CN109729175B - 一种不稳定信道条件下的边缘协同数据卸载方法 - Google Patents
一种不稳定信道条件下的边缘协同数据卸载方法 Download PDFInfo
- Publication number
- CN109729175B CN109729175B CN201910060717.8A CN201910060717A CN109729175B CN 109729175 B CN109729175 B CN 109729175B CN 201910060717 A CN201910060717 A CN 201910060717A CN 109729175 B CN109729175 B CN 109729175B
- Authority
- CN
- China
- Prior art keywords
- task
- reliability
- equipment
- unloading
- energy consumption
- 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.)
- Active
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种不稳定信道条件下的边缘协同数据卸载方法,在任务到达后,更新设备拓扑相连设备集和信道状态,判断是否满足设备存储和可靠性约束,按照可靠性与能耗比值对可用任务卸载设备集合进行排序,按顺序依次判断任务卸载设备是否满足任务联合可靠性约束,将任务卸载到对应的设备上。该方法能够模拟不稳定的信道质量,优化了任务调度模型,并降低了方法的复杂度,大大提高了控制效率,该边缘协同数据卸载方法在静态和动态通信条件下,综合考虑能耗和可靠性,在设备通信概率较高的情况下具有更好的适应性,且能随着任务大小的增加具有最好的性能。
Description
技术领域
本发明属于一种物联网任务调度优化方法,,适用于数据卸载与调度问题,具体是涉及到一种不稳定通信信道条件下边缘协同数据卸载。
背景技术
物联网(IoT)的发展被誉为空前的成功,数以百亿计的物联网设备将应用于家庭、学校、公司、医院等,随着应用场景的增加,物联网设备将执行越来越复杂的任务,如监控、人群感知和健康监控。然而,物联网设备的处理能力并不能完全保证按时完成任务,将任务卸载到网络边缘并在边缘进行处理已经成为主流模式。近年来提出了边缘计算、移动边缘计算、移动云计算、雾计算等概念。为了在网络边缘获取边缘设备的计算和存储资源,学术界和工业界都把重点放在边缘网络与物联网设备之间的协作上。
由于在移动设备上存储数据缺乏可靠性和安全性,将数据卸载到边缘或数据中心成为永久存储数据的重要方式。作为一种服务模式,协同数据卸载被认为是降低通信带宽以及节省能耗的有效方法。但是,对于移动物联网设备来说,它们经常用于通信质量动态变化的网络中,因此数据丢失或数据卸载失败是不可避免的。迄今为止,现有技术在不稳定信道条件下,无法实现高效地消耗能量并具有高可靠性的协同数据边缘卸载。
发明内容
本发明要解决的技术问题是提供一种不稳定信道条件下的边缘协同数据卸载方法,该方法在保证数据卸载可靠性的同时,尽可能地降低能耗。
本发明的内容包括一种不稳定信道条件下的边缘协同数据卸载方法,包括以下步骤:
步骤一、任务到达,更新设备拓扑相连设备集和信道状态;
步骤二、按设备编号依次取拓扑相连设备;
步骤三、判断设备拓扑相连设备集是否为空:若不为空,则转至步骤四;若为空,则转至步骤五;
步骤四、判断是否满足设备存储和可靠性约束:若满足设备存储和可靠性约束,则将设备列入可用任务卸载设备集合;若不满足设备存储和可靠性约束,则将设备移除出拓扑相连设备集合,并返回步骤二;
步骤五、更新可用任务卸载设备集合;
步骤六、判断任务卸载设备集合是否为空,若为空,则转至步骤七;若不为空,则转至步骤八;
步骤七、拒绝并结束任务;
步骤八、计算可用任务卸载设备的任务可靠性与处理能耗,按照可靠性与能耗比值对可用任务卸载设备集合进行排序;
步骤九、按顺序依次取任务卸载设备,判断其是否满足任务联合可靠性约束,若满足约束,转至步骤十;若不满足约束,转至步骤十一;
步骤十、将任务卸载到对应的设备上,结束任务;
步骤十一、将设备移出可用任务卸载设备集合,并判断此时可用任务卸载设备集合是否为空:若可用任务卸载设备集合不为空,则转至步骤九;若可用任务卸载设备集合为空,则拒绝并结束任务。
进一步的,步骤一还包括:定义T={t1,t2,…,tn}为包含n个非抢占和独立任务的任务集;将ti∈T中的任务建模为ti=(Ai,Di,Si),其中:Ai,Di和Si分别是ti的到达时间、任务截止期和任务大小,任务大小Si通过字节数来度量;假设有一个设备集在应用场景中有m个移动设备V={v1,v2,…,vm},将每个设备定义为vk=(Rk,Mk,Wk),其中:Rk,Mk和Wk分别表示设备vk的可靠性、剩余存储容量和设备的信道状态;对于端到云数据卸载,定义为指示符,其中:表示任务ti通过设备vk被卸载到云;否则,对于端到端数据卸载,定义为指示符,其中:表示任务ti到达设备vk,通过协作数据卸载被卸载到移动设备vj,最终vj采用端到云的方式卸载数据到云;否则,
更进一步的,步骤四还包括:
步骤4.1、将任务ti在设备vk上运行的设备可靠性定义为Rik,判断负责卸载任务的设备vk的可靠性Rik是否满足其中,为最低任务可靠性阈值,设备可靠性Rik=1-F(Ek-Eck<Edk),Ek为设备电量的随机变量,Eck为已经消耗的电量,Edk为任务执行需要的电量,F(x)是设备实际使用时长的累积概率密度函数,设备实际使用时长的概率分布μk表示设备电量可用时长的均值,σk表示设备电量可用时长的方差,则
如果不满足,则删除vk,如果满足,则转至步骤4.2;
如果不满足,则删除vk,如果满足,则转至步骤五。
更进一步的,步骤八还包括:
步骤8.1、任务可靠性计算:
计算端到云数据卸载的任务可靠性其中,FΘ(x)是刻画设备通信的参数的累积概率分布函数,服从Beta分布,基准卸载时间 为额定通信速率,可用卸载时间最早开始时间 为任务ti在vk上进行端到云数据卸载的可以开始时间;
步骤8.2、处理能耗计算:
附图说明
附图1为不稳定信道条件下的边缘协同数据卸载方法的流程图。
具体实施方式
如附图1所示,本发明包括一种不稳定信道条件下的边缘协同数据卸载方法,包括以下步骤:
步骤一、任务到达,更新设备拓扑相连设备集和信道状态。
设备的输入数据包括两部分:来自设备本身的数据和来自其他设备的用于协作数据卸载的数据。设备的主要模块由健康指示器、通信管理器、任务调度器和卸载引擎组成。
定义T={t1,t2,…,tn}为包含n个非抢占和独立任务的任务集;将ti∈T中的任务建模为ti=(Ai,Di,Si),其中:Ai,Di和Si分别是ti的到达时间、任务截止期和任务大小,任务大小Si通过字节数来度量;假设有一个设备集在应用场景中有m个移动设备V={v1,v2,…,vm},将每个设备定义为vk=(Rk,Mk,Wk),其中:Rk,Mk和Wk分别表示设备vk的可靠性、剩余存储容量和设备的信道状态;对于端到云数据卸载,定义为指示符,其中:表示任务ti通过设备vk被卸载到云;否则,对于端到端数据卸载,定义为指示符,其中:表示任务ti到达设备vk,通过协作数据卸载被卸载到移动设备vj,最终vj采用端到云的方式卸载数据到云;否则,
步骤二、按设备编号依次取拓扑相连设备。
步骤三、判断设备拓扑相连设备集是否为空:若不为空,则转至步骤四;若为空,则转至步骤五。
步骤四、判断是否满足设备存储和可靠性约束:若满足设备存储和可靠性约束,则将设备列入可用任务卸载设备集合;若不满足设备存储和可靠性约束,则将设备移除出拓扑相连设备集合,并返回步骤二。
将任务ti在设备vk上运行的设备可靠性记为Rik,为了降低器件可靠性估计的开销,假设器件的电池寿命服从正态分布,指示设备电量的随机变量为Ek。因此,Ek的概率密度函数可以表示如下:
其中,μk表示设备电量可用时长的均值,σk表示设备电量可用时长的方差,f(Ek)表示设备实际使用时长的概率分布。
将已经消耗的电量记为Eck,Edk为任务执行需要的电量,F(x)是设备实际使用时长的累积概率函数,则设备可靠性Rik可以推断如下:
Rik=1-F(Ek-Eck<Edk)
如果不满足,则删除vk,如果满足,则转至步骤4.2;
如果不满足,则删除vk,如果满足,则转至步骤五。
步骤五、更新可用任务卸载设备集合。
步骤六、判断任务卸载设备集合是否为空,若为空,则转至步骤七;若不为空,则转至步骤八。
步骤七、拒绝并结束任务。
步骤八、计算可用任务卸载设备的任务可靠性与处理能耗,按照可靠性与能耗比值对可用任务卸载设备集合进行排序。
步骤8.1、任务可靠性计算:
具体的:端到云数据卸载意味着移动设备使用端到云通信方法将数据本身卸载到云上。考虑通信速率的波动,虽然会增加问题复杂度,但同时使问题更加现实。为了便于数据卸载可靠性分析,我们介绍以下三个定义。
证明:假设成立。结合可以推出也就是成立。因此,对偏导数为当随机变量X的概率密度函数为fX(x),同时被赋予一个新变量Y=g(X),并且它的函数是单调的,则复合概率密度函数为其中g-1(y)表示逆函数。因此,应用和到该函数,定理得证。
证明:具体证明如下所示。
步骤8.2、处理能耗计算:
我们定义D2D协同数据卸载的能量消耗为如上所述,D2D协同数据卸载可以分为两个阶段,所以也由两部分组成:D2D数据传输的能量消耗和D2C数据卸载的能量消耗具体而言,可由等式13计算,可表示为以下等式:
步骤九、按顺序依次取任务卸载设备,判断其是否满足任务联合可靠性约束,若满足约束,转至步骤十;若不满足约束,转至步骤十一。
步骤十、将任务卸载到对应的设备上,结束任务。如图1所示,卸载引擎将任务ti分派给相应的设备,从而实现最优分配。
步骤十一、将设备移出可用任务卸载设备集合,并判断此时可用任务卸载设备集合是否为空:若可用任务卸载设备集合不为空,则转至步骤九;若可用任务卸载设备集合为空,则拒绝并结束任务。
Claims (9)
1.一种不稳定信道条件下的边缘协同数据卸载方法,其特征在于,包括以下步骤:
步骤一、任务到达,更新设备拓扑相连设备集和信道状态;
步骤二、按设备编号依次取拓扑相连设备;
步骤三、判断设备拓扑相连设备集是否为空:若不为空,则转至步骤四;若为空,则转至步骤五;
步骤四、判断是否满足设备存储和可靠性约束:若满足设备存储和可靠性约束,则将设备列入可用任务卸载设备集合;若不满足设备存储和可靠性约束,则将设备移除出拓扑相连设备集合,并返回步骤二;
步骤五、更新可用任务卸载设备集合;
步骤六、判断任务卸载设备集合是否为空,若为空,则转至步骤七;若不为空,则转至步骤八;
步骤七、拒绝并结束任务;
步骤八、计算可用任务卸载设备的任务可靠性与处理能耗,按照可靠性与能耗比值对可用任务卸载设备集合进行排序;
步骤九、按顺序依次取任务卸载设备,判断其是否满足任务联合可靠性约束,若满足约束,转至步骤十;若不满足约束,转至步骤十一;
步骤十、将任务卸载到对应的设备上,结束任务;
步骤十一、将设备移出可用任务卸载设备集合,并判断此时可用任务卸载设备集合是否为空:若可用任务卸载设备集合不为空,则转至步骤九;若可用任务卸载设备集合为空,则拒绝并结束任务。
2.根据权利要求1所述的不稳定信道条件下的边缘协同数据卸载方法,其特征在于,步骤一还包括:定义T={t1,t2,…,tn}为包含n个非抢占和独立任务的任务集;将ti∈T中的任务建模为ti=(Ai,Di,Si),其中:Ai,Di和Si分别是ti的到达时间、任务截止期和任务大小,任务大小Si通过字节数来度量;假设有一个设备集在应用场景中有m个移动设备V={v1,v2,L,vm},将每个设备定义为vk=(Rk,Mk,Wk),其中:Rk,Mk和Wk分别表示设备vk的可靠性、剩余存储容量和设备的信道状态;对于端到云数据卸载,定义为指示符,其中:表示任务ti通过设备vk被卸载到云;否则,对于端到端数据卸载,定义为指示符,其中:表示任务ti到达设备vk,通过协作数据卸载被卸载到移动设备vj,最终vj采用端到云的方式卸载数据到云;否则,
4.根据权利要求1或2所述的不稳定信道条件下的边缘协同数据卸载方法,其特征在于,步骤八还包括:
步骤8.1、任务可靠性计算:
计算端到云数据卸载的任务可靠性其中,FΘ(x)是刻画设备通信的参数的累积概率分布函数,服从Beta分布,基准卸载时间 为额定通信速率,可用卸载时间最早开始时间 为任务ti在vk上进行端到云数据卸载的可以开始时间;
步骤8.2、处理能耗计算:
5.根据权利要求3所述的不稳定信道条件下的边缘协同数据卸载方法,其特征在于,步骤八还包括:
步骤8.1、任务可靠性计算:
计算端到云数据卸载的任务可靠性其中,FΘ(x)是刻画设备通信的参数的累积概率分布函数,服从Beta分布,基准卸载时间 为额定通信速率,可用卸载时间最早开始时间 为任务ti在vk上进行端到云数据卸载的可以开始时间;
步骤8.2、处理能耗计算:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910060717.8A CN109729175B (zh) | 2019-01-22 | 2019-01-22 | 一种不稳定信道条件下的边缘协同数据卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910060717.8A CN109729175B (zh) | 2019-01-22 | 2019-01-22 | 一种不稳定信道条件下的边缘协同数据卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109729175A CN109729175A (zh) | 2019-05-07 |
CN109729175B true CN109729175B (zh) | 2021-05-11 |
Family
ID=66299792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910060717.8A Active CN109729175B (zh) | 2019-01-22 | 2019-01-22 | 一种不稳定信道条件下的边缘协同数据卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109729175B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110856240B (zh) * | 2019-11-07 | 2022-07-19 | 长沙理工大学 | 一种任务卸载的方法、设备及可读存储介质 |
CN111082401B (zh) * | 2019-11-15 | 2022-07-08 | 国网河南省电力公司郑州供电公司 | 基于自学习机制的配电网故障恢复方法 |
CN110941675B (zh) * | 2019-11-26 | 2022-04-22 | 西安交通大学 | 一种基于深度学习的无线供能边缘计算延迟优化方法 |
CN113259175B (zh) * | 2021-06-10 | 2021-09-24 | 中国人民解放军国防科技大学 | 一种边缘计算环境下的安全服务与功能服务联合编排方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106900011A (zh) * | 2017-02-28 | 2017-06-27 | 重庆邮电大学 | 一种基于mec的蜂窝基站间任务卸载方法 |
CN107995660A (zh) * | 2017-12-18 | 2018-05-04 | 重庆邮电大学 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
CN109240818A (zh) * | 2018-09-04 | 2019-01-18 | 中南大学 | 一种边缘计算网络中基于用户体验的任务卸载方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110026376A1 (en) * | 2009-07-29 | 2011-02-03 | Gokhan Memik | Spectrum sensing network for cognitive radios |
-
2019
- 2019-01-22 CN CN201910060717.8A patent/CN109729175B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106900011A (zh) * | 2017-02-28 | 2017-06-27 | 重庆邮电大学 | 一种基于mec的蜂窝基站间任务卸载方法 |
CN107995660A (zh) * | 2017-12-18 | 2018-05-04 | 重庆邮电大学 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
CN109240818A (zh) * | 2018-09-04 | 2019-01-18 | 中南大学 | 一种边缘计算网络中基于用户体验的任务卸载方法 |
Non-Patent Citations (2)
Title |
---|
"Optimal Schedule of Mobile Edge Computing for Internet of Things Using Partial Information";Xinchen Lyu等;《 IEEE Journal on Selected Areas in Communications ( Volume: 35, Issue: 11, Nov. 2017)》;20171009;全文 * |
"基于光纤-无线网络的协同计算卸载算法";郭金林等;《计算机工程与科学》;20190115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109729175A (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109729175B (zh) | 一种不稳定信道条件下的边缘协同数据卸载方法 | |
Zhu et al. | Task offloading decision in fog computing system | |
CN111756812A (zh) | 一种能耗感知的边云协同动态卸载调度方法 | |
CN103294521B (zh) | 一种降低数据中心通信负载及能耗的方法 | |
CN108632365A (zh) | 服务资源调整方法、相关装置和设备 | |
CN102664812B (zh) | 融合业务预测与实时负载的两阶段服务系统负载预测与均衡方法 | |
CN105580407A (zh) | 一种网络资源部署方法和设备 | |
CN110224427B (zh) | 一种基于微电网能量控制策略的信息物理系统建模方法 | |
WO2023124947A1 (zh) | 一种任务处理方法、装置及相关设备 | |
CN104901989A (zh) | 一种现场服务提供系统及方法 | |
CN107291544A (zh) | 任务调度的方法及装置、分布式任务执行系统 | |
CN107220360A (zh) | 一种基于海量电力监测数据的统一模型化存储接入方法 | |
CN117135131A (zh) | 一种面向云边协同场景的任务资源需求感知方法 | |
CN109614210B (zh) | 基于能耗感知的Storm大数据节能调度方法 | |
CN105471107B (zh) | 一种电网电能量计量系统的分时任务采集方法 | |
CN113747450A (zh) | 一种移动网络中业务部署方法、装置及电子设备 | |
Yan et al. | Service caching for meteorological emergency decision-making in cloud-edge computing | |
CN105094944A (zh) | 一种虚拟机迁移方法及装置 | |
CN117608821A (zh) | 确定计算任务卸载策略的方法、装置、设备及介质 | |
CN115952054A (zh) | 一种仿真任务资源管理方法、装置、设备及介质 | |
CN113765156B (zh) | 用于碳电一体化虚拟电厂的源网荷储综合调度系统 | |
Peng et al. | Resource optimization strategy for CPU intensive applications in cloud computing environment | |
Milocco et al. | Proactive data center management using predictive approaches | |
CN111092755A (zh) | 一种基于资源占用的边缘服务迁移仿真方法 | |
Lu et al. | Research on key technologies of edge computing in discrete manufacturing industry in the era of big data |
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 |