CN109905859A - 一种用于车联网应用的高效边缘计算迁移方法 - Google Patents
一种用于车联网应用的高效边缘计算迁移方法 Download PDFInfo
- Publication number
- CN109905859A CN109905859A CN201910031387.XA CN201910031387A CN109905859A CN 109905859 A CN109905859 A CN 109905859A CN 201910031387 A CN201910031387 A CN 201910031387A CN 109905859 A CN109905859 A CN 109905859A
- Authority
- CN
- China
- Prior art keywords
- node
- vehicle
- indicate
- car networking
- task
- 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
Links
Classifications
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种用于车联网应用的高效边缘计算迁移方法,包括以下步骤:S1、获取车联网内车辆的当前位置信息以及车辆产生的迁移任务的应用需求;S2、获取车联网内所有边计算结点的位置信息和边结点的计算资源情况;S3、根据车辆与边计算结点的距离和迁移任务的应用需求,过滤掉不符合条件的边计算结点;S4、计算每一个迁移策略所需的时间和能耗;S5、通过简单加权法和多标准决策算法获取最优的计算迁移策略。本发明方法在满足计算任务的计算能力和计算延迟的要求之余,最大程度上减少边计算结点的能耗,提高了边计算结点的利用率。
Description
技术领域
本发明涉及一种高效的边缘计算迁移方法,属于移动边缘计算技术领域。
背景技术
随着运输业的不断发展,以及人们对交通安全的广泛关注,车联网(Internet ofVehicles,IoV)逐渐发展起来。作为物联网的主要应用之一,车联网更好地实现了车辆之间、人与车之间、车与路侧单元(Roadside Unit,RSU)之间的信息交互,大大提高了交通安全。随着车联网的不断普及,基于此的应用也在不断增加,尤其是许多对计算能力、响应延迟要求较高的应用,目前很多应用所提出的需求已经远远超过了车辆本身的计算处理能力。
当把移动云计算引入到车联网的环境中时,车辆可以把计算任务迁移至远程云平台执行,相当于扩充了车辆的计算资源,满足了计算任务的计算能力要求,但是,车辆把计算任务通过广域网(Wide Area Network,WAN)迁移至远程云平台所需的时间较多,满足不了计算任务的低时延要求。
移动边缘计算很好地解决了远程云平台计算时延较长的问题。RSU和服务器组成的边计算设备(Edge Computing Device,ECD)是一种小型云,它通常部署在车辆附近,提供增强的云服务,因此车辆把计算任务迁移到ECD上执行能极大地降低时延,提高用户的服务体验。但是,ECD的资源是有限的,而且边计算结点执行计算迁移任务产生的能耗也较多。因此如何高效地利用ECD的资源是当前科学研究的重点。具体的操作上,不能随意地把计算任务迁移到ECD上执行,必须以一种合理的计算迁移方法才能既实现ECD资源的合理分配,又满足计算任务低时延的需求,同时最大程度上减少边计算结点的能耗。
目前,很多科研人员致力于设计高效的计算迁移机制以提高朵云的利用率,例如,M.Wang等人在“Toward Mobility Support for Information-Centric IoV in SmartCity Using Fog Computing”中考虑把雾计算(Fog Computing)引入到IoV环境中,根据不同的服务特征,设计一个动态的服务支持机制;Y.Cao等人在“QoE-based node selectionstrategy for edge computing enabled Internet-of-Vehicles(EC-IoV)”中提出了基于边计算的车联网(edge computing enabled Internet-of-Vehicles,EC-IoV)的概念,利用联网车辆作为边缘计算平台,并且设计了一个基于用户体验质量(Quality ofExperience,QoE)的结点选择策略,来为用户选择最优的边计算结点。但是当前的车联网中的计算迁移技术的研究几乎没有考虑到ECD的能耗问题,当迁移策略能满足计算任务的时延需求时,ECD的能耗也是不可忽视的。
发明内容
针对目前车联网计算迁移技术中只考虑到时延需求没有考虑ECD能耗问题的情况,本发明提出了一种用于车联网应用的高效边缘计算迁移方法,针对越来越多的车联网应用,可以根据车辆和ECD的信息,实时提出一种计算迁移策略,既可以满足车辆计算时延和能耗上的需求,同时能增强用户的车联网服务体验。
为解决上述技术问题,本发明采用了如下技术手段:
一种用于车联网应用的高效边缘计算迁移方法,具体包括以下步骤:
S1、获取车联网内车辆的当前位置信息以及车辆产生的迁移任务的应用需求;
S2、获取车联网内所有边计算结点的位置信息和每个边结点的计算资源情况;
S3、根据车辆与边计算结点的距离和迁移任务的应用需求,过滤掉不符合条件的边计算结点;
S4、将车辆计算任务与符合条件的边结点一一匹配,计算每一个迁移策略所需的时间和能耗;
S5、通过简单加权法和多标准决策算法获取最优的计算迁移策略。
进一步的,步骤S1的具体操作如下:
S11、车联网区域A内包含M辆车,第m辆车cm在i时刻的坐标cpm,i如下:
cpm,i=(cpxm,i,cpym,i) (1)
其中,cpxm,i表示i时刻车辆cm在区域A中的横坐标位置,cpym,i表示i时刻车辆cm在区域A中的纵坐标位置,m=1,2,…,M。
S12、第m辆车cm产生的计算任务为tm=(twm,trm,tw'm),其中,twm表示计算任务tm的任务量,trm表示执行tm所需要的资源,tw'm表示执行结束返回的数据量。
进一步的,步骤S2中在车联网区域A内设置N个边计算结点,边计算结点的表达式如下:
en=(epxn,epyn,eqn,ern) (2)
其中,en表示第n个边计算结点,n=1,2,…,N,epxn表示en在区域A中的横坐标位置,epyn表示en在区域A中的纵坐标位置,eqn表示en的总容量,ern表示en的空闲资源。
进一步的,trm、eqn和ern都采用虚拟机数量的形式计算。
进一步的,步骤S3的具体操作如下:
S31、比较所有边计算结点的空闲资源和执行车辆任务所需资源的大小,当trm>ern,车辆cm的计算任务tm不能迁移到该边计算结点。
S32、计算车辆cm到边计算结点en的距离:
S33、当dis(cm,en)<ρ,ρ为en的作用范围,车辆cm的计算任务tm不能迁移到该边计算结点,且不能迁移到在该边结点与车辆行驶方向相反的一侧的边结点上。
进一步的,步骤S4的具体操作如下:
S41、选择一个符合条件的目标边计算结点和目标结点作用范围内的一辆目标车辆。
S42、计算车辆cm把计算任务tm传输到目标车辆cn的时间Ttm、目标车辆cn把tm迁移到目标边计算结点en的时间Tom、en执行计算任务的时间Tem和en把计算结果反馈给cm的时间Tfm,具体公式如下:
其中,v表示车辆之间的传输速率,λm,n表示计算任务从cm传输到cn所经过的车辆数,v′表示车辆与边计算结点之间的传输速率,p表示每个虚拟机的计算能力。
S43、计算迁移策略所需的总时延T:
S44、计算边计算结点en的基础能耗Ebn、空闲能耗Ein和占用能耗Eun:
Ebn=Tsn·Pα (9)
其中,Tsn表示en的服务器的运行时间,Pα表示边计算结点en服务器的功率,Bm,n表示计算任务tm是否在en上执行,Pβ表示en上未被占用的资源的功率,Pγ表示en上占用的资源的功率。
S45、计算边计算结点en的总能耗E:
进一步的,步骤S5的具体操作如下:
S51、通过简单加权法和多标准决策算法,各个计算迁移策略的总时延和总能耗分别被归一化为:
其中,Tmax和Tmin分别表示计算迁移所产生的最大的时延和最小的时延,Emax和Emin分别表示计算迁移所产生的最大的能耗和最小的能耗。
S52、计算各个迁移策略的效用值,获得效用值最大的计算迁移策略:
UV=V(T)·ωT+V(E)·ωE(ωT+ωE=1) (15)
其中,ωT表示V(T)的权值,ωE分别表示V(E)的权值。
采用以上技术手段后可以获得以下优势:
本发明提出了一种用于车联网应用的高效边缘计算迁移方法,获取车联网内车辆和边计算结点的信息,根据计算迁移任务应用资源需求过滤掉不符合条件的边计算结点,然后根据符合要求的结点规划迁移策略,计算每一个迁移策略所需的时间和产生的能耗,最后根据SAW和MCDM选择最优的计算迁移策略。本发明方法的考虑到车辆行驶情况,计算迁移过程中应用了车与车之间的传输和车与边计算结点之间的迁移技术,确保计算任务可以正常迁移,提高迁移过程的效率;同时,本方法的计算迁移策略随着具体的车辆信息和边计算结点的信息而动态改变,使得计算迁移的结果更客观可信。与传统计算迁移方法相比,本发明方法综合考虑执行计算任务的延迟和产生的能耗,在满足计算任务的计算能力和计算延迟的要求之余,最大程度上减少边计算结点的能耗,符合绿色计算的主题,并且合理规划计算任务的迁移,使边计算结点的利用效率最大化。
附图说明
图1为本发明一种用于车联网应用的高效边缘计算迁移方法的步骤流程图。
图2为本发明一种用于车联网应用的高效边缘计算迁移方法的车联网实例图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明:
一种用于车联网应用的高效边缘计算迁移方法,如图1所示,具体包括以下步骤:
S1、获取车联网内车辆的当前位置信息以及车辆产生的迁移任务的应用需求;具体操作如下:
S11、假设共有M辆车辆行驶在一条道路上,采用x-y坐标系表示该道路区域,定义车联网区域A={(x,y)|0≤x≤X,0≤y≤Y},C={c1,c2,…,cM}表示车辆的集合,cm表示区域A中第m辆车,cm在i时刻的坐标cpm,i为:
cpm,i=(cpxm,i,cpym,i) (16)
其中,cpxm,i表示i时刻车辆cm在区域A中的横坐标位置,cpym,i表示i时刻车辆cm在区域A中的纵坐标位置,m=1,2,…,M。
S12、每辆车都可以产生一个需要执行的计算任务,因此在这个车联网环境中共有M个计算任务产生,计算任务可以表示为集合T={t1,t2,…,tM},其中tm表示第m辆车产生的计算任务。
第m辆车cm产生的计算任务可以表示为tm=(twm,trm,tw'm),其中,twm表示计算任务tm的任务量,trm表示执行tm所需要的资源,tw'm表示执行结束返回的数据量。在本发明方法中,计算任务所需要的资源即为执行计算任务所占用的虚拟机实例的数量。
S2、获取车联网内所有边计算结点的位置信息和每个边结点的计算资源情况;在车联网区域A内设置N个边计算结点,E={e1,e2,…,eN},边计算结点的表达式如下:
en=(epxn,epyn,eqn,ern) (17)
其中,en表示第n个边计算结点,n=1,2,…,N,epxn表示en在区域A中的横坐标位置,epyn表示en在区域A中的纵坐标位置,eqn表示en的总容量,ern表示en的空闲资源。
在本发明方法中,边计算结点的空闲资源以及总容量均以虚拟机数量的形式给出,把边计算结点的物理资源平均分为若干个虚拟机,当计算任务迁移到边计算结点进行执行时,相应的虚拟机即被实例化。
S3、根据车辆与边计算结点的距离和迁移任务的应用需求,过滤掉不符合条件的边计算结点;具体操作如下:
S31、比较所有边计算结点的空闲资源和执行车辆任务所需资源的大小,当边计算结点的空闲资源小于计算任务所需的计算资源,即trm>ern时,车辆cm的计算任务tm不能迁移到该边计算结点。
S32、计算车辆cm到边计算结点en的距离:
S33、边计算结点具有一个作用范围ρ,称为有效路段,当dis(cm,en)<ρ,则cm在en的有效路段,cm可以把其计算任务tm直接迁移到en上执行,但是实际情况中,由于cm在行驶,如果将计算任务迁移到en上,当en执行完tm把计算结果返回cm时,cm可能已经不在en的有效路段内,为了避免这种情况的发生,车辆cm的计算任务tm不能迁移到该边计算结点,cm只能将其产生的计算任务tm迁移到在车辆行驶方向上且在en之后的边计算结点去执行。
S4、将车辆计算任务与符合条件的边结点一一匹配,计算每一个迁移策略所需的时间和能耗;具体操作如下:
S41、选择一个符合条件的目标边计算结点和目标结点作用范围内的一辆目标车辆;计算任务的迁移过程包括两部分:一是cm通过车与车之间的传输方式把tm传输至目标车辆的过程;二是目标车辆把计算任务迁移至目标边计算结点的过程。
S42、计算任务tm的时延包括车辆cm把计算任务tm传输到目标车辆cn的时间Ttm、目标车辆cn把tm迁移到目标边计算结点en的时间Tom、en执行计算任务的时间Tem和en把计算结果反馈给cm的时间Tfm。
计算Ttm、Tom、Tem和Tfm的公式如下:
其中,v表示车辆之间的传输速率,λm,n表示计算任务从cm传输到cn所经过的车辆数,v′表示车辆与边计算结点之间的传输速率,p表示每个虚拟机的计算能力。
S43、计算迁移策略所需的总时延T:
S44、边计算结点en的能耗主要包括基础能耗Ebn、空闲能耗Ein和占用能耗Eun。边计算结点的能耗和其服务器的运行时间Tsn有关,Tsn计算表达式如下:
其中Bm,n表示计算任务tm是否在en上执行,Bm,n的表达式为:
计算Ebn、Ein和Eun的公式如下:
Ebn=Tsn·Pα (26)
其中,Pα表示边计算结点en服务器的功率,Pβ表示en上未被占用的资源的功率,Pγ表示en上占用的资源的功率。
S45、计算边计算结点en的总能耗E:
S5、通过简单加权法和多标准决策算法获取最优的计算迁移策略;具体操作如下:
S51、对于计算迁移技术而言,其所产生的时延和能耗越低越好。根据简单加权法和多标准决策算法,各个计算迁移策略的总时延和总能耗均为消极标准,其分别可以被归一化为:
其中,Tmax和Tmin分别表示计算迁移所产生的最大的时延和最小的时延,Emax和Emin分别表示计算迁移所产生的最大的能耗和最小的能耗。
S52、计算各个迁移策略的效用值,获得效用值最大的计算迁移策略:
UV=V(T)·ωT+V(E)·ωE(ωT+ωE=1) (32)
其中,ωT表示V(T)的权值,ωE分别表示V(E)的权值。
下面列举一个具体的实施方式进一步解释本发明方法,如图2所示,将车联网内的一条马路的一段作为研究区域,在区域内设置了4个边计算结点,E={e1,e2,e3,e4},各个边计算结点的有效区域如图1中虚线所示,在区域内共有11辆车在区域内行驶,C={c1,c2,c3,...,c11}。边计算结点的相关信息如表1所示:
表1
边计算结点 | e<sub>1</sub>/e<sub>2</sub>/e<sub>3</sub>/e<sub>4</sub> |
虚拟机数量(总容量eq<sub>n</sub>) | 10 |
每个虚拟机的计算能力(p) | 2000MHz |
在本具体实施例中,车辆c2,c5和c7分别产生计算任务t2,t5和t7,各计算任务的信息如表2所示:
表2
计算任务 | t<sub>2</sub> | t<sub>5</sub> | t<sub>7</sub> |
需要虚拟机数量 | 3 | 4 | 3 |
任务量(Kb) | 300 | 500 | 400 |
反馈任务量(Kb) | 400 | 300 | 500 |
根据本发明方法步骤S3的判断标准,任务t2可以迁移到e2、e3和e4执行;t5可以迁移到e3和e4执行;t7只能迁移到e4执行;此外,根据表1和表2可知,边计算结点e2、e3和e4都共有10个空闲虚拟机资源,任务t2、t5和t7所需的虚拟机资源分别为3、4、3,因此上述的6中迁移路径都可行。
当计算任务在车辆之间进行传输时,为保证传输效率,对车辆的相对位置有严格的要求,在本实施例中只考虑计算任务在相邻较近的车辆之间的传输,比如,任务t2迁移到e3执行,c2不能直接把t2传输给c7或c8,而须通过路径c2→c4→c6→c8实现t2的传输,通过c8把t2迁移给e3执行。
在步骤S4中,目标车辆把计算任务迁移到目标边计算结点的时间Tom、边结点执行计算任务的时间Tem和边结点把计算结果反馈回去的时间Tfm是一定的,不随着执行该任务的边计算结点的不同而改变,但是计算任务在车辆之间的传输时间和传输路径上的车辆数量有关。步骤S4中涉及的各个参数取值如表3所示:
表3
参数 | 值 |
车辆之间的传输速率v | 1Gbps |
车辆和边计算结点之间的传输速率v' | 600Mbps |
计算结点服务器功率P<sub>α</sub> | 300W |
未被占用虚拟机的功率P<sub>β</sub> | 30W |
被占用虚拟机的功率P<sub>γ</sub> | 50W |
以迁移路径c2→c4→c6→c8→e3为例,计算任务在车辆之间的传输时间Tt2:
依次计算6个迁移路径对应的时延和能耗,计算结果如表4所示:
表4
根据表4中的6中迁移路径可以得到6个计算迁移策略,根据公式(32)计算各个迁移策略的效用值,如表5所示:
表5
根据表5中的数据可知,计算迁移策略2的效用值最高,本具体实施例的最优计算迁移策略为:将计算任务t2迁移到e2执行,计算任务t5和t7迁移到e4执行。
上面结合附图对本发明的实施方式作了详细地说明,但是本发明并不局限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (7)
1.一种用于车联网应用的高效边缘计算迁移方法,其特征在于,包括以下步骤:
S1、获取车联网内车辆的当前位置信息以及车辆产生的迁移任务的应用需求;
S2、获取车联网内所有边计算结点的位置信息和每个边结点的计算资源情况;
S3、根据车辆与边计算结点的距离和迁移任务的应用需求,过滤掉不符合条件的边计算结点;
S4、将车辆计算任务与符合条件的边结点一一匹配,计算每一个迁移策略所需的时间和能耗;
S5、通过简单加权法和多标准决策算法获取最优的计算迁移策略。
2.根据权利要求1所述的一种用于车联网应用的高效边缘计算迁移方法,其特征在于,步骤S1的具体操作如下:
S11、车联网区域A内包含M辆车,第m辆车cm在i时刻的坐标cpm,i如下:
cpm,i=(cpxm,i,cpym,i)
其中,cpxm,i表示i时刻车辆cm在区域A中的横坐标位置,cpym,i表示i时刻车辆cm在区域A中的纵坐标位置,m=1,2,…,M;
S12、第m辆车cm产生的计算任务为tm=(twm,trm,tw'm),其中,twm表示计算任务tm的任务量,trm表示执行tm所需要的资源,tw'm表示执行结束返回的数据量。
3.根据权利要求1所述的一种用于车联网应用的高效边缘计算迁移方法,其特征在于,步骤S2中在车联网区域A内设置N个边计算结点,边计算结点的表达式如下:
en=(epxn,epyn,eqn,ern)
其中,en表示第n个边计算结点,n=1,2,…,N,epxn表示en在区域A中的横坐标位置,epyn表示en在区域A中的纵坐标位置,eqn表示en的总容量,ern表示en的空闲资源。
4.根据权利要求2或3任一项所述的一种用于车联网应用的高效边缘计算迁移方法,其特征在于,trm、eqn和ern都采用虚拟机数量的形式计算。
5.根据权利要求1所述的一种用于车联网应用的高效边缘计算迁移方法,其特征在于,步骤S3的具体操作如下:
S31、比较所有边计算结点的空闲资源和执行车辆任务所需资源的大小,当trm>ern,车辆cm的计算任务tm不能迁移到该边计算结点;
S32、计算车辆cm到边计算结点en的距离:
其中,车辆cm在当前时刻的坐标为cpm,i=(cpxm,i,cpym,i),边计算结点en的坐标为en=(epxn,epyn);
S33、当dis(cm,en)<ρ,ρ为en的作用范围,车辆cm的计算任务tm不能迁移到该边计算结点,且不能迁移到在该边结点与车辆行驶方向相反的一侧的边结点上。
6.根据权利要求1所述的一种用于车联网应用的高效边缘计算迁移方法,其特征在于,步骤S4的具体操作如下:
S41、选择一个符合条件的目标边计算结点和目标结点作用范围内的一辆目标车辆;
S42、计算车辆cm把计算任务tm传输到目标车辆cn的时间Ttm、目标车辆cn把tm迁移到目标边计算结点en的时间Tom、en执行计算任务的时间Tem和en把计算结果反馈给cm的时间Tfm,具体公式如下:
其中,twm表示tm的任务量,v表示车辆之间的传输速率,λm,n表示计算任务从cm传输到cn所经过的车辆数,v′表示车辆与边计算结点之间的传输速率,trm表示执行tm所需要的资源,p表示每个虚拟机的计算能力,tw'm表示执行结束返回的数据量;
S43、计算迁移策略所需的总时延T:
其中,车联网内共有M辆车,m=1,2,…,M;
S44、计算边计算结点en的基础能耗Ebn、空闲能耗Ein和占用能耗Eun:
Ebn=Tsn·Pα
其中,Tsn表示en的服务器的运行时间,Pα表示边计算结点en服务器的功率,eqn表示en的总容量,Bm,n表示计算任务tm是否在en上执行,Pβ表示en上未被占用的资源的功率,Pγ表示en上占用的资源的功率;
S45、计算边计算结点en的总能耗E:
其中,车联网内共有N个边计算结点,n=1,2,…,N。
7.根据权利要求6所述的一种用于车联网应用的高效边缘计算迁移方法,其特征在于,步骤S5的具体操作如下:
S51、通过简单加权法和多标准决策算法,各个计算迁移策略的总时延和总能耗分别被归一化为:
其中,Tmax和Tmin分别表示计算迁移所产生的最大的时延和最小的时延,Emax和Emin分别表示计算迁移所产生的最大的能耗和最小的能耗;
S52、计算各个迁移策略的效用值,获得效用值最大的计算迁移策略:
UV=V(T)·ωT+V(E)·ωE(ωT+ωE=1)
其中,ωT表示V(T)的权值,ωE分别表示V(E)的权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910031387.XA CN109905859B (zh) | 2019-01-14 | 2019-01-14 | 一种用于车联网应用的高效边缘计算迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910031387.XA CN109905859B (zh) | 2019-01-14 | 2019-01-14 | 一种用于车联网应用的高效边缘计算迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109905859A true CN109905859A (zh) | 2019-06-18 |
CN109905859B CN109905859B (zh) | 2021-09-28 |
Family
ID=66943781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910031387.XA Active CN109905859B (zh) | 2019-01-14 | 2019-01-14 | 一种用于车联网应用的高效边缘计算迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109905859B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111338760A (zh) * | 2020-02-27 | 2020-06-26 | 长沙市源本信息科技有限公司 | 边缘计算的服务实例跨节点伸缩方法和装置 |
CN111614745A (zh) * | 2020-05-18 | 2020-09-01 | 安徽中科美络信息技术有限公司 | 一种基于边缘计算的车辆任务数据调度方法 |
CN115002155A (zh) * | 2022-05-25 | 2022-09-02 | 安徽江淮汽车集团股份有限公司 | 基于时延优化的路侧单元服务迁移方法 |
CN115100898A (zh) * | 2022-05-31 | 2022-09-23 | 东南大学 | 一种城市智能停车管理***的协同计算任务卸载方法 |
US11803413B2 (en) | 2020-12-03 | 2023-10-31 | International Business Machines Corporation | Migrating complex legacy applications |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273668A1 (en) * | 2004-05-20 | 2005-12-08 | Richard Manning | Dynamic and distributed managed edge computing (MEC) framework |
WO2015171800A1 (en) * | 2014-05-09 | 2015-11-12 | Amazon Technologies, Inc. | Migration of applications between an enterprise-based network and a multi-tenant network |
EP2976860A1 (en) * | 2013-03-20 | 2016-01-27 | Wolting Holding B.V. | Compiler for and method for software defined networks |
WO2016188438A1 (en) * | 2015-05-27 | 2016-12-01 | International Business Machines Corporation | Updating networks with migration information for a virtual machine |
CN106844051A (zh) * | 2017-01-19 | 2017-06-13 | 河海大学 | 一种边缘计算环境中功耗优化的负载任务迁移算法 |
CN107317700A (zh) * | 2017-06-09 | 2017-11-03 | 湖北理工学院 | 车载边缘计算节点选择***及方法 |
CN108632813A (zh) * | 2018-05-21 | 2018-10-09 | 北京邮电大学 | 移动边缘计算的移动性管理方法及*** |
CN108810849A (zh) * | 2018-06-19 | 2018-11-13 | 广东工业大学 | 一种无人机计算任务的迁移方法、装置及无人机 |
CN108845885A (zh) * | 2018-07-04 | 2018-11-20 | 济南浪潮高新科技投资发展有限公司 | 一种面向自动驾驶的边缘计算资源管理方法 |
CN109005538A (zh) * | 2018-07-27 | 2018-12-14 | 安徽大学 | 面向无人驾驶车辆与多移动边缘计算服务器间的消息认证方法 |
-
2019
- 2019-01-14 CN CN201910031387.XA patent/CN109905859B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273668A1 (en) * | 2004-05-20 | 2005-12-08 | Richard Manning | Dynamic and distributed managed edge computing (MEC) framework |
EP2976860A1 (en) * | 2013-03-20 | 2016-01-27 | Wolting Holding B.V. | Compiler for and method for software defined networks |
WO2015171800A1 (en) * | 2014-05-09 | 2015-11-12 | Amazon Technologies, Inc. | Migration of applications between an enterprise-based network and a multi-tenant network |
WO2016188438A1 (en) * | 2015-05-27 | 2016-12-01 | International Business Machines Corporation | Updating networks with migration information for a virtual machine |
CN106844051A (zh) * | 2017-01-19 | 2017-06-13 | 河海大学 | 一种边缘计算环境中功耗优化的负载任务迁移算法 |
CN107317700A (zh) * | 2017-06-09 | 2017-11-03 | 湖北理工学院 | 车载边缘计算节点选择***及方法 |
CN108632813A (zh) * | 2018-05-21 | 2018-10-09 | 北京邮电大学 | 移动边缘计算的移动性管理方法及*** |
CN108810849A (zh) * | 2018-06-19 | 2018-11-13 | 广东工业大学 | 一种无人机计算任务的迁移方法、装置及无人机 |
CN108845885A (zh) * | 2018-07-04 | 2018-11-20 | 济南浪潮高新科技投资发展有限公司 | 一种面向自动驾驶的边缘计算资源管理方法 |
CN109005538A (zh) * | 2018-07-27 | 2018-12-14 | 安徽大学 | 面向无人驾驶车辆与多移动边缘计算服务器间的消息认证方法 |
Non-Patent Citations (3)
Title |
---|
DAN ZHAO 等: "A service migration strategy based on multiple attribute decision in mobile edge computing", 《 2017 IEEE 17TH INTERNATIONAL CONFERENCE ON COMMUNICATION TECHNOLOGY (ICCT)》 * |
伏舒存 等: "移动边缘环境下面向工作流管理的计算迁移方法", 《计算机应用》 * |
郭俊: "移动边缘环境下面向工作流管理的计算迁移方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111338760A (zh) * | 2020-02-27 | 2020-06-26 | 长沙市源本信息科技有限公司 | 边缘计算的服务实例跨节点伸缩方法和装置 |
CN111338760B (zh) * | 2020-02-27 | 2023-04-25 | 长沙市源本信息科技有限公司 | 边缘计算的服务实例跨节点伸缩方法和装置 |
CN111614745A (zh) * | 2020-05-18 | 2020-09-01 | 安徽中科美络信息技术有限公司 | 一种基于边缘计算的车辆任务数据调度方法 |
CN111614745B (zh) * | 2020-05-18 | 2022-04-26 | 安徽中科美络信息技术有限公司 | 一种基于边缘计算的车辆任务数据调度方法 |
US11803413B2 (en) | 2020-12-03 | 2023-10-31 | International Business Machines Corporation | Migrating complex legacy applications |
CN115002155A (zh) * | 2022-05-25 | 2022-09-02 | 安徽江淮汽车集团股份有限公司 | 基于时延优化的路侧单元服务迁移方法 |
CN115002155B (zh) * | 2022-05-25 | 2023-02-21 | 安徽江淮汽车集团股份有限公司 | 基于时延优化的路侧单元服务迁移方法 |
CN115100898A (zh) * | 2022-05-31 | 2022-09-23 | 东南大学 | 一种城市智能停车管理***的协同计算任务卸载方法 |
CN115100898B (zh) * | 2022-05-31 | 2023-09-12 | 东南大学 | 一种城市智能停车管理***的协同计算任务卸载方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109905859B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109905859A (zh) | 一种用于车联网应用的高效边缘计算迁移方法 | |
CN104283946B (zh) | 一种单物理机下多虚拟机的资源自适应调整***及方法 | |
CN105260230B (zh) | 基于分段服务等级协议的数据中心虚拟机资源调度方法 | |
CN107040479A (zh) | 一种云计算资源调节的方法和装置 | |
Li et al. | Optimal zone design for feeder transit services | |
CN105574665A (zh) | 适用于枢纽机场的航班时刻资源配置及优化方法 | |
CN103856548B (zh) | 动态资源调度方法和动态资源调度器 | |
CN108877253A (zh) | 一种基于物联网的公交专用道资源动态共享方法及*** | |
CN112712247A (zh) | 一种面向跨线运营的开行方案制定方法及*** | |
CN105656771A (zh) | 一种业务路径确定方法、装置和*** | |
CN109325671A (zh) | 一种时空众包在线任务分配方法及*** | |
CN107025806B (zh) | 一种单阶段临时航迹鲁棒优化方法 | |
CN101859100A (zh) | 一种基于模糊交货期流水生产排程的改进微粒群优化方法 | |
CN104935628A (zh) | 一种在多个数据中心之间迁移多个关联虚拟机的方法 | |
CN110445855A (zh) | 一种基于sdn的车联网分布式雾计算体系结构设计方法 | |
CN109379281A (zh) | 一种基于时间窗口的流量调度方法及*** | |
CN104484233A (zh) | 一种资源分配方法 | |
CN101515159A (zh) | 基于电子进程单的屏幕管制移交方法 | |
CN108616553A (zh) | 云计算资源池进行资源调度的方法及装置 | |
CN107483355A (zh) | 面向数据中心的在线场景低带宽开销流量调度方案 | |
CN104994149A (zh) | 一种面向云视频服务的资源提供方法 | |
CN115983187A (zh) | 基于多策略的考虑总线偏差的层分配方法 | |
CN103929812A (zh) | 一种信道资源的分配方法及装置 | |
CN113709694A (zh) | 一种面向边缘车联网***的计算任务卸载方法 | |
CN105138391B (zh) | 面向广域分布云***公平的多任务虚拟机分配方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221221 Address after: 201203 zone a, floor 3, building 5, No. 888, Bibo Road, pilot Free Trade Zone, Pudong New Area, Shanghai Patentee after: SHANGHAI CHANGXING SOFTWARE Co.,Ltd. Patentee after: Shanghai Changxing Information Technology Co.,Ltd. Address before: No.219, ningliu Road, Jiangbei new district, Nanjing, Jiangsu Province, 210032 Patentee before: Nanjing University of Information Science and Technology |