CN115426409A - 基于主动缓存mec的通信资源分配与任务卸载方法 - Google Patents

Abstract

本发明公开了基于主动缓存MEC的通信资源分配与任务卸载方法，该方法包括：获取终端设备的任务参数；根据任务参数计算任务的缓存时延收益；边缘计算服务器根据任务的缓存时延收益对任务进行主动缓存；计算被缓存的任务卸载时延收益；根据任务卸载时延收益将任务分别传输至宏基站与小基站并计算对应的总时延；直至总时延不再降低，输出任务卸载决策与通信带宽资源分配方案。通过使用本发明，能够在考虑任务流行度与大小的同时通过选择合适的卸载路径和合理的通信资源分配，降低了任务卸载的时延。本发明作为基于主动缓存MEC的通信资源分配与任务卸载方法，可广泛应用于无线通信资源分配技术领域。

Description

基于主动缓存MEC的通信资源分配与任务卸载方法

技术领域

本发明涉及无线通信资源分配技术领域，尤其涉及基于主动缓存MEC的通信资源分配与任务卸载方法。

背景技术

随着互联网技术的发展，预计到2025年，供应限制的缓解和增长的进一步加速，将有大约270亿台联网物联网设备，由于物联网设备设计成本限制，物联网设备的计算能力和能量存储能力十分有限，如何为数百亿的物联网设备提供低时延应用是设计物联网的关键挑战，移动边缘计算通过将云计算能力下沉至移动终端侧，可高效为移动用户执行任务，并减少用户的能耗，可以提高用户处理问题的能力，但是，相比于云计算而言，MEC的计算能力和缓存能力仍然是相对有限的，如何选择合理的缓存和卸载方案仍是目前需要重点考虑的问题，尤其是，如何综合地优化MEC的存储、带宽和计算资源分配，从而充分发挥其降低任务处理时延的能力仍有待研究。

发明内容

为了解决上述技术问题，本发明的目的是提供基于主动缓存MEC的通信资源分配与任务卸载方法，能够在考虑任务流行度与大小的同时通过选择合适的卸载路径和合理的通信资源分配，降低了任务卸载的时延。

本发明所采用的第一技术方案是：基于主动缓存MEC的通信资源分配与任务卸载方法，包括以下步骤：

第一终端设备获取待处理任务的参数并计算待处理任务的缓存时延收益，其中，所述待处理任务的参数包括任务的大小、计算周期数、任务计算结果的大小和任务的请求概率；

所述第一终端设备向第一边缘计算服务器发送待处理任务的缓存时延收益；

所述第一终端设备接收所述第一边缘计算服务器发送的被缓存的任务卸载时延收益，所述被缓存的任务卸载时延收益是由待处理任务的缓存时延收益确定的；

所述第一终端设备向第一宏基站与第一子基站发送被缓存的任务卸载时延收益；

所述第一终端设备接收第一宏基站或第一子基站发送的卸载任务集，得到任务卸载决策与通信带宽资源分配方案，所述卸载任务集是由被缓存的任务卸载时延收益确定的。

进一步，所述任务被用户请求的概率计算公式如下所示：

上式中，上式中，P_i表示用户产生任务i的概率，i表示任务的编号，L表示参与统计的任务数量，z表示齐普夫常量。

进一步，所述任务的缓存时延收益的计算公式如下所示：

上式中，T_profit表示任务的缓存时延收益，c_i表示任务的计算周期大小，

表示任务的计算结果大小。

进一步，所述被缓存的任务卸载时延收益是由待处理任务的缓存时延收益确定的具体为：

所述第一终端设备向第一边缘计算服务器发送待处理任务的缓存时延收益；

所述第一边缘计算服务器对待处理任务进行缓存；

所述第一边缘计算服务器计算被缓存的任务卸载时延收益。

进一步，所述第一边缘计算服务器对待处理任务进行缓存具体为：

当所述第一边缘计算服务器缓存空间没有被填满，对任务进行主动缓存；

当所述第一边缘计算服务器缓存空间被填满，将缓存时延收益高的任务替换边缘计算服务器缓存空间内缓存时延收益低的任务。

进一步，所述第一边缘计算服务器计算被缓存的任务卸载时延收益这一步骤，其具体还包括：

根据第一终端设备的CPU计算能力和任务的周期，计算任务在本地的执行时延；

根据任务的大小和任务的周期，计算任务的宏基站全卸载时延与小基站全卸载时延；

结合任务在本地的执行时延、任务的宏基站全卸载时延和小基站全卸载时延，确定任务卸载时延收益。

进一步，所述任务卸载时延收益的计算公式如下所示：

ΔD(i)＝t_li-min(t_si,t_mi)

上式中，ΔD(i)表示任务卸载时延收益，t_li表示任务在本地的执行时延，t_si表示小基站全卸载时延，t_mi表示宏基站全卸载时延。

进一步，所述卸载任务集是由被缓存的任务卸载时延收益确定的具体为：

所述第一终端设备向第一宏基站与第一子基站发送被缓存的任务卸载时延收益；

对任务卸载时延收益进行从高到低排序处理；

将排序后的任务分别传输至宏基站的卸载任务集和小基站的卸载任务集；

基于带宽资源，通过CVX工具箱对卸载任务集进行卸载处理，并计算对应的总时延；

对宏基站的卸载任务集总时延和小基站的卸载任务集总时延进行比较，选取较小的总时延作为此次传输的总时延。

进一步，还包括循环总时延计算步骤直至总时延不再降低，停止总时延计算：

循环第一终端设备向第一宏基站与第一子基站发送被缓存的任务卸载时延收益过程和所述第一宏基站与所述第一子基站计算对应的总时延过程，记录每一次循环计算得到的对应总时延；

对每一次记录的总时延与上一次记录的总时延进行对比，直至记录的本次总时延大于上一次记录的总时延，输出上一次总时延对应的卸载任务集。

本发明方法的有益效果是：本发明通过终端设备向边缘计算服务器发起任务缓存请求，边缘计算服务器根据任务的缓存时延对需要缓存的任务进行主动缓存，不仅考虑了任务的流行度和大小，还考虑了在边缘计算场景中独有的任务计算周期，适用于边缘计算场景，在边缘计算服务器中引入缓存可以将用户需要上传的资源提前预置，从而降低任务重复计算的成本，进一步提高网络性能，进一步设计了5G异构场景即宏基站与小基站卸载路径的选择中卸载路径和带宽资源分配问题，提出了一个基于贪心策略的启发式算法即本发明的循环总时延计算步骤求解资源分配和任务调度子问题，通过选择合适的卸载路径和合理的通信资源分配，降低了任务卸载的时延，即当存在相当多的任务是相同时，提出主动缓存重复的任务和结果，当有相同的任务进行卸载时，可以直接返回之前计算的结果，进一步降低任务计算的能耗和时延。

附图说明

图1是本发明基于主动缓存MEC的通信资源分配与任务卸载方法的示意性步骤流程图；

图2是本发明基于移动边缘计算的主动缓存策略的流程步骤图；

图3是本发明提出的一种主动缓存算法计算步骤示意图；

图4是本发明在不同任务数N下，本发明与只考虑任务流行度和任务结果大小缓存策略的卸载时延对比图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

本申请实施例的技术方案可以应用于各种通信系统，例如：长期演进(LTE)系统、LTE频分双工(FDD)系统、LTE时分双工(TDD)、通用移动通信系统(UMTS)、新无线(NR)系统等第五代(5G)系统，卫星通信系统，以及其它未来演进的通信系统，车到其它设备(V2X)，其中V2X可以包括车到互联网(V2N)、车到车(V2V)、车到基础设施(V2I)、车到行人(V2P)等、车间通信长期演进技术(LTE-V)、车联网、机器类通信(MTC)、物联网(IoT)、机器间通信长期演进技术(LTE-M)，机器到机器(M2M)等；

终端设备可以是一种向用户提供语音/数据连通性的设备，例如，具有无线连接功能的手持式设备、车载设备等，目前，一些终端设备的举例为：手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(MID)、可穿戴设备，虚拟现实(VR)设备、增强现实(AR)设备、工业控制中的无线终端、无人驾驶中的无线终端、远程手术中的无线终端、智能电网中的无线终端、运输安全中的无线终端、智慧城市中的无线终端、智慧家庭中的无线终端、蜂窝电话、无绳电话、会话启动协议电话、无线本地环路站、个人数字助理、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备，未来6G网络中的终端设备或者未来演进的公用陆地移动通信网络中的终端设备和/或用于在无线通信系统上通信的任意其它适合设备，本申请实施例对此并不限定。

参照图1和图2，本发明提供了基于主动缓存MEC的通信资源分配与任务卸载方法，该方法包括以下步骤：

S1、第一终端设备获取待处理任务的参数并计算待处理任务的缓存时延收益；

具体地，参数初始化，即假设有一个覆盖1000m的宏基站和一个覆盖同样范围的小基站，在宏基站中有一个边缘计算服务器，其计算能力为4GHz/sec，回程链路时延系数φ设置为0.0001s/KB，50个用户移动设备随机分布在该区域，设备的计算任务所需的CPU周期数随机分布在0.1和1GHz之间，相应的计算文件大小随机分布在300到800KB之间，假定共有N个移动设备，每个设备有一个计算任务，每个任务上传大小为

比特，需要计算c_i个周期，任务结果大小为

任务在当前时隙服从齐普夫分布模型的请求概率为P_i，其中任务被用户请求的概率计算公式如下所示：

上式中，上式中，P_i表示用户产生任务i的概率，i表示任务的编号，L表示参与统计的任务数量，z表示齐普夫常量。

S11、所述第一终端设备根据任务参数计算任务的缓存时延收益；

具体地，计算缓存每比特任务获得的时延收益，并按照收益从高到底给任务排名，其中所述任务的缓存时延收益的计算公式如下所示：

上式中，T_profit表示任务的缓存时延收益，c_i表示任务的计算周期大小，

表示任务的计算结果大小。

S2、所述第一终端设备向第一边缘计算服务器发送待处理任务的缓存时延收益，所述第一边缘计算服务器对待处理任务进行主动缓存并计算被缓存的任务卸载时延收益；

具体地，参照图3，边缘计算服务器控制中心根据缓存时延收益对任务结果进行主动缓存，定义缓存空间大小为S，边缘计算服务器的缓存空间没有填满，为了进一步减小任务执行时延，当用户将计算任务卸载到边缘计算服务器执行后，边缘计算服务器会尽可能多的对任务的计算结果进行缓存其中对于已经缓存过的，不会重复被缓存，同时会记录每个任务的被请求次数，随着卸载的任务数量越来越多，缓存空间S逐渐被填满，缓存策略将进入下一个阶段，此时边缘计算服务器的缓存空间已经被填满，有着更高流行度的计算任务，同时我们考虑任务占用空间的大小和任务计算需要的计算周期，设计单位比特缓存任务可获得的时延收益的数学期望，收益高且没有被缓存的任务将会替换掉边缘计算服务器原有缓存空间里较低流行度的任务。

S21、计算被缓存的任务卸载时延收益；

S211、根据第一终端设备的CPU计算能力和任务的周期，计算任务在本地的执行时延；

具体地，计算本地执行时延，再计算全资源分配卸载时延即全卸载时延的最小值，本地执行时延大于全资源分配卸载时延，本地时延-全分配卸载时延是任务卸载的潜在时延收益，为后续任务卸载设定优先级；

根据终端设备的CPU计算能力和任务的周期，其中任务在本地的执行时延的计算公式如下所示：

t_li＝c_i/f_i

上式中，t_li表示任务在本地的执行时延，c_i表示任务的周期，f_i表示终端设备的CPU计算能力；

S212、根据任务的大小和任务的周期，计算任务的宏基站全卸载时延与小基站全卸载时延；

具体地，此场景下为宏基站覆盖范围内一个小基站内用户的计算卸载问题，可以看成小基站在宏基站内任意位置的用户卸载问题，传输进宏基站，宏基站配有一部边缘计算服务器，计算资源优于用户终端，节省任务计算时延，边缘计算服务器能缓存任务结果，可以直接返回结果，计算时延为0；

其中，任务选择通过宏基站卸载到边缘计算服务器执行的全卸载时延的计算公式如下所示：

上式中，t_mi表示任务通过宏基站卸载到边缘计算服务器执行的全卸载时延，

表示上传至边缘计算服务器的对应任务大小，B表示宏基站的带宽资源，r_i表示无线上行信道的频谱效率，y_i表示任务数据的缓存情况，其中y_i＝1表示未缓存的任务数据，y_i＝0已缓存的任务数据，F表示边缘计算服务器的计算能力；

其中，

上式中，p表示用户终端的发射功率，g表示用户终端与基站的上行信道增益，σ²表示背景噪声；

进一步的任务选择通过小基站卸载到边缘计算服务器执行的全卸载时延的计算公式如下所示：

上式中，t_si表示任务通过小基站卸载到边缘计算服务器执行的全卸载时延，

表示宏基站与小基站之间回程链路的传输系数。

S22、所述第一终端设备结合任务在本地的执行时延、任务的宏基站全卸载时延和小基站全卸载时延，确定任务卸载时延收益。

具体地，所述任务卸载时延收益的计算公式如下所示：

ΔD(i)＝t_li-min(t_si,t_mi)

上式中，ΔD(i)表示任务卸载时延收益，t_li表示任务在本地的执行时延，t_si表示小基站全卸载时延，t_mi表示宏基站全卸载时延。

S3、所述第一终端设备向第一宏基站与第一子基站发送被缓存的任务卸载时延收益，所述第一宏基站与所述第一子基站根据任务卸载时延收益分别计算对应的总时延，循环总时延计算步骤直至总时延不再降低，停止总时延计算步骤；

S4、所述第一终端设备接收第一宏基站或第一子基站发送的卸载任务集，所述卸载任务集包括任务卸载决策与通信带宽资源分配方案。

具体地，对任务卸载时延收益进行排行，按照收益度的高低将任务先后依次输入进宏基站和小基站卸载任务集，选择总时延小卸载路径，并依据现有的任务集合分配带宽资源，使用matlab的凸优化求解工具包对这个凸优化问题进行求解，将求解得到的添加到宏基站集合最小时延与添加到小基站集合的两种情况的最小时延进行对比，将较小的时延记为此次添加的时延最小值，在下一次添加任务时得到的时延最小值与上一次添加得到的时延最小值进行对比，假如时延变小，那么继续添加任务，假如时延变大，说明带宽资源限制了任务的卸载，返回时延最小值的任务卸载决策和带宽资源分配方案，对于不在卸载任务集的任务在本地进行计算。

进一步的，如图4所示，展示了不同任务数N下，本发明提出的算法(CMECO)与只考虑任务流行度的TPC算法、考虑流行度和任务大小缓存策略和无主动缓存算法的卸载时延对比图，可以看到随着用户数的不断提高，基站的无线资源有限的情况下，平均时延不断上升。本发明所提方案相对其他方案，总能得到最低的时延，这是因为本方案相较与没有主动缓存的无主动缓存算法对比，任务可以通过主动存储任务结果，直接返回给终端用户，省去了计算的时间。与只考虑任务流行度和任务存储大小的方案对比，还考虑了边缘计算场景下任务需要的CPU周期数，因此我们的发明可以进一步降低任务的计算时延；

热门资源的缓存是降低通信数据冗余的一类思想，在MEC中引入缓存可以将用户需要上传的资源提前预置，从而降低任务上传成本，进一步提高网络性能，终端将自身计算任务卸载至MEC服务器中，在自身资源受限的情况下可以降低任务时延，节约终端能耗，在现实的网络中，计算通信等资源往往会被多个任务同时请求，如何选择卸载策略和资源分配策略对于整个网络性能有着关键影响，MEC中引入的缓存大小受限，不同的缓存方案带来的系统成本下降有着显著差异。

根据本公开，提供了一种与基站设备进行通信的终端设备，该终端设备包括：接收单元，接收包括一条或多条数据的数据信道；以及发送单元，基于关于数据的可靠性的参数来发送对数据的响应信息；

另外，根据本公开，提供了一种与终端设备进行通信的基站设备，该基站设备包括：发送单元，发送包括一条或多条数据的数据信道；以及接收单元，基于关于数据的可靠性的参数来接收对数据的响应信息；

另外，根据本公开，提供了一种由与基站设备进行通信的终端设备使用的通信方法，该通信方法包括：接收包括一条或多条数据的数据信道；以及基于关于数据的可靠性的参数来发送对数据的响应信息；

另外，根据本公开，提供了一种由与终端设备进行通信的基站设备使用的通信方法，该通信方法包括：发送包括一条或多条数据的数据信道；以及基于关于数据的可靠性的参数来接收对数据的响应信息；

另外，根据本公开，提供了一种存储记录介质，记录用于使计算机起如下作用的程序：接收单元，接收包括一条或多条数据的数据信道；以及发送单元，基于关于数据的可靠性的参数来发送对数据的响应信息；

另外，根据本公开，提供了一种存储记录介质，记录用于使计算机起如下作用的程序：发送单元，发送包括一条或多条数据的数据信道；以及接收单元，基于关于数据的可靠性的参数来接收对数据的响应信息。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.基于主动缓存MEC的通信资源分配与任务卸载方法，其特征在于，包括以下步骤：

第一终端设备获取待处理任务的参数并计算待处理任务的缓存时延收益，其中，所述待处理任务的参数包括任务的大小、计算周期数、任务计算结果的大小和任务的请求概率；

所述第一终端设备向第一边缘计算服务器发送待处理任务的缓存时延收益；

所述第一终端设备接收所述第一边缘计算服务器发送的被缓存的任务卸载时延收益，所述被缓存的任务卸载时延收益是由待处理任务的缓存时延收益确定的；

所述第一终端设备向第一宏基站与第一子基站发送被缓存的任务卸载时延收益；

所述第一终端设备接收第一宏基站或第一子基站发送的卸载任务集，得到任务卸载决策与通信带宽资源分配方案，所述卸载任务集是由被缓存的任务卸载时延收益确定的。

2.根据权利要求1所述基于主动缓存MEC的通信资源分配与任务卸载方法，其特征在于，所述任务被用户请求的概率计算公式如下所示：

上式中，P_i表示用户产生任务i的概率，i表示任务的编号，L表示参与统计的任务数量，z表示齐普夫常量。

3.根据权利要求2所述基于主动缓存MEC的通信资源分配与任务卸载方法，其特征在于，所述任务的缓存时延收益的计算公式如下所示：

上式中，T_profit表示任务的缓存时延收益，c_i表示任务的计算周期大小，

表示任务的计算结果大小。

4.根据权利要求3所述基于主动缓存MEC的通信资源分配与任务卸载方法，其特征在于，所述被缓存的任务卸载时延收益是由待处理任务的缓存时延收益确定的具体为：

所述第一终端设备向第一边缘计算服务器发送待处理任务的缓存时延收益；

所述第一边缘计算服务器对待处理任务进行缓存；

所述第一边缘计算服务器计算被缓存的任务卸载时延收益。

5.根据权利要求4所述基于主动缓存MEC的通信资源分配与任务卸载方法，其特征在于，所述第一边缘计算服务器对待处理任务进行缓存具体为：

当所述第一边缘计算服务器缓存空间没有被填满，对任务进行主动缓存；

当所述第一边缘计算服务器缓存空间被填满，将缓存时延收益高的任务替换边缘计算服务器缓存空间内缓存时延收益低的任务。

6.根据权利要求5所述基于主动缓存MEC的通信资源分配与任务卸载方法，其特征在于，所述第一边缘计算服务器计算被缓存的任务卸载时延收益这一步骤，其具体还包括：

根据第一终端设备的CPU计算能力和任务的周期，计算任务在本地的执行时延；

根据任务的大小和任务的周期，计算任务的宏基站全卸载时延与小基站全卸载时延；

结合任务在本地的执行时延、任务的宏基站全卸载时延和小基站全卸载时延，确定任务卸载时延收益。

7.根据权利要求5所述基于主动缓存MEC的通信资源分配与任务卸载方法，其特征在于，所述任务卸载时延收益的计算公式如下所示：

ΔD(i)＝t_li-min(t_si,t_mi)

上式中，ΔD(i)表示任务卸载时延收益，t_li表示任务在本地的执行时延，t_si表示小基站全卸载时延，t_mi表示宏基站全卸载时延。

8.根据权利要求6所述基于主动缓存MEC的通信资源分配与任务卸载方法，其特征在于，所述卸载任务集是由被缓存的任务卸载时延收益确定的具体为：

所述第一终端设备向第一宏基站与第一子基站发送被缓存的任务卸载时延收益；

对任务卸载时延收益进行从高到低排序处理；

将排序后的任务分别传输至宏基站的卸载任务集和小基站的卸载任务集；

基于带宽资源，通过CVX工具箱对卸载任务集进行卸载处理，并计算对应的总时延；

对宏基站的卸载任务集总时延和小基站的卸载任务集总时延进行比较，选取较小的总时延作为此次传输的总时延。

9.根据权利要求7所述基于主动缓存MEC的通信资源分配与任务卸载方法，其特征在于，还包括循环总时延计算步骤直至总时延不再降低，停止总时延计算：

循环第一终端设备向第一宏基站与第一子基站发送被缓存的任务卸载时延收益过程和所述第一宏基站与所述第一子基站计算对应的总时延过程，记录每一次循环计算得到的对应总时延；

对每一次记录的总时延与上一次记录的总时延进行对比，直至记录的本次总时延大于上一次记录的总时延，输出上一次总时延对应的卸载任务集。

Images