CN110266757A - 一种面向任务协同场景的边缘计算资源优化方法 - Google Patents

一种面向任务协同场景的边缘计算资源优化方法 Download PDF

Info

Publication number
CN110266757A
CN110266757A CN201910396231.1A CN201910396231A CN110266757A CN 110266757 A CN110266757 A CN 110266757A CN 201910396231 A CN201910396231 A CN 201910396231A CN 110266757 A CN110266757 A CN 110266757A
Authority
CN
China
Prior art keywords
sensing node
edge calculations
short
edge
term
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
CN201910396231.1A
Other languages
English (en)
Other versions
CN110266757B (zh
Inventor
付敬奇
张越
易慕白
曹一帆
沈仁亮
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and 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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201910396231.1A priority Critical patent/CN110266757B/zh
Publication of CN110266757A publication Critical patent/CN110266757A/zh
Application granted granted Critical
Publication of CN110266757B publication Critical patent/CN110266757B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1021—Server selection for load balancing based on client or server locations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种面向任务协同场景的边缘计算资源优化方法，该方法利用边缘服务器获取感知节点计算任务的信息，由边缘服务器根据任务属性对计算资源与通信资源进行优化，其步骤如下：（1）边缘服务器根据系统相关信息获得各感知节点的属性；（2）依据感知节点的属性确定感知节点是否进行边缘计算；（3）构建边缘计算时隙分配优先机制；（4）构建短时隙划分机制，确定短时隙划分的长度；（5）根据优先机制和短时隙划分机制对时隙分配进行优化，确定短时隙的分配对象。本方法实现了对边缘计算系统中计算资源与通信资源的联合优化，降低了现场感知节点的总能耗，在感知节点电池电量有限的情况下，延长了感知节点的服役时间。

Description

一种面向任务协同场景的边缘计算资源优化方法
技术领域
本发明涉及了边缘计算、通信等领域，特别是一种面向任务协同场景的边缘计算系统中计算资源与通信资源的优化方法。
背景技术
随着物联网应用的飞速发展，以云计算模型为代表的集中式数据处理关键技术已不能高效、及时地处理物联网感知节点产生的数据。针对这一问题，边缘计算模型以“数据处理应更靠近数据源头”为核心理念应运而生。通过在网络边缘部署边缘计算服务器，可以为感知节点提供低时延的通信资源以及相对丰富的计算资源。
对于物联网中的感知节点而言，由于尺寸、应用环境等众多条件的约束，其电池寿命和计算能力等都受到了严重的限制。因此，将某些计算任务卸载到与感知节点物理距离较近的边缘服务器上执行是一种可行而且有效的方案。通过边缘计算，感知节点可以用将计算任务卸载到边缘服务器的传输能耗与传输时间为代价，来换取本地计算能耗的降低与执行速度的增加。
一项物联网服务的完成往往需要多个感知节点的数据进行协同计算，甚至存在一个感知节点需要另外一个感知节点的计算结果才能开始自己的计算任务的情况，这类物联网服务归属于任务协同场景，任务协同场景提高了数据的耦合程度，大大增加了边缘计算资源优化的难度。
由于边缘环境的复杂性与感知节点的异构性，每个设备的计算能力、产生的数据量、计算复杂度等均不相同；感知节点的数据通常具有实时性以及物联网服务本身具有的时限要求；感知节点与边缘服务器之间的通信链路有带宽限制及噪声干扰；边缘服务器的计算能力远远比不上云服务器的计算能力。因此需要对边缘计算系统中有限的通信资源以及计算资源进行统筹优化。
对于边缘计算系统中有限的通信资源以及计算资源的优化，是在物联网服务本身具有的时限要求和各感知节点的数据之间具有的任务协同要求的约束下，以将边缘计算系统中的感知节点的总能耗最小化为目标的优化问题。
发明内容
本发明的目的在于，针对多感知节点任务协同的边缘计算资源优化这一复杂的混合整数规划问题，提出一种面向任务协同场景的边缘计算资源优化方法，通过对全部感知节点的计算任务进行分类、优先级排序及节能效率分析，实现了对边缘计算系统中计算资源与通信资源的优化分配。
为了达到上述目的，在本发明中采用技术方案如下：
一种面向任务协同场景的边缘计算系统资源优化方法，包括以下步骤：
(1)边缘服务器根据系统相关信息获得各感知节点计算任务的属性；
(2)依据感知节点计算任务的属性确定是否进行边缘计算；
(3)构建边缘计算时隙分配优先机制；
(4)构建短时隙划分机制，确定短时隙划分的长度；
(5)根据优先机制和短时隙划分机制对时隙分配进行优化，确定短时隙的分配对象。
所述步骤(1)中计算任务的属性，通过边缘计算比本地计算节约的能耗来表征，其计算公式为：
其中，Di为感知节点i的计算任务的数据量，ni为感知节点i的计算任务的计算复杂度，Pl,i为感知节点i的每个CPU周期的能耗，fl,i为感知节点i的CPU频率，ω0为信道噪声，g为信道增益，fe为边缘服务器的CPU频率，B为信道带宽，ti为边缘计算的时隙。
所述步骤(2)中确定是否进行边缘计算的原则为：当Esave,i＝0时得到的t0,i与本地计算时间tl,i相比，tl,i的计算公式为：
若t0,i＜tl,i则进行边缘计算，若t0,i＞tl,i则进行本地计算。
所述步骤(3)中的边缘计算时隙分配优先机制为：对进行边缘计算的节点，根据感知节点i边缘计算比本地计算节约的能耗在t0,i处的微分值E′save,i(t0,i)进行排序。在t0处的微分值E′save,i(t0,i)越大，表明此感知节点进行边缘计算节约的能耗Esave,i关于时间的变化率越大，在分配相同长度的短时隙情况下，此感知节点进行边缘计算节约的能耗最多，则分配的优先级越高，即优先分配短时隙。
所述步骤(4)中的边缘计算短时隙长度为ti+1-t0i+,，其中ti+1为方程E′save,i+1(ti+1)＝E′save,i+2(t0,i+2)的解，且所述的解是唯一解。所述的短时隙的长度保证了在这段时间内，各感知节点节约能耗的大小不会发生改变，即各感知节点的优先级不会改变。
所述步骤(5)中基于优先机制和短时隙划分机制对感知节点i的时隙分配进行优化，分配的基准为Esave,i在ti处的二阶导数与Esave,i+1在t0,i+1处的二阶导数的大小关系。这样是为了确定短时隙的最佳分配对象，因为Esave,i在ti处的微分等于Esave,i+1在t0,i+1处的微分，保证了短时隙分配给节约能耗的更多的感知节点。
与现有技术相比较，本发明的优点在于：
依据感知节点自身计算任务的特点对其进行分类，减少了不同分类感知节点之间在优化时的相互影响和耦合。
对每个感知节点的计算任务进行了节约能耗的能力与潜力的综合考虑，使得通信资源能够分配给节能最多的感知节点。
对计算资源与通信资源同时进行了优化，在使感知节点的能耗最小化的同时，提高了边缘计算系统的资源利用率。
附图说明
图1为边缘计算系统架构图。
图2为任务协同场景的边缘计算时序图。
图3为边缘计算系统资源分配步骤图。
图4为进行边缘计算比本地计算节约能耗的计算流程图。
图5为确定短时隙划分的长度及分配对象的流程图。
具体实施方式
以下将结合附图，对本发明的具体实施例做进一步的说明。
如图1所示，本方法实施的边缘计算系统中有一个边缘服务器通过无线信道服务于K个感知节点，感知节点可以选择本地计算或者将数据卸载到边缘服务器进行计算，K个感知节点的数据通过协同计算完成一类物联网服务。
如图2所示，由于任务协同场景下计算任务存在执行顺序的约束，任务i+1只能等待任务i结束才能开始执行，并且每个计算任务可以选择本地计算或者边缘计算。完成服务的全部K个任务的总时隙应满足时限要求T。
如图3所示，一种面向任务协同场景的边缘计算系统资源优化方法，包括以下步骤：
(1)边缘服务器根据系统相关信息获得各感知节点计算任务的属性；
(2)依据感知节点计算任务的属性确定是否进行边缘计算；
(3)构建边缘计算时隙分配优先机制；
(4)构建短时隙划分机制，确定短时隙划分的长度；
(5)根据优先机制和短时隙划分机制对时隙分配进行优化，确定短时隙的分配对象。
所述步骤(1)中的感知节点的计算任务的属性，通过边缘计算比本地计算节约的能耗Esave,i来表征。
Esave,i的计算流程，如图4所示。首先计算得出各感知节点的计算任务进行本地计算所需的能耗El,i，其计算公式为：
然后计算各感知节点的计算任务在边缘服务器上的计算时间te,i，其计算公式为：
根据香农定理计算得到数据卸载的功率Pc,i，其公式为：
将数据卸载的功率与数据卸载的时间相乘，从而得到各感知节点的计算任务进行边缘计算所需的能耗Ee,i。最后将本地计算所需的能耗与边缘计算所需的能耗相减得到Esave,i，Esave,i是一个关于时隙ti的函数，其公式为：
其中，Di为感知节点i计算任务的数据量，ni为感知节点i计算任务的计算复杂度，Pl,i为感知节点i每个CPU周期的能耗，fl,i为感知节点i的CPU频率，ω0为信道噪声，g为信道增益，fe为边缘服务器的CPU频率，B为信道带宽，ti为边缘计算的时隙。
如图5所示，通过以下步骤确定设备是否进行边缘计算，并对进行边缘计算的设备分配到的时隙进行优化。
所述步骤(2)中，令Esave,i＝0得到全部感知节点进行边缘计算与进行本地计算能耗相等时的时隙长度{t0,1,t0,2,···,t0,i,···,t0,K}，比较t0,i与tl,i。若t0,i＞tl,i表明在同等长度时隙内本地计算更节能，则感知节点i进行本地计算，分配到的时隙为tl,i；反之表明在同等长度时隙内边缘计算更节能，则感知节点i进行边缘计算，需要对分配到的时隙进行进一步优化。其中，tl,i的计算公式为：
所述步骤(3)中，对进行边缘计算的感知节点根据边缘计算比本地计算节约的能耗在t0处的微分值E′save,i(t0,i)从大到小排序。E′save,i(t0,i)越大表明分配等长的时隙情况下，节约的能耗越大。
所述步骤(4)中，令E′save,i+1(ti+1)＝E′save,i+2(t0,i+2)得到ti+1。因为在E′save,i+1(ti+1)＝E′save,i+2(t0,i+2)处，在等长的时隙情况下，节约能耗更多的感知节点可能发生改变，因此确定短时隙的长度为ti+1-t0,i+1。
所述步骤(5)中，比较Esave,i在ti处的二阶导数与Esave,i+1在t0,i+1处的二阶导数的大小。若Esave,i在ti处的二阶导数大于Esave,i+1在t0,i+1处的二阶导数，表明该短时隙分配给感知节点i+1能够节约更多的能耗，则短时隙被分配给感知节点i+1；反之表明该短时隙分配给感知节点i能够节约更多的能耗，则短时隙被分配给感知节点i。重复此步骤，直到服务完成时限T被全部分配完毕。

Claims (6)

1.一种面向任务协同场景的边缘计算资源优化方法，其特征在于，具体步骤如下：
(1)边缘服务器根据系统相关信息获得各感知节点计算任务的属性；
(2)依据感知节点计算任务的属性确定是否进行边缘计算；
(3)构建边缘计算时隙分配优先机制；
(4)构建短时隙划分机制，确定短时隙划分的长度；
(5)根据优先机制和短时隙划分机制对时隙分配进行优化，确定短时隙的分配对象。
2.根据权利要求1所述的面向任务协同场景的边缘计算资源优化方法，其特征在于，所述步骤(1)中计算任务的属性，通过边缘计算比本地计算节约的能耗来表征，其计算公式为：
其中，Di为感知节点i的计算任务的数据量，ni为感知节点i的计算任务的计算复杂度，Pl,i为感知节点i的每个CPU周期的能耗，fl,i为感知节点i的CPU频率，ω0为信道噪声，g为信道增益，fe为边缘服务器的CPU频率，B为信道带宽，ti为边缘计算的时隙。
3.根据权利要求1所述的面向任务协同场景的边缘计算资源优化方法，其特征在于，所述步骤(2)中确定是否进行边缘计算的原则为：当Esave,i＝0时得到的t0,i与本地计算时间tl,i相比，tl,i的计算公式为：
若t0,i＜tl,i则进行边缘计算，若t0,i＞tl,i则进行本地计算。
4.根据权利要求1所述的面向任务协同场景的边缘计算资源优化方法，其特征在于，所述步骤(3)中的边缘计算时隙分配优先机制为：对进行边缘计算的节点，根据感知节点i边缘计算比本地计算节约的能耗在t0,i处的微分值E′save,i(t0,i)进行排序。
5.根据权利要求1所述的面向任务协同场景的边缘计算资源优化方法，其特征在于，所述步骤(4)中的边缘计算短时隙长度为ti+1-t0,i+1，其中ti+1为方程E′save,i+1(ti+1)＝E′save,i+2(t0,i+2)的解。
6.根据权利要求1所述的面向任务协同场景的边缘计算资源优化方法，其特征在于，所述步骤(5)中基于优先机制和短时隙划分机制对感知节点i的时隙分配进行优化，分配的基准为Esave,i在ti处的二阶导数与Esave,i+1在t0,i+1处的二阶导数的大小关系。
CN201910396231.1A 2019-05-14 2019-05-14 一种面向任务协同场景的边缘计算资源优化方法 Active CN110266757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910396231.1A CN110266757B (zh) 2019-05-14 2019-05-14 一种面向任务协同场景的边缘计算资源优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910396231.1A CN110266757B (zh) 2019-05-14 2019-05-14 一种面向任务协同场景的边缘计算资源优化方法

Publications (2)

Publication Number Publication Date
CN110266757A true CN110266757A (zh) 2019-09-20
CN110266757B CN110266757B (zh) 2022-01-11

Family

ID=67914599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910396231.1A Active CN110266757B (zh) 2019-05-14 2019-05-14 一种面向任务协同场景的边缘计算资源优化方法

Country Status (1)

Country Link
CN (1) CN110266757B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110647391A (zh) * 2019-09-27 2020-01-03 北京邮电大学 面向星地协同网络的边缘计算方法及系统
CN111176929A (zh) * 2019-11-29 2020-05-19 广东工业大学 一种面向边缘联邦学习的高能效计算通信联合优化方法
CN111343722A (zh) * 2020-03-04 2020-06-26 西安邮电大学 边缘计算中基于认知无线电的能效优化方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107450982A (zh) * 2017-06-07 2017-12-08 上海交通大学 一种基于系统状态的任务调度方法
US20180060128A1 (en) * 2016-08-27 2018-03-01 International Business Machines Corporation System, method and computer program product for resource management in a distributed computation 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
WO2018208291A1 (en) * 2017-05-09 2018-11-15 Intel Corporation Radio resource scheduling
CN109151864A (zh) * 2018-09-18 2019-01-04 贵州电网有限责任公司 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法
CN109167787A (zh) * 2018-09-06 2019-01-08 电子科技大学 一种移动边缘计算网络中安全计算卸载的资源优化方法
CN109274745A (zh) * 2018-09-28 2019-01-25 北京北斗方圆电子科技有限公司 一种边缘节点优化计算的物联网系统和方法
CN109672568A (zh) * 2019-01-11 2019-04-23 南京邮电大学 一种边缘计算网络中绿色能源分配和协调定价的方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180060128A1 (en) * 2016-08-27 2018-03-01 International Business Machines Corporation System, method and computer program product for resource management in a distributed computation system
WO2018208291A1 (en) * 2017-05-09 2018-11-15 Intel Corporation Radio resource scheduling
CN107450982A (zh) * 2017-06-07 2017-12-08 上海交通大学 一种基于系统状态的任务调度方法
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
CN109167787A (zh) * 2018-09-06 2019-01-08 电子科技大学 一种移动边缘计算网络中安全计算卸载的资源优化方法
CN109151864A (zh) * 2018-09-18 2019-01-04 贵州电网有限责任公司 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法
CN109274745A (zh) * 2018-09-28 2019-01-25 北京北斗方圆电子科技有限公司 一种边缘节点优化计算的物联网系统和方法
CN109672568A (zh) * 2019-01-11 2019-04-23 南京邮电大学 一种边缘计算网络中绿色能源分配和协调定价的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MATHIEU BOUET: "Mobile Edge Computing Resources Optimization: A Geo-Clustering Approach", 《IEEE TRANSACTIONS ON NETWORK AND SERVICE MANAGEMENT》 *
STEFANIA SARDELLITTI: "Joint Optimization of Radio and Computational Resources for Multicell Mobile-Edge Computing", 《 IEEE TRANSACTIONS ON SIGNAL AND INFORMATION PROCESSING OVER NETWORKS》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110647391A (zh) * 2019-09-27 2020-01-03 北京邮电大学 面向星地协同网络的边缘计算方法及系统
CN111176929A (zh) * 2019-11-29 2020-05-19 广东工业大学 一种面向边缘联邦学习的高能效计算通信联合优化方法
CN111176929B (zh) * 2019-11-29 2023-04-18 广东工业大学 一种面向边缘联邦学习的高能效计算通信联合优化方法
CN111343722A (zh) * 2020-03-04 2020-06-26 西安邮电大学 边缘计算中基于认知无线电的能效优化方法
CN111343722B (zh) * 2020-03-04 2023-02-14 西安邮电大学 边缘计算中基于认知无线电的能效优化方法

Also Published As

Publication number Publication date
CN110266757B (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
CN110928654B (zh) 一种边缘计算系统中分布式的在线任务卸载调度方法
Gao et al. Task partitioning and offloading in DNN-task enabled mobile edge computing networks
Wang et al. Efficient multi-tasks scheduling algorithm in mobile cloud computing with time constraints
Benblidia et al. Ranking fog nodes for tasks scheduling in fog-cloud environments: A fuzzy logic approach
CN109885397B (zh) 一种边缘计算环境中时延优化的负载任务迁移算法
CN109905470A (zh) 一种基于边缘网关系统的开销优化任务调度方法
CN110266757A (zh) 一种面向任务协同场景的边缘计算资源优化方法
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
Gu et al. A multi-objective fog computing task scheduling strategy based on ant colony algorithm
Chen et al. Green parallel online offloading for DSCI-type tasks in IoT-edge systems
Wang et al. An energy saving based on task migration for mobile edge computing
Dong et al. Content caching-enhanced computation offloading in mobile edge service networks
Liu et al. A distributed dependency-aware offloading scheme for vehicular edge computing based on policy gradient
CN110809291A (zh) 基于能量采集设备的移动边缘计算系统双层负载平衡方法
CN103414784B (zh) 支持应急模式的云计算资源调度方法
CN117762597A (zh) 一种基于云边协同智能调度算法
Zhu et al. Dynamic task offloading in power grid internet of things: A fast-convergent federated learning approach
CN111158893B (zh) 应用于雾计算网络的任务卸载方法、系统、设备及介质
Li et al. Mobile edge computing for task offloading in small-cell networks via belief propagation
CN113473542A (zh) 无线供能边缘计算网络的时延最小化资源分配方法及装置
Lyu et al. Mobility-aware computation offloading with adaptive load balancing in small-cell MEC
Wang et al. Joint job offloading and resource allocation for distributed deep learning in edge computing
Mo et al. Multi-objective cross-layer resource scheduling for internet of things in edge-cloud computing
CN114567564B (zh) 一种基于服务器协作的任务卸载和计算资源分配方法
Li et al. Fair multiresource allocation with access constraint in cloud-edge systems

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