CN110809291B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110809291B CN110809291B CN201911052043.3A CN201911052043A CN110809291B CN 110809291 B CN110809291 B CN 110809291B CN 201911052043 A CN201911052043 A CN 201911052043A CN 110809291 B CN110809291 B CN 110809291B
- Authority
- CN
- China
- Prior art keywords
- task
- energy
- server
- mobile terminal
- data
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- 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
-
- 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
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- 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
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
- H04W28/14—Flow control between communication endpoints using intermediate storage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/54—Indexing scheme relating to G06F9/54
- G06F2209/548—Queue
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于能量采集设备的移动边缘计算系统的双层负载平衡机制,有效地解决了移动边缘计算系统中动态负载的能耗与计算延迟优化问题。包括以下步骤:(1)计算任务以及任务队列模型;(2)本地处理任务模型;(3)移动边缘计算服务器计算模型;(4)能量消耗与执行延迟最小化的优化模型。
Description
技术领域
本发明涉及一种基于能量采集设备的移动边缘计算系统的双层负载平衡方法,属于移动边缘计算技术领域。
背景技术
现在生活中,人们对移动设备越来越广泛的使用,极大地促进了移动应用的开发,这也导致了数据计算资源的紧张和人们对更强大的移动设备的需求,这包括更大的计算与存储功能和更强的续航。在这样的背景下,移动边缘计算(MEC) 应运而生,它通过内部的无线网络可以获得更大的计算能力。因为MEC服务器与用户的空间距离更近,所以MEC与传统的远程云(如亚马逊、谷歌等等)相比,它将负载卸载到MEC服务器上,这样不仅可以减少数据传输的拥堵,还可以减少用户设备的能量消耗。此外,此系统可以利用能量收集技术(EH)获得绿色能源来给电池充电,拥有EH设备的服务器也将拥有更强大的计算服务能力,这也符合如今绿色通信的发展理念。
在边缘计算领域,对拥有EH设备的MEc服务器的研究已有前例,有研究在此基础上提出了动态负载卸载策略,有效地提升了系统供能水平与计算能力,更开发了GLOBE算法用于平衡不同区域的负载、控制数据流量和装备EH设备。现有的一些其他相关文献也重点通过调整系统基本性能参数来优化MEC系统,这包括优化传输能量、带宽、计算资源和任务队列等等。
发明内容
本发明的目的是:有效解决移动边缘计算系统中动态负载的能耗与计算延迟优化问题。
为了达到上述目的,本发明的技术方案是提供了一种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,设一个MEC系统有Ns个MEC服务器和Nu个移动端设备,Ns个MEC服务器与Nu个移动端设备所需能量大部分由系统的能量采集单元提供,在接收信息强度最大的情况下,一个时段t内,将与第i个MEC 服务器通信的移动设备102定义为ui(t),此时所有的第i个MEC服务器通信的移动设备的集合表示为u(t)=Ui∈Nui(t),若每个移动设备运行k个请求,同时每个请求有两个缓存队列,即任务队列和返回队列,到达的任务请求首先会被储存在任务队列中,再根据任务分配准则将它们分配到移动设备或是MEC服务器进行处理,而由MEC服务器处理的结果会先被存放在返回队列中,之后才由移动设备下载接收,其特征在于,所述方法包括以下步骤:
步骤1、建立计算任务以及任务队列的模型
假设在时段t中,请求l生成了任务并由移动设备j进行处理,将这个任务表示为Aj,i(t),在不同时间段由同一个请求l产生的并交由移动设备j处理的任务是独立同分布的,将时段t中设备j要去处理的任务表示为Aj(t):
Aj(t)={Aj,1(t),Aj,2(t),…,Aj,l(t),…}(l∈(1,2,…,k))
将要被处理的任务Aj,l(t)存储在任务队列Qj,l(t)中,那么时段t中任务队列的集合为Qj(t):
Qj(t)={Qj,1(t),Qj,2(t),…,Qj,l(t),…,Qj,k(t)}
在移动设备j处理的任务Aj,l(t)的数据大小为DLj,l(t),MEC服务器仍要处理的数据大小为DOj,l(t),则t时段本地和服务器处理的数据大小为:
DLj(t)={DLj,1(t),DLj,2(t),…,DLj,l(t),…}
DOj(t)={DOj,1(t),DOj,2(t),…,DOj,l(t),…}
式中,DLj(t)表示本地处理的数据大小,DOj(t)表示服务器处理的数据大小;
步骤2、建立本地处理模型
将移动端j响应请求l时处理1bit数据所需的CPU循环次数表示为Lj,l,将CPU 处理相关任务的循环频率表示为fj,l(t),那么t时段移动端j102响应请求l所需处理的数据大小为DLj,l(t):
DLj,l(t)=τfj,l(t)/Lj,l
式中,τ表示此时段中移动端j的响应时间;
得到t时段移动端j处理的全部数据大小为DLj(t):
式中,k表示请求的总个数;根据环路理论,CPU能耗较高,并且其耗能与 fj,l(t)相关,得出CPU处理DLj,l(t)所需能耗为PLj,l(t):
那么t时段移动端CPU的总能耗为PLj(t):
步骤3、建立MEC服务器计算模型
设t时段从移动端j到服务器i的频道衰落能量增益为γj,i(t),其中E(γj,i(t))<∞,那么从移动端j到服务器i的频道能量增益为ρj,i(t):
ρj,i(t)=γj,i(t)g0(d0/dj,i)θ
式中,g0为路径损失,d0为参考距离,dj,i是从移动端j到服务器i的距离,θ为路径损失的指数;得到从移动端j卸载到服务器i的数据大小为DOj(t):
式中,Po,i是服务器i的传输功率,Po,i≤Po,i,max,Po,i,max是服务器i的最大传输功率;ω表示带宽;αi,j(t)是分配给移动端j的带宽比例;N0表示噪声的功率谱密度;
式中,ω′为下行链路带宽,ρ′j,i(t)表示t时段从服务器i到移动端j的频道能量增益;
其替移动端j处理任务的全部能耗为POj(t):
卸载的任务DOj(t)不仅仅由服务器i处理,根据服务器i的负载平衡策略,服务器i将这些任务再卸载到其他服务器上;
步骤4、建立能量获取模型
设t时刻移动端j获得能量EH,j(t),其电池能量为Bj(t),同时消耗能量Pj(t),且它们满足以下约束条件:
Bj,min≤Bj(t+1)=Bj(t)-Pj(t)+EH,j(t)≤Bj,max
0≤EH,j(t)≤EH,j,max
Bj,min表示移动端j的电池能量下限,Bj,max表示移动端j的电池能量上限, EH,j,max表示在一个时段内移动端j所能获得的最大能量,上式表明t+1时刻的电池能量等于上一时刻电池能量与所获得能量和消耗能量的总和,同时电池的能量在任何时刻都应该在[Bj,min,Bj,max]内;
第二个约束约束条件为移动端j的能耗由三个部分组成:本地计算、任务卸载和任务下载;
最后一个约束条件是设备在特定时间内只能获得一定量的能量;
步骤5、基于步骤1至步骤4建立的模型,建立能量消耗与执行延迟最小化的优化模型
可行的移动端j和MEC服务器i的负载平衡准则Smj,i和Ssi,j应满足以下约束:
一、如果MEC服务器i的负载平衡准则Ssi,j已确定,那么移动端j的负载平衡准则被用来做出以下决定:(1)t时段分配给请求l任务的CPU循环频率fj,l(t);(2) t时段请求l产生任务中需要卸载的任务数据;(3)t时段接收相关请求所返回数据的大小;而Smj,i的目标则是避免任务队列以及返回队列的过载,同时最小化时延与能耗;
二、如果移动端j的负载平衡准则Smj,i已确定,那么MEC服务器i的负载平衡准则用来决定:(1)αi,j(t)及分配给移动端j用来卸载任务和下载结果的带宽比例; (2)每个任务需要分配的CPU循环频率而Smj,i的作用是将任务队列和返回队列的数据大小限制在它们的最大值内,同时最小化延迟与能耗。
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明创新性地考虑了更加现实的MEC系统,即有多个MEC服务器的MEC系统;并且考虑了双层负载均衡问题,即移动设备与MEC服务器之间的负载均衡,MEC服务器之间的负载均衡问题。本发明为移动边缘计算中的负载均衡问题的研究提供重要补充,以期推动移动边缘计算中的负载均衡相关理论体系和技术的不断丰富和完善,为移动边缘计算的大规模落地部署提供有效的解决方案。
附图说明
图1是实施例方案的工作环境的示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明提供一种基于能量采集设备的移动边缘计算系统的双层负载平衡机制,有效地解决了移动边缘计算系统中动态负载的能耗与计算延迟优化问题。包括以下步骤:
(1)计算任务以及任务队列模型;
(2)本地处理任务模型;
(3)移动边缘计算服务器计算模型;
(4)能量消耗与执行延迟最小化的优化模型。
本发明解决其技术问题所采用的技术方案是:在具有能量存储设备和多个应用程序的MEC系统中,本发明首先研究负载的分配问题,包括任务卸载和数据结果的下载,为此本发明建模计算任务以及任务队列、本地处理任务、和移动边缘计算服务器计算;然后基于这些模型,本发明建立能量消耗与执行延迟最小化的优化模型。
一个MEC系统有Ns个MEC服务器101和Nu个移动端设备102。这些服务器101与移动设备102所需能量大部分由系统的能量采集单元提供。在接收信息强度最大的情况下,一个时段t内,我们将与第i个服务器101通信的一些移动设备 102表示为ui(t)。那么,此时所有的移动设备集合可以表示为u(t)=Ui∈N ui(t)。若每个移动设备运行k个请求,同时每个请求有两个缓存队列(即任务队列和返回队列)。那么到达的任务请求首先会被储存在任务队列中,再根据任务分配准则将它们分配到移动设备或是MEC服务器101进行处理。而由MEC服务器101 处理的结果会先被存放在返回队列中,之后才由移动设备下载接收。为了便于参考,我将此模型的关键概念列于表1。
表1
本发明具体包括以下内容:
A.计算任务以及任务队列的建模
假设在时段t中,请求l生成了任务并由移动设备j102进行处理,那么我们将这个任务表示为Aj,l(t),在不同时间段由同一个请求l产生的并交由移动设备j102 处理的任务是独立同分布的。那么我们将时段t中设备j要去处理的任务表示为:
Aj(t)={Aj,1(t),Aj,2(t),…,Aj,l(t),…}(l∈(1,2,…,k))
将要被处理的任务Aj,l(t)存储在任务队列Qj,l(t)中,那么时段t中任务队列的集合为:
Qj(t)={Qj,1(t),Qj,2(t),…,Qj,l(t),…,Qj,k(t)} (1)
此外,在移动端j102处理的任务Aj,l(t)的数据大小为DLj,l(t),MEC服务器101仍要处理的数据大小为DOj,l(t)。所以,t时段本地和服务器处理的数据大小为:
DLj(t)={DLj,1(t),DLj,2(t),…,DLj,l(t),…}
DOj(t)={DOj,1(t),DOj,2(t),…,DOj,l(t),…} (2)
B.本地处理模型
我们将移动端j102响应请求l时处理1bit数据所需的CPU循环次数表示为Lj,l。并将CPU处理相关任务的循环频率表示为fj,l(t)。那么t时段移动端j102响应请求 l所需处理的数据大小为:
DLj,l(t)=τfj,l(t)/Lj,l (4)
因此可以得到t时段移动端j102处理的全部数据大小为:
根据环路理论,CPU能耗较高,并且其耗能与fj,l(t)相关。这样我们就可以得出CPU处理DLj,l(t)所需能耗为:
那么t时段移动端102CPU的总能耗为:
C MEC服务器计算模型
设t时段从移动端j102到服务器i101的频道衰落能量增益为γj,i(t),其中E(γj,i(t))<∞.那么从移动端j102到服务器i101的频道能量增益为:
ρj,i(t)=γj,i(t)g0(d0/dj,i)θ (8)
其中g0为路径损失,d0为参考距离,dj,i是从移动端j102到服务器i101的距离,θ为路径损失的指数。这样就可以得到从移动端j102卸载到服务器i101的数据大小为:
上式中的Po,i是服务器i101的传输功率,其中Po,i≤Po,i,max,ω表示带宽,αi,j(t)是分配给移动端j102的带宽比例。因此,可得卸载任务的能耗可以表示为:
其中σ2是噪声能量,下载结果的能耗可以表示为:
上式中的ω′为下行链路带宽,ρ′j,i(t)表示t时段从服务器i101到移动端j102的频道能量增益。
其替移动端j102处理任务的全部能耗为:
要注意的是,卸载的任务DOj(t)不仅仅由服务器i101处理,根据i101的负载平衡策略,它会将这些任务再卸载到其他服务器上。
D.能量获取模型
设t时刻移动端j102获得能量EH,j(t),其电池能量为Bj(t),同时消耗能量Pj(t)。
且它们满足以下约束条件:
Bj,min≤Bj(t+1)=Bj(t)-Pj(t)+EH,j(t)≤Bj,max
0≤EH,j(t)≤EH,j,max (14)
上式表明t+1时刻的电池能量等于上一时刻电池能量与所获得能量和消耗能量的总和,同时电池的能量在任何时刻都应该在[Bj,min,Bj,max]内。第二个约束约束条件为移动端j102的能耗由三个部分组成:本地计算,任务卸载和任务下载。最后一个约束条件是设备在特定时间内只能获得一定量的能量。
E.建立问题
在上面模型的基础上,我们可以得知本地计算数据的大小DLj(t)与CPU循环的频率fj,l(t)有关,上传数据大小DOj(t)和下载数据大小都与αi,j(t)有关(分配给移动端j102的带宽比例)。此外,本地运算的能耗PLj(t))也由fj,l(t)确定,而上传与下载的能量和也受到αi,j(t)的影响。而MEC服务器的能耗 POj(t)则根据移动端j102在请求l时确定的所需的服务器CPU循环频率所决定。
结合以上分析,可行的移动端j102和服务器i101的负载平衡准则Smj,i和Ssi,j应满足以下约束。一、如果MEC服务器i101的负载平衡准则Ssi,j已确定,那么移动端j102的负载平衡准则被用来做出以下决定:(1)t时段分配给请求l任务的CPU 循环频率fj,l(t);(2)t时段请求l产生任务中需要卸载的任务数据;(3)t时段接收相关请求所返回数据的大小。而Smj,i的目标则是避免任务队列以及返回队列的过载,同时最小化时延与能耗。
二、如果移动端j的负载平衡准则Smj,i已确定,那么MEC服务器i101的负载平衡准则用来决定:(1)αi,j(t)及分配给移动端j用来卸载任务和下载结果的带宽比例;(2)每个任务需要分配的CPU循环频率而Smj,i的作用是将任务队列和返回队列的数据大小限制在它们的最大值内,同时最小化延迟与能耗。
因此,两个分级的负载平衡问题可以被定性为:
s.t.
Bj,min≤Bj(t+1)=Bj(t)-Pj(t)+EH,j(t)≤Bj,max
0≤EH,j(t)≤EH,j,max
Aj,l(t)+Qj,l(t)-DLj,l(t)-DOj,l(t)≤Qj,l,max
Po,i≤Po,i,max
ω≤ωmax
ω′≤ωmax
0≤αi,j(t)≤1
E(γj,i(t))<∞
E(γ′j,i(t))<∞
Claims (1)
1.一种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,设一个MEC系统有Ns个MEC服务器和Nu个移动端设备,Ns个MEC服务器与Nu个移动端设备所需能量大部分由系统的能量采集单元提供,在接收信息强度最大的情况下,一个时段t内,将与第i个MEC服务器通信的移动设备102定义为ui(t),此时所有的第i个MEC服务器通信的移动设备的集合表示为u(t)=∪i∈Nui(t),若每个移动设备运行k个请求,同时每个请求有两个缓存队列,即任务队列和返回队列,到达的任务请求首先会被储存在任务队列中,再根据任务分配准则将它们分配到移动设备或是MEC服务器进行处理,而由MEC服务器处理的结果会先被存放在返回队列中,之后才由移动设备下载接收,其特征在于,所述方法包括以下步骤:
步骤1、建立计算任务以及任务队列的模型
假设在时段t中,请求l生成了任务并由移动设备j进行处理,将这个任务表示为Aj,l(t),在不同时间段由同一个请求l产生的并交由移动设备j处理的任务是独立同分布的,将时段t中设备j要去处理的任务表示为Aj(t):
Aj(t)={Aj,1(t),Aj,2(t),…,Aj,l(t),…}(l∈(1,2,…,k))
将要被处理的任务Aj,l(t)存储在任务队列Qj,l(t)中,那么时段t中任务队列的集合为Qj(t):
Qj(t)={Qj,1(t),Qj,2(t),…,Qj,l(t),…,Qj,k(t)}
在移动设备j处理的任务Aj,l(t)的数据大小为DLj,l(t),MEC服务器仍要处理的数据大小为DOj,l(t),则t时段本地和服务器处理的数据大小为:
DLj(t)={DLj,1(t),DLj,2(t),…,DLj,l(t),…}
DOj(t)={DOj,1(t),DOj,2(t),…,DOj,l(t),…}
式中,DLj(t)表示本地处理的数据大小,DOj(t)表示服务器处理的数据大小;
步骤2、建立本地处理模型
将移动端j响应请求l时处理1bit数据所需的CPU循环次数表示为Lj,l,将CPU处理相关任务的循环频率表示为fj,l(t),那么t时段移动端j102响应请求l所需处理的数据大小为DLj,l(t):
DLj,l(t)=τfj,l(t)/Lj,l
式中,τ表示此时段中移动端j的响应时间;
得到t时段移动端j处理的全部数据大小为DLj(t):
式中,k表示请求的总个数;根据环路理论,CPU能耗较高,并且其耗能与fj,l(t)相关,得出CPU处理DLj,l(t)所需能耗为PLj,l(t):
那么t时段移动端CPU的总能耗为PLj(t):
步骤3、建立MEC服务器计算模型
设t时段从移动端j到服务器f的频道衰落能量增益为γj,i(t),其中E(γj,i(t))<∞,那么从移动端j到服务器f的频道能量增益为ρj,i(t):
ρj,i(t)=γj,i(t)g0(d0/dj,i)θ
式中,g0为路径损失,d0为参考距离,dj,i是从移动端j到服务器f的距离,θ为路径损失的指数;得到从移动端j卸载到服务器f的数据大小为DOj(t):
式中,Po,i是服务器f的传输功率,Po,i≤Po,i,max,Po,i,max是服务器f的最大传输功率;ω表示带宽;αi,j(t)是分配给移动端j的带宽比例;N0表示噪声的功率谱密度;
式中,ω′为下行链路带宽,ρ′j,i(t)表示t时段从服务器i到移动端j的频道能量增益;
其替移动端j处理任务的全部能耗为POj(t):
卸载的任务DOj(t)不仅仅由服务器f处理,根据服务器f的负载平衡策略,服务器f将这些任务再卸载到其他服务器上;
步骤4、建立能量获取模型
设t时刻移动端j获得能量EH,j(t),其电池能量为Bj(t),同时消耗能量Pj(t),且它们满足以下约束条件:
Bj,min≤Bj(t+1)=Bj(t)-Pj(t)+EH,j(t)≤Bj,max
0≤EH,j(t)≤EH,j,max
Bj,min表示移动端j的电池能量下限,Bj,max表示移动端j的电池能量上限,EH,j,max表示在一个时段内移动端j所能获得的最大能量,上式表明t+1时刻的电池能量等于上一时刻电池能量与所获得能量和消耗能量的总和,同时电池的能量在任何时刻都应该在[Bj,min,Bj,max]内;
第二个约束约束条件为移动端j的能耗由三个部分组成:本地计算、任务卸载和任务下载;
最后一个约束条件是设备在特定时间内只能获得一定量的能量;
步骤5、基于步骤1至步骤4建立的模型,建立能量消耗与执行延迟最小化的优化模型
可行的移动端j和MEC服务器f的负载平衡准则Smj,i和Ssi,j应满足以下约束:
一、如果MEC服务器f的负载平衡准则Ssi,j已确定,那么移动端j的负载平衡准则被用来做出以下决定:(1)t时段分配给请求l任务的CPU循环频率fj,l(t);(2)t时段请求l产生任务中需要卸载的任务数据;(3)t时段接收相关请求所返回数据的大小;而Smj,i的目标则是避免任务队列以及返回队列的过载,同时最小化时延与能耗;
二、如果移动端j的负载平衡准则Smj,i已确定,那么MEC服务器f的负载平衡准则用来决定:(1)αi,j(t)及分配给移动端j用来卸载任务和下载结果的带宽比例;(2)每个任务需要分配的CPU循环频率而Smj,i的作用是将任务队列和返回队列的数据大小限制在它们的最大值内,同时最小化延迟与能耗;
两个分级的负载平衡问题被定性为:
s.t.
Bj,min≤Bj(t+1)=Bj(t)-Pj(t)+EH,j(t)≤Bj,max
0≤EH,j(t)≤EH,j,max
Aj,l(t)+Qj,l(t)-DLj,l(t)-DOj,l(t)≤Qj,l,max
Po,i≤Po,i,max
ω≤ωmax
ω′≤ωmax
0≤αi,j(t)≤1
E(γj,i(t))<∞
E(γ′j,i(t))<∞
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911052043.3A CN110809291B (zh) | 2019-10-31 | 2019-10-31 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911052043.3A CN110809291B (zh) | 2019-10-31 | 2019-10-31 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110809291A CN110809291A (zh) | 2020-02-18 |
CN110809291B true CN110809291B (zh) | 2021-08-27 |
Family
ID=69489771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911052043.3A Active CN110809291B (zh) | 2019-10-31 | 2019-10-31 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110809291B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111787618B (zh) * | 2020-05-25 | 2022-03-18 | 中南林业科技大学 | 一种边缘计算中联合能量获取的能耗优化资源分配方法 |
CN113114733B (zh) * | 2021-03-24 | 2022-07-08 | 重庆邮电大学 | 基于能量收集的分布式任务卸载和计算资源的管理方法 |
CN113159539B (zh) * | 2021-04-07 | 2023-09-29 | 中山大学 | 多层边缘计算系统中联合绿色能量调度和动态任务分配方法 |
CN113207150B (zh) * | 2021-04-23 | 2022-05-17 | 华中科技大学 | 一种基于背向散射通信的主被动混合卸载方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018127190A1 (en) * | 2017-01-09 | 2018-07-12 | Huawei Technologies Co., Ltd. | System and methods for session management |
CN108920279A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种多用户场景下的移动边缘计算任务卸载方法 |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110167054A (zh) * | 2019-05-20 | 2019-08-23 | 天津理工大学 | 一种面向边缘计算节点能量优化的QoS约束路由方法 |
CN110247793A (zh) * | 2019-05-29 | 2019-09-17 | 暨南大学 | 一种移动边缘云中的应用程序部署方法 |
CN110365787A (zh) * | 2019-07-19 | 2019-10-22 | 南京工业大学 | 一种应用容器并基于微服务框架的边缘计算最优化布局方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10374710B2 (en) * | 2014-04-04 | 2019-08-06 | Nxgen Partners Ip, Llc | Re-generation and re-transmission of millimeter waves for building penetration |
US10660003B2 (en) * | 2017-11-03 | 2020-05-19 | Hon Hai Precision Industry Co., Ltd. | Methods and related devices for optimizing a mobile edge computing (MEC) system |
-
2019
- 2019-10-31 CN CN201911052043.3A patent/CN110809291B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018127190A1 (en) * | 2017-01-09 | 2018-07-12 | Huawei Technologies Co., Ltd. | System and methods for session management |
CN108920279A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种多用户场景下的移动边缘计算任务卸载方法 |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110167054A (zh) * | 2019-05-20 | 2019-08-23 | 天津理工大学 | 一种面向边缘计算节点能量优化的QoS约束路由方法 |
CN110247793A (zh) * | 2019-05-29 | 2019-09-17 | 暨南大学 | 一种移动边缘云中的应用程序部署方法 |
CN110365787A (zh) * | 2019-07-19 | 2019-10-22 | 南京工业大学 | 一种应用容器并基于微服务框架的边缘计算最优化布局方法 |
Non-Patent Citations (3)
Title |
---|
"Online Geographical Load Balancing for Mobile Edge Computing with Energy Harvesting";Jie Xu, Hang Wu, Lixing Chen, Cong Shen;《IEEE International Conference》;20171223;全文 * |
"Online Learning for Offloading and Autoscaling in Energy Harvesting Mobile Edge Computing";Jie Xu, Hang Wu, Lixing Chen, Shaolei Ren;《IEEE TRANSACTIONS ON COGNITIVE COMMUNICATIONS AND NETWORKING》;20170711;第3卷(第3期);全文 * |
《多用户移动边缘计算迁移的能量管理研究》;王璐瑶,张文倩,张光林;《物联网学报》;20190330;第3卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110809291A (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110809291B (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 | |
CN113950103B (zh) | 一种移动边缘环境下多服务器完全计算卸载方法及系统 | |
CN110099384B (zh) | 基于边-端协同的多用户多mec任务卸载资源调度方法 | |
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 | |
Shi et al. | Toward energy-efficient federated learning over 5G+ mobile devices | |
CN113286329B (zh) | 基于移动边缘计算的通信和计算资源联合优化方法 | |
CN109922479A (zh) | 一种基于时延预估的计算任务卸载方法 | |
CN113377447B (zh) | 一种基于李雅普诺夫优化的多用户计算卸载方法 | |
CN111401744B (zh) | 一种移动边缘计算中不确定性环境下的动态任务卸载方法 | |
CN110287034B (zh) | 一种可充电移动边缘计算中能量-延迟平衡的动态任务分配方法 | |
CN111836284B (zh) | 基于移动边缘计算的能耗优化计算、卸载方法和系统 | |
CN113238847B (zh) | 基于分散式网络环境下可分任务的分发和调度方法 | |
CN113961264B (zh) | 一种面向视频监控云边协同的智能卸载算法与系统 | |
CN113452566A (zh) | 一种云边端协同资源管理方法及系统 | |
CN109639833A (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 | |
CN113419867B (zh) | 一种面向边云协同计算环境中节能的服务供应方法 | |
CN110278611A (zh) | 一种无线供电移动边缘计算系统中的资源分配方法 | |
CN114489977A (zh) | 一种移动边缘计算系统的任务卸载方法及装置 | |
CN113590307A (zh) | 边缘计算节点优化配置方法、装置及云计算中心 | |
CN110996390B (zh) | 一种无线接入网络计算资源分配方法及网络系统 | |
CN115150893A (zh) | 基于任务划分与d2d的mec任务卸载策略方法 | |
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 | Optimization of task offloading problem based on simulated annealing algorithm in MEC | |
CN111611069B (zh) | 多数据中心间多类型任务迁移方法 |
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 |