CN114158116A - 一种边缘计算云端服务器的功率自适应调节方法 - Google Patents
一种边缘计算云端服务器的功率自适应调节方法 Download PDFInfo
- Publication number
- CN114158116A CN114158116A CN202111431380.0A CN202111431380A CN114158116A CN 114158116 A CN114158116 A CN 114158116A CN 202111431380 A CN202111431380 A CN 202111431380A CN 114158116 A CN114158116 A CN 114158116A
- Authority
- CN
- China
- Prior art keywords
- cloud server
- power
- terminal
- low
- power mode
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 230000008054 signal transmission Effects 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
- H04W52/343—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading taking into account loading or congestion level
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Power Sources (AREA)
Abstract
本发明涉及一种边缘计算云端服务器的功率自适应调节方法,包括计算比例系数,根据比例系数计算值对云端服务器进行实时功率调整;在比例系数中定义了执行卸载任务的终端随时间变化的干扰信噪比值,根据干扰信噪比值判断云端服务器所处的运行状态。与现有技术相比,本发明基于干扰信噪比理论建立了第一状态的边界判定,以云间干扰为影响因素设定标准运行功率与调整幅度,在确保信号传输质量的前提下,有效降低边缘计算云端服务器的功率和能耗。
Description
技术领域
本发明涉及边缘计算网络领域,尤其是涉及一种边缘计算云端服务器的功率自适应调节方法。
背景技术
随着互联网和计算机技术的发展,信息和数据呈现爆炸式增长的趋势,如何有效地处理和利用海量的信息并提高服务质量,已成为亟待解决的问题。在这种背景下,集中式云计算模式已受限于云服务器和终端设备物理位置之间的距离,面临数据延迟、数据暴增、可靠高带宽和巨大能耗等问题。将云中心进行计算任务下沉,靠近用户侧进行沉浸式边缘计算云部署,有效应对大量数据带来的冲击,成为工业、商业、农业、教育、交通等各领域急迫需求。边缘云技术将大量由云端处理的业务转由边缘一侧的计算力实现,从而避免了大量数据的传输造成网络延迟,同时也降低了云端处理业务的巨大压力,使得边缘大量闲置计算力得到应用。然而,边缘云端服务器高强度的运行造成了巨大的能源消耗,根据市场研究机构DisruptiveAnalysis首席分析师Dean Bubley预测,至2023年边缘计算将产生近千兆瓦级的功率消耗,远远突破电力网络承载能力。因此,以能耗优化为目标的云端运行策略逐渐成为研究热点。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种边缘计算云端服务器的功率自适应调节方法。
本发明的目的可以通过以下技术方案来实现:
一种边缘计算云端服务器的功率自适应调节方法,包括以下步骤:
计算比例系数ψ,该比例系数ψ的计算表达式为:
当ψ<A时,开启云端服务器高功率模式;当A≤ψ≤B时,开启云端云服务器标准功率模式;当ψ>B时,开启云端云服务器低功率模式;A和B为设定的阈值;
终端是否处于第一状态的判断方式为:
定义γ(t)表示任一执行卸载任务的终端随时间变化的干扰信噪比值,其表达式为:
其中,|hii|2表示终端与云端服务器之间的信道增益,|hni|2表示终端与本云端服务器之外的其他云端服务器之间的信道增益,|hnb|2表示终端与各个信号基站之间的信道增益,Nt表示噪声,Pei,t表示云端服务器的运行功率,Pmi,t表示信号基站的运行功率;i表示云端服务器的标号,t表示时间;
判断γ(t)是否满足以下条件:
γ(t)>SINRmin+Δp,s
其中,SINRmin表示云端服务器在标准功率模式运行下的边界处的干扰信噪比值;Δp,s表示调整幅度,即云端云服务器低功率模式和云端云服务器高功率模式下运行功率值总和的一半;
若满足,则判断该终端处于第一状态。
进一步地,所述标准功率模式下,云端服务器的运行功率为标准功率值Pe.sta,i,t满足以下约束条件:
|hni|2Pe.sta,i,t-|hnb|2Pmi,t>0
其中,|hni|2表示终端与本云端服务器之外的其他云端服务器之间的信道增益,|hnb|2表示终端与各个信号基站之间的信道增益,Pmi,t表示信号基站的运行功率。
进一步地,在高功率模式下,云端服务器的运行功率值为高功率值Pe.hig,t,在低功率模式下,云端服务器的运行功率值为低功率值Pe.low,t,所述高功率值Pe.hig,t和低功率值Pe.low,t的表示式为:
Pe.hig,t=Pe.sta,i,t*(1+Δp,s)
Pe.low,t=Pe.sta,i,t*(1-Δp,s)
式中,Δp,s表示调整幅度。
进一步地,所述高功率值Pe.hig,,t满足以下约束条件:
|hni|2Pe.hig,t-|hnb|2Pmi,t>0。
进一步地,在计算比例系数ψ之前,判断云端服务器的实时任务卸载速率是否大于乘以系数的年均日卸载速率,若是,则计算比例系数ψ;若否,则开启云端云服务器低功率模式。
进一步地,所述A取值为45~55,所述B取值为75~85。
进一步地,所述年均日卸载速率的系数为0.5~0.7。
与现有技术相比,本发明具有以下有益效果:
本发明基于干扰信噪比(SINR)理论建立了第一状态的边界判定,以云间干扰为影响因素设定标准运行功率与调整幅度,在确保信号传输质量的前提下,有效降低边缘计算云端服务器的功率和能耗。
附图说明
图1为本发明的流程示意图。
图2为云端服务范围的划分示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例提供了一种边缘计算云端服务器的功率自适应调节方法,首先获取目标区域内各云端服务器的运行功率值P,云端距离d、以及(MBS)信号基站的功率值PM,以及MBS距云端距离dM,对云端服务器运行功率值进行调整,以云间干扰为依据,使各云端服务器不再以同样的功率保持运行,实现低能耗运行,如图1所示,其具体过程如下:
步骤S1、判断目标云端服务器中实时任务卸载速率是否大于乘以系数的年均日卸载速率,若是,则执行步骤S2;若否,则开启云端云服务器低功率模式。
步骤S2、计算比例系数ψ,该比例系数ψ的计算表达式为:
当ψ<A时,认定终端聚集于警戒区/扩大区,开启云端服务器高功率模式;
当A≤ψ≤B时,开启云端云服务器标准功率模式;
当ψ>B时,认定终端大量聚集于安全区内,开启云端云服务器低功率模式;A和B为设定的阈值。
上述步骤中,年均日卸载速率的系数一半为0.5~0.7,本实施例中优选采用0.6。A取值一半为45~55,B取值一半为75~85,本实施例中优选A为50,B为80。
本实施例基于干扰信噪比(SINR)理论建立了第一状态的边界判定,将云端服务范围划定为安全区、警戒区、扩大区和超出区,如图2所示。根据终端设备所处区域的不同将其划分为处于第一状态和处于第二状态。
定义γ(t)表示任一执行卸载任务的终端随时间变化的干扰信噪比值,其表达式为:
其中,|hii|2表示终端与云端服务器之间的信道增益,|hni|2表示终端与本云端服务器之外的其他云端服务器之间的信道增益,|hnb|2表示终端与各个信号基站之间的信道增益,Nt表示噪声,Pei,t表示云端服务器的运行功率,Pmi,t表示信号基站的运行功率;i表示云端服务器的标号,t表示时间。
第一状态:
满足:
γ(t)>SINRmin+Δp,s
其中,SINRmin表示云端服务器在标准功率模式运行下的边界处的干扰信噪比值;Δp,s表示调整幅度,即云端云服务器低功率模式和云端云服务器高功率模式下运行功率值总和的一半。
在此状态下,认定终端处于安全区内,不处于云端服务器的服务边界,且距离服务边界有一定距离,短期内不会发生终端离开服务区域而造成的信息丢失问题。若满足第一状态的终端数量占据主导地位时,认为终端聚集处于安全状态,云端服务器的功率自适应算法开启低功率模式。Δp,s是依据服务器功率情况自设的临界功率值,此值不宜过大,否则会造成云端数据返回功率的频繁非必要增大,造成能耗浪费,本实施例界定为15%。
第二状态:
满足:
γ(t)≤SINRmin+Δp,s
在此状态下,认定终端处于云端服务边界,终端必然处于警戒区、扩大区和超出区。由于本实施例中会采用合适的任务卸载算法,终端在先前任务卸载时必然处于安全区或警戒区,又因为终端具备弱移动或移动限制特性,因此短时间内移动至超出区发生丢包的概率极小。当满足第二状态的终端占据主导地位时,本文认定终端聚集于警戒/扩大位置,开启高功率模式。
本实施例中,标准功率模式、高功率模模式和低功率模块的设定如下:
(1)标准功率模式下,云端服务器的运行功率为标准功率值Pe.sta,i,t满足以下约束条件,保证云端间干扰始终大于信号基站产生的杂干扰:
|hni|2Pe.sta,i,t-|hnb|2Pmi,t>0
其中,|hni|2表示终端与目标云端服务器之外的其他云端服务器之间的信道增益,|hnb|2表示终端与各个信号基站之间的信道增益,Pmi,t表示信号基站的运行功率。
(2)在高功率模式下,云端服务器的运行功率值为高功率值Pe.hig:
Pe.hig,t=Pe.sta,i,t*(1+Δp,s)
(3)在低功率模式下,云端服务器的运行功率值为低功率值Pe.low:
Pe.low,t=Pe.sta,i,t*(1-Δp,s)
上述表达式中,Δp,s表示调整幅度。
为了确保高功率模式下,目标云端服务器不会对其他云端服务器产生额外的负面影响,高功率值Pe.hig,t需要满足以下约束条件:
|hni|2Pe.hig,t-|hnb|2Pmi,t>0。
本实施例中,云端服务器中执行的任务卸载算法采用优化Lyapunov贪婪算法,对缓慢移动或移动受限状态下的用户计算任务进行卸载决策和资源分配。具体为:本实施例中设置了四台台云端服务器,令表示队列状态,任务数据分组大小为定义二次Lyapunov函数为:
其中,ωj表示权重集合,本实施例假设所有任务权重集合均为1,即在卸载策略中处于相等地位。设初始卸载决策St=0,St∈{0,1},其中0表示本地执行,1表示卸载执行。任务mi卸载至云端服务器j处执行总时延系数为:
对此函数进行一阶和二阶求导,可得:
优化问题的拉格朗日函数为:
即最优传输速率:
据此可获得最优调度策略:
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (7)
1.一种边缘计算云端服务器的功率自适应调节方法,其特征在于,包括以下步骤:
计算比例系数ψ,该比例系数ψ的计算表达式为:
当ψ<A时,开启云端服务器高功率模式;当A≤ψ≤B时,开启云端云服务器标准功率模式;当ψ>B时,开启云端云服务器低功率模式;A和B为设定的阈值;
终端是否处于第一状态的判断方式为:
定义γ(t)表示任一执行卸载任务的终端随时间变化的干扰信噪比值,其表达式为:
其中,|hii|2表示终端与云端服务器之间的信道增益,|hni|2表示终端与本云端服务器之外的其他云端服务器之间的信道增益,|hnb|2表示终端与各个信号基站之间的信道增益,Nt表示噪声,Pei,t表示云端服务器的运行功率,Pmi,t表示信号基站的运行功率;i表示云端服务器的标号,t表示时间;
判断γ(t)是否满足以下条件:
γ(t)>SINRmin+Δp,s
其中,SINRmin表示云端服务器在标准功率模式运行下的边界处的干扰信噪比值;Δp,s表示调整幅度,即云端云服务器低功率模式和云端云服务器高功率模式下运行功率值总和的一半;
若满足,则判断该终端处于第一状态。
2.根据权利要求1所述的一种边缘计算云端服务器的功率自适应调节方法,其特征在于,所述标准功率模式下,云端服务器的运行功率为标准功率值Pe.sta,i,t满足以下约束条件:
|hni|2Pe.sta,i,t-|hnb|2Pmi,t>0
其中,|hni|2表示终端与本云端服务器之外的其他云端服务器之间的信道增益,|hnb|2表示终端与各个信号基站之间的信道增益,Pmi,t表示信号基站的运行功率。
3.根据权利要求2所述的一种边缘计算云端服务器的功率自适应调节方法,其特征在于,在高功率模式下,云端服务器的运行功率值为高功率值Pe.hig,t,在低功率模式下,云端服务器的运行功率值为低功率值Pe.low,t,所述高功率值Pe.hig,t和低功率值Pe.low,t的表示式为:
Pe.hig,t=Pe.sta,i,t*(1+Δp,s)
Pe.low,t=Pe.sta,i,t*(1-Δp,s)
式中,Δp,s表示调整幅度。
4.根据权利要求3所述的一种边缘计算云端服务器的功率自适应调节方法,其特征在于,所述高功率值Pe.hig,,t满足以下约束条件:
|hni|2Pe.hig,t-|hnb|2Pmi,t>0。
5.根据权利要求1所述的一种边缘计算云端服务器的功率自适应调节方法,其特征在于,在计算比例系数ψ之前,判断云端服务器的实时任务卸载速率是否大于乘以系数的年均日卸载速率,若是,则计算比例系数ψ;若否,则开启云端云服务器低功率模式。
6.根据权利要求1所述的一种边缘计算云端服务器的功率自适应调节方法,其特征在于,所述A取值为45~55,所述B取值为75~85。
7.根据权利要求1所述的一种边缘计算云端服务器的功率自适应调节方法,其特征在于,所述年均日卸载速率的系数为0.5~0.7。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111431380.0A CN114158116A (zh) | 2021-11-29 | 2021-11-29 | 一种边缘计算云端服务器的功率自适应调节方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111431380.0A CN114158116A (zh) | 2021-11-29 | 2021-11-29 | 一种边缘计算云端服务器的功率自适应调节方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114158116A true CN114158116A (zh) | 2022-03-08 |
Family
ID=80784156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111431380.0A Pending CN114158116A (zh) | 2021-11-29 | 2021-11-29 | 一种边缘计算云端服务器的功率自适应调节方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114158116A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131967A (zh) * | 2016-06-30 | 2016-11-16 | 南京理工大学 | 基于云无线接入网络下行链路的安全协调调度方法 |
CN109788069A (zh) * | 2019-02-27 | 2019-05-21 | 电子科技大学 | 物联网中基于移动边缘计算的计算卸载方法 |
CN111132298A (zh) * | 2018-10-30 | 2020-05-08 | 大唐移动通信设备有限公司 | 一种功率分配方法和装置 |
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 |
-
2021
- 2021-11-29 CN CN202111431380.0A patent/CN114158116A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131967A (zh) * | 2016-06-30 | 2016-11-16 | 南京理工大学 | 基于云无线接入网络下行链路的安全协调调度方法 |
CN111132298A (zh) * | 2018-10-30 | 2020-05-08 | 大唐移动通信设备有限公司 | 一种功率分配方法和装置 |
CN109788069A (zh) * | 2019-02-27 | 2019-05-21 | 电子科技大学 | 物联网中基于移动边缘计算的计算卸载方法 |
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 |
Non-Patent Citations (3)
Title |
---|
凌雪延,王鸿,宋荣方: "《多核服务器边缘计算系统中任务卸载调度和功率分配的研究》", 《南京邮电大学学报》, vol. 40, no. 2, 11 June 2020 (2020-06-11) * |
刘兆璘: "《基于用户移动性的边缘计算任务卸载与迁移研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 16 March 2021 (2021-03-16) * |
齐平;王福成;徐佳;李学俊;: "移动边缘计算环境下基于信任模型的可靠多重计算卸载策略", 计算机集成制造系统, no. 06, 15 June 2020 (2020-06-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108934002B (zh) | 一种基于d2d通信协作的任务卸载方法 | |
CN112600921B (zh) | 一种面向异构移动边缘网络的动态任务卸载方法 | |
CN111132235B (zh) | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 | |
US20230199061A1 (en) | Distributed computation offloading method based on computation-network collaboration in stochastic network | |
CN110149401B (zh) | 一种用于优化边缘计算任务的方法和系统 | |
CN110233755B (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN113727371B (zh) | 一种irs辅助的mec网络无线与计算资源分配方法及装置 | |
CN113904947A (zh) | 车路协同分布式边缘计算任务卸载与资源分配方法和系统 | |
CN112416603B (zh) | 一种基于雾计算的联合优化系统和方法 | |
CN112887905B (zh) | 一种车联网中基于周期性资源调度的任务卸载方法 | |
CN112612553B (zh) | 一种基于容器技术的边缘计算任务卸载方法 | |
CN110489233A (zh) | 基于移动边缘计算的设备任务卸载及cpu调频方法及系统 | |
CN114285855B (zh) | 一种基于智能边缘物联的云边协同方法 | |
CN112702714A (zh) | 一种无人机协作式的车联网运算任务卸载方法 | |
CN110780986B (zh) | 一种基于移动边缘计算的物联网任务调度方法及系统 | |
CN114158116A (zh) | 一种边缘计算云端服务器的功率自适应调节方法 | |
CN113507712A (zh) | 一种基于交替方向乘子的资源分配与计算任务卸载方法 | |
Chen et al. | Dynamic task offloading and resource allocation for noma-aided mobile edge computing: An energy efficient design | |
CN112769910A (zh) | 基于动态电压调节技术的雾计算任务卸载方法 | |
CN116820603A (zh) | 一种基于深度强化学习的智慧工厂冗余卸载方法 | |
Xu et al. | Energy optimization in multi-UAV-assisted edge data collection system | |
CN111988805B (zh) | 一种面向可靠时延保障的端边协同方法 | |
CN115002799A (zh) | 一种面向工业混合网络的任务卸载与资源分配方法 | |
CN112969157A (zh) | 一种无人机网络负载均衡方法 | |
CN113905415B (zh) | 一种蜂窝网络中移动终端的动态计算任务卸载方法 |
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 |