CN111711962B - 一种移动边缘计算系统子任务协同调度方法 - Google Patents

Abstract

本发明涉及一种移动边缘计算系统子任务协同调度方法，属于无线通信技术领域。该方法包括以下步骤：S1：建模移动边缘计算系统；S2：建模移动设备变量；S3：建模边缘服务器变量；S4：建模子任务模型；S5：建模子任务完成时间；S6：建模本地计算模式子任务完成时间；S7：建模边缘服务器卸载模式子任务完成时间；S8：建模子任务卸载及调度约束条件；S9：确定子任务卸载及协同调度策略以实现任务最大完成时间最小化。本发明综合考虑子任务之间因果依赖关系，拟执行任务时延需求及边缘服务器任务处理性能，联合任务卸载及调度策略，从而实现系统最大完成时间最小化。

Description

一种移动边缘计算系统子任务协同调度方法

技术领域

本发明属于无线通信技术领域，涉及一种移动边缘计算系统子任务协同调度方法。

背景技术

随着移动互联网的快速发展和智能终端的普及，增强现实(Augment Reality，AR)、虚拟现实(Virtual Reality，VR)和移动高清视频等应用对服务质量(Quality ofService，QoS) 的需求越来越高。然而，智能用户设备处理能力不足以及传统移动云计算(Mobile Cloud Computing，MCC)技术的性能局限导致网络难以满足用户短时间内处理大量数据的业务需求。针对这一问题，移动边缘计算(Mobile Edge Computing，MEC)技术应运而生，通过在距离智能用户设备较近的基站处部署边缘服务器，使用边缘服务器对移动设备(Mobile Device，MD)任务进行处理，可有效缩减任务执行时延，以满足用户任务的低时延需求。

目前已有研究考虑MEC系统中任务间存在依赖关系的卸载及调度问题，有文献提出基于系统用户总时延最小化的子任务调度方案，但现有方案较少考虑用户公平性问题，导致网络部分用户性能受限；此外，较少研究考虑研究多用户、多服务器的MEC系统的联合卸载策略及子任务的协同调度问题，导致所提算法难以实现网络性能的优化。

发明内容

有鉴于此，本发明的目的在于提供一种移动边缘计算系统子任务协同调度方法。

为达到上述目的，本发明提供如下技术方案：

一种移动边缘计算系统子任务协同调度方法，该方法包括以下步骤：

S1：建模移动边缘计算系统；

S2：建模移动设备变量；

S3：建模边缘服务器变量；

S4：建模子任务模型；

S5：建模子任务完成时间；

S6：建模本地计算模式子任务完成时间；

S7：建模边缘服务器卸载模式子任务完成时间；

S8：建模子任务卸载及调度约束条件；

S9：确定子任务卸载及协同调度策略以实现任务最大完成时间最小化。

可选的，所述步骤S1具体包括：建模一个多移动设备MD多边缘服务器的移动边缘计算MEC系统，系统内时间被分为多个时隙，持续时间为T，令t表示时隙的索引，t＝0,1,...,T。

可选的，所述步骤S2具体为：令Φ＝{MD₁,...,MD_i,...,MD_M}表示移动设备集合，MD_i表示第i个移动设备，1≤i≤M，M为移动设备总数目，f_i为本地MD_i的计算能力。

可选的，所述步骤S3具体为：令Ψ＝{MEC₁,...,MEC_j,...,MEC_N}表示MEC服务器的集合，MEC_j表示第j个边缘服务器，1≤j≤N，N为边缘服务器的数量，

表示第j个边缘服务器的服务能力，B_j表示边缘服务器MEC_j所关联基站的带宽。

可选的，所述步骤S4具体为：MD_i请求的任务由多个具有因果依赖关系的子任务组成；对于每一个子任务采用二元卸载方式，即子任务能够选择在MD本地处理或卸载至MEC服务器处理；令K＝{A_i,k|1≤i≤M,1＜k≤K_i}表示子任务的集合，K_i为MD_i的子任务数目，令A_i,k为MD_i的第k个子任务，

其中，I_i,k为子任务A_i,k的任务数据量，C_i,k为完成子任务A_i,k所需要的CPU周期数，

为完成子任务A_i,k的截止时间；令ψ_p(.)和ψ_d(.)为子任务依赖关系函数；若A_i,k'为A_i,k的前级子任务，也即执行A_i,k前需执行A_i,k'，定义ψ_p(A_i,k)＝A_i,k'；若A_i,k'为A_i,k的后一级子任务，即需首先执行A_i,k，继而执行A_i,k'，定义ψ_d(A_i,k)＝A_i,k'。

可选的，所述步骤S5具体为：建模子任务A_i,k的完成时间为T_i,k，

其中，

为子任务A_i,k的本地卸载决策二元变量，

表示子任务A_i,k在本地执行，否则，

为子任务A_i,k的MEC服务器卸载变量，

表示子任务A_i,k卸载至MEC_j执行，否则，

和

分别为A_i,k在本地计算模式和MEC卸载模式下的完成时间。

可选的，所述步骤S6具体为：建模本地计算模式下子任务的完成时间为

其中，

由前序子任务的完成时间决定，建模为

为A_i,k本地执行排队时延，建模为

为A_i,k本地执行的处理时延，建模为

可选的，所述步骤S7具体为：令

表示边缘服务器卸载模式下子任务完成时间，其中，

由前序子任务的完成时间决定，建模为

为A_i,k传输等待时延，

为子任务A_i,k卸载至MEC_j的传输时延，建模为

其中，R_i,j,t为子任务A_i,k卸载至边缘服务器MEC_j对应的传输速率，建模为

其中，p_i为MD_i的发射功率，h_ij为MD_i与MEC_j所关联基站之间的链路增益，σ²为噪声功率，y_i,k,j,t为传输时隙分配标识，y_i,k,j,t＝1表示子任务A_i,k占用时隙t传输至MEC_j，否则，y_i,k,j,t＝0；τ为时隙长度；

为子任务A_i,k在MEC_j执行的排队时延，建模为

为子任务A_i,k在MEC_j上执行的处理时延，建模为

可选的，所述步骤S8具体包括：

任务卸载约束条件建模为：

传输速率约束条件建模为：若

其中，

为MD_i的最低传输速率限制；

子任务依赖关系约束条件建模为：

子任务截止时间约束条件建模为：

时隙分配约束条件建模为：

可选的，所述步骤S9具体包括：在满足任务卸载约束条件的前提下，以系统最大任务完成时间为优化目标，确定边缘服务器任务卸载及调度策略，即：

其中，

本地执行最优计算策略变量，

为MEC卸载最优策略变量，

为传输时隙分配最优调度策略。

本发明的有益效果在于：本发明综合考虑子任务之间因果依赖关系，拟执行任务时延需求及边缘服务器任务处理性能，联合任务卸载及调度策略，从而实现系统最大完成时间最小化。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为移动边缘计算系统架构图；

图2为子任务依赖关系示例图；

图3为本发明所述方法的流程示意图。

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，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。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

图1为移动边缘计算系统架构，如图1所示，系统中存在多个移动设备，多个边缘服务器，移动设备产生的任务由一系列具有相互依赖关系的子任务组成。

图2为子任务依赖关系的示例图。

图3为本实施所述方法的流程示意图，如图3所示，该方法具体包括以下步骤：

1)建模移动边缘计算系统

建模一个多移动设备(Mobile Device，MD)多边缘服务器的移动边缘计算(MobileEdge Computing，MEC)系统，系统内时间被分为多个时隙，持续时间为T，令t表示时隙的索引， t＝0,1,...,T。

2)建模移动设备变量

令Φ＝{MD₁,...,MD_i,...,MD_M}表示移动设备集合，MD_i表示第i个移动设备，1≤i≤M， M为移动设备总数目，f_i为本地MD_i的计算能力。

3)建模边缘服务器变量

令Ψ＝{MEC₁,...,MEC_j,...,MEC_N}表示MEC服务器的集合，MEC_j表示第j个边缘服务器，1≤j≤N，N为边缘服务器的数量，

表示第j个边缘服务器的服务能力，B_j表示边缘服务器MEC_j所关联基站的带宽。

4)建模具有子任务依赖关系任务模型

MD_i请求的任务由多个具有因果依赖关系的子任务组成；对于每一个子任务采用二元卸载方式，即子任务可选择在MD本地处理或卸载至MEC服务器处理。令 K＝{A_i,k|1≤i≤M,1＜k≤K_i}表示子任务的集合，K_i为MD_i的子任务数目，令A_i,k为MD_i的第 k个子任务，

其中，I_i,k为子任务A_i,k的任务数据量，C_i,k为完成子任务A_i,k所需要的CPU周期数，

为完成子任务A_i,k的截止时间。令ψ_p(.)和ψ_d(.)为子任务依赖关系函数。若A_i,k'为A_i,k的前级子任务，也即执行A_i,k前需执行A_i,k'，定义ψ_p(A_i,k)＝A_i,k'；若A_i,k'为 A_i,k的后一级子任务，即需首先执行A_i,k，继而执行A_i,k'，定义ψ_d(A_i,k)＝A_i,k'。

5)建模子任务完成时间

建模子任务A_i,k的完成时间为T_i,k，

其中，

为子任务A_i,k的本地卸载决策二元变量，

表示子任务A_i,k在本地执行，否则，

为子任务A_i,k的MEC服务器卸载变量，

表示子任务A_i,k卸载至MEC_j执行，否则，

和

分别为A_i,k在本地计算模式和MEC卸载模式下的完成时间。

6)建模本地计算模式子任务完成时间

建模本地计算模式下子任务的完成时间为

其中，

由前序子任务的完成时间决定，建模为

为A_i,k本地执行排队时延，建模为

为A_i,k本地执行的处理时延，建模为

7)建模边缘服务器卸载模式子任务完成时间

令

表示边缘服务器卸载模式下子任务完成时间，其中，

由前序子任务的完成时间决定，建模为

为A_i,k传输等待时延，

为子任务A_i,k卸载至MEC_j的传输时延，建模为

其中，R_i,j,t为子任务A_i,k卸载至边缘服务器MEC_j对应的传输速率，建模为

其中，p_i为MD_i的发射功率，h_ij为MD_i与MEC_j所关联基站之间的链路增益，σ²为噪声功率，y_i,k,j,t为传输时隙分配标识，y_i,k,j,t＝1表示子任务A_i,k占用时隙t传输至MEC_j，否则，y_i,k,j,t＝0；τ为时隙长度；

为子任务A_i,k在MEC_j执行的排队时延，建模为

为子任务A_i,k在MEC_j上执行的处理时延，建模为

8)建模子任务卸载及调度约束条件

任务卸载约束条件建模为：

传输速率约束条件建模为：若

其中，

为MD_i的最低传输速率限制；子任务依赖关系约束条件建模为：

子任务截止时间约束条件建模为：

时隙分配约束条件建模为：

9)确定子任务卸载及协同调度策略以实现任务总时延最小化

在满足任务卸载约束条件的前提下，以系统最长任务完成时间最小化为目标，优化确定边缘服务器任务卸载及调度策略，即：

其中，

本地执行最优计算策略变量，

为MEC卸载最优计算策略变量，

为传输时隙分配最优调度策略。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种移动边缘计算系统子任务协同调度方法，其特征在于：该方法包括以下步骤：

S1：建模移动边缘计算系统；

S2：建模移动设备变量；

S3：建模边缘服务器变量；

S4：建模子任务模型；

S5：建模子任务完成时间；

S6：建模本地计算模式子任务完成时间；

S7：建模边缘服务器卸载模式子任务完成时间；

S8：建模子任务卸载及调度约束条件；

S9：确定子任务卸载及协同调度策略以实现任务最大完成时间最小化；

所述步骤S1具体包括：建模一个多移动设备MD多边缘服务器的移动边缘计算MEC系统，系统内时间被分为多个时隙，持续时间为T，令t表示时隙的索引，t＝0,1,...,T；

所述步骤S2具体为：令Φ＝{MD₁,...,MD_i,...,MD_M}表示移动设备集合，MD_i表示第i个移动设备，1≤i≤M，M为移动设备总数目，f_i为本地MD_i的计算能力；

所述步骤S3具体为：令Ψ＝{MEC₁,...,MEC_j,...,MEC_N}表示MEC服务器的集合，MEC_j表示第j个边缘服务器，1≤j≤N，N为边缘服务器的数量，

表示第j个边缘服务器的服务能力，B_j表示边缘服务器MEC_j所关联基站的带宽；

所述步骤S4具体为：MD_i请求的任务由多个具有因果依赖关系的子任务组成；对于每一个子任务采用二元卸载方式，即子任务能够选择在MD本地处理或卸载至MEC服务器处理；令K＝{A_i,k|1≤i≤M,1＜k≤K_i}表示子任务的集合，K_i为MD_i的子任务数目，令A_i,k为MD_i的第k个子任务，

其中，I_i,k为子任务A_i,k的任务数据量，C_i,k为完成子任务A_i,k所需要的CPU周期数，

为完成子任务A_i,k的截止时间；令ψ_p(.)和ψ_d(.)为子任务依赖关系函数；若A_i,k'为A_i,k的前级子任务，也即执行A_i,k前需执行A_i,k'，定义ψ_p(A_i,k)＝A_i,k'；若A_i,k'为A_i,k的后一级子任务，即需首先执行A_i,k，继而执行A_i,k'，定义ψ_d(A_i,k)＝A_i,k'；

所述步骤S5具体为：建模子任务A_i,k的完成时间为T_i,k，

其中，

为子任务A_i,k的本地卸载决策二元变量，

表示子任务A_i,k在本地执行，否则，

为子任务A_i,k的MEC服务器卸载变量，

表示子任务A_i,k卸载至MEC_j执行，否则，

和

分别为A_i,k在本地计算模式和MEC卸载模式下的完成时间；

所述步骤S6具体为：建模本地计算模式下子任务的完成时间为

其中，

由前序子任务的完成时间决定，建模为

为A_i,k本地执行排队时延，建模为

为A_i,k本地执行的处理时延，建模为

所述步骤S7具体为：令

表示边缘服务器卸载模式下子任务完成时间，其中，

由前序子任务的完成时间决定，建模为

为A_i,k传输等待时延，

为子任务A_i,k卸载至MEC_j的传输时延，建模为

其中，R_i,j,t为子任务A_i,k卸载至边缘服务器MEC_j对应的传输速率，建模为

其中，p_i为MD_i的发射功率，h_ij为MD_i与MEC_j所关联基站之间的链路增益，σ²为噪声功率，y_i,k,j,t为传输时隙分配标识，y_i,k,j,t＝1表示子任务A_i,k占用时隙t传输至MEC_j，否则，y_i,k,j,t＝0；τ为时隙长度；

为子任务A_i,k在MEC_j执行的排队时延，建模为

为子任务A_i,k在MEC_j上执行的处理时延，建模为

所述步骤S8具体包括：

任务卸载约束条件建模为：

传输速率约束条件建模为：若

其中，

为MD_i的最低传输速率限制；

子任务依赖关系约束条件建模为：

子任务截止时间约束条件建模为：

时隙分配约束条件建模为：

所述步骤S9具体包括：在满足任务卸载约束条件的前提下，以系统最大任务完成时间为优化目标，确定边缘服务器任务卸载及调度策略，即：

其中，

本地执行最优计算策略变量，

为MEC卸载最优策略变量，

为传输时隙分配最优调度策略。

Images