CN113015217B - 一种基于边云协同低成本的在线多功能业务的计算卸载方法 - Google Patents

一种基于边云协同低成本的在线多功能业务的计算卸载方法 Download PDF

Info

Publication number
CN113015217B
CN113015217B CN202110182630.5A CN202110182630A CN113015217B CN 113015217 B CN113015217 B CN 113015217B CN 202110182630 A CN202110182630 A CN 202110182630A CN 113015217 B CN113015217 B CN 113015217B
Authority
CN
China
Prior art keywords
edge
request
service
cloud
computing
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
CN202110182630.5A
Other languages
English (en)
Other versions
CN113015217A (zh
Inventor
冯川
刘业君
郭磊
汉鹏超
张旭
张琦涵
宗悦
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 CN202110182630.5A priority Critical patent/CN113015217B/zh
Publication of CN113015217A publication Critical patent/CN113015217A/zh
Application granted granted Critical
Publication of CN113015217B publication Critical patent/CN113015217B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • 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
    • G06F9/46—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
    • 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
    • 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
    • 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
    • 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)
  • 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)
  • Quality & Reliability (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及一种基于边云协同低成本的在线多功能业务的计算卸载方法，属于通信技术领域，包括以下步骤：S1：判断边缘云中的边缘节点的剩余计算资源是否满足到达边缘云中的多功能业务的计算资源；S2：若剩余计算资源满足各功能请求的计算资源，则进行计算资源请求分配；S3：若多功能业务请求的计算资源请求分配成功，则进行链路带宽请求的判断；若失败则进行重分配方法判断；S4：若链路带宽资源请求成功，则进行成本计算；若失败，则进行重分配方法判断。本方法可以提高边缘云中业务的承载量，同时可以避免边缘云中系统资源大量浪费，并减少服务提供商总成本。

Description

一种基于边云协同低成本的在线多功能业务的计算卸载方法
技术领域
本发明属于通信技术领域，涉及一种基于边云协同低成本的在线多功能业务的计算卸载方法。
背景技术
第五代移动通信(5G)技术代表了现今网络发展的主要方向。5G将驱动社会从人与人之间的宽带互联逐步扩展到万物互联，从而更加深刻地影响未来人类社会的生活和工作方式。增强移动宽带(eMBB)、超高可靠低时延通信(uRLLC)和海量机器类通信(mMTC)是5G典型的三大应用场景。5G时代的应用在移动性，安全性，延迟和可靠性方面提出了更高的要求。边缘计算区别于传统的中心式计算，将计算节点部署在更加靠近用户的小型、微型机房，分布更广泛、地理位置更下沉，相比将所有资源都部署到中心云，能更好的触及用户，提供优质的访问资源。同时，边缘计算依靠开放平台为载体，为用户提供云环境、PaaS能力和相应的边缘业务，以在用户近端实现更安全、实时的智能化业务。将移动边缘云(MobileEdge Computing，MEC)和云计算(Cloud Computing，CC)结合在一起不仅有利于服务供应，而且延迟时间短且计算能力高。MEC对于处理具有私有数据的实时应用程序更为可取，从而减轻了将计算负载转移到云的通信开销。另一方面，超高容量的云是对资源受限的边缘云的一种补偿。因此，将在线多功能业务卸载到边云协同网络中有利于将更多的业务分布在边缘云，同时可以避免边缘云中系统资源大量浪费，从而减小服务供应商的成本。
发明内容
有鉴于此，本发明的目的在于提供一种基于边云协同低成本的在线多功能业务的计算卸载方法。
为达到上述目的，本发明提供如下技术方案：
一种基于边云协同低成本的在线多功能业务的计算卸载方法，基于边云系统，所述边云系统包括中心云、边缘云、多个边缘服务器、基站及用户，所述中心云分别连接边缘云、边缘服务器，所述每个边缘服务器通过基站与客户通信；该方法包括以下步骤：
S1：判断边缘云中的边缘节点的剩余计算资源是否满足到达边缘云中的多功能业务的计算资源；
S2：若剩余计算资源满足各功能请求的计算资源，则进行计算资源请求分配；
S3：若多功能业务请求的计算资源请求分配成功，则进行链路带宽请求的判断；若失败则进行重分配方法判断；
S4：若链路带宽资源请求成功，则进行成本计算；若失败，则进行重分配方法判断。
进一步，步骤S1具体包括以下步骤：
S11：对于在线到达边缘云中的多功能业务，将每个功能请求的计算资源按从大到小的顺序进行排序；
S12：将此时边缘云中边缘节点的剩余计算资源按从大到小的顺序进行排序；
S13：将每个功能请求的计算资源与边缘节点剩余计算资源进行对应判断。
进一步，步骤S3所述链路带宽请求的判断包括以下步骤：
S31：寻找对应边缘节点间形成的最大剩余带宽路径；
S32：将每条多功能业务的链路带宽请求与最大剩余带宽进行比较，若最大剩余带宽满足各功能间的链路带宽请求，则进行链路带宽资源分配。
进一步，步骤S3和S4中所述重分配方法判断包括以下步骤：
S41：将在线到达的多功能业务与之前已分配的多功能业务的计算资源进行比较，将小于新到达多功能业务的各功能计算资源请求和的资源全部释放；
S42：将多功能业务按各功能请求的计算资源请求和从大到小排序，按顺次进行前述步骤S1-S3中的计算资源方法进行分配判断；
S43：若多功能业务的计算资源请求分配成功，则按照前述步骤S31-S32进行多功能业务请求的链路带宽资源请求分配；
S44：若此时多功能业务的计算资源请求或链路带宽请求其中一种分配失败，则将重分配失败的多功能业务直接上传至中心云，并进行成本计算。
进一步，根据当前多功能业务请求的总成本计算公式为：
Figure BDA0002941849350000021
目标函数为最小化成本，如公式(2)所示：
Minimize cost(r) (2)
约束条件如下：
Figure BDA0002941849350000022
Figure BDA0002941849350000023
Figure BDA0002941849350000031
Figure BDA0002941849350000032
Figure BDA0002941849350000033
Figure BDA0002941849350000034
其中，R表示业务请求的集合；G(N,L)表示物理网络的拓扑图；Gr(Vr,Er)表示业务请求网络，第r个业务请求的拓扑图；λ表示边缘云中单位计算资源的单价；β表示边缘云中单位带宽资源的单价；δ表示上传到中心云所需单位计算资源的单价；
Figure BDA0002941849350000037
表示第r个业务请求的第i个功能所需的计算资源；Cj表示第j个边缘节点的计算资源；C'j表示第j个边缘节点的剩余计算资源；
Figure BDA0002941849350000036
表示第r个业务请求的第e条链路所需的带宽；B(j,j')表示物理链路(j,j')的总带宽；p表示从j到j'的物理链路剩余最大带宽的路径；Bp表示路径p的带宽；zr表示二进制决策变量，如果将服务请求r上传到中央云，则取1，如果将其卸载到边缘云，则取0；
Figure BDA0002941849350000038
表示二进制决策变量，如果将第r个业务请求中的第i个功能分配给物理网络中的第j个节点，值为1，否则为0；
Figure BDA0002941849350000035
表示二进制决策变量，表示第r个业务请求的第i个功能映射到物理网络由j→j'确定的链路上；
等式(2)中的目标函数表明尽量减少所有多功能业务请求的成本，其中包括将多功能业务卸载到边缘云的计算成本，链路分配的带宽成本以及将多功能业务卸载到中心云所需的成本；
等式(3)和(4)是将多功能业务卸载到边缘节点的约束，等式(3)表示将多功能请求中的每个功能分配给物理网络中的一个边缘节点，等式(4)表明卸载到边缘节点的所有功能所占用的资源不超过边缘节点的计算资源；
等式(5)表示应将多功能业务请求中的每个链接分配给边缘云之间的无环物理路径，以减轻其终端功能的负担，并在等式(6)中规定流量守恒；
等式(7)中将无法完全卸载到边缘云的任何多功能业务请求卸载到中心云；
等式(8)表示每个物理链路上的业务请求所占用的带宽不应超过该链路的总带宽容量。
本发明的有益效果在于：针对协作边缘云网络多功能计算分流的问题，适用于基于在线多功能业务请求向边缘云卸载的映射方式，基于在线多功能业务请求向中心云卸载的重分配方式。所述业务只要各功能之间连续且不可拆分，不改变系统结构就可以直接使用。本方法方法可以提高边缘云中业务的承载量，同时可以避免边缘云中系统资源大量浪费，并减少服务提供商总成本。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明具体实施方式基于边云协同低成本的在线多功能业务的计算卸载结构图；
图2为本发明具体实施方式基于n6s9和n11s26网络拓扑图；
图3为本发明具体实施方式基于n6s9网络CCOR方法服务供应商总成本随多功能业务请求数增加的变化图；
图4为本发明具体实施方式基于n6s9网络CCOR方法边缘云承载的多功能业务请求数量随多功能业务请求数增加的变化图；
图5为本发明具体实施方式基于n6s9网络CCOR方法平均节点资源利用率的变化图；
图6为本发明具体实施方式基于n6s9网络CCOR方法平均带宽资源利用率的变化图；
图7为本发明具体实施方式基于n11s26网络CCOR方法服务供应商总成本随多功能业务请求数增加的变化图；
图8为本发明具体实施方式基于n11s26网络CCOR方法边缘云承载的多功能业务请求数量随多功能业务请求数增加的变化图；
图9为本发明具体实施方式基于n11s26网络CCOR方法平均节点资源利用率的变化图；
图10为本发明具体实施方式基于n11s26网络CCOR方法平均带宽资源利用率的变化图；
图11为本发明具体实施方式基于一种基于边云协同低成本的在线多功能业务的计算卸载方法流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
一种基于边云协同低成本的在线多功能业务的计算卸载的系统，如图1所示，包括：
主要部分：中心云(Cloud)、边缘云(Edge Cloud)、边缘服务器(Edge Server)、基站(Base Station)、用户(User)、多功能请求(Multi-functions Requests)；
本实施例中在线多功能业务请求，如图1所示，分别可以卸载至边缘云和中心云。针对在线多功能业务卸载重分配方式，使得成本最小化，该低成本的在线多功能业务的计算卸载方法(Cost-minimized Computation Offloading with Reconfiguration,CCOR)表述如下：
2-1：对于在线到达边缘云的多功能业务Vr，将每个功能的计算资源请求按从大到小的顺序进行排序得到V'r；
2-2：将此时边缘云中边缘节点N的剩余计算资源按从大到小的顺序进行排序，即N'；
2-3：将每个功能请求的计算资源与边缘节点剩余计算资源进行对应判断，若剩余计算资源满足各功能请求的计算资源，即
Figure BDA0002941849350000051
则进行计算资源请求分配。
2-4：若多功能业务请求的计算资源请求分配成功，则进行链路带宽请求(2-5)—(2-6)的判断；反之，则进行重构建算法(2-9)—(2-12)判断；
2-5：寻找对应边缘节点间形成的最大剩余带宽路径p；
2-6：将每条多功能业务的链路带宽请求
Figure BDA0002941849350000061
与最大剩余带宽Bp进行比较，若最大剩余带宽满足各功能间的链路带宽请求，即
Figure BDA0002941849350000062
则进行链路带宽资源分配。
2-7：若多功能业务请求的计算资源请求与链路带宽资源请求均成功，则进行成本计算，即公式(1)。
2-8：若前述步骤中(2-1)—(2-6)计算资源请求分配与链路带宽资源分配任意一种情况失败，则进行重分配方法(2-9)—(2-12)判断；
2-9：将在线到达的多功能业务与之前已分配的多功能业务的计算资源进行比较，将小于新到达多功能业务的各功能计算资源请求和的资源全部释放；
2-10：将多功能业务按各功能请求的计算资源请求和从大到小排序，按顺次进行前述步骤(2-1)—(2-4)中的计算资源方法进行分配判断；
2-11：若多功能业务的计算资源请求分配成功，则按照前述步骤(2-5)—(2-6)进行多功能业务请求的链路带宽资源请求分配；
2-12：若此时多功能业务的计算资源请求或链路带宽请求其中一种分配失败，则将重分配失败的多功能业务直接上传至中心云，并进行成本计算，即公式(1)。
本实施例中出现的变量含义如下：
·R：业务请求的集合；
·G(N,L)：物理网络的拓扑图；
·Gr(Vr,Er)：业务请求网络，第r个业务请求的拓扑图；
·λ：表示边缘云中单位计算资源的单价；
·β：表示边缘云中单位带宽资源的单价；
·δ：表示上传到中心云所需单位计算资源的单价；
·
Figure BDA0002941849350000063
表示第r个业务请求的第i个功能所需的计算资源；
·Cj：表示第j个边缘节点的计算资源；
·C'j：表示第j个边缘节点的剩余计算资源；
·
Figure BDA0002941849350000064
表示第r个业务请求的第e条链路所需的带宽；
·B(j,j')：表示物理链路(j,j')的总带宽；
·p：表示从j到j'的物理链路剩余最大带宽的路径；
·Bp：表示路径p的带宽；
·zr：表示二进制决策变量，如果将服务请求r上传到中央云，则取1，如果将其卸载到边缘云，则取0。
·
Figure BDA0002941849350000071
表示二进制决策变量，如果将第r个业务请求中的第i个功能分配给物理网络中的第j个节点，值为1，否则为0；
·
Figure BDA0002941849350000072
表示二进制决策变量，表示第r个业务请求的第i个功能映射到物理网络由j→j'确定的链路上。
本实施例涉及的ILP模型，同样基于此总成本计算公式。目标函数为最小化成本，如公式(2)所示：
Minimize cost(r) (2)
约束条件如下：
Figure BDA0002941849350000073
Figure BDA0002941849350000074
Figure BDA0002941849350000075
Figure BDA0002941849350000076
Figure BDA0002941849350000077
Figure BDA0002941849350000078
等式(2)中的目标函数表明尽量减少所有多功能业务请求的成本，其中包括将多功能业务卸载到边缘云的计算成本，链路分配的带宽成本以及将多功能业务卸载到中心云所需的成本。等式(3)和(4)是将多功能业务卸载到边缘节点的约束。等式(3)表示应将多功能请求中的每个功能分配给物理网络中的一个边缘节点。等式(4)表明卸载到边缘节点的所有功能所占用的资源不应超过边缘节点的计算资源。等式(5)表示应将多功能业务请求中的每个链接分配给边缘云之间的无环物理路径，以减轻其终端功能的负担，并在等式(6)中规定流量守恒。等式(7)中将无法完全卸载到边缘云的任何多功能业务请求卸载到中心云。等式(8)表示每个物理链路上的业务请求所占用的带宽不应超过该链路的总带宽容量。
图2中为在之后的说明中更加详尽，给出了所述底层网络拓扑图，如图2中所示包括N个节点和S条链路，其中分别为，N＝6，S＝9和N＝11，S＝26；应该说明的是，示出n6s9和n11s26只是为了说明本实施例，在实际使用中物理网络可能具有不同的网络拓扑图。
本实施例采用的参数分别为：每个边缘节点具有96CPUs的计算资源量，每条链路的总带宽为100Mbps。多功能业务请求的功能数在[2，4]中随机生成，每个多功能业务的每个功能请求的资源量在[1，4]CPUs间随机生成，每条带宽请求的资源量在[1，6]Mbps间随机生成。除此之外，相应边缘节点间产生的链路带宽在
Figure BDA0002941849350000081
中随机产生。λ＝10，β＝5，δ＝100α，其中
Figure BDA0002941849350000082
本实施例涉及到的对比方法(Base line)与CCOR方法的不同之处在于，在链路分配时选取最短的路径，并且在卸载期间不应用于任何多功能业务请求的重新配置。
对本实施例所提的系统进行性能分析，通过图3与图7观察系统基于n6s9和n11s26两种网络下CCOR方法服务供应商总成本的变化情况，随多功能业务请求数增加，CCOR方法得到的总成本要低于对法算法。观察图4与图8可知，在两种网络情况下，对于边缘云承载的多功能业务请求数，CCOR方法得到的结果要高于对比算算法。结合图3、图4、图7与图8分析，边缘云承载的多功能请求数越多，对于实施例中的总成本要越低，因为在边缘云中承载业务的成本要远远小于中心云承载业务的成本。通过图5、图6、图9与图10，分析基于n6s9与n11s26两种网络不同方法得到的系统资源利用率变化情况，随着多功能业务请求数增加，CCOR方法平均节点利用率与平均带宽资源利用率要高于对比算法，充分说明采用CCOR方法节点资源与带宽资源得到了更好地利用。图11为本实施例基于一种基于边云协同低成本的在线多功能业务的计算卸载方法流程图，即(2-1)—(2-12)步骤。
虽然以上描述了本发明的具体实施方式，但是本领域内熟练的技术人员应当理解，这些仅是举例说明，可以对这些实施方式作出多种变更或修改，而不背离本发明的原理和实质。本发明的范围由权利要求书限定。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于边云协同低成本的在线多功能业务的计算卸载方法，其特征在于：基于边云系统，所述边云系统包括中心云、边缘云、多个边缘服务器、基站及用户，所述中心云分别连接边缘云、边缘服务器，每个边缘服务器通过基站与客户通信；该方法包括以下步骤：
S1：判断边缘云中的边缘节点的剩余计算资源是否满足到达边缘云中的多功能业务的计算资源；
S2：若剩余计算资源满足各功能请求的计算资源，则进行计算资源请求分配；
S3：若多功能业务请求的计算资源请求分配成功，则进行链路带宽请求的判断；若失败则进行重分配方法判断；
S4：若链路带宽资源请求成功，则进行成本计算；若失败，则进行重分配方法判断；
步骤S3和S4中所述重分配方法判断包括以下步骤：
S41：将在线到达的多功能业务与之前已分配的多功能业务的计算资源进行比较，将小于新到达多功能业务的各功能计算资源请求和的资源全部释放；
S42：将多功能业务按各功能请求的计算资源请求和从大到小排序，按顺次进行前述步骤S1-S3中的计算资源方法进行分配判断；
S43：若多功能业务的计算资源请求分配成功，则按照前述步骤S31-S32进行多功能业务请求的链路带宽资源请求分配；
S44：若此时多功能业务的计算资源请求或链路带宽请求其中一种分配失败，则将重分配失败的多功能业务直接上传至中心云，并进行成本计算。
2.根据权利要求1所述的基于边云协同低成本的在线多功能业务的计算卸载方法，其特征在于：步骤S1具体包括以下步骤：
S11：对于在线到达边缘云中的多功能业务，将每个功能请求的计算资源按从大到小的顺序进行排序；
S12：将此时边缘云中边缘节点的剩余计算资源按从大到小的顺序进行排序；
S13：将每个功能请求的计算资源与边缘节点剩余计算资源进行对应判断。
3.根据权利要求1所述的基于边云协同低成本的在线多功能业务的计算卸载方法，其特征在于：步骤S3所述链路带宽请求的判断包括以下步骤：
S31：寻找对应边缘节点间形成的最大剩余带宽路径；
S32：将每条多功能业务的链路带宽请求与最大剩余带宽进行比较，若最大剩余带宽满足各功能间的链路带宽请求，则进行链路带宽资源分配。
4.根据权利要求1所述的基于边云协同低成本的在线多功能业务的计算卸载方法，其特征在于：根据当前多功能业务请求的总成本计算公式为：
Figure FDA0003601827790000021
目标函数为最小化成本，如公式(2)所示：
Minimize cost(r) (2)
约束条件如下：
Figure FDA0003601827790000022
Figure FDA0003601827790000023
Figure FDA0003601827790000024
Figure FDA0003601827790000025
Figure FDA0003601827790000026
Figure FDA0003601827790000027
其中，R表示业务请求的集合；G(N,L)表示物理网络的拓扑图；Gr(Vr,Er)表示业务请求网络，第r个业务请求的拓扑图；λ表示边缘云中单位计算资源的单价；β表示边缘云中单位带宽资源的单价；δ表示上传到中心云所需单位计算资源的单价；
Figure FDA0003601827790000028
表示第r个业务请求的第i个功能所需的计算资源；Cj表示第j个边缘节点的计算资源；Cj'表示第j个边缘节点的剩余计算资源；
Figure FDA0003601827790000029
表示第r个业务请求的第e条链路所需的带宽；B(j,j')表示物理链路(j,j')的总带宽；p表示从j到j'的物理链路剩余最大带宽的路径；Bp表示路径p的带宽；zr表示二进制决策变量，如果将服务请求r上传到中央云，则取1，如果将其卸载到边缘云，则取0；
Figure FDA00036018277900000210
表示二进制决策变量，如果将第r个业务请求中的第i个功能分配给物理网络中的第j个节点，值为1，否则为0；
Figure FDA00036018277900000211
表示二进制决策变量，表示第r个业务请求的第i个功能映射到物理网络由j→j'确定的链路上；
等式(2)中的目标函数表明尽量减少所有多功能业务请求的成本，其中包括将多功能业务卸载到边缘云的计算成本，链路分配的带宽成本以及将多功能业务卸载到中心云所需的成本；
等式(3)和(4)是将多功能业务卸载到边缘节点的约束，等式(3)表示将多功能请求中的每个功能分配给物理网络中的一个边缘节点，等式(4)表明卸载到边缘节点的所有功能所占用的资源不超过边缘节点的计算资源；
等式(5)表示应将多功能业务请求中的每个链接分配给边缘云之间的无环物理路径，以减轻其终端功能的负担，并在等式(6)中规定流量守恒；
等式(7)中将无法完全卸载到边缘云的任何多功能业务请求卸载到中心云；
等式(8)表示每个物理链路上的业务请求所占用的带宽不应超过该链路的总带宽容量。
CN202110182630.5A 2021-02-07 2021-02-07 一种基于边云协同低成本的在线多功能业务的计算卸载方法 Active CN113015217B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110182630.5A CN113015217B (zh) 2021-02-07 2021-02-07 一种基于边云协同低成本的在线多功能业务的计算卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110182630.5A CN113015217B (zh) 2021-02-07 2021-02-07 一种基于边云协同低成本的在线多功能业务的计算卸载方法

Publications (2)

Publication Number Publication Date
CN113015217A CN113015217A (zh) 2021-06-22
CN113015217B true CN113015217B (zh) 2022-05-20

Family

ID=76402117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110182630.5A Active CN113015217B (zh) 2021-02-07 2021-02-07 一种基于边云协同低成本的在线多功能业务的计算卸载方法

Country Status (1)

Country Link
CN (1) CN113015217B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115361287B (zh) * 2022-08-16 2024-05-24 中国银行股份有限公司 一种边缘节点流量调度方法及装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109167787A (zh) * 2018-09-06 2019-01-08 电子科技大学 一种移动边缘计算网络中安全计算卸载的资源优化方法
CN109510869A (zh) * 2018-11-22 2019-03-22 北京信息科技大学 一种基于边缘计算的物联网服务动态卸载方法及装置
CN109800072A (zh) * 2019-01-22 2019-05-24 深圳市简智联信息科技有限公司 基于边缘计算的任务调度优化方法和装置
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
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
CN111447619A (zh) * 2020-03-12 2020-07-24 重庆邮电大学 一种移动边缘计算网络中联合任务卸载和资源分配方法
CN111447512A (zh) * 2020-03-09 2020-07-24 重庆邮电大学 一种面向边缘云卸载的节能方法
CN111585916A (zh) * 2019-12-26 2020-08-25 国网辽宁省电力有限公司电力科学研究院 基于云边协同的lte电力无线专网任务卸载和资源分配方法
CN111641891A (zh) * 2020-04-16 2020-09-08 北京邮电大学 一种多接入边缘计算系统中的任务对等卸载方法和装置
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
CN111885147A (zh) * 2020-07-20 2020-11-03 兰州理工大学 边缘计算中的一种资源动态定价方法
CN111901424A (zh) * 2020-07-28 2020-11-06 苏州大学 云边协同网络资源平滑迁移与重构方法及系统
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
US10866836B1 (en) * 2019-08-20 2020-12-15 Deke Guo Method, apparatus, device and storage medium for request scheduling of hybrid edge computing

Family Cites Families (4)

* 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
US11412052B2 (en) * 2018-12-28 2022-08-09 Intel Corporation Quality of service (QoS) management in edge computing environments
CN111182570B (zh) * 2020-01-08 2021-06-22 北京邮电大学 提高运营商效用的用户关联和边缘计算卸载方法
CN111913723B (zh) * 2020-06-15 2022-09-23 合肥工业大学 基于流水线的云-边-端协作卸载方法和系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109167787A (zh) * 2018-09-06 2019-01-08 电子科技大学 一种移动边缘计算网络中安全计算卸载的资源优化方法
CN109510869A (zh) * 2018-11-22 2019-03-22 北京信息科技大学 一种基于边缘计算的物联网服务动态卸载方法及装置
CN109800072A (zh) * 2019-01-22 2019-05-24 深圳市简智联信息科技有限公司 基于边缘计算的任务调度优化方法和装置
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
US10866836B1 (en) * 2019-08-20 2020-12-15 Deke Guo Method, apparatus, device and storage medium for request scheduling of hybrid edge computing
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
CN111585916A (zh) * 2019-12-26 2020-08-25 国网辽宁省电力有限公司电力科学研究院 基于云边协同的lte电力无线专网任务卸载和资源分配方法
CN111447512A (zh) * 2020-03-09 2020-07-24 重庆邮电大学 一种面向边缘云卸载的节能方法
CN111447619A (zh) * 2020-03-12 2020-07-24 重庆邮电大学 一种移动边缘计算网络中联合任务卸载和资源分配方法
CN111641891A (zh) * 2020-04-16 2020-09-08 北京邮电大学 一种多接入边缘计算系统中的任务对等卸载方法和装置
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
CN111885147A (zh) * 2020-07-20 2020-11-03 兰州理工大学 边缘计算中的一种资源动态定价方法
CN111901424A (zh) * 2020-07-28 2020-11-06 苏州大学 云边协同网络资源平滑迁移与重构方法及系统
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 (3)

* Cited by examiner, † Cited by third party
Title
Data Offloading in Mobile Edge Computing: A Coalition and Pricing Based Approach;Tian Zhang;《IEEE》;20171119;全文 *
Interference-Aware_Online_Multicomponent_Service_Placement_in_Edge_Cloud_Networks_and_its_AI_Application;Pengchao Han;《IEEE》;20210101;全文 *
Kehao Wang ; Zhixin Hu.Joint Offloading and Charge Cost Minimization in Mobile Edge Computing.《IEEE》.2020, *

Also Published As

Publication number Publication date
CN113015217A (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
CN112492626B (zh) 一种移动用户计算任务的卸载方法
CN107995660B (zh) 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法
Xu et al. Collaborate or separate? Distributed service caching in mobile edge clouds
CN111586696B (zh) 一种基于多智能体架构强化学习的资源分配及卸载决策方法
CN111182570B (zh) 提高运营商效用的用户关联和边缘计算卸载方法
CN107566194B (zh) 一种实现跨域虚拟网络映射的方法
CN111372314A (zh) 基于移动边缘计算场景下的任务卸载方法及任务卸载装置
CN112689303B (zh) 一种边云协同资源联合分配方法、系统及应用
CN111475274B (zh) 云协同多任务调度方法及装置
CN110087318A (zh) 基于5g移动边缘计算的任务卸载和资源分配联合优化方法
CN111132191A (zh) 移动边缘计算服务器联合任务卸载、缓存及资源分配方法
CN113064665B (zh) 一种基于李雅普诺夫优化的多服务器计算卸载方法
CN110489176B (zh) 一种基于装箱问题的多接入边缘计算任务卸载方法
CN110519370B (zh) 一种基于设施选址问题的边缘计算资源分配方法
CN111641973A (zh) 一种雾计算网络中基于雾节点协作的负载均衡方法
CN110177055B (zh) 一种边缘计算场景下边缘域资源的预分配方法
CN113918240A (zh) 任务卸载方法及装置
CN113015217B (zh) 一种基于边云协同低成本的在线多功能业务的计算卸载方法
Khan et al. An efficient resource allocation mechanism for time-sensitive data in dew computing
CN115150893A (zh) 基于任务划分与d2d的mec任务卸载策略方法
CN109327340B (zh) 一种基于动态迁移的移动无线网络虚拟网映射方法
CN111752707B (zh) 一种基于映射关系的电力通信网资源分配方法
CN112203309B (zh) 一种基于服务器协作的联合任务卸载及缓存方法
Passas et al. Pricing based MEC resource allocation for 5G heterogeneous network access
CN114554496A (zh) 基于机器学习的5g网络切片资源分配方法

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