CN114928609B - 物联网场景的异构云-边环境的最优任务卸载方法 - Google Patents

物联网场景的异构云-边环境的最优任务卸载方法 Download PDF

Info

Publication number
CN114928609B
CN114928609B CN202210447941.4A CN202210447941A CN114928609B CN 114928609 B CN114928609 B CN 114928609B CN 202210447941 A CN202210447941 A CN 202210447941A CN 114928609 B CN114928609 B CN 114928609B
Authority
CN
China
Prior art keywords
task
edge
cloud
tasks
cost
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
CN202210447941.4A
Other languages
English (en)
Other versions
CN114928609A (zh
Inventor
万夕里
吉婷湘
管昕洁
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.)
Nanjing Tech University
Original Assignee
Nanjing Tech 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 Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN202210447941.4A priority Critical patent/CN114928609B/zh
Publication of CN114928609A publication Critical patent/CN114928609A/zh
Application granted granted Critical
Publication of CN114928609B publication Critical patent/CN114928609B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Multi Processors (AREA)
  • Computer And Data Communications (AREA)

Abstract

一种物联网场景的异构云‑边环境的最优任务卸载方法，包括步骤：步骤一、将任务应用t通过建模得到有向图GT；步骤二、获取任务应用t中每个任务ti的计算代价和通信代价；然后判断是否所有任务的通信代价都满足边界条件α；步骤三、对步骤一中得到的有向图GT和步骤二中得到的计算代价和通信代价信息进行分析，建模得到特定的辅助图G*；步骤四、在步骤三中得到的辅助图G*上找到最小割集C，并得到该割集C对应的通信代价不对称的云‑边环境中任务卸载的最优卸载策略。本发明利用最大流最小割算法得到分割任务应用并卸载到云‑边环境中进行计算的最优卸载方案。该方法能够明显降低在满足特定场景的异构云‑边环境中卸载整个任务应用的总代价。

Description

物联网场景的异构云-边环境的最优任务卸载方法
技术领域
本发明涉及了一种物联网场景的异构云-边环境中的最优任务卸载算法，属于云-边计算领域。
背景技术
边缘计算由于其可扩展性和低通信成本，弥补了从本地设备向远程云传输大量数据的成本，因此受到了广泛的关注。云-边计算具有边缘计算和云计算的优点。另外，它也是解决物联网设备资源限制和仅将整个应用卸载到云上导致高延迟的最有效途径之一。
计算卸载是获得云-边计算显著优点的关键技术之一，它特别有利于基于微服务的应用程序。这些该应用程序通常被分解为一组独立的小型服务，每个服务作为一个任务运行自己的流程或容器，并通过轻量级通信机制相互通信。计算卸载需要决定哪些任务应该卸载到边缘端，哪些任务应该卸载到云端，并进一步决定执行整个应用程序应该遵循什么顺序。
现有技术中，物联网应用场景下，通常忽略云端内部、边缘端内部的通信代价，并假设从边缘端到云端、从云端到边缘端的通信代价是对称的。但是这样的做法过于理想，是不切实际的。在实际的云-边环境中，由于链路类型的不同，网络状况的不稳定等原因，从边缘端到云端的传输速率，和从云端到边缘端的传输速率是不一致的，进而导致了两者的通信代价是不对称的；并且，云端和边缘端通常分别由多个云服务器集群，多个边缘设备集群构成，因此它们各自的内部存在不可忽略的通信代价。通常情况下，云端和边缘端之间的通信距离远大于云端内部之间、以及边缘端内部之间的通信距离，且云端内部、边缘端内部的通信状况也都优于云端和边缘端之间的通信状况，所以基本上每个任务的通信代价都满足边界条件α。
发明内容
本发明所要解决的技术问题是针对云-边计算中如何有效减少任务卸载总代价的情况，提出一种面向满足特定条件的异构的云-边环境中有关任务卸载的最优算法。
本发明为解决上述技术问题采用以下技术方案：
本发明提出1、一种云-边计算在通信代价不对称环境下的最优任务卸载方法，包括以下步骤：
步骤一、将任务应用t通过建模得到有向图GT；
步骤二、获取任务应用t中每个任务ti的计算代价和通信代价；然后判断是否所有任务的通信代价都满足边界条件α；当所有任务的通信代价都满足边界条件α时，进行如下步骤的处理；
步骤三、对步骤一中得到的有向图GT和步骤二中得到的计算代价和通信代价信息进行分析，建模得到特定的辅助图G*；
步骤四、在步骤三中得到的辅助图G*上找到最小割集C，并得到该割集C对应的通信代价不对称的云-边环境中任务卸载的最优卸载策略；
所述步骤一中：
将任务应用t通过建模得到有向图GT；任务应用t中有n个任务，每个任务映射成有向图GT中的一个节点；对于具有计算依赖的两个任务vi和任务vj，在有向图GT中构建它们对应的有向边；各个任务对应的节点构成了有向图GT的节点集
Figure BDA0003617497630000021
对于需要固定在边缘端计算或云端计算的任务，称它们具有不可卸载性；
所述步骤二中：
获取任务应用t中每个任务的计算代价和通信代价；然后，为有向图GT给定初始卸载方法，即为有向图GT中的任务映射的节点随机初始化卸载分区，定义为初始分区；初始分区分别是卸载到边缘端的任务构成的分区和卸载到云端的任务构成的分区；
判断每一对具有计算依赖性的任务，当：两者都卸载到边缘端的通信代价以及两者都卸载到云端的通信代价之和，不大于两个任务分别依次卸载到边缘端和云端的通信代价之和时，称这对任务的通信代价满足边界条件α；若每一对任务的通信代价都满足边界条件α，则，由步骤三继续处理所有的任务；
所述步骤三中：
步骤3.1)构造与计算代价相关的小图
Figure BDA0003617497630000031
对于每个任务
Figure BDA0003617497630000032
构造与其计算代价相关的小图Gi，
Figure BDA0003617497630000033
表示Gi的节点集，εi表示Gi的边集，S，T分别表示小图Gi的源点和汇点；每个任务应用t中共有n个任务，所以共有n个Gi，用
Figure 1
来表示这些小图；
步骤3.2)构造与通信代价相关的小图
Figure BDA0003617497630000035
对于GT中的每条边(vi,vj)构造与其通信代价相关的小图Gi，且
Figure RE-GDA0003741025230000035
表示Gi的节点集，εi表示Gi的边集，S'，T'分别表示小图Gi第源点和汇点；GT中共有m条边，所以共有m个小图Gi，用 GM＝{G1,…,Gm}来表示这些小图；
步骤3.3)合并步骤3.1)和步骤3.2)中构造的所有小图Gi和小图Gi得到辅助图G*；
所述步骤四中：
找到辅助图G*中的最小割集C；该割集C使得G*中的节点被分到两个不相交的集合中，与源点S”在同一个集合中的节点对应的任务被卸载到边缘端；相应地，与汇点T”在同一个集合中的节点对应的任务被卸载到云端。
本发明采用以上技术方案与现有技术相比，具有以下优点：
1、本发明针对异构的云-边计算提出了最优任务卸载方法。现有的云-边卸载策略大多假设云-边计算中的通信代价是对称的，但是在实际的云-边计算环境中，其通信代价是异构的，即不对称的。针对此问题，本发明提出了当通信代价在异构的云-边环境中满足边界条件α时，可以通过构造辅助图并利用图理论得到最优的任务卸载策略。
2、将任务应用分割成两部分并卸载到云-边环境中计算。单个任务应用中包含多个子任务，将这些子任务分割成两部分并卸载到云-边环境中进行计算，可以有效解决单个边缘设备由于计算资源约束和能量约束不能完全支持计算处理整个任务应用的问题，以及由于带宽约束将整个任务应用卸载到单个云上带来的高延迟问题。
3、本发明考虑了部分任务的不可卸载性。由于特殊的资源要求限制，部分任务必须固定在特定端进行计算，即部分任务具有不可卸载性。本发明提出的方法可以在满足部分任务不可卸载性的前提下，找出最优的任务卸载策略。
附图说明
图1是本发明整体的流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本发明针对云-边计算中如何有效减少任务卸载总代价的情况，提出一种面向满足特定条件的异构的云-边环境中有关任务卸载的协同计算方法。在满足部分任务的不可卸载性的前提下，利用图理论可以找到最优的任务卸载策略，降低了计算整个任务应用的总代价。
本发明提出的一种面向满足特定条件的异构云-边环境中的最优任务卸载算法，规定当前网络带宽能够负载大量文件，无网络拥塞情况。同时规定一个任务应用中除了部分需要固定在特定端进行处理的任务，其余所有的任务都可以在云 -边环境中的任意端进行计算处理。
在以上条件之下，分割任务应用并将任务卸载到云-边环境中进行计算处理。分割任务应用并进行任务卸载的步骤如图1所示。具体包括以下步骤：
步骤一、将任务应用T通过建模得到有向图GT，具体步骤如下：
步骤1.1、对于一个具有n个任务的任务应用T，将其中每一个任务ti映射成有向图GT中的一个节点vi，这些所有节点构成了有向图GT的节点集
Figure BDA0003617497630000051
为了方便理解，在接下来的说明中，我们将直接用vi来表示任务 ti；
步骤1.2、对于具有计算依赖性的任务vi和任务vj，如果任务vi是任务vj的父任务，那么在有向图GT中构造由vi指向vj的边(vi,vj),反之，构造边(vj,vi)。这些所有边构成有向图GT的边集ε＝{e1,…,em}，即GT中一共有m条边。
步骤二、获取任务应用T中每个任务ti的计算代价，以及满足特定条件的通信代价，具体步骤如下：
步骤2.1、获取每个任务vi的计算代价E(vi)。
每个任务vi要么在边缘端计算，要么在云端计算。使用变量xi表示任务vi的卸载位置，如果任务vi卸载到边缘端，那么xi＝0，如果任务vi卸载到云端，那么xi＝1。所以
Figure BDA0003617497630000052
其中
Figure BDA0003617497630000053
表示任务vi在边缘端执行的计算代价，
Figure BDA0003617497630000054
表示任务vi在云端执行的计算代价。如果任务vi需要固定在边缘端计算，则
Figure BDA0003617497630000055
相应地，如果任务vi需要固定在云端计算，则
Figure BDA0003617497630000056
步骤2.2、获取GT中每一对具有计算依赖性的任务(vi,vj)之间的通信代价 E(vi,vj)。
每一对具有计算依赖性的任务(vi,vj)之间的通信代价包含从边缘端到边缘端，从边缘端到云端，从云端到边缘端，从云端到云端的通信代价。所以，
Figure BDA0003617497630000057
这四个表达式都表示由vi传输其输出数据给vj的通信代价，不同的是
Figure BDA0003617497630000058
表示两者都卸载到边缘端的通信代价，
Figure BDA0003617497630000059
表示vi卸载到边缘端、vj卸载到云端的通信代价，
Figure BDA00036174976300000510
表示vi卸载到云端、vj卸载到边缘端的通信代价，
Figure BDA00036174976300000511
表示两者都卸载到云端的通信代价。并且每一对具有依赖性的任务(vi,vj)之间的通信代价均满足不等式：
Figure BDA0003617497630000061
只有当每个通信代价都满足这个不等式时，才存在云-边计算在通信代价不对称环境下的最优任务卸载算法。
步骤2.3、定义所有任务进行卸载后进行协同计算所需要的代价E(GT)。
Figure BDA0003617497630000062
其中，
Figure BDA0003617497630000063
表示所有任务的计算代价之和，
Figure BDA0003617497630000064
表示所有具有计算依赖性的任务之间的通信代价之和。
步骤三、对步骤一中得到的有向图GT和步骤二中得到的各代价信息进行分析，建模得到特定的辅助图G*：
步骤3.1、构造与计算代价相关的小图
Figure BDA0003617497630000065
对于每个任务
Figure BDA0003617497630000066
构造与其计算代价相关的小图Gi，且
Figure BDA0003617497630000067
表示Gi的节点集，εi表示Gi的边集，S，T分别表示源点和汇点。每个一个任务应用中共有n个任务，所以共有n个Gi，用GN＝{G1,…,Gn}来表示这些小图，具体步骤如下：
步骤3.1.1、如果
Figure BDA0003617497630000068
构造从S指向vi的有向边(S,vi)，并令边的权重为
Figure BDA0003617497630000069
如果任务vi需要固定在边缘端计算，则C(S,vi)＝∞。如果
Figure BDA00036174976300000610
构造从vi指向T的有向边(vi,T)，并令边的权重为
Figure BDA00036174976300000611
如果任务vi需要固定在云端计算，则C(vi,T)＝∞；
步骤3.1.2、如果任务vi需要固定在边缘端计算，则构造从S指向vi的有向边(S,vi)，并令边的权重为C(S,vi)＝∞；否则话，即任务vi需要固定在云端计算，则构造从vi指向T的有向边(vi,T)，并令边的权重为C(vi,T)＝∞。
步骤3.2、构造与通信代价相关的小图
Figure RE-GDA00037410252300000611
对于GT中的每条边(vi,vj) 构造与其通信代价相关的小图Gi，且
Figure RE-GDA00037410252300000612
表示Gi的节点集，εi表示Gi的边集，S，T分别表示源点和汇点。GT中共有m条边，所以共有m个Gi，用GM＝{G1,…,Gm}来表示这些小图，具体步骤如下：
步骤3.2.1、对于vi∈(vi,vj)且(vi,vj)∈ε，如果
Figure BDA0003617497630000071
则构造有向边(S,vi)，并令边的权重为
Figure BDA0003617497630000072
否则的话，构造有向边(vi,T)，并令边的权重为
Figure BDA0003617497630000073
步骤3.2.2、对于vj∈(vi,vj)且(vi,vj)∈ε，如果
Figure BDA0003617497630000074
则构造有向边 (S,vj)，并令边的权重为
Figure BDA0003617497630000075
否则的话，构造有向边(vj,T)，并令边的权重为
Figure BDA0003617497630000076
步骤3.2.3、对于每条(vi,vj)∈ε，构造一条有向边(vi,vj)，并令边的权重为
Figure BDA0003617497630000077
步骤3.3、合并步骤3.1和步骤3.2中构造的所有小图得到辅助图G*，具体步骤如下：
步骤3.3.1、将步骤3.1和步骤3.2中构造的所有小图中的每一条边都添加到辅助图G*中，如果G*已经存在了一条具有相同节点的边，那么只需要简单的将边的权重相加即可。
步骤四、在步骤三中得到的辅助图G*上找到最小割集C，并得到该割集C对应的通信代价不对称的云-边环境中任务卸载的最优卸载策略，具体步骤如下：
利用最大流最小割算法找到图G*中的最小割集C。该割集C使得G*中的节点被分到两个不相交的集合中，与源点S在同一个集合中的节点对应的任务将被卸载到边缘端；相应地，与汇点T在同一个集合中的节点对应任务将被卸载到云端。从而，我们可以根据最小割集C得到面向满足特定通信代价条件的异构云- 边环境中有关任务卸载的最优卸载策略。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种物联网场景的异构云-边环境的最优任务卸载方法，其特征在于，包括以下步骤：
步骤一、将任务应用t通过建模得到有向图GT；
步骤二、获取任务应用t中每个任务ti的计算代价和通信代价；
在步骤二中，还需判断是否所有任务的通信代价都满足边界条件α；当所有任务的通信代价都满足边界条件α时，进行如下步骤的处理；
步骤三、对步骤一中得到的有向图GT和步骤二中得到的计算代价和通信代价信息进行分析，建模得到特定的辅助图G*；
步骤四、在步骤三中得到的辅助图G*上找到最小割集C，并得到该割集C对应的通信代价不对称的云-边环境中任务卸载的最优卸载策略；
所述步骤一中：
将任务应用t通过建模得到有向图GT；任务应用t中有n个任务，每个任务映射成有向图GT中的一个节点；对于具有计算依赖的两个任务vi和任务vj，在有向图GT中构建它们对应的有向边；各个任务对应的节点构成了有向图GT的节点集
Figure FDA0003983416610000011
对于需要固定在边缘端计算或云端计算的任务，称它们具有不可卸载性；
所述步骤二中：
获取任务应用t中每个任务的计算代价和通信代价；然后，为有向图GT给定初始卸载方法，即为有向图GT中的任务映射的节点随机初始化卸载分区，定义为初始分区；初始分区分别是卸载到边缘端的任务构成的分区和卸载到云端的任务构成的分区；
判断每一对具有计算依赖性的任务，当：两者都卸载到边缘端的通信代价以及两者都卸载到云端的通信代价之和，不大于两个任务分别依次卸载到边缘端和云端的通信代价之和时，称这对任务的通信代价满足边界条件α；若每一对任务的通信代价都满足边界条件α，则，由步骤三继续处理所有的任务；
所述步骤三中：
步骤3.1)构造与计算代价相关的小图
Figure FDA0003983416610000021
对于每个任务
Figure FDA0003983416610000022
构造与其计算代价相关的小图Gi，
Figure FDA0003983416610000023
表示Gi的节点集，εi表示Gi的边集，S和T分别表示小图Gi的源点和汇点；每个任务应用t中共有n个任务，所以共有n个Gi，用GN＝{G1,…,Gn}来表示这些小图；
步骤3.2)构造与通信代价相关的小图
Figure FDA0003983416610000024
对于GT中的每条边(vi,vj)构造与其通信代价相关的小图Gi，
Figure FDA0003983416610000025
表示Gi的节点集，εi表示Gi的边集，S'和T'分别表示小图Gi第源点和汇点；
GT中共有m条边，所以共有m个小图Gi，用GM＝{G1,…,Gm}来表示这些小图；
步骤3.3)合并步骤3.1)和步骤3.2)中构造的所有小图Gi和小图Gi得到辅助图G*；
所述步骤四中：
找到辅助图G*中的最小割集C；该割集C使得G*中的节点被分到两个不相交的集合中，与源点S在同一个集合中的节点对应的任务被卸载到边缘端；相应地，与汇点T在同一个集合中的节点对应的任务被卸载到云端。
2.根据权利要求1所述的物联网场景的异构云-边环境的最优任务卸载方法，其特征是所述步骤一中：
步骤1.1)对于一个具有n个任务的任务应用t，将其中每一个任务ti映射成有向图GT中的一个节点vi，各个任务对应的节点构成了有向图GT的节点集
Figure FDA0003983416610000026
用vi来表示任务ti；
步骤1.2)对于具有计算依赖性的任务vi和任务vj，
如果任务vi是任务vj的父任务，那么在有向图GT中构造由vi指向vj的边(vi,vj)；
如果任务vj是任务vi的父任务，那么在有向图GT中构造由vj指向vi的边(vj,vi)；
所有边构成有向图GT的边集ε＝{e1,…,em}，即GT中一共有m条边。
3.根据权利要求1所述的物联网场景的异构云-边环境的最优任务卸载方法，其特征是步骤二所述的具体步骤包括：
步骤2.1)获取每个任务vi的计算代价E(vi)：
任务vi要么在边缘端计算，要么在云端计算；使用变量xi表示任务vi的卸载位置，如果任务vi卸载到边缘端，那么xi＝0，如果任务vi卸载到云端，那么xi＝1，则
Figure FDA0003983416610000031
其中
Figure FDA0003983416610000032
表示任务vi在边缘端执行的计算代价，
Figure FDA0003983416610000033
表示任务vi在云端执行的计算代价；
如果任务vi需要固定在边缘端计算，则
Figure FDA0003983416610000034
如果任务vi需要固定在云端计算，则
Figure FDA0003983416610000035
需要固定在特定端计算的任务，称它们具有不可卸载性；
步骤2.2)获取有向图GT中每一对具有计算依赖性的任务(vi,vj)之间的通信代价E(vi,vj)：
通信代价E(vi,vj)包括从边缘端到边缘端、从边缘端到云端、从云端到边缘端以及从云端到云端的通信代价，则
Figure FDA0003983416610000041
这四个表达式都表示由vi把其输出数据传输给vj的通信代价，其中：
Figure FDA0003983416610000042
表示两者都卸载到边缘端的通信代价，
Figure FDA0003983416610000043
表示vi卸载到边缘端、vj卸载到云端的通信代价，
Figure FDA0003983416610000044
表示vi卸载到云端、vj卸载到边缘端的通信代价，
Figure FDA0003983416610000045
表示两者都卸载到云端的通信代价；
判断是否每一对具有计算依赖性的任务(vi,vj)的通信代价均满足不等式
Figure FDA0003983416610000046
步骤2.3)定义所有满足边界条件α的任务进行卸载后进行协同计算所需要的代价E(GT)，
Figure FDA0003983416610000047
其中：
Figure FDA0003983416610000048
表示所有满足边界条件α的任务的计算代价之和，
Figure FDA0003983416610000049
表示所有满足边界条件α的、具有计算依赖性的任务之间的通信代价之和；
使E(GT)最小的任务卸载方法即为所求的任务卸载方法。
4.根据权利要求1所述的物联网场景的异构云-边环境的最优任务卸载方法，其特征是所述步骤3.1的步骤包括：
步骤3.1.1)如果
Figure FDA00039834166100000410
构造从S指向vi的有向边(S,vi)，并令边的权重为
Figure FDA00039834166100000411
如果任务vi需要固定在边缘端计算，则C(S,vi)＝∞；如果
Figure FDA00039834166100000412
构造从vi指向T的有向边(vi,T)，并令边的权重为
Figure FDA00039834166100000413
如果任务vi需要固定在云端计算，则C(vi,T)＝∞；
步骤3.1.2)如果任务vi需要固定在边缘端计算，则构造从S指向vi的有向边(S,vi)，并令边的权重为C(S,vi)＝∞；如果任务vi需要固定在云端计算，则构造从vi指向T的有向边(vi,T)，并令边的权重为C(vi,T)＝∞。
5.根据权利要求1所述的物联网场景的异构云-边环境的最优任务卸载方法，其特征是所述步骤3.2)的步骤包括：
步骤3.2.1)对于vi∈(vi,vj)且(vi,vj)∈ε，如果
Figure FDA0003983416610000051
则构造有向边(S',vi)，并令边的权重为
Figure FDA0003983416610000052
否则的话，构造有向边(vi,T')，并令边的权重为
Figure FDA0003983416610000053
步骤3.2.2)对于vj∈(vi,vj)且(vi,vj)∈ε，如果
Figure FDA0003983416610000054
则构造有向边(S',vj)，并令边的权重为
Figure FDA0003983416610000055
否则的话，构造有向边(vj,T')，并令边的权重为
Figure FDA0003983416610000056
步骤3.2.3)对于每条(vi,vj)∈ε，构造一条有向边(vi,vj)，并令边的权重为
Figure FDA0003983416610000057
6.根据权利要求1所述的物联网场景的异构云-边环境的最优任务卸载方法，其特征是所述步骤3.3)中：将步骤3.1)和步骤3.2)中构造的所有小图中的每一条边都添加到辅助图G*中，如果G*已经存在了一条具有相同节点的边，则将边的权重相加。
7.根据权利要求1所述的物联网场景的异构云-边环境的最优任务卸载方法，其特征是所述步骤四中，利用最大流最小割算法找到图G*中的最小割集C。
CN202210447941.4A 2022-04-27 2022-04-27 物联网场景的异构云-边环境的最优任务卸载方法 Active CN114928609B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210447941.4A CN114928609B (zh) 2022-04-27 2022-04-27 物联网场景的异构云-边环境的最优任务卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210447941.4A CN114928609B (zh) 2022-04-27 2022-04-27 物联网场景的异构云-边环境的最优任务卸载方法

Publications (2)

Publication Number Publication Date
CN114928609A CN114928609A (zh) 2022-08-19
CN114928609B true CN114928609B (zh) 2023-02-03

Family

ID=82806325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210447941.4A Active CN114928609B (zh) 2022-04-27 2022-04-27 物联网场景的异构云-边环境的最优任务卸载方法

Country Status (1)

Country Link
CN (1) CN114928609B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109698861A (zh) * 2018-12-14 2019-04-30 深圳先进技术研究院 一种基于代价优化的计算任务卸载算法
CN112579285A (zh) * 2020-12-10 2021-03-30 南京工业大学 面向边缘网络的分布式神经网络协同优化方法
CN112615736A (zh) * 2020-12-10 2021-04-06 南京工业大学 面向线性边缘网络的延迟最优分布式NNs协同优化方法
WO2021139537A1 (zh) * 2020-01-08 2021-07-15 上海交通大学 一种工业物联网中基于功率控制和资源分配的任务卸载方法
WO2021233053A1 (zh) * 2020-05-22 2021-11-25 华为技术有限公司 计算卸载的方法和通信装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104869151A (zh) * 2015-04-07 2015-08-26 北京邮电大学 一种业务卸载方法及系统
CN110413392B (zh) * 2019-07-25 2022-11-29 北京工业大学 一种移动边缘计算场景下制定单任务迁移策略的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109698861A (zh) * 2018-12-14 2019-04-30 深圳先进技术研究院 一种基于代价优化的计算任务卸载算法
WO2020119648A1 (zh) * 2018-12-14 2020-06-18 深圳先进技术研究院 一种基于代价优化的计算任务卸载算法
WO2021139537A1 (zh) * 2020-01-08 2021-07-15 上海交通大学 一种工业物联网中基于功率控制和资源分配的任务卸载方法
WO2021233053A1 (zh) * 2020-05-22 2021-11-25 华为技术有限公司 计算卸载的方法和通信装置
CN112579285A (zh) * 2020-12-10 2021-03-30 南京工业大学 面向边缘网络的分布式神经网络协同优化方法
CN112615736A (zh) * 2020-12-10 2021-04-06 南京工业大学 面向线性边缘网络的延迟最优分布式NNs协同优化方法

Also Published As

Publication number Publication date
CN114928609A (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN107995660B (zh) 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法
CN111274035B (zh) 边缘计算环境下的资源调度方法、装置和计算机设备
Low et al. Efficient load-balanced clustering algorithms for wireless sensor networks
CN109639833B (zh) 一种基于无线城域网微云负载均衡的任务调度方法
CN107483286B (zh) 一种基于云-雾环境下合并和部署服务功能链的方法
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
US7965643B1 (en) Method and apparatus for using histograms to produce data summaries
TW202147188A (zh) 神經網路模型的訓練方法和相關産品
CN110519370B (zh) 一种基于设施选址问题的边缘计算资源分配方法
CN115022937B (zh) 拓扑特征提取方法和考虑拓扑特征的多边缘协作调度方法
Yang et al. Timely coded computing
CN109510869A (zh) 一种基于边缘计算的物联网服务动态卸载方法及装置
CN110058937B (zh) 用于调度专用处理资源的方法、设备和介质
US9386353B2 (en) Child node, parent node, and caching method and system for multi-layer video network
CN113992678A (zh) 一种海上mec负载均衡和资源分配联合优化的计算迁移方法
WO2017000094A1 (zh) 一种数据存储方法、装置和系统
CN114928609B (zh) 物联网场景的异构云-边环境的最优任务卸载方法
US7769782B1 (en) Method and apparatus for using wavelets to produce data summaries
CN113938434A (zh) 大规模高性能RoCEv2网络构建方法和系统
CN117579701A (zh) 一种移动边缘网络计算卸载方法及系统
Lu et al. Cost-efficient resource provisioning in delay-sensitive cooperative fog computing
CN115955685B (zh) 多智能体协同路由方法、设备及计算机存储介质
CN109739513B (zh) 一种多边缘云下服务请求动态调度方法及装置
CN109104455B (zh) 一种对路边微云负载均衡优化的方法
CN114785782B (zh) 面向异构云-边计算的通用的任务卸载方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wan Xili

Inventor after: Ji Tingxiang

Inventor after: Guan Xinjie

Inventor before: Wan Xili

Inventor before: Ji Tingxiang

Inventor before: Guan Xinjie

GR01 Patent grant
GR01 Patent grant