CN111124439A - 一种云边协同的智能动态卸载算法 - Google Patents

一种云边协同的智能动态卸载算法 Download PDF

Info

Publication number
CN111124439A
CN111124439A CN201911296890.4A CN201911296890A CN111124439A CN 111124439 A CN111124439 A CN 111124439A CN 201911296890 A CN201911296890 A CN 201911296890A CN 111124439 A CN111124439 A CN 111124439A
Authority
CN
China
Prior art keywords
edge
application
edge layer
cloud
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.)
Granted
Application number
CN201911296890.4A
Other languages
English (en)
Other versions
CN111124439B (zh
Inventor
王田
梁玉珠
张依琳
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN201911296890.4A priority Critical patent/CN111124439B/zh
Publication of CN111124439A publication Critical patent/CN111124439A/zh
Application granted granted Critical
Publication of CN111124439B publication Critical patent/CN111124439B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • G06F8/61—Installation
    • G06F8/62—Uninstallation
    • 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
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Power Sources (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种云边协同的智能动态卸载方法，对于每一个应用，将边缘层当前的CPU、内存、带宽和剩余电量等状态数据作为输入变量，计算出每个应用处理完成的时间和边缘层状态量，再利用LibSVM算法识别应用的类型，根据类型判定该应用处理完成的时间条件，根据边缘层的情况判定边缘层的状态量条件，共同决定该应用的数据是否卸载在边缘端还是云端；该方法考虑了不同应用类型的特点，算法中对于不同类型应用设置不同的最大延迟容忍时间，并且考虑了边缘层的实时状态，利用智能决策算法实时把应用数据卸载到边缘或云端以获得最短的总运行时间，优化总运行时间使其明显优于应用数据卸载到云端或边缘端，而且可以很好地减少时延和能量消耗。

Description

一种云边协同的智能动态卸载算法
技术领域
本发明涉及物联网中数据处理领域，特别是指一种云边协同的智能动态卸载算法。
背景技术
随着物联网的快速发展，涌现出一大批各式各样的异构应用，这些应用会产生大量数据，如何处理数据是一个亟待解决的问题，目前，把数据卸载到云端进行处理是常见的一种方式，通过采取随机博弈方法，在有限的应用完成时间和约束条件下，在云端实现计算卸载的功能，为了进一步进行优化卸载决策，使用启发式卸载决策算法，也可以使系统的延时尽可能的小；还有一些研究者提出了一种基于交替迭代算法的任务缓存与卸载算法，利用软件定义网络的思想，研究了超密集网络中的任务卸载问题；具体地说，将任务卸载问题作为一个NP难混合整数非线性规划问题来解决。
目前相关技术都没有细分物联网层的应用和考虑到边缘层的实时状态，然而应用的类别是系统延迟时间的重要影响因素；而且边缘层的计算、存储等资源会随着时间不断变化，边缘层的实时状态会决定着数据处理的性能；当边缘层的计算和存储能力较强时，把数据卸载到边缘层有更好的性能，而当边缘层计算能力不足时，完成本地计算的时间可能比把数据传送到云端并在云端计算的时间要长的多。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出一种云边协同的智能动态卸载算法。
一种云边协同的智能动态卸载方法，包括如下步骤：
S1：获取应用i产生的的数据量Qibit，边缘层处理数据的速率v1bit/s，计算应用处理完成的时间Ti，其中1≤i≤n，n应用的总个数；
S2：获取边缘层CPU、内存、带宽和剩余电量等状态数据，计算边缘层状态量Si；
S3：基于libSVM算法识别应用的类型j(1≤j≤4)，对应的应用最大容忍延迟时间限定为Tmax j，范围为1-10s；
S4：判定Ti＜Tmax j&&Si＞K，若满足，转入步骤S5，若否，转入步骤S6，其中K为设定的边缘层状态值，范围为1/5-1/4；
S5：应用程序i的数据卸载到边缘端；
S6：应用程序i的数据卸载到云端。
步骤S1中Ti＝Qi/v1。；
步骤S2中，所述
Figure BDA0002319975250000021
其中M；为边缘层当前内存，Ci为边缘层剩余CPU，BAi为边缘层剩余电量，BWi为边缘层剩余带宽，M为初始时边缘服务器总内存，C为初始时边缘服务器总CPU，BA为初始时边缘服务器总电量，BW为初始时边缘服务器总带宽。
步骤S3中，所述的应用的类型包括四种，分别为低流量应用、高流量应用、流量低，计算量大应用，流量高，计算量大的应用。
每次进行应用卸载的分配后，更新边缘层当前的状态数据。
由上述对本发明的描述可知，与现有技术相比，本发明公开的云边协同的智能动态卸载算法考虑了不同的应用类型的特点，算法中对于不同类型应用设置不同的最大延迟容忍时间；并且考虑了边缘层的实时状态，利用智能决策算法实时把应用数据卸载到边缘或云端以获得最短的总运行时间，优化总运行时间使其明显优于应用数据卸载到云端或边缘端，而且可以很好地减少时延和能量消耗。
附图说明
图1为基于边缘计算动态卸载平台
图2为云边协同的智能动态卸载方法的整体流程图。
图3为物联网应用在不同条件下的卸载分布的实例图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
如图1所示，物理网层有很多应用，根据不同应用的资源请求，在边缘层将其分成4类，每一类再根据边缘端此时的状态，确定是否把应用数据卸载到边缘端还是云端。
具体的，如图2，一种云边协同的智能动态卸载方法的流程图，包括如下步骤：
S1：获取应用i产生的的数据量Qibit，边缘层处理数据的速率v1bit/s，计算应用处理完成的时间Ti，其中1≤i≤n，n应用的总个数；
其中Ti＝Qi/v1。；
S2：获取边缘层CPU、内存、带宽和剩余电量等状态数据，计算边缘层状态量Si；
其中所述
Figure BDA0002319975250000031
其中Mi为边缘层当前内存，Ci为边缘层剩余CPU，BAi为边缘层剩余电量，BWi为边缘层剩余带宽，M为初始时边缘服务器总内存，C为初始时边缘服务器总CPU，BA为初始时边缘服务器总电量，BW为初始时边缘服务器总带宽。
S3：基于libSVM算法识别应用的类型j(1≤j≤4)，对应的应用最大容忍延迟时间限定为Tmax j，范围为1-10s；
所述的应用的类型包括四种，分别为低流量应用、高流量应用、流量低计算量大应用，流量高计算量大的应用；每一类应用的延迟时间设置各有不同，对于低流量应用而言，其产生的数据量小，对实时性要求高，故设置为1秒，对于高流量应用而言，产生的数据量较大，对实时性要求高，故设置为3秒，对于流量低计算量大应用而言，其需求是利用数据进行分析，相对而言数据量较小且对于实时性要求低，故设置为5秒，对于流量高计算量大的应用而言，其需要精准的模型计算，数据量较大，对于实时性要求低，故设置为10秒；本发明考虑了不同应用类型的特点，对于不同类型应用设置不同的最大延迟容忍时间，具体的设置值也可以根据系统的实际情况和用户的需求进行调整。
S4：判定Ti＜Tmax j&&Si＞K，若满足，转入步骤S5，若否，转入步骤S6，其中K为设定的边缘层状态值，范围为K＞1/4；
这里的Si的值需大于1/4，原因是：在测试实验中，我们发现当边缘层的剩余CPU、内存、带宽和电量之和低于1/4时，边缘层很难再接收新的应用数据，不适合再把应用数据卸载到边缘端，即，当Si低于1/4时把数据卸载到云端，但我们需要说明的是，1/4这个值是可以根据系统实际情况进行调整的。
S5：应用程序i的数据卸载到边缘端；
S6：应用程序i的数据卸载到云端。
每次进行应用卸载的分配后，更新边缘层当前的状态数据。
如图3所示，是利用本发明所提出的云边协同的智能动态卸载算法的实例图，其中A类是低流量应用，B类是高流量应用，C类是流量低，计算量大应用，D类是流量高，计算量大的应用；M，C，BA和BW分别代表当前边缘层内存、CPU、剩余电量和带宽值，图中是每种类型的资源在不同边缘层状态下的调度结果，有颜色的块代表数据卸载到边缘端，白色的块代表数据卸载到云端。
由上述对本发明的描述可知，与现有技术相比，本发明公开的云边协同的智能动态卸载算法考虑了不同的应用类型的特点，算法中对于不同类型应用设置不同的最大延迟容忍时间；并且考虑了边缘层的实时状态，利用智能决策算法实时把应用数据卸载到边缘或云端以获得最短的总运行时间，优化总运行时间使其明显优于应用数据卸载到云端或边缘端，而且可以很好地减少时延和能量消耗。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (5)

1.一种云边协同的智能动态卸载方法，其特征在于，包括如下步骤：
S1：获取应用i产生的的数据量Qi bit，边缘层处理数据的速率v1bit/s，计算应用处理完成的时间Ti，其中1≤i≤n，n应用的总个数；
S2：获取边缘层CPU、内存、带宽和剩余电量等状态数据，计算边缘层状态量Si；
S3：基于libSVM算法识别应用的类型j(1≤j≤4)，对应的应用最大容忍延迟时间限定为Tmax j，范围为1-10s；
S4：判定Ti＜Tmax j&&Si＞K，若满足，转入步骤S5，若否，转入步骤S6，其中K为设定的边缘层状态值，K≥1/4；
S5：应用程序i的数据卸载到边缘端；
S6：应用程序i的数据卸载到云端。
2.根据权利要求1所述的云边协同的智能动态卸载方法，其特征在于，Ti＝Qi/v1。
3.根据权利要求1所述的云边协同的智能动态卸载方法，其特征在于，
Figure FDA0002319975240000011
其中Mi为边缘层当前内存，Ci为边缘层剩余CPU，BAi为边缘层剩余电量，BWi为边缘层剩余带宽，M为初始时边缘服务器总内存，C为初始时边缘服务器总CPU，BA为初始时边缘服务器总电量，BW为初始时边缘服务器总带宽。
4.根据权利要求1所述的云边协同的智能动态卸载方法，其特征在于，所述的应用的类型包括四种，分别为流量低计算量小应用；流量高计算量小应用；流量低计算量大应用；流量高计算量应用。
5.根据权利要求1-4之一所述的云边协同的智能动态卸载方法，其特征在于，每次进行应用卸载的分配后，更新边缘层当前的状态数据。
CN201911296890.4A 2019-12-16 2019-12-16 一种云边协同的智能动态卸载算法 Active CN111124439B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911296890.4A CN111124439B (zh) 2019-12-16 2019-12-16 一种云边协同的智能动态卸载算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911296890.4A CN111124439B (zh) 2019-12-16 2019-12-16 一种云边协同的智能动态卸载算法

Publications (2)

Publication Number Publication Date
CN111124439A true CN111124439A (zh) 2020-05-08
CN111124439B CN111124439B (zh) 2022-05-03

Family

ID=70499082

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911296890.4A Active CN111124439B (zh) 2019-12-16 2019-12-16 一种云边协同的智能动态卸载算法

Country Status (1)

Country Link
CN (1) CN111124439B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709853A (zh) * 2021-07-23 2021-11-26 北京工业大学 面向云边协同的网络内容传输方法、装置及存储介质
CN113961264A (zh) * 2021-09-30 2022-01-21 河海大学 一种面向视频监控云边协同的智能卸载算法与系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107911478A (zh) * 2017-12-06 2018-04-13 武汉理工大学 基于化学反应优化算法的多用户计算卸载方法及装置
US20180183855A1 (en) * 2016-12-28 2018-06-28 Intel Corporation Application computation offloading for mobile edge computing
CN109788069A (zh) * 2019-02-27 2019-05-21 电子科技大学 物联网中基于移动边缘计算的计算卸载方法
CN110347500A (zh) * 2019-06-18 2019-10-18 东南大学 用于边缘计算环境中面向深度学习应用的任务卸载方法
CN110489233A (zh) * 2019-08-15 2019-11-22 北京信息科技大学 基于移动边缘计算的设备任务卸载及cpu调频方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180183855A1 (en) * 2016-12-28 2018-06-28 Intel Corporation Application computation offloading for mobile edge computing
CN107911478A (zh) * 2017-12-06 2018-04-13 武汉理工大学 基于化学反应优化算法的多用户计算卸载方法及装置
CN109788069A (zh) * 2019-02-27 2019-05-21 电子科技大学 物联网中基于移动边缘计算的计算卸载方法
CN110347500A (zh) * 2019-06-18 2019-10-18 东南大学 用于边缘计算环境中面向深度学习应用的任务卸载方法
CN110489233A (zh) * 2019-08-15 2019-11-22 北京信息科技大学 基于移动边缘计算的设备任务卸载及cpu调频方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王田等: "《基于雾计算的可信传感云研究进展》", 《通信学报》 *
苟英等: "《边缘计算的物联网深度学习及任务卸载调度策略》", 《计算机应用与软件》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709853A (zh) * 2021-07-23 2021-11-26 北京工业大学 面向云边协同的网络内容传输方法、装置及存储介质
CN113709853B (zh) * 2021-07-23 2022-11-15 北京工业大学 面向云边协同的网络内容传输方法、装置及存储介质
CN113961264A (zh) * 2021-09-30 2022-01-21 河海大学 一种面向视频监控云边协同的智能卸载算法与系统
CN113961264B (zh) * 2021-09-30 2024-01-09 河海大学 一种面向视频监控云边协同的智能卸载算法与系统

Also Published As

Publication number Publication date
CN111124439B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
Gao et al. PORA: Predictive offloading and resource allocation in dynamic fog computing systems
CN111240701B (zh) 一种端-边-云协同计算的任务卸载优化方法
CN110543336B (zh) 基于非正交多址接入技术的边缘计算任务卸载方法及装置
CN112579194B (zh) 基于时延和事务吞吐量的区块链共识任务卸载方法及装置
CN104901989B (zh) 一种现场服务提供系统及方法
CN108270805B (zh) 用于数据处理的资源分配方法及装置
CN111132235A (zh) 基于改进hrrn算法和多属性决策的移动卸载迁移算法
CN111124439B (zh) 一种云边协同的智能动态卸载算法
CN103997515B (zh) 一种分布式云中计算中心选择方法及其应用
CN112559078B (zh) 一种移动边缘计算服务器分级卸载任务方法及系统
CN112511652B (zh) 一种边缘计算下的合作计算任务分配方法
CN116996938A (zh) 车联网任务卸载方法、终端设备及存储介质
CN112163734A (zh) 基于云平台整定计算资源动态调度方法及装置
CN117135131A (zh) 一种面向云边协同场景的任务资源需求感知方法
CN111158893B (zh) 应用于雾计算网络的任务卸载方法、系统、设备及介质
CN114978913B (zh) 一种基于切链的服务功能链跨域部署方法及系统
CN108073449B (zh) 一种虚拟机动态放置方法
CN114615705B (zh) 一种基于5g网络下单用户资源分配策略方法
CN116204293A (zh) 一种资源调度方法、装置、计算机设备以及存储介质
CN106484879B (zh) 一种基于MapReduce的Map端数据的聚合方法
CN106888237B (zh) 一种数据调度方法及系统
WO2015090174A1 (en) User service access allocation method and system
CN111047042B (zh) 一种推理服务模型的运行方法及装置
CN110401714B (zh) 一种边缘计算中基于切比雪夫距离的卸载目标确定方法
Vilà et al. Impact analysis of training in deep reinforcement learning-based radio access network slicing

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