CN109905470A - 一种基于边缘网关系统的开销优化任务调度方法 - Google Patents
一种基于边缘网关系统的开销优化任务调度方法 Download PDFInfo
- Publication number
- CN109905470A CN109905470A CN201910120226.8A CN201910120226A CN109905470A CN 109905470 A CN109905470 A CN 109905470A CN 201910120226 A CN201910120226 A CN 201910120226A CN 109905470 A CN109905470 A CN 109905470A
- Authority
- CN
- China
- Prior art keywords
- fringe node
- task
- node
- expense
- scheduling
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于边缘网关系统的开销优化任务调度方法,该方法考虑边缘网关的计算资源消耗、能源消耗、时间消耗,结合边缘计算模式,旨在最大限度得减少能源和时间开销,适用于在资源受限的场景下运行时延敏感性任务。本发明首先搭建了一个异构分布式计算环境,研究异构物端下的边缘网关系统任务调度机制,接着针对边缘网关系统中存在的任务调度问题进行分析,通过对本地执行和卸载执行任务分别建模,提出了基于边缘网关系统的开销优化任务调度方法。最后证明了所提出的开销优化任务调度方法实施的合理性。本发明对统筹整个边缘网关系统的资源,高效处理负载具有很大的研究意义。
Description
技术领域
本发明属于无线通信技术领域,特别涉及一种边缘网关系统中协调资源管理和任务分配的开销优化任务调度方法。
背景技术
近年来,随着物联网设备的不断普及和处理能力的不断提高,物联网已从集中式云计算向边缘计算(或雾计算)范式转变。为了有效减小核心网的负载量,捕获的数据在网络边缘侧首先得到过滤和处理,此外比设备本身更有价值的是数据分析,在接近前端智能的边缘计算侧,实时数据的价值能够被最大化的发挥出来,因此物联网的发展大势正在向边缘延伸。边缘设备被用作终端设备或应用卸载它们的数据,是支持资源密集型程序的一种有效方式。然而单个边缘设备的能量资源和计算资源有限,无法对终端数据进行全面处理,它要求将部分任务卸载到邻居设备,合理有效地利用资源,所以任务的调度策略是统筹整个边缘系统资源和高效处理负载的关键之处。
发明内容
针对物联网中智能设备快速增长,大量的物联网设备导致数据规模迅速扩大,并且这类连接设备还需要进行智能计算的问题,本发明的目的是提供一种基于边缘网关系统的开销优化任务调度方法,以解决单个边缘设备由于资源有限,时延等开销过大而无法独立完成应用需求的问题。
为实现上述目的,本发明采用的技术方案为:
一种基于边缘网关系统的开销优化任务调度方法,其特征在于:该方法以一个异构分布式边缘网关系统为场景,该系统分为三层结构,底层为终端设备层,由智能设备组成,采用不同的通讯方式与边缘网关层通信;中间层为边缘网关层,提供在靠近终端设备层的地方分析和处理数据的功能,而不用把数据上传到远程云端,实现通信-计算-存储融合的物端智能管控;顶层为远程云层,提供无限的存储和处理能力;
基于所述分布式边缘网关系统建立得到以时间开销最优化为目标的任务调度模型,其步骤为:
设整个异构分布式边缘网关系统有N个边缘节点,N={1,2,...,N},每个边缘节点都具有能量资源和计算资源,分别表示为每个边缘节点都有一个计算密集型和延迟敏感的任务,边缘节点i上的任务表示为Ii=(Zi,Di),Zi表示任务输入数据的大小,包括程序代码、参数,Di表示完成此任务所需的计算资源量;每个边缘节点i能够与邻居边缘节点进行无线通信,能够将任务卸载给邻居节点执行或者选择在本地执行,边缘节点i的邻居边缘节点用集合Ni={j,k,...}表示;
首先用一个二进制数xij表示边缘节点i的任务卸载策略,xij=1表示边缘节点i会卸载任务给邻居边缘节点j,xij=0表示在本地执行任务,于是有这样的约束:
对于本地执行,即边缘节点i在本地执行任务而不卸载给邻居边缘节点j,设边缘节点i的计算能力为Fi l,其中,上标l标记本地执行,则执行时间为:
本地计算能量消耗为:
其中,vi表示每个执行边缘节点所需的能量消耗;
则本地执行任务的开销为:
其中和分别表示时间开销和能量开销在总体开销中的权重,由于不同的边缘网关系统和不同的目标,选择不同的值和值;
对于卸载执行,一个边缘节点能够通过无线传输任务给它的邻居节点Ni,它的邻居节点则会代替它执行任务;相比本地执行,卸载执行多了将任务输入数据传输给邻居节点的时间开销和能量开销,传输任务的时间开销为:
其中,Rij表示边缘节点i到它的邻居边缘节点j的传输速率,已知边缘节点j的邻居节点Nj的任务调度决策xNj=(xbj,xgj,...,xnj),b,g,n∈Nj,边缘节点i与邻居边缘节点j之间的传输速率表示为:
其中,Rj为邻居边缘节点j的最大传输速率,wmj表示边缘节点j的某个邻居边缘节点m在通向边缘节点j的无线竞争信道中的权重;
传输任务到邻居边缘节点后在邻居边缘节点执行的时间为:
其中,Fij为邻居边缘节点j分配给边缘节点i的计算资源,则卸载处理总的时间开销Ti off包括传输时间和执行任务时间,表示为:
卸载传输任务的能量开销为:
其中,Pi s为边缘节点i的传输功率,相比于任务的输入数据,输出数据要小得多,所以忽略接收输出数据的能量消耗和时间消耗即
则卸载执行任务的开销为:
其中和分别表示时间开销和能量开销在总体开销中的权重,由于不同的边缘网关系统和不同的目标,选择不同的值和值;Ti off表示时间开销,表示能量开销;
为了估算边缘节点的能量和计算资源使用情况,引入了机会开销k这个函数,定义边缘节点剩余能量为ei,已经使用的计算资源为ci,则机会开销函数k表述为由此公式可以看出,剩余能量和计算资源越少,机会开销函数k值越大;
则最终在边缘网关系统中以时间开销最优化为目标的任务调度模型为:
s.t.C1:xij=0or 1
C2:
C3:k≤20
C4:Ti off<Ti l
约束条件1规定一个边缘节点能够选择在本地执行或者卸载执行,只有这两种情况;约束条件2规定了在有限的计算资源条件下,分配给邻居边缘节点j的任务所需的计算资源量不得超过邻居边缘节点j的剩余资源量;约束条件3规定了最大机会开销值为20,只有k值小于20的才能提供资源消耗,这避免了资源不足的设备提供服务;约束条件4意味着如果一个边缘节点选择卸载执行任务,那么所需的开销肯定比本地开销小;
所述开销优化任务调度方法的具体实施步骤为:
(2)首先所有边缘节点获取自身参数和所有邻居边缘节点的参数,如果边缘节点上有任务,计算出Ti l,设置最初调度决策xij=0;
(2)所有边缘节点定期广播资源,定义两次广播间隙时间为t,称为一次决策时隙,对于边缘节点i,定义最小化边缘节点开销的调度决策为而最终的任务调度决策定义为xij(t);
(3)在每个决策时隙中,边缘节点i计算本地开销和卸载开销Zi off,选择满足和上述4个约束条件的所有边缘节点Gi,如果没有满足上述条件的边缘节点,则令最佳调度策略为0,如果Gi不为空,选择那些能使开销最小化的邻居节点作为卸载节点,此时令最佳调度策略为
(4)对于本次决策时隙t,上一决策时隙的调度策略为xij(t-1),如果在本决策时隙内,边缘节点通过改变调度策略能减小自身开销,则本次更新称为一次更佳策略改变;
(5)为了避免来自不同边缘节点的更新请求信息碰撞问题,设定决策更新消息的时间为tmax,然后每个边缘节点随机生成退避时间t0,它满足[0,tmax]上的均匀分布,当t0时间结束,若边缘节点未收到任何确认消息,它将向邻居边缘节点j发送更新请求消息,邻居边缘节点j收到后会在系统中发送一个确认信息,一旦别的边缘节点侦听到此确认信息,它们在此决策时隙内就不会再竞争改变调度决策,此时邻居边缘节点j将更新它最终的任务调度决策为否则保持上一决策时隙的调度决策;
(6)M个决策时隙之后,系统中没有边缘节点再发出更新调度策略的请求,则整个边缘网关系统的任务调度算法已经完成。
对于时间开销和能量开销在总体开销中的权重和当边缘节点电池能量较低,为了节约能量设置较大的值,在卸载决策选择中将更大的权重放在能量消耗上;而要运行时间延迟敏感性任务,为了减少时间延迟,可以选择较大的值,将更大的权重放在时间消耗上。
所述步骤(4)中,规定每个决策时隙只能有一个边缘节点能够更新调度决策,从而每个决策时隙中所有能通过改变调度策略而减小开销的边缘节点,它们会竞争决策更新机会,在实际场景中它们会向代理节点发出更新请求。
有益效果:本发明提出的一种基于边缘网关系统的开销优化任务调度方法,允许资源有限的边缘节点处理任务时可以将任务卸载到资源充沛的邻居边缘节点。通过在网络内共享数据和计算完成任务调度决策,而不是将所有数据发送到远处的中央服务器,边缘节点可以直接在网络边缘执行任务。本发明旨在为边缘网关系统设计一个合理的任务调度机制,基于搭建的分布式边缘网关系统建立任务调度问题的数学模型。该模型将时间消耗,计算资源消耗,能源消耗考虑在内,目的是为了寻找最佳解决方案,使得开销成本最低。本发明对边缘网关系统中分布式计算的研究具有很大帮助。
本发明与现有技术相比,有如下优点:
(1)本发明提出的基于边缘网关系统的开销优化策略,解决了物联网面对海量数据,中央云服务器由于计算资源,通信资源和存储容量有限、整体能源和开销、不可靠的时延等原因导致处理这些收集来的数据效率低下,有时甚至是无法完成的问题。引入了边缘计算,能够使数据在数据源处进行分析处理。在任务调度方法中,资源有限的边缘设备处理任务时可以将任务卸载到资源充沛的邻居边缘节点。通过在网络内共享数据和计算完成任务调度决策,而不是将所有数据发送到远处的中央服务器,边缘节点可以直接在网络边缘执行任务。此算法实现了合理支配边缘设备的资源,在最小开销内完成所有任务的目标。
(2)本发明以在现实环境中部署边缘网关系统和传感器节点为场景,结合实际需求,提出了以时间和能源开销最小化为目标的任务调度方法,切合实际场景。本发明分析了边缘计算系统中的任务调度问题,并在已有的任务调度算法上,做出了改进,介绍了边缘网关系统模型,对任务完成时间、能量消耗和计算资源消耗进行了建模,确立了在计算资源有限的约束条件下,以系统总开销为优化目标。
(3)本发明提出的基于边缘网关系统的开销优化策略面向异构平台。边缘计算由Internet上的各种资源组成,有主机、PC机、工作站,他们都是异构的,不但可以运行在各种操作系统上,也可以运行在上述机器的集成系统上。并且能满足动态自适应和可扩展,随边缘网关系统的结构改变而做出调整,在资源规模扩大、应用数量增长的情况下,不致于系统的性能降低。
附图说明
图1为边缘网关系统的开销优化任务调度方法场景图;
图2为边缘网关系统的开销优化任务调度方法资源分布图;
图3为边缘网关系统的开销优化任务调度方法流程图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
以下结合实施例和附图,对本发明作进一步说明。
1.如图1所示,本发明的场景图——边缘网关系统框架图。
本发明以一个异构分布式边缘网关系统为场景,在此系统中运用边缘计算模式,优化配置边缘设备资源,使得系统总开销降到最低。整个异构分布式计算环境分为三层结构,底层为终端设备层,由智能设备组成,它们由传感器,控制器等一系列组件构成,采用不同的通讯方式与边缘网关层通信,如蓝牙、WIFI、Ethernet、OPC、Modbus等;中间层为边缘网关层,它提供了在靠近设备层的地方分析和处理数据的功能,而不用把数据上传到远程云端,实现了通信-计算-存储(3C)融合的物端智能管控;顶层远程云层,它提供了看似无限的存储和处理能力。
2.如图2所示,本发明的边缘网关系统的开销优化任务调度方法资源分布图。
设整个系统有N个边缘节点,N={1,2,...,N},每个边缘节点都具有能量资源和计算资源,分别表示为每个边缘节点都有一个计算密集型和延迟敏感的任务,边缘节点i上的任务表示为Ii=(Zi,Di),Zi表示任务输入数据的大小,包括程序代码、参数等,Di代表完成此任务所需的计算资源量(CPU周期数),即任务的工作量。每个边缘节点可与邻居边缘节点进行无线通信,可以将任务卸载给邻居节点执行或者选择在本地执行,边缘节点i的邻居节点用集合Ni={j,k,...}表示。
首先用一个二进制数xij表示边缘节点i的任务卸载策略,xij=1表示边缘节点i会卸载任务给邻居边缘节点j,xij=0表示在本地执行任务。于是有这样的约束:
接下来给出本地执行任务和卸载执行任务的计算模型,对于本地执行,即边缘节点在本地执行任务而不卸载给邻居边缘节点,设边缘节点i的计算能力为Fi l,其中,上标l标记本地执行,则执行时间为:
本地计算能量消耗为:
vi表示每个执行单元所需的能量消耗。
则本地执行任务的开销为:
其中,和分别表示时间开销和能量开销在总体开销中的权重,也就是在任务卸载决策中的重要程度,由于不同的边缘网关系统和不同的目标,可以选择不同的值和值。比如当边缘节点电池能量较低,为了节约能量可以设置较大的值,在卸载决策选择中将更大的权重放在能量消耗上。而要运行时间延迟敏感性任务,为了减少时间延迟,可以选择较大的值,将更大的权重放在时间消耗上。
对于卸载执行,一个边缘节点可以通过无线传输任务给它的邻居边缘节点Ni,它的邻居边缘节点则会代替它执行任务。相比本地执行,卸载执行多了将任务输入数据传输给邻居边缘节点的时间开销和能量开销,传输任务的时间开销为:
其中,Rij表示边缘节点i到它的邻居边缘节点j的传输速率,在WIFI网络中,媒体访问控制协议为载波侦听多路访问控制协议,边缘节点共享无线频谱,边缘节点i到邻居边缘节点j的传输速率取决于边缘节点j的邻居节点Nj的竞争接入情况,在假设已知边缘节点j的邻居节点Nj的任务调度决策边缘节点i与邻居边缘节点j之间的传输速率表示为:
其中,Rj为边缘节点j的最大传输速率,wmj表示边缘节点j的某个邻居边缘节点m在通向边缘节点j的无线竞争信道中的权重;wmj较大意味着边缘节点占据无线信道主导地位。
传输任务到邻居边缘节点后在邻居边缘节点执行的时间为:
其中,Fij为邻居边缘节点j分配给边缘节点i的计算资源。则卸载处理总的时间开销Ti off包括传输时间和执行任务时间,表示为:
卸载传输任务的能量开销为:
其中,Pi s为边缘节点i的传输功率。相比于任务的输入数据,输出数据要小得多,所以忽略接收输出数据的能量和时间消耗,即
则卸载执行任务的开销为:
其中,Ti off表示时间开销,表示能量开销;和分别表示时间开销和能量开销在总体开销中的权重,也就是在任务卸载决策中的重要程度,由于不同的边缘网关系统和不同的目标,可以选择不同的值和值。比如当边缘节点电池能量较低,为了节约能量可以设置较大的值,在卸载决策选择中将更大的权重放在能量消耗上。而要运行时间延迟敏感性任务,为了减少时间延迟,可以选择较大的值,将更大的权重放在时间消耗上。
为了估算边缘节点的能量和计算资源使用情况,引入了机会开销k这个函数,在前面已经定义了边缘节点初始能量资源和计算资源分别为这里再定义边缘节点剩余能量为ei,已经使用的计算资源为ci,则机会开销函数k表述为由此公式可以看出,剩余能量和计算资源越少,机会开销函数k值越大。
则最终在边缘网关系统中以时间开销最优化为目标的任务调度模型为:
s.t.C1:xij=0 or 1
C2:
C3:k≤20
C4:Ti off<Ti l
约束条件1规定一个边缘节点可以选择在本地执行或者卸载执行,只有这两种情况;约束条件2规定了在有限的计算资源条件下,分配给邻居边缘节点j的任务所需的计算资源量不得超过邻居边缘节点j的剩余资源量;约束条件3规定了最大机会开销值为20,只有k值小于20的才能提供资源消耗,这避免了资源不足的设备提供服务;约束条件4意味着如果一个边缘节点选择卸载执行任务,那么所需的开销肯定比本地开销小。
3.如图3所示,为边缘网关系统的开销优化任务调度方法流程图
整个系统的调度顺序为:
(3)首先所有边缘节点获取自身参数和所有邻居边缘节点的参数,如果边缘节点上有任务,计算出Ti l,设置最初调度决策xij=0;
(2)所有边缘节点定期广播资源,定义两次广播间隙时间为t,称为一次决策时隙,对于边缘节点i,定义最小化边缘节点开销的调度决策为而最终的任务调度决策定义为xij(t);
(3)在每个决策时隙中,边缘节点i计算本地开销和卸载开销Zi off,选择满足和上述4个约束条件的所有边缘节点Gi,如果没有满足上述条件的边缘节点,则令最佳调度策略为0,如果Gi不为空,选择那些能使开销最小化的邻居节点作为卸载节点,此时令最佳调度策略为
(4)对于本次决策时隙t,上一决策时隙的调度策略为xij(t-1),如果在本决策时隙内,边缘节点通过改变调度策略能减小自身开销,则本次更新称为一次更佳策略改变;规定每个决策时隙只能有一个边缘节点能够更新调度决策,从而每个决策时隙中所有能通过改变调度策略而减小开销的边缘节点,它们会竞争决策更新机会,在实际场景中它们会向代理节点发出更新请求;
(5)为了避免来自不同边缘节点的更新请求信息碰撞问题,设定决策更新消息的时间为tmax,然后每个边缘节点随机生成退避时间t0,它满足[0,tmax]上的均匀分布,当t0时间结束,若边缘节点未收到任何确认消息,它将向邻居边缘节点j发送更新请求消息,邻居边缘节点j收到后会在系统中发送一个确认信息,一旦别的边缘节点侦听到此确认信息,它们在此决策时隙内就不会再竞争改变调度决策,此时邻居边缘节点j将更新它最终的任务调度决策为否则保持上一决策时隙的调度决策;
(6)M个决策时隙之后,系统中没有边缘节点再发出更新调度策略的请求,则整个边缘网关系统的任务调度算法已经完成。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于边缘网关系统的开销优化任务调度方法,其特征在于:该方法以一个异构分布式边缘网关系统为场景,该系统分为三层结构,底层为终端设备层,由智能设备组成,采用不同的通讯方式与边缘网关层通信;中间层为边缘网关层,提供在靠近终端设备层的地方分析和处理数据的功能,而不用把数据上传到远程云端,实现通信-计算-存储融合的物端智能管控;顶层为远程云层,提供无限的存储和处理能力;
基于所述分布式边缘网关系统建立得到以时间开销最优化为目标的任务调度模型,其步骤为:
设整个异构分布式边缘网关系统有N个边缘节点,N={1,2,...,N},每个边缘节点都具有能量资源和计算资源,分别表示为每个边缘节点都有一个计算密集型和延迟敏感的任务,边缘节点i上的任务表示为Ii=(Zi,Di),Zi表示任务输入数据的大小,包括程序代码、参数,Di表示完成此任务所需的计算资源量;每个边缘节点i能够与邻居边缘节点进行无线通信,能够将任务卸载给邻居节点执行或者选择在本地执行,边缘节点i的邻居边缘节点用集合Ni={j,k,...}表示;
首先用一个二进制数xij表示边缘节点i的任务卸载策略,xij=1表示边缘节点i会卸载任务给邻居边缘节点j,xij=0表示在本地执行任务,于是有这样的约束:
对于本地执行,即边缘节点i在本地执行任务而不卸载给邻居边缘节点j,设边缘节点i的计算能力为Fi l,其中,上标l标记本地执行,则执行时间为:
本地计算能量消耗为:
其中,vi表示每个执行边缘节点所需的能量消耗;
则本地执行任务的开销为:
其中和分别表示时间开销和能量开销在总体开销中的权重,由于不同的边缘网关系统和不同的目标,选择不同的值和值;
对于卸载执行,一个边缘节点能够通过无线传输任务给它的邻居节点Ni,它的邻居节点则会代替它执行任务;相比本地执行,卸载执行多了将任务输入数据传输给邻居节点的时间开销和能量开销,传输任务的时间开销为:
其中,Rij表示边缘节点i到它的邻居边缘节点j的传输速率,已知边缘节点j的邻居节点Nj的任务调度决策b,g,n∈Nj,边缘节点i与邻居边缘节点j之间的传输速率表示为:
其中,Rj为邻居边缘节点j的最大传输速率,wmj表示边缘节点j的某个邻居边缘节点m在通向边缘节点j的无线竞争信道中的权重;
传输任务到邻居边缘节点后在邻居边缘节点执行的时间为:
其中,Fij为邻居边缘节点j分配给边缘节点i的计算资源,则卸载处理总的时间开销Ti off包括传输时间和执行任务时间,表示为:
卸载传输任务的能量开销为:
其中,Pi s为边缘节点i的传输功率,相比于任务的输入数据,输出数据要小得多,所以忽略接收输出数据的能量消耗和时间消耗即
则卸载执行任务的开销为:
其中和分别表示时间开销和能量开销在总体开销中的权重,由于不同的边缘网关系统和不同的目标,选择不同的值和值;表示时间开销,表示能量开销;
为了估算边缘节点的能量和计算资源使用情况,引入了机会开销k这个函数,定义边缘节点剩余能量为ei,已经使用的计算资源为ci,则机会开销函数k表述为由此公式可以看出,剩余能量和计算资源越少,机会开销函数k值越大;
则最终在边缘网关系统中以时间开销最优化为目标的任务调度模型为:
s.t.C1:xij=0 or 1
C3:k≤20
C4:Ti off<Ti l
约束条件1规定一个边缘节点能够选择在本地执行或者卸载执行,只有这两种情况;约束条件2规定了在有限的计算资源条件下,分配给邻居边缘节点j的任务所需的计算资源量不得超过邻居边缘节点j的剩余资源量;约束条件3规定了最大机会开销值为20,只有k值小于20的才能提供资源消耗,这避免了资源不足的设备提供服务;约束条件4意味着如果一个边缘节点选择卸载执行任务,那么所需的开销肯定比本地开销小;
所述开销优化任务调度方法的具体实施步骤为:
(1)首先所有边缘节点获取自身参数和所有邻居边缘节点的参数,如果边缘节点上有任务,计算出Ti l,设置最初调度决策xij=0;
(2)所有边缘节点定期广播资源,定义两次广播间隙时间为t,称为一次决策时隙,对于边缘节点i,定义最小化边缘节点开销的调度决策为而最终的任务调度决策定义为xij(t);
(3)在每个决策时隙中,边缘节点i计算本地开销和卸载开销选择满足和上述4个约束条件的所有边缘节点Gi,如果没有满足上述条件的边缘节点,则令最佳调度策略为0,如果Gi不为空,选择那些能使开销最小化的邻居节点作为卸载节点,此时令最佳调度策略为
(4)对于本次决策时隙t,上一决策时隙的调度策略为xij(t-1),如果在本决策时隙内,边缘节点通过改变调度策略能减小自身开销,则本次更新称为一次更佳策略改变;
(5)为了避免来自不同边缘节点的更新请求信息碰撞问题,设定决策更新消息的时间为tmax,然后每个边缘节点随机生成退避时间t0,它满足[0,tmax]上的均匀分布,当t0时间结束,若边缘节点未收到任何确认消息,它将向邻居边缘节点j发送更新请求消息,邻居边缘节点j收到后会在系统中发送一个确认信息,一旦别的边缘节点侦听到此确认信息,它们在此决策时隙内就不会再竞争改变调度决策,此时邻居边缘节点j将更新它最终的任务调度决策为否则保持上一决策时隙的调度决策;
(6)M个决策时隙之后,系统中没有边缘节点再发出更新调度策略的请求,则整个边缘网关系统的任务调度算法已经完成。
2.根据权利要求1所述的基于边缘网关系统的开销优化任务调度方法,其特征在于:对于时间开销和能量开销在总体开销中的权重和当边缘节点电池能量较低,为了节约能量设置较大的值,在卸载决策选择中将更大的权重放在能量消耗上;而要运行时间延迟敏感性任务,为了减少时间延迟,可以选择较大的值,将更大的权重放在时间消耗上。
3.根据权利要求1所述的基于边缘网关系统的开销优化任务调度方法,其特征在于:所述步骤(4)中,规定每个决策时隙只能有一个边缘节点能够更新调度决策,从而每个决策时隙中所有能通过改变调度策略而减小开销的边缘节点,它们会竞争决策更新机会,在实际场景中它们会向代理节点发出更新请求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910120226.8A CN109905470A (zh) | 2019-02-18 | 2019-02-18 | 一种基于边缘网关系统的开销优化任务调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910120226.8A CN109905470A (zh) | 2019-02-18 | 2019-02-18 | 一种基于边缘网关系统的开销优化任务调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109905470A true CN109905470A (zh) | 2019-06-18 |
Family
ID=66944914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910120226.8A Pending CN109905470A (zh) | 2019-02-18 | 2019-02-18 | 一种基于边缘网关系统的开销优化任务调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109905470A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110572356A (zh) * | 2019-07-24 | 2019-12-13 | 南京智能制造研究院有限公司 | 基于边缘网关数据质量评价的计算能力迁移方法及系统 |
CN110677858A (zh) * | 2019-10-25 | 2020-01-10 | 国家电网有限公司 | 基于物联网任务迁移周期的传输功率与计算资源分配方法 |
CN110856045A (zh) * | 2019-09-30 | 2020-02-28 | 咪咕视讯科技有限公司 | 视频处理方法、电子设备和存储介质 |
CN110851197A (zh) * | 2019-10-10 | 2020-02-28 | 长沙理工大学 | 一种边缘计算多服务器任务选择卸载方法和系统 |
CN111145896A (zh) * | 2020-03-04 | 2020-05-12 | 大连理工大学 | 一种分布式的5g医疗物联网健康监测方法 |
CN111200795A (zh) * | 2020-01-07 | 2020-05-26 | 南京邮电大学 | 一种群体智能的边缘网络控制系统及多任务调度方法 |
CN111262906A (zh) * | 2020-01-08 | 2020-06-09 | 中山大学 | 分布式边缘计算服务系统下的移动用户终端任务卸载方法 |
CN111459505A (zh) * | 2020-05-22 | 2020-07-28 | 南京大学 | 边缘计算环境下多版本推断模型部署方法、装置和系统 |
CN111580943A (zh) * | 2020-04-01 | 2020-08-25 | 浙江大学 | 一种面向低时延边缘计算中多跳卸载的任务调度方法 |
CN111858051A (zh) * | 2020-07-20 | 2020-10-30 | 国网四川省电力公司电力科学研究院 | 一种适合边缘计算环境的实时动态调度方法、系统和介质 |
CN113191654A (zh) * | 2021-05-12 | 2021-07-30 | 余绍祥 | 基于多目标优化的分布式资源调度系统与方法 |
CN113542371A (zh) * | 2021-06-29 | 2021-10-22 | 西南大学 | 基于边缘网关的资源调度方法及系统 |
CN113688992A (zh) * | 2021-10-25 | 2021-11-23 | 中电云数智科技有限公司 | 一种模型优化系统和方法 |
CN114077491A (zh) * | 2020-08-18 | 2022-02-22 | 中国科学院沈阳自动化研究所 | 一种工业智能制造边缘计算任务调度方法 |
CN114205374A (zh) * | 2020-09-17 | 2022-03-18 | 北京邮电大学 | 基于信息时效性的传输和计算联合调度方法、装置及系统 |
CN115190128A (zh) * | 2022-07-11 | 2022-10-14 | 西安电子科技大学广州研究院 | 基于嵌入式边缘网关的算力感知与计算任务分配系统 |
CN116708445A (zh) * | 2023-08-08 | 2023-09-05 | 北京智芯微电子科技有限公司 | 边缘计算任务的分配方法、配电网系统、装置及存储介质 |
CN117539647A (zh) * | 2024-01-09 | 2024-02-09 | 四川华鲲振宇智能科技有限责任公司 | 基于边缘计算网关节点属性的任务调度规划方法和系统 |
CN114077491B (zh) * | 2020-08-18 | 2024-05-24 | 中国科学院沈阳自动化研究所 | 一种工业智能制造边缘计算任务调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920280A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种单用户场景下的移动边缘计算任务卸载方法 |
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 |
CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
CN109298933A (zh) * | 2018-09-03 | 2019-02-01 | 北京邮电大学 | 基于边缘计算网络的无线通信网络设备及系统 |
CN109343942A (zh) * | 2018-09-03 | 2019-02-15 | 北京邮电大学 | 基于边缘计算网络的任务调度方法 |
-
2019
- 2019-02-18 CN CN201910120226.8A patent/CN109905470A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920280A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种单用户场景下的移动边缘计算任务卸载方法 |
CN109298933A (zh) * | 2018-09-03 | 2019-02-01 | 北京邮电大学 | 基于边缘计算网络的无线通信网络设备及系统 |
CN109343942A (zh) * | 2018-09-03 | 2019-02-15 | 北京邮电大学 | 基于边缘计算网络的任务调度方法 |
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 |
CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
Non-Patent Citations (2)
Title |
---|
LI TIANZE等: "An Overhead-Optimizing Task Scheduling Strategy for Ad-hoc Based Mobile Edge Computing", 《 IEEE ACCESS ( VOLUME: 5)》 * |
李添泽: "自组织型无线网络中资源管理关键问题研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110572356B (zh) * | 2019-07-24 | 2021-07-27 | 南京智能制造研究院有限公司 | 基于边缘网关数据质量评价的计算能力迁移方法及系统 |
CN110572356A (zh) * | 2019-07-24 | 2019-12-13 | 南京智能制造研究院有限公司 | 基于边缘网关数据质量评价的计算能力迁移方法及系统 |
CN110856045A (zh) * | 2019-09-30 | 2020-02-28 | 咪咕视讯科技有限公司 | 视频处理方法、电子设备和存储介质 |
CN110856045B (zh) * | 2019-09-30 | 2021-12-07 | 咪咕视讯科技有限公司 | 视频处理方法、电子设备和存储介质 |
CN110851197A (zh) * | 2019-10-10 | 2020-02-28 | 长沙理工大学 | 一种边缘计算多服务器任务选择卸载方法和系统 |
CN110851197B (zh) * | 2019-10-10 | 2022-05-31 | 长沙理工大学 | 一种边缘计算多服务器任务选择卸载方法和系统 |
CN110677858A (zh) * | 2019-10-25 | 2020-01-10 | 国家电网有限公司 | 基于物联网任务迁移周期的传输功率与计算资源分配方法 |
CN110677858B (zh) * | 2019-10-25 | 2022-05-17 | 国家电网有限公司 | 基于物联网任务迁移周期的传输功率与计算资源分配方法 |
CN111200795A (zh) * | 2020-01-07 | 2020-05-26 | 南京邮电大学 | 一种群体智能的边缘网络控制系统及多任务调度方法 |
CN111262906A (zh) * | 2020-01-08 | 2020-06-09 | 中山大学 | 分布式边缘计算服务系统下的移动用户终端任务卸载方法 |
CN111262906B (zh) * | 2020-01-08 | 2021-05-25 | 中山大学 | 分布式边缘计算服务系统下的移动用户终端任务卸载方法 |
CN111145896B (zh) * | 2020-03-04 | 2022-11-18 | 大连理工大学 | 一种分布式的5g医疗物联网健康监测方法 |
CN111145896A (zh) * | 2020-03-04 | 2020-05-12 | 大连理工大学 | 一种分布式的5g医疗物联网健康监测方法 |
CN111580943A (zh) * | 2020-04-01 | 2020-08-25 | 浙江大学 | 一种面向低时延边缘计算中多跳卸载的任务调度方法 |
CN111580943B (zh) * | 2020-04-01 | 2023-03-14 | 浙江大学 | 一种面向低时延边缘计算中多跳卸载的任务调度方法 |
CN111459505B (zh) * | 2020-05-22 | 2021-06-25 | 南京大学 | 边缘计算环境下多版本推断模型部署方法、装置和系统 |
CN111459505A (zh) * | 2020-05-22 | 2020-07-28 | 南京大学 | 边缘计算环境下多版本推断模型部署方法、装置和系统 |
CN111858051B (zh) * | 2020-07-20 | 2023-09-05 | 国网四川省电力公司电力科学研究院 | 一种适合边缘计算环境的实时动态调度方法、系统和介质 |
CN111858051A (zh) * | 2020-07-20 | 2020-10-30 | 国网四川省电力公司电力科学研究院 | 一种适合边缘计算环境的实时动态调度方法、系统和介质 |
CN114077491B (zh) * | 2020-08-18 | 2024-05-24 | 中国科学院沈阳自动化研究所 | 一种工业智能制造边缘计算任务调度方法 |
CN114077491A (zh) * | 2020-08-18 | 2022-02-22 | 中国科学院沈阳自动化研究所 | 一种工业智能制造边缘计算任务调度方法 |
CN114205374A (zh) * | 2020-09-17 | 2022-03-18 | 北京邮电大学 | 基于信息时效性的传输和计算联合调度方法、装置及系统 |
CN113191654A (zh) * | 2021-05-12 | 2021-07-30 | 余绍祥 | 基于多目标优化的分布式资源调度系统与方法 |
CN113542371B (zh) * | 2021-06-29 | 2022-05-17 | 西南大学 | 基于边缘网关的资源调度方法及系统 |
CN113542371A (zh) * | 2021-06-29 | 2021-10-22 | 西南大学 | 基于边缘网关的资源调度方法及系统 |
CN113688992B (zh) * | 2021-10-25 | 2021-12-28 | 中电云数智科技有限公司 | 一种模型优化系统和方法 |
CN113688992A (zh) * | 2021-10-25 | 2021-11-23 | 中电云数智科技有限公司 | 一种模型优化系统和方法 |
CN115190128B (zh) * | 2022-07-11 | 2023-05-30 | 西安电子科技大学广州研究院 | 基于嵌入式边缘网关的算力感知与计算任务分配系统 |
CN115190128A (zh) * | 2022-07-11 | 2022-10-14 | 西安电子科技大学广州研究院 | 基于嵌入式边缘网关的算力感知与计算任务分配系统 |
CN116708445A (zh) * | 2023-08-08 | 2023-09-05 | 北京智芯微电子科技有限公司 | 边缘计算任务的分配方法、配电网系统、装置及存储介质 |
CN116708445B (zh) * | 2023-08-08 | 2024-05-28 | 北京智芯微电子科技有限公司 | 边缘计算任务的分配方法、配电网系统、装置及存储介质 |
CN117539647A (zh) * | 2024-01-09 | 2024-02-09 | 四川华鲲振宇智能科技有限责任公司 | 基于边缘计算网关节点属性的任务调度规划方法和系统 |
CN117539647B (zh) * | 2024-01-09 | 2024-04-12 | 四川华鲲振宇智能科技有限责任公司 | 基于边缘计算网关节点属性的任务调度规划方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109905470A (zh) | 一种基于边缘网关系统的开销优化任务调度方法 | |
Li et al. | A big data enabled load-balancing control for smart manufacturing of Industry 4.0 | |
CN110413392A (zh) | 一种移动边缘计算场景下制定单任务迁移策略的方法 | |
CN110234127B (zh) | 一种基于sdn的雾网络任务卸载方法 | |
CN106936892A (zh) | 一种自组织云多对多计算迁移方法及系统 | |
CN110351754A (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
CN112000388B (zh) | 基于多边缘集群协同的并发任务调度方法及装置 | |
CN113452956B (zh) | 一种输电线路巡检任务智能分配方法及系统 | |
CN113238847B (zh) | 基于分散式网络环境下可分任务的分发和调度方法 | |
CN113810233A (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
CN109768621A (zh) | 电力设备的控制方法、装置、存储介质及电子装置 | |
Li et al. | Throughput maximization by deep reinforcement learning with energy cooperation for renewable ultradense IoT networks | |
CN114638155A (zh) | 一种基于智能机场的无人机任务分配与路径规划方法 | |
Kulatunga et al. | Cooperative in-network computation in energy harvesting device clouds | |
CN108737268A (zh) | 软件定义工业物联网资源调度方法 | |
Nguyen et al. | Reinforcement learning-based deadline and battery-aware offloading in smart farm IoT-UAV networks | |
CN113821346B (zh) | 基于深度强化学习的边缘计算中计算卸载与资源管理方法 | |
Yao et al. | Energy-aware task allocation for mobile IoT by online reinforcement learning | |
CN116170881A (zh) | 一种基于边缘计算的跨域资源分配与卸载方法及系统 | |
CN115134370B (zh) | 一种多无人机辅助的移动边缘计算卸载方法 | |
CN116209084A (zh) | 一种能量收集mec系统中任务卸载和资源分配方法 | |
Do et al. | Actor-critic deep learning for efficient user association and bandwidth allocation in dense mobile networks with green base stations | |
CN113448707A (zh) | 在边缘计算中在线批并行任务调度方法 | |
Leung et al. | Energy Management for Renewable Microgrid Cooperation: Theory and Algorithm | |
CN114792167A (zh) | 基于qla的生产订单全流程质量可视监控方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |