CN114637608B - 一种计算任务分配和更新方法、终端及网络设备 - Google Patents
一种计算任务分配和更新方法、终端及网络设备 Download PDFInfo
- Publication number
- CN114637608B CN114637608B CN202210531725.8A CN202210531725A CN114637608B CN 114637608 B CN114637608 B CN 114637608B CN 202210531725 A CN202210531725 A CN 202210531725A CN 114637608 B CN114637608 B CN 114637608B
- Authority
- CN
- China
- Prior art keywords
- task
- computing
- terminal
- allocation
- calculation
- 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
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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
-
- 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
Abstract
本发明公开了一种计算任务分配和更新方法、终端及网络设备;当终端的计算任务产生后,采用集中式、分布式或混合式中的至少一种进行计算任务分配;所述计算任务分配包括通信资源分配、计算资源分配和任务卸载决策;根据终端的状态、网络状态或任务状态,动态更新上述的计算任务分配方法;以解决在云边端协同IoT系统中整体系统性能优化和设备公平性之间的折中问题。
Description
技术领域
本发明涉及云边端协同物联网系统技术领域,特别涉及一种计算任务分配和更新方法、终端及网络设备。
背景技术
随着技术的快速发展,物联网(Internet of Things,IoT)设备的数量急剧增加。由于IoT设备的计算能力有限,在处理计算密集型和时间敏感型的应用时,可能会面临计算能力不足的问题。为解决该问题,可以把IoT设备产生的计算任务卸载到云或者网络边缘节点,利用云服务器或者边缘服务器对数据进行处理和分析。把大量IoT设备产生的计算任务卸载到云或者边缘节点时,可能会导致网络拥塞,增加任务的时延,难以满足时间敏感型任务的服务质量(Quality of Service,QoS)要求。
现有技术中的集中式计算任务卸载决策,由云或边缘服务器进行任务分配和资源调度,通常只专注于提高整个系统的性能,而忽略了IoT设备的公平性问题。
本发明的研究人员分析发现,大量IoT设备所产生的任务类型多种多样,特征各不相同,且不同IoT设备所能够承担的计算资源成本也不尽相同。
发明内容
本发明的目的在于提供一种计算任务分配和更新方法、终端及网络设备,以解决在云边端协同IoT系统中整体系统性能优化和设备公平性之间的折中问题。
为实现上述目的,本发明提供如下技术方案:
本发明公开了一种计算任务分配方法,具体包括如下操作:采用集中式、分布式或混合式中的至少一种进行计算任务分配;所述计算任务分配包括通信资源分配、计算资源分配和任务卸载决策;
采用集中式进行计算任务分配时,由网络设备进行计算任务分配,并将分配结果全部或部分下发给终端;
采用分布式进行计算任务分配时,由终端在本地进行计算任务分配,并将分配结果全部或部分上传给网络设备;
采用混合式进行计算任务分配时,由终端根据网络设备的指示在本地进行计算任务分配,并将终端专有的分配结果全部或部分上传给网络设备。
作为优选,网络设备进行计算任务分配具体包括如下操作:网络设备根据各个终端上报的计算任务的特征、终端能耗、终端的计算能力,以及网络设备的计算能力、网络拓扑,进行通信资源分配、计算资源分配,并制定任务卸载决策。
作为优选,终端在本地进行计算任务分配具体包括如下操作:终端根据计算任务的特征、计算资源的单价、终端能耗、终端存储能力和预计传输时延,进行通信资源分配,并制定任务卸载决策。
作为优选,所述任务卸载决策的方案包括以下两种方案中的一种:
A、计算任务是否卸载;若卸载,获取目标计算服务器的标识;
B、确定最多可卸载的任务数量或确定可卸载的任务的最大计算量。
作为优选,方案A中若卸载,还包括获取卸载路径。
作为优选,所述任务卸载决策的制定考虑因素包括以下一种或多种:
a、计算任务的特征,包括任务量、任务所需的计算量、任务类型、任务的最大容忍时延、任务的优先级;
b、计算能力,包括网络中所有具备计算能力的设备;
c、计算资源的单价;
d、终端存储能力;
e、终端能耗;
f、预计传输时延,包括任务上传到目标计算服务器的传输时延、计算结果返回到IoT设备的传输时延、以及中继时延;
g、网络拓扑;
作为优选,所述通信资源分配包括把计算任务传输到目标计算服务器上所需的通信资源。
作为优选,所述通信资源分配还包括接收计算结果所需的通信资源。
本发明还公开一种计算任务分配的更新方法,根据终端状态、网络状态或任务状态,动态更新上述的计算任务分配方法。
作为优选,所述终端状态包括移动性、位置和能耗状态;所述网络状态包括网络拓扑的变化、网络拥塞情况、网络中计算资源的释放和占用情况;所述任务状态包括任务队列的状态、任务类型的变化趋势。
作为优选,所述动态更新为周期性更新或非周期性更新,所述非周期性更新包括基于事件的更新或基于触发的更新。
本发明还公开一种终端,所述终端用于实现如下操作:
当采用集中式进行计算任务分配时,向网络设备上报计算任务的特征、终端能耗、终端的计算能力,接收网络设备下发的分配结果;
当采用分布式进行计算任务分配时,根据计算任务的特征、计算资源的单价、终端能耗、预计传输时延在本地进行计算任务分配;并将分配结果全部或部分上传给网络设备;
当采用混合式进行计算任务分配时,根据网络设备的指示在本地进行计算任务分配,并将终端专有的分配结果全部或部分上传给网络设备;
根据任务卸载决策,对所产生的每个计算任务或子任务,确定在本地计算还是进行任务卸载;若进行任务卸载,确定任务的传输路径,并且在所分配的通信资源上,把任务传输到目标计算服务器上;
接收任务或子任务的计算结果。
本发明还公开一种网络设备,所述网络设备用于实现如下操作:
当采用集中式进行计算任务分配时,根据终端上报的计算任务的特征、终端能耗、终端的计算能力,以及网络设备的计算能力、网络拓扑,进行计算任务分配,并将分配结果全部或部分下发给终端;
当采用分布式进行计算任务分配时,接收终端上传的分配结果;
当采用混合式进行计算任务分配时,向终端发送计算任务分配的指示,接收终端上传的终端专有的分配结果。
本发明的有益效果:
1、降低任务的时延,以及任务卸载的能耗;
2、降低网络传输的数据量,降低网络拥塞;
3、提高终端设备的公平性;
本发明的特征及优点将通过实施例和附图进行详细说明。
附图说明
附图1是云边端协同物联网系统的架构示意图;
附图2是一种实现计算任务分配方法的流程图;
附图3是一种集中式计算任务分配方法的流程图;
附图4是一种终端的功能图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面通过实施例和附图,对本发明进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
实施例:
参阅图1,图1是云边端协同物联网系统的架构示意图。为了提高计算效率,IoT终端产生的计算任务可以卸载到边缘计算服务器上,或者进一步地卸载到云计算服务器上,实现云-边-端协同的智能计算。图1中,终端可以通过接入点(例如蜂窝无线基站)把计算任务传输到和接入点相连的计算服务器上,其中,终端1产生的计算任务1卸载到了边缘计算服务器1上,终端2产生的计算任务2卸载到了边缘计算服务器2上,并进一步卸载到了云计算服务器上,终端3产生的计算任务3、终端4产生的计算任务4卸载到了边缘计算服务器2上,终端5产生的计算任务5卸载到了云计算服务器上。
参阅图2,图2是一种实现计算任务分配方法的流程图。当IoT终端的计算任务产生后,可以采用集中式、分布式或混合式中的至少一种进行计算任务分配。在集中式计算任务分配中,由网络设备(例如云服务器或边缘服务器,edge/cloud server)进行计算任务分配,并将分配结果全部或部分下发给IoT终端。在分布式计算任务分配中,由终端在本地进行计算任务分配,并可选地将分配结果全部或部分发送给网络设备。在混合式计算任务分配中,由终端根据网络设备的指示在本地进行计算任务分配,并将终端专有的(terminal-specific)分配结果全部或部分上传给网络设备。
计算任务分配包括通信资源分配、计算资源分配、任务卸载决策(taskoffloading decision)。
通信资源分配包括码域资源分配,例如预编码码本、稀疏码分多址接入(SparseCode Multiple Access,SCMA)码本;时域资源分配,例如时隙(slot)或时隙内的一组符号(symbols);频域资源分配,例如资源池(Resource Pool)、资源块(Resource Block,RB)、或子载波;功率域资源分配。
通信资源分配包括把计算任务传输到目标计算服务器上所需的通信资源,还可以包括IoT终端接收计算结果所需的通信资源。
任务卸载决策包括以下任意一种:
A、计算任务(或子任务)是否卸载(必选);如果卸载,目标计算服务器的标识(即卸载到哪个边缘服务器或云服务器。必选);卸载路径(即从终端到目标计算服务器的路径,可选)。
B、最多可以卸载几个任务(或子任务),或者最多可以卸载多大计算量的任务。
制定任务卸载决策的考虑因素包括以下一种或多种:
a、计算任务/子任务的特征,包括
任务量(单位为比特);
任务所需的计算量(最大CPU运算次数);
任务类型,包括传输资源密集型、计算资源密集型、性能敏感型、时延敏感型等;
任务的最大容忍时延;
任务的优先级,包括传输优先级和计算优先级;
b、计算能力(每秒钟的CPU运算次数),包括云边协同物联网系统中所有具备计算能力的设备,例如IoT设备的计算能力、 云服务器或边缘服务器(edge/cloud server)的计算能力等;
c、计算资源的单价,价格单位可以是数据大小/长度(例如每兆比特Mbits、每兆字节MBytes),或单位时间(例如每秒、每分钟);定价方案可以是统一定价,或差别定价;统一定价是所有IoT设备(或者称作用户)采用相同的单价,差别定价是每个用户采用不同的单价;
d、终端存储能力;
e、终端能耗;
f、预计传输时延,包括任务(或子任务)上传到计算服务器的传输时延、计算结果返回到IoT设备的传输时延、以及中继时延;若传输路径涉及多个节点的中继传输还需考虑传输路径中各节点的中继时延,例如若中继节点采用解码转发的方式,则中继时延包括解码时延和转发时延;传输时延和数据大小/长度、传输路径长短、无线信道状态、无线信号的编解码方式等有关;
g、网络拓扑,即各个节点之间的距离和连接关系。
在集中式计算任务分配中,网络设备根据各个IoT终端上报的计算任务(或子任务)的特征、终端能耗、终端的计算能力,以及网络设备的计算能力、网络拓扑等因素,进行计算任务分配,包括通信资源分配、计算资源分配,并制定任务卸载决策。见图3。
对于集中式计算任务分配,网络设备下发给终端的计算任务分配结果的消息可以是公共(common)的,通过基站广播消息发送;也可以是终端专有的(terminal-specific)的,通过基站单播消息发送。任务卸载决策采用第一种(A、计算任务是否卸载;若卸载,目标计算服务器的标识),例如,指示IoT设备的计算任务是否可以卸载,用0表示可以,用1表示不可以卸载,如果可以卸载,允许卸载到标识为‘000xFF’的云服务器上,还可以指示卸载路径为 ,表示IoT设备通过中继节点把计算任务上传到服务器。
在分布式计算任务分配中,终端根据计算任务(或子任务)的特征、计算资源的单价、终端能耗、终端存储能力、预计传输时延等因素,进行通信资源分配,并制定任务卸载决策。可选地,终端将分配结果全部或部分发送给网络设备,以辅助网络设备进行任务决策。例如,终端在本地制定了通信资源分配和任务卸载决策,仅把任务卸载决策发送给网络设备。
在混合式计算任务分配中,终端根据网络设备的指示在本地进行计算任务分配,例如,各个IoT终端根据云计算服务器下发的任务卸载决策制定各自的任务卸载决策。可选地,终端将终端专有的分配结果全部或部分发送给网络设备,以辅助网络设备进行指示。
对于分布式和混合式计算任务分配,可选地,终端把本地的任务分配结果(例如通信资源分配、任务卸载决策)全部或部分发送给网络设备(例如无线接入网节点、边缘计算服务器),有助于网络设备掌握整个系统的计算资源分布状态。
对于混合式计算任务分配,网络设备发送给终端的计算任务分配的指示消息是公共(common)的,通过基站广播消息发送,是多个终端通用的。任务卸载决策采用第二种(B、确定最多可卸载的任务数量或确定可卸载的任务的最大计算量),即不指定某个计算任务是否可以卸载,而是指定最多可以卸载几个任务(或子任务),或者最多可以卸载多大计算量的任务,具体卸载哪个或哪些任务,由IoT设备决定。
大量IoT设备所产生的任务类型多种多样,例如,可以分为传输密集型任务、计算密集型任务、性能敏感型任务、时间敏感型任务等。传输密集型任务需要大量数据参与计算,但对计算资源的消耗不大,主要是数据传输的通信资源消耗和能耗,这类任务适合在本地计算或者就近卸载,以节省远距离传输的通信资源消耗和能耗,提高用户体验。计算密集型任务需要的数据量并不大,但需要大量的计算资源,这类任务适合卸载到计算能力较强的云服务器上,比如人脸识别。性能敏感型任务对性能指标要求较高,但对时延要求不高,适合卸载到计算能力较强的云服务器上,比如产品缺陷检测。时间敏感型任务对时延要求较高,适合本地计算或者就近卸载,比如多人实时在线游戏。需要注意的是,同一个计算任务可能同时属于多种类型,比如既需要大量通信资源以获得低时延、高可靠的传输性能,又需要大量计算资源以完成高质量的计算任务。对于多类型的计算任务,可以设置多个不同维度的优先级,比如计算优先级和通信优先级,从而在整体系统性能和IoT设备的公平性之间取得较好的折中。
本发明实施例一种计算任务分配更新方法,根据终端状态、网络状态或任务状态,动态更新计算任务分配方法。
终端状态包括移动性、位置、能耗状况。
例如,终端移动到新的小区。假设每个基站有各自的边缘计算服务器,终端(或者称为IoT设备,或者称为用户)移动到新的小区后,处于新小区的覆盖范围内,并和新的小区基站建立了连接,则需要把这个IoT设备的计算任务迁移到新的目标计算服务器上)。
例如,终端位置发生较大变化,则可能由于用户距离计算服务器较远,会导致传输时延较大,因此不适用于资源密集型的任务卸载。
例如,终端更换了电池。IoT设备本地计算的能耗占用过多(例如超过预设阈值),且电量不足,则选择计算任务卸载;更换电池后提高了本地计算能力,则选择本地计算。
网络状态包括网络拓扑的变化、网络拥塞情况、网路中计算资源的释放和占用情况。
任务状态包括任务队列(task queue, or workflow)的状态、任务类型的变化趋势。
任务队列状态。例如任务的处理速度、任务到达率
任务类型的变化趋势。例如,如果预测任务类型从传输资源密集型变化到计算资源密集型,则有更多的任务需要卸载到计算服务器上。
计算任务分配可以周期性更新,也可以是非周期性更新。
周期性更新:例如,预设周期,集中式1分钟更新一次,分布式30分钟更新一次。
非周期性更新:基于事件的(event-based)更新,例如当终端移动到新的小区时;基于触发(triggering-based)更新,例如当计算资源单价超过预设阈值时,或终端电量低于预设百分比时。
计算任务分配的更新,可以在给定的计算任务分配方式(即集中式、分布式或混合式)下,也可以在不同的计算任务分配方式之间。比如集中式,变为分布式,分布式变为混合式。
在一种具体的实施方式中,系统中不同的终端采用不同的计算任务分配方式,比如有的终端采用集中式,有的终端采用混合式,有的终端采用分布式。
在一种具体的实施方式中,还可以把一个任务拆分为多个子任务进行任务的卸载或分发,不同的子任务可以在不同的计算位置进行计算,通过本地计算,或云边端计算协同进行卸载任务的并行执行,提高计算任务的灵活性。
任务或子任务可以设置优先级,包括传输的优先级(Pri_t),和/或计算的优先级(Pri_c)。如果IoT设备有多个计算任务需要卸载到计算服务器上,优先传输Pri_t高的任务;如果计算服务器接收到多个计算任务,优先计算Pri_c高的任务,相同计算优先级的任务根据到达时间顺序执行计算任务。
本发明实施例一种终端,当采用集中式的计算任务分配方法时,向网络设备上报计算任务(或子任务)的特征、终端能耗、终端的计算能力,接收网络设备下发的分配结果;
当采用分布式的计算任务分配方法时,根据计算任务(或子任务)的特征、计算资源的单价、终端能耗、预计传输时延等因素在本地进行计算任务分配,并将分配结果全部或部分上传给网络设备;
当采用混合式的计算任务分配方法时,根据网络设备的指示在本地进行计算任务分配,并将终端专有的分配结果全部或部分上传给网络设备;可选地,向网络设备上报计算任务(或子任务)的特征、终端能耗。
根据任务卸载决策,对所产生的每个计算任务或子任务,确定在本地计算还是进行任务卸载。见图4步骤S1。
若进行任务卸载,根据通信资源分配和任务卸载决策,确定任务的传输路径,见图4步骤S2;在所分配的通信资源上,把任务传输到目标计算服务器上,见图4步骤S3。
接收任务的计算结果,见图4步骤S4。
本发明实施例一种网络设备,当采用集中式的计算任务分配方法时,根据终端(即各个IoT设备)上报的计算任务(或子任务)的特征、终端能耗、终端的计算能力,以及网络设备的计算能力、网络拓扑,进行计算任务分配,并将分配结果全部或部分下发给终端;
当采用分布式进行计算任务分配时,接收终端上传的分配结果;
当采用混合式进行计算任务分配时,向终端发送计算任务分配的指示,接收终端上传的终端专有的分配结果。
网络设备可以是公共的边缘/云基础设施(common edge/cloudinfrastructure),例如云服务器或边缘服务器;智能计算中心;无线接入网(Radio AccessNetwork,RAN) 节点,例如基站(Base Station,BS);WiFi 接入点(Access Point,AP);搭载了云服务器或边缘服务器的无人机(Unmanned Aerial Vehicles,UAV)、高空平台(HighAltitude Platform Station,HAPS);卫星等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种计算任务分配方法,其特征在于,具体包括如下操作:采用分布式或混合式中的至少一种进行计算任务分配;所述计算任务分配包括通信资源分配、计算资源分配和任务卸载决策;
采用分布式进行计算任务分配时,由终端在本地进行计算任务分配,并将分配结果全部或部分上传给网络设备;
采用混合式进行计算任务分配时,由终端根据网络设备的指示在本地进行计算任务分配,并将终端专有的分配结果全部或部分上传给网络设备;
终端把任务分配结果全部或部分发送给网络设备,有助于网络设备掌握整个系统的计算资源分布状态;
所述网络设备的指示具体包括网络设备下发的任务卸载决策;
所述任务卸载决策的方案包括以下两种方案中的一种:
A、计算任务是否卸载;若卸载,获取目标计算服务器的标识;包括获取卸载路径;
B、确定最多可卸载的任务数量或确定可卸载的任务的最大计算量;
当采用混合式进行计算任务分配时,所述任务卸载决策采用方案B。
2.如权利要求1所述的一种计算任务分配方法,其特征在于,网络设备进行计算任务分配具体包括如下操作:网络设备根据各个终端上报的计算任务的特征、终端能耗、终端的计算能力,以及网络设备的计算能力、网络拓扑,进行通信资源分配、计算资源分配,并制定任务卸载决策。
3.如权利要求1所述的一种计算任务分配方法,其特征在于,终端在本地进行计算任务分配具体包括如下操作:终端根据计算任务的特征、计算资源的单价、终端能耗、终端存储能力和预计传输时延,进行通信资源分配,并制定任务卸载决策。
4.如权利要求1所述的一种计算任务分配方法,其特征在于,所述任务卸载决策的制定考虑因素包括以下一种或多种:
计算任务的特征,包括任务量、任务所需的计算量、任务类型、任务的最大容忍时延、任务的优先级;
计算能力,包括网络中所有具备计算能力的设备;
计算资源的单价;
终端存储能力;
终端能耗;
预计传输时延,包括任务上传到网络设备的传输时延、计算结果返回到终端的传输时延、以及中继时延;
网络拓扑。
5.如权利要求1所述的一种计算任务分配方法,其特征在于:所述通信资源分配包括把计算任务传输到目标计算服务器上所需的通信资源。
6.如权利要求5所述的一种计算任务分配方法,其特征在于:所述通信资源分配还包括接收计算结果所需的通信资源。
7.一种计算任务分配的更新方法,其特征在于:根据终端状态、网络状态或任务状态,动态更新如权利要求1-6任一项所述的计算任务分配方法,包括在分布式或混合式中指定其中一种进行更新;和在分布式或混合式之间进行更新。
8.如权利要求7所述的一种计算任务分配的更新方法,其特征在于:所述终端状态包括移动性、位置和能耗状态;所述网络状态包括网络拓扑的变化、网络拥塞情况、网络中计算资源的释放和占用情况;所述任务状态包括任务队列的状态、任务类型的变化趋势。
9.如权利要求7所述的一种计算任务分配的更新方法,其特征在于:所述动态更新为周期性更新或非周期性更新,所述非周期性更新包括基于事件的更新或基于触发的更新。
10.一种终端,其特征在于,所述终端用于实现如下操作:
当集中式进行计算任务分配时,向网络设备上报计算任务的特征、终端能耗,接收网络设备下发的计算任务分配方法;
当采用分布式进行计算任务分配时,根据计算任务的特征、计算资源的单价、终端能耗、预计传输时延在本地进行计算任务分配;并将分配结果全部或部分上传给网络设备,以辅助网络设备进行任务决策;
当采用混合式进行计算任务分配时,根据网络设备的指示在本地进行计算任务分配,并将终端专有的分配结果全部或部分上传给网络设备,以辅助网络设备进行指示;
根据任务卸载决策,对所产生的每个计算任务,确定在本地计算还是进行任务卸载;若进行任务卸载,确定任务的传输路径,并且在所分配的通信资源上,把任务传输到目标计算服务器上;
接收任务的计算结果;
所述计算任务的特征,包括任务量、任务所需的计算量、任务类型、任务的最大容忍时延、任务的优先级;
终端把任务分配结果全部或部分发送给网络设备,有助于网络设备掌握整个系统的计算资源分布状态;
所述网络设备的指示具体包括网络设备下发的任务卸载决策。
11.一种网络设备,其特征在于,所述网络设备用于实现如下操作:
当集中式进行计算任务分配时,根据终端上报的计算任务的特征、终端和网络设备的计算能力和网络拓扑因素,进行计算任务分配,并将计算任务分配方法全部或部分下发给终端;
当采用分布式进行计算任务分配时,接收终端上传的分配结果;
当采用混合式进行计算任务分配时,向终端发送计算任务分配的指示,接收终端上传的终端专有的分配结果;
终端把本地的任务分配结果全部或部分发送给网络设备,有助于网络设备掌握整个系统的计算资源分布状态;
所述计算任务分配的指示具体包括任务卸载决策。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210531725.8A CN114637608B (zh) | 2022-05-17 | 2022-05-17 | 一种计算任务分配和更新方法、终端及网络设备 |
PCT/CN2022/120927 WO2023221353A1 (zh) | 2022-05-17 | 2022-09-23 | 一种计算任务分配和更新方法、终端及网络设备 |
US18/095,381 US20230376355A1 (en) | 2022-05-17 | 2023-01-10 | Methods, Terminals and Network Devices for Computing Task Allocation and Updating |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210531725.8A CN114637608B (zh) | 2022-05-17 | 2022-05-17 | 一种计算任务分配和更新方法、终端及网络设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114637608A CN114637608A (zh) | 2022-06-17 |
CN114637608B true CN114637608B (zh) | 2022-09-16 |
Family
ID=81953225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210531725.8A Active CN114637608B (zh) | 2022-05-17 | 2022-05-17 | 一种计算任务分配和更新方法、终端及网络设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114637608B (zh) |
WO (1) | WO2023221353A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114637608B (zh) * | 2022-05-17 | 2022-09-16 | 之江实验室 | 一种计算任务分配和更新方法、终端及网络设备 |
CN114780254B (zh) * | 2022-06-20 | 2022-09-16 | 湖南苏科智能科技有限公司 | 一种基于物联网的分布式节点资源优化方法 |
CN116204327B (zh) * | 2023-05-06 | 2023-08-01 | 阿里巴巴(中国)有限公司 | 分布式系统通信调度方法及分布式机器学习系统 |
CN117177275B (zh) * | 2023-11-03 | 2024-01-30 | 中国人民解放军国防科技大学 | 基于scma-mec的物联网设备计算速率优化方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9507638B2 (en) * | 2011-11-08 | 2016-11-29 | Nvidia Corporation | Compute work distribution reference counters |
US10789557B2 (en) * | 2016-08-04 | 2020-09-29 | Conduent Business Services, Llc | Method and system for auto-allocation of tasks to resources of an organization |
CN109302709B (zh) * | 2018-09-14 | 2022-04-05 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
CN110035410B (zh) * | 2019-03-07 | 2021-07-13 | 中南大学 | 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 |
WO2021092263A1 (en) * | 2019-11-05 | 2021-05-14 | Strong Force Vcn Portfolio 2019, Llc | Control tower and enterprise management platform for value chain networks |
CN110971706B (zh) * | 2019-12-17 | 2021-07-16 | 大连理工大学 | Mec中近似最优化与基于强化学习的任务卸载方法 |
CN111585916B (zh) * | 2019-12-26 | 2023-08-01 | 国网辽宁省电力有限公司电力科学研究院 | 基于云边协同的lte电力无线专网任务卸载和资源分配方法 |
CN111818168B (zh) * | 2020-06-19 | 2022-05-03 | 重庆邮电大学 | 一种车联网中自适应联合计算卸载与资源分配方法 |
CN111918245B (zh) * | 2020-07-07 | 2021-11-19 | 西安交通大学 | 基于多智能体的车速感知的计算任务卸载和资源分配方法 |
CN112004239B (zh) * | 2020-08-11 | 2023-11-21 | 中国科学院计算机网络信息中心 | 一种基于云边协同的计算卸载方法及系统 |
CN112272239B (zh) * | 2020-10-30 | 2022-09-02 | 深圳市雷鸟网络传媒有限公司 | 边缘计算方法、装置、智能终端及计算机可读存储介质 |
CN112600873A (zh) * | 2020-11-24 | 2021-04-02 | 国网电力科学研究院有限公司 | 一种5g环境下低时延高可靠的业务卸载方法及系统 |
CN112911016B (zh) * | 2021-02-25 | 2022-04-08 | 北京邮电大学 | 边端协同计算卸载方法及系统、电子设备和存储介质 |
CN112996056A (zh) * | 2021-03-02 | 2021-06-18 | 国网江苏省电力有限公司信息通信分公司 | 一种云边协同下时延最优化的计算任务卸载方法及装置 |
CN113612843B (zh) * | 2021-08-02 | 2022-08-30 | 吉林大学 | 一种基于深度强化学习的mec任务卸载和资源分配方法 |
CN113783944B (zh) * | 2021-08-24 | 2024-03-22 | 国网冀北电力有限公司信息通信分公司 | 基于云边协同的视频数据处理方法、装置、系统及设备 |
CN113873022A (zh) * | 2021-09-23 | 2021-12-31 | 中国科学院上海微系统与信息技术研究所 | 一种可划分任务的移动边缘网络智能资源分配方法 |
CN113965961B (zh) * | 2021-10-27 | 2024-04-09 | 中国科学院计算技术研究所 | 一种车联网环境下的边缘计算任务卸载方法与系统 |
CN114268357B (zh) * | 2021-11-28 | 2023-04-25 | 西安电子科技大学 | 基于低轨卫星边缘计算任务卸载方法、系统、设备及应用 |
CN114138373B (zh) * | 2021-12-07 | 2023-10-24 | 吉林大学 | 一种基于强化学习的边缘计算任务卸载方法 |
CN114637608B (zh) * | 2022-05-17 | 2022-09-16 | 之江实验室 | 一种计算任务分配和更新方法、终端及网络设备 |
-
2022
- 2022-05-17 CN CN202210531725.8A patent/CN114637608B/zh active Active
- 2022-09-23 WO PCT/CN2022/120927 patent/WO2023221353A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023221353A1 (zh) | 2023-11-23 |
CN114637608A (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114637608B (zh) | 一种计算任务分配和更新方法、终端及网络设备 | |
CN110099384B (zh) | 基于边-端协同的多用户多mec任务卸载资源调度方法 | |
CN108541027B (zh) | 一种基于边缘云网络的通信计算资源置换方法 | |
CN109862592B (zh) | 一种基于多基站协作的移动边缘计算环境下资源管理和调度方法 | |
CN109067842B (zh) | 面向车联网的计算任务卸载方法 | |
CN109951821B (zh) | 基于移动边缘计算的最小化车辆能耗任务卸载方案 | |
Labidi et al. | Joint multi-user resource scheduling and computation offloading in small cell networks | |
CN110234127B (zh) | 一种基于sdn的雾网络任务卸载方法 | |
CN110225553B (zh) | 一种数据分流方法及设备、系统 | |
Yu et al. | Collaborative service placement for mobile edge computing applications | |
CN111212106B (zh) | 一种工业互联网环境中边缘计算任务处理与调度方法及装置 | |
CN102111819B (zh) | 一种延迟容忍网络 | |
CN105657837B (zh) | 虚拟小区资源分配方法、装置和系统 | |
Ku et al. | Adaptive computation partitioning and offloading in real-time sustainable vehicular edge computing | |
KR101773593B1 (ko) | 멀티-에이전트 기반 코드 오프로딩을 수행하는 모바일 포그 컴퓨팅 시스템 및 그 방법 | |
CN110113140B (zh) | 一种雾计算无线网络中的计算卸载方法 | |
CN111757361B (zh) | 一种雾网络中基于无人机辅助的任务卸载方法 | |
CN111263401A (zh) | 一种基于移动边缘计算的多用户协作计算卸载方法 | |
CN113452566A (zh) | 一种云边端协同资源管理方法及系统 | |
Yao et al. | Cost-efficient tasks scheduling for smart grid communication network with edge computing system | |
US20230376355A1 (en) | Methods, Terminals and Network Devices for Computing Task Allocation and Updating | |
Al-Share et al. | A collaborative learning-based algorithm for task offloading in UAV-aided wireless sensor networks | |
Zhu et al. | Speed-aware and customized task offloading and resource allocation in mobile edge computing | |
Fardad et al. | A fast and effective graph-based resource allocation and power control scheme in vehicular network slicing | |
Xiao et al. | A fog computing paradigm for efficient information services in VANET |
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 |