CN112559078B - 一种移动边缘计算服务器分级卸载任务方法及系统 - Google Patents
一种移动边缘计算服务器分级卸载任务方法及系统 Download PDFInfo
- Publication number
- CN112559078B CN112559078B CN202011525164.8A CN202011525164A CN112559078B CN 112559078 B CN112559078 B CN 112559078B CN 202011525164 A CN202011525164 A CN 202011525164A CN 112559078 B CN112559078 B CN 112559078B
- Authority
- CN
- China
- Prior art keywords
- task
- value
- data
- tasks
- terminal
- 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
Links
Images
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
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
-
- 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
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/48—Indexing scheme relating to G06F9/48
- G06F2209/484—Precedence
-
- 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
- G06F2209/5021—Priority
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种移动边缘计算服务器分级卸载任务方法及系统,其方法包括步骤:获取区域内终端一定时间段内产生的一个或多个任务的信息,包括任务的数据量、任务的时延要求信息;根据任务信息和任务所在终端的信息计算任务的时延敏感性值、数据重复性值、终端移动性值、数据保密性值;根据任务的时延敏感性值和/或数据重复性值和/或终端移动性值和/或数据保密性值与区域内本地服务器的匹配程度计算任务的本地优先值;根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务。本发明解决了如何对区域内任务进行合理分级并按照分级进行任务卸载的问题。
Description
技术领域
本发明属于移动边缘计算技术领域,特别是涉及一种移动边缘计算服务器分级卸载任务方法及系统。
背景技术
在移动边缘计算系统中,终端的应用程序产生的任务可以选择在本地运行,也可通过无线传输的方式将任务卸载到边缘服务器上运行。如何进行任务的卸载和资源分配,是移动边缘计算中的一个最重要的问题之一。目前的相关技术,例如公开号为CN111984110A的中国专利《一种移动边缘计算网络中无人机计算卸载方法及系统》提出计算无人机的本地计算能耗和最优上传任务时间;基于最优上传任务时间计算上传任务能耗;基于本地计算能耗和上传任务能耗确定最优任务卸载的比例;基于最优任务卸载的比例确定最优发射功率和最优无人机CPU功率;无人机根据最优上传任务时间、最优任务卸载的比例、最优发射功率和最优无人机CPU功率完成计算任务。公开号为CN111932027A的中国专利《一种融合边缘设施的云服务综合调度优化系统及方法》提出通过模式识别从终端设施上传的任务中提取各类特征为依据进行分类,之后通过运行态数据特征进行强化学习机制修正分类,实现调度,在运行任务时,边缘服务器对边缘资源保持控制和监控,进行资源分配、调度。公开号为CN111679904A的中国专利《一种基于边缘计算网络的任务调度方法及装置》提出云计算平台通过任务调度优先级和边缘计算节点的分配优先级的双重计算,将对时延要求高的任务优先进行调度,并分配给距离终端设备较近的边缘计算节点进行处理,降低了整个网络系统在处理与用户相关的交互任务时的任务处理时延、网络传输时延和系统开销。
上述技术方案分别基于本地计算能耗和上传任务能耗确定最优任务卸载的比例、通过运行态数据特征进行强化学习机制修正分类实现调度、通过任务调度优先级和边缘计算节点的分配优先级的双重计算得到任务卸载方案。但是上述方案都没有考虑任务的重复性、终端的移动性以及数据的保密性对合理选择服务器的影响。目前还没有综合考虑任务的时延敏感性、数据重复性、终端移动性及数据的保密性对区域内任务进行合理分级并按照分级进行任务卸载的技术方案,为此提出一种移动边缘计算服务器分级卸载任务方法及系统。
发明内容
本发明为了解决上述问题,提出一种移动边缘计算服务器分级卸载任务方法及系统。
本发明依托移动边缘计算系统。区域内的移动终端应用程序产生任务信息流,基站根据任务信息将任务进行分级并确定卸载方案。
本发明的移动边缘计算服务器分级卸载任务方法,其特征在于:
获取区域内终端一定时间段内产生的一个或多个任务的信息,包括任务的数据量、任务的时延要求信息;
根据任务信息和任务所在终端的信息计算任务的时延敏感性值、数据重复性值、终端移动性值、数据保密性值;
根据任务的时延敏感性值和/或数据重复性值和/或终端移动性值和/或数据保密性值与区域内本地服务器的匹配程度计算任务的本地优先值;
根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务。
优选地,所述任务的数据量是处理任务所需的数据存储量、数据计算量、执行程序量的任一项或多项组合。
优选地,所述任务的时延要求信息是保证终端正常工作的最低时延要求、根据任务类型设置的时延要求、根据任务所在终端的类型设置的时延要求、根据任务所在终端的位置设置的时延要求的任一项或多项组合。
优选地,所述时延敏感性值是根据任务的时延要求和/或任务数据类型和/或任务所在终端的类型计算时延敏感性值,时延要求越高则时延敏感性值越大。
优选地,所述数据重复性值是根据任务数据类型的重复性和/或任务数据内容的重复性和/或任务所在终端的重复性计算数据重复性值。
优选地,所述终端移动性值是根据任务所在终端的移动特征计算终端移动性值;所述数据保密性值是根据任务所在终端的类型和/或任务数据的加密方式计算数据保密性值。
优选地,所述根据任务的时延敏感性值和/或数据重复性值和/或终端移动性值和/或数据保密性值与区域内本地服务器的匹配程度计算任务的本地优先值,包括步骤:
根据任务的时延敏感性值与区域内本地服务器的匹配关系计算时延敏感性匹配值;
根据任务的数据重复性值与区域内本地服务器的匹配关系计算数据重复性匹配值;
根据任务的终端移动性值与区域内本地服务器的匹配关系计算终端移动性匹配值;
根据任务的数据保密性值与区域内本地服务器的匹配关系计算数据保密性匹配值;
根据时延敏感性匹配值和/或数据重复性匹配值和/或终端移动性匹配值和/或数据保密性匹配值计算任务的本地优先值。
优选地,所述根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务,包括步骤:
任务数量记为m,将各任务按照本地优先值从大到小排序;
根据本地服务器当前的处理能力和/或拥塞情况计算本地服务器当前可处理的任务数量n;
优先值排序中前n个任务划分为在本地处理的任务,其余任务划分为卸载到边缘服务器处理的任务。
一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使计算机执行上述方法。
一种移动边缘计算服务器分级卸载任务系统,其特征在于包括:
终端;
处理器;
存储器;
以及
一个或多个程序,其中所述一个或多个程序被存储在存储器中,并且被配置成由所述处理器执行,所述程序使计算机执行如权利要求上述的方法。
本发明的方法及系统具有的优点是:
(1)根据任务的时延敏感性和/或数据重复性和/或移动性和/或数据保密性并以此计算任务的本地优先值,可以有效对多任务进行分级,便于后续在本地服务器优先处理时延敏感度高、数据重复度高、移动性弱且数据保密性要求高的任务。
(2)根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务,可以将多任务进行有效分类,提高任务的处理效率和处理精确性。
附图说明
图1是本发明实施例的移动边缘计算服务器分级卸载任务方法的步骤流程图;
图2是本发明实施例的移动边缘计算服务器分级卸载任务系统框图。
具体实施方式
下面对本发明优选实施例作详细说明。
本发明依托移动边缘计算系统。区域内的移动终端应用程序产生任务信息流,基站根据任务信息将任务进行分级并确定卸载方案。
本发明的移动边缘计算服务器分级卸载任务方法的实施例,流程图如图1所示,其特征在于:
获取区域内终端一定时间段内产生的一个或多个任务的信息,包括任务的数据量、任务的时延要求信息;
根据任务信息和任务所在终端的信息计算任务的时延敏感性值、数据重复性值、终端移动性值、数据保密性值;
根据任务的时延敏感性值和/或数据重复性值和/或终端移动性值和/或数据保密性值与区域内本地服务器的匹配程度计算任务的本地优先值;
根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务。
优选地,所述任务的数据量是处理任务所需的数据存储量、数据计算量、执行程序量的任一项或多项组合。本实施例中,获取区域内终端一定时间段内应用程序产生的所有任务,每个任务的数据量是指处理任务所需的数据存储量、数据计算量、执行程序量的任一项或多项组合。
优选地,所述任务的时延要求信息是保证终端正常工作的最低时延要求、根据任务类型设置的时延要求、根据任务所在终端的类型设置的时延要求、根据任务所在终端的位置设置的时延要求的任一项或多项组合。本实施例中,获取区域内终端一定时间段内应用程序产生的所有任务,根据每个任务不同的发起终端、终端类型、终端位置或任务类型得到不同的时延要求信息。因此,任务的时延要求信息是指保证终端正常工作的最低时延要求、根据任务类型设置的时延要求、根据任务所在终端的类型设置的时延要求、根据任务所在终端的位置设置的时延要求的任一项或多项组合。
优选地,所述时延敏感性值是根据任务的时延要求和/或任务数据类型和/或任务所在终端的类型计算时延敏感性值,时延要求越高则时延敏感性值越大。本实施例中,时延敏感性值与任务的时延要求成正相关关系,即任务要求的时延越小,则时延敏感性值越大;在另一种实施方式中,不同的任务数据类型具有不同的时延要求,例如文字类数据的时延要求较低(时延数值大),图片类数据的时延要求次之,视频类数据的时延要求较高(时延数值小),根据事先设置的不同任务数据类型对应的时延数值得到时延敏感性值,时延数值越小,则时延敏感性值越大;在另一种实施方式中,不同的任务所在终端的类型具有不同的时延要求,例如电脑类终端的时延要求较低(时延数值大),手机类终端的时延要求次之,智能家居终端的时延要求较高(时延数值小),根据事先设置的不同终端类型对应的时延数值得到时延敏感性值,时延数值越小,则时延敏感性值越大;在另一种实施方式中,根据上述任一项或多项的组合计算时延敏感性值。
优选地,所述数据重复性值是根据任务数据类型的重复性和/或任务数据内容的重复性和/或任务所在终端的重复性计算数据重复性值。本实施例中,数据重复性值与任务数据类型的重复性成正相关关系,即任务数据类型与历史类型的重复比例越大,则数据重复性值越大;在另一种实施方式中,数据重复性值与任务数据内容的重复性成正相关关系,即任务数据内容与历史内容的重复比例越大,则数据重复性值越大;在另一种实施方式中,数据重复性值与任务所在终端的重复性成正相关关系,即任务所在终端的历史中出现的次数越多,则数据重复性值越大;在另一种实施方式中,根据上述任一项或多项的组合计算数据重复性值。
优选地,所述终端移动性值是根据任务所在终端的移动特征计算终端移动性值。本实施例中,终端移动性值与任务所在终端的移动特征成正相关关系,任务所在终端的移动特征包括终端的移动速度、终端的移动距离、终端的位置变化性的任一项或多项组合。
优选地,所述数据保密性值是根据任务所在终端的类型和/或任务数据的加密方式计算数据保密性值。本实施例中,不同的任务所在终端的类型具有不同的数据保密要求,例如智能家居类终端的数据保密要求较低,手机类和电脑类终端的时延要求较高,根据事先设置的不同终端类型对应的保密等级计算数据保密性值,保密等级越高,则数据保密性值越大;在另一种实施方式中,不同的任务数据加密方式表示不同的任务保密要求,例如MD5加密算法、对称加密和非对称加密算法,根据事先设置的不同加密算法对应的保密等级计算数据保密性值,保密等级越高,则数据保密性值越大;在另一种实施方式中,根据上述任一项或多项的组合计算数据保密性值。
优选地,所述根据任务的时延敏感性值和/或数据重复性值和/或终端移动性值和/或数据保密性值与区域内本地服务器的匹配程度计算任务的本地优先值,包括步骤:
根据任务的时延敏感性值与区域内本地服务器的匹配关系计算时延敏感性匹配值;
根据任务的数据重复性值与区域内本地服务器的匹配关系计算数据重复性匹配值;
根据任务的终端移动性值与区域内本地服务器的匹配关系计算终端移动性匹配值;
根据任务的数据保密性值与区域内本地服务器的匹配关系计算数据保密性匹配值;
根据时延敏感性匹配值和/或数据重复性匹配值和/或终端移动性匹配值和/或数据保密性匹配值计算任务的本地优先值。
本实施例中,任务的数据重复性值记为w,任务的数据重复性值记为p,终端移动性值记为q,任务的数据保密性值记为r;
一种优选实施方式中,所述根据任务的时延敏感性值与区域内本地服务器的匹配关系计算时延敏感性匹配值包括步骤:
根据区域内本地服务器处理任务的最高时延和最低时延计算本地服务器的时延匹配范围[W1,W2],时延匹配极值W1与处理任务的最高时延成反比,时延匹配极值W2与处理任务的最低时延成反比;
根据某任务的时延敏感性值w在本地服务器的时延匹配范围[W1,W2]中的位置计算时延敏感性匹配值a,a取值0-1。
一种优选实施方式中,所述根据任务的数据重复性值与区域内本地服务器的匹配关系计算数据重复性匹配值包括步骤:
根据区域内本地服务器历史数据中处理重复数据的效率(效率与处理任务的耗时和耗能成反比)训练得到数据重复性值与效率的函数关系,该函数关系为线性增函数或非线性增函数,数据重复性值越高,则效率越高;
根据历史数据中的数据重复性值和数据重复性值与效率的函数关系得到本地服务器处理不同重复性数据的效率范围[P1,P2];
根据某任务的数据重复性值p计算效率并根据其在效率范围[P1,P2]中的位置计算数据重复性匹配值b,b取值0-1。
一种优选实施方式中,所述根据任务的终端移动性值与区域内本地服务器的匹配关系计算终端移动性匹配值包括步骤:
根据区域内本地服务器历史数据中处理不同移动状态终端任务时的效率训练得到终端移动性值与效率的函数关系,该函数关系为线性减函数或非线性减函数,终端移动性值越高,则效率越低;
根据历史数据中终端的移动性值和终端移动性值与效率的函数关系得到本地服务器处理不同移动状态终端的任务数据的效率范围[Q1,Q2];
根据某任务的终端移动性值q计算效率并根据其在效率范围[Q1,Q2]中的位置计算终端移动性匹配值c,c取值0-1。
一种优选实施方式中,所述根据任务的数据保密性值与区域内本地服务器的匹配关系计算数据保密性匹配值包括步骤:
根据区域内本地服务器历史数据中处理不同保密状态任务时的效率训练得到数据保密性值与效率的函数关系,该函数关系为线性减函数或非线性减函数,数据保密性值越高,则效率越低;
根据历史数据中任务的数据保密性值和数据保密性值与效率的函数关系得到本地服务器处理不同保密状态任务数据的效率范围[R1,R2];
根据某任务的数据保密性值r计算效率并根据其在效率范围[R1,R2]中的位置计算数据保密性d,d取值0-1。
一种优选实施方式中,所述根据时延敏感性匹配值和/或数据重复性匹配值和/或终端移动性匹配值和/或数据保密性匹配值计算任务的本地优先值是根据任务的本地优先值与时延敏感性匹配值和/或数据重复性匹配值和/或终端移动性匹配值和/或数据保密性匹配值的正相关关系得到。
表A中A1~A15表示计算任务的本地优先值的不同实施方式,其中表A中涉及的时延敏感性匹配值a、数据重复性匹配值b、终端移动性匹配值c、数据保密性d采用上述实施方式中的计算公式计算。
表A计算任务的本地优先值的不同实施方式
优选地,所述根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务,包括步骤:
任务数量记为m,将各任务按照本地优先值从大到小排序;
根据本地服务器当前的处理能力和/或拥塞情况计算本地服务器当前可处理的任务数量n;
优先值排序中前n个任务划分为在本地处理的任务,其余任务划分为卸载到边缘服务器处理的任务。本实施例中,一段时间内(10秒)内的任务数量总数m=100,根据表A中任一实施例所述的方法计算各任务的本地优先值xi,i表示任务的编号;本地服务器当前可处理的任务数量n与本地服务器当前的处理能力成正比,与当前服务器拥塞情况成反比,以此计算本地服务器当前可处理的任务数量n=25,则将各任务本地优先值xi排序后的前25个任务划分为在本地处理的任务,其余任务划分为卸载到边缘服务器处理的任务。
一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使计算机执行上述方法。
一种移动边缘计算服务器分级卸载任务系统,示意图如图2所示,其特征在于包括:
终端;
处理器;
存储器;
以及
一个或多个程序,其中所述一个或多个程序被存储在存储器中,并且被配置成由所述处理器执行,所述程序使计算机执行上述方法。
当然,本技术领域中的普通技术人员应当认识到,以上实施例仅是用来说明本发明的,而并非作为对本发明的限定,只要在本发明的范围内,对以上实施例的变化、变型都将落入本发明的保护范围。
Claims (4)
1.一种移动边缘计算服务器分级卸载任务方法,其特征在于,包括:
获取区域内终端一定时间段内产生的一个或多个任务的信息,包括任务的数据量、任务的时延要求信息;所述任务的数据量是处理任务所需的数据存储量、数据计算量、执行程序量的任一项或多项组合;所述任务的时延要求信息是保证终端正常工作的最低时延要求、根据任务类型设置的时延要求、根据任务所在终端的类型设置的时延要求、根据任务所在终端的位置设置的时延要求的任一项或多项组合;
根据任务信息和任务所在终端的信息计算任务的时延敏感性值、数据重复性值、终端移动性值、数据保密性值;所述时延敏感性值是根据任务的时延要求和/或任务数据类型和/或任务所在终端的类型计算时延敏感性值,时延要求越高则时延敏感性值越大;所述数据重复性值是根据任务数据类型的重复性和/或任务数据内容的重复性和/或任务所在终端的重复性计算数据重复性值;所述终端移动性值是根据任务所在终端的移动特征计算终端移动性值,任务所在终端的移动特征包括终端的移动速度、终端的移动距离、终端的位置变化性的任一项或多项组合;所述数据保密性值是根据任务所在终端的类型和/或任务数据的加密方式计算数据保密性值;
根据任务的时延敏感性值和/或数据重复性值和/或终端移动性值和/或数据保密性值与区域内本地服务器的匹配程度计算任务的本地优先值;所述根据任务的时延敏感性值和/或数据重复性值和/或终端移动性值和/或数据保密性值与区域内本地服务器的匹配程度计算任务的本地优先值,包括步骤:根据任务的时延敏感性值与区域内本地服务器的匹配关系计算时延敏感性匹配值;根据任务的数据重复性值与区域内本地服务器的匹配关系计算数据重复性匹配值;根据任务的终端移动性值与区域内本地服务器的匹配关系计算终端移动性匹配值;根据任务的数据保密性值与区域内本地服务器的匹配关系计算数据保密性匹配值;根据时延敏感性匹配值和/或数据重复性匹配值和/或终端移动性匹配值和/或数据保密性匹配值计算任务的本地优先值;
根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务。
2.根据权利要求1所述的移动边缘计算服务器分级卸载任务方法,其特征在于,所述根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务,包括步骤:
任务数量记为m,将各任务按照本地优先值从大到小排序;
根据本地服务器当前的处理能力和/或拥塞情况计算本地服务器当前可处理的任务数量n;
优先值排序中前n个任务划分为在本地处理的任务,其余任务划分为卸载到边缘服务器处理的任务。
3.一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使计算机执行如权利要求1-2任一项所述的方法。
4.一种移动边缘计算服务器分级卸载任务系统,其特征在于包括:
终端;
处理器;
存储器;
以及一个或多个程序,其中所述一个或多个程序被存储在存储器中,并且被配置成由所述处理器执行,所述程序使计算机执行如权利要求1-2任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011525164.8A CN112559078B (zh) | 2020-12-22 | 2020-12-22 | 一种移动边缘计算服务器分级卸载任务方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011525164.8A CN112559078B (zh) | 2020-12-22 | 2020-12-22 | 一种移动边缘计算服务器分级卸载任务方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112559078A CN112559078A (zh) | 2021-03-26 |
CN112559078B true CN112559078B (zh) | 2023-03-21 |
Family
ID=75031355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011525164.8A Active CN112559078B (zh) | 2020-12-22 | 2020-12-22 | 一种移动边缘计算服务器分级卸载任务方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559078B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115333611B (zh) * | 2022-08-31 | 2023-10-24 | 长沙理工大学 | 一种无线通信方法、无人机及移动边缘计算系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110493360A (zh) * | 2019-09-26 | 2019-11-22 | 重庆大学 | 多服务器下降低系统能耗的移动边缘计算卸载方法 |
CN111262944A (zh) * | 2020-01-20 | 2020-06-09 | 北京大学 | 异构移动边缘计算网络中分层任务卸载的方法与系统 |
CN111262906A (zh) * | 2020-01-08 | 2020-06-09 | 中山大学 | 分布式边缘计算服务系统下的移动用户终端任务卸载方法 |
CN112052086A (zh) * | 2020-07-28 | 2020-12-08 | 西安交通大学 | 一种移动边缘计算网络中的多用户安全节能资源分配方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10440096B2 (en) * | 2016-12-28 | 2019-10-08 | Intel IP Corporation | Application computation offloading for mobile edge computing |
US10326766B2 (en) * | 2017-07-13 | 2019-06-18 | Dell Products, Lp | Method and apparatus for optimizing mobile edge computing for nomadic computing capabilities as a service |
US10659526B2 (en) * | 2018-01-03 | 2020-05-19 | Verizon Patent And Licensing Inc. | Edge compute systems and methods |
CN111132235B (zh) * | 2019-12-27 | 2023-04-07 | 东北大学秦皇岛分校 | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 |
CN111679904B (zh) * | 2020-03-27 | 2023-10-31 | 北京世纪互联宽带数据中心有限公司 | 一种基于边缘计算网络的任务调度方法及装置 |
-
2020
- 2020-12-22 CN CN202011525164.8A patent/CN112559078B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110493360A (zh) * | 2019-09-26 | 2019-11-22 | 重庆大学 | 多服务器下降低系统能耗的移动边缘计算卸载方法 |
CN111262906A (zh) * | 2020-01-08 | 2020-06-09 | 中山大学 | 分布式边缘计算服务系统下的移动用户终端任务卸载方法 |
CN111262944A (zh) * | 2020-01-20 | 2020-06-09 | 北京大学 | 异构移动边缘计算网络中分层任务卸载的方法与系统 |
CN112052086A (zh) * | 2020-07-28 | 2020-12-08 | 西安交通大学 | 一种移动边缘计算网络中的多用户安全节能资源分配方法 |
Non-Patent Citations (1)
Title |
---|
李万清 ; 刘辉 ; 李忠金 ; 袁友伟 .移动边缘计算环境下面向安全和能耗感知的服务工作流调度方法.2020,第1831-1842页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112559078A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112004239A (zh) | 一种基于云边协同的计算卸载方法及系统 | |
CN112996056A (zh) | 一种云边协同下时延最优化的计算任务卸载方法及装置 | |
CN109981744B (zh) | 数据的分发方法、装置、存储介质及电子设备 | |
US20210042578A1 (en) | Feature engineering orchestration method and apparatus | |
CN111328023B (zh) | 一种基于预测机制的移动设备多任务竞争卸载方法 | |
Liao et al. | Online computation offloading with double reinforcement learning algorithm in mobile edge computing | |
CN112835715B (zh) | 基于强化学习的无人机任务卸载策略的确定方法和装置 | |
CN116596095B (zh) | 基于机器学习的碳排放量预测模型的训练方法及装置 | |
KR102562732B1 (ko) | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 | |
Fu et al. | Traffic prediction-enabled energy-efficient dynamic computing resource allocation in cran based on deep learning | |
CN109375999A (zh) | 一种基于贝叶斯网络的mec随机任务迁移方法 | |
CN112559078B (zh) | 一种移动边缘计算服务器分级卸载任务方法及系统 | |
CN111511028A (zh) | 一种多用户资源分配方法、装置、系统及存储介质 | |
CN115967990A (zh) | 一种基于分类和预测的边端协同业务卸载方法 | |
Liu et al. | Deep learning video analytics through online learning based edge computing | |
CN117081996B (zh) | 基于服务端实时反馈和软阈值的流量控制方法及相关设备 | |
KR102350195B1 (ko) | 모바일 엣지 컴퓨팅을 활용하는 모바일 증강현실 서비스의 모바일 단말 에너지 최적화 방법 및 시스템 | |
Lee et al. | Machine learning and deep learning for throughput prediction | |
CN112488563A (zh) | 一种算力参数的确定方法和装置 | |
Ma et al. | Quality-aware video offloading in mobile edge computing: A data-driven two-stage stochastic optimization | |
CN114286408B (zh) | 基于天地一体化的网络性能优化方法、系统、装置及介质 | |
CN114675845A (zh) | 信息年龄优化方法、装置、计算机设备及存储介质 | |
Aljulayfi et al. | A Machine Learning based Context-aware Prediction Framework for Edge Computing Environments. | |
CN115185658A (zh) | 一种基于时间和通信可靠的任务卸载调度方法及相关产品 | |
CN113722108A (zh) | 基于应用运行负载数据预测的容器资源弹性预伸缩方法 |
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 |