CN111949409B - 一种电力无线异构网中计算任务卸载方法及系统 - Google Patents

一种电力无线异构网中计算任务卸载方法及系统 Download PDF

Info

Publication number
CN111949409B
CN111949409B CN202010845168.8A CN202010845168A CN111949409B CN 111949409 B CN111949409 B CN 111949409B CN 202010845168 A CN202010845168 A CN 202010845168A CN 111949409 B CN111949409 B CN 111949409B
Authority
CN
China
Prior art keywords
computing
resource
preset
service
computing resources
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
CN202010845168.8A
Other languages
English (en)
Other versions
CN111949409A (zh
Inventor
白巍
刘理峰
邵炜平
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.)
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
Global Energy Interconnection Research Institute
State Grid Shanghai Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
Global Energy Interconnection Research Institute
State Grid Shanghai Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
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 State Grid Corp of China SGCC, State Grid Zhejiang Electric Power Co Ltd, Global Energy Interconnection Research Institute, State Grid Shanghai Electric Power Co Ltd, Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010845168.8A priority Critical patent/CN111949409B/zh
Publication of CN111949409A publication Critical patent/CN111949409A/zh
Application granted granted Critical
Publication of CN111949409B publication Critical patent/CN111949409B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/502—Proximity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/509—Offload

Abstract

本发明提供的电力无线异构网中计算任务卸载方法及系统，该方法通过获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量；根据初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策；根据业务信息及当前计算任务卸载决策计算所有业务所需的计算资源总量；判断计算资源总量与计算资源数量的关系是否满足预设计算任务卸载条件；当计算资源总量与计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策。通过实施本发明，通过优化卸载策略能够同时最大化业务的一致性和边缘服务器的收益。

Description

一种电力无线异构网中计算任务卸载方法及系统
技术领域
本发明涉及电力物联网领域，具体涉及一种电力无线异构网中计算任务卸载方法及系统。
背景技术
近年来，随着物联网技术的日益成熟，边缘计算等智能化技术推广应用，电力物联网得到了巨大发展。电力无线异构网络是承载电力物联网业务的主要手段，包含了LTE230MHz无线专网、NB-IoT 230MHz无线专网、LTE无线公网以及NB-IoT无线公网等多种无线网络技术体制与形式异构组网。随着电力物联网业务发展以及边缘物联代理等边缘计算节点的部署，给电力物联网业务带来了优越的智能性，同时，电力物联网业务也对电力无线异构网络的边缘计算能力要求提出了新的挑战。
计算卸载是解决电力无线异构网络中计算灵活性并为业务提供高效边缘计算服务的一项关键技术，一般来说，计算卸载由三个阶段组成，即：数据上传，任务执行和结果返回。然而，在很多关于计算卸载的技术研究中都没有考虑计算任务的异构性以及边缘服务器计算资源的有限性而导致的队列延迟问题，导致无法最大化业务的一致性和边缘服务器的收益。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的未考虑计算任务的异构性以及边缘服务器计算资源的有限性而导致的队列延迟问题，导致无法最大化业务的一致性和边缘服务器的收益缺陷，从而提供一种电力无线异构网中计算任务卸载方法及系统。
第一方面，本发明实施例一种电力无线异构网中计算任务卸载方法，包括：获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量；根据所述初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策；根据所述业务信息及所述当前计算任务卸载决策计算所有业务所需的计算资源总量；判断所述计算资源总量与所述计算资源数量的关系是否满足预设计算任务卸载条件；当所述计算资源总量与所述计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策。
在一实施例中，所述判断所述计算资源总量与所述计算资源数量的关系是否满足预设计算任务卸载条件，包括：判断所述计算资源总量是否大于所述计算资源数量；当所述计算资源总量不大于所述计算资源数量时，判断所述计算资源数量与所述计算资源总量的差值是否满足第一预设资源数量范围；当所述计算资源数量与所述计算资源总量的差值满足第一预设资源数量范围时，判定所述计算资源总量与所述计算资源数量的关系满足预设计算任务卸载条件。
在一实施例中，电力无线异构网中计算任务卸载方法，还包括：当所述计算资源总量大于所述计算资源数量时，增加边缘服务器的计算资源数量，提高边缘服务器的预设计算资源售价，并返回所述根据所述初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策的步骤。
在一实施例中，电力无线异构网中计算任务卸载方法，还包括：当所述计算资源数量与所述计算资源总量的差值不满足第一预设资源数量范围时，对边缘服务器的初始计算资源售价进行更新，并返回所述根据所述初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策的步骤。
在一实施例中，所述对边缘服务器的初始计算资源售价进行更新，包括：判断所述计算资源数量与所述计算资源总量的差值是否小于所述第一预设资源数量范围的最小值；当所述计算资源数量与所述计算资源总量的差值小于所述第一预设资源数量范围的最小值时，降低边缘服务器的初始计算资源售价。
在一实施例中，所述对边缘服务器的初始计算资源售价进行更新，还包括：当所述计算资源数量与所述计算资源总量的差值大于所述第一预设资源数量范围的最大值时，提高边缘服务器的初始计算资源售价。
在一实施例中，所述计算任务卸载决策包括：本地计算、卸载到边缘服务器计算及卸载到辅助业务计算。
第二方面，本发明实施例提供一种电力无线异构网中计算任务卸载系统，包括：获取模块，用于获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量；决策模块，用于根据所述初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策；计算模块，用于根据所述业务信息及所述当前计算任务卸载决策计算所有业务所需的计算资源总量；判断模块，用于判断所述计算资源总量与所述计算资源数量的关系是否满足预设计算任务卸载条件；目标模块，用于当所述计算资源总量与所述计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策。
第三方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本发明实施例第一方面所述的电力无线异构网中计算任务卸载方法。
第四方面，本发明实施例提供一种计算机设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本发明实施例第一方面所述的电力无线异构网中计算任务卸载方法。
本发明技术方案，具有如下优点：
本发明提供的电力无线异构网中计算任务卸载方法，通过获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量；根据初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策；根据业务信息及当前计算任务卸载决策计算所有业务所需的计算资源总量；判断计算资源总量与计算资源数量的关系是否满足预设计算任务卸载条件；当计算资源总量与计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策。通过根据初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策，将计算卸载问题转化为斯塔克尔伯格博弈问题，在制定卸载策略的过程中，考虑了计算资源备份池、计算任务的异构性以及队列延迟的情况，使得最终得到的优化卸载策略能够同时最大化业务的一致性和边缘服务器的收益。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中电力无线异构网络场景的示意图；
图2为本发明实施例中电力无线异构网中计算任务卸载方法的一个具体示例的流程图；
图3为本发明实施例中电力无线异构网中计算任务卸载方法的另一个具体示例的流程图；
图4为本发明实施例中采用不同算法关于业务一致性的性能对比图；
图5为本发明实施例中采用不同计算卸载算法的业务一致性对比图；
图6为本发明实施例中边缘服务器的收益受单位计算资源价格的影响折线图；
图7为本发明实施例中算法的收敛曲线图；
图8为本发明实施例中电力无线异构网中计算任务卸载系统的一个具体示例的原理框图；
图9为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
在现有技术中，在电力无线异构网络场景下，为了得到最小化计算任务处理的能量消耗和计算时延的加权和，通常利用最大能量效率任务调度算法或利用软件定义网络的思想并基于种群博弈的计算卸载算法来研究计算卸载问题。然而，这些技术研究中都没有考虑计算任务的异构性以及边缘服务器计算资源的有限性而导致的队列延迟问题，导致无法最大化业务的一致性和边缘服务器的收益。
针对上述问题，本发明实施例提供一种电力无线异构网中计算任务卸载方法，应用于如图1所示的电力无线异构网络场景下，用于最大化业务的一致性和边缘服务器的收益，得到最小化计算任务处理的能量消耗和计算时延的加权和。
在电力无线异构网络场景下，假设为一个具有I个业务和N个基站的多接入网络场景，如图1所示，其中每个基站都配备有边缘服务器(即：边缘服务器)。业务和边缘服务器的集合分别表示为I＝{1,2,3,...,i,...I}和N＝{1,2,3,...,k,...,N}，其中i和k分别代表业务i和边缘服务器k。业务i和边缘服务器k之间通过蜂窝链路连接，每个业务也可以通过机会网络和它附近的业务进行通信，机会网络利用短程通信协议，例如，wifi，蓝牙等，仅以此为例，不以此为限。其中，机会网络是一种自组织网络，它引入了节点移动带来的偶遇机会来实现通信，而不是依赖源节点和目标节点之间的完整链路，机会网络使得业务不仅可以与设备到设备通信链路连接的业务通信，而且可以通过移动与计算节点通信。为了便于描述，将能够通过机会网络和业务i通信的业务集合表示为U，并称为辅助业务。此外，假设每个业务至多有M种需要处理的计算任务，每种计算任务是原子的，不能再分割。业务的计算任务类型集合表示为M＝{1,2,3,...,j,...,M}，其中可能包含交互式游戏，人脸识别，指纹识别，自然语言处理等，仅以此为例，不以此为限。另外，考虑到业务每次随机请求不同的计算任务，引入pi,j表示业务i的类型j的计算任务请求的概率，0<pi,j<1。对于在业务i的类型j的计算任务，它可以被描述为一个三元组，即：其中，Li,j表示计算任务的数据大小，Di,j表示完成计算任务总共需要的CPU周期数，/>代表计算任务要求的服务质量。
在电力无线异构网络场景下，本发明实施例提供的电力无线异构网中计算任务卸载方法，如图2所示，包括如下步骤：
步骤S1：获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量。
在一具体实施例中，首先需要获取电力无线异构网中业务信息以及网络运营商的计算资源销售价格和计算资源数量/>其中业务信息，包括：业务的数量I、计算任务bi,j、业务i的计算资源/>其中，i∈I，j∈M。将获取的上述参数进行初始化处理，并得到计算资源购买集合/>边缘服务器随机选择计算资源购买集合/>即边缘服务器随机选择向网络运营商购买的计算资源的价格和计算资源数量，并根据向网络运营商购买的计算资源价格确定边缘服务器的初始计算资源售价，其中边缘服务器随机选择向网络运营商购买的计算资源数量即为边缘服务器的计算资源数量。
步骤S2：根据初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策。
在一具体实施例中，根据初始计算资源售价及业务信息中的计算任务，采用基于斯塔克尔伯格博弈的计算卸载算法，确定各业务的当前计算任务卸载决策。在本发明实施例中，用δi,j表示业务i的类型j的计算任务的卸载决策，δi,j＝{-I,-(I-1),...,-m,-(i+1),-(i-1),...,0,1,2,...,k,...N}，其中，m∈I\i，k∈N。具体地，δi,j＝-m表示业务i将类型j的计算任务卸载到辅助业务m，δi,j＝0表示业务i决定通过自己的计算资源在本地执行类型j的计算任务，δi,j＝k表示业务i将类型j的计算任务卸载到边缘服务器k执行。
具体地，分别对不同的计算任务卸载决策下的时延和能耗进行建模分析，如果δi,j＝0，业务i选择利用自己的计算资源在本地执行类型j的计算任务。假设每个业务的计算能力在计算期间是不变的，但是可能随着业务的不同而改变。业务i可用的计算能力表示为其中/>表示业务i的计算能力，/>因此，在这种情况下总共的时延可以表示为：
已知它表示业务i选择本地计算时每个CPU周期消耗的能量。所以，在这种决策下的能量消耗可以表示为：/>
如果δi,j＝k，业务i选择将计算任务卸载到边缘服务器k执行。考虑到存在多个业务同时卸载到同一个边缘服务器k的情况，而边缘服务器的资源也是有限的。虽然边缘服务器可以向网络运营商购买计算资源，但由于购买资源需要一定的成本，而且边缘服务器是理性的，所以会存在队列延迟。为了计算计算任务bi,j在边缘服务器处的计算时延和队列时延，假设在业务i的计算任务请求概率服从泊松分布，那么，每种类型计算任务在边缘服务器k的到达也服从一个泊松分布，便可以将计算任务在边缘服务器处的执行时间和到达时间建模为M/M/1队列。因此，边缘服务器上计算任务的服务时间(包括执行时间和队列时间)服从指数分布，平均服务时间为1σM，其中，是从网络运营商购买的计算资源，/>是边缘服务器的计算能力。在这种情况下，平均完成每比特计算任务bi,j的时间可以表示为/>其中，/>是计算任务bi,j在边缘服务器处的平均到达速率，它可以表示为：
其中，X{#}＝0表示条件#为假，否则，X{#}＝1。所以，计算任务bi,j在这种情况下的总时延可以表示为：
其中，代表从业务i到边缘服务器k的传输速率。而且，令Pi,j,hi,k,Bk分别表示传输功率，信道增益和信道带宽。那么，/>可以表示为：
其中，N0代表加性高斯白噪声的功率。因此，在这种情况下处理计算任务的总能耗可以表示为：
如果δi,j＝-m，业务i选择将类型j的计算任务卸载到辅助业务m。由于业务i如果在高峰期决定将计算任务bi,j卸载给边缘服务器会存在较大的队列时延，所以业务将计算任务卸载到附近有大量空闲资源的辅助业务是一个明智的选择。在这种情况下，业务i通过机会网络将计算任务bi,j传输到辅助业务m。考虑到辅助业务计算资源的有限性，假设每个辅助业务一次只能帮助一个业务来完成计算任务，那么传输速率可以表示为：
其中，Bm和hi,m表示在业务i和辅助业务m之间的信道带宽和信道增益。令fi m表示辅助业务m可用的计算资源，所以，总共的时延可以表示为：
所以，在这种卸载决策下的总共能耗可以表示为：
步骤S3：根据业务信息及当前计算任务卸载决策计算所有业务所需的计算资源总量。
在一具体实施例中，每个业务根据自身的业务信息决定它当前计算任务卸载决策，当每个业务决定好自己的计算任务卸载决策后，根据当前计算任务卸载决策确定边缘服务器所需的计算资源总量。例如，当存在10个并行业务时，每个业务根据自身的业务信息决定它当前计算任务卸载决策，假设其中5个业务将计算任务卸载到边缘服务器，其中3个业务将计算任务利用自己的计算资源在本地执行计算任务，其中2个业务将计算任务卸载到附近有大量空闲资源的辅助业务执行计算任务。在本发明实施例中，主要考虑计算任务卸载到边缘服务器的卸载决策下所有业务所需的计算资源总量，即其中5个业务将计算任务卸载到边缘服务器所需的计算资源总量。
步骤S4：判断计算资源总量与计算资源数量的关系是否满足预设计算任务卸载条件。
在一具体实施例中，判断计算资源总量与计算资源数量的关系是否满足预设计算任务卸载条件，如图3所示，包括如下步骤：
步骤S41：判断计算资源总量是否大于计算资源数量。
步骤S42：当计算资源总量不大于计算资源数量时，判断计算资源数量与计算资源总量的差值是否满足第一预设资源数量范围。
步骤S43：当计算资源数量与计算资源总量的差值满足第一预设资源数量范围时，判定计算资源总量与计算资源数量的关系满足预设计算任务卸载条件。
在本发明实施例中，此处的第一预设资源数量范围根据边缘服务器的计算资源总量确定，在实际应用中，该第一预设资源数量范围可以根据实际情况进行设置，例如:可以假设第一预设资源数量范围为边缘服务器的计算资源数量的80％-90％，仅以此为例，不以此为限。在此范围内，既可最大化业务的一致性和边缘服务器的收益，又可充分利用边缘服务器的计算资源。
步骤S5：当计算资源总量与计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策。
在一具体实施例中，当计算资源总量为边缘服务器的计算资源数量的80％-90％时，此时的计算任务卸载决策可最大化业务的一致性和边缘服务器的收益，又可充分利用边缘服务器的计算资源，因此为最优的计算任务卸载决策，将当前最优的计算任务卸载决策确定为各业务的目标计算任务卸载决策。
本发明提供的电力无线异构网中计算任务卸载方法，通过获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量；根据初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策；根据业务信息及当前计算任务卸载决策计算所有业务所需的计算资源总量；判断计算资源总量与计算资源数量的关系是否满足预设计算任务卸载条件；当计算资源总量与计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策。通过根据初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策，将计算卸载问题转化为斯塔克尔伯格博弈问题，在制定卸载策略的过程中，考虑了计算资源备份池、计算任务的异构性以及队列延迟的情况，使得最终得到的优化卸载策略能够同时最大化业务的一致性和边缘服务器的收益。
在一实施例中，判断计算资源总量与计算资源数量的关系是否满足预设计算任务卸载条件，还包括：当计算资源总量大于计算资源数量时，增加边缘服务器的计算资源数量，提高边缘服务器的预设计算资源售价，并返回上述步骤S2。
在一具体实施例中，当计算资源总量大于计算资源数量时，说明边缘服务器对计算资源的需求仍然超过它的可用计算资源数量，那么服务器会购买网络运营商的计算资源，以便完成业务计算任务的处理请求，并提高边缘服务器的初始计算资源售价，并返回步骤S2，根据调整初始计算资源售价重新制定任务卸载决策。
在一实施例中，电力无线异构网中计算任务卸载方法，还包括：当计算资源数量与计算资源总量的差值不满足第一预设资源数量范围时，对边缘服务器的初始计算资源售价进行更新，并返回上述步骤S2。
在一具体实施例中，当计算资源数量与计算资源总量的差值不满足第一预设资源数量范围时，即当计算资源总量小于边缘服务器的计算资源数量的80％或大于边缘服务器的计算资源数量的90％，说明此时说明边缘服务器利用率未在最优区间，此时的计算任务卸载决策不是最优的计算任务卸载决策，需要调整边缘服务器的初始计算资源售价，并返回步骤S2，根据调整初始计算资源售价重新制定任务卸载决策。
具体地，判断计算资源数量与计算资源总量的差值是否小于第一预设资源数量范围的最小值；当计算资源数量与计算资源总量的差值小于第一预设资源数量范围的最小值时，降低边缘服务器的初始计算资源售价。即当计算资源数量小于边缘服务器的计算资源总量的80％时，此时的边缘服务器未得到充分利用，应降低边缘服务器的初始计算资源售价，并返回步骤S2，根据调整初始计算资源售价重新制定任务卸载决策，增加边缘服务器的利用率。
具体地，当计算资源数量与计算资源总量的差值大于第一预设资源数量范围的最大值时，提高边缘服务器的初始计算资源售价。当计算资源数量大于边缘服务器的计算资源总量的90％时，此时的边缘服务器会存在较大的队列时延，降低计算任务卸载效率，此时应提高边缘服务器的初始计算资源售价，并返回步骤S2，根据调整初始计算资源售价重新制定任务卸载决策，购买网络运营商的计算资源。
在一具体实施例中，根据上述三种卸载决策情况下的时延和能耗建模模型，对业务i处理类型j的计算任务的一致性进行定义，其中计算任务的一致性即是计算业务节省的能耗：
其中，αi,j是业务i特有的参数，表明业务i的类型j的计算任务对降低计算任务执行能耗的敏感程度，αi,j＞0。εm是辅助业务m给业务提供单位计算资源的收费价格，是边缘服务器k给业务提供单位计算资源的收费价格，βm是辅助业务m的成本消耗，/>是边缘服务器k的本消耗，/>是边缘服务器k分配给业务i的计算资源，εi是辅助业务i′给业务的单位定价，fi′ i是辅助业务i′给业务i的计算资源，βi是i′的成本消耗。
由于业务是理性的，他们通过制定卸载决策以最大化他们的一致性。在价格集合给定的情况下，业务i的最佳化问题可以公式化为：
其中，是边缘服务器k从网络运营商购买的计算资源数量。
在实际应用中，边缘服务器首先随机选择自己的计算资源售价以及从网络运营商购买的计算资源数量。由于每个服务器都是理性的，所以，服务器k的计算资源售价应该不小于计算资源的成本价。而且，每个服务器的计算资源售价都有一个上限所以，服务器随机选择的计算资源售价应该在区间/>中。
根据边缘服务器宣布的策略，它首先随机顺序选择业务。通过求解公式，每个业务决定它的卸载决策以及卸载计算任务需要的计算资源数量。基于业务的响应，每个服务器首先调整它的计算资源售价k∈N。在这次调整之后，如果服务器对计算资源的需求仍然超过它的可用计算资源数量，那么服务器会购买网络运营商的计算资源，以便完成业务计算任务的处理请求。相反，如果服务器对计算资源的需求量小于它自己可用的计算资源数量，服务器会减小/>直到/>业务会对服务器策略的改变做出响应。服务器策略将迭代更新，直到与上次迭代相比没有变化为止。
为了提高算法的效率，在迭代过程中可以省略一些边缘服务器不现实的策略，如下定理所示。
在边缘服务器k的计算资源售价满足的情况下，如果来自边缘服务器k上的业务的总共计算资源需求不小于它本身的计算资源容量上限/>它会进一步降低计算资源的售价，降低边缘服务器k的收益，k∈N。
在一具体实施例中，对上述三种卸载决策情况下的时延和能耗建模模型中进行仿真实验，其参数数值选择如1所示。
表1系统仿真参数
如图4所示，在仿真实验中，将本发明实施例提供的计算任务卸载方法与枚举法EM和随机卸载算法RA和统一价格UP的性能进行比较。从理论上讲，EM应该是最优的算法，从图4中可以看出，本发明实施例提供的计算任务卸载方法获得的业务一致性(完成计算任务节省的能耗)与EM算法非常接近，但是本发明实施例提供的计算任务卸载方法的时间复杂度却低于EM。由于RA算法的计算资源价格是随机变化的，所以RA算法获得的业务一直性是最低的。此外，可以看出，UP算法获得的业务一致性总比本发明实施例提供的计算任务卸载方法低，这是因为UP算法的计算资源价格不可以动态调整。因此，综合算法的时间复杂度以及算法的性能来看，本发明实施例提供的计算任务卸载方法可以被认为是全局最优的算法，也证明了算法的有效性。
如图5所示，在仿真实验中，将本发明实施例提供的计算任务卸载方法与其他两种计算卸载算法进行了比较，即：比例价格和动态价格。从图5可以看出，业务在进行计算卸载时，采用比例价格算法获得的业务一致性(业务节省的能耗)是最低的，这是因为由于比例价格算法中的计算资源售价与边缘服务器的计算资源成本成正比，不能根据供需情况动态调整。这也是其他两种算法比比例价格算法得到的业务一致性更高的原因。而且，由于边缘服务器计算资源的有限性，没有计算资源备份池方案获得的业务一致性不能随着业务数量的增加而增加。本发明实施例提供的计算任务卸载方法中，可以使用计算资源备份池补偿边缘服务器计算资源的不足，同时，价格也可以进行最优调整。因此，与其他两种算法相比，本发明实施例提供的计算任务卸载方法的性能更好，这也进一步证明了本发明实施例提供的计算任务卸载方法的有效性。
图6显示了随着业务数量的增加，计算资源备份池的资源售价对边缘服务器收益的影响趋势。从图6中可以看出，当计算资源售价上涨时，边缘服务器的收益都会下降。由于边缘服务器计算资源的有限性，随着业务数量的增加，边缘服务器需要从计算资源备份池购买更多的计算资源。因此，拥有更多业务的边缘服务器的收益更容易受到计算资源备份池计算价格的影响，并且更有可能随着价格的上涨而下降。而且，从图6中可以发现，当计算价格为0.9时，200个业务情况下的边缘服务器的收益和业务数量为160情况下的边缘收益是大致相等的，这是由于边缘服务器的计算资源售价存在上限导致的。当计算资源备份池的资源售价较高时，边缘服务器可能不会从计算资源备份池购买计算资源。同时，由于计算资源的限制，边缘服务器的卸载服务数量也是有限的。因此，在计算资源备份池的资源售价较高时，业务数量较多的情况下，边缘服务器获得的收益几乎是相同的。
图7给出了本发明实施例提供的计算任务卸载方法在业务一致性方面的收敛性，同时，证明了系统可以达到纳什均衡，这进一步说明本发明实施例提供的计算任务卸载方法不仅比EM算法时间复杂度低，更接近最优结果，而且是稳定的。
本发明实施例还提供一种电力无线异构网中计算任务卸载系统，如图8所示，包括：
获取模块1，用于获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量。详细内容参见上述方法实施例中步骤S1的相关描述，在此不再赘述。
决策模块2，用于根据初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策。详细内容参见上述方法实施例中步骤S2的相关描述，在此不再赘述。
计算模块3，用于根据业务信息及当前计算任务卸载决策计算所有业务所需的计算资源总量。详细内容参见上述方法实施例中步骤S3的相关描述，在此不再赘述。
判断模块4，用于判断计算资源总量与计算资源数量的关系是否满足预设计算任务卸载条件。详细内容参见上述方法实施例中步骤S4的相关描述，在此不再赘述。
目标模块5，用于当计算资源总量与计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策。详细内容参见上述方法实施例中步骤S5的相关描述，在此不再赘述。
本发明提供的电力无线异构网中计算任务卸载系统，利用电力无线异构网中计算任务卸载方法，通过获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量；根据初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策；根据业务信息及当前计算任务卸载决策计算所有业务所需的计算资源总量；判断计算资源总量与计算资源数量的关系是否满足预设计算任务卸载条件；当计算资源总量与计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策。通过根据初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策，将计算卸载问题转化为斯塔克尔伯格博弈问题，在制定卸载策略的过程中，考虑了计算资源备份池、计算任务的异构性以及队列延迟的情况，使得最终得到的优化卸载策略能够同时最大化业务的一致性和边缘服务器的收益。
本发明实施例提供一种计算机设备，如图9所示，该设备可以包括处理器61和存储器62，其中处理器61和存储器62可以通过总线或者其他方式连接，图9以通过总线连接为例。
处理器61可以为中央处理器(Central Processing Unit，CPU)。处理器61还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器62作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器61通过运行存储在存储器62中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的电力无线异构网中计算任务卸载方法。
存储器62可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器61所创建的数据等。此外，存储器62可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器62可选包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至处理器61。上述网络的实例包括但不限于互联网、企业内部网、企业内网、移动通信网及其组合。
一个或者多个模块存储在存储器62中，当被处理器61执行时，执行如图1-7所示实施例中的电力无线异构网中计算任务卸载方法。
上述计算机设备具体细节可以对应参阅图1-7所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种电力无线异构网中计算任务卸载方法，其特征在于，包括：
获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量；
根据所述初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策；
根据所述业务信息及所述当前计算任务卸载决策计算所有业务所需的计算资源总量，所有业务所需的计算资源总量包括计算任务卸载到边缘服务器的卸载决策下所有业务所需的计算资源总量；
判断所述计算资源总量与所述计算资源数量的关系是否满足预设计算任务卸载条件；
当所述计算资源总量与所述计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策；
所述判断所述计算资源总量与所述计算资源数量的关系是否满足预设计算任务卸载条件，包括：
判断所述计算资源总量是否大于所述计算资源数量；
当所述计算资源总量不大于所述计算资源数量时，判断所述计算资源数量与所述计算资源总量的差值是否满足第一预设资源数量范围；
当所述计算资源数量与所述计算资源总量的差值满足第一预设资源数量范围时，判定所述计算资源总量与所述计算资源数量的关系满足预设计算任务卸载条件；
当所述计算资源总量大于所述计算资源数量时，增加边缘服务器的计算资源数量，提高边缘服务器的预设计算资源售价，并返回所述根据所述初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策的步骤。
2.根据权利要求1所述的电力无线异构网中计算任务卸载方法，其特征在于，还包括：当所述计算资源数量与所述计算资源总量的差值不满足第一预设资源数量范围时，对边缘服务器的初始计算资源售价进行更新，并返回所述根据所述初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策的步骤。
3.根据权利要求2所述的电力无线异构网中计算任务卸载方法，其特征在于，所述对边缘服务器的初始计算资源售价进行更新，包括：
判断所述计算资源数量与所述计算资源总量的差值是否小于所述第一预设资源数量范围的最小值；
当所述计算资源数量与所述计算资源总量的差值小于所述第一预设资源数量范围的最小值时，降低边缘服务器的初始计算资源售价。
4.根据权利要求3所述的电力无线异构网中计算任务卸载方法，其特征在于，还包括：当所述计算资源数量与所述计算资源总量的差值大于所述第一预设资源数量范围的最大值时，提高边缘服务器的初始计算资源售价。
5.根据权利要求1所述的电力无线异构网中计算任务卸载方法，其特征在于，所述计算任务卸载决策包括：本地计算、卸载到边缘服务器计算及卸载到辅助业务计算。
6.一种电力无线异构网中计算任务卸载系统，其特征在于，包括：
获取模块，用于获取电力无线异构网中业务信息以及边缘服务器的初始计算资源售价和计算资源数量；
决策模块，用于根据所述初始计算资源售价及业务信息，采用预设计算任务卸载算法确定各业务的当前计算任务卸载决策；
计算模块，用于根据所述业务信息及所述当前计算任务卸载决策计算所有业务所需的计算资源总量，所有业务所需的计算资源总量包括计算任务卸载到边缘服务器的卸载决策下所有业务所需的计算资源总量；
判断模块，用于判断所述计算资源总量与所述计算资源数量的关系是否满足预设计算任务卸载条件；
目标模块，用于当所述计算资源总量与所述计算资源数量的关系满足预设计算任务卸载条件时，将各业务的当前计算任务卸载决策确定为各业务的目标计算任务卸载决策；
判断模块具体用于：判断所述计算资源总量是否大于所述计算资源数量；
当所述计算资源总量不大于所述计算资源数量时，判断所述计算资源数量与所述计算资源总量的差值是否满足第一预设资源数量范围；
当所述计算资源数量与所述计算资源总量的差值满足第一预设资源数量范围时，判定所述计算资源总量与所述计算资源数量的关系满足预设计算任务卸载条件；
当所述计算资源总量大于所述计算资源数量时，增加边缘服务器的计算资源数量，提高边缘服务器的预设计算资源售价，并返回所述决策模块。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1-5任一所述的电力无线异构网中计算任务卸载方法。
8.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-5任一所述的电力无线异构网中计算任务卸载方法。
CN202010845168.8A 2020-08-20 2020-08-20 一种电力无线异构网中计算任务卸载方法及系统 Active CN111949409B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010845168.8A CN111949409B (zh) 2020-08-20 2020-08-20 一种电力无线异构网中计算任务卸载方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010845168.8A CN111949409B (zh) 2020-08-20 2020-08-20 一种电力无线异构网中计算任务卸载方法及系统

Publications (2)

Publication Number Publication Date
CN111949409A CN111949409A (zh) 2020-11-17
CN111949409B true CN111949409B (zh) 2024-03-29

Family

ID=73359192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010845168.8A Active CN111949409B (zh) 2020-08-20 2020-08-20 一种电力无线异构网中计算任务卸载方法及系统

Country Status (1)

Country Link
CN (1) CN111949409B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051003B (zh) * 2021-03-22 2022-08-09 中国科学院上海微系统与信息技术研究所 卫星通信网络的计算任务卸载处理方法、系统及存储介质
CN112887435B (zh) * 2021-04-13 2022-05-20 中南大学 一种提高边缘计算中任务卸载合作率的方法
CN113360203B (zh) * 2021-04-20 2023-07-11 广东电网有限责任公司电力调度控制中心 一种电力物联网的任务卸载方法及装置
CN114047971B (zh) * 2021-11-09 2023-12-08 北京中电飞华通信有限公司 边缘计算资源分配方法及装置
CN114945025B (zh) * 2022-04-25 2023-09-15 国网经济技术研究院有限公司 面向电网中云边协同的价格驱动正和博弈卸载方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108920273A (zh) * 2018-06-21 2018-11-30 河南科技大学 一种边缘云的计算卸载激励方法
CN110278611A (zh) * 2019-06-14 2019-09-24 北京科技大学 一种无线供电移动边缘计算系统中的资源分配方法
CN111163178A (zh) * 2020-01-10 2020-05-15 中国地质大学（武汉） 一种边缘计算中基于博弈论的服务部署及任务卸载方法
CN111163521A (zh) * 2020-01-16 2020-05-15 重庆邮电大学 移动边缘计算中一种分布式异构环境下的资源分配方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108920273A (zh) * 2018-06-21 2018-11-30 河南科技大学 一种边缘云的计算卸载激励方法
CN110278611A (zh) * 2019-06-14 2019-09-24 北京科技大学 一种无线供电移动边缘计算系统中的资源分配方法
CN111163178A (zh) * 2020-01-10 2020-05-15 中国地质大学（武汉） 一种边缘计算中基于博弈论的服务部署及任务卸载方法
CN111163521A (zh) * 2020-01-16 2020-05-15 重庆邮电大学 移动边缘计算中一种分布式异构环境下的资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Joint Computation Offloading and Service Caching for MEC in Multi-access Networks";Liawei Li, Heli Zhang, Hong Ji, Xi Li;2019 IEEE 30th Annual International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC);正文 *

Also Published As

Publication number Publication date
CN111949409A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
CN111949409B (zh) 一种电力无线异构网中计算任务卸载方法及系统
CN107995660B (zh) 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法
CN112689303B (zh) 一种边云协同资源联合分配方法、系统及应用
CN109951897A (zh) 一种能耗与延迟约束下的mec卸载方法
Cui et al. A novel offloading scheduling method for mobile application in mobile edge computing
CN110740473B (zh) 一种用于移动边缘计算的管理方法及边缘服务器
US9426075B2 (en) Method and system to represent the impact of load variation on service outage over multiple links
CN111953758A (zh) 一种边缘网络计算卸载和任务迁移方法及装置
CN111163519A (zh) 系统收益最大化的无线体域网资源分配与任务卸载算法
CN113810233B (zh) 一种在随机网络中基于算网协同的分布式计算卸载方法
CN111262940A (zh) 一种车载边缘计算应用缓存方法、装置及系统
CN107122249A (zh) 一种基于边缘云定价机制的任务卸载决策方法
CN112015545B (zh) 车辆边缘计算网络中的任务卸载方法及系统
CN111193615B (zh) 一种移动边缘计算网络中的边缘计算节点选择方法
Jiang et al. A q-learning based method for energy-efficient computation offloading in mobile edge computing
Khoramnejad et al. On joint offloading and resource allocation: A double deep q-network approach
He et al. Delay-aware energy efficient computation offloading for energy harvesting enabled fog radio access networks
CN115150891A (zh) 一种基于移动边缘计算的中断概率辅助任务卸载优化方法
Li et al. DQN-enabled content caching and quantum ant colony-based computation offloading in MEC
CN111158893B (zh) 应用于雾计算网络的任务卸载方法、系统、设备及介质
CN113747450A (zh) 一种移动网络中业务部署方法、装置及电子设备
CN110839166B (zh) 一种数据共享方法及装置
Lyu et al. Multi-leader multi-follower Stackelberg game based resource allocation in multi-access edge computing
CN114615705B (zh) 一种基于5g网络下单用户资源分配策略方法
Fan et al. Time-Slotted Task Offloading and Resource Allocation for Cloud-Edge-End Cooperative Computing 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