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 PDF

Info

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
Application number
CN201910060717.8A
Other languages
English (en)
Other versions
CN109729175A (zh
Inventor
朱晓敏
包卫东
闫辉
周云
张耀鸿
张雄涛
陈黄科
张亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201910060717.8A priority Critical patent/CN109729175B/zh
Publication of CN109729175A publication Critical patent/CN109729175A/zh
Application granted granted Critical
Publication of CN109729175B publication Critical patent/CN109729175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种不稳定信道条件下的边缘协同数据卸载方法
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
Figure BDA0001952676900000021
为指示符，其中：
Figure BDA0001952676900000022
表示任务ti通过设备vk被卸载到云；否则，
Figure BDA0001952676900000023
对于端到端数据卸载，定义
Figure BDA0001952676900000024
为指示符，其中：
Figure BDA0001952676900000025
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，
Figure BDA0001952676900000026
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
Figure BDA0001952676900000029
其中，
Figure BDA0001952676900000028
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
Figure BDA0001952676900000031
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
Figure BDA0001952676900000032
如果不满足，则删除vk，如果满足，则转至步骤4.2；
步骤4.2、判断用于处理任务ti的设备的剩余存储是否满足
Figure BDA00019526769000000321
其中，
Figure BDA0001952676900000034
为存储阈值；
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
Figure BDA0001952676900000035
其中，FΘ(x)是刻画设备通信的参数
Figure BDA0001952676900000036
的累积概率分布函数，
Figure BDA0001952676900000037
服从Beta分布，基准卸载时间
Figure BDA0001952676900000038
Figure BDA0001952676900000039
为额定通信速率，可用卸载时间
Figure BDA00019526769000000310
最早开始时间
Figure BDA00019526769000000311
Figure BDA00019526769000000312
为任务ti在vk上进行端到云数据卸载的可以开始时间；
利用端到云方式进行任务卸载的时间
Figure BDA00019526769000000313
满足以下函数:
Figure BDA00019526769000000314
其中
Figure BDA00019526769000000315
Figure BDA00019526769000000316
和
Figure BDA00019526769000000317
是fΘ(x)的参数，可以根据用户需要给出，则
Figure BDA00019526769000000318
计算端到端数据卸载的任务可靠性
Figure BDA00019526769000000319
与计算端到云数据卸载任务可靠性的方法一样，将端到端数据卸载的相关参数代入计算，即
Figure BDA00019526769000000320
步骤8.2、处理能耗计算：
计算端到云数据卸载的能量能耗
Figure BDA0001952676900000041
其中，
Figure BDA0001952676900000042
为预期的卸载时间，
Figure BDA0001952676900000043
为能耗功率；
计算端到端协同数据卸载的能量消耗
Figure BDA0001952676900000044
其中，
Figure BDA0001952676900000045
为端到端数据传输的能量消耗，且
Figure BDA0001952676900000046
Figure BDA0001952676900000047
为端到云数据卸载的能量消耗；
步骤8.3、计算设备的任务可靠性与能耗的比率
Figure BDA0001952676900000048
计算所有预留解决方案的可靠性效用
Figure BDA0001952676900000049
并根据可靠性效用按降序排序。
更进一步的，步骤九还包括：判断协作数据卸载的联合可靠性
Figure BDA00019526769000000410
是否满足
Figure BDA00019526769000000411
其中，数据卸载的联合可靠性
Figure BDA00019526769000000412
Figure BDA00019526769000000413
为联合可靠性阈值。
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
Figure BDA0001952676900000051
为指示符，其中：
Figure BDA0001952676900000052
表示任务ti通过设备vk被卸载到云；否则，
Figure BDA0001952676900000053
对于端到端数据卸载，定义
Figure BDA0001952676900000054
为指示符，其中：
Figure BDA0001952676900000055
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，
Figure BDA0001952676900000056
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：
Figure BDA0001952676900000057
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)
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
Figure BDA0001952676900000058
Figure BDA0001952676900000059
为最低任务可靠性阈值；
如果不满足，则删除vk，如果满足，则转至步骤4.2；
步骤4.2、判断用于处理任务ti的设备的剩余存储是否满足
Figure BDA00019526769000000510
其中，
Figure BDA00019526769000000511
为存储阈值；
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：
计算端到云数据卸载的任务可靠性
Figure BDA0001952676900000061
计算端到端数据卸载的任务可靠性
Figure BDA0001952676900000062
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。
定义1：最早开始时间
Figure BDA0001952676900000063
对于任务ti而言，设备vk用于D2C数据卸载的最早开始时间被定义为ti可以开始卸载的最早时间，由以下表达式确定：
Figure BDA0001952676900000064
其中
Figure BDA0001952676900000065
是任务ti在vk上进行D2C数据卸载的可以开始时间。
定义2：预期卸载时间
Figure BDA0001952676900000066
对于任务ti而言，用于D2C数据卸载的设备vk的预期使用时间定义为预期卸载时间
Figure BDA0001952676900000067
如要素四中所分析，
Figure BDA0001952676900000068
可以建模为Beta分布，即
Figure BDA0001952676900000069
并且预期通信速率
Figure BDA00019526769000000610
可以表示为
Figure BDA00019526769000000611
因此，
Figure BDA00019526769000000612
可以表示如下：
Figure BDA00019526769000000613
定义3：可用卸载时间
Figure BDA00019526769000000614
对于任务ti而言，设备vk上用于D2C数据卸载的可用卸载时间由以下表达式确定：
Figure BDA0001952676900000071
可用的卸载时间
Figure BDA0001952676900000072
通常可以用来测量任务的可靠性。为了便于分析，我们定义基准卸载时间为
Figure BDA0001952676900000073
它表示卸载任务ti的最短时间。基于此，我们给出定理1。
定理1：如果
Figure BDA0001952676900000074
的概率密度函数被表示为
Figure BDA0001952676900000075
那么利用D2C方式进行任务卸载的时间
Figure BDA0001952676900000076
可以表示为以下函数:
Figure BDA0001952676900000077
证明：假设
Figure BDA0001952676900000078
成立。结合
Figure BDA0001952676900000079
可以推出
Figure BDA00019526769000000710
也就是
Figure BDA00019526769000000711
成立。因此，
Figure BDA00019526769000000712
对
Figure BDA00019526769000000713
偏导数为
Figure BDA00019526769000000714
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
Figure BDA00019526769000000715
其中g-1(y)表示逆函数。因此，应用
Figure BDA00019526769000000716
和
Figure BDA00019526769000000717
到该函数，定理得证。
任务ti在设备vk的最后期限Di之前完成的概率本质上是数据卸载的可靠性，我们将其定义为
Figure BDA00019526769000000718
我们表示
Figure BDA00019526769000000719
的累积概率分布函数为
Figure BDA00019526769000000720
在此基础上，提出定理2。
定理2：如果
Figure BDA00019526769000000721
的累积概率分布函数表示为
Figure BDA00019526769000000722
那么D2C数据卸载的可靠性
Figure BDA00019526769000000723
可以表示如下：
Figure BDA00019526769000000724
证明：具体证明如下所示。
Figure BDA0001952676900000081
步骤8.2、处理能耗计算：
计算端到云数据卸载的能量能耗
Figure BDA0001952676900000082
计算端到端协同数据卸载的能量消耗
Figure BDA0001952676900000083
具体的：对于D2C数据卸载，我们定义能耗为
Figure BDA0001952676900000084
它与预期的卸载时间
Figure BDA0001952676900000085
和能耗功率
Figure BDA0001952676900000086
密切相关。我们用如下公式表示：
Figure BDA0001952676900000087
我们定义D2D协同数据卸载的能量消耗为
Figure BDA0001952676900000088
如上所述，D2D协同数据卸载可以分为两个阶段，所以
Figure BDA0001952676900000089
也由两部分组成：D2D数据传输的能量消耗
Figure BDA00019526769000000810
和D2C数据卸载的能量消耗
Figure BDA00019526769000000811
具体而言，
Figure BDA00019526769000000812
可由等式13计算，
Figure BDA00019526769000000813
可表示为以下等式：
Figure BDA00019526769000000814
因此，
Figure BDA00019526769000000815
可以推得。
步骤8.3、计算设备的任务可靠性与能耗的比率
Figure BDA00019526769000000816
计算所有预留解决方案的可靠性效用
Figure BDA00019526769000000817
并根据可靠性效用按降序排序。显然，
Figure BDA00019526769000000818
表示单位能耗下的调度策略的可靠性效用。
Figure BDA00019526769000000819
越大，单位能耗下的可靠性效用越高。
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。
具体是判断协作数据卸载的联合可靠性
Figure BDA0001952676900000091
是否满足
Figure BDA0001952676900000092
其中，数据卸载的联合可靠性
Figure BDA0001952676900000093
Figure BDA0001952676900000094
为联合可靠性阈值。
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
Figure FDA0002978458940000011
为指示符，其中：
Figure FDA0002978458940000012
表示任务ti通过设备vk被卸载到云；否则，
Figure FDA0002978458940000013
对于端到端数据卸载，定义
Figure FDA0002978458940000014
为指示符，其中：
Figure FDA0002978458940000015
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，
Figure FDA0002978458940000016
3.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
Figure FDA0002978458940000021
其中，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，
Figure FDA0002978458940000022
为最低任务可靠性阈值；
如果不满足，则删除vk，如果满足，则转至步骤4.2；
步骤4.2、判断用于处理任务ti的设备的剩余存储是否满足
Figure FDA0002978458940000023
其中，
Figure FDA0002978458940000024
为存储阈值；
如果不满足，则删除vk，如果满足，则转至步骤五。
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
Figure FDA0002978458940000025
其中，FΘ(x)是刻画设备通信的参数
Figure FDA0002978458940000026
的累积概率分布函数，
Figure FDA0002978458940000027
服从Beta分布，基准卸载时间
Figure FDA0002978458940000028
Figure FDA0002978458940000029
为额定通信速率，可用卸载时间
Figure FDA00029784589400000210
最早开始时间
Figure FDA00029784589400000211
Figure FDA00029784589400000212
为任务ti在vk上进行端到云数据卸载的可以开始时间；
参照端到云数据卸载任务可靠性的计算方法，代入端到端数据卸载的相关参数，计算端到端数据卸载的任务可靠性
Figure FDA00029784589400000213
步骤8.2、处理能耗计算：
计算端到云数据卸载的能量能耗
Figure FDA00029784589400000214
其中，
Figure FDA00029784589400000215
为预期的卸载时间，
Figure FDA00029784589400000216
为能耗功率；
计算端到端协同数据卸载的能量消耗
Figure FDA00029784589400000217
其中，
Figure FDA00029784589400000218
为端到端数据传输的能量消耗，且
Figure FDA00029784589400000219
Figure FDA00029784589400000220
为端到云数据卸载的能量消耗；
步骤8.3、计算设备的任务可靠性与能耗的比率
Figure FDA0002978458940000031
计算所有预留解决方案的可靠性效用
Figure FDA0002978458940000032
并根据可靠性效用按降序排序。
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
Figure FDA0002978458940000033
其中，FΘ(x)是刻画设备通信的参数
Figure FDA0002978458940000034
的累积概率分布函数，
Figure FDA0002978458940000035
服从Beta分布，基准卸载时间
Figure FDA0002978458940000036
Figure FDA0002978458940000037
为额定通信速率，可用卸载时间
Figure FDA0002978458940000038
最早开始时间
Figure FDA0002978458940000039
Figure FDA00029784589400000310
为任务ti在vk上进行端到云数据卸载的可以开始时间；
参照端到云数据卸载任务可靠性的计算方法，代入端到端数据卸载的相关参数，计算端到端数据卸载的任务可靠性
Figure FDA00029784589400000311
步骤8.2、处理能耗计算：
计算端到云数据卸载的能量能耗
Figure FDA00029784589400000312
其中，
Figure FDA00029784589400000313
为预期的卸载时间，
Figure FDA00029784589400000314
为能耗功率；
计算端到端协同数据卸载的能量消耗
Figure FDA00029784589400000315
其中，
Figure FDA00029784589400000316
为端到端数据传输的能量消耗，且
Figure FDA00029784589400000317
Figure FDA00029784589400000318
为端到云数据卸载的能量消耗；
步骤8.3、计算设备的任务可靠性与能耗的比率
Figure FDA00029784589400000319
计算所有预留解决方案的可靠性效用
Figure FDA00029784589400000320
并根据可靠性效用按降序排序。
6.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，步骤九还包括：判断协作数据卸载的联合可靠性
Figure FDA00029784589400000321
是否满足
Figure FDA00029784589400000322
其中，数据卸载的联合可靠性
Figure FDA00029784589400000323
Figure FDA00029784589400000324
为联合可靠性阈值。
7.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，步骤九还包括：判断协作数据卸载的联合可靠性
Figure FDA0002978458940000041
是否满足
Figure FDA0002978458940000042
其中，数据卸载的联合可靠性
Figure FDA0002978458940000043
Figure FDA0002978458940000044
为联合可靠性阈值。
8.根据权利要求4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，步骤九还包括：判断协作数据卸载的联合可靠性
Figure FDA0002978458940000045
是否满足
Figure FDA0002978458940000046
其中，数据卸载的联合可靠性
Figure FDA0002978458940000047
Figure FDA0002978458940000048
为联合可靠性阈值。
9.根据权利要求5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，步骤九还包括：判断协作数据卸载的联合可靠性
Figure FDA0002978458940000049
是否满足
Figure FDA00029784589400000410
其中，数据卸载的联合可靠性
Figure FDA00029784589400000411
Figure FDA00029784589400000412
为联合可靠性阈值。
CN201910060717.8A 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 Active CN109729175B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110026376A1 (en) * 2009-07-29 2011-02-03 Gokhan Memik Spectrum sensing network for cognitive radios

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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