CN114640675B - 一种卸载策略确定方法、装置、电子设备及存储介质 - Google Patents
一种卸载策略确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114640675B CN114640675B CN202210277943.3A CN202210277943A CN114640675B CN 114640675 B CN114640675 B CN 114640675B CN 202210277943 A CN202210277943 A CN 202210277943A CN 114640675 B CN114640675 B CN 114640675B
- Authority
- CN
- China
- Prior art keywords
- terminal
- coefficient
- representing
- unloading
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000005265 energy consumption Methods 0.000 claims abstract description 109
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 11
- 238000007493 shaping process Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 14
- 238000009472 formulation Methods 0.000 abstract description 5
- 239000000203 mixture Substances 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/0833—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network energy consumption
-
- 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
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0925—Management thereof using policies
-
- 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
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
- H04W28/0967—Quality of Service [QoS] parameters
- H04W28/0975—Quality of Service [QoS] parameters for reducing delays
-
- 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
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请公开了一种卸载策略确定方法、装置、电子设备及存储介质,涉及通信技术领域,用以解决现有移动边缘计算技术中没有考虑到终端使用边缘服务器的成本及信道状态的问题,包括:根据终端的第一信道状态和第二信道状态确定终端的卸载能耗期望;根据卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量,以及数据卸载比例;根据本地计算数据量,以及数据卸载比例,确定终端在当前时隙的卸载数据量。本申请用于移动边缘计算场景下的卸载策略制定。
Description
技术领域
本申请涉及通信领域,尤其涉及一种卸载策略确定方法、装置、电子设备及存储介质。
背景技术
移动边缘计算(Mobile Edge Computing,MEC)技术作为移动云计算(MobileCloud Computing,MCC)技术的补充被广泛应用。MEC技术采用分布式处理,将终端设备的复杂计算卸载到位于网络边缘的边缘云服务器,不但能够为终端设备提供强大的计算能力以及存储能力,还能够解决MCC时延长的问题。因此MEC技术被应用于计算密集型和延迟敏感型应用,如增强/虚拟现实、高清视频流和在线游戏等。
目前的大多数针对计算卸载策略的研究,都集中于最小化终端的能耗或者时延,没有考虑到终端使用边缘服务器的成本和终端所使用的信道状态。
发明内容
本申请提供一种卸载策略确定方法、装置、电子设备及存储介质,能够解决现有移动边缘计算技术中没有考虑到终端使用边缘服务器的成本及信道状态的问题。
第一方面,本申请提供一种卸载策略确定方法,该方法包括:根据终端的第一信道状态和第二信道状态确定终端的卸载能耗期望;其中,第一信道状态为终端在当前时隙的信道的状态,第二信道状态为终端在下一时隙的信道的状态,信道为终端与边缘服务器之间的通信信道;卸载能耗期望用于表征在下一时隙内终端在本地计算数据时的预期能耗大小。根据卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量,以及数据卸载比例;数据卸载比例为终端在当前时隙的本地计算数据量与卸载数据量的比例。根据本地计算数据量,以及数据卸载比例,确定终端在当前时隙的卸载数据量。
基于上述技术方案,本申请首先根据终端在当前时隙和下一时隙使用的信道状态,来确定用于后续计算本地计算数据量和卸载数据量的卸载能耗期望,并计算出本地计算数据量;之后,再根据终端在当前时隙使用的信道状态,确定出当前时隙中本地计算数据量与卸载数据量的比例;最后,根据终端的本地计算数据量,以及终端在当前时隙的本地计算数据量与卸载数据量的比例,确定终端在当前时隙的卸载数据量。整体的卸载策略制定过程中不仅考虑到当前时隙中终端的信道状态,还考虑到了下一时隙中终端的信道状态,兼顾了下一时隙的数据卸载情况。由此,本申请制定的卸载策略充分利用了信道状态的相关信息,优化单位时延内多个时隙的本地计算数据量和卸载数据量。
在一种可能的实现方式中,上述根据终端的第一信道状态和第二信道状态确定终端的卸载能耗期望,具体包括:根据第一信道状态,确定终端的卸载成本;其中,卸载成本用于表征终端在单位时延内卸载预设比特数据至边缘服务器时所消耗的网络资源,单位时延为终端完成目标比特数据的计算所需的多个时隙,当前时隙为单位时延内的一个时隙,目标比特数据包括预设比特数据。根据终端的卸载成本,确定第一系数、第二系数和第三系数。根据第一系数、第二系数和第三系数,第一信道状态以及第二信道状态,确定卸载能耗期望。
在一种可能的实现方式中,上述根据卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量,以及数据卸载比例,具体包括。根据第一系数、第二系数、第三系数、卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量。根据第一系数、第二系数、第三系数和第一信道状态,确定数据卸载比例。
在一种可能的实现方式中,终端的卸载成本满足以下公式:
其中,k表示当前时隙的编号,K表示单位时延内包含时隙的数量,hk表示第一信道状态,表示在单位时延的开始时刻的待处理数据量,D表示目标比特数据,/>表示当前时隙的待处理数据量,/>表示预测本地计算数据量,/>表示预测卸载数据量,η表示能耗权重系数,γ表示本地电路架构系数,w表示终端计算一个输入比特所需的CPU周期数,t0表示每个时隙的时间长度,s.t.C1-C4表示约束条件分别为C1至C4的整形变量,C1表示约束条件为终端未开始处理目标比特数据,C2表示约束条件为终端在当前时隙的预测本地计算数据量与预测卸载数据量之和小于等于当前时隙的待处理数据量,C3表示约束条件为终端在当前时隙的预测本地计算数据量与预测卸载数据量之和等于当前时隙的待处理数据量,C4表示约束条件为终端在单位时延内的K个时隙中的预测本地计算数据量与预测卸载数据量之和大于或等于目标比特数据。
在一种可能的实现方式中,第一系数α满足以下公式:
其中,η表示能耗权重系数,y表示本地电路架构系数,w表示终端计算一个输入比特所需的中央处理单元CPU周期数,t0表示每个时隙的时间长度;
第二系数λ满足以下公式:
λ=αλ0/t0 2;
其中,λ0表示能耗系数;
第三系数β满足以下公式:
在一种可能的实现方式中,卸载能耗期望满足以下公式:
其中,Sk表示卸载能耗期望,Sk+1表示下一迭代中的卸载能耗期望,K表示单位时延内包含时隙的数量,α表示第一系数,hk表示第一信道状态,hk+1表示第二信道状态,λ表示第二系数,β表示第三系数,Pr表示随机取值函数。
在一种可能的实现方式中,本地计算数据量满足以下公式:
其中,表示终端在当前时隙的本地计算数据量,/>表示当前时隙的待处理数据量,Sk表示卸载能耗期望,K表示单位时延内包含时隙的数量,α表示第一系数,hk表示终端在当前时隙的上传信道状态,λ表示第二系数,β表示第三系数;
数据卸载比例满足以下公式:
其中,表示卸载数据量,/>表示本地计算数据量,α表示第一系数,hk表示终端在当前时隙的上传信道状态,λ表示第二系数,β表示第三系数。
第二方面,本申请提供一种卸载策略确定装置,该装置包括:处理单元。处理单元,用于根据终端的第一信道状态和第二信道状态确定终端的卸载能耗期望;其中,第一信道状态为终端在当前时隙的信道的状态,第二信道状态为终端在下一时隙的信道的状态,信道为终端与边缘服务器之间的通信信道;卸载能耗期望用于表征在下一时隙内终端在本地计算数据时的预期能耗大小。处理单元,还用于根据卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量,以及数据卸载比例;数据卸载比例为终端在当前时隙的本地计算数据量与卸载数据量的比例。处理单元,还用于根据本地计算数据量,以及数据卸载比例,确定终端在当前时隙的卸载数据量。
在一种可能的实现方式中,处理单元,还用于根据第一信道状态,确定终端的卸载成本;其中,卸载成本用于表征终端在单位时延内卸载预设比特数据至边缘服务器时所消耗的网络资源,单位时延为终端完成目标比特数据的计算所需的多个时隙,当前时隙为单位时延内的一个时隙,目标比特数据包括预设比特数据。处理单元,还用于根据终端的卸载成本,确定第一系数、第二系数和第三系数。处理单元,还用于根据第一系数、第二系数和第三系数,第一信道状态以及第二信道状态,确定卸载能耗期望。
在一种可能的实现方式中,处理单元,还用于根据第一系数、第二系数、第三系数、卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量。处理单元,还用于根据第一系数、第二系数、第三系数和第一信道状态,确定数据卸载比例。
在一种可能的实现方式中,终端的卸载成本满足以下公式:
其中,k表示当前时隙的编号,K表示单位时延内包含时隙的数量,hk表示第一信道状态,表示在单位时延的开始时刻的待处理数据量,D表示目标比特数据,/>表示当前时隙的待处理数据量,/>表示预测本地计算数据量,/>表示预测卸载数据量,η表示能耗权重系数,y表示本地电路架构系数,w表示终端计算一个输入比特所需的CPU周期数,t0表示每个时隙的时间长度,s.t.C1-C4表示约束条件分别为C1至C4的整形变量,C1表示约束条件为终端未开始处理目标比特数据,C2表示约束条件为终端在当前时隙的预测本地计算数据量与预测卸载数据量之和小于等于当前时隙的待处理数据量,C3表示约束条件为终端在当前时隙的预测本地计算数据量与预测卸载数据量之和等于当前时隙的待处理数据量,C4表示约束条件为终端在单位时延内的K个时隙中的预测本地计算数据量与预测卸载数据量之和大于或等于目标比特数据。
在一种可能的实现方式中,第一系数α满足以下公式:
其中,η表示能耗权重系数,γ表示本地电路架构系数,w表示终端计算一个输入比特所需的中央处理单元CPU周期数,t0表示每个时隙的时间长度;
第二系数λ满足以下公式:
λ=αλ0/t0 2;
其中,λ0表示能耗系数;
第三系数β满足以下公式:
在一种可能的实现方式中,卸载能耗期望满足以下公式:
其中,Sk表示卸载能耗期望,Sk+1表示下一迭代中的卸载能耗期望,K表示单位时延内包含时隙的数量,α表示第一系数,hk表示第一信道状态,hk+1表示第二信道状态,λ表示第二系数,β表示第三系数,Pr表示随机取值函数。
在一种可能的实现方式中,本地计算数据量满足以下公式:
其中,表示终端在当前时隙的本地计算数据量,/>表示当前时隙的待处理数据量,Sk表示卸载能耗期望,K表示单位时延内包含时隙的数量,α表示第一系数,hk表示终端在当前时隙的上传信道状态,λ表示第二系数,β表示第三系数;
数据卸载比例满足以下公式:
其中,表示卸载数据量,/>表示本地计算数据量,α表示第一系数,hk表示终端在当前时隙的上传信道状态,λ表示第二系数,β表示第三系数。
此外,第二方面所述的卸载策略确定装置的技术效果可以参考上述第一方面所述的卸载策略确定方法的技术效果,此处不再赘述。
第三方面,本申请提供一种存储一个或多个程序的计算机可读存储介质,该一个或多个程序包括指令,上述指令当被本申请的电子设备执行时使电子设备执行如第一方面和第一方面的任一种可能的实现方式中所描述的卸载策略确定方法。
第四方面,本申请提供一种电子设备,包括:处理器以及存储器;其中,存储器用于存储一个或多个程序,一个或多个程序包括计算机执行指令,当电子设备运行时,处理器执行存储器存储的计算机执行指令,以使电子设备执行如第一方面和第一方面的任一种可能的实现方式中所描述的卸载策略确定方法。
第五方面,本申请提供一种包含指令的计算机程序产品,当该指令在计算机上运行时,使得本申请的电子设备执行如第一方面和第一方面的任一种可能的实现方式中所描述的卸载策略确定方法。
第六方面,本申请提供一种芯片系统,该芯片系统应用于卸载策略确定装置;所述芯片系统包括一个或多个接口电路,以及一个或多个处理器。所述接口电路和所述处理器通过线路互联;所述接口电路用于从所述卸载策略确定装置的存储器接收信号,并向所述处理器发送所述信号,所述信号包括所述存储器中存储的计算机指令。当所述处理器执行所述计算机指令时,所述卸载策略确定装置执行如第一方面及其任一种可能的设计方式所述的卸载策略确定方法。
在本申请中,上述卸载策略确定装置的名字对设备或功能单元本身不构成限定,在实际实现中,这些设备或功能单元可以以其他名称出现。只要各个设备或功能单元的功能和本申请类似,均属于本申请权利要求及其等同技术的范围之内。
附图说明
图1为本申请实施例提供的一种MEC系统的结构示意图;
图2为本申请实施例提供的一种卸载策略确定方法的流程示意图;
图3为本申请实施例提供的另一种卸载策略确定方法的流程示意图;
图4为本申请实施例提供的另一种卸载策略确定方法的流程示意图;
图5为本申请实施例提供的一种卸载策略确定方法的仿真效果示意图;
图6为本申请实施例提供的另一种卸载策略确定方法的仿真效果示意图;
图7为本申请实施例提供的一种卸载策略确定方法的仿真效果对比示意图;
图8为本申请实施例提供的另一种卸载策略确定方法的仿真效果对比示意图;
图9为本申请实施例提供的一种卸载策略确定装置的结构示意图;
图10为本申请实施例提供的一种卸载策略确定装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
本文中字符“/”,一般表示前后关联对象是一种“或者”的关系。例如,A/B可以理解为A或者B。
本申请的说明书和权利要求书中的术语“第一”和“第二”是用于区别不同的对象,而不是用于描述对象的特定顺序。例如,第一边缘服务节点和第二边缘服务节点是用于区别不同的边缘服务节点,而不是用于描述边缘服务节点的特征顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外,在本申请实施例中,“示例性的”、或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”、或者“例如”等词旨在以具体方式呈现概念。
目前,智能移动终端已经成为计算和互联网接入的主要平台。尽管这些终端的电池容量和计算资源非常有限,但它们却被寄希望于运行延迟敏感型计算密集型的应用程序,如虚拟现实(virtual reality,VR)、在线游戏和3维(3-dimension)建模等。对于延迟敏感型和计算密集型的应用程序,由于终端本身的资源受限,仅凭终端自身来处理此类应用程序的计算任务,会使得终端的任务处理时延过高,同时终端的能耗也大大增加。
具有高性能计算能力的移动云计算(mobile cloud computing,MCC)是解决资源受限的终端和延迟敏感型、计算密集型应用程序之间冲突的有效途径。在MCC技术中,终端可以将应用程序的计算任务卸载到远程云服务器,以此降低终端的任务处理时延和能耗。虽然云计算能够扩展终端的计算能力,但当终端与远程云服务器传输之间传输的数据量过大,且网络的数据传输和回程距离较远时,会造成延迟过高和连接不稳定等问题,无法满足计算密集型应用程序低时延的要求。
移动边缘计算(mobile edge computing,MEC)技术作为MCC技术的补充被广泛应用。MEC技术采用分布式处理,将终端设备的复杂计算卸载到位于网络边缘的边缘云服务器,不但能够为终端设备提供强大的计算能力以及存储能力,还能够解决MCC技术中存在的时延过高的问题。因此MEC技术被应用于计算密集型和延迟敏感型应用,如增强/虚拟现实、高清视频流和在线游戏等。这些应用场景极大的推动了学术界和工业界对MEC技术的研究兴趣,以设计高效的计算卸载策略。
现阶段应用程序的卸载方式分为二进制卸载和部分卸载两种,简介如下:
1、二进制卸载。在二进制卸载中,卸载任务是打包的,不能进行分割。并且,任务的卸载场所只能选择一个,即终端只能选择将全部计算数据卸载到云端,或者将计算数据全部保留在终端本地进行计算。这样的卸载方式不够灵活,与实际应用场景的契合度不高,对终端性能(如计算时延,能耗)的提升不明显。
2、部分卸载。在部分卸载中,终端会将应用程序的一部分计算数据卸载到云端执行,另一部分数据则保留在终端本地进行计算。部分卸载相比于二级制卸载,卸载方式更加灵活,对终端性能(如计算时延,能耗)的提高更加明显。
目前的大多数针对计算卸载策略的研究,都集中于最小化终端的能耗或者时延,没有考虑到终端使用边缘服务器的成本和终端所使用的信道状态,且无法给终端提供确定的参数,如时延等,而这些参数对整个系统的优化至关重要。
为了解决上述现有技术中存在的问题,本申请提供了一种MEC系统。如图1所示,对本申请实施例中涉及的一种MEC系统的结构进行说明:
在图1所示的MEC系统中,包括终端11、接入网设备12和边缘服务器13。终端11能够通过接入网设备12,将预设计算任务卸载至边缘服务器13。
其中,终端11需要在单位时延T内完成目标比特数据D的输入。此处的时延T可以分为K个时隙,则每个时隙的长度为t0=T/K。
进一步的,若使用表示终端11计算一个目标比特数据D所需的中央处理单元(central processing unit,CPU)的周期数,则目标比特数据D的输入所需的CPU周期数为:
c=wD;
其中,c表示目标比特数据D的输入所需的CPU周期数,w表示终端计算一个输入比特所需的CPU周期数。
以上对本申请实施例中涉及的一种MEC系统的结构进行了说明。
下面对本申请实施例中涉及的信道模型、边缘计算模型和终端本地计算模型进行介绍。
1、信道模型
本申请实施例采用经典的Gilbert-Elliott(GE)信道模型,在该模型中,功率增益在给定阈值以上或以下的信道被标记为“好”或“差”,平均信道增益分别为hg和hb。hk表示在第k个时隙的信道状态,hk∈{hg,hb}。pgg和pbb分别表示从好到好、从差到差的转换概率,那么从好到差的转换概率为pgb和pbg,pgb=1-pgg,pbg=1-pbb。
2、边缘计算模型
对于增益为hk的无线衰落信道,传输功率pk与数据传输速率rk有关,具体满足以下公式1:
其中,数据传输速率rk满足以下公式2:
其中,uk代表第k个时隙卸载的数据,λ0是包含带宽和噪声功率影响的能耗系数。m与编码模型相关,其值范围为[2,5],且m∈Z。示例性的,可取m=3,本申请实施例后续中m的取值皆为3。同时,在一时间段内传输un,k位数据(此处的n表示终端的编号)所消耗的能量满足以下公式3:
这里,λ=λ0/t0 2,uk=rkt0。此外,当前时隙已卸载的数据将由下一个时隙中的边缘服务器处理。
3、终端的本地计算模型
当时隙中的计算数据量给定时,在时隙内以恒定的cpu周期频率运行对于本地计算是最节能的。因此,这里设用户的可调cpu周期频率满足以下公式4:
其中表示终端在第k个时隙本地计算的数据,则每个CPU周期的能耗模型可以根据以下公式5进行建模:
其中,γ表示本地电路架构系数,具体取决于终端的CPU电路架构。此时时隙k的本地计算能耗满足以下公式6:
以上对本申请实施例中涉及的信道模型、边缘计算模型和终端本地计算模型进行了介绍。
为了解决现有移动边缘计算技术中没有考虑到终端使用边缘服务器的成本及信道状态的问题,本申请提供了一种卸载策略确定方法,用于实现降低终端计算成本,实现数据卸载能耗最小化的目的。在本申请提供的卸载策略确定方法中卸载策略确定装置首先根据终端在当前时隙和下一时隙使用的信道状态,来确定用于后续计算本地计算数据量和卸载数据量的卸载能耗期望,并计算出本地计算数据量;之后,再根据终端在当前时隙使用的信道状态,确定出当前时隙中本地计算数据量与卸载数据量的比例;最后,根据终端的本地计算数据量,以及终端在当前时隙的本地计算数据量与卸载数据量的比例,确定终端在当前时隙的卸载数据量。整体的卸载策略制定过程中不仅考虑到当前时隙中终端的信道状态,还考虑到了下一时隙中终端的信道状态,兼顾了下一时隙的数据卸载情况。由此,本申请制定的卸载策略充分利用了信道状态的相关信息,优化单位时延内多个时隙的本地计算数据量和卸载数据量,降低了终端计算成本,实现了数据卸载能耗的最小化。
需要指出的是,在本申请提供的卸载策略确定方法中,执行主体是卸载策略确定装置。该卸载策略确定装置可以是一种电子设备(例如电脑终端、服务器),还可以是电子设备中的处理器,还可以是电子设备中用于卸载策略确定的控制模块,还可以是电子设备中用于卸载策略确定的客户端。
下面对本实施例提供的卸载策略确定方法的流程进行说明。
本申请实施例提供的卸载策略确定方法可以应用于如图1所示的MEC系统中。如图2所示,本申请提供的卸载策略确定方法包括以下步骤:
S201、卸载策略确定装置根据终端的第一信道状态,以及终端的第二信道状态确定卸载能耗期望。
其中,第一信道状态为终端在当前时隙的信道的状态,第二信道状态为终端在下一时隙的信道的状态,此处的信道为终端与边缘服务器之间的通信信道。卸载能耗期望用于表征在下一时隙内所述终端在本地计算数据时的预期能耗大小。
需要说明的是,当前时隙为单位时延内的一个时隙。如前文对本申请涉及的一种MEC系统的说明中所述,若终端需要在单位时延T内完成目标比特数据D的输入,则时延T可以分为K个时隙,每个时隙的长度为t0=T/K。可以理解,当前时隙即为K个时隙中当前时刻所属的时隙,时长为t0。
需要指出的是,信道的状态如前文对信道模型的说明中所述,功率增益在给定阈值以上或以下的信道被标记为“好”或“差”,平均信道增益分别为hg和hb。hk表示在第k个时隙的信道状态,hk∈{hg,hb}。
在一种可能的实现方式中,卸载策略确定装置根据第一信道状态,确定终端的卸载成本。其中,卸载成本用于表征终端在单位时延内卸载预设比特数据至边缘服务器时所消耗的网络资源,目标比特数据包括预设比特数据。
进一步的,卸载策略确定装置根据终端的卸载成本,确定第一系数、第二系数和第三系数。
进一步的,卸载策略确定装置根据第一系数、第二系数和第三系数,第一信道状态以及第二信道状态,确定卸载能耗期望。
S202、卸载策略确定装置根据卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量,以及数据卸载比例。
其中,数据卸载比例为终端在当前时隙的本地计算数据量与卸载数据量的比例。
在一种可能的实现方式中,卸载策略确定装置根据第一系数、第二系数、第三系数、卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量。
在一种可能的实现方式中,卸载策略确定装置根据第一系数、第二系数、第三系数和第一信道状态,确定数据卸载比例。
S203、卸载策略确定装置根据本地计算数据量,以及数据卸载比例,确定终端在当前时隙的卸载数据量。
可以理解的是,将终端的本地计算数据量,与数据卸载比例相乘,即可得出终端在当前时隙的卸载数据量。
可以理解的是,卸载策略确定装置在根据终端在下一时隙的上传信道的状态,以及终端在当前时隙的本地计算数据量与卸载数据量的比值,确定终端在当前时隙的本地计算数据量与卸载数据量后,将此最为当前时隙最终的卸载策略并输出。
总体来说,在本实施例制定的卸载策略中,当单个时隙处理的数据量一定时,数据计算复杂度越高,信道状态越好,卸载数据量也就越大。
基于上述技术方案,本申请实施例根据终端在当前时隙和下一时隙使用的信道状态,来确定用于后续计算本地计算数据量和卸载数据量的卸载能耗期望,并计算出本地计算数据量;之后,再根据终端在当前时隙使用的信道状态,确定出当前时隙中本地计算数据量与卸载数据量的比例;最后,根据终端的本地计算数据量,以及终端在当前时隙的本地计算数据量与卸载数据量的比例,确定终端在当前时隙的卸载数据量。整体的卸载策略制定过程中不仅考虑到当前时隙中终端的信道状态,还考虑到了下一时隙中终端的信道状态,兼顾了下一时隙的数据卸载情况。由此,本申请制定的卸载策略充分利用了信道状态的相关信息,优化单位时延内多个时隙的本地计算数据量和卸载数据量,降低了终端计算成本,实现了数据卸载能耗的最小化。
可选的,如图3所示,在本申请提供的卸载策略确定方法中,上述S201中卸载策略确定装置根据终端的第一信道状态,以及终端的第二信道状态确定卸载能耗期望,具体可以通过以下步骤S301-S303实现:
S301、策略确定装置根据第一信道状态,确定终端的卸载成本。
其中,卸载成本用于表征终端在单位时延内卸载预设比特数据至边缘服务器时所消耗的网络资源,目标比特数据包括预设比特数据。
应理解,终端的卸载成本用于量化终端在单位时延内卸载预设比特数据至边缘服务器时所消耗的网络资源。其中,预设比特数据即包含于目标比特数据D中,可能是目标比特数据D的一部分,也可能是全部目标比特数据D。这是由于终端可能将部分的数据卸载至边缘服务器,也可能全部的数据卸载至边缘服务器。
可选的,结合前述公式1-6,终端的卸载成本满足以下公式7:
其中,k表示当前时隙的编号,K表示单位时延内包含时隙的数量,hk表示第一信道状态,表示在单位时延的开始时刻的待处理数据量,D表示目标比特数据,/>表示当前时隙的待处理数据量,/>表示预测本地计算数据量,/>表示预测卸载数据量,η表示能耗权重系数,γ表示本地电路架构系数,w表示终端计算一个输入比特所需的CPU周期数,t0表示每个时隙的时间长度。
需要说明的是,s.t.C1-C4表示约束条件分别为C1至C4的整形变量,C1表示约束条件为终端未开始处理目标比特数据,C2表示约束条件为终端在当前时隙的预测本地计算数据量与预测卸载数据量之和小于等于当前时隙的待处理数据量,C3表示约束条件为终端在当前时隙的预测本地计算数据量与预测卸载数据量之和等于当前时隙的待处理数据量,C4表示约束条件为终端在单位时延内的K个时隙中的预测本地计算数据量与预测卸载数据量之和大于或等于目标比特数据。
可以理解的是,终端的卸载成本的计算过程中,与现有技术相比,本申请实施例能够考虑到信道状态对卸载策略的影响,使得卸载成本的计算更加精确。
需要说明的是,确定终端的卸载成本,并不仅仅局限于本申请实施例中提供的“根据公式7进行计算”的实现方式,还可以通过别的方法实现,本申请不做限定。
S302、策略确定装置根据终端的卸载成本,确定第一系数、第二系数和第三系数。
可选的,结合上述公式7,对公式7中的各项变量的常数系数进行整合,进而将终端的卸载成本满足的公式7转化为以下公式8:
其中,α表示第一系数,λ表示第二系数,β表示第三系数。可以理解的是,第一系数α、第二系数λ、第三系数β这三个系数是将原公式中三项变量的常数系数进行整合后得出的。
此时,结合公式7和公式8,易得第一系数α满足以下公式9:
其中,η表示能耗权重系数,γ表示本地电路架构系数,w表示终端计算一个输入比特所需的CPU周期数,t0表示每个时隙的时间长度。
此时,结合公式7和公式8,易得第二系数λ满足以下公式10:
λ=αλ0/t0 2 公式10
其中,λ0表示能耗系数。
此时,结合公式7和公式8,易得第三系数β满足以下公式11:
需要说明的是,确定第一系数、第二系数和第三系数,并不仅仅局限于本申请实施例中提供的“根据公式7-8推导得出公式9-11,并使用公式9-11分别表示三个系数”的实现方式,还可以通过别的方法实现,本申请不做限定。
S303、策略确定装置根据第一系数、第二系数和第三系数,第一信道状态以及第二信道状态,确定卸载能耗期望。
可选的,结合步骤S302中的公式9-11,将根据公式9-11计算得出的第一系数、第二系数和第三系数代入以下公式12中,以计算卸载能耗期望:
其中,Sk表示卸载能耗期望,Sk+1表示下一迭代中的卸载能耗期望,K表示单位时延内包含时隙的数量,α表示第一系数,hk表示第一信道状态,hk+1表示第二信道状态,λ表示第二系数,β表示第三系数,pr表示随机取值函数。需要指出,卸载能耗期望越小,则表明终端在下一时隙内在本地计算数据时的预期能耗越低;同理,卸载能耗期望越大,则表明终端在下一时隙内在本地计算数据时的预期能耗越高。
需要说明的是,确定终端的卸载能耗期望,并不仅仅局限于本申请实施例中提供的“根据公式12进行计算”的实现方式,还可以通过别的方法实现,本申请不做限定。
基于上述技术方案,本申请实施例根据终端在当前时隙使用的信道状态,确定终端的卸载成本,并据此推导出用于计算终端的卸载能耗期望的三个系数。在此之后,本申请实施例能够根据三个系数确定终端的卸载能耗期望,以用于后续终端的本地计算数据量的确定。
以上对本申请提供的卸载策略确定方法中,卸载策略确定装置根据终端的第一信道状态,以及终端的第二信道状态确定卸载能耗期望,具体包括的步骤进行了说明。
可选的,如图4所示,在本申请提供的卸载策略确定方法中,上述S202中卸载策略确定装置根据卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量,以及数据卸载比例,具体可以通过以下步骤S401-S402实现:
S401、卸载策略确定装置根据第一系数、第二系数、第三系数、卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量。
可选的,结合上述公式12,将根据公式12计算得出的终端得到预期能耗期望代入以下公式13中,以计算终端在当前时隙的本地计算数据量:
其中,表示终端在当前时隙的本地计算数据量,/>表示当前时隙的待处理数据量,Sk表示卸载能耗期望,K表示单位时延内包含时隙的数量,α表示第一系数,hk表示终端在当前时隙的上传信道状态,λ表示第二系数,β表示第三系数。
需要说明的是,确定终端在当前时隙的本地计算数据量,并不仅仅局限于本申请实施例中提供的“根据公式13进行计算”的实现方式,还可以通过别的方法实现,本申请不做限定。
S402、卸载策略确定装置根据第一系数、第二系数、第三系数和第一信道状态,确定数据卸载比例。
可选的,结合上述公式9-11,将根据公式9-11计算得出的第一系数、第二系数和第三系数代入以下公式14,以计算数据卸载比例:
其中,表示卸载数据量,/>表示本地计算数据量,α表示第一系数,hk表示终端在当前时隙的上传信道状态,λ表示第二系数,β表示第三系数。
需要说明的是,确定终端的数据卸载比例,并不仅仅局限于本申请实施例中提供的“根据公式14进行计算”的实现方式,还可以通过别的方法实现,本申请不做限定。
基于上述技术方案,本申请实施例根据终端在当前时隙和下一时隙使用的信道状态,来确定用于后续计算本地计算数据量和卸载数据量的卸载能耗期望,并计算出本地计算数据量;之后,再根据终端在当前时隙使用的信道状态,确定出当前时隙中本地计算数据量与卸载数据量的比例,充分考虑到终端本地计算负载和信道状态因素的影响。
以上对本申请提供的卸载策略确定方法中,卸载策略确定装置根据卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量,以及数据卸载比例,具体包括的步骤进行了说明。
可选的,结合公式13-14可得,前述步骤S203中终端在当前时隙的卸载数据量满足以下公式15:
其中,表示终端在当前时隙的卸载数据量。
需要说明的是,确定终端在当前时隙的卸载数据量,并不仅仅局限于本申请实施例中提供的“根据公式15进行计算”的实现方式,还可以通过别的方法实现,本申请不做限定。
应理解,当卸载能耗期望Sk的值较小时,则表明在下一时隙中,在本地计算数据的预期能耗较低。对应的,在这种情况下,终端应当减少当前时隙本地计算和卸载的数据量,在步骤S401和S203中体现为卸载能耗期望Sk的值越小,则根据公式计算出的终端在当前时隙的本地计算数据量和卸载数据量/>也就越小。同理,当卸载能耗期望Sk的值较大时,则表明在下一时隙中,在本地计算数据的预期能耗较高。对应的,在这种情况下,终端应当增加当前时隙本地计算和卸载的数据量,在本步骤中体现为卸载能耗期望Sk的值越大,则根据公式计算出的终端在当前时隙的本地计算数据量/>和卸载数据量/>也就越大。
基于上述技术方案,本实施例根据终端在当前时隙使用的信道状态,确定终端的卸载成本,并据此推导出用于计算后续各项参数的三个系数;之后,根据终端在当前时隙和下一时隙使用的信道状态,来确定用于后续计算本地计算数据量和卸载数据量的卸载能耗期望,并计算出本地计算数据量;之后,再根据终端在当前时隙使用的信道状态,确定出当前时隙中本地计算数据量与卸载数据量的比例,充分考虑到终端本地计算负载和信道状态因素的影响;最后,根据终端的本地计算数据量,以及终端在当前时隙的本地计算数据量与卸载数据量的比例,确定终端在当前时隙的卸载数据量。整体的卸载策略制定过程中不仅考虑到当前时隙中终端的信道状态,还考虑到了下一时隙中终端的信道状态,兼顾了下一时隙的数据卸载情况。由此,本申请制定的卸载策略充分利用了信道状态的相关信息,优化单位时延内多个时隙的本地计算数据量和卸载数据量。
示例性的,结合图5、图6,对本申请提供的技术方案的具体仿真的效果进行说明。
需要指出的是,图5和图6分别为终端的上传信道的信道状态为差和信道状态为好时,基于本申请实施例提供的技术方案来进行仿真实验得出的终端的数据卸载情况。
对于图5,当信道状态为差时,每个时隙的卸载数据量逐渐减小。这是由于当前时隙的信道状态较差时,下一个时隙的预期信道增益会较高。因此,应该在当前时隙中卸载更少的数据。
对于图6,当信道状态为好时,每个时隙的卸载数据量逐渐增加。这是由于当前时隙的信道状态较好时,下一个时隙的预期信道增益会较低。因此,应该在当前时隙中卸载更多的数据。
示例性的,结合图7、图8,对本申请提供的技术方案与其他现有技术进行仿真实验对比的结果进行说明。
需要说明的是,图7与图8中皆具有三条曲线,三条曲线分别代表最小化用户成本(也即本申请实施例提供的卸载策略确定方法)的方案、现有技术中最小化用户能耗(也即不考虑边缘云的计算成本,采用动态规划算法决定终端的卸载策略的方案)的方案、现有技术中等量分配(也即在每个时隙平均地分配终端本地计算和卸载数据量)的方案。
进一步的,图7对应为当终端的卸载数据量,也即计算数据量增加时,三种方案的用户成本(也即终端的卸载成本)的变化曲线。图8为当终端的单位时延中的时隙K的数量增加时,三种方案的用户成本(也即终端的卸载成本)的变化曲线。
通过图7及图8的对比可知,随着终端的卸载数据量和单位时延的增加,本实施例提供的技术方案制定的卸载策略始终是所有调度策略中效果最好的,充分利用了信道状态信息,优化了单位时延内K个时隙的本地计算数据量和卸载数据量。
本申请实施例可以根据上述方法示例对卸载策略确定装置进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
示例性的,如图9所示,为本申请实施例所涉及的一种卸载策略确定装置的一种可能的结构示意图。该卸载策略确定装置900包括:处理单元901。
处理单元901,用于根据终端的第一信道状态和第二信道状态确定终端的卸载能耗期望。
处理单元901,还用于根据卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量,以及数据卸载比例。
处理单元901,还用于根据本地计算数据量,以及数据卸载比例,确定终端在当前时隙的卸载数据量。
处理单元901,还用于根据第一信道状态,确定终端的卸载成本。
处理单元901,还用于根据终端的卸载成本,确定第一系数、第二系数和第三系数。
处理单元901,还用于根据第一系数、第二系数和第三系数,第一信道状态以及第二信道状态,确定卸载能耗期望。
处理单元901,还用于根据第一系数、第二系数、第三系数、卸载能耗期望和第一信道状态,确定终端在当前时隙的本地计算数据量。
处理单元901,还用于根据第一系数、第二系数、第三系数和第一信道状态,确定数据卸载比例。
可选的,卸载决策确定装置900还可以包括存储单元(图9中以虚线框示出),该存储单元存储有程序或指令,当处理单元902执行该程序或指令时,使得卸载决策确定装置可以执行上述方法实施例所述的卸载决策确定方法。
此外,图9所述的卸载决策确定装置的技术效果可以参考上述实施例所述的卸载决策确定方法的技术效果,此处不再赘述。
示例性地,图10为上述实施例中所涉及的卸载决策确定装置的又一种可能的结构示意图。如图10所示,卸载决策确定装置1000包括:处理器1002。
其中,处理器1002,用于对该卸载决策确定装置的动作进行控制管理,例如,执行上述处理单元901执行的步骤,和/或用于执行本文所描述的技术方案的其它过程。
上述处理器1002可以是实现或执行结合本申请内容所描述的各种示例性的逻辑方框,模块和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。所述处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
可选地,卸载决策确定装置1000还可以包括通信接口1003、存储器1001和总线1004。其中,通信接口1003用于支持卸载决策确定装置1000与其他网络实体的通信。存储器1001用于存储该卸载决策确定装置的程序代码和数据。
其中,存储器1001可以是卸载决策确定装置中的存储器,该存储器可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。
总线1004可以是扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。总线1004可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例提供一种包含指令的计算机程序产品,当所述计算机程序产品在本申请的电子设备上运行时,使得所述计算机执行上述方法实施例所述的卸载决策确定方法。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当计算机执行该指令时,该本申请的电子设备执行上述方法实施例所示的方法流程中卸载决策确定装置执行的各个步骤。
其中,计算机可读存储介质,例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘。随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的人以合适的组合、或者本领域数值的任何其他形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit,ASIC)中。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种卸载策略确定方法,其特征在于,所述方法包括:
根据终端的第一信道状态和第二信道状态确定所述终端的卸载能耗期望;其中,所述第一信道状态为所述终端在当前时隙的信道的状态,所述第二信道状态为所述终端在下一时隙的信道的状态,所述信道为所述终端与边缘服务器之间的通信信道;所述卸载能耗期望用于表征在下一时隙内所述终端在本地计算数据时的预期能耗大小;
根据所述卸载能耗期望和所述第一信道状态,确定所述终端在所述当前时隙的本地计算数据量,以及数据卸载比例;所述数据卸载比例为所述终端在所述当前时隙的所述本地计算数据量与卸载数据量的比例;
根据所述本地计算数据量,以及所述数据卸载比例,确定所述终端在所述当前时隙的所述卸载数据量;
所述根据终端的第一信道状态和第二信道状态确定所述终端的卸载能耗期望,具体包括:
根据所述第一信道状态,确定所述终端的卸载成本;其中,所述卸载成本用于表征所述终端在单位时延内卸载预设比特数据至所述边缘服务器时所消耗的网络资源,所述单位时延为所述终端完成目标比特数据的计算所需的多个时隙,所述当前时隙为所述单位时延内的一个时隙,所述目标比特数据包括所述预设比特数据;
根据所述终端的卸载成本,确定第一系数、第二系数和第三系数;
根据所述第一系数、第二系数和第三系数,所述第一信道状态以及所述第二信道状态,确定所述卸载能耗期望;
所述根据所述卸载能耗期望和所述第一信道状态,确定所述终端在所述当前时隙的本地计算数据量,以及数据卸载比例,具体包括:
根据第一系数、第二系数、第三系数、所述卸载能耗期望和所述第一信道状态,确定所述终端在所述当前时隙的本地计算数据量;
根据所述第一系数、所述第二系数、所述第三系数和所述第一信道状态,确定所述数据卸载比例;
所述终端的卸载成本满足以下公式:
其中,k表示所述当前时隙的编号,K表示所述单位时延内包含时隙的数量,hk表示所述第一信道状态,表示在所述单位时延的开始时刻的待处理数据量,D表示所述目标比特数据,/>表示所述当前时隙的待处理数据量,/>表示预测本地计算数据量,/>表示预测卸载数据量,η表示能耗权重系数,γ表示本地电路架构系数,w表示终端计算一个输入比特所需的CPU周期数,t0表示每个时隙的时间长度,s.t.C1-C4表示约束条件分别为C1至C4的整形变量,C1表示约束条件为所述终端未开始处理所述目标比特数据,C2表示约束条件为所述终端在所述当前时隙的预测本地计算数据量与预测卸载数据量之和小于等于所述当前时隙的待处理数据量,C3表示约束条件为所述终端在所述当前时隙的预测本地计算数据量与预测卸载数据量之和等于所述当前时隙的待处理数据量,C4表示约束条件为所述终端在所述单位时延内的K个时隙中的预测本地计算数据量与预测卸载数据量之和大于或等于所述目标比特数据;
所述第一系数α满足以下公式:
其中,η表示能耗权重系数,γ表示本地电路架构系数,w表示所述终端计算一个输入比特所需的中央处理单元CPU周期数,t0表示每个所述时隙的时间长度;
所述第二系数λ满足以下公式:
λ=αλ0/t0 2;
其中,λ0表示能耗系数;
所述第三系数β满足以下公式:
所述卸载能耗期望满足以下公式:
其中,Sk表示所述卸载能耗期望,Sk+1表示下一迭代中的卸载能耗期望,K表示所述单位时延内包含时隙的数量,α表示第一系数,hk表示所述第一信道状态,hk+1表示所述第二信道状态,λ表示第二系数,β表示第三系数,Pr表示随机取值函数;
所述本地计算数据量满足以下公式:
其中,表示所述终端在所述当前时隙的本地计算数据量,/>表示所述当前时隙的待处理数据量,Sk表示所述卸载能耗期望,K表示所述单位时延内包含时隙的数量,α表示所述第一系数,hk表示所述终端在所述当前时隙的上传信道状态,λ表示所述第二系数,β表示所述第三系数;
所述数据卸载比例满足以下公式:
其中,表示所述卸载数据量,/>表示所述本地计算数据量,α表示所述第一系数,hk表示所述终端在所述当前时隙的上传信道状态,λ表示所述第二系数,β表示所述第三系数。
2.一种卸载策略确定装置,其特征在于,所述卸载策略确定装置包括:处理单元;
所述处理单元,用于根据终端的第一信道状态和第二信道状态确定所述终端的卸载能耗期望;其中,所述第一信道状态为所述终端在当前时隙的信道的状态,所述第二信道状态为所述终端在下一时隙的信道的状态,所述信道为所述终端与边缘服务器之间的通信信道;所述卸载能耗期望用于表征在下一时隙内所述终端在本地计算数据时的预期能耗大小;
所述处理单元,还用于根据所述卸载能耗期望和所述第一信道状态,确定所述终端在所述当前时隙的本地计算数据量,以及数据卸载比例;所述数据卸载比例为所述终端在所述当前时隙的所述本地计算数据量与卸载数据量的比例;
所述处理单元,还用于根据所述本地计算数据量,以及所述数据卸载比例,确定所述终端在所述当前时隙的所述卸载数据量;
所述处理单元,还用于根据所述第一信道状态,确定所述终端的卸载成本;其中,所述卸载成本用于表征所述终端在单位时延内卸载预设比特数据至所述边缘服务器时所消耗的网络资源,所述单位时延为所述终端完成目标比特数据的计算所需的多个时隙,所述当前时隙为所述单位时延内的一个时隙,所述目标比特数据包括所述预设比特数据;
所述处理单元,还用于根据所述终端的卸载成本,确定第一系数、第二系数和第三系数;
所述处理单元,还用于根据所述第一系数、第二系数和第三系数,所述第一信道状态以及所述第二信道状态,确定所述卸载能耗期望;
所述处理单元,还用于根据第一系数、第二系数、第三系数、所述卸载能耗期望和所述第一信道状态,确定所述终端在所述当前时隙的本地计算数据量;
所述处理单元,还用于根据所述第一系数、所述第二系数、所述第三系数和所述第一信道状态,确定所述数据卸载比例;
所述终端的卸载成本满足以下公式:
其中,k表示所述当前时隙的编号,K表示所述单位时延内包含时隙的数量,hk表示所述第一信道状态,表示在所述单位时延的开始时刻的待处理数据量,D表示所述目标比特数据,/>表示所述当前时隙的待处理数据量,/>表示预测本地计算数据量,/>表示预测卸载数据量,η表示能耗权重系数,γ表示本地电路架构系数,w表示终端计算一个输入比特所需的CPU周期数,t0表示每个时隙的时间长度,s.t.C1-C4表示约束条件分别为C1至C4的整形变量,C1表示约束条件为所述终端未开始处理所述目标比特数据,C2表示约束条件为所述终端在所述当前时隙的预测本地计算数据量与预测卸载数据量之和小于等于所述当前时隙的待处理数据量,C3表示约束条件为所述终端在所述当前时隙的预测本地计算数据量与预测卸载数据量之和等于所述当前时隙的待处理数据量,C4表示约束条件为所述终端在所述单位时延内的K个时隙中的预测本地计算数据量与预测卸载数据量之和大于或等于所述目标比特数据;
所述第一系数α满足以下公式:
其中,η表示能耗权重系数,γ表示本地电路架构系数,w表示所述终端计算一个输入比特所需的中央处理单元CPU周期数,t0表示每个所述时隙的时间长度;
所述第二系数λ满足以下公式:
λ=αλ0/t0 2;
其中,λ0表示能耗系数;
所述第三系数β满足以下公式:
所述卸载能耗期望满足以下公式:
其中,Sk表示所述卸载能耗期望,Sk+1表示下一迭代中的卸载能耗期望,K表示所述单位时延内包含时隙的数量,α表示第一系数,hk表示所述第一信道状态,hk+1表示所述第二信道状态,λ表示第二系数,β表示第三系数,Pr表示随机取值函数;
所述本地计算数据量满足以下公式:
其中,表示所述终端在所述当前时隙的本地计算数据量,/>表示所述当前时隙的待处理数据量,Sk表示所述卸载能耗期望,K表示所述单位时延内包含时隙的数量,α表示所述第一系数,hk表示所述终端在所述当前时隙的上传信道状态,λ表示所述第二系数,β表示所述第三系数;
所述数据卸载比例满足以下公式:
其中,表示所述卸载数据量,/>表示所述本地计算数据量,α表示所述第一系数,hk表示所述终端在所述当前时隙的上传信道状态,λ表示所述第二系数,β表示所述第三系数。
3.一种电子设备,其特征在于,包括:处理器以及存储器;其中,所述存储器用于存储计算机执行指令,当所述电子设备运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述电子设备执行权利要求1所述的卸载策略确定方法。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括指令,当所述计算机可读存储介质中的指令由电子设备执行时,使得所述电子设备能够执行如权利要求1所述的卸载策略确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210277943.3A CN114640675B (zh) | 2022-03-21 | 2022-03-21 | 一种卸载策略确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210277943.3A CN114640675B (zh) | 2022-03-21 | 2022-03-21 | 一种卸载策略确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114640675A CN114640675A (zh) | 2022-06-17 |
CN114640675B true CN114640675B (zh) | 2024-02-09 |
Family
ID=81949687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210277943.3A Active CN114640675B (zh) | 2022-03-21 | 2022-03-21 | 一种卸载策略确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114640675B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543336A (zh) * | 2019-08-30 | 2019-12-06 | 北京邮电大学 | 基于非正交多址接入技术的边缘计算任务卸载方法及装置 |
EP3826368A1 (en) * | 2019-11-19 | 2021-05-26 | Commissariat à l'énergie atomique et aux énergies alternatives | Energy efficient discontinuous mobile edge computing with quality of service guarantees |
CN113612843A (zh) * | 2021-08-02 | 2021-11-05 | 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 |
CN113950103A (zh) * | 2021-09-10 | 2022-01-18 | 西安电子科技大学 | 一种移动边缘环境下多服务器完全计算卸载方法及系统 |
CN113950066A (zh) * | 2021-09-10 | 2022-01-18 | 西安电子科技大学 | 移动边缘环境下单服务器部分计算卸载方法、系统、设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10440096B2 (en) * | 2016-12-28 | 2019-10-08 | Intel IP Corporation | Application computation offloading for mobile edge computing |
-
2022
- 2022-03-21 CN CN202210277943.3A patent/CN114640675B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543336A (zh) * | 2019-08-30 | 2019-12-06 | 北京邮电大学 | 基于非正交多址接入技术的边缘计算任务卸载方法及装置 |
EP3826368A1 (en) * | 2019-11-19 | 2021-05-26 | Commissariat à l'énergie atomique et aux énergies alternatives | Energy efficient discontinuous mobile edge computing with quality of service guarantees |
CN113612843A (zh) * | 2021-08-02 | 2021-11-05 | 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 |
CN113950103A (zh) * | 2021-09-10 | 2022-01-18 | 西安电子科技大学 | 一种移动边缘环境下多服务器完全计算卸载方法及系统 |
CN113950066A (zh) * | 2021-09-10 | 2022-01-18 | 西安电子科技大学 | 移动边缘环境下单服务器部分计算卸载方法、系统、设备 |
Non-Patent Citations (2)
Title |
---|
A Secure Data Transmission Method for Power 5G Edge Computing Scenarios;Jiming Yao等;《2021 13th International Conference on Wireless Communications and Signal Processing (WCSP)》;全文 * |
面向深空时变信道的数据传输策略;吴海涛;焦健;顾术实;陈晨;李云鹤;吴绍华;张钦宇;;宇航学报(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114640675A (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110543336B (zh) | 基于非正交多址接入技术的边缘计算任务卸载方法及装置 | |
CN108920280B (zh) | 一种单用户场景下的移动边缘计算任务卸载方法 | |
CN110740473B (zh) | 一种用于移动边缘计算的管理方法及边缘服务器 | |
CN112015545B (zh) | 车辆边缘计算网络中的任务卸载方法及系统 | |
CN112689303B (zh) | 一种边云协同资源联合分配方法、系统及应用 | |
CN111949409B (zh) | 一种电力无线异构网中计算任务卸载方法及系统 | |
CN112860337B (zh) | 在多接入边缘计算中卸载依赖任务的方法及系统 | |
CN111459662B (zh) | 移动边缘计算中的迁移管理方法、装置和存储介质 | |
CN113553165B (zh) | 一种基于博弈论的移动边缘计算任务卸载和资源调度方法 | |
CN104461673B (zh) | 一种虚拟机迁移判定方法及装置 | |
CN113810233A (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
CN110032437B (zh) | 一种基于信息时效性的计算任务处理方法及装置 | |
CN111158893B (zh) | 应用于雾计算网络的任务卸载方法、系统、设备及介质 | |
CN114640675B (zh) | 一种卸载策略确定方法、装置、电子设备及存储介质 | |
CN112905315A (zh) | 移动边缘计算mec网络中的任务处理方法、装置及设备 | |
CN110768827B (zh) | 一种基于群智能算法的任务卸载方法 | |
CN109450684B (zh) | 一种网络切片系统物理节点容量扩充方法及装置 | |
CN114461299B (zh) | 一种卸载决策确定方法、装置、电子设备及存储介质 | |
CN113297152B (zh) | 一种电力物联网边缘服务器缓存更新的方法及装置 | |
CN113934542A (zh) | 一种容器资源调整方法、系统、介质及电子终端 | |
CN114429195A (zh) | 混合专家模型训练的性能优化方法和装置 | |
Ravi et al. | Mobile computation bursting: An application partitioning and offloading decision engine | |
CN113709817A (zh) | 多基站多服务器场景下的任务卸载和资源调度方法及装置 | |
CN114398106B (zh) | 一种卸载策略确定方法、装置、电子设备及存储介质 | |
KR101718206B1 (ko) | 로드 분산을 위한 동적 스펙트럼 할당 방식 |
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 |