CN112835708A - 一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法 - Google Patents
一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法 Download PDFInfo
- Publication number
- CN112835708A CN112835708A CN202011472490.7A CN202011472490A CN112835708A CN 112835708 A CN112835708 A CN 112835708A CN 202011472490 A CN202011472490 A CN 202011472490A CN 112835708 A CN112835708 A CN 112835708A
- Authority
- CN
- China
- Prior art keywords
- user
- edge server
- subtask
- edge
- task
- 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 21
- 230000008447 perception Effects 0.000 title abstract description 6
- 238000004891 communication Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 19
- 239000003550 marker Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 abstract description 11
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F9/505—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 load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- G06F2209/502—Proximity
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Mobile Radio Communication Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法,包括如下步骤:S1)用户与边缘服务器的通讯连接;S2)任务提交与分配;S3)建立目标函数;S4)服务部署及任务分配。本发明的优点为:在应用程序开发人员的预算、边缘服务器的可用资源和用户容量的约束下,提出了以平衡任务质量和成本为目标的混合整数二次规划(MIQP)的数学模型,能够在保证总激励代价在一定限度范围内且任务能够完成的基础上,尽可能提高任务的完成质量。
Description
技术领域
本发明涉及边缘计算及移动群智感知技术领域,具体涉及一种面向边缘计算 环境中移动群体感知系统的高质量任务分配与服务部署方法。
背景技术
随着移动计算技术的发展,我们正在拥抱一个移动设备和服务的时代。根据 GSMA报告,全球移动应用用户约为51亿,2025年前将以年均1.9%的速度增 长。因此,移动设备和移动应用变得越来越重要,重塑了人与机器之间的交流。 移动用户和设备的大量增加创造了一个吸引全世界关注的巨大市场。为了使自己 成为竞争对手中的佼佼者,移动应用企业都希望更好地了解这些用户的偏好,发 现他们潜在的行为模式。因此,这些企业的研究人员总是尽最大努力收集用户的 行为记录,甚至直接采访他们的目标用户,他们确信这些结构化或非结构化和顺序 /非时序的上下文数据将帮助他们建立一个通用的用户画像模型来分析和预测用 户未来的行为。
然而,由于人们潜意识里对隐私的保护以及对外部计算能耗的担忧,很少有 人愿意提供自己的数据,应用开发者很难合法地为自己的人工智能模型收集足够 高质量的数据。为了解决这一问题,越来越多的开发人员转向移动人群感知(MCS) 技术。具体来说,MCS是一种以人为本的技术,它利用用户移动设备的内置传 感器以及用户的参与来收集数据。它不仅关注数据的有效性和准确性,而且关注 如何刺激用户分享他们的数据。通过MCS技术,在用户和开发人员之间建立了 一个可靠的发布/订阅交互框架,从而可以收集高质量的数据,如果开发人员愿 意为他们的合作付费,那么用户就可以接受和愿意收集高质量的数据。但是,长 距离传输带来的延迟和网络中海量数据的流量拥堵,以及数据预处理带来的能耗, 限制了MCS在典型的集中式架构中的应用。
幸运的是,多接入边缘计算(MEC)技术被提出来解决上述问题。MEC是最 近出现的一种新的范式,作为对移动云计算的增强,用于优化移动资源的使用和 无线网络,以提供上下文感知服务。在MEC的帮助下,移动设备和云之间的计 算和传输部分迁移到边缘服务器。因此,用户可以很容易地通过无线网络连接到 他们附近的边缘服务器。用户和边缘服务器之间的短距离连接可以极大地减少延 迟,而边缘服务器的计算能力完全可以满足传统任务的要求。更重要的是,在像 Kubernetes这样引人注目的容器平台的帮助下,在MEC环境中管理服务(例如数 据预处理服务)将变得很容易。然而,这些优势并不是多源数据采集规划中疏忽 的原因——如果传感任务没有分配给合适的用户,数据采集任务甚至可能以更高 的成本获得低质量的数据。更重要的是,由于边缘服务器都是资源受限的,如果 数据预处理服务没有部署在适当的边缘服务器上,就没有足够的资源运行它们。 现有技术在进行移动群智感知的过程中,只考虑了对激励机制方面的改进,或者 仅考虑了对MEC任务分配方法的改良。因此,设计一个任务分配方案和一个服 务部署方案来平衡质量和成本是非常重要的。
发明内容
本发明的目的是提供一种平衡质量和成本的面向边缘计算环境中移动群体 感知系统的高质量任务分配与服务部署方法。
为了达到上述目的,本发明通过以下技术方案来实现:
一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署 方法,包括如下步骤:
S1)用户与边缘服务器的通讯连接
获取所要服务的用户位置信息,结合已知的各边缘服务器的位置信息,根据 用户与边缘服务器的通信距离,在保证最小的通信距离的情况下,计算出每个边 缘服务器需要服务的用户向量,将这些用户向量按列拼接组成矩阵L;
S2)任务提交与分配
所有边缘服务器组成一个MCS系统,系统中有负责任务的提交与分配的MCSmarket,不同的边缘服务器服务不同的用户,每个用户可以选择注册为服务请求 者或服务执行者,当一个服务请求者提交任务T到MCS market时,MCS market 将其拆分为K个子任务并得到子任务列表(T1,T2,...,TK),将各子任务部署到各边 缘服务器上,对应服务S=(s1,s2,...,sK);
S3)建立目标函数
建立目标函数Qk:
其中,Pm,k为用户m需要完成多少次子任务k,Dj,k为子任务k是否部署在 了边缘服务器j上,qm,k为用户m对子任务k的完成质量,Wm,k为用户m对完 成子任务k的意愿,Lm,j为用户m是否在边缘服务器j的服务范围内;
设置目标函数的约束:
约束一为Cr≤C*;
S4)服务部署及任务分配
对上述目标函数Qk进行最大化求解,以求得矩阵P和矩阵D,即每个用户m 需要完成多少次子任务k,以及子任务k是否部署在了边缘服务器j上,从而进 行边缘服务器上的服务部署以及对服务执行者的任务分配。
则将上述问题转化为:
x∈N(M+N)·K。
本发明与现有技术相比,具有以下优点:
本发明一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服 务部署方法,首次研究了基于MEC的MCS问题中任务质量与成本的关系,提 出了在两个经典的成本-绩效平衡问题的基础上的任务质量与成本的分析框架; 本发明在应用程序开发人员的预算、边缘服务器的可用资源和用户容量的约束下, 提出了以平衡任务质量和成本为目标的混合整数二次规划(MIQP)的数学模型。 本发明综合考虑激励机制和MEC任务分配的移动群智感知方法,能够在保证总 激励代价在一定限度范围内且任务能够完成的基础上,尽可能提高任务的完成质 量。
具体实施方式
下面对本发明的实施例作进一步详细的描述。
一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署 方法,包括如下步骤:
S1)用户与边缘服务器的通讯连接
获取所要服务的用户位置信息,结合已知的各边缘服务器的位置信息,根据 用户与边缘服务器的通信距离,在保证最小的通信距离的情况下,计算出每个边 缘服务器需要服务的用户向量,将这些用户向量按列拼接组成矩阵L;
S2)任务提交与分配
所有边缘服务器组成一个MCS系统,系统中有负责任务的提交与分配的MCSmarket,不同的边缘服务器服务不同的用户,每个用户可以选择注册为服务请求 者或服务执行者,当一个服务请求者提交任务T到MCS market时,MCS market 将其拆分为K个子任务并得到子任务列表(T1,T2,...,TK),将各子任务部署到各边 缘服务器上,对应服务S=(s1,s2,...,sK);根据决策,边缘服务器可以将某个 服务对应的子任务多次分配给某个用户来执行,对应于决策变量Pm,k,即用户m 需要对子任务k执行Pm,k次;
获取每个子任务对应完成质量、用户对完成该子任务的意愿以及完成该子任 务对用户的激励;其中,每个任务有最低完成质量约束,每个服务执行者以及边 缘服务器有负载上限约束;
S3)建立目标函数
建立目标函数Qk:
其中,Pm,k为用户m需要完成多少次子任务k,Dj,k为子任务k是否部署在 了边缘服务器j上,qm,k为用户m对子任务k的完成质量,Wm,k为用户m对完 成子任务k的意愿,Lm,j为用户m是否在边缘服务器j的服务范围内;
设置目标函数的约束:
约束一为Cr≤C*;
S4)服务部署及任务分配
对上述目标函数Qk进行最大化求解,以求得矩阵P和矩阵D,即每个用户m 需要完成多少次子任务k,以及子任务k是否部署在了边缘服务器j上,从而进 行边缘服务器上的服务部署以及对服务执行者的任务分配。
则将上述问题转化为:
x∈N(M+N)·K。
以上所述仅是本发明优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明构思的前提下,还可以做出若干改进和润饰,这些改进和润饰也 应视为本发明保护范围内。
Claims (3)
1.一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法,其特征在于包括如下步骤:
S1)用户与边缘服务器的通讯连接
获取所要服务的用户位置信息,结合已知的各边缘服务器的位置信息,根据用户与边缘服务器的通信距离,在保证最小的通信距离的情况下,计算出每个边缘服务器需要服务的用户向量,将这些用户向量按列拼接组成矩阵L;
S2)任务提交与分配
所有边缘服务器组成一个MCS系统,系统中有负责任务的提交与分配的MCS market,不同的边缘服务器服务不同的用户,每个用户可以选择注册为服务请求者或服务执行者,当一个服务请求者提交任务T到MCS market时,MCS market将其拆分为K个子任务并得到子任务列表(T1,T2,...,TK),将各子任务部署到各边缘服务器上,对应服务S=(s1,s2,...,sK);
S3)建立目标函数
建立目标函数Qk:
其中,Pm,k为用户m需要完成多少次子任务k,Dj,k为子任务k是否部署在了边缘服务器j上,qm,k为用户m对子任务k的完成质量,Wm,k为用户m对完成子任务k的意愿,Lm,j为用户m是否在边缘服务器j的服务范围内;
设置目标函数的约束:
约束一为Cr≤C*;
S4)服务部署及任务分配
对上述目标函数Qk进行最大化求解,以求得矩阵P和矩阵D,即每个用户m需要完成多少次子任务k,以及子任务k是否部署在了边缘服务器j上,从而进行边缘服务器上的服务部署以及对服务执行者的任务分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472490.7A CN112835708B (zh) | 2020-12-14 | 2020-12-14 | 一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472490.7A CN112835708B (zh) | 2020-12-14 | 2020-12-14 | 一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112835708A true CN112835708A (zh) | 2021-05-25 |
CN112835708B CN112835708B (zh) | 2023-11-10 |
Family
ID=75923560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011472490.7A Active CN112835708B (zh) | 2020-12-14 | 2020-12-14 | 一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112835708B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419867A (zh) * | 2021-08-23 | 2021-09-21 | 浙大城市学院 | 一种面向边云协同计算环境中节能的服务供应方法 |
CN113485718A (zh) * | 2021-06-29 | 2021-10-08 | 浙大城市学院 | 面向边云协同系统中的上下文感知AIoT应用程序部署方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3282718A1 (en) * | 2016-08-09 | 2018-02-14 | Wipro Limited | Matching sensors with applications running on a mobile-edge computing server |
CN109474983A (zh) * | 2018-12-26 | 2019-03-15 | 国网浙江省电力有限公司信息通信分公司 | Mec网络中联合发射功率控制的信道分配方法 |
CN110187973A (zh) * | 2019-05-31 | 2019-08-30 | 浙江大学 | 一种面向边缘计算的服务部署优化方法 |
WO2020216135A1 (zh) * | 2019-04-25 | 2020-10-29 | 南京邮电大学 | 基于边-端协同的多用户多mec任务卸载资源调度方法 |
-
2020
- 2020-12-14 CN CN202011472490.7A patent/CN112835708B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3282718A1 (en) * | 2016-08-09 | 2018-02-14 | Wipro Limited | Matching sensors with applications running on a mobile-edge computing server |
CN109474983A (zh) * | 2018-12-26 | 2019-03-15 | 国网浙江省电力有限公司信息通信分公司 | Mec网络中联合发射功率控制的信道分配方法 |
WO2020216135A1 (zh) * | 2019-04-25 | 2020-10-29 | 南京邮电大学 | 基于边-端协同的多用户多mec任务卸载资源调度方法 |
CN110187973A (zh) * | 2019-05-31 | 2019-08-30 | 浙江大学 | 一种面向边缘计算的服务部署优化方法 |
Non-Patent Citations (2)
Title |
---|
张晓航;李国良;冯建华: "大数据群体计算中用户主题感知的任务分配", 计算机研究与发展, vol. 52, no. 2 * |
路亚;: "MEC多服务器启发式联合任务卸载和资源分配策略", 计算机应用与软件, no. 10 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485718A (zh) * | 2021-06-29 | 2021-10-08 | 浙大城市学院 | 面向边云协同系统中的上下文感知AIoT应用程序部署方法 |
CN113485718B (zh) * | 2021-06-29 | 2023-11-03 | 浙大城市学院 | 面向边云协同系统中的上下文感知AIoT应用程序部署方法 |
CN113419867A (zh) * | 2021-08-23 | 2021-09-21 | 浙大城市学院 | 一种面向边云协同计算环境中节能的服务供应方法 |
CN113419867B (zh) * | 2021-08-23 | 2022-01-18 | 浙大城市学院 | 一种面向边云协同计算环境中节能的服务供应方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112835708B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Blockchain-based cloudlet management for multimedia workflow in mobile cloud computing | |
CN112835708A (zh) | 一种面向边缘计算环境中移动群体感知系统的高质量任务分配与服务部署方法 | |
CN103701886A (zh) | 一种云计算环境下的服务及资源分层调度方法 | |
CN108933700A (zh) | 一种基于偏好信任的云服务获取方法 | |
Mehrotra et al. | Towards an autonomic performance management approach for a cloud broker environment using a decomposition–coordination based methodology | |
WO2022134424A1 (zh) | 业务流处理方法、装置、计算机设备及存储介质 | |
Nasrabadi et al. | Resource allocation for performance improvement | |
Tong et al. | Stackelberg game-based task offloading and pricing with computing capacity constraint in mobile edge computing | |
Addya et al. | CoMCLOUD: Virtual machine coalition for multi-tier applications over multi-cloud environments | |
Ambroziak | Review of the Literature on the Theory of Industrial Policy | |
CN111738757A (zh) | 一种多渠道服务平台 | |
CN113157430A (zh) | 一种面向边缘计算环境中移动群体感知系统的低成本任务分配与服务部署方法 | |
Chen et al. | Incorporating geographical location for team formation in social coding sites | |
Seo et al. | Resource-efficient federated learning with non-iid data: An auction theoretic approach | |
Raykar et al. | A novel traffic load balancing approach for scheduling of optical transparent antennas (OTAs) on mobile terminals | |
CN106453557A (zh) | 一种IaaS服务中的双时间尺度用户动态竞价和资源管理算法 | |
Ziafat et al. | A method for the optimum selection of datacenters in geographically distributed clouds | |
Senthil Kumar et al. | A novel resource management framework in a cloud computing environment using hybrid cat swarm BAT (HCSBAT) algorithm | |
CN111539613A (zh) | 案件分配方法及装置 | |
Lu et al. | AI-assisted resource advertising and pricing to realize distributed tenant-driven virtual network slicing in inter-DC optical networks | |
Lin et al. | Crucial Factors for Success in Taiwan's Cloud Information Services Industry. | |
Zhang et al. | Real option valuation on grid computing | |
Onchaga | Modelling for quality of services in distributed geoprocessing | |
Sanchis-Cano et al. | Duopoly provision of services based on wireless sensor-supplied data: a differential game model | |
Wang et al. | Internet based rural economic entrepreneurship based on mobile edge computing and resource allocation |
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 |