CN112559178A - 一种基于边云服务器协同计算的任务卸载方法 - Google Patents
一种基于边云服务器协同计算的任务卸载方法 Download PDFInfo
- Publication number
- CN112559178A CN112559178A CN202011480417.4A CN202011480417A CN112559178A CN 112559178 A CN112559178 A CN 112559178A CN 202011480417 A CN202011480417 A CN 202011480417A CN 112559178 A CN112559178 A CN 112559178A
- Authority
- CN
- China
- Prior art keywords
- mec
- task
- tasks
- edge
- unloading
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000005265 energy consumption Methods 0.000 claims abstract description 10
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000002994 raw material Substances 0.000 claims 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
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
- G06F9/46—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
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
-
- 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)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Multi Processors (AREA)
Abstract
本发明提出了一种基于边云服务器协同计算的任务卸载方法。本发明步骤为:首先用户根据任务的能量消耗挑选预卸载边缘服务器;然后边缘服务器对任务依响应比进行排序,在最大时延的限制下根据任务在边缘服务器的等待时间,判断任务的卸载方式;最后对于任务分配不均衡的边缘服务器,进行动态调整,然后用户根据相应最终策略进行任务卸载。本发明通过响应比排序有效的提高了任务计算效率,此外还引入了个性化卸载决策,用户可以自行根据当前处理任务需求设定响应时间和能耗的权重值,有效的提高了服务质量。
Description
技术领域
本发明涉及了边缘计算技术领域,尤其涉及了一种基于边云服务器协同计算的任务方法。
背景技术
随着越来越多新的应用程序涌现,人们对智能计算的需求越来越迫切。云计算中心具有资源丰富优点,但是远程任务传输延迟会极大影响用户任务卸载性能。边缘服务器地理位置上临近用户,具备传输路径相对较短的优点。但与云计算中心相比,边缘服务器的资源的资源相对短缺。因此,当移动用户的任务急剧增加时,将严重影响移动用户获得的边缘计算服务体验。由于两者的互补性,边缘计算和云计算中心可以协作执行移动用户的任务请求,从而使移动用户可以获得更高的服务质量。
考虑到移动用户主要关注卸载任务所需的性能和能耗,本发明提出了一种基于边云服务器协同计算的任务卸载方法。本发明步骤为:首先用户根据任务的能量消耗挑选预卸载边缘服务器;然后边缘服务器对任务依响应比进行排序,在最大时延的限制下根据任务在边缘服务器的等待时间,判断任务的卸载方式;最后对于任务分配不均衡的边缘服务器,进行动态调整,然后用户根据相应最终策略进行任务卸载。本发明通过响应比排序有效的提高了任务计算效率,此外还引入了个性化卸载决策,用户可以自行根据当前处理任务需求设定响应时间和能耗的权重值,有效的提高了服务质量。
发明内容
针对现有技术的不足,本发明提出了一种基于边云服务器协同计算的任务卸载方法。
本发明通过以下方案实现:
步骤一、初始化设置阶段:
1)用户UEn公布任务τn参数:τn=<bn,dn>,bn,dn分别为任务数据量和响应时间阈值;
3)所有的UEn根据Ψn,l和min(Ψn,m,Ψn,c)的最大差值Ln,m来挑选预卸载MECm。
步骤二、排序阶段:
2)根据τn的响应比找出第一个被执行的任务,为在MECm上执行计算的时延,在MECm上的等待时间,让Qm中所有的任务轮流作为第一个被执行的任务,分别计算其他任务的响应比,最后拥有最大的响应比ηn,m的任务τn首先被执行计算;
4)MECm将排序后的响应时间反馈给UEn,UEn给出相应的预卸载策略。
步骤三、动态调整阶段:
1)计算MECm中任务预卸载后的总消耗Ψm,并得到W={Ψ1,Ψ2,Ψ3,...,ΨM},
2)从W中找出最大总消耗的Ψm′和最小总消耗的Ψm″,则得到对应的转出和转入任务边缘MECm′,MECm″,从MECm′中随机挑任务(如果有卸载回本地的任务优先考虑)调整到MECm″中;
3)将调整后的任务重新排序即重复步骤二和步骤三,直到W中的总消耗方差不超过Zv(Zv取值为某一合适常数)为止;
4)UEn根据MECm给的相应最终策略进行任务卸载。
与现有的技术相比,本发明优点在于引入响应比排序以及对任务进行动态调整可以有效的提高了计算效率,减少任务的时间延迟以及能量消耗。
附图说明
图1是本发明任务卸载方法的整体流程图;
图2是本发明初始化收集任务的流程图;
图3是本发明排序的流程图;
图4是本发明动态调整的流程图;
具体实施方法
本发明设计了一种基于边云服务器协同计算的任务卸载方法,结合图2、图3、图4具体实施方法如下:
步骤一、初始化设置阶段:
1)用户UEn公布任务τn参数:τn=<bn,dn>,bn,dn分别为任务数据量和响应时间阈值;
5)UEn根据Ψn,l和min(Ψn,m,Ψn,c)的最大差值Ln,m来挑选预卸载MECm。
步骤二、排序阶段:
2)根据τn的响应比找出第一个被执行的任务,为在MECm上执行计算的时延,在MECm上的等待时间,让Qm中所有的任务轮流作为第一个被执行的任务,分别计算其他任务的响应比,最后拥有最大的响应比ηn,m的任务τn首先被执行计算;
3)执行τn的同时,计算出在其响应时间段内到达的其他任务响应比ηn,m;
5)MECm将排序后的具体响应时间反馈给UEn,UEn给出相应的预卸载策略;
6)判断排序后τn的tn,m是否大于dn以及是否满足Ln,m小于0,将满足条件的任务预卸载在LS上并用an=0,xn=0表示,不满足则判断在MECm的tn,m是否小于在CS的响应时间tn,c,若满足条件继续在MECm等待计算并用an=1,xn=0表示,若不满足则在CS执行计算即用an=0,yn=1表示。
步骤三、动态调整阶段:
1)计算出MECm中任务卸载决策后的总消耗Ψm表示为:
并得到W={Ψ1,Ψ2,Ψ3,...,ΨM};
2)根据W获得转出边缘服务器MECm′和转入边缘服务器MECm″(m′,m″∈{1,2,3,...,M}),从MECm′挑选合适的任务调整到MECm″去处理;
3)从W中找出最大总消耗的Ψm′和最小总消耗的Ψm″,则得到对应的转出和转入任务边缘MECm′,MECm″,从MECm′中随机挑任务(如果有卸载回本地的任务优先考虑)调整到MECm″中;
4)将调整后的任务重新排序即重复步骤二和步骤三,直到W中的总消耗方差不超过Zv(Zv取值为某一合适常数)为止;
5)UEn根据MECm给的相应最终策略进行任务卸载。
Claims (4)
1.提出了一种基于边云服务器协同计算的任务卸载方法,所述方法至少包含以下几个步骤,
步骤一、初始化设置阶段:
1)用户UEn(n∈{1,2,...,N})生成任务τn参数,
2)分别计算τn在本地服务器LS、边缘服务器MECm(m∈{1,2,...,M})、云服务中心CS的消耗函数Ψn,l,Ψn,m,Ψn,c,
3)UEn根据Ψn,l和min(Ψn,m,Ψn,c)的最大差值Ln,m来挑选预卸载MECm;
步骤二、排序阶段:
1)MECm找出第一个被执行的任务τn(n∈{1,2,...,N}),
2)MECm对执行第一个任务τn时到达的其他任务进行排序,
3)MECm将排序后的响应时间反馈给UEn,UEn给出相应的预卸载策略;
步骤三、动态调整阶段:
1)计算MECm中任务预卸载后的总消耗Ψm,并得到W={Ψ1,Ψ2,Ψ3,...,ΨM},
2)根据W获得转出边缘服务器MECm′和转入边缘服务器MECm″(m′,m″∈{1,2,3,...,M}),从MECm′挑选合适的任务调整到MECm″去处理,
3)将调整后的任务重新排序即重复步骤二和步骤三,直到W中的总消耗方差不超过Zv(Zv取值为某一合适常数)为止,
4)UEn根据MECm给的预卸载策略安装并执行卸载相应的卸载策略。
2.根据权利要求1所述的一种基于边云服务器协同计算的任务卸载方法,其特征在于用户可以根据任务的能量消耗挑选预卸载边缘单元,至少还包括以下步骤:
1)用户UEn公布任务τn参数:τn=<bn,dn>,bn,dn分别为任务数据量和响应时间阈值;
2)分别计算τn在本地服务器LS、边缘服务器MECm(m∈{1,2,...,M})、云服务中心CS的消耗函数Ψn,l,Ψn,m,Ψn,c;
3)UEn根据Ψn,l和min(Ψn,m,Ψn,c)的最大差值Ln,m来挑选预卸载MECm。
3.根据权利要求1所述的一种基于边云服务器协同计算的任务卸载方法,其特征在于边缘服务器对任务进行排序,在最大时延的限制下根据任务在边缘服务器的等待时间,判断任务的卸载方式,至少还包括以下步骤:
1)MECm找出第一个被执行的任务τn(n∈{1,2,...,N});
1.2:根据τn的响应比找出第一个被执行的任务,为在MECm上执行计算的时延,在MECm上的等待时间,让Qm中所有的任务轮流作为第一个被执行的任务,分别计算其他任务的响应比,最后拥有最大的响应比ηn,m的任务τn首先被执行计算;
2)MECm对执行第一个任务τn时到达的其他任务进行排序;
2.1:执行τn的同时,计算出在其响应时间段内到达的其他任务响应比ηn,m;
3)MECm将排序后的响应时间反馈给UEn,UEn给出相应的预卸载策略;
3.1:判断排序后τn的tn,m是否大于dn以及是否满足Ln,m小于0,将满足条件的任务预卸载在LS上并用an=0,xn=0表示,不满足则判断在MECm的tn,m是否小于在CS的响应时间tn,c,若满足条件继续在MECm等待计算并用an=1,xn=0表示,若不满足则在CS执行计算即用an=0,yn=1表示。
4.根据权利要求1所述的一种基于边云服务器协同计算的任务卸载方法,其特征在对于任务分配不均衡的边缘服务器,进行动态调整,然后用户根据相应最终策略进行任务卸载。,至少还包括以下步骤:
1)计算MECm中任务预卸载后的总消耗Ψm,并得到W={Ψ1,Ψ2,Ψ3,...,ΨM};
1.1:计算出MECm中任务卸载决策后的总消耗Ψm表示为:
并得到W={Ψ1,Ψ2,Ψ3,...,ΨM};
2)根据W获得任务转出边缘服务器MECm′和转入边缘服务器MECm″(m′,m″∈{1,2,3,...,M}),从MECm′挑选合适的任务调整到MECm″去处理;
2.1:从W中找出最大总消耗的Ψm′和最小总消耗的Ψm″,则得到对应的转出和转入任务边缘MECm′,MECm″,从MECm′中随机挑任务(如果有卸载回本地的任务优先考虑)调整到MECm″中;
3)将调整后的任务重新排序即重复步骤二和步骤三,直到W中的总消耗方差不超过Zv(Zv取值为某一合适常数)为止;
4)UEn根据MECm给的相应最终策略进行任务卸载。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011480417.4A CN112559178B (zh) | 2020-12-16 | 2020-12-16 | 一种基于边云服务器协同计算的任务卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011480417.4A CN112559178B (zh) | 2020-12-16 | 2020-12-16 | 一种基于边云服务器协同计算的任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112559178A true CN112559178A (zh) | 2021-03-26 |
CN112559178B CN112559178B (zh) | 2024-05-10 |
Family
ID=75062932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011480417.4A Active CN112559178B (zh) | 2020-12-16 | 2020-12-16 | 一种基于边云服务器协同计算的任务卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559178B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020023115A1 (en) * | 2018-07-27 | 2020-01-30 | Futurewei Technologies, Inc. | Task offloading and routing in mobile edge cloud networks |
EP3605329A1 (en) * | 2018-07-31 | 2020-02-05 | Commissariat à l'énergie atomique et aux énergies alternatives | Connected cache empowered edge cloud computing offloading |
CN111240701A (zh) * | 2019-12-31 | 2020-06-05 | 重庆大学 | 一种端-边-云协同计算的任务卸载优化方法 |
CN111756812A (zh) * | 2020-05-29 | 2020-10-09 | 华南理工大学 | 一种能耗感知的边云协同动态卸载调度方法 |
-
2020
- 2020-12-16 CN CN202011480417.4A patent/CN112559178B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020023115A1 (en) * | 2018-07-27 | 2020-01-30 | Futurewei Technologies, Inc. | Task offloading and routing in mobile edge cloud networks |
EP3605329A1 (en) * | 2018-07-31 | 2020-02-05 | Commissariat à l'énergie atomique et aux énergies alternatives | Connected cache empowered edge cloud computing offloading |
CN111240701A (zh) * | 2019-12-31 | 2020-06-05 | 重庆大学 | 一种端-边-云协同计算的任务卸载优化方法 |
CN111756812A (zh) * | 2020-05-29 | 2020-10-09 | 华南理工大学 | 一种能耗感知的边云协同动态卸载调度方法 |
Non-Patent Citations (1)
Title |
---|
刘伟;黄宇成;杜薇;王伟;: "移动边缘计算中资源受限的串行任务卸载策略", 软件学报, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN112559178B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111240701B (zh) | 一种端-边-云协同计算的任务卸载优化方法 | |
CN109857546B (zh) | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 | |
CN107911478B (zh) | 基于化学反应优化算法的多用户计算卸载方法及装置 | |
CN110109745A (zh) | 一种针对边缘计算环境的任务协同在线调度方法 | |
CN112492626A (zh) | 一种移动用户计算任务的卸载方法 | |
CN112882815A (zh) | 基于深度强化学习的多用户边缘计算优化调度方法 | |
CN109257432B (zh) | 一种任务切换方法、计算机装置及可读存储介质 | |
WO2016045515A1 (zh) | 基于用户满意度的云任务调度算法 | |
CN108512772B (zh) | 基于服务质量的数据中心流量调度方法 | |
CN109617710B (zh) | 数据中心间有截止时间约束的大数据传输带宽调度方法 | |
He et al. | QoE-based cooperative task offloading with deep reinforcement learning in mobile edge networks | |
CN109639833A (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 | |
CN116233954A (zh) | 基于联邦学习系统的分簇数据共享方法、装置及存储介质 | |
CN113961264A (zh) | 一种面向视频监控云边协同的智能卸载算法与系统 | |
CN110780986B (zh) | 一种基于移动边缘计算的物联网任务调度方法及系统 | |
CN109951317B (zh) | 一种基于用户驱动的流行度感知模型的缓存替换方法 | |
CN112559178A (zh) | 一种基于边云服务器协同计算的任务卸载方法 | |
CN112511652B (zh) | 一种边缘计算下的合作计算任务分配方法 | |
CN114116061A (zh) | 一种移动边缘计算环境下的工作流任务卸载方法及系统 | |
CN113766037A (zh) | 面向大规模边缘计算系统的任务卸载控制方法及系统 | |
CN110768827B (zh) | 一种基于群智能算法的任务卸载方法 | |
CN109558240A (zh) | 一种移动终端应用下基于支持向量机的任务卸载方法 | |
CN111124439B (zh) | 一种云边协同的智能动态卸载算法 | |
CN111580943A (zh) | 一种面向低时延边缘计算中多跳卸载的任务调度方法 | |
CN115002212B (zh) | 基于交叉熵优化算法的联合缓存和卸载方法及系统 |
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 |