CN110753101B - 边缘计算中低能耗的计算结点选择和计算任务分配方法 - Google Patents

边缘计算中低能耗的计算结点选择和计算任务分配方法 Download PDF

Info

Publication number
CN110753101B
CN110753101B CN201910976477.6A CN201910976477A CN110753101B CN 110753101 B CN110753101 B CN 110753101B CN 201910976477 A CN201910976477 A CN 201910976477A CN 110753101 B CN110753101 B CN 110753101B
Authority
CN
China
Prior art keywords
calculation
node
computing
amount
denotes
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
CN201910976477.6A
Other languages
English (en)
Other versions
CN110753101A (zh
Inventor
刘婷婷
朱昊
包永强
黄进
缪巍巍
张震
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 CN201910976477.6A priority Critical patent/CN110753101B/zh
Publication of CN110753101A publication Critical patent/CN110753101A/zh
Application granted granted Critical
Publication of CN110753101B publication Critical patent/CN110753101B/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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了在边缘计算中低能耗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，给出一种低能耗的计算结点选择和计算任务分配方法，进一步降低边缘计算的能耗。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，能够有效降低边缘计算的能量消耗。

Description

边缘计算中低能耗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低能耗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低能耗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低能耗计算结点选择和计算任务分配方法的空白，进一步降低边缘计算的能耗。
为实现上述目的，本发明采用以下技术方案：
边缘计算中低能耗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：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，进一步降低边缘计算的能耗；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 GDA0002591155640000011
其中，i表示计算结点
Figure GDA0002591155640000021
的编号，
Figure GDA0002591155640000022
表示计算请求用户
Figure GDA0002591155640000023
到计算结点
Figure GDA0002591155640000024
的信道排队延迟，T表示规定的时间，
Figure GDA0002591155640000025
表示计算结点
Figure GDA0002591155640000026
的计算时延，且
Figure GDA0002591155640000027
Xi为分配给计算结点
Figure GDA0002591155640000028
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 GDA0002591155640000029
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 GDA00025911556400000210
到计算请求用户
Figure GDA00025911556400000211
的服务速率表示为si(n)；
Figure GDA00025911556400000212
表示对
Figure GDA00025911556400000213
求期望，
Figure GDA00025911556400000214
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure GDA00025911556400000215
的初始计算量；
Figure GDA00025911556400000216
Figure GDA00025911556400000217
表示ai(n)的右特征向量，
Figure GDA00025911556400000218
表示si(n)的右特征向量；
Figure GDA00025911556400000219
θi为人为定义的变量，
Figure GDA00025911556400000220
Figure GDA00025911556400000221
表示ai(n)的转移矩阵，
Figure GDA00025911556400000222
表示
Figure GDA00025911556400000223
的谱半径，
Figure GDA00025911556400000224
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 GDA00025911556400000225
表达式如下：
Figure GDA00025911556400000226
其中，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 GDA00025911556400000227
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 GDA00025911556400000228
到计算请求用户
Figure GDA00025911556400000229
的服务速率表示为si(n)；
Figure GDA00025911556400000230
表示对
Figure GDA00025911556400000231
求期望，
Figure GDA00025911556400000232
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure GDA00025911556400000233
的初始计算量；
Figure GDA0002591155640000031
Figure GDA0002591155640000032
表示ai(n)的右特征向量，
Figure GDA0002591155640000033
表示si(n)的右特征向量；
Figure GDA0002591155640000034
θi为人为定义的变量，
Figure GDA0002591155640000035
Figure GDA0002591155640000036
表示ai(n)的转移矩阵，
Figure GDA0002591155640000037
表示
Figure GDA0002591155640000038
的谱半径，
Figure GDA0002591155640000039
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：
Figure GDA00025911556400000310
其中，
Figure GDA00025911556400000311
为选出的低能耗计算结点集合，M为满足
Figure GDA00025911556400000312
的计算结点，ν(M)为计算结点按照新的标准排序后的新编号，新的标准为：将
Figure GDA00025911556400000313
按照从小到大的顺序从编号ν(1)开始重新排序，其中
Figure GDA00025911556400000314
X为总计算量，Emax表示完成总计算量X最大消耗的能量值，L为计算强度，κj是与计算结点
Figure GDA00025911556400000315
硬件结构有关的参数，T表示规定的时间，j表示计算结点的编号，ε为给定的时延违反概率；计算结点
Figure GDA00025911556400000316
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 GDA00025911556400000317
到计算请求用户
Figure GDA00025911556400000318
的服务速率表示为sj(n)；
Figure GDA00025911556400000319
表示对
Figure GDA00025911556400000320
求期望，
Figure GDA00025911556400000321
表示aj(0)的右特征向量，aj(0)表示时间为0时计算结点
Figure GDA00025911556400000322
的初始计算量；
Figure GDA00025911556400000323
Figure GDA00025911556400000324
表示aj(n)的右特征向量，
Figure GDA0002591155640000041
表示sj(n)的右特征向量；
Figure GDA0002591155640000042
θj为人为定义的变量，
Figure GDA0002591155640000043
Figure GDA0002591155640000044
表示aj(n)的转移矩阵，
Figure GDA0002591155640000045
表示
Figure GDA0002591155640000046
的谱半径，
Figure GDA0002591155640000047
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 GDA0002591155640000048
其中，Xj表示分配给计算结点
Figure GDA0002591155640000049
的计算任务量；
Figure GDA00025911556400000410
δo表示截断值，也就是第ν(M)计算结点的δν(M)值。
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，能够进一步降低边缘计算的能量消耗。
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。本发明提供了边缘计算中低能耗的计算结点选择和计算任务分配方法，主要包括如下几个部分。
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 Carlo MarkovChain,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 GDA00025911556400000411
该马尔科夫链的转移矩阵可以表示为：
Figure GDA0002591155640000051
其中，α表示状态
Figure GDA0002591155640000052
到状态
Figure GDA0002591155640000053
的转移概率，β表示状态
Figure GDA0002591155640000054
到状态
Figure GDA0002591155640000055
的转移概率。状态
Figure GDA0002591155640000056
表示没有计算任务产生，状态
Figure GDA0002591155640000057
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 GDA0002591155640000058
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 GDA0002591155640000059
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 GDA00025911556400000510
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 GDA00025911556400000511
在时间[m,n]内，卸载的数据量可定义为：
Figure GDA00025911556400000512
其中，
Figure GDA00025911556400000513
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 GDA0002591155640000061
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 GDA0002591155640000062
其中，i表示计算结点
Figure GDA0002591155640000063
的编号，
Figure GDA0002591155640000064
表示计算请求用户
Figure GDA0002591155640000065
到计算结点
Figure GDA0002591155640000066
的信道排队延迟，T表示规定的时间，
Figure GDA0002591155640000067
表示计算结点
Figure GDA0002591155640000068
的计算时延，
Figure GDA0002591155640000069
Xi为分配给计算结点
Figure GDA00025911556400000610
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 GDA00025911556400000611
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 GDA00025911556400000612
到计算请求用户
Figure GDA00025911556400000613
的服务速率表示为si(n)。
Figure GDA00025911556400000614
表示对
Figure GDA00025911556400000615
求期望，
Figure GDA00025911556400000616
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure GDA00025911556400000617
的初始计算量；
Figure GDA00025911556400000618
Figure GDA00025911556400000619
表示ai(n)的右特征向量，
Figure GDA00025911556400000620
表示si(n)的右特征向量；
Figure GDA00025911556400000621
θi为人为定义的变量，
Figure GDA00025911556400000622
Figure GDA00025911556400000623
表示ai(n)的转移矩阵，
Figure GDA00025911556400000624
表示
Figure GDA00025911556400000625
的谱半径，
Figure GDA00025911556400000626
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 GDA00025911556400000627
表达式如下：
Figure GDA00025911556400000628
其中，i表示计算结点
Figure GDA0002591155640000071
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 GDA0002591155640000072
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 GDA0002591155640000073
到计算请求用户
Figure GDA0002591155640000074
的服务速率表示为si(n)。
Figure GDA0002591155640000075
表示对
Figure GDA0002591155640000076
求期望，
Figure GDA0002591155640000077
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure GDA0002591155640000078
的初始计算量；
Figure GDA0002591155640000079
Figure GDA00025911556400000710
表示ai(n)的右特征向量，
Figure GDA00025911556400000711
表示si(n)的右特征向量；
Figure GDA00025911556400000712
θi为人为定义的变量，
Figure GDA00025911556400000713
Figure GDA00025911556400000714
表示ai(n)的转移矩阵，
Figure GDA00025911556400000715
表示
Figure GDA00025911556400000716
的谱半径，
Figure GDA00025911556400000717
5.低能耗的计算结点选择方法和计算任务分配方法
低能耗的计算结点选择方法如下：
Figure GDA00025911556400000718
其中，
Figure GDA00025911556400000719
为选出的低能耗计算结点集合，M为满足后面的条件，即
Figure GDA00025911556400000720
的计算结点原编号，ν(M)为计算结点按照新的标准排序后的新编号。新的标准为：将
Figure GDA00025911556400000721
按照从小到大的顺序从编号ν(1)开始重新排序，其中
Figure GDA00025911556400000722
X为总计算量，Emax表示完成总计算量X最大消耗的能量值，L为计算强度，κj是与计算结点
Figure GDA00025911556400000723
硬件结构有关的参数，T表示规定的时间，j表示计算结点的编号，ε为给定的时延违反概率。计算结点
Figure GDA00025911556400000724
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 GDA00025911556400000725
到计算请求用户
Figure GDA0002591155640000081
的服务速率表示为sj(n)。
Figure GDA0002591155640000082
表示对
Figure GDA0002591155640000083
求期望，
Figure GDA0002591155640000084
表示aj(0)的右特征向量，aj(0)表示时间为0时计算结点
Figure GDA0002591155640000085
的初始计算量；
Figure GDA0002591155640000086
Figure GDA0002591155640000087
表示aj(n)的右特征向量，
Figure GDA0002591155640000088
表示sj(n)的右特征向量；
Figure GDA0002591155640000089
θj为人为定义的变量，
Figure GDA00025911556400000810
Figure GDA00025911556400000811
Figure GDA00025911556400000812
表示aj(n)的转移矩阵，
Figure GDA00025911556400000813
表示
Figure GDA00025911556400000814
的谱半径，
Figure GDA00025911556400000815
计算任务分配方法：
Figure GDA00025911556400000816
其中，Xj表示分配给计算结点
Figure GDA00025911556400000817
的计算任务量。
Figure GDA00025911556400000818
δo表示截断值，也就是第ν(M)计算结点的δν(M)值。
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，该任务无法完成，丢弃该任务。
图2为本发明提出的计算结点选择示意图。图中可以看出，选出的最优计算集合可以满足计算量大于3000，且能耗最低。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 (1)

1.边缘计算中低能耗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：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 FDA0002591155630000011
其中，i表示计算结点
Figure FDA0002591155630000012
的编号，
Figure FDA0002591155630000013
表示计算请求用户
Figure FDA0002591155630000014
到计算结点
Figure FDA0002591155630000015
的信道排队延迟，T表示规定的时间，
Figure FDA0002591155630000016
表示计算结点
Figure FDA0002591155630000017
的计算时延，且
Figure FDA0002591155630000018
Xi为分配给计算结点
Figure FDA0002591155630000019
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 FDA00025911556300000110
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 FDA00025911556300000111
到计算请求用户
Figure FDA00025911556300000112
的服务速率表示为si(n)；
Figure FDA00025911556300000113
表示对
Figure FDA00025911556300000114
求期望，
Figure FDA00025911556300000115
表示ai(0)的右特征向量，ai(0)表示时间为0时计算结点
Figure FDA00025911556300000116
的初始计算量；
Figure FDA00025911556300000117
Figure FDA00025911556300000118
表示ai(n)的右特征向量，
Figure FDA00025911556300000119
表示si(n)的右特征向量；
Figure FDA00025911556300000120
θi为人为定义的变量，
Figure FDA00025911556300000121
Figure FDA00025911556300000122
表示ai(n)的转移矩阵，
Figure FDA00025911556300000123
表示
Figure FDA00025911556300000124
的谱半径，
Figure FDA00025911556300000125
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 FDA00025911556300000126
表达式如下：
Figure FDA00025911556300000127
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，进一步降低边缘计算的能耗；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，该任务无法完成，丢弃该任务；
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：
Figure FDA0002591155630000021
其中，
Figure FDA0002591155630000022
为选出的低能耗计算结点集合，M为满足
Figure FDA0002591155630000023
的计算结点，ν(M)为计算结点按照新的标准排序后的新编号，新的标准为：将
Figure FDA0002591155630000024
按照从小到大的顺序从编号ν(1)开始重新排序，其中
Figure FDA0002591155630000025
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 FDA0002591155630000026
硬件结构有关的参数，j表示计算结点的编号；计算结点
Figure FDA0002591155630000027
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 FDA0002591155630000028
到计算请求用户
Figure FDA0002591155630000029
的服务速率表示为sj(n)；
Figure FDA00025911556300000210
表示对
Figure FDA00025911556300000211
求期望，
Figure FDA00025911556300000212
表示aj(0)的右特征向量，aj(0)表示时间为0时计算结点
Figure FDA00025911556300000213
的初始计算量；
Figure FDA00025911556300000214
Figure FDA00025911556300000215
表示aj(n)的右特征向量，
Figure FDA00025911556300000216
表示sj(n)的右特征向量；
Figure FDA00025911556300000217
θj为人为定义的变量，
Figure FDA00025911556300000218
Figure FDA00025911556300000219
Figure FDA00025911556300000220
表示aj(n)的转移矩阵，
Figure FDA00025911556300000221
表示
Figure FDA00025911556300000222
的谱半径，
Figure FDA0002591155630000031
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 FDA0002591155630000032
其中，Xj表示分配给计算结点
Figure FDA0002591155630000033
的计算任务量；
Figure FDA0002591155630000034
δo表示截断值，也就是第ν(M)计算结点的δν(M)值。
CN201910976477.6A 2019-10-15 2019-10-15 边缘计算中低能耗的计算结点选择和计算任务分配方法 Active CN110753101B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910976477.6A CN110753101B (zh) 2019-10-15 2019-10-15 边缘计算中低能耗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
CN201910976477.6A CN110753101B (zh) 2019-10-15 2019-10-15 边缘计算中低能耗的计算结点选择和计算任务分配方法

Publications (2)

Publication Number Publication Date
CN110753101A CN110753101A (zh) 2020-02-04
CN110753101B true CN110753101B (zh) 2020-09-01

Family

ID=69278300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910976477.6A Active CN110753101B (zh) 2019-10-15 2019-10-15 边缘计算中低能耗的计算结点选择和计算任务分配方法

Country Status (1)

Country Link
CN (1) CN110753101B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361113B (zh) * 2021-06-09 2021-12-14 南京工程学院 一种能耗可调的高铁转向架孪生数据分配方法
CN114019816B (zh) * 2021-11-16 2023-11-14 南京工程学院 一种基于云计算的智能家居能耗优化方法及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7681158B2 (en) * 2007-04-09 2010-03-16 Kabushiki Kaisha Toshiba Delay budget allocation with path trimming
CN106686605A (zh) * 2016-09-28 2017-05-17 西安交通大学 一种无线传感网中能量有效的统计时延服务质量保障方法
CN106716937A (zh) * 2016-12-23 2017-05-24 深圳前海达闼云端智能科技有限公司 路径计算和访问请求分发方法、装置及系统
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108259573A (zh) * 2017-12-26 2018-07-06 西安电子科技大学 一种混合sdn和雾计算的车辆自组织网络系统
CN108494612B (zh) * 2018-01-19 2021-06-08 西安电子科技大学 一种提供移动边缘计算服务的网络系统及其服务方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7681158B2 (en) * 2007-04-09 2010-03-16 Kabushiki Kaisha Toshiba Delay budget allocation with path trimming
CN106686605A (zh) * 2016-09-28 2017-05-17 西安交通大学 一种无线传感网中能量有效的统计时延服务质量保障方法
CN106716937A (zh) * 2016-12-23 2017-05-24 深圳前海达闼云端智能科技有限公司 路径计算和访问请求分发方法、装置及系统
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
5G 中多接入边缘计算的联合部署架构设计;陈昕，温向明，王鲁晗，路兆铭;《北京邮电大学学报》;20181031;全文 *

Also Published As

Publication number Publication date
CN110753101A (zh) 2020-02-04

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
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
CN109885397B (zh) 一种边缘计算环境中时延优化的负载任务迁移算法
CN109343904B (zh) 一种基于Lyapunov优化的雾计算动态卸载方法
CN104038392A (zh) 一种云计算资源服务质量评估方法
CN108319359B (zh) 一种基于微云的能耗优化方法
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
CN104168318A (zh) 一种资源服务系统及其资源分配方法
CN114340016B (zh) 一种电网边缘计算卸载分配方法及系统
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
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
CN110717300A (zh) 面向电力物联实时在线监测业务的边缘计算任务分配方法
CN110719641B (zh) 边缘计算中用户卸载与资源分配联合优化方法
CN105897506A (zh) 一种带宽估计方法及装置
CN105224393B (zh) 一种JT-CoMP在C-RAN架构下的虚拟机调度机制
CN106714323A (zh) 一种4g网络中异构流的优先级区分调度方法
CN109150756B (zh) 一种基于sdn电力通信网的队列调度权值量化方法
CN109639833A (zh) 一种基于无线城域网微云负载均衡的任务调度方法
CN110996390B (zh) 一种无线接入网络计算资源分配方法及网络系统
CN108055701A (zh) 一种资源调度方法及基站
CN104821906A (zh) 一种高效节能虚拟网络节点映射模型及算法
CN112231117A (zh) 基于动态向量混合遗传算法的云机器人服务选择方法及系统
CN108737268A (zh) 软件定义工业物联网资源调度方法
CN110266757A (zh) 一种面向任务协同场景的边缘计算资源优化方法
CN104242993B (zh) 中低压电力通信接入网带宽预测方法

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