CN112612553B - 一种基于容器技术的边缘计算任务卸载方法 - Google Patents

一种基于容器技术的边缘计算任务卸载方法 Download PDF

Info

Publication number
CN112612553B
CN112612553B CN202110014275.0A CN202110014275A CN112612553B CN 112612553 B CN112612553 B CN 112612553B CN 202110014275 A CN202110014275 A CN 202110014275A CN 112612553 B CN112612553 B CN 112612553B
Authority
CN
China
Prior art keywords
container
task
edge
representing
energy consumption
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
CN202110014275.0A
Other languages
English (en)
Other versions
CN112612553A (zh
Inventor
熊安萍
雷元刚
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202110014275.0A priority Critical patent/CN112612553B/zh
Publication of CN112612553A publication Critical patent/CN112612553A/zh
Application granted granted Critical
Publication of CN112612553B publication Critical patent/CN112612553B/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
    • G06F9/44—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
    • 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
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • 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
    • 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

Abstract

本发明涉及无线通信技术领域，具体涉及一种基于容器技术的边缘计算任务卸载方法。包括：分别计算任务在终端和边缘容器执行的时延和能耗，通过比较时延和能耗的计算结果，得到可卸载计算任务的边缘容器集合；构建基于容器位置信息和容器特征的成本效益模型，并计算可卸载容器集合中各容器的成本效益值，选择成本效益值最高的边缘容器进行任务卸载。本发明实现了低时延和低能耗的边缘计算任务卸载，结合了最新的容器技术实现计算环境的快速部署，提升了资源利用率，适用于边缘计算环境容器化部署的物联网、智联网环境。

Description

一种基于容器技术的边缘计算任务卸载方法
技术领域
本发明涉及无线通信技术领域，具体涉及一种基于容器技术的边缘计算任务卸载方法。
背景技术
随着物联网、5G通信等技术的快速发展，万物互联的智能时代正在加速到来。面对每日激增的数据量，采用云计算模型将所有数据通过网络上传至云计算中心，利用云计算中心的超强计算能力来集中解决应用的计算需求问题。然而，云计算的集中处理模式在万物互联的背景下有几点不足：
1、万物互联实时性需求，万物互联环境下，随着边缘设备数量的增加，设备产生的数据量也在激增，导致网络带宽逐渐成为云计算的一个瓶颈。波音787每秒产生的数据量超过5GB，但飞机与卫星之间的带宽不足以支持实时数据传输；
2、数据安全与隐私需求，随着智能家居的普及，许多家庭在屋内安装网络摄像头，直接将摄像头收集的视频数据上传至云计算中心会增加泄露用户隐私数据的风险；
3、设备能耗巨大，随着在云服务器运行的用户应用程序越来越多，未来大规模数据中心对能耗的需求将难以满足。现有的关于云计算中心的能耗研究主要集中在如何提高能耗使用效率方面，仅能提高能耗使用效率，仍不能解决数据中心巨大的能耗问题。
针对于此，万物互联应用需求的发展催生了边缘计算模型。边缘计算模型是指在网络边缘执行计算的一种新型计算模型。边缘计算模型中边缘设备具有执行计算和数据分析的处理能力，将原有云计算模型执行的部分或全部计算任务迁移到网络边缘设备上，降低云服务器的计算负载，减缓网络带宽的压力，提高万物互联时代数据的处理效率。边缘计算并不是为了取代云，而是对云的补充，为移动计算、物联网等相关技术提供一个更好的计算平台。典型地云边端协同网络构架由用户终端、移动边缘计算(Mobile Edge Computing，简称MEC)端和云端服务器构成，在该构架中，用户终端主要负责实时性高、计算简单的任务，MEC负责时延敏感型、计算密集型任务，边缘平台负责延迟不敏感、资源密集型或计算复杂的任务。
计算卸载策略在MEC中起着至关重要的作用，并决定效率和可实现的计算性能。MEC计算卸载技术不仅可以减少网络带宽的压力，而且可以降低由于网络传输带来的时延。例如传感器设备和各种可穿戴设备由于设备处理能力有限，只能通过网络传输数据到云端的服务器上，由云端服务器进行数据计算分析。对于海量的IoT设备会产生巨大的数据传略，不仅会加重核心网络的流量负载，而且由于IoT设备一般距离云端较远，需要多跳转发，会存在较高的时延，降低用户的QoS。MEC卸载技术可以在离IoT设备很近的MEC服务器上直接进行数据计算，不仅可以避免大量数据传输到云端，减轻网络带宽压力，也可以降低响应时延和设备的能耗。对于资源受限的IoT设备，如果要达到万物互联的场景，就需要在IoT设备资源受限的情况下将复杂的计算任务卸载到边缘服务器。此外，计算卸载技术也促进了零延时容忍新兴技术的发展。例如，在车联网服务、自动驾驶等领域，车辆需要通过实时感知道路状况、障碍物、周围车辆的行驶信息等，这些信息可通过MEC计算卸载技术实现快速计算和传输，从而预测下一步该如何行驶。
目前的计算卸载策略普遍只考虑了时延和能耗方面，并未考虑计算任务本身特征。对于海量的物联网设备，种类繁多，异构的物联网设备计算任务要求的CPU计算、通信资源、IO资源等各有侧重，如何根据物联网设备本身的计算任务特征找到最合适的边缘节点进行任务卸载，从而最小化时延和能耗。并且如何实现边缘节点上的计算任务迁移，实现边缘节点的网络计算任务均衡负载，具有重要的研究意义。
发明内容
为了解决上述问题，本发明提供一种基于容器技术的边缘计算任务卸载方法。
一种基于容器技术的边缘计算任务卸载方法，包括以下步骤：
S1、计算终端执行任务的时延和能耗，并上报其计算结果和计算任务相关参数到边缘容器平台；计算边缘容器执行任务的时延和能耗，并根据终端上报信息，通过时延和能耗比较模型比较终端和边缘容器执行任务的时延和能耗结果，得到可卸载计算任务的边缘容器集合；如果可卸载计算任务的边缘容器集合为空，计算任务在终端执行；
S2、判断可卸载计算任务的边缘容器集合是否为空，如果可卸载计算任务的边缘容器集合为空，计算任务在终端执行；如果可卸载计算任务容器集合不为空，边缘容器构建基于容器位置信息和容器特征的成本效益模型，并计算步骤S1中可卸载容器集合中各容器的成本效益值，选择成本效益最高的边缘容器进行任务卸载。
进一步的，计算终端执行任务的时延和能耗包括：根据计算任务需要的时钟周期和终端的时钟频率计算终端执行任务的时延，根据终端单位时钟周期能耗和计算任务需要的时钟周期计算终端执行任务的能耗。
进一步的，计算边缘容器执行任务的时延和能耗包括：根据容器的时钟频率、计算任务需要的时钟周期、计算任务的大小、任务上传网络带宽计算容器执行任务的时延，根据终端单位时间能耗、终端上传任务的时间、容器单位时钟周期能耗和计算任务需要的时钟周期计算容器执行任务的能耗。
进一步的，成本效益模型的表达式如下：
max＝vc*Cw，loc+vm*Mr，w
其中，max表示成本效益，Cw，loc表示容器w和终端设备的路由跳数，Mr，w表示计算任务类型和容器类型的匹配度，vc表示容器和终端位置距离的权重，vm表示容器和计算任务匹配度的权重，且vc+vm＝1。
进一步的，终端设备的时延能耗模型如下：设终端设备的时钟频率为Floc，任务集合为R＝{1，2，...，r}，计算任务r执行需要的时钟周期个数为Fr，
Er，loc＝PlocFr
其中，Tr，loc表示任务在本地执行的时延，Er，loc表示任务在本地执行的能耗，Ploc表示终端设备单位时钟周期的能耗。
进一步的，边缘容器的时延能耗模型如下：设边缘容器集合为W＝{1，2，...，w}，
其中，Tr，w表示任务在容器执行的时延，表示计算任务上传时延，/>表示目标边缘容器执行计算任务的时延，datar表示计算任务r卸载到容器需要上传的数据大小，Bloc表示终端设备上传带宽大小，Fr表示计算任务r执行需要的时钟周期个数，Fr，w表示容器w能提供给计算任务r的时钟周期；Er，w表示任务在容器执行的能耗，/>表示终端上传计算任务的能耗，/>表示目标边缘容器执行任务的能耗，UPloc表示终端设备单位时间的功耗，Pw表示容器w单位时钟周期能耗。
进一步的，时延和能耗比较模型包括：
ψ＝zr，t*Tr，s+zr，e*Er，s
其中，Tr，s表示计算任务在容器执行节约的时间，Tr，w表示任务在容器执行的时延，Tr，loc表示终端执行计算任务的时延，Er，s表示计算任务在容器执行节约的能耗，Er，w表示任务在容器执行的能耗，Er，loc表示终端执行计算任务的能耗；ψ表示容器执行计算任务的时延能耗收益，zr，t表示时延占比权重，zr，e表示能耗占比权重，并且zr,t+zr,e＝1。
本发明的有益效果包括：
(1)本发明方法综合考虑了任务完成时间以及能耗，并且能够根据容器的资源情况灵活进行卸载，还能够适应于边缘计算中多种异构物联网设备的任务卸载，综合考虑不同资源对于系统能耗的影响，而不只是考虑CPU对于能耗的影响。
(2)本发明结合了最新的容器技术，实现边缘计算任务卸载，实现计算环境的快速部署，提升了资源利用率。综合考虑了时延、能耗以及设备的位置信息，保证了任务卸载的效果，适用于边缘计算环境容器化部署的物联网、智联网环境。
附图说明
下面结合附图和具体实施方式对本发明做进一步详细的说明。
图1为一种基于容器技术的边缘计算任务卸载策略逻辑结构图；
图2为一种基于容器技术的边缘计算任务卸载策略流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
本实施例提供一种基于容器技术的边缘计算任务卸载方法，如图1-2所示，在一种优选实施方式中，该方法包括但不限于如下步骤：
S1、计算终端执行任务的时延和能耗，并上报其计算结果和计算任务相关参数到边缘容器平台；计算边缘容器执行任务的时延和能耗，并根据终端上报信息，通过时延和能耗比较模型比较终端和边缘容器执行任务的时延和能耗，通过比较结果，得到执行计算任务时延能耗更低的可卸载计算任务的边缘容器集合。
在一种优选实施方式中，计算终端执行任务的时延和能耗具体包括：根据计算任务需要的时钟周期和终端的时钟频率计算终端执行任务的时延，根据终端单位时钟周期能耗和计算任务需要的时钟周期计算终端执行任务的能耗。
进一步的，在一种优选实施方式中，通过终端设备的时延能耗模型计算终端执行任务的时延和能耗。设终端设备的时钟频率为Floc，任务集合为R＝{1，2，...r}，计算任务r执行需要的时钟周期个数为Fr，终端设备的时延能耗模型表达式如下：
Er，loc＝PlocFr (2)
其中，Tr，loc表示终端执行任务的时延，Er，loc表示终端执行任务的能耗，Ploc表示终端设备单位时钟周期的能耗。
在一种优选实施方式中，计算边缘容器执行任务的时延和能耗包括：根据容器的时钟频率、计算任务需要的时钟周期、计算任务的大小、任务上传网络带宽计算容器执行任务的时延，根据终端单位时间能耗、终端上传任务的时间、容器单位时钟周期能耗和计算任务需要的时钟周期计算容器执行任务的能耗。
进一步的，在一种优选实施方式中，通过边缘容器的时延能耗模型计算边缘容器执行任务的时延和能耗。设边缘容器集合为W＝{1，2，...，ω}，边缘容器的时延能耗模型的表达式如下：
其中，Tr，w表示任务在容器执行的时延，表示计算任务上传时延，/>表示目标边缘容器执行计算任务的时延，datar表示计算任务r卸载到容器需要上传的数据大小，Bloc表示终端设备上传带宽大小，Fr表示计算任务r执行需要的时钟周期个数，Fr，w表示容器w能提供给计算任务r的时钟周期；Er，w表示任务在容器执行的能耗，/>表示终端上传计算任务的能耗，/>表示目标边缘容器执行任务的能耗，UPloc表示终端设备单位时间的功耗，Pw表示容器w单位时钟周期能耗。
在一个优选实施方式中，时延和能耗比较模型包括：
ψ＝zr,t*Tr,s+zr,e*Er,s(7)
其中，Tr,s表示计算任务在容器执行节约的时间，Tr,w表示任务在容器执行的时延，Tr,loc表示终端执行计算任务的时延，Er,s表示计算任务在容器执行节约的能耗，Er,w表示任务在容器执行的能耗，Er,loc表示终端执行计算任务的能耗；ψ表示容器执行计算任务的时延能耗收益，zr,t表示时延占比权重，zr,e表示能耗占比权重，并且zr,t+zr,e＝1。
通过比较在终端和容器执行计算任务的时延能耗结果，如果边缘容器执行计算任务的时延能耗更低，则进行计算任务卸载，得到可卸载计算任务的边缘容器集合。
S2、判断可卸载计算任务的边缘容器集合是否为空，如果可卸载计算任务的边缘容器集合为空，计算任务在终端执行；如果可卸载计算任务容器集合不为空，边缘容器构建基于容器位置信息和容器特征的成本效益模型，并计算步骤S1中可卸载容器集合中各容器的成本效益值，选择成本效益最高的边缘容器进行任务卸载。
S21、分别针对计算任务和边缘容器的类型进行分类，采用二进制对各种边缘容器的容器类型进行统一编码，根据S1得到可卸载计算任务的边缘容器集合，获取边缘容器集合中每个边缘容器的类型编码(边缘容器集合中，边缘容器的类型包括：计算密集型、I/O密集型、网络密集型)，计算任务类型和容器类型的匹配度，定义计算任务类型和容器类型的匹配度如下：
Mr,w＝Dr&Dw (8)
其中，Mr,w表示任务r和容器w的匹配度，Dw表示容器w的容器类型，Dr表示计算任务r的任务类型，并计算各边缘容器和计算任务的匹配度值。
S22、根据任务和容器的匹配度，以及容器和终端的位置信息构建基于容器位置和容器特征的成本效益模型，并计算步骤S1中可卸载容器集合中各容器的成本效益值，找到成本效益最高的边缘容器进行任务卸载。
在一种优选实施方式中，成本效益模型如下：
max＝vc*Cw,loc+vm*Mr,w (9)
其中，Cw，loc表示容器w和终端设备的路由跳数，Mr，w表示计算任务类型和容器类型的匹配度，υc表示容器和终端位置距离的权重，vm表示容器和计算任务匹配度的权重，且vc+vm＝1。
需要说明的是，本领域普通技术人员可以理解实现上述方法实施例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，所述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实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-0nly Memory，ROM)或随机存储记忆体(RandomAccess Memory，RAM)等。
以上所述仅是本申请的具体实施方式，应当指出，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种基于容器技术的边缘计算任务卸载方法，其特征在于，包括以下步骤：
S1、计算终端执行任务的时延和能耗，并上报其计算结果和计算任务相关参数到边缘容器平台；计算边缘容器执行任务的时延和能耗，并根据终端上报信息，通过时延和能耗比较模型比较终端和边缘容器执行任务的时延和能耗结果，得到可卸载计算任务的边缘容器集合；如果可卸载计算任务的边缘容器集合为空，计算任务在终端执行；
时延和能耗比较模型包括：
ψ＝zr,t*Tr,s+zr,e*Er,s
其中，Tr,s表示计算任务在容器执行节约的时间，Tr,w表示任务在容器执行的时延，Tr,loc表示终端执行计算任务的时延，Er,s表示计算任务在容器执行节约的能耗，Er,w表示任务在容器执行的能耗，Er,loc表示终端执行计算任务的能耗；ψ表示容器执行计算任务的时延能耗收益，zr,t表示时延占比权重，zr,e表示能耗占比权重，并且zr,t+zr,e＝1；
S2、判断可卸载计算任务的边缘容器集合是否为空，如果可卸载计算任务的边缘容器集合为空，计算任务在终端执行；如果可卸载计算任务容器集合不为空，边缘容器构建基于容器位置信息和容器特征的成本效益模型，并计算步骤S1中可卸载容器集合中各容器的成本效益值，选择成本效益最高的边缘容器进行任务卸载；
S21、分别针对计算任务和边缘容器的类型进行分类，采用二进制对各种边缘容器的容器类型进行统一编码，根据S1得到可卸载计算任务的边缘容器集合，获取边缘容器集合中每个边缘容器的类型编码(边缘容器集合中，边缘容器的类型包括：计算密集型、I/O密集型、网络密集型)，计算任务类型和容器类型的匹配度，定义计算任务类型和容器类型的匹配度如下：
Mr,w＝Dr&Dw (8)
其中，Mr,w表示任务r和容器w的匹配度，Dw表示容器w的容器类型，Dr表示计算任务r的任务类型，并计算各边缘容器和计算任务的匹配度值；
成本效益模型的表达式如下：
max＝vc*Cw,loc+vm*Mr,w
其中，max表示成本效益，Cw，loc表示容器w和终端设备的路由跳数，Mr，w表示计算任务类型和容器类型的匹配度，vc表示容器和终端位置距离的权重，vm表示容器和计算任务匹配度的权重，且vc+vm＝1。
2.根据权利要求1所述的一种基于容器技术的边缘计算任务卸载方法，其特征在于，计算终端执行任务的时延和能耗包括：根据计算任务需要的时钟周期和终端的时钟频率计算终端执行任务的时延，根据终端单位时钟周期能耗和计算任务需要的时钟周期计算终端执行任务的能耗。
3.根据权利要求1所述的一种基于容器技术的边缘计算任务卸载方法，其特征在于，计算边缘容器执行任务的时延和能耗包括：根据容器的时钟频率、计算任务需要的时钟周期、计算任务的大小、任务上传网络带宽计算容器执行任务的时延，根据终端单位时间能耗、终端上传任务的时间、容器单位时钟周期能耗和计算任务需要的时钟周期计算容器执行任务的能耗。
4.根据权利要求1所述的一种基于容器技术的边缘计算任务卸载方法，其特征在于，终端设备的时延能耗模型如下：设终端设备的时钟频率为Floc，任务集合为R＝{1，2，...，r}，计算任务r执行需要的时钟周期个数为Fr，
Er，loc＝PlocFr
其中，Tr，loc表示任务在本地执行的时延，Er，loc表示任务在本地执行的能耗，Ploc表示终端设备单位时钟周期的能耗。
5.根据权利要求1所述的一种基于容器技术的边缘计算任务卸载方法，其特征在于，边缘容器的时延能耗模型如下：设边缘容器集合为W＝{1，2，...，w}，
其中，Tr,w表示任务在容器执行的时延，表示计算任务上传时延，/>表示目标边缘容器执行计算任务的时延，datar表示计算任务r卸载到容器需要上传的数据大小，Bloc表示终端设备上传带宽大小，Fr表示计算任务r执行需要的时钟周期个数，Fr,w表示容器w能提供给计算任务r的时钟周期；Er，w表示任务在容器执行的能耗，/>表示终端上传计算任务的能耗，表示目标边缘容器执行任务的能耗，UPloc表示终端设备单位时间的功耗，Pw表示容器w单位时钟周期能耗。
CN202110014275.0A 2021-01-06 2021-01-06 一种基于容器技术的边缘计算任务卸载方法 Active CN112612553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110014275.0A CN112612553B (zh) 2021-01-06 2021-01-06 一种基于容器技术的边缘计算任务卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110014275.0A CN112612553B (zh) 2021-01-06 2021-01-06 一种基于容器技术的边缘计算任务卸载方法

Publications (2)

Publication Number Publication Date
CN112612553A CN112612553A (zh) 2021-04-06
CN112612553B true CN112612553B (zh) 2023-09-26

Family

ID=75254046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110014275.0A Active CN112612553B (zh) 2021-01-06 2021-01-06 一种基于容器技术的边缘计算任务卸载方法

Country Status (1)

Country Link
CN (1) CN112612553B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114301910B (zh) * 2021-12-06 2023-05-26 重庆邮电大学 一种物联网环境下的云边协同计算任务卸载方法
CN115022188B (zh) * 2022-05-27 2024-01-09 国网经济技术研究院有限公司 一种电力边缘云计算网络中的容器放置方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110351336A (zh) * 2019-06-10 2019-10-18 西安交通大学 一种基于docker容器的边缘服务迁移方法
CN110489176A (zh) * 2019-08-27 2019-11-22 湘潭大学 一种基于装箱问题的多接入边缘计算任务卸载方法
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
CN112004239A (zh) * 2020-08-11 2020-11-27 中国科学院计算机网络信息中心 一种基于云边协同的计算卸载方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110351336A (zh) * 2019-06-10 2019-10-18 西安交通大学 一种基于docker容器的边缘服务迁移方法
CN110489176A (zh) * 2019-08-27 2019-11-22 湘潭大学 一种基于装箱问题的多接入边缘计算任务卸载方法
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
CN112004239A (zh) * 2020-08-11 2020-11-27 中国科学院计算机网络信息中心 一种基于云边协同的计算卸载方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
iTaskOffloading: Intelligent Task Offloading for a Cloud-Edge Collaborative System;Hao Y.;《IEEE Network》;全文 *
移动边缘计算中任务卸载及资源分配算法研究;胡彦娟;《硕士电子期刊出版信息》;全文 *

Also Published As

Publication number Publication date
CN112612553A (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
CN112612553B (zh) 一种基于容器技术的边缘计算任务卸载方法
US11375250B2 (en) Dynamic load balancing for video analytics pipelines
Ye et al. Scalable fog computing with service offloading in bus networks
CN111124647B (zh) 一种车联网中的智能边缘计算方法
CN112689303B (zh) 一种边云协同资源联合分配方法、系统及应用
CN110928654A (zh) 一种边缘计算系统中分布式的在线任务卸载调度方法
CN112004239A (zh) 一种基于云边协同的计算卸载方法及系统
US11172035B2 (en) Data management for edge computing environment
US11929888B2 (en) Technologies for thermal and power awareness and management in a multi-edge cloud networking environment
CN114189892A (zh) 一种基于区块链和集体强化学习的云边协同物联网系统资源分配方法
CN112416603B (zh) 一种基于雾计算的联合优化系统和方法
CN113961264B (zh) 一种面向视频监控云边协同的智能卸载算法与系统
CN113254095B (zh) 云边结合平台的任务卸载、调度与负载均衡系统、方法
CN109639833A (zh) 一种基于无线城域网微云负载均衡的任务调度方法
CN112395090A (zh) 一种移动边缘计算中服务放置的智能混合优化方法
CN113315669B (zh) 基于云边协同的吞吐量优化的机器学习推断任务部署方法
CN111158893A (zh) 应用于雾计算网络的任务卸载方法、系统、设备及介质
CN115955685B (zh) 多智能体协同路由方法、设备及计算机存储介质
CN114979027B (zh) 基于能量采集的海上边缘计算网络任务卸载与资源分配方法
CN106127396A (zh) 一种智能电网中云调度任务的方法
CN116347522A (zh) 云边协同下基于近似计算复用的任务卸载方法及装置
CN114741191A (zh) 一种面向计算密集型任务关联性的多资源分配方法
CN115955479A (zh) 一种云边端协作系统中的任务快速调度与资源管理方法
Abdellah et al. RAP-G: Reliability-aware service placement using genetic algorithm for deep edge computing
Galanis et al. Edge computing and efficient resource management for integration of video devices in smart grid deployments

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