CN111835819A - 移动边缘计算中区域化层次化任务迁移方法 - Google Patents
移动边缘计算中区域化层次化任务迁移方法 Download PDFInfo
- Publication number
- CN111835819A CN111835819A CN202010378577.1A CN202010378577A CN111835819A CN 111835819 A CN111835819 A CN 111835819A CN 202010378577 A CN202010378577 A CN 202010378577A CN 111835819 A CN111835819 A CN 111835819A
- Authority
- CN
- China
- Prior art keywords
- edge
- task
- domain
- migration
- server
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multi Processors (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种移动边缘计算中区域化层次化任务迁移方法,包括:(1)对由边缘服务器构成的网络边缘进行分域管理,将多个地理位置相近的边缘服务器划分为边缘域,并在每个边缘域中设置边缘代理,从而形成域内、域间两个层面。(2)面向负载均衡的域内任务迁移:(3)基于终端移动性感知的域间任务迁移:首先边缘代理感知终端的位置变化并判断其计算任务是否需要迁移,然后通过边缘代理间的任务迁移协商机制完成任务迁移。该方案解决边缘服务器负载均衡问题和移动终端位置变化问题,以适应移动边缘计算环境的动态变化。
Description
技术领域
本发明涉及一种移动边缘计算中区域化层次化任务迁移方法,属于边缘计算中任务 迁移技术领域。
背景技术
近年来,移动互联网、物联网技术飞速发展,在智能交通、智能制造、智能家居等领域催生了大量的新型应用,使得用户的移动终端在数据传输、计算和处理等方面的需 求激增,给云计算平台和网络基础设施带来了很大的压力。同时,云计算模式也很难满 足用户在低延迟、低通信成本等方面的需求,因此,更靠近用户的移动边缘计算成为关 注的热点。
在移动边缘计算中,如何合理地将计算任务从终端迁移到边缘服务器/云平台,是提 升用户体验的关键。其中,存在着边缘服务器负载过重和用户位置变化等问题,将直接导致计算任务的响应时间变长。针对边缘服务器负载过重的问题,现有的解决方案主要 关注边缘服务器和云平台之间的任务迁移,即在边缘服务器资源不足时,将任务迁移至 云计算中心。针对用户位置变化的问题,现有的解决方案主要依据用户位置的变化迁移 任务,并未考虑边缘服务器的负载。如何根据边缘服务器的负载和用户位置的变化实施 任务迁移,使得用户的服务质量得到显著的提高是当前的重要技术挑战。
发明内容
本发明针对移动边缘计算场景,从边缘服务器之间任务迁移的角度出发,提出了边缘 域的概念,将多个地理位置相近的边缘服务器组成统一管理的自治域,在此基础上,结 合边缘域内和边缘域间两个层次,提出一种区域化层次化的任务迁移机制,解决边缘服务器负载均衡问题和移动终端位置变化问题,以适应移动边缘计算环境的动态变化。
为了解决上述问题,本发明的技术方案如下:本发明所述的移动边缘计算中区域化层 次化任务迁移方法包括:
步骤(1)边缘域划分:对由边缘服务器构成的网络边缘进行分域管理,将多个地理位置相近的边缘服务器划分为边缘域,并在每个边缘域中设置边缘代理,从而形成域内、域间两个层面。
步骤(2)面向负载均衡的域内任务迁移:首先开始计算任务初始化放置,即对边缘服务器的服务能力和计算任务的资源需求做向量化表示,之后分别利用Spatial-Top-k 算法和Lottery Scheduling调度算法分配计算任务到边缘服务器;其次,建立边缘域内 的负载均衡的任务迁移模型,该模型是由边缘代理构建的域内全局模型,分为计算任务 层和边缘层,边缘层节点表示边缘服务器,计算任务层节点表示计算任务,边缘层节点 与计算层节点的连接则代表一种可迁移的关系;最后,利用基于迭代局部搜索的任务迁 移算法实施计算任务的迁移。
步骤(3)基于终端移动性感知的域间任务迁移:首先边缘代理感知终端的位置变化 并判断其计算任务是否需要迁移,然后通过边缘代理间的任务迁移协商机制完成任务迁 移。
进一步的,所述步骤(1)具体包括:
(11)将多个地理位置相近的边缘服务器组成统一管理的边缘域;
(12)在每个边缘域中设置一个边缘代理负责该边缘域内的负载均衡的计算任务迁 移和协商边缘域间的计算任务迁移。
进一步的,所述步骤(2)中计算任务初始化放置方法为:
(211)将边缘服务器可提供的CPU、内存、磁盘、网络带宽资源量建模成四维资源向量ri,计算任务对资源需求记为向量cj;
(213)利用Spatital-Top-k算法选择离设备最近的k个边缘服务器;
(214)检查边缘服务器资源向量ri,选出能满足需求向量cj的边缘服务器;
(215)利用Lottery Scheduling调度算法随机迁移计算任务到其中的一个边缘服务器。
进一步的,所述步骤(2)中面向边缘负载均衡的任务迁移场景模型为:
(221)模型划分为边缘层与计算任务层,边缘层中的节点表示该边缘中的边缘服务 器,计算任务层中的节点表示当前正在该边缘域执行的计算任务;
(222)边缘层节点和计算任务层节点之间的连接表示一种可迁移关系。
进一步的,所述步骤(2)中基于迭代局部搜索的任务迁移算法迁移计算任务具体包 括:
(231)边缘服务器i的负载Li定义为边缘服务器CPU、内存、磁盘、网络带宽4种 资源的利用率构成的向量,负载向量之间以max(Li)进行比较。计算任务对边缘服务器的 影响定义为对边缘服务器CPU、内存、磁盘、网络带宽4种资源需求率中最大的,需求率 指计算任务的需求资源与所在边缘服务器的资源的比值;
(232)取负载最大的边缘服务器为迁出边缘服务器为u,对该边缘服务器影响最大的计算任务为待迁移的计算任务jopt;
(233)设定负载均衡策略:
其中vopt是迁入边缘服务器,待迁入边缘服务器v的取值范围为边缘域内除u外所有边缘 服务器,表示任务迁移后的迁出边缘服务器负载,表示任务迁移后迁入边缘服务器 负载,max(Li)表示取Li中最大的元素;
(235)若连续迭代s次中没有计算任务被迁移或总的迭代次数超过t,算法终止;否则,重复上述步骤。
进一步的,所述步骤(3)具体包括:
(31)无线接入站(基站)采集终端的标志(MAC地址、ISMI)和信号强度信息,并 上传至所在边缘域内的边缘代理,边缘代理汇聚终端的信息,估计终端位置;
(32)边缘代理根据该终端的位置信息与任务分配状况,判断该终端的计算任务是否需要迁移;
(33)针对要迁移的计算任务,边缘代理与移动终端将要进入的边缘域的代理协商, 确定候选的迁入边缘服务器;
(34)候选边缘服务器根据自身状况,决定是否可以接收该任务,发出相应的迁移响应消息;
(35)源边缘服务器对可接收该任务的边缘服务器进行评估,选择合适的边缘服务器为目的边缘服务器,向所有的候选边缘服务器发送迁移决策消息,通告选中的目的边 缘服务器;
(36)目的边缘服务器向所在边缘域内的边缘代理注册相关信息,并完成任务迁移。
相对于现有技术,本发明的优点如下:
1)本发明通过分域管理,可显著提升边缘服务器之间任务迁移的效率,以域内和域 间两个层次的任务迁移,有效降低边缘服务器过载和用户位置变化给用户体验带来 的影响;
2)本发明综合考虑了计算任务在CPU、内存、磁盘、网络带宽等多方面的资源需求,建立了一种面向边缘负载均衡的任务迁移场景模型,并设计了一种基于迭代局部搜 索的任务迁移算法,可有效增强边缘服务器的服务能力,更好地保证用户体验;
3)本发明区别于传统的基于终端移动性感知的任务迁移技术,引入了边缘代理,由 两个域的边缘代理进行任务迁移的协商,可以更高效地完成域间的任务迁移。此外, 边缘代理拥有域内的全局视图,可为任务的迁移提供性能更优的目的边缘服务器。
附图说明
图1是本发明计算任务初始化放置方法的流程图;
图2是本发明面向边缘负载均衡的任务迁移场景模型图;
图3是本发明基于迭代局部搜索的任务迁移算法的流程图;
图4是本发明的基于终端移动性感知的边缘域间任务迁移的示意图。
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详细阐述。
实施例1:参见图1-图4,本实施例提供一种移动边缘计算中区域化层次化任务迁移方法,根据用户边缘计算需求在空间和时间上的分布特点,实施计算任务的迁移以提 高边缘计算能力利用率和用户的服务质量。该方法分为三个步骤,分别是边缘域划分、 面向负载均衡的域内任务迁移、基于终端移动性感知的域间任务迁移。
1、边缘域划分
本实施例对服务区域进行划分,将地理位置相近的边缘服务器组成统一管理的自治 域,成为边缘域。在成功确定边缘域后,选取一个计算能力最强的边缘服务器作为边缘代理,管理边缘域内所有边缘服务器,可获取到边缘域内所有边缘服务器的负载状况、 计算任务的资源需求和边缘服务器之间的路由信息。
2、面向负载均衡的域内任务迁移
本实施例根据当前的用户计算任务的资源需求,分成计算任务初始化放置、面向边 缘负载均衡的任务迁移场景模型和基于迭代局部搜索的任务迁移算法3个步骤,实施边缘域内的任务迁移。具体如下:
2.1计算任务初始化放置
首先将边缘服务器的CPU、内存、磁盘、网络带宽资源量建模成四维资源向量ri,计算任务对资源需求记为向量cj。此时计算任务和边缘服务器都已用多维资源向量进行表示,仅需要考虑将一个到达的计算任务放置到边缘服务器,流程图如图1所示:
(1)确定计算任务资源向量cj,获取空间位置,初始化k;
(2)计算与所有的边缘服务器的欧式距离记录为距离集合D={d1,d2,…,dn};
(3)对距离集合D排序;
(4)选择距离前k小的边缘服务器的资源向量构成集合R={r1,r2,…,rk};
(5)获得所有能满足计算任务的边缘服务器集合E,即cj<ri;
(6)若E为空集,则放置计算任务失败,终止算法;否则使用Lottery Scheduling算法在服务器集合中E确定一个边缘服务器,并放置计算任务到该边缘服务器上,结束 计算任务初始化放置。
2.2构建面向边缘负载均衡的任务迁移场景模型
构建一个任务迁移场景模型,描述边缘服务器与计算任务两种实体及其之间的可迁 移关系,其模型图如图2所示。
边缘代理可获取到边缘域内所有边缘服务器的一个全局视图,包括边缘服务器的负 载状况、计算任务的资源需求、边缘服务器之间的路由信息。该模型包括2个层面,边 缘层与计算任务层。边缘层节点表示该边缘域中的边缘服务器;计算任务层中的节点表 示当前正在该边缘域执行的计算任务。边缘层节点与计算任务层节点之间的连接,表示 一种可迁移关系。
对于边缘服务器i,定义负载变量Li:Li={α1i,α2i,α3i,α4i},其中α1i,α2i,α3i,α4i分别对应边缘服务器i的CPU、内存、磁盘、和网络带宽利用率,max(Li)表示取Li中最大 的元素。
2.3基于迭代局部搜索的任务迁移算法
该算法的核心思想是以迭代地方式选择边缘域内负载最大的边缘服务器并降低其负 载。流程图如图3所示,其中和表示任务迁移后的迁出和迁入边缘服务器负载,负载 向量之间以max(Li)进行比较。计算任务对边缘服务器的影响定义为对边缘服务器CPU、内存、磁盘、网络带宽4种资源需求率中最大的,需求率指计算任务的需求资源与所在 边缘服务器的资源的比值。
具体步骤如下:
(1)初始化k=0,j=0,p,s,t;
(2)计算边缘域内所有边缘服务器的负载,k++,j++;
(3)随机取出负载前p大的边缘服务器中的一个作为迁出边缘服务器u;
(4)对该边缘服务器负载影响最大的计算任务作为待迁移的计算任务jopt;
(6)将边缘域内剩余边缘服务器作为待迁入边缘服务器,计算
,得到迁入边缘服务器v=vopt;
(8)从迁出边缘服务器u迁移计算任务到迁入边缘服务器v,k=0;
(9)若k<s且j<t,则回到步骤(2);否则停止计算任务迁移。
最终会达到边缘域内的负载均衡。
3、基于终端移动性感知的边缘域间任务迁移
本实施例中边缘代理可获取到其所管理的边缘域中计算任务在各边缘服务器的分配 信息,以及终端的位置信息。其域间迁移机制如图4所示,具体步骤如下:
(1)无线接入站(基站)采集终端的标志(MAC地址、ISMI)和信号强度信息,并 上传至所在边缘域内的边缘代理,边缘代理汇聚终端的信息,估计终端位置;
(2)边缘代理根据终端位置变化及其计算任务所在的边缘域,判断终端的计算任务 是否需要迁移,若终端将要进入一个新的边缘域,则需实施任务迁移;
(3)针对待迁移的计算任务,边缘代理可判断其移动终端即将进入的边缘域,并向该域的边缘代理发送任务迁出消息,得到候选的可迁入的边缘服务器;
(4)边缘代理向该计算任务的源边缘服务器发送任务迁出消息,包括待迁移的任务 相关信息,候选的可迁入边缘服务器;
(5)源边缘服务器向所有的候选边缘服务器发送迁移请求消息,包括待迁移任务的 资源需求;
(6)候选边缘服务器根据自身状况,决定是否可以接收该任务,发出相应的迁移响应消息;
(7)源边缘服务器对可接收该任务的边缘服务器进行负载状况评估,选择负载最低 的边缘服务器为目的边缘服务器,向所有的候选边缘服务器发送迁移决策消息,通告选中的目的边缘服务器;
(8)目的边缘服务器发送终端任务状态请求消息给源边缘服务器,源边缘服务器对 消息进行反馈,并通知终端;
(9)目的边缘服务器向所在边缘域内的边缘代理注册相关信息,并完成任务迁移。
以上所揭露的仅为本发明一种较佳实施例而已,不能以此来限定本发明之权利范围, 因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (5)
1.移动边缘计算中区域化层次化任务迁移方法,其特征在于,该方法包括以下步骤:
步骤(1)对由边缘服务器构成的网络边缘进行分域管理,将多个地理位置相近的边缘服务器划分为边缘域,并在每个边缘域中设置边缘代理,从而形成域内、域间两个层面;
步骤(2)面向负载均衡的域内任务迁移:首先开始计算任务初始化放置,即对边缘服务器的服务能力和计算任务的资源需求做向量化表示,之后分别利用Spatial-Top-k算法和Lottery Scheduling调度算法分配计算任务到边缘服务器;其次,建立边缘域内的负载均衡的任务迁移模型,该模型是由边缘代理构建的域内全局模型,包括域内的边缘服务器和计算任务,以及边缘服务器与计算任务之间的可迁移关系;最后,利用基于迭代局部搜索的任务迁移算法实施计算任务的迁移;
步骤(3)基于终端移动性感知的域间任务迁移:首先边缘代理感知终端的位置变化并判断其计算任务是否需要迁移,然后通过边缘代理间的任务迁移协商机制完成任务迁移。
3.根据权利要求2所述的移动边缘计算中区域化层次化任务迁移方法,其特征在于:所述步骤(2)中面向边缘负载均衡的任务迁移场景模型为:
(221)模型包括边缘层与计算任务层,边缘层中的节点表示该边缘中的边缘服务器,计算任务层中的节点表示当前正在该边缘域执行的计算任务;
(222)边缘层节点和计算任务层节点之间的连接表示一种可迁移关系。
4.根据权利要求3所述的移动边缘计算中区域化层次化任务迁移方法,其特征在于:所述步骤(2)中基于迭代局部搜索的任务迁移算法迁移计算任务具体包括:
(231)边缘服务器i的负载Li定义为边缘服务器CPU、内存、磁盘、网络带宽4种资源的利用率构成的向量,负载向量之间以max(Li)进行比较,计算任务对边缘服务器的影响定义为对边缘服务器CPU、内存、磁盘、网络带宽4种资源需求率中最大的,需求率指计算任务的需求资源与所在边缘服务器的对应资源的比值;
(232)取负载最大的边缘服务器为迁出边缘服务器为u,对该边缘服务器影响最大的计算任务为待迁移的计算任务jopt;
(233)设定负载均衡策略:
(235)若连续迭代s次中没有计算任务被迁移或总的迭代次数超过t,算法终止;否则,重复上述步骤。
5.根据权利要求4所述的移动边缘计算中区域化层次化任务迁移方法,其特征在于:所述步骤(3)具体包括:
(31)无线接入站(基站)采集终端的标志(MAC地址、ISMI)和信号强度信息,并上传至所在边缘域内的边缘代理,边缘代理汇聚终端的信息,估计终端位置;
(32)边缘代理根据终端位置变化及其计算任务所在的边缘域,判断终端的计算任务是否需要迁移,若终端将要进入一个新的边缘域,则需实施任务迁移;
(33)针对待迁移的计算任务,边缘代理与移动终端将要进入的边缘域的代理协商,确定候选的迁入边缘服务器;
(34)候选的迁入边缘服务器根据自身状况,决定是否可以接收该任务,发出相应的迁移响应消息;
(35)源边缘服务器对可接收该任务的边缘服务器进行评估,选择合适的边缘服务器为目的边缘服务器,向所有的候选边缘服务器发送迁移决策消息,通告选中的目的边缘服务器;
(36)目的边缘服务器,向所在边缘域内的边缘代理注册相关信息,并完成任务迁移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010378577.1A CN111835819B (zh) | 2020-05-07 | 2020-05-07 | 移动边缘计算中区域化层次化任务迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010378577.1A CN111835819B (zh) | 2020-05-07 | 2020-05-07 | 移动边缘计算中区域化层次化任务迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111835819A true CN111835819A (zh) | 2020-10-27 |
CN111835819B CN111835819B (zh) | 2023-04-18 |
Family
ID=72914040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010378577.1A Active CN111835819B (zh) | 2020-05-07 | 2020-05-07 | 移动边缘计算中区域化层次化任务迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111835819B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112511649A (zh) * | 2020-12-21 | 2021-03-16 | 新疆品宣生物科技有限责任公司 | 多接入边缘计算方法及设备 |
CN112601232A (zh) * | 2020-12-10 | 2021-04-02 | 中国科学院深圳先进技术研究院 | 基于最小费用最大流的负载均衡的多服务迁移方法及系统 |
CN112788109A (zh) * | 2020-12-29 | 2021-05-11 | 哈尔滨工业大学 | 一种基于移动预测和多层服务部署的服务迁移方法和系统 |
CN112995276A (zh) * | 2021-02-01 | 2021-06-18 | 中铁第四勘察设计院集团有限公司 | 一种协作空间通信方法及装置 |
CN113992691A (zh) * | 2021-12-24 | 2022-01-28 | 苏州浪潮智能科技有限公司 | 一种边缘计算资源的分配方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107196865A (zh) * | 2017-06-08 | 2017-09-22 | 中国民航大学 | 一种负载感知的自适应阈值过载迁移方法 |
CN111031102A (zh) * | 2019-11-25 | 2020-04-17 | 哈尔滨工业大学 | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 |
-
2020
- 2020-05-07 CN CN202010378577.1A patent/CN111835819B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107196865A (zh) * | 2017-06-08 | 2017-09-22 | 中国民航大学 | 一种负载感知的自适应阈值过载迁移方法 |
CN111031102A (zh) * | 2019-11-25 | 2020-04-17 | 哈尔滨工业大学 | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112601232A (zh) * | 2020-12-10 | 2021-04-02 | 中国科学院深圳先进技术研究院 | 基于最小费用最大流的负载均衡的多服务迁移方法及系统 |
CN112601232B (zh) * | 2020-12-10 | 2022-04-26 | 中国科学院深圳先进技术研究院 | 基于最小费用最大流的负载均衡的多服务迁移方法及系统 |
CN112511649A (zh) * | 2020-12-21 | 2021-03-16 | 新疆品宣生物科技有限责任公司 | 多接入边缘计算方法及设备 |
CN112788109A (zh) * | 2020-12-29 | 2021-05-11 | 哈尔滨工业大学 | 一种基于移动预测和多层服务部署的服务迁移方法和系统 |
CN112788109B (zh) * | 2020-12-29 | 2022-04-19 | 哈尔滨工业大学 | 一种基于移动预测和多层服务部署的服务迁移方法和系统 |
CN112995276A (zh) * | 2021-02-01 | 2021-06-18 | 中铁第四勘察设计院集团有限公司 | 一种协作空间通信方法及装置 |
CN113992691A (zh) * | 2021-12-24 | 2022-01-28 | 苏州浪潮智能科技有限公司 | 一种边缘计算资源的分配方法、装置、设备及存储介质 |
CN113992691B (zh) * | 2021-12-24 | 2022-04-22 | 苏州浪潮智能科技有限公司 | 一种边缘计算资源的分配方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111835819B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111835819B (zh) | 移动边缘计算中区域化层次化任务迁移方法 | |
Xia et al. | Cost-effective app data distribution in edge computing | |
Chiti et al. | A matching theory framework for tasks offloading in fog computing for IoT systems | |
Chamola et al. | An optimal delay aware task assignment scheme for wireless SDN networked edge cloudlets | |
CN113076177B (zh) | 一种边缘计算环境下的虚拟机动态迁移方法 | |
Li et al. | Deployment of edge servers in 5G cellular networks | |
CN107734482B (zh) | 基于d2d和业务卸载的内容分发方法 | |
Krolikowski et al. | A decomposition framework for optimal edge-cache leasing | |
Zheng et al. | 5G network-oriented hierarchical distributed cloud computing system resource optimization scheduling and allocation | |
Li et al. | Deep reinforcement learning-based resource allocation and seamless handover in multi-access edge computing based on SDN | |
Xu et al. | MECC: A mobile edge collaborative caching framework empowered by deep reinforcement learning | |
Li et al. | DQN-enabled content caching and quantum ant colony-based computation offloading in MEC | |
CN113163409B (zh) | 一种基于人工智能的移动边缘计算服务放置方法 | |
Han et al. | Dynamic task offloading and service migration optimization in edge networks | |
Ren et al. | Distributed edge system orchestration for web-based mobile augmented reality services | |
KR101896056B1 (ko) | 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치 및 방법 | |
Malazi et al. | Distributed service placement and workload orchestration in a multi-access edge computing environment | |
Jin et al. | A real-time multimedia streaming transmission control mechanism based on edge cloud computing and opportunistic approximation optimization | |
Lin et al. | Joint Optimization of Offloading and Resource Allocation for SDN‐Enabled IoV | |
Silva et al. | Network and cloudlet selection for computation offloading on a software-defined edge architecture | |
Chabbouh et al. | Novel cloud-RRH architecture with radio resource management and QoS strategies for 5G HetNets | |
Chi et al. | Multi-criteria dynamic service migration for ultra-large-scale edge computing networks | |
Khan et al. | A semi and fully distributed handover algorithm for heterogeneous networks using MIIS | |
Cai et al. | Game theory-based device-to-device network access algorithm for heterogeneous networks | |
Wang et al. | Mobility management in ubiquitous environments |
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 |