CN112994911A - 计算卸载方法、装置及计算机可读存储介质 - Google Patents

计算卸载方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN112994911A
CN112994911A CN201911283488.2A CN201911283488A CN112994911A CN 112994911 A CN112994911 A CN 112994911A CN 201911283488 A CN201911283488 A CN 201911283488A CN 112994911 A CN112994911 A CN 112994911A
Authority
CN
China
Prior art keywords
computing
task
cloud server
edge
edge cloud
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
Application number
CN201911283488.2A
Other languages
English (en)
Other versions
CN112994911B (zh
Inventor
高程希
褚淑惠
须成忠
栗力
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.)
Shenzhen Institute Of Beidou Applied Technology
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201911283488.2A priority Critical patent/CN112994911B/zh
Publication of CN112994911A publication Critical patent/CN112994911A/zh
Application granted granted Critical
Publication of CN112994911B publication Critical patent/CN112994911B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/18—Negotiating wireless communication parameters
    • H04W28/20—Negotiating bandwidth
    • 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
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明适用于移动边缘计算领域，提供了移动边缘计算网络架构中的计算卸载方法、装置及计算机可读存储介质，该计算卸载方法包括：在将计算任务传输至边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；和/或，在边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。本技术方案中，网络带宽资源、边缘云计算资源能够得到充分利用，从而提高网络带宽资源、边缘云计算资源利用率。

Description

计算卸载方法、装置及计算机可读存储介质
技术领域
本发明属于移动边缘计算领域，尤其涉及一种计算卸载方法、装置及计算机可读存储介质。
背景技术
移动边缘计算作为新兴技术，将传统云计算中的计算和存储资源迁移到移动设备的附近，即将云服务迁移到移动网络的边缘，以解决传输阻塞和高延迟的问题，提供更低的延迟和抖动。因此，在移动边缘计算环境下，任务的计算卸载成为了具有高要求服务和应用的移动设备进行任务计算的主要选择。现有的关于任务计算卸载的解决方案有集中式和分布式两种，其中，集中式的解决方案需要掌握全局各个节点的信息，以确定卸载策略；而在分布式的方案中，各个移动设备能够独立确定卸载策略。
在现有的关于分布式解决方案的相关研究工作中，有一些基于博弈论方法对计算卸载问题进行建模，求解最优决策。其中，它们主要从网络带宽资源和云计算资源分配两个方面进行任务计算卸载的通信模型和计算模型的建立，基于博弈理论建立分布式计算卸载的决策模型。但是，这些基于博弈论的计算卸载方法只考虑了任务卸载过程中静态的资源分配策略，即分配给用户的通信和计算资源在用户任务计算卸载的过程中保持不变，这不能高效地利用有限的通信和计算资源。
因此，有必要对现有技术的移动边缘计算网络架构中的计算卸载方法进行改进，以使得网络带宽资源、边缘云计算资源实现高效的分配，提高资源利用率。
发明内容
有鉴于此，本发明实施例提供了一种移动边缘计算网络架构中的计算卸载方法、装置及计算机可读存储介质，以解决现有技术中的网络带宽资源和边缘云计算资源利用率低的问题。
本发明实施例的第一方面提供了一种移动边缘计算网络架构中的计算卸载方法，所述移动边缘计算网络架构包括无线基站及多个移动设备，所述无线基站附近部署边缘云服务器，所述多个移动设备中至少2个移动设备各自有计算任务需要卸载到所述边缘云服务器执行，所述方法包括：在将计算任务传输至所述边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；和/或，在所述边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
进一步地，所述预设的带宽资源分配模式为：对各所述计算任务分配独立的初始带宽资源，并且将传输结束的计算任务所占用的初始带宽资源分配给传输未结束的计算任务。
进一步地，所述预设的计算资源分配模式为：对各所述计算任务分配独立的初始计算资源，并且将计算结束的计算任务所占用的计算资源分配给计算未结束的计算任务。
进一步地，在将计算任务传输至所述边缘云服务器的过程中，至少一所述计算任务的带宽资源在传输过程中增加。
进一步地，在所述边缘云服务器对计算任务进行计算的过程中，至少一所述计算任务的计算资源在计算过程中增加。
进一步地，所述多个移动设备中每个所述移动设备均有一个计算任务，所述方法将计算卸载的决策问题描述为分布式计算卸载博弈，以决定每个所述移动设备的计算任务在本地执行或是卸载到边缘云服务器执行。
本发明实施例的第二方面提供了一种移动边缘计算网络架构中的计算卸载方法，所述移动边缘计算网络架构包括无线基站及多个移动设备，所述无线基站附近部署边缘云服务器，每个所述移动设备均有一个计算任务需要决定在本地执行或是卸载到边缘云服务器执行，所述方法包括：将计算卸载的决策问题描述为分布式计算卸载博弈，以决定每个所述移动设备的计算任务在本地执行或是卸载到边缘云服务器执行，其中，在将计算任务传输至所述边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；和/或，在所述边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
本发明实施例的第三方面提供了一种移动边缘计算网络架构中的计算卸载装置，所述移动边缘计算网络架构包括无线基站及多个移动设备，所述无线基站附近部署边缘云服务器，所述多个移动设备中至少2个移动设备各自有计算任务需要卸载到所述边缘云服务器执行，所述装置包括：带宽资源分配模块，用于在将计算任务传输至所述边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；和/或，计算资源分配模块，用于在所述边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
本发明实施例的第四方面提供了一种移动边缘计算网络架构中的计算卸载装置，其特征在于，所述移动边缘计算网络架构包括无线基站及多个移动设备，所述无线基站附近部署边缘云服务器，每个所述移动设备均有一个计算任务需要决定在本地执行或是卸载到边缘云服务器执行，所述装置包括：卸载博弈模块，用于将计算卸载的决策问题描述为分布式计算卸载博弈，以决定每个所述移动设备的计算任务在本地执行或是卸载到边缘云服务器执行；带宽资源分配模块，在将计算任务传输至所述边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；和/或，计算资源分配模块，在所述边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
本发明实施例的第五方面提供了一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
本发明实施例的第六方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的方法。
本发明实施例与现有技术相比存在的有益效果是：
本发明实施例的移动边缘计算网络架构中的计算卸载方法，通过在将计算任务传输至边缘云服务器的过程中，依据预设的带宽资源分配模式对各计算任务动态分配带宽资源，使网络带宽资源得到充分利用，从而提高网络带宽资源利用率；通过在边缘云服务器对计算任务进行计算的过程中，依据预设的计算资源分配模式对各计算任务动态分配计算资源，使边缘云计算资源得到充分利用，从而提高边缘云计算资源利用率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种移动边缘计算网络架构的示意图；
图2是本发明实施例的一种移动边缘计算网络架构中的计算卸载方法的流程示意图；
图3是本发明实施例的又一种移动边缘计算网络架构中的计算卸载方法的流程示意图；
图4是本发明实施例的一种计算卸载装置的结构示意图；
图5是本发明实施例的又一种计算卸载装置的结构示意图；
图6是本发明实施例的一种装置的硬件结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
计算卸载是移动边缘计算的一关键技术，可以为资源受限的移动设备运行计算密集型应用提供计算资源，加快计算速度，节省能源。更详细的说，边缘计算中的计算卸载是将移动设备的计算任务卸载到边缘云环境中，以解决移动设备在资源存储、计算性能以及能效等方面存在的不足。
图1示出了一种移动边缘计算网络架构，该移动边缘计算网络架构包括无线基站1、移动设备3及边缘云服务器2。其中，无线基站1的数量可以是1个，或者多个。移动设备3的数量通常为多个，具体而言，移动设备3的数量可以是2个，或者2个以上。在该移动边缘计算网络架构中，无线基站1为附近的移动设备3提供无线接入网络；边缘云服务器2部署在无线基站1附近以在移动设备3的无线接入网络边缘提供云计算功能；移动设备3可以将所承担的任务卸载到边缘服务器2，以解决其在资源存储、计算性能以及能效等方面的不足。
图2示出了本发明实施例的一种移动边缘计算网络架构中的计算卸载方法。在该移动边缘计算网络架构中，至少2个移动设备3各自有计算任务需要卸载到边缘云服务器2执行。
本发明实施例的计算卸载方法可以包括以下步骤中一个或者全部：
S200、在将计算任务传输至所述边缘云服务器2的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源。
S300、在所述边缘云服务器2对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
换言之，
在一个实施例中，本发明的计算卸载方法仅包括以下步骤：
S200、在将计算任务传输至所述边缘云服务器2的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源。
在一个实施例中，本发明的计算卸载方法仅包括以下步骤：
S300、在所述边缘云服务器2对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
在一个实施例中，本发明的计算卸载方法包括以下两个步骤：
S200、在将计算任务传输至所述边缘云服务器2的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源。
S300、在所述边缘云服务器2对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
在本发明的实施例中，通过在将计算任务传输至边缘云服务器2的过程中，依据预设的带宽资源分配模式对各计算任务动态分配带宽资源，可以使网络带宽资源得到充分利用，从而提高网络带宽资源利用率。通过在边缘云服务器2对计算任务进行计算的过程中，依据预设的计算资源分配模式对各计算任务动态分配计算资源，可以使边缘云计算资源得到充分利用，从而提高边缘云计算资源利用率。
进一步地，
在本发明的一个实施例中，其中预设的带宽资源分配模式可以为：对各计算任务分配独立的初始带宽资源，并且将传输结束的计算任务所占用的初始带宽资源分配给传输未结束的计算任务。
具体地，例如，在该移动边缘计算网络架构中，有3个移动设备3各自有计算任务需要卸载到边缘云服务器2执行，可以将这些计算任务分别以计算任务TK1、计算任务TK2、计算任务TK3进行标记。
在将计算任务TK1、计算任务TK2和计算任务TK3传输至边缘云服务器2的过程中，准备传输时，计算任务TK1分配的初始带宽资源为BW1，计算任务TK2分配的初始带宽资源为BW2，计算任务TK3分配的初始带宽资源为BW3。初始带宽资源BW1、初始带宽资源BW2、初始带宽资源BW3的大小可以相同，也可以不同。
传输过程中，计算任务TK1传输结束时，计算任务TK2、计算任务TK3尚未完成传输。计算任务TK1传输结束时，释放出所分配的初始带宽资源BW1，分配给计算任务TK2或者计算任务TK3。其中，以将初始带宽资源BW1分配给计算任务TK2为例，计算任务TK2所分配的带宽资源将变成BW1+BW2，从而可以加速计算任务TK2的传输。进一步地，假设计算任务TK2传输结束时，计算任务TK3尚未完成传输。计算任务TK2传输结束时，释放出所分配的带宽资源BW1+BW2，分配给计算任务TK3。计算任务TK3所分配的带宽资源将变成BW1+BW2+BW3，从而可以加速计算任务TK3的传输。
整体上看，在传输过程中，计算任务TK2所分配的带宽资源由BW1变成BW1+BW2，计算任务TK3所分配的带宽资源由BW3变成BW1+BW2+BW3，可见，在将计算任务传输至边缘云服务器2的过程中，至少一个计算任务的带宽资源在传输过程中增加，从而加速传输。相比于传统的计算卸载方法中各计算任务所分配的带宽资源始终不变，本发明实施例的计算卸载方法可以使网络带宽资源得到充分利用，从而提高网络带宽资源利用率。
在本发明的一个实施例中，其中预设的计算资源分配模式可以为：对各计算任务分配独立的初始计算资源，并且将计算结束的计算任务所占用的计算资源分配给计算未结束的计算任务。
同样地，以在该移动边缘计算网络架构中，有3个移动设备3各自有计算任务需要卸载到边缘云服务器2执行为例，将这些计算任务分别以计算任务TK1、计算任务TK2、计算任务TK3进行标记。
在边缘云服务器2对计算任务TK1、计算任务TK2和计算任务TK3进行计算的过程中，在准备计算时，计算任务TK1分配的初始计算资源为C1，计算任务TK2分配的初始计算资源为C2，计算任务TK3分配的初始计算资源为C3。初始计算资源C1、初始计算资源C2、初始计算资源C3的大小可以相同，也可以不同。
计算过程中，计算任务TK1计算结束时，计算任务TK2、计算任务TK3尚未完成计算。计算任务TK1计算结束时，释放出所分配的初始计算资源C1，分配给计算任务TK2或者计算任务TK3。其中，以将初始计算资源C1分配给计算任务TK2为例，计算任务TK2所分配的计算资源将变成C1+C2，从而可以加速计算任务TK2的计算。进一步地，假设计算任务TK2计算结束时，计算任务TK3尚未完成计算。计算任务TK2计算结束时，释放出所分配的计算资源C1+C2，分配给计算任务TK3。计算任务TK3所分配的计算资源将变成C1+C2+C3，从而可以加快计算任务TK3的计算。
整体上看，在计算过程中，计算任务TK2所分配的计算资源由C1变成C1+C2，计算任务TK3所分配的计算资源由C3变成C1+C2+C3，可见，在边缘云服务器2对计算任务进行计算的过程中，至少一个计算任务的计算资源在计算过程中增加，从而加快计算。相比于传统的计算卸载方法中各计算任务所分配的计算资源始终不变，本发明实施例的计算卸载方法可以使边缘云计算资源得到充分利用，从而提高边缘云计算资源利用率。
图3示出了本发明实施例的一种移动边缘计算网络架构中的计算卸载方法，在该移动边缘计算网络架构中，每个移动设备均有一个计算任务需要决定在本地执行或是卸载到边缘云服务器2执行。
其与图2示出的实施例中的计算卸载方法不同之处在于，本发明实施例的计算卸载方法不仅包括以下步骤中一个或者全部：
S200、在将计算任务传输至所述边缘云服务器2的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源。
S300、在所述边缘云服务器2对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
本发明实施例的计算卸载方法还包括以下步骤：
S100、将计算卸载的决策问题描述为分布式计算卸载博弈，以决定每个所述移动设备的计算任务在本地执行或是卸载到边缘云服务器2执行。
具体而言，
首先，根据移动边缘计算网络架构建立移动边缘计算环境下多移动设备任务计算卸载的通信模型和计算模型，并基于通信模型和计算模型构造代价模型。
其次，用非合作博弈论方法进行多移动设备任务计算卸载模型的建立，在建立的过程中引入上述的代价模型。可以将多移动设备任务计算卸载决策问题建模为非合作博弈模型，其中，移动设备基于其它移动设备的战略交互在本地做出其计算任务计算卸载的决定，以便实现全局最优的解决方案，此时以完全分布式的方式加以实现。
再次，将预设的带宽资源分配模式及预设的计算资源分配模式应用于上述非合作博弈论模型中，并进一步对该博弈论模型进行技术理论层面分析，表明该博弈模型纳什均衡的存在性。
最后，制定多移动设备任务计算卸载性能评价指标，对本发明所提出的模型进行评价。
以移动边缘计算网络架构包括N个移动设备用户
Figure BDA0002317390460000091
和一个无线基站为例，下面说明本发明所解决的移动边缘计算网络架构中移动设备分布式计算卸载的决策问题需要用到的模型，如以下步骤1～4所述；然后将该决策问题描述为多移动设备分布式计算卸载博弈问题，如以下步骤5所述；最后描述了一个具体实现分布式计算卸载的流程，如以下步骤6所述。
步骤1，建立通信模型。
移动设备从多个无线信道
Figure BDA0002317390460000092
中选择一个信道进行计算任务卸载的数据传输，那么移动设备n的计算卸载决策可以表示为
Figure BDA0002317390460000093
其中an＝0表示移动设备选择本地执行计算任务，an>0表示移动设备选择通过信道an将计算任务卸载到边缘云服务器执行。当移动设备的决策an>0时，其计算任务卸载的数据传输速率为：
Figure BDA0002317390460000094
其中，
Figure BDA0002317390460000095
是所有移动设备的决策向量，
Figure BDA0002317390460000096
是信道an上的总带宽，Wn表示移动设备占用无线信道的权重。根据公式1，移动设备在任务卸载过程中所分配到的带宽资源是不变的，但是由于不同移动设备任务卸载的时间不同，这样就造成了已传输结束任务所占用的带宽资源的浪费，因此，可以将已传输结束任务所占用的带宽重新分配给传输未结束的任务，从而移动设备在任务卸载过程中所分配到的带宽资源是动态增加的，以提高网络带宽资源利用率。
步骤2，建立本地计算模型。
每个移动设备都有一个计算任务，计算任务由传输数据(包括程序代码和输入文件等)的大小Dn和任务执行所需的CPU周期数Ln所确定，表示为
Figure BDA0002317390460000097
可以从计算任务的响应时间和能耗两个方面分别对计算任务在移动设备端本地执行和边缘云服务器卸载执行进行分析。移动设备n的计算能力为
Figure BDA0002317390460000098
那么移动设备计算任务在其移动设备本地执行的时间为：
Figure BDA0002317390460000099
同时，任务执行的能量消耗为：
Figure BDA0002317390460000101
其中，vn表示单位CPU周期的能耗。
步骤3，建立云计算模型。
在云计算中，任务的计算卸载会引入额外数据传输的时间和能耗的代价，由于移动设备任务在计算卸载过程中所分配的网络带宽资源阶段性动态增加，(Rn,1,Rn,2,…,Rn,j)表示移动设备任务计算卸载期间的数据传输速率序列，而(Dn,1,Dn,2,…,Dn,j)表示速率序列所对应的传输数据的大小，那么移动设备任务计算卸载的数据传输时间为：
Figure BDA0002317390460000102
基于公式4，移动设备任务数据传输过程中的能量消耗为：
Figure BDA0002317390460000103
其中，Pn表示移动设备n的传输功率。
采用类似带宽资源分配的方案进行云计算资源的分配，即将已计算结束任务所占用的计算资源重新分配给计算未结束的任务，从而任务在云端计算的过程中所分配到的计算资源是动态增加的，以提高云计算资源利用率。类似于任务传输时间的计算方法，可以获得在边缘云端的计算任务的执行时间
Figure BDA0002317390460000104
步骤4，建立代价模型。
对于一个计算任务的执行代价，可以同时考虑任务执行的响应时间和能量消耗两个方面，并将响应时间和能耗的加权和作为任务的执行代价。
基于公式2和公式3，移动设备任务本地计算的代价为：
Figure BDA0002317390460000105
其中，
Figure BDA0002317390460000106
和
Figure BDA0002317390460000107
分别表示时间和能耗的权重，满足
Figure BDA0002317390460000108
在[0,1]之间且两者之和为1，每个移动设备可以根据自己的需求设置这两个参数的值，如果该移动设备想要节约能耗，则移动设备设置一个比较大的
Figure BDA0002317390460000109
若移动设备对延迟要求较高，则移动设备设置一个比较大的
Figure BDA00023173904600001010
基于公式4和公式5，移动设备任务云计算的代价为：
Figure BDA00023173904600001011
其中，可以忽略任务计算结果返回至移动设备的时间代价，这是因为通常情况下任务计算结果的大小远小于Dn。
步骤5，建立计算卸载博弈模型
在博弈模型中，涉及以下三个概念：
有益的云计算：即在给定所有移动设备计算卸载决策向量的前提下，如果云计算方法不会比本地计算方法产生更高的开销，则选择云计算方法的移动设备n的决策an是有益的。
纳什均衡：其为一个博弈过程中的稳定状态，在该状态下，所有的参与者都实现了相互满意的解决方案，从而没有参与者能够通过单方面改变其决策以降低代价。
势博弈：即存在一个全局函数(势函数)，博弈中的每个参与者对于自己效用函数的改变都可以映射到该全局函数中去，即当某个参与者通过改变决策以提高效用函数时，该全局函数的值也会得到提高，全局函数与每个参与者的效用函数具有一致的趋势。
基于有益的云计算，在移动边缘计算环境下，一个移动设备只有在它是一个有益的云计算移动设备的情况下才会选择云计算方法，否则，移动设备将选择本地计算方法以降低代价。可以使用博弈论方法来解决多移动设备计算卸载问题，博弈论是设计分布式机制的有用工具，因此每个移动设备都可以通过移动设备卸载策略互动在本地做出最佳决策。
移动设备任务计算卸载的目标是最小化每个移动设备任务的执行代价：
Figure BDA0002317390460000111
其中，a-n＝(a1,…,an-1,an+1,…,aN)表示除了移动设备n以外其它所有移动设备的计算卸载决策，给定a-n，移动设备n会从
Figure BDA0002317390460000112
中选择一个合适的决策an以最小化其代价。根据公式6和公式7，移动设备n的代价函数为：
Figure BDA0002317390460000113
针对分布式计算卸载决策制定问题，可以建立一个博弈模型
Figure BDA0002317390460000114
Figure BDA0002317390460000115
其中，移动设备集合
Figure BDA0002317390460000116
表示参与者集合，
Figure BDA0002317390460000117
表示参与者的策略空间，代价函数Kn表示每个参与者最小化的效用函数。
纳什均衡是博弈论中一个重要的概念，是博弈过程的一个稳定状态，计算卸载博弈的纳什均衡可以表示为一个决策向量
Figure BDA0002317390460000121
并且满足
Figure BDA0002317390460000122
并不是所有的博弈模型都存在纳什均衡，但是所有的势博弈都存在纳什均衡，而本发明实施例中的计算卸载博弈模型就属于势博弈，在理论层面可以通过构造势函数证明计算卸载博弈是势博弈，因此，计算卸载博弈模型拥有一个纳什均衡。
步骤6，实现分布式计算卸载。
势博弈有两个重要的特性：拥有一个纳什均衡特性和拥有有限的改进特性。基于这两个特性，一次至多一个移动设备更新其决策的过程在有限次迭代之后一定能够达到计算卸载博弈的纳什均衡。决策更新迭代过程在一个时隙内完成，所有移动设备的时隙由无线基站的时钟信号进行同步。每个决策时隙t包括以下两个阶段：
收集决策向量。本阶段可以收集选择云计算的所有移动设备的决策，首先，在时隙t决策为an(t)>0的每个移动设备通过信道an(t)向基站发送一些导频信号。然后，基于收到的信号，基站获得选择云计算的所有移动设备的决策向量，并将其广播给所有移动设备。
更新计算卸载决策。本阶段可以让至多一个移动设备更新其当前决策，基于收集到的决策向量，每个移动设备使用公式10计算其最佳响应更新集合：
Figure BDA0002317390460000123
如果
Figure BDA0002317390460000124
移动设备n将向云端发送一个请求消息以表明它想要更新其当前决策以降低它的代价，否则，移动设备n将不会发送任何的请求消息。然后，云端将会从已发送请求消息的所有移动设备中随机选择一个移动设备k，并向移动设备k发送允许消息(允许移动设备更新决策)，收到允许消息的移动设备k将在下一个时隙把决策更新为ak(t+1)∈Δk(t)，其余没有收到允许消息的移动设备将在下一个时隙保持它们的决策不变即an(t+1)＝an(t)。
基于以上分析，计算卸载博弈将在有限个时隙内收敛至一个纳什均衡，当云端在一个时隙内没有收到任何的请求消息时，云端向所有移动设备广播结束消息，当每一个移动设备都收到结束消息时，计算卸载的博弈过程结束，之后每个移动设备将上述过程中最后一个时隙的决策作为其最终的计算卸载决策，并根据该决策进行计算任务的执行，其中，该决策的值表明：计算任务是本地执行还是卸载至云端执行；若卸载至云端执行，计算任务通过哪个信道进行卸载。
本发明经过技术理论层面的分析和模拟仿真实验的实现，结果证明本发明在资源利用率和移动设备任务计算卸载代价上优于现有方法。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
本发明实施例中，还提供了一种移动边缘计算网络架构中的计算卸载装置，计算卸载装置包括的各模块用于执行图2对应的实施例中的各步骤。具体请参阅图2对应的实施例中的相关描述。图4示出了本发明的计算卸载装置的一实施例的结构示意图，其可以包括以下模块中一个或者全部：
带宽资源分配模块M200，用于在将计算任务传输至所述边缘云服务器2的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源。
计算资源分配模块M300，用于在所述边缘云服务器2对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
本发明实施例中，还提供了一种移动边缘计算网络架构中的计算卸载装置，计算卸载装置包括的各模块用于执行图3对应的实施例中的各步骤。具体请参阅图3对应的实施例中的相关描述。图5示出了本发明的计算卸载装置的一实施例的结构示意图，
其与图4示出的实施例中的计算卸载装置不同之处在于，本发明实施例的计算卸载装置不仅包括以下模块中一个或者全部：
带宽资源分配模块M200，用于在将计算任务传输至所述边缘云服务器2的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源。
计算资源分配模块M300，用于在所述边缘云服务器2对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
本发明实施例的计算卸载装置还包括以下模块：
卸载博弈模块M100，用于将计算卸载的决策问题描述为分布式计算卸载博弈，以决定每个所述移动设备的计算任务在本地执行或是卸载到边缘云服务器2执行。
其中，上述计算卸载装置中各个模块的功能实现与上述修正方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
图6是本发明实施例提供的一种装置的示意图。如图6所示，该实施例的装置6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个计算卸载方法实施例中的步骤，例如图2所示的步骤S200至S300，图3所示的步骤S100至S300。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块M200至M300的功能，图5所示模块M100至M300的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述装置6中的执行过程。例如，所述计算机程序62可以被分割成卸载博弈模块、带宽资源分配模块、计算资源分配模块，各模块具体功能如下：
带宽资源分配模块用于在将计算任务传输至所述边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；计算资源分配模块用于在所述边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源；卸载博弈模块用于将计算卸载的决策问题描述为分布式计算卸载博弈，以决定每个所述移动设备的计算任务在本地执行或是卸载到边缘云服务器执行。
所述装置6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述装置6可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是装置6的示例，并不构成对装置6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述装置6还可以包括输入输出设备、网络接入设备、总线等。
所述处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述装置6的内部存储单元，例如装置6的硬盘或内存。所述存储器61也可以是所述装置6的外部存储设备，例如所述装置上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述装置6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (11)

1.一种移动边缘计算网络架构中的计算卸载方法，其特征在于，所述移动边缘计算网络架构包括无线基站及多个移动设备，所述无线基站附近部署边缘云服务器，所述多个移动设备中至少2个移动设备各自有计算任务需要卸载到所述边缘云服务器执行，所述方法包括：
在将计算任务传输至所述边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；和/或，
在所述边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
2.如权利要求1所述的移动边缘计算网络架构中的计算卸载方法，其特征在于，所述预设的带宽资源分配模式为：对各所述计算任务分配独立的初始带宽资源，并且将传输结束的计算任务所占用的初始带宽资源分配给传输未结束的计算任务。
3.如权利要求1所述的移动边缘计算网络架构中的计算卸载方法，其特征在于，所述预设的计算资源分配模式为：对各所述计算任务分配独立的初始计算资源，并且将计算结束的计算任务所占用的计算资源分配给计算未结束的计算任务。
4.如权利要求1所述的移动边缘计算网络架构中的计算卸载方法，其特征在于：在将计算任务传输至所述边缘云服务器的过程中，至少一所述计算任务的带宽资源在传输过程中增加。
5.如权利要求1所述的移动边缘计算网络架构中的计算卸载方法，其特征在于：在所述边缘云服务器对计算任务进行计算的过程中，至少一所述计算任务的计算资源在计算过程中增加。
6.如权利要求1-5任一项所述的移动边缘计算网络架构中的计算卸载方法，其特征在于，所述多个移动设备中每个所述移动设备均有一个计算任务，所述方法将计算卸载的决策问题描述为分布式计算卸载博弈，以决定每个所述移动设备的计算任务在本地执行或是卸载到边缘云服务器执行。
7.一种移动边缘计算网络架构中的计算卸载方法，其特征在于，所述移动边缘计算网络架构包括无线基站及多个移动设备，所述无线基站附近部署边缘云服务器，每个所述移动设备均有一个计算任务需要决定在本地执行或是卸载到边缘云服务器执行，所述方法包括：
将计算卸载的决策问题描述为分布式计算卸载博弈，以决定每个所述移动设备的计算任务在本地执行或是卸载到边缘云服务器执行，其中，
在将计算任务传输至所述边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；
和/或，
在所述边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
8.一种移动边缘计算网络架构中的计算卸载装置，其特征在于，所述移动边缘计算网络架构包括无线基站及多个移动设备，所述无线基站附近部署边缘云服务器，所述多个移动设备中至少2个移动设备各自有计算任务需要卸载到所述边缘云服务器执行，所述装置包括：
带宽资源分配模块，用于在将计算任务传输至所述边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；
和/或，
计算资源分配模块，用于在所述边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
9.一种移动边缘计算网络架构中的计算卸载装置，其特征在于，所述移动边缘计算网络架构包括无线基站及多个移动设备，所述无线基站附近部署边缘云服务器，每个所述移动设备均有一个计算任务需要决定在本地执行或是卸载到边缘云服务器执行，所述装置包括：
卸载博弈模块，用于将计算卸载的决策问题描述为分布式计算卸载博弈，以决定每个所述移动设备的计算任务在本地执行或是卸载到边缘云服务器执行；
带宽资源分配模块，在将计算任务传输至所述边缘云服务器的过程中，各所述计算任务依据预设的带宽资源分配模式分配带宽资源；
和/或，
计算资源分配模块，在所述边缘云服务器对计算任务进行计算的过程中，各所述计算任务依据预设的计算资源分配模式分配计算资源。
10.一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
CN201911283488.2A 2019-12-13 2019-12-13 计算卸载方法、装置及计算机可读存储介质 Active CN112994911B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911283488.2A CN112994911B (zh) 2019-12-13 2019-12-13 计算卸载方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911283488.2A CN112994911B (zh) 2019-12-13 2019-12-13 计算卸载方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112994911A true CN112994911A (zh) 2021-06-18
CN112994911B CN112994911B (zh) 2022-12-02

Family

ID=76341726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911283488.2A Active CN112994911B (zh) 2019-12-13 2019-12-13 计算卸载方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112994911B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115396442A (zh) * 2022-08-26 2022-11-25 北京交通大学 一种面向城市轨道交通的算力共享系统及方法
WO2023116460A1 (zh) * 2021-12-25 2023-06-29 深圳先进技术研究院 移动边缘计算环境下多用户多任务计算卸载方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170064037A1 (en) * 2015-08-28 2017-03-02 Qualcomm Incorporated Small cell edge computing platform
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
CN110062026A (zh) * 2019-03-15 2019-07-26 重庆邮电大学 移动边缘计算网络中资源分配和计算卸载联合优化方案
CN110418418A (zh) * 2019-07-08 2019-11-05 广州海格通信集团股份有限公司 基于移动边缘计算的无线资源调度方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170064037A1 (en) * 2015-08-28 2017-03-02 Qualcomm Incorporated Small cell edge computing platform
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
CN110062026A (zh) * 2019-03-15 2019-07-26 重庆邮电大学 移动边缘计算网络中资源分配和计算卸载联合优化方案
CN110418418A (zh) * 2019-07-08 2019-11-05 广州海格通信集团股份有限公司 基于移动边缘计算的无线资源调度方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023116460A1 (zh) * 2021-12-25 2023-06-29 深圳先进技术研究院 移动边缘计算环境下多用户多任务计算卸载方法及系统
CN115396442A (zh) * 2022-08-26 2022-11-25 北京交通大学 一种面向城市轨道交通的算力共享系统及方法

Also Published As

Publication number Publication date
CN112994911B (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
Shu et al. Multi-user offloading for edge computing networks: A dependency-aware and latency-optimal approach
Deng et al. User-centric computation offloading for edge computing
Deng et al. Fine-granularity based application offloading policy in cloud-enhanced small cell networks
CN109669774B (zh) 硬件资源的量化方法、编排方法、装置及网络设备
US20210191783A1 (en) Data processing method and device
US11055139B2 (en) Smart accelerator allocation and reclamation for deep learning jobs in a computing cluster
CN112994911B (zh) 计算卸载方法、装置及计算机可读存储介质
CN108600299B (zh) 分布式多用户间计算任务卸载方法及系统
CN110401936A (zh) 一种基于d2d通信的任务卸载与资源分配方法
CN115134371A (zh) 包含边缘网络算力资源的调度方法、系统、设备及介质
WO2023116460A1 (zh) 移动边缘计算环境下多用户多任务计算卸载方法及系统
CN111988787B (zh) 一种任务的网络接入和服务放置位置选择方法及系统
CN101133392A (zh) 用于顺序控制顺序面向对象的系统仿真的方法
Meng et al. Achieving energy efficiency through dynamic computing offloading in mobile edge-clouds
Bista et al. Probabilistic computation offloading for mobile edge computing in dynamic network environment
CN114429195A (zh) 混合专家模型训练的性能优化方法和装置
CN110780986A (zh) 一种基于移动边缘计算的物联网任务调度方法及系统
KR100367715B1 (ko) 이동통신의 채널할당을 위한 디지털 홉필드 신경망 칩
CN110839166B (zh) 一种数据共享方法及装置
WO2023020177A1 (zh) 一种任务调度方法、游戏引擎、设备及存储介质
JP7107671B2 (ja) リソース割当装置
CN106789289B (zh) 用于虚拟网络映射的方法和设备
CN111427682B (zh) 任务分配方法、系统、装置及设备
US10152505B2 (en) Distributed systems and methods for database management and management systems thereof
JP2019149043A (ja) 見積り装置および見積り方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240201

Address after: 518000, Building A, Building 2, Shenzhen International Innovation Valley, Dashi Road, Xili Community, Xili Street, Nanshan District, Shenzhen City, Guangdong Province, China, 2203

Patentee after: SHENZHEN INSTITUTE OF BEIDOU APPLIED TECHNOLOGY

Country or region after: China

Address before: 1068 No. 518055 Guangdong city in Shenzhen Province, Nanshan District City Xili University School Avenue

Patentee before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY

Country or region before: China