CN111988805A - 一种面向可靠时延保障的端边协同方法 - Google Patents

Abstract

本发明涉及一种面向可靠时延保障的端边协同方法，属于通信技术领域，包括以下步骤：S1：建立系统模型，计算任务所经历的时延；S2：计算任务卸载平均时延；S3：计算任务本地计算时延，首先将本地计算建模为M/D/1排队模型，根据推导出的违约概率模型计算求得本地任务平均时延；S4：在不同任务分割比的配置下搜索最优的发送速率配置，进一步选取最优的发送速率和任务分割比；S5：选择出最优的发送速率和任务分割并开始任务发送和计算。本发明采用嵌入式马尔科夫理论对计算卸载的平均时延模型进行建模，基于网络演算理论对本地计算平均时延进行推导，基于任务的时延需求优化任务流的卸载比例与卸载速率，最小化任务的时延违约概率。

Description

一种面向可靠时延保障的端边协同方法

技术领域

本发明属于通信技术领域，涉及一种面向可靠时延保障的端边协同方法。

背景技术

边缘计算作为一种新的计算范式，端边协同充分融合本地计算近与边缘计算强的优点，有效地改善任务的时延。已有的关于端边协同或边缘计算的技术主要从系统整体的角度出发，优化系统的计算效率、能量效率以及频谱效率，这一类技术往往是在每个决策周期内均有一个任务产生且任务的时延与决策周期时长相等的背景下完成的。近年来，在已有的关于时延保障的技术方案当中就包括：设备到设备(D2D)的移动边缘计算分流方案，设备可以将其计算任务分流到边缘服务器，也可以利用附近设备的计算资源，减少网络中所有任务的平均时延总和；在基于非正交多址接入(NOMA)的边缘计算系统中，分析用户数量和无线资源对任务卸载时延的影响，通过建模本地计算平均时延以及任务卸载平均时延，减少用户平均时延总和；后续的技术考虑到业务或任务的性能通常是由时延需求和可靠性联合表征，因此新的研究工作构建了面向边缘卸载时延的概率统计模型，提出了基于Lyapunov方法的动态任务卸载策略，基于时长较短的调度周期进行优化。

现有关于端边协同的技术还存在以下问题：1)从系统的角度出发的优化方法虽然能够保障所有用户平均时延总和最低，然而，在实际通信系统中，不同类型的任务的时延保障需求通常呈现出较大的差异化；2)现有技术通常假设在每个调度时延设备端均产生一个任务，然而，实际网络中还存在较多具有强突发性的随机到达业务；3)无线信道具备高度时变性的特点，现有技术通常假设信道的实时状态为已知，能够基于香农容量实现任务的无损卸载，然而，考虑到未来万物智联场景中存在海量能力和能量均极为有限的设备，保持长时间的信道测量将带来较大的能量和计算开销，传统的基于平均吞吐率最优或基于平均时延最优的端边协同技术在保障特定任务时延可靠性上略有不足。

发明内容

有鉴于此，本发明的目的在于针对现有时延保障技术所存在的问题，提供一种可靠的端边协同时延保障模型。针对通信网络中无线链路的时变性、终端设备能量有限等特点，采用嵌入式马尔科夫理论对计算卸载的平均时延模型进行建模，基于网络演算理论对本地计算平均时延进行推导，基于任务的时延需求优化任务流的卸载比例与卸载速率，最小化任务的时延违约概率。

为达到上述目的，本发明提供如下技术方案：

一种面向可靠时延保障的端边协同方法，包括以下步骤：

S1：建立系统模型，计算任务所经历的时延；

S2：计算任务卸载平均时延；

S3：计算任务本地计算时延，首先将本地计算建模为M/D/1排队模型，根据推导出的违约概率模型进行计算，从而求得本地任务平均时延；

S4：在不同任务分割比的配置下搜索最优的发送速率配置，进一步选取最优的发送速率和任务分割比；

S5：选择出最优的发送速率和任务分割并开始任务发送和计算。

进一步，步骤S1具体包括以下步骤：

S11：任务统计特征为λ个每秒，包长为L，最大容忍时延为d，α表示任务的卸载比例，卸载到边缘服务器的任务与留在本地计算的任务的到达过程分别服从参数为αλ与(1-α)λ的统计特征，随后根据香农公式计算香农容量C(t)，t时刻信道的香农容量由下式计算：

其中P表示终端设备发射功率，z(l)为路损函数，l表示设备与边缘服务器之间的距离，W表示设备获得的上行信道带宽，N₀表示高斯白噪声功率谱密度，小尺度衰落增益|h(t)|；当发送速率r≤C(t)时任务传输成功，否则，需要对任务进行重传；

S12：以D(t)表示t时刻到达任务的实际处理时延，D_e(t)表示任务由边缘服务器处理的时延，D_l(t)表示任务留在本地计算的时延，ξ(t)表示该任务的卸载情况，其中ξ(t)＝1表示该任务由边缘服务器计算，ξ(t)＝0表示该任务留在本地计算，任务的实际时延由下式进行计算：

D_queue(t)表示需要卸载的任务的通信排队时延，D_tran(t)表示任务卸载的传输时延，D_edge(t)表示该任务在边缘服务器的计算时延，D_dl(t)表示计算结果返回时延；所有任务卸载计算时延近似为：

S13：刻画时延性能Pr{D(t)＞d}≤ε，任务的处理时延D超过最大容忍d的概率需要控制在概率ε内。

进一步，步骤S2具体包括以下步骤：

S21：设备以固定速率r将任务卸载到边缘服务器，任务传输成功概率通过下式计算：

其中

S22：在任意时间长度τ内，

卸载队列中任务的到达概率通过n_e＝1-e^-αλτ计算，没有任务到达的概率为

令μ_e＝p^ON表示任务成功传输概率，

表示任务传输失败概率，通过当前队列中存在包的数量表示为k，其概率表示为π_k，队列的稳态分布通过下式进行计算：

S23：令

计算卸载传输时延概率分布为

随后通过下式计算卸载排队时延概率分布：

S24：基于传输时延与排队时延的概率分布，得出任务卸载时延违约概率函数表示为：

借助任务卸载时延违约概率，通过下式进行卸载平均时延的计算：

进一步，步骤S3具体包括：

S31：f_l表示本地设备的运算频率，ω表示计算1比特周期所需要处理器运行的周期数，设备端对任务的处理速率满足式子：r_l＝f_l/ω，任务的计算时延D_c ^l(t)满足：

S32：以A_l(0,t)和

分别表示(0,t]时间内本地计算队列的任务累积到达量和累积离开量，根据最小加代数理论，式子：

成立，对于排队时延

事件

表示t时刻到达的任务时延超过d，这意味着(0,t+d]时刻任务累积离开量小于(0,t]时刻任务累积到达量，即

因此排队时延的违约概率通过下式计算：

其中σ为优化参数，在系统稳定条件下，σ＝max{κ:a_l(κ)≤r_l}；

S33：计算本地任务平均时延：

进一步，步骤S4具体包括以下步骤：

S41：在系统处于稳态条件下，任务卸载的时延违约概率和任务本地计算的违约概率均与时间参数t无关，通过下式计算最优的α以及对应的r

本发明的有益效果在于：本发明采用嵌入式马尔科夫理论对计算卸载的平均时延模型进行建模，基于网络演算理论对本地计算平均时延进行推导，基于任务的时延需求优化任务流的卸载比例与卸载速率，最小化任务的时延违约概率。

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为本发明中一种面向可靠时延保障的端边协同方法系统架构图；

图2为本发明中一种面向可靠时延保障的端边协同方法流程图。

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。

如图1、图2所示，一种面向可靠时延保障的端边协同方法，包括以下步骤：

S1：建立系统模型，计算任务所经历的时延；

S11：任务统计特征为λ个每秒，包长为L，最大容忍时延为d，α表示任务的卸载比例，卸载到边缘服务器的任务与留在本地计算的任务的到达过程分别服从参数为αλ与(1-α)λ的统计特征，随后根据香农公式计算香农容量C(t)，t时刻信道的香农容量由下式计算：

其中P表示终端设备发射功率，z(l)为路损函数，l表示设备与边缘服务器之间的距离，W表示设备获得的上行信道带宽，N₀表示高斯白噪声功率谱密度，小尺度衰落增益|h(t)|；当发送速率r≤C(t)时任务传输成功，否则，需要对任务进行重传；

S12：以D(t)表示t时刻到达任务的实际处理时延，D_e(t)表示任务由边缘服务器处理的时延，D_l(t)表示任务留在本地计算的时延，ξ(t)表示该任务的卸载情况，其中ξ(t)＝1表示该任务由边缘服务器计算，ξ(t)＝0表示该任务留在本地计算，任务的实际时延由下式进行计算：

D_queue(t)表示需要卸载的任务的通信排队时延，D_tran(t)表示任务卸载的传输时延，D_edge(t)表示该任务在边缘服务器的计算时延，D_dl(t)表示计算结果返回时延；所有任务卸载计算时延近似为：

S13：刻画时延性能Pr{D(t)＞d}≤ε，任务的处理时延D超过最大容忍d的概率需要控制在概率ε内。

S2：计算任务卸载平均时延；

S21：设备以固定速率r将任务卸载到边缘服务器，任务传输成功概率通过下式计算：

其中

S22：在任意时间长度τ内，

卸载队列中任务的到达概率通过n_e＝1-e^-αλτ计算，没有任务到达的概率为

令μ_e＝p^ON表示任务成功传输概率，

表示任务传输失败概率，通过当前队列中存在包的数量表示为k，其概率表示为π_k，队列的稳态分布通过下式进行计算：

S23：令

计算卸载传输时延概率分布为

随后通过下式计算卸载排队时延概率分布：

S24：基于传输时延与排队时延的概率分布，得出任务卸载时延违约概率函数表示为：

借助任务卸载时延违约概率，通过下式进行卸载平均时延的计算：

S3：计算任务本地计算时延，首先将本地计算建模为M/D/1排队模型，根据推导出的违约概率模型进行计算，从而求得本地任务平均时延；

S31：f_l表示本地设备的运算频率，ω表示计算1比特周期所需要处理器运行的周期数，设备端对任务的处理速率满足式子：r_l＝f_l/ω，任务的计算时延

满足：

S32：以A_l(0,t)和

分别表示(0,t]时间内本地计算队列的任务累积到达量和累积离开量，根据最小加代数理论，式子：

成立，对于排队时延

事件

表示t时刻到达的任务时延超过d，这意味着(0,t+d]时刻任务累积离开量小于(0,t]时刻任务累积到达量，即

因此排队时延的违约概率通过下式计算：

其中σ为优化参数，在系统稳定条件下，σ＝max{κ:a_l(κ)≤r_l}；

S33：计算本地任务平均时延：

S4：在不同任务分割比的配置下搜索最优的发送速率配置，进一步选取最优的发送速率和任务分割比；在系统处于稳态条件下，任务卸载的时延违约概率和任务本地计算的违约概率均与时间参数t无关，通过下式计算最优的α以及对应的r

S5：选择出最优的发送速率和任务分割并开始任务发送和计算。

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 (8)

1.一种面向可靠时延保障的端边协同方法，其特征在于：包括以下步骤：

S1：建立系统模型，计算任务所经历的时延；

S2：计算任务卸载平均时延；

S3：计算任务本地计算时延，首先将本地计算建模为M/D/1排队模型，根据推导出的违约概率模型进行计算，从而求得本地任务平均时延；

S4：在不同任务分割比的配置下搜索最优的发送速率配置，进一步选取最优的发送速率和任务分割比；

S5：选择出最优的发送速率和任务分割并开始任务发送和计算。

2.根据权利要求1所述的面向可靠时延保障的端边协同方法，其特征在于：步骤S1具体包括以下步骤：

S11：任务统计特征为λ个每秒，包长为L，最大容忍时延为d，α表示任务的卸载比例，卸载到边缘服务器的任务与留在本地计算的任务的到达过程分别服从参数为αλ与(1-α)λ的统计特征，随后根据香农公式计算香农容量C(t)，当发送速率当r≤C(t)时任务传输成功，否则，需要对任务进行重传；

S12：以D(t)表示t时刻到达任务的实际处理时延，D_e(t)表示任务由边缘服务器处理的时延，D_l(t)表示任务留在本地计算的时延，ξ(t)表示该任务的卸载情况，其中ξ(t)＝1表示该任务由边缘服务器计算，ξ(t)＝0表示该任务留在本地计算，任务的实际时延由下式进行计算：

D_queue(t)表示需要卸载的任务的通信排队时延，D_tran(t)表示任务卸载的传输时延，D_edge(t)表示该任务在边缘服务器的计算时延，D_dl(t)表示计算结果返回时延；所有任务卸载计算时延近似为：

S13：刻画时延性能Pr{D(t)＞d}≤ε，任务的处理时延D超过最大容忍d的概率需要控制在概率ε内。

3.根据权利要求2所述的面向可靠时延保障的端边协同方法，其特征在于：步骤S11中所述根据香农公式计算香农容量C(t)，t时刻信道的香农容量由下式计算：

其中P表示终端设备发射功率，z(l)为路损函数，l表示设备与边缘服务器之间的距离，W表示设备获得的上行信道带宽，N₀表示高斯白噪声功率谱密度，小尺度衰落增益|h(t)|。

4.根据权利要求1所述的面向可靠时延保障的端边协同方法，其特征在于：步骤S2具体包括以下步骤：

S21：设备以固定速率r将任务卸载到边缘服务器，计算任务传输成功概率；

S22：在任意时间长度τ内，

卸载队列中任务的到达概率通过n_e＝1-e^-αλτ计算，没有任务到达的概率为

令μ_e＝p^ON表示任务成功传输概率，

表示任务传输失败概率，通过当前队列中存在包的数量表示为k，其概率表示为π_k，计算队列的稳态分布；

S23：令

计算卸载传输时延概率分布为

随后通过下式计算卸载排队时延概率分布：

S24：基于传输时延与排队时延的概率分布，得出任务卸载时延违约概率函数表示为：

借助任务卸载时延违约概率，通过下式进行卸载平均时延的计算：

5.根据权利要求4所述的面向可靠时延保障的端边协同方法，其特征在于：步骤S21中所述任务传输成功概率通过下式计算：

其中

6.根据权利要求4所述的面向可靠时延保障的端边协同方法，其特征在于：步骤S22中所述队列的稳态分布通过下式进行计算：

7.根据权利要求1所述的面向可靠时延保障的端边协同方法，其特征在于：步骤S3具体包括：

S31：f_l表示本地设备的运算频率，ω表示计算1比特周期所需要处理器运行的周期数，设备端对任务的处理速率满足式子：r_l＝f_l/ω，任务的计算时延

满足：

S32：以A_l(0,t)和

分别表示(0,t]时间内本地计算队列的任务累积到达量和累积离开量，排队时延的违约概率通过下式计算：

其中σ为优化参数，在系统稳定条件下，σ＝max{κ:a_l(κ)≤r_l}；

S33：计算本地任务平均时延：

8.根据权利要求1所述的面向可靠时延保障的端边协同方法，其特征在于：步骤S4具体包括以下步骤：

S41：在系统处于稳态条件下，任务卸载的时延违约概率和任务本地计算的违约概率均与时间参数t无关，通过下式计算最优的α以及对应的r

Images