CN113691606A - 任务卸载方法、装置、电子设备、系统和存储介质 - Google Patents

任务卸载方法、装置、电子设备、系统和存储介质 Download PDF

Info

Publication number
CN113691606A
CN113691606A CN202110953833.XA CN202110953833A CN113691606A CN 113691606 A CN113691606 A CN 113691606A CN 202110953833 A CN202110953833 A CN 202110953833A CN 113691606 A CN113691606 A CN 113691606A
Authority
CN
China
Prior art keywords
target
task
energy consumption
unloading
offloading
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
CN202110953833.XA
Other languages
English (en)
Other versions
CN113691606B (zh
Inventor
徐鑫
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.)
Jingdong Kunpeng Jiangsu Technology Co Ltd
Original Assignee
Jingdong Kunpeng Jiangsu Technology Co Ltd
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 Jingdong Kunpeng Jiangsu Technology Co Ltd filed Critical Jingdong Kunpeng Jiangsu Technology Co Ltd
Priority to CN202110953833.XA priority Critical patent/CN113691606B/zh
Publication of CN113691606A publication Critical patent/CN113691606A/zh
Application granted granted Critical
Publication of CN113691606B publication Critical patent/CN113691606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • 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
    • G06F9/54—Interprogram communication
    • G06F9/546—Message passing systems or structures, e.g. queues
    • 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
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/54—Indexing scheme relating to G06F9/54
    • G06F2209/548—Queue
    • 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
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Power Sources (AREA)

Abstract

本发明实施例公开了一种任务卸载方法、装置、电子设备、系统和存储介质，该任务卸载方法包括：确定处理多个目标任务的备选处理设备构成的设备集合；构建将多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至设备集合中的备选处理设备的能量感知队列，能量感知队列中包括按照任意一种卸载方式预卸载多个目标任务时每个目标任务的能耗偏差；基于能量感知队列建立多个目标任务的能耗偏差的动态变化关系；根据该动态变化关系从多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照目标卸载方式将多个目标任务卸载至设备集合中的备选处理设备。本发明实施例为车联网中的任务卸载提供了有效、可靠的解决方案。

Description

任务卸载方法、装置、电子设备、系统和存储介质
技术领域
本发明涉及计算机技术，尤其涉及一种任务卸载方法、装置、电子设备、系统和存储介质。
背景技术
随着自动驾驶和车联网的发展，车辆将具备强大的计算和存储能力，车辆可以通过无线网络实现互联。一些车辆在满足自身驾驶需求的同时，还能够作为边缘计算节点，为其他车辆或设备提供共享计算资源和计算服务。在移动边缘计算系统中，可以将任务卸载至边缘计算节点。
在车联网中，车辆和路侧单元(Road Side Unit，RSU)都具备计算能力，且车联网能够实现不同类型节点间的通信，使得任务卸载途径更加多样。将可以共享计算资源、提供计算服务的车辆称为服务车，将请求计算服务的车辆称为任务车，每个车辆的角色主要取决于其是否可以共享计算资源，与其自身任务需求和计算能力有关，是可以随时间改变的。根据任务的分配方式和服务节点类型，任务卸载模式可以分为以下三类：
任务车或移动终端-服务车任务卸载：任务车或移动终端可以直接将任务卸载至周围的服务车，并由服务车完成计算后，反馈结果给请求任务的任务车或移动终端，或上报结果至路侧单元。
任务车或移动终端-路侧单元任务卸载：部署了边缘云的路侧单元，可以收集并处理其覆盖范围内的移动终端或任务车的任务。
路侧单元-服务车任务卸载：路侧单元可以将其收集到的计算任务，进一步分配到其覆盖范围内的服务车处理。在此，计算任务可能来自于移动终端或任务车。
在实现本发明的过程中，发明人发现，针对车联网中的任务卸载的卸载策略研究，目前还处于起步阶段，卸载策略相对缺乏。
发明内容
本发明实施例提供一种任务卸载方法、装置、电子设备、系统和存储介质，为车联网中的任务卸载提供了有效、可靠的解决方案。
第一方面，本发明实施例提供一种任务卸载方法，包括：
确定处理多个目标任务的备选处理设备构成的设备集合；
构建将所述多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至所述设备集合中的备选处理设备的能量感知队列，所述能量感知队列中包括按照所述任意一种卸载方式预卸载所述多个目标任务时所述多个目标任务中的每个目标任务的能耗偏差，所述每个目标任务的能耗偏差包括对应目标任务的实际能耗与所述多个目标任务的平均预算能耗之间的偏差；
基于所述能量感知队列建立所述多个目标任务的能耗偏差的动态变化关系；
根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照所述目标卸载方式将所述多个目标任务卸载至所述设备集合中的备选处理设备。
第二方面，本发明实施例提供一种任务卸载装置，包括：
集合确定模块，用于确定处理多个目标任务的备选处理设备构成的设备集合；
构建模块，用于构建将所述多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至所述设备集合中的备选处理设备的能量感知队列，所述能量感知队列中包括按照所述任意一种卸载方式预卸载所述多个目标任务时所述多个目标任务中的每个目标任务的能耗偏差，所述每个目标任务的能耗偏差包括对应目标任务的实际能耗与所述多个目标任务的平均预算能耗之间的偏差；
建立模块，用于基于所述能量感知队列建立所述多个目标任务的能耗偏差的动态变化关系；
任务卸载模块，用于根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照所述目标卸载方式将所述多个目标任务卸载至所述设备集合中的备选处理设备。
第三方面，本发明实施例还提供了一种电子设备，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本发明实施例中任一所述的任务卸载方法。
第四方面，本发明实施例提供一种任务卸载系统，包括备选处理设备以及用于执行如本发明实施例任一所述的任务卸载方法的电子设备。
第五方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的任务卸载方法。
本发明实施例中，可以确定处理多个目标任务的备选处理设备构成的设备集合；构建将多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至设备集合中的备选处理设备的能量感知队列，基于能量感知队列建立多个目标任务的能耗偏差的动态变化关系；根据动态变化关系从多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照目标卸载方式将多个目标任务卸载至设备集合中的备选处理设备。即本发明实施例中，通过构建能量感知队列并基于能量感知队列建立能耗偏差的动态变化关系，以感知每种卸载方式的能耗或卸载代价，从而决策出同时满足能耗约束和延时约束的目标卸载方式，为车联网中的任务卸载提供了有效、可靠的解决方案。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明实施例提供的任务卸载方法的一个应用场景示意图。
图2是本发明实施例提供的任务卸载方法的一个流程示意图。
图3是本发明实施例提供的确定目标卸载方式的一个方法示意图。
图4是本发明实施例提供的确定目标卸载方式的另一个方法示意图。
图5是本发明实施例提供各种卸载策略的卸载延时对比示意图。
图6是本发明实施例提供各种卸载策略的总能耗对比示意图。
图7是本发明实施例提供的任务卸载装置的一个结构示意图。
图8是本发明实施例提供的电子设备的一个结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在介绍本发明实施例的任务卸载方法之前，先对本发明实施例方法的应用场景作以简单介绍，一个具体的应用场景比如图1所示，应用在车联网场景。在该场景中，将可以共享计算资源、提供计算服务的车辆称为服务车，服务车可以是无人车、自动驾驶车辆等；将请求计算服务的车辆称为任务车，服务车和任务车均可以包括多个；另外，该场景中还可以包括请求计算服务的行人终端(行人的终端)、车上终端(车上人员的终端)等，行人终端、车上终端比如可以为手机、平板电脑等终端。行人终端、车上终端以及任务车可以将任务卸载至服务车，由服务车提供计算服务。
例如，车上终端可以优先选择将任务卸载给其所在车辆，然而，其所在车辆并不一定能够满足其计算需求，在此情况下，车上终端还可以将任务卸载至附近的具有计算能力的车辆。此外，行人终端也可以向其附近的车辆卸载任务。本发明实施例即要找出满足终端能耗约束且平均卸载时延最小的任务卸载策略。
此外，在一些应用场景中，还可以包括具备计算、通信能力的RSU，RSU可以为行人终端、车上终端以及任务车提供计算服务，也可以将行人终端、车上终端以及任务车的任务转发、分配到服务车处理，此处不做具体限定。
图2是本发明实施例提供的任务卸载方法的一个流程示意图，该方法可以由本发明实施例提供的任务卸载装置来执行，该装置可采用软件和/或硬件的方式实现。在一个具体的实施例中，该装置可以集成在电子设备中，电子设备可以是车辆(任务车)、终端等。以下实施例将以该装置集成在电子设备中为例进行说明，参考图2，该方法具体可以包括如下步骤：
步骤101，确定处理多个目标任务的备选处理设备构成的设备集合。
示例地，备选处理设备可以包括具备计算、通信能力的车辆(服务车)、RSU等，本发明实施例将以备选处理设备包括服务车为例进行说明，备选处理设备可以包括预设范围内的多个服务车，每个服务车的计算能力、性能等可以不同，这些服务车构成设备集合。多个目标任务可以为电子设备上的多个目标任务，以视频流分析为例，多个目标任务可以是目标检测或目标跟踪等任务。
步骤102，构建将多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至设备集合中的备选处理设备的能量感知队列，能量感知队列中包括按照任意一种卸载方式预卸载多个目标任务时多个目标任务中的每个目标任务的能耗偏差，每个目标任务的能耗偏差包括对应目标任务的实际能耗与多个目标任务的平均预算能耗之间的偏差。
示例地，多种卸载方式可以包括将多个目标任务预卸载至设备集合中的备选处理设备的各种可能的卸载方式，每种卸载方式从设备集合中选取的备选处理设备可以不同，每个目标任务可以卸载在一个备选处理设备上，也可以拆分卸载在不同的备选处理设备上，此处不做具体限定。
具体地，平均预算能耗可以由电子设备的总预算能耗与目标任务的数量确定，比如平均预算能耗可以为总预算能耗与目标任务的数量的比值。由于电子设备的能量是有限的，目标任务的卸载需要考虑对电子设备的能量消耗情况，避免目标任务未全部卸载但电子设备已没有足够能量支撑的情况，因而本发明实施例中，通过建立能量感知队列感知每种卸载方式中每个卸载任务对应的能耗偏差。
在一个具体的实施例中，能量感知队列可以如下：
Q(T)＝{q(1),q(2)……q(t),q(t+1)……q(T)}
其中，T表示多个目标任务的数量，t表示第t个目标任务，Q(T)表示能量感知队列，q(t)表示第t个目标任务的能耗偏差，第t个目标任务的能耗偏差可以是第t个目标任务的实际能耗与平均预算能耗之间的偏差。
步骤103，基于能量感知队列建立多个目标任务的能耗偏差的动态变化关系。
具体实现中，在将电子设备上的多个目标任务卸载至设备集合中的备选处理设备时，多个目标任务之间的能量消耗存在一定的关系，本发明实施例中，可以基于能量感知队列建立多个目标任务的能耗偏差的动态变化关系，以该动态变化关系反映多个目标任务之间的能量消耗关系。
在一个具体的实施例中，可以基于能量感知队列并结合总预算能耗和每个目标任务的实际能耗建立多个目标任务的能耗偏差的动态变化关系，采用不同的卸载方式时，每个目标任务的实际能耗可能不同。示例地，所建立的多个目标任务的能耗偏差的动态变化关系可如下所示：
Figure BDA0003219613340000071
其中，E(t,st)表示第t个目标任务的实际能耗，B表示总预算能耗，q(0)＝0。
步骤104，根据该动态变化关系从多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照目标卸载方式将多个目标任务卸载至设备集合中的备选处理设备。
示例地，可以根据该动态变化关系感知每种卸载方式的能耗或卸载代价，从而决策出同时满足能耗约束和延时约束的目标卸载方式，满足能耗约束和延时约束的目标卸载方式，可以是使得多个目标任务的能耗之和不超过总预算能耗、且多个目标任务的延时的平均值最小的卸载方式。其中，能耗约束可以通过预设能耗函数实现，延时约束可以通过预设延时函数实现，下面详细介绍预设能耗函数和预设延时函数。
以将多个目标任务分布式卸载为例，假如电子设备上共有T个目标任务，第t个目标任务对应的备选处理设备集合为
Figure BDA0003219613340000081
第t个目标任务的输入数据量为xt，xt的单位可以为比特，xt∈[0，xmax]，xmax表示xt的最大可能值；第t个目标任务的计算强度为wt，wt的单位可以为中央处理器(Central Processing Unit，CPU)周期每比特，wt∈[0，wmax]，wmax表示wt的最大可能值。假设每个目标任务的计算结果的数据量很小，则结果反馈延时可忽略；比如在目标检测任务中，计算结果通常仅为几个比特。
实际应用中，如果每个目标任务的输入数据量较大，还可以进一步将每个目标任务分割为需要顺序处理的多个子任务。以视频流分析为例，目标任务可以是目标检测或目标跟踪任务，由于视频可能相对较长，则可以进一步将一个视频分割成若干视频片段，每个视频片段中包含多个视频帧。
定义Kt为第t个目标任务的子任务数，
Figure BDA0003219613340000082
为子任务数的最大值，则
Figure BDA0003219613340000083
假如每个子任务的输入数据量均相同，且定义每个子任务的输入数据量为x0，则
Figure BDA0003219613340000084
忽略任务分割可能带来的延时或能耗代价。
设备集合
Figure BDA0003219613340000085
中的任意一个备选处理设备n的计算能力定义为ψ(n)，即备选处理设备n的最大CPU频率定义为ψ(n)，单位是CPU周期每比特。定义备选处理设备n分配给电子设备上的第t个目标任务的CPU频率为
Figure BDA0003219613340000086
Figure BDA0003219613340000087
Figure BDA0003219613340000091
假设在卸载第t个目标任务时，备选处理设备n的CPU频率
Figure BDA0003219613340000092
保持不变(但分配给不同目标任务的CPU频率可能会根据备选处理设备的计算、负载情况改变)，则备选处理设备n处理第t个目标任务的一个子任务所需的延时
Figure BDA0003219613340000093
对第t个目标任务，电子设备与备选处理设备n之间的上行链路无线信道状态定义为hu(t，n)，干扰功率定义为Iu(t，n)，并假设hu(t，n)和Iu(t，n)在卸载每个目标任务期间保持不变。给定电子设备的传输功率P，上行传输信道带宽Wu以及加性高斯白噪声强度N0，则上行链路传输速率ru(t，n)可以表示如下：
Figure BDA0003219613340000094
上传第t个目标任务的一个子任务所需的上传延时du(t，n)如下：
Figure BDA0003219613340000095
上传第t个目标任务的一个子任务所需的能量e(t，n)如下：
Figure BDA0003219613340000096
对于第t个目标任务，若该目标任务的相邻子任务卸载到不同的备选处理设备，则会因为通信链路建立、计算平台初始化或迁移与之前子任务相关的结果而产生额外的通信或计算迁移代价。定义第t个目标任务每次的迁移时延为Ct，定义第t个目标任务的第k个子任务卸载至备选处理设备
Figure BDA0003219613340000097
Figure BDA0003219613340000098
则第t个目标任务的所有子任务的卸载决策向量为
Figure BDA0003219613340000101
第t个目标任务的总迁移延时dh(t，st)为：
Figure BDA0003219613340000102
其中，
Figure BDA0003219613340000103
为示性函数，当事件x为真时，
Figure BDA0003219613340000104
否则
Figure BDA0003219613340000105
第t个目标任务的总延时D(t，st)为该目标任务的各个子任务的上传延时、计算延时及迁移延时的和，即：
Figure BDA0003219613340000106
即延时约束包括任务上传延时项、任务处理延时项(计算延时)和数据迁移延时项。
传输第t个目标任务电子设备的能耗E(t，st)为：
Figure BDA0003219613340000107
D(t，st)即为预设延时函数，E(t，st)即为预设能耗函数。
满足能耗约束和延时约束的目标卸载方式，即可以是满足下面公式的卸载方式：
Figure BDA0003219613340000108
Figure BDA0003219613340000109
Figure BDA00032196133400001010
在一个具体的实施例中，还可以采集系统状态信息，并确定系统状态信息的类型，根据系统状态信息的类型和动态变化关系从多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式。系统状态信息可以包括备选处理设备的负载情况、最大CPU频率，电子设备与备选处理设备之间的上行链路无线信道状态，干扰功率，电子设备的传输功率等。具体地，可以通过中心控制设备/节点采集系统状态信息。当采集的系统状态信息包括全部预设类目的状态信息时，可以确定该系统状态信息为全局状态信息，当采集的系统状态信息包括部分预设类目的状态信息时，可以确定该系统状态信息为局部状态信息。
示例地，当采集的系统状态信息为全局状态信息时，可以按照图3所示方法确定目标卸载方式，具体可以包括如下步骤：
步骤201，根据动态变化关系计算多种卸载方式中的每种卸载方式对应的能耗偏差。
具体地，可以根据动态变化关系计算出某一种卸载模式下每个目标任务的能耗偏差，根据这种卸载模式下每个目标任务的能耗偏差确定这种卸载模式对应的能耗偏差，每个目标任务的能耗偏差包括对应目标任务的实际能耗与多个目标任务的平均预算能耗之间的偏差；比如，可以将这种卸载模式下每个目标任务的能耗偏差累积起来，从而得到这种卸载模式对应的能耗偏差；按照同样的方法，即可得到每种卸载方式对应的能耗偏差。
具体实现中，在掌握全局状态信息时，可以不拆分每个目标任务，即可以为每个目标任务选择一个备选处理设备，以避免额外的迁移代价，即每个目标任务的卸载决策向量st可以简化为标量。
步骤202，根据每种卸载方式对应的能耗偏差从所述多种卸载方式中确定出满足能耗约束的卸载方式。
示例地，比如以每个目标任务的能耗偏差为对应目标任务的实际能耗与平均预算能耗的差值为例，如果某个卸载方式对应的能耗偏差为正值，则表示该卸载方式的能耗超过总预算能耗，如果某个卸载方式对应的能耗偏差为负值，则表示该卸载方式的能耗不超过总预算能耗，则可以过滤掉对应能耗偏差为正值的卸载方式，保留对应能耗偏差为负值的卸载方式。
步骤203，从满足能耗约束的卸载方式中确定出满足延时约束的卸载方式，从而得到目标卸载方式。
具体地，可以计算剩余每种卸载方式对应的多个目标任务的平均卸载时延，选取平均卸载时延最小的卸载方式作为目标卸载方式。
示例地，当采集的系统状态信息为局部状态信息时，可以按照图4所示方法确定目标卸载方式，具体可以包括如下步骤：
步骤301，根据动态变化关系计算采用任意一种卸载方式预卸载多个目标任务时多个目标任务中的任意一个目标任务的能耗偏差。
示例地，在采集的系统状态信息为局部状态信息时，可以将每个目标任务拆分成若干子任务进行卸载，即一个目标任务可以卸载到多个备选处理设备上，任意一个目标任务的能耗偏差可以为该目标任务的所有子任务的能耗偏差的累积。
步骤302，计算采用任意一种卸载方式预卸载多个目标任务时该任意一个目标任务的任意一个子任务的卸载延时和能耗。
步骤303，根据采用任意一种卸载方式预卸载多个目标任务时该任意一个目标任务的能耗偏差、该任意一个子任务的卸载延时和能耗计算该任意一个子任务的卸载代价。
示例地，为找到最优的卸载方式，针对不同的卸载方式，在计算卸载代价时，所取的任意一个目标任务可以是同一个目标任务，所取的任意一个子任务可以是同一个子任务。
在一个具体的实施例中，该任意一个子任务的卸载代价可以如下：
z(t，n)＝V*d(t,n)+q(t)*e(t，n)
其中，z(t，n)表示将第t个目标任务的该任意一个子任务预卸载至设备集合中的第n个备选处理设备的卸载代价，V表示控制参数，d(t，n)表示将第t个目标任务的该任意一个子任务预卸载至第n个备选处理设备的延时，q(t)表示第t个目标任务的能耗偏差，e(t,n)表示将第t个目标任务的该任意一个子任务预卸载至第n个备选处理设备的能耗。
步骤304，从多种卸载方式中确定出使任意一个子任务的卸载代价最小的卸载方式，从而得到满足能耗约束和延时约束的目标卸载方式。
即从多种卸载方式中确定出使得z(t,n)具有最小值的卸载方式，实际应用中，使得z(t,n)具有最小值这一约束条件与多个目标任务的能耗之和不超过总预算能耗、且多个目标任务的延时的平均值最小等价。
下面通过仿真实验验证本发明实施例提供的任务卸载方式的效果，以备选处理设备为服务车为例，仿真实验中服务车每秒到达概率满足如下条件：若pAC＝pBD＝0.05，则pAD＝0.2，p表示概率，A、B、C、D表示地点；电子设备为车上人员的终端，其通信半径R0为200米；信道大尺度衰落建模为
Figure BDA0003219613340000131
分贝，其中，d表示终端与服务车之间的距离，d0＝10米，阴影效应服从均值为3.1分贝的正态分布。
仿真实验中，终端共有T＝400个视频分析任务，设每个子任务输入数据量为x0＝0.396兆比特，这种设置为一帧分辨率为704*576的常用视频标准化格式(CommonIntermediate Format，CIF)视频的典型数据量。每个视频分析任务为时长2到4秒的视频，每秒25帧，即Kt在集合{50，51，……100}中随机选取，从而可以得到每个视频分析任务的数据量大小为xt∈[19.8，39.6]兆比特。在终端仅有局部状态信息时，观测偏差为20％，仿真中涉及的各项参数如下表1所示：
Figure BDA0003219613340000141
表1
通过仿真实验将本发明实施例提供的任务卸载方法(即能量感知策略)与实时延时最优策略、实时能耗最优策略、离线基准策略进行对比，其中：
实时延时最优策略，是基于实时全局信息，终端忽略能耗约束，选择能够提供最低卸载延时的服务车；
实时能耗最优策略，是基于实时全局信息，终端忽略延时需求，选择需要最低卸载能耗的服务车；
离线基准策略，是用于性能分析中算法性能上界的最优基准策略，终端知道当前和未来J个计算任务卸载时的全局状态信息，注意到遍历求解该策略最优值的复杂度很高，因此在仿真中，设J＝5；
通过仿真得到的平均卸载延时对比结果可如5所示，总能耗对比结果可如图6所示。结合图5和图6可以看出，实时延时最优策略为获得最小延时性能，违背了总能耗约束；实时能耗最优策略非常保守地使用能量，但任务卸载延时非常大；借助未来全局信息，离线基准策略可以在满足能耗约束的同时，实现较低平均卸载延时。本发明实施例提出的全局状态信息已知的能量感知策略，性能非常接近离线基准策略，而仅有局部状态信息时，所提出的能量感知策略也能够有效折中延时和能耗性能，基本满足能耗预算。
本发明实施例中，可以确定处理多个目标任务的备选处理设备构成的设备集合；构建将多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至设备集合中的备选处理设备的能量感知队列，基于能量感知队列建立多个目标任务的能耗偏差的动态变化关系；根据动态变化关系从多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照目标卸载方式将多个目标任务卸载至设备集合中的备选处理设备。即本发明实施例中，通过构建能量感知队列并基于能量感知队列建立能耗偏差的动态变化关系，以感知每种卸载方式的能耗或卸载代价，从而决策出同时满足能耗约束和延时约束的目标卸载方式，为车联网中的任务卸载提供了有效、可靠的解决方案。
另外，还可以区分当前采集的系统状态信息的类型，根据类型的不同采用不同的任务卸载策略，兼顾了能耗约束和延时约束，使得任务卸载达到最优状态。
图7是本发明是实施例提供的任务卸载装置的一个结构图，该装置适用于执行本发明实施例提供的任务卸载方法。如图7所示，该装置具体可以包括：
集合确定模块401，用于确定处理多个目标任务的备选处理设备构成的设备集合；
构建模块402，用于构建将所述多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至所述设备集合中的备选处理设备的能量感知队列，所述能量感知队列中包括按照所述任意一种卸载方式预卸载所述多个目标任务时所述多个目标任务中的每个目标任务的能耗偏差，所述每个目标任务的能耗偏差包括对应目标任务的实际能耗与所述多个目标任务的平均预算能耗之间的偏差；
建立模块403，用于基于所述能量感知队列建立所述多个目标任务的能耗偏差的动态变化关系；
任务卸载模块404，用于根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照所述目标卸载方式将所述多个目标任务卸载至所述设备集合中的备选处理设备。
一实施例中，所述建立模块403具体用于：
基于所述能量感知队列并结合总预算能耗和所述每个目标任务的实际能耗建立所述多个目标任务的能耗偏差的动态变化关系。
一实施例中，所述能量感知队列如下：
Q(T)＝{q(1),q(2)……q(t),q(t+1)……q(T)}
其中，T表示所述多个目标任务的数量，t表示第t个目标任务，Q(T)表示所述能量感知队列，q(t)表示第t个目标任务的能耗偏差；
所述动态变化关系如下：
Figure BDA0003219613340000171
其中，E(t,st)表示第t个目标任务的实际能耗，B表示所述总预算能耗，q(0)＝0。
一实施例中，所述装置还包括：
类型确定模块，用于采集系统状态信息，并确定所述系统状态信息的类型；
所述任务卸载模块404根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，包括：
根据所述系统状态信息的类型和所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式。
一实施例中，所述任务卸载模块404根据所述系统状态信息的类型和所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，包括：
当所述系统状态信息的类型为全局状态信息时，根据所述动态变化关系计算所述多种卸载方式中的每种卸载方式对应的能耗偏差；
根据所述每种卸载方式对应的能耗偏差从所述多种卸载方式中确定出满足所述能耗约束的卸载方式；
从满足所述能耗约束的卸载方式中确定出满足延时约束的卸载方式，从而得到所述目标卸载方式。
一实施例中，所述任务卸载模块404根据所述系统状态信息的类型和所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，包括：
当所述系统状态信息的类型为局部状态信息时，根据所述动态变化关系计算采用所述任意一种卸载方式预卸载所述多个目标任务时所述多个目标任务中的任意一个目标任务的能耗偏差；
计算采用所述任意一种卸载方式预卸载所述多个目标任务时所述任意一个目标任务的任意一个子任务的卸载延时和能耗；
根据采用所述任意一种卸载方式预卸载所述多个目标任务时所述任意一个目标任务的能耗偏差、所述任意一个子任务的卸载延时和能耗计算所述任意一个子任务的卸载代价；
从所述多种卸载方式中确定出使所述任意一个子任务的卸载代价最小的卸载方式，从而得到满足所述能耗约束和所述延时约束的所述目标卸载方式。
一实施例中，所述任意一个子任务的卸载代价的计算方法如下：
z(t,n)＝V*d(t,n)+q(t)*e(t,n)
其中，z(t,n)表示将第t个目标任务的所述任意一个子任务预卸载至所述设备集合中的第n个备选处理设备的卸载代价，V表示控制参数，d(t,n)表示将所述第t个目标任务的所述任意一个子任务预卸载至所述第n个备选处理设备的延时，q(t)表示所述第t个目标任务的能耗偏差，e(t,n)表示将所述第t个目标任务的所述任意一个子任务预卸载至所述第n个备选处理设备的能耗。
一实施例中，所述延时约束包括任务上传延时项、任务处理延时项和数据迁移延时项。
一实施例中，所述任务卸载模块404根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，包括：
根据所述动态变化关系从所述多种卸载方式中确定出使得所述多个目标任务的能耗之和不超过总预算能耗、且所述多个目标任务的延时的平均值最小的目标卸载方式。
本领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述功能模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例的装置，可以确定处理多个目标任务的备选处理设备构成的设备集合；构建将多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至设备集合中的备选处理设备的能量感知队列，基于能量感知队列建立多个目标任务的能耗偏差的动态变化关系；根据动态变化关系从多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照目标卸载方式将多个目标任务卸载至设备集合中的备选处理设备。即本发明实施例中，通过构建能量感知队列并基于能量感知队列建立能耗偏差的动态变化关系，以感知每种卸载方式的能耗或卸载代价，从而决策出同时满足能耗约束和延时约束的目标卸载方式，为车联网中的任务卸载提供了有效、可靠的解决方案。
本发明实施例还提供了一种电子设备，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，所述处理器执行所述程序时实现上述任一实施例提供的任务卸载方法。
本发明实施例还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例提供的任务卸载方法。
本发明实施例还提供了一种任务卸载系统，包括备选处理设备以及用于执行如本发明实施例任一所述的任务卸载方法的电子设备。
下面参考图8，其示出了适于用来实现本发明实施例的电子设备的计算机系统500的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块和/或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块和/或单元也可以设置在处理器中，例如，可以描述为：一种处理器包括集合确定模块、构建模块、建立模块和任务卸载模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：确定处理多个目标任务的备选处理设备构成的设备集合；构建将所述多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至所述设备集合中的备选处理设备的能量感知队列，所述能量感知队列中包括按照所述任意一种卸载方式预卸载所述多个目标任务时所述多个目标任务中的每个目标任务的能耗偏差，所述每个目标任务的能耗偏差包括对应目标任务的实际能耗与所述多个目标任务的平均预算能耗之间的偏差；基于所述能量感知队列建立所述多个目标任务的能耗偏差的动态变化关系；根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照所述目标卸载方式将所述多个目标任务卸载至所述设备集合中的备选处理设备。
根据本发明实施例的技术方案，通过构建能量感知队列并基于能量感知队列建立能耗偏差的动态变化关系，以感知每种卸载方式的能耗或卸载代价，从而决策出同时满足能耗约束和延时约束的目标卸载方式，为车联网中的任务卸载提供了有效、可靠的解决方案。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (13)

1.一种任务卸载方法，其特征在于，包括：
确定处理多个目标任务的备选处理设备构成的设备集合；
构建将所述多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至所述设备集合中的备选处理设备的能量感知队列，所述能量感知队列中包括按照所述任意一种卸载方式预卸载所述多个目标任务时所述多个目标任务中的每个目标任务的能耗偏差，所述每个目标任务的能耗偏差包括对应目标任务的实际能耗与所述多个目标任务的平均预算能耗之间的偏差；
基于所述能量感知队列建立所述多个目标任务的能耗偏差的动态变化关系；
根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照所述目标卸载方式将所述多个目标任务卸载至所述设备集合中的备选处理设备。
2.根据权利要求1所述的任务卸载方法，其特征在于，所述基于所述能量感知队列建立所述多个目标任务的能耗偏差的动态变化关系，包括：
基于所述能量感知队列并结合总预算能耗和所述每个目标任务的实际能耗建立所述多个目标任务的能耗偏差的动态变化关系。
3.根据权利要求2所述的任务卸载方法，其特征在于，所述能量感知队列如下：
Q(T)＝{q(1),q(2)……q(t),q(t+1)……q(T)}
其中，T表示所述多个目标任务的数量，t表示第t个目标任务，Q(T)表示所述能量感知队列，q(t)表示第t个目标任务的能耗偏差；
所述动态变化关系如下：
Figure FDA0003219613330000011
其中，E(t,st)表示第t个目标任务的实际能耗，B表示所述总预算能耗，q(0)＝0。
4.根据权利要求1所述的任务卸载方法，其特征在于，在根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式之前，还包括：
采集系统状态信息，并确定所述系统状态信息的类型；
所述根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，包括：
根据所述系统状态信息的类型和所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式。
5.根据权利要求4所述的任务卸载方法，其特征在于，所述根据所述系统状态信息的类型和所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，包括：
当所述系统状态信息的类型为全局状态信息时，根据所述动态变化关系计算所述多种卸载方式中的每种卸载方式对应的能耗偏差；
根据所述每种卸载方式对应的能耗偏差从所述多种卸载方式中确定出满足所述能耗约束的卸载方式；
从满足所述能耗约束的卸载方式中确定出满足延时约束的卸载方式，从而得到所述目标卸载方式。
6.根据权利要求4所述的任务卸载方法，其特征在于，所述根据所述系统状态信息的类型和所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，包括：
当所述系统状态信息的类型为局部状态信息时，根据所述动态变化关系计算采用所述任意一种卸载方式预卸载所述多个目标任务时所述多个目标任务中的任意一个目标任务的能耗偏差；
计算采用所述任意一种卸载方式预卸载所述多个目标任务时所述任意一个目标任务的任意一个子任务的卸载延时和能耗；
根据采用所述任意一种卸载方式预卸载所述多个目标任务时所述任意一个目标任务的能耗偏差、所述任意一个子任务的卸载延时和能耗计算所述任意一个子任务的卸载代价；
从所述多种卸载方式中确定出使所述任意一个子任务的卸载代价最小的卸载方式，从而得到满足所述能耗约束和所述延时约束的所述目标卸载方式。
7.根据权利要求6所述的任务卸载方法，其特征在于，所述任意一个子任务的卸载代价的计算方法如下：
z(t，n)＝V*d(t，n)+q(t)*e(t，n)
其中，z(t，n)表示将第t个目标任务的所述任意一个子任务预卸载至所述设备集合中的第n个备选处理设备的卸载代价，V表示控制参数，d(t，n)表示将所述第t个目标任务的所述任意一个子任务预卸载至所述第n个备选处理设备的延时，q(t)表示所述第t个目标任务的能耗偏差，e(t,n)表示将所述第t个目标任务的所述任意一个子任务预卸载至所述第n个备选处理设备的能耗。
8.根据权利要求1所述的任务卸载方法，其特征在于，所述延时约束包括任务上传延时项、任务处理延时项和数据迁移延时项。
9.根据权利要求1所述的任务卸载方法，其特征在于，所述根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，包括：
根据所述动态变化关系从所述多种卸载方式中确定出使得所述多个目标任务的能耗之和不超过总预算能耗、且所述多个目标任务的延时的平均值最小的目标卸载方式。
10.一种任务卸载装置，其特征在于，包括：
集合确定模块，用于确定处理多个目标任务的备选处理设备构成的设备集合；
构建模块，用于构建将所述多个目标任务按照多种卸载方式中的任意一种卸载方式预卸载至所述设备集合中的备选处理设备的能量感知队列，所述能量感知队列中包括按照所述任意一种卸载方式预卸载所述多个目标任务时所述多个目标任务中的每个目标任务的能耗偏差，所述每个目标任务的能耗偏差包括对应目标任务的实际能耗与所述多个目标任务的平均预算能耗之间的偏差；
建立模块，用于基于所述能量感知队列建立所述多个目标任务的能耗偏差的动态变化关系；
任务卸载模块，用于根据所述动态变化关系从所述多种卸载方式中确定出满足能耗约束和延时约束的目标卸载方式，并按照所述目标卸载方式将所述多个目标任务卸载至所述设备集合中的备选处理设备。
11.一种电子设备，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9中任一所述的任务卸载方法。
12.一种任务卸载系统，其特征在于，包括备选处理设备以及用于执行如权利要求1至9中任一所述的任务卸载方法的电子设备。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至9中任一所述的任务卸载方法。
CN202110953833.XA 2021-08-19 2021-08-19 任务卸载方法、装置、电子设备、系统和存储介质 Active CN113691606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110953833.XA CN113691606B (zh) 2021-08-19 2021-08-19 任务卸载方法、装置、电子设备、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110953833.XA CN113691606B (zh) 2021-08-19 2021-08-19 任务卸载方法、装置、电子设备、系统和存储介质

Publications (2)

Publication Number Publication Date
CN113691606A true CN113691606A (zh) 2021-11-23
CN113691606B CN113691606B (zh) 2024-04-16

Family

ID=78580586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110953833.XA Active CN113691606B (zh) 2021-08-19 2021-08-19 任务卸载方法、装置、电子设备、系统和存储介质

Country Status (1)

Country Link
CN (1) CN113691606B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080065835A1 (en) * 2006-09-11 2008-03-13 Sun Microsystems, Inc. Offloading operations for maintaining data coherence across a plurality of nodes
US20170060159A1 (en) * 2015-08-26 2017-03-02 International Business Machines Corporation Energy consumption assessment
CN108566295A (zh) * 2018-03-22 2018-09-21 西安交通大学 一种基于软件定义网络的平面式控制架构的一致性构建方法
CN109413615A (zh) * 2018-09-14 2019-03-01 重庆邮电大学 车联网下基于mec的能量感知卸载的能量延迟折衷方案
KR20190114541A (ko) * 2018-03-30 2019-10-10 웹프라임(주) 애플리케이션 오프로딩 장치 및 방법
CN111953758A (zh) * 2020-08-04 2020-11-17 国网河南省电力公司信息通信公司 一种边缘网络计算卸载和任务迁移方法及装置
CN112579194A (zh) * 2020-11-27 2021-03-30 国网河南省电力公司信息通信公司 基于时延和事务吞吐量的区块链共识任务卸载方法及装置
CN112866006A (zh) * 2020-12-31 2021-05-28 杭州电子科技大学 一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080065835A1 (en) * 2006-09-11 2008-03-13 Sun Microsystems, Inc. Offloading operations for maintaining data coherence across a plurality of nodes
US20170060159A1 (en) * 2015-08-26 2017-03-02 International Business Machines Corporation Energy consumption assessment
CN108566295A (zh) * 2018-03-22 2018-09-21 西安交通大学 一种基于软件定义网络的平面式控制架构的一致性构建方法
KR20190114541A (ko) * 2018-03-30 2019-10-10 웹프라임(주) 애플리케이션 오프로딩 장치 및 방법
CN109413615A (zh) * 2018-09-14 2019-03-01 重庆邮电大学 车联网下基于mec的能量感知卸载的能量延迟折衷方案
CN111953758A (zh) * 2020-08-04 2020-11-17 国网河南省电力公司信息通信公司 一种边缘网络计算卸载和任务迁移方法及装置
CN112579194A (zh) * 2020-11-27 2021-03-30 国网河南省电力公司信息通信公司 基于时延和事务吞吐量的区块链共识任务卸载方法及装置
CN112866006A (zh) * 2020-12-31 2021-05-28 杭州电子科技大学 一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法

Also Published As

Publication number Publication date
CN113691606B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN110035410B (zh) 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法
CN112188442B (zh) 基于移动边缘计算的车联网数据驱动任务卸载系统和方法
CN110087257B (zh) 一种支持移动边缘计算的任务卸载装置及方法
CN110928691A (zh) 一种面向交通数据的端边协同计算卸载方法
Callegaro et al. Optimal computation offloading in edge-assisted UAV systems
CN110868700B (zh) 车载边缘计算环境下基于可分裂任务的协作计算卸载方法
Wang et al. Dynamic offloading scheduling scheme for MEC-enabled vehicular networks
CN112188627B (zh) 一种基于状态预测的动态资源分配策略
CN112612553B (zh) 一种基于容器技术的边缘计算任务卸载方法
CN112866006A (zh) 一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法
CN113961264A (zh) 一种面向视频监控云边协同的智能卸载算法与系统
CN113254095A (zh) 云边结合平台的任务卸载、调度与负载均衡系统、方法
CN111158893B (zh) 应用于雾计算网络的任务卸载方法、系统、设备及介质
CN113783959A (zh) 一种车联网联合优化计算任务卸载比率和资源分配方法
US20200322763A1 (en) Control device configured for and method of determining a data format
CN104822175A (zh) 一种适用于蜂窝网络的代码迁移方法及系统
CN113691606B (zh) 任务卸载方法、装置、电子设备、系统和存储介质
CN116017570A (zh) 一种基于区块链的边缘计算系统资源管理方法
CN116069498A (zh) 一种分布式算力调度方法、装置、电子设备及存储介质
Zhao et al. A research of task-offloading algorithm for distributed vehicles
CN114828047A (zh) 一种5g移动边缘计算环境中多智能体协同计算卸载方法
Pasha Opportunistic task offloading in vehicular networks
CN113900739A (zh) 一种多对多边缘计算场景下的计算卸载方法及系统
Karjee et al. Energy Profiling based Load-Balancing Approach in IoT-Edge for Split Computing
Chidume et al. Intelligent user-collaborative edge device APC-based MEC 5G IoT for computational offloading and resource allocation

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