CN111611076B - 任务部署约束下移动边缘计算共享资源公平分配方法 - Google Patents
任务部署约束下移动边缘计算共享资源公平分配方法 Download PDFInfo
- Publication number
- CN111611076B CN111611076B CN202010429115.8A CN202010429115A CN111611076B CN 111611076 B CN111611076 B CN 111611076B CN 202010429115 A CN202010429115 A CN 202010429115A CN 111611076 B CN111611076 B CN 111611076B
- Authority
- CN
- China
- Prior art keywords
- user
- users
- task
- edge computing
- resource
- 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.)
- Active
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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Multi Processors (AREA)
Abstract
本发明公开了一种任务部署约束下移动边缘计算共享资源公平分配方法,首先确定边缘计算服务器集合以及可用资源容量,获取用户的资源需求向量、任务部署约束向量,计算用户垄断资源情况下所能执行的最大任务数并设置用户的权重,在进行资源分配时,设置活跃用户集合,基于任务份额最大最小分配原则对活跃用户进行分配,其余非活跃用户的任务份额保持不变,每轮分配完成后对活跃用户进行筛选,将在下一轮资源分配中任务份额无法继续增加的用户转为非活跃用户,直到所有用户均为非活跃用户,则资源分配完成。本发明在边缘计算环境任务部署约束条件下充分保证用户的个体利益,提高资源分配的效率和公平性。
Description
技术领域
本发明属于云计算技术领域,更为具体地讲,涉及一种任务部署约束下移动边缘计算共享资源公平分配方法。
背景技术
移动边缘计算,作为一种新的计算模式,由于其计算下沉的特点,相比较传统云计算而言,更加便于服务大量边缘侧对网络延迟和计算时延敏感的业务。伴随着物联网和5G网络的发展,移动边缘计算正一点点的改变着我们的生活。据报道,2018年我国物联网产业规模已超1.2万亿元,物联网业务较上年增长72.9%,如此大的应用规模和快速地增长趋势,使得移动边缘计算得到了来自学术界和工业界越来越多的关注。
随着国内物联网业务和5G网络的高速发展,大规模应用的增加也导致了对各种类型的计算资源需求的增加。传统的云计算资源分配策略往往是由第三方机构通过资源拍卖方式提供给用户,虽然可以通过互联网提供大量可定制的计算资源给用户,但是由于数据中心距离用户较远,计算节点远离用户等特点,对于大量对网络和计算延迟敏感的业务,如:自动驾驶,增强现实,图像处理等往往力不从心。所以,如何高效地将各种类型的资源分配给用户,是移动边缘计算研究的核心问题。研究表明,当前提供边缘计算资源的服务器等设备往往靠近用户,并且属于不同的公司或者个人,用户通常通过无线通信的方式将计算任务发送至边缘服务器进行处理。所以,通过资源共享方式利用无线通信手段将分别属于不同组织或个人的移动边缘计算服务器资源利用起来,提供给对资源有迫切需求的用户,是一种非常科学的资源分配方式。
而如何将这些共享的资源公平地分配给用户,也是非常迫切需要研究的问题。目前,资源共享公平分配策略主要有适用于云计算环境的DRF(Dominant ResourceFairness,占优资源公平分配机制),DRFH(Dominant Resource Fairness inHeterogeneous system,异构系统占优资源公平性分配机制),CDRF(ContainerizedDominant Resource Fairness,带约束的占有资源公平分配机制),TSF(Task ShareFairness,任务份额公平分配机制)等;针对移动边缘计算资源公平分配的DRF-ER(Dominant Resource Fairness with External Resource,带外部资源的占有资源公平分配机制)等。在分析了当前各种资源共享公平分配策略后发现,这些资源共享公平分配策略应用到移动边缘计算环境中时,往往不能充分保障分配的公平性,主要体现在:一方面,在考虑边缘计算资源共享时,用户往往是自私的,他们不愿意无偿的将自己的边缘计算资源共享给其他用户,而目前的分配策略缺乏针对移动边缘计算环境的激励用户将资源共享的机制,这在一定程度上会使拥有较多资源的用户不愿意参与到资源共享中,从而导致共享的资源无法满足有大量资源需求的用户;另一方面,由于边缘计算服务器属于不同的组织和个人,这些服务器无论硬件或者软件配置都不尽相同。同时,大量用户任务对计算资源的需求也是不尽相同的。而目前针对边缘计算资源的分配策略忽略了这些服务器配置的异构性和用户任务部署限制之间的矛盾,比如做图像识别的任务只能部署在具有GPU的服务器上,而做域名解析(DNS)的应用需要部署在具有公共IP的服务器上,等等。由于这些任务部署约束的存在,将会极大地导致用户任务部署时延迟的增加,同时降低资源利用率。最后,在边缘计算环境资源分配环境中,除了要分配边缘计算服务器提供的计算资源外,还需要考虑独立于计算资源之外,有限的无线带宽资源的分配。因此,综合考虑以上问题,合理地设计一种的边缘计算资源公平分配策略,显得至关重要。
发明内容
本发明的目的在于克服现有技术的不足,提供一种任务部署约束下移动边缘计算共享资源公平分配方法,在边缘计算环境任务部署约束条件下充分保证用户的个体利益,提高资源分配的效率和公平性。
为了实现上述发明目的,本发明任务部署约束下移动边缘计算共享资源公平分配方法包括以下步骤:
S2:获取各个边缘计算服务器的可用资源容量Cm=(cm1,cm2,…,cmR),cmr表示边缘计算服务器m中第r种资源占所有服务器中第r种资源总量的比值,m=1,2,…,M,r=1,2,…,R,R表示资源类型数量;
S3:获取用户i执行单个任务的资源需求向量Di=(di1,di2,…,diR,diBW)T,其中dir表示用户i的单个任务对第r种边缘计算服务器资源的需求量占系统中第r种资源总量的比值,r=1,2,...,R,diBW为用户i的单个任务对带宽资源的需求量占带宽资源总量的比值;
S4:根据实际情况设置每个用户i的任务部署约束向量Pi=(pi1,pi2,...,piM),其中pim=1表示用户i的任务可以在边缘计算服务器m上执行,pim=0表示用户i的任务不可以在边缘计算服务器m上执行;
S5:分别计算出每个用户i在垄断所有边缘计算服务器资源和通信链路带宽资源并且不考虑任务部署约束情形下所能执行的最大任务数hi,计算公式如下:
S6:根据实际情况设置每个用户i的权重值ωi,权重值越大说明用户优先级越高;
S8:令迭代次数t=1;
S9:利用线性规划计算本次迭代中令活跃用户集合中所有用户i′所能获得的任务份额最大最小分配,得到本次迭代所得到的活跃用户集合中各用户i′的任务份额ft,以及每个用户i在各台边缘计算服务器m上分配的任务数/>
S12:令迭代次数t=t+1,返回步骤S9。
本发明任务部署约束下移动边缘计算共享资源公平分配方法,首先确定边缘计算服务器集合以及可用资源容量,获取用户的资源需求向量、任务部署约束向量,计算用户垄断资源情况下所能执行的最大任务数并设置用户的权重,在进行资源分配时,设置活跃用户集合,基于任务份额最大最小分配原则对活跃用户进行分配,其余非活跃用户的任务份额保持不变,每轮分配完成后对活跃用户进行筛选,将在下一轮资源分配中任务份额无法继续增加的用户转为非活跃用户,直到所有用户均为非活跃用户,则资源分配完成。
本发明在考虑用户任务部署受到不同边缘计算服务器配置的限制的同时,激励用户参与到边缘计算资源共享策略中,使每个参与到资源共享的边缘计算用户通过共享资源后能够执行的任务数不小于其不共享资源的情形。对于用户来说,能够公平地竞争到边缘计算资源,并且利用分配到的共享资源能够执行比不共享资源更多的任务,可以充分保证用户的个体利益,使得边缘计算资源分配更加高效和公平。
附图说明
图1是本发明任务部署约束下移动边缘计算共享资源公平分配方法的具体实施方式流程图;
图2是本实施例中移动边缘计算系统示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
为了更好地说明本发明技术方案,首先对本发明的推导过程进行简要分析和说明。
在移动边缘计算系统中,边缘计算服务器是由各个用户贡献的,即资源共享。因此首先需要获取边缘计算服务器集合S={1,2,...,M},M表示边缘计算服务器数量,以及用户集合U={1,2,...,N},N表示用户数量,记用户i贡献的服务器集合为且i,j=1,2,…,N。记各个边缘计算服务器的可用资源容量Cm=(cm1,cm2,…,cmR),cmr表示边缘计算服务器m中第r种资源占所有服务器中第r种资源总量的比值,m=1,2,…,M,r=1,2,…,R,R表示资源类型数量。可用资源一般包括CPU、内存、存储等,根据cmr的定义可知:
记用户i执行单个任务的资源需求向量Di=(di1,di2,…,diR,diBW)T,其中dir表示用户i的单个任务对第r种边缘计算服务器资源的需求量占系统中第r种资源总量的比值,r=1,2,...,R,diBW为用户i的单个任务对带宽资源的需求量占带宽资源总量的比值。
在移动边缘计算系统中,所有用户的任务都需要通过通信链路(通常为无线通信链路)提交给边缘计算服务器来处理,因此本发明将带宽资源也作为用户的一种资源需求,可视为第R+1种资源。
在移动边缘计算系统中,由于系统中边缘计算服务器配置各不相同,所以用户的任务有可能不可以在所有边缘计算服务器上运行。考虑到用户任务部署的限制,本发明为每个用户i设置其任务部署约束向量Pi=(pi1,pi2,...,piM),其中pim=1表示用户i的任务可以在边缘计算服务器m上执行,pim=0表示用户i的任务不可以在边缘计算服务器m上执行。
记用户i在边缘计算服务器m上所得到的资源分配向量Aim=(aim1,aim2,…,aimR)T,其中aimr表示用户i在边缘计算服务器m上的第r种边缘计算服务器资源的分配量占系统中第r种资源总量的比值,记用户i的带宽资源的分配量占带宽资源总量的比值为aiBW。由于资源容量的限制,若所有用户在边缘计算服务器m上分得的第r种资源之和不大于该服务器的资源容量,且所有用户分得的无线带宽资源之和不大于系统无线带宽容量,则称该分配可行,即下式成立:
考虑到用户任务部署限制,在资源分配情况(即资源分配向量Aim和带宽分配值aiBW)已知的情形下,用户i在边缘计算服务器m上能执行的任务数为:
其中:
进而可知,用户i在资源分配情况已知情形下执行的所有任务数xi(Ai,AiBW)为:
对于一个有效的资源分配机制而言,不应该分配给用户执行任务之外的额外资源,造成资源的浪费。对于用户i和边缘计算服务器m,如果减少任何已经分配给用户i的边缘计算服务器资源将导致用户不能在边缘计算服务器m执行原来那么多的任务,称之为边缘计算服务器资源分配不浪费,即满足:
同样的,如果减少已经分配给用户i的无线带宽资源导致用户i不能执行原来那么多的任务,称之为无线带宽资源分配不浪费,即满足:
当分配的边缘计算服务器资源和无线带宽资源都不浪费时候,称之为资源分配不浪费。本发明在资源分配不浪费的前提下进行资源分配。
为了解决移动边缘计算系统中用户任务在边缘计算服务器部署受限的资源公平分配问题。本发明定义用户i的任务份额fi为:用户i在任务部署约束条件下执行的任务数与用户在独占所有边缘计算服务器资源并不考虑任务部署限制情形下完成的带权任务数比值,其计算公式如下所示:
其中,hi为假设用户i不考虑任务部署限制并独占所有系统的边缘计算服务器资源时能够执行的任务数。在这种情形下,由于用户i独占所有系统边缘服务器资源,使其他用户不能将任务提交至边缘计算服务器,所以也就是说用户i能够使用所有带宽资源。hi可以表示为:
针对任务部署限制条件下移动边缘计算资源公平分配问题,本发明引入字典序最大最小的概念来设计资源公平分配方法。令F=(f1,f2,...,fN)为在某可行的资源分配方案下系统所有用户的任务份额向量,则任务份额向量字典序最大最小的定义可以表示如下:
定义1若在某个可行的资源分配下的任务份额向量F=(f1,f2,...,fN),按照不递减排序后的向量为Fτ,对于所有可行的分配下的用户任务份额向量和其按照字典序不递减排序后的任务份额向量/>当Fτ字典序大于/>时,称任务份额向量Fτ为字典序最大最小最优,简称字典序最优。例如,已知两个可行的任务份额向量F=(1.3,1.4,1)和/>因为/>字典序大于Fτ=(1,1.3,1.4),所以任务份额向量F不是字典序最优。
本发明基于字典序最优设计移动边缘计算共享资源分配方法,解决任务部署限制条件下移动边缘计算资源公平分配问题,该机制可采用公式表示如下:
其中决策变量xim为分配结束时用户i在边缘计算服务器m上执行的任务数,第1个和第2个约束条件保证分配可行,第3个约束条件为决策变量xim的取值范围。目标函数即为找到满足约束条件的字典序最优的用户任务份额向量。
基于以上分析设计得到本发明任务部署约束下移动边缘计算共享资源公平分配方法的具体技术方案。图1是本发明任务部署约束下移动边缘计算共享资源公平分配方法的具体实施方式流程图。如图1所示,本发明任务部署约束下移动边缘计算共享资源公平分配方法的具体步骤包括:
S101:获取移动边缘计算系统数据:
S102:获取边缘计算服务器可用资源数据:
获取各个边缘计算服务器的可用资源容量Cm=(cm1,cm2,…,cmR),cmr表示边缘计算服务器m中第r种资源占所有服务器中第r种资源总量的比值,m=1,2,…,M,r=1,2,…,R,R表示资源类型数量。
S103:收集用户任务数据:
获取用户i执行单个任务的资源需求向量Di=(di1,di2,…,diR,diBW)T,其中dir表示用户i的单个任务对第r种边缘计算服务器资源的需求量占系统中第r种资源总量的比值,r=1,2,...,R,diBW为用户i的单个任务对带宽资源的需求量占带宽资源总量的比值。
S104:设置用户的任务部署约束向量:
根据实际情况设置每个用户i的任务部署约束向量Pi=(pi1,pi2,...,piM),其中pim=1表示用户i的任务可以在边缘计算服务器m上执行,pim=0表示用户i的任务不可以在边缘计算服务器m上执行。
S105:计算各用户的最大任务数:
根据公式(10)分别计算出每个用户i在垄断所有边缘计算服务器资源和通信链路带宽资源并且不考虑任务部署约束情形下所能执行的最大任务数hi。
S106:设置用户权重值:
根据实际情况设置每个用户i的权重值ωi,权重值越大说明用户优先级越高。
本实施例中根据每个用户所能执行的最大任务数来设置权重值,其具体计算公式如下:
其中,ki为用户考虑任务部署限制条件下,用户i在其所贡献的边缘计算服务器上能够执行的任务数,其计算公式如下:
S107:初始化资源分配数据:
初始化各用户所分配的任务份额fi 0=0,各用户在边缘计算服务器m上分得的任务数令活跃用户集合/>活跃用户是指能够利用当前的剩余资源完成更多任务的用户,在初始状态下,先将所有用户都作为活跃用户,然后再进行筛选。/>
S108:令迭代次数t=1。
S109:资源分配:
利用线性规划计算本次迭代中令活跃用户集合中所有用户i′所能获得的任务份额最大最小分配(即分配目标为使任务份额最小的用户得到最大的分配),得到本次迭代所得到的活跃用户集合中各用户i′的任务份额ft,以及每个用户i在各台边缘计算服务器m上分配的任务数/>
其中,第2个约束条件表示所有非活跃用户j在此轮分配中之前分配得到的资源不变。
S110:筛选活跃用户:
在第t次进行资源分配计算之后,需要对活跃用户集合利用循环逐一判断在下一轮即第t+1次资源分配开始前的活跃用户集合/>中,是否有用户不能利用这些剩余资源完成更多任务,并将其剔除出/>具体方法为:逐一选取活跃用户集合/>中的每个用户i′,将活跃用户集合/>中除了用户i′之外的其他用户暂时设置为不活跃用户,利用如下线性规划计算此种情况下第t+1次资源分配用户i′的任务份额/>/>
其中第2个约束表示除了用户i之外的其他用户在分配得到的任务数不变。
判断是否用户i′的任务份额即该用户的任务份额是否能够增加,如果是,即能够增加,说明该用户在下一轮分配任务开始时,仍为活跃用户,不作任何操作,否则将用户i′剔除出活跃用户集合,即令/>在对活跃用户集合/>中每个用户进行活跃用户判定完毕后,记所得到的活跃用户集合为/>
S112:令迭代次数t=t+1,返回步骤S109。
在移动边缘计算资源系统中,多种资源分配的公平性是非常关键的。只有当每个系统中用户能够公平分配到资源时,多资源共享分配才可行。衡量资源分配的公平性和有效性主要有:帕累托最优和激励共享。
帕累托最优是指:若系统中任何用户要执行更多的任务数,必将使别的用户能够执行任务数减少,则认为该机制满足帕累托最优属性。
激励共享是指:系统中所有用户在共享边缘计算服务器资源的情形下执行的累计任务数不小于其在原来自己所拥有的边缘计算服务器所能执行的累计任务数时,则认为该机制满足激励共享属性。
为了说明本发明的合理性和有效性,接下来从帕累托最优和激励共享两个方面对本发明中进行证明。
定理1本发明满足帕累托最优属性
证明假设本发明不满足帕累托最优属性,则至少存在一个用户i,在不减少其他用户分配的资源情形下,完成更多的任务数,根据任务份额的定义可知,此时用户i的任务份额大于本发明分配得到的任务份额si,令F=(f1,f2,...,fN)为本发明分配下的用户任务份额向量,因为其他用户j≠i的任务份额没变,所以可知新的任务份额向量/>字典大于F,这与本发明的目标矛盾,所以本发明满足帕累托最优。
证毕。
定理2本发明满足激励共享属性
证明当所有用户都不共享边缘计算服务器资源时,根据任务份额定义可知,用户任务份额向量为即所有用户的任务份额都为1。假设本发明不满足激励共享,那么至少存在一个用户i的任务份额fi<1,则本发明机制下用户任务份额向量字典序小于用户不共享情形,但这就与本发明机制使用户字典序最优矛盾,所以本发明满足激励共享属性。
证毕。
实施例
接下来采用一个具体实例对本发明进行举例说明。图2是本实施例中移动边缘计算系统示意图。如图2所示,本实施例中共有3台边缘计算服务器,3个用户,其中,边缘服务器1属于用户1,边缘计算服务器2属于用户2,边缘计算服务器3属于用户3。用户通过无线通信链路将任务提交给边缘计算服务器执行,计算结果同样也通过无线通信链路返回至用户。为了便于计算,本实施例中假设每个边缘计算服务器含有2种计算资源:CPU和内存,各个边缘计算服务器的资源容量如图2中标注所示。假设无线通信带宽资源容量为1。假设所有用户权重都为1,即重要程度相同。用户资源需求如图2所标注,其中每个用户完成一个任务所需的带宽资源为1/10。用户部署约束限制如图2中线条连线所示,即用户1的任务可以部署在边缘计算服务器1和2,用户2的任务只可以部署在边缘计算服务器2,用户3的任务可以部署在边缘计算服务器1,2,和3。接下来根据本发明资源公平分配方法,计算每个用户在每台边缘计算服务器上所执行的任务数,即所对应分配的计算资源量和无线带宽资源量。
首先,令活跃用户集合包含所有用户,即/>所有边缘计算服务器资源和带宽资源为其资源容量。即C1={12,9},C2={4,3},C3={12,9},CBW=1。同时,根据公式(10)计算出每个用户垄断全部资源并不考虑部署限制所能执行的任务数为:h1=10,h2=7,h3=7。
接下来进行第1轮筛选,即对C1={12,9},C2={4,3},C3={12,9},CBW=1和活跃用户求线性规划,计算出活跃用户集合/>中所有用户均能达到的任务份额f1,求解线性规划后得到f1=0.1428571,3个用户分配任务数分别为
再次进行活跃用户筛选,对U2={1,3}中用户1和用户3是否变为不活跃进行判断,发现用户1,3均转变为不活跃状态,那么此时活跃用户集合此时算法结束,最终得到3个用户分配任务数为/>表1是本实施例中分配结果表。/>
表1
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (2)
1.一种任务部署约束下移动边缘计算共享资源公平分配方法,其特征在于,包括以下步骤:
S2:获取各个边缘计算服务器的可用资源容量Cm=(cm1,cm2,…,cmR),cmr表示边缘计算服务器m中第r种资源占所有服务器中第r种资源总量的比值,m=1,2,…,M,r=1,2,…,R,R表示资源类型数量;
S3:获取用户i执行单个任务的资源需求向量Di=(di1,di2,…,diR,diBW)T,其中dir表示用户i的单个任务对第r种边缘计算服务器资源的需求量占系统中第r种资源总量的比值,r=1,2,...,R,diBW为用户i的单个任务对带宽资源的需求量占带宽资源总量的比值;
S4:根据实际情况设置每个用户i的任务部署约束向量Pi=(pi1,pi2,...,piM),其中pim=1表示用户i的任务可以在边缘计算服务器m上执行,pim=0表示用户i的任务不可以在边缘计算服务器m上执行;
S5:分别计算出每个用户i在垄断所有边缘计算服务器资源和通信链路带宽资源并且不考虑任务部署约束情形下所能执行的最大任务数hi,计算公式如下:
S6:根据实际情况设置每个用户i的权重值ωi,权重值越大说明用户优先级越高;
S8:令迭代次数t=1;
S9:利用线性规划计算本次迭代中令活跃用户集合中所有用户i′所能获得的任务份额最大最小分配,得到本次迭代所得到的活跃用户集合中各用户i′的任务份额ft,以及每个用户i在各台边缘计算服务器m上分配的任务数/>
S12:令迭代次数t=t+1,返回步骤S9。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429115.8A CN111611076B (zh) | 2020-05-20 | 2020-05-20 | 任务部署约束下移动边缘计算共享资源公平分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429115.8A CN111611076B (zh) | 2020-05-20 | 2020-05-20 | 任务部署约束下移动边缘计算共享资源公平分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111611076A CN111611076A (zh) | 2020-09-01 |
CN111611076B true CN111611076B (zh) | 2023-03-28 |
Family
ID=72203450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010429115.8A Active CN111611076B (zh) | 2020-05-20 | 2020-05-20 | 任务部署约束下移动边缘计算共享资源公平分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111611076B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112187534B (zh) * | 2020-09-21 | 2021-09-24 | 上海交通大学 | 一种工业物联网中基于多跳传输的任务卸载方法 |
CN114020447B (zh) * | 2021-09-29 | 2024-04-12 | 中通服咨询设计研究院有限公司 | 一种对车流大数据处理进行服务器资源分配的方法 |
CN113923223B (zh) * | 2021-11-15 | 2024-02-06 | 安徽大学 | 一种边缘环境下低时间成本的用户分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105302650A (zh) * | 2015-12-10 | 2016-02-03 | 云南大学 | 一种面向云计算环境下的动态多资源公平分配方法 |
CN109901929A (zh) * | 2019-03-04 | 2019-06-18 | 云南大学 | 服务器等级约束下的云计算任务份额公平分配方法 |
CN110113761A (zh) * | 2019-05-15 | 2019-08-09 | 南京大学 | 一种流数据处理应用在边缘计算网络中的部署方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10440096B2 (en) * | 2016-12-28 | 2019-10-08 | Intel IP Corporation | Application computation offloading for mobile edge computing |
US10938736B2 (en) * | 2017-10-18 | 2021-03-02 | Futurewei Technologies, Inc. | Dynamic allocation of edge computing resources in edge computing centers |
-
2020
- 2020-05-20 CN CN202010429115.8A patent/CN111611076B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105302650A (zh) * | 2015-12-10 | 2016-02-03 | 云南大学 | 一种面向云计算环境下的动态多资源公平分配方法 |
CN109901929A (zh) * | 2019-03-04 | 2019-06-18 | 云南大学 | 服务器等级约束下的云计算任务份额公平分配方法 |
CN110113761A (zh) * | 2019-05-15 | 2019-08-09 | 南京大学 | 一种流数据处理应用在边缘计算网络中的部署方法和装置 |
Non-Patent Citations (1)
Title |
---|
《虚拟计算环境中面向通信特征的应用部署优化技术研究》;樊沛;《CNKI》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111611076A (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111611076B (zh) | 任务部署约束下移动边缘计算共享资源公平分配方法 | |
CN105103506B (zh) | 用于为云计算网络中的非均匀带宽请求分配带宽的方法和系统 | |
Doulamis et al. | Fair scheduling algorithms in grids | |
CN109582448B (zh) | 一种面向关键度和时效性的边缘计算任务调度方法 | |
CN108897606B (zh) | 多租户容器云平台虚拟网络资源自适应调度方法及系统 | |
CN111614754B (zh) | 面向雾计算的成本效率优化的动态自适应任务调度方法 | |
Mohammed et al. | A novel approach of reducing energy consumption by utilizing enthalpy in mobile cloud computing | |
CN110519090B (zh) | 一种fpga云平台的加速卡分配方法、系统及相关组件 | |
Freeman et al. | Dynamic proportional sharing: A game-theoretic approach | |
US9817698B2 (en) | Scheduling execution requests to allow partial results | |
CN111045827B (zh) | 云雾环境中基于资源共享的时间有效性的任务调度方法 | |
Zegrari et al. | Resource allocation with efficient load balancing in cloud environment | |
CN102932271A (zh) | 负载均衡的实现方法和装置 | |
Delavar et al. | A synthetic heuristic algorithm for independent task scheduling in cloud systems | |
Wen et al. | Load balancing job assignment for cluster-based cloud computing | |
de Souza Toniolli et al. | Resource allocation for multiple workflows in cloud-fog computing systems | |
Bhavani et al. | A comparative study on resource allocation policies in cloud computing environment | |
Farooq et al. | Adaptive and resilient revenue maximizing dynamic resource allocation and pricing for cloud-enabled IoT systems | |
CN115866066A (zh) | 数据发送方法及装置、非易失性存储介质、电子设备 | |
Edavalath et al. | MARCR: Method of allocating resources based on cost of the resources in a heterogeneous cloud environment | |
Wen et al. | Load balancing consideration of both transmission and process responding time for multi-task assignment | |
Li et al. | Location-aware multi-user resource allocation in distributed clouds | |
Wan et al. | Utility-driven share scheduling algorithm in hadoop | |
Sutagundar et al. | Development of fog based dynamic resource allocation and pricing model in IoT | |
Cao et al. | A novel and one-stage embedding algorithm for mapping virtual networks |
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 |