CN110032437A - 一种基于信息时效性的计算任务处理方法及装置 - Google Patents

一种基于信息时效性的计算任务处理方法及装置 Download PDF

Info

Publication number
CN110032437A
CN110032437A CN201910290605.1A CN201910290605A CN110032437A CN 110032437 A CN110032437 A CN 110032437A CN 201910290605 A CN201910290605 A CN 201910290605A CN 110032437 A CN110032437 A CN 110032437A
Authority
CN
China
Prior art keywords
task
time slot
monitoring device
indicate
processing
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.)
Granted
Application number
CN201910290605.1A
Other languages
English (en)
Other versions
CN110032437B (zh
Inventor
秦晓琦
宋贤鑫
张治�
张平
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201910290605.1A priority Critical patent/CN110032437B/zh
Publication of CN110032437A publication Critical patent/CN110032437A/zh
Application granted granted Critical
Publication of CN110032437B publication Critical patent/CN110032437B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • 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
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明实施例提供了一种基于信息时效性的计算任务处理方法及装置，方法应用于任务处理系统中的边缘服务器，方法包括：确定当前时隙监控设备运行每种应用产生的待处理任务的任务信息，任务信息包括任务的生成时隙以及待处理的数据量；基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对监控设备的能耗的第三约束方程、以及针对应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程；基于最小期望任务年龄的优化方程，确定针对待处理任务的处理决策。能够在满足监控设备能耗约束的前提下，选择合适的任务进行处理，从而最小化各个应用的任务年龄，提高了处理任务的时效性。

Description

一种基于信息时效性的计算任务处理方法及装置
技术领域
本发明涉及无线通信技术领域，特别是涉及一种基于信息时效性的计算任务处理方法及装置。
背景技术
随着移动互联网和物联网的融合，无线通信中出现了众多的实时监控和控制应用，例如车载网络，工业控制，实时识别等。
在这些实时监控和控制应用中，设备需要针对周围环境的状态更新进行计算处理，从而获取状态更新带来的有效信息。例如，对于无人车来说，需要实时获取前方路段的状态并做出实时决策，具体的，无人车可以通过摄像装置拍摄路段，并对所拍图像进行计算处理，从而作出实时决策。
然而，设备的电池容量和计算能力有限，这限制了实时决策的性能。为了解决这个问题，人们提出边缘计算技术。
在边缘计算技术中，新添加了边缘服务器，边缘服务器的计算能力较强，当设备获取到待处理的图像、视频数据后，生成待处理的任务，并将部分任务发送至边缘服务器进行处理，随后接收边缘服务器的处理结果，从而减少了设备处理任务的能量消耗，以及任务的计算时间。
除了计算复杂度较高之外，新兴的实时监控和控制应用的另一个关键点在于实时的环境感知。即设备生成的任务需要及时处理，而设备在每个时隙仅能处理一个任务，导致其他任务处于等待状态，因此，如何确定当前应当处理的任务，以及需要发送至边缘服务器进行处理的数据量，都会影响整个系统的时效性。现有的方案中，对实时监控生成的待处理任务进行处理的时效性不高。
发明内容
本发明实施例的目的在于提供一种基于信息时效性的计算任务处理方法及装置，以实现提高任务处理的时效性。具体技术方案如下：
为了解决上述技术问题，本发明实施例提供了一种基于信息时效性的计算任务处理方法，应用于任务处理系统中的边缘服务器，任务处理系统包括边缘服务器和监控设备，所述监控设备中运行有多种应用，所述方法包括：
确定当前时隙所述监控设备运行每种应用产生的待处理任务的任务信息，所述任务信息包括任务的生成时隙以及待处理的数据量；
基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对所述监控设备的能耗的第三约束方程、以及针对所述应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程；所述任务年龄为每个应用中最早产生的待处理的任务的生成时隙与当前时隙的时隙差值；
基于所述最小期望任务年龄的优化方程，确定针对所述待处理任务的处理决策，所述处理决策包括：在每个时隙选择处理的任务以及每个时隙在所述监控设备中处理的第一数据量和卸载到所述边缘服务器处理的第二数据量。
可选的，所述针对任务调度的第一约束方程为：
其中，N表示所述监控设备中运行的应用的总数，表示应用的集合，Kn表示应用n产生的任务的总数，表示应用n产生的任务的集合，表示应用n产生的除最后一个任务之外的任务的集合，k表示任务的标号，unk(t)表示在时隙t是否选择处理应用n中的任务k，是则unk(t)＝1，否则unk(t)＝0，Lnk表示应用n中任务k的待处理的数据量，Lnk(t)表示应用n中任务k在时隙t剩余的待处理的数据量。
可选的，所述针对任务卸载的第二约束方程为：
其中，Dloc(t)表示时隙t内在所述监控设备进行处理的数据量，Doff(t)表示时隙t内卸载到所述边缘服务器进行处理的数据量。
可选的，所述针对所述监控设备的能耗的第三约束方程为：
Eloc(t)＝EcycωDloc(t)＝γf2(t)ωDloc(t)＝α(Dloc(t))3；
其中，Eloc(t)表示时隙t内所述监控设备本地处理数据的能耗，Ecyc表示每个CPU周期的能耗，ω表示在所述监控设备中处理单位数据所需的CPU周期数，γ表示第一预设常数，f(t)表示所述监控设备在时隙t的CPU频率，α表示第二预设常数，Eoff(t)表示所述监控设备将部分待处理任务卸载至所述边缘服务器的能耗，Poff(t)表示所述监控设备在时隙t的信号发射功率，τ表示每个时隙的时长，λ0表示第一预设能量系数，h(t)表示在时隙t所述监控设备与所述边缘服务器之间的信道增益，m表示第三预设常数，λ表示第二预设能量系数，T表示处理任务所需的总时隙数，Emax表示预设的能耗阈值。
可选的，所述针对所述应用的任务年龄的第四约束方程为：
其中，τn,k表示应用n中任务k的生成时隙，τ′n,k表示应用n中任务k处理完成的时隙，Δnk表示应用n中任务k+1和任务k的生成时隙的间隔，τ0表示当前时隙，An表示应用n在不同时隙的任务年龄的总和。
可选的，在所述基于所述最小期望任务年龄的优化方程，确定任务处理决策之后，还包括：
将所述任务处理决策发送至所述监控设备，以使所述监控设备按照所述任务处理决策确定在每个时隙处理的目标任务，并在每个时隙处理所述目标任务中包含的所述第一数据量的任务，将所述目标任务中包含的所述第二数据量的任务卸载到所述边缘服务器。
可选的，所述方法还包括：
接收所述监控设备发送的更新后的任务信息；
将所述更新后的任务信息确定为当前时隙的任务信息，并返回执行基于所述最小期望任务年龄的优化方程，确定任务处理决策的步骤。
为了解决上述技术问题，本发明实施例还提供了一种基于信息时效性的计算任务处理装置，应用于任务处理系统中的边缘服务器，所述任务处理系统包括边缘服务器和监控设备，所述监控设备中运行有多种应用，所述装置包括：
第一确定模块，用于确定当前时隙所述监控设备运行每种应用产生的待处理任务的任务信息，所述任务信息包括任务的生成时隙以及待处理的数据量；
第二确定模块，用于基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对所述监控设备的能耗的第三约束方程、以及针对所述应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程；所述任务年龄为每个应用中最早产生的待处理的任务的生成时隙与当前时隙的时隙差值；
第三确定模块，用于基于所述最小期望任务年龄的优化方程，确定针对所述待处理任务的处理决策，所述处理决策包括：在每个时隙选择处理的任务以及每个时隙在所述监控设备中处理的第一数据量和卸载到所述边缘服务器处理的第二数据量。
可选的，所述针对任务调度的第一约束方程为：
其中，N表示所述监控设备中运行的应用的总数，表示应用的集合，Kn表示应用n产生的任务的总数，表示应用n产生的任务的集合，表示应用n产生的除最后一个任务之外的任务的集合，k表示任务的标号，unk(t)表示在时隙t是否选择处理应用n中的任务k，是则unk(t)＝1，否则unk(t)＝0，Lnk表示应用n中任务k的待处理的数据量，Lnk(t)表示应用n中任务k在时隙t剩余的待处理的数据量；
可选的，所述针对任务卸载的第二约束方程为：
其中，Dloc(t)表示时隙t内在所述监控设备进行处理的数据量，Doff(t)表示时隙t内卸载到所述边缘服务器进行处理的数据量；
可选的，所述针对所述监控设备的能耗的第三约束方程为：
Eloc(t)＝EcycωDloc(t)＝γf2(t)ωDloc(t)＝α(Dloc(t))3；
其中，Eloc(t)表示时隙t内所述监控设备本地处理数据的能耗，Ecyc表示每个CPU周期的能耗，ω表示在所述监控设备中处理单位数据所需的CPU周期数，γ表示第一预设常数，f(t)表示所述监控设备在时隙t的CPU频率，α表示第二预设常数，Eoff(t)表示所述监控设备将部分待处理任务卸载至所述边缘服务器的能耗，Poff(t)表示所述监控设备在时隙t的信号发射功率，τ表示每个时隙的时长，λ0表示第一预设能量系数，h(t)表示在时隙t所述监控设备与所述边缘服务器之间的信道增益，m表示第三预设常数，λ表示第二预设能量系数，T表示处理任务所需的总时隙数，Emax表示预设的能耗阈值；
可选的，所述针对所述应用的任务年龄的第四约束方程为：
其中，τn,k表示应用n中任务k的生成时隙，τ′n,k表示应用n中任务k处理完成的时隙，Δnk表示应用n中任务k+1和任务k的生成时隙的间隔，τ0表示当前时隙，An表示应用n在不同时隙的任务年龄的总和。
可选的，所述装置还包括下发模块，
所述下发模块，用于将所述任务处理决策发送至所述监控设备，以使所述监控设备按照所述任务处理决策确定在每个时隙处理的目标任务，并在每个时隙处理所述目标任务中包含的所述第一数据量的任务，将所述目标任务中包含的所述第二数据量的任务卸载到所述边缘服务器。
可选的，所述装置还包括接收模块，
所述接收模块，用于接收监控设备发送的更新后的任务信息，将所述更新后的任务信息确定为当前时隙的任务信息，并触发第三确定模块。
为了解决上述技术问题，本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一方法步骤。
为了解决上述技术问题，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法步骤。
可见，应用本发明实施例提供的基于信息时效性的计算任务处理方法及装置，能够确定当前时隙监控设备运行每种应用产生的待处理任务的任务信息，基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对监控设备的能耗的第三约束方程、以及针对应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程，并基于最小期望任务年龄的优化方程，确定针对待处理任务的处理决策，处理决策包括：在每个时隙选择处理的任务以及每个时隙在监控设备中处理的第一数据量和卸载到边缘服务器处理的第二数据量。可见，本发明采用任务年龄的概念来评估计算任务的时间价值，并设计了最小化任务年龄的优化方程，在满足监控设备能耗约束的前提下，选择合适的任务进行处理，从而最小化各个应用的任务年龄，提高了处理任务的时效性。
当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于信息时效性的计算任务处理方法的一种流程图；
图2为本发明实施例提供的任务处理系统的一种示意图；
图3为本发明实施例提供的任务年龄的一种示意图；
图4为本发明实施例提供的基于信息时效性的计算任务处理装置的一种结构示意图；
图5为本发明实施例提供的电子设备的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有的对实时监控生成的待处理任务进行处理的时效性不高的技术问题，本发明实施例提供了一种基于信息时效性的计算任务处理方法，参见图1，图1为本发明实施例提供的基于信息时效性的计算任务处理方法的一种流程图，该方法应用于任务处理系统中的边缘服务器，其中，任务处理系统包括边缘服务器和监控设备，监控设备中运行有多种应用，方法包括以下步骤：
S101：确定当前时隙所述监控设备运行每种应用产生的待处理任务的任务信息，所述任务信息包括任务的生成时隙以及待处理的数据量。
为了便于理解，下面先对本发明的应用场景进行说明。
本发明实施例中，监控设备通过运行多种应用实现对周边环境的监控，运行每种应用期间都可以基于采集到的周边环境的信息生成待处理任务，由于监控设备计算能力有限，因此需要将部分待处理任务发送至边缘服务器进行处理。
举例来讲，本发明实施例提供的计算任务处理方法可以应用于车辆自动驾驶场景，在此场景中，监控设备可以是无人驾驶的车辆，车辆中运行有图片采集应用，用于采集车辆周边的信号灯、行车线等信息，车辆中还运行有速度传感应用，用于检测自身速度，车辆中还运行有温度传感应用，用于检测发动机温度。车辆在运行这些应用期间，可以生成待处理任务，例如图片处理任务等。车辆将部分待处理任务发送给边缘服务器，边缘服务器进行处理并将处理结果返回车辆，车辆即可根据处理结果做出正确的决策。
现结合图2进行说明，图2为本发明实施例提供的任务处理系统的一种示意图，参见图2，任务处理系统包括监控设备201，和边缘服务器202。监控设备301中运行有多个应用，每个应用产生多个任务。边缘服务器202可以根据各个任务的任务信息，确定任务处理的决策，包括任务调度和任务卸载计算。其中，任务调度是指在每个时隙应该选择处理的任务，任务卸载计算是指计算出监控设备201在本地处理的数据量和需要卸载到边缘服务器202处理的数据量。监控设备201根据任务处理决策选择目标任务进行处理，并将目标任务的部分数据量卸载至边缘服务器202处理。边缘服务器202进行任务调度和任务卸载计算的具体过程可以参见S102-S103。
本发明实施例对监控设备的类型不做限定，只要是能够监测周边环境的状态信息的电子设备，均可以作为监控设备。
本发明实施例中，为了便于理解，考虑一个时隙系统，监控设备在不同时隙运行应用，可以生成不同的待处理任务。设表示监控设备中运行的应用的集合，其中N表示应用的总数，表示应用n产生的任务集合，其中Kn表示应用n产生的任务总数。
监控设备运行各个应用生成待处理的任务，并可以将待处理的任务的信息发送至边缘服务器，任务的信息包括该任务生成的时隙，以及该任务中待处理的数据量。
S102：基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对所述监控设备的能耗的第三约束方程、以及针对所述应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程；所述任务年龄为每个应用中最早产生的待处理的任务的生成时隙与当前时隙的时隙差值；
本发明实施例中，边缘服务器在进行任务调度和任务卸载计算过程中，需要考虑针对任务调度的约束条件、针对任务卸载的约束条件、针对监控设备能耗的约束条件以及针对任务年龄的约束条件，边缘服务器可以基于这些约束条件，确定最小期望任务年龄的优化方程，并根据方程进行计算。下面对上述约束条件分别介绍。
一、针对任务调度的约束条件。
本发明一种实施例中，可以用unk(t)表示在时隙t是否选择处理应用n中的任务k，若unk(t)＝1，则表示在时隙t选择处理应用n中的任务k；若unk(t)＝0，则表示在时隙t未选择处理应用n中的任务k。由于在每个时隙中，仅能选择一个任务进行处理，在该时隙中，其他任务均处于等待处理的状态。因此可以得到：
本发明实施例中，对于某个应用n产生的任务来讲，需要遵循先来先服务的规则。例如，只有处理完应用n的第k个任务，才能处理应用n的第k+1个任务。令Lnk表示应用n中任务k的待处理的数据量，Lnk(t)表示应用n中任务k在时隙t剩余的待处理的数据量，表示应用n产生的除最后一个任务之外的任务的集合。由于应用n的任务k处理完成后，Lnk(t)＝0，否则Lnk(t)>0，因此可以得到：
本发明实施例中，如果在某个时隙选择处理任务k，则需要为任务k分配连续的时隙来进行处理，直到任务k处理完成，才能重新选择新任务。由于在任务k正在处理时，0<Lnk(t)/Lnk<1，否则Lnk(t)/Lnk＝1或Lnk(t)/Lnk＝0，因此可以得到：
综上，针对任务调度的第一约束方程可以表示为：
二、针对任务卸载的约束条件。
本发明实施例中，边缘服务器进行针对任务卸载的计算，是为了确定在每个时隙中，在监控设备本地处理的数据量，以及需要监控设备卸载至边缘服务器进行处理的数据量。
可以令Dloc(t)表示在时隙t，监控设备在本地处理的数据量，Doff(t)表示在时隙t，监控设备卸载至边缘服务器进行处理的数据量。由于在时隙t处理的总数据量不超过所选任务的剩余待处理的数据量，因此可以得到：
此外，在下一个时隙的初始时刻，任务剩余的待处理数据量满足下式：
综上，针对任务卸载的第二约束方程可以表示为：
三、针对监控设备的能耗的约束条件。
本发明实施例中，由于监控设备通常为移动的电子设备，用电池或电机供电，因此，需要在进行任务调度以及卸载计算时，还需要考虑监控设备的能耗。
具体的，监控设备的能耗主要来自两个方面。第一：监控设备在本地对任务的待处理数据进行计算的能耗；第二：监控设备将待处理任务的部分数据量发送至边缘服务器的能耗。
在本发明的一种实施例中，可以用Eloc(t)表示时隙t内所述监控设备本地处理数据的能耗，Eoff(t)表示所述监控设备将部分待处理任务卸载至所述边缘服务器的能耗。
监控设备本地处理数据的能耗主要是由于CPU运行产生的。令ω表示在监控设备中计算一比特数据所需的CPU周期数，令f(t)表示监控设备在时隙t的CPU频率，设CPU以恒定的频率运行，则可以得到：
其中，τ表示每个时隙的时长。
由于每个CPU周期的能耗与CPU频率的平方成正比，因此每个CPU周期的能耗可以表示为：Ecyc＝γf2(t)，其中，Ecyc表示每个CPU周期的能耗，γ表示第一预设常数，第一预设常数的值是与芯片架构有关的。结合上式，可以得到：
Eloc(t)＝EcycωDloc(t)＝γf2(t)ωDloc(t)＝α(Dloc(t))3 (6)
其中，α＝γω3/τ2。α表示第二预设常数，对于特定的监控设备，其值也为固定的。
对于监控设备将待处理任务的部分数据量发送至边缘服务器的能耗，可以采用下式进行计算：
其中，Eoff(t)表示所述监控设备在时隙t将部分待处理任务卸载至所述边缘服务器的能耗，Poff(t)表示所述监控设备在时隙t的信号发射功率，τ表示每个时隙的时长，λ0表示第一预设能量系数，h(t)表示在时隙t所述监控设备与所述边缘服务器之间的信道增益，m表示第三预设常数，λ表示第二预设能量系数，
其中，λ0的值是与信道噪声和带宽相关的，m是由调制和编码方案确定的幂指数，通常其取值范围是2≤m≤5，第二预设能量系数λ＝λ0/τm-1。
在本发明一种实施例中，设定监控设备的能耗阈值为Emax，则可以得到：
其中，T表示处理任务所需的总时隙数。
综上，针对监控设备的能耗的第三约束方程可以表示为：
Eloc(t)＝EcycωDloc(t)＝γf2(t)ωDloc(t)＝α(Dloc(t))3 (6)
四、针对应用的任务年龄的约束条件。
本发明实施例中，边缘服务器在进行任务调度以及卸载计算时，还需要考虑应用的任务年龄。
其中，应用的任务年龄表示每个应用中最早产生的待处理的任务的生成时隙与当前时隙的时隙差值。举例来讲，对于应用n，其在50个时隙之前产生了待处理任务k1，在30个时隙之前产生了待处理任务k2，在10个时隙之前产生了待处理任务k3，由于最早产生的待处理的任务为k1，且任务k1的生成时隙与当前时隙的时隙差值为50，则当前时隙下，应用n的任务年龄即为50个时隙。
本发明实施例中，对于每个待处理的任务，若在当前时隙没有被处理，则该任务的产生时隙与当前时隙的时隙差值会增加1；对于当前时隙正在被处理的任务，若该任务被处理完成，则该任务对应的应用的任务年龄会相应减少。结合上述例子进行说明，若应用n的任务k1被处理完成，则应用n的任务年龄即变为待处理任务k2的生成时隙与当前时隙的时隙差值。
为了便于理解，可以参见图3，图3为本发明实施例提供的任务年龄的一种示意图。
如图3所示，设τ0表示任务调度的初始时隙，an0表示应用程序n的初始年龄，设应用n中的任务k在τn,k生成，并在τ′n,k完成。应用n的初始的任务年龄是任务调度的初始时隙与第一个任务的生成时隙之间的时隙差值，即an0＝τ0-τn1。令an(t)表示应用程序n在时隙t的瞬时任务年龄，则an(t)可以按照如下关系式进行计算：
令An表示应用n在各个时隙的瞬时任务年龄的总和，则可以得到：
图3中以3个任务为例进行说明，结合图3可知，An的数值等于规则区域Qn1，Qn2以及不规则区域的面积总和，则推广到Kn个任务，可以得到：
令Δnk表示应用n中任务k+1和k的生成时隙的间隔，可以得到：
其中，求解不规则区域面积时，可以将其分解为多个矩形，分别求解各个矩形的面积并相加，由此可以得到：
因此，应用n在各个时隙的瞬时任务年龄的总和可以通过如下公式计算：
综上，针对应用的任务年龄的第四约束方程可以表示为：
本发明实施例中，边缘服务器可以基于上述针对任务调度的第一约束方程，针对任务卸载的第二约束方程、针对监控设备的能耗的第三约束方程、以及针对应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程。
在本发明的一种实施例中，最小期望任务年龄的优化方程可以表示为：
约束条件：
S103：基于所述最小期望任务年龄的优化方程，确定针对所述待处理任务的处理决策，所述处理决策包括：在每个时隙选择处理的任务以及每个时隙在所述监控设备中处理的第一数据量和卸载到所述边缘服务器处理的第二数据量。
本发明实施例中，边缘服务器可以基于最小期望任务年龄的优化方程，确定在后续的每个时隙选择处理的任务，即确定un,k(t)，并确定在后续的每个时隙中在监控设备中处理的第一数据量Dloc(t)和卸载到边缘服务器处理的第二数据量Doff(t)。
在本发明的一种实施例中，为了求解上述问题，可以采用分段线性逼近的方法，将问题转换为整数线性规划问题。具体的，可以采用商业数学规划问题求解器进行求解，例如采用大规模数学规划优化器Gurobi求解。
可见，应用本发明实施例提供的基于信息时效性的计算任务处理方法，能够确定当前时隙监控设备运行每种应用产生的待处理任务的任务信息，基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对监控设备的能耗的第三约束方程、以及针对应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程，并基于最小期望任务年龄的优化方程，确定针对待处理任务的处理决策，处理决策包括：在每个时隙选择处理的任务以及每个时隙在监控设备中处理的第一数据量和卸载到边缘服务器处理的第二数据量。可见，本发明采用任务年龄的概念来评估计算任务的时间价值，并设计了最小化任务年龄的优化方程，在满足监控设备能耗约束的前提下，选择合适的任务进行处理，从而最小化各个应用的任务年龄，提高了处理任务的时效性。
在本发明的一种实施例中，边缘服务器在确定任务处理决策之后，可以将任务处理决策发送至监控设备。监控设备可以基于任务处理决策对各个任务进行处理。具体的，监控设备可以按照任务处理决策确定在后续每个时隙选择处理的目标任务，并在处理目标任务时，将第一数据量的任务留在本地处理，将第二数据量的任务发送至边缘服务器进行处理。
在本发明的一种实施例中，若监控设备运行各个应用期间，又生成了新的任务，则监控设备可以更新任务信息，并将更新后的任务信息发送至边缘服务器。
边缘服务器接收更新后的任务信息，并基于更新后的任务信息重新进行任务处理决策。具体的，边缘服务器可以将更新后的任务信息确定为当前时隙的任务信息，并返回执行基于最小期望任务年龄的优化方程，确定任务处理决策的步骤。从而边缘服务器能够根据更新后的任务信息确定更新的任务处理决策。
下面对边缘服务器基于最小期望任务年龄的优化方程进行任务调度和任务卸载计算的过程进行介绍。
对于任务调度，若边缘服务器选择应用n中的任务进行处理，则所有应用的任务年龄总和的变化由两部分组成：1)完成该任务后应用n的任务年龄的减少量；2)等待处理该任务过程导致的其他应用的任务年龄的增长量。令δn表示完成应用n中任务后所有应用的任务年龄的总和的变化量，令表示完成应用n中任务后应用n的任务年龄的减少量，令表示等待处理该任务过程导致的其他应用的任务年龄的增长量，则可以得到
容易理解的，对于应用n产生的除最后一个任务之外的任务的集合，对于应用n产生的最后一个任务，当该任务完成后，应用n的任务年龄变为0。令N′表示包含未处理任务的应用数目，令snk表示处理应用n中任务k所需的时隙数，则等待处理应用n中任务k所导致的其他应用的任务年龄的增量可以表示为：snkN′。
在本发明实施例中，监控设备可以确定令取最大值的应用n和任务k，进而选取应用n的任务k进行处理。
对于任务卸载的计算，边缘服务器的目标是确定在监控设备本地计算的最佳数据量以及任务卸载的最佳数据量，使得在满足能量约束条件下能够最小化任务的处理时间。
在本发明的一种实施例中，针对每个任务，可以预先为其分配一定的能量，该能量需满足处理该任务的所有能耗，即本地计算的能耗以及将部分数据卸载到边缘服务器的能耗。
设Enk表示分配给应用n中任务k的初始能量，每个任务分配的初始能量与任务中待处理数据量的立方成正比，由此可以得到：
其中，Emax表示预设的分配给所有任务的能量总上限。
令表示应用n中任务k开始被处理的时间，则计算任务卸载的问题可以表示为：
为了求解上述问题，现设时隙t中需要处理的数据大小为D(t)，则单个时隙的能量消耗可以表示为：
设幂指数系数m＝3，可以利用拉格朗日算法得到：
进而可以确定时隙t中处理D(t)大小的数据的最小能耗为：
本发明实施例中，边缘服务器可以采用可行性测试的方法，寻找在能量约束条件下处理任务所需的最小时隙数。具体的，可以将任务完成时间预先设定为固定的时隙数，并基于此计算实际的能耗E′nk，若实际的能耗大于预设的能耗阈值，则为该任务增加时隙，直到实际的能耗满足预设的能耗约束。并计算各个时隙应当处理的数据量。
其中，在计算各个时隙应当处理的数据量时，不同时隙要处理的数据量与该时隙的信道状态有关，具体可以表示为下式：
从而边缘服务器可以得到各个时隙应处理的数据量，再根据上述式子(11)、(12)计算出各个时隙留在监控设备本地处理的数据量Dloc(t)，以及卸载到边缘服务器处理的数据量Doff(t)。
相应于本发明实施例提供的基于信息时效性的计算任务处理方法，本发明实施例还提供了一种基于信息时效性的计算任务处理装置，应用于任务处理系统中的边缘服务器，所述任务处理系统包括边缘服务器和监控设备，所述监控设备中运行有多种应用，参见图4，图4为本发明实施例提供的基于信息时效性的计算任务处理装置的一种结构示意图，装置包括：
第一确定模块401，用于确定当前时隙所述监控设备运行每种应用产生的待处理任务的任务信息，任务信息包括任务的生成时隙以及待处理的数据量；
第二确定模块402，用于基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对所述监控设备的能耗的第三约束方程、以及针对所述应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程；所述任务年龄为每个应用中最早产生的待处理的任务的生成时隙与当前时隙的时隙差值；
第三确定模块403，用于基于所述最小期望任务年龄的优化方程，确定针对所述待处理任务的处理决策，所述处理决策包括：在每个时隙选择处理的任务以及每个时隙在所述监控设备中处理的第一数据量和卸载到所述边缘服务器处理的第二数据量。
在本发明的一种实施例中，所述针对任务调度的第一约束方程为：
其中，N表示所述监控设备中运行的应用的总数，表示应用的集合，Kn表示应用n产生的任务的总数，表示应用n产生的任务的集合，表示应用n产生的除最后一个任务之外的任务的集合，k表示任务的标号，unk(t)表示在时隙t是否选择处理应用n中的任务k，是则unk(t)＝1，否则unk(t)＝0，Lnk表示应用n中任务k的待处理的数据量，Lnk(t)表示应用n中任务k在时隙t剩余的待处理的数据量；
在本发明的一种实施例中，所述针对任务卸载的第二约束方程为：
其中，Dloc(t)表示时隙t内在所述监控设备进行处理的数据量，Doff(t)表示时隙t内卸载到所述边缘服务器进行处理的数据量；
在本发明的一种实施例中，所述针对所述监控设备的能耗的第三约束方程为：
Eloc(t)＝EcycωDloc(t)＝γf2(t)ωDloc(t)＝α(Dloc(t))3；
其中，Eloc(t)表示时隙t内所述监控设备本地处理数据的能耗，Ecyc表示每个CPU周期的能耗，ω表示在所述监控设备中处理单位数据所需的CPU周期数，γ表示第一预设常数，f(t)表示所述监控设备在时隙t的CPU频率，α表示第二预设常数，Eoff(t)表示所述监控设备将部分待处理任务卸载至所述边缘服务器的能耗，Poff(t)表示所述监控设备在时隙t的信号发射功率，τ表示每个时隙的时长，λ0表示第一预设能量系数，h(t)表示在时隙t所述监控设备与所述边缘服务器之间的信道增益，m表示第三预设常数，λ表示第二预设能量系数，T表示处理任务所需的总时隙数，Emax表示预设的能耗阈值；
在本发明的一种实施例中，所述针对所述应用的任务年龄的第四约束方程为：
其中，τn,k表示应用n中任务k的生成时隙，τ′n,k表示应用n中任务k处理完成的时隙，Δnk表示应用n中任务k+1和任务k的生成时隙的间隔，τ0表示当前时隙，An表示应用n在不同时隙的任务年龄的总和。
在本发明的一种实施例中，在图4所示装置基础上，还可以包括下发模块，下发模块用于将任务处理决策发送至监控设备，以使所述监控设备按照所述任务处理决策确定在每个时隙处理的目标任务，并在每个时隙处理所述目标任务中包含的所述第一数据量的任务，将所述目标任务中包含的所述第二数据量的任务卸载到所述边缘服务器。
在本发明的一种实施例中，在图4所示装置基础上，还可以包括接收模块，接收模块，用于接收监控设备发送的更新后的任务信息，将所述更新后的任务信息确定为当前时隙的任务信息，并触发第三确定模块。
可见，应用本发明实施例提供的基于信息时效性的计算任务处理装置，能够确定当前时隙监控设备运行每种应用产生的待处理任务的任务信息，基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对监控设备的能耗的第三约束方程、以及针对应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程，并基于最小期望任务年龄的优化方程，确定针对待处理任务的处理决策，处理决策包括：在每个时隙选择处理的任务以及每个时隙在监控设备中处理的第一数据量和卸载到边缘服务器处理的第二数据量。可见，本发明采用任务年龄的概念来评估计算任务的时间价值，并设计了最小化任务年龄的优化方程，在满足监控设备能耗约束的前提下，选择合适的任务进行处理，从而最小化各个应用的任务年龄，提高了处理任务的时效性。
本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
存储器503，用于存放计算机程序；
处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：
确定当前时隙所述监控设备运行每种应用产生的待处理任务的任务信息，所述任务信息包括任务的生成时隙以及待处理的数据量；
基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对所述监控设备的能耗的第三约束方程、以及针对所述应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程；所述任务年龄为每个应用中最早产生的待处理的任务的生成时隙与当前时隙的时隙差值；
基于所述最小期望任务年龄的优化方程，确定针对所述待处理任务的处理决策，所述处理决策包括：在每个时隙选择处理的任务以及每个时隙在所述监控设备中处理的第一数据量和卸载到所述边缘服务器处理的第二数据量。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
基于相同的发明构思，根据上述基于信息时效性的计算任务处理方法实施例，在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述图1-3所示的任一基于信息时效性的计算任务处理方法步骤。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种基于信息时效性的计算任务处理方法，其特征在于，应用于任务处理系统中的边缘服务器，所述任务处理系统包括边缘服务器和监控设备，所述监控设备中运行有多种应用，所述方法包括：
确定当前时隙所述监控设备运行每种应用产生的待处理任务的任务信息，所述任务信息包括任务的生成时隙以及待处理的数据量；
基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对所述监控设备的能耗的第三约束方程、以及针对所述应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程；所述任务年龄为每个应用中最早产生的待处理的任务的生成时隙与当前时隙的时隙差值；
基于所述最小期望任务年龄的优化方程，确定针对所述待处理任务的处理决策，所述处理决策包括：在每个时隙选择处理的任务以及每个时隙在所述监控设备中处理的第一数据量和卸载到所述边缘服务器处理的第二数据量。
2.根据权利要求1所述的方法，其特征在于，所述针对任务调度的第一约束方程为：
其中，N表示所述监控设备中运行的应用的总数，表示应用的集合，Kn表示应用n产生的任务的总数，表示应用n产生的任务的集合，表示应用n产生的除最后一个任务之外的任务的集合，k表示任务的标号，unk(t)表示在时隙t是否选择处理应用n中的任务k，是则unk(t)＝1，否则unk(t)＝0，Lnk表示应用n中任务k的待处理的数据量，Lnk(t)表示应用n中任务k在时隙t剩余的待处理的数据量。
3.根据权利要求2所述的方法，其特征在于，所述针对任务卸载的第二约束方程为：
其中，Dloc(t)表示时隙t内在所述监控设备进行处理的数据量，Doff(t)表示时隙t内卸载到所述边缘服务器进行处理的数据量。
4.根据权利要求3所述的方法，其特征在于，所述针对所述监控设备的能耗的第三约束方程为：
Eloc(t)＝EcycωDloc(t)＝γf2(t)ωDloc(t)＝α(Dloc(t))3；
其中，Eloc(t)表示时隙t内所述监控设备本地处理数据的能耗，Ecyc表示每个CPU周期的能耗，ω表示在所述监控设备中处理单位数据所需的CPU周期数，γ表示第一预设常数，f(t)表示所述监控设备在时隙t的CPU频率，α表示第二预设常数，Eoff(t)表示所述监控设备将部分待处理任务卸载至所述边缘服务器的能耗，Poff(t)表示所述监控设备在时隙t的信号发射功率，τ表示每个时隙的时长，λ0表示第一预设能量系数，h(t)表示在时隙t所述监控设备与所述边缘服务器之间的信道增益，m表示第三预设常数，λ表示第二预设能量系数，T表示处理任务所需的总时隙数，Emax表示预设的能耗阈值。
5.根据权利要求1所述的方法，其特征在于，所述针对所述应用的任务年龄的第四约束方程为：
其中，τn,k表示应用n中任务k的生成时隙，τn′,k表示应用n中任务k处理完成的时隙，Δnk表示应用n中任务k+1和任务k的生成时隙的间隔，τ0表示当前时隙，An表示应用n在不同时隙的任务年龄的总和。
6.根据权利要求1所述的方法，其特征在于，在所述基于所述最小期望任务年龄的优化方程，确定任务处理决策之后，还包括：
将所述任务处理决策发送至所述监控设备，以使所述监控设备按照所述任务处理决策确定在每个时隙处理的目标任务，并在每个时隙处理所述目标任务中包含的所述第一数据量的任务，将所述目标任务中包含的所述第二数据量的任务卸载到所述边缘服务器。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收所述监控设备发送的更新后的任务信息；
将所述更新后的任务信息确定为当前时隙的任务信息，并返回执行基于所述最小期望任务年龄的优化方程，确定任务处理决策的步骤。
8.一种基于信息时效性的计算任务处理装置，其特征在于，应用于任务处理系统中的边缘服务器，所述任务处理系统包括边缘服务器和监控设备，所述监控设备中运行有多种应用，所述装置包括：
第一确定模块，用于确定当前时隙所述监控设备运行每种应用产生的待处理任务的任务信息，所述任务信息包括任务的生成时隙以及待处理的数据量；
第二确定模块，用于基于预设的针对任务调度的第一约束方程、针对任务卸载的第二约束方程、针对所述监控设备的能耗的第三约束方程、以及针对所述应用的任务年龄的第四约束方程，确定最小期望任务年龄的优化方程；所述任务年龄为每个应用中最早产生的待处理的任务的生成时隙与当前时隙的时隙差值；
第三确定模块，用于基于所述最小期望任务年龄的优化方程，确定针对所述待处理任务的处理决策，所述处理决策包括：在每个时隙选择处理的任务以及每个时隙在所述监控设备中处理的第一数据量和卸载到所述边缘服务器处理的第二数据量。
9.根据权利要求8所述的装置，其特征在于，所述针对任务调度的第一约束方程为：
其中，N表示所述监控设备中运行的应用的总数，表示应用的集合，Kn表示应用n产生的任务的总数，表示应用n产生的任务的集合，表示应用n产生的除最后一个任务之外的任务的集合，k表示任务的标号，unk(t)表示在时隙t是否选择处理应用n中的任务k，是则unk(t)＝1，否则unk(t)＝0，Lnk表示应用n中任务k的待处理的数据量，Lnk(t)表示应用n中任务k在时隙t剩余的待处理的数据量；
所述针对任务卸载的第二约束方程为：
其中，Dloc(t)表示时隙t内在所述监控设备进行处理的数据量，Doff(t)表示时隙t内卸载到所述边缘服务器进行处理的数据量；
所述针对所述监控设备的能耗的第三约束方程为：
Eloc(t)＝EcycωDloc(t)＝γf2(t)ωDloc(t)＝α(Dloc(t))3；
其中，Eloc(t)表示时隙t内所述监控设备本地处理数据的能耗，Ecyc表示每个CPU周期的能耗，ω表示在所述监控设备中处理单位数据所需的CPU周期数，γ表示第一预设常数，f(t)表示所述监控设备在时隙t的CPU频率，α表示第二预设常数，Eoff(t)表示所述监控设备将部分待处理任务卸载至所述边缘服务器的能耗，Poff(t)表示所述监控设备在时隙t的信号发射功率，τ表示每个时隙的时长，λ0表示第一预设能量系数，h(t)表示在时隙t所述监控设备与所述边缘服务器之间的信道增益，m表示第三预设常数，λ表示第二预设能量系数，T表示处理任务所需的总时隙数，Emax表示预设的能耗阈值；
所述针对所述应用的任务年龄的第四约束方程为：
其中，τn,k表示应用n中任务k的生成时隙，τ′n,k表示应用n中任务k处理完成的时隙，Δnk表示应用n中任务k+1和任务k的生成时隙的间隔，τ0表示当前时隙，An表示应用n在不同时隙的任务年龄的总和。
10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。
CN201910290605.1A 2019-04-11 2019-04-11 一种基于信息时效性的计算任务处理方法及装置 Active CN110032437B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910290605.1A CN110032437B (zh) 2019-04-11 2019-04-11 一种基于信息时效性的计算任务处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910290605.1A CN110032437B (zh) 2019-04-11 2019-04-11 一种基于信息时效性的计算任务处理方法及装置

Publications (2)

Publication Number Publication Date
CN110032437A true CN110032437A (zh) 2019-07-19
CN110032437B CN110032437B (zh) 2021-04-20

Family

ID=67237935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910290605.1A Active CN110032437B (zh) 2019-04-11 2019-04-11 一种基于信息时效性的计算任务处理方法及装置

Country Status (1)

Country Link
CN (1) CN110032437B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112165716A (zh) * 2020-09-29 2021-01-01 重庆邮电大学 支持重传的无线网络信息年龄优化调度方法
CN114691230A (zh) * 2020-12-28 2022-07-01 深圳Tcl新技术有限公司 任务卸载方法、装置、智能终端及计算机可读存储介质
CN114745389A (zh) * 2022-05-19 2022-07-12 电子科技大学 移动边缘计算系统的计算卸载方法
CN114826483A (zh) * 2022-03-28 2022-07-29 慧之安信息技术股份有限公司 基于边缘计算的智能网络传输计算系统和方法
CN114691230B (zh) * 2020-12-28 2024-06-04 深圳Tcl新技术有限公司 任务卸载方法、装置、智能终端及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8724665B2 (en) * 2009-07-20 2014-05-13 Synopsys, Inc. Pseudo-synchronous time division multiplexing
US20170013495A1 (en) * 2015-07-10 2017-01-12 Lg Electronics Inc. Method and apparatus for an input data processing via a local computing or offloading based on power harvesting in a wireless communication system
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
CN108809695A (zh) * 2018-04-28 2018-11-13 国网浙江省电力有限公司电力科学研究院 一种面向移动边缘计算的分布上行链路卸载策略
CN109121151A (zh) * 2018-11-01 2019-01-01 南京邮电大学 小蜂窝集成移动边缘计算下分布式卸载方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8724665B2 (en) * 2009-07-20 2014-05-13 Synopsys, Inc. Pseudo-synchronous time division multiplexing
US20170013495A1 (en) * 2015-07-10 2017-01-12 Lg Electronics Inc. Method and apparatus for an input data processing via a local computing or offloading based on power harvesting in a wireless communication system
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
CN108809695A (zh) * 2018-04-28 2018-11-13 国网浙江省电力有限公司电力科学研究院 一种面向移动边缘计算的分布上行链路卸载策略
CN109121151A (zh) * 2018-11-01 2019-01-01 南京邮电大学 小蜂窝集成移动边缘计算下分布式卸载方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邹虹等: "带有卸载时延感知的边缘云增强FiWi网络节能机制", 《电子与信息学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112165716A (zh) * 2020-09-29 2021-01-01 重庆邮电大学 支持重传的无线网络信息年龄优化调度方法
CN112165716B (zh) * 2020-09-29 2022-07-08 重庆邮电大学 支持重传的无线网络信息年龄优化调度方法
CN114691230A (zh) * 2020-12-28 2022-07-01 深圳Tcl新技术有限公司 任务卸载方法、装置、智能终端及计算机可读存储介质
CN114691230B (zh) * 2020-12-28 2024-06-04 深圳Tcl新技术有限公司 任务卸载方法、装置、智能终端及计算机可读存储介质
CN114826483A (zh) * 2022-03-28 2022-07-29 慧之安信息技术股份有限公司 基于边缘计算的智能网络传输计算系统和方法
CN114826483B (zh) * 2022-03-28 2022-11-15 慧之安信息技术股份有限公司 基于边缘计算的智能网络传输计算系统和方法
CN114745389A (zh) * 2022-05-19 2022-07-12 电子科技大学 移动边缘计算系统的计算卸载方法

Also Published As

Publication number Publication date
CN110032437B (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
CN113326126B (zh) 任务处理方法、任务调度方法、装置及计算机设备
CN110032437A (zh) 一种基于信息时效性的计算任务处理方法及装置
CN111158613B (zh) 基于访问热度的数据块存储方法、装置及存储设备
CN108491951A (zh) 一种外卖配送时间的预测方法、装置及电子设备
US11422517B2 (en) Automated transfer of items between compartments of a smart appliance
Jin et al. Dynamic task pricing in multi-requester mobile crowd sensing with markov correlated equilibrium
CN110103987B (zh) 应用于自动驾驶车辆的决策规划方法和装置
CN113408797A (zh) 流转量预测多时序模型生成方法、信息发送方法和装置
US20170364839A1 (en) Information processing device, model construction method, and program recording medium
CN111752304B (zh) 无人机数据采集方法及相关设备
CN109377291A (zh) 任务价格预测方法、装置、电子设备及计算机存储介质
US20190138913A1 (en) Prediction model generation device, prediction model generation method, and recording medium
CN112184100A (zh) 物品库存监控方法、装置、电子设备和计算机可读介质
CN114202130A (zh) 流转量预测多任务模型生成方法、调度方法、装置和设备
CN111476389A (zh) 一种预估接单等待时长的方法及装置
CN108874520A (zh) 计算方法及装置
CN110070250A (zh) 指数型增长的业务指标监控方法及装置、电子设备、介质
US10789559B2 (en) Virtually assisted task generation
CN108681480B (zh) 后台应用程序管控方法、装置、存储介质及电子设备
CN113537853A (zh) 订单分配方法、订单分配装置、可读存储介质及电子设备
US20140156047A1 (en) Manufacturing Process Monitoring and Control System
CN111985967A (zh) 物品信息生成方法、装置、电子设备和计算机可读介质
CN110889490B (zh) 预测方法、装置、计算设备以及介质
US20230195531A1 (en) Energy-aware task scheduling
CN115330277B (zh) 机器人自动选择电梯的方法及装置

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