06-23 | 2017-11-07 | 电子科技大学 | 一种用于5g超密集组网场景的边缘计算方法 |
CN107682443A (zh) * | 2017-10-19 | 2018-02-09 | 北京工业大学 | 联合考虑延迟和能量消耗的移动边缘计算系统计算任务的高效卸载方法 |
US9942825B1 (en) * | 2017-03-27 | 2018-04-10 | Verizon Patent And Licensing Inc. | System and method for lawful interception (LI) of Network traffic in a mobile edge computing environment |
CN111796880A (zh) * | 2020-07-01 | 2020-10-20 | 电子科技大学 | 一种边缘云计算任务的卸载调度方法 |
-
2018
- 2018-12-05 CN CN201811477721.6A patent/CN109474961A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150381756A1 (en) * | 2013-02-25 | 2015-12-31 | Interdigital Patent Holdings, Inc. | Centralized Content Enablement Service for Managed Caching in wireless network |
US9942825B1 (en) * | 2017-03-27 | 2018-04-10 | Verizon Patent And Licensing Inc. | System and method for lawful interception (LI) of Network traffic in a mobile edge computing environment |
CN107333267A (zh) * | 2017-06-23 | 2017-11-07 | 电子科技大学 | 一种用于5g超密集组网场景的边缘计算方法 |
CN107682443A (zh) * | 2017-10-19 | 2018-02-09 | 北京工业大学 | 联合考虑延迟和能量消耗的移动边缘计算系统计算任务的高效卸载方法 |
CN111796880A (zh) * | 2020-07-01 | 2020-10-20 | 电子科技大学 | 一种边缘云计算任务的卸载调度方法 |
Non-Patent Citations (3)
Title |
---|
H.GUO ETAL: "Computation Offloading for Multi-Access Mobile Edge Computing in Ultra-Dense Networks", 《IEEE COMMUNICATIONS MAGAZINE》 * |
Y.HAO ETAL: "Energy Efficient Task Caching and Offloading for Mobile Edge Computing", 《IEEE ACCESS》 * |
张元宝 等: "基于业务感知的增强型小区间干扰协调算法", 《计算机应用研究》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110536358A (zh) * | 2019-08-06 | 2019-12-03 | 广东工业大学 | 一种面向无依赖子任务的边缘计算负载均衡方法 |
CN110536358B (zh) * | 2019-08-06 | 2022-06-24 | 广东工业大学 | 一种面向无依赖子任务的边缘计算负载均衡方法 |
CN112752253A (zh) * | 2019-10-30 | 2021-05-04 | 大唐移动通信设备有限公司 | 消息传输方法及装置 |
CN112752253B (zh) * | 2019-10-30 | 2021-10-29 | 大唐移动通信设备有限公司 | 消息传输方法及装置 |
CN111552564A (zh) * | 2020-04-23 | 2020-08-18 | 中南大学 | 基于边缘缓存的任务卸载与资源优化的方法 |
CN113504986A (zh) * | 2021-06-30 | 2021-10-15 | 广州大学 | 基于缓存的边缘计算系统卸载方法、装置、设备及介质 |
CN113687876A (zh) * | 2021-08-17 | 2021-11-23 | 华北电力大学(保定) | 信息处理方法、自动驾驶控制方法和电子设备 |
CN113687876B (zh) * | 2021-08-17 | 2023-05-23 | 华北电力大学(保定) | 信息处理方法、自动驾驶控制方法和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109474961A (zh) | 一种移动边缘计算服务器的网络能效优化方法、系统 | |
CN107708135B (zh) | 一种适用于移动边缘计算场景的资源分配方法 | |
Pang et al. | Toward smart and cooperative edge caching for 5G networks: A deep learning based approach | |
CN107682443A (zh) | 联合考虑延迟和能量消耗的移动边缘计算系统计算任务的高效卸载方法 | |
CN110417847B (zh) | 无人机通信网络用户接入和内容缓存的方法及装置 | |
CN109474681A (zh) | 移动边缘计算服务器的资源分配方法、系统及服务器系统 | |
Shi et al. | Toward energy-efficient federated learning over 5G+ mobile devices | |
CN107995660A (zh) | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 | |
CN103559084B (zh) | 一种节能数据中心的虚拟机迁移方法 | |
CN108243245A (zh) | 基于混合雾计算的无线接入网络及其资源调配方法 | |
CN104899103B (zh) | 一种移动云计算终端节能调度方法和装置 | |
CN104767833B (zh) | 一种移动终端的计算任务的云端转移方法 | |
Zhao et al. | Task proactive caching based computation offloading and resource allocation in mobile-edge computing systems | |
CN107734482B (zh) | 基于d2d和业务卸载的内容分发方法 | |
CN110149401A (zh) | 一种用于优化边缘计算任务的方法和系统 | |
CN109783233A (zh) | 一种提供移动边缘计算中任务卸载的方法 | |
Chen et al. | Hit ratio driven mobile edge caching scheme for video on demand services | |
CN112416603A (zh) | 一种基于雾计算的联合优化系统和方法 | |
Chen et al. | Time-efficient task caching strategy for multi-server mobile edge cloud computing | |
Abouaomar et al. | Users-Fogs association within a cache context in 5G networks: Coalition game model | |
CN116321307A (zh) | 一种无蜂窝网络中基于深度强化学习的双向缓存放置方法 | |
Dai et al. | Deep reinforcement learning for edge computing and resource allocation in 5G beyond | |
Din et al. | Mobility-aware resource allocation in multi-access edge computing using deep reinforcement learning | |
CN103731484B (zh) | 一种面向移动云计算的节能传输方法及中间件系统 | |
Liu et al. | Computation offloading strategy for multi user mobile data streaming applications |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190315 |
|
RJ01 | Rejection of invention patent application after publication |