CN107333267B - 一种用于5g超密集组网场景的边缘计算方法 - Google Patents
一种用于5g超密集组网场景的边缘计算方法 Download PDFInfo
- Publication number
- CN107333267B CN107333267B CN201710485333.1A CN201710485333A CN107333267B CN 107333267 B CN107333267 B CN 107333267B CN 201710485333 A CN201710485333 A CN 201710485333A CN 107333267 B CN107333267 B CN 107333267B
- Authority
- CN
- China
- Prior art keywords
- user
- subchannel
- server
- mec
- formula
- 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.)
- Expired - Fee Related
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 11
- 230000006855 networking Effects 0.000 title claims abstract description 11
- 230000001413 cellular effect Effects 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000013468 resource allocation Methods 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/06—Hybrid resource partitioning, e.g. channel borrowing
- H04W16/08—Load shedding arrangements
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于通信5G以及边缘计算技术领域,具体的说是一种用于5G超密集组网场景的边缘计算方法。本发明的基本思路是在一个小基站放置一个MEC服务器来为该微小区的蜂窝用户提供边缘计算服务,同时蜂窝用户可以按照待执行任务的特性来选择与宏基站相连的云计算服务。本发明的有益效果为,本发明的方法可以使得用户选择最合适的计算服务,提高时延性能。
Description
技术领域
本发明属于通信5G以及边缘计算(Mobile Edge Computing,MEC)技术领域,具体的说是一种用于5G超密集组网场景的边缘计算方法;发明涉及凸优化(Convex Optimal),超密集组网(Ultra-Density Network,UDN),边缘计算,云计算(Cloud Computing)等技术。
背景技术
云计算是一种旨在突破移动终端计算能力(存储能力)限制的技术。终端设备选择将自己的计算任务(存储任务)交由云端执行以节省自身有限的计算资源(存储资源)以及能耗。
而边缘计算这一概念是相对于云计算的。由于云端服务器的计算能力非常强大,但是从终端到云服务器的时延可能会很大。而随着移动通信技术的发展与各种新兴产业的兴起。终端上的一些应用对时延性能提出了更高的要求,比如增强现实技术(AugmentedReality,AR)。因此为了满足这种需求,边缘计算这一概念应运而生。不同于云计算的是边缘计算在用户邻近的地理位置部署计算能力次于云计算服务器的边缘计算服务器。以此来降低物理距离导致的时延。
即将到来的5G移动通信技术设计的接入密度是106每平方公里,为了满足如此庞大的接入需求,5G采用了超密集组网技术:一个小区有一个宏基站以及大量的微基站组成,每个微基站负责为邻近的蜂窝用户服务。但是如此多的接入用户,用什么样的技术去满足终端各种各样的计算能力需求仍然是待解决的问题。
发明内容
针对上述问题,本发明提出了一种用于5G超密集组网场景的边缘计算方法,旨在提高蜂窝***中接入终端的计算能力与时延性能。本发明的基本思路是在一个小基站(Small Base Station,SBS)放置一个MEC服务器来为该微小区的蜂窝用户提供边缘计算服务,同时蜂窝用户可以按照待执行任务的特性来选择与宏基站(Macro Base Station,MBS)相连的云计算服务。该方案可以使得用户选择最合适的计算服务,提高时延性能。
首先介绍***模型:
如图1所示,考虑一个上行的超密集组网的蜂窝***,存在一个中心的宏基站MSB,与云计算服务器相连接,以及若干个小基站SBS,每个SBS放置了一个边缘计算服务器;每个小基站有若干个接入的蜂窝用户,每个用户都有一个待执行任务,每个任务有两个属性:输入数据量与CPU执行周期数,且每个任务可以选择在本地执行、MEC服务器上执行或者云计算服务器上执行。这里以一个小基站为例:假设小基站的接入蜂窝用户数为N,有K个独立的子信道可供分配。同时用户,MEC服务器,云计算服务器的计算能力分别为:Fmes,Fcloud。其他的变量如下表所示:
表1
本发明的方法分为四个步骤:
S1、初始化用户的卸载策略:
首先为了得到初始化的用户任务,卸载策略首先假定子信道以及MEC服务器的计算能力均分给每个用户,且信道增益用均值代替。并计算三种卸载情况的时延:
其中
所以,每个用户的初始化的卸载策略为三种策略下取时延最小的一种策略作为初始化卸载策略;
S2、对所有用户规划分配的子信道数目:
在第一步给定了初始卸载策略的情况下,就需要对用户进行子信道的分配。这一步将确定每个用户被分配到的子信道数目用Ci表示,需要注意的是选择在本地执行的用户应该被分配到0个子信道。
在第一步中将任务卸载到MEC服务器的用户数为N*,且在这一步假设它们均分MEC服务器的计算资源。于是相比于第一步,这两个参数已经发生了变化,将更新后的参数代入到(1)式中,即可得到每个用户的时延
引入效用函数建立获得Ci的数学模型表示如下
这里提出基于分治的思想提出一种次优解法:将所有待分配子信道的用户分成两个子集首先为这两个集合分配子信道数。引入两个函数于是获得Ci的数学模型(3)转变为:
同时引入两个约束条件于是模型(4)转变为:
构造(5)式的拉格朗日函数:
根据
引入变量
于是有:
可以使用二分法求解该方程组得到数值解C1,C2,即为集合被分配到的子信道数目。然后再将子集合二分成集合将C1,C2分别代替这一步中的K进行迭代分配。最终就可以计算出每个用户被分配的子信道个数Ci。
S3、对所有用户进行子信道分配:
在确定了用户的被分配子信道数目Ci之后,需要为用户分配具体的子信道,为每个用户分配子信道的算法步骤如下:
Step1、选取用户
Step2、对于1到Ci,迭代执行:
将子信道分配给用户i;
Hik=0,i∈{1,2..N};
Step3、重复步骤Step1和步骤Step2直至所有用户被分配了子信道;
S4、对所有卸载在MEC服务器的用户进行计算资源分配:
在卸载策略,子信道分配策略都确定的情况下。还剩下最后一部分:MEC计算资源的分配策略。而MEC计算资源的分配算法与步骤2相同,都是采用分治算法的思想将MEC的计算资源--CPU频率分成两个部分进行迭代分配。这里不再做赘述。
本发明的有益效果为,本发明的方法可以使得用户选择最合适的计算服务,提高时延性能。
附图说明
图1为超密集组网的蜂窝***型示意图。
具体实施方式
发明内容部分已经对本发明的方案进行了详细描述,在此不再赘述。
Claims (1)
1.一种用于5G超密集组网场景的边缘计算方法,该方法用于超密集组网的蜂窝***,设所述的***包括一个与云计算服务器相连接中心的宏基站MSB,以及若干个小基站SBS,每个SBS放置了一个边缘计算服务器MEC;每个小基站有若干个接入的蜂窝用户,每个用户都有一个待执行任务,每个任务有两个属性:输入数据量与CPU执行周期数,且每个任务可以选择在本地执行、MEC服务器上执行或者云计算服务器上执行,一个基站的接入蜂窝用户数为N,有K个独立的子信道可供分配,同时用户、MEC服务器、云计算服务器的计算能力分别为:和其特征在于,包括以下步骤:
S1、初始化用户的卸载策略:
为了得到初始化的用户任务,卸载策略首先假定子信道以及MEC服务器的计算能力均分给每个用户,且信道增益用均值代替;同时通过如下公式1-公式3获取分别卸载到用户、MEC服务器和云计算服务器的三种情况下的时延:
其中,τ为时延,下标ue为用户、mec为MEC服务器、下标cloud为云计算服务器,αi为用户i的任务的输入数据量,βi为用户i的任务的执行周期数,为用户的CPU频率,为MEC服务器的CPU频率,为云计算服务器的CPU频率, K为微小区的子信道数目,B为子信道带宽,σ2为热噪声功率,P为用户发射功率,di为用户i与SBS的距离,γ为大尺度衰落系数;
每个用户的初始化的卸载策略为三种策略下取时延最小的一种策略作为初始化卸载策略则根据公式1构建初始化的卸载策略为:
S2、对所有用户分配子信道数目:
将确定每个用户被分配到的子信道数目用Ci表示,假设将任务卸载到MEC服务器的用户数为N*,且它们均分MEC服务器的计算资源,则相对于公式1,这两个参数已经发生了变化,将更新后的参数带入到公式1,即可得到每个用户的时延
引入效用函数为建立获得Ci的数学模型如下公式3:
将所有待分配子信道的用户分成两个子集和且满足为子集和分配子信道数:
引入两个函数将公式3转变为:
同时引入两个约束条件将公式4转变为:
构造拉格朗日函数:
根据
引入变量
可得:
采用二分法求解公式8所示的方程组得到数值解C1、C2,即为集合被分配到的子信道数目,然后再将子集合二分成集合将C1、C2分别代替这一步中的K进行迭代计算,最终获得每个用户被分配的子信道个数Ci;
S3、对所有用户进行子信道分配:
设用户集合用户的任务输入数据集合Α={α1,α2,α3,…,αN},子信道集合用户被分配子信道数目集合包括:
S31、选取用户
S32、对于1到Ci,迭代执行:
将子信道分配给用户i后,再将Hik=0,i∈{1,2..N};
S33、重复步骤S31和步骤S32直至所有用户被分配了子信道;
S4、对所有卸载在MEC服务器的用户进行计算资源分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710485333.1A CN107333267B (zh) | 2017-06-23 | 2017-06-23 | 一种用于5g超密集组网场景的边缘计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710485333.1A CN107333267B (zh) | 2017-06-23 | 2017-06-23 | 一种用于5g超密集组网场景的边缘计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107333267A CN107333267A (zh) | 2017-11-07 |
CN107333267B true CN107333267B (zh) | 2019-11-01 |
Family
ID=60195682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710485333.1A Expired - Fee Related CN107333267B (zh) | 2017-06-23 | 2017-06-23 | 一种用于5g超密集组网场景的边缘计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107333267B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022240590A1 (en) * | 2021-05-14 | 2022-11-17 | Nec Laboratories America, Inc. | Application-centric design for 5g and edge computing applications |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109818868B (zh) | 2017-11-20 | 2021-06-22 | 中兴通讯股份有限公司 | 一种实现边缘网络能力开放的方法、装置、设备及存储介质 |
CN108494612B (zh) * | 2018-01-19 | 2021-06-08 | 西安电子科技大学 | 一种提供移动边缘计算服务的网络***及其服务方法 |
CN108521436B (zh) * | 2018-02-01 | 2020-11-17 | 上海交通大学 | 基于终端计算存储的移动虚拟现实传输方法及*** |
CN109547555B (zh) * | 2018-03-01 | 2022-01-04 | 重庆大学 | 基于公平性准则的非平衡边缘云网络接入与资源分配方法 |
CN108541027B (zh) * | 2018-04-24 | 2022-05-31 | 南京邮电大学 | 一种基于边缘云网络的通信计算资源置换方法 |
CN108667936B (zh) * | 2018-05-10 | 2021-08-10 | Oppo广东移动通信有限公司 | 数据处理方法、终端、移动边缘计算服务器及存储介质 |
CN108874525B (zh) * | 2018-06-22 | 2021-06-29 | 浙江大学 | 一种面向边缘计算环境的服务请求分配方法 |
CN108920425A (zh) * | 2018-06-27 | 2018-11-30 | 中国联合网络通信集团有限公司 | 计算方式判定方法和*** |
CN108901075B (zh) * | 2018-06-28 | 2021-06-08 | 电子科技大学 | 一种基于gs算法的资源分配方法 |
CN108833577B (zh) * | 2018-06-29 | 2022-08-30 | 中国联合网络通信集团有限公司 | 基于边缘计算的数据通信优化***及方法 |
CN109067842B (zh) * | 2018-07-06 | 2020-06-26 | 电子科技大学 | 面向车联网的计算任务卸载方法 |
CN109413615B (zh) * | 2018-09-14 | 2021-10-22 | 重庆邮电大学 | 车联网中基于mec的能量感知卸载的能量延迟折衷 |
CN109413724B (zh) * | 2018-10-11 | 2021-09-03 | 重庆邮电大学 | 一种基于mec的任务卸载和资源分配方案 |
CN109151077B (zh) * | 2018-10-31 | 2020-04-07 | 电子科技大学 | 一种基于目标导向的计算卸载方法 |
CN109474961A (zh) * | 2018-12-05 | 2019-03-15 | 安徽大学 | 一种移动边缘计算服务器的网络能效优化方法、*** |
CN109710336B (zh) * | 2019-01-11 | 2021-01-05 | 中南林业科技大学 | 联合能量和延迟优化的移动边缘计算任务调度方法 |
CN109982104B (zh) * | 2019-01-25 | 2020-12-01 | 武汉理工大学 | 移动边缘计算中移动感知的视频预取与缓存替换决策方法 |
CN109788069B (zh) * | 2019-02-27 | 2021-02-12 | 电子科技大学 | 物联网中基于移动边缘计算的计算卸载方法 |
CN109905888B (zh) * | 2019-03-21 | 2021-09-07 | 东南大学 | 移动边缘计算中联合优化迁移决策和资源分配方法 |
CN110012508B (zh) * | 2019-04-10 | 2022-02-11 | 中南大学 | 一种面向超密集网络的边缘计算的资源分配方法及*** |
CN110225524B (zh) * | 2019-05-29 | 2022-11-11 | 暨南大学 | 一种基于5g下行链路数据传输的方法 |
CN110493313A (zh) * | 2019-07-19 | 2019-11-22 | 北京邮电大学 | 一种在基于移动边缘计算网络中调度服务用例的方法及*** |
CN110505644B (zh) * | 2019-09-26 | 2021-09-10 | 江南大学 | 用户任务卸载与资源分配联合优化方法 |
CN110913508B (zh) | 2019-11-25 | 2021-07-20 | 广州爱浦路网络技术有限公司 | 一种部署了upf的5g基站的数据报文处理方法 |
CN111372268B (zh) * | 2019-12-24 | 2022-07-08 | 中国石油大学(华东) | 一种超密集网络中联合无线资源管理与任务卸载优化方法 |
CN111131835B (zh) * | 2019-12-31 | 2021-02-26 | 中南大学 | 一种视频处理方法及*** |
CN111200831B (zh) * | 2020-01-08 | 2021-08-24 | 中国科学院计算技术研究所 | 一种融合移动边缘计算的蜂窝网络计算卸载方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105636057A (zh) * | 2016-01-04 | 2016-06-01 | 南京邮电大学 | 超密集网络中一种基于非协作博弈的资源分配方法 |
CN106100907A (zh) * | 2016-08-15 | 2016-11-09 | 北京邮电大学 | 一种基于公平性的mec服务器选择算法 |
CN106470449A (zh) * | 2015-08-14 | 2017-03-01 | 电信科学技术研究院 | 一种数据收发、中继方法、装置及通信*** |
WO2017044153A1 (en) * | 2015-09-11 | 2017-03-16 | Intel IP Corporation | Sliceable radio access network architecture for wireless communications |
CN106851738A (zh) * | 2017-01-25 | 2017-06-13 | 南京邮电大学 | 面向lte小基站超密集组网的软件定义无线网络体系架构及方法 |
-
2017
- 2017-06-23 CN CN201710485333.1A patent/CN107333267B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106470449A (zh) * | 2015-08-14 | 2017-03-01 | 电信科学技术研究院 | 一种数据收发、中继方法、装置及通信*** |
WO2017044153A1 (en) * | 2015-09-11 | 2017-03-16 | Intel IP Corporation | Sliceable radio access network architecture for wireless communications |
CN105636057A (zh) * | 2016-01-04 | 2016-06-01 | 南京邮电大学 | 超密集网络中一种基于非协作博弈的资源分配方法 |
CN106100907A (zh) * | 2016-08-15 | 2016-11-09 | 北京邮电大学 | 一种基于公平性的mec服务器选择算法 |
CN106851738A (zh) * | 2017-01-25 | 2017-06-13 | 南京邮电大学 | 面向lte小基站超密集组网的软件定义无线网络体系架构及方法 |
Non-Patent Citations (3)
Title |
---|
Energy-Efficient Offloading for Mobile Edge Computing in 5G Heterogeneous Networks;Ke Zhang等;《IEEE Access 》;20160826;全文 * |
Virtual resource allocation for heterogeneous services in full duplex-enabled small cell networks with cache and MEC;Zhiyuan Tan等;《 2017 IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS)》;20170504;全文 * |
未来移动通信网络架构演进及其关键技术研究;刘慧等;《电信网技术》;20151231;全文 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022240590A1 (en) * | 2021-05-14 | 2022-11-17 | Nec Laboratories America, Inc. | Application-centric design for 5g and edge computing applications |
Also Published As
Publication number | Publication date |
---|---|
CN107333267A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107333267B (zh) | 一种用于5g超密集组网场景的边缘计算方法 | |
Zhou et al. | Resource sharing and task offloading in IoT fog computing: A contract-learning approach | |
CN108809695B (zh) | 一种面向移动边缘计算的分布上行链路卸载策略 | |
Li et al. | Energy-aware mobile edge computation offloading for IoT over heterogenous networks | |
CN111447619A (zh) | 一种移动边缘计算网络中联合任务卸载和资源分配方法 | |
Jošilo et al. | Joint wireless and edge computing resource management with dynamic network slice selection | |
CN109121151A (zh) | 小蜂窝集成移动边缘计算下分布式卸载方法 | |
Abedin et al. | Fog load balancing for massive machine type communications: A game and transport theoretic approach | |
Sun et al. | Large-scale user-assisted multi-task online offloading for latency reduction in D2D-enabled heterogeneous networks | |
Chughtai et al. | Energy efficient resource allocation for energy harvesting aided H-CRAN | |
Pham et al. | Fairness-aware spectral and energy efficiency in spectrum-sharing wireless networks | |
Alnoman et al. | Sparse code multiple access-based edge computing for IoT systems | |
Hussain et al. | An optimal resource allocation algorithm for D2D communication underlaying cellular networks | |
Tran et al. | Dynamic radio cooperation for downlink cloud-RANs with computing resource sharing | |
CN105007629B (zh) | 超密集小小区网络***中无线资源分配方法 | |
CN105554771B (zh) | 基于密集分布的毫微微用户资源分配方法 | |
Yu et al. | Interference coordination strategy based on Nash bargaining for small‐cell networks | |
Nguyen et al. | Joint computation offloading and resource allocation in cloud based wireless HetNets | |
CN115802389A (zh) | 一种利用数字孪生辅助模型训练的联邦学习方法 | |
Zhou et al. | Multi-server federated edge learning for low power consumption wireless resource allocation based on user QoE | |
Guo et al. | On the interplay between communication and computation in green C-RAN with limited fronthaul and computation capacity | |
Gengzhong et al. | A power control algorithm based on non-cooperative game for wireless CDMA sensor networks | |
CN110602718B (zh) | 基于交替方向乘子法的异构蜂窝网络功率分配方法及*** | |
CN107333301B (zh) | 多属异构网络中的一种基于认知的联合资源再分配方法 | |
Huang et al. | Computing resource allocation and offloading method based on simulated annealing algorithm |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191101 |
|
CF01 | Termination of patent right due to non-payment of annual fee |