CN114928862B - 基于任务卸载和服务缓存的系统开销降低方法及系统 - Google Patents
基于任务卸载和服务缓存的系统开销降低方法及系统 Download PDFInfo
- Publication number
- CN114928862B CN114928862B CN202210512980.8A CN202210512980A CN114928862B CN 114928862 B CN114928862 B CN 114928862B CN 202210512980 A CN202210512980 A CN 202210512980A CN 114928862 B CN114928862 B CN 114928862B
- Authority
- CN
- China
- Prior art keywords
- task
- mobile edge
- energy consumption
- server
- energy
- 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 43
- 230000009467 reduction Effects 0.000 title abstract description 12
- 238000005265 energy consumption Methods 0.000 claims abstract description 71
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 20
- 230000006735 deficit Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 6
- 239000013641 positive control Substances 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 abstract description 6
- 238000004590 computer program Methods 0.000 description 10
- 230000003139 buffering effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000007774 longterm Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005577 local transmission Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Abstract
本公开实施例中提供了一种基于任务卸载和服务缓存的系统开销降低方法及系统,属于计算技术领域,具体包括:步骤1,物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算系统开销;步骤2,根据所述移动边缘运算服务器的能量预算和本地能量消耗,计算所述移动边缘计算服务器的能量不足序列;步骤3,根据所述系统开销和所述能量不足序列得到优化目标,根据所述优化目标通过做出初始卸载决定;步骤4,根据所述移动边缘计算服务器的存储空间和当前服务的被请求频率做出缓存决策;步骤5,基于所述缓存决策,修正所述初始卸载决定。通过本公开的方案,提高了卸载性能并降低了系统开销。
Description
技术领域
本公开实施例涉及计算技术领域,尤其涉及一种基于任务卸载和服务缓存的系统开销降低方法及系统。
背景技术
目前,移动边缘计算能够以一种靠近终端的方式,为物联网终端设备提供云计算服务。由此,移动边缘计算推动了许多新兴应用的发展,如:增强现实,自然语言处理和实时音视频分析。这是因为受限于设备尺寸和产品预算,在终端设备上运行这些运算密集型应用通常招致大量任务时延和能耗。而移动边缘计算通过创造一系列的虚拟机和频分多址技术,能够为这些新兴应用提供运算和带宽资源。由是,这些新兴应用能够将运算密集型任务卸载到移动边缘计算服务器,从而有效缓解本地设备运算和能量资源不足的问题,并降低任务时延和本地能量消耗。
服务缓存是在移动边缘计算环境中实施任务卸载的一个值得考虑的重要问题。这是因为任务处理需要计算服务及其相关数据库/库的支持,如运算密集型的实时音视频分析应用就需要在线深度学习框架的支持。但与云服务器相比,移动边缘计算服务器的存储空间是有限的。对于一个移动边缘计算服务器而言,其难缓存全部任务请求的服务。一旦某个任务请求的服务在移动边缘计算服务器中未被缓存,那么该服务器将无法处理该任务。这种情况下,任务将只能由本地物联网终端设备处理。
此外,任务卸载也会增大移动边缘计算服务器的能量消耗,甚至违反移动边缘服务器的长期能量预算。如果一个移动边缘计算服务器为当前任务消耗了太多的能量,那么该服务器为后续任务留下的运算能量将不可避免地减少。受限于移动边缘计算服务器的这种耦合特性,最优的任务卸载决策需要获取任务的全部未来信息,而这些信息通常是不可得的。在移动边缘计算下传统的任务卸载一般没有考虑服务缓存和服务器的长期能耗约束,这导致次优卸载性能较差。
可见,亟需一种提高卸载性能和降低系统开销的基于任务卸载和服务缓存的系统开销降低方法。
发明内容
有鉴于此,本公开实施例提供一种基于任务卸载和服务缓存的系统开销降低方法及系统,至少部分解决现有技术中存在卸载性能较差和系统开销高的问题。
第一方面,本公开实施例提供了一种基于任务卸载和服务缓存的系统开销降低方法,包括:
步骤1,物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算系统开销;
步骤2,根据所述移动边缘运算服务器的能量预算和本地能量消耗,计算所述移动边缘计算服务器的能量不足序列;
步骤3,根据所述系统开销和所述能量不足序列得到优化目标,根据所述优化目标通过做出初始卸载决定;
步骤4,根据所述移动边缘计算服务器的存储空间和当前服务的被请求频率做出缓存决策;
步骤5,基于所述缓存决策,修正所述初始卸载决定。
根据本公开实施例的一种具体实现方式,所述步骤1具体包括:
步骤1.1,所述物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算任务时延和本地能耗;
步骤1.2,根据所述任务时延和所述本地能耗计算所述系统开销。
根据本公开实施例的一种具体实现方式,所述任务时延包括传输时延和本地时延;
所述传输时延的表达式为
其中,bn表示任务n的数据比特量,表示移动设备到移动边缘计算服务器的传输速率;
所述本地时延的表达式为
其中,cn表明完成任务n需要消耗的CPU资源,fn表明本地设备的CPU频率。
根据本公开实施例的一种具体实现方式,所述本地能耗包括运算能耗和传输能耗;
所述运算能耗的表达式为
其中,表示与设备结构相关的能量系数;
所述传输能耗的表达式为
其中,表示给定移动设备的传输功率。
根据本公开实施例的一种具体实现方式,所述能量不足序列的表达式为
其中,Bn为所述能量不足序列对应的变量,En和表示处理任务n的移动边缘计算服务器的运算能量消耗和能量预算。
根据本公开实施例的一种具体实现方式,所述优化目标的表达式为
其中,V表示正控制参数,Qn表示系统开销,Bn表示所述能量不足序列对应的变量,En表示能耗。
根据本公开实施例的一种具体实现方式,所述缓存决策的操作流程包括:
对于要卸载给移动边缘计算服务器的任务,在任务传输之前,物联网设备将请求的服务信息通知移动边缘计算服务器;
接收到信息后,移动边缘计算服务器根据每个服务请求的次数确定该服务的被请求频次;
基于每个服务的被请求频次和移动边缘计算服务器有限的存储空间,移动边缘计算服务器将服务从云服务器下载缓存到边缘服务器。
根据本公开实施例的一种具体实现方式,所述步骤5具体包括:
步骤5.1,根据所述缓存决策确定约束条件,其中,所述约束条件包括和
步骤5.2,根据所述约束条件修正所述初始卸载决定。
第二方面,本公开实施例提供了一种基于任务卸载和服务缓存的系统开销降低系统,包括:
第一计算模块,用于物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算系统开销;
第二计算模块,用于根据所述移动边缘运算服务器的能量预算和本地能量消耗,计算所述移动边缘计算服务器的能量不足序列;
卸载模块,用于根据所述系统开销和所述能量不足序列得到优化目标,根据所述优化目标通过做出初始卸载决定;
缓存模块,用于根据所述移动边缘计算服务器的存储空间和当前服务的被请求频率做出缓存决策;
修正模块,用于基于所述缓存决策,修正所述初始卸载决定。
本公开实施例中的基于任务卸载和服务缓存的系统开销降低方案,包括:步骤1,物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算系统开销;步骤2,根据所述移动边缘运算服务器的能量预算和本地能量消耗,计算所述移动边缘计算服务器的能量不足序列;步骤3,根据所述系统开销和所述能量不足序列得到优化目标,根据所述优化目标通过做出初始卸载决定;步骤4,根据所述移动边缘计算服务器的存储空间和当前服务的被请求频率做出缓存决策;步骤5,基于所述缓存决策,修正所述初始卸载决定。
本公开实施例的有益效果为:通过本公开的方案,物联网终端设备基于系统开销最小为原则做出卸载决定。根据该卸载决定,任务将由本地设备处理或者卸载到移动边缘计算服务器处理,不仅包含任务卸载过程,还包括对边缘计算服务器服务缓存和长期能量约束的考虑。这既保证任务卸载低的系统开销,又不违背边缘计算服务器的能耗和服务缓存约束,提高了卸载性能并降低了系统开销。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种基于任务卸载和服务缓存的系统开销降低方法的流程示意图;
图2为本公开实施例提供的一种能量受限边缘智能网络中用于任务卸载和服务缓存的方法的流程示意图;
图3为本公开实施例提供的一种基于任务卸载和服务缓存的系统开销降低系统的结构示意图;
图4为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种基于任务卸载和服务缓存的系统开销降低方法,所述方法可以应用于物联网场景的应用资源分配计算过程中。
参见图1,为本公开实施例提供的一种基于任务卸载和服务缓存的系统开销降低方法的流程示意图。如图1所示,所述方法主要包括以下步骤:
步骤1,物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算系统开销;
进一步的,所述步骤1具体包括:
步骤1.1,所述物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算任务时延和本地能耗;
步骤1.2,根据所述任务时延和所述本地能耗计算所述系统开销。
可选的,所述任务时延包括传输时延和本地时延;
所述传输时延的表达式为
其中,bn表示任务n的数据比特量,表示移动设备到移动边缘计算服务器的传输速率;
所述本地时延的表达式为
其中,cn表明完成任务n需要消耗的CPU资源,fn表明本地设备的CPU频率。
可选的,所述本地能耗包括运算能耗和传输能耗;
所述运算能耗的表达式为
其中,表示与设备结构相关的能量系数;
所述传输能耗的表达式为
其中,表示给定移动设备的传输功率。
具体实施时,能量受限边缘智能网络中用于任务卸载和服务缓存的方法所述系统开销包括任务时延和本地能耗;其中,任务时延主要包括任务传输时延和运算时延,本地能耗主要包括本地运算能耗和本地传输能耗。
当任务由本地物联网终端设备处理时,本地运算时延表示为:
其中cn表明完成任务n需要消耗的CPU资源,fn表明本地设备的CPU频率。
本地运算也会产生本地能耗,表示为:
其中,表示与设备结构相关的能量系数。
当任务由移动边缘计算服务器处理时,传输时延为:
其中,bn表示任务n的数据比特量,表示移动设备到移动边缘计算服务器的传输速率。
给定移动设备的传输功率为传输能耗可以表示为:
在接收到来自移动设备的任务后,被卸载的任务将会在移动边缘计算服务器处理。用变量表示由移动边缘计算服务器分配给任务n的运算资源,我们可以得到任务n的处理时延:
任务的系统开销由时延和本地能耗共同决定,通过上述计算得到任务时延和本地能耗后,则可以根据所述任务时延和所述本地能耗计算所述系统开销。
对于任务卸载到移动边缘计算服务器而言,运算的能耗是由服务器产生的,在这种情况下,本地运算能量消耗为零。
此外,在移动边缘计算服务器得到的运算结果还需要返回给本地移动设备。由于运算结果的数据比特数远小于被卸载的任务数据比特量,因此忽略这部分由于运算结果带来的时延和本地能耗。
步骤2,根据所述移动边缘运算服务器的能量预算和本地能量消耗,计算所述移动边缘计算服务器的能量不足序列;
在上述实施例的基础上,所述能量不足序列的表达式为
其中,Bn为所述能量不足序列对应的变量,En和表示处理任务n的移动边缘计算服务器的运算能量消耗和能量预算。
具体实施时,基于当前的本地能量消耗和移动边缘计算服务器的能量预算,可以得到移动边缘计算服务器的能量不足序列,所述能量不足序列是由移动边缘运算服务器的能量预算和本地能量消耗所决定的。我们用所述能量不足序列对应的变量Bn表示移动边缘计算服务器处理任务n时的能量不足序列,表示为:
其中,En和表示处理任务n的移动边缘计算服务器的运算能量消耗和能量预算。当边缘服务器为处理任务n消耗过多能量时,能量不足序列在处理第n+1个任务时会增大。能量不足序列是对超过移动边缘计算服务器当前能量预算的历史度量,反映了当前服务器能量消耗与能量约束的偏差。
步骤3,根据所述系统开销和所述能量不足序列得到优化目标,根据所述优化目标通过做出初始卸载决定;
进一步的,所述优化目标的表达式为
其中,V表示正控制参数,Qn表示系统开销,Bn表示所述能量不足序列对应的变量,En表示能耗。
具体实施时,所述卸载决定表示为其中和都为0和1的二元变量。当时,任务卸载到移动边缘计算服务器处理;当时,任务将在本地设备处理。为了保证任务卸载的连续性,我们认为每个任务只能由一个处理器处理,即:
基于任务卸载决定,我们得到任务时延表达式为:
能耗表达式为:
由是,任务n的系统开销表示为:
Qn=Tn+(1-β)En.
基于前面提到的能量不足序列的定义,结合Lyapunov理论,我们得到下述优化目标:
具体来说,正控制参数V加权系统开销Qn,以求在系统开销和移动边缘计算服务器本地能耗之间实现权衡。V越大,意味着最小化系统开销比最小化本地能耗更有意义。此外,能量不足序列Bn越大,说明边缘计算服务器剩余能量越不足。在这种情况下,移动边缘计算服务器倾向于在处理下一个任务时减小运算能耗以满足其长期能量预算。
步骤4,根据所述移动边缘计算服务器的存储空间和当前服务的被请求频率做出缓存决策;
进一步的,所述缓存决策的操作流程包括:
对于要卸载给移动边缘计算服务器的任务,在任务传输之前,物联网设备将请求的服务信息通知移动边缘计算服务器;
接收到信息后,移动边缘计算服务器根据每个服务请求的次数确定该服务的被请求频次;
基于每个服务的被请求频次和移动边缘计算服务器有限的存储空间,移动边缘计算服务器将服务从云服务器下载缓存到边缘服务器。
具体实施时,所述服务缓存表示为:移动边缘计算服务器需要缓存特定的计算服务集及其相关的数据库/库以支持该任务的处理。由于雾存储空间有限,且任务请求服务的不断变化,本发明设计了一种动态服务缓存方案。动态服务缓存的操作流程描述如下:1)对于要卸载给移动边缘计算服务器的任务,在任务传输之前,物联网设备首先将请求的服务信息通知移动边缘计算服务器。2)接收到信息后,移动边缘计算服务器根据每个服务请求的次数确定该服务的请求频次。请求频次越高的服务在移动边缘计算服务器中具有的缓存机会就越大。3)基于每个服务的受欢迎程度和移动边缘计算服务器有限的存储空间,移动边缘计算服务器将服务从云服务器下载缓存到边缘服务器。我们引入一个二进制变量来说明任务n请求的服务是否被缓存到雾服务器中。当时表明该服务已经缓存到了移动边缘计算服务器,否则没有。如果服务缓存在移动边缘计算服务器中,则可以在移动边缘计算服务器中处理任务。当请求的服务没有在移动边缘计算服务器中缓存时,物联网终端设备必须为这些任务调整卸载决策,即将这些任务转为本地处理。需要注意的是,从云服务器到移动边缘计算服务器的服务下载和从物联网终端设备到移动边缘计算服务器的任务传输是并发的。且由于移动边缘计算服务器和云服务器之间的高速有线链接,服务下载延迟不会超过传输延迟。因此,这种动态服务缓存不会导致额外的延迟,并确保卸载效率。
步骤5,基于所述缓存决策,修正所述初始卸载决定。
在上述实施例的基础上,所述步骤5具体包括:
步骤5.1,根据所述缓存决策确定约束条件,其中,所述约束条件包括和
步骤5.2,根据所述约束条件修正所述初始卸载决定。
具体实施时,所述修正卸载决策是指卸载决策需要基于当前移动边缘计算服务器的服务缓存进行修改调整。这是因为移动边缘计算服务器有限的存储空间只能缓存有限的服务而任务请求的服务是多样的。因此对于上述定义的优化目标,需要在做出卸载决策时满足下述约束条件。
1)
2)
3)
4)
约束1)表示一个服务只有缓存或者是未被缓存在移动边缘计算服务器中两种状态;约束2)表示缓存在移动边缘计算服务器的服务不能超过服务器的最大存储容限;约束3)表示每个任务都只会由一个处理器处理以确保任务的连续性;约束4)表示处理任务n的运算资源不能大于本地物联网设备的最大运算资源和移动边缘计算服务器的最大运算容限。然后根据所述约束条件相应地调整物联网节点用户做出的初始卸载决定,进一步减少物联网节点用户任务系统开销。
本实施例提供的基于任务卸载和服务缓存的系统开销降低方法,通过物联网终端设备基于系统开销(即:任务时延与本地能量消耗的加权和)最小为原则做出卸载决定。根据该卸载决定,任务将由本地设备处理或者卸载到移动边缘计算服务器处理,不仅包含任务卸载过程,还包括对边缘计算服务器服务缓存和长期能量约束的考虑。这既保证任务卸载低的系统开销,又不违背边缘计算服务器的能耗和服务缓存约束,提高了卸载性能并降低了系统开销。
下面将结合一个具体实施例对本方案进行说明,如图2所示,系统共有一个移动边缘计算服务器和4个物联网终端设备,终端设备分别编号为1,2,3,4。通过以下步骤完成能量受限边缘智能网络中用于任务卸载和服务缓存的决策:
1)每个物联网终端设备基于任务数据量运算量,移动边缘运算服务器分配的运算和通信资源得到系统开销。
2)根据移动边缘运算服务器的能量预算和本地能量消耗得到移动边缘计算服务器的能量不足序列。
3)综合系统开销和能量不足序列得到优化目标,通过优化任务的卸载决定实现最小化系统开销。
4)考虑到有限的移动边缘计算服务器的存储空间,得到服务缓存决策。
5)基于缓存决策,修正任务的卸载决定。
上述实施例1中的步骤1)中所述的系统开销是指任务时延和本地设备能耗的加权和。任务时延越大,本地设备能耗越大,导致系统开销越大。
上述实施例1中的步骤2)中所述的能量不足序列是由当前物联网终端设备的能量消耗和移动边缘计算服务器的长期能量预算所决定。
上述实施例1中的步骤3)中所述的优化目标旨在满足移动边缘计算服务器长期能量约束下,最小化全体任务的系统开销。将本地处理的系统开销与能量不足序列之和与将任务卸载到移动边缘计算服务器的系统开销与能量不足序列之和进行对比,若前者小于后者,则该任务由本地物联网设备处理;若前者大于后者,则该任务由移动边缘计算服务器处理。
上述实施例1中的步骤4)中所述的服务缓存决策可以是:
实施方式一:当前服务被缓存到移动边缘计算服务器;
实施方式二:当前服务未被缓存到移动边缘计算服务器。
上述实施例1中的步骤5)中所述的修正方式可以是:
实施方式一:不对原始卸载决定做修正;
实施方式二:当前任务由原始卸载改为本地处理。
与上面的方法实施例相对应,参见图3,本公开实施例还提供了一种基于任务卸载和服务缓存的系统开销降低系统30,包括:
第一计算模块301,用于物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算系统开销;
第二计算模块302,用于根据所述移动边缘运算服务器的能量预算和本地能量消耗,计算所述移动边缘计算服务器的能量不足序列;
卸载模块303,用于根据所述系统开销和所述能量不足序列得到优化目标,根据所述优化目标通过做出初始卸载决定;
缓存模块304,用于根据所述移动边缘计算服务器的存储空间和当前服务的被请求频率做出缓存决策;
修正模块305,用于基于所述缓存决策,修正所述初始卸载决定。
图3所示系统可以对应的执行上述方法实施例中的内容,本实施例未详细描述的部分,参照上述方法实施例中记载的内容,在此不再赘述。
参见图4,本公开实施例还提供了一种电子设备40,该电子设备包括:至少一个处理器以及与该至少一个处理器通信连接的存储器。其中,该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法实施例中的基于任务卸载和服务缓存的系统开销降低方法。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实施例中的基于任务卸载和服务缓存的系统开销降低方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法实施例中的基于任务卸载和服务缓存的系统开销降低方法。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备40的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备40可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备40操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备40与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备40,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,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。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备可以执行上述方法实施例的相关步骤。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备可以执行上述方法实施例的相关步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (3)
1.一种基于任务卸载和服务缓存的系统开销降低方法,其特征在于,包括:
步骤1,物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算系统开销;
所述步骤1具体包括:
步骤1.1,所述物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算任务时延和本地能耗,其中,所述任务时延包括传输时延和本地时延;
所述传输时延的表达式为
其中,bn表示任务n的数据比特量,表示移动设备到移动边缘计算服务器的传输速率;
所述本地时延的表达式为
其中,cn表明完成任务n需要消耗的CPU资源,fn表明本地设备的CPU频率;
所述本地能耗包括运算能耗和传输能耗;
所述运算能耗的表达式为
其中,表示与设备结构相关的能量系数;
所述传输能耗的表达式为
其中,表示给定移动设备的传输功率;
步骤1.2,根据所述任务时延和所述本地能耗计算所述系统开销;
步骤2,根据所述移动边缘运算服务器的能量预算和本地能量消耗,计算所述移动边缘计算服务器的能量不足序列,其中,所述能量不足序列的表达式为
其中,Bn为所述能量不足序列对应的变量,En和表示处理任务n的移动边缘计算服务器的运算能量消耗和能量预算;
步骤3,根据所述系统开销和所述能量不足序列得到优化目标,根据所述优化目标通过做出初始卸载决定,其中,所述优化目标的表达式为
其中,V表示正控制参数,Qn表示系统开销,Bn表示所述能量不足序列对应的变量,En表示能耗;
步骤4,根据所述移动边缘计算服务器的存储空间和当前服务的被请求频率做出缓存决策;
步骤5,基于所述缓存决策,修正所述初始卸载决定;
所述步骤5具体包括:
步骤5.1,根据所述缓存决策确定约束条件,其中,所述约束条件包括和
步骤5.2,根据所述约束条件修正所述初始卸载决定。
2.根据权利要求1所述的方法,其特征在于,所述缓存决策的操作流程包括:
对于要卸载给移动边缘计算服务器的任务,在任务传输之前,物联网设备将请求的服务信息通知移动边缘计算服务器;
接收到信息后,移动边缘计算服务器根据每个服务请求的次数确定该服务的被请求频次;
基于每个服务的被请求频次和移动边缘计算服务器有限的存储空间,移动边缘计算服务器将服务从云服务器下载缓存到边缘服务器。
3.一种基于任务卸载和服务缓存的系统开销降低系统,其特征在于,包括:
第一计算模块,用于物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算系统开销;
所述第一计算模块具体流程包括:
所述物联网终端设备根据任务数据量、运算量、移动边缘运算服务器分配的运算和通信资源计算任务时延和本地能耗,其中,所述任务时延包括传输时延和本地时延;
所述传输时延的表达式为
其中,bn表示任务n的数据比特量,表示移动设备到移动边缘计算服务器的传输速率;
所述本地时延的表达式为
其中,cn表明完成任务n需要消耗的CPU资源,fn表明本地设备的CPU频率;
所述本地能耗包括运算能耗和传输能耗;
所述运算能耗的表达式为
其中,表示与设备结构相关的能量系数;
所述传输能耗的表达式为
其中,表示给定移动设备的传输功率;
根据所述任务时延和所述本地能耗计算所述系统开销;
第二计算模块,用于根据所述移动边缘运算服务器的能量预算和本地能量消耗,计算所述移动边缘计算服务器的能量不足序列,其中,所述能量不足序列的表达式为
其中,Bn为所述能量不足序列对应的变量,En和表示处理任务n的移动边缘计算服务器的运算能量消耗和能量预算;
卸载模块,用于根据所述系统开销和所述能量不足序列得到优化目标,根据所述优化目标通过做出初始卸载决定,其中,所述优化目标的表达式为
其中,V表示正控制参数,Qn表示系统开销,Bn表示所述能量不足序列对应的变量,En表示能耗;
缓存模块,用于根据所述移动边缘计算服务器的存储空间和当前服务的被请求频率做出缓存决策;
修正模块,用于基于所述缓存决策,修正所述初始卸载决定;
所述修正模块的具体流程包括:
根据所述缓存决策确定约束条件,其中,所述约束条件包括 和
根据所述约束条件修正所述初始卸载决定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512980.8A CN114928862B (zh) | 2022-05-12 | 基于任务卸载和服务缓存的系统开销降低方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512980.8A CN114928862B (zh) | 2022-05-12 | 基于任务卸载和服务缓存的系统开销降低方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114928862A CN114928862A (zh) | 2022-08-19 |
CN114928862B true CN114928862B (zh) | 2024-06-28 |
Family
ID=
Non-Patent Citations (2)
Title |
---|
Vehicular Task Offloading via Heat-Aware MEC Cooperation Using Game-Theoretic Method;Zhu Xiao;《IEEE Internet of Things Journal》;20191218;全文 * |
移动边缘计算卸载与资源分配策略研究;吴和;《中国优秀硕士学位论文全文数据库 信息科技辑》;20210215;全文 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9712854B2 (en) | Cost-aware cloud-based content delivery | |
CN110545246A (zh) | 一种基于令牌桶的限流方法和装置 | |
US8732717B2 (en) | Resource allocation | |
CN112954354B (zh) | 视频的转码方法、装置、设备和介质 | |
CN112379982B (zh) | 任务处理方法、装置、电子设备及计算机可读存储介质 | |
CN116703131B (zh) | 电力资源分配方法、装置、电子设备和计算机可读介质 | |
CN115086706B (zh) | 数据缓存方法及芯片 | |
CN115103210B (zh) | 信息处理方法、装置、终端和存储介质 | |
CN113419853A (zh) | 任务执行策略确定方法及装置、电子设备和存储介质 | |
CN109639813B (zh) | 视频文件传输处理方法及装置、电子设备和存储介质 | |
CN115037986B (zh) | 视频的自适应播放方法及设备 | |
CN109951737B (zh) | 视频处理方法、装置、电子设备和计算机可读存储介质 | |
CN114928862B (zh) | 基于任务卸载和服务缓存的系统开销降低方法及系统 | |
WO2023226757A1 (zh) | 视频缓存方法、装置、设备及存储介质 | |
CN111680791A (zh) | 适用于异构环境中的通信方法、装置、系统 | |
CN114928862A (zh) | 基于任务卸载和服务缓存的系统开销降低方法及系统 | |
CN113727172B (zh) | 视频缓存播放方法、装置、电子设备及存储介质 | |
CN112163176A (zh) | 数据存储方法、装置、电子设备和计算机可读介质 | |
CN117170986B (zh) | 芯片一致性处理系统,及其方法、装置、设备及介质 | |
CN115297361B (zh) | 转码任务的处理方法、装置、转码系统、电子设备及介质 | |
CN112148448B (zh) | 资源分配方法、装置、设备和计算机可读介质 | |
CN114173134B (zh) | 视频编码方法、装置、电子设备和计算机可读介质 | |
CN115103023B (zh) | 视频缓存方法、装置、设备及存储介质 | |
CN116521377B (zh) | 业务计算卸载方法、系统、装置、设备及介质 | |
CN112015625B (zh) | 报警设备控制方法、装置、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |