CN113660303B - 一种端边网云协同的任务卸载方法及系统 - Google Patents

一种端边网云协同的任务卸载方法及系统 Download PDF

Info

Publication number
CN113660303B
CN113660303B CN202110753113.9A CN202110753113A CN113660303B CN 113660303 B CN113660303 B CN 113660303B CN 202110753113 A CN202110753113 A CN 202110753113A CN 113660303 B CN113660303 B CN 113660303B
Authority
CN
China
Prior art keywords
task
time delay
terminal
mec
calculation
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
CN202110753113.9A
Other languages
English (en)
Other versions
CN113660303A (zh
Inventor
冯传奋
谷征征
孙建德
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.)
Shandong Normal University
Original Assignee
Shandong Normal 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 Shandong Normal University filed Critical Shandong Normal University
Priority to CN202110753113.9A priority Critical patent/CN113660303B/zh
Publication of CN113660303A publication Critical patent/CN113660303A/zh
Application granted granted Critical
Publication of CN113660303B publication Critical patent/CN113660303B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

Landscapes

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

Abstract

本发明公开一种端边网云协同的任务卸载方法及系统，包括：接收终端业务需求，在本地资源不满足终端业务需求时，将终端业务进行拆分；根据终端与任务迁移前、后的多接入边缘计算节点的通信时延、终端与云服务器的通信时延得到通信总时延；根据终端计算时延、任务迁移前、后的多接入边缘计算节点计算时延、云服务器计算时延得到计算总时延；根据通信总时延、计算总时延和终端在多接入边缘计算节点间进行任务迁移时的迁移时延得到业务处理时延；获取业务处理能耗和运营商收益，根据业务处理时延、业务处理能耗和运营商收益得到任务卸载策略，根据任务卸载策略将拆分后的终端业务卸载至终端、多接入边缘计算节点和云服务器。考虑维度更全面，达到效果更优。

Description

一种端边网云协同的任务卸载方法及系统
技术领域
本发明涉及移动通信技术领域，特别是涉及一种端边网云协同的任务卸载方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
5G支持eMBB、uRLLC和mMTC三大场景的应用，而对于uRLLC场景的业务，具有高时延、高带宽消耗等不足的云计算越来越难以适应服务的需求。在当前的端-边-网-云系统中，优化用户任务的卸载有如下几种方法：
(1)优化用户任务在终端、多接入边缘计算节点间的卸载。一部分的研究将时延作为优化目标。例如：将多信道无线环境的多个用户之间的计算卸载决策问题建模为博弈模型，提出了基于博弈论的卸载策略能有效的降低系统时延。另一部分的研究工作将系统的时延与能耗进行综合考虑。例如：将多个用户之间的计算卸载决策问题建模为李雅普诺夫优化理论，同时降低终端的能耗和任务计算的时延。
(2)优化用户任务在终端、多接入边缘计算节点及云端的卸载。例如：综合考虑能量消耗和传输时延确定在终端、多接入边缘计算节点、云端间最优任务卸载策略与最优资源分配策略。
但是，发明人发现，上述方案存在以下缺点：
(1)考虑维度不全面。上述研究均未考虑用户在高速移动场景下任务卸载的策略。假定用户移动时速为80Km/h，考虑NR站间距为300米，则在15秒时间内，将大概率触发NR切换，进而有一定概率触发服务MEC的切换。当MEC在处理用户业务过程中，由于用户高速移动触发MEC切换时，业务流程非常复杂，而且连接时间对任务卸载策略影响很大。
(2)随着运营商量收剪刀差逐渐扩大，运营商急需降本增效。在端-边-网-云系统中进行任务卸载时，没有从运营商角度考虑任务卸载的效益情况，会容易导致进一步加剧运营商量收剪刀差。
发明内容
为了解决上述问题，本发明提出了一种端边网云协同的任务卸载方法及系统，在用户高速移动场景下，从通信总时延、计算总时延和迁移时延考虑业务处理总时延，并从用户、终端、运营商、网络四个维度，根据业务处理总时延、业务处理能耗和运营商收益多个角度确定任务卸载策略。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种端边网云协同的任务卸载方法，包括：
接收终端业务需求，在本地资源不满足终端业务需求时，将终端业务进行拆分；
根据终端与任务迁移前的多接入边缘计算节点的通信时延、终端与任务迁移后的多接入边缘计算节点的通信时延以及终端与云服务器的通信时延得到通信总时延；
根据终端计算时延、任务迁移前的多接入边缘计算节点计算时延、任务迁移后的多接入边缘计算节点计算时延和云服务器计算时延得到计算总时延；
根据通信总时延、计算总时延和终端在多接入边缘计算节点间进行任务迁移时的迁移时延得到业务处理时延；
获取业务处理能耗和运营商收益，根据业务处理时延、业务处理能耗和运营商收益得到任务卸载策略，根据任务卸载策略将拆分后的终端业务卸载至终端、多接入边缘计算节点和云服务器。
作为可选择的实施方式，终端与任务迁移前的多接入边缘计算节点的通信时延为：
式中：为任务量xi卸载到MECi的传输时间；
为任务量xi在MECi的计算时间；
为计算结果ρxi从MECi传输到移动用户的时间；
为MECi处理任务量xi所需时间；
其中：xi为用户计划卸载到MECi的任务量；为移动用户与MECi的连接时间；/>为MECi上行链路传输速率；/>为MECi下行链路传输速率；VCi为MECi的计算速率；ρxi为计算结果大小；
作为可选择的实施方式，终端与任务迁移后的多接入边缘计算节点的通信时延为：
其中：为用户与MECj的上行链路传输速率；/>为用户与MECj的下行链路传输速率；
作为可选择的实施方式，终端与云服务器的通信时延为：
其中：为用户与云服务器的上行链路传输速率；/>为用户与云服务器的下行链路传输速率；xc为用户计划卸载到云服务器的任务量。
作为可选择的实施方式，终端计算时延为：
其中，W为任务总量，VCl为用户终端计算速率
作为可选择的实施方式，任务迁移前的多接入边缘计算节点计算时延为：
作为可选择的实施方式，任务迁移后的多接入边缘计算节点计算时延为：
其中，VCj为MECj的计算速率。
作为可选择的实施方式，云服务器计算时延为：
其中：VCc为云端服务器计算速率。
作为可选择的实施方式，迁移时延为：
其中，Ri,j为MECi与MECj之间的传输速率，THO为用户切换时延。
作为可选择的实施方式，业务处理时延为：
作为可选择的实施方式，根据本地计算能耗、任务传输能耗、多接入边缘计算节点计算能耗和云服务器计算能耗得到业务处理能耗。
作为可选择的实施方式，根据业务处理成本和业务处理后的收入得到运营商收益。
第二方面，本发明提供一种端边网云协同的任务卸载系统，包括：
接收模块，被配置为接收终端业务需求，在本地资源不满足终端业务需求时，将终端业务进行拆分；
通信时延获取模块，被配置为根据终端与任务迁移前的多接入边缘计算节点的通信时延、终端与任务迁移后的多接入边缘计算节点的通信时延以及终端与云服务器的通信时延得到通信总时延；
计算时延获取模块，被配置为根据终端计算时延、任务迁移前的多接入边缘计算节点计算时延、任务迁移后的多接入边缘计算节点计算时延和云服务器计算时延得到计算总时延；
业务处理时延获取模块，被配置为根据通信总时延、计算总时延和终端在多接入边缘计算节点间进行任务迁移时的迁移时延得到业务处理时延；
任务卸载策略决策模块，被配置为获取业务处理能耗和运营商收益，根据业务处理时延、业务处理能耗和运营商收益得到任务卸载策略，根据任务卸载策略将拆分后的终端业务卸载至终端、多接入边缘计算节点和云服务器。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明不仅考虑传输时延和能量消耗，还从用户、运营商、终端、网络四个维度，从时延、费用、运营商收益、终端能耗、终端负荷、多接入边缘计算节点及云端负荷等若干关键指标，确定最优任务卸载策略，考虑维度更全面，达到效果更优，可以满足用户、终端、网络、运营商四方的需求，在更好满足用户需求的同时，可以充分利用设备、网络能力，并实现收益最大化，提升运营商效益。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的端边网云协同的任务卸载方法流程图；
图2为本发明实施例1提供的云-边-端协同处理终端业务时的场景示意图；
图3(a)为本发明实施例1提供的任务量未上传完触发MEC切换的场景示意图；
图3(b)为本发明实施例1提供的任务量未计算完触发MEC切换的场景示意图；
图3(c)为本发明实施例1提供的任务量未回传完触发MEC切换的场景示意图；
图3(d)为本发明实施例1提供的MEC无切换的场景示意图。
具体实施方式：
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示，本实施例提供一种端边网云协同的任务卸载方法，具体包括如下步骤：
(1)接收终端发送的终端业务需求；
(2)基于终端业务需求及本地资源情况，判断本地资源是否满足业务需求，如满足，转步骤(3)；否则，转步骤(4)；
(3)由本地设备处理终端业务；
(4)在本地资源不满足终端业务需求时，将终端业务进行拆分，从用户、运营商、终端、网络四个维度选择最优任务卸载策略；
(5)根据终端与任务迁移前的多接入边缘计算节点的通信时延、终端与任务迁移后的多接入边缘计算节点的通信时延以及终端与云服务器的通信时延得到通信总时延；
(6)根据终端计算时延、任务迁移前的多接入边缘计算节点计算时延、任务迁移后的多接入边缘计算节点计算时延和云服务器计算时延得到计算总时延；
(7)根据通信总时延、计算总时延和终端在多接入边缘计算节点间进行任务迁移时的迁移时延得到业务处理时延；
(8)获取业务业务处理能耗和运营商收益，根据业务处理时延、业务处理能耗和运营商收益得到任务卸载策略，根据任务卸载策略将拆分后的终端业务卸载至终端、多接入边缘计算节点和云服务器，以便将终端任务在终端、多接入边缘计算节点和云服务器执行。
在步骤(1)中，所述终端业务需求包含但不限于：业务执行时所需的计算量、时延要求等。
在步骤(2)中，判断本地资源是否满足业务需求时，特别是要判断时延需求是否满足；
优选地，在步骤(2)中，基于本地的计算资源(CPU\GPU等)计算本地的计算速率；基于业务任务量/本地的计算速率得到业务量在本地处理时的时延，判断该时延是否小于业务要求的处理时延。
在步骤(4)中，在用户维度包括但不限于：业务处理时延、用户移动性、业务费用等；
在运营商维度包括但不限于：完成用户发起业务的运营商收益等；
在终端维度包括但不限于：用户终端的能耗及终端负荷等；
在网络维度包括但不限于：信道质量、多接入边缘计算节点及云端负荷等。
优选地，对于时延包括但不限于：卸载任务所需的上下行传输时延、终端/多接入边缘计算节点/云端计算时延、由于用户移动导致的额外任务迁移时延等；
对于运营商收益包括但不限于：通过业务收入-成本进行估算；
对于成本包括但不限于：计算成本、通信成本、能耗成本。
在本实施例中，基于用户、运营商、终端以及网络维度，包含业务处理时延、业务处理能耗和运营商收益的指标，共选取了七个指标进行最优任务卸载策略的制定，具体为：业务处理时延、业务费用、运营商收益、业务处理能耗、终端负荷、多接入边缘计算节点负荷和云端负荷；
其中，由于用户移动性及信道质量将直接影响业务时延，故选取业务时延作为显性指标。
在云、边、端协同处理终端业务时，本实施例提供在用户高速移动场景下，业务处理时延、运营商收益以及业务处理能耗三个指标的计算过程，如图2所示，假定N个MEC服务器、1个云服器为移动用户服务，移动用户需要处理计算密集型任务W，由于自身计算能力有限，需处理的任务W可以部分拆分，并可以同时在本地设备处理以及卸载到MEC或/和云服务器上处理；
如果移动用户与MEC的连接时间过短，当移动用户移出该MEC的通信范围时，则未完成的任务从当前MEC服务器i传输到下一个可服务的MEC服务器中继续处理，此过程为“迁移”，并将此处理迁移任务的MEC服务器定义为j；则上述业务处理流程如图3(a)-3(d)所示。其中：A为用户计划卸载到MEC服务器的总任务量。
如图3(a)所示，对于场景一，用户上传任务量B后，由于高速移动，移动出MECi的服务范围，进入MECj的服务范围，则用户需要将剩余业务(A-B)上传给MECj，MECi将收到的任务量B迁移给MECj，后续由MECj计算和回传结果。需说明，此场景下图中所示的3(a)、3(b)两个步骤在时间上是并行的。
如图3(b)所示，对于场景二，用户上传任务量A并计算完成任务量C后，由于高速移动，移动出MECi的服务范围，进入MECj的服务范围，则MECi将完成剩余未计算的任务量(A-C)并将任务量A的计算结果迁移给MECj，后续由MECj回传结果。需说明，此场景下图中所示的3(a)、3(b)两个步骤在时间上是并行的。
如图3(c)所示，对于场景三，用户上传、计算完成任务量A并回传完成任务量D的计算结果后，由于高速移动，移动出MECi的服务范围，进入MECj的服务范围，则MECi将剩余未回传(A-D)的计算结果迁移给MECj，后续由MECj回传结果。
如图3(d)所示，对于场景四，在用户上传、MEC计算回传过程中均未发生MEC间的切换。
基于上述业务流程，考虑到MEC可能会发生迁移的情况，业务处理时延的计算过程如下：
在步骤(5)中，计算终端与MECi的通信时延、终端与MECj的通信时延、终端与云服务器的通信时延；
(5-1)移动用户与MECi之间任务传输所需通信时延表示为：
式中：为任务量xi卸载到MECi的传输时间；
为任务量xi在MECi的计算时间；
为计算结果ρxi从MECi传输到移动用户的时间；
为MECi处理任务量xi所需时间；
其中：xi为用户计划卸载到MECi的任务量；为移动用户与MECi的连接时间；/>为MECi上行链路传输速率；/>为MECi下行链路传输速率；VCi为MECi的计算速率；ρxi为计算结果大小。
(5-2)移动用户与MECj之间任务传输所需通信时延表示为：
式中：为用户与MECj的上行链路传输速率；/>为用户与MECj的下行链路传输速率。
(5-3)移动用户与云服务器之间任务传输所需通信时延表示为：
式中：为用户与云服务器的上行链路传输速率；/>为用户与云服务器的下行链路传输速率；xc为用户计划卸载到云服务器的任务量。
在步骤(6)中，计算MECi的计算时延、MECj的计算时延、终端计算时延、云服务器计算时延；
(6-1)MECi计算时延表示为：
(6-2)MECj计算时延表示为：
其中，VCj为MECj的计算速率。
(6-3)用户终端计算时延表示为：
其中，W为任务总量，VCl为用户终端计算速率。
(6-4)云服务器计算时延表示为：
其中，VCc为云端服务器计算速率。
在步骤(7)中，由于用户与MECi的连接时间Ti ct是随机的，当连接时间不足时，即在连接时间内MECi不能完成任务传输或者任务计算时都会发生任务迁移，则迁移时延表示为：
其中，Ri,j为MECi与MECj之间的传输速率，THO为用户切换时延。
在步骤(7)中，根据上述通信时延、计算时延和迁移时延得到业务处理时延为：
其中：T1为时的处理业务时延，T2为/> 时的处理业务时延，T3为/>时的处理业务时延；
具体地：
在步骤(8)中，业务处理能耗指标只考虑用户终端、MEC及云服务器计算所消耗的能量，忽略MEC、云服务器传输所消耗的能量，所以根据本地计算能耗、任务传输能耗、MEC计算能耗、云服务器计算能耗得到业务处理能耗；业务处理能耗的计算过程具体包括如下步骤：
(8-1-1)计算本地计算能耗，本地计算能耗表示为：
其中：PCl为本地计算单bit能耗。
(8-1-2)计算任务传输能耗，任务传输能耗表示为：
其中，PRl为本地发射/接收单bit能耗。
根据本地计算能耗和任务传输能耗得到终端侧的能耗为：
(8-1-3)计算MEC计算能耗，MECi计算能耗表示为：
MECj计算能耗表示为：
其中，PCi为MECi单位时间能耗；PCj为MECj单位时间能耗。
(8-1-4)计算云服务器计算能耗，云服务器计算能耗表示为：
其中，PCc为云服务器单位时间能耗。
(8-1-5)根据本地计算能耗、任务传输能耗、多接入边缘计算节点计算能耗和云服务器计算能耗得到业务处理能耗；业务处理能耗表示为：
在步骤(8)中，根据业务处理成本和业务处理后的收入得到运营商收益；具体为：
(8-2-1)业务处理成本表示为：
其中，α、β、γ、ε分别为单位时间通信成本、计算成本、迁移成本及单位能耗成本；
(8-2-2)业务收入表示为：
其中，N为业务处理完成后的收入，为业务处理最大时延要求；
(8-2-3)运营商收益表示为：
在本实施例中，基于上述指标，得到最优任务卸载策略的过程具体包括：
(8-3-1)根据相关策略，针对上述四个维度七个指标赋予不同的权重；
在本实施例中，每部分权重在0-1之间，各部分权重之和为1，根据策略，越重视的部分，赋予的权重越高；
具体地，运营商根据自身情况指定的策略；权重一般根据重视程度人工赋值，例如：看重收益则可以设置权重为0.3，不看重费用则可以设置权重为0.05。
(8-3-2)针对不同的分配方案评估上述指标的取值，可以理解的，取值在0-1之间，由人为根据经验进行定义；
具体地，对于时延和费用，在满足需求的情况下，越低取值越高；对于运营商收益越高，取值越高；对于终端能耗、终端负荷、多接入边缘计算节点负荷、云端负荷越低，取值越高。
(8-3-3)根据上述七个指标权重及相关取值，计算各方案的综合取值；
具体地，综合取值＝SUM(各指标权重*各指标取值)。
(8-3-4)根据综合取值从大到小将各方案进行排序，综合取值最高的方案作为最优任务卸载策略。
在本实施例中，最优任务卸载策略的选择还可以利用遗传算法或相关神经网络算法等得出综合取值最高的任务卸载方案。
实施例2
本实施例提供一种端边网云协同的任务卸载系统，包括：
接收模块，被配置为接收终端业务需求，在本地资源不满足终端业务需求时，将终端业务进行拆分；
通信时延获取模块，被配置为根据终端与任务迁移前的多接入边缘计算节点的通信时延、终端与任务迁移后的多接入边缘计算节点的通信时延以及终端与云服务器的通信时延得到通信总时延；
计算时延获取模块，被配置为根据终端计算时延、任务迁移前的多接入边缘计算节点计算时延、任务迁移后的多接入边缘计算节点计算时延和云服务器计算时延得到计算总时延；
业务处理时延获取模块，被配置为根据通信总时延、计算总时延和终端在多接入边缘计算节点间进行任务迁移时的迁移时延得到业务处理时延；
任务卸载策略决策模块，被配置为获取业务处理能耗和运营商收益，根据业务处理时延、业务处理能耗和运营商收益得到任务卸载策略，根据任务卸载策略将拆分后的终端业务卸载至终端、多接入边缘计算节点和云服务器。
在本实施例中，该系统还包括存储模块，被配置为存储接收到的业务需求、用户移动性、终端能耗、终端负荷、信道质量、多接入边缘计算节点及云端负荷等相关信息；并存储单位计算单元成本、运营商服务资费、相关评估策略或神经网络算法。
在本实施例中，该系统还包括更新单元，被配置为更新存储模块中的信息。
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列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。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，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申请的范围。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.一种端边网云协同的任务卸载方法，其特征在于，包括：
接收终端业务需求，在本地资源不满足终端业务需求时，将终端业务进行拆分；
根据终端与任务迁移前的多接入边缘计算节点的通信时延、终端与任务迁移后的多接入边缘计算节点的通信时延以及终端与云服务器的通信时延得到通信总时延；
根据终端计算时延、任务迁移前的多接入边缘计算节点计算时延、任务迁移后的多接入边缘计算节点计算时延和云服务器计算时延得到计算总时延；
根据通信总时延、计算总时延和终端在多接入边缘计算节点间进行任务迁移时的迁移时延得到业务处理时延；
获取业务处理能耗和运营商收益，根据业务处理时延、业务处理能耗和运营商收益得到任务卸载策略，根据任务卸载策略将拆分后的终端业务卸载至终端、多接入边缘计算节点和云服务器；
终端与任务迁移前的多接入边缘计算节点的通信时延为：
式中：为任务量xi卸载到MECi的传输时间；
为任务量xi在MECi的计算时间；
为计算结果ρxi从MECi传输到移动用户的时间；
为MECi处理任务量xi所需时间；
其中：xi为用户计划卸载到MECi的任务量；为移动用户与MECi的连接时间；/>为MECi上行链路传输速率；/>为MECi下行链路传输速率；VCi为MECi的计算速率；ρxi为任务量xi的计算处理结果大小，ρ为任务计算结果与任务量的折算系数；
终端与任务迁移后的多接入边缘计算节点的通信时延为：
其中：为用户与MECj的上行链路传输速率；/>为用户与MECi的下行链路传输速率；
终端与云服务器的通信时延为：
其中：为用户与云服务器的上行链路传输速率；/>为用户与云服务器的下行链路传输速率；xc为用户计划卸载到云服务器的任务量；ρxc为任务量xc的计算结果大小；
迁移时延为：
其中，Ri,j为MECi与MECj之间的传输速率，THO为用户切换时延；xi为用户计划卸载到MECi的任务量；为移动用户与MECi的连接时间；/>为MECi上行链路传输速率；ρxi为任务量xi的计算处理结果大小，ρ为任务计算结果与任务量的折算系数；/>为MECi下行链路传输速率。
2.如权利要求1所述的一种端边网云协同的任务卸载方法，其特征在于，终端计算时延为：
其中，W为任务总量，VCl为用户终端计算速率；xi为用户计划卸载到MECi的任务量；xc为用户计划卸载到云服务器的任务量；
任务迁移前的多接入边缘计算节点计算时延为：
任务迁移后的多接入边缘计算节点计算时延为：
其中，VCj为MECj的计算速率；为移动用户与MECi的连接时间；云服务器计算时延为：
其中，VCc为云端服务器计算速率。
3.如权利要求1所述的一种端边网云协同的任务卸载方法，其特征在于，业务处理时延为：
其中：T1为时的处理业务时延，T2为时的处理业务时延，T3为时的处理业务时延。
4.如权利要求1所述的一种端边网云协同的任务卸载方法，其特征在于，根据本地计算能耗、任务传输能耗、多接入边缘计算节点计算能耗和云服务器计算能耗得到业务处理能耗。
5.如权利要求1所述的一种端边网云协同的任务卸载方法，其特征在于，根据业务处理成本和业务处理后的收入得到运营商收益。
6.一种端边网云协同的任务卸载系统，其特征在于，包括：
接收模块，被配置为接收终端业务需求，在本地资源不满足终端业务需求时，将终端业务进行拆分；
通信时延获取模块，被配置为根据终端与任务迁移前的多接入边缘计算节点的通信时延、终端与任务迁移后的多接入边缘计算节点的通信时延以及终端与云服务器的通信时延得到通信总时延；
计算时延获取模块，被配置为根据终端计算时延、任务迁移前的多接入边缘计算节点计算时延、任务迁移后的多接入边缘计算节点计算时延和云服务器计算时延得到计算总时延；
业务处理时延获取模块，被配置为根据通信总时延、计算总时延和终端在多接入边缘计算节点间进行任务迁移时的迁移时延得到业务处理时延；
任务卸载策略决策模块，被配置为获取业务处理能耗和运营商收益，根据业务处理时延、业务处理能耗和运营商收益得到任务卸载策略，根据任务卸载策略将拆分后的终端业务卸载至终端、多接入边缘计算节点和云服务器；
终端与任务迁移前的多接入边缘计算节点的通信时延为：
式中：为任务量xi卸载到MECi的传输时间；
为任务量xi在MECi的计算时间；
为计算结果ρxi从MECi传输到移动用户的时间；
为MECi处理任务量xi所需时间；
其中：xi为用户计划卸载到MECi的任务量；为移动用户与MECi的连接时间；/>为MECi上行链路传输速率；/>为MECi下行链路传输速率；VCi为MECi的计算速率；ρxi为任务量xi的计算处理结果大小，ρ为任务计算结果与任务量的折算系数；
终端与任务迁移后的多接入边缘计算节点的通信时延为：
其中：为用户与MECj的上行链路传输速率；/>为用户与MECi的下行链路传输速率；
终端与云服务器的通信时延为：
其中：为用户与云服务器的上行链路传输速率；/>为用户与云服务器的下行链路传输速率；xc为用户计划卸载到云服务器的任务量；ρxc为任务量xc的计算结果大小；
迁移时延为：
其中，Ri,j为MECi与MECi之间的传输速率，THO为用户切换时延；xi为用户计划卸载到MECi的任务量；为移动用户与MECi的连接时间；/>为MECi上行链路传输速率；ρxi为任务量xi的计算处理结果大小，ρ为任务计算结果与任务量的折算系数；/>为MECi下行链路传输速率。
7.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-5任一项所述的方法。
CN202110753113.9A 2021-07-02 2021-07-02 一种端边网云协同的任务卸载方法及系统 Active CN113660303B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110753113.9A CN113660303B (zh) 2021-07-02 2021-07-02 一种端边网云协同的任务卸载方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110753113.9A CN113660303B (zh) 2021-07-02 2021-07-02 一种端边网云协同的任务卸载方法及系统

Publications (2)

Publication Number Publication Date
CN113660303A CN113660303A (zh) 2021-11-16
CN113660303B true CN113660303B (zh) 2024-03-22

Family

ID=78489909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110753113.9A Active CN113660303B (zh) 2021-07-02 2021-07-02 一种端边网云协同的任务卸载方法及系统

Country Status (1)

Country Link
CN (1) CN113660303B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114301907B (zh) * 2021-11-18 2023-03-14 北京邮电大学 云计算网络中的业务处理方法、系统、装置及电子设备
CN114693141B (zh) * 2022-04-06 2022-10-25 长春理工大学 一种基于端边协同的变电站巡检方法
CN115190033B (zh) * 2022-05-22 2024-02-20 重庆科技学院 一种基于强化学习的云边融合网络任务卸载方法
CN115100898B (zh) * 2022-05-31 2023-09-12 东南大学 一种城市智能停车管理系统的协同计算任务卸载方法
CN117575113B (zh) * 2024-01-17 2024-05-03 南方电网数字电网研究院股份有限公司 基于马尔科夫链的边端协同任务处理方法、装置和设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN109947545A (zh) * 2019-03-11 2019-06-28 重庆邮电大学 一种基于用户移动性的任务卸载及迁移的决策方法
CN111182570A (zh) * 2020-01-08 2020-05-19 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
CN111953759A (zh) * 2020-08-04 2020-11-17 国网河南省电力公司信息通信公司 基于强化学习的协同计算任务卸载和迁移的方法及装置
CN112512065A (zh) * 2020-12-02 2021-03-16 中国刑事警察学院 支持mec的小小区网络中在移动感知下的卸载和迁移算法
CN112600921A (zh) * 2020-12-15 2021-04-02 重庆邮电大学 一种面向异构移动边缘网络的动态任务卸载方法
CN113055487A (zh) * 2021-03-22 2021-06-29 重庆邮电大学 一种基于vmec服务网络选择的迁移方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN109947545A (zh) * 2019-03-11 2019-06-28 重庆邮电大学 一种基于用户移动性的任务卸载及迁移的决策方法
CN111182570A (zh) * 2020-01-08 2020-05-19 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
CN111953759A (zh) * 2020-08-04 2020-11-17 国网河南省电力公司信息通信公司 基于强化学习的协同计算任务卸载和迁移的方法及装置
CN112512065A (zh) * 2020-12-02 2021-03-16 中国刑事警察学院 支持mec的小小区网络中在移动感知下的卸载和迁移算法
CN112600921A (zh) * 2020-12-15 2021-04-02 重庆邮电大学 一种面向异构移动边缘网络的动态任务卸载方法
CN113055487A (zh) * 2021-03-22 2021-06-29 重庆邮电大学 一种基于vmec服务网络选择的迁移方法

Also Published As

Publication number Publication date
CN113660303A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN113660303B (zh) 一种端边网云协同的任务卸载方法及系统
CN109951821B (zh) 基于移动边缘计算的最小化车辆能耗任务卸载方案
CN105009475B (zh) 考虑到用户设备(ue)移动性的用于准入控制和资源可用性预测的方法和系统
CN108121512B (zh) 一种边缘计算服务缓存方法、系统、装置及可读存储介质
CN110098969B (zh) 一种面向物联网的雾计算任务卸载方法
CN110109745B (zh) 一种针对边缘计算环境的任务协同在线调度方法
CN110839184B (zh) 基于流量预测的移动前传光网络带宽调整方法及装置
Labidi et al. Joint multi-user resource scheduling and computation offloading in small cell networks
US10645646B2 (en) Communication system and a method for operating or evaluating the same using selective base station sleeping
CN106664525A (zh) 用于基于定位预测的网络调度器的系统和方法
CN107708152B (zh) 异构蜂窝网络的任务卸载方法
CN108900355A (zh) 一种星地多级边缘网络资源分配方法
CN114007225A (zh) Bwp的分配方法、装置、电子设备及计算机可读存储介质
CN112188627B (zh) 一种基于状态预测的动态资源分配策略
CN114422349B (zh) 基于云边端协同的深度学习模型训练和推理架构部署方法
US20220104127A1 (en) Method and apparatus for power management in a wireless communication system
Romanov et al. The method of redistributing traffic in mobile network
Atawia et al. Robust resource allocation for predictive video streaming under channel uncertainty
CN104956733A (zh) 无线通信网络的准入控制的方法及装置
CN113572821B (zh) 一种边缘云节点任务协同处理方法及系统
Hwang et al. Communication and computation offloading for 5G V2X: Modeling and optimization
CN110913430A (zh) 无线网络中文件的主动式协作缓存方法及缓存管理装置
CN113010317A (zh) 联合服务部署与任务卸载方法、装置、计算机设备及介质
US10827400B2 (en) Allocating radio resources in a cellular network
Zhang et al. Stochastic programming method for offloading in mobile edge computing based internet of vehicle

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