CN111611069A - 多数据中心间多类型任务迁移方法 - Google Patents

多数据中心间多类型任务迁移方法 Download PDF

Info

Publication number
CN111611069A
CN111611069A CN202010250859.3A CN202010250859A CN111611069A CN 111611069 A CN111611069 A CN 111611069A CN 202010250859 A CN202010250859 A CN 202010250859A CN 111611069 A CN111611069 A CN 111611069A
Authority
CN
China
Prior art keywords
data center
migration
data
task
center
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
CN202010250859.3A
Other languages
English (en)
Other versions
CN111611069B (zh
Inventor
范文浩
孙杰
刘田
姚乐
吴帆
刘元安
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.)
Southwest Electronic Technology Institute No 10 Institute of Cetc
Original Assignee
Southwest Electronic Technology Institute No 10 Institute of Cetc
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 Southwest Electronic Technology Institute No 10 Institute of Cetc filed Critical Southwest Electronic Technology Institute No 10 Institute of Cetc
Priority to CN202010250859.3A priority Critical patent/CN111611069B/zh
Publication of CN111611069A publication Critical patent/CN111611069A/zh
Application granted granted Critical
Publication of CN111611069B publication Critical patent/CN111611069B/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
    • 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
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Radio Relay Systems (AREA)

Abstract

本发明公开的一种多数据中心间多类型任务迁移方法，旨为一种能够有效地减少时延并提高卫星地面系统性能的任务迁移方法。本发明通过下述技术方案实现：每一个数据中心处理来自地面站接收的卫星数据，根据迁移原则确定迁移模型，利用排队论分别构建计算模型与传输模型；根据数据中心优化目标定义博弈模型，引入正则化技术，通过迭代算法获得唯一的纳什均衡点；选择任意一个策略集，设置迭代计数器t和正则化中心，初始化相关变量，定义迁移收敛因子，判断是否满足提出算法的迭代终止条件，计算最佳策略集，判断是否达到纳什均衡，如果是则对正则化中心进行更新，更新迭代计数器值，输出所有数据中心最佳迁移决策集合。

Description

多数据中心间多类型任务迁移方法
技术领域
本发明主要涉及任务迁移领域(Task Offloading)下的多目标、多数据中心任务迁移 技术，尤其涉及多类型任务迁移的时延优化方法。
背景技术
现有的任务迁移策略中，有的是面向能耗的单目标决策方法，有的是面向响应时间和 能耗的多目标决策方法，有的是以整个移动终端应用作为迁移对象，有的是将整个移动终端 应用划分为多个具有链式依赖关系的子任务作为最小迁移单位。但是这些迁移策略都是在计 算服务地点已经确定，即迁移目的地已经确定的前提下进行迁移决策，但是实际应用场景中， 可能存在多个可供选择的远程计算实体；而且以上迁移策略中，未考虑到移动终端应用内部 关系较为复杂的情况，即子任务间具有多依赖关系，一个子任务的输入源来自于多个前置子 任务的输出结果的情况。现有云资源管理平台存在着瞬时资源利用率峰值易引发迁移、动态 负载效果不佳。随着现代信息化的发展，人们对信息数据的依赖程度越来越高，而卫星信息 数据又扮演着重要的角色。发射到太空轨道中的卫星通过其自身配备的各类传感器收集地面、 海洋和其它相关目标信息数据，进而通过无线电波再将这些信息数据下传至地面站接收站， 地面系统再通过数据中心对信息数据进行处理加工，完成用户的计算任务。传统的卫星地面 系统是单中心模式，即所有地面站的数据汇集到一个数据中心进行处理。这样造成数据处理 的速度慢，对数据中心的处理能力要求高。随着未来在轨卫星的种类和数量大量增加时，这 种模式将难以为继。如今，我国航天事业快速发展,对地观测卫星数量增多且使用寿命延长, 其与地面站通信的需求不断增长且种类繁多。采用多中心分布式处理的方式可以有效减轻单 中心的负载压力，实现卫星地面站系统设备的统一调度和优化利用，降低任务处理时延，提 升系统性能，对提高完成航天测控任务质量和地面站设备使用效率都具有重要意义。
卫星及其应用系统任务调度问题是空间资源管理的重要内容之一。卫星数传需求及数 传任务是卫星数传调度问题的基础，是调度的基本对象。对卫星数传需求分配地面资源及数 传时间的过程就是对卫星数传需求进行调度的过程。当地面资源有限或者大量卫星数传需求 之间存在冲突导致无法完全满足所有卫星数传需求时，地面资源及数传时间的分配就成为一 个非常复杂的问题，这就是卫星数传调度问题。具体而言，卫星数传调度问题指的是为了最 大限度满足用户对卫星侦察信息的需要，根据用户提出的卫星数传需求，在一定的约束和假 设条件下，利用某种调度规则或调度算法为卫星实施数传分配地面资源及数传时间。目前该 领域已有较多的公开文献。有一些工作基于单任务研究卫星地面站任务规划及资源调度，其 中不乏包括混合蚁群算法、模拟退火算法和贪婪算法的调度方案，该类方案的优点首先是易 于实现，但也存在难以处理相对复杂的约束条件的问题，从而难以解决真实的数据中心负载 优化问题，然后是只针对单类型任务，无法体现计算任务和卫星数据的多样性，与实际有所 偏差，这就造成了模型过于简单。另有一篇公开文献关注卫星下传数据优先级变化特性，并 基于遗传算法提出了多地面站数传规划方案，该发明虽然解决了数据传输规划问题，但是面 对非凸问题，其方案无法提供一个最优的方法，并且没有从根本上解决高负载中心的过载问 题，无法实现负载均衡。
综合分析现有卫星地面站系统数据调度方案的不足，本发明为了缓解高负载数据中心 的过载状况，降低任务处理时延，将结合任务迁移技术研究在多数据中心之间的多类型任务 迁移问题。我们提出了一种基于博弈论的多数据中心之间进行多类型任务迁移的方案。它使 数据中心可以在博弈中发挥自己的作用，从而进一步做出令人满意的任务迁移决策。为了平 衡每个数据中心的任务的计算延迟，我们制定了一种非合作博弈对具有多种类型的任务的计 算量和数据量建模。通过变分不等式和正则化技术，我们证明了纳什均衡的存在性和收敛性， 最后设计了一种分布式迭代算法来有效解决该问题。
发明内容
本发明针对传统单中心卫星地面系统无法高效处理高负载数据中心的过载状况，并且 无法降低任务处理时延，本发明提供一种能够有效地减少时延并提高卫星地面系统性能，精 度高，效率高，基于这种目的多数据中心之间进行多类型任务迁移的方法。
本发明的上述目的可以通过下述技术方案予以实现：一种多数据中心间多类型任务迁 移方法，其特征在于包括以下步骤：一种多数据中心间多类型任务迁移方法，其特征在于包 括以下步骤：
根据N个数据中心组成的集合
Figure BDA0002435430860000021
所构成的场景，将所有数据中心的策略集组合为一个集 合，建立网络模型构架；每一个数据中心处理来自地面站接收的卫星数据，根据迁移原则确 定迁移模型，将数据中心i对任务的处理过程和数据中心i与数据中心j之间的网络链路的任 务传输过程分别考虑为M/M/1的排队系统，定义任务的计算量cm和数据量sm两种属性，引 入标准计算量c0和标准数据量s0，定义表示所有类型任务，计算任务集合
Figure BDA0002435430860000022
总类数T、计算 量同标准计算量c0之间的比例关系的矩阵C和表示所有类型任务数据量同标准数据量s0之 间的比例关系的矩阵S，利用排队论分别构建计算模型与传输模型；根据数据中心优化目标 定义博弈模型，引入称为近似分布式算法的正则化技术，通过迭代算法获得唯一的纳什均衡 点；选择任意一个策略集，设置迭代计数器和正则化中心，初始化相关变量，定义迁移收敛 因子∈，判断是否满足提出迭代算法的迭代终止条件||a(t)-a(t-1)||>∈；对每个数据中心， 在其它数据中心策略固定的情况下，计算其最佳策略集，判断是否达到纳什均衡，如果是则 对正则化中心
Figure BDA0002435430860000031
进行更新，然后更新迭代计数器值，若满足迭代终止条件，则停止迭代，当 该博弈达到纳什均衡点时，输出所有数据中心最佳迁移决策集合a*，若不满足，则继续迭代。
本发明与现有的数据中心任务调度策略相比，具有如下有益效果：
本发明从实际情况出发，根据卫星数据与计算任务的多样性，考虑多类型计算任务的迁移问 题，针对任务的计算量和数据量两种属性分别建模，利用排队论避免因只考虑单类型任务而 使模型过于简单；根据多数据中心的联系与特点，采用非合作博弈理论合理的处理这种关系， 更加贴近真实情况，提高了迁移策略的准确性；基于排队论分别对多类型任务的计算时延和 网络时延建立模型，并且对多数据中心的任务迁移问题建立非合作博弈模型，使得每个中心 能够按照自己的优化目标去调整策略，利用迭代式算法，使得本发明方案能够在很小的误差 内达到很高的精度，并且高效率。
本发明针对数据中心的高负载问题，考虑到任务在数据中心间迁移所导致的网络开销， 结合任务迁移技术研究在多数据中心之间的多类型任务迁移问题。基于博弈论，引入迭代式 算法，设置合理的算法阈值，在多数据中心之间进行多类型任务迁移，利用博弈论来模拟数 据中心之间的任务迁移过程，通过各数据中心之间的迭代博弈进行调整增加了网络状况对于 迁移决策的影响，并且增加了对不同网络链路的建模；从而进一步做出令人满意的任务迁移 决策。
本发明针对传统单中心卫星地面系统无法高效处理高负载数据中心的过载状况，并且 无法降低任务处理时延，结合任务迁移技术研究在多数据中心之间的多类型任务迁移问题。 针对现有研究存在的问题，设计了一种分布式迭代算法解决该问题。为了平衡每个数据中心 的任务计算延迟和任务迁移网络延迟，本发明引入排队论分别对具有多种类型的任务的计算 量和数据量建立模型，利用高效且准确的迭代式算法，基于博弈论的多数据中心间多类型任 务迁移策略，通过变分不等式和正则化技术，证明了纳什均衡的存在性和收敛性，有效地减 少了时延并提高系统性能。
本发明利用排队论对多任务在数据中心处的排队时延及在网络中的排队时延建模，进 而使用博弈论模拟多数据中心之间的竞争关系，从而提高系统性能。最后提出迭代式算法， 设置合理的阈值，保证了本发明方案的精度和效率，有效地优化了时延。较已有研究单数据 中心任务调度的时延优化，本发明提出的时延优化策略从多数据中心同时进行决策的角度出 发，更加符合实际运行情况。
附图说明
图1是本发明种多数据中心间多类型任务迁移的流程图。
具体实施方式
参阅图1。根据本发明，以N个数据中心组成的集合
Figure BDA0002435430860000049
所构成的场景，将所有数据中心的策略集组合为一个集合，建立网络模型构架；每一个数据中心处理来自地面站接收的卫 星数据，根据迁移原则确定迁移模型，将数据中心i对任务的处理过程和数据中心i与数据中 心j之间的网络链路的任务传输过程分别考虑为M/M/1的排队系统，定义任务的计算量cm和 数据量sm两种属性，引入标准计算量c0和标准数据量s0，定义表示所有类型任务，计算任 务集合
Figure BDA0002435430860000041
总类数T、计算量同标准计算量c0之间的比例关系的矩阵C和表示所有类型任务数 据量同标准数据量s0之间的比例关系的矩阵S，利用排队论分别构建计算模型与传输模型； 根据数据中心优化目标定义博弈模型，引入称为近似分布式算法的正则化技术，通过迭代算 法获得唯一的纳什均衡点；选择任意一个策略集，设置迭代计数器和正则化中心，初始化相 关变量，定义迁移收敛因子∈，判断是否满足提出迭代算法的迭代终止条件||a(t)-a(t-1)||> ∈；对每个数据中心，在其它数据中心策略固定的情况下，计算其最佳策略集，判断是否达 到纳什均衡，如果是则对正则化中心
Figure BDA0002435430860000042
进行更新，然后更新迭代计数器值，若满足迭代终止 条件，则停止迭代，当该博弈达到纳什均衡点时，输出所有数据中心最佳迁移决策集合a*， 若不满足，则继续迭代。迁移原则，即所有的多类型任务应该如何分配至各个数据中心，迁 移策略即具体的迁移任务量，那么该迁移原则分为三部分：(1)非负性，所有的迁移量应 该是大于等于零的；(2)数据一致性，迁移前后每一种任务的任务总量应该是相同的；(3) 安全性，迁移至数据中心的任务量不能超过该数据中心的处理能力。
在以下可选的实施例中，
1.根据架构建立网络模型
采用一个由N个数据中心i组成的集合
Figure BDA0002435430860000043
所构成的场景，每一个数据中心i处理来自地面 站接收的卫星数据，初始化负载l，输入所有数据中心i的相关参数，根据输入数据中心集合
Figure BDA0002435430860000044
计算任务集合
Figure BDA0002435430860000045
迁移策略集a-i.和迁移收敛因子∈迁移收敛因子∈，完成计算任务；其 中，相关参数包括：数据中心集合
Figure BDA0002435430860000046
任务集合
Figure BDA0002435430860000047
迁移策 略集a-i.，
Figure BDA00024354308600000410
i为其它数据中心，迁移收敛因子∈。
将所有数据中心的策略集组合为一个集合
Figure BDA0002435430860000048
利用CPU频率fi(GHz)衡 量数据中心i的计算能力，将所有数据中心i的CPU频率被定义为集合
Figure BDA00024354308600000411
根据计 算量cm和数据量sm建立网络模型。
2.根据迁移原则确定迁移模型
定义代表数据中心i迁移至数据中心j的所有类型任务的决策集aij.，表示数据中心i迁移至数 据中心j第m种任务的任务量aijm，以及被定义为数据中心i的迁移策略集合ai.，并且
Figure BDA0002435430860000051
所有数据中心迁移策略的集合表示为
Figure BDA0002435430860000052
3.利用排队论确定计算模型与传输模型
(1)计算模型
定义矩阵C表示所有类型任务计算量同标准计算量之间的比例关系，引入CPU周期数1M标 准计算量c0，将数据中心i的服务过程作为一个M/M/1的排队系统，针对数据中心i的负载增 加，根据服务器产生的一些性能损失的损失因子σi，计算量Cm和数据中心j迁移至数据中心i 的第m种任务的数量ajim，构建具体的服务可用性模型
Figure BDA0002435430860000053
然后，根据数据中心i处的关于标准计算量c0的处理时延表示为
Figure BDA0002435430860000054
在数据中心i内， 计算出对于一个任务的预期排队时延
Figure BDA0002435430860000055
计算出数据中心i的计算 时延
Figure BDA0002435430860000056
其中，fi表示数据中心i的CPU频率，
Figure BDA0002435430860000057
表示数据中心i的处理时延，
Figure BDA0002435430860000058
表示数据中心 i的排队时延，
Figure BDA0002435430860000059
表示数据中心i的计算时延。
(2)传输模型
定义表示所有类型任务数据量同标准数据量之间的比例关系的矩阵S，将数据中心之间 的网络链路的服务队列作为一个M/M/1的排队系统，根据在数据中心i和数据中心j传输标准 数据量大小的任务的时间τij、数据量sm、数据中心j迁移至数据中心i的第m种任务的数量 ajim、数据中心i迁移至数据中心j第m种任务的任务量aijm，获取从数据中心i至数据中心j的 排队时延
Figure BDA00024354308600000510
使用表示数据中心i和数据中心j之间标准 数据量的传输时延公式
Figure BDA00024354308600000514
将数据中心i的任务迁移网络时延
Figure BDA00024354308600000511
表示为
Figure BDA00024354308600000512
4.确定总时延模型
不难得出，数据中心i的总时延可以表示为
Figure BDA00024354308600000513
5.根据数据中心优化目标定义博弈模型
(1)定义纳什均衡
在本博弈中，用成本函数ui表示数据中心i的利益函数，并且使
Figure RE-GDA0002527405730000077
定义迁移决策
Figure RE-GDA0002527405730000078
是非合作任务迁移博弈的纳什均衡点，当博弈达到纳什均衡点a*时，没有 玩家可以通过单方面调整其策略进一步降低其成本，即下方的公式就是即后面的内容，这是 博弈论的一般性定义，
Figure RE-GDA0002527405730000079
表示任意一个数据中心i都满足这个式子：
Figure RE-GDA00025274057300000710
(2)近似转换
为了解决多个纳什均衡点的问题，可以引入称为近似分布式算法的正则化技术。该技术 的优点可以通过迭代算法获得唯一的纳什均衡点。根据N个数据中心组成的集合
Figure BDA0002435430860000067
一个策 略集组合集合
Figure BDA0002435430860000068
成本函数
Figure BDA0002435430860000069
正则化中心偏移因子θ，迁移策略集
Figure BDA00024354308600000610
迁移决策a*，重新 定义一个经正则化之后的非合作博弈表达式
Figure BDA00024354308600000611
6.迭代算法
对每个数据中心i，在其它数据中心i策略固定的情况下，计算其最佳策略集
Figure BDA00024354308600000612
判断是否达到纳什均衡，如果是则对正则化中心
Figure BDA00024354308600000613
进行更新，
Figure BDA00024354308600000614
然后更新迭代计数器值，t←t+1；输出最优迁移策略
Figure BDA00024354308600000615
若不满足，则转入判断是否满足算法的迭代终止条件，继续迭代。外层判断是否满足算法的迭代终止条件||a(t)-a(t-1)||>∈，若满足迭代终止条件，则停止迭代，否则输出最优迁移决策a*，结束程序。
上述实施例可通过下步骤实现
]Step1：输入相关参数：所有数据中心的初始负载l，其它数据中心的迁移策略集a-i.，数据 中心集合
Figure BDA00024354308600000616
计算任务集合
Figure BDA00024354308600000617
迁移收敛因子∈；
Step2：初始化相关变量：选择任意一个合适的策略集
Figure BDA00024354308600000618
设置迭代计数器t＝0，并且设置正则化中心
Figure BDA00024354308600000619
Step3：判断是否满足算法的迭代终止条件||a(t)-a(t-1)||>∈。对每个数据中心，在其它数据中心策略固定的情况下，计算其最佳策略集
Figure BDA00024354308600000620
Step4：判断是否达到纳什均衡，如果是则对正则化中心
Figure BDA00024354308600000621
进行更新，
Figure BDA00024354308600000622
然后更新迭代计数器值，t←t+1；Step5：若满足迭代终止条件，则停止迭代，输出最优迁 移策略
Figure BDA0002435430860000071
若不满足，则转入Step3继续迭代。
以上所述仅为本发明的某些较优的具体实施方式，但本发明的保护范围并不局限于此， 本发明的思想可以适用于任何智能终端上应用程序权限管理，本领域的技术人员应该了解， 对本发明进行形式和细节上的变化和替换，都应涵盖在本发明的保护范围内，总之，本发明 的保护范围以权利要求书的保护范围为准。

Claims (10)

1.一种多数据中心间多类型任务迁移方法，其特征在于包括以下步骤：根据N个数据中心i组成的集合
Figure FDA0002435430850000011
所构成的场景，将所有数据中心的策略集组合为一个集合为
Figure FDA0002435430850000012
建立网络模型构架；每一个数据中心处理来自地面站接收的卫星数据，根据迁移原则确定迁移模型，将数据中心i对任务的处理过程和数据中心i与数据中心j之间的网络链路的任务传输过程分别考虑为M/M/1的排队系统，定义任务的计算量cm和数据量sm两种属性，引入标准计算量c0和标准数据量s0，定义表示所有类型任务，计算任务集合
Figure FDA00024354308500000116
总类数T、计算量同标准计算量c0之间的比例关系的矩阵C和表示所有类型任务数据量同标准数据量s0之间的比例关系的矩阵S，利用排队论分别构建计算模型与传输模型；根据数据中心优化目标定义博弈模型，引入称为近似分布式算法的正则化技术，通过迭代算法获得唯一的纳什均衡点；选择任意一个策略集，设置迭代计数器t和正则化中心，初始化相关变量，定义迁移收敛因子∈，判断是否满足提出迭代算法的迭代终止条件||a(t)-a(t-1)||＞∈；对每个数据中心，在其它数据中心策略固定的情况下，计算其最佳策略集，判断是否达到纳什均衡，如果是则对正则化中心
Figure FDA0002435430850000013
进行更新，然后更新迭代计数器值，若满足迭代终止条件，则停止迭代，当该博弈达到纳什均衡点时，输出所有数据中心最佳迁移决策集合a*，若不满足，则继续迭代。
2.如权利要求1所述的一种多数据中心间多类型任务迁移方法，其特征在于：根据架构建立网络模型，采用一个由N个数据中心i组成的集合
Figure FDA0002435430850000014
所构成的场景，每一个数据中心i处理来自地面站接收的卫星数据，初始化负载l，输入所有数据中心i的相关参数，根据输入数据中心集合
Figure FDA0002435430850000015
计算任务集合
Figure FDA0002435430850000016
迁移策略集a-i·和迁移收敛因子∈迁移收敛因子∈，完成计算任务；其中，相关参数包括：数据中心集合
Figure FDA0002435430850000017
Figure FDA0002435430850000018
任务集合
Figure FDA0002435430850000019
Figure FDA00024354308500000110
迁移策略集a-i·，
Figure FDA00024354308500000111
i为其它数据中心，迁移收敛因子∈。
3.如权利要求1所述的一种多数据中心间多类型任务迁移方法，其特征在于：将所有数据中心i的策略集组合为一个集合
Figure FDA00024354308500000112
利用CPU频率fi(GHz)衡量数据中心i的计算能力，将所有数据中心i的CPU频率被定义为集合
Figure FDA00024354308500000113
根据计算量cm和数据量sm建立网络模型。
4.如权利要求3所述的一种多数据中心间多类型任务迁移方法，其特征在于：根据迁移原则确定迁移模型，定义代表数据中心i迁移至数据中心j的所有类型任务的决策集aij·，表示数据中心i迁移至数据中心j第m种任务的任务量aijm，以及被定义为数据中心i的迁移策略集合ai·并且ai·＝{aij·}＝{{aijm}}i，
Figure FDA00024354308500000114
所有数据中心迁移策略的集合表示为
Figure FDA00024354308500000115
5.如权利要求1所述的一种多数据中心间多类型任务迁移方法，其特征在于：利用排队论确定计算模型与传输模型，定义矩阵C表示所有类型任务计算量同标准计算量之间的比例关系，引入CPU周期数1M标准计算量c0，将数据中心i的服务过程作为一个M/M/1的排队系统。
6.如权利要求1所述的一种多数据中心间多类型任务迁移方法，其特征在于：针对数据中心i的负载增加，根据服务器产生的一些性能损失的损失因子σi，计算量Cm和数据中心j迁移至数据中心i的第m种任务的数量ajim，构建具体的服务可用性模型
Figure FDA0002435430850000021
然后，根据数据中心i处的关于标准计算量c0的处理时延表示为
Figure FDA0002435430850000022
在数据中心i内，计算出对于一个任务的预期排队时延
Figure FDA0002435430850000023
计算出数据中心i的计算时延
Figure FDA0002435430850000024
其中，fi表示数据中心i的CPU频率，
Figure FDA0002435430850000025
表示数据中心i的处理时延，
Figure FDA0002435430850000026
表示数据中心i的排队时延，
Figure FDA0002435430850000027
表示数据中心i的计算时延。
7.如权利要求1所述的一种多数据中心间多类型任务迁移方法，其特征在于：根据传输模型，定义表示所有类型任务数据量同标准数据量之间的比例关系的矩阵S，将数据中心之间的网络链路的服务队列作为一个M/M/1的排队系统，利用数据中心i和数据中心j传输标准数据量大小的任务的时间τij、数据量sm、数据中心j迁移至数据中心i的第m种任务的数量ajim和数据中心i迁移至数据中心j第m种任务的任务量aijm，获取从数据中心i至数据中心j的排队时延
Figure FDA0002435430850000028
Figure FDA0002435430850000029
8.如权利要求1所述的一种多数据中心间多类型任务迁移方法，其特征在于：使用表示数据中心i和数据中心j之间标准数据量的传输时延公式
Figure FDA00024354308500000210
Figure FDA00024354308500000211
将数据中心i的任务迁移网络时延
Figure FDA00024354308500000212
表示为
Figure FDA00024354308500000213
9.如权利要求1所述的一种多数据中心间多类型任务迁移方法，其特征在于：为了解决多个纳什均衡点的问题，引入称为近似分布式算法的正则化技术，通过迭代算法获得唯一的纳什均衡点；根据N个数据中心组成的集合
Figure FDA00024354308500000214
策略集组合集合
Figure FDA00024354308500000215
成本函数
Figure FDA00024354308500000216
正则化中心偏移因子θ、迁移策略集
Figure FDA00024354308500000217
和迁移决策a*，重新定义一个经正则化之后的非合作博弈表达式
Figure FDA00024354308500000218
10.如权利要求1所述的一种多数据中心间多类型任务迁移方法，其特征在于：根据迭代算法对每个数据中心i，在其它数据中心i策略固定的情况下，计算其最佳策略集
Figure FDA0002435430850000031
判断是否达到纳什均衡，如果是则对正则化中心
Figure FDA0002435430850000032
进行更新，
Figure FDA0002435430850000033
然后更新迭代计数器值，t←t+1；输出最优迁移策略
Figure FDA0002435430850000034
若不满足，则转入判断是否满足算法的迭代终止条件，继续迭代。
CN202010250859.3A 2020-04-01 2020-04-01 多数据中心间多类型任务迁移方法 Active CN111611069B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010250859.3A CN111611069B (zh) 2020-04-01 2020-04-01 多数据中心间多类型任务迁移方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010250859.3A CN111611069B (zh) 2020-04-01 2020-04-01 多数据中心间多类型任务迁移方法

Publications (2)

Publication Number Publication Date
CN111611069A true CN111611069A (zh) 2020-09-01
CN111611069B CN111611069B (zh) 2023-11-07

Family

ID=72198174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010250859.3A Active CN111611069B (zh) 2020-04-01 2020-04-01 多数据中心间多类型任务迁移方法

Country Status (1)

Country Link
CN (1) CN111611069B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709775A (zh) * 2021-10-27 2021-11-26 之江实验室 一种星地协同通信系统分布式协同计算迁移方法
CN116684885A (zh) * 2023-05-17 2023-09-01 中远海运科技股份有限公司 一种基于遗传蚁群模拟退火混合算法的卫星通信链路优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080263557A1 (en) * 2007-04-13 2008-10-23 Stmicroelectronics S.R.L. Scheduling method and system, corresponding computational grid and computer program product
CN104636197A (zh) * 2015-01-29 2015-05-20 东北大学 一种数据中心虚拟机迁移调度策略的评价方法
CN107220118A (zh) * 2017-06-01 2017-09-29 四川大学 移动云计算中计算资源定价与任务负载迁移策略研究
CN107734558A (zh) * 2017-10-26 2018-02-23 北京邮电大学 一种基于多服务器的移动边缘计算控制及资源调度方法
CN108366047A (zh) * 2018-01-08 2018-08-03 南京邮电大学 基于博弈论的有源配电网数据安全高效传输优化方法及装置
CN108509276A (zh) * 2018-03-30 2018-09-07 南京工业大学 一种边缘计算环境中的视频任务动态迁移方法
CN110751293A (zh) * 2019-09-29 2020-02-04 浙江财经大学 一种基于博弈论的云制造多任务调度优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080263557A1 (en) * 2007-04-13 2008-10-23 Stmicroelectronics S.R.L. Scheduling method and system, corresponding computational grid and computer program product
CN104636197A (zh) * 2015-01-29 2015-05-20 东北大学 一种数据中心虚拟机迁移调度策略的评价方法
CN107220118A (zh) * 2017-06-01 2017-09-29 四川大学 移动云计算中计算资源定价与任务负载迁移策略研究
CN107734558A (zh) * 2017-10-26 2018-02-23 北京邮电大学 一种基于多服务器的移动边缘计算控制及资源调度方法
CN108366047A (zh) * 2018-01-08 2018-08-03 南京邮电大学 基于博弈论的有源配电网数据安全高效传输优化方法及装置
CN108509276A (zh) * 2018-03-30 2018-09-07 南京工业大学 一种边缘计算环境中的视频任务动态迁移方法
CN110751293A (zh) * 2019-09-29 2020-02-04 浙江财经大学 一种基于博弈论的云制造多任务调度优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XINGHAN 等: "《PSOGT: PSO and Game Theoretic based Task Allocation in Mobile Edge Computing》", 《IEEE》 *
薛宁 等: "《基于贝叶斯网络的MEC随机任务迁移算法》", 《研究与开发》 *
邓茂菲: "《基于移动边缘计算的任务迁移策略研究》", 《中国优秀硕士学位论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709775A (zh) * 2021-10-27 2021-11-26 之江实验室 一种星地协同通信系统分布式协同计算迁移方法
CN116684885A (zh) * 2023-05-17 2023-09-01 中远海运科技股份有限公司 一种基于遗传蚁群模拟退火混合算法的卫星通信链路优化方法

Also Published As

Publication number Publication date
CN111611069B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
CN113950066B (zh) 移动边缘环境下单服务器部分计算卸载方法、系统、设备
Lu et al. Optimization of lightweight task offloading strategy for mobile edge computing based on deep reinforcement learning
WO2020216135A1 (zh) 基于边-端协同的多用户多mec任务卸载资源调度方法
CN112512056B (zh) 一种移动边缘计算网络中多目标优化的计算卸载方法
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
CN112286677A (zh) 一种面向资源受限边缘云的物联网应用优化部署方法
CN109829332A (zh) 一种基于能量收集技术的联合计算卸载方法及装置
CN114189892A (zh) 一种基于区块链和集体强化学习的云边协同物联网系统资源分配方法
US11831708B2 (en) Distributed computation offloading method based on computation-network collaboration in stochastic network
CN111984419A (zh) 一种边缘环境可靠性约束的复杂任务计算迁移方法
CN112860429A (zh) 一种移动边缘计算系统中任务卸载的成本效率优化系统及方法
CN111611069A (zh) 多数据中心间多类型任务迁移方法
CN116366576A (zh) 算力网络资源调度方法、装置、设备及介质
CN113965569B (zh) 一种高能效、低时延的边缘节点计算迁移配置系统
Hu et al. Dynamic task offloading in MEC-enabled IoT networks: A hybrid DDPG-D3QN approach
Li et al. Computation offloading strategy for improved particle swarm optimization in mobile edge computing
Zhong et al. POTAM: A parallel optimal task allocation mechanism for large-scale delay sensitive mobile edge computing
CN117579701A (zh) 一种移动边缘网络计算卸载方法及系统
CN116939866A (zh) 一种基于协同计算和资源分配联合优化的无线联邦学习效率提升方法
Li Optimization of task offloading problem based on simulated annealing algorithm in MEC
Yan et al. Service caching for meteorological emergency decision-making in cloud-edge computing
CN114615705B (zh) 一种基于5g网络下单用户资源分配策略方法
CN114143317B (zh) 面向跨云层移动边缘计算的多优先级计算卸载策略优化方法
Wang et al. PSOGT: PSO and game theoretic based task allocation in mobile edge computing
CN115766478A (zh) 一种空地协同边缘计算服务器的卸载方法

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