CN111309460B - 一种移动边缘计算场景下智能移动设备的任务处理方法 - Google Patents

Abstract

本发明提供了一种移动边缘计算场景下智能移动设备的任务处理方法，本发明仅考虑边缘服务器能同时处理一个任务的情况。在本发明中，进行任务迁移选择和处理排序时主要考虑上行速率、发射功率、任务大小、截止时限、用户和边缘服务器处理能力等因素。相较于以前的研究，本发明一方面根据用户的各项参数和信道状况，在满足任务截止时限的条件下最小化系统总能量消耗；另一方面，本发明考虑到了边缘服务器的并行处理能力，给出了服务器仅能同时处理一个任务的情况下，任务处理顺序的排序。

Description

一种移动边缘计算场景下智能移动设备的任务处理方法

技术领域

本发明属于无线通信技术领域，特别涉及一种移动边缘计算场景下智能移动设备的任务处理方法。

背景技术

随着智能移动设备，如智能手机、可穿戴智能移动设备和物联网智能移动设备等的普及，延迟敏感和计算密集型应用在日常生活中变得越来越普遍。现代应用程序，如人脸识别、增强现实和实时游戏，通常需要高计算和低延迟。但是，一方面由于智能移动设备的计算能力受到限制，另一方面由于智能移动设备的物理大小限制了电池容量，所以智能移动设备通常不可能在本地处理所有的应用任务。智能移动设备本地有限的计算能力与新应用的需求之间的冲突，推动了移动边缘计算技术的诞生与发展。

移动边缘计算主要包括智能移动设备将任务迁移至边缘服务器与边缘服务器完成任务的计算将结果发送给智能移动设备两个过程。目前，大多数研究仅考虑智能移动设备的迁移选择、发射功率、上行速率、任务的大小和截止时间等要素，以最小化能耗，很少有同时考虑边缘服务器处理任务的顺序和最大化系统能量效率的方法。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种移动边缘计算场景下智能移动设备的任务处理方法，包括如下步骤：

步骤1，获取网络基本信息；

步骤2，建立移动边缘计算场景下智能移动设备的任务处理原问题；

步骤3，将任务的处理顺序Ω和任务迁移选择α_i带入原问题，计算得到初始任务上行时间分配

步骤4，将任务上行时间分配

和任务迁移选择α_i带入原问题，利用任务处理顺序算法求解新的任务处理顺序Ω；

步骤5，重复步骤3～步骤4直至迁移任务的总功耗E^cloud收敛，得到任务上行时间分配

和任务处理顺序Ω；

步骤6，将任务上行时间分配

和任务处理顺序Ω带入原问题，计算得到连续化的任务迁移选择α_i；

步骤7，重复步骤5～步骤6，直至所有任务总功耗E^total收敛，得到连续化的任务迁移选择α_i；

步骤8，将任务迁移选择α_i离散化；

步骤9，根据最终离散的任务迁移选择α_i，重复步骤5直至迁移任务的总功耗E^cloud收敛，得到最终的任务上行时间

和任务处理顺序Ω。

步骤1包括：获取网络基本信息，所述网络基本信息包括智能移动设备数量M，上行信道参数，带宽B和边缘服务器处理能力F^c，第i个智能移动设备的上行信道参数为

设定每一个智能移动设备都只有一个任务需要处理，第i个智能移动设备任务的数据大小为D_i，需要的计算资源为Q_i，任务的截至时限为T^req，第i个智能移动设备本身的处理能力为

其中i＝1，2，...，M。

步骤2包括：建立如下移动边缘计算场景下智能移动设备的任务处理原问题：

s.t.α_i∈{0，1}

t_i≤T^req

其中，α_i代表第i个智能移动设备任务的迁移选择，α_i＝1表示任务被迁移至边缘服务器计算，α_i＝0表示任务在智能移动设备本地计算；

代表第i个智能移动设备任务的上传时间，Ω代表边缘服务器任务处理的顺序，σ²代表噪声功率，

代表第i个智能移动设备的上行信道参数，B代表信道带宽，κ、γ代表智能移动设备本地能耗参数，t_i代表第i个智能移动设备任务的处理完成时间，当任务在本地计算时，

当任务在边缘服务器计算时，t_i为任务被迁移至边缘服务器侧处理结束的时间。

步骤2中，设定所有用户均将任务迁移至边缘服务器处理，即α_i均等于1，任务的处理顺序Ω为任务在边缘服务器的处理时间

降序排列。

步骤3包括：利用凸优化求解器求解以下凸问题得到初始任务上行时间分配

s.t.

步骤4包括：

步骤4-1，令第i个迁移至边缘服务器计算的任务的上行开始时刻为

每个任务的上行结束时刻为

在边缘侧任务被处理的开始时刻为

在边缘侧任务被处理的结束时刻为

计算所有任务的在边缘服务器处理时间

其中F^c为边缘服务器的处理能力，N为被迁移至边缘服务器计算的任务数量；

步骤4-2，将所有迁移至边缘服务器计算的任务的上行时间

和处理时间

排为如下形式：

其中，

表示第N个迁移至边缘服务器计算的任务的上行时间，

表示第N个迁移至边缘服务器计算的任务的处理时间；

步骤4-3，将所有上行时间与处理时间排序，并选择最短的一个时间；

步骤4-4，如果所述最短的时间是上行时间，则将所述最短的时间对应的任务排在处理顺序的下一个处理；如果所述最短的时间是处理时间，则将所述最短的时间对应的任务排在处理顺序的从后向前的下一个处理；

步骤4-5，删除所述最短的时间对应的任务；

步骤4-6，重复执行步骤4-3～步骤4-4，直至所有任务全部排完；

步骤4-7，设定任务处理顺序为Ω，令

其中j∈Ω，由此得到所有任务在边缘服务器被处理完的时刻为

步骤6包括：利用凸优化求解器求解以下凸问题得到连续化的任务迁移选择α_i

s.t.

0≤α_i≤1

步骤8包括：当0≤α_i≤0.5时，令α_i＝0；当0.5＜α_i≤1时，令α_i＝1。

本发明主要应用于移动边缘计算中单任务处理服务器的情况，即在一个典型的移动边缘计算场景中，一个无线接入点与边缘服务器在物理上通过光纤进行连接，两者之间的通信时间可以忽略不计。在无线接入点的覆盖范围内，存在一些有任务需要计算的智能移动设备，并且假设每一个智能移动设备仅有一个任务需要处理且任务是不可分割的。此时，智能移动设备需要选择是否将任务迁移至边缘服务器出进行处理，并且边缘服务器需要对迁移的任务给出处理顺序，特别地，本发明仅考虑边缘服务器能同时处理一个任务的情况。由于整个系统是时分复用的，因此在某一时刻将只会有一个智能移动设备在上传任务。相较于任务上传时的数据大小，边缘服务器回传的任务结果大小往往可以忽略不计，因此本发明不考虑任务下行所占用的时间。在本发明中，进行迁移选择和任务排序时主要考虑上行速率、发射功率、任务大小、截至时间、用户和边缘服务器处理能力等因素。

有益效果：1.本方法创新性地给出了在已知任务上行时间和处理时间的条件下，边缘服务器对任务上行和处理顺序的排序算法；

2.本方法提出了用户如何根据任务参数、信道参数和服务器参数进行迁移选择的算法；

3.本方法给出了边缘服务器如何在时分模式下，给每一个用户分配其任务上行时间的算法。

相较于以前的研究，本发明一方面根据用户的各项参数和信道状况，在满足任务截至时间的条件下最小化系统总能量消耗；另一方面，本发明考虑到了边缘服务器的并行处理能力，给出了服务器仅能同时处理一个任务的情况下，边缘服务器的任务处理顺序的排序。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1为移动边缘计算场景图。

具体实施方式

本发明提供了一种移动边缘计算场景下智能移动设备的任务处理方法，本应用主要应用于蜂窝网络内存在多个用户有任务需要处理，而边缘服务器处理能力有限，仅能同时处理一个任务的情况。本发明提出的方法能在满足任务时限要求的约束下，给出用户处理顺序并最小化用户总功耗。

具体实施方式分为两个部分：模型构建和问题求解。

1)模型构建

模型构建中包括整个系统模型架构以及各个模块的模型。各个模块的模型包括：系统场景、任务模型、信道模型、任务计算时延与功耗模型和排队模型。

1.1系统场景

如图1所示，在一个多用户的移动边缘计算场景中，包含有，一个基站，一个边缘服务器和M个有任务需要处理智能移动设备。基站与边缘服务器之间通过光纤进行连接，由于光纤通信的速率很高，两者之间的通信时延可以忽略不计。智能移动设备与基站之间通过蜂窝无线网络进行通信，通信模式为时分模式，即在同一时间内仅可以有一个用户占用信道进行无线通信。

另外，假设边缘服务器的任务处理能力有限，即边缘服务器一次仅能同时处理一个任务。

1.2任务模型

假设每一个智能移动设备只有一个任务需要处理，即任务集为

所有任务均可以选择在智能移动设备处或者边缘服务器处完成，但任务仅可选择其中一处完成，即任务是不可分的。

对于所有任务，通过一个三元组

来进行描述，其中D_i表示任务i的上行数据量，Q_i表示任务i所需要的计算量，

表示任务i的截至时限，即任务所能接受的最后完成时间。

1.3信道模型

无线信道采用时分模式，即时分多址的无线接入技术。令智能移动设备i与基站之间的信道参数为

由于在任务迁移的时间段内智能移动设备的移动距离很小，因此认为信道参数

在此时间内为一常数。令p_i为智能移动设备i的上行功率，其上行速率

为：

其中B为系统带宽，σ²为加性高斯白噪声。

1.4任务计算时延与功耗模型

对于在本地计算的任务，首先令第i个智能移动设备本身的处理能力为

则任务本地计算时延

为：

任务本地计算的功耗

为：

其中κ和γ为预设定的固定参数配置，仅与智能移动设备的CPU参数有关。一般地，我们设κ＝10^-11、2≤γ≤3。

对于被迁移至边缘服务器计算的任务，首先令边缘服务器的处理能力为F^c，则任务在边缘侧计算时延

为：

其中

表示任务i的上行时间，

表示任务i由边缘服务器处理的时间，

表示任务i在边缘服务器处等待的时间。

由于任务在被迁移至云端处理后，对于智能移动设备来说，其能量消耗仅有上传任务的能量消耗，因此能量消耗

表示为：

另一方面由于

得到：

故任务的上行发射能量消耗

为：

1.5排队模型

设迁移至边缘服务器计算的任务总数为N，任务集合

一个被迁移至边缘服务器处理的任务需要经历两个阶段，即1)将D_i的数据通过无线信道上行传输至边缘服务器和2)边缘服务器消耗Q_i的计算资源处理任务。第i个迁移至边缘服务器计算的任务的上行开始时刻为

每个任务的上行结束时刻为

在边缘侧任务被处理的开始时刻为

在边缘侧任务被处理的结束时刻为

计算所有任务的在边缘服务器处理时间。

令边缘服务器的计算能力为F^c，则任务处理时间为

由此可得任务开始结束时刻关系如下：

显然地，为满足任务阶段的有序性和整个任务的时延限制，各时刻需要满足如下条件：

由上述讨论可以发现，在整个任务迁移的过程中，存在两个序列，一个是任务上行的上行顺序序列，一个是任务在边缘服务器处的处理顺序。认为两个序列是相同的，即任务的上行顺序就是任务的处理顺序，令其为Ω。为了保证处理与上行的有序性，有如下约束：

为了获得更低的迁移时延，即能更快的在边缘服务器处理完所有任务，假设任务上行是一个接着一个上传的，边缘服务器也是及时处理任务，没有空闲等待，则整个任务迁移表示为如下所示：

2)问题求解

为了最小化用户总能耗，将问题建模如下：

s.t.α_i∈{0，1}

t_i≤T^req

这是一个混合整数非线性规划问题，由于存在离散变量和任务排序，是一个NP-hard(non-deterministic polynomial hard)问题，很难在多项式时间复杂度内归约到结果。为解决初始问题，本发明将用如下方法进行求解。

首先将初始问题分解成三个子问题：

子问题1.迁移选择问题：

s.t.

α_i∈{0，1}

子问题2.上行时间分配问题：

s.t.

子问题3.任务处理时序安排问题：

s.t.

i∈Ω

(1)，(2)，(3)

对于子问题3，提出了如下的任务处理顺序算法1求解：

步骤4-1，令第i个迁移至边缘服务器计算的任务的上行开始时刻为

每个任务的上行结束时刻为

在边缘侧任务被处理的开始时刻为

在边缘侧任务被处理的结束时刻为

计算所有任务的在边缘服务器处理时间

其中F^c为边缘服务器的处理能力，N为被迁移至边缘服务器计算的任务数量；

步骤4-2，将所有迁移至边缘服务器计算的任务的上行时间

和处理时间

排为如下两行：

步骤4-3，将所有上行时间与处理时间排序，并选择最短的一个时间；

步骤4-4，如果所述最短的时间是上行时间，则将所述最短的时间对应的任务排在处理顺序的下一个处理；如果所述最短的时间是处理时间，则将所述最短的时间对应的任务排在处理顺序的从后向前的下一个处理；

步骤4-5，删除所述最短的时间对应的任务；

步骤4-6，重复执行步骤4-3～步骤4-4，直至所有任务全部排完；

步骤4-7，设定任务处理顺序为Ω，令

其中j∈Ω，由此得到所有任务在边缘服务器被处理完的时刻为

对于子问题2，可以发现这是一个凸问题，通过现有的凸优化求解器可以很方便的求解这一子问题。

对于子问题1，首先将离散变量α_i连续化，即0≤α_i≤1。那么原子问题1可以转化为如下子问题4：

s.t.

0≤α_i≤1

子问题4是一个凸问题，亦可以通过现有的凸优化求解器求解。然后将求得的连续化α_i离散化，即当0≤α_i≤0.5时，令α_i＝0；当0.5＜α_i≤1时，令α_i＝1，便可得到子问题1的结果，即智能移动设备的任务迁移选择。

接下来，将给出子问题3和子问题2的循环迭代收敛算法2：

步骤2-1：将任务处理顺序Ω初始化为任务在边缘服务器的处理时间

降序序列。

步骤2-2：用现有的凸优化求解器求解子问题2并更新任务上行时间分配

步骤2-3：用任务处理顺序算法1求解子问题3并更新任务处理顺序Ω。

步骤2-4：重复步骤2-3直至目标函数任务迁移总能耗E^cloud收敛。

最后，循环迭代求解三个子问题直至收敛，即可得到初始问题的最终解。整个问题的求解算法如下所示：

步骤3-1：初始化所有任务的选择为迁移至边缘服务器处理，即α_i＝1。

步骤3-2：用算法2求解子问题2与子问题3，并给出初始的上行时间分配

和任务处理序列Ω。

步骤3-3：利用现有的凸优化求解器求解子问题4，并更新任务迁移选择α_i。

步骤3-4：用算法2求解子问题2与子问题3，并更新任务上行时间分配

和任务处理序列Ω。

步骤3-5：重复步骤3-4直至目标函数所有智能移动设备总能耗E^total收敛。

步骤3-6：将任务迁移选择α_i离散化，即当0≤α_i≤0.5时，令α_i＝0；当0.5＜α_i≤1时，令α_i＝1，得到最终任务迁移选择α_i。

步骤3-7：根据离散化的任务迁移选择α_i，用算法2再次求解子问题2与子问题3直至收敛，给出最终的任务上行时间分配

和任务处理序列Ω。

本发明提供了一种移动边缘计算场景下智能移动设备的任务处理方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，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的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (8)

1.一种移动边缘计算场景下智能移动设备的任务处理方法，其特征在于，包括如下步骤：

步骤1，获取网络基本信息；

步骤2，建立移动边缘计算场景下智能移动设备的任务处理原问题；

步骤3，将任务的处理顺序Ω和任务迁移选择α_i带入原问题，计算得到初始任务上行时间分配

步骤4，将任务上行时间分配

和任务迁移选择α_i带入原问题，利用任务处理顺序算法求解新的任务处理顺序Ω；

步骤5，重复步骤3～步骤4直至迁移任务的总功耗E^cloud收敛，得到任务上行时让分配

和任务处理顺序Ω；

步骤6，将任务上行时间分配

和任务处理顺序Ω带入原问题，计算得到连续化的任务迁移选择α_i；

步骤7，重复步骤5～步骤6，直至所有任务总功耗E^total收敛，得到连续化的任务迁移选择α_i；

步骤8，将任务迁移选择α_i离散化；

步骤9，根据最终离散的任务迁移选择α_i，重复步骤5直至迁移任务的总功耗E^cloud收敛，得到最终的任务上行时间

和任务处理顺序Ω。

2.根据权利要求1所述的方法，其特征在于，步骤1包括：获取网络基本信息，所述网络基本信息包括智能移动设备数量M，上行信道参数，带宽B和边缘服务器处理能力F^c，第i个智能移动设备的上行信道参数为

设定每一个智能移动设备都只有一个任务需要处理，第i个智能移动设备任务的数据大小为D_i，需要的计算资源为Q_i，任务的截至时限为T^req，第i个智能移动设备本身的处理能力为f_i ^local，其中i＝1，2，...，M。

3.根据权利要求2所述的方法，其特征在于，步骤2包括：建立如下移动边缘计算场景下智能移动设备的任务处理原问题：

s.t. α_i∈{0，1}

t_i≤T^req

其中，α_i代表第i个智能移动设备任务的迁移选择，α_i＝1表示任务被迁移至边缘服务器计算，α_i＝0表示任务在智能移动设备本地计算；

代表第i个智能移动设备任务的上传时间，Ω代表边缘服务器任务处理的顺序，σ²代表噪声功率，B代表信道带宽，κ、γ代表智能移动设备本地能耗参数，t_i代表第i个智能移动设备任务的处理完成时间，当任务在本地计算时，t_i＝Q_i/f_i ^local；当任务在边缘服务器计算时，t_i为任务被迁移至边缘服务器侧处理结束的时间。

4.根据权利要求3所述的方法，其特征在于，步骤2中，设定所有用户均将任务迁移至边缘服务器处理，即α_i均等于1，任务的处理顺序Ω为任务在边缘服务器的处理时间

降序排列。

5.根据权利要求4所述的方法，其特征在于，步骤3包括：利用凸优化求解器求解以下凸问题得到初始任务上行时间分配

6.根据权利要求5所述的方法，其特征在于，步骤4包括：

步骤4-1，令第i个迁移至边缘服务器计算的任务的上行开始时刻为

每个任务的上行结束时刻为

在边缘侧任务被处理的开始时刻为

在边缘侧任务被处理的结束时刻为

计算所有任务的在边缘服务器处理时间

其中F^c为边缘服务器的处理能力，N为被迁移至边缘服务器计算的任务数量；

步骤4-2，将所有迁移至边缘服务器计算的任务的上行时间

和处理时间

排为如下形式：

其中，

表示第N个迁移至边缘服务器计算的任务的上行时间，

表示第N个迁移至边缘服务器计算的任务的处理时间；

步骤4-3，将所有上行时间与处理时间排序，并选择最短的一个时间；

步骤4-4，如果所述最短的时间是上行时间，则将所述最短的时间对应的任务排在处理顺序的下一个处理；如果所述最短的时间是处理时间，则将所述最短的时间对应的任务排在处理顺序的从后向前的下一个处理；

步骤4-5，删除所述最短的时间对应的任务；

步骤4-6，重复执行步骤4-3～步骤4-4，直至所有任务全部排完；

步骤4-7，设定任务处理顺序为Ω，令

其中j∈Ω，由此得到所有任务在边缘服务器被处理完的时刻为

7.根据权利要求6所述的方法，其特征在于，步骤6包括：利用凸优化求解器求解以下凸问题得到连续化的任务迁移选择α_i

8.根据权利要求7所述的方法，其特征在于，步骤8包括：当0≤α_i≤0.5时，令α_i＝0；当0.5＜α_i≤1时，令α_i＝1。

Images