CN110096362B - 一种基于边缘服务器协作的多任务卸载方法 - Google Patents

Abstract

本发明涉及一种基于边缘服务器协作的多任务卸载方法，属于无线通信领域。该方法包括以下步骤：S1：建模边缘服务器变量；S2：建模用户任务特性；S3：建模用户任务分割变量、卸载变量及时隙分配变量；S4：建模用户任务本地执行时延；S5：建模边缘服务器执行任务时延；S6：建模用户任务调度限制条件；S7：基于用户最大任务处理时延最小化确定用户任务卸载策略。本发明能够保障在任务有效执行情况下用户任务调度策略最优及卸载比率最优，实现用户时延最小化。

Description

一种基于边缘服务器协作的多任务卸载方法

技术领域

本发明属于无线通信领域，涉及一种边缘服务器协作的多任务卸载方法。

背景技术

随着移动互联网的发展及智能终端的普及，增强现实(Augmented Reality，AR)、虚拟现实及自然语言处理等新型应用不断涌现。然而，各类新型应用的计算资源密集特性对智能终端任务处理能力提出严峻挑战。为解决上述问题，移动边缘计算(Mobile EdgeComputing，MEC)技术应运而生。该技术通过将具备较强计算能力的MEC服务器部署至无线接入网络(Radio Access Network，RAN)中，支持用户将任务卸载至MEC服务器执行计算，可有效降低终端任务执行时延及能耗，显著提升用户服务质量(Quality of Service，QoS)。在MEC***中，综合考虑任务特性及***可用状态，设计高效的任务卸载机制。

目前已有研究中，有文献针对多用户卸载的场景设计卸载策略，在满足最大可允许执行时延的前提下实现用户时延优化，通过求解各用户最优功率分配及最优计算资源分配得到各用户的卸载策略。又例如，有文献研究了采用动态频率及电压调整(DynamicFrequency and Voltage Scaling，DFVS)及能量收集技术实现执行时延最小化，提出了一种基于李雅普诺夫优化的动态计算卸载算法，该算法首先以时隙为单位做出二元卸载决策，继而为本地执行的用户分配计算资源或为卸载的用户分配功率。

现有基于多任务卸载用户网络场景方案的研究较少考虑最大任务处理时延用户的优化问题，然而对于时延敏感用户而言，这会导致传输性能及用户体验难以保障，因此亟需一种基于用户最大任务处理时延的优化方案。

发明内容

有鉴于此，本发明的目的在于提供一种基于边缘服务器协作的多任务卸载方法，在该方法中，用户任务请求可通过三种方式执行，全部本地执行、本地与边缘服务器协作执行及边缘服务器执行，且用户任务可以被分割成任意数据量的子任务，建模最大用户任务处理时延为优化目标，确定最优用户任务卸载策略、卸载比率及时隙分配方案，最小化任务执行总时延。

为达到上述目的，本发明提供如下技术方案：

一种基于边缘服务器协作的多任务卸载方法，具体包括以下步骤：

S1：建模边缘服务器变量；

S2：建模用户任务特性；

S3：建模用户任务分割变量、卸载变量及时隙分配变量；

S4：建模用户任务本地执行时延；

S5：建模边缘服务器执行任务时延；

S6：建模用户任务调度限制条件；

S7：基于用户最大任务处理时延最小化确定用户任务卸载策略。

进一步，所述步骤S1具体包括：令E＝{E_j}表示边缘服务器集合，其中，E_j表示第j个边缘服务器，1≤j≤N，N为边缘服务器的数量。

进一步，所述步骤S2具体包括：令***中拟执行任务的用户设备(UserEquipment,UE)集合为UE＝{UE_i}，其中，UE_i表示第i个用户设备，1≤i≤M，M为用户设备的总数；UE_i任务执行请求由三元组＜I_i,S_i,T_i ^d＞描述，其中，I_i、S_i及T_i ^d分别表示UE_i拟执行任务所需输入数据量、待处理的数据量及任务完成截止时刻；

假设在某段给定时间段内执行用户任务，将该时段依次划分为P个时隙，令T_t表示第t个时隙，1≤t≤P。

进一步，所述步骤S3具体包括：UE_i的任务被分割为L_i个任意数据量的子任务，各子任务分别卸载至不同边缘服务器执行或在用户本地执行；

令λ_i,l∈[0,1]表示UE_i的第l个子任务本地执行数据量的比率，λ_i,l,j∈[0,1]表示UE_i的第l个子任务卸载至边缘服务器E_j进行执行的数据量比率；

令x_i,l＝{0,1}表示UE_i第l个子任务本地执行决策标识，x_i,l＝1表示UE_i的第l个子任务本地执行，否则，x_i,l＝0；

令x_i,l,j＝{0,1}表示UE_i的第l个子任务卸载至边缘服务器E_j的调度决策标识，x_i,l,j＝1表示UE_i的第l个子任务卸载至边缘服务器E_j进行执行，否则，x_i,l,j＝0；

令y_i,l,j,t＝{0,1}表示UE_i子任务卸载至边缘服务E_j执行对应的时隙分配标识，y_i,l,j,t＝1表示在时隙t，UE_i的第l个子任务卸载至边缘服务器E_j进行执行，否则，y_i,l,j,t＝0。

进一步，所述步骤S4具体包括：建模UE_i第l个子任务本地执行所需时延为

其中，f_i表示UE_i的本地计算能力。

进一步，所述步骤S5具体包括：假设边缘服务器E_j依次执行所有用户设备所卸载的任务，令D_j为边缘服务器E_j执行UE所卸载子任务的时延总和，即

其中，

表示边缘服务器E_j执行UE_i所卸载第l个子任务所需时延；

其中，

表示UE_i的任务全部在边缘服务器E_j上执行所需总时延；

其中，

表示UE_i的任务传输至边缘服务器E_j所需的传输时延，

表示UE_i的任务卸载至边缘服务器E_j对应的传输速率；B_i,j表示UE_i的任务卸载至边缘服务器E_j所占用的传输带宽，P_i,j表示UE_i的任务卸载至边缘服务器E_j所采用的发送功率，g_i,j表示UE_i与边缘服务器E_j之间链路的信道增益，σ²表示信道噪声功率；

表示UE_i的任务在边缘服务器E_j上执行所需处理时延，其中，

表示边缘计算服务器E_j的计算能力。

进一步，所述步骤S6具体包括：

(1)任务卸载约束条件：假设一个边缘服务器E_j最多接收UE_i的一个子任务，即

UE_i的每个子任务最多卸载至一个边缘服务器，即

且UE_i的每个子任务最多卸载一个至本地，即

(2)任务卸载变量与任务分割变量之间应满足：

x_i,l,j⊙y_i,l,j,t＝1，其中⊙表示二元变量的同或运算；任务分割变量约束条件：

(3)用户任务执行截止时间限制条件应满足：

其中，T_i表示用户UE_i任务完成执行时刻，令

其中，T_i,l表示用户UE_i子任务l完成执行时刻，建模为

其中，

表示UE_i子任务l在边缘服务器E_j开始执行任务时刻；

(4)用户UE_i时隙分配应满足：

时隙连续性约束条件：

(5)UE_i的任务最多同时卸载至C_i个边缘服务器，即

其中，C_i表示UE_i通信范围内的所有边缘服务器个数，C_i≤N；用户UE_i子任务数应该满足：1≤L_i≤C_i+1。

进一步，所述步骤S7具体包括：在满足步骤S6约束条件下，基于用户最大任务处理时延最小化确定用户任务调度策略，实现任务执行总时延最小化，即

其中，

为UE_i第l个子任务本地执行的最优调度决策；

表示UE_i第l个子任务卸载至边缘服务器E_j执行的最优调度策略；

为UE_i第l个子任务本地执行的最优比例，

表示UE_i第l个子任务卸载至边缘服务器E_j执行的最优比例，

表示UE_i第l个子任务卸载至边缘服务器E_j执行的最优时隙分配策略。

本发明的有益效果在于：本发明可以保障在任务有效执行情况下用户任务调度策略最优及卸载比率最优，实现用户时延最小化。

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为边缘服务器协作的多任务卸载的网络示意图；

图2为本发明所述多任务卸载方法的流程示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，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发明的其他优点与功效。本发明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，在没有背离本发明的精神下进行各种修饰或改变。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发明的基本构想，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。

本发明提出的一种基于边缘服务器协作的多任务卸载方法，假设用户需执行一定计算任务，边缘服务器及用户设备均具有一定的任务计算及处理能力，用户可采用全部本地执行、本地与边缘服务器协作执行及边缘服务器执行，建模最大用户任务处理时延为优化目标，确定最优用户任务卸载策略及卸载比率，最小化任务执行总时延。

如图1所示，网络中存在多个任务待执行用户，用户选择合适的方式卸载任务，通过优化用户任务调度策略、卸载比率及时隙分配方案，最小化任务执行时延。

如图2所示，本发明所述多任务卸载方法具体包括以下步骤：

1)建模边缘服务器变量：令E＝{E_j}表示边缘服务器集合，其中，E_j表示第j个边缘服务器，1≤j≤N，N为边缘服务器的数量

2)建模用户任务特性：

令***中拟执行任务的用户设备(User Equipment,UE)集合为UE＝{UE_i}，其中，UE_i表示第i个用户设备，1≤i≤M，M为用户设备的总数；UE_i任务执行请求由三元组＜I_i,S_i,T_i ^d＞描述，其中，I_i、S_i及T_i ^d分别表示UE_i拟执行任务所需输入数据量、待处理的数据量及任务完成截止时刻。

假设在某段给定时间段内执行用户任务，将该时段依次划分为P个时隙，T_t表示第t个时隙，1≤t≤P。

3)建模用户任务分割变量、卸载变量及时隙分配变量：

UE_i的任务被分割为L_i个任意数据量的子任务，各子任务分别卸载至不同边缘服务器执行或在用户本地执行；

令λ_i,l∈[0,1]表示UE_i的第l个子任务本地执行数据量的比率，λ_i,l,j∈[0,1]表示UE_i的第l个子任务卸载至边缘服务器E_j进行执行的数据量比率；

令x_i,l＝{0,1}表示UE_i第l个子任务本地执行决策标识，x_i,l＝1表示UE_i的第l个子任务本地执行，否则，x_i,l＝0；

令x_i,l,j＝{0,1}表示UE_i的第l个子任务卸载至边缘服务器E_j的调度决策标识，x_i,l,j＝1表示UE_i的第l个子任务卸载至边缘服务器E_j进行执行，否则，x_i,l,j＝0；

令y_i,l,j,t＝{0,1}表示UE_i子任务卸载至边缘服务E_j执行对应的时隙分配标识，y_i,l,j,t＝1表示在时隙t，UE_i的第l个子任务卸载至边缘服务器E_j进行执行，否则，y_i,l,j,t＝0。

4)建模用户任务本地执行时延：建模UE_i第l个子任务本地执行所需时延为

其中，f_i表示UE_i的本地计算能力。

5)建模边缘服务器执行任务时延：假设边缘服务器E_j依次执行所有用户设备所卸载的任务，令D_j为边缘服务器E_j执行UE所卸载子任务的时延总和，即

其中，

表示边缘服务器E_j执行UE_i所卸载第l个子任务所需时延；其中，

表示UE_i的任务全部在边缘服务器E_j上执行所需总时延。

其中，

表示UE_i的任务传输至边缘服务器E_j所需的传输时延，建模为

R_i,j表示UE_i的任务卸载至边缘服务器E_j对应的传输速率，建模为

其中,B_i,j表示UE_i的任务卸载至边缘服务器E_j所占用的传输带宽，P_i,j表示UE_i的任务卸载至边缘服务器E_j所采用的发送功率，g_i,j表示UE_i与边缘服务器E_j之间链路的信道增益，σ²表示信道噪声功率。

表示UE_i的任务在边缘服务器E_j上执行所需处理时延，建模为

其中，

表示边缘计算服务器E_j的计算能力。

6)建模用户任务调度限制条件：

(1)任务卸载约束条件：假设一个边缘服务器E_j最多接收UE_i的一个子任务，即

UE_i的每个子任务最多卸载至一个边缘服务器，即

且UE_i的每个子任务最多卸载一个至本地，也即

(2)任务卸载变量与任务分割变量之间应满足：

x_i,l,jey_i,l,j,t＝1；任务分割变量约束条件:

(3)用户任务执行截止时间限制条件应满足：

其中，T_i表示用户UE_i任务完成执行时刻，令

其中，T_i,l表示用户UE_i子任务l完成执行时刻，建模为

其中，

表示UE_i子任务l在边缘服务器E_j开始执行任务时刻，建模为

(4)用户UE_i时隙分配应满足：

时隙连续性约束条件：

(5)UE_i的任务最多可同时卸载至C_i个边缘服务器，即

其中，C_i表示UE_i可通信范围内的所有边缘服务器个数,C_i≤N；用户UE_i子任务数应该满足：1≤L_i≤C_i+1。

7)基于用户最大任务处理时延最小化确定用户任务卸载策略；

基于用户最大任务处理时延最小化确定用户任务调度策略，实现任务执行总时延最小化，即

其中，

为UE_i第l个子任务本地执行的最优调度决策；

表示UE_i第l个子任务卸载至边缘服务器E_j执行的最优调度策略；

为UE_i第l个子任务本地执行的最优比例，

表示UE_i第l个子任务卸载至边缘服务器E_j执行的最优比例，

表示UE_i第l个子任务卸载至边缘服务器E_j执行的最优时隙分配策略。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种基于边缘服务器协作的多任务卸载方法，其特征在于，该方法具体包括以下步骤：

S1：建模边缘服务器变量，具体包括：令E＝{E_j}表示边缘服务器集合，其中，E_j表示第j个边缘服务器，1≤j≤N，N为边缘服务器的数量；

S2：建模用户任务特性，具体包括：令***中拟执行任务的用户设备(User Equipment,UE)集合为UE＝{UE_i}，其中，UE_i表示第i个用户设备，1≤i≤M，M为用户设备的总数；UE_i任务执行请求由三元组＜I_i,S_i,T_i ^d＞描述，其中，I_i、S_i及T_i ^d分别表示UE_i拟执行任务所需输入数据量、待处理的数据量及任务完成截止时刻；假设在某段给定时间段内执行用户任务，将该时段依次划分为P个时隙，令T_t表示第t个时隙，1≤t≤P；

S3：建模用户任务分割变量、卸载变量及时隙分配变量，具体包括：UE_i的任务被分割为L_i个任意数据量的子任务，各子任务分别卸载至不同边缘服务器执行或在用户本地执行；

令λ_i,l∈[0,1]表示UE_i的第l个子任务本地执行数据量的比率，λ_i,l,j∈[0,1]表示UE_i的第l个子任务卸载至边缘服务器E_j进行执行的数据量比率；

令x_i,l＝{0,1}表示UE_i第l个子任务本地执行决策标识，x_i,l＝1表示UE_i的第l个子任务本地执行，否则，x_i,l＝0；

令x_i,l,j＝{0,1}表示UE_i的第l个子任务卸载至边缘服务器E_j的调度决策标识，x_i,l,j＝1表示UE_i的第l个子任务卸载至边缘服务器E_j进行执行，否则，x_i,l,j＝0；

令y_i,l,j,t＝{0,1}表示UE_i子任务卸载至边缘服务E_j执行对应的时隙分配标识，y_i,l,j,t＝1表示在时隙t，UE_i的第l个子任务卸载至边缘服务器E_j进行执行，否则，y_i,l,j,t＝0；

S4：建模用户任务本地执行时延；

建模UE_i第l个子任务本地执行所需时延为

其中，f_i表示UE_i的本地计算能力，S_i表示UE_i拟执行任务待处理的数据量，λ_i,l∈[0,1]表示UE_i的第l个子任务本地执行数据量的比；

S5：建模边缘服务器执行任务时延：

假设边缘服务器E_j依次执行所有用户设备所卸载的任务，令D_j为边缘服务器E_j执行UE所卸载子任务的时延总和，即

其中，

表示边缘服务器E_j执行UE_i所卸载第l个子任务所需时延；

其中，

表示UE_i的任务全部在边缘服务器E_j上执行所需总时延；

其中，

表示UE_i的任务传输至边缘服务器E_j所需的传输时延，

表示UE_i的任务卸载至边缘服务器E_j对应的传输速率；B_i,j表示UE_i的任务卸载至边缘服务器E_j所占用的传输带宽，P_i,j表示UE_i的任务卸载至边缘服务器E_j所采用的发送功率，g_i,j表示UE_i与边缘服务器E_j之间链路的信道增益，σ²表示信道噪声功率；

表示UE_i的任务在边缘服务器E_j上执行所需处理时延，其中，

表示边缘计算服务器E_j的计算能力；

S6：建模用户任务调度限制条件，具体包括：

(1)任务卸载约束条件：假设一个边缘服务器E_j最多接收UE_i的一个子任务，即

UE_i的每个子任务最多卸载至一个边缘服务器，即

且UE_i的每个子任务最多卸载一个至本地，即

(2)任务卸载变量与任务分割变量之间应满足：

x_i,l,j⊙y_i,l,j,t＝1，其中⊙表示二元变量的同或运算；任务分割变量约束条件：

(3)用户任务执行截止时间限制条件应满足：

其中，T_i表示用户UE_i任务完成执行时刻，令

其中，T_i,l表示用户UE_i子任务l完成执行时刻，建模为

其中，

表示UE_i子任务l在边缘服务器E_j开始执行任务时刻；

(4)用户UE_i时隙分配应满足：

时隙连续性约束条件：

(5)UE_i的任务最多同时卸载至C_i个边缘服务器，即

其中，C_i表示UE_i通信范围内的所有边缘服务器个数，C_i≤N；用户UE_i子任务数应该满足：1≤L_i≤C_i+1；

S7：基于用户最大任务处理时延最小化确定用户任务卸载策略。

2.根据权利要求1所述的一种基于边缘服务器协作的多任务卸载方法，其特征在于，所述步骤S7具体包括：在满足步骤S6约束条件下，基于用户最大任务处理时延最小化确定用户任务调度策略，实现任务执行总时延最小化，即

其中，

为UE_i第l个子任务本地执行的最优调度决策；

表示UE_i第l个子任务卸载至边缘服务器E_j执行的最优调度策略；

为UE_i第l个子任务本地执行的最优比例，

表示UE_i第l个子任务卸载至边缘服务器E_j执行的最优比例，

表示UE_i第l个子任务卸载至边缘服务器E_j执行的最优时隙分配策略。

Images