CN111835819B - 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 PDF

Info

Publication number
CN111835819B
CN111835819B CN202010378577.1A CN202010378577A CN111835819B CN 111835819 B CN111835819 B CN 111835819B CN 202010378577 A CN202010378577 A CN 202010378577A CN 111835819 B CN111835819 B CN 111835819B
Authority
CN
China
Prior art keywords
edge
task
domain
migration
edge 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.)
Active
Application number
CN202010378577.1A
Other languages
English (en)
Other versions
CN111835819A (zh
Inventor
吴文甲
马胜
杨明
凌振
顾晓丹
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202010378577.1A priority Critical patent/CN111835819B/zh
Publication of CN111835819A publication Critical patent/CN111835819A/zh
Application granted granted Critical
Publication of CN111835819B publication Critical patent/CN111835819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

移动边缘计算中区域化层次化任务迁移方法
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；
(212)确定任务的需求向量cj，计算终端设备当前空间位置(x，y)到每个边缘服务器的欧式空间距离
Figure GDA0002683812710000021
(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：
Figure GDA0002683812710000031
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，
Figure GDA0002683812710000032
表示任务迁移后的迁出边缘服务器负载，
Figure GDA0002683812710000033
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；
(234)若迁入服务器的负载不超过迁出服务器的原负载，即
Figure GDA0002683812710000034
则采用，否则放弃；
(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
Figure GDA0002683812710000052
和
Figure GDA0002683812710000051
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
Figure GDA0002683812710000061
，得到迁入边缘服务器v＝vopt；
(7)若迁入服务器的负载不超过迁出服务器的原负载，即
Figure GDA0002683812710000062
则进入步骤(8)；否则进入步骤(9)；
(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 (1)

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)面向边缘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，建立边缘域内的面向边缘负载均衡的任务迁移场景模型，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)基于移动终端移动性感知的域间任务迁移：首先边缘代理感知移动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；
所述步骤(2)中计算任务初始化放置为：
(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边缘服务器的四维资源向量ri，计算任务对资源需求记为向量cj；
(212)确定计算任务所需的cj，计算移动终端当前空间位置(x,y)到每个边缘服务器的欧式空间距离其中(xi,yi)为边缘服务器当前空间位置；
(213)利用Spatital-Top-k算法选择离移动终端最近的k个边缘服务器；
(214)检查边缘服务器的四维资源向量ri，选出能满足向量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，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，
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负载向量，负载向量之间以max(Li)进行比较，将对边缘服务器CPU、内存、磁盘、网络带宽4种资源中需求率最大的资源定义为计算任务对边缘服务器的影响，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，表示任务迁移后待迁入边缘服务器负载，max(Li)表示取Li中最大的元素；Lv是待迁入边缘服务器的原负载，
Lu迁出边缘服务器的原负载；
(234)若任务迁移后待迁入边缘服务器负载不超过迁出边缘服务器的原负载，即则采用，否则放弃；
(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，
所述步骤(3)具体包括：
(31)无线接入站即基站采集移动终端的标志即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，边缘代理汇聚移动终端的信息，估计移动终端位置；
(32)边缘代理根据移动终端位置变化及其计算任务所在的边缘域，判断移动终端的计算任务是否需要迁移，若移动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。
CN202010378577.1A 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 Active CN111835819B (zh)

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 CN111835819A (zh) 2020-10-27
CN111835819B true 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)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112511649B (zh) * 2020-12-21 2022-08-26 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
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
CN112995276B (zh) * 2021-02-01 2023-03-24 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
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
CN118647053A (zh) * 2024-08-14 2024-09-13 罗普特科技集团股份有限公司 一种基于边缘计算的车辆联网方法

Citations (1)

* Cited by examiner, † Cited by third party
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111031102B (zh) * 2019-11-25 2022-04-12 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

Patent Citations (1)

* Cited by examiner, † Cited by third party
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

Also Published As

Publication number Publication date
CN111835819A (zh) 2020-10-27

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
Okay et al. Routing in fog-enabled IoT platforms: A survey and an SDN-based solution
Mahenge et al. Energy-efficient task offloading strategy in mobile edge computing for resource-intensive mobile applications
Chamola et al. An optimal delay aware task assignment scheme for wireless SDN networked edge cloudlets
CN115039391A (zh) 用于提供边缘计算服务的方法和装置
Aloqaily et al. Energy-aware blockchain and federated learning-supported vehicular networks
Rasheed et al. An overview of mobile edge computing: Architecture, technology and direction
Xu et al. PDMA: Probabilistic service migration approach for delay‐aware and mobility‐aware mobile edge computing
Krolikowski et al. A decomposition framework for optimal edge-cache leasing
CN113163409B (zh) 一种基于人工智能的移动边缘计算服务放置方法
Li et al. Deployment of edge servers in 5G cellular networks
Zheng et al. 5G network-oriented hierarchical distributed cloud computing system resource optimization scheduling and allocation
WO2020194217A1 (en) System and method for enabling an execution of a plurality of tasks in a heterogeneous dynamic environment
Khodaparas et al. A software-defined caching scheme for the Internet of Things
Li et al. Deep reinforcement learning-based resource allocation and seamless handover in multi-access edge computing based on SDN
CN113076177A (zh) 一种边缘计算环境下的虚拟机动态迁移方法
Li et al. DQN-enabled content caching and quantum ant colony-based computation offloading in MEC
Moon et al. Task migration based on reinforcement learning in vehicular edge computing
Shahraki et al. A comparative node evaluation model for highly heterogeneous massive‐scale Internet of Things‐Mist networks
CN109327340B (zh) 一种基于动态迁移的移动无线网络虚拟网映射方法
Chi et al. Multi-criteria dynamic service migration for ultra-large-scale edge computing networks
Silva et al. Network and cloudlet selection for computation offloading on a software-defined edge architecture
Khan et al. A semi and fully distributed handover algorithm for heterogeneous networks using MIIS

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