CN112188551A - 一种计算迁移方法、计算终端设备及边缘服务器设备 - Google Patents
一种计算迁移方法、计算终端设备及边缘服务器设备 Download PDFInfo
- Publication number
- CN112188551A CN112188551A CN202011048033.5A CN202011048033A CN112188551A CN 112188551 A CN112188551 A CN 112188551A CN 202011048033 A CN202011048033 A CN 202011048033A CN 112188551 A CN112188551 A CN 112188551A
- Authority
- CN
- China
- Prior art keywords
- computing
- task
- terminal
- computation
- delay
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
-
- 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
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- 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
- H04L67/1004—Server selection for load balancing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
- H04W28/0221—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices power availability or consumption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种计算迁移方法、计算终端设备及边缘服务器设备,所述方法包括:计算终端接收到运行移动应用程序的用户提交的一个计算任务,读取任务信息;所述计算终端根据所述终端的能量大小确定所述任务的本地计算延迟、任务上传延迟和无线传输参数以及所述任务在边缘服务器的计算延迟,则所述任务的迁移计算延迟就是所述任务上传延迟和边缘服务器的计算延迟之和,然后判断本地计算延迟是否不超过迁移计算延迟:是,则在本地终端对所述任务进行计算处理;否,则按所述无线传输参数将任务发送至边缘服务器进行计算处理。这种方法能够最大化利用边缘计算系统的能量,减少计算任务的计算延迟。
Description
技术领域
本发明属于通信领域,尤其涉及一种计算迁移方法、计算终端设备及边缘服务器设备。
背景技术
随着5G商用的推进,以及大视频、大数据、物联网等业务的蓬勃发展,移动/物联网终端呈爆炸式增长,物联网终端、移动终端在网络边缘产生了巨量的数据。为了获取数据的最大价值,需要对它们进行快速计算处理。尤其,许多数据是来自自动驾驶、云化虚拟现实等对延迟要求非常严格的应用。尽管云计算技术在为大数据应用提供高性能计算服务方面取得了瞩目的成功,然而云计算范式却难以满足物联网应用的超低延迟要求。原因在于,云计算中心往往远离数据源,将海量的数据通过网络传输给远程的云计算数据中心的方式,不仅消耗大量的网络带宽资源和传输能量,还会使数据经历较长的网络延迟,无法满足应用的超低延迟要求。
近几年来,5G+边缘计算已被认为是应对“海量数据、超低延迟”的有效范式。通过在网络边缘部署计算节点,将物联网终端、移动终端产生的海量计算任务迁移到网络边缘计算,可以减少网络传输延迟和网络设备能耗,大大提高物联网应用的用户体验。
边缘计算的关键是考虑何时、以何种方式将计算任务迁移到哪个计算节点,也即计算迁移问题。近年来,有关学者对计算迁移方法进行了积极的研究。Yousefpour等人提出了延迟最小化资源配置策略,该策略考虑了边缘节点的计算能力和数据流的排队延迟;Guo等人通过渐近合作和基于博弈论的合作这两种计算迁移技术来优化系统资源;Ni等人认为价格也是计算迁移和资源配置时需考虑的问题,因此提出一种基于价格时间Petri网络的资源配置策略来降低数据流的响应时间和最大化资源利用率及成本性能。Le等人提出了一种面向adhoc移动云环境的深度强化学习方法,目的是最大化用户任务执行率。上述计算迁移方法主要是通过优化配置远程云计算服务器与网络边缘计算节点之间或者分布式网络边缘节点之间的计算任务的方式来减少网络延迟,很少考虑终端自身所具有的计算能力,也没有考虑计算终端的能量状态对计算迁移的影响。随着物联网/移动终端计算能力的提升,物联网/移动终端也可以作为一个计算终端来执行计算任务。因此,一个边缘计算系统可以由多个计算终端和边缘服务器节点构成。然而,计算终端、边缘服务器的计算能力异构性、计算终端的能量受限性、上行无线信道资源的有限性和用户间互干扰以及物联网应用的数据海量性、高动态性使得端-边合作的计算迁移面临严峻的技术挑战。
发明内容
本发明旨在克服上述现有技术的至少一种缺陷(不足),提供一种计算迁移方法、计算终端设备及边缘服务器设备,能够快速判断执行计算任务的计算节点,并将计算任务迁移到计算延迟较小的计算节点中进行计算,从而提高计算终端的能量效率与计算资源利用率。
本发明采取的技术方案提供一种计算迁移方法,包括如下步骤:
步骤S101:计算终端接收到运行移动应用程序的用户提交的至少一个计算任务,读取所述计算任务的信息,所述信息包括任务类型、任务大小和任务计算量;
步骤S102:计算终端根据所述计算终端的能量大小确定所述计算任务的本地计算延迟;
步骤S103:计算终端根据所述计算终端的能量大小确定所述计算任务的任务上传延迟和无线传输参数;
步骤S104:计算终端确定所述计算任务在边缘服务器的计算延迟;
步骤S105:计算终端根据所述任务上传延迟和所述计算任务在边缘服务器的计算延迟确定迁移计算延迟;
步骤S106:计算终端判断所述计算任务的本地计算延迟是否不超过其迁移计算延迟:是,则执行步骤S107;否,则跳往步骤S108;
步骤S107:计算终端对所述计算任务进行计算处理,并向用户返回处理结果;
步骤S108:计算终端根据所述无线传输参数将所述计算任务迁移至边缘服务器,前往步骤S109;
步骤S109:边缘服务器对所述计算任务进行计算处理,并向用户返回处理结果。
处理计算任务的计算节点可以是边缘服务器或者计算终端,通过判断迁移计算延迟与本地计算延迟之间的大小关系从而选择处理计算任务的计算节点是计算终端还是边缘服务器。当本地计算延迟小于迁移计算延迟时,此时将计算终端作为计算节点,所述计算终端对计算任务进行处理并向用户返回计算结果;当本地计算延迟等于迁移计算延迟时,计算任务仍然在计算终端上进行处理并向用户返回计算结果,计算节点仍然为计算终端,避免网络带宽资源和迁移所需能量的浪费;当本地计算延迟大于迁移计算延迟时,计算任务迁移至边缘服务器并使边缘服务器对计算任务进行处理,此时计算节点为边缘服务器,边缘服务器向用户返回处理结果。所述计算迁移方法选择延迟较小的计算节点对计算任务进行处理,能够减少计算任务的延迟,从而减少计算任务的响应延迟。同时,有效地利用计算终端的计算资源,避免将全部计算任务迁移至边缘服务器处理所造成的网络设备能耗、网络带宽资源和传输能量的浪费。
本发明的步骤S106中,判断计算节点的具体方法是直接判断迁移计算延迟与本地计算延迟之间的大小关系,计算终端进行判断的参数只有本地计算延迟与迁移计算延迟,判断过程简单,能够加快计算任务处理进程。
本地计算速率选用计算终端的可支持的计算速率与计算终端的最大速率之间的较小值,避免本地计算速率偏大而计算终端用于计算的能量不足导致计算任务的计算过程因能量耗尽而中断。
进一步地,所述步骤S102中的本地计算延迟按如下方法确定:所述计算任务的本地计算延迟是所述任务的计算量与本地计算速率的比值;所述本地计算速率是所述计算终端可支持的计算速率与最大速率之间的最小值,其中,可支持的计算速率表示为:式中,Bt表示所述计算终端当前可用于执行所述任务的能量,α表示本地计算的能耗因子,W表示所述任务的计算量,α>0,W>0。
计算终端可支持的计算速率的计算中,利用计算终端当前可用于执行所述计算任务的能量以及本地计算的能耗因子等参数,能最大化利用计算终端的能量来提供最大的本地计算速率,计算过程充分考虑到了计算终端当前的能量状态。
进一步地,所述步骤S103和所述步骤S108中的无线传输参数包括所述计算终端的上行无线信道信息和所述计算终端的发射功率。
进行计算任务迁移之前,需要确定迁移的无线传输参数,所述无线传输参数中的上行无线信道是所述终端在无线环境中信道质量最优的信道,所述计算终端在所述上行无线信道上按所述功率发射,能使所述计算终端获得最大的任务上传速率,降低任务的上传延迟,根据无线传输参数将计算任务迁移至边缘服务器进行处理。优选地,计算终端确定本地计算延迟后且在确定所述计算任务在边缘服务器的计算延迟前,应确定计算任务的无线传输参数,便于后续确定迁移计算延迟。
进一步地,所述步骤S103中的任务上传延迟是所述任务的大小与所述计算终端的上行传输速率的比值;
所述计算终端的上行传输速率通过公式确定,其中,m表示所述计算终端,n表示所述计算终端的上行无线信道,β表示所述上行无线信道的带宽,pm,n表示所述计算终端在其上行无线信道的发射功率,hm,n表示所述计算终端在其上行无线信道的信道功率增益,Im,n表示所述计算终端在其上行无线信道的互干扰,N0表示所述上行无线信道的高斯白噪声干扰;
其中,所述计算终端的上行无线信道按如下方法确定:所述计算终端的上行无线信道n是可用的信道中信道功率增益最大的一个信道。该方法能为计算终端选择信道质量最优的信道。
所述计算终端在其上行无线信道的发射功率pm,n满足不等式方程组的最大值,其中,表示所述计算终端可发射的最大功率,β表示所述计算终端的上行无线信道的带宽,Bt表示所述计算终端当前可用于执行所述任务的能量,L表示以比特为基本单位的任务大小;
所述计算终端在其上行无线信道的互干扰Im,n通过公式获取,式中,Sn是所述系统中选择将计算任务通过所述无线信道n上传到边缘服务器的计算终端集合,hk,n是第k(k∈Sn)个计算终端在所述无线信道n中的信道功率增益,pk,n是第k(k∈Sn)个计算终端在所述无线信道n中的发射功率,1(K)是二值指示变量,当K为真时,1(K)=1;否则,1(K)=0。
上行无线信道的确定方式和上行无线信道的发射功率确定方式,能在非正交多址接入无线环境下,充分利用上行无线信道资源和计算终端的能量资源,使得每个计算终端都能在无线网络中获得自身最优的上行传输速率,同时,能使每个计算终端在其无线环境和计算终端自身的能量限制下达到最大的上行传输速率,降低任务上传延迟,从而减少计算任务的响应延迟。
计算终端在上行无线信道的发射功率的计算中,利用了计算终端当前可用于执行所述计算任务的能量这一参数,充分考虑到了计算终端当前的能量状态。
进一步地,所述步骤S104中的所述任务在边缘服务器的计算延迟按如下方法确定:所述计算任务在边缘服务器的计算延迟是所述任务计算量与所述计算任务在边缘服务器的计算速率的比值。
进一步地,所述计算任务在边缘服务器的计算速率通过迁移计算服务速率查询过程获取,所述迁移计算服务速率查询过程包括如下步骤:
步骤S201:所述计算终端将所述任务的任务类型发送给边缘服务器,并请求计算速率;
步骤S202:边缘服务器根据所述任务的任务类型为所述任务分配一个计算速率;
步骤S203:边缘服务器向所述计算终端返回为所述任务分配的计算速率;
步骤S204:所述计算终端收到边缘服务器返回的所述任务在边缘服务器的计算速率,本迁移计算服务速率查询过程结束。
计算终端向边缘服务器发送Request信息,所述Request信息包含所述计算任务信息中的任务类型以及所请求的计算速率;边缘服务器接收到计算终端的Request信息后,根据所述计算任务的任务类型为所述计算任务分配一个计算速率;边缘服务器向所述计算终端返回Response信息,所述Response信息包含为所述计算任务分配的计算速率;计算终端接收到边缘服务器返回的包含所述计算任务在边缘服务器的计算速率的Response信息后,本迁移计算服务速率查询过程结束。
进一步地,所述步骤S105中的迁移计算延迟是所述计算任务上传延迟和所述计算任务在边缘服务器的计算延迟之和。
本发明计算边缘服务器的迁移计算延迟不仅仅考虑了在边缘服务器的计算延迟,还考虑了将任务上传到边缘服务器时的任务上传延迟,使得边缘服务器的迁移计算延迟更加准确,和计算终端本地计算延迟之间的大小关系比较也就更加精准。
本发明还提供一种计算终端设备,所述设备包括:处理器,以及与所述处理器耦接的存储器;所述存储器上存储有可在所述处理器上运行的计算迁移程序;所述计算迁移程序被所述处理器执行时实现所述计算迁移方法中的计算终端所执行的步骤。
利用所述计算终端设备,能够快速判断执行计算任务的计算延迟较小的计算节点并将计算任务转移到所述计算节点进行计算处理,计算节点再向用户返回计算结果或处理结果,能够减少计算任务的响应延迟,充分利用计算终端的计算能力。
本发明还提供一种边缘服务器设备,所述设备包括:处理器,以及与所述处理器耦接的存储器;所述处理器和所述处理器耦接的存储器能被虚拟化为一个及以上虚拟机;所述存储器上存储有可在所述处理器上运行的计算迁移程序;所述计算迁移程序被所述处理器执行时将实现所述计算迁移方法中的边缘服务器所执行的步骤。
利用所述边缘服务器设备实现所述迁移计算方法,能够有效提高迁移计算的效率。
相对于现有技术,本发明具有如下优点和有益效果:
1、本发明的计算迁移方法考虑了计算终端当前能量状态对本地计算延迟和迁移计算延迟的影响,通过确定在当前能量状态下可支持的最大本地计算速率和最大发射功率,来确定在当前能量状态下计算终端能提供的本地计算延迟和迁移计算延迟,进一步选择计算延迟最小的计算节点(例如,计算终端,或者,边缘服务器)来处理计算任务,既减少了计算任务的响应延迟,又提高了计算终端的能量效率。
2、本发明的计算迁移方法中的计算终端的上行信道立足于非正交多址接入(Non-Orthogonal Multiple-Access,NOMA)技术,所公开的上行无线信道的确定方式和上行信道的发射功率确定方式,充分利用无线资源来提高迁移任务的上传速率,进一步减少了任务的响应延迟。
附图说明
图1是本发明实施例提供的一种计算迁移方法的流程图;
图2是本发明实施例提供的一种计算迁移方法的迁移计算服务速率查询过程的流程图;
图3是本发明实施例提供的一种计算迁移系统的模型示意图;
图4是本发明实施例提供的一种计算迁移装置的第一示意性框图;
图5是本发明实施例提供的一种计算迁移设备的第一示意性框图;
图6是本发明实施例提供的一种计算迁移装置的第二示意性框图;
图7是本发明实施例提供的一种计算迁移设备的第二示意性框图;
图8是本发明所提供的计算迁移方法与全部本地计算算法和全部迁移算法的计算终端能耗对比图;
图9是本发明所提供的计算迁移方法与全部本地计算算法和全部迁移算法的平均延迟对比。具体附图说明:计算任务感知模块11、本地计算延迟和速率感知模块12、无线上行信道和功率分配模块13、迁移计算远程速率感知模块14、计算迁移决策模块15、本地计算调度模块16、计算迁移执行模块17、处理器21、存储器22、服务速率查询响应模块31、计算迁移模块32、计算资源监控模块33、计算迁移任务感知模块34、任务调度模块35、处理器41、存储器42。
具体实施方式
本发明附图仅用于示例性说明,不能理解为对本发明的限制。为了更好说明以下实施例,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;对于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。
实施例1
本实施例图1是本发明实施例提供的一种计算迁移方法的流程示意图,如图1所示,所示计算迁移方法包括如下步骤:
步骤S101:计算终端接收到运行移动应用程序的用户提交的一个计算任务,读取任务信息,包括任务类型T、任务以比特为基本单位的大小L、以及任务以数据块为基本单位的计算量W,前往步骤S102。
步骤S102:计算终端根据计算终端的能量大小确定所述计算任务的本地计算延迟。令Dt表示本地计算延迟,则Dt通过公式Dt=W/fl获取,式中W是以数据块为基本单位的任务计算量,W>0,fl表示所述计算终端的本地计算速率,且通过如下方法确定:令Bt表示所述计算终端当前可用于执行所述任务的能量,α表示本地计算的能耗因子,α>0,则所述终端可支持的计算速率表示为:令fl max表示所述计算终端的最大速率,则本地计算速率是所述终端可支持的计算速率与最大速率之间的最小值,即,本地计算速率是min(fl avail,fl max)的解,其中,min(·)表示最小值函数。
步骤S103:计算终端根据计算终端的能量大小确定所述计算任务的任务上传延迟和无线传输参数。所述无线传输参数包括所述计算终端的上行无线信道信息和所述计算终端在其上行无线信道的发射功率;所述任务上传延迟是计算任务的任务大小与所述计算终端的上行传输速率的比值,即,所述任务的上传延迟表示为DTX=L/R,式中L表示以比特为基本单位的任务大小,R表示所述计算终端的上行传输速率,且通过公式确定,其中,m表示所述计算终端,n表示所述计算终端的上行无线信道,且按如下方法确定:设所述计算终端可用的信道有N(N≥1)个,所述终端在第i(1≤i≤N)个信道的信道功率增益表示为hm,i,则所述计算终端的上行无线信道是可用的信道中信道功率增益最大的一个信道,即,所述计算终端的上行无线信道n满足:其中,max(·)表示最大值函数;β表示所述上行无线信道的带宽,pm,n表示所述计算终端在其上行无线信道的发射功率,是满足不等式方程组的最大值,其中,表示所述计算终端可发射的最大功率,Bt表示所述计算终端当前可用于执行所述任务的能量;hm,n表示所述计算终端在其上行无线信道的信道功率增益,N0表示所述上行无线信道的高斯白噪声干扰,Im,n表示所述计算终端在其上行无线信道的互干扰,所述计算终端m在其无线信道n的互干扰表示为:其中,Sn是所述系统中选择将计算任务通过所述无线信道n上传到边缘服务器的计算终端集合,hk,n是第k个计算终端在所述无线信道中的信道功率增益,pk,n是第k个计算终端在所述上行无线信道n中的发射功率,1(K)是二值指示变量,当K为真时,1(K)=1;否则,1(K)=0,其中k∈Sn。
步骤S104:计算终端确定所述计算任务在边缘服务器的计算延迟。令W表示所述任务计算量,W>0,fe表示通过迁移计算服务速率查询过程获取的所述任务在边缘服务器的计算速率,计算任务在边缘服务器的计算延迟是任务计算量与计算任务在边缘服务器的计算速率的比值,即,所述边缘服务器的计算延迟D0计算公式表示为:D0=W/fe。
步骤105:计算终端根据所述任务上传延迟和所述计算任务在边缘服务器的计算延迟确定迁移计算延迟。迁移计算延迟是任务上传延迟和在边缘服务器的计算延迟之和,令DTX表示所述任务上传延迟,D0表示其在边缘服务器的计算延迟,迁移计算延迟Dc表示为Dc=DTX+D0。
步骤S106:计算终端判断所述计算任务的本地计算延迟是否不超过其迁移计算延迟:是,则执行步骤S107;否,则跳往步骤S108。
即,如果满足Dt≤Dc,则本地计算延迟不超过其迁移计算延迟,前往步骤S107;否,则跳往步骤S108。
步骤S107:计算终端对所述计算任务进行计算处理,并向用户返回处理结果;
步骤S108:计算终端根据所述无线传输参数将所述计算任务迁移至边缘服务器,前往步骤S109;
步骤S109:边缘服务器对所述计算任务进行计算处理,并向用户返回处理结果。
实施例2
如图2所示,本实施例提供的一种计算迁移方法的迁移计算服务速率查询过程的流程示意图,所示迁移计算服务速率查询获取计算任务在边缘服务器的计算速率的过程包括如下步骤:
步骤S201:计算终端将所述任务的任务类型T发送给边缘服务器,并请求计算速率,即,计算终端向边缘服务器发送Request信息,所述信息包含所述任务的任务类型T,以及所请求的计算速率。
步骤S202:边缘服务器接收到计算终端的请求后,根据所述任务的类型为所述任务分配一个计算速率:设边缘服务器可支持的速率集合为FE={ft1,ft2,...,ftk,...},其中ftk表示为任务类型为tk的任务所分配的速率,则边缘服务器为所述任务分配的计算速率就是速率集合中任务类型T所对应的速率,即,令fe∈FE表示任务类型T在速率集合FE中对应的速率,则fe就是分配给所述任务的一个计算速率。
步骤S203:边缘服务器向所述计算终端返回为所述任务分配的计算速率,即发送Response信息,所述信息包含返为所述任务分配的计算速率fe。
步骤S204:计算终端接收到边缘服务器返回的所述任务在边缘服务器的计算速率,本迁移计算服务速率查询过程结束。
实施例3
如图3所示,本实施例提供的一种计算迁移系统的模型示意图。一般化地,考虑支持非正交多址接入的无线网络中有若干个计算终端和一个边缘服务器,计算终端随机地分布在无线网络覆盖范围内,边缘服务器位于无线网络的核心,即,位于基站附近,计算终端和边缘服务器都具有计算处理能力。一般地,边缘服务器的计算处理能力高于计算终端的计算处理,计算终端在物理位置上距离运行移动应用程序的用户更近。计算终端是能量受限的,而其计算处理和将任务上传到边缘服务器的行为都需要消耗能量资源。为了减少用户所请求的计算任务的延迟,计算终端根据自己的能量状态、计算资源状态、无线网络状态和边缘服务器的计算资源状态按照图1和图2所示的计算迁移的步骤决定在计算终端对所请求的计算任务进行处理,或者迁移到边缘服务器进行计算处理。结合图1、图2和图3,当任一个计算终端接收到运行移动应用程序的用户提交的一个计算任务请求时,所述计算终端执行图1所示的计算迁移方法的步骤,即,读取任务信息,根据确定所述任务的本地计算延迟,确定所述任务在边缘服务器的计算延迟,所述任务的迁移计算延迟就是所述任务上传延迟和边缘服务器的计算延迟之和,然后判断所述任务的本地计算延迟是否不超过其迁移计算延迟:是,则所述计算终端决定在本地对所述任务进行计算处理,如图3所示,所述计算终端将其放入计算终端的本地CPU进行处理,处理结束后将计算结果返回给用户;否,则决定将任务迁移至边缘服务器进行计算处理,计算终端按所确定无线传输参数将计算任务迁移至边缘服务器,边缘服务器对所述计算任务进行计算处理后,将处理结果返回给用户。
实施例4
如图4所示,本实施例提供的一种计算迁移装置,所述装置可以设置在计算终端上,所述装置包括:
计算任务感知模块11,用于接收用户提交的计算任务,获取任务信息;
本地计算延迟和速率感知模块12,用于计算所述计算任务在计算终端的本地计算延迟和本地计算速率;
无线上行信道和功率分配模块13,用于确定上行无线信道以及所述装置在所选择的上行无线信道上的发射功率、上行传输速率和任务上传延迟;
迁移计算远程速率感知模块14,用于发起迁移计算服务速率查询过程,获取所述任务在边缘服务器的计算速率、边缘服务器的计算延迟;
计算迁移决策模块15,用于判断是否在计算终端对所请求的计算任务进行处理,或者迁移到边缘服务器进行计算处理;
本地计算调度模块16,在计算终端对计算任务进行处理,返回计算结果;
计算迁移执行模块17,将计算任务迁移至边缘服务器。
计算迁移决策模块15分别与计算任务感知模块11、本地计算延迟和速率感知模块12、无线上行信道和功率分配模块13、迁移计算远程速率感知模块14连接。
所述装置的工作过程如下:计算任务感知模块11收到用户提交的计算任务请求,读取任务信息,将所述信息传递给计算迁移决策模块15。计算迁移决策模块15分别从本地计算延迟和速率感知模块12获取本地计算延迟和本地计算速率,从无线上行信道和功率分配模块13获取上行无线信道、在所选择的上行无线信道上的发射功率和任务上传延迟,从迁移计算远程速率感知模块14获取所述计算任务在边缘服务器的计算速率和边缘服务器的计算延迟,然后,决定是否在计算终端对所请求的计算任务进行处理,或者迁移到边缘服务器进行计算处理,若在计算终端处理,则将所述计算任务发送给本地计算调度模块16处理,若迁移至边缘服务器,则通过计算迁移执行模块17将所述计算任务发送给所述边缘服务器。当迁移计算远程速率感知模块14收到来自计算迁移决策模块15的边缘服务器计算延迟查询消息,发起迁移计算服务速率查询过程,获取边缘服务器为所述任务分配的计算速率,接着计算所述任务在边缘服务器的计算延迟,并返回给计算迁移决策模块15。
实施例5
如图5所示,本实施例提供的一种计算终端设备,所述设备包括:处理器21,以及与所述处理器耦接的存储器22;所述存储器22上存储有可在所述处理器21上运行的计算迁移程序,所述计算迁移程序被所述处理器21执行时实现上述实施例1和实施例2的计算迁移方法中的计算终端所执行的步骤。
实施例6
如图6所示,本实施例提供的一种计算迁移装置,所述装置可以设置在边缘服务器上,所述装置包括:
服务速率查询响应模块31,用于对迁移计算服务速率查询请求作出响应,返回所述边缘服务器为所述任务分配的在边缘服务器的计算速率;
计算迁移模块32,用于处理来自计算终端的计算任务;
计算资源监控模块33,用于监控所述边缘服务器的计算资源使用情况,确定边缘服务器可支持的速率集合;
计算迁移任务感知模块34,用于感知从计算终端迁移过来的计算任务;
任务调度模块35,用于处理迁移过来的计算任务。
服务速率查询响应模块31与计算终端连接,计算迁移模块32分别与服务速率查询响应模块31、计算资源监控模块33、计算迁移任务感知模块34、任务调度模块35连接。
所述装置的工作过程如下:当服务速率查询响应模块31接收到计算终端发送过来的迁移计算服务速率查询请求,即Request信息后,所述服务速率查询响应模块31通过计算迁移模块32向计算资源监控模块33查询当前边缘服务器可支持的速率集合,所述计算资源监控模块33其返回当前时刻边缘服务器可支持的速率集合和对应任务类型,所述服务速率查询响应模块31从中选择对应于所查询任务的类型的计算速率,将其作为所述边缘服务器分配给所述任务的计算速率,返回给所述计算终端。当计算迁移任务感知模块34接收到计算终端发送过来的计算任务,将所述任务信息发送给计算迁移模块32,计算迁移模块32从计算资源监控模块33中获取与所述任务类型对应的计算速率,将该速率和所述任务的信息发送给任务调度模块35。任务调度模块35接收到计算迁移模块32的计算速率信息和计算任务信息后,按所述速率启用一个新的虚拟机执行所述计算任务,并返回处理结果。
实施例7
如图7所示,本实施例提供的一种计算迁移设备,所述设备可以设置在边缘服务器上,所述设备包括:处理器41,以及与所述处理器耦接的存储器42;所述处理器41和所述处理器耦接的存储器42能被虚拟化为一个及以上虚拟机;所述存储器42上存储有可在所述处理器41上运行的计算迁移程序;所述计算迁移程序被所述处理器41执行时将实现如上述实施例1和实施例2的计算迁移方法中的边缘服务器的步骤。
实施例8
利用MATLAB对本发明进行仿真。
1.仿真条件:采用Matlab评估本发明所提的高能效低延迟的计算迁移方法的延迟性能和计算终端能量效率。采用如图4所示的计算迁移系统模型,所示系统设置80个计算终端和1个边缘服务器,计算终端的最大计算速率均为fl max=1GHz,边缘服务器为迁移的计算任务提供的平均CPU计算速率fe=10GHz;计算终端通过非正交多址接入无线网络与边缘服务器通信,每个计算终端的最大发射功率为0.1W,平均可用上行无线信道数量为10,每个可用上行无线信道的带宽为5MHz;计算终端的本地计算能耗因子设为10-28;所述计算终端接收到的计算任务的平均每比特任务计算量为5900CPU cycle/bit;每个计算终端的最大可用能量为0.48mJ,平均信道功率增益为1.6×10-7,平均上行无线信道高斯白噪声干扰为1.0×10-10。仿真效果图8、图9中横坐标任务大小是每个计算终端所接收到的计算任务的以比特为单位的平均任务大小;图8、图9中所述全部本地计算是在每个计算终端处理其接收到的计算任务;所述全部迁移是所有计算终端都将其所接收到的计算任务迁移到边缘服务器进行处理。所述本发明所提方法是本发明所述的计算迁移方法。
2.仿真结果对比:图8是本实施例所提供计算迁移方法与全部本地计算和全部迁移的平均计算终端能耗对比图,如图8所示,在各种任务大小下,本发明所提的计算迁移方法的计算终端能耗均低于全部本地计算和全部迁移的能耗。图9是本实施例所提供计算迁移方法与全部本地计算和全部迁移的平均延迟对比图,如图9所示,在各种任务大小下,本发明所提的计算迁移方法的平均延迟均低于全部本地计算和全部迁移的平均延迟;随着任务大小的增加,采用全部本地计算或全部迁移会使得本地计算终端或边缘服务器的可用资源越来越少,因此采用全部本地计算或全部迁移的平均延迟随着任务大小的上升快速上升;而本发明所提供的计算迁移方法能在任务大小上升的情况下,仍然保持较低的平均延迟,尤其,当任务大小达到800KB/task时,本发明所提的计算迁移方法仍然能提供低于2.0ms的平均延迟。
显然,本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例,而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种计算迁移方法,其特征在于,包括如下步骤:
步骤S101:计算终端接收到运行移动应用程序的用户提交的至少一个计算任务,读取所述计算任务的信息,所述信息包括任务类型、任务大小和任务计算量;
步骤S102:计算终端根据所述计算终端的能量大小确定所述计算任务的本地计算延迟;
步骤S103:计算终端根据所述计算终端的能量大小确定所述计算任务的任务上传延迟和无线传输参数;
步骤S104:计算终端确定所述计算任务在边缘服务器的计算延迟;
步骤S105:计算终端根据所述任务上传延迟和所述计算任务在边缘服务器的计算延迟确定迁移计算延迟;
步骤S106:计算终端判断所述计算任务的本地计算延迟是否不超过其迁移计算延迟:是,则执行步骤S107;否,则跳往步骤S108;
步骤S107:计算终端对所述计算任务进行计算处理,并向用户返回处理结果;
步骤S108:计算终端根据所述无线传输参数将所述计算任务迁移至边缘服务器,前往步骤S109;
步骤S109:边缘服务器对所述计算任务进行计算处理,并向用户返回处理结果。
3.根据权利要求1所述的计算迁移方法,其特征在于,所述步骤S103和所述步骤S107中的无线传输参数包括所述计算终端的上行无线信道信息和所述计算终端的发射功率。
4.根据权利要求1所述的计算迁移方法,其特征在于,所述步骤S103中的任务上传延迟是所述计算任务的任务大小与所述计算终端的上行传输速率的比值;
所述计算终端的上行传输速率通过公式确定,其中,m表示所述计算终端,n表示所述计算终端的上行无线信道,β表示所述上行无线信道的带宽,pm,n表示所述计算终端在其上行无线信道的发射功率,hm,n表示所述计算终端在其上行无线信道的信道功率增益,Im,n表示所述计算终端在其上行无线信道的互干扰,N0表示所述上行无线信道的高斯白噪声干扰;
其中,所述计算终端的上行无线信道按如下方法确定:所述计算终端的上行无线信道n是可用的信道中信道功率增益最大的一个信道;
所述计算终端在其上行无线信道的发射功率pm,n满足不等式方程组的最大值,其中,表示所述计算终端可发射的最大功率,β表示所述计算终端的上行无线信道的带宽,Bt表示所述计算终端当前可用于执行所述任务的能量,L表示以比特为基本单位的任务大小;
5.根据权利要求1所述的计算迁移方法,其特征在于,所述步骤S104中的所述任务在边缘服务器的计算延迟按如下方法确定:所述计算任务在边缘服务器的计算延迟是所述任务计算量与所述计算任务在边缘服务器的计算速率的比值。
6.根据权利要求1或权利要求5所述的计算迁移方法,其特征在于,所述计算任务在边缘服务器的计算速率通过迁移计算服务速率查询过程获取,所述迁移计算服务速率查询过程包括如下步骤:
步骤S201:所述计算终端将所述任务的任务类型发送给边缘服务器,并请求计算速率;
步骤S202:边缘服务器根据所述任务的任务类型为所述任务分配一个计算速率;
步骤S203:边缘服务器向所述计算终端返回为所述任务分配的计算速率;
步骤S204:所述计算终端收到边缘服务器返回的所述任务在边缘服务器的计算速率,本迁移计算服务速率查询过程结束。
7.根据权利要求1所述的计算迁移方法,其特征在于,所述步骤S105中的迁移计算延迟是所述计算任务上传延迟和所述计算任务在边缘服务器的计算延迟之和。
8.一种计算终端设备,其特征在于,所述设备包括:处理器,以及与所述处理器耦接的存储器;所述存储器上存储有可在所述处理器上运行的计算迁移程序;所述计算迁移程序被所述处理器执行时实现如权利要求1至7中任一项所述的计算迁移方法中的计算终端所执行的步骤。
9.一种边缘服务器设备,其特征在于,所述设备包括:处理器,以及与所述处理器耦接的存储器;所述处理器和所述处理器耦接的存储器能被虚拟化为一个及以上虚拟机;所述存储器上存储有可在所述处理器上运行的计算迁移程序;所述计算迁移程序被所述处理器执行时将实现如权利要求1至7中任一项所述的计算迁移方法中的边缘服务器所执行的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011048033.5A CN112188551B (zh) | 2020-09-29 | 2020-09-29 | 一种计算迁移方法、计算终端设备及边缘服务器设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011048033.5A CN112188551B (zh) | 2020-09-29 | 2020-09-29 | 一种计算迁移方法、计算终端设备及边缘服务器设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112188551A true CN112188551A (zh) | 2021-01-05 |
CN112188551B CN112188551B (zh) | 2023-04-07 |
Family
ID=73946408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011048033.5A Active CN112188551B (zh) | 2020-09-29 | 2020-09-29 | 一种计算迁移方法、计算终端设备及边缘服务器设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112188551B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113179499A (zh) * | 2021-06-10 | 2021-07-27 | 南方电网科学研究院有限责任公司 | 一种智能电网数据汇聚控制方法、装置、基站终端及介质 |
CN113452788A (zh) * | 2021-06-29 | 2021-09-28 | 中国地质大学(北京) | 一种动态网络中基于服务迁移的适配优化方法 |
CN113612650A (zh) * | 2021-06-07 | 2021-11-05 | 北京东方通科技股份有限公司 | 一种对边缘计算设备的监测方法 |
CN113747499A (zh) * | 2021-08-17 | 2021-12-03 | 南京邮电大学 | 一种基于移动边缘计算的任务迁移方法 |
CN115967962A (zh) * | 2022-12-27 | 2023-04-14 | 广东技术师范大学 | 一种智能超表面辅助的端边协同计算迁移方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140136480A1 (en) * | 2012-11-12 | 2014-05-15 | EPI-USE Systems, Ltd. | Fast replication of an enterprise system to a remote computing environment |
CN105389206A (zh) * | 2015-11-02 | 2016-03-09 | 广东石油化工学院 | 一种云计算数据中心虚拟机资源快速配置方法 |
CN108376099A (zh) * | 2018-01-16 | 2018-08-07 | 西安建筑科技大学 | 一种优化时延与能效的移动终端计算迁移方法 |
CN109376374A (zh) * | 2018-09-01 | 2019-02-22 | 哈尔滨工程大学 | 一种基于多射频通信的多用户计算迁移方法 |
CN110266512A (zh) * | 2019-04-26 | 2019-09-20 | 广东工业大学 | 一种移动边缘计算迁移系统的快速资源配置方法 |
CN110708713A (zh) * | 2019-10-29 | 2020-01-17 | 安徽大学 | 一种采用多维博弈的移动边缘计算移动端能效优化方法 |
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
- 2020-09-29 CN CN202011048033.5A patent/CN112188551B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140136480A1 (en) * | 2012-11-12 | 2014-05-15 | EPI-USE Systems, Ltd. | Fast replication of an enterprise system to a remote computing environment |
CN105389206A (zh) * | 2015-11-02 | 2016-03-09 | 广东石油化工学院 | 一种云计算数据中心虚拟机资源快速配置方法 |
CN108376099A (zh) * | 2018-01-16 | 2018-08-07 | 西安建筑科技大学 | 一种优化时延与能效的移动终端计算迁移方法 |
CN109376374A (zh) * | 2018-09-01 | 2019-02-22 | 哈尔滨工程大学 | 一种基于多射频通信的多用户计算迁移方法 |
CN110266512A (zh) * | 2019-04-26 | 2019-09-20 | 广东工业大学 | 一种移动边缘计算迁移系统的快速资源配置方法 |
CN110708713A (zh) * | 2019-10-29 | 2020-01-17 | 安徽大学 | 一种采用多维博弈的移动边缘计算移动端能效优化方法 |
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 |
Non-Patent Citations (2)
Title |
---|
孙莉等: "能量收集和能量协作菱形信道的功率分配策略", 《小型微型计算机系统》 * |
罗鸿轩等: "基于边缘计算与MapReduce的智能量测终端数据处理方法", 《智慧电力》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113612650A (zh) * | 2021-06-07 | 2021-11-05 | 北京东方通科技股份有限公司 | 一种对边缘计算设备的监测方法 |
CN113612650B (zh) * | 2021-06-07 | 2022-09-30 | 北京东方通科技股份有限公司 | 一种对边缘计算设备的监测方法 |
CN113179499A (zh) * | 2021-06-10 | 2021-07-27 | 南方电网科学研究院有限责任公司 | 一种智能电网数据汇聚控制方法、装置、基站终端及介质 |
CN113179499B (zh) * | 2021-06-10 | 2022-02-15 | 南方电网科学研究院有限责任公司 | 一种智能电网数据汇聚控制方法、装置、基站终端及介质 |
CN113452788A (zh) * | 2021-06-29 | 2021-09-28 | 中国地质大学(北京) | 一种动态网络中基于服务迁移的适配优化方法 |
CN113452788B (zh) * | 2021-06-29 | 2022-04-26 | 中国地质大学(北京) | 一种动态网络中基于服务迁移的适配优化方法 |
CN113747499A (zh) * | 2021-08-17 | 2021-12-03 | 南京邮电大学 | 一种基于移动边缘计算的任务迁移方法 |
CN113747499B (zh) * | 2021-08-17 | 2023-08-15 | 南京邮电大学 | 一种基于移动边缘计算的任务迁移方法 |
CN115967962A (zh) * | 2022-12-27 | 2023-04-14 | 广东技术师范大学 | 一种智能超表面辅助的端边协同计算迁移方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112188551B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112188551B (zh) | 一种计算迁移方法、计算终端设备及边缘服务器设备 | |
CN108809695B (zh) | 一种面向移动边缘计算的分布上行链路卸载策略 | |
CN110418416B (zh) | 移动边缘计算系统中基于多智能体强化学习的资源分配方法 | |
Zhao et al. | Energy-saving offloading by jointly allocating radio and computational resources for mobile edge computing | |
CN111093203B (zh) | 一种基于环境感知的服务功能链低成本智能部署方法 | |
CN110392079B (zh) | 面向雾计算的节点计算任务调度方法及其设备 | |
CN109167671B (zh) | 一种面向量子密钥分发业务的配用通信系统均衡负载调度方法 | |
CN110798849A (zh) | 一种超密网边缘计算的计算资源分配与任务卸载方法 | |
CN111132191A (zh) | 移动边缘计算服务器联合任务卸载、缓存及资源分配方法 | |
Nath et al. | Multi-user multi-channel computation offloading and resource allocation for mobile edge computing | |
CN107708152B (zh) | 异构蜂窝网络的任务卸载方法 | |
CN111475274A (zh) | 云协同多任务调度方法及装置 | |
Zhu et al. | Computing offloading strategy using improved genetic algorithm in mobile edge computing system | |
CN114697333A (zh) | 一种能量队列均衡的边缘计算方法 | |
CN112512065A (zh) | 支持mec的小小区网络中在移动感知下的卸载和迁移算法 | |
CN113708962A (zh) | 一种基于网络切片的移动边缘计算资源管理方法 | |
Kan et al. | QoS-aware mobile edge computing system: Multi-server multi-user scenario | |
Liu et al. | SCMA-based multiaccess edge computing in IoT systems: An energy-efficiency and latency tradeoff | |
He et al. | Strategy for task offloading of multi-user and multi-server based on cost optimization in mobile edge computing environment | |
KR102562732B1 (ko) | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 | |
CN112486685B (zh) | 一种电力物联网的计算任务分配方法、装置及计算机设备 | |
Chen et al. | Joint optimization of task caching, computation offloading and resource allocation for mobile edge computing | |
CN112104737B (zh) | 一种计算迁移方法、移动计算设备及边缘计算设备 | |
CN109818788B (zh) | 一种基于次模优化的边缘缓存c-ran中计算资源分配方法 | |
Wang et al. | Offloading Strategies for Mobile Edge Computing Based on Multi-Attribute Preferences in Smart Grids |
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 |