CN114844890B - 一种基于设备消息扩散的主动任务卸载方法 - Google Patents

Abstract

本发明公开了一种基于设备信息扩散的主动任务卸载方法。该发明方法能够在设备有任务或数据产生时将信息扩散出去以通知无人机前来处理，从而到达提高任务完成率，减少无人机飞行代价，降低任务平均完成时间的目的。首先，当设备上有新任务产生时，计算整个网络的任务的平均完成延迟。然后，计算该设备上的任务的平均完成延迟。之后，根据两种不同的延迟预测出完成该任务所需的延迟。最后，基于预测的任务延迟与任务的有效时间合理动态的决策出任务复制消息和任务计算通知消息的扩散数量。从而在保证任务完成率的情况下，进一步降低无人机的飞行成本以及整个网络的能量消耗。

Description

一种基于设备消息扩散的主动任务卸载方法

技术领域

本发明属于物联网的任务卸载与边缘计算领域，特别涉及非联通网络中设备基于消息扩散以进行主动任务卸载的方法。

背景技术

随着通信技术和微处理器的发展，越来越多的基于传感器的设备接入到物联网。截止到现在，接入到物联网的设备超过两百亿，并且设备上产生的任务数量可以达到每天10TB甚至更多。这些物联网设备可以部署在城市，森林，沙漠和海洋等区域用于环境监测，流量控制，以及安保管理等等。尽管根据摩尔定律，设备的计算能力与内存容量不断增大，但其增大速度仍滞后于任务计算能力的需求增长。因此对于一些计算复杂度较高的任务需要交由服务器来处理，相继应运而生的边缘计算比较适合解决这类问题。物联网设备高度分布在网络的边缘，因此产生的数据也位于网络边缘，同时这些数据又具有实时性和延时敏感的需求。而边缘计算不仅是分布式的计算模型，而且距离产生数据的设备更近，因此可以很好地应对四处分布的物联网设备的需求。在边缘计算中，为了解决终端能力和资源有限的问题，将任务卸载到边缘计算网络中进行处理的方式，被称之为任务卸载技术。它的出现为计算能力较弱的物联网设备的复杂任务计算带来了生机。

但是为了节省物联网设备成本以及能量消耗，一些物联网设备被设计成通信范围很小且不联网的传感设备，其通信范围只有几十米。因此这些物联网设备不仅不能直接与互联网进行通信，也不能直接与边缘服务器或云进行通信，而只能与其附近的设备进行通信。因此，在这样的网络中进行任务卸载带来了巨大挑战：一是如何知道哪些物联网设备上有任务需要卸载。二是，当物联网设备上有任务需要卸载时，如何将任务有效的卸载到边缘服务器上。近年来随着无人机技术的发展，无人机被发现是针对这类网络的一种有效的任务卸载方式。以往策略提出利用轻量快捷的无人机来对这类网络进行任务卸载与数据收集。采用的方法是无人机按一定轨迹在网络上空飞行并覆盖整个网络，这样当无人机飞到有任务需要卸载的物联网设备通信范围时就可以进行任务卸载。并且无人机还可以装有CPU或GPU，使得无人机不仅可以传输任务还可以对任务进行处理。无人机不停的在网络区域中飞行，当收集到物联网设备卸载的任务时，无人机悬停在其上空完成任务处理。同样的，无人机既可以将接收到的任务在本地完成处理也可以卸载到边缘服务器进行处理。但是物联网设备只能被动的等待无人机到来时才能将任务卸载，这样可能导致大量的任务因超过其截止期而失效。因此，迫切的需要一种主动任务卸载的方法，以使物联网设备感知或产生的任务能够尽快被无人机收集与处理。

发明内容

本发明公开了一种非联通网络中设备通过消息扩散以完成主动任务卸载的方法。其目的在于克服传统被动卸载方案的高延迟、低任务完成率、高无人机飞行代价等问题。由于在非联通网络中，物联网设备仅能与相邻的物联网设备通信，因此，无人机无法得知什么时间以及哪里有任务产生。所以，传统方案利用无人机来遍历整个网络，直到飞到设备的通信范围内时才可以感知到是否有任务产生。但这种遍历的方式使得那些距离无人机较远的任务因超过其截止期而失效，大大降低任务完成率，严重影响网络性能。本发明方法在物联网设备有任务产生时，便主动地将任务复制消息或任务计算通知消息通过相邻设备扩散至网络边界，这样可以增大无人机感知到任务的概率，能够减少无人机盲目飞行时间，使得任务能够在截止期前完成。

发明的技术解决方案如下：

在非联通物联网中，为了使设备能够主动的完成任务卸载，而不是被动的等待无人机来完成任务卸载，设备将任务复制消息或任务计算通知消息扩散到网络中以尽快让无人机感知到任务，并进行有目的地飞行。任务复制的消息扩散能够降低网络延迟，但是会给设备带来较大的能量消耗；而任务计算通知消息的扩散给设备带来的能量消耗较大，但网络延迟大。因此，当物联网设备感知或产生任务时，首先依据整个网络中任务平均完成延迟以及该设备上产生的任务平均完成延迟预测出完成该任务的延迟，并根据任务的有效时间，进而动态的推测出任务复制消息和任务计算通知消息扩散的数量。这样能够保证任务完成的同时使得能量消耗最小。基于设备消息扩散的主动任务卸载过程包括以下步骤：

(1)步骤一：当网络中有物联网设备产生新任务时，根据网络中任务的产生信息与任务完成的延迟信息计算整个网络中任务完成的平均延迟；该步骤中，计算任务平均延迟的方法如下：

任务延迟是指从物联网设备感知或产生任务产生开始到任务成功被处理完成的时间；在设备d_i上产生新任务T_i,j时，此时，由系统记录的整个网络中完成的任务集合为

并且这些任务相应的任务完成延迟为

此外，在计算平均延迟时只将成功完成的任务考虑在内，而不考虑那些超时的、失败的任务；在新任务产生时共完成的任务数量为

其中

表示第i个任务的延迟，则任务完成的平均延迟可以通过下式计算：

(2)步骤二：根据设备上产生的任务数量以及任务完成的延迟，计算出设备上的任务平均延迟；该步骤的具体方法如下：

设备d_i在任务T_i,j产生之前的任务为{T_i,1,T_i,2,…,T_i,j-1}，这里用

来表示这些任务的延迟；其中j>1，若j＝1说明设备d_i上初次产生任务；由于不能保证这些任务均能被成功处理，我们用F_i,j来表示任务的完成状态，当F_i,j＝1时表示任务可以成功完成，若F_i,j＝0则表示任务不能被成功处理；则设备d_i上的任务延迟可以通过下述公式计算：

s.t.

1≤a≤j-1

C1:F_i,a∈{0,1}

C3:ε₁≤ε₂≤ε₃≤…≤ε_j-1

其中，约束2表示这些任务的延迟权重之和为1，约束3表示距当前时刻越近的任务，其延迟所占的权重越大；

(3)步骤三：根据整个网络中任务完成的平均延迟和设备上任务完成的平均延迟，预测出任务完成所需的延迟；该步骤的具体计算方法如下：

任务T_i,j的预测延迟主要由设备d_i上其他任务的完成时间决定，但整个网络中任务的平均延迟也会影响T_i,j的预测延迟；预测延迟可以通过下式计算，其中δ为可变参数：

(4)步骤四：根据预测延迟与任务的有效时间来计算任务计算通知(TaskComputing Notice，TCN)和任务复制消息(Copied Task，CT)扩散的数量，具体操作如下：

通过任务T_i,j的预测延迟

和有效时间

可以得知任务的紧急程度，进而可以动态决定发送CT和TCN的数量；发送CT的数量

和发送TCN的数量

如下所示，其中m表示设备最多能够发送的CT数量，a≤m：

因为设备扩散CT所带来的延迟小于扩散TCN的延迟，所以当任务的有效时间小于预测的延迟时，发送的CT数量是最多的，但当预测的延迟小于任务的有效时间时，发送的CT数量可以适当减少，以节省设备的能耗；设备一共需要扩散的消息数量为M，在得知扩散CT的数量后，TCN的数量便可得知；

(5)步骤五：物联网设备向网络的不同方向扩散相应数量的任务计算通知消息或任务复制消息，这些消息是通过相邻设备进行传输的，并扩散至网络边界，以使无人机能有更大的概率接收到任务消息并尽快完成任务卸载。

本发明方法的主动任务卸载相比以往的被动卸载更能保证任务完成率，更能降低无人机的成本，更能缩短任务完成的延迟。

有益效果

本发明公开了一种基于设备消息扩散的主动任务卸载方法，采用了ATOC(ActiveTask Offloading and Computing，主动任务卸载与计算)策略。该发明方法巧妙地将任务复制消息或任务计算通知消息提前扩散出去，以使无人机尽快感知到任务并完成任务卸载。当无人机收到任务消息时便可以进行有目的地飞行，从而减少无人机盲目飞行而带来的巨大飞行代价。此外，该发明方法还依据任务的紧急程度，动态的决定扩散任务复制消息和任务计算通知消息的数量，从而在保证任务完成的同时，设备的能量消耗最小。总的来说，该发明方法极大地提高了任务完成率，减少了无人机的能量消耗。

附图说明

图1为网络模型图；

图2为在不同任务数量下三种不同方案对应的任务完成率；

图3为在不同任务数量下三种不同方案对应的无人机飞行距离；

图4为在不同任务数量下三种不同方案对应的任务平均完成时间。

具体实施方式

为了便于理解本发明，下文将结合说明书附图和较佳的实施例对本文发明做更全面、细致地描述，但本发明的保护范围并不限于以下具体实施例。

除非另有定义，下文中所使用的所有专业术语与本领域技术人员通常理解含义相同。本文中所使用的专业术语只是为了描述具体实施例的目的，并不是旨在限制本发明的保护范围。

除非另有特别说明，本发明中用到的各种原材料、试剂、仪器和设备等均可通过市场购买得到或者可通过现有方法制备得到。

实施例：

在偏远或危险区域如森林，火灾、地震现场，部署了大量物联网设备以监测周围环境并将感知到的数据或任务信息进行处理或报告。但由于这些设备的通信能力有限，因此，他们感知到的计算需求较大的任务或数据只能交付到其通信范围内的无人机，或由无人机交付到边缘服务器来进行处理。为了使无人机能够尽早感知到任务的存在，当传感器设备有任务或数据产生时，他们将任务复制消息或任务计算通知消息通过相邻设备扩散到网络。这样不管无人机从哪个方向飞来，均可以接收到任务消息，以尽快完成对任务的处理。当无人机接收到任务复制消息后可以直接完成对该任务的处理，可以极大地减少网络延迟，但增加了设备的传输能耗；相反，当无人机接收到任务计算通知消息后，还需要飞到任务产生位置，这样会造成一定的网络延迟，但可以节省设备传输能耗。为了综合考虑任务完成率以及能量消耗情况，我们需要动态决定任务复制消息或任务计算通知消息的扩散数量。如图1的网络模型所示，当任务1-5产生时，他们分别发送不同数量的扩散消息到网络中，其中实线表示扩散的任务复制消息，细虚线表示扩散的任务计算通知消息，粗虚线表示无人机的飞行轨迹。可以看出无人机的飞行轨迹是有目的的，并且在收到任务3和任务4的任务复制消息时可以直接完成对该任务的处理，因而极大地减少了无人机的飞行轨迹和任务的完成延迟。

图2给出了在不同任务数量下，系统分别采用本发明提出的ATCO方案和传统的FATCO方案(遍历的任务计算与卸载，Flying All Task Computing and Offloading)和CTCO方案(基于簇头的任务计算与卸载，Clustering Task Computing and Offloading)的任务完成率情况。其中FTCO方案表示无人机依次遍历所有设备完成任务卸载的方法，而CTCO方案表示无人机依次遍历簇头完成任务卸载的方法。可以看出，当系统采用ATCO方案时的任务完成率相对于FATCO和CTCO方案均有显著提高，这是因为设备能够将任务信息提前扩散出去使无人机尽早感知到任务并完成处理，而传统方案只能被动的等待无人机来完成任务处理。总的来说，ATCO方案的任务完成率相对于CTCO和FATCO方案分别平均提高了49.82％和134.15％。

图3给出了在不同任务数量下，系统分别采用本发明提出的ATCO方案和传统的FATCO方案和CTCO方案的无人机飞行距离情况。在设备进行任务消息扩散后使得无人机能够有目的的飞行，从而大大减少了无人机的飞行距离；而FATCO方案只能让无人机遍历整个网络来完成数据收集与处理，从而造成无人机飞行成本高；CTCO方案相对于FATCO方案可以减少一定的飞行成本，这是因为其将整个网络进行分簇，无人机只需遍历簇头节点即可，但其飞行代价仍然高于ATCO的。综上所述，系统采用ATCO方案的无人机飞行距离相对于CTCO和FATCO方案分别减少了50.64％和73.40％。

图4给出了在不同任务数量下，系统分别采用本发明提出的ATCO方案和传统的FATCO方案和CTCO方案的任务平均延迟情况。可以看出，系统采用ATCO方案时的任务平均延迟相对较小，但是跟其他两种方案差别不大。这是因为任务的平均完成延迟是由一个周期内所有任务的完成时间与完成的任务数量之比得来的。根据图2可以看出，ATCO方案的任务完成率远远大于FATCO和CTCO方案，从而导致三种方案的延迟差别不大。综上所述，系统采用ATCO方案的任务平均延迟相对于CTCO和FATCO方案分别最多减少了35.22％和35.59％。

Claims (1)

1.一种动态的基于设备消息扩散的主动任务卸载方法，其特征在于包括以下步骤：

(1)步骤一：当网络中有物联网设备产生新任务时，根据网络中任务的产生信息与任务完成的延迟信息计算整个网络中任务完成的平均延迟；该步骤中，计算任务平均延迟的方法如下：

任务延迟是指从物联网设备感知或产生任务产生开始到任务成功被处理完成的时间；在设备d_i上产生新任务T_i,j时，此时，由系统记录的整个网络中完成的任务集合为

并且这些任务相应的任务完成延迟为

此外，在计算平均延迟时只将成功完成的任务考虑在内，而不考虑那些超时的、失败的任务；在新任务产生时共完成的任务数量为

其中

表示第i个任务的延迟，则任务完成的平均延迟可以通过下式计算：

(2)步骤二：根据设备上产生的任务数量以及任务完成的延迟，计算出设备上的任务平均延迟；该步骤的具体方法如下：

设备d_i在任务T_i,j产生之前的任务为{T_i,1,T_i,2,…,T_i,j-1}，这里用

来表示这些任务的延迟；其中j>1，若j＝1说明设备d_i上初次产生任务；由于不能保证这些任务均能被成功处理，我们用F_i,j来表示任务的完成状态，当F_i,j＝1时表示任务可以成功完成，若F_i,j＝0则表示任务不能被成功处理；则设备d_i上的任务延迟可以通过下述公式计算：

s.t.

1≤a≤j-1

C1:F_i,a∈{0,1}

C3:ε₁≤ε₂≤ε₃≤…≤ε_j-1

其中，约束2表示这些任务的延迟权重之和为1；约束3表示距当前时刻越近的任务，其延迟所占的权重越大；

(3)步骤三：根据整个网络中任务完成的平均延迟和设备上任务完成的平均延迟，预测出任务完成所需的延迟；该步骤的具体计算方法如下：

任务T_i,j的预测延迟主要由设备d_i上其他任务的完成时间决定，但整个网络中任务的平均延迟也会影响T_i,j的预测延迟；预测延迟可以通过下式计算，其中δ为可变参数：

(4)步骤四：根据预测延迟与任务的有效时间来计算任务计算通知(Task ComputingNotice，TCN)和任务复制消息(Copied Task，CT)扩散的数量，具体操作如下：

通过任务T_i,j的预测延迟

和有效时间

可以得知任务的紧急程度，进而可以动态决定发送CT和TCN的数量；发送CT的数量

和发送TCN的数量

如下所示；其中m表示设备最多能够发送的CT数量，a≤m：

因为设备扩散CT所带来的延迟小于扩散TCN的延迟，所以当任务的有效时间小于预测的延迟时，发送的CT数量是最多的，但当预测的延迟小于任务的有效时间时，发送的CT数量可以适当减少，以节省设备的能耗；设备一共需要扩散的消息数量为M，在得知扩散CT的数量后，TCN的数量便可得知；

(5)步骤五：物联网设备向网络的不同方向扩散相应数量的任务计算通知消息或任务复制消息，这些消息是通过相邻设备进行传输的，并扩散至网络边界，以使无人机能有更大的概率接收到任务消息并尽快完成任务卸载。

Images