CN113986486A - 一种边缘环境下数据缓存与任务调度的联合优化方法 - Google Patents

一种边缘环境下数据缓存与任务调度的联合优化方法 Download PDF

Info

Publication number
CN113986486A
CN113986486A CN202111202992.2A CN202111202992A CN113986486A CN 113986486 A CN113986486 A CN 113986486A CN 202111202992 A CN202111202992 A CN 202111202992A CN 113986486 A CN113986486 A CN 113986486A
Authority
CN
China
Prior art keywords
edge server
data
edge
caching
server
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
CN202111202992.2A
Other languages
English (en)
Other versions
CN113986486B (zh
Inventor
王鹏伟
章昭辉
赵亚军
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.)
Donghua University
Original Assignee
Donghua 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 Donghua University filed Critical Donghua University
Priority to CN202111202992.2A priority Critical patent/CN113986486B/zh
Publication of CN113986486A publication Critical patent/CN113986486A/zh
Application granted granted Critical
Publication of CN113986486B publication Critical patent/CN113986486B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • 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)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种边缘环境下数据缓存与任务调度的联合优化方法，在收到用户发送的当前任务请求后，包括：获取离用户当前位置最近的边缘服务器，并根据边缘服务器中缓存的数据确定当前任务请求由自身处理还是调度处理；在调度处理时，根据边缘服务器相邻的边缘服务器中缓存的数据确定当前任务请求由边缘服务器相邻的边缘服务器处理还是调度至云服务器处理；在调度完成后，利用信息熵理论计算出边缘服务器中所有数据的缓存价值，并根据边缘服务器的缓存空间对当前任务请求的所需数据进行缓存。本发明能够对用户提交的任务请求进行有效合理的调度，以提高边缘服务器的数据缓存命中率并降低完成任务请求的响应延迟和能耗。

Description

一种边缘环境下数据缓存与任务调度的联合优化方法
技术领域
本发明涉及移动边缘计算技术领域，特别是涉及一种边缘环境下数据缓存与任务调度的联合优化方法。
背景技术
随着各种终端设备的普及以及大量复杂应用的出现，移动边缘计算范式在现今人们的日常生活中扮演着越来越重要的角色。并且由于移动设备固有的特性，即体积小所导致其相关计算、存储、电池容量等资源极其有限，因此近年来许多研究人员一直致力于解决移动边缘计算环境下的相关问题，如任务卸载和调度、计算卸载、数据缓存等。现有的大部分研究工作通常都将其所解决的问题形式化的表达成具有不同感知目标的约束优化问题，如成本感知、延迟感知等，然后这些工作均通过提出具体的算法或采用改进的启发式算法对相应问题进行求解。然而，一方面目前在边缘计算环境下少有工作对数据的缓存与任务的调度进行联合考虑，大多数工作仅考虑了数据的缓存或任务的调度。另一方面，不同于云服务器，边缘服务器的存储容量是极其有限的，使得其不可能对所有数据进行缓存。
发明内容
本发明所要解决的技术问题是提供一种边缘环境下数据缓存与任务调度的联合优化方法，能够对用户提交的任务请求进行有效合理的调度，以提高边缘服务器的数据缓存命中率并降低完成任务请求的响应延迟和能耗。
本发明解决其技术问题所采用的技术方案是：提供一种边缘环境下数据缓存与任务调度的联合优化方法，在收到用户发送的当前任务请求后，包括以下步骤：
(1)获取离用户当前位置最近的边缘服务器，并根据所述边缘服务器中缓存的数据确定所述当前任务请求由自身处理还是调度处理；
(2)在调度处理时，根据所述边缘服务器相邻的边缘服务器中缓存的数据确定所述当前任务请求由所述边缘服务器相邻的边缘服务器处理还是调度至云服务器处理；
(3)在调度完成后，利用信息熵理论计算出所述边缘服务器中所有数据的缓存价值，并根据所述边缘服务器的缓存空间对所述当前任务请求的所需数据进行缓存。
所述步骤(1)中获取离用户当前位置最近的边缘服务器时，从预设的二维区域中查找距离用户当前位置最近的边缘服务器。
所述步骤(1)中根据所述边缘服务器中缓存的数据确定所述当前任务请求由自身处理还是调度处理具体为：在所述边缘服务器中搜索是否缓存有所述当前任务请求的所需数据，如果有，则由所述边缘服务器对当前任务请求进行处理，否则，所述边缘服务器将转发所述当前任务请求到所述边缘服务器相邻的边缘服务器或云服务器进行处理。
所述步骤(2)中根据所述边缘服务器相邻的边缘服务器中缓存的数据确定所述当前任务请求由所述边缘服务器相邻的边缘服务器处理还是调度至云服务器处理具体为：在所述边缘服务器相邻的边缘服务器中搜索是否缓存有所述当前任务请求的所需数据，如果有，则将所述当前任务请求调度至所述边缘服务器相邻的边缘服务器进行处理，否则将所述当前任务请求调度至所述云服务器进行处理。
所述步骤(3)中利用信息熵理论计算出所述边缘服务器中所有数据的缓存价值具体包括：
(31)确定影响所述边缘服务器数据缓存的因素，包括缓存数据的优先级、替换成本以及大小；
(32)利用信息熵理论计算所述边缘服务器数据缓存的每一个因素的信息熵值；
(33)根据所述信息熵值计算出每一个因素的权重值；
(34)根据所述权重值计算出所述缘服务器中所有数据的缓存价值。
所述步骤(32)中通过
Figure BDA0003305713910000021
计算所述边缘服务器数据缓存的每一个因素的信息熵值，其中，Eq为第q个因素的信息熵值，m为所述边缘服务器中缓存数据的数量，Ppq表示第q个因素下所述边缘服务器中所缓存的第p个数据占该因素的权重。
所述步骤(33)中通过
Figure BDA0003305713910000022
计算每一个因素的权重值，其中，Wq表示第q因素的权重值，n表示因素的个数，Eq表示第q个因素的信息熵值。
所述步骤(34)中通过
Figure BDA0003305713910000023
计算所述缘服务器中所有数据的缓存价值，其中，CVp表示第p个数据的缓存价值，
Figure BDA0003305713910000024
表示缓存数据的优先级对应的权重，
Figure BDA0003305713910000025
表示缓存数据的替换成本对应的权重，
Figure BDA0003305713910000026
表示缓存数据的大小对应的权重，ap1,ap2,ap3分别表示第p个数据的优先级、替换成本以及大小。
所述步骤(3)中根据所述边缘服务器的缓存空间对所述当前任务请求的所需数据进行缓存具体为：判断所述边缘服务器是否存在缓存空间，若存在，则将所述当前任务请求的所需数据从所述边缘服务器相邻的边缘服务器或云服务器缓存到所述边缘服务器，否则，去除掉所述边缘服务器中具有最低缓存价值的数据以腾出足够的缓存空间，并将所述当前任务请求的所需数据从所述边缘服务器相邻的边缘服务器或云服务器缓存到所述边缘服务器。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明能够使得用户提交的任务请求能被尽可能多的调度到离用户较近的边缘服务器而不是离用户较远的云服务器，因此能够有效降低完成任务请求所需的延迟和能耗，在一定程度上延长了用户设备的使用寿命并提高了用户的服务质量体验。
附图说明
图1是本发明实施方式的流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种边缘环境下数据缓存与任务调度的联合优化方法，如图1所示，在接收到当前任务请求后，包括以下步骤：A在一个特定二维区域中获取离用户当前位置最近的边缘服务器；B判断该边缘服务器是否缓存了当前任务请求所需数据；C如果该边缘服务器缓存了当前任务请求所需数据，则调度当前任务请求到该边缘服务器进行处理，否则，该边缘服务器将转发当前任务请求到与其相邻的最近边缘服务器或云服务器进行处理；D如果相邻边缘服务器缓存了当前任务请求所需数据，则将当前任务请求调度到该相邻边缘服务器进行处理，否则，将调度当前任务请求到云服务器进行处理；E对于当前任务请求被调度到相邻边缘服务器或云服务器处理的情况，在其调度完成后，本实施方式考虑了影响数据缓存的多个因素并利用信息熵理论计算出离用户当前位置最近边缘服务器中所有数据的缓存价值；F判断离用户当前位置最近的边缘服务器是否存在缓存空间，如果该边缘服务器存在缓存空间，则将当前任务请求所需数据从相邻边缘服务器或云服务器缓存到该边缘服务器，否则，则持续替换掉该边缘服务器中具有最低缓存价值的数据直到腾出足够的缓存空间以缓存当前任务请求所需数据。
其中，步骤A具体包括：在该特定二维区域中计算每一个边缘服务器与用户当前位置之间的距离，找到离用户当前位置最近的边缘服务器。
步骤B具体包括：在离用户当前位置最近的边缘服务器中搜索是否存在当前任务请求所需数据。
步骤C具体包括：
C1.根据步骤B的搜索结果，如果离用户当前位置最近的边缘服务器缓存了当前任务请求所需数据，则调度当前任务请求到该边缘服务器进行处理；
C2.根据步骤B的搜索结果，如果离用户当前位置最近的边缘服务器没有缓存当前任务请求所需数据，该边缘服务器将转发当前任务请求到与其相邻的最近边缘服务器或云服务器进行处理。
步骤D具体包括：
D1.在相邻的最近边缘服务器中搜索当前任务请求所需数据；
D2.根据子步骤D1的搜索结果，如果该相邻边缘服务器缓存了当前任务请求所需数据，则将当前任务请求调度到该相邻边缘服务器进行处理；
D3.根据子步骤D1的搜索结果，如果该相邻边缘服务器没有缓存当前任务请求所需数据，则将当前任务请求调度到云服务器进行处理。
步骤E具体包括：
E1.对于当前任务请求被调度到相邻边缘服务器或云服务器处理的情况，等待其调度完成；
E2.本实施方式考虑了影响数据缓存的多个因素：缓存数据的优先级、大小以及缓存数据的替换成本；
E3.利用信息熵理论计算子步骤E2中所考虑的每一个因素的信息熵值；
将边缘服务器k中缓存的所有数据记为如下形式：
Dk＝{apq|p∈{1,2,...,m},q∈{1,2,...,n}}
其中k∈{1,2,...,S}，m为边缘服务器k中所缓存数据的数量，n为影响数据缓存的因素的个数，即3。如a11、a12、a13分别代表边缘服务器缓存空间中第一个缓存数据的优先级、替换成本以及大小。
根据信息熵理论公式，每一个因素的信息熵值Eq计算如下：
Figure BDA0003305713910000051
其中，Ppq代表在第q个因素下，边缘服务器中所缓存的第p个数据占该因素的权重，其计算方式如下：
Figure BDA0003305713910000052
E4.根据子步骤E3中计算得到的每一个因素的信息熵值进而计算出每一个因素的权重值；其具体计算方式如下：
Figure BDA0003305713910000053
E5.根据子步骤E4中计算得到的每一个因素的权重值进而计算出离用户当前位置最近边缘服务器中所有数据的缓存价值，其具体计算方式如下：
Figure BDA0003305713910000054
Figure BDA0003305713910000055
Figure BDA0003305713910000056
其中，
Figure BDA0003305713910000057
分别代表缓存数据的优先级、替换成本以及大小三个因素所对应的权重。
步骤F具体包括：
F1.判断离用户当前位置最近的边缘服务器是否存在剩余缓存容量；
F2.根据子步骤F1的判断结果，如果该边缘服务器存在剩余缓存容量，则将当前任务请求所需数据从相邻边缘服务器或云服务器缓存到离用户当前位置最近的边缘服务器；否则，则持续替换掉该边缘服务器中具有最低缓存价值的数据直到腾出足够的缓存空间以缓存当前任务请求所需数据。
不难发现，本发明所提出的方法考虑了影响数据缓存的多个因素，即缓存数据的优先级、大小以及替换成本，并且利用信息熵理论计算出边缘服务器缓存空间中所有数据的缓存价值。当用户提交的任务请求被调度到相邻边缘服务器或云服务器时，此时则会将当前任务请求所需数据从相邻边缘服务器或云服务器缓存到离用户当前位置最近的边缘服务器，其目的在于在后续的任务调度过程中尽可能多的将用户提交的任务请求调度到离用户最近的边缘服务器而非离用户较远的云服务器，从而能够有效降低完成任务请求的响应延迟以及能耗，在一定程度上延长了用户设备的使用寿命并提高了用户的服务质量体验。本发明具有高效，贴合实际需求等优点，可以在移动边缘计算领域进行推广和应用，具有较强的社会及商业价值。

Claims (9)

1.一种边缘环境下数据缓存与任务调度的联合优化方法，其特征在于，在收到用户发送的当前任务请求后，包括以下步骤：
(1)获取离用户当前位置最近的边缘服务器，并根据所述边缘服务器中缓存的数据确定所述当前任务请求由自身处理还是调度处理；
(2)在调度处理时，根据所述边缘服务器相邻的边缘服务器中缓存的数据确定所述当前任务请求由所述边缘服务器相邻的边缘服务器处理还是调度至云服务器处理；
(3)在调度完成后，利用信息熵理论计算出所述边缘服务器中所有数据的缓存价值，并根据所述边缘服务器的缓存空间对所述当前任务请求的所需数据进行缓存。
2.根据权利要求1所述的边缘环境下数据缓存与任务调度的联合优化方法，其特征在于，所述步骤(1)中获取离用户当前位置最近的边缘服务器时，从预设的二维区域中查找距离用户当前位置最近的边缘服务器。
3.根据权利要求1所述的边缘环境下数据缓存与任务调度的联合优化方法，其特征在于，所述步骤(1)中根据所述边缘服务器中缓存的数据确定所述当前任务请求由自身处理还是调度处理具体为：在所述边缘服务器中搜索是否缓存有所述当前任务请求的所需数据，如果有，则由所述边缘服务器对当前任务请求进行处理，否则，所述边缘服务器将转发所述当前任务请求到所述边缘服务器相邻的边缘服务器或云服务器进行处理。
4.根据权利要求1所述的边缘环境下数据缓存与任务调度的联合优化方法，其特征在于，所述步骤(2)中根据所述边缘服务器相邻的边缘服务器中缓存的数据确定所述当前任务请求由所述边缘服务器相邻的边缘服务器处理还是调度至云服务器处理具体为：在所述边缘服务器相邻的边缘服务器中搜索是否缓存有所述当前任务请求的所需数据，如果有，则将所述当前任务请求调度至所述边缘服务器相邻的边缘服务器进行处理，否则将所述当前任务请求调度至所述云服务器进行处理。
5.根据权利要求1所述的边缘环境下数据缓存与任务调度的联合优化方法，其特征在于，所述步骤(3)中利用信息熵理论计算出所述边缘服务器中所有数据的缓存价值具体包括：
(31)确定影响所述边缘服务器数据缓存的因素，包括缓存数据的优先级、替换成本以及大小；
(32)利用信息熵理论计算所述边缘服务器数据缓存的每一个因素的信息熵值；
(33)根据所述信息熵值计算出每一个因素的权重值；
(34)根据所述权重值计算出所述缘服务器中所有数据的缓存价值。
6.根据权利要求5所述的边缘环境下数据缓存与任务调度的联合优化方法，其特征在于，所述步骤(32)中通过
Figure FDA0003305713900000021
计算所述边缘服务器数据缓存的每一个因素的信息熵值，其中，Eq为第q个因素的信息熵值，m为所述边缘服务器中缓存数据的数量，Ppq表示第q个因素下所述边缘服务器中所缓存的第p个数据占该因素的权重。
7.根据权利要求5所述的边缘环境下数据缓存与任务调度的联合优化方法，其特征在于，所述步骤(33)中通过
Figure FDA0003305713900000022
计算每一个因素的权重值，其中，Wq表示第q因素的权重值，n表示因素的个数，Eq表示第q个因素的信息熵值。
8.根据权利要求5所述的边缘环境下数据缓存与任务调度的联合优化方法，其特征在于，所述步骤(34)中通过
Figure FDA0003305713900000023
计算所述缘服务器中所有数据的缓存价值，其中，CVp表示第p个数据的缓存价值，
Figure FDA0003305713900000024
表示缓存数据的优先级对应的权重，
Figure FDA0003305713900000025
表示缓存数据的替换成本对应的权重，
Figure FDA0003305713900000026
表示缓存数据的大小对应的权重，ap1,ap2,ap3分别表示第p个数据的优先级、替换成本以及大小。
9.根据权利要求1所述的边缘环境下数据缓存与任务调度的联合优化方法，其特征在于，所述步骤(3)中根据所述边缘服务器的缓存空间对所述当前任务请求的所需数据进行缓存具体为：判断所述边缘服务器是否存在缓存空间，若存在，则将所述当前任务请求的所需数据从所述边缘服务器相邻的边缘服务器或云服务器缓存到所述边缘服务器，否则，去除掉所述边缘服务器中具有最低缓存价值的数据以腾出足够的缓存空间，并将所述当前任务请求的所需数据从所述边缘服务器相邻的边缘服务器或云服务器缓存到所述边缘服务器。
CN202111202992.2A 2021-10-15 2021-10-15 一种边缘环境下数据缓存与任务调度的联合优化方法 Active CN113986486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111202992.2A CN113986486B (zh) 2021-10-15 2021-10-15 一种边缘环境下数据缓存与任务调度的联合优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111202992.2A CN113986486B (zh) 2021-10-15 2021-10-15 一种边缘环境下数据缓存与任务调度的联合优化方法

Publications (2)

Publication Number Publication Date
CN113986486A true CN113986486A (zh) 2022-01-28
CN113986486B CN113986486B (zh) 2024-06-18

Family

ID=79738775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111202992.2A Active CN113986486B (zh) 2021-10-15 2021-10-15 一种边缘环境下数据缓存与任务调度的联合优化方法

Country Status (1)

Country Link
CN (1) CN113986486B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117955979A (zh) * 2024-03-27 2024-04-30 中国电子科技集团公司第五十四研究所 一种基于机动通信节点的云网融合边缘信息服务方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105978740A (zh) * 2016-07-18 2016-09-28 北京邮电大学 一种在软件定义网络中部署控制器的方法
CN110472765A (zh) * 2019-06-25 2019-11-19 浙江工业大学 一种车间布局调度的低熵协同优化方法
CN111258730A (zh) * 2020-01-13 2020-06-09 哈尔滨工程大学 一种基于竞态条件的任务调度方法
CN111580978A (zh) * 2020-05-12 2020-08-25 中国联合网络通信集团有限公司 边缘计算服务器布局方法及任务分配方法
CN111831427A (zh) * 2020-05-18 2020-10-27 南京邮电大学 一种基于移动边缘计算的分布式车辆间任务卸载方法
CN112860350A (zh) * 2021-03-15 2021-05-28 广西师范大学 一种边缘计算中基于任务缓存的计算卸载方法
CN113157448A (zh) * 2014-06-30 2021-07-23 亚马逊科技公司 用于管理特征处理的系统和方法
WO2021169659A1 (zh) * 2020-02-24 2021-09-02 中国银联股份有限公司 资源信息推送方法、装置、服务器及存储介质
CN113342504A (zh) * 2021-07-02 2021-09-03 西安邮电大学 基于缓存的智能制造边缘计算任务调度方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113157448A (zh) * 2014-06-30 2021-07-23 亚马逊科技公司 用于管理特征处理的系统和方法
CN105978740A (zh) * 2016-07-18 2016-09-28 北京邮电大学 一种在软件定义网络中部署控制器的方法
CN110472765A (zh) * 2019-06-25 2019-11-19 浙江工业大学 一种车间布局调度的低熵协同优化方法
CN111258730A (zh) * 2020-01-13 2020-06-09 哈尔滨工程大学 一种基于竞态条件的任务调度方法
WO2021169659A1 (zh) * 2020-02-24 2021-09-02 中国银联股份有限公司 资源信息推送方法、装置、服务器及存储介质
CN111580978A (zh) * 2020-05-12 2020-08-25 中国联合网络通信集团有限公司 边缘计算服务器布局方法及任务分配方法
CN111831427A (zh) * 2020-05-18 2020-10-27 南京邮电大学 一种基于移动边缘计算的分布式车辆间任务卸载方法
CN112860350A (zh) * 2021-03-15 2021-05-28 广西师范大学 一种边缘计算中基于任务缓存的计算卸载方法
CN113342504A (zh) * 2021-07-02 2021-09-03 西安邮电大学 基于缓存的智能制造边缘计算任务调度方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHONGMIN WANG: ""Caching-Based task Scheduling for edge computing in intelligent manufacturering"", 《THE JOURNAL OF SUPERCOMPUTING》, vol. 78, 16 September 2021 (2021-09-16), pages 5095 - 5117 *
蔡凌: ""基于概念漂移学习的ICN自适应缓存策略"", 《软件学报》, vol. 30, no. 12, 15 December 2019 (2019-12-15), pages 3765 - 3781 *
赵亚军: ""边缘环境下的数据缓存与任务调度研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2022, 15 December 2022 (2022-12-15), pages 137 - 149 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117955979A (zh) * 2024-03-27 2024-04-30 中国电子科技集团公司第五十四研究所 一种基于机动通信节点的云网融合边缘信息服务方法

Also Published As

Publication number Publication date
CN113986486B (zh) 2024-06-18

Similar Documents

Publication Publication Date Title
CN110213627B (zh) 一种基于多小区用户移动性的流媒体缓存分配方法
Xiao et al. Multi-objective parallel task offloading and content caching in D2D-aided MEC networks
CN109885397B (zh) 一种边缘计算环境中时延优化的负载任务迁移算法
CN108804227B (zh) 基于移动云计算的计算密集型任务卸载和最佳资源配置的方法
CN111132235B (zh) 基于改进hrrn算法和多属性决策的移动卸载迁移算法
CN110062357B (zh) 一种基于强化学习的d2d辅助设备缓存系统及缓存方法
CN110377527B (zh) 一种内存管理的方法以及相关设备
CN113347267B (zh) 一种移动边缘云计算网络中的mec服务器部署方法
CN112306696B (zh) 一种节能高效的边缘计算任务卸载方法和系统
CN114490056A (zh) 数据处理的方法、装置、设备以及存储介质
CN112231085A (zh) 一种协同环境下基于时间感知的移动终端任务迁移方法
CN111836284A (zh) 基于移动边缘计算的能耗优化计算、卸载方法和系统
CN115361710A (zh) 一种边缘缓存中的内容放置方法
CN113986486A (zh) 一种边缘环境下数据缓存与任务调度的联合优化方法
CN114327811A (zh) 一种任务调度方法、装置、设备及可读存储介质
CN117997902B (zh) 一种基于云边协同的数据分配方法及系统
CN110062356B (zh) 一种d2d网络中的缓存副本布设方法
CN107517266A (zh) 一种基于分布式缓存的即时通讯方法
CN114781717A (zh) 网点设备推荐方法、装置、设备和存储介质
CN107341193B (zh) 路网中移动对象查询方法
Li et al. Collaborative optimization of edge-cloud computation offloading in internet of vehicles
CN113342504A (zh) 基于缓存的智能制造边缘计算任务调度方法及系统
CN116483585B (zh) 一种基于边缘计算的多服务预部署方法
CN113075995A (zh) 基于混合群智能的虚拟机节能整合方法、系统和存储介质
Yu Application of mobile edge computing technology in civil aviation express marketing

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