CN113115252A - 延迟敏感任务分布式移动边缘计算资源调度方法及系统 - Google Patents

延迟敏感任务分布式移动边缘计算资源调度方法及系统 Download PDF

Info

Publication number
CN113115252A
CN113115252A CN202110241903.9A CN202110241903A CN113115252A CN 113115252 A CN113115252 A CN 113115252A CN 202110241903 A CN202110241903 A CN 202110241903A CN 113115252 A CN113115252 A CN 113115252A
Authority
CN
China
Prior art keywords
edge
delay
task
scheduling
nodes
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
CN202110241903.9A
Other languages
English (en)
Other versions
CN113115252B (zh
Inventor
赵季红
曲桦
刘建生
马伟
刘伟
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110241903.9A priority Critical patent/CN113115252B/zh
Publication of CN113115252A publication Critical patent/CN113115252A/zh
Application granted granted Critical
Publication of CN113115252B publication Critical patent/CN113115252B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • 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
    • 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]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • 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
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
    • 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
    • H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种延迟敏感任务分布式移动边缘计算资源调度方法及系统，所述方法包括以下步骤：预测车辆在待处理的延迟敏感任务的最大延迟内，边缘计算网络的接入源边缘节点和汇聚边缘节点；控制层从资源信息表中分别以源边缘节点与汇聚边缘节点为目标节点计算到网络中其他边缘节点的数据传输成本；从资源信息表中抽取各边缘节点的任务处理成本，分别与数据传输成本作和，获得总成本，将边缘节点按照总成本高低放入资源队列中；将待处理的延迟敏感任务分配给资源队列中总成本最低的k个边缘节点进行处理，完成调度。本发明通过对边缘节点进行排序，将计算任务分配到若干边缘节点中，能够实现计算延迟的最小化及最小化任务处理成本。

Description

延迟敏感任务分布式移动边缘计算资源调度方法及系统
技术领域
本发明属于计算机通信技术领域，特别涉及一种延迟敏感任务分布式移动边缘计算资源调度方法及系统。
背景技术
主要由互联车辆、路边基础设施组成的车联网(IoV)面临许多挑战，这主要归因于高机动性、车载资源和计算能力的局限性等；这使得车辆在确保令人满意的体验质量(Quality of Experience，QoE)的同时，难以在本地完成计算密集型应用程序，只有确定包含数据计算和数据传输策略的智能计算策略，并无缝部署，才能提供对延迟敏感的车辆服务。这就要求计算策略必须考虑各种因素(网络延迟、带宽、计算能力、移动特性等)，并以低成本提供对延迟敏感的车载服务。
目前，有人在车载网络中引入边缘计算技术，通过将车载网络划分为网络层、边缘层和控制层，实现了细粒度的网络控制，并提出一种分布式计算策略，以在数据级支持延迟敏感的车载应用。该方法通过预测在给定时间内，车辆移动的行动轨迹，确定车辆接入边缘网络的源节点和汇集节点以及经过的基站区域，从源节点到目的节点规划一条数据传输路径，将任务进行分割，分配到路径中的边缘节点，以满足用户需求。该算法与任务级别的数据处理算法相比，较为充分的利用边缘节点的计算资源，以满足用户的QoE需求。但是，该现有算法没有考虑到整个网络中的热点区域，若局部热点区域任务请求过大，导致算法需要不断迭代，以满足用户的QoE请求，代价较大。
发明内容
本发明的目的在于提供一种延迟敏感任务分布式移动边缘计算资源调度方法及系统，以解决上述存在的一个或多个技术问题。本发明通过对边缘节点进行排序，将计算任务分配到若干边缘节点中，能够实现计算延迟的最小化及最小化任务处理成本。
为达到上述目的，本发明采用以下技术方案：
本发明的一种延迟敏感任务分布式移动边缘计算资源调度方法，基于SDN(软件定义网络，Soft Defined Network)的边缘车联网络，包括以下步骤：
步骤1，根据车辆位置、移动速度、移动方向信息，预测车辆在待处理的延迟敏感任务的最大延迟内，边缘计算网络的接入源边缘节点和汇聚边缘节点；
步骤2，控制层从资源信息表中分别以源边缘节点与汇聚边缘节点为目标节点计算到网络中其他边缘节点的数据传输成本；
步骤3，从资源信息表中抽取各边缘节点的任务处理成本，分别与数据传输成本作和，获得总成本，将边缘节点按照总成本高低放入资源队列中；
步骤4，将待处理的延迟敏感任务分配给资源队列中总成本最低的k个边缘节点进行处理，完成调度；其中，k值通过给定初值和迭代的方式获得，迭代的收敛条件为k个边缘节点的总成本之和最低或者迭代至预设次数。
本发明的进一步改进在于，在步骤1之前还包括：
基于SDN车载边缘网络控制层维护资源信息表，更新网络传输层与边缘计算层边缘节点以及网络资源的剩余情况；
判定待处理的延迟敏感任务执行本地调度或者边缘调度；其中，判定执行边缘调度时，跳转执行步骤1。
本发明的进一步改进在于，所述判定待处理的延迟敏感任务执行本地调度或者边缘调度的具体步骤包括：
针对待处理的延迟敏感任务，当本地计算资源无法满足任务QoE需求时，执行边缘调度；当本地计算资源能够满足任务QoE需求时，执行本地调度。
本发明的进一步改进在于，步骤4中，通过给定初值和迭代的方式获得k值的优化函数表示为，
Figure BDA0002962517190000031
式中，
Figure BDA0002962517190000032
表示待处理延迟敏感任务采用n个边缘计算节点进行分布式边缘计算的总处理时间，表达式为，
Figure BDA0002962517190000033
式中，
Figure BDA0002962517190000034
表示计算量大小为
Figure BDA0002962517190000035
的待处理的延迟敏感子任务在边缘节点
Figure BDA00029625171900000317
上的计算时间，表达式为，
Figure BDA0002962517190000036
式中，
Figure BDA0002962517190000037
表示传输链路时延，
Figure BDA0002962517190000038
表示子任务的传输时延，
Figure BDA0002962517190000039
表示子任务的计算时延，
Figure BDA00029625171900000310
是在
Figure BDA00029625171900000311
计算的子结果的大小，
Figure BDA00029625171900000312
是从边缘节点bi到bt链路带宽的大小，
Figure BDA00029625171900000313
表示计算子结果的传输时延；其中，子任务的计算延迟包括排队时延和任务处理时延，表达式为，
Figure BDA00029625171900000314
式中，texp表示排队延迟；在
Figure BDA00029625171900000318
中，最大的排队延迟texp(bi，z)等于处理在任务ax(z)到达之前的所有任务，表示为：
Figure BDA00029625171900000315
式中，Qcurrent表示为当前边缘服务器的最后一个队列号，βq表示第q个任务所需要CPU周期，
Figure BDA00029625171900000316
表示当前边缘节点bi的CPU处理效率。
本发明的一种延迟敏感任务分布式移动边缘计算资源调度系统，基于SDN的边缘车联网络，包括：
源边缘节点和汇聚节点获取模块，用于根据车辆位置、移动速度、移动方向信息，预测车辆在待处理的延迟敏感任务的最大延迟内，边缘计算网络的接入源边缘节点和汇聚节点；
数据传输成本获取模块，用于从资源信息表中分别以源边缘节点与汇聚节点为目标节点计算到网络中其他边缘节点的数据传输成本；
总成本获取模块，用于从资源信息表中抽取各边缘节点的任务处理成本，分别与数据传输成本作和，获得总成本，将边缘节点按照总成本高低放入资源队列中；
调度结果获取模块，用于将待处理的延迟敏感任务分配给资源队列中总成本最低的k个边缘节点进行处理，完成调度；其中，k值通过给定初值和迭代的方式获得，迭代的收敛条件为k个边缘节点的总成本之和最低或者迭代至预设次数。
本发明的进一步改进在于，还包括：
判定模块，用于根据SDN车载边缘网络控制层维护资源信息表，更新网络传输层与边缘计算层边缘节点以及网络资源的剩余情况；判定待处理的延迟敏感任务执行本地调度或者边缘调度；其中，判定执行边缘调度时，跳转执行源边缘节点和汇聚节点获取模块。
本发明的进一步改进在于，判定模块中，所述判定待处理的延迟敏感任务执行本地调度或者边缘调度的具体步骤包括：
针对待处理的延迟敏感任务，当本地计算资源无法满足任务QoE需求时，执行边缘调度；当本地计算资源能够满足任务QoE需求时，执行本地调度。
本发明的进一步改进在于，所述调度结果获取模块中，通过给定初值和迭代的方式获得k值的优化函数表示为，
Figure BDA0002962517190000041
式中，
Figure BDA0002962517190000042
表示待处理延迟敏感任务采用n个边缘计算节点进行分布式边缘计算的总处理时间，表达式为，
Figure BDA0002962517190000051
式中，
Figure BDA0002962517190000052
表示计算量大小为
Figure BDA0002962517190000053
的待处理的延迟敏感子任务在边缘节点
Figure BDA0002962517190000054
上的计算时间，表达式为，
Figure BDA0002962517190000055
式中，
Figure BDA0002962517190000056
表示传输链路时延，
Figure BDA0002962517190000057
表示子任务的传输时延，
Figure BDA0002962517190000058
表示子任务的计算时延，
Figure BDA0002962517190000059
是在
Figure BDA00029625171900000510
计算的子结果的大小，
Figure BDA00029625171900000511
是从边缘节点bi到bt链路带宽的大小，
Figure BDA00029625171900000512
表示计算子结果的传输时延；其中，子任务的计算延迟包括排队时延和任务处理时延，表达式为，
Figure BDA00029625171900000513
式中，texp表示排队延迟；在
Figure BDA00029625171900000514
中，最大的排队延迟texp(bi，z)等于处理在任务ax(z)到达之前的所有任务，表示为：
Figure BDA00029625171900000515
式中，Qcurrent表示为当前边缘服务器的最后一个队列号，βq表示第q个任务所需要CPU周期，
Figure BDA00029625171900000516
表示当前边缘节点bi的CPU处理效率。
与现有技术相比，本发明具有以下有益效果：
针对现有解决延迟敏感任务的方案中存在局部热点问题，本发明的方法基于集中控制分布计算的思想，从全局资源角度出发，在基于SDN的边缘车联网络架构中，控制层通过定时更新网络传输层与边缘计算层的网络及节点的资源剩余情况，根据全局资源剩余情况，在满足延迟敏感任务处理要求，寻找最佳的资源调度与数据传输策略，以实现任务处理延迟最小化及最小化任务处理成本，同时有效解决局部过热现象以达到负载均衡效果。基于本发明的实施例，方案对比如表1所示：
表1方案对比
Figure BDA0002962517190000061
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中，基于SDN的边缘车载网络架构示意图；
图2是本发明实施例中，任务数据处理流程示意图；
图3是本发明实施例的一种延迟敏感任务分布式移动边缘计算资源调度方法的流程示意框图；
图4是本发明实施例中，网络拓扑示意图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚，下面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，所描述的实施例是本发明一部分实施例。基于本发明公开的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例，都应属于本发明保护的范围。
请参阅图1至图4，本发明实施例的一种延迟敏感任务分布式移动边缘计算资源调度与数据传输方法，是在基于SDN的车载边缘网络架构下，针对于延迟敏感任务的一种数据级混合资源调度算法，其具体包括：
在SDN车载网络的结构中，车辆与边缘节点(微基站)之间通过无线网络实现数据传输，基站通过光纤网络连接。当确定了最佳的任务分发策略时，每个MBS被分配一个最优匹配文件分发策略的文件块，如图4所示。
本发明实施例中，最优任务分发与数据传输策略的确定由以下步骤完成：
(1)基于SDN车载边缘网络控制层维护资源信息表，实时更新网络传输层与边缘计算层边缘节点以及网络资源的剩余情况；
(2)局部调度阶段：判断任务是否可以在限定最大延迟(QoE要求)内完成延迟敏感任务，当车辆本身能够支持延迟敏感的移动任务时，执行本地调度。
(3)当本地计算资源无法满足用户任务QoE需求，启动边缘调度。根据车辆位置、移动速度、移动方向等信息，预测车辆在待处理的延迟敏感任务最大延迟T内，边缘计算网络的接入源边缘节点bs和汇聚节点bt。
(4)控制层从资源信息表中分别以源边缘节点与汇聚边缘节点为目标节点计算到边缘网络中其他节点的数据传输成本。
(5)将资源信息表中抽取各个边缘节点任务处理成本，分别与数据传输成本作和，将节点按照成本高低放入资源队列中。
(6)根据经验值k，计算资源队列前k个节点的任务处理成本t1，k变为k+1进行计算迭代，直到找到最终的k值，此时任务处理成本最低。
本发明实施例的方法，在基于SDN的移动边缘车联网络中，控制层在固定时间内收集数据传输层与边缘计算层的资源信息，综合考虑链路时延、计算能力等对边缘节点进行排序，将计算任务分配到若干边缘节点中，以实现计算延迟的最小化及最小化任务处理成本。
基于计算机网络中的时延通常由链路时延、传输时延、排队时延和处理时延组成，本发明实施例的方法中，考虑了以上四类延迟，并建立了延迟成本计算模型。
(1)计算任务具体描述
执行计算任务的功能存在于本地车辆、微基站等边缘节点、云服务器中。在给出的架构中，假设需要计算车辆A请求的数据任务，将其表示为：
Figure BDA0002962517190000081
式中，αx表示所需计算任务数据的大小，βx表示CPU完成这些计算任务需要的总的周期数。
(2)网络和数据传输模型
本发明用MBS集合V和连接MBSs的链路集合E构建的边缘计算层G表示，e∈E与带宽有关b(e)>0，链路延迟d(e)≥0，用户的移动轨迹Tx由源节点(bs)和目的节点(bt)组成。随着基站之间网络路径ex＝<bi,bi+1>连接bi和bi+1两个相连基站时间的链路；
则从初始节点到目的节点的传输带宽可以表示为：
Figure BDA0002962517190000082
则从bs,到bt,的传输一个大小为αx(z)的任务，链路带宽为f(bs,bt)：传输时延可以表示为：
Figure BDA0002962517190000083
(3)边缘节点处理计算数据具体描述
A链路时延
数据从源节点转发至边缘计算节点，当节点处理完毕将计算结果传输至汇集节点，数据通过链路延迟可以表示为：
Figure BDA0002962517190000084
B排队时延与处理时延
边缘计算网络中的每一个bi，边缘计算节点的计算能力可以表示为
Figure BDA0002962517190000091
显而易见，在bi中，任务βx(z)的排队延迟与bi接收的任务大小成正比：
Figure BDA0002962517190000092
将计算任务转移到边缘服务器时，重要的是考虑当前排队的作业数,在
Figure BDA0002962517190000093
中，最大的排队延迟texp(bi,z)等于处理在任务ax(z)到达之前的所有数据，因此，排队延迟可以表示为：
Figure BDA0002962517190000094
其中Qcurrent表示为当前边缘服务器的最后一个队列号，βq表示第q个任务所需要CPU周期，
Figure BDA0002962517190000095
表示当前边缘节点bi的CPU处理效率。
本发明实施例中，定义转移到边缘服务器计算任务周期数为βx(z)，得到服务器完成计算任务代价为所需时间为：
Figure BDA0002962517190000096
需要注意的是，每个MBS遵循FIFO的计算策略，另外，为了对βx(z)进行分布式计算，在边缘网络中，假设n个节点分配任务，每个bi都分配一个任务块
Figure BDA0002962517190000097
任务块的大小为
Figure BDA0002962517190000098
满足
Figure BDA0002962517190000099
在本发明实施例的方法中，根据MBSs的处理时延和传输时延的顺序对上传的文件块进行排序，只有当
Figure BDA00029625171900000910
传输成功以后
Figure BDA00029625171900000911
才能上传，则从
Figure BDA00029625171900000912
到
Figure BDA00029625171900000913
的传输延迟可以表示为(从
Figure BDA00029625171900000914
将不同的任务块上传到不同的
Figure BDA00029625171900000915
上)：
Figure BDA00029625171900000916
Figure BDA00029625171900000917
是在
Figure BDA00029625171900000918
计算的子结果的大小，任务块计算子结果需要的时间可以表示为：
Figure BDA00029625171900000919
如果ax(z)在
Figure BDA00029625171900000920
被请求，分布n个MBSs中，并且可以在
Figure BDA00029625171900000921
访问。
Figure BDA00029625171900000922
是
Figure BDA00029625171900000923
处的处理延迟，
Figure BDA00029625171900000924
是
Figure BDA00029625171900000925
处计算的子结果的大小；可以推测，如果采用n个MBS进行分布式边缘计算，任务ax(z)处理的总时间为：
Figure BDA0002962517190000101
(4)优化目标
为了优化包括数据传输和任务块分配模型的调度模型，目标函数表示如公式(11)所示，公式目的是寻求一种调度策略，来分割每个移动车辆的延迟敏感任务的文件块，将任务块分布在整个边缘计算网络的边缘计算节点中，从而满足用户QoS要求的同时是整个成本最小化。
Figure BDA0002962517190000102
(5)为满足步骤(4)中最小化计算与资源传输成本，控制层收集边缘计算节点的计算资源与网络的传输资源，如图4所示。创建并维护资源信息表，如表2所示：
表2.资源信息表
Figure BDA0002962517190000103
(6)当车辆的本地计算资源无法满足用户任务QoE需求，启动边缘调度。根据车辆位置、移动速度、移动方向等信息，预测车辆在最大延迟T内，边缘计算网络的接入源边缘节点bs和汇聚节点bt。
(7)考虑链路传输延迟、链路带宽、计算节点排队延迟、计算节点CPU数据处理能力计算各个边缘节点的任务处理成本
Figure BDA0002962517190000104
将节点按照任务处理成本高低放入资源队列中，如表3所示：
表3.资源队列
Figure BDA0002962517190000111
(8)根据经验值k，计算资源队列前k节点的任务处理成本t1，k变为k+1进行计算迭代，直到找到k值，此时任务处理成本最低，并可按照数据传输路径进行任务分配与结果传输。
本发明实施例的一种延迟敏感任务分布式移动边缘计算资源调度系统，基于SDN的边缘车联网络，包括：
源边缘节点和汇聚节点获取模块，用于根据车辆位置、移动速度、移动方向信息，预测车辆在待处理的延迟敏感任务的最大延迟内，边缘计算网络的接入源边缘节点和汇聚节点；
数据传输成本获取模块，用于从资源信息表中分别以源边缘节点与汇聚节点为目标节点计算到网络中其他边缘节点的数据传输成本；
总成本获取模块，用于从资源信息表中抽取各边缘节点的任务处理成本，分别与数据传输成本作和，获得总成本，将边缘节点按照总成本高低放入资源队列中；
调度结果获取模块，用于将待处理的延迟敏感任务分配给资源队列中总成本最低的k个边缘节点进行处理，完成调度；其中，k值通过给定初值和迭代的方式获得，迭代的收敛条件为k个边缘节点的总成本之和最低或者迭代至预设次数。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (8)

1.一种延迟敏感任务分布式移动边缘计算资源调度方法，其特征在于，基于SDN的边缘车联网络，包括以下步骤：
步骤1，根据车辆位置、移动速度、移动方向信息，预测车辆在待处理的延迟敏感任务的最大延迟内，边缘计算网络的接入源边缘节点和汇聚边缘节点；
步骤2，控制层从资源信息表中分别以源边缘节点与汇聚边缘节点为目标节点计算到网络中其他边缘节点的数据传输成本；
步骤3，从资源信息表中抽取各边缘节点的任务处理成本，分别与数据传输成本作和，获得总成本，将边缘节点按照总成本高低放入资源队列中；
步骤4，将待处理的延迟敏感任务分配给资源队列中总成本最低的k个边缘节点进行处理，完成调度；其中，k值通过给定初值和迭代的方式获得，迭代的收敛条件为k个边缘节点的总成本之和最低或者迭代至预设次数。
2.根据权利要求1所述的一种延迟敏感任务分布式移动边缘计算资源调度方法，其特征在于，在步骤1之前还包括：
基于SDN车载边缘网络控制层维护资源信息表，更新网络传输层与边缘计算层边缘节点以及网络资源的剩余情况；
判定待处理的延迟敏感任务执行本地调度或者边缘调度；其中，判定执行边缘调度时，跳转执行步骤1。
3.根据权利要求2所述的一种延迟敏感任务分布式移动边缘计算资源调度方法，其特征在于，所述判定待处理的延迟敏感任务执行本地调度或者边缘调度的具体步骤包括：
针对待处理的延迟敏感任务，当本地计算资源无法满足任务QoE需求时，执行边缘调度；当本地计算资源能够满足任务QoE需求时，执行本地调度。
4.根据权利要求1所述的一种延迟敏感任务分布式移动边缘计算资源调度方法，其特征在于，步骤4中，通过给定初值和迭代的方式获得k值的优化函数表示为，
Figure FDA0002962517180000021
式中，ux表示车辆，U表示车辆的集合，ax(z)表示边缘计算节点，Ax表示边缘计算节点的集合；
Figure FDA0002962517180000022
表示待处理延迟敏感任务采用n个边缘计算节点进行分布式边缘计算的总处理时间，表达式为，
Figure FDA0002962517180000023
式中，
Figure FDA0002962517180000024
表示计算量大小为
Figure FDA0002962517180000025
的待处理的延迟敏感子任务在边缘节点
Figure FDA00029625171800000216
上的计算时间，表达式为，
Figure FDA0002962517180000026
式中，
Figure FDA0002962517180000027
表示传输链路时延，
Figure FDA0002962517180000028
表示子任务的传输时延，
Figure FDA00029625171800000218
表示子任务的计算时延，
Figure FDA0002962517180000029
是在
Figure FDA00029625171800000210
计算的子结果的大小，
Figure FDA00029625171800000211
是从边缘节点bi到bt链路带宽的大小，
Figure FDA00029625171800000212
表示计算子结果的传输时延；其中，子任务的计算延迟包括排队时延和任务处理时延，表达式为，
Figure FDA00029625171800000213
式中，texp表示排队延迟；在
Figure FDA00029625171800000214
中，最大的排队延迟texp(bi,z)等于处理在任务ax(z)到达之前的所有任务，表示为：
Figure FDA00029625171800000215
式中，Qcurrent表示为当前边缘服务器的最后一个队列号，βq表示第q个任务所需要CPU周期，
Figure FDA00029625171800000217
表示当前边缘节点bi的CPU处理效率。
5.一种延迟敏感任务分布式移动边缘计算资源调度系统，其特征在于，基于SDN的边缘车联网络，包括：
源边缘节点和汇聚节点获取模块，用于根据车辆位置、移动速度、移动方向信息，预测车辆在待处理的延迟敏感任务的最大延迟内，边缘计算网络的接入源边缘节点和汇聚节点；
数据传输成本获取模块，用于从资源信息表中分别以源边缘节点与汇聚节点为目标节点计算到网络中其他边缘节点的数据传输成本；
总成本获取模块，用于从资源信息表中抽取各边缘节点的任务处理成本，分别与数据传输成本作和，获得总成本，将边缘节点按照总成本高低放入资源队列中；
调度结果获取模块，用于将待处理的延迟敏感任务分配给资源队列中总成本最低的k个边缘节点进行处理，完成调度；其中，k值通过给定初值和迭代的方式获得，迭代的收敛条件为k个边缘节点的总成本之和最低或者迭代至预设次数。
6.根据权利要求5所述的一种延迟敏感任务分布式移动边缘计算资源调度系统，其特征在于，还包括：
判定模块，用于根据SDN车载边缘网络控制层维护资源信息表，更新网络传输层与边缘计算层边缘节点以及网络资源的剩余情况；判定待处理的延迟敏感任务执行本地调度或者边缘调度；其中，判定执行边缘调度时，跳转执行源边缘节点和汇聚节点获取模块。
7.根据权利要求6所述的一种延迟敏感任务分布式移动边缘计算资源调度系统，其特征在于，判定模块中，所述判定待处理的延迟敏感任务执行本地调度或者边缘调度的具体步骤包括：
针对待处理的延迟敏感任务，当本地计算资源无法满足任务QoE需求时，执行边缘调度；当本地计算资源能够满足任务QoE需求时，执行本地调度。
8.根据权利要求5所述的一种延迟敏感任务分布式移动边缘计算资源调度系统，其特征在于，所述调度结果获取模块中，通过给定初值和迭代的方式获得k值的优化函数表示为，
Figure FDA0002962517180000041
式中，
Figure FDA0002962517180000042
表示待处理延迟敏感任务采用n个边缘计算节点进行分布式边缘计算的总处理时间，表达式为，
Figure FDA0002962517180000043
式中，
Figure FDA0002962517180000044
表示计算量大小为
Figure FDA0002962517180000045
的待处理的延迟敏感子任务在边缘节点
Figure FDA00029625171800000416
上的计算时间，表达式为，
Figure FDA0002962517180000046
式中，
Figure FDA0002962517180000047
表示传输链路时延，
Figure FDA0002962517180000048
表示子任务的传输时延，
Figure FDA00029625171800000417
表示子任务的计算时延，
Figure FDA0002962517180000049
是在
Figure FDA00029625171800000410
计算的子结果的大小，
Figure FDA00029625171800000411
是从边缘节点bi到bt链路带宽的大小，
Figure FDA00029625171800000412
表示计算子结果的传输时延；其中，子任务的计算延迟包括排队时延和任务处理时延，表达式为，
Figure FDA00029625171800000413
式中，texp表示排队延迟；在
Figure FDA00029625171800000414
中，最大的排队延迟texp(bi,z)等于处理在任务ax(z)到达之前的所有任务，表示为：
Figure FDA00029625171800000415
式中，Qcurrent表示为当前边缘服务器的最后一个队列号，βq表示第q个任务所需要CPU周期，
Figure FDA00029625171800000418
表示当前边缘节点bi的CPU处理效率。
CN202110241903.9A 2021-03-04 2021-03-04 延迟敏感任务分布式移动边缘计算资源调度方法及系统 Active CN113115252B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110241903.9A CN113115252B (zh) 2021-03-04 2021-03-04 延迟敏感任务分布式移动边缘计算资源调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110241903.9A CN113115252B (zh) 2021-03-04 2021-03-04 延迟敏感任务分布式移动边缘计算资源调度方法及系统

Publications (2)

Publication Number Publication Date
CN113115252A true CN113115252A (zh) 2021-07-13
CN113115252B CN113115252B (zh) 2022-04-22

Family

ID=76710306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110241903.9A Active CN113115252B (zh) 2021-03-04 2021-03-04 延迟敏感任务分布式移动边缘计算资源调度方法及系统

Country Status (1)

Country Link
CN (1) CN113115252B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113900800A (zh) * 2021-09-17 2022-01-07 中标慧安信息技术股份有限公司 一种边缘计算系统的分配方法
CN114449507A (zh) * 2022-02-16 2022-05-06 中国神华能源股份有限公司神朔铁路分公司 轨道交通应急通信系统
CN115080213A (zh) * 2022-07-06 2022-09-20 国网江苏省电力有限公司信息通信分公司 面向电力数据处理的自适应智能任务调度方法及应用
CN115134243A (zh) * 2022-09-02 2022-09-30 北京科技大学 一种工业控制任务分布式部署方法及系统
CN115277044A (zh) * 2022-05-17 2022-11-01 南京赛宁信息技术有限公司 OpenStack加密链路节点分层方法与系统
CN115348560A (zh) * 2022-10-18 2022-11-15 合肥本源物联网科技有限公司 车联网场景下基于noma通信的任务处理方法
CN115988092A (zh) * 2023-02-08 2023-04-18 天翼云科技有限公司 一种图像处理方法、装置、设备、介质及产品
CN118301666A (zh) * 2024-06-04 2024-07-05 中国人民解放军国防科技大学 QoE感知的移动辅助边缘服务方法、系统和设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109379727A (zh) * 2018-10-16 2019-02-22 重庆邮电大学 车联网中基于mec的任务分布式卸载与协作执行方案
CN109391681A (zh) * 2018-09-14 2019-02-26 重庆邮电大学 基于mec的v2x移动性预测与内容缓存卸载方案
CN110445855A (zh) * 2019-07-30 2019-11-12 大连理工大学 一种基于sdn的车联网分布式雾计算体系结构设计方法
US20200351900A1 (en) * 2019-04-30 2020-11-05 Fujitsu Limited Monitoring-based edge computing service with delay assurance

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109391681A (zh) * 2018-09-14 2019-02-26 重庆邮电大学 基于mec的v2x移动性预测与内容缓存卸载方案
CN109379727A (zh) * 2018-10-16 2019-02-22 重庆邮电大学 车联网中基于mec的任务分布式卸载与协作执行方案
US20200351900A1 (en) * 2019-04-30 2020-11-05 Fujitsu Limited Monitoring-based edge computing service with delay assurance
CN110445855A (zh) * 2019-07-30 2019-11-12 大连理工大学 一种基于sdn的车联网分布式雾计算体系结构设计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIE CUI: "Edge Computing in VANETs-An Efficient and Privacy-Preserving Cooperative Downloading Scheme", 《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS ( VOLUME: 38, ISSUE: 6, JUNE 2020)》 *
MENG LI: "Delay-Tolerant Data Traffic to Software-Defined Vehicular Networks With Mobile Edge Computing in Smart City", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY ( VOLUME: 67, ISSUE: 10, OCT. 2018)》 *
张海波: "车联网中一种基于软件定义网络与移动边缘计算的卸载策略", 《电子与信息学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113900800A (zh) * 2021-09-17 2022-01-07 中标慧安信息技术股份有限公司 一种边缘计算系统的分配方法
CN114449507A (zh) * 2022-02-16 2022-05-06 中国神华能源股份有限公司神朔铁路分公司 轨道交通应急通信系统
CN114449507B (zh) * 2022-02-16 2023-10-27 中国神华能源股份有限公司神朔铁路分公司 轨道交通应急通信系统
CN115277044A (zh) * 2022-05-17 2022-11-01 南京赛宁信息技术有限公司 OpenStack加密链路节点分层方法与系统
CN115277044B (zh) * 2022-05-17 2023-06-09 南京赛宁信息技术有限公司 OpenStack加密链路节点分层方法与系统
CN115080213A (zh) * 2022-07-06 2022-09-20 国网江苏省电力有限公司信息通信分公司 面向电力数据处理的自适应智能任务调度方法及应用
CN115134243A (zh) * 2022-09-02 2022-09-30 北京科技大学 一种工业控制任务分布式部署方法及系统
CN115348560A (zh) * 2022-10-18 2022-11-15 合肥本源物联网科技有限公司 车联网场景下基于noma通信的任务处理方法
CN115988092A (zh) * 2023-02-08 2023-04-18 天翼云科技有限公司 一种图像处理方法、装置、设备、介质及产品
CN118301666A (zh) * 2024-06-04 2024-07-05 中国人民解放军国防科技大学 QoE感知的移动辅助边缘服务方法、系统和设备

Also Published As

Publication number Publication date
CN113115252B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN113115252B (zh) 延迟敏感任务分布式移动边缘计算资源调度方法及系统
CN109951821B (zh) 基于移动边缘计算的最小化车辆能耗任务卸载方案
CN107766135B (zh) 移动朵云中基于粒子群和模拟退火优化的任务分配方法
CN110198278B (zh) 一种车联网云端和边缘联合任务调度的Lyapunov优化方法
CN108566659B (zh) 一种基于可靠性的5g网络切片在线映射方法
CN110445855B (zh) 一种基于sdn的车联网分布式雾计算体系结构设计方法
CN112153145A (zh) 5g边缘环境下面向车联网的计算任务卸载方法及装置
CN112118312A (zh) 一种面向边缘服务器的网络突发负载疏散方法
CN113641417B (zh) 一种基于分支定界法的车辆安全任务卸载方法
CN109947551A (zh) 一种多轮次任务分配方法、边缘计算系统及其存储介质
CN110113376B (zh) 一种基于移动边缘计算的多径传输负载均衡优化算法
Dai et al. A learning algorithm for real-time service in vehicular networks with mobile-edge computing
CN110677301B (zh) 一种5g网络中多交换机单控制器软件定义传输控制方法
CN113190342A (zh) 用于云-边协同网络的多应用细粒度卸载的方法与系统架构
CN113032146A (zh) 一种面向多接入边缘计算环境的健壮性服务供应方法
CN113364626A (zh) 面向边缘环境的视频分析应用的服务放置与带宽分配方法
CN117580104A (zh) 分布式计算协作资源分配方法、系统、设备及存储介质
CN112437449A (zh) 联合资源分配方法及区域编排器
CN109298932B (zh) 基于OpenFlow的资源调度方法、调度器及系统
CN116996941A (zh) 基于配网云边端协同的算力卸载方法、装置及系统
CN115277572B (zh) 一种多源点多汇点网络的拥塞控制方法及系统
Midya et al. Pso based optimized resource allocation in three tier cloud architecture for vanet
Omer et al. Optimization model for time sensitive IoT requests
Midya et al. An adaptive resource placement policy by optimizing live VM migration for ITS applications in vehicular cloud network
Majumder et al. Resource Allocation Techniques in Edge/Fog Computing

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