CN110688221A - 一种边缘计算中面向增强现实应用的动态任务调度方法 - Google Patents
一种边缘计算中面向增强现实应用的动态任务调度方法 Download PDFInfo
- Publication number
- CN110688221A CN110688221A CN201910846699.6A CN201910846699A CN110688221A CN 110688221 A CN110688221 A CN 110688221A CN 201910846699 A CN201910846699 A CN 201910846699A CN 110688221 A CN110688221 A CN 110688221A
- Authority
- CN
- China
- Prior art keywords
- objective function
- task
- constraint condition
- edge nodes
- time slot
- 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
Images
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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
-
- 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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种边缘计算中面向增强现实应用的动态任务调度方法,该方法包括:根据边缘计算系统经济开销不高于预算上限的约束条件,构造虚拟队列,将虚拟队列稳定作为优化第一目标函数时的约束条件,所述第一目标函数为平均时延;根据李雅普诺夫优化理论,将第一目标函数转化为第二目标函数,通过对第二目标函数取最小值进行优化,并结合注水算法,得到分配到不同边缘节点和公有云的任务量。采用本发明能够有效降低增强现实应用的响应时间。
Description
技术领域
本发明涉及互联网信息技术领域,特别涉及一种边缘计算中面向增强现实应用的动态任务调度方法。
背景技术
边缘计算是实现增强现实应用的重要平台。增强现实应用由于需要与用户间进行实时交互,因而对时延要求很高。而移动设备CPU的计算能力不足,在移动设备上运行计算密集的增强现实任务时会造成很长的处理时延,同时产生大量设备能耗。
发明内容
本发明的目的在于提供了一种边缘计算中面向增强现实应用的动态任务调度方法,能够有效降低增强现实应用的响应时间。
本发明实施例提供了一种边缘计算中面向增强现实应用的动态任务调度方法,该方法包括:
根据边缘计算系统经济开销不高于预算上限的约束条件,构造虚拟队列,将虚拟队列稳定作为优化第一目标函数时的约束条件,所述第一目标函数为平均时延;
根据李雅普诺夫优化理论,将第一目标函数转化为第二目标函数,通过对第二目标函数取最小值进行优化,并结合注水算法,得到分配到不同边缘节点和公有云的任务量。
本发明提供的一种边缘计算中面向增强现实应用的动态任务调度方法,根据不同边缘节点的动态任务到达和计算容量情况,对第二目标函数取最小值进行优化,并结合注水算法,得到分配到不同边缘节点和公有云的任务量。在边缘计算系统中实现了不同边缘节点间的负载均衡,从而有效降低增强现实应用的响应时间。
附图说明
图1为本发明实施例一种边缘计算中面向增强现实应用的动态任务调度方法流程示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明所述方案作进一步地详细说明。
将增强现实任务托管到边缘计算平台运行既有利于降低应用响应时间,又能够有效降低设备能耗。然而,在边缘计算系统中,每个边缘节点的计算容量有限且不变,而增强现实任务的到达具有动态性和不均匀性,如何在不同边缘节点间以及公有云之间进行有效的任务调度,从而在有限的资源开销内优化增强现实应用的响应时间是本申请的重点内容。解决此问题面临任务动态到达、边缘节点非均匀以及性能-开销折中等挑战。
本发明实施例提出一种边缘计算中面向增强现实应用的动态任务调度方法,其流程示意图如图1所示,该方法包括:
步骤11、根据边缘计算系统经济开销不高于预算上限的约束条件,构造虚拟队列,将虚拟队列稳定作为优化第一目标函数时的约束条件,所述第一目标函数为平均时延。平均时延就是本发明要优化的响应时间。
其中,边缘计算系统经济开销包括运营商部署边缘节点的开销和使用云资源的开销,边缘计算系统经济开销C(t)满足C(t)≤Θ,Θ表示系统经济开销的上限。边缘计算系统包括各边缘节点。文中所述的任务量指的是增强现实任务量。边缘节点与用户之间是通过无线接入网连接;边缘节点之间通过有线P2P或局域网连接;边缘节点与公有云之间,边缘节点先通过回程网络连接网关,再通过核心网连到公有云。
步骤12、根据李雅普诺夫优化理论,将第一目标函数转化为第二目标函数,通过对第二目标函数取最小值进行优化,并结合注水算法,得到分配到不同边缘节点和公有云的任务量。其中,λ=λ1(t),λ2(t),...,λN(t),λcloud(t),λn(t)为第t个时隙分配到第n个边缘节点的任务量,λcloud(t)为第t个时隙分配到公有云的任务量。
其中,对第二目标函数取最小值进行优化时的约束条件包括:等式约束条件和非等式约束条件;
所述等式约束条件包括:
第t个时隙分配到公有云的任务量等于第t个时隙从边缘节点出去的任务总量:λcloud(t)=λout(t);
所述非等式约束条件包括:
第t个时隙分配到第n个边缘节点的任务量不小于0,且小于该边缘节点的最大计算容量:0≤λn(t)<μn n=1,2,...,N;其中,第t个时隙每个边缘节点的最大计算容量μn是有限不变的。
第t个时隙分配到公有云的任务量不小于0,且小于该公有云的最大计算容量:0≤λcloud(t)<μc(t),其中,第t个时隙公有云的最大计算容量μc(t)是有限不变的。
具体地,对第二目标函数取最小值进行优化,并结合注水算法,得到分配到不同边缘节点和公有云的任务量,具体包括:
S121、去掉非等式约束条件,在等式约束条件下,根据KKT条件将不同边缘节点和公有云的任务量表示为拉格朗日算子η1的函数;
S122、根据注水算法,将不同边缘节点和公有云的任务量限制在所述非等式约束条件范围内。其中,注水算法,是基于注水的思想设计有效的算法,满足以下要求:如果某一变量的取值低于下限或高于上限,则此变量取下限或上限。本发明中的变量指的是任务量λ,是本发明的决策变量。
综上,首先,本发明将在有限的资源开销内优化增强现实应用的响应时间问题,转化为在虚拟队列稳定的约束下优化增强现实应用的响应时间问题。然后利用李雅普诺夫优化理论,将原来的动态优化问题,转化为单时隙静态优化问题,进而基于注水的思想设计有效的算法,得到分配到不同边缘节点和公有云的任务量,并有效地降低了算法复杂度。本发明在边缘计算系统中实现了不同边缘节点间的负载均衡,从而有效降低增强现实应用的响应时间。
下面介绍几个本发明涉及的概念:
李雅普诺夫优化理论,用于求解动态优化问题,可将动态优化问题转化为每个时隙内的静态优化问题,因此无需知道未来时隙的信息即可求解动态优化问题。
KKT(Karush-Kuhn-Tucher)条件,是解决最优化问题的时用到的一种方法。本发明具体用于求解凸优化问题,通过搜索满足KKT条件的解即可求得凸优化问题的最优解。
下面对上述方案进行详细说明。
1、构造虚拟队列Q(t)如下:
保证虚拟队列Q(t)稳定可确保系统经济开销C(t)满足C(t)≤Θ。
因此,在有限的资源开销内对平均时延进行优化转化为在虚拟队列稳定的约束下对平均时延进行优化:
0≤λn(t)<μn n=1,2,...,N (3)
0≤λcloud(t)<μc(t) (4)
λcloud(t)=λout(t) (5)
0≤λn(t)<μn n=1,2,...,N (3)
0≤λcloud(t)<μc(t) (4)
λcloud(t)=λout(t) (5)
2、根据李雅普诺夫函数以及李雅普诺夫偏移△(Q(t))=E{L(Q(t+1))-L(Q(t))|Q(t)},将第一目标函数转化为第二目标函数Q(t)(C(t)-Θ)+VD(t),其中,V为常数,对第二目标函数取最小值进行优化,即min Q(t)(C(t)-Θ)+VD(t),约束条件包括以下:
0≤λn(t)<μn n=1,2,...,N (3)
0≤λcloud(t)<μc(t) (4)
λcloud(t)=λout(t) (5)
3、上述问题可证为凸优化问题,将非等式约束条件(3)(4)去掉,然后根据KKT条件将λ表示为拉格朗日算子η1的函数如下
4、根据注水算法,将λ的取值限制在非等式约束条件(3)(4)范围内:如果某一变量的取值低于下限或高于上限,则此变量取下限或上限,如对于分配到边缘节点n的任务量λn,如果λn(η1)<0,则λn(η1)=0,如果λn(η1)≥μn-ε,则λn(η1)=μn-ε,ε为无限趋于0的正数。
综上,本发明利用李雅普诺夫优化理论和注水算法分别完成问题转换和复杂度降低,从而高效实现根据边缘节点计算容量进行任务调度,有效达到负载均衡。从而有效降低增强现实应用的响应时间。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (4)
1.一种边缘计算中面向增强现实应用的动态任务调度方法,其特征在于,该方法包括:
根据边缘计算系统经济开销不高于预算上限的约束条件,构造虚拟队列,将虚拟队列稳定作为优化第一目标函数时的约束条件,所述第一目标函数为平均时延;
根据李雅普诺夫优化理论,将第一目标函数转化为第二目标函数,通过对第二目标函数取最小值进行优化,并结合注水算法,得到分配到不同边缘节点和公有云的任务量。
2.如权利要求1所述的方法,其特征在于,
对第二目标函数取最小值进行优化时的约束条件包括:等式约束条件和非等式约束条件;
其中,所述等式约束条件包括:
第t个时隙从边缘节点出去的任务总量等于第t个时隙在n个边缘节点的任务到达速率总和,减去分配到n个边缘节点的任务量总和;
第t个时隙分配到公有云的任务量等于第t个时隙从边缘节点出去的任务总量;
所述非等式约束条件包括:
第t个时隙分配到第n个边缘节点的任务量不小于0,且小于该边缘节点的最大计算容量;
第t个时隙分配到公有云的任务量不小于0,且小于该公有云的最大计算容量。
3.如权利要求2所述的方法,其特征在于,对第二目标函数取最小值进行优化,并结合注水算法,得到分配到不同边缘节点和公有云的任务量,具体包括:
去掉非等式约束条件,在等式约束条件下,根据KKT条件将不同边缘节点和公有云的任务量表示为拉格朗日算子η1的函数;
根据注水算法,将不同边缘节点和公有云的任务量限制在所述非等式约束条件范围内。
4.如权利要求1所述的方法,其特征在于,根据李雅普诺夫优化理论,将第一目标函数转化为第二目标函数,具体包括:
根据李雅普诺夫函数,以及李雅普诺夫偏移,将第一目标函数转化为第二目标函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846699.6A CN110688221B (zh) | 2019-09-09 | 2019-09-09 | 一种边缘计算中面向增强现实应用的动态任务调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846699.6A CN110688221B (zh) | 2019-09-09 | 2019-09-09 | 一种边缘计算中面向增强现实应用的动态任务调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110688221A true CN110688221A (zh) | 2020-01-14 |
CN110688221B CN110688221B (zh) | 2022-01-21 |
Family
ID=69108765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910846699.6A Active CN110688221B (zh) | 2019-09-09 | 2019-09-09 | 一种边缘计算中面向增强现实应用的动态任务调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688221B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023158284A1 (ko) * | 2022-02-21 | 2023-08-24 | 삼성전자 주식회사 | 증강 현실 서비스 성능 최적화 방법 및 장치 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170164237A1 (en) * | 2015-12-03 | 2017-06-08 | The Trustees Of The Stevens Institute Of Technology | System Apparatus And Methods For Cognitive Cloud Offloading In A Multi-Rat Enabled Wireless Device |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN109857546A (zh) * | 2019-01-03 | 2019-06-07 | 武汉理工大学 | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 |
CN109922137A (zh) * | 2019-01-28 | 2019-06-21 | 中国人民解放军国防科技大学 | 无人机协助的计算迁移方法 |
-
2019
- 2019-09-09 CN CN201910846699.6A patent/CN110688221B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170164237A1 (en) * | 2015-12-03 | 2017-06-08 | The Trustees Of The Stevens Institute Of Technology | System Apparatus And Methods For Cognitive Cloud Offloading In A Multi-Rat Enabled Wireless Device |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN109857546A (zh) * | 2019-01-03 | 2019-06-07 | 武汉理工大学 | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 |
CN109922137A (zh) * | 2019-01-28 | 2019-06-21 | 中国人民解放军国防科技大学 | 无人机协助的计算迁移方法 |
Non-Patent Citations (4)
Title |
---|
CHIEN SHENG YANG: "Communication-aware Scheduling of serial tasks for Dispersed Computing", 《IEEE》 * |
SU PAN: "Energy-optimal scheduling of mobile cloud computing based on a modified Lyapunov optimization method", 《IEEE》 * |
李成严: "不确定执行时间的云计算资源调度", 《哈尔滨理工大学学报》 * |
李磊: "基于李雅普诺夫优化的容器云队列在线任务和资源调度设计", 《JOURNAL OF COMPUTER APPLICATION》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023158284A1 (ko) * | 2022-02-21 | 2023-08-24 | 삼성전자 주식회사 | 증강 현실 서비스 성능 최적화 방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
CN110688221B (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109582448B (zh) | 一种面向关键度和时效性的边缘计算任务调度方法 | |
Subrata et al. | Game-theoretic approach for load balancing in computational grids | |
CN109639833B (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 | |
CN110968366B (zh) | 一种基于有限mec资源的任务卸载方法、装置及设备 | |
CN103338228A (zh) | 基于双加权最小连接算法的云计算负载均衡调度算法 | |
CN113115459B (zh) | 一种面向电力物联网海量终端的多尺度多维资源分配方法 | |
CN106775949B (zh) | 感知复合应用特征与网络带宽的虚拟机在线迁移优化方法 | |
CN112804728B (zh) | 一种基于上下文学习的电力物联网海量终端接入控制方法 | |
CN112612553B (zh) | 一种基于容器技术的边缘计算任务卸载方法 | |
Wang et al. | An energy saving based on task migration for mobile edge computing | |
CN112214301A (zh) | 面向智慧城市基于用户偏好的动态计算迁移方法及装置 | |
CN113961264A (zh) | 一种面向视频监控云边协同的智能卸载算法与系统 | |
CN110688221B (zh) | 一种边缘计算中面向增强现实应用的动态任务调度方法 | |
CN113535397A (zh) | 一种智能车辆边缘计算网络的资源分配方法 | |
CN114201180A (zh) | 微服务部署方法、可读存储介质及设备 | |
CN112437449B (zh) | 联合资源分配方法 | |
Wang et al. | Joint task assignment and resource allocation in the heterogeneous multi-layer mobile edge computing networks | |
Luo et al. | A Two‐Stage Service Replica Strategy for Business Process Efficiency Optimization in Community Cloud | |
Aljammal et al. | A new architecture of cloud computing to enhance the load balancing | |
CN109739513B (zh) | 一种多边缘云下服务请求动态调度方法及装置 | |
CN114116052A (zh) | 一种边缘计算方法及装置 | |
CN115150893A (zh) | 基于任务划分与d2d的mec任务卸载策略方法 | |
Zhang et al. | SARSA-Based Computation Offloading between Cloudlets with EON | |
Fadlallah et al. | Towards mobile collaborative autonomous networks using peer-to-peer communication | |
Lai et al. | Task scheduling for cloud based cyber-physical 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 |