CN113986486B - 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
CN113986486B
CN113986486B CN202111202992.2A CN202111202992A CN113986486B CN 113986486 B CN113986486 B CN 113986486B CN 202111202992 A CN202111202992 A CN 202111202992A CN 113986486 B CN113986486 B CN 113986486B
Authority
CN
China
Prior art keywords
edge server
data
caching
edge
task request
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
CN202111202992.2A
Other languages
English (en)
Other versions
CN113986486A (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

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，/>表示缓存数据的优先级对应的权重，/>表示缓存数据的替换成本对应的权重，/>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：
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：
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：
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：
其中，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 (5)

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；所述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
(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，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；
(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；其中，
所述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。
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(32)中通过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。
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(33)中通过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。
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(34)中通过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，/>表示缓存数据的优先级对应的权重，/>表示缓存数据的替换成本对应的权重，/>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。
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 CN113986486A (zh) 2022-01-28
CN113986486B true 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)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117955979B (zh) * 2024-03-27 2024-06-18 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

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6371870B2 (ja) * 2014-06-30 2018-08-08 アマゾン・テクノロジーズ・インコーポレーテッド 機械学習サービス
CN105978740B (zh) * 2016-07-18 2018-10-26 北京邮电大学 一种在软件定义网络中部署控制器的方法
CN110472765B (zh) * 2019-06-25 2021-05-11 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
CN111371853B (zh) * 2020-02-24 2022-12-20 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
CN111580978B (zh) * 2020-05-12 2023-06-30 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
CN111831427B (zh) * 2020-05-18 2022-10-14 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
CN112860350B (zh) * 2021-03-15 2022-06-03 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
CN113342504B (zh) * 2021-07-02 2023-04-21 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 (1)

* Cited by examiner, † Cited by third party
Title
"边缘环境下的数据缓存与任务调度研究";赵亚军;《中国优秀硕士学位论文全文数据库 信息科技辑》;20221215(第2022年12期);第I137-149页 *

Also Published As

Publication number Publication date
CN113986486A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
Xiao et al. Multi-objective parallel task offloading and content caching in D2D-aided MEC networks
CN110213627B (zh) 一种基于多小区用户移动性的流媒体缓存分配方法
US9026814B2 (en) Power and load management based on contextual information
CN109885397B (zh) 一种边缘计算环境中时延优化的负载任务迁移算法
CN107122249A (zh) 一种基于边缘云定价机制的任务卸载决策方法
US11372820B1 (en) Zone balancing in a multi cluster database system
CN111132235B (zh) 基于改进hrrn算法和多属性决策的移动卸载迁移算法
CN110377527B (zh) 一种内存管理的方法以及相关设备
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
CN109982104B (zh) 移动边缘计算中移动感知的视频预取与缓存替换决策方法
CN108667653B (zh) 超密集网络中基于聚类的缓存配置方法及装置
CN101551745A (zh) 大幅度提高工作流引擎性能的方法
US20130346540A1 (en) Storing and Moving Data in a Distributed Storage System
CN113986486B (zh) 一种边缘环境下数据缓存与任务调度的联合优化方法
CN114490056A (zh) 数据处理的方法、装置、设备以及存储介质
CN112163001A (zh) 高并发查询方法、智能终端及存储介质
CN113392863A (zh) 一种机器学习训练数据集的获取方法、获取装置及终端
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
Jiang et al. A reinforcement learning-based computing offloading and resource allocation scheme in F-RAN
Zhang et al. Enhanced adaptive cloudlet placement approach for mobile application on spark
CN110062356B (zh) 一种d2d网络中的缓存副本布设方法
CN114781717A (zh) 网点设备推荐方法、装置、设备和存储介质
CN112860409B (zh) 基于李雅普诺夫优化的移动云计算随机任务序列调度方法
CN107341193B (zh) 路网中移动对象查询方法

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