CN109992419A - 一种优化的协同边缘计算低延迟任务分配卸载方法 - Google Patents

Abstract

本发明公开了一种优化的协同边缘计算低延迟任务分配卸载方法，包括步骤：本地服务器接收来自用户设备的任务，将该任务等分为若干个子任务，所述子任务的数量与所述邻居服务器的数量相同，然后计算每个子任务对应于各个所述邻居服务器的传输时延和计算时延，得到总时延，构建每个子任务对应于各个所述邻居服务器的总时延的开销矩阵，求解最优解，得到最优的子任务分配策略，使得完成整个任务的总时延最低；根据确定的子任务分配策略将各个子任务分配到最优的邻居服务器上进行处理，处理结果传输到本地服务器。该方法充分考虑了任务的可分割性和边缘服务器之间的协同作用，总时延得到了有效的降低。

Description

一种优化的协同边缘计算低延迟任务分配卸载方法

技术领域

本发明涉及边缘计算技术领域，具体涉及一种优化的协同边缘计算低延迟任务分配卸载方法。

背景技术

随着互联网和物联网的发展，数据的爆炸式式增长鞭策着数据密集型和延迟敏感型的应用发展，比如说深度学习应用(如人脸识别、物体探测、图像处理等)、增强现实应用、虚拟现实应用。于是，如何在任务分配和处理中有效的降低延迟成为关键问题。

在最近的几年发展中，边缘计算成为一种新的云计算范式，边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。在边缘计算中系统中，计算资源受限的终端将任务卸载(offload)到边缘服务器来提高终端的性能。

现有的边缘计算主要考虑单个边缘服务器如何有效的卸载和处理任务，即用户设备产生一个任务，将任务传输到最近的本地边缘服务器进行处理。但是单个边缘计算服务器的存储容量和计算能力也同样是有限的，当一个边缘服务器没有足够的资源处理任务时，边缘服务器会将任务卸载到云端，让云端进行处理，这样对于一个时间敏感型任务来说，时延可能过大。

于是现有技术开始考虑边缘计算中的协同边缘计算任务分配和处理。协同边缘计算是当本地服务器无法处理任务时，不把任务卸载到云端，而是卸载到相邻的其他服务器进行处理，这样会比卸载到云端的时间开销小，能够更好的降低延迟。但是现有的协同边缘计算并没有考虑任务自身的特性，即可分割性，而是将一个任务完整的卸载到邻居服务器上，这样会增大任务处理的时间开销。

发明内容

针对现有协同边缘计算存在的时延过大的缺陷，本发明的目的是在于提出一种优化的协同边缘计算低延迟任务分配卸载方法，以降低协同边缘计算中任务处理的延迟。

为实现上述目的，本发明采用以下技术方案：

一种优化的协同边缘计算低延迟任务分配卸载方法，包括本地服务器以及与本地服务器通信连接的一跳的若干邻居服务器，该方法包括步骤：

S1、所述本地服务器接收来自用户设备的任务，将该任务等分为若干个子任务，所述子任务的数量与所述邻居服务器的数量相同；

S2、所述本地服务器计算每个子任务到各个所述邻居服务器的传输时延和在对应邻居服务器上的计算时延，得到总时延，构建每个子任务对应于各个所述邻居服务器的总时延的开销矩阵，求解最优解，得到最优的子任务分配策略，使得完成整个任务的总时延最低；

S3、所述本地服务器根据确定的子任务分配策略将各个子任务分配到最优的邻居服务器上进行处理；

S4、所述邻居服务器将处理结果传输到本地服务器。

优选的，采用匈牙利算法求解开销矩阵的最优解。

优选的，设信道为正交信道，传输时延的计算公式为：

其中，M_i为子任务i的数据大小，表示在第t个时间间隔中从子任务i的本地服务器上传输到邻居服务器上的信道能量增益，是传输能量，B是网络带宽，N₀是接收处的噪声功率谱密度，是从子任务i的本地服务器上传输到邻居服务器的传输吞吐量。

本发明一种实施方式的有益效果：

在本发明的一种实施方式中，本地服务器的任务被等分为与一跳的邻居服务器数量相同的若干子任务，对于多个子任务，每个子任务选择哪一个邻居服务器进行任务卸载成为关键问题，为此，根据每个子任务到各个所述邻居服务器的传输时延和在对应邻居服务器上的计算时延，引入匈牙利算法将任务卸载问题转化为任务分配问题，得出对于每一个子任务来说最优的邻居服务器，并且将任务分配给该邻居服务器。这样考虑到了边缘服务器之间的协同作用，相对于将任务直接的卸载到云服务器来说，整体的时延得到了有效的降低，同时将任务的本身的可分割性和服务器的可协同性进行了考虑，达到最近兴起的延迟敏感型任务对于低延迟的标准要求。

附图说明

图1为本发明一种实施方式的方法流程图。

图2为本发明一种实施方式中的通信方法示意图。

图3为本发明一种实施方式中任务分割及分配情况示意图。

图4为本发明以视频流处理为例的实施示意图。

具体实施方式

下面通过附图及具体实施方式对本发明进行详细的说明。

参见图1，本发明一种实施方式的方法流程图，具体地，包括步骤：

(1)本地服务器接收来自用户设备的任务。

(2)本地服务器与各个一跳的邻居服务器进行通信，获取各个一跳服务器的CPU容量、具体位置和通信吞吐量等信息。

(3)本地服务器根据邻居服务器的数量，将接收到的任务进行均等划分，划分之后的子任务数量等于邻居服务器数量。

(4)本地服务器计算每个子任务到各个一跳的邻居服务器的传输时延和在对应邻居服务器上的计算时延，二者相加即为总时延，构建每个子任务对应于各个所述邻居服务器的总时延的开销矩阵。

(5)本地服务器使用匈牙利算法，选择对于每个子任务来说最优的邻居服务器，将各个子任务传输到其最优服务器进行处理。

(6)各个一跳的邻居服务器处理完任务之后，将处理结果传输到本地服务器。

该方法将任务卸载问题转化为任务分配问题，引入匈牙利算法确定对于每一个子任务来说最优的邻居服务器，并且将任务分配给该邻居服务器，充分考虑了任务的可分割性和边缘服务器之间的协同作用，相对于将任务直接的卸载到云服务器来说，整体的时延得到了有效的降低。

图2所示为该方法的通信方法示意图。用户设备产生任务，然后将任务传输到最近的本地服务器上。本地服务器接收来自用户设备产生的任务，将任务等分为多个子任务，并对任务进行处理，然后根据任务的处理结果，卸载子任务到最优的邻居服务器。邻居服务器接收从本地服务器传输的子任务，并对子任务进行处理，处理完成之后传回给本地服务器。

图3所示为任务分割及分配情况示意图。每个子任务的大小为其中M表示为任务的大小，num为邻居服务器的数量。

计算每个子任务到不同的邻居服务器的传输时延，假设信道为正交信道，因此可以忽略在传输过程中其他信号的干扰，传输时延的计算公式为：

其中，M_i为子任务i的数据大小，表示在第t个时间间隔中从子任务i的本地服务器上传输到邻居服务器上的信道能量增益，是传输能量，B是网络带宽，N₀是接收处的噪声功率谱密度，是从子任务i的本地服务器上传输到邻居服务器的传输吞吐量。

计算每个子任务在不同的邻居服务器的计算时延，计算时延的计算公式为：

其中c_i为成功处理任务i需要的CPU周期，f_j表示为服务器的CPU容量。

对于一个子任务和一个邻居服务器来说，其总时延为传输时延和计算时延的总和：

对于每一个子任务，计算其到所有一跳邻居服务器上的传输时延和在对应邻居服务器上的计算时延，并且将其相加得到各个总时延，构建匈牙利算法的开销矩阵。这个开销矩阵是一个num×num二维矩阵，行为每个子任务，列为每个邻居服务器。对于多个子任务，每个子任务选择哪一个邻居服务器进行任务卸载成为关键问题，因此可以使用匈牙利算法对问题求最优解，即确定在邻居服务器上处理子任务时间花费最小的解，以此得到对于所有子任务的最优邻居服务器，从而确定最优的子任务分配策略。

图4所示为一个具体的实例。当一个视频流任务传输到本地服务器上，本地服务器对任务进行分割，将一个任务均等分割为与一跳的邻居服务器相等数量的子任务，然后计算每个子任务在不同的邻居服务器进行处理的延迟，并将其作为匈牙利算法的开销矩阵，然后使用匈牙利算法获得子任务与各个邻居服务器最优的匹配，将子任务分给邻居服务器进行处理。以500kB、600kB、700kB、800kB的视频流处理为例，将本实例的任务处理时间与把任务完整的卸载到邻居服务器上进行处理的方案(即对比例)进行比较，结果如表1所示。可见，本实例的任务处理时间大大缩短。

表1

以上实施例是对本发明的解释，但是，本发明并不局限于上述实施方式中的具体细节，本领域的技术人员在本发明的技术构思范围内进行的多种等同替代或简单变型方式，均应属于本发明的保护范围。

Claims (3)

1.一种优化的协同边缘计算低延迟任务分配卸载方法，其特征在于，包括本地服务器以及与本地服务器通信连接的一跳的若干邻居服务器，该方法包括步骤：

S1、所述本地服务器接收来自用户设备的任务，将该任务等分为若干个子任务，所述子任务的数量与所述邻居服务器的数量相同；

S2、所述本地服务器计算每个子任务到各个所述邻居服务器的传输时延和在对应邻居服务器上的计算时延，得到总时延，构建每个子任务对应于各个所述邻居服务器的总时延的开销矩阵，求解最优解，得到最优的子任务分配策略，使得完成整个任务的总时延最低；

S3、所述本地服务器根据确定的子任务分配策略将各个子任务分配到最优的邻居服务器上进行处理；

S4、所述邻居服务器将处理结果传输到本地服务器。

2.根据权利要求1所述的一种优化的协同边缘计算低延迟任务分配卸载方法，其特征在于，采用匈牙利算法求解开销矩阵的最优解。

3.根据权利要求1所述的一种优化的协同边缘计算低延迟任务分配卸载方法，其特征在于，设信道为正交信道，传输时延的计算公式为：

其中，M_i为子任务i的数据大小，表示在第t个时间间隔中从子任务i的本地服务器上传输到邻居服务器上的信道能量增益，是传输能量，B是网络带宽，N₀是接收处的噪声功率谱密度，是从子任务i的本地服务器上传输到邻居服务器的传输吞吐量。