CN111124639A - 一种边缘计算系统的操作方法、系统及电子设备 - Google Patents
一种边缘计算系统的操作方法、系统及电子设备 Download PDFInfo
- Publication number
- CN111124639A CN111124639A CN201911266565.3A CN201911266565A CN111124639A CN 111124639 A CN111124639 A CN 111124639A CN 201911266565 A CN201911266565 A CN 201911266565A CN 111124639 A CN111124639 A CN 111124639A
- Authority
- CN
- China
- Prior art keywords
- execution
- task
- mobile device
- cost
- mobile
- 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
- G06F9/48—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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Power Sources (AREA)
Abstract
本发明公开一种边缘计算系统的操作方法、系统及电子设备,所述边缘计算系统的操作方法包括:对移动设备进行充电,记录所述移动设备的实际电量,以得出虚拟偏移电量,通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率,根据所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率,以计算任务本地执行的执行成本以及任务卸载执行的执行成本,根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据,以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代。本发明的边缘计算系统的操作方法大大提高了任务计算卸载策略的性能。
Description
技术领域
本发明涉及极化码技术领域,特别是涉及一种边缘计算系统的操作方法、系统及电子设备。
背景技术
移动边缘计算(MEC)是一种5G新技术,可以在无线电访问网络中提供IT环境和云计算功能。通过向MEC服务器卸载大量计算密集型任务,将移动设备从繁重的计算工作中解放出来,并节省了移动设备的能耗。因此,如何解决两个基本性能限制(时延和能耗)是现代物联网技术研究和开发中的关键问题。
近年来,卸载策略的高效设计引起了研究者的关注。卸载方法分为两种,部分卸载和二进制卸载策略。能量收集是一种新兴技术,它通过从环境或其他能源中捕获可持续能源(例如太阳能和风能)来延长物联网(IoT)的寿命。它不仅提高了网络移动性,并且与绿色通信的概念一致。由于增加了能量收集模块,任务分配决策变得更加复杂,面临着前所未有的挑战。
具有能量收集模块设备的MEC系统的设计原理与具有电池供电的MEC系统的设计原则不同,由于电池能量取自于可再生能源,设计目标从最小化电池能量消耗转变为优化计算性能,并且以较小的执行延迟性能降低为代价显著降低计算任务的失败率。现有技术中无法有效利用能量收集技术,以及任务执行成本过高,因此迫切需要改进。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种边缘计算系统的操作方法、系统及电子设备,用于解决现有技术中无法有效利用能量收集技术,以及任务执行成本过高的问题。
为实现上述目的及其他相关目的,本发明提供一种边缘计算系统的操作方法,所述边缘计算系统包括多个服务器及多个计算器,包括:
通过能量收集器收集能量,并对多个移动设备进行充电,记录所述移动设备的实际电量,以得出虚拟偏移电量;
通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率;
根据所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率,以计算任务本地执行的执行成本以及任务卸载执行的执行成本;
获取发生任务丢弃所产生的惩罚数据;
根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据,以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代。
在本发明的一实施例中,所述记录所述移动设备的实际电量,以得出虚拟偏移电量的步骤包括:
设置所述移动设备的能量使用下界Emin,以及移动设备的电池最大放电量Emax;
在本发明的一实施例中,所述通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率的步骤包括:
获取移动设备的中央处理器的周期频率的范围:fL≤f≤fU,其中,fL表示移动设备可以接受最大时延情况下的中央处理器频率,fU表示能耗允许的最大频率;
获取备选方案fo;
对比所述备选方案fo与移动设备可以接受最大时延情况下的中央处理器频率fL、能耗允许的最大频率fU的大小,以确定所述移动设备的中央处理器的最佳周期频率。
在本发明的一实施例中,所述对比所述备选方案fo与移动设备可以接受最大时延情况下的中央处理器频率fL、能耗允许的最大频率fU的大小,以确定所述移动设备的中央处理器的最佳周期频率的步骤包括:
当fo>fU时,则所述移动设备的中央处理器的最佳周期频率等于能耗允许的最大频率fU;
在本发明的一实施例中,所述通过所述移动设备的电量水平,以计算卸载最佳传输功率的步骤包括:
获取所述服务器与所述移动设备在时间片段的相对距离D,选择服从λ=1的指数分布的小尺度衰落信道,以计算得出信道功率增益h;
根据所述信道功率增益h,以及所述服务器的带宽W、接收端的噪声功率Ω、任务大小L,求解优化问题PSE,以得到卸载最佳传输功率p。
在本发明的一实施例中,所述根据所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率,以计算任务本地执行的执行成本以及任务卸载执行的执行成本的步骤包括:
根据所述移动设备的中央处理器的最佳周期频率,获得所述移动设备对于任务本地执行的时延和能耗,以计算出任务本地执行的执行成本Jm;
根据所述卸载最佳传输功率p和任务大小L计算时延与能耗,获得任务卸载执行的执行成本Js;
在本发明的一实施例中,所述根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据,以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代的步骤包括:
根据成本矩阵m创建费用矩阵,根据所述服务器的移动设备的最大容量创建容量矩阵;
对所述服务器和移动设备进行动态规划,以获得所述移动设备与服务器的最佳匹配;
根据所述佳匹配,将所述移动设备的任务卸载到相应服务器,对其余的移动设备的任务进行本地执行或丢弃,进行所述移动设备的电量迭代。
在本发明的一实施例中,所述移动设备的电量迭代为所述移动设备的电池现有电量减去执行任务所需的能耗,并加上通过能量收集器收集的能量。
本发明还提供一种边缘计算系统的操作系统,所述边缘计算系统的操作系统包括:
能量收集器,用于收集能量,并对移动设备进行充电,记录所述移动设备的实际电量,以得出虚拟偏移电量;
第一计算器,用于通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率;
第二计算器,用于根据所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率,以计算任务本地执行的执行成本以及任务卸载执行的执行成本;
参数获取器,用于获取发生任务丢弃所产生的惩罚数据;
第三计算器,用于根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据,以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代。
本发明还提供一种电子设备,包括处理器和存储器,所述存储器存储有程序指令,所述处理器运行程序指令实现上述的边缘计算系统的操作方法。
如上所述,本发明的一种边缘计算系统的操作方法、系统及电子设备,具有以下有益效果:
本发明的边缘计算系统的操作方法大大提高了任务计算卸载策略的性能,而且未增加计算的复杂度,同时降低了任务本地执行的执行成本以及任务卸载执行的执行成本,大大提升了关于带有能量收集设备的MEC系统中卸载算法的实用性,本发明的边缘计算系统的操作方法可以得到最佳的用户设备和服务器的匹配结果。
本发明的边缘计算系统的操作方法性能较好,并且任务平均执行成本较低。
本发明大大提高了卸载率,并且降低了任务的平均执行成本和计算的复杂度,在找寻移动设备和服务器之间的最佳匹配所消耗的时间更短。
附图说明
图1为本申请实施例提供的一种边缘计算系统的操作方法的工作流程图。
图2为本申请实施例提供的一种边缘计算系统的操作系统的结构框图。
图3为本申请实施例提供的一种电子设备的结构框图。
图4为本申请实施例提供的移动设备和MEC服务器的移动边缘计算系统模型图。
图5为本申请实施例提供的指派问题的最小费用最大流模型图。
图6为本申请实施例提供的每个移动设备的电池电量与时间片段的关系图。
图7为本申请实施例提供的在不同任务请求概率下,动态卸载(LODCO)、贪心算法(LODCO-Based Greedy Algorithm)与边缘计算系统的操作方法的任务平均执行成本对比图。
图8为本申请实施例提供的在不同任务请求概率下,动态卸载(LODCO)、贪心算法(LODCO-Based Greedy Algorithm)与边缘计算系统的操作方法的任务卸载比率对比图。
图9为本申请实施例提供的在不同的移动设备和服务器数量的情况下,贪心算法(LODCO-Based Greedy Algorithm)与边缘计算系统的操作方法的算法平均时间消耗对比图。
元件标号说明
1 本地执行
2 卸载执行
3 第一MEC服务器
4 第二MEC服务器
5 第三MEC服务器
6 任务丢弃
7 移动设备带有能量收集器
10 能量收集器
20 第一计算器
30 第二计算器
40 参数获取器
50 第三计算器
60 处理器
70 存储器
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,图1为本申请实施例提供的一种边缘计算系统的操作方法的工作流程图。本发明提供一种边缘计算系统的操作方法,所述边缘计算系统的操作方法包括:S1、通过能量收集器收集能量,并对移动设备进行充电,记录所述移动设备的实际电量,以得出虚拟偏移电量。具体的,所述能量收集器即为能量收集模块,所述能量收集器可以但不限于为太阳能电池板,所述移动设备可以但不限于为手机、智能手表、传感器、平板电脑,所述能量可以但不限于为可再生能源。所述移动设备通过所述能量收集模块收集可再生能源充电,记录所述移动设备的实际电量B,以得出虚拟偏移电量应对即将到来的计算任务。所述记录所述移动设备的实际电量,以得出虚拟偏移电量的步骤包括:S11、设置所述移动设备的能量使用下界Emin,以及移动设备的电池最大放电量Emax。S12、根据所述移动设备的实际电量B和扰动参数θ,以得出虚拟偏移电量所述扰动参数θ为:其中,V表示控制参数,表示惩罚数据;所述虚拟偏移电量为:所述扰动参数θ可以定义为可以但不限于应用Lyapunov优化方法,根据所述移动设备的实际电量B情况定义虚拟偏移电量用于求解最佳能量收集问题,使得移动设备的电量稳定在某一水平。S2、通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率f,以及卸载最佳传输功率。具体的,通过求解优化问题PME,优化问题PME:以获得所述移动设备本地执行任务的中央处理器的最佳周期频率f,并且通过求解优化问题PSE,获得卸载最佳传输功率。S3、根据所述移动设备的中央处理器的最佳周期频率f,以及卸载最佳传输功率p,以计算任务本地执行的执行成本Jm以及任务卸载执行的执行成本Js。S4、获取发生任务丢弃所产生的惩罚数据具体的,根据卸载最佳传输功率p和选择的小尺度的衰落信道的功率增益h,获得每个移动设备到所有服务器任务卸载的执行成本Js,最后自定义因发生任务丢弃而产生惩罚数据S5、根据所述任务本地执行的执行成本Jm、任务卸载执行的执行成本Js以及惩罚数据以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代。考虑所述任务本地执行的执行成本Jm、任务卸载执行的执行成本Js以及惩罚数据为每个移动设备选择最佳的计算模式,为选择卸载执行计算模式的移动设备建立卸载成本矩阵m,利用最小费用最大流的卸载算法,为移动设备选择最佳服务器,使全局性能达到最优,即时延和能耗达到良好的用户体验水平,设备完成计算任务后需要进行电量迭代,消耗电量并收集可再生能源。所述通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率的步骤包括:获取移动设备的中央处理器的周期频率的范围:fL≤f≤fU,其中,fL表示移动设备可以接受最大时延情况下的中央处理器频率,fU表示能耗允许的最大频率;获取备选方案fo;对比所述备选方案fo与移动设备可以接受最大时延情况下的中央处理器频率fL、能耗允许的最大频率fU的大小,以确定所述移动设备的中央处理器的最佳周期频率。具体的,可以通过能量收集之后的产生概率为ρ的任务量L(单位为bit),可以但不限于为利用动态电压和频率调节技术(DVFS)得到移动设备的中央处理器的周期频率的范围。所述对比所述备选方案fo与移动设备可以接受最大时延情况下的中央处理器频率fL、能耗允许的最大频率fU的大小,以确定所述移动设备的中央处理器的最佳周期频率的步骤包括:根据当前时间片段下所述移动设备的偏移电量和有效开关电容k,所述有效开关电容k取决于中央处理器的芯片架构,有效开关电容k=1*10-28,得出备选方案fo。所述时间片段是把时间离散化成许多2ms小时间片。对比fL与fU,当fL≤fU时,优化问题PSE才有解,否则所述任务本地执行的执行成本Jm设置为无限大,确定移动设备的中央处理器的周期频率有如下三种情况,分别为:当fo>fU时,则所述移动设备的中央处理器的最佳周期频率等于能耗允许的最大频率fU。当虚拟偏移电量小于0,且fL≤fo≤fU时,则所述移动设备的中央处理器的最佳周期频率等于所述备选方案fo。当虚拟偏移电量小于0,且fo<fL时,则所述所述移动设备的中央处理器的最佳周期频率等于移动设备可以接受最大时延情况下的中央处理器频率fL。所述通过所述移动设备的电量水平,以计算卸载最佳传输功率的步骤包括:获取所述服务器与所述移动设备在时间片段的相对距离D,选择服从λ=1的指数分布的小尺度衰落信道,以计算得出信道功率增益h。根据所述信道功率增益h,以及所述服务器的带宽W、接收端的噪声功率Ω、任务大小L,求解优化问题PSE,优化问题PSE:以得到卸载最佳传输功率p。所述根据所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率,以计算任务本地执行的执行成本以及任务卸载执行的执行成本的步骤包括:根据所述移动设备的中央处理器的最佳周期频率,获得所述移动设备对于任务本地执行的时延和能耗,以计算出任务本地执行的执行成本Jm。根据所述卸载最佳传输功率p和任务大小L计算时延与能耗,获得任务卸载执行的执行成本Js。比较任务本地执行的执行成本Jm、任务卸载执行的执行成本Js以及惩罚数据选择所述移动设备的计算模式,并构建成本矩阵m,以记录每个移动设备到每个服务器的任务卸载执行的执行成本。所述根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据,以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代的步骤包括:应用网络流中最小费用最大流算法,根据成本矩阵m创建费用矩阵,根据所述服务器的移动设备的最大容量创建容量矩阵。对所述服务器和移动设备进行动态规划,可以但不限于利用最小费用最大流算法进行动态规划,以获得所述移动设备与服务器的最佳匹配。根据所述佳匹配,将所述移动设备的任务卸载到相应服务器,对其余的移动设备的任务进行本地执行或丢弃,进行所述移动设备的电量迭代。所述移动设备的电量迭代为所述移动设备的电池现有电量减去执行任务所需的能耗,并加上通过能量收集器收集的能量。具体的,所述利用最小费用最大流算法进行动态规划包括以下步骤:根据费用矩阵和容量矩阵确定邻接矩阵w,将其作为最小费用最大流算法的输入,并且初始化输出矩阵F。可以但不限于使用Bellman-Ford算法根据所述邻接矩阵w,求得最短路径,记录节点的数量,并用数组R记录所述最短路径经过的节点,在每个路径中,用可行流的流量减去路径容量,通过找出其中的最小值来确定调整量q,根据最短路径在容量矩阵中的正负向边判定,对输出矩阵F进行调整量为q的调整。重复执行上条最小费用最大流算法中的步骤直到不存在费用最短路径,输出矩阵F。根据输出矩阵F,得到最佳的移动设备和服务器匹配结果,进行任务的本地执行或卸载执行。
请参阅图2、图3、图4、图5,图2为本申请实施例提供的一种边缘计算卸载系统的结构框图。图3为本申请实施例提供的一种电子设备的结构框图。图4为本申请实施例提供的移动设备和MEC服务器的移动边缘计算系统模型图。图5为本申请实施例提供的指派问题的最小费用最大流模型图。与本发明的一种边缘计算系统的操作方法的原理相似的是,本发明提供了一种边缘计算系统的操作系统,所述边缘计算系统的操作系统包括但不限于为能量收集器10、第一计算器20、第二计算器30、参数获取器40、第三计算器50。所述能量收集器10用于收集能量,并对移动设备进行充电,记录所述移动设备的实际电量,以得出虚拟偏移电量。所述第一计算器20用于通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率。所述第二计算器30用于根据所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率,以计算任务本地执行的执行成本以及任务卸载执行的执行成本。所述参数获取器40用于获取发生任务丢弃所产生的惩罚数据。所述第三计算器50用于根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据,以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代。本发明还提供了一种电子设备,包括处理器和存储器,所述存储器存储有程序指令,所述处理器运行程序指令实现上述的边缘计算系统的操作方法。移动设备和MEC服务器的移动边缘计算系统模型中存在多个移动设备和MEC服务器,所述MEC服务器分别为第一MEC服务器3、第二MEC服务器4、第三MEC服务器5,任务有三种计算模式,分别为本地执行1、卸载执行2、任务丢弃6,考虑所述任务本地执行的执行成本Jm、任务卸载执行的执行成本Js以及惩罚数据为每个移动设备选择最佳的计算模式,为选择卸载执行2的计算模式的移动设备建立卸载成本矩阵m,利用最小费用最大流的卸载算法,为移动设备选择最佳服务器,使全局性能达到最优,即时延和能耗达到良好的用户体验水平,移动设备完成计算任务后需要进行电量迭代,消耗电量并收集可再生能源。所述最小费用最大流算法的实现:将移动设备与MEC服务器之间的匹配问题视为特殊的分配问题,即人数和事物数是随机的。从网络流的角度来看,分配问题可以是最小费用最大流的派生问题。分配问题实际上是在加权完整二部图上寻找完美匹配,如图5所示,创建虚拟源点s和汇点t′,源点s和服务器节点的费用为0,容量为1即(0,1),这意味着每个用户只能在一个时隙中选择一台服务器,而节点N到汇点t′每一侧的容量是连接到服务器的最大用户数,由此根据费用矩阵和容量矩阵确定邻接矩阵,将其作为最小费用最大流算法的输入,初始化输出矩阵F(元素全为零),至此,将分配问题转换为了最小费用最大流问题。Cij表示移动设备与服务器连接的费用,即任务的卸载执行成本。接下来将费用Cij视为路径长度,则可以转换为最短路径问题,使用Bellman-Ford算法寻找最短路径,如果一条路径的所有边都满足两个条件:前向流量小于其最大通行能力。可行流量的后向侧大于0。将此路径称为增强路径,用最大容量减去可行流量的容量,并通过找到其中最小值来确定调整量q。容量网络的最大流量必须是一个固定值,因此从一开始就开始增加可行流量时,最终的增强路径是确定的,为了满足最低成本,只需要每次都找到最低费用的增强路径,直到流量达到最大,即根据最短路径在容量矩阵中的正负向边判定,对输出矩阵F进行调整量为q的调整。根据最小费用最大流算法的输出得到最佳的用户设备和服务器匹配结果,进行任务的本地执行或卸载执行。
请参阅图6、图7、图8、图9,图6为本申请实施例提供的每个移动设备的电池电量与时间片段的关系图。图7为本申请实施例提供的在不同任务请求概率下,动态卸载(LODCO)、贪心算法(LODCO-Based Greedy Algorithm)与边缘计算系统的操作方法的任务平均执行成本对比图。图8为本申请实施例提供的在不同任务请求概率下,动态卸载、贪心算法与边缘计算系统的操作方法的任务卸载比率对比图。图9为本申请实施例提供的在不同的移动设备和服务器数量的情况下,贪心算法与边缘计算系统的操作方法的算法平均时间消耗对比图。从图6中可以看出,收集的能量在开始时不断积累,最后在250个时隙后达到稳定,并被限制在一定水平上,因此验证所述边缘计算系统的操作方法关于稳定电池电量的可行性。从图7中可以看出,在不同的任务请求概率下,动态卸载、贪心算法与边缘计算系统的操作方法的任务平均执行成本对比图。可以看出平均执行成本随着任务请求概率的增加而增加,此外,与动态卸载和贪心算法相比,本发明的边缘计算系统的操作方法可以降低任务平均执行成本。请参阅图8,由于服务器的计算能力远大于移动设备的计算能力,所以在延迟可接受的情况下,更倾向于把任务卸载到服务器端执行。本发明的边缘计算系统的操作方法在不同的任务请求概率下,任务的卸载比率均高于其它方法,而且在任务请求概率继续提高的情况下,能够保持住较高的卸载比率,提供优秀的用户体验质量。请参阅图9,将任务请求概率设置为0.6,并设置了不同数量的移动设备和MEC服务器,保持其他参数不变。在相同的中央处理器的频率下,与贪心算法相比,本发明的边缘计算系统的操作方法可以在更短的处理时间内获得移动设备和MEC服务器之间的最佳匹配。在移动设备和服务器数量更多的情况下,N=100,M=40,处理速度的差距更为明显,这是因为最小费用最大量算法继承了动态规划的优势,可以实时反映当前时间片中移动设备与MEC服务器之间的连接情况。
综上所述,本发明通过在移动设备端增加能量收集模块实现持续的计算性能,针对任务的本地执行,利用动态电压和频率调节技术,控制中央处理器的周期频率,杜绝多余能耗,针对任务的卸载执行,取得最佳数据传输功率,权衡能耗与执行延迟,确定最优计算模式。考虑到多用户移动性,利用最小费用最大流的卸载策略,在硬件性能相同时,本发明所述方法相对于现有的动态规划方法和传统贪心算法,实现了更优的性能,并且任务平均执行成本更低。本发明的仿真结果表明,使用本发明的边缘计算系统的操作方法,在将时间离散化为时间片τ=2ms,每一时间片段产生的任务大小L=1000bits,且任务产生概率随机的情况下,设备数量N=20,且中央处理器的最大频率fmax=1.5GHz,服务器数量M=8,与普通的动态规划和贪心算法相比可以达到更优的卸载性能,并且降低了任务的平均执行成本和算法复杂度。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种边缘计算系统的操作方法,所述边缘计算系统包括多个服务器及多个计算器,其特征在于,包括:
通过能量收集器收集能量,并对多个移动设备进行充电,记录所述移动设备的实际电量,以得出虚拟偏移电量;
通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率;
根据所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率,以计算任务本地执行的执行成本以及任务卸载执行的执行成本;
获取发生任务丢弃所产生的惩罚数据;
根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据,以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代。
3.根据权利要求1所述的一种边缘计算系统的操作方法,其特征在于,所述通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率的步骤包括:
获取移动设备的中央处理器的周期频率的范围:fL≤f≤fU,其中,fL表示移动设备可以接受最大时延情况下的中央处理器频率,fU表示能耗允许的最大频率;
获取备选方案fo;
对比所述备选方案fo与移动设备可以接受最大时延情况下的中央处理器频率fL、能耗允许的最大频率fU的大小,以确定所述移动设备的中央处理器的最佳周期频率。
5.根据权利要求3所述的一种边缘计算系统的操作方法,其特征在于,所述通过所述移动设备的电量水平,以计算卸载最佳传输功率的步骤包括:
获取所述服务器与所述移动设备在时间片段的相对距离D,选择服从λ=1的指数分布的小尺度衰落信道,以计算得出信道功率增益h;
根据所述信道功率增益h,以及所述服务器的带宽W、接收端的噪声功率Ω、任务大小L,求解优化问题PSE,以得到卸载最佳传输功率p。
7.根据权利要求1所述的一种边缘计算系统的操作方法,其特征在于:所述根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据,以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代的步骤包括:
根据成本矩阵m创建费用矩阵,根据所述服务器的移动设备的最大容量创建容量矩阵;
对所述服务器和移动设备进行动态规划,以获得所述移动设备与服务器的最佳匹配;
根据所述佳匹配,将所述移动设备的任务卸载到相应服务器,对其余的移动设备的任务进行本地执行或丢弃,进行所述移动设备的电量迭代。
8.根据权利要求7所述的一种边缘计算系统的操作方法,其特征在于:所述移动设备的电量迭代为所述移动设备的电池现有电量减去执行任务所需的能耗,并加上通过能量收集器收集的能量。
9.一种边缘计算系统的操作系统,其特征在于,所述边缘计算系统的操作系统包括:
能量收集器,用于收集能量,并对移动设备进行充电,记录所述移动设备的实际电量,以得出虚拟偏移电量;
第一计算器,用于通过所述移动设备的电量水平,以计算所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率;
第二计算器,用于根据所述移动设备的中央处理器的最佳周期频率,以及卸载最佳传输功率,以计算任务本地执行的执行成本以及任务卸载执行的执行成本;
参数获取器,用于获取发生任务丢弃所产生的惩罚数据;
第三计算器,用于根据所述任务本地执行的执行成本、任务卸载执行的执行成本以及惩罚数据,以决定所述多个移动设备与所述多个服务器之间的匹配决策,以及多个移动设备的电量迭代。
10.一种电子设备,包括处理器和存储器,所述存储器存储有程序指令,其特征在于:所述处理器运行程序指令实现如权利要求1至权利要求8任一项所述的边缘计算系统的操作方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911266565.3A CN111124639B (zh) | 2019-12-11 | 2019-12-11 | 一种边缘计算系统的操作方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911266565.3A CN111124639B (zh) | 2019-12-11 | 2019-12-11 | 一种边缘计算系统的操作方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111124639A true CN111124639A (zh) | 2020-05-08 |
CN111124639B CN111124639B (zh) | 2023-05-23 |
Family
ID=70498601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911266565.3A Active CN111124639B (zh) | 2019-12-11 | 2019-12-11 | 一种边缘计算系统的操作方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111124639B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111787618A (zh) * | 2020-05-25 | 2020-10-16 | 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 |
CN112231353A (zh) * | 2020-10-15 | 2021-01-15 | 中电工业互联网有限公司 | 一种数据采集方法及系统 |
CN112601232A (zh) * | 2020-12-10 | 2021-04-02 | 中国科学院深圳先进技术研究院 | 基于最小费用最大流的负载均衡的多服务迁移方法及系统 |
CN112801145A (zh) * | 2021-01-12 | 2021-05-14 | 深圳市中博科创信息技术有限公司 | 安全监测方法、装置、计算机设备及存储介质 |
CN112801145B (zh) * | 2021-01-12 | 2024-05-28 | 深圳市中博科创信息技术有限公司 | 安全监测方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109548031A (zh) * | 2018-03-01 | 2019-03-29 | 重庆大学 | 一种非平衡边缘云网络接入与资源分配机制 |
CN109829332A (zh) * | 2019-01-03 | 2019-05-31 | 武汉理工大学 | 一种基于能量收集技术的联合计算卸载方法及装置 |
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 |
US20190243438A1 (en) * | 2018-02-08 | 2019-08-08 | Korea Advanced Institute Of Science And Technology | Method and system for deploying dynamic virtual object for reducing power in mobile edge computing environment |
US20190306766A1 (en) * | 2016-06-06 | 2019-10-03 | Nokia Solutions And Networks Oy | Method, apparatus and system for mobile edge computing |
-
2019
- 2019-12-11 CN CN201911266565.3A patent/CN111124639B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190306766A1 (en) * | 2016-06-06 | 2019-10-03 | Nokia Solutions And Networks Oy | Method, apparatus and system for mobile edge computing |
US20190243438A1 (en) * | 2018-02-08 | 2019-08-08 | Korea Advanced Institute Of Science And Technology | Method and system for deploying dynamic virtual object for reducing power in mobile edge computing environment |
CN109548031A (zh) * | 2018-03-01 | 2019-03-29 | 重庆大学 | 一种非平衡边缘云网络接入与资源分配机制 |
CN109829332A (zh) * | 2019-01-03 | 2019-05-31 | 武汉理工大学 | 一种基于能量收集技术的联合计算卸载方法及装置 |
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 |
Non-Patent Citations (3)
Title |
---|
Y.MAO 等: "Dynamic Computation Offloading for Mobile-Edge Computing With Energy Harvesting Devices", 《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》 * |
肖骞: "移动边缘计算网络联合计算迁移决策与资源分配算法研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》 * |
谢仪頔: "移动设备云中的计算卸载策略研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111787618A (zh) * | 2020-05-25 | 2020-10-16 | 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 |
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 |
CN112231353A (zh) * | 2020-10-15 | 2021-01-15 | 中电工业互联网有限公司 | 一种数据采集方法及系统 |
CN112601232A (zh) * | 2020-12-10 | 2021-04-02 | 中国科学院深圳先进技术研究院 | 基于最小费用最大流的负载均衡的多服务迁移方法及系统 |
CN112801145A (zh) * | 2021-01-12 | 2021-05-14 | 深圳市中博科创信息技术有限公司 | 安全监测方法、装置、计算机设备及存储介质 |
CN112801145B (zh) * | 2021-01-12 | 2024-05-28 | 深圳市中博科创信息技术有限公司 | 安全监测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111124639B (zh) | 2023-05-23 |
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 | |
CN110941667B (zh) | 一种移动边缘计算网络中的计算卸载方法及系统 | |
Sharma et al. | Optimal energy management policies for energy harvesting sensor nodes | |
CN111124639B (zh) | 一种边缘计算系统的操作方法、系统及电子设备 | |
CN109167671B (zh) | 一种面向量子密钥分发业务的配用通信系统均衡负载调度方法 | |
Zhang et al. | Joint parallel offloading and load balancing for cooperative-MEC systems with delay constraints | |
CN113810233B (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
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 | |
CN114567895A (zh) | 一种mec服务器集群的智能协同策略的实现方法 | |
CN113573363B (zh) | 基于深度强化学习的mec计算卸载与资源分配方法 | |
CN113286317A (zh) | 一种基于无线供能边缘网络的任务调度方法 | |
Tutuncuoglu et al. | Communicating using an energy harvesting transmitter: Optimum policies under energy storage losses | |
Bhat et al. | Energy harvesting communication using finite-capacity batteries with internal resistance | |
CN112235835A (zh) | 一种时变移动边缘计算网络的动态卸载方法 | |
Zhang et al. | Energy minimization task offloading mechanism with edge-cloud collaboration in IoT networks | |
Chen et al. | Green parallel online offloading for DSCI-type tasks in IoT-edge systems | |
Zhang et al. | A deep reinforcement learning approach for online computation offloading in mobile edge computing | |
Qin et al. | User-edge collaborative resource allocation and offloading strategy in edge computing | |
Liu et al. | Latency-minimized and energy-efficient online task offloading for mobile edge computing with stochastic heterogeneous tasks | |
CN113159539A (zh) | 多层边缘计算系统中联合绿色能源调度和动态任务分配方法 | |
Xiong et al. | An Energy Aware Algorithm for Edge Task Offloading. | |
CN110768827B (zh) | 一种基于群智能算法的任务卸载方法 | |
Luo et al. | Cpu frequency scaling optimization in sustainable edge computing | |
Saxena et al. | Differential scale based multi-objective task scheduling and computational offloading in fog networks | |
Lu et al. | Resource-efficient distributed deep neural networks empowered by intelligent software-defined networking |
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 |