CN111163143B

CN111163143B - 一种面向移动边缘计算的低时延任务卸载方法

Info

Publication number: CN111163143B
Application number: CN201911334914.0A
Authority: CN
Inventors: 王玮; 陈雨贺; 王顶; 张朝阳
Original assignee: Zhejiang University ZJU
Current assignee: Zhejiang University ZJU
Priority date: 2019-12-21
Filing date: 2019-12-21
Publication date: 2021-03-23
Anticipated expiration: 2039-12-21
Also published as: CN111163143A

Abstract

本发明公开了一种面向移动边缘计算的低时延任务卸载方法，步骤为：获取用户需要卸载的任务大小、边缘服务器数量、信道的传输速率以及服务器计算频率，最大化服务器之间通信与计算部分的并行时间，使各服务器上分配的任务同时完成计算，采用优先向传输速率大的服务器卸载的顺序，按照上一个服务器的计算时间与下一个服务器的通信和计算时间相等的原则得到每个服务器上分配的任务量，使计算任务完成的总时延最小。本发明可以用于移动边缘计算网络的计算卸载，以获得低时延的有益效果。

Description

一种面向移动边缘计算的低时延任务卸载方法

技术领域

本发明涉及无线通信领域，具体涉及面向移动边缘计算的低时延任务卸载方法。

背景技术

随着移动设备的普及和移动互联网的发展，未来将呈现万物互联的发展趋势，而物联网中海量的终端连接和实时的操控技术都离不开新型高效的通信技术，考虑到物联网中大部分设备本地的计算是有限的，要想可靠且快速的完成任务的分析处理，需要依靠具有丰富计算资源的云端来协助，由于网络带宽资源受限和云计算自身的集中式处理和远距离传输特性将会产生明显的高时延问题，因此利用移动基站大规模分布在终端用户和数据源附近，并且能够实现高并发处理分析数据的移动边缘计算得到广泛的应用，该网络架构具有节点规模大、离终端距离近、调度灵活等优点，能够较好的解决网络资源占用、高时延等问题。

为了克服计算资源对终端设备处理数据的限制，满足实时业务和用户对时延的基本需求，人们研究了移动边缘计算在不同场景下的任务卸载问题，部分同时考虑了本地计算，针对不同的应用场景提出特定的任务卸载方法，根据不同的优化因素，一般分为三种，一是限制能量消耗优化时延，二是限制时延优化能量消耗，三是联合优化时延和能耗。

以时延为优化目标的任务卸载方法，从不同角度可以分为不同的研究方向，如按照网络中接入的终端数量可分为单用户和多用户任务卸载，按照网络中边缘服务器节点的数量可分为单节点和多节点任务卸载等。

针对上述研究方向分类，多用户多节点分布的移动边缘计算研究应用范围更广，且更有实际意义。

发明内容

为了克服现有技术的不足，本发明的目的是通过最大化边缘服务器之间通信与计算的并行时间，使计算任务完成的总时延最小，进而设计出一种面向移动边缘计算的低时延任务卸载方法。

面向移动边缘计算的低时延任务卸载方法，步骤如下：

获取用户需要卸载的任务大小、边缘服务器的数量、网络中各服务器与用户之间的通信的传输速率、服务器的计算频率等信息；

根据上述信息定义最小化计算任务完成的总时延的优化问题；

根据最大化通信与计算并行时间约束信息，采用优先向传输速率大的服务器卸载的顺序得到每个服务器上分配的任务量。

由于目标函数是最小化计算任务完成的总时延，服务器之间通信与计算部分并行的时间越多，总时延越少，通过最大化服务器通信与计算部分的并行时间，使各服务器上分配的任务同时完成计算，用户第k次卸载的任务量

为：

按照最小化网络中服务器在等待时间里浪费资源总和的原则，采用优先向传输速率大的服务器卸载的顺序，即

是卸载顺序相邻的两个编号为σ_l-1和σ_l的服务器之间任务量的比值，编号为σ_l的服务器的计算时间和编号为σ_l-1的服务器的通信与计算时间之和相等，具体表示为：

本发明的有益效果：

本发明通过最大化边缘服务器之间通信与计算的并行时间，减少等待时间的资源浪费，设计出一种面向移动边缘计算的低时延任务卸载方法，考虑了不同边缘服务器的计算能力以及传输时的信道质量，在卸载顺序以及任务量的分配两方面均作出了优化，最小化了计算任务完成的总时延，同时也使服务器由于等待产生的资源浪费最小，有效的提升了网络的资源利用率。

附图说明

图1是采用面向移动边缘计算的低时延任务卸载方法的系统模型；

图2是不同边缘服务器数量的情况下，本发明方法与两种对比算法在时延方面的性能比较图；

图3是在边缘服务器数量为5的情况下，随着系统中服务器的平均计算频率与平均传输速率在完成单位计算任务时占比大小的变化，本发明方法与两种对比算法在时延方面的性能比较图。

具体实施方式

以下结合附图和实施例进一步说明本发明。

采用面向移动边缘计算得低时延任务卸载方法的系统模型如图1所示，用户按照一定的卸载顺序和任务分配规则将任务传送给边缘网络中的服务器，本发明依据最大化服务器之间通信和计算的并行时间，采用一定的卸载顺序，求得分配给每个服务器的计算任务量。

一种面向移动边缘计算的低时延任务卸载方法，包括以下步骤：

步骤1：获取用户需要卸载的任务大小、边缘服务器的数量、网络中各服务器与用户之间的传输速率、服务器的计算频率等信息；

步骤2：根据上述信息定义最小化计算任务完成的总时延的优化问题；

步骤3：根据最大化通信与计算并行时间约束信息，采用优先向传输速率大的服务器卸载的顺序得到每个服务器上分配的任务量。

作为一个较好的实施例子，首先获取用户需要卸载的任务大小、服务器数量、网络中各服务器与用户之间信道的传输速率、服务器的计算频率等信息，各服务器可按照如下计算方式求得对应的通信和计算时延：

其中t_i、c_i分别表示编号为i的服务器的通信时延和计算时延，T_i表示该服务器上分配的任务量。由于网络中每个服务器的时延由上一个服务器完成任务传输的时延、产生的通信时延和计算时延三部分组成，而考虑到任务计算完成后输出结果的数据量很小，故忽略了回传给用户的通信时间，所以服务器i完成计算任务的时延D_i可表示为：

最后完成计算任务的服务器的时延为总时延，建立如下优化问题：

同时，该问题需要满足以下约束条件，用户将计算任务全部卸载给服务器；每个服务器上分配的任务为非负数。采用以下公式建立优化问题的约束：

T_i≥0

为了使计算任务的完成总时延最小，依据最大化服务器通信与计算部分的并行时间，使各服务器同时完成卸载的计算任务的基本思想，按照如下公式得到用户第k次卸载的任务量

其中，按照上一个服务器的计算时间与下一个服务器的通信和计算时间相等的原则，

为：

在给服务器分配计算任务时，采用优先向传输速率大的服务器卸载的顺序，即

具体方法为：

由于从用户开始卸载到服务器完成计算任务，服务器一直在持续不断的对外提供通信和计算资源，其中真正用作任务卸载的资源总值是固定的，每个服务器时延中除了自身产生的通信和计算时延以外，其余的等待时延都将会产生网络资源的浪费，在计算任务完成得总时延内产生的浪费资源总和C_wasted为：

以最小化计算任务完成的总时延为优化目标的问题发生了转化，具体如下：

设用户按照第i次向编号为i的服务器卸载任务,即i＝σ_i，得到浪费资源C_wasted1，调换前两个服务器的卸载顺序，即2₁、1₂，其余卸载顺序不变，得到浪费资源C_wasted2，调换前后浪费资源产生的差值ΔC_wasted为：

其中,

φ与

均为关于传输速率和计算频率的函数关系式，具体表示为：

φ与

均大于0，只有两个调换顺序的服务器的传输速率大小会影响该差值的正负，采用优先向传输速率大的服务器卸载的顺序将会产生更少的资源浪费，任何顺序都可通过调换两个相邻服务器的卸载顺序得到。

作为一个较好的实施例子，假设用户有总量λ＝20的任务需要卸载给网络中的边缘服务器，假设服务器的计算频率与信道的传输速率服从均值固定的随机分布，传输任务与计算任务之间的比例系数β＝800，通过计算机仿真运行3000次取平均值来作为最终结果。此处引入两个对比算法，一个为任务平均分配情况下的卸载策略，固定任务分配只优化卸载顺序；另一个为随机卸载顺序下的卸载策略，固定某一随机的卸载顺序只优化任务分配，这两种对比算法均选择固定其中的一个变量来优化另一个，本发明联合任务分配和卸载顺序两个变量设计出一种低时延任务卸载策略。

首先固定服务器的计算频率与信道传输速率的平均值分别为f_mean＝1.0、R_mean＝1.25，对于不同的边缘服务器数量N，如图2所示，本发明方法与两个对比算法相比在总时延方面有明显的降低，随着网络中服务器数量的增加，计算任务完成得总时延逐渐降低，且本发明方法的性能优势更加显著。

定义比值系数γ＝f_mean/R_mean，表示计算频率与传输速率两个基本参数在任务卸载决策中的影响程度，通过固定系统处理单位任务的平均时间来调整两个参数的占比，即服务器计算频率与传输速率的平均值满足：

在网络中边缘服务器数量N＝5的情况下，对于两个参数不同的占比系数，如图3所示，本发明方法与两对比算法相比在总时延方面也有明显的降低，随着占比系数值的增加，在任务卸载时通过牺牲传输速率来增加服务器的计算能力，系统总时延会获得一定程度的增加，但本发明方法的性能仍优于另外两种对比算法。

综合以上性能比较，本发明联合优化卸载顺序和任务分配提出的任务卸载策略在时延性能上优于只考虑其中一种因素的对比方法，且在大规模网络中优势更加突出。

Claims

1.一种面向移动边缘计算的低时延任务卸载方法，其特征在于，包括如下步骤：

获取如下信息：用户需要卸载的任务大小λ、边缘服务器数量N、网络中各服务器与用户之间信道的传输速率R_i(MB/s)、服务器的计算频率f_i(cycles/bit)，其中i是服务器编号；基于上述信息得到使计算任务的完成总时延最小的任务分配规则和卸载顺序；

所述的任务分配规则和卸载顺序，步骤如下：

为了使计算任务的完成总时延最小，最大化服务器通信与计算部分的并行时间，使各服务器上分配的任务同时完成计算，用户第k次卸载的任务量

为：

其中σ_k是用户第k次卸载的服务器编号，按照最小化网络中服务器在等待时间里浪费资源总和的原则，采用优先向传输速率大的服务器卸载的顺序，即

是卸载顺序相邻的两个编号为σ_l-1和σ_l的服务器之间计算任务量的比值，编号为σ_l的服务器的计算时间和编号为σ_l-1的服务器的通信与计算时间之和相等，具体表示为：

其中，β(cycles/bit)是各服务器计算单位比特任务需要耗费的CPU周期数。