CN113051046B - 一种车载云环境下基于动态优先级的任务调度方法 - Google Patents

Abstract

本发明公开了一种车载云环境下基于动态优先级的任务调度方法，该方法综合分析任务的传输时间、执行时间，任务剩余时间，通过一种加权求和的方式计算各个任务的优先级以生成初始的任务调度序列，即调度结果。本发明提出了一种重调度策略，该策略判断当前的调度结果能否满足所有任务的截止时间要求，以触发对当前调度结果的调整。如果需要调整，则搜索可用车载节点并对当前车载节点进行替换，替换后重新计算各个任务的优先级。本方法通过迭代判断任务完成时间和迭代计算优先级以完成调度结果的优化，从而提高车载云的服务成功率。

Description

一种车载云环境下基于动态优先级的任务调度方法

技术领域

本发明涉及云计算和无线网络领域，特别是涉及一种车载云环境下基于动态优先级的任务调度方法。

背景技术

随着智能移动终端的发展，大量的移动应用应运而生，如计算密集型应用、数据密集型应用等。然而，由于处理器性能、电池容量和存储容量的限制，现有的智能移动终端仍然不能满足一些计算密集型实时应用的延迟需求。车载云计算的出现帮助智能移动终端解决了这些问题。近年来，随着车载存储设备的出现、计算资源、通信能力的日益强大，车辆的功能也越来越强大。车辆现在被视为高计算能力的拥有者，数据收集和存储等服务的提供者。车载云是基于一组协作车辆而构成的的本地云。车辆将自己闲置的计算和存储资源贡献给其他车载终端或智能移动终端，以加快移动应用的运行速度。与蜂窝移动网络和其他云节点相比，车载云的优点是部署迅速、扩展灵活，成本非常低。通过使用车载云，移动应用的计算和数据存储被从移动设备卸载到云端。这突破了移动终端计算能力、存储空间和电池容量等资源限制，为移动用户提供了更加丰富的应用，减少了用户的响应时间，提高了用户体验。因此，为了提高服务质量，增加用户满意度，设计出一个车载云环境下的任务调度方案至关重要。

发明内容

有鉴于此，本发明的目的在于提供一种车载云环境下基于动态优先级的任务调度方法，本发明通过迭代判断任务完成时间和迭代计算优先级以完成调度结果的优化，从而提高车载云的服务成功率。

目前车载云技术已经得到广泛应用，然而现有研究通常只考虑数据传输过程的调度或只考虑任务执行过程的调度，如round-robin算法和min-min算法；但是车载云的服务过程包含多个步骤：首先进行数据传输，接着处理数据即执行任务，最后把结果返回给用户；因此联合优化任务传输和任务执行是提升车载云服务质量的重要手段。

不同于现有技术，本发明综合考虑数据传输过程和任务执行过程，提出一种车载云环境下基于动态优先级的任务调度方法，合理利用车载云资源，提高云服务质量。

基于上述发明目的，本发明提出一种车载云环境下基于动态优先级的任务调度方法，包括如下步骤：

步骤S1、构建系统模型，通过系统模型计算任务的完成时间；

步骤S2、计算每个任务的优先级，选择优先级最高的任务并且为其分配车载节点进行处理，将被分配了车载节点的任务放入第一任务调度序列；

步骤S3、重复步骤S2直到所有的任务都能够到分配车载节点并且完成处理，然后形成第二任务调度序列或者出现某一任务无法完成的情形时，停止循环；

步骤S4、对出现某一任务无法完成的情形进行重调度处理。

进一步的，所述步骤S1具体为：

假设在单向且笔直的高速公路上有多辆从左至右匀速行驶的车辆，行驶速度记作v，车辆上设有车载节点，定义车载节点集N＝{n₁,n₂,…,n_m}，表示为高速公路有m个车载节点；

高速公路划分成k个路段，记作S_j(j＝1,2…k)，每个路段的长度记作L_j(j＝1,2…k)；

高速公路的中心设有RSU，定义n_i表示车载节点在路段S_i上，n_i到S_i右边界的距离用c_i表示，在RSU通信范围内的车辆构成车载云，当多个移动用户同时向RSU提出任务处理的请求时，形成任务集T＝{t₁,t₂,…,t_n}，表示为有n个任务需要处理；

RSU从任务集T中选择一个任务，再从车载节点集N中选择一个车载节点处理该任务， RSU将移动用户所需的数据传输到该车载节点，数据传输完成后该车载节点开始执行任务，最终得到执行结果返回给移动用户；

若任务完成时间小于任务的截止时间，则视任务能够完成，否则，任务失败，

任务完成时间T_com的表达式为：

T_com＝T_dat+T_wait+T_exc (1)

公式(1)中，T_dat为数据传输时间、T_exc为任务执行时间，T_wait为任务等待时间。

进一步的，所述数据传输时间T_dad的具体计算为：

步骤S101、计算路段S_i所能传输的最大数据量D_i：

公式(2)中，r_i表示路段S_i内的数据传输速率，L_i表示路段S_i的长度，V表示车辆的速度；

步骤S102、计算车载节点n_i在整个高速公路上所能传输的最大数据量

公式(3)中，D_i表示路段S_i所能传输的最大数据量，L_j表示路段S_i+1的长度，V表示车辆的速度，r_j表示路段S_i+1内的数据传输速率；

步骤S103、假设任务集T中任务t_j所需要的数据量用表示，任务t_j的数据传输时间T_dat计算如下：

如果说明车载节点n_i无法完成数据传输任务，该任务失败；

如果说明任务t_j的数据传输活动在路段S_i内即可完成，此时T_dat表达式为：

如果说明任务t_j的数据传输活动需要在路段S_i+1内完成，此时T_dat表达式为：

基于以上的方法，判断任务t_j具体在哪个路段完成，最后得出T_dat；

所述任务执行时间的表达式为：

公式(6)U_exc表示任务t_i的计算负载，sp_j表示车载节点n_i的计算速度；

所述任务等待时间T_wait具体为：

车载节点n_i在执行任务t_j之前，判断是否还有其他任务正在执行，若无其他任务，T_wait＝0，若有其他任务，T_wait＝其他任务的剩余执行时间。

进一步的，所述步骤S2，具体为：

步骤S201、随机从任务集中T选择一个任务t_i作为第一个处理的任务；

步骤S202、计算任务t_i的可用节点集V_i＝{n₁,n₂,…,n_m}，所述可用节点集V_i表示为能够处理任务t_i的车载节点的集合；

步骤S203、在可用节点集V_i中找到完成任务t_i时间最短的车载节点和完成任务t_i时间最长的车载节点，比较在这两种不同情况下得到的结果，选择其中最优车载节点分配给任务t_i；

步骤S204、根据步骤S203中得到的最优车载节点计算任务t_i的优先级，所述优先级的表达式为：

在公式(7)中，依次表示为通过最优车载节点进行任务处理时，所耗费的数据传输时间、任务等待时间、任务执行时间，S'表示未分配优先级的任务集合，α为权重系数，/>表示任务t_j的剩余时间，表达式为：

在公式(8)中，t_j表示任务，S等于任务集合T，表示为任务i的数据传输时间；

步骤S205、将任务t_i放入第一任务调度序列中，并且记录任务t_i被分配的最优车载节点，以及任务t_i的任务完成时间，同时更新系统中其他车载节点的位置以及其他任务的状态。

进一步的，在所述步骤S202中，计算任务t_i的可用节点集V_i具体为：

步骤S2021、随机从车载节点集N中选择一个车载节点n_s，根据n_s的位置和任务t_i的传输数据量计算负载/>计算出任务t_i在车载节点n_s上的数据传输时间T_dat，任务执行时间T_exc，以及任务等待时间T_wait，最终得到通过车载节点n_s处理任务t_i的任务完成时间T_com；

步骤S2022、定义d_i为任务t_i的截止时间，判断若任务完成时间T_com＞d_i或者n_s已经驶离 RSU的通信范围，则该车载节点n_s不是可用节点，否则将车载节点n_s加入可用节点集V_i；

步骤S2023、重复步骤S2021-步骤S2022直到车载节点集N中所有的车载节点均被遍历，得到任务t_i的可用节点集V_i。

进一步的，在所述步骤S4中，所述重调度处理具体为：

步骤S401、遍历第一任务调度序列，查找第一任务调度序列中每个任务被分配的车载节点和可用节点集；

步骤S402、在每个任务对应的可用节点集中查找离高速公路右边界最接近的车载节点，判断该车载节点是否为被分配的车载节点；

步骤S403、若判断结果为是，将该任务放入第二任务调度序列，继续遍历第一任务调度序列中的其他任务；

若判断结果为否，则将离高速公路右边界最接近的车载节点分配给该任务，将该任务放入第二任务调度序列，同时更新系统状态，将第一任务调度序列清空，再重新执行步骤S2，直到任务集T所有任务完成调度或者无法完成。

本发明的有益效果是：

1、现有技术仅考虑车载网络中的数据传输过程或任务执行过程，本发明综合考虑数据传输过程和执行过程，并设计出适合车载云服务的任务调度方法。

2、本发明提出了一种车载云环境下基于动态优先级的多用户任务调度策略(PMTS)，充分利用车载云资源节省移动设备的电量，减少任务完成时间，节约用户成本，本发明和现有方案相比，本发明具有较高的服务成功率并能有效减少服务响应时间。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面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。

在正式说明实施例之前，先介绍本发明提出的PMTS算法，PMTS算法是一种基于动态优先级的多用户任务调度算法，该算法首先计算每个任务的优先级，然后选择优先级最高的任务并为该任务分配相应节点，接着重复这一步骤直到所有任务都完成。

当某个任务t_q不能在截止时间内完成或所有车载节点都无法成功完成该任务，重调度方案被触发，PMTS算法对t_q和其他相关任务进行重调度，以提高车载云服务质量。

算法中使用到符号定义如表1所示：

表1：算法符号表

PMTS算法的伪代码如下所示：

实施例1

本实施例1提供了一种车载云环境下基于动态优先级的任务调度方法，包括如下步骤：

步骤S1、构建系统模型，通过系统模型计算任务的完成时间；

具体的说，步骤S1为：

假设在单向且笔直的高速公路上有多辆从左至右匀速行驶的车辆，行驶速度记作v，车辆上设有车载节点，定义车载节点集N＝{n₁,n₂,…,n_m}，表示为高速公路有m个车载节点；

高速公路划分成k个路段，记作S_j(j＝1,2…k)，每个路段的长度记作L_j(j＝1,2…k)；

高速公路的中心设有RSU，定义n_i表示车载节点在路段S_i上，n_i到S_i右边界的距离用c_i表示，在RSU通信范围内的车辆构成车载云，当多个移动用户同时向RSU提出任务处理的请求时，形成任务集T＝{t₁,t₂,…,t_n}，表示为有n个任务需要处理；

RSU从任务集T中选择一个任务，再从车载节点集N中选择一个车载节点处理该任务，RSU将移动用户所需的数据传输到该车载节点，数据传输完成后该车载节点开始执行任务，最终得到执行结果返回给移动用户；

若任务完成时间小于任务的截止时间，则视任务能够完成，否则，任务失败，

任务完成时间T_com的表达式为：

T_com＝T_dat+T_wait+T_exc (1)

公式(1)中，T_dat为数据传输时间、T_exc为任务执行时间，T_wait为任务等待时间。

更具体的说，数据传输时间T_dat的具体计算为：

步骤S101、计算路段S_i所能传输的最大数据量D_i：

公式(2)中，r_i表示路段S_i内的数据传输速率，L_i表示路段S_i的长度，V表示车辆的速度；

步骤S102、计算车载节点n_i在整个高速公路上所能传输的最大数据量

公式(3)中，D_i表示路段S_i所能传输的最大数据量，L_j表示路段S_i+1的长度，V表示车辆的速度，r_j表示路段S_i+1内的数据传输速率；

步骤S103、假设任务集T中任务t_j所需要的数据量用表示，任务t_j的数据传输时间T_dat计算如下：

如果说明车载节点n_i无法完成数据传输任务，该任务失败；

如果说明任务t_j的数据传输活动在路段S_i内即可完成，此时T_dat表达式为：

公式(4)中，表示任务t_j所需要的数据量，r_i表示路段S_i内的数据传输速率；

如果说明任务t_j的数据传输活动需要在路段S_i+1内完成，此时T_dat表达式为：

公式(5)中，c_i表示为车载节点n_i到S_i右边界的距离，表示任务t_j所需要的数据量，D_i表示路段S_i所能传输的最大数据量，V表示车辆的速度；

基于以上的方法，判断任务t_j具体在哪个路段完成，最后得出V_dat；

所述任务执行时间的表达式为：

公式(6)U_exc表示任务t_i的计算负载，sp_j表示车载节点n_i的计算速度；

所述任务等待时间T_wait具体为：

车载节点n_i在执行任务t_j之前，判断是否还有其他任务正在执行，若无其他任务，T_wait＝0，若有其他任务，T_wait＝其他任务的剩余执行时间。

步骤S2、计算每个任务的优先级，选择优先级最高的任务并且为其分配车载节点进行处理，将被分配了车载节点的任务放入第一任务调度序列；

具体的说，在所述步骤S2中，具体为：

步骤S201、随机从任务集中T选择一个任务t_i作为第一个处理的任务；

步骤S202、计算任务t_i的可用节点集V_i＝{n₁,n₂,…,n_m}，所述可用节点集V_i表示为能够处理任务t_i的车载节点的集合；

步骤S203、在可用节点集V_i中找到完成任务t_i时间最短的车载节点和完成任务t_i时间最长的车载节点，比较在这两种不同情况下得到的结果，选择其中最优车载节点分配给任务t_i；

步骤S204、根据步骤S203中得到的最优车载节点计算任务t_i的优先级，所述优先级的表达式为：

在公式(7)中，依次表示为通过最优车载节点进行任务处理时，所耗费的数据传输时间、任务等待时间、任务执行时间，S'表示未分配优先级的任务集合，α为权重系数，/>表示任务t_j的剩余时间，表达式为：

在公式(8)中，t_j表示任务，S等于任务集合T，表示为任务i的数据传输时间；

步骤S205、将任务t_i放入第一任务调度序列中，并且记录任务t_i被分配的最优车载节点，以及任务t_i的任务完成时间，同时更新系统中其他车载节点的位置以及其他任务的状态。

更具体的说，在所述步骤S202中，计算任务t_i的可用节点集V_i具体为：

步骤S2021、随机从车载节点集N中选择一个车载节点n_s，根据n_s的位置和任务t_i的传输数据量计算负载/>计算出任务t_i在车载节点n_s上的数据传输时间T_dat，任务执行时间T_exc，以及任务等待时间T_wait，最终得到通过车载节点n_s处理任务t_i的任务完成时间T_com；

步骤S2022、定义d_i为任务t_i的截止时间，判断若任务完成时间T_com＞d_i或者n_s已经驶离 RSU的通信范围，则该车载节点n_s不是可用节点，否则将车载节点n_s加入可用节点集V_i；

步骤S2023、重复步骤S2021-步骤S2022直到车载节点集N中所有的车载节点均被历遍，得到任务t_i的可用节点集V_i。

步骤S3、重复步骤S2直到所有的任务都能够到分配车载节点并且完成处理，然后形成第二任务调度序列或者出现某一任务无法完成的情形时，停止循环；

步骤S4、对出现某一任务无法完成的情形进行重调度处理。

具体的说，包括如下步骤：

步骤S401、遍历第一任务调度序列，查找第一任务调度序列中每个任务被分配的车载节点和可用节点集；

步骤S402、在每个任务对应的可用节点集中查找离高速公路右边界最接近的车载节点，判断该车载节点是否为被分配的车载节点；

步骤S403、若判断结果为是，将该任务放入第二任务调度序列，继续遍历第一任务调度序列中的其他任务；

若判断结果为否，则将离高速公路右边界最接近的车载节点分配给该任务，将该任务放入第二任务调度序列，同时更新系统状态，将第一任务调度序列清空，再重新执行步骤S2，直到任务集T所有任务完成调度或者无法完成。

通过重调度操作，对当前任务以及之前一部分任务进行重新调度，以充分利用车载云资源并提高服务成功率。

本发明的特点在于评估方案性能时保持车载节点的数量不变，不断增加任务数量，以测试节点负载不断增大时的性能。当节点负载不断增大时，如果服务率依然维持在一个较高水平，则说明该方案性能较优。

本发明未详述之处，均为本领域技术人员的公知技术。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (3)

1.一种车载云环境下基于动态优先级的任务调度方法，其特征在于，包括如下步骤：

步骤S1、构建系统模型，通过系统模型计算任务的完成时间；

步骤S2、计算每个任务的优先级，选择优先级最高的任务并且为其分配车载节点进行处理，将被分配了车载节点的任务放入第一任务调度序列；

步骤S3、重复步骤S2直到所有的任务都能够到分配车载节点并且完成处理，然后形成第二任务调度序列或者出现某一任务无法完成的情形时，停止循环；

步骤S4、对出现某一任务无法完成的情形进行重调度处理；

所述步骤S1具体为：

假设在单向且笔直的高速公路上有多辆从左至右匀速行驶的车辆，行驶速度记作V，车辆上设有车载节点，定义车载节点集N＝{n₁,n₂,…,n_m}，表示为高速公路有m个车载节点；

高速公路划分成k个路段，每个路段记作S_j，每个路段的长度记作L_j，j的取值范围为1，2，……，k；

高速公路的中心设有RSU，定义表示车载节点n_i在路段S_j上，/>到S_j右边界的距离用/>表示，在RSU通信范围内的车辆构成车载云，当多个移动用户同时向RSU提出任务处理的请求时，形成任务集T＝{t₁,t₂,…,t_n}，表示为有n个任务需要处理；

RSU从任务集T中选择一个任务，再从车载节点集N中选择一个车载节点处理该任务，RSU将移动用户所需的数据传输到该车载节点，数据传输完成后该车载节点开始执行任务，最终得到执行结果返回给移动用户；

若任务完成时间小于任务的截止时间，则视任务能够完成，否则，任务失败，

任务完成时间T_com的表达式为：

T_com＝T_dat+T_wait+T_exc (1)

公式(1)中，T_dat为数据传输时间、T_exc为任务执行时间，T_wait为任务等待时间；

所述数据传输时间T_dat的具体计算为：

步骤S101、计算路段S_j所能传输的最大数据量D_j：

公式(2)中，r_j表示路段S_j内的数据传输速率，L_j表示路段S_j的长度；

步骤S102、计算在整个高速公路上所能传输的最大数据量/>

公式(3)中，D_j表示路段S_j所能传输的最大数据量，L_h表示路段S_h的长度，V表示车辆的速度，r_h表示路段S_h内的数据传输速率；

步骤S103、假设任务集T中任务t_g所需要的数据量用表示，任务t_g的数据传输时间T_dat计算如下：

如果说明/>无法完成数据传输任务，该任务失败；

如果说明任务t_g的数据传输活动在路段S_j内即可完成，此时T_dat表达式为：

如果说明任务t_g的数据传输活动需要在路段S_h内完成，此时T_dat表达式为：

h≤k；

基于以上的方法，判断任务t_g具体在哪个路段完成，最后得出T_dat；

所述任务执行时间的表达式为：

公式(6)表示任务t_g的计算负载，sp_i表示/>的计算速度；

所述任务等待时间T_wait具体为：

在执行任务t_g之前，判断是否还有其他任务正在执行，若无其他任务，T_wait＝0，若有其他任务，T_wait＝其他任务的剩余执行时间；

所述步骤S2，具体为：

步骤S201、随机从任务集中T选择一个任务t_f作为第一个处理的任务；

步骤S202、计算任务t_f的可用节点集V_f，所述可用节点集V_f表示为能够处理任务t_f的车载节点的集合；

步骤S203、在可用节点集V_f中找到完成任务t_f时间最短的车载节点和完成任务t_f时间最长的车载节点，比较在这两种不同情况下得到的结果，选择其中最优车载节点分配给任务t_f；

步骤S204、根据步骤S203中得到的最优车载节点计算任务t_f的优先级，所述优先级的表达式为：

在公式(7)中，依次表示为通过最优车载节点进行任务处理时，所耗费的数据传输时间、任务等待时间、任务执行时间，S'表示未分配优先级的任务集合，α为权重系数，/>表示任务t_u的剩余时间，表达式为：

在公式(8)中，t_u表示任务，S等于任务集合T，表示为任务t_b的数据传输时间；

步骤S205、将任务t_f放入第一任务调度序列中，并且记录任务t_f被分配的最优车载节点，以及任务t_f的任务完成时间，同时更新系统中其他车载节点的位置以及其他任务的状态。

2.根据权利要求1所述的一种车载云环境下基于动态优先级的任务调度方法，其特征在于，在所述步骤S202中，计算任务t_f的可用节点集V_f具体为：

步骤S2021、随机从车载节点集N中选择一个车载节点n_s，根据n_s的位置和任务t_f的传输数据量计算负载/>计算出任务t_f在车载节点n_s上的数据传输时间/>任务执行时间以及任务等待时间/>最终得到通过车载节点n_s处理任务t_f的任务完成时间/>

步骤S2022、定义d_f为任务t_f的截止时间，判断若任务完成时间或者n_s已经驶离RSU的通信范围，则该车载节点n_s不是可用节点，否则将车载节点n_s加入可用节点集V_f；

步骤S2023、重复步骤S2021-步骤S2022直到车载节点集N中所有的车载节点均被遍历，得到任务t_f的可用节点集V_f。

3.根据权利要求2所述的一种车载云环境下基于动态优先级的任务调度方法，其特征在于，在所述步骤S4中，所述重调度处理具体为：

步骤S401、遍历第一任务调度序列，查找第一任务调度序列中每个任务被分配的车载节点和可用节点集；

步骤S402、在每个任务对应的可用节点集中查找离高速公路右边界最接近的车载节点，判断该车载节点是否为被分配的车载节点；

步骤S403、若判断结果为是，将该任务放入第二任务调度序列，继续遍历第一任务调度序列中的其他任务；

若判断结果为否，则将离高速公路右边界最接近的车载节点分配给该任务，将该任务放入第二任务调度序列，同时更新系统状态，将第一任务调度序列清空，再重新执行步骤S2，直到任务集T所有任务完成调度或者无法完成。