CN113176936B - QoE感知的分布式边缘任务调度和资源管理方法及系统 - Google Patents

Abstract

本发明提供一种QoE感知的分布式边缘任务调度和资源管理方法及系统，该方法包括：根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果。该方法根据服务时延确定对应的用户体验质量QoE指标值，并确定使总QoE指标值最大化的分配方案，可有效解决多个物联网用户同时发起边缘服务请求，并且相互争夺有限的边缘服务资源的问题，保证用户总体QoE最大化，提高系统的总体用户效用。

Description

QoE感知的分布式边缘任务调度和资源管理方法及系统

技术领域

本发明涉及无线通信技术领域，尤其涉及一种QoE感知的分布式边缘任务调度和资源管理方法及系统。

背景技术

随着近年来物联网技术的日益普及，各种各样的物联网设备(包括移动电话、可穿戴设备、传感器等)已经融入到人类日常生活的方方面面。物联网设备数量的快速增长促进了相关软件服务的发展，特别是需要与远端服务器交互的在线服务。在远端服务器的算力加持下，对物联网设备本身的硬件性能要求大大降低；计算处理能力相对受限的物联网设备也可以较好地完成具有高复杂度的计算任务。

尽管如此,与远端服务器交互所引起的网络延迟是一个影响服务质量(QoS)的重要威胁和瓶颈。对于延迟敏感的物联网服务，则可能导致相当负面的后果。因此，一种新兴的计算架构应运而生，称作边缘计算架构。针对边缘计算架构环境，亟需提出有效的物联网服务QoE优化方法。

发明内容

针对现有技术存在的问题，本发明提供一种QoE感知的分布式边缘任务调度和资源管理方法及系统。

本发明提供一种QoE感知的分布式边缘任务调度和资源管理方法，包括：根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果。

根据本发明一个实施例的QoE感知的分布式边缘任务调度和资源管理方法，所述确定分配方案中每个服务请求的服务时延，包括：若当前服务请求在本地处理，则根据服务请求的计算时长确定服务时延；若当前服务请求在边缘服务器处理，则根据服务请求的计算时长和传输时长，确定服务时延。

根据本发明一个实施例的QoE感知的分布式边缘任务调度和资源管理方法，所述根据服务时延确定对应的用户体验质量QoE指标值，包括：根据预设的QoE提升率、基本QoE需求值和服务时延，基于Logistic函数建立服务时延和对应的QoE指标值的关系，以确定服务时延对应的QoE指标值。

根据本发明一个实施例的QoE感知的分布式边缘任务调度和资源管理方法，所述确定使所有服务请求的QoE指标值总和最大的分配方案，包括：所有物联网终端选择将当前服务请求在本地处理或者在不同边缘服务器处理，得到初始方案；若存在具有QoE增量的改进策略，则对物联网终端进行相应再分配，直至满足预设条件，将满足预设条件的最终分配方案，作为使所有服务请求的QoE指标值总和最大的分配方案：所述改进策略，包括：

对任一在本地处理服务请求的物联网终端，若可访问边缘服务器具有空闲资源，则将当前服务请求转至可访问边缘服务器处理；或者，可访问边缘服务器无空闲资源，但在可访问边缘服务器下属的物联网终端集合中，抢占对应边缘服务器资源后，获得的QoE增量大于物联网终端集合的最低QoE损失量，则对满足最低QoE损失量的物联网终端，进行边缘服务器的资源抢占。

根据本发明一个实施例的QoE感知的分布式边缘任务调度和资源管理方法，所述根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案之前，还包括：确定物联网终端的当前服务请求在本地处理的QoE指标值以及在边缘服务器处理的QoE指标值；若在本地处理的QoE指标值大于或等于在边缘服务器处理的QoE指标值，则将物联网终端的服务请求在本地处理。

根据本发明一个实施例的QoE感知的分布式边缘任务调度和资源管理方法，判断抢占对应边缘服务器资源后，获得的QoE增量大于物联网终端集合的最低QoE损失量，则对满足最低QoE损失量的物联网终端，进行边缘服务器的资源抢占，包括：

对所述物联网终端集合中的单位损失QoE进行排序，所述单位损失QoE为物联网终端集合被抢占一个单位量的边缘服务器资源时，所导致的自身最低QoE损失量；选出具有最低单位损失QoE的物联网用户，临时释放出一个单位量的边缘服务器资源；重复上述对所述物联网终端集合中的单位损失QoE进行排序，选出具有最低单位损失QoE的物联网用户，临时释放出一个单位量的边缘服务器资源的过程，直至所述任一物联网终端的服务请求分配完成为止；若对所有临时释放出的边缘服务器资源进行抢占后，获得的QoE增量大于物联网终端集合的QoE损失量，则对所有临时释放出的边缘服务器资源进行抢占。

根据本发明一个实施例的QoE感知的分布式边缘任务调度和资源管理方法，对物联网终端进行相应再分配之前，还包括：每个边缘服务器将当前最新边缘资源分配状态，打包至信息消息，发送到每个边缘服务器所下属的物联网终端；收到各边缘服务器发来的信息消息后，每一物联网终端查找是否存在QoE增量的改进策略，若存在，则将改进策略打包至策略消息，发送到对应的边缘服务器；在等待预设时间后，若边缘服务器接收到所述策略消息，则根据所述策略消息，对物联网终端进行资源再分配，否则认为满足所述预设条件，结束对物联网终端进行资源再分配。

本发明还提供一种QoE感知的分布式边缘任务调度和资源管理系统，包括：资源分配模块，用于根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；效用确定模块，用于确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；综合处理模块，用于确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述QoE感知的分布式边缘任务调度和资源管理方法的步骤。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述QoE感知的分布式边缘任务调度和资源管理方法的步骤。

本发明提供的QoE感知的分布式边缘任务调度和资源管理方法及系统，根据服务时延确定对应的用户体验质量QoE指标值，并确定使总QOE指标值最小的分配方案，可有效解决多个物联网用户同时发起边缘服务请求，并且相互争夺有限的边缘服务资源的问题，保证用户总体QOE最大化，提高系统的总体用户效用。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，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讲，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是本发明提供的QoE感知的分布式边缘任务调度和资源管理方法的流程示意图；

图2是本发明提供的QoE感知的分布式边缘任务调度和资源管理方法的应用场景图；

图3为本发明提供的QoS/QoE指标间的关联性示意图；

图4为本发明实施例所提供的每个时间槽t决策中传递的消息流示意图；

图5是本发明提供的QoE感知的分布式边缘任务调度和资源管理系统的结构示意图；

图6是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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作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。

下面结合图1-图6描述本发明的QoE感知的分布式边缘任务调度和资源管理方法及系统。图1是本发明提供的QoE感知的分布式边缘任务调度和资源管理方法的流程示意图，如图1所示，本发明提供QoE感知的分布式边缘任务调度和资源管理方法，包括：

101、根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；

102、确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；

103、确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果。

表1列出了本发明实施例所提供的主要符号及定义。

表1

主要符号及其定义

系统概述：图2是本发明提供的QoE感知的分布式边缘任务调度和资源管理方法的应用场景图，如图2所示，设定由N个物联网终端用户、M台边缘服务器组成的边缘计算系统。设定由N个物联网终端用户、M台边缘服务器组成的边缘计算系统。由N个物联网终端用户组成的有限集合表示为

而由M台边缘服务器组成的有限集合则表示为ε＝{e₁,...,e_M}。携有物联网设备的多位终端用户同时向边缘服务器端发起服务请求，以期被其附近的边缘服务器处理。通常地，边缘服务器是根据物联网用户的地理分布规律而跨地域部署的；并且，每台边缘服务器具有一定的通信信号覆盖区域，从而覆盖一组物联网用户/设备。在设定的系统场景里，每个用户请求在物联网设备上被本地处理，或者被其附近的边缘服务器作远端处理。

物联网服务请求：不失一般性地，假设每位物联网用户u_i只会提出单一的服务请求，而提出多个服务请求的物联网用户则可视作一组提出单一服务请求的用户。设定需要h_i个CPU周期去处理物联网用户u_i的服务请求；与此同时，如果物联网用户u_i的服务请求被调度到边缘服务器端处理，则从物联网设备u_i到边缘服务器端需传送数据量为η_i的网络数据包。鉴于边缘服务器的有限信号覆盖范围，用ε_i表示物联网用户u_i可访问的边缘服务器集合，而用

表示边缘服务器e_j所覆盖的物联网用户集合。

物联网设备/边缘服务器：设定每台物联网设备被配置有限数量的计算资源，其本地计算处理能力(即CPU处理器频率)为

至于每台边缘服务器e_j，则被配备有c_j个CPU处理单元；而

表示边缘服务器e_j每个CPU处理单元的计算处理能力(即CPU处理器频率)。在未来研究工作中，更复杂的多维度边缘资源管理方法将进一步被探究。

边缘网络：借助通信带宽为B的无线通信网络，物联网设备与边缘服务器端执行通信和交互操作。因此，使用香农公式(Shannon’s Formula)来评估物联网设备与边缘服务器之间的无线数据传输率r_i,j。同时，物联网设备/用户u_i和边缘服务器e_j间的无线通信距离为d_i,j，并且物联网用户u_i每单位无线通信距离的接收信噪比为

综上所述，根据香农公式，用式(1)计算从物联网设备/用户u_i到边缘服务器e_j的无线数据传输率r_i,j。

注意

其中γ₀是关于单位无线通信距离的信道功率，P_i是每个物联网设备/用户u_i的信号传输功率，σ²表示无线通信噪声功率。

QoS/QoE指标间的关联性分析：伴随着物联网终端用户数量的不断增加，每位物联网用户会有异构的QoS需求。一方面，来自强时延敏感性用户的服务请求(如在线网络视频流传输服务)通常具有较高的QoS需求，因此往往需消耗较多的计算资源来满足该类用户的QoS需求。另一方面，来自弱时延敏感性用户的服务请求则仅有较温和的QoS需求，从而不需要大量计算资源来使其QoS需求被满足。具体以在线视频分析服务为例，大多数服务请求只需要不超过一秒的服务时间延迟，而其他服务请求则严格要求100毫秒以内的服务时间延迟。因此，用用户体验质量(Quality of Experience，缩写QoE)被用于反映物联网用户的服务满意度；而每位物联网用户因其异构QoS需求而具有不同的QoE-QoS关系曲线。

如图3所示，用户QoE水平通常不与其所获得的QoS水平(即服务时间延迟)呈现正比关系，而是体现一定程度的非线性关系。换句话说，虽然通过向用户提供较低的服务时间延迟，其QoE水平能够获得较大幅度的提升，但是其QoS改进幅度往往会从某一收敛临界点(如图3中P2点)逐渐趋弱。经过临界点P2之后，即使提供更低的服务时间延迟，也不能显著提升用户的QoE水平；这是因为，到达临界点P2已经足够邻近最高QoE水平(即100％)，进一步提升QoE水平的空间十分有限。一般而言，随着服务时间延迟的降低，用户QoE水平起初仅有较慢的提升速度，直到图3中P1点；然后，用户QoE水平会以相对稳定的速度不断提升，直到收敛临界点P2；最后，用户QoE水平的改进幅度则会逐渐消弱，以无限邻近最高QoE水平(即100％)。

服务质量(QoS)指标：鉴于上述分析所指出的QoS/QoE指标间的关联性，本部分首先分析和评估物联网用户的QoS指标。因为服务时间延迟通常被视作最典型的QoS指标，所以本发明实施例将服务时间延迟作为衡量QoS指标的量化标准。具体而言，用s_i＝(x_i,a_i)表示物联网用户u_i的边缘服务器资源分配策略，其中x_i指将物联网用户u_i的服务请求调度到边缘服务器

而a_i是为物联网用户u_i分配出的边缘服务器资源量。若物联网用户u_i决定在本地物联网设备上处理服务请求，则相应的边缘服务器资源分配策略(x_i,a_i)被定义为(0,0)。

在一个实施例中，所述确定分配方案中每个服务请求的服务时延，包括：若当前服务请求在本地处理，则根据服务请求的计算时长确定服务时延；若当前服务请求在边缘服务器处理，则根据服务请求的计算时长和传输时长，确定服务时延。

具体而言，当物联网用户在本地物联网设备上处理服务请求(即x_i＝0和a_i＝0)时，则相应的服务时间延迟

可由式(2)计算得到。

当物联网用户u_i按照策略s_i＝(x_i,a_i)将服务请求置于边缘服务器处理时，物联网用户u_i的服务请求在边缘服务器

被处理，并且被分配以单位量为a_i的边缘计算资源。这时，相应的计算延迟

可由式(3)计算得到，其中边缘服务器

单位量为a_i的计算资源处理能力是

注意，单位量为a_i的计算资源处理能力的量化方法遵从对单位资源计算处理能力

的累加性原则；在技术实现方面，可由轮循CPU调度技术来实现单位资源计算处理能力的累加。

此外，从物联网用户/设备u_i到边缘服务器

的通信延迟

可由式(4)表示。

通过综合式(3)和式(4)，物联网用户u_i依据s_i＝(x_i,a_i)在边缘服务器

处理服务请求的总服务时间延迟

可由式(5)计算得到。

在一个实施例中，所述根据服务时延确定对应的用户体验质量QoE指标值，包括：根据预设的QoE提升率、基本QoE需求值和服务时延，基于Logistic函数建立服务时延和对应的QoE指标值的关系，以确定服务时延对应的QoE指标值。

正如上述分析，QoE指标与QoS指标之间是非线性相关的，可以应用Sigmoid函数来量化QoE指标与QoS指标之间的关联性。基于此，本实施例则选用Sigmoid函数的扩展式——Logistic函数来定量描述QoE/QoS指标间的关联性。在Sigmoid函数的基础上，Logistic函数进一步增强对QoE指标的数学描述能力(包括QoE提升率α_i、基本QoE需求β_i)。

鉴于QoE指标通常以等级评分的方式被评估，本实施例使用百分比的量化标准来评价物联网用户的QoE指标。每位物联网用户u_i最高获得100％的QoE水平。当物联网用户u_i在本地设备上处理服务请求(即x_i＝0和a_i＝0)时，将根据式(6)获得相应的QoE水平

其中参数α_i表示物联网用户u_i的QoE提升率，而参数β_i表示物联网用户u_i的QoE方程中间点。从物理意义上看，参数β_i指明了物联网用户u_i所需要达到的QoS水平，从而获得50％的QoE水平。在实际应用中，QoE方程中间点可以代表物联网用户u_i的基本QoE需求。

同理，当物联网用户u_i按照策略s_i＝(x_i，a_i)将服务请求置于边缘服务器处理时，物联网用户u_i可以获得相应的QoE指标

由式(7)表示。

本实施例QoE模型在现实物联网场景中的实用性，它与在线视频流服务和许多其他应用场合非常吻合。在实际应用里，QoE指标通常使用平均主观意见分(Mean OpinionScore，缩写MOS)来衡量。较高的MOS分数表明了优秀的用户体验/满意度，而较低的MOS分数则代表了较差的用户体验/满意度。

QoE优化问题描述：优化目标为对多个物联网用户的总QoE水平最大化。首先，以QoE函数(即式(6)和式(7))为基础，描述物联网用户效用π_i(s_i)。

一方面，当物联网用户u_i在本地设备上处理服务请求(即x_i＝0和a_i＝0)时，物联网用户u_i则根据式(8)而获得用户效用π_i(s_i)。此时，用户效用π_i(s_i)代表着物联网用户u_i在本地设备上处理服务请求时所获得的QoE水平。

在一个实施例中，所述根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案之前，还包括：确定物联网终端的当前服务请求在本地处理的QoE指标值以及在边缘服务器处理的QoE指标值；若在本地处理的QoE指标值大于或等于在边缘服务器处理的QoE指标值，则将物联网终端的服务请求在本地处理。

也就是说，当物联网用户u_i按照策略s_i＝(x_i,a_i)将服务请求置于边缘服务器处理时，物联网用户u_i则按照式(9)而获得相应的用户效用π_i(s_i)。

式(9)体现了物联网用户在本地设备与边缘服务器之间进行选择，从而确定在本地设备/边缘服务器上处理其服务请求。具体分为两种情况：

根据策略s_i＝(x_i,a_i)，如果在边缘服务器能获得比本地设备处理服务请求更高的QoE水平，那么物联网用户u_i将决定在边缘服务器

处理服务请求，从而获得相应的用户效用

(表示在边缘端所获得的QoE水平)。

否则，物联网用户u_i将在本地设备上处理服务请求(即x_i＝0和a_i＝0)，从而获得用户效用

(表示在本地物联网设备上所获得的QoE水平)。

根据物联网用户效用π_i(s_i)的定义，本实施例的多用户边缘资源分配优化问题(简写ERA问题)被给出，其优化目标是最大化系统QoE水平。具体而言，以式(10)为优化目标方程，并且服从式(11)～式(12)的条件约束。注意，I_{条件式}是指示函数，当条件式为真时返回1，否则返回0。

式(11)是边缘服务器的资源约束式，用于确保每台边缘服务器e_j不能向物联网用户分配出高于其资源容量c_j的边缘计算资源。式(12)用于约束物联网用户的服务请求；每位物联网用户u_i的服务请求要么被调度到一台边缘服务器e_j∈ε_i来进一步处理，要么在本地物联网设备上作计算处理。

本发明的方法，根据服务时延确定对应的用户体验质量QoE指标值，并确定使总QOE指标值最小的分配方案，可有效解决多个物联网用户同时发起边缘服务请求，并且相互争夺有限的边缘服务资源的问题，保证用户总体QOE最大化，提高系统的总体用户效用。

在一个实施例中，所述确定使所有服务请求的QoE指标值总和最大的分配方案，包括：所有物联网终端选择将当前服务请求在本地处理或者在不同边缘服务器处理，得到初始方案；若存在具有QoE增量的改进策略，则对物联网终端进行相应再分配，直至满足预设条件，将满足预设条件的最终分配方案，作为使所有服务请求的QoE指标值总和最大的分配方案：所述改进策略，包括：

对任一在本地处理服务请求的物联网终端，若可访问边缘服务器具有空闲资源，则将当前服务请求转至可访问边缘服务器处理；或者，可访问边缘服务器无空闲资源，但在可访问边缘服务器下属的物联网终端集合中，抢占对应边缘服务器资源后，获得的QoE增量大于物联网终端集合的最低QoE损失量，则对满足最低QoE损失量的物联网终端，进行边缘服务器的资源抢占。

ERA优化问题属于装箱问题。每台边缘服务器可被视作资源容量有限的箱子，而ERA问题的求解目标是确定多用户的边缘资源分配方案，使得系统QoE水平最大化。如装箱问题一样，以集中决策的中心化方式求解ERA问题是NP难解的。除此之外，由于QoE函数(即式(6)～式(7))是非线性的，所以求解ERA优化问题的难度也会随之增加。综上所述，亟需一种高效的求解方法来应对ERA问题的上述求解挑战。

针对ERA优化问题的诸多求解挑战，本发明实施例引入博弈论来降低集中决策的中心化程度，并允许每位物联网用户拥有决策自主性。以提升自身QoE水平为个体优化目标，每位物联网用户u_i各自决策其边缘资源分配结果。基于此，ERA优化问题以去中心化的形式来被高效求解。多用户边缘资源博弈模型(ERAGame)如下。

ERAGame：策略博弈

被用于描述N位物联网用户之间对有限边缘服务器资源的竞争态势，由三元组

定义。

是参与策略博弈

的局中人(Player)集合；具体指边缘计算系统中的N位物联网用户。多位局中人(物联网用户)之前相互竞争，以期被分配到更多边缘服务器资源，从而获得更高的QoE水平。

S_i是物联网用户u_i的博弈策略集合；每位物联网用户u_i的所有可行策略s_i＝(x_i,a_i)组成了其博弈策略集合S_i。物联网用户u_i的博弈策略s_i∈S_i指定了其服务请求被调度到的边缘服务器

以及相应被分配的边缘服务器资源量。

π_i是物联网用户u_i的效用函数，由式(8)/式(9)表示。物联网用户u_i效用π_i被用于评估博弈策略s_i＝(x_i,a_i)所获得的QoE水平。

在ERAGame博弈中，每位物联网用户u_i都希望被分配到更多的边缘计算资源，从而获得更高的QoE水平。然而，由于有限边缘服务器资源容量的约束，所以每位物联网用户u_i必须相互竞争去争夺有限的边缘服务器资源，并确定其博弈策略s_i∈S_i以最大化其自身QoE水平。每位物联网用户u_i所选择的策略s_i组成了ERAGame的策略组合(Strategy Profile)，即s＝(s₁,...,s_N)。在博弈期间，假定物联网用户u_i起初选定了策略s_i，但是又发现另一个可获得更高QoE水平的可行策略s′_i。在发现到更优博弈策略s′_i的激励下，物联网用户u_i会理所当然地更新其博弈策略s′_i。

然而，由于边缘服务器的资源容量有限，物联网用户之间可能发生竞争性冲突。每位物联网用户u_i都希望垄断性获取到最多数量的边缘服务器资源，从而拥有最高的QoE水平；因此，物联网用户之间的边缘资源竞争态势将难以避免。为了缓解物联网用户之间的竞争性冲突，纳什均衡(Nash Equilibrium，缩写NE)的概念被引入，从而便于有效管理物联网用户之间的竞争行为

纳什均衡，缩写NE：ERAGame博弈

的纳什均衡是指策略组合s*，其满足对于每位局中人(物联网用户)

其中s_-i表示除物联网用户u_i以外其他用户所组成的策略组合，即s_-i＝s-{s_i}；而π_i从原有π_i(s_i)扩展为π_i(s_i,s_-i)，被用于描述不同物联网用户间的边缘资源竞争态势。

值得注意的是，鉴于有限的边缘服务器资源容量，每位物联网用户u_i不能无视其他竞争者的边缘资源使用情况，而随意增加其自身边缘资源分配量。此外，π_-i(s_i,s_-i)被定义为由物联网用户(除u_i以外)组成的策略组合s_-i所获得的QoE水平，即

基于抢占的多用户博弈协调机制：考虑到纳什均衡解的非唯一性，本发明实施例提出了一种用于协调多用户博弈策略的抢占式机制，使所获得的纳什均衡解最终收敛到较高的系统QoE状态。

具体而言，如果存在空闲的边缘服务器资源，那么物联网用户u_i可以决定去占用空闲的边缘计算资源，从而获得更高的QoE水平。然而，若物联网用户u_i所有可访问的边缘服务器资源都已经被其他物联网用户占用，则就没有多余的边缘计算资源来分配给物联网用户u_i。这时，需要设计出一种边缘资源抢占机制来决定是否将已被其他物联网用户占用的边缘计算资源让给物联网用户u_i，其目的是提升多用户的系统QoE水平。

不妨假定，物联网用户u_i试图从其他物联网用户处抢占边缘服务器资源。具体而言，△a_i表示物联网用户u_i试图抢占的边缘服务器资源量，而p(u_i)表示被物联网用户u_i抢占的其他物联网用户集合。通过从其他物联网用户u_k∈p(u_i)抢占单位量为△a_i的边缘服务器资源，物联网用户u_i可获得的QoE增量为△π_i；与此同时，对于被抢占的物联网用户u_k∈p(u_i)，其QoE总损失量至少为△π_-i。根据上述分析与描述，边缘资源抢占机制如下。当完成一轮边缘资源强占之后，除{u_i}∪p(u_i)以外其他物联网用户的博弈策略没有改变。

边缘资源抢占机制：通过本轮边缘资源抢占，如果系统QoE水平得到提升，即：

△π_i＞△π_-i 式(14)

则物联网用户u_i会抢占其他物联网用户u_k∈p(u_i)所占用的部分边缘服务器资源，从而提升系统QoE水平。

式(14)是物联网用户u_i从其他用户u_k∈p(u_i)处抢占边缘服务器资源的触发条件。经过对边缘服务器资源的抢占之后，物联网用户u_i所获得的QoE增量△π_i要足以抵消被抢占用户u_k∈p(u_i)的QoE损失量△π_-i。此外，在边缘资源抢占期间，因为除{u_i}∪p(u_i)以外其他物联网用户的博弈策略保持不变，所以其他物联网用户

所获得的QoE不受影响。也就是说，只有物联网用户u_k∈p(u_i)的QoE水平被降低。综合上述分析可知，经过边缘资源抢占之后，整体上系统QoE水平得到提升，从而使ERAGame博弈过程收敛于具有较高系统QoE水平的纳什均衡状态。

此外，上述的预设条件可以多种方式预设，可以是预设次数，或者所有服务请求的QoE指标值总和增量小于预设阈值。后续提供一种消息机制作为预设条件，即在预设时间未收到策略消息，则认为满足预设条件，即认为达到纳什均衡，结束再分配，具体可参见后续的实施例。

本发明实施例的方法，通过允许每个物联网用户独立地决定自己的边缘资源分配方案，ERAGame可以大幅减轻由中心化决策带来的复杂度，并且借助抢占式PRIM机制来协调多用户实现系统QoE水平最大化的共同优化目标。

在一个实施例中，判断抢占对应边缘服务器资源后，获得的QoE增量大于物联网终端集合的最低QoE损失量，则对满足最低QoE损失量的物联网终端，进行边缘服务器的资源抢占，包括：

对所述物联网终端集合中的单位损失QoE进行排序，所述单位损失QoE为物联网终端集合被抢占一个单位量的边缘服务器资源时，所导致的自身最低QoE损失量；选出具有最低单位损失QoE的物联网用户，临时释放出一个单位量的边缘服务器资源；重复上述对所述物联网终端集合中的单位损失QoE进行排序，选出具有最低单位损失QoE的物联网用户，临时释放出一个单位量的边缘服务器资源的过程，直至所述任一物联网终端的服务请求分配完成为止；若对所有临时释放出的边缘服务器资源进行抢占后，获得的QoE增量大于物联网终端集合的QoE损失量，则对所有临时释放出的边缘服务器资源进行抢占。

抢占式QoE改进算法PRIM：本部分设计出抢占式QoE改进算法(PRIM)，从而实现前文所定义的边缘资源抢占机制(算法实现的伪码举例可参见下表2)。

表2

按照边缘资源抢占机制，PRIM算法从两方面进行设计。一方面，如果物联网用户u_i可采用新策略s′_i来进一步占用当前空闲可用的边缘服务器资源，那么物联网用户u_i会实施新策略s′_i以提升其自身QoE水平。另一方面，如果对于物联网用户u_i而言，当前没有空闲可用的额外边缘资源以供其实施占用更多边缘资源的新策略s′_i，那么需要计算出可能被抢占用户

的最低QoE损失量△π_-i，并与物联网用户u_i因抢占边缘资源而产生的QoE增量△π_i进行比较。据此，判定物联网用户u_i是否执行对边缘服务器资源的抢占操作。

值得注意的是，被抢占用户p(u_i)的最低QoE损失量△π_-i可以在有限可数的迭代轮次内较高效地被计算得出。具体而言，在第一轮迭代里，首先按照

对占满用户u_i可访问边缘资源的物联网用户u_k∈p(u_i)进行非降序排序，其经过排序的用户序列为P。此处，

是指当物联网用户u_k被抢占一个单位量为1的边缘服务器资源时所导致的自身最低QoE损失量，用式(15)表示。上述对物联网用户u_k∈p(u_i)的排序过程可以借助快速排序算法实现；该快速排序过程的算法复杂度为

其中m＝|p(u_i)|通常远小于系统中物联网用户总数N。在完成对所有物联网用户u_k∈p(u_i)的排序之后，从用户序列P中拣选出具有最低QoE损失量

的物联网用户u_v；然后，临时从物联网用户u_v处释放出单位量为1的边缘服务器资源，以供物联网用户u_i抢占其边缘资源。

接下来，开始下一轮的迭代过程。再次根据

对物联网用户u_k∈p(u_i)进行非降序排序；其中，对于边缘资源使用情况被改动过的物联网用户u_v而言，其

值在本轮迭代中需要被重新计算，用于本轮迭代的物联网用户p(u_i)排序。对于本轮对物联网用户u_k∈p(u_i)的重新排序过程，仅需在上一轮用户排序结果P的基础上完成；也就是说，只需要将物联网用户u_v插入到既有用户序列P中的适当位置。得益于此，本轮物联网用户的重新排序过程仅以

的算法复杂度完成。经过对物联网用户u_k∈p(u_i)的重新排序之后，执行与上一轮迭代中类似的步骤，从而从p(u_i)中拣选出一位物联网用户，并临时让出单位量为1的边缘服务器资源给物联网用户u_i。

上述迭代过程不断重复，直到物联网用户p(u_i)释放出单位量为△a_i的边缘服务器资源。当多轮迭代过程终止时，可以得到物联网用户p(u_i)的最低QoE损失量△π_-i，用于验证是否满足边缘资源抢占的触发条件(即式(14))。如果满足该触发条件，则最终确定将预先临时释放的边缘服务器资源△a_i交由物联网用户u_i抢占。鉴于多轮迭代过程中排序操作贡献了大部分PRIM算法复杂度，PRIM算法复杂度为

本发明实施例的方法，可进一步降低计算复杂度，且保证总QoE指标值最大。

在一个实施例中，对物联网终端进行相应再分配之前，还包括：每个边缘服务器将当前最新边缘资源分配状态，打包至信息消息，发送到每个边缘服务器所下属的物联网终端；收到各边缘服务器发来的信息消息后，每一物联网终端查找是否存在QoE增量的改进策略，若存在，则将改进策略打包至策略消息，发送到对应的边缘服务器；在等待预设时间后，若边缘服务器接收到所述策略消息，则根据所述策略消息，对物联网终端进行资源再分配，否则认为满足所述预设条件，结束对物联网终端进行资源再分配。

在PRIM算法的基础上，本实施例进一步设计出QoE感知的分布式边缘资源分配算法(QoE-DEER)，从而找出ERAGame具有较高系统QoE水平的纳什均衡解。该纳什均衡解确定了系统中多用户边缘资源分配方案。为了使多用户边缘资源分配过程以去中心化的形式进行，一种基于合作的消息传递机制被提出，如图4所示；在此基础上，分布式QoE-DEER算法被给出。具体而言，基于合作的消息传递机制涉及5种消息类型，用于维持物联网用户与边缘服务器之间的协调通信。需要说明的是，这5种消息并非都是必须的，仅是上述实施方式的一种优选实施例。具体如下：

开始消息(Begin Message，简称BM)：只要存在请求更新的策略，则ERAGame博弈就未达到纳什均衡状态。这时，每个边缘服务器e_j所属的物联网用户

广播BM消息，表示继续ERAGame博弈。

信息消息(Information Message，简称IM)：在每个边缘服务器e_j向物联网用户广播BM消息的同时，也通过发送IM消息来向物联网用户通知当前的边缘服务器资源分配状态。

策略消息(Strategy Message，简称SM)：收到IM消息后，每个物联网用户u_i会决定是否请求更新当前的边缘资源分配策略。如果需要更新，则物联网用户u_i发送SM消息给有关的边缘服务器，以期获得策略更新的许可。

允许消息(Allow Message，简称AM)：在ERAGame博弈模型中，每个时间槽t里仅能有一个用户SM消息所披露的策略更新请求被允许。因此，所有边缘服务器将互相协商，然后仅发送出一条AM消息给被允许执行策略更新的AM请求用户。该协商过程是基于全局QoE改进的。

更新消息(Update Message，简称UM)：一旦确定被批准的策略更新请求后，所有边缘服务器也应该向其边缘资源被抢占的物联网用户发送UM消息，从而告知新实施的博弈策略。

在上述消息传递机制的基础上，分布式QoE-DEER算法如下(算法伪码的举例如下表3所示)。值得注意的是，△t被预定义为边缘服务器与物联网用户之前消息传递所需要的最长等待时间；它将被用于分析QoE-DEER算法效率。分布式QoE-DEER算法将在每个时间槽t被执行，直到当前时间槽的ERAGame博弈过程结束。具体分为如下三个步骤：

步骤1(第1-3行)：如果ERAGame博弈尚未达到纳什均衡状态，则各个边缘服务器将向所属的物联网用户广播BM消息，表明“继续博弈”。与此同时，每个边缘服务器都会更新记录当前的边缘资源分配状态，并将其打包为IM消息、再发送到每个边缘服务器所下属的物联网用户，为各用户提供策略更新的参考。

步骤2(第4-10行)：收到各边缘服务器发来的IM消息后，每位物联网用户u_i将查找是否存在一个QoE改进的策略s′。如果存在，则物联网用户u_i将发送SM消息到s′对应的边缘服务器。

表3

步骤3(第11-18行)：如果有物联网用户请求策略更新，则边缘服务器将不会晚于△t收到SM消息。在等待△t时间后，边缘服务器应接收到所有SM消息；然后，开始协商并决定哪个博弈策略更新请求被允许，AM消息被作为允许策略更新的消息响应。相反，如果在△t时间范围内未收到任何SM消息，则表明ERAGame博弈达到纳什均衡状态，从而QoE-DEER算法终止。

在实际的物联网应用场景中，每个时间槽t决策执行的分布式QoE-DEER算法可在最长3△t时间内近似完成。在步骤1里，每台边缘服务器e_j向所属物联网用户

同时发送BM消息和IM消息，最长需要△t时间。然后，在步骤2里，如果存在物联网用户u_i请求更新博弈策略，则物联网用户u_i会向边缘服务器发送SM消息；通常地，边缘服务器不会晚于△t时间内收到SM消息。在步骤3里，收到SM消息的边缘服务器会决定哪个博弈策略更新请求被允许，并向相关物联网用户发送AM消息/UM消息；在最晚△t时间内，物联网用户会收到由边缘服务器发出的AM消息/UM消息。综上所述，分布式QoE-DEER算法可以在最长3△t时间内近似完成。

下面对本发明提供的QoE感知的分布式边缘任务调度和资源管理系统进行描述，下文描述的QoE感知的分布式边缘任务调度和资源管理系统与上文描述的QoE感知的分布式边缘任务调度和资源管理方法可相互对应参照。

图5是本发明提供的QoE感知的分布式边缘任务调度和资源管理系统的结构示意图，如图5所示，该QoE感知的分布式边缘任务调度和资源管理系统包括：资源分配模块501、效用确定模块502和综合处理模块503。其中，资源分配模块501用于根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；效用确定模块502用于确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；综合处理模块503用于确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果。

本发明实施例提供的系统实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。

本发明实施例提供的QoE感知的分布式边缘任务调度和资源管理系统，根据服务时延确定对应的用户体验质量QoE指标值，并确定使总QOE指标值最小的分配方案，可有效解决多个物联网用户同时发起边缘服务请求，并且相互争夺有限的边缘服务资源的问题，保证用户总体QOE最大化，提高系统的总体用户效用。

图6是本发明提供的电子设备的结构示意图，如图6所示，该电子设备可以包括：处理器(processor)601、通信接口(Communications Interface)602、存储器(memory)603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信。处理器601可以调用存储器603中的逻辑指令，以执行QoE感知的分布式边缘任务调度和资源管理方法，该方法包括：根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果。

此外，上述的存储器603中的逻辑指令可以通过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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的QoE感知的分布式边缘任务调度和资源管理方法，该方法包括：根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的QoE感知的分布式边缘任务调度和资源管理方法，该方法包括：根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果。

以上所描述的系统实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：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。

Claims (9)

1.一种QoE感知的分布式边缘任务调度和资源管理方法，其特征在于，包括：

根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；

确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；

确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果；

所述确定使所有服务请求的QoE指标值总和最大的分配方案，包括：

所有物联网终端选择将当前服务请求在本地处理或者在不同边缘服务器处理，得到初始方案；

若存在具有QoE增量的改进策略，则对物联网终端进行相应再分配，直至满足预设条件，将满足预设条件的最终分配方案，作为使所有服务请求的QoE指标值总和最大的分配方案：

所述改进策略，包括：

对任一在本地处理服务请求的物联网终端，若可访问边缘服务器具有空闲资源，则将当前服务请求转至可访问边缘服务器处理；

或者，可访问边缘服务器无空闲资源，但在可访问边缘服务器下属的物联网终端集合中，抢占对应边缘服务器资源后，获得的QoE增量大于物联网终端集合的最低QoE损失量，则对满足最低QoE损失量的物联网终端，进行边缘服务器的资源抢占。

2.根据权利要求1所述的QoE感知的分布式边缘任务调度和资源管理方法，其特征在于，所述确定分配方案中每个服务请求的服务时延，包括：

若当前服务请求在本地处理，则根据服务请求的计算时长确定服务时延；

若当前服务请求在边缘服务器处理，则根据服务请求的计算时长和传输时长，确定服务时延。

3.根据权利要求1所述的QoE感知的分布式边缘任务调度和资源管理方法，其特征在于，所述根据服务时延确定对应的用户体验质量QoE指标值，包括：

根据预设的QoE提升率、基本QoE需求值和服务时延，基于Logistic函数建立服务时延和对应的QoE指标值的关系，以确定服务时延对应的QoE指标值。

4.根据权利要求1-3任一项所述的QoE感知的分布式边缘任务调度和资源管理方法，其特征在于，所述根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案之前，还包括：

确定物联网终端的当前服务请求在本地处理的QoE指标值以及在边缘服务器处理的QoE指标值；

若在本地处理的QoE指标值大于或等于在边缘服务器处理的QoE指标值，则将物联网终端的服务请求在本地处理。

5.根据权利要求1所述的QoE感知的分布式边缘任务调度和资源管理方法，其特征在于，判断抢占对应边缘服务器资源后，获得的QoE增量大于物联网终端集合的最低QoE损失量，则对满足最低QoE损失量的物联网终端，进行边缘服务器的资源抢占，包括：

对所述物联网终端集合中的单位损失QoE进行排序，所述单位损失QoE为物联网终端集合被抢占一个单位量的边缘服务器资源时，所导致的自身最低QoE损失量；

选出具有最低单位损失QoE的物联网用户，临时释放出一个单位量的边缘服务器资源；

重复上述对所述物联网终端集合中的单位损失QoE进行排序，选出具有最低单位损失QoE的物联网用户，临时释放出一个单位量的边缘服务器资源的过程，直至所述任一物联网终端的服务请求分配完成为止；

若对所有临时释放出的边缘服务器资源进行抢占后，获得的QoE增量大于物联网终端集合的QoE损失量，则对所有临时释放出的边缘服务器资源进行抢占。

6.根据权利要求1所述的QoE感知的分布式边缘任务调度和资源管理方法，其特征在于，对物联网终端进行相应再分配之前，还包括：

每个边缘服务器将当前最新边缘资源分配状态，打包至信息消息，发送到每个边缘服务器所下属的物联网终端；

收到各边缘服务器发来的信息消息后，每一物联网终端查找是否存在QoE增量的改进策略，若存在，则将改进策略打包至策略消息，发送到对应的边缘服务器；

在等待预设时间后，若边缘服务器接收到所述策略消息，则根据所述策略消息，对物联网终端进行资源再分配，否则认为满足所述预设条件，结束对物联网终端进行资源再分配。

7.一种QoE感知的分布式边缘任务调度和资源管理系统，其特征在于，包括：

资源分配模块，用于根据每个物联网终端将当前服务请求在本地处理或者在不同边缘服务器处理，得到不同的分配方案；

效用确定模块，用于确定分配方案中每个服务请求的服务时延，并根据服务时延确定对应的用户体验质量QoE指标值；

综合处理模块，用于确定使所有服务请求的QoE指标值总和最大的分配方案，作为调度结果；

所述综合处理模块具体用于：

所有物联网终端选择将当前服务请求在本地处理或者在不同边缘服务器处理，得到初始方案；

若存在具有QoE增量的改进策略，则对物联网终端进行相应再分配，直至满足预设条件，将满足预设条件的最终分配方案，作为使所有服务请求的QoE指标值总和最大的分配方案：

所述改进策略，包括：

对任一在本地处理服务请求的物联网终端，若可访问边缘服务器具有空闲资源，则将当前服务请求转至可访问边缘服务器处理；

或者，可访问边缘服务器无空闲资源，但在可访问边缘服务器下属的物联网终端集合中，抢占对应边缘服务器资源后，获得的QoE增量大于物联网终端集合的最低QoE损失量，则对满足最低QoE损失量的物联网终端，进行边缘服务器的资源抢占。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1至6任一项所述QoE感知的分布式边缘任务调度和资源管理方法的步骤。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，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QoE感知的分布式边缘任务调度和资源管理方法的步骤。

Images