CN113747499B - 一种基于移动边缘计算的任务迁移方法 - Google Patents
一种基于移动边缘计算的任务迁移方法 Download PDFInfo
- Publication number
- CN113747499B CN113747499B CN202110941059.0A CN202110941059A CN113747499B CN 113747499 B CN113747499 B CN 113747499B CN 202110941059 A CN202110941059 A CN 202110941059A CN 113747499 B CN113747499 B CN 113747499B
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- server
- pro
- migration
- computing
- 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
Links
Classifications
-
- 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
- H04W28/0226—Traffic management, e.g. flow control or congestion control based on location or mobility
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/119—Details of migration of file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/172—Caching, prefetching or hoarding of files
-
- 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
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/20—Negotiating bandwidth
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于移动边缘计算的任务迁移方法,采用全新设计逻辑,在被固定所设各服务器分别所对应通信范围共同覆盖的组网区域中,实现移动终端所对应计算任务的迁移,其中,在预判的移动终端移动方向上寻找迁移过的目标服务器,可以最大程度减少计算任务的迁移次数、以及迁移前后的网络开销,并使用加权的收益最大化算法,可以更高效率的利用预迁移服务器集合中的目标服务器;整个设计可以更高效保证计算任务迁移的快速和稳定,减少网络延迟,提高边缘计算服务器的利用效率,从而保证服务的稳定,改善用户体验。
Description
技术领域
本发明涉及一种基于移动边缘计算的任务迁移方法,属于边缘计算技术领域。
背景技术
云计算(Cloud Computing)和雾计算(Fog Computing)已经成为一种流行的平台,用于卸载计算任务,以更好地服务于需要低延迟的应用程序。云计算通过在互联网深处提供计算机器而拥有高延迟的高处理能力;另一方面,雾计算通过提供离用户更近的计算机器(通常在城市范围内),以相对较低的延迟提供中等的处理能力。
虽然雾计算通常用于弥补云计算解决方案的高延迟,但它并非没有缺点。第一是多数发展中国家在建设可持续雾环境所需的基础设施方面落后;第二是在某些应用类别中即使是雾计算服务也不能提供足够低的延时,特别是认知辅助和增强现实应用通常需要个位数的延迟才能以实时方式交付结果。
由于上述问题,边缘计算是云计算和雾计算的有效替代方案。边缘计算(EdgeComputing)是指在靠近物或数据源\头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。
边缘计算是一种易于设置、超低延迟的雾计算和云计算的替代方案,几乎不需要维护基础设施,尽管边缘计算提供了许多优势,但因其应用场景一般相对固定所以其移动性能存在问题。
发明内容
本发明所要解决的技术问题是提供一种基于移动边缘计算的任务迁移方法,能够减少网络延迟,改善用户体验,提高边缘计算服务器的利用效率,并针对移动轨迹的预判引入迁移策略,保证容器迁移的高效率。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种基于移动边缘计算的任务迁移方法,用于在被固定所设各服务器分别所对应通信范围共同覆盖的组网区域中,实时执行如下步骤A至步骤H,实现移动终端所对应计算任务的迁移;
步骤A.确定移动终端所对应计算任务的CPU需求量ureq、内存需求量rreq、网络带宽需求量bandreq、以及所需镜像集合Ireq,同时获得移动终端对应当前时刻的位置坐标(xq,yq),并确定该位置坐标所属各通信范围分别对应的服务器,作为移动终端所对应的各个待选服务器,且构成移动终端所对应的初始待选服务器集合,然后进入步骤B;其中,xq表示移动终端对应当前时刻的横坐标,yq表示移动终端对应当前时刻的纵坐标;
步骤B.判断移动终端所对应的各个待选服务器中,是否存在满足服务器CPU可用量≤ureq、且服务器内存可用量≤rreq要求的各待选服务器,是则由移动终端所对应各个待选服务器中剔除该各待选服务器,更新移动终端所对应的各个待选服务器,然后进入步骤C;
步骤C.分别针对移动终端所对应的各个待选服务器,获得将移动终端所对应计算任务迁移至待选服务器所对应的资源收益Pro_rn(1),以及针对移动终端所对应计算任务不执行迁移所对应的资源收益Pro_rn(0),然后进入步骤D;其中,1≤n≤N,N表示移动终端所对应待选服务器的个数,Pro_rn(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的资源收益,Pro_rn(0)针对移动终端所对应计算任务不执行迁移所对应的资源收益,且Pro_r1(0)…Pro_rN(0)彼此相等;
步骤D.分别针对移动终端所对应的各个待选服务器,获得将移动终端所对应计算任务迁移至待选服务器所对应的运动收益Pro_mn(1),然后进入步骤E;其中,Pro_mn(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的运动收益;
步骤E.分别针对移动终端所对应的各个待选服务器,获得将移动终端所对应计算任务迁移至待选服务器所对应的带宽收益Pro_bandn(1),以及针对移动终端所对应计算任务不执行迁移所对应的运动收益Pro_bandn(0),然后进入步骤F;其中,Pro_bandn(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的带宽收益,Pro_bandn(0)表示针对移动终端所对应计算任务不执行迁移所对应的带宽收益,且Pro_band1(0)…Pro_bandN(0)彼此相等;
步骤F.分别针对移动终端所对应的各个待选服务器,根据待选服务器所包含镜像的集合In,结合移动终端所对应计算任务的所需镜像集合Ireq,获得移动终端所对应计算任务与该待选服务器的匹配率μn,然后进入步骤G;
步骤G.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的总收益Pron(1),以及针对移动终端所对应计算任务不执行迁移所对应的运动收益Pron(0),然后进入步骤H;其中,预设动作参数a=0表示针对移动终端所对应计算任务不执行迁移,预设动作参数a=1表示将移动终端所对应计算任务迁移至待选服务器,Pron(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的总收益,Pron(0)表示针对移动终端所对应计算任务不执行迁移所对应的总收益;
步骤H.基于Pro_r1(0)…Pro_rN(0)彼此相等、以及Pro_band1(0)…Pro_bandN(0)彼此相等,则定义Pro1(0)…ProN(0)均等于Pro(0),选择Pro1(1)…ProN(1)中的最大值Promax(1),并判断Promax(1)是否大于Pro(0),是则选择Promax(1)所对应的待选服务器作为目标服务器,并完成移动终端所对应计算任务向目标服务器的迁移;否则针对移动终端所对应计算任务不执行迁移。
作为本发明的一种优选技术方案,所述步骤C包括分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的资源收益Pro_rn(1),以及针对移动终端所对应计算任务不执行迁移所对应的资源收益Pro_rn(0),然后进入步骤D;其中,un_free表示第n个待选服务器CPU可用量,rn_free表示第n个待选服务器内存可用量。
作为本发明的一种优选技术方案,所述步骤D包括如下步骤D1至步骤D3:
步骤D1.基于假设由当前时刻经过预设t时长后、移动终端移动后位置坐标(x′q,y′q)所属各通信范围分别对应的服务器的集合等于移动终端所对应的初始待选服务器集合,分别针对移动终端所对应的各个待选服务器,根据待选服务器的位置坐标(xn,yn),按如下公式:
获得移动终端对应该待选服务器的移动速度vn,然后进入步骤D2;其中,vn表示移动终端对应第n个待选服务器的移动速度,x′q表示移动终端移动后位置的横坐标,y′q表示移动终端移动后位置的纵坐标,xn表示待选服务器的横坐标,yn表示待选服务器的纵坐标;
步骤D2.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得移动终端移出待选服务器所对应通信范围的距离distancen,然后进入步骤D3;其中,distancen表示移动终端移出第n个待选服务器所对应通信范围的距离,R表示待选服务器所对应的通信半径;
步骤D3.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的运动收益Pro_mn(1),然后进入步骤G。
作为本发明的一种优选技术方案,所述步骤D1中的预设t时长按如下操作获得:
首先根据移动终端所对应的初始待选服务器集合,确定该初始待选服务器集合中各待选服务器分别所对应通信范围的重叠区域;
接着基于组网区域中的全部服务器,进一步确定该重叠区域中、仅被该初始待选服务器集合中各待选服务器分别所对应通信范围覆盖的区域,作为目标区域;
然后获得移动终端由其对应当前时刻的位置坐标(xq,yq)距目标区域边缘的最小距离;
最后基于移动终端所对应的预设最大移动速度,获得移动终端移动该最小距离所对应的时长,即为t。
作为本发明的一种优选技术方案,所述步骤E包括分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的带宽收益Pro_bandn(1),以及针对移动终端所对应计算任务不执行迁移所对应的运动收益Pro_bandn(0),然后进入步骤F;其中,bandn表示第n个待选服务器的带宽。
作为本发明的一种优选技术方案,所述步骤F包括分别针对移动终端所对应的各个待选服务器,按如下公式:
获得移动终端所对应计算任务与该待选服务器的匹配率μn,然后进入步骤G,其中,A[·]表示个数求解函数,A[Ireq∩In]表示Ireq与In交集中镜像的个数,A[Ireq]表示Ireq中镜像的个数,δ为预设比例常数。
作为本发明的一种优选技术方案:所述δ的取值范围为0<δ<0.5。
作为本发明的一种优选技术方案:所述δ=0.1。
本发明所述一种基于移动边缘计算的任务迁移方法,采用以上技术方案与现有技术相比,具有以下技术效果:
本发明所设计一种基于移动边缘计算的任务迁移方法,采用全新设计逻辑,在被固定所设各服务器分别所对应通信范围共同覆盖的组网区域中,实现移动终端所对应计算任务的迁移,其中,在预判的移动终端移动方向上寻找迁移过的目标服务器,可以最大程度减少计算任务的迁移次数、以及迁移前后的网络开销,并使用加权的收益最大化算法,可以更高效率的利用预迁移服务器集合中的目标服务器;整个设计可以更高效保证计算任务迁移的快速和稳定,减少网络延迟,提高边缘计算服务器的利用效率,从而保证服务的稳定,改善用户体验。
附图说明
图1是本发明所设计基于移动边缘计算的任务迁移方法的流程示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种基于移动边缘计算的任务迁移方法,用于在被固定所设各服务器分别所对应通信范围共同覆盖的组网区域中,如图1所示,实时执行如下步骤A至步骤H,实现移动终端所对应计算任务的迁移。
步骤A.确定移动终端所对应计算任务的CPU需求量ureq、内存需求量rreq、网络带宽需求量bandreq、以及所需镜像集合Ireq,同时获得移动终端对应当前时刻的位置坐标(xq,yq),并确定该位置坐标所属各通信范围分别对应的服务器,作为移动终端所对应的各个待选服务器,且构成移动终端所对应的初始待选服务器集合,然后进入步骤B;其中,xq表示移动终端对应当前时刻的横坐标,yq表示移动终端对应当前时刻的纵坐标。
步骤B.判断移动终端所对应的各个待选服务器中,是否存在满足服务器CPU可用量≤ureq、且服务器内存可用量≤rreq要求的各待选服务器,是则由移动终端所对应各个待选服务器中剔除该各待选服务器,更新移动终端所对应的各个待选服务器,然后进入步骤C。
步骤C.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的资源收益Pro_rn(1),以及针对移动终端所对应计算任务不执行迁移所对应的资源收益Pro_rn(0),然后进入步骤D;其中,1≤n≤N,N表示移动终端所对应待选服务器的个数,Pro_rn(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的资源收益,Pro_rn(0)针对移动终端所对应计算任务不执行迁移所对应的资源收益,且Pro_r1(0)…Pro_rN(0)彼此相等,其中,un_free表示第n个待选服务器CPU可用量,rn_free表示第n个待选服务器内存可用量。
步骤D.分别针对移动终端所对应的各个待选服务器,获得将移动终端所对应计算任务迁移至待选服务器所对应的运动收益Pro_mn(1),然后进入步骤E;其中,Pro_mn(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的运动收益。
实际应用当中,上述步骤D具体执行如下步骤D1至步骤D3。
步骤D1.基于假设由当前时刻经过预设t时长后、移动终端移动后位置坐标(x′q,y′q)所属各通信范围分别对应的服务器的集合等于移动终端所对应的初始待选服务器集合,分别针对移动终端所对应的各个待选服务器,根据待选服务器的位置坐标(xn,yn),按如下公式:
获得移动终端对应该待选服务器的移动速度vn,然后进入步骤D2;其中,vn表示移动终端对应第n个待选服务器的移动速度,x′q表示移动终端移动后位置的横坐标,y′q表示移动终端移动后位置的纵坐标,xn表示待选服务器的横坐标,yn表示待选服务器的纵坐标。
其中,上述步骤D1中的预设t时长按如下操作获得:
首先根据移动终端所对应的初始待选服务器集合,确定该初始待选服务器集合中各待选服务器分别所对应通信范围的重叠区域;
接着基于组网区域中的全部服务器,进一步确定该重叠区域中、仅被该初始待选服务器集合中各待选服务器分别所对应通信范围覆盖的区域,作为目标区域;
然后获得移动终端由其对应当前时刻的位置坐标(xq,yq)距目标区域边缘的最小距离;
最后基于移动终端所对应的预设最大移动速度,获得移动终端移动该最小距离所对应的时长,即为t。
步骤D2.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得移动终端移出待选服务器所对应通信范围的距离distancen,然后进入步骤D3;其中,distancen表示移动终端移出第n个待选服务器所对应通信范围的距离,R表示待选服务器所对应的通信半径。
步骤D3.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的运动收益Pro_mn(1),然后进入步骤G。
步骤E.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的带宽收益Pro_bandn(1),以及针对移动终端所对应计算任务不执行迁移所对应的运动收益Pro_bandn(0),然后进入步骤F;其中,Pro_bandn(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的带宽收益,Pro_bandn(0)表示针对移动终端所对应计算任务不执行迁移所对应的带宽收益,且Pro_band1(0)…Pro_bandN(0)彼此相等,bandn表示第n个待选服务器的带宽。
步骤F.分别针对移动终端所对应的各个待选服务器,根据待选服务器所包含镜像的集合In,结合移动终端所对应计算任务的所需镜像集合Ireq,按如下公式:
获得移动终端所对应计算任务与该待选服务器的匹配率μn,然后进入步骤G,其中,A[·]表示个数求解函数,A[Ireq∩In]表示Ireq与In交集中镜像的个数,A[Ireq]表示Ireq中镜像的个数,δ为预设比例常数是,实际应用当中,δ的取值范围为0<δ<0.5,具体设计δ=0.1。
步骤G.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的总收益Pron(1),以及针对移动终端所对应计算任务不执行迁移所对应的运动收益Pron(0),然后进入步骤H;其中,预设动作参数a=0表示针对移动终端所对应计算任务不执行迁移,预设动作参数a=1表示将移动终端所对应计算任务迁移至待选服务器,Pron(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的总收益,Pron(0)表示针对移动终端所对应计算任务不执行迁移所对应的总收益。
步骤H.基于Pro_r1(0)…Pro_rN(0)彼此相等、以及Pro_band1(0)…Pro_bandN(0)彼此相等,则定义Pro1(0)…ProN(0)均等于Pro(0),选择Pro1(1)…ProN(1)中的最大值Promax(1),并判断Promax(1)是否大于Pro(0),是则选择Promax(1)所对应的待选服务器作为目标服务器,并完成移动终端所对应计算任务向目标服务器的迁移;否则针对移动终端所对应计算任务不执行迁移。
上述技术方案所设计一种基于移动边缘计算的任务迁移方法,采用全新设计逻辑,在被固定所设各服务器分别所对应通信范围共同覆盖的组网区域中,实现移动终端所对应计算任务的迁移,其中,在预判的移动终端移动方向上寻找迁移过的目标服务器,可以最大程度减少计算任务的迁移次数、以及迁移前后的网络开销,并使用加权的收益最大化算法,可以更高效率的利用预迁移服务器集合中的目标服务器;整个设计可以更高效保证计算任务迁移的快速和稳定,减少网络延迟,提高边缘计算服务器的利用效率,从而保证服务的稳定,改善用户体验。
下面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (8)
1.一种基于移动边缘计算的任务迁移方法,其特征在于:用于在被固定所设各服务器分别所对应通信范围共同覆盖的组网区域中,实时执行如下步骤A至步骤H,实现移动终端所对应计算任务的迁移;
步骤A.确定移动终端所对应计算任务的CPU需求量ureq、内存需求量rreq、网络带宽需求量bandreq、以及所需镜像集合Ireq,同时获得移动终端对应当前时刻的位置坐标(xq,yq),并确定该位置坐标所属各通信范围分别对应的服务器,作为移动终端所对应的各个待选服务器,且构成移动终端所对应的初始待选服务器集合,然后进入步骤B;其中,xq表示移动终端对应当前时刻的横坐标,yq表示移动终端对应当前时刻的纵坐标;
步骤B.判断移动终端所对应的各个待选服务器中,是否存在满足服务器CPU可用量≤ureq、且服务器内存可用量≤rreq要求的各待选服务器,是则由移动终端所对应各个待选服务器中剔除该各待选服务器,更新移动终端所对应的各个待选服务器,然后进入步骤C;
步骤C.分别针对移动终端所对应的各个待选服务器,获得将移动终端所对应计算任务迁移至待选服务器所对应的资源收益Pro_rn(1),以及针对移动终端所对应计算任务不执行迁移所对应的资源收益Pro_rn(0),然后进入步骤D;其中,1≤n≤N,N表示移动终端所对应待选服务器的个数,Pro_rn(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的资源收益,Pro_rn(0)针对移动终端所对应计算任务不执行迁移所对应的资源收益,且Pro_r1(0)…Pro_rN(0)彼此相等;
步骤D.分别针对移动终端所对应的各个待选服务器,获得将移动终端所对应计算任务迁移至待选服务器所对应的运动收益Pro_mn(1),然后进入步骤E;其中,Pro_mn(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的运动收益;
步骤E.分别针对移动终端所对应的各个待选服务器,获得将移动终端所对应计算任务迁移至待选服务器所对应的带宽收益Pro_bandn(1),以及针对移动终端所对应计算任务不执行迁移所对应的运动收益Pro_bandn(0),然后进入步骤F;其中,Pro_bandn(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的带宽收益,Pro_bandn(0)表示针对移动终端所对应计算任务不执行迁移所对应的带宽收益,且Pro_band1(0)…Pro_bandN(0)彼此相等;
步骤F.分别针对移动终端所对应的各个待选服务器,根据待选服务器所包含镜像的集合In,结合移动终端所对应计算任务的所需镜像集合Ireq,获得移动终端所对应计算任务与该待选服务器的匹配率μn,然后进入步骤G;
步骤G.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的总收益Pron(1),以及针对移动终端所对应计算任务不执行迁移所对应的运动收益Pron(0),然后进入步骤H;其中,预设动作参数a=0表示针对移动终端所对应计算任务不执行迁移,预设动作参数a=1表示将移动终端所对应计算任务迁移至待选服务器,Pron(1)表示将移动终端所对应计算任务迁移至第n个待选服务器所对应的总收益,Pron(0)表示针对移动终端所对应计算任务不执行迁移所对应的总收益;
步骤H.基于Pro_r1(0)…Pro_rN(0)彼此相等、以及Pro_band1(0)…Pro_bandN(0)彼此相等,则定义Pro1(0)…ProN(0)均等于Pro(0),选择Pro1(1)…ProN(1)中的最大值Promax(1),并判断Promax(1)是否大于Pro(0),是则选择Promax(1)所对应的待选服务器作为目标服务器,并完成移动终端所对应计算任务向目标服务器的迁移;否则针对移动终端所对应计算任务不执行迁移。
2.根据权利要求1所述一种基于移动边缘计算的任务迁移方法,其特征在于,所述步骤C包括分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的资源收益Pro_rn(1),以及针对移动终端所对应计算任务不执行迁移所对应的资源收益Pro_rn(0),然后进入步骤D;其中,un_free表示第n个待选服务器CPU可用量,rn_free表示第n个待选服务器内存可用量。
3.根据权利要求1所述一种基于移动边缘计算的任务迁移方法,其特征在于,所述步骤D包括如下步骤D1至步骤D3:
步骤D1.基于假设由当前时刻经过预设t时长后、移动终端移动后位置坐标(x′q,y′q)所属各通信范围分别对应的服务器的集合等于移动终端所对应的初始待选服务器集合,分别针对移动终端所对应的各个待选服务器,根据待选服务器的位置坐标(xn,yn),按如下公式:
获得移动终端对应该待选服务器的移动速度vn,然后进入步骤D2;其中,vn表示移动终端对应第n个待选服务器的移动速度,x′q表示移动终端移动后位置的横坐标,y′q表示移动终端移动后位置的纵坐标,xn表示待选服务器的横坐标,yn表示待选服务器的纵坐标;
步骤D2.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得移动终端移出待选服务器所对应通信范围的距离distancen,然后进入步骤D3;其中,distancen表示移动终端移出第n个待选服务器所对应通信范围的距离,R表示待选服务器所对应的通信半径;
步骤D3.分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的运动收益Pro_mn(1),然后进入步骤G。
4.根据权利要求3所述一种基于移动边缘计算的任务迁移方法,其特征在于,所述步骤D1中的预设t时长按如下操作获得:
首先根据移动终端所对应的初始待选服务器集合,确定该初始待选服务器集合中各待选服务器分别所对应通信范围的重叠区域;
接着基于组网区域中的全部服务器,进一步确定该重叠区域中、仅被该初始待选服务器集合中各待选服务器分别所对应通信范围覆盖的区域,作为目标区域;
然后获得移动终端由其对应当前时刻的位置坐标(xq,yq)距目标区域边缘的最小距离;
最后基于移动终端所对应的预设最大移动速度,获得移动终端移动该最小距离所对应的时长,即为t。
5.根据权利要求1所述一种基于移动边缘计算的任务迁移方法,其特征在于,所述步骤E包括分别针对移动终端所对应的各个待选服务器,按如下公式:
获得将移动终端所对应计算任务迁移至待选服务器所对应的带宽收益Pro_bandn(1),以及针对移动终端所对应计算任务不执行迁移所对应的运动收益Pro_bandn(0),然后进入步骤F;其中,bandn表示第n个待选服务器的带宽。
6.根据权利要求1所述一种基于移动边缘计算的任务迁移方法,其特征在于,所述步骤F包括分别针对移动终端所对应的各个待选服务器,按如下公式:
获得移动终端所对应计算任务与该待选服务器的匹配率μn,然后进入步骤G,其中,A[·]表示个数求解函数,A[Ireq∩In]表示Ireq与In交集中镜像的个数,A[Ireq]表示Ireq中镜像的个数,δ为预设比例常数。
7.根据权利要求6所述一种基于移动边缘计算的任务迁移方法,其特征在于:所述δ的取值范围为0<δ<0.5。
8.根据权利要求7所述一种基于移动边缘计算的任务迁移方法,其特征在于:所述δ=0.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110941059.0A CN113747499B (zh) | 2021-08-17 | 2021-08-17 | 一种基于移动边缘计算的任务迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110941059.0A CN113747499B (zh) | 2021-08-17 | 2021-08-17 | 一种基于移动边缘计算的任务迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113747499A CN113747499A (zh) | 2021-12-03 |
CN113747499B true CN113747499B (zh) | 2023-08-15 |
Family
ID=78731371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110941059.0A Active CN113747499B (zh) | 2021-08-17 | 2021-08-17 | 一种基于移动边缘计算的任务迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113747499B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110912999A (zh) * | 2019-11-26 | 2020-03-24 | 航天科工网络信息发展有限公司 | 一种基于马尔可夫决策的服务迁移方法以及装置 |
CN111031102A (zh) * | 2019-11-25 | 2020-04-17 | 哈尔滨工业大学 | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 |
CN112188551A (zh) * | 2020-09-29 | 2021-01-05 | 广东石油化工学院 | 一种计算迁移方法、计算终端设备及边缘服务器设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109688597B (zh) * | 2018-12-18 | 2020-09-01 | 北京邮电大学 | 一种基于人工智能的雾无线接入网络组网方法及装置 |
-
2021
- 2021-08-17 CN CN202110941059.0A patent/CN113747499B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111031102A (zh) * | 2019-11-25 | 2020-04-17 | 哈尔滨工业大学 | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 |
CN110912999A (zh) * | 2019-11-26 | 2020-03-24 | 航天科工网络信息发展有限公司 | 一种基于马尔可夫决策的服务迁移方法以及装置 |
CN112188551A (zh) * | 2020-09-29 | 2021-01-05 | 广东石油化工学院 | 一种计算迁移方法、计算终端设备及边缘服务器设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113747499A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110351754B (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
CN112488322A (zh) | 一种基于数据特征感知聚合的联邦学习模型训练方法 | |
CN107295109A (zh) | 自组织网络云计算中的任务卸载与功率分配联合决策方法 | |
CN111142883B (zh) | 基于sdn架构的车辆计算任务卸载方法 | |
CN109600849B (zh) | 一种基于移动边缘计算系统的并行资源分配方法 | |
CN114116198A (zh) | 一种移动车辆的异步联邦学习方法、系统、设备及终端 | |
WO2021088964A1 (zh) | 推理系统、推理方法、电子设备及计算机存储介质 | |
CN113758494B (zh) | 导航路径规划方法、装置、设备和存储介质 | |
CN112689303A (zh) | 一种边云协同资源联合分配方法、系统及应用 | |
CN111163143B (zh) | 一种面向移动边缘计算的低时延任务卸载方法 | |
CN113220356A (zh) | 一种移动边缘计算中的用户计算任务卸载方法 | |
CN111935677B (zh) | 车联网v2i模式任务卸载方法及系统 | |
CN110795235A (zh) | 一种移动web深度学习协作的方法及系统 | |
Qi et al. | Deep reinforcement learning based task scheduling in edge computing networks | |
CN110167059B (zh) | 一种边缘计算场景下基站业务量预测方法 | |
Gong et al. | Deep learning-based computation offloading with energy and performance optimization | |
CN111511028A (zh) | 一种多用户资源分配方法、装置、系统及存储介质 | |
CN113747499B (zh) | 一种基于移动边缘计算的任务迁移方法 | |
Liu et al. | Real-time dynamic map with crowdsourcing vehicles in edge computing | |
US20210383279A1 (en) | Intelligent recommendation method and apparatus, model training method and apparatus, electronic device, and storage medium | |
Peng et al. | Dynamic visual SLAM and MEC technologies for B5G: a comprehensive review | |
CN113778675A (zh) | 一种基于面向区块链网络的计算任务分配系统及方法 | |
CN113821317A (zh) | 一种边云协同的微服务调度方法、装置及设备 | |
CN111611069B (zh) | 多数据中心间多类型任务迁移方法 | |
CN109327494B (zh) | 一种面向多任务合作应用的服务质量自适应激励方法 |
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 |