CN110109745A - 一种针对边缘计算环境的任务协同在线调度方法 - Google Patents

Abstract

本发明公开了一种针对边缘计算环境的任务协同在线调度方法，将待执行任务切分为计算子任务；当子任务进行网络传输时，若检测到网络资源不足，对部分待传输数据流任务驳回；网络资源充足则接受任务请求；根据接收的任务请求，计算移动终端执行时间成本，网络传输时间成本，边缘服务器执行时间成本，得出移动终端待执行计算任务初始卸载方案；当子任务需要边缘服务器进行处理，若检测到边缘服务器资源不足时，对部分待执行计算任务进行驳回；边缘服务器资源充足则按照最高优先权方法选取计算任务进行；当两种资源都不充足时，优先处理网络端待传输数据流任务；本发明同时实现网络端和边缘服务器端的负载均衡，减少执行时间，提高资源利用率。

Description

一种针对边缘计算环境的任务协同在线调度方法

技术领域

本发明涉及边缘计算的研究领域，特别涉及一种针对边缘计算环境的任务 协同在线调度方法。

背景技术

近年来，由于移动终端设备的日益增加、无线网络的大规模接入以及用户 应用的高性能要求使得当前网络中传输的数据流量不断增长、服务器的负载过 高。虽然移动终端设备的计算能力和硬件配置正在逐步增强，但是其依旧无法 在短时间内完成复杂计算。此外，由于移动终端设备的电池能耗技术的瓶颈没 有得到解决，这无疑也给移动计算领域带来全新的巨大压力。

在传统的云计算的模型中，为了解决应用所产生的复杂计算和大计算量问 题，通常考虑将其通过网络传输卸载至云计算中心进行处理。由于云计算服务 器通常是集中式部署，且其通常处于离用户终端设备相对较远的物理位置上， 长距离的网络数据传输将不可避免的产生延迟和抖动。例如，智能交通主要是 帮助人们解决每天面临的出行问题，如当前线路的交通状况，停车场地信息， 路面现状等，智能交通系统控制通过将监控摄像头和传感器收集到数据进行实 时分析，并根据内置的相应算法做出实时决策。伴随着交通数据量的增加，用 户对交通信息实时性的要求也在不断提高，若将这些数据全部传输到云计算中 心，将造成严重的带宽拥塞，浪费和延时等待。无人机就是其中的一个具体案 例，由于无人机本身的电源有限，如果数据传输至云中心，不仅会消耗较大的 电能，同时也会削弱实时性。边缘计算可以帮助人们很好的解决这些问题。

随着近年来技术的发展，边缘计算的出现可以在一定程度上减少延迟，降 低能耗。它是一种分布式的计算架构，其将应用程序、数据资料以及服务从网 络中心服务器迁移到靠近移动终端设备的边缘服务器上进行处理。边缘计算通 过将原本完全由中心节点处理的复杂计算任务经过一系列分解被切割为更小且 更容易处理的不可再切分单元，再分散到更接近移动终端设备的边缘服务器上 进行处理。

大部分研究工作主要集中在移动终端设备的能源消耗、应用延迟、网络的 数据传输量等方面。然而，这些工作的主要是从单用户出发进行考虑而忽视了 由于多用户之间的资源竞争导致的用户之间计算卸载方案之间的相互影响。在 单用户模型当中，此模型通常认为无论何时边缘服务器都有足够的计算能力去 完成来自移动终端设备卸载的计算任务。然而，在实际场景当中，由于边缘服 务器的集群规模相比云计算而言，其规模和计算能力是有限的。此外，基站和 无线接入访问点的网络带宽是一定的。当大量用户访问同一个无线接入点或边 缘服务器集群时，势必出现网络拥塞和服务器负载过高的情况。

如何实现计算任务与服务器之间的匹配与计算卸载的方案有直接的关系。 一些研究工作研究关于计算切分的影响因素包括移动终端设备的能源消耗，应 用延迟，网络中的数据传输总量等。然而，由于这些研究工作主要聚焦于单用 户计算卸载的独立模型，即在忽略其他用户计算卸载方案影响的条件下去完成 单个用户的计算卸载。其主要目的是为了优化一个特定用户的计算卸载方案。 然而在实际场景中，通常网络带宽资源和服务器资源通常是受限的，多个用户 同时进行计算卸载或数据传输存在资源竞争。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种针对边缘计 算环境的任务协同在线调度方法，能够实现边缘计算下多用户计算任务在移动 终端设备和服务器的高效计算卸载、服务器端和网络端的负载均衡。

本发明的目的通过以下的技术方案实现：

一种针对边缘计算环境的任务协同在线调度方法，包括以下步骤：

S1、将移动终端产生的待执行计算任务进行切分，形成一系列不可再切分 的计算子任务，并依此对其进行初始最优切分决策；

S2、检测系统中是否存在等待被传输的数据流任务和被卸载到边缘服务器 上执行的计算任务，根据不同的任务类型向边缘调度中心和网络调度中心发送 对应的请求信息；

S3、接收到请求信息后，通过结合网络资源和边缘服务器资源的负载情况 做出裁决，形成决策信息，再将决策信息发送给相应的计算设备和网络；

S4、计算设备和网络根据返回得到的决策信息执行计算任务，并进行数据 传输；

S5、不断重复以上步骤，直到所有计算任务、传输任务都已完成。

所述步骤S1中，根据待执行计算任务所处的位置不同，存在不同的决策：

当待执行计算任务在边缘服务器端时，决策如下：

当待执行计算任务在移动终端时，决策如下：

其中，1≤i≤λ，1≤j≤n，x_ij为二元量，用0、1表示，0表示第i个用户的第 j个计算任务在移动终端上执行；1表示第i个用户的第j个计算任务卸载到边缘 服务器上执行；

L_ij为第i个用户的第j个计算任务在移动终端上所需执行时间，L_ij＝P_ij/M_ij， P_ij为计算任务需要的CPU周期数；S_ij为第i个用户的第j个计算任务在边缘服务 器上所需执行时间，S_ij＝P_ij/V_k，V_k为边缘服务器处理速度。

进一步地，所述步骤S2具体为：

得到初始最优切分决策后，检测系统中是否存在待传输的数据流任务并发 送相应消息给网络调度中心，根据数据流的发送方向分为两类：上行传输数据 流、下行传输数据流；所述上行传输数据流为数据从移动终端通过网络传输至 边缘服务器端；所述下行传输数据流为数据从边缘服务器端通过网络传输至移 动终端；

检测系统中是否存在等待被卸载到边缘服务器端待执行的计算任务，并发 送相应的执行消息给边缘调度中心；

当存在待传输的数据流任务，则进行网络分配和数据流调整策略；当存在 待执行的计算任务，则执行边缘服务器分配和计算任务调整策略。

进一步地，所述步骤S3具体为：

收到的请求消息有以下四种：

1)、网络中存在待传输数据流任务，边缘服务器端存在待执行计算任务；

2)、网络中存在待传输数据流任务，边缘服务器端不存在待执行计算任务；

3)、网络中不存在待传输数据流任务，边缘服务器端存在待执行计算任务；

4)、网络中不存在待传输数据流任务，边缘服务器端不存在待执行任务；

对于第1)种请求消息，先判断是否存在空闲边缘服务器，存在空闲边缘服 务器，则执行工作模式A1，否则执行工作模式A2；再判断是否存在空闲网络 资源，存在空闲网络资源则执行工作模式B1，否则执行工作模式B2；

对于第2)种请求消息，判断是否存在空闲网络带宽，存在空闲网络带宽， 则执行工作模式B1，否则执行工作模式B2；

对于第3)种请求消息，判断是否存在空闲边缘服务器，存在空闲边缘服务 器，则执行工作模式A1，否则执行工作模式A2；

对于第4)种请求消息，直接进入下一轮检测。

进一步地，所述工作模型A1为存在空闲边缘服务器，执行边缘服务器分配； 所述工作模式A2为不存在空闲边缘服务器，执行计算任务调整；所述工作模式 B1为存在空闲网络带宽，执行网络分配；所述工作模式B2为不存在空闲网络 带宽，执行数据流调整。

进一步地，所述步骤S4具体为：

网络端存在空闲网络资源，计算所有待传输数据流任务的优先级，计算如 下：

其中，为第i个用户的第j条传输数据流在网络中的传输时间，为数 据流任务等待使用网络宽带的时间；

其中，channel_ideal为传输速度最快的空闲网络通道，D_ij为第i个用户的第j条 数据流的数据大小；

当网络端所提供的空闲网络总带宽小于待传输数据流任务所需总带宽时， 执行数据流调整策略，需要调整的最小数据流的数目α为：

α＝min(a,b,c,d)，

其中，a为待传输数据流任务的数目和当前空闲网络通道总数的差值，b为 待传输数据流任务中等待时间超过平均等待时间的数目，c为待传输数据流任务 中期望传输时间大于平均传输时间的数目，d为数据流任务中调整收益为正的数 据流任务数目；

根据α的取值不同，存在四种不同的情况；

当空闲边缘服务器资源小于计算任务所需要的边缘服务器资源时，则执行 计算任务调整策略，其中需要调整的计算任务数为β，计算如下：

β＝min(e,f,g,h)，

其中，e为待执行计算任务数与当前空闲边缘服务器总数的差值，f为待执 行计算任务中等待时间超过平均等待时间的数目，g为待执行计算任务中期望执 行时间大于平均执行时间的数目，h为计算任务中调整收益为正的计算任务数 目；

根据β的取值不同，存在四种不同的情况。

进一步地，所述根据α的取值不同，存在四种不同的情况具体如下：

当α取值为a时，按照待传输数据流的请求先后顺序进行排序，选取从第a+1 条开始的所有后续数据流进行调整，前a条传输数据流进行延时等待；当α取值 为b时，选取待传输数据流等待时间超过平均等待时间的数据流进行调整，余下 的数据流进行延时等待；当α取值为c时，选取待传输的数据流中期望传输时间 大于平均期望传输时间的数据流进行调整；当α取值为d时，选取调整收益为正 的数据流进行调整；

所述数据流调整为拒绝此时数据流的传输要求，当其为上行数据流时，永 久拒绝数据流所连接的下一个计算任务卸载到边缘服务器上执行，即此数据流 所传输的计算任务只能在移动终端上执行；当其为下行数据流且不是最后一条， 则此时将其所传输的计算任务返回到边缘服务器上执行；

所述根据β的取值不同，存在四种不同的情况具体如下：

当β取值为e时，按照计算任务的释放先后顺序不同，依次选取前e个计算 任务进行调整；当β取值为f时，选取待执行计算任务中等待时间超过平均等待 时间的任务进行调整；当β取值为g时，选取执行计算任务中期望执行时间大于 平均执行时间的任务进行调整；β当取值为h时，选取待执行计算任务中调整收 益为正的计算任务进行调整；

所述计算任务调整为改变计算任务的执行位置，其一为将在边缘服务器上 的待执行计算任务驳回到移动终端上执行；其二为将在移动终端上待执行计算 任务卸载到边缘服务器上执行；余下待执行计算任务进行延时等待。

进一步地，在任务分配的环境下，获取所有被卸载到边缘服务器上处理的 任务相关信息，依次计算这些任务的优先权重，按优先权重依次选取出合适的 计算任务进行执行，直到不存在空闲服务器资源和计算任务其中之一；

若边缘服务器端存在空闲服务器资源，计算所有此时待执行计算任务的优 先级，计算如下：

其中，为第i个用户的第j个计算任务在服务器上的等待时间，为 计算任务的期望执行时间，

其中，P_ij为边缘服务器的CPU处理能力，server_ideal为完成计算任务所需要的 CPU周期数目。

进一步地，所述调整收益，计算具体为：

benfit_ij＝R_b+R_s，

其中，R_b为由于调整所减少或增加的网络带宽，R_s为由于调整所减少或增 加的边缘服务器的CPU周期数目。

本发明与现有技术相比，具有如下优点和有益效果：

本发明针对边缘计算环境的任务协同在线调度方法，首先针对用户的计算 任务，根据当前移动终端计算能力、网络传输能力和边缘服务器处理能力预先 构建初始最优模型；包括计算每个待执行的计算任务在移动终端上的执行时间、 边缘服务器上的执行时间和网络传输时间；然后再选取符合计算任务卸载条件 的计算任务进行卸载，如在卸载过程中出现网络资源和边缘服务器资源不足的 情况，则需要进行相应的数据流调整和计算任务调整；能够综合充分利用移动 终端计算能力、服务器计算能力以及网络传输能力，使用户的卸载更加灵活化； 并且基于多类资源的协同调度算法，不仅使得系统的的整体性能得到了改善， 还提高了资源的利用率，大大减少终端设备的能耗，大大缩减计算任务的平均执行时间。

附图说明

图1是本发明所述一种针对边缘计算环境的任务协同在线调度方法的方法 流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方 式不限于此。

实施例：

一种针对边缘计算环境的任务协同在线调度方法，如图1所示，包含以下 步骤，

第一步、将移动终端产生的待执行计算任务进行切分，形成一系列不可再 切分的计算子任务，并依此对其进行初始最优切分决策；

移动端对待执行的复杂计算进行切分，形成一系列不可再切分的子任务。 当计算任务允许被卸载到边缘服务器上执行，需通过网络将其数据传输至边缘 服务器。数据在网络中的传输称为数据流任务，移动终端或边缘服务器上执行 的子任务称为计算任务；

根据待执行计算任务所处的位置不同，存在不同的决策：

当待执行计算任务在边缘服务器端时，决策如下：

当待执行计算任务在移动终端时，决策如下：

其中，1≤i≤λ，1≤j≤n，x_ij为二元量，用0、1表示，0表示第i个用户的第 j个计算任务在移动终端上执行；1表示第i个用户的第j个计算任务卸载到边缘 服务器上执行；

L_ij为第i个用户的第j个计算任务在移动终端上所需执行时间，L_ij＝P_ij/M_ij， P_ij为计算任务需要的CPU周期数；S_ij为第i个用户的第j个计算任务在边缘服务 器上所需执行时间，S_ij＝P_ij/V_k，V_k为边缘服务器处理速度。

第二步、检测系统中是否存在等待被传输的数据流任务和被卸载到边缘服 务器上执行的计算任务，根据不同的任务类型向边缘调度中心和网络调度中心 发送对应的请求信息；

得到初始最优切分决策后，检测系统中是否存在待传输的数据流任务并发 送相应消息给网络调度中心，根据数据流的发送方向分为两类：上行传输数据 流、下行传输数据流；所述上行传输数据流为数据从移动终端通过网络传输至 边缘服务器端；所述下行传输数据流为数据从边缘服务器端通过网络传输至移 动终端；

检测系统中是否存在等待被卸载到边缘服务器端执行的计算任务，并发送 相应的执行消息给边缘调度中心；

当存在待传输的数据流任务，则进行网络分配和数据流调整策略；当存在 待执行的计算任务，则执行边缘服务器分配和计算任务调整策略。

第三步、接收到请求信息后，通过结合网络资源和服务器资源的负载情况 做出裁决，形成决策信息，再将决策信息发送给响应的计算设备和网络；

收到的请求消息有以下四种：

1)、网络中存在待传输数据流任务，边缘服务器端存在待执行计算任务；

2)、网络中存在待传输数据流任务，边缘服务器端不存在待执行计算任务；

3)、网络中不存在待传输数据流任务，边缘服务器端存在待执行计算任务；

4)、网络中不存在待传输数据流任务，边缘服务器端不存在待执行任务；

对于第1)种请求消息，先判断是否存在空闲边缘服务器，存在空闲边缘服 务器，则执行工作模式A1，否则执行工作模式A2；再判断是否存在空闲网络 资源，存在空闲网络资源则执行工作模式B1，否则执行工作模式B2；

对于第2)种请求消息，判断是否存在空闲网络带宽，存在空闲网络带宽， 则执行工作模式B1，否则执行工作模式B2；

对于第3)种请求消息，判断是否存在空闲边缘服务器，存在空闲边缘服务 器，则执行工作模式A1，否则执行工作模式A2；

对于第4)种请求消息，直接进入下一轮检测。

进一步地，所述工作模型A1为存在空闲边缘服务器，执行边缘服务器分配； 所述工作模式A2为不存在空闲边缘服务器，执行计算任务调整；所述工作模式 B1为存在空闲网络带宽，执行网络分配；所述工作模式B2为不存在空闲网络 带宽，执行数据流调整。

第四步、计算设备和网络根据返回得到的决策信息执行计算任务，并进行 数据传输；

所述步骤S4具体为：

网络端存在空闲网络资源，计算所有待传输数据流任务的优先级，计算如 下：

其中，为第i个用户的第j条传输数据流在网络中的传输时间，为数 据流任务等待使用网络宽带的时间；

其中，channel_ideal为传输速度最快的空闲网络通道，D_ij为第i个用户的第j条 数据流的数据大小；

当网络端所提供的空闲网络总带宽小于待传输数据流任务所需总带宽时， 执行数据流调整策略，需要调整的最小数据流的数目α为：

α＝min(a,b,c,d)，

其中，a为待传输数据流任务的数目和当前空闲网络通道总数的差值，b为 待传输数据流任务中等待时间超过平均等待时间的数目，c为待传输数据流任务 中期望传输时间大于平均传输时间的数目，d为数据流任务中调整收益为正的数 据流任务数目；

根据α的取值不同，存在四种不同的情况，具体如下：

当α取值为a时，按照待传输数据流的请求先后顺序进行排序，选取从第a+1 条开始的所有后续数据流进行调整，前a条传输数据流进行延时等待；当α取值 为b时，选取待传输数据流等待时间超过平均等待时间的数据流进行调整，余下 的数据流进行延时等待；当α取值为c时，选取待传输的数据流中期望传输时间 大于平均期望传输时间的数据流进行调整；当α取值为d时，选取调整收益为正 的数据流进行调整；

所述数据流调整为拒绝此时数据流的传输要求，当其为上行数据流时，永 久拒绝数据流所连接的下一个计算任务卸载到边缘服务器上执行，即此数据流 所传输的计算任务只能在移动终端上执行；当其为下行数据流且不是最后一条， 则此时将其所传输的计算任务返回到边缘服务器上执行；

当空闲边缘服务器资源小于计算任务所需要的边缘服务器资源时，则执行 计算任务调整策略，其中需要调整的计算任务数为β，计算如下：

β＝min(e,f,g,h)，

其中，e为待执行计算任务数和当前空闲边缘服务器总数的差值，f为待执 行计算任务中等待时间超过平均等待时间的数目，g为待执行计算任务中期望执 行时间大于平均执行时间的数目，h为计算任务中调整收益为正的计算任务数 目；

根据β的取值不同，存在四种不同的情况具体如下：

当β取值为e时，按照计算任务的释放先后顺序不同，依次选取前e个计算 任务进行调整；当β取值为f时，选取待执行计算任务中等待时间超过平均等待 时间的任务进行调整；当β取值为g时，选取执行计算任务中期望执行时间大于 平均执行时间的任务进行调整；β当取值为h时，选取待执行计算任务中调整收 益为正的计算任务进行调整；

所述计算任务调整为改变计算任务的执行位置，其一为将在边缘服务器上 的待执行计算任务驳回到移动终端上执行；其二为将在移动终端上待执行计算 任务卸载到边缘服务器上执行；余下待执行计算任务进行延时等待。

在任务分配的环境下，获取所有被卸载到边缘服务器上处理的任务相关信 息，依次计算这些任务的优先权重，按优先权重依次选取出合适的计算任务进 行执行，直到不存在空闲边缘服务器资源和计算任务其中之一；

若边缘服务器存在空闲服务器资源，计算所有此时待执行计算任务的优先 级，计算如下：

其中，为第i个用户的第j个计算任务在服务器上的等待时间，为 计算任务的期望执行时间，

其中，P_ij为边缘服务器的CPU处理能力，server_ideal为完成计算任务所需要的 CPU周期数目。

第五步、不断重复以上步骤，直到所有计算任务、传输任务都已完成。

其中需要注意的是，在数据流调整和计算任务调整策略中，需要根据调整 因子的取值决定是否允许被调整。调整因子adjustment是一个二元变量，其取值 为0时表示的此计算任务的执行位置可以被改变，其取值为1时表示的此计算 任务的执行位置不能被改变，具体adjustment的计算公式如下：

其中，调整因子a_ij记录的是由于计算任务调整策略，第i个用户的第j个计 算任务的执行位置被改变的次数；调整因子b_ij记录的是由于数据流调整策略， 第i个用户的第j个待传输计算任务的执行位置被改变的次数。

建立目标优化模型：

s.t.

其中，t_ij为第i个用户的第j个计算任务开始执行时间，y_ijz为第i个用户的第 j条数据流在时间所分配的网络带宽；F(X)为符号函数，当X取值大于零时， F(X)＝1，否则F(X)＝0；G(X)为第i个用户的第j条数据流是否在给定的网络带 宽下完成数据传输，如果括号内的自变量取值X＝0，则G(X)＝1，否则G(X)＝0。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实 施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、 替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种针对边缘计算环境的任务协同在线调度方法，其特征在于，包括以下步骤：

S1、将移动终端产生的待执行计算任务进行切分，形成一系列不可再切分的计算子任务，并依此对其进行初始最优切分决策；

S2、检测系统中是否存在等待被传输的数据流任务和被卸载到边缘服务器上执行的计算任务，根据不同的任务类型向边缘调度中心和网络调度中心发送对应的请求信息；

S3、接收到请求信息后，通过结合网络资源和边缘服务器资源的负载情况做出裁决，形成决策信息，再将决策信息发送给相应的计算设备和网络；

S4、计算设备和网络根据返回得到的决策信息执行计算任务，并进行数据传输；

S5、不断重复以上步骤，直到所有计算任务、传输任务都已完成。

2.根据权利要求1所述的一种针对边缘计算环境的任务协同在线调度方法，其特征在于，所述步骤S1中，根据待执行计算任务所处的位置不同，存在不同的决策：

当待执行计算任务在边缘服务器端时，决策如下：

当待执行计算任务在移动终端时，决策如下：

其中，1≤i≤λ，1≤j≤n，x_ij为二元量，用0、1表示，0表示第i个用户的第j个计算任务在移动终端上执行；1表示第i个用户的第j个计算任务卸载到边缘服务器上执行；

L_ij为第i个用户的第j个计算任务在移动终端上所需执行时间，L_ij＝P_ij/M_ij，P_ij为计算任务需要的CPU周期数；S_ij为第i个用户的第j个计算任务在边缘服务器上所需执行时间，S_ij＝P_ij/V_k，V_k为边缘服务器处理速度。

3.根据权利要求1所述的一种针对边缘计算环境的任务协同在线调度方法，其特征在于，所述步骤S2具体为：

得到初始最优切分决策后，检测系统中是否存在待传输的数据流任务并发送相应消息给网络调度中心，根据数据流的发送方向分为两类：上行传输数据流、下行传输数据流；所述上行传输数据流为数据从移动终端通过网络传输至边缘服务器端；所述下行传输数据流为数据从边缘服务器端通过网络传输至移动终端；

检测系统中是否存在等待被卸载到边缘服务器端待执行的计算任务，并发送相应的执行消息给边缘调度中心；

当存在待传输的数据流任务，则进行网络分配和数据流调整策略；当存在待执行的计算任务，则执行边缘服务器分配和计算任务调整策略。

4.根据权利要求1所述的一种针对边缘计算环境的认为协同在线调度方法，其特征在于，所述步骤S3具体为：

收到的请求消息有以下四种：

1)、网络中存在待传输数据流任务，边缘服务器端存在待执行计算任务；

2)、网络中存在待传输数据流任务，边缘服务器端不存在待执行计算任务；

3)、网络中不存在待传输数据流任务，边缘服务器端存在待执行计算任务；

4)、网络中不存在待传输数据流任务，边缘服务器端不存在待执行任务；

对于第1)种请求消息，先判断是否存在空闲边缘服务器，存在空闲边缘服务器，则执行工作模式A1，否则执行工作模式A2；再判断是否存在空闲网络资源，存在空闲网络资源则执行工作模式B1，否则执行工作模式B2；

对于第2)种请求消息，判断是否存在空闲网络带宽，存在空闲网络带宽，则执行工作模式B1，否则执行工作模式B2；

对于第3)种请求消息，判断是否存在空闲边缘服务器，存在空闲边缘服务器，则执行工作模式A1，否则执行工作模式A2；

对于第4)种请求消息，直接进入下一轮检测。

5.根据权利要求4所述的一种针对边缘计算环境的任务协同在线调度方法，其特征在于，所述工作模型A1为存在空闲边缘服务器，执行边缘服务器分配；所述工作模式A2为不存在空闲边缘服务器，执行计算任务调整；所述工作模式B1为存在空闲网络带宽，执行网络分配；所述工作模式B2为不存在空闲网络带宽，执行数据流调整。

6.根据权利要求5所述的一种针对边缘计算环境的认为协同在线调度方法，其特征在于，所述步骤S4具体为：

网络端存在空闲网络资源，计算所有待传输数据流任务的优先级，计算如下：

其中，为第i个用户的第j条传输数据流在网络中的传输时间，为数据流任务等待使用网络宽带的时间；

其中，channel_ideal为传输速度最快的空闲网络通道，D_ij为第i个用户的第j条数据流的数据大小；

当网络端所提供的空闲网络总带宽小于待传输数据流任务所需总带宽时，执行数据流调整策略，需要调整的最小数据流的数目α为：

α＝min(a,b,c,d)，

其中，a为待传输数据流任务的数目和当前空闲网络通道总数的差值，b为待传输数据流任务中等待时间超过平均等待时间的数目，c为待传输数据流任务中期望传输时间大于平均传输时间的数目，d为数据流任务中调整收益为正的数据流任务数目；

根据α的取值不同，存在四种不同的情况；

当空闲边缘服务器资源小于计算任务所需要的边缘服务器资源时，则执行计算任务调整策略，其中需要调整的计算任务数为β，计算如下：

β＝min(e,f,g,h)，

其中，e为待执行计算任务数与当前空闲边缘服务器总数的差值，f为待执行计算任务中等待时间超过平均等待时间的数目，g为待执行计算任务中期望执行时间大于平均执行时间的数目，h为计算任务中调整收益为正的计算任务数目；

根据β的取值不同，存在四种不同的情况。

7.根据权利要求6所述的一种针对边缘计算环境的任务协同在线调度方法，其特征在于，所述根据α的取值不同，存在四种不同的情况具体如下：

当α取值为a时，按照待传输数据流的请求先后顺序进行排序，选取从第a+1条开始的所有后续数据流进行调整，前a条传输数据流进行延时等待；当α取值为b时，选取待传输数据流等待时间超过平均等待时间的数据流进行调整，余下的数据流进行延时等待；当α取值为c时，选取待传输的数据流中期望传输时间大于平均期望传输时间的数据流进行调整；当α取值为d时，选取调整收益为正的数据流进行调整；

所述数据流调整为拒绝此时数据流的传输要求，当其为上行数据流时，永久拒绝数据流所连接的下一个计算任务卸载到边缘服务器上执行，即此数据流所传输的计算任务只能在移动终端上执行；当其为下行数据流且不是最后一条，则此时将其所传输的计算任务返回到边缘服务器上执行；

所述根据β的取值不同，存在四种不同的情况具体如下：

当β取值为e时，按照计算任务的释放先后顺序不同，依次选取前e个计算任务进行调整；当β取值为f时，选取待执行计算任务中等待时间超过平均等待时间的任务进行调整；当β取值为g时，选取执行计算任务中期望执行时间大于平均执行时间的任务进行调整；β当取值为h时，选取待执行计算任务中调整收益为正的计算任务进行调整；

所述计算任务调整为改变计算任务的执行位置，其一为将在边缘服务器上的待执行计算任务驳回到移动终端上执行；其二为将在移动终端上待执行计算任务卸载到边缘服务器上执行；余下待执行计算任务进行延时等待。

8.根据权利要求6所述的一种针对边缘计算环境的认为协同在线调度方法，其特征在于，在任务分配的环境下，获取所有被卸载到边缘服务器上处理的任务相关信息，依次计算这些任务的优先权重，按优先权重依次选取出合适的计算任务进行执行，直到不存在空闲服务器资源和计算任务其中之一；

若边缘服务器端存在空闲服务器资源，计算所有此时待执行计算任务的优先级，计算如下：

其中，为第i个用户的第j个计算任务在服务器上的等待时间，为计算任务的期望执行时间，

其中，P_ij为边缘服务器的CPU处理能力，server_ideal为完成计算任务所需要的CPU周期数目。

9.根据权利要求6所述的一种针对边缘计算环境的任务协同在线调度方法，其特征在于，所述调整收益，计算具体为：

benfit_ij＝R_b+R_s，

其中，R_b为由于调整所减少或增加的网络带宽，R_s为由于调整所减少或增加的边缘服务器的CPU周期数目。