CN110730232B - 边缘计算中高能效的计算结点选择和计算任务分配方法 - Google Patents

边缘计算中高能效的计算结点选择和计算任务分配方法 Download PDF

Info

Publication number
CN110730232B
CN110730232B CN201910976476.1A CN201910976476A CN110730232B CN 110730232 B CN110730232 B CN 110730232B CN 201910976476 A CN201910976476 A CN 201910976476A CN 110730232 B CN110730232 B CN 110730232B
Authority
CN
China
Prior art keywords
calculation
node
computing
amount
task
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.)
Active
Application number
CN201910976476.1A
Other languages
English (en)
Other versions
CN110730232A (zh
Inventor
刘婷婷
朱昊
包永强
冯月芹
刘传清
余雨
水恒华
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.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of 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 Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN201910976476.1A priority Critical patent/CN110730232B/zh
Publication of CN110730232A publication Critical patent/CN110730232A/zh
Application granted granted Critical
Publication of CN110730232B publication Critical patent/CN110730232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • 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
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

边缘计算中高能效的计算结点选择和计算任务分配方法。首先确定计算任务量与时延违反概率之间的关系。当给定时延违反概率后，确定每个结点在规定的时间内能处理的最大计算量。当需要完成的计算任务的总计算量小于周围结点能提供的最大计算量总和时，进一步给出一种高能效的计算结点选择和计算任务分配方法，提高边缘计算的能效。若需要完成的计算任务的总计算量大于周围结点能提供的最大计算量总和时，该任务无法被完成，丢弃该任务。本发明在满足时延违反概率和总计算量的前提下，能够有效提升边缘计算的能量效率。

Description

边缘计算中高能效的计算结点选择和计算任务分配方法
技术领域
本发明属于边缘计算、边缘存储、资源分配、能量效率领域，具体涉及边缘计算中高能效的计算结点选择和计算任务分配方法。
背景技术
边缘技术是运用网络边缘的计算资源，在规定的时间内，完成计算任务。与云计算相比，边缘计算的主要优点是时延较短，且由于边缘结点众多，可以提供可观的计算能力。为了更好的实现边缘计算，还需要解决在规定时间内、规定的时延违反概率条件下，给定了完成该任务的最大能耗情况下，如何进行计算结点选择，以及计算任务如何分配的问题。
发明内容
本发明针对现有技术中的不足，提供一种边缘计算中高能效的计算结点选择和计算任务分配方法，目的在于填补边缘计算中高能效计算结点选择和计算任务分配方法的空白，提高边缘计算的能效。
为实现上述目的，本发明采用以下技术方案：
边缘计算中高能效的计算结点选择和计算任务分配方法，其特征在于，包括以下步骤：
S1：首先确定计算任务量与时延违反概率之间的关系；
S2：给定时延违反概率后，确定在规定时间内每个结点能处理的最大计算量；
S3：当需要完成的计算任务的总计算量小于周围结点能提供的最大计算量总和时，根据给出的计算结点选择和计算任务分配方法，提高边缘计算的能效；若需要完成的计算任务的总计算量大于周围结点能提供的最大计算量总和时，该任务无法被完成，丢弃该任务。
为优化上述技术方案，采取的具体措施还包括：
进一步地，步骤S1中，确定计算任务量与时延违反概率之间的关系，表达式为：
Figure GDA0002610016630000011
其中，i表示计算结点
Figure GDA0002610016630000019
的编号，
Figure GDA0002610016630000012
表示计算请求用户
Figure GDA0002610016630000013
到计算结点
Figure GDA0002610016630000016
的信道排队延迟，T表示规定的时间，
Figure GDA0002610016630000014
表示计算结点
Figure GDA0002610016630000018
的计算时延，且
Figure GDA0002610016630000015
Xi为分配给计算结点
Figure GDA0002610016630000017
的计算量，L为计算强度，fo为计算结点的基础计算能力，γi为可调节参数，用于调节计算能力；计算结点
Figure GDA00026100166300000228
在时间n到达的数据量表示为ai(n)；在时间n，从计算结点
Figure GDA00026100166300000229
到计算请求用户
Figure GDA0002610016630000021
的服务速率表示为si(n)；
Figure GDA0002610016630000022
表示对
Figure GDA0002610016630000023
求期望，
Figure GDA0002610016630000024
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure GDA00026100166300000230
的初始计算量；
Figure GDA0002610016630000025
Figure GDA0002610016630000026
表示ai(n)的右特征向量，
Figure GDA0002610016630000027
表示si(n)的右特征向量；
Figure GDA0002610016630000028
θi为人为定义的变量，
Figure GDA0002610016630000029
Figure GDA00026100166300000210
表示ai(n)的转移矩阵，
Figure GDA00026100166300000211
表示
Figure GDA00026100166300000212
的谱半径，
Figure GDA00026100166300000213
进一步地，步骤S2中，给定时延违反概率ε后，确定在规定时间T内每个结点能处理的最大计算量
Figure GDA00026100166300000214
表达式如下：
Figure GDA00026100166300000215
其中，i表示计算结点
Figure GDA00026100166300000231
的编号，ε为给定的时延违反概率，L为计算强度，fo为计算结点的基础计算能力，γi为可调节参数，用于调节计算能力；计算结点
Figure GDA00026100166300000232
在时间n到达的数据量表示为ai(n)；在时间n，从计算结点
Figure GDA00026100166300000233
到计算请求用户
Figure GDA00026100166300000216
的服务速率表示为si(n)；
Figure GDA00026100166300000217
表示对
Figure GDA00026100166300000218
求期望，
Figure GDA00026100166300000219
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure GDA00026100166300000234
的初始计算量；
Figure GDA00026100166300000220
表示ai(n)的右特征向量，
Figure GDA00026100166300000221
表示si(n)的右特征向量；
Figure GDA00026100166300000222
θi为人为定义的变量，
Figure GDA00026100166300000223
Figure GDA00026100166300000224
表示ai(n)的转移矩阵，
Figure GDA00026100166300000225
表示
Figure GDA00026100166300000226
的谱半径，
Figure GDA00026100166300000227
进一步地，步骤S3中，当需要完成的计算任务的总计算量小于周围结点能提供的最大计算能力总和时，给出如下的计算结点选择方法：
Figure GDA0002610016630000031
其中，X为计算任务的总计算量，Emax表示完成总计算量X最大消耗的能量值，κj是与计算结点
Figure GDA00026100166300000318
硬件结构有关的参数，j也表示计算结点的编号，
Figure GDA00026100166300000319
为所有计算结点集合，
Figure GDA00026100166300000320
为满足
Figure GDA0002610016630000032
条件的节点，
Figure GDA00026100166300000321
为选出的高能效计算结点集合，T表示规定的时间，L为计算强度，
Figure GDA0002610016630000033
ε为给定的时延违反概率，计算结点
Figure GDA00026100166300000322
在时间n到达的数据量表示为aj(n)；在时间n，从计算结点
Figure GDA00026100166300000323
到计算请求用户
Figure GDA00026100166300000324
的服务速率表示为sj(n)；
Figure GDA0002610016630000034
表示对
Figure GDA0002610016630000035
求期望，
Figure GDA0002610016630000036
表示aj(0)的右特征向量，aj(0)表示时间为0时计算结点
Figure GDA00026100166300000325
的初始计算量；
Figure GDA0002610016630000037
Figure GDA0002610016630000038
表示aj(n)的右特征向量，
Figure GDA0002610016630000039
表示sj(n)的右特征向量；
Figure GDA00026100166300000310
θj为人为定义的变量，
Figure GDA00026100166300000311
Figure GDA00026100166300000312
表示aj(n)的转移矩阵，
Figure GDA00026100166300000313
表示
Figure GDA00026100166300000314
的谱半径，
Figure GDA00026100166300000315
进一步地，步骤S3中，当需要完成的计算任务的总计算量小于周围结点能提供的最大计算能力总和时，给出如下的计算任务分配方法：
Figure GDA00026100166300000316
其中，Xj表示分配给计算结点
Figure GDA00026100166300000329
的计算任务量，
Figure GDA00026100166300000317
表示计算结点
Figure GDA00026100166300000330
能处理的最大计算量，
Figure GDA00026100166300000328
为前面已选出的高能效计算结点集合。
本发明的有益效果是：在满足时延违反概率和总计算量的前提下，进一步提升边缘计算的能量效率。
附图说明
图1为边缘计算示意图。
图2为本发明提出的计算结点选择示意图。
图3是本发明操作步骤流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
如图1所示，给定一个边缘计算网络，包含一个计算请求用户，多个计算结点。本发明提出的边缘计算中高能效的计算结点选择和计算任务分配方法，具体包括以下部分。
1.计算任务产生模型
将计算请求用户中计算任务产生过程通过蒙特卡洛(Monte CarloMarkov Chain，MCMC)方法，建模成马尔科夫开关(Markov-modulated on off，MMOO)过程，该过程有两个状态
Figure GDA0002610016630000041
该马尔科夫链的转移矩阵可以表示为：
Figure GDA0002610016630000042
其中，α表示状态
Figure GDA0002610016630000043
到状态
Figure GDA0002610016630000044
的转移概率，β表示状态
Figure GDA0002610016630000045
到状态
Figure GDA0002610016630000046
的转移概率。状态
Figure GDA0002610016630000047
表示没有计算任务产生，状态
Figure GDA0002610016630000048
表示产生的计算任务a(k)＝R。在时间[m，n]中累积数据量可以表示为：
Figure GDA0002610016630000049
A(m，n)看成是一个二元变量数据到达过程，当m＝0，简写成
Figure GDA00026100166300000410
2.计算任务卸载到计算结点模型
当计算结点无法在时间T内完成计算任务X时，需要将计算任务卸载到计算结点。计算请求用户采用截断信道翻转法，维持计算结点处以恒定的速率收到卸载的计算任务。计算结点的接收功率表示为：
Figure GDA00026100166300000411
其中，gi表示信道增益，假设为瑞利衰落信道，gi服从参数为1的指数分布。g0为截断信道衰落深度。di为计算请求用户到计算结点的距离，l为信道衰落参数。中断概率为：
Pout＝Pr(gi＜go) (3)
成功传输概率为：
Psuc＝1-Pout (4)
计算请求用户向计算结点提供的恒定传输速率Ci为：
Figure GDA0002610016630000051
在时间[m，n]内，卸载的数据量可定义为：
Figure GDA0002610016630000052
其中
Figure GDA0002610016630000053
相对应的离开过程可以定义为：
Di(n)≥inf{A(m)+Si(m，n)} (7)
我们假设
Figure GDA0002610016630000054
上式表示si的期望比a(k)大，但小于a(k)的峰值。
3.时延违反概率
运用鞅理论，给出时延违反概率。确定计算任务量与时延违反概率之间的关系，表达式为：
Figure GDA0002610016630000055
其中，i表示计算结点
Figure GDA00026100166300000525
的编号，
Figure GDA0002610016630000056
表示计算请求用户
Figure GDA0002610016630000057
到计算结点
Figure GDA00026100166300000526
的信道排队延迟，T表示规定的时间，
Figure GDA0002610016630000058
表示计算结点
Figure GDA00026100166300000527
的计算时延，
Figure GDA0002610016630000059
Xi为分配给计算结点
Figure GDA00026100166300000520
的计算量，L为计算强度，fo为计算结点的基础计算能力，γi为可调节参数，用于调节计算能力。计算结点
Figure GDA00026100166300000522
在时间n到达的数据量表示为ai(n)；在时间n，从计算结点
Figure GDA00026100166300000524
到计算请求用户
Figure GDA00026100166300000510
的服务速率表示为si(n)。
Figure GDA00026100166300000511
表示对
Figure GDA00026100166300000512
求期望，
Figure GDA00026100166300000513
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure GDA00026100166300000523
的初始计算量；
Figure GDA00026100166300000514
Figure GDA00026100166300000515
表示ai(n)的右特征向量，
Figure GDA00026100166300000516
表示si(n)的右特征向量；
Figure GDA00026100166300000517
θi为人为定义的变量，
Figure GDA0002610016630000061
Figure GDA0002610016630000062
表示ai(n)的转移矩阵，
Figure GDA0002610016630000063
表示
Figure GDA0002610016630000064
的谱半径，
Figure GDA0002610016630000065
4.能量受限情况下的计算结点最大计算量
当给定时延违反概率ε后，确定在规定时间T内每个结点能处理的最大计算量
Figure GDA0002610016630000066
表达式如下：
Figure GDA0002610016630000067
其中，i表示计算结点
Figure GDA00026100166300000624
的编号，ε为给定的时延违反概率，L为计算强度，fo为计算结点的基础计算能力，γi为可调节参数，用于调节计算能力。计算结点
Figure GDA00026100166300000625
在时间n到达的数据量表示为ai(n)；在时间n，从计算结点
Figure GDA00026100166300000626
到计算请求用户
Figure GDA0002610016630000068
的服务速率表示为si(n)。
Figure GDA0002610016630000069
表示对
Figure GDA00026100166300000610
求期望，
Figure GDA00026100166300000611
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure GDA00026100166300000627
的初始计算量；
Figure GDA00026100166300000612
Figure GDA00026100166300000613
表示ai(n)的右特征向量，
Figure GDA00026100166300000614
表示si(n)的右特征向量；
Figure GDA00026100166300000615
θi为人为定义的变量，
Figure GDA00026100166300000616
Figure GDA00026100166300000617
表示ai(n)的转移矩阵，
Figure GDA00026100166300000618
表示
Figure GDA00026100166300000619
的谱半径，
Figure GDA00026100166300000620
5.高能效的计算结点选择方法和计算任务分配方法
高能效的计算结点选择方法如下：
Figure GDA00026100166300000621
计算任务分配方法：
Figure GDA00026100166300000622
其中，X为总计算量，Emax表示完成总计算量X最大消耗的能量值，κj是与计算结点
Figure GDA00026100166300000716
硬件结构有关的参数，j也表示计算结点的编号，
Figure GDA00026100166300000717
为所有计算结点集合，
Figure GDA00026100166300000718
为满足
Figure GDA0002610016630000071
条件的节点，
Figure GDA00026100166300000719
为选出的高能效计算结点集合，T表示规定的时间，L为计算强度，
Figure GDA0002610016630000072
ε为给定的时延违反概率，计算结点
Figure GDA00026100166300000720
在时间n到达的数据量表示为aj(n)；在时间n，从计算结点
Figure GDA00026100166300000721
到计算请求用户
Figure GDA00026100166300000722
的服务速率表示为sj(n)；
Figure GDA0002610016630000073
表示对
Figure GDA0002610016630000074
求期望，
Figure GDA0002610016630000075
表示aj(0)的右特征向量，aj(0)表示时间为0时计算结点
Figure GDA00026100166300000723
的初始计算量；
Figure GDA0002610016630000076
Figure GDA0002610016630000077
表示aj(n)的右特征向量，
Figure GDA0002610016630000078
表示sj(n)的右特征向量；
Figure GDA0002610016630000079
θj为人为定义的变量，
Figure GDA00026100166300000710
Figure GDA00026100166300000711
Figure GDA00026100166300000712
表示aj(n)的转移矩阵，
Figure GDA00026100166300000713
表示
Figure GDA00026100166300000714
的谱半径，
Figure GDA00026100166300000715
图2为本发明提出的计算结点选择示意图。图中可以看出，最优计算结点的集合可以满足总计算量大于3000，且能效最高。而且这样的最优集合不止一个。图3是本发明操作步骤流程图。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (3)

1.边缘计算中高能效的计算结点选择和计算任务分配方法，其特征在于，包括以下步骤：
S1：首先确定计算任务量与时延违反概率之间的关系；步骤S1中，确定计算任务量与时延违反概率之间的关系，表达式为：
Figure FDA0002610016620000011
其中，i表示计算结点
Figure FDA0002610016620000012
的编号,
Figure FDA0002610016620000013
表示计算请求用户
Figure FDA0002610016620000014
到计算结点
Figure FDA0002610016620000015
的信道排队延迟，T表示规定的时间，
Figure FDA0002610016620000016
表示计算结点
Figure FDA0002610016620000017
的计算时延，且
Figure FDA0002610016620000018
Xi为分配给计算结点
Figure FDA0002610016620000019
的计算量，L为计算强度，fo为计算结点的基础计算能力，γi为可调节参数，用于调节计算能力；计算结点
Figure FDA00026100166200000110
在时间n到达的数据量表示为ai(n)；在时间n，从计算结点
Figure FDA00026100166200000111
到计算请求用户
Figure FDA00026100166200000112
的服务速率表示为si(n)；
Figure FDA00026100166200000113
表示对
Figure FDA00026100166200000114
求期望，
Figure FDA00026100166200000115
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure FDA00026100166200000116
的初始计算量；
Figure FDA00026100166200000117
Figure FDA00026100166200000118
表示ai(n)的右特征向量，
Figure FDA00026100166200000119
表示si(n)的右特征向量；
Figure FDA00026100166200000120
θi为人为定义的变量，
Figure FDA00026100166200000121
Figure FDA00026100166200000122
表示ai(n)的转移矩阵，
Figure FDA00026100166200000123
表示
Figure FDA00026100166200000124
的谱半径，
Figure FDA00026100166200000125
S2：给定时延违反概率后，确定在规定时间内每个结点能处理的最大计算量；步骤S2中，给定时延违反概率ε后，确定在规定时间T内每个结点能处理的最大计算量
Figure FDA00026100166200000126
表达式如下：
Figure FDA00026100166200000127
S3：当需要完成的计算任务的总计算量小于周围结点能提供的最大计算量总和时，根据给出的计算结点选择和计算任务分配方法，提高边缘计算的能效；若需要完成的计算任务的总计算量大于周围结点能提供的最大计算量总和时，该任务无法被完成，丢弃该任务。
2.如权利要求1所述的边缘计算中高能效的计算结点选择和计算任务分配方法，其特征在于：步骤S3中，当需要完成的计算任务的总计算量小于周围结点能提供的最大计算能力总和时，给出如下的计算结点选择方法：
Figure FDA0002610016620000021
其中，X为计算任务的总计算量，Emax表示完成总计算量X最大消耗的能量值，κj是与计算结点
Figure FDA0002610016620000022
硬件结构有关的参数，j也表示计算结点的编号，
Figure FDA0002610016620000023
为所有计算结点集合，
Figure FDA0002610016620000024
为满足
Figure FDA0002610016620000025
条件的结点，
Figure FDA0002610016620000026
为选出的高能效计算结点集合，T表示规定的时间，L为计算强度，
Figure FDA0002610016620000027
ε为给定的时延违反概率，计算结点
Figure FDA0002610016620000028
在时间n到达的数据量表示为aj(n)；在时间n，从计算结点
Figure FDA0002610016620000029
到计算请求用户
Figure FDA00026100166200000210
的服务速率表示为sj(n)；
Figure FDA00026100166200000211
表示对
Figure FDA00026100166200000212
求期望，
Figure FDA00026100166200000213
表示aj(0)的右特征向量，aj(0)表示时间为0时计算结点
Figure FDA00026100166200000214
的初始计算量；
Figure FDA00026100166200000215
Figure FDA00026100166200000216
表示aj(n)的右特征向量，
Figure FDA00026100166200000217
表示sj(n)的右特征向量；
Figure FDA00026100166200000218
θj为人为定义的变量，
Figure FDA00026100166200000219
Figure FDA00026100166200000220
表示aj(n)的转移矩阵，
Figure FDA0002610016620000031
表示
Figure FDA0002610016620000032
的谱半径，
Figure FDA0002610016620000033
3.如权利要求2所述的边缘计算中高能效的计算结点选择和计算任务分配方法，其特征在于：步骤S3中，当需要完成的计算任务的总计算量小于周围结点能提供的最大计算能力总和时，给出如下的计算任务分配方法：
Figure FDA0002610016620000034
其中，Xj表示分配给计算结点
Figure FDA0002610016620000035
的计算任务量，
Figure FDA0002610016620000036
表示计算结点
Figure FDA0002610016620000037
能处理的最大计算量，
Figure FDA0002610016620000038
为前面已选出的高能效计算结点集合。
CN201910976476.1A 2019-10-15 2019-10-15 边缘计算中高能效的计算结点选择和计算任务分配方法 Active CN110730232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910976476.1A CN110730232B (zh) 2019-10-15 2019-10-15 边缘计算中高能效的计算结点选择和计算任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910976476.1A CN110730232B (zh) 2019-10-15 2019-10-15 边缘计算中高能效的计算结点选择和计算任务分配方法

Publications (2)

Publication Number Publication Date
CN110730232A CN110730232A (zh) 2020-01-24
CN110730232B true CN110730232B (zh) 2020-09-15

Family

ID=69221215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910976476.1A Active CN110730232B (zh) 2019-10-15 2019-10-15 边缘计算中高能效的计算结点选择和计算任务分配方法

Country Status (1)

Country Link
CN (1) CN110730232B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111800293B (zh) * 2020-06-05 2021-03-05 深圳库博能源科技有限公司 一种智能微电网的边缘计算控制网关
CN111858051B (zh) * 2020-07-20 2023-09-05 国网四川省电力公司电力科学研究院 一种适合边缘计算环境的实时动态调度方法、系统和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008120077A2 (en) * 2007-03-30 2008-10-09 Telefonaktiebolaget Lm Ericsson (Publ) Dimensioning link capacity in a packet switched telecommunications network
CN109003005A (zh) * 2018-09-18 2018-12-14 南京邮电大学 一种面向边缘计算的数据回传的绿色能源分配方法
CN110058928A (zh) * 2019-03-25 2019-07-26 南京工程学院 异构车联网中基于鞅理论的计算任务分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008120077A2 (en) * 2007-03-30 2008-10-09 Telefonaktiebolaget Lm Ericsson (Publ) Dimensioning link capacity in a packet switched telecommunications network
CN109003005A (zh) * 2018-09-18 2018-12-14 南京邮电大学 一种面向边缘计算的数据回传的绿色能源分配方法
CN110058928A (zh) * 2019-03-25 2019-07-26 南京工程学院 异构车联网中基于鞅理论的计算任务分配方法

Also Published As

Publication number Publication date
CN110730232A (zh) 2020-01-24

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
CN109343904B (zh) 一种基于Lyapunov优化的雾计算动态卸载方法
CN110351754B (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
CN111182582B (zh) 面向移动边缘计算的多任务分布式卸载方法
CN110730232B (zh) 边缘计算中高能效的计算结点选择和计算任务分配方法
CN104038392A (zh) 一种云计算资源服务质量评估方法
CN110233755B (zh) 一种物联网中雾计算的计算资源和频谱资源分配方法
CN109905888A (zh) 移动边缘计算中联合优化迁移决策和资源分配方法
CN110753101B (zh) 边缘计算中低能耗的计算结点选择和计算任务分配方法
CN108632861B (zh) 一种基于深度强化学习的移动边缘计算分流决策方法
US11784931B2 (en) Network burst load evacuation method for edge servers
CN104714851A (zh) 一种实现资源分配的方法及装置
CN105897506A (zh) 一种带宽估计方法及装置
CN107708152A (zh) 异构蜂窝网络的任务卸载方法
CN104811467B (zh) 综合效用的数据处理方法
CN115150891B (zh) 一种基于移动边缘计算的中断概率辅助任务卸载优化方法
CN110061924A (zh) 一种报文转发方法、装置及相关产品
CN110996390A (zh) 一种无线接入网络计算资源分配方法及网络系统
CN104821906A (zh) 一种高效节能虚拟网络节点映射模型及算法
CN113407249A (zh) 一种面向位置隐私保护的任务卸载方法
CN108737268A (zh) 软件定义工业物联网资源调度方法
CN104811466B (zh) 云媒体资源分配的方法及装置
CN115473896A (zh) 基于dqn算法的电力物联网卸载策略和资源配置优化方法
Zhang et al. Adaptive task offloading over wireless in mobile edge computing
CN112769910B (zh) 基于动态电压调节技术的雾计算任务卸载方法

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