CN110505165A - 一种基于双向拍卖机制的边缘计算任务卸载方法及装置 - Google Patents
一种基于双向拍卖机制的边缘计算任务卸载方法及装置 Download PDFInfo
- Publication number
- CN110505165A CN110505165A CN201910789821.0A CN201910789821A CN110505165A CN 110505165 A CN110505165 A CN 110505165A CN 201910789821 A CN201910789821 A CN 201910789821A CN 110505165 A CN110505165 A CN 110505165A
- Authority
- CN
- China
- Prior art keywords
- user equipment
- edge server
- representing
- task
- satisfaction
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000007246 mechanism Effects 0.000 title claims abstract description 27
- 238000004364 calculation method Methods 0.000 title claims abstract description 16
- 238000007599 discharging Methods 0.000 title abstract 2
- 238000013468 resource allocation Methods 0.000 claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 31
- 238000005265 energy consumption Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 description 10
- 230000007423 decrease Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/83—Admission control; Resource allocation based on usage prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/78—Architectures of resource allocation
- H04L47/783—Distributed allocation of resources, e.g. bandwidth brokers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/82—Miscellaneous aspects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种基于双向拍卖机制的边缘计算任务卸载方法及装置,能够基于用户设备侧和边缘服务器侧的满意度,确定最大期望总满意度的优化方程,进而确定资源分配决策,资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;并基于资源分配决策,生成卸载指令,每一卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量,将卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。可见,综合考虑了用户设备侧的收益和边缘服务器侧的收益,使得边缘服务器提供的资源能够被合理分配,提高了边缘服务器的计算资源的利用率。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种基于双向拍卖机制的边缘计算任务卸载方法及装置。
背景技术
随着智能终端的发展,新的应用如人脸识别、自然语言处理和增强现实等出现在人们的视线并吸引了广泛的关注。这些移动应用都是计算密集型任务,需要消耗大量的计算资源,对移动设备的计算能力、存储功能、电池性能等方面提出更高的要求。由于目前的移动设备性能难以达到上述要求,在处理计算量较大的应用程序时,会导致服务质量受限。
为了解决移动终端性能难以达到计算需求的问题,边缘计算应用而生。边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行,可以有效减小计算系统的延迟,减少数据传输带宽,提高可用性,并能够保护数据安全和隐私。
边缘计算下的任务卸载是解决移动终端计算资源不足,电池能量有限问题的新兴技术。具体的,任务卸载技术是通过将用户设备的应用程序全部或者部分卸载到资源丰富的边缘服务器,借助边缘服务器的处理能力加快计算速度,缩短任务执行时间,减少设备能耗。
为了确保智能终端能够通过任务卸载提高性能,需要使用任务卸载策略来进行卸载指标衡量,判断任务是在本地终端执行,还是卸载到边缘服务器执行。一旦决定了进行任务卸载,还要考虑卸载的方式,任务卸载到哪个或者哪些服务器上执行等。
现有的针对边缘计算下的任务卸载策略通常考虑的是用户单侧或边缘服务器单侧的最优化问题,没有把用户和边缘服务器联合起来考虑,导致边缘服务器的计算资源利用率不高。
发明内容
本发明实施例的目的在于提供一种基于双向拍卖机制的边缘计算任务卸载方法及装置,以实现提高边缘服务器的计算资源的利用率。具体技术方案如下:
为实现上述目的,本发明实施例提供了一种基于双向拍卖机制的边缘计算任务卸载方法,应用于边缘计算系统中的资源分配服务器,所述边缘计算系统包括所述资源分配服务器,多个用户设备和多个边缘服务器,所述方法包括:
获取每个用户设备产生的待处理任务所需的资源块数目;
获取每个用户设备针对资源块的最高购入价,以及各个边缘服务器针对资源块的最低出售价;
基于所述最高购入价和所述最低出售价,为每个用户设备的待处理任务确定目标边缘服务器;
根据当前各个用户设备产生的待处理任务所需的资源块的总数目,以及当前各个边缘服务器所能提供的资源块的总数目,确定供求关系比例;
针对每个用户设备,根据该用户设备针对资源块的最高购入价,该用户设备的各个目标边缘服务器针对资源块的最低出售价,以及所述供求关系比例,确定该用户设备与各个目标边缘服务器针对资源块的成交价;
基于各个用户设备的任务时延,和针对资源块的购入花销,构建用户设备侧的第一满意度方程;基于各个目标边缘服务器针对资源块的出售收入,构建目标边缘服务器侧的第二满意度方程;基于所述第一满意度方程,所述第二满意度方程,以及所述供求关系比例,构建所述用户设备和所述目标边缘服务器的最大期望总满意度的优化方程;
基于所述最大期望总满意度的优化方程,确定资源分配决策;所述资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;
基于所述资源分配决策,生成与用户设备数目相同的卸载指令,每个卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量;
将所述卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。
可选的,所述获取每个用户设备产生的待处理任务所需的资源块数目的步骤,包括:
基于如下公式计算每个用户设备产生的待处理任务所需的资源块数目:
其中,表示用户设备i产生的待处理任务执行卸载的预计时延,Tl i表示用户设备i产生的待处理任务在本地处理的预计时延,表示用户设备i产生的待处理任务执行卸载的预计能耗,表示用户设备i产生的待处理任务在本地处理的预计能耗,Ri表示用户设备i产生的待处理任务的数据量,表示用户设备i本地计算的计算率,表示用户设备i本地计算的功率,α表示时延因子,β表示能耗因子,Ji表示完成用户设备i产生的待处理任务所需的CPU总周期,Bij表示用户设备i将产生的待处理任务卸载至边缘服务器的传输时延,表示边缘服务器的计算率,表示用户设备i的发送功率,l-a表示用户设备i与边缘服务器之间的信道增益,表示用户设备i与边缘服务器之间的信道的白噪声功率,表示边缘服务器处理用户设备i产生的待处理任务所需的计算资源量,a表示预先设定的每个资源块的计算资源量,[·]表示最大取整,Ni表示用户设备i产生的待处理任务所需的资源块数目。
可选的,所述针对每个用户设备,根据该用户设备针对资源块的最高购入价,该用户设备的各个目标边缘服务器针对资源块的最低出售价,以及所述供求关系比例,确定该用户设备与各个目标边缘服务器针对资源块的成交价的步骤,包括:
按照如下公式计算每个用户设备与各个目标边缘服务器针对资源块的成交价:
其中,i表示用户设备的序号,j表示目标边缘服务器的序号,λ表示供求关系比例,表示用户设备i与目标边缘服务器j针对资源块的成交价,表示用户设备i针对资源块的最高购入价,表示目标边缘服务器j针对资源块的最低出售价,λmax表示预设的供求关系比例的最大门限,λmin表示预设的供求关系比例的最小门限。
可选的,所述第一满意度方程为:
其中,表示用户设备i的第一满意度,wcost表示购入花销的权重,wtime表示任务时延的权重,表示用户设备i针对购入花销的满意度,表示用户设备i针对任务时延的满意度;
所述第二满意度方程为:
其中,Sesp表示用户设备i对应的目标边缘服务器侧的第二满意度,表示目标边缘服务器j的第二满意度,nsum表示目标边缘服务器的总数,表示目标边缘服务器j为用户设备i提供的资源块的数目,Ni表示用户设备i产生的待处理任务所需的资源块数目;
所述最大期望总满意度的优化方程为:
其中,Stotal表示所述用户设备和所述目标边缘服务器的总满意度,表示所述目标边缘服务器j所能提供的资源块的数目。
为实现上述目的,本发明实施例提供了一种基于双向拍卖机制的边缘计算任务卸载装置,应用于边缘计算系统中的资源分配服务器,所述边缘计算系统包括所述资源分配服务器,多个用户设备和多个边缘服务器,所述装置包括:
第一获取模块,用于获取每个用户设备产生的待处理任务所需的资源块数目;
第二获取模块,用于获取每个用户设备针对资源块的最高购入价,以及各个边缘服务器针对资源块的最低出售价;
第一确定模块,用于基于所述最高购入价和所述最低出售价,为每个用户设备的待处理任务确定目标边缘服务器;
第二确定模块,用于根据当前各个用户设备产生的待处理任务所需的资源块的总数目,以及当前各个边缘服务器所能提供的资源块的总数目,确定供求关系比例;
第三确定模块,用于针对每个用户设备,根据该用户设备针对资源块的最高购入价,该用户设备的各个目标边缘服务器针对资源块的最低出售价,以及所述供求关系比例,确定该用户设备与各个目标边缘服务器针对资源块的成交价;
第四确定模块,用于基于各个用户设备的任务时延,和针对资源块的购入花销,构建用户设备侧的第一满意度方程;基于各个目标边缘服务器针对资源块的出售收入,构建目标边缘服务器侧的第二满意度方程;基于所述第一满意度方程,所述第二满意度方程,以及所述供求关系比例,构建所述用户设备和所述目标边缘服务器的最大期望总满意度的优化方程;
第五确定模块,用于基于所述最大期望总满意度的优化方程,确定资源分配决策;所述资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;
生成模块,用于基于所述资源分配决策,生成与用户设备数目相同的卸载指令,每个卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量;
发送模块,用于将所述卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。
可选的,所述第一获取模块,具体用于:
基于如下公式计算每个用户设备产生的待处理任务所需的资源块数目:
其中,表示用户设备i产生的待处理任务执行卸载的预计时延,Tl i表示用户设备i产生的待处理任务在本地处理的预计时延,表示用户设备i产生的待处理任务执行卸载的预计能耗,表示用户设备i产生的待处理任务在本地处理的预计能耗,Ri表示用户设备i产生的待处理任务的数据量,表示用户设备i本地计算的计算率,表示用户设备i本地计算的功率,α表示时延因子,β表示能耗因子,Ji表示完成用户设备i产生的待处理任务所需的CPU总周期,Bij表示用户设备i将产生的待处理任务卸载至边缘服务器的传输时延,表示边缘服务器的计算率,表示用户设备i的发送功率,l-a表示用户设备i与边缘服务器之间的信道增益,表示用户设备i与边缘服务器之间的信道的白噪声功率,表示边缘服务器处理用户设备i产生的待处理任务所需的计算资源量,a表示预先设定的每个资源块的计算资源量,[·]表示最大取整,Ni表示用户设备i产生的待处理任务所需的资源块数目。
可选的,所述第三确定模块,具体用于:
按照如下公式计算每个用户设备与各个目标边缘服务器针对资源块的成交价:
其中,i表示用户设备的序号,j表示目标边缘服务器的序号,λ表示供求关系比例,表示用户设备i与目标边缘服务器j针对资源块的成交价,表示用户设备i针对资源块的最高购入价,表示目标边缘服务器j针对资源块的最低出售价,λmax表示预设的供求关系比例的最大门限,λmin表示预设的供求关系比例的最小门限。
可选的,所述第一满意度方程为:
其中,表示用户设备i的第一满意度,wcost表示购入花销的权重,wtime表示任务时延的权重,表示用户设备i针对购入花销的满意度,表示用户设备i针对任务时延的满意度;
所述第二满意度方程为:
其中,Sesp表示用户设备i对应的目标边缘服务器侧的第二满意度,表示目标边缘服务器j的第二满意度,nsum表示目标边缘服务器的总数,表示目标边缘服务器j为用户设备i提供的资源块的数目,Ni表示用户设备i产生的待处理任务所需的资源块数目;
所述最大期望总满意度的优化方程为:
其中,Stotal表示所述用户设备和所述目标边缘服务器的总满意度,表示所述目标边缘服务器j所能提供的资源块的数目。
为实现上述目的,本发明实施例还提供了一种电子设备,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:实现上述任一方法步骤。
为实现上述目的,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,应用本发明实施例的基于双向拍卖机制的边缘计算任务卸载方法及装置,能够基于用户设备侧和边缘服务器侧的满意度,确定最大期望总满意度的优化方程,进而确定资源分配决策,资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;并基于资源分配决策,生成卸载指令,每一卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量,将卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。可见,在边缘计算任务卸载过程中,综合考虑了用户设备侧的收益和边缘服务器侧的收益,最大化总收益,使得边缘服务器提供的资源能够被合理分配,提高了边缘服务器的计算资源的利用率。
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双向拍卖机制的边缘计算任务卸载方法的一种流程示意图;
图2为本发明实施例提供的用户设备针对购入花销的满意度曲线的一种示意图;
图3为本发明实施例提供的用户设备针对任务时延的满意度曲线的一种示意图;
图4为本发明实施例提供的用户设备针对任务时延的满意度曲线的另一种示意图;
图5为本发明实施例提供的目标边缘服务器针对成交价的满意度曲线的一种示意图;
图6为本发明实施例提供的基于双向拍卖机制的边缘计算任务卸载装置的一种结构示意图;
图7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。
为了解决现有的针对边缘计算下的任务卸载策略只考虑用户单侧或边缘服务器单侧的最优化问题,没有把用户和边缘服务器联合起来考虑,导致的边缘服务器的计算资源利用率不高的技术问题,本发明实施例提供了一种基于双向拍卖机制的边缘计算任务卸载方法、装置、电子设备及计算机可读存储介质。
本发明实施例提供的基于双向拍卖机制的边缘计算任务卸载方法可以应用于边缘计算那系统中的资源分配服务器,其中,边缘计算系统包括资源分配服务器,多个用户设备和多个边缘服务器。资源分配服务器可以采用本发明实施例提供的基于双向拍卖机制的边缘计算任务卸载方法制定卸载决策,即为每个用户设备确定目标边缘服务器,并确定用户设备向各个目标边缘服务器卸载的任务量。
当然,本发明实施例提供的基于双向拍卖机制的边缘计算任务卸载方法也可以应用于边缘服务器,即边缘服务器获取用户设备产生的待处理任务的信息,以及各个边缘服务器的计算资源信息,做出资源分配决策,这也是可行的。
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,用户设备和边缘服务器均有多个,每个用户设备在运行应用时会产生待处理任务,为了缩短任务执行时间,减少设备能耗,用户设备可以将部分任务卸载至边缘服务器,以借助边缘服务器的计算资源进行处理,边缘服务器处理后将结果反馈至用户设备。
本发明实施例中,将用户设备卸载任务到边缘服务器,借助边缘服务器的计算资源进行处理的过程,等效为用户设备向边缘服务器购买资源块的过程。即用户设备充当买家角色,边缘服务器充当卖家角色,边缘服务器的资源块充当为双方交易的商品。进而,可以综合考虑买家收益和卖家收益,来进行任务卸载决策。
具体的,参见图1,图1为本发明实施例提供的基于双向拍卖机制的边缘计算任务卸载方法的一种流程图,方法包括以下步骤:
S101:获取每个用户设备产生的待处理任务所需的资源块数目。
在本发明实施例中,资源块表示边缘服务器的计算资源。例如,某边缘服务器的计算资源为100单位,若将其划分为50个资源块,则每个资源块具备100/50=2个单位的计算资源。
此外,本发明实施例可以设定交易的资源块的最小单位,例如预先设定每个每个资源块包含的计算资源量为a,则用户设备向边缘服务器请求的资源块均为a的整数倍。
为了便于理解,定义如下符号的含义。
用户设备i产生的待处理任务执行卸载的预计时延;
用户设备i产生的待处理任务执行卸载的预计能耗;
α:时延因子;β:能耗因子;
Ni:用户设备i产生的待处理任务所需的资源块数目;
用户设备i的任务提交到边缘服务器的时间;
用户设备i的任务期望完成时间;
用户设备i的任务最晚完成时间;
用户设备i对完成任务的期望花销;
上述参数均为用户设备的待处理任务的信息,在进行任务卸载分配之前,用户设备可以将自身的待处理任务的信息发送至资源分配服务器;
此外,以下参数表示边缘服务器的信息:
边缘服务器j的针对资源块的最低出售价;
边缘服务器j所能提供的资源块数目;
边缘服务器j的资源块提供计算服务的开始时间;
边缘服务器j的资源块提供计算服务的结束时间。
在进行任务卸载分配之前,目标边缘服务器可以将自身信息发送至资源分配服务器。
本发明实施例中,任务卸载的分配过程可以是一轮一轮进行的,例如,可以每隔预设时间进行一次任务卸载分配,在每轮任务卸载分配的初始阶段,资源分配服务器可以获取用户设备的待处理任务的信息和边缘服务器的信息,根据这些信息进行任务卸载分配。
在本发明的一种实施例中,可以基于用户设备侧的信息,边缘服务器侧的信息,以及用户设备与边缘服务器之间的信道信息,预估用户设备产生的待处理任务所需的资源块数目。
具体的,可以采用如下式子确定每个用户终端产生的待处理任务所需的资源块数目:
其中,Tl i表示用户设备i产生的待处理任务在本地处理的预计时延,表示用户设备i产生的待处理任务在本地处理的预计能耗,Ri表示用户设备i产生的待处理任务的数据量,表示用户设备i本地计算的计算率,表示用户设备i本地计算的功率,Ji表示完成用户设备i产生的待处理任务所需的CPU总周期,Bij表示用户设备i将产生的待处理任务卸载至边缘服务器的传输时延,表示边缘服务器的计算率,表示用户设备i的发送功率,l-a表示用户设备i与边缘服务器之间的信道增益,表示用户设备i与边缘服务器之间的信道的白噪声功率,表示边缘服务器处理用户设备i产生的待处理任务所需的计算资源量,a表示预先设定的每个资源块的计算资源量,[·]表示最大取整,Ni表示用户设备i产生的待处理任务所需的资源块数目。
下面分别介绍上述公式的物理意义:
公式(1):用户设备产生的待处理任务执行卸载的能耗及时延应小于在本地进行处理的能耗和时延;
公式(2):用户设备产生的待处理任务在本地进行处理的能耗和时延计算公式。
公式(3):时延因子表示用户设备产生的待处理任务执行卸载的时延与在本地进行处理的时延的比值;能耗因子表示用户设备产生的待处理任务执行卸载的能耗与在本地进行处理的能耗的比值。其中时延因子α和能耗因子β均为0到1的小数,具体的值可以根据用户当前要处理的任务进行设定,例如当前要处理的任务的时延要求较高,则时延因子的值较小,表示用户将待处理任务卸载到边缘服务器进行处理,相比于本地处理,能够显著降低时延。
公式(4):用户设备产生的待处理任务卸载到边缘服务器处理的时延包括传输时延和边缘服务器处理该任务的时延。
公式(5):用户设备i的发射功率与传输时延的乘积表示用户设备侧需要消耗的能量,应不大于执行卸载所需要消耗的能量。
公式(6):基于公式(5),反推出用户设备i将产生的待处理任务卸载至边缘服务器的传输时延应满足的关系式;
公式(7):边缘服务器处理用户设备i产生的待处理任务所需的计算资源量应满足的关系式。
公式(8):获取边缘服务器处理用户设备i产生的待处理任务所需的计算资源量与预设的每个资源块包含的计算资源量的比值,再向上取整,即为用户设备i产生的待处理任务所需的资源块数目。其中[·]表示最大取整,例如[2.4]=3。
可见,本发明实施例中,在每轮任务卸载分配的初始阶段,资源分配服务器可以获取用户设备的待处理任务的上述信息和边缘服务器的上述信息,用户设备与边缘服务器之间的信道信息,根据这些信息预估用户设备产生的待处理任务所需的资源块数目。
S102:获取每个用户设备针对资源块的最高购入价,以及各个边缘服务器针对资源块的最低出售价;
本发明实施例中,最高购入价和最低出售价均为虚拟的价格,只是为了具体的表示交易资源块的期望。例如,若某一用户设备产生的待处理任务较为紧急,则该用户针对资源块的最高购入价可以设定的较高。
在每轮任务卸载分配的初始阶段,资源分配服务器获取的信息中包含每个用户设备针对资源块的最高购入价,以及各个边缘服务器针对资源块的最低出售价。
S103:基于所述最高购入价和所述最低出售价,为每个用户设备的待处理任务确定目标边缘服务器;
资源分配服务器在获取用户设备的针对资源块的最高购入价和边缘服务器的针对资源块的最低出售价之后,可以为每个用户设备的待处理任务确定目标边缘服务器。
本发明的一种实施例中,若用户设备的针对资源块的最高购入价大于等于边缘服务器针对资源块的最低出售价,则说明该用户设备可以与该边缘服务器进行资源块的交易,可以将该边缘服务器确定为该用户设备的目标边缘服务器。
在本发明的另一种实施例中,针对每一用户设备,可以遍历边缘服务器集合,确定最低出售价大于该用户设备的最高购入价的边缘服务器,作为候选边缘服务器。随后,按照顺序遍历候选边缘服务器,依次将每个候选边缘服务器确定为目标边缘服务器,并计算当前所确定的目标边缘服务器所能提供的资源块的总数目,直到遍历所有候选边缘服务器,或当前所确定的目标边缘服务器所能提供的资源块的总数目大于用户设备的待处理任务所需的资源块的总数目。
S104:根据当前各个用户设备产生的待处理任务所需的资源块的总数目,以及当前各个边缘服务器所能提供的资源块的总数目,确定供求关系比例;
在本发明实施例中,在每轮任务卸载分配中,可能存在资源块供大于求,或供不应求的情况。具体的,若用户设备产生的待处理任务所需的资源块总数目小于边缘服务器所能提供的资源块的总数目,则属于资源块供大于求的情况;若用户设备产生的待处理任务所需的资源块总数目大于边缘服务器所能提供的资源块的总数目,则属于资源块供不应求的情况。
在本发明实施例中,可以将边缘服务器所能提供的资源块的总数目与用户设备产生的待处理任务所需的资源块总数目的比值作为供求关系比例,用λ表示。
S105:针对每个用户设备,根据该用户设备针对资源块的最高购入价,该用户设备的各个目标边缘服务器针对资源块的最低出售价,以及所述供求关系比例,确定该用户设备与各个目标边缘服务器针对资源块的成交价;
本发明实施例中,当资源块供大于求时,用户设备与目标边缘服务器针对资源块的成交价相对较低;当资源块供不应求时,用户设备与目标边缘服务器针对资源块的成交价相对较高。
容易理解的,当资源块的供应量远远大于资源块的需求量时,资源块的成交价可以低至目标边缘服务器针对资源块的最低出售价;而当资源块的需求量远远大于资源块的供应量时,资源块的成交价可以高至用户设备针对资源块的最高购入价。
因此,可以预先设置供求关系比例的最大门限,当供求关系比例大于该最大门限时,资源块的成交价为目标边缘服务器针对资源块的最低出售价;还可以预先设置供求关系比例的最小门限,当供求关系比例小于该最小门限时,资源块的成交价为用户设备针对资源块的最高购入价。
具体的,一种实施例中,可以采用如下式子确定用户设备与目标边缘服务器针对资源块的成交价:
其中,i表示用户设备的序号,j表示目标边缘服务器的序号,λ表示供求关系比例,表示用户设备i与目标边缘服务器j针对资源块的成交价,表示用户设备i针对资源块的最高购入价,表示目标边缘服务器j针对资源块的最低出售价,λmax表示预设的供求关系比例的最大门限,λmin表示预设的供求关系比例的最小门限。
S106:基于各个用户设备的任务时延,和针对资源块的购入花销,构建用户设备侧的第一满意度方程;基于各个目标边缘服务器针对资源块的出售收入,构建目标边缘服务器侧的第二满意度方程;基于所述第一满意度方程,所述第二满意度方程,以及所述供求关系比例,构建所述用户设备和所述目标边缘服务器的最大期望总满意度的优化方程;
在本发明实施例中,用户设备侧所关注的是任务卸载至目标边缘服务器处理的时延和购入资源块的花销,时延和花销越小,则用户设备侧的收益越大,也即满意度越大。边缘服务器侧所关注的是出售资源块所带来的收入,收入越大,则边缘服务器侧的收益越大,也即满意度越大。
因此,可以基于各个用户设备的任务时延,和针对资源块的购入花销,构建用户设备侧的第一满意度方程。
具体的,第一满意度方程可以表示为:
其中,表示用户设备i的第一满意度,wcost表示购入花销的权重,wtime表示任务时延的权重,表示用户设备i针对购入花销的满意度,表示用户设备i针对任务时延的满意度;
在本发明实施例中,当购入花销或任务时延变化时,不同用户设备的满意度变化程度也可能是不同的。考虑到这一因素,本发明实施例将用户设备划分为不同的类型,参见图2(a)-图2(c),横轴为购入花销,纵轴为用户设备针对购入花销的满意度。随着购入花销的增大,图2(a)中用户设备的满意度缓慢下降,表示此类用户为易满意类型;图2(b)中用户设备的满意度呈直线下降,表示此类用户为理性类型;图2(c)中用户设备的满意度急剧下降,表示此类用户为难满意类型。
本发明实施例中,资源分配服务器可以预先收集各个用户的历史数据,构建各个用户针对购入花销的满意度曲线并存储,在进行任务卸载分配时,可以基于用户的满意度曲线确定用户针对购入花销的满意度。
同理,针对任务时延的满意度,也可以将用户设备划分为不同的类型。
此外,基于任务的类型,可以将待处理任务分为越早完成越好型的任务,以及按时完成最好型的任务。
针对越早完成越好型的任务,可参见图3(a)-图3(c),横轴为任务时延,纵轴为用户设备针对任务时延的满意度。随着任务时延的增大,图3(a)中用户设备的满意度缓慢下降,表示此类用户为易满意类型;图3(b)中用户设备的满意度呈直线下降,表示此类用户为理性类型;图3(c)中用户设备的满意度急剧下降,表示此类用户为难满意类型。
针对按时完成最好型的任务,参见图4(a)-图4(c),横轴为任务时延,纵轴为用户设备针对任务时延的满意度。随着任务完成的时间偏离期望完成时间,图4(a)中用户设备的满意度缓慢下降,表示此类用户为易满意类型;图4(b)中用户设备的满意度呈直线下降,表示此类用户为理性类型;图4(c)中用户设备的满意度急剧下降,表示此类用户为难满意类型。
本发明实施例中,资源分配服务器可以预先收集各个用户的历史数据,构建各个用户针对任务时延的满意度曲线并存储,在进行任务卸载分配时,可以基于满意度曲线确定用户针对任务时延的满意度。
本发明实施例中,第二满意度方程可以表示为:
其中,Sesp表示用户设备i对应的目标边缘服务器侧的第二满意度,表示目标边缘服务器j的第二满意度,nsum表示目标边缘服务器的总数,表示目标边缘服务器j为用户设备i提供的资源块的数目,Ni表示用户设备i产生的待处理任务所需的资源块数目;
同样的,当用户设备与目标边缘服务器针对资源块的成交价发生变化时,不同目标边缘服务器的满意度变化程度也可能是不同的。考虑到这一因素,本发明实施例可以将目标边缘服务器划分为不同的类型,参见图5(a)-图5(c),横轴为用户设备与目标边缘服务器针对资源块的成交价,纵轴为目标边缘服务器针对成交价的满意度。随着成交价的降低,图5(a)中目标边缘服务器的满意度缓慢下降,表示此类目标边缘服务器为易满意类型;图5(b)中目标边缘服务器的满意度呈直线下降,表示此类目标边缘服务器为理性类型;图5(c)中目标边缘服务器的满意度急剧下降,表示此类目标边缘服务器为难满意类型。
本发明实施例中,资源分配服务器可以预先收集各个目标边缘服务器的历史数据,构建各个目标边缘服务器针对成交价的满意度曲线并存储,在进行任务卸载分配时,可以基于满意度曲线确定目标边缘服务器针对成交价的满意度,也即目标边缘服务器侧的第二满意度。
本发明实施例中,为了综合考虑用户设备侧和边缘服务器侧的总收益,可以基于第一满意度方程,第二满意度方程和供求关系比例,构建最大期望总满意度的优化方程。
在本发明的一种实施例中,最大期望总满意度的优化方程可以表示为:
其中,Stotal表示用户设备和目标边缘服务器的总满意度,表示所述目标边缘服务器j所能提供的资源块的数目。
S107:基于最大期望总满意度的优化方程,确定资源分配决策;所述资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目。
本发明实施例中,在构建最大期望总满意度的优化方程后,可以对优化方程进行求解,进而确定资源分配决策,即每个用户设备从各个目标边缘服务器购入的资源块的数目。
由于该优化问题为整数问题,可以采用现有的多种算法进行求解,例如遍历法,遗传算法等。
其中遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,能够通过模拟自然进化过程搜索最优解。
本发明实施例中,可以预先设置各个边缘服务器提供给用户设备的资源块数目,作为遗传算法中的种群,逐代演化产生越来越接近最优解的近似解。在每一代,根据问题域中个体的适应度大小选择个体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境,末代种群中的最优个体经过解码可以作为问题近似最优解。
本发明实施例中所确定的最优解即为各个边缘服务器提供给用户设备的最优的资源块数目,可以基于最优解生成资源分配决策。
S108:基于所述资源分配决策,生成与用户设备数目相同的卸载指令,每个卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量;
在确定资源分配决策后,资源分配服务器可以生成与用户设备数目相同的卸载指令,以指示用户设备卸载至各个目标边缘服务器的任务的数据量。
例如,针对用户设备1的目标边缘服务器有三个,分别为目标边缘服务器A,目标边缘服务器B,目标边缘服务器C。目标边缘服务器A为用户设备1提供的资源块为20单位,目标边缘服务器B为用户设备1提供的资源块为30单位,目标边缘服务器C为用户设备1提供的资源块为50单位。而用户设备1所产生的待处理任务的总数据量为100单位,则可以确定用户设备1需要将待处理任务中20单位的数据量卸载至目标边缘服务器A,将30单位的数据量卸载至目标边缘服务器B,将50单位的数据量卸载至目标边缘服务器C。
S109:将所述卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。
资源分配服务器可以将卸载指令发送至相应的用户设备,用户设备可以根据卸载指令将部分任务卸载至各个目标边缘服务器。
可见,应用本发明实施例的基于双向拍卖机制的边缘计算任务卸载方法及装置,能够基于用户设备侧和边缘服务器侧的满意度,确定最大期望总满意度的优化方程,进而确定资源分配决策,资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;并基于资源分配决策,生成卸载指令,每一卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量,将卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。可见,在边缘计算任务卸载过程中,综合考虑了用户设备侧的收益和边缘服务器侧的收益,最大化总收益,使得边缘服务器提供的资源能够被合理分配,提高了边缘服务器的计算资源的利用率。
基于相同的发明构思,根据上述基于双向拍卖机制的边缘计算任务卸载方法实施例,本发明实施例还提供了一种基于双向拍卖机制的边缘计算任务卸载装置,参加图6,可以包括以下模块:
第一获取模块601,用于获取每个用户设备产生的待处理任务所需的资源块数目;
第二获取模块602,用于获取每个用户设备针对资源块的最高购入价,以及各个边缘服务器针对资源块的最低出售价;
第一确定模块603,用于基于所述最高购入价和所述最低出售价,为每个用户设备的待处理任务确定目标边缘服务器;
第二确定模块604,用于根据当前各个用户设备产生的待处理任务所需的资源块的总数目,以及当前各个边缘服务器所能提供的资源块的总数目,确定供求关系比例;
第三确定模块605,用于针对每个用户设备,根据该用户设备针对资源块的最高购入价,该用户设备的各个目标边缘服务器针对资源块的最低出售价,以及所述供求关系比例,确定该用户设备与各个目标边缘服务器针对资源块的成交价;
第四确定模块606,用于基于各个用户设备的任务时延,和针对资源块的购入花销,构建用户设备侧的第一满意度方程;基于各个目标边缘服务器针对资源块的出售收入,构建目标边缘服务器侧的第二满意度方程;基于所述第一满意度方程,所述第二满意度方程,以及所述供求关系比例,构建所述用户设备和所述目标边缘服务器的最大期望总满意度的优化方程;
第五确定模块607,用于基于所述最大期望总满意度的优化方程,确定资源分配决策;所述资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;
生成模块608,用于基于所述资源分配决策,生成与用户设备数目相同的卸载指令,每个卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量;
发送模块609,用于将所述卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。
在本发明的一种实施例中,第一获取模块601,具体可以用于:
基于如下公式计算每个用户设备产生的待处理任务所需的资源块数目:
其中,表示用户设备i产生的待处理任务执行卸载的预计时延,Tl i表示用户设备i产生的待处理任务在本地处理的预计时延,表示用户设备i产生的待处理任务执行卸载的预计能耗,表示用户设备i产生的待处理任务在本地处理的预计能耗,Ri表示用户设备i产生的待处理任务的数据量,表示用户设备i本地计算的计算率,表示用户设备i本地计算的功率,α表示时延因子,β表示能耗因子,Ji表示完成用户设备i产生的待处理任务所需的CPU总周期,Bij表示用户设备i将产生的待处理任务卸载至边缘服务器的传输时延,表示边缘服务器的计算率,表示用户设备i的发送功率,l-a表示用户设备i与边缘服务器之间的信道增益,表示用户设备i与边缘服务器之间的信道的白噪声功率,表示边缘服务器处理用户设备i产生的待处理任务所需的计算资源量,a表示预先设定的每个资源块的计算资源量,[·]表示最大取整,Ni表示用户设备i产生的待处理任务所需的资源块数目。
在本发明的一种实施例中,第三确定模块605,具体可以用于:
按照如下公式计算每个用户设备与各个目标边缘服务器针对资源块的成交价:
其中,i表示用户设备的序号,j表示目标边缘服务器的序号,λ表示供求关系比例,表示用户设备i与目标边缘服务器j针对资源块的成交价,表示用户设备i针对资源块的最高购入价,表示目标边缘服务器j针对资源块的最低出售价,λmax表示预设的供求关系比例的最大门限,λmin表示预设的供求关系比例的最小门限。
在本发明的一种实施例中,所述第一满意度方程为:
其中,表示用户设备i的第一满意度,wcost表示购入花销的权重,wtime表示任务时延的权重,表示用户设备i针对购入花销的满意度,表示用户设备i针对任务时延的满意度;
所述第二满意度方程为:
其中,Sesp表示用户设备i对应的目标边缘服务器侧的第二满意度,表示目标边缘服务器j的第二满意度,nsum表示目标边缘服务器的总数,表示目标边缘服务器j为用户设备i提供的资源块的数目,Ni表示用户设备i产生的待处理任务所需的资源块数目;
所述最大期望总满意度的优化方程为:
其中,Stotal表示所述用户设备和所述目标边缘服务器的总满意度,表示所述目标边缘服务器j所能提供的资源块的数目。
可见,应用本发明实施例的基于双向拍卖机制的边缘计算任务卸载装置,能够基于用户设备侧和边缘服务器侧的满意度,确定最大期望总满意度的优化方程,进而确定资源分配决策,资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;并基于资源分配决策,生成卸载指令,每一卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量,将卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。可见,在边缘计算任务卸载过程中,综合考虑了用户设备侧的收益和边缘服务器侧的收益,最大化总收益,使得边缘服务器提供的资源能够被合理分配,提高了边缘服务器的计算资源的利用率。
基于相同的发明构思,根据上述基于双向拍卖机制的边缘计算任务卸载方法实施例,本发明实施例还提供了一种电子设备,如图7所示,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信,
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现如下步骤:
获取每个用户设备产生的待处理任务所需的资源块数目;
获取每个用户设备针对资源块的最高购入价,以及各个边缘服务器针对资源块的最低出售价;
基于所述最高购入价和所述最低出售价,为每个用户设备的待处理任务确定目标边缘服务器;
根据当前各个用户设备产生的待处理任务所需的资源块的总数目,以及当前各个边缘服务器所能提供的资源块的总数目,确定供求关系比例;
针对每个用户设备,根据该用户设备针对资源块的最高购入价,该用户设备的各个目标边缘服务器针对资源块的最低出售价,以及所述供求关系比例,确定该用户设备与各个目标边缘服务器针对资源块的成交价;
基于各个用户设备的任务时延,和针对资源块的购入花销,构建用户设备侧的第一满意度方程;基于各个目标边缘服务器针对资源块的出售收入,构建目标边缘服务器侧的第二满意度方程;基于所述第一满意度方程,所述第二满意度方程,以及所述供求关系比例,构建所述用户设备和所述目标边缘服务器的最大期望总满意度的优化方程;
基于所述最大期望总满意度的优化方程,确定资源分配决策;所述资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;
基于所述资源分配决策,生成与用户设备数目相同的卸载指令,每个卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量;
将所述卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。
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7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。
可见,应用本发明实施例的电子设备,能够基于用户设备侧和边缘服务器侧的满意度,确定最大期望总满意度的优化方程,进而确定资源分配决策,资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;并基于资源分配决策,生成卸载指令,每一卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量,将卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。可见,在边缘计算任务卸载过程中,综合考虑了用户设备侧的收益和边缘服务器侧的收益,最大化总收益,使得边缘服务器提供的资源能够被合理分配,提高了边缘服务器的计算资源的利用率。
基于相同的发明构思,根据上述基于双向拍卖机制的边缘计算任务卸载方法实施例,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所示的任一基于双向拍卖机制的边缘计算任务卸载方法步骤。
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,并不排除在包括所述要素的过程、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,对于基于双向拍卖机制的边缘计算任务卸载装置、电子设备以及计算机可读存储介质实施例而言,由于其基本相似于基于双向拍卖机制的边缘计算任务卸载方法实施例,所以描述的比较简单,相关之处参见基于双向拍卖机制的边缘计算任务卸载方法实施例的部分说明即可。
以上所述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)
1.一种基于双向拍卖机制的边缘计算任务卸载方法,其特征在于,应用于边缘计算系统中的资源分配服务器,所述边缘计算系统包括所述资源分配服务器,多个用户设备和多个边缘服务器,所述方法包括:
获取每个用户设备产生的待处理任务所需的资源块数目;
获取每个用户设备针对资源块的最高购入价,以及各个边缘服务器针对资源块的最低出售价;
基于所述最高购入价和所述最低出售价,为每个用户设备的待处理任务确定目标边缘服务器;
根据当前各个用户设备产生的待处理任务所需的资源块的总数目,以及当前各个边缘服务器所能提供的资源块的总数目,确定供求关系比例;
针对每个用户设备,根据该用户设备针对资源块的最高购入价,该用户设备的各个目标边缘服务器针对资源块的最低出售价,以及所述供求关系比例,确定该用户设备与各个目标边缘服务器针对资源块的成交价;
基于各个用户设备的任务时延,和针对资源块的购入花销,构建用户设备侧的第一满意度方程;基于各个目标边缘服务器针对资源块的出售收入,构建目标边缘服务器侧的第二满意度方程;基于所述第一满意度方程,所述第二满意度方程,以及所述供求关系比例,构建所述用户设备和所述目标边缘服务器的最大期望总满意度的优化方程;
基于所述最大期望总满意度的优化方程,确定资源分配决策;所述资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;
基于所述资源分配决策,生成与用户设备数目相同的卸载指令,每个卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量;
将所述卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。
2.根据权利要求1所述的方法,其特征在于,所述获取每个用户设备产生的待处理任务所需的资源块数目的步骤,包括:
基于如下公式计算每个用户设备产生的待处理任务所需的资源块数目:
其中,表示用户设备i产生的待处理任务执行卸载的预计时延,Tl i表示用户设备i产生的待处理任务在本地处理的预计时延,表示用户设备i产生的待处理任务执行卸载的预计能耗,表示用户设备i产生的待处理任务在本地处理的预计能耗,Ri表示用户设备i产生的待处理任务的数据量,表示用户设备i本地计算的计算率,表示用户设备i本地计算的功率,α表示时延因子,β表示能耗因子,Ji表示完成用户设备i产生的待处理任务所需的CPU总周期,Bij表示用户设备i将产生的待处理任务卸载至边缘服务器的传输时延,表示边缘服务器的计算率,表示用户设备i的发送功率,l-a表示用户设备i与边缘服务器之间的信道增益,表示用户设备i与边缘服务器之间的信道的白噪声功率,表示边缘服务器处理用户设备i产生的待处理任务所需的计算资源量,a表示预先设定的每个资源块的计算资源量,[·]表示最大取整,Ni表示用户设备i产生的待处理任务所需的资源块数目。
3.根据权利要求1所述的方法,其特征在于,所述针对每个用户设备,根据该用户设备针对资源块的最高购入价,该用户设备的各个目标边缘服务器针对资源块的最低出售价,以及所述供求关系比例,确定该用户设备与各个目标边缘服务器针对资源块的成交价的步骤,包括:
按照如下公式计算每个用户设备与各个目标边缘服务器针对资源块的成交价:
其中,i表示用户设备的序号,j表示目标边缘服务器的序号,λ表示供求关系比例,表示用户设备i与目标边缘服务器j针对资源块的成交价,表示用户设备i针对资源块的最高购入价,表示目标边缘服务器j针对资源块的最低出售价,λmax表示预设的供求关系比例的最大门限,λmin表示预设的供求关系比例的最小门限。
4.根据权利要求1所述的方法,其特征在于,所述第一满意度方程为:
其中,表示用户设备i的第一满意度,wcost表示购入花销的权重,wtime表示任务时延的权重,表示用户设备i针对购入花销的满意度,表示用户设备i针对任务时延的满意度;
所述第二满意度方程为:
其中,Sesp表示用户设备i对应的目标边缘服务器侧的第二满意度,表示目标边缘服务器j的第二满意度,nsum表示目标边缘服务器的总数,表示目标边缘服务器j为用户设备i提供的资源块的数目,Ni表示用户设备i产生的待处理任务所需的资源块数目;
所述最大期望总满意度的优化方程为:
其中,Stotal表示所述用户设备和所述目标边缘服务器的总满意度,表示所述目标边缘服务器j所能提供的资源块的数目。
5.一种基于双向拍卖机制的边缘计算任务卸载装置,其特征在于,应用于边缘计算系统中的资源分配服务器,所述边缘计算系统包括所述资源分配服务器,多个用户设备和多个边缘服务器,所述装置包括:
第一获取模块,用于获取每个用户设备产生的待处理任务所需的资源块数目;
第二获取模块,用于获取每个用户设备针对资源块的最高购入价,以及各个边缘服务器针对资源块的最低出售价;
第一确定模块,用于基于所述最高购入价和所述最低出售价,为每个用户设备的待处理任务确定目标边缘服务器;
第二确定模块,用于根据当前各个用户设备产生的待处理任务所需的资源块的总数目,以及当前各个边缘服务器所能提供的资源块的总数目,确定供求关系比例;
第三确定模块,用于针对每个用户设备,根据该用户设备针对资源块的最高购入价,该用户设备的各个目标边缘服务器针对资源块的最低出售价,以及所述供求关系比例,确定该用户设备与各个目标边缘服务器针对资源块的成交价;
第四确定模块,用于基于各个用户设备的任务时延,和针对资源块的购入花销,构建用户设备侧的第一满意度方程;基于各个目标边缘服务器针对资源块的出售收入,构建目标边缘服务器侧的第二满意度方程;基于所述第一满意度方程,所述第二满意度方程,以及所述供求关系比例,构建所述用户设备和所述目标边缘服务器的最大期望总满意度的优化方程;
第五确定模块,用于基于所述最大期望总满意度的优化方程,确定资源分配决策;所述资源分配决策包括每个用户设备的目标边缘服务器为该用户设备的待处理任务提供的资源块数目;
生成模块,用于基于所述资源分配决策,生成与用户设备数目相同的卸载指令,每个卸载指令中包含一用户设备卸载至该用户设备的各个目标边缘服务器的数据量;
发送模块,用于将所述卸载指令发送至相应的用户设备,以使该用户设备将待处理任务的相应数据量的部分任务卸载至各个目标边缘服务器。
6.根据权利要求5所述的装置,其特征在于,所述第一获取模块,具体用于:
基于如下公式计算每个用户设备产生的待处理任务所需的资源块数目:
其中,表示用户设备i产生的待处理任务执行卸载的预计时延,Tl i表示用户设备i产生的待处理任务在本地处理的预计时延,表示用户设备i产生的待处理任务执行卸载的预计能耗,表示用户设备i产生的待处理任务在本地处理的预计能耗,Ri表示用户设备i产生的待处理任务的数据量,表示用户设备i本地计算的计算率,表示用户设备i本地计算的功率,α表示时延因子,β表示能耗因子,Ji表示完成用户设备i产生的待处理任务所需的CPU总周期,Bij表示用户设备i将产生的待处理任务卸载至边缘服务器的传输时延,表示边缘服务器的计算率,表示用户设备i的发送功率,l-a表示用户设备i与边缘服务器之间的信道增益,表示用户设备i与边缘服务器之间的信道的白噪声功率,表示边缘服务器处理用户设备i产生的待处理任务所需的计算资源量,a表示预先设定的每个资源块的计算资源量,[·]表示最大取整,Ni表示用户设备i产生的待处理任务所需的资源块数目。
7.根据权利要求5所述的装置,其特征在于,所述第三确定模块,具体用于:
按照如下公式计算每个用户设备与各个目标边缘服务器针对资源块的成交价:
其中,i表示用户设备的序号,j表示目标边缘服务器的序号,λ表示供求关系比例,表示用户设备i与目标边缘服务器j针对资源块的成交价,表示用户设备i针对资源块的最高购入价,表示目标边缘服务器j针对资源块的最低出售价,λmax表示预设的供求关系比例的最大门限,λmin表示预设的供求关系比例的最小门限。
8.根据权利要求5所述的装置,其特征在于,所述第一满意度方程为:
其中,表示用户设备i的第一满意度,wcost表示购入花销的权重,wtime表示任务时延的权重,表示用户设备i针对购入花销的满意度,表示用户设备i针对任务时延的满意度;
所述第二满意度方程为:
其中,Sesp表示用户设备i对应的目标边缘服务器侧的第二满意度,表示目标边缘服务器j的第二满意度,nsum表示目标边缘服务器的总数,表示目标边缘服务器j为用户设备i提供的资源块的数目,Ni表示用户设备i产生的待处理任务所需的资源块数目;
所述最大期望总满意度的优化方程为:
其中,Stotal表示所述用户设备和所述目标边缘服务器的总满意度,表示所述目标边缘服务器j所能提供的资源块的数目。
9.一种电子设备,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1-4任一所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,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权利要求1-4任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910789821.0A CN110505165B (zh) | 2019-08-26 | 2019-08-26 | 一种基于双向拍卖机制的边缘计算任务卸载方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910789821.0A CN110505165B (zh) | 2019-08-26 | 2019-08-26 | 一种基于双向拍卖机制的边缘计算任务卸载方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110505165A true CN110505165A (zh) | 2019-11-26 |
CN110505165B CN110505165B (zh) | 2021-06-18 |
Family
ID=68589582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910789821.0A Active CN110505165B (zh) | 2019-08-26 | 2019-08-26 | 一种基于双向拍卖机制的边缘计算任务卸载方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110505165B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639993A (zh) * | 2020-05-29 | 2020-09-08 | 郑州轻工业大学 | 一种基于多物品拍卖机制的移动数据卸载及定价方法 |
CN112422644A (zh) * | 2020-11-02 | 2021-02-26 | 北京邮电大学 | 计算任务卸载方法及系统、电子设备和存储介质 |
CN112929915A (zh) * | 2021-02-20 | 2021-06-08 | 中南大学 | 一种移动边缘计算的动态数据卸载方法及系统 |
CN113498077A (zh) * | 2020-03-20 | 2021-10-12 | 湖南智领通信科技有限公司 | 一种用于智能物联网保障低时延传输的通信方法及装置 |
CN113703970A (zh) * | 2021-08-13 | 2021-11-26 | 北京信息科技大学 | 基于拍卖机制的服务器资源分配方法、装置、设备及介质 |
CN113923781A (zh) * | 2021-06-25 | 2022-01-11 | 国网山东省电力公司青岛供电公司 | 综合能源服务站无线网络资源分配方法及装置 |
US11340956B2 (en) | 2020-09-11 | 2022-05-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for dynamic prediction and optimization of edge server scheduling |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109067842A (zh) * | 2018-07-06 | 2018-12-21 | 电子科技大学 | 面向车联网的计算任务卸载方法 |
CN110096318A (zh) * | 2019-05-08 | 2019-08-06 | 北京邮电大学 | 一种基于移动边缘计算的任务卸载方法及装置 |
CN110109745A (zh) * | 2019-05-15 | 2019-08-09 | 华南理工大学 | 一种针对边缘计算环境的任务协同在线调度方法 |
-
2019
- 2019-08-26 CN CN201910789821.0A patent/CN110505165B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109067842A (zh) * | 2018-07-06 | 2018-12-21 | 电子科技大学 | 面向车联网的计算任务卸载方法 |
CN110096318A (zh) * | 2019-05-08 | 2019-08-06 | 北京邮电大学 | 一种基于移动边缘计算的任务卸载方法及装置 |
CN110109745A (zh) * | 2019-05-15 | 2019-08-09 | 华南理工大学 | 一种针对边缘计算环境的任务协同在线调度方法 |
Non-Patent Citations (1)
Title |
---|
KAILE XIAO 等: "Task Offloading and Resources Allocation based on Fairness in Edge Computing", 《2019 IEEE WIRELESS COMMUNICATIONS AND NETWORKING CONFERENCE (WCNC)》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113498077B (zh) * | 2020-03-20 | 2022-05-13 | 湖南智领通信科技有限公司 | 一种用于智能物联网保障低时延传输的通信方法及装置 |
CN113498077A (zh) * | 2020-03-20 | 2021-10-12 | 湖南智领通信科技有限公司 | 一种用于智能物联网保障低时延传输的通信方法及装置 |
CN111639993B (zh) * | 2020-05-29 | 2023-06-09 | 郑州轻工业大学 | 一种基于多物品拍卖机制的移动数据卸载及定价方法 |
CN111639993A (zh) * | 2020-05-29 | 2020-09-08 | 郑州轻工业大学 | 一种基于多物品拍卖机制的移动数据卸载及定价方法 |
US11340956B2 (en) | 2020-09-11 | 2022-05-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for dynamic prediction and optimization of edge server scheduling |
CN112422644A (zh) * | 2020-11-02 | 2021-02-26 | 北京邮电大学 | 计算任务卸载方法及系统、电子设备和存储介质 |
CN112422644B (zh) * | 2020-11-02 | 2021-08-31 | 北京邮电大学 | 计算任务卸载方法及系统、电子设备和存储介质 |
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 |
CN112929915B (zh) * | 2021-02-20 | 2022-08-02 | 中南大学 | 一种移动边缘计算的动态数据卸载方法及系统 |
CN112929915A (zh) * | 2021-02-20 | 2021-06-08 | 中南大学 | 一种移动边缘计算的动态数据卸载方法及系统 |
CN113923781A (zh) * | 2021-06-25 | 2022-01-11 | 国网山东省电力公司青岛供电公司 | 综合能源服务站无线网络资源分配方法及装置 |
CN113703970A (zh) * | 2021-08-13 | 2021-11-26 | 北京信息科技大学 | 基于拍卖机制的服务器资源分配方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110505165B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110505165B (zh) | 一种基于双向拍卖机制的边缘计算任务卸载方法及装置 | |
US9009318B2 (en) | Offline resource allocation algorithms | |
CN109714797B (zh) | 一种基于拍卖理论的移动边缘网络资源分配方法 | |
CN112491964B (zh) | 移动辅助边缘计算方法、装置、介质和设备 | |
US20070011052A1 (en) | Method and apparatus for joint pricing and resource allocation under service-level agreement | |
CN110111189B (zh) | 基于双边拍卖的在线组合资源分配与支付方法 | |
CN110689159B (zh) | 一种商品补货的方法和装置 | |
CN103218737A (zh) | 一种基于双边市场的移动云计算环境中多维资源定价方法 | |
CN111798167B (zh) | 一种仓库补货的方法和装置 | |
CN112887435B (zh) | 一种提高边缘计算中任务卸载合作率的方法 | |
Jiang et al. | Data-driven stochastic scheduling and dynamic auction in IaaS | |
CN110827102A (zh) | 用于调货比价的方法和装置 | |
CN112926090A (zh) | 基于差分隐私的业务分析方法及装置 | |
CN113762866A (zh) | 一种物流信息处理方法、装置以及系统 | |
US11961131B2 (en) | System and method for electronic third-party negotiation automation system and tool | |
CN115794421A (zh) | 资源分配方法、装置和电子设备 | |
CN113553500B (zh) | 商家信息推荐方法、装置、电子设备及存储介质 | |
CN112463371B (zh) | 一种面向异构移动边缘云的合作任务卸载拍卖方法 | |
Liu et al. | An online combinatorial auction based resource allocation and pricing mechanism for network slicing in 5G | |
CN113535408A (zh) | 边缘侧计算资源拍卖式优化方法 | |
CN108958931B (zh) | 一种计算迁移方法及装置 | |
Wang et al. | Radio-as-a-service: Auction-based model and mechanisms | |
CN111476639A (zh) | 商品推荐策略确定方法、装置、计算机设备及存储介质 | |
Gue et al. | Predicting departure times in multi-stage queueing systems | |
CN112330450B (zh) | 算力交易处理方法、装置、区块链的节点及存储介质 |
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 |