CN116521345A - 一种基于任务依赖关系的联合调度和卸载方法 - Google Patents

一种基于任务依赖关系的联合调度和卸载方法 Download PDF

Info

Publication number
CN116521345A
CN116521345A CN202310565677.9A CN202310565677A CN116521345A CN 116521345 A CN116521345 A CN 116521345A CN 202310565677 A CN202310565677 A CN 202310565677A CN 116521345 A CN116521345 A CN 116521345A
Authority
CN
China
Prior art keywords
subtask
task
subtasks
edge
unloading
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.)
Granted
Application number
CN202310565677.9A
Other languages
English (en)
Other versions
CN116521345B (zh
Inventor
李职杜
张靖珏
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.)
Shenzhen Dianlian Technology Co ltd
Original Assignee
Space Communication Research Institute Of Chongqing University Of Posts And Telecommunications
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 Space Communication Research Institute Of Chongqing University Of Posts And Telecommunications filed Critical Space Communication Research Institute Of Chongqing University Of Posts And Telecommunications
Priority to CN202310565677.9A priority Critical patent/CN116521345B/zh
Publication of CN116521345A publication Critical patent/CN116521345A/zh
Application granted granted Critical
Publication of CN116521345B publication Critical patent/CN116521345B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44594—Unloading
    • 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)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明属于边缘计算技术领域，具体涉及一种基于任务依赖关系的联合调度和卸载方法。本发明根据设备在应用层面的子任务以及子任务依赖关系，建立多任务依赖关系边缘协作系统；分别建立了任务卸载模型和任务调度模型；按照任务调度模型对子任务进行优先级排序，并基于优先级顺序进行子任务调度；按照子任务调度顺序，通过求解任务卸载模型分别计算出子任务本地计算实际最早完成时间和任务边缘计算实际最早完成时间；通过判断两者的大小，来执行子任务本地计算或执行子任务边缘计算。本发明能够在能耗和时延方面都表现出最优的性能，能应用于复杂边缘计算系统中有依赖关系的联合调度与卸载计算任务卸载场景。

Description

一种基于任务依赖关系的联合调度和卸载方法
技术领域
本发明涉及边缘计算技术，具体涉及一种基于任务依赖关系的联合调度和卸载方法。
背景技术
通信技术以及物联网技术的高速发展促进了许多新颖的应用诞生，如人脸识别，智能车联网和虚拟现实等。这些应用程序通常需要足够的计算资源以及极低的时延。同时物联网设备通常尺寸较小，进一步导致计算能力以及通信能力有限，为了降低时延从而提高设备计算能力，可以将物联网设备的计算任务卸载到边缘服务器进行处理。
工业设备的智能化使得任务通常由一系列有依赖关系的计算任务组成，并且依赖关系使系统更加复杂，比任务独立执行的卸载方案更困难。在具有依赖关系场景下通常采用有向无环图表示子任务之间的依赖关系。在有依赖关系的任务卸载研究中，子任务调度顺序是一大挑战，如何有效调度并卸载有依赖关系的计算任务，以最小化应用的完成时间仍是一个值得研究的问题。
考虑到传统独立任务卸载策略无法解决任务依赖性带来的挑战，同时卸载决策会由于任务内部的依赖关系以及任务细粒度划分而变得比较复杂，并且任务时延和能耗的研究也会因为物联网设备独特的任务拓扑和调度而具有挑战性。因此需要考虑复杂任务依赖关系，以满足工业互联网场景下任务的低时延性能，如何联合调度和卸载资源以及设计高效的计算卸载策略，是边缘计算中的一大挑战。因此，亟需一种任务依赖关系的联合任务卸载与调度方法，满足计算密集、时延敏感型任务的时延需求。
发明内容
有鉴于此，本发明的目的在于针对工业互联网边缘计算场景中，由于工业设备数据量大，计算能效低，计算资源利用率低、任务完成时延差异化的问题，提供一种基于可靠性的边缘计算卸载与资源分配方法，考虑任务计算和通信可靠性，通过优化计算任务所产生的总能耗，减少大量任务带来的能量消耗。
为达到上述目的，本发明提供如下技术方案：
一种基于任务依赖关系的联合调度和卸载方法，首先给定子任务以及对应的任务大小、子任务数据交换大小；然后通过子任务与其后续任务之间的平均数据交换时间、子任务的平均执行时间、计算开销和本地能量消耗这三部分因素对子任务优先级进行建模，同时对得到的优先级进行排序；从优先级集合中挑选出最高的，然后分别计算在本地计算和边缘服务器计算两种情况下的任务实际最早完成时间；通过启发式方式对前面所得到的任务实际完成进行比较以获得最优的子任务卸载方案。然后从这些可选设备子任务集中挑选出能使时延降低最大一组设备服务器调度结果集，判断是否达到纳什均衡更新调度结果。该方法具体包括以下步骤：
S1、根据设备在应用层面的子任务以及子任务依赖关系，建立多任务依赖关系边缘协作系统；
S2、根据多任务依赖关系边缘协作系统，建立通信模型、时延计算模型和能耗计算模型；
S3、基于通信模型、时延计算模型和能耗计算模型，通过最小化设备的实际最小完成时间构建出任务卸载模型；
S4、根据多任务依赖关系边缘协作系统，建立基于子任务优先级顺序的任务调度模型；
S5、按照任务调度模型对子任务进行优先级排序，并基于优先级顺序进行子任务调度；
S6、按照子任务调度顺序，通过求解任务卸载模型分别计算出子任务本地计算实际最早完成时间和任务边缘计算实际最早完成时间；
S7、若子任务本地计算实际最早完成时间小于任务边缘计算实际最早完成时间，则执行子任务本地计算，否则执行子任务边缘计算。
本发明的有益效果在于：
本发明考虑到传统独立任务卸载策略无法解决任务依赖性带来的挑战，同时卸载决策会由于任务内部的依赖关系以及任务细粒度划分而变得比较复杂，并且任务时延和能耗的研究也会因为物联网设备独特的任务拓扑和调度而具有挑战性。并且从子任务与其后续任务之间的平均数据交换时间、子任务的平均执行时间、计算开销和本地能量消耗这几个方面来衡量子任务优先级，因此，本发明设计了边缘计算中复杂任务依赖关系下的联合调度和卸载策略。
本发明针对工业互联网边缘计算场景中，解决由于复杂任务依赖关系带来的卸载决策困难，难以实现低时延性能。本发明可以在子任务优先级下确保子任务依赖关系，并且能够降低任务完成时延。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明实施例的一种基于任务依赖关系的联合调度和卸载方法流程图；
图2为本发明实施例的多任务依赖关系边缘协作系统架构图；
图3为本发明实施例的子任务依赖关系图；
图4为本发明任务依赖子任务优先级排序流程图；
图5为本发明优选实施例的一种基于任务依赖关系的联合调度和卸载方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。
图1为本发明实施例的一种基于任务依赖关系的联合调度和卸载方法流程图；
S1、根据设备在应用层面的子任务以及子任务依赖关系，建立多任务依赖关系边缘协作系统；
在本发明实施例中，如图2所示，考虑多任务依赖关系边缘协作系统，每个终端设备都有一个应用层面的任务需要在边缘服务器的帮助下完成，这些计算密集型应用被划分为一些相互依赖的子任务，子任务依赖关系可以用有向无环图表示为G＝<V,E>，其中，V表示子任务依赖节点集合也即子任务集合，对于其中每个设备i，用Vi＝[1,2,...,j,...,Vi]表示子任务依赖节点；E表示子任务之间依赖关系的有向边集，若子任务j'和子任务j之间存在依赖关系，则子任务之间存在数据交换量，dataj'j≠0，dataj'j是第j'个子任务和第j个子任务之间的数据交换量；物联网设备表示为N＝[1,2,...,i,...,N]；边缘服务器表示为S＝[1,2,...,k,...,S]；物联网设备i中的第j个子任务可表示为Wi,j＝(di,j,ci,j,ai,j)；其中，di,j表示物联网设备i中第j个子任务传输的数据大小；ci,j表示完成子任务所需的总的CPU周期数大小；ai,j表示物联网设备i的第j个计算子任务的卸载决策，其中，ai,j＝0表示物联网设备i在本地执行子任务，表示子任务被卸载到第k个服务器上执行，设备i的子任务卸载决策可表示为/>vi表示物联网设备i的子任务总数，子任务vi即为设备i的最后一个子任务，若第k个边缘服务器不能处理被卸载的任务，它可以将一小部分任务卸载到其他边缘服务器，j,j',vi∈[1,2,...,V]。
在本发明实施例中，应用程序往往由多个子任务组成，子任务依赖具有较强的逻辑关系，其中每一个子任务的成功执行都会依赖于其他子任务的执行结果，并且子任务之间可能也会有数据交换，若两个子任务具有顺序依赖关系，则这两个子任务的执行顺序不能颠倒。同时，可能存在一些独立执行的子任务，这些子任务由于并行依赖性可以同时执行。对于应用程序，如果子任务既有顺序依赖关系，也有并行依赖关系，那么这个应用的子任务就是混合依赖关系，如图3所示给出了一个混合依赖关系任务图，例如子任务2、5、6需要等子任务1计算完成后才能计算，同时子任务2、5、6可以在时隙W2内并行处理，且子任务3、4、7、9都需要等子任务2、5、6在上个时隙中计算完成后才能计算。对于其他子任务也需要等前置子任务计算完成后才能计算，同时也可以在不同的时间段进行并行计算。因此，对于混合依赖关系任务中，在每个时间段中，用户将子任务卸载到边缘服务器，然后边缘服务器将并行处理这些卸载的子任务；这就造就了任务依赖关系的复杂性，需要通过后续步骤来求解出更为准确的卸载决策。
S2、根据多任务依赖关系边缘协作系统，建立通信模型、时延计算模型和能耗计算模型；
在本发明实施例中，根据多任务依赖关系边缘协作系统中的相互依赖的子任务之间传输的数据大小、完成设备的子任务所需的CPU周期数大小以及设备的子任务的卸载决策结合通信资源，分别构建出本地通信模型、边缘通信模型、本地时延计算模型、边缘时延计算模型、本地能耗计算模型和边缘能耗计算模型。具体包括如下：
通信模型：
1)本地通信模型
当本地设备无法满足任务所需性能要求时，任务可以由本地设备上传到边缘服务器进行并行处理，对于每个子任务卸载决策Ai，上行传输速率可表示为：
2)边缘通信模型
当任务已经从设备i到达边缘服务器k后，为了合理利用资源，可以进一步将一部分任务卸载到临近的边缘服务器协同处理，边缘服务器之间的传输速率可表示为：
rk,k'＝Blog2(1+Qkgk,k'/(N0B))
其中，ri,k任务从设备i卸载到边缘服务器k的上行传输速率；B表示通信带宽；pi是设备i的传输功率；gi,k表示设备i和边缘服务器k之间的信道增益；N0表示噪声功率；表示来自具有相同卸载的边缘服务器的其他物联网设备的无线干扰；rk,k'表示任务从边缘服务器k卸载到临近边缘服务器k'的传输速率；gk,k'表示边缘服务器k和临近边缘服务器k'之间的信道增益；Qk表示边缘服务器k的容量；
时延计算模型：
1)本地时延计算模型
设备执行计算任务的CPU周期数依赖于各种因素，为了权衡任务卸载比率来满足任务的可靠性需求，假设fi l表示设备的CPU周期频率，则子任务Wi,j在本地执行时延可表示为：
2)边缘时延计算模型
在从设备接收到卸载的任务之后，边缘服务器调度其计算资源来并行处理任务。假设fk表示第k个边缘服务器的计算能力，若第k个边缘服务器还有其余的任务需要处理，为了合理利用资源，可以进一步将一部分任务卸载到临近的边缘服务器协同处理，假设αk,k'为卸载给临近边缘服务器的任务比例，因此任务从边缘服务器k卸载到k'的传输时延表示为：
结合任务从设备i卸载到边缘服务器k的上行传输速率，子任务在边缘服务器执行的总时延为：
其中，第一项表示子任务卸载到边缘服务器时的传输时延，涉及到子任务依赖关系时需要考虑子任务前置任务，若前置子任务还未计算完成，则会存在排队时间，第二项表示子任务在等待前置子任务计算完成时的排队时延，第三项表示子任务边缘处理时延，第四项表示边缘服务器间任务传输数据。
其中，表示子任务Wi,j在本地执行时延；/>表示设备i的第j个子任务的CPU周期频率；ci,j表示完成子任务Wi,j所需的总的CPU周期数大小；Wi,j表示设备i中的第j个子任务；tk,k'表示任务从边缘服务器k卸载到临近边缘服务器k'的传输时延；αk,k'为卸载给临近边缘服务器的任务比例；di,j表示需要在两个相互依赖的子任务之间传输的数据大小；/>表示子任务Wi,j在边缘服务器k执行的总时延；/>表示子任务排队时延；/>表示子任务Wi,j在边缘服务器k的CPU周期频率；
能耗计算模型：
1)本地能耗计算模型
子任务在本地卸载的能耗与有效电容系数、CPU周期频率、CPU周期数大小和相互依赖的子任务之间传输的数据大小有关系，表示为：
2)边缘能耗计算模型
根据子任务在边缘服务器执行的总时延，可以得出子任务在边缘服务器间的传输能耗，表示为：
其中，表示子任务Wi,j在本地执行能耗；ku表示有效电容系数，该系数取决于芯片结构。fi l表示设备i的CPU周期频率；/>表示子任务Wi,j在边缘服务器k执行能耗。
S3、基于通信模型、时延计算模型和能耗计算模型，通过最小化设备的实际最小完成时间构建出任务卸载模型；
根据子任务之间的依赖关系决定子任务是在本地处理还是卸载到边缘服务器，同时对不同应用程序的不同子任务进行排序，以减少全局系统的整体时延。假设子任务的执行只要没有完成就不能被中断，一个应用程序的执行时延被认为是从初始子任务开始到最后子任务结束的持续时间。在具有子任务依赖关系的边缘计算中更多的关注的是任务完成时延，通过任务完成时延来衡量任务可靠性，由于子任务要么在边缘服务器上执行，要么在本地执行，因此可以将设备i上的子任务j'的实际最早完成时间公式化如下：
其中，α∈{S∪{-i}}表示子任务要么在本地计算要么在边缘服务器计算；表示设备i上的子任务j'在本地计算时延或边缘计算时延；AEST(i,j',k)是卸载到边缘服务器k时设备i上的子任务j'的实际最早开始时间，考虑到子任务之间的先后顺序，只有在其所有前置子任务完成后才能开始。此外，如果处理器正在执行其他任务，则不能调度该子任务，因此实际最早开始时间可以由下式表示：
其中，predj表示任务的直接前置子任务集；Cj'j表示边缘服务器上前置子任务j'传输数据到子任务j所产生的通信成本，可由下式表示：
其中，dataj'j是子任务之间的数据交换量，若子任务j和子任务j'在同一边缘服务器上，则子任务之间的通信成本为零。在有向无环图中的所有子任务被调度之后，应用实际最早完成时间将被计算为退出子任务的实际最早完成时间，其表达式可由下式表示：
可以理解的是，初始子任务的实际最早完成时间即为第一个子任务的计算时间。
假设表示物联网设备i的最后一个子任务的执行时间，在每个任务的实际完成时间获得之后，计算卸载问题可以由如下表达式表述：
s.t.C1:
C2:
C3:
C4:
C5:
其中，AEFT(Vi)表示设备i上所有子任务的实际最早完成时间；xj表示卸载决策；表示子任务Wi,j在本地执行能耗；pi是设备i的传输功率；vi表示物联网设备i的子任务总数，Vi表示物联网设备i的子任务集合；di,j表示需要物联网设备i中第j个子任务传输的数据大小；ri,k任务从设备i卸载到边缘服务器k的上行传输速率；Cj'j表示边缘服务器上前置子任务j'传输数据到子任务j所产生的通信成本；N表示物联网设备总数；Q表示通信成本；ai,1表示ai,j表示物联网设备i的第1个计算子任务的卸载决策，/>表示ai,j表示物联网设备i的第vi个计算子任务的卸载决策；C1表示成本约束；C2和C3表示子任务调度策略和子任务放置策略；C4和C5表示第一个子任务和最后一个子任务必须在本地执行。
S4、根据多任务依赖关系边缘协作系统，建立基于子任务优先级顺序的任务调度模型；
在本发明实施例中，由于有向无环图任务依赖关系在任务调度和卸载方面的复杂性，本发明的卸载问题求解起来较为复杂。为了解决这个问题，本发明需要建立基于子任务优先级顺序的任务调度模型，对子任务进行优先级排序，只要子任务按照优先级顺序进行调度，就可以使得子任务之间的依赖关系得到保证。所述基于子任务优先级顺序的任务调度模型是通过子任务与其后续任务之间的平均数据交换时间，子任务的平均执行时间以及计算开销和本地能量消耗所建立的。
S5、按照任务调度模型对子任务进行优先级排序，并基于优先级顺序进行子任务调度；在本发明实施例中，优先级主要是通过子任务与其后续任务之间的平均数据交换时间，子任务的平均执行时间以及计算开销和本地能量消耗所衡量，首先需要对子任务进行排序如下式：
其中，next(j')是子任务j'的直接后续子任务集合；是子任务j'与其后续任务j之间的平均数据交换时间；/>是子任务j'的平均执行时间，且平均数据交换时间和平均执行时间表达式分别如下：
在任务卸载的时候，若具有较高计算开销和能耗的子任务被高优先级卸载，就可以获得更短的时延和更低的能耗。将能耗考虑进来可以进一步定义子任务的优先级如下：
将能耗引入优先级定义，其中βi和εi分别是设备i的计算开销和能耗的权重系数，即βi+εi＝1，故联合考虑子任务与其后续任务之间的平均数据交换时间、子任务的平均执行时间、计算开销和本地能量消耗对子任务优先级进行建模，对于只有一台服务器的单用户边缘计算系统，关键问题是如何安排子任务，在满足任务依赖性要求的同时，使时延尽可能短，对于单用户单服务器只需要对子任务优先级进行排序，然后在未调度的子任务中选取优先级较大的，分别计算出子任务在边缘服务器以及本地设备计算的实际最早完成时间AEFT(i,j)。
可以理解的是，初始子任务的排序可以由人为指定，也可以根据本领域常规技术计算而得，本发明对此不做具体的限定。
S6、按照子任务调度顺序，通过求解任务卸载模型分别计算出子任务本地计算实际最早完成时间和任务边缘计算实际最早完成时间；
图4是本发明实施例的基于子任务调度顺序的卸载流程图，如图4所示，所述流程中主要包括：
401、获取设备在应用层面的子任务数量、子任务大小、子任务数据交换大小；
402、根据获取的子任务数量、子任务大小、子任务数据交换大小，计算出子任务平均数据交换时间、子任务平均执行时间和子任务卸载开销和本地能量消耗；
403、根据子任务平均数据交换时间、子任务平均执行时间和子任务卸载开销和本地能量消耗，计算出子任务优先级；
404、根据子任务优先级对子任务排序，确定出具有最高优先级的子任务；
405、计算出最高优先级的子任务在本地计算实际最早完成时间和子任务在边缘计算实际最早完成时间。
S7、若子任务本地计算实际最早完成时间小于任务边缘计算实际最早完成时间，则执行子任务本地计算，否则执行子任务边缘计算。
若AEFTl(i,j)<AEFTs(i,j)，则子任务在本地进行计算，否则子任务需要上传到边缘进行计算。
在本发明优选实施例中，本发明还包括步骤S8，所述步骤S8中考虑了多设备场景，在多用户多服务器场景下，由于多个用户之间存在着竞争关系，考虑到每个物联网设备可以根据它们收集的信息在本地做出决策以减小开销，因此采用博弈论方法来协调多个用户之间的竞争以满足具有多个依赖关系任务的卸载。博弈论是指参与的两方在平等的博弈中互相采用对方的策略改变自己的对抗策略以达到获胜目的。在多用户和多服务器场景下，基于博弈论的卸载策略中，理性用户在每一步中都需要对其他玩家在前面步骤中的行为做出反应，并做出局部最优决策。经过有限的步骤之后，所有的用户都可以自组织进入一个相互均衡的状态：纳什均衡，在这种状态下，任何用户都无法通过单方面改变策略来进一步减少时延。在用户i知道其他用户的卸载决策后通过选取子任务卸载策略中系统时延最小的即为最优卸载决策，可以通过如下式来最小化系统时延：
minAEFTi(Ai,Ai-)
其中，Ai为设备i的卸载决策，Ai-为其他设备的卸载决策。
在本发明的优选实施例中，本发明在步骤S1-S7的基础上，如图5所示，还分别求解出了其他设备的卸载决策，通过单用户单服务器子任务依赖关系算法算出每个设备的子任务调度所需的实际最早完成时间，然后从这些可选设备子任务集中挑选出能使时延降低最大一组设备服务器调度结果集，判断是否达到纳什均衡更新调度结果。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于任务依赖关系的联合调度和卸载方法，其特征在于，所述方法包括：
根据设备在应用层面的子任务以及子任务依赖关系，建立多任务依赖关系边缘协作系统；
根据多任务依赖关系边缘协作系统，建立通信模型、时延计算模型和能耗计算模型；
基于通信模型、时延计算模型和能耗计算模型，通过最小化设备的实际最小完成时间构建出任务卸载模型；
根据多任务依赖关系边缘协作系统，建立基于子任务优先级顺序的任务调度模型；
按照任务调度模型对子任务进行优先级排序，并基于优先级顺序进行子任务调度；
按照子任务调度顺序，通过求解任务卸载模型分别计算出子任务本地计算实际最早完成时间和任务边缘计算实际最早完成时间；
若子任务本地计算实际最早完成时间小于任务边缘计算实际最早完成时间，则执行子任务本地计算，否则执行子任务边缘计算。
2.根据权利要求1所述的一种基于任务依赖关系的联合调度和卸载方法，其特征在于，所述多任务依赖关系边缘协作系统包括每个用户都有一个应用层面的任务需要在边缘服务器的帮助下完成，将这些应用划分为一些相互依赖的子任务，子任务依赖关系用有向无环图表示为G＝<V,E>，其中，V表示子任务依赖节点集合也即子任务集合，E表示子任务之间依赖关系的有向边集，若子任务之间存在依赖关系，则子任务之间存在数据交换量，dataj'j≠0，dataj'j是第j'个子任务和第j个子任务之间的数据交换量；物联网设备i中的第j个子任务表示为Wi,j＝(di,j,ci,j,ai,j)，其中，di,j表示物联网设备i中第j个子任务传输的数据大小；ci,j表示完成物联网设备i的第j个子任务所需的总的CPU周期数大小，ai,j表示物联网设备i的第j个子任务的卸载决策，其中，ai,j＝0表示物联网设备i在本地执行子任务，ai,j＝k表示子任务被卸载到第k个边缘服务器上执行，设备i的子任务卸载决策表示为vi表示物联网设备i的子任务总数，若第k个边缘服务器不能处理被卸载的任务，将部分任务卸载到其他边缘服务器；i∈[1,2,...,N]，N表示物联网设备数量，k∈[1,2,...,S]，S表示边缘服务器数量，j,j',vi∈[1,2,...,V]。
3.根据权利要求1所述的一种基于任务依赖关系的联合调度和卸载方法，其特征在于，所述根据多任务依赖关系边缘协作系统，建立通信模型、时延计算模型和能耗计算模型包括根据多任务依赖关系边缘协作系统中的相互依赖的子任务之间传输的数据大小、完成设备的子任务所需的CPU周期数大小以及设备的子任务的卸载决策结合通信资源，分别构建出本地通信模型、边缘通信模型、本地时延计算模型、边缘时延计算模型、本地能耗计算模型和边缘能耗计算模型。
4.根据权利要求1所述的一种基于任务依赖关系的联合调度和卸载方法，其特征在于，所述基于通信模型、时延计算模型和能耗计算模型，通过最小化设备的实际最小完成时间构建出任务卸载模型表示为：
其中，AEFT(Vi)表示设备i上所有子任务的实际最早完成时间；xj表示卸载决策；表示子任务Wi,j在本地执行能耗；pi是设备i的传输功率；vi表示物联网设备i的子任务总数，Vi表示物联网设备i的子任务集合；di,j表示需要物联网设备i中第j个子任务传输的数据大小；ri,k任务从设备i卸载到边缘服务器k的上行传输速率；Cj'j表示边缘服务器上前置子任务j'传输数据到子任务j所产生的通信成本；N表示物联网设备总数；Q表示通信成本；ai,1表示ai,j表示物联网设备i的第1个计算子任务的卸载决策，/>表示ai,j表示物联网设备i的第vi个计算子任务的卸载决策；C1表示成本约束；C2和C3表示子任务调度策略和子任务放置策略；C4和C5表示第一个子任务和最后一个子任务必须在本地执行。
5.根据权利要求4所述的一种基于任务依赖关系的联合调度和卸载方法，其特征在于，所述设备i上所有子任务的实际最早完成时间包括：
其中，AEST(exit)表示退出子任务的实际最早开始时间，表示物联网设备i的最后一个子任务vi的执行时间。
6.根据权利要求5所述的一种基于任务依赖关系的联合调度和卸载方法，其特征在于，所述实际最早开始时间的计算公式包括：
其中，AEST(i,j,k)是卸载到边缘服务器k时设备i上的子任务j的实际最早开始时间；avail{i,j,k}表示子任务最早开始在边缘执行或者本地执行的情况；predj表示任务的直接前置子任务集；Cj'j表示边缘服务器上前置子任务j'传输数据到子任务j所产生的通信成本；AEFT(i,j')表示设备i上的子任务j'的实际最早完成时间；α∈{S∪{-i}}表示子任务在本地计算或者在边缘服务器计算；表示设备i上的子任务j'在本地计算时延或边缘计算时延。
7.根据权利要求1所述的一种基于任务依赖关系的联合调度和卸载方法，其特征在于，根据多任务依赖关系边缘协作系统，建立基于子任务优先级顺序的任务调度模型包括根据多任务依赖关系边缘协作系统中的子任务与其后续任务之间的平均数据交换时间，子任务的平均执行时间以及计算开销和本地能量消耗，构建出任务调度模型。
8.根据权利要求1所述的一种基于任务依赖关系的联合调度和卸载方法，其特征在于，所述按照子任务调度顺序，通过求解任务卸载模型分别计算出子任务本地计算实际最早完成时间和任务边缘计算实际最早完成时间包括：
获取设备在应用层面的子任务数量、子任务大小、子任务数据交换大小；
根据获取的子任务数量、子任务大小、子任务数据交换大小，计算出子任务平均数据交换时间、子任务平均执行时间和子任务卸载开销和本地能量消耗；
根据子任务平均数据交换时间、子任务平均执行时间和子任务卸载开销和本地能量消耗，计算出子任务优先级；
根据子任务优先级对子任务排序，确定出具有最高优先级的子任务；
计算出最高优先级的子任务在本地计算实际最早完成时间和子任务在边缘计算实际最早完成时间。
9.根据权利要求8所述的一种基于任务依赖关系的联合调度和卸载方法，其特征在于，所述子任务优先级的计算方式包括：
其中，Priority(i,j')表示设备i的第j'个子任务的优先级，βi和εi分别是设备i的计算开销和能耗的权重系数，即βi+εi＝1；order(i,j')表示设备i的第j'个子任务的排序结果；表示设备i的第j'个子任务在本地执行能耗；/>表示设备i的第j'个子任务在边缘服务器k执行能耗；
next(j')是子任务j'的直接后续子任务集合；是子任务j'与其后续任务j之间的平均数据交换时间；/>是子任务j'的平均执行时间。
10.根据权利要求1-9任一所述的一种基于任务依赖关系的联合调度和卸载方法，其特征在于，所述方法还包括分别计算出每个设备的子任务解；通过启发式算法从可选设备子任务集中选择出能够使得时延降低最大的一组子任务解；直至所有子任务卸载决策计算完成；若达到纳什均衡则更新调度结果。
CN202310565677.9A 2023-05-18 2023-05-18 一种基于任务依赖关系的联合调度和卸载方法 Active CN116521345B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310565677.9A CN116521345B (zh) 2023-05-18 2023-05-18 一种基于任务依赖关系的联合调度和卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310565677.9A CN116521345B (zh) 2023-05-18 2023-05-18 一种基于任务依赖关系的联合调度和卸载方法

Publications (2)

Publication Number Publication Date
CN116521345A true CN116521345A (zh) 2023-08-01
CN116521345B CN116521345B (zh) 2024-04-05

Family

ID=87402955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310565677.9A Active CN116521345B (zh) 2023-05-18 2023-05-18 一种基于任务依赖关系的联合调度和卸载方法

Country Status (1)

Country Link
CN (1) CN116521345B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115883561A (zh) * 2022-12-01 2023-03-31 重庆邮电大学 一种面向边缘计算中dag任务流的安全调度方法
CN117806806A (zh) * 2024-02-28 2024-04-02 湖南科技大学 任务部分卸载调度方法、终端设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111756812A (zh) * 2020-05-29 2020-10-09 华南理工大学 一种能耗感知的边云协同动态卸载调度方法
CN113220356A (zh) * 2021-03-24 2021-08-06 南京邮电大学 一种移动边缘计算中的用户计算任务卸载方法
CN114980029A (zh) * 2022-05-20 2022-08-30 重庆邮电大学 车联网中基于任务关联性的卸载方法
CN115033373A (zh) * 2022-03-08 2022-09-09 西安电子科技大学 一种移动边缘计算网络中逻辑依赖性任务的调度卸载方法
KR20230032754A (ko) * 2021-08-31 2023-03-07 연세대학교 산학협력단 Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법
CN116126130A (zh) * 2022-11-15 2023-05-16 重庆邮电大学 一种可信边缘服务器的选择与能耗优化的任务卸载方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111756812A (zh) * 2020-05-29 2020-10-09 华南理工大学 一种能耗感知的边云协同动态卸载调度方法
CN113220356A (zh) * 2021-03-24 2021-08-06 南京邮电大学 一种移动边缘计算中的用户计算任务卸载方法
KR20230032754A (ko) * 2021-08-31 2023-03-07 연세대학교 산학협력단 Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법
CN115033373A (zh) * 2022-03-08 2022-09-09 西安电子科技大学 一种移动边缘计算网络中逻辑依赖性任务的调度卸载方法
CN114980029A (zh) * 2022-05-20 2022-08-30 重庆邮电大学 车联网中基于任务关联性的卸载方法
CN116126130A (zh) * 2022-11-15 2023-05-16 重庆邮电大学 一种可信边缘服务器的选择与能耗优化的任务卸载方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KAIYANG LIU, JUN PENG, HENG LI, XIAOYONG ZHANG, WEIRONG LIU: "Multi-device task offloading with time-constraints for energy efficiency in mobile cloud computing", ELSEVIER *
吴大鹏，吕吉，李职杜，王汝言: "移动性感知的边缘服务迁移策略", 通信学报, vol. 41, no. 4 *
陈韩，张晶，董俊，董洁: "子任务调度和时延联合优化的MEC卸载方案", 系统工程与电子技术, pages 1 - 3 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115883561A (zh) * 2022-12-01 2023-03-31 重庆邮电大学 一种面向边缘计算中dag任务流的安全调度方法
CN115883561B (zh) * 2022-12-01 2024-03-15 重庆邮电大学 一种面向边缘计算中dag任务流的安全调度方法
CN117806806A (zh) * 2024-02-28 2024-04-02 湖南科技大学 任务部分卸载调度方法、终端设备及存储介质
CN117806806B (zh) * 2024-02-28 2024-05-17 湖南科技大学 任务部分卸载调度方法、终端设备及存储介质

Also Published As

Publication number Publication date
CN116521345B (zh) 2024-04-05

Similar Documents

Publication Publication Date Title
CN116521345B (zh) 一种基于任务依赖关系的联合调度和卸载方法
CN113950066B (zh) 移动边缘环境下单服务器部分计算卸载方法、系统、设备
CN110928654B (zh) 一种边缘计算系统中分布式的在线任务卸载调度方法
CN111756812A (zh) 一种能耗感知的边云协同动态卸载调度方法
CN113220356B (zh) 一种移动边缘计算中的用户计算任务卸载方法
CN112988345B (zh) 一种基于移动边缘计算的依赖型任务卸载方法及装置
CN110096362A (zh) 一种基于边缘服务器协作的多任务卸载方法
Li Heuristic computation offloading algorithms for mobile users in fog computing
CN113867843B (zh) 一种基于深度强化学习的移动边缘计算任务卸载方法
CN112506627A (zh) 有向无环图任务的调度方法、系统、介质、设备及终端
CN114706631B (zh) 基于深度q学习的移动边缘计算中卸载决策方法及系统
CN116886703A (zh) 一种基于优先级和强化学习的云边端协作计算卸载方法
Gao et al. Com-DDPG: A multiagent reinforcement learning-based offloading strategy for mobile edge computing
Hu et al. Dynamic task offloading in MEC-enabled IoT networks: A hybrid DDPG-D3QN approach
Chen et al. Joint optimization of task offloading and resource allocation via deep reinforcement learning for augmented reality in mobile edge network
CN113741999A (zh) 一种基于移动边缘计算的面向依赖型任务卸载方法及装置
CN117579701A (zh) 一种移动边缘网络计算卸载方法及系统
CN116782249A (zh) 具有用户依赖关系的边缘计算卸载及资源分配方法及系统
CN114172558B (zh) 一种车辆网络中基于边缘计算和无人机集群协同的任务卸载方法
Li et al. A customized reinforcement learning based binary offloading in edge cloud
CN114980216A (zh) 基于移动边缘计算的依赖型任务卸载系统及方法
CN113747504A (zh) 多接入边缘计算联合任务卸载和资源分配的方法及系统
Vo et al. Reinforcement-Learning-Based Deadline Constrained Task Offloading Schema for Energy Saving in Vehicular Edge Computing System
Li et al. Resource allocation for componentized multimedia service in ubiquitous computing power environment
Qin et al. Optimal joint offloading and wireless scheduling for parallel computing with deadlines

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240201

Address after: 1003, Building A, Zhiyun Industrial Park, No. 13 Huaxing Road, Henglang Community, Dalang Street, Longhua District, Shenzhen City, Guangdong Province, 518000

Applicant after: Shenzhen Wanzhida Technology Transfer Center Co.,Ltd.

Country or region after: Zhong Guo

Address before: 401135 No. 19, Zhuoyue Road, Longxing Town, Yubei District, Chongqing

Applicant before: Space Communication Research Institute of Chongqing University of Posts and Telecommunications

Country or region before: Zhong Guo

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240314

Address after: 301, 304, Building 2, COFCO Chuangxin R&D Center, 69 Xingdong Community, Xin'an Street, Bao'an District, Shenzhen, Guangdong 518000

Applicant after: SHENZHEN DIANLIAN TECHNOLOGY Co.,Ltd.

Country or region after: Zhong Guo

Address before: 1003, Building A, Zhiyun Industrial Park, No. 13 Huaxing Road, Henglang Community, Dalang Street, Longhua District, Shenzhen City, Guangdong Province, 518000

Applicant before: Shenzhen Wanzhida Technology Transfer Center Co.,Ltd.

Country or region before: Zhong Guo

GR01 Patent grant
GR01 Patent grant