CN110580182A - 一种边缘计算中的云间计算卸载方法及装置 - Google Patents

一种边缘计算中的云间计算卸载方法及装置 Download PDF

Info

Publication number
CN110580182A
CN110580182A CN201910763049.5A CN201910763049A CN110580182A CN 110580182 A CN110580182 A CN 110580182A CN 201910763049 A CN201910763049 A CN 201910763049A CN 110580182 A CN110580182 A CN 110580182A
Authority
CN
China
Prior art keywords
new
matching network
weighted graph
edge
vertex
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.)
Pending
Application number
CN201910763049.5A
Other languages
English (en)
Inventor
刘亮
张海涛
马华东
邹晟
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing 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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201910763049.5A priority Critical patent/CN110580182A/zh
Publication of CN110580182A publication Critical patent/CN110580182A/zh
Pending legal-status Critical Current

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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44594—Unloading
    • 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
    • G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
    • G06F9/4482—Procedural
    • G06F9/4484—Executing subprograms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • 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
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/61—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources taking into account QoS or priority requirements

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明实施例提供了一种边缘计算中的云间计算卸载方法及装置，其中方法包括：边缘服务器接收距离其所在的边缘云子网络最近的UE发送的待处理任务；将待处理任务分解成多个子任务，以各子任务为当前顶点，构建第一有向加权图；将在第一有向加权图中查找到的强连通分量对应的当前顶点聚合为新的顶点，基于新的顶点，构建第二有向加权图；将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络；使用预设稳定匹配算法，为第二有向加权图中每一新的顶点选择目标匹配网络；将第二有向加权图中每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络。本发明实施例，能够解决现有边缘云子网络之间负载不均衡的问题。

Description

一种边缘计算中的云间计算卸载方法及装置
技术领域
本发明涉及大数据计算技术领域，特别是涉及一种边缘计算中的云间计算卸载方法及装置。
背景技术
云计算(Cloud Computing)是基于互联网的相关服务的增加、使用和交互模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云计算能够对计算资源、网络资源以及存储资源进行更好的管理利用。边缘计算是一种分散式的运算架构，通过将传统的需要传输到云中心的任务进行分解、拆分，切割成更小的单元，然后分散到更加靠近UE(User End，用户终端)的边缘节点上，进而实现更加高效的数据处理。边缘计算本质上可以通过拉进传统云中心网络与终端设备之间的物理距离，从而在降低网络时延的同时，有效地处理网络带宽、隐私性，以及能耗的问题。边缘计算的推出并不是为了取代传统集中式处理的云计算模式，而是作为其有效地补充，得以构建云-边一体化的计算生态。
近年来，随着智能终端设备的大量普及，使得网络带宽资源越来越紧张，但用户对网络性能的要求却越来越高。随着终端设备性能的不断提升，终端开始充当更加重要的角色。但随之而来的，应用程序对设备性能的需求也越来越高，同时终端设备也受制于自身能耗的局限性，不能长时间连续的运行，计算卸载技术应运而生，计算卸载技术，是指受资源约束的设备完全或部分地将计算密集型任务卸载到资源充足的云环境中。计算卸载的类型主要分为两种，完全卸载和部分卸载。
现有将UE上的任务从UE到边缘云子网络再到中心云子网络的计算卸载方法为：在UE不具备数据处理能力时，则将任务完全卸载到边缘云子网络的边缘服务器上，在UE具备数据处理能力时，则将任务部分卸载到边缘云子网络的边缘服务器上。具体的，UE将应用程序对应的任务卸载到距离其物理位置最近的边缘云子网络的边缘服务器上，实际中，最近的边缘云子网络可以是一个或多个边缘云子网络，当为多个边缘云子网络时，随机选择一个边缘云子网络进行任务的计算卸载。边缘云子网络的边缘服务器在接收到应用程序对应的任务后，该边缘服务器按照计算卸载的预设需求目标，筛查本地边缘云子网络中的边缘服务器是否有能力解决所接收到的任务。如果本地边缘云子网络中的边缘服务器有能力解决所接收到的任务，则不进行下一步的计算卸载，直接将所接收的任务在本地进行处理，然后将处理结果数据传输至UE。如果本地边缘云子网络中的边缘服务器没有能力解决所接收到的任务，则将所接收的任务转发至中心云子网络进行计算卸载。中心云子网络将所接收的任务处理好之后，再通过转发该任务的边缘云子网络将处理结果数据传输至UE。
然而，现有将UE上的任务从UE到边缘云子网络再到中心云子网络的计算卸载方法中，UE选择一个物理距离上最近的边缘云子网络进行任务的卸载，当最近的边缘云子网络有能力解决所接收到的任务时，直接将所接收的任务在本地进行处理。在此过程中，只是考虑UE最近的边缘云子网络进行任务的计算卸载，而实际应用中UE的计算能力不同，需要计算卸载的任务量不同，使得只在最近的边缘云子网络进行任务的计算卸载，容易出现边缘云子网络之间负载不均衡的问题。
发明内容
本发明实施例的目的在于提供一种边缘计算中的云间计算卸载方法及装置，用以解决现有计算卸载方法存在的边缘云子网络之间负载不均衡的问题。
具体技术方案如下：
第一方面，本发明实施例提供了一种边缘计算中的云间计算卸载方法，应用于云-边一体化计算***的边缘服务器中，所述云-边一体化计算***包括：中心云子网络和多个边缘云子网络，所述中心云子网络中设置有中心服务器，所述边缘云子网络中设置有边缘服务器，所述中心服务器与所述边缘服务器之间进行数据交互，所述边缘服务器与用户终端UE之间进行数据交互，所述方法包括：
接收距离所述边缘服务器所在的边缘云子网络最近的UE发送的待处理任务；所述待处理任务为所述边缘服务器中待进行计算卸载的数据处理任务；
将所述待处理任务分解成多个子任务，分别以各所述子任务为当前顶点，并基于各所述当前顶点之间预设的第一优先关系，构建第一有向加权图；
在所述第一有向加权图中查找强连通分量，所述强连通分量为所述第一有向加权图中的极大强连通子图；
针对查找到的每一所述强连通分量，将该强连通分量对应的当前顶点聚合为新的顶点，将所述第一有向加权图中未进行聚合的当前顶点同时作为新的顶点，并基于所述新的顶点，以及各所述新的顶点之间的第二优先关系，构建第二有向加权图；所述第二优先关系根据所述第一优先关系确定；
确定与所述边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络，将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络；
使用预设稳定匹配算法，在所述候选匹配网络中，为所述第二有向加权图中的每一新的顶点选择目标匹配网络；
将所述第二有向加权图中的每一新的顶点所对应的子任务，发送至所述新的顶点对应的目标匹配网络。
可选地，所述使用预设的稳定匹配算法，在所述候选匹配网络中，为所述第二有向加权图中的每一新的顶点选择目标匹配网络的步骤，包括：
分别针对所述第二有向加权图中的每一新的顶点和每一候选匹配网络，初始化匹配状态，得到所述第二有向加权图中的每一新的顶点对应的第一匹配状态表，以及所述每一候选匹配网络对应的第二匹配状态表；所述第一匹配状态表中包含：候选匹配网络以及第一偏好值，所述第二匹配状态表中包含：新的顶点以及第二偏好值；
针对每一候选匹配网络，使用第一预设表达式计算该候选匹配网络对所述第二有向加权图中所有新的顶点的第一效用函数值，并使用计算得到的第一效用函数值更新所述第二偏好值；
针对每一候选匹配网络，向该候选匹配网络对应的第二匹配状态表中最大的第二偏好值所对应的新的顶点发送卸载请求；
针对每一接收到卸载请求的新的顶点，使用第二预设表达式计算该新的顶点对所有发送卸载请求的候选匹配网络的第二效用函数值，并使用计算得到的第二效用函数值更新所述第一偏好值；
遍历所有接收到卸载请求的新的顶点，将该新的顶点对应的第一匹配状态表中最大的第一偏好值所对应的候选匹配网络，确定为该新的顶点的目标匹配网络，并删除所述第二有向加权图中该新的顶点；
判断所述第二有向加权图中是否还存在新的顶点；
如果所述第二有向加权图中还存在新的顶点，则返回执行针对每一候选匹配网络，使用第一预设表达式计算该候选匹配网络对所述第二有向加权图中所有新的顶点的第一效用函数值的步骤。
可选地，所述第一预设表达式为：
其中，φn(m)表示候选匹配网络n对新的顶点m的第一效用函数值，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，R表示上行数据传输速率，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，表示候选匹配网络n上新的顶点m的等待时间。
可选地，所述第二预设表达式为：
其中，φm(n)表示新的顶点m对候选匹配网络n的第二效用函数值，α表示第一权重系数，β表示第二权重系数，R表示上行数据传输速率，Dm,n表示候选匹配网络n上计算新的顶点m的计算输入数据量的大小，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量。
可选地，在将所述第二有向加权图中的每一新的顶点所对应的子任务，发送至所述新的顶点对应的目标匹配网络之后，所述方法还包括：
根据各所述新的顶点之间的第二优先关系的先后顺序，对所述新的顶点进行排序，并接收排序在最后的新的顶点所对应的目标匹配网络返回的处理结果数据；
将所述处理结果数据发送至所述UE。
第二方面，本发明实施例提供了一种边缘计算中的云间计算卸载装置，应用于云-边一体化计算***的边缘服务器中，所述云-边一体化计算***包括：中心云子网络和多个边缘云子网络，所述中心云子网络中设置有中心服务器，所述边缘云子网络中设置有边缘服务器，所述中心服务器与所述边缘服务器之间进行数据交互，所述边缘服务器与用户终端UE之间进行数据交互，所述装置包括：
第一接收模块，用于接收距离所述边缘服务器所在的边缘云子网络最近的UE发送的待处理任务；所述待处理任务为所述边缘服务器中待进行计算卸载的数据处理任务；
第一构建模块，用于将所述待处理任务分解成多个子任务，分别以各所述子任务为当前顶点，并基于各所述当前顶点之间预设的第一优先关系，构建第一有向加权图；
查找模块，用于在所述第一有向加权图中查找强连通分量，所述强连通分量为所述第一有向加权图中的极大强连通子图；
第二构建模块，用于针对查找到的每一所述强连通分量，将该强连通分量对应的当前顶点聚合为新的顶点，将所述第一有向加权图中未进行聚合的当前顶点同时作为新的顶点，并基于所述新的顶点，以及各所述新的顶点之间的第二优先关系，构建第二有向加权图；所述第二优先关系根据所述第一优先关系确定；
确定模块，用于确定与所述边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络，将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络；
选择模块，用于使用预设稳定匹配算法，在所述候选匹配网络中，为所述第二有向加权图中的每一新的顶点选择目标匹配网络；
第一发送模块，用于将所述第二有向加权图中的每一新的顶点所对应的子任务，发送至所述新的顶点对应的目标匹配网络。
可选地，所述选择模块，包括：
初始化子模块，用于分别针对所述第二有向加权图中的每一新的顶点和每一候选匹配网络，初始化匹配状态，得到所述第二有向加权图中的每一新的顶点对应的第一匹配状态表，以及所述每一候选匹配网络对应的第二匹配状态表；所述第一匹配状态表中包含：候选匹配网络以及第一偏好值，所述第二匹配状态表中包含：新的顶点以及第二偏好值；
第一计算子模块，用于针对每一候选匹配网络，使用第一预设表达式计算该候选匹配网络对所述第二有向加权图中所有新的顶点的第一效用函数值，并使用计算得到的第一效用函数值更新所述第二偏好值；
发送子模块，用于针对每一候选匹配网络，向该候选匹配网络对应的第二匹配状态表中最大的第二偏好值所对应的新的顶点发送卸载请求；
第二计算子模块，用于针对每一接收到卸载请求的新的顶点，使用第二预设表达式计算该新的顶点对所有发送卸载请求的候选匹配网络的第二效用函数值，并使用计算得到的第二效用函数值更新所述第一偏好值；
确定子模块，用于遍历所有接收到卸载请求的新的顶点，将该新的顶点对应的第一匹配状态表中最大的第一偏好值所对应的候选匹配网络，确定为该新的顶点的目标匹配网络，并删除所述第二有向加权图中该新的顶点；
判断子模块，用于判断所述第二有向加权图中是否还存在新的顶点；并在判断所述第二有向加权图中还存在新的顶点时，触发所述第一计算子模块。
可选地，所述第一预设表达式为：
其中，φn(m)表示候选匹配网络n对新的顶点m的第一效用函数值，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，R表示上行数据传输速率，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，表示候选匹配网络n上新的顶点m的等待时间。
可选地，所述第二预设表达式为：
其中，φm(n)表示新的顶点m对候选匹配网络n的第二效用函数值，α表示第一权重系数，β表示第二权重系数，R表示上行数据传输速率，Dm,n表示候选匹配网络n上计算新的顶点m的计算输入数据量的大小，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量。
可选地，所述装置还包括：
第二接收模块，用于根据各所述新的顶点之间的第二优先关系的先后顺序，对所述新的顶点进行排序，并接收排序在最后的新的顶点所对应的目标匹配网络返回的处理结果数据；
第二发送模块，用于将所述处理结果数据发送至所述UE。
第三方面，本发明实施例还提供了一种服务器设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的一种边缘计算中的云间计算卸载方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的一种边缘计算中的云间计算卸载方法。
本发明实施例有益效果：
本发明实施例提供的一种边缘计算中的云间计算卸载方法及装置，边缘服务器接收距离该边缘服务器所在的边缘云子网络，最近的用户终端UE发送的待处理任务后，将待处理任务分解成多个子任务，并分别以各子任务为当前顶点，基于各当前顶点之间的优先关系，构建第一有向加权图，进而确定第一有向加权图中所有的强连通分量，将每一强连通分量对应的当前顶点聚合为新的顶点，同时将没有聚合的当前顶点作为新的顶点，并根据各新的顶点，以及各新的顶点之间的优先关系构建第二有向加权图，将具有强连通关系的子任务聚合在一起，可以减少子任务之间处理时的等待时间，以及子任务在不同边缘云子网络之间的传输时间。将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络，进一步使用预设的稳定匹配算法，在候选匹配网络中，为第二有向加权图中的每一新的顶点选择目标匹配网络，将第二有向加权图中的每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络，由于是选取与边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络为候选匹配网络，进行子任务的计算卸载，不仅仅是该边缘服务器所在的边缘云子网络，进而能够解决边缘云子网络之间负载不均衡的问题，还可以提高任务的处理效率。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种云-边一体化计算***结构示意图；
图2为本发明实施例提供的一种边缘计算中的云间计算卸载方法的流程示意图；
图3为本发明实施例提供的一种有向加权图的示意图；
图4为本发明实施例提供的一种顶点与目标进行匹配的实施方式流程图；
图5为本发明实施例提供的一种顶点与目标的匹配示意图；
图6为本发明实施例提供的另一种边缘计算中的云间计算卸载方法的流程示意图；
图7为本发明实施例提供的一种边缘计算中的云间计算卸载装置的结构示意图；
图8为本发明实施例提供的一种顶点与目标匹配装置的结构示意图；
图9为本发明实施例提供的另一种边缘计算中的云间计算卸载装置的结构示意图；
图10为本发明实施例提供的一种服务器设备的结构示意图。
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。
为了解决现有计算卸载方法存在的边缘云子网络之间负载不均衡的问题，本发明实施例提供了一种边缘计算中的云间计算卸载方法及装置，应用于云-边一体化计算***的边缘服务器中，如图1所示，图1为本发明实施例提供的一种云-边一体化计算***结构示意图。云-边一体化计算***可以包括：中心云子网络和多个边缘云子网络，中心云子网络中设置有中心服务器，边缘云子网络中设置有边缘服务器，中心服务器与边缘服务器之间进行数据交互，边缘服务器与用户终端UE之间进行数据交互。实际应用中，中心云子网络和边缘云子网络在同一个网络中，该网络中各子网络之间能够进行数据交互。中心云子网络中可以设置一个或多个中心服务器，边缘云子网络中也可以设置一个或多个边缘服务器。
下面首先对本发明实施例所提供的一种边缘计算中的云间计算卸载方法进行介绍。
如图2所示，图2为本发明实施例提供的一种边缘计算中的云间计算卸载方法的流程示意图，该方法可以包括：
S101、接收距离边缘服务器所在的边缘云子网络最近的UE发送的待处理任务。
云-边一体化计算***中的边缘服务器，接收距离该边缘服务器所在的边缘云子网络最近的UE发送的待处理任务。其中，待处理任务为边缘服务器中待进行计算卸载的数据处理任务。示例性的，待处理任务可以是UE的应用程序的任务，具体的可以是音视频或图像的数据处理任务等，本发明实施例在此不作限定。
S102、将待处理任务分解成多个子任务，分别以各子任务为当前顶点，并基于各当前顶点之间预设的第一优先关系，构建第一有向加权图。
在接收到待处理任务之后，可以采用边缘服务器中预先安装好的任务分解工具，将待处理任务分解成多个子任务，在对待处理任务进行分解的过程中，因考虑到待处理任务中可能会包含用户数据的隐私等安全因素，可以对分解得到的各子任务的可卸载性进行标记，同时也可以对各子任务之间的第一优先关系进行标记。然后，分别以各子任务为当前顶点，基于所标记的各当前顶点之间的第一优先关系，构建第一有向加权图。示例性的，当子任务中的数据涉及到用户数据的隐私时，该子任务为不可卸载的子任务，当子任务中的数据不涉及用户数据的隐私时，该子任务为可卸载的子任务。
其中，各当前顶点之间预设的第一优先关系为：对待处理任务进行分解的过程中，对各子任务进行标记的优先关系，或优先约束。示例性的，子任务i和子任务j之间的优先约束为：子任务i在子任务j之前执行，子任务j在先前子任务i完成之前无法开始执行。
具体的，第一有向加权图可参见图3，图3为本发明实施例提供的一种有向加权图的示意图。图中当前顶点1至M对应为M个子任务，分别用v1至vM表示，子任务之间边的关系可以用E表示，那么该有向加权图可以用G＝(v,E)表示，其中，图G中子任务1和子任务6为可卸载的子任务，子任务3为不可卸载的子任务，其他子任务的可卸载性在图G中未标记，每两个子任务之间的边表示该图G中两个子任务之间的交互，子任务之间边的箭头指向表示子任务之间的优先关系，示例性的，边(i,j)，表示子任务i和子任务j之间的优先关系，这样子任务j在先前子任务i完成之前无法开始执行。
参见图2，S103、在第一有向加权图中查找强连通分量。
为便于理解，对强连通分量进行如下介绍：
有向加权图中强连通分量为：在有向加权图中，如果两个顶点vi,vj间有一条从vi到vj的有向路径，同时还有一条从vj到vi的有向路径，则称两个顶点强连通。如果有向加权图的每两个顶点都强连通，称有向加权图是一个强连通图。有向加权图的极大强连通子图，即为强连通分量。
实际应用中，鉴于各子任务之间的第一优先关系，为了减少子任务在计算卸载中的传输时间，可以在所构建的第一有向加权图中查找所有可能的强连通分量，该强连通分量为第一有向加权图中的极大强连通子图。
S104、针对查找到的每一强连通分量，将该强连通分量对应的当前顶点聚合为新的顶点，将第一有向加权图中未进行聚合的当前顶点同时作为新的顶点，并基于新的顶点，以及各新的顶点之间的第二优先关系，构建第二有向加权图。
针对查找到的每一强连通分量，可以将该强连通分量对应的当前顶点聚合为新的顶点。可参见图3，图3中虚线圈中的当前顶点1、当前顶点3和当前顶点6构成了一个强连通分量，将该当前顶点1、当前顶点3和当前顶点6组成的集群聚合为一个新的顶点，同时将第一有向加权图中未进行聚合的当前顶点2、4、5、7、……M也分别作为新的顶点。在此过程中，所聚合的新的顶点的任务量为该集群中所有当前顶点的任务量的总和，且当集群中有一个当前顶点是不可卸载的，那么所聚合而成的新的顶点也是不可卸载的。
然后，基于新的顶点，以及各新的顶点之间的第二优先关系，构建第二有向加权图，其中，第二优先关系可以根据第一优先关系确定。具体的，构建第二有向加权图和构建第一有向加权图的实现方法相同，各新的顶点之间的第二优先关系为：第一有向加权图中当前顶点之间的第一优先关系在聚合新的顶点过程中的延续。示例性的，可参见图3，当前顶点1、当前顶点2、当前顶点3、当前顶点5、当前顶点6和当前顶点7之间的第一优先关系可用边表示为：边(1,3)、边(1,2)、边(3,5)、边(2,5)、边(3,6)、边(6,1)和边(6,7)，将当前顶点1、当前顶点3和当前顶点6组成的集群聚合为一个新的顶点A，同时将当前顶点2、当前顶点5、当前顶点7也分别作为新的顶点B、新的顶点C、新的顶点D，则新的顶点A、新的顶点B、新的顶点C、以及新的顶点D之间的第二优先关系可用边表示为：边(A,B)、边(B,C)、边(A,C)以及边(A,D)。
S105、确定与边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络，将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络。
在云-边一体化计算***中包含中心云子网络和多个边缘云子网络，接收待处理任务的边缘服务器可以确定与该边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络，进而将所确定的多个边缘云子网络以及中心云子网络作为候选匹配网络，对所分解的子任务进行计算卸载。
S106、使用预设稳定匹配算法，在候选匹配网络中，为第二有向加权图中的每一新的顶点选择目标匹配网络。
本发明实施例中，可以使用预设的稳定匹配算法，在所有的候选匹配网络中，为第二有向加权图中的每一新的顶点选择目标匹配网络，实现子任务的计算卸载。具体的选择匹配过程在下文进行详细介绍。
S107、将第二有向加权图中的每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络。
在为第二有向加权图中的每一新的顶点选择好目标匹配网络之后，可以将第二有向加权图中的每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络中进行处理，实现待处理任务的计算卸载。示例性的，在为新的顶点A选择好目标匹配网络a之后，可以将该新的顶点A所对应的集群中的子任务1、3和6全部发送至目标匹配网络a，在为新的顶点B选择好目标匹配网络b之后，将该新的顶点B所对应的子任务2发送至目标匹配网络b。
在上述实施例的基础上，本发明实施例中，预设稳定匹配算法是基于匹配问题设定的，下面先给出匹配博弈的相关定义。
给定两个不相交的集合，M和N，定义一对多匹配函数为Ψ:其中，对于和有：且|Ψ(m)|∈{0,1}；且|Ψ(n)|≤qn；
其中，第一个条件：且|Ψ(m)|∈{0,1}，表示M中元素m最多可以匹配给一个N中的元素，Ψ(m)表示M中的元素m匹配N中的元素；第二个条件：且|Ψ(n)|≤qn，表示N中元素n最多可以匹配给M中的qn个元素，qn表示N中最多能够匹配的元素个数，Ψ(n)表示N中的元素n匹配M中的元素；第三个条件：表示如果元素m与元素n匹配，那么元素n也与元素m匹配。
本发明实施例一种实施方式中，在候选匹配网络中，可以为每一新的顶点，选择一个目标匹配网络，而每一候选匹配网络可以作为多个新的顶点的目标匹配网络。具体的，使用预设稳定匹配算法，在候选匹配网络中，为第二有向加权图中的每一新的顶点选择目标匹配网络，如图4所示，该实施例方式可以包括：
S1061、分别针对第二有向加权图中的每一新的顶点和每一候选匹配网络，初始化匹配状态，得到第二有向加权图中的每一新的顶点对应的第一匹配状态表，以及每一候选匹配网络对应的第二匹配状态表。
示例性的，针对第二有向加权图中的每一新的顶点和每一候选匹配网络，初始化匹配状态，可以将每一新的顶点匹配给每一候选匹配网络，将每一候选匹配网络匹配给每一新的顶点，如图5中的虚线所示，得到每一新的顶点对应的第一匹配状态表，以及每一候选匹配网络对应的第二匹配状态表。其中，第一匹配状态表中包含：候选匹配网络以及该候选匹配网络对应的第一偏好值，第二匹配状态表中包含：新的顶点以及该新的顶点对应的第二偏好值。示例性的，初始化得到的初始第一偏好值以及第二偏好值可以设置为-1。
S1062、针对每一候选匹配网络，使用第一预设表达式计算该候选匹配网络对第二有向加权图中所有新的顶点的第一效用函数值，并使用计算得到的第一效用函数值更新第二偏好值。
针对每一候选匹配网络，可以使用第一预设表达式计算该候选匹配网络对第二有向加权图中所有新的顶点的第一效用函数值，该第一预设表达式可以为：
其中，φn(m)表示候选匹配网络n对新的顶点m的第一效用函数值，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，R表示上行数据传输速率，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，表示候选匹配网络n上新的顶点m的等待时间。
在计算得到候选匹配网络对第二有向加权图中所有新的顶点的第一效用函数值之后，使用计算得到的各第一效用值替换更新对应的第二偏好值，进而使得每一候选匹配网络对应的第二匹配状态表得以更新。
S1063、针对每一候选匹配网络，向该候选匹配网络对应的第二匹配状态表中最大的第二偏好值所对应的新的顶点发送卸载请求。
在每一候选匹配网络对应的第二匹配状态表更新后，针对每一候选匹配网络，第二偏好值越大，表明候选匹配网络比较偏好执行该第二偏好值对应的新的顶点所对应的子任务，故选取该候选匹配网络对应的第二匹配状态表中最大第二偏好值所对应的新的顶点，进而向所选取的新的顶点发送卸载请求。
S1064、针对每一接收到卸载请求的新的顶点，使用第二预设表达式计算该新的顶点对所有发送卸载请求的候选匹配网络的第二效用函数值，并使用计算得到的第二效用函数值更新第一偏好值。
针对每一接收到卸载请求的新的顶点，可以使用第二预设表达式计算该新的顶点对所有发送卸载请求的候选匹配网络的第二效用函数值，该第二预设表达式可以为：
其中，φm(n)表示新的顶点m对候选匹配网络n的第二效用函数值，α表示第一权重系数，β表示第二权重系数，R表示上行数据传输速率，Dm,n表示候选匹配网络n上计算新的顶点m的计算输入数据量的大小，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量。其中，α和β的值本领域技术人员可根据实际需求进行设置。
在计算得到新的顶点对所有发送卸载请求的候选匹配网络的第二效用函数值之后，使用计算得到的各第二效用值替换更新对应的第一偏好值，进而使得每一接收到卸载请求的新的顶点对应的第一匹配状态表得以更新。
S1065、遍历所有接收到卸载请求的新的顶点，将该新的顶点对应的第一匹配状态表中最大的第一偏好值所对应的候选匹配网络，确定为该新的顶点的目标匹配网络，并删除第二有向加权图中该新的顶点。
在每一接收到卸载请求的新的顶点对应的第一匹配状态表更新之后，遍历所有接收到卸载请求的新的顶点，第一偏好值越大，表明该新的顶点对应的子任务比较偏好于在该第一偏好值对应的候选匹配网络上执行，故选取该新的顶点对应的第一匹配状态表中最大的第一偏好值所对应的候选匹配网络，进而将所选取的候选匹配网络确定为该新的顶点的目标匹配网络，如图5中的实线所示。在确定新的顶点对应的目标匹配网络之后，删除第二有向加权图中该新的顶点。具体的，本发明实施例中对所有接收到卸载请求的新的顶点的遍历顺序不作限定。
S1066、判断第二有向加权图中是否还存在新的顶点。
在遍历完所有接收到卸载请求的新的顶点，为每一接收到卸载请求的新的顶点确定目标匹配网络，并删除第二有向加权图中该新的顶点之后，判断第二有向加权图中是否还存在新的顶点，如果第二有向加权图中还存在新的顶点，表明还有新的顶点没有匹配到目标匹配网络，此时返回执行步骤S1062；如果第二有向加权图中不存在新的顶点，表明所有新的顶点都已匹配到目标匹配网络，此时匹配完成。
本发明实施例中，将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络，进一步使用预设的稳定匹配算法，在候选匹配网络中，为第二有向加权图中的每一新的顶点选择目标匹配网络，将第二有向加权图中的每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络，由于是选取与边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络为候选匹配网络，进行子任务的计算卸载，不仅仅是该边缘服务器所在的边缘云子网络，进而能够解决边缘云子网络之间负载不均衡的问题，还可以提高任务的处理效率。
在图2所示实施例的基础上，如图6所示，图6为本发明实施例提供的另一种边缘计算中的云间计算卸载方法的流程示意图，该方法还可以包括：
S108、根据各新的顶点之间的第二优先关系的先后顺序，对新的顶点进行排序，并接收排序在最后的新的顶点所对应的目标匹配网络返回的处理结果数据。
各新的顶点之间的第二优先关系，表明了各新的顶点所对应的子任务之间执行的先后顺序，可以按照各新的顶点之间的第二优先关系之间的先后顺序，对新的顶点进行排序。进而在将第二有向加权图中的每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络之后，目标匹配网络对所接收到的子任务进行处理，然后会返回处理结果数据，此时接收排序在最后的新的顶点所对应的目标匹配网络返回的处理结果数据。
S109、将处理结果数据发送至UE。
当排序在最后的新的顶点为一个时，表明此时排序在最后的新的顶点所对应的目标匹配网络返回的处理结果数据，为待处理任务对应的最终处理结果数据，可以将该处理结果数据返回至发送待处理任务的UE。当排序在最后的新的顶点为多个时，表明此时排序在最后的新的顶点所对应的目标匹配网络返回的处理结果数据，不是待处理任务对应的最终处理结果数据，可以对接收到的处理结果数据进行整合，再将整合之后的处理结果数据返回至发送待处理任务的UE。
本发明实施例提供的一种边缘计算中的云间计算卸载方法，边缘服务器接收距离该边缘服务器所在的边缘云子网络，最近的用户终端UE发送的待处理任务后，将待处理任务分解成多个子任务，并分别以各子任务为当前顶点，基于各当前顶点之间的优先关系，构建第一有向加权图，进而确定第一有向加权图中所有的强连通分量，将每一强连通分量对应的当前顶点聚合为新的顶点，同时将没有聚合的当前顶点作为新的顶点，并根据各新的顶点，以及各新的顶点之间的优先关系构建第二有向加权图，将具有强连通关系的子任务聚合在一起，可以减少子任务之间处理时的等待时间，以及子任务在不同边缘云子网络之间的传输时间。将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络，进一步使用预设的稳定匹配算法，在候选匹配网络中，为第二有向加权图中的每一新的顶点选择目标匹配网络，将第二有向加权图中的每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络，由于是选取与边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络为候选匹配网络，进行子任务的计算卸载，不仅仅是该边缘服务器所在的边缘云子网络，进而能够解决边缘云子网络之间负载不均衡的问题，还可以提高任务的处理效率。
相应于上述方法实施例，本发明实施例提供了一种边缘计算中的云间计算卸载装置，如图7所示，该装置可以包括：
第一接收模块201，用于接收距离边缘服务器所在的边缘云子网络最近的UE发送的待处理任务；待处理任务为边缘服务器中待进行计算卸载的数据处理任务。
第一构建模块202，用于将待处理任务分解成多个子任务，分别以各子任务为当前顶点，并基于各当前顶点之间预设的第一优先关系，构建第一有向加权图。
查找模块203，用于在第一有向加权图中查找强连通分量，强连通分量为第一有向加权图中的极大强连通子图。
第二构建模块204，用于针对查找到的每一强连通分量，将该强连通分量对应的当前顶点聚合为新的顶点，将第一有向加权图中未进行聚合的当前顶点同时作为新的顶点，并基于新的顶点，以及各新的顶点之间的第二优先关系，构建第二有向加权图；第二优先关系根据第一优先关系确定。
确定模块205，用于确定与边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络，将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络。
选择模块206，用于使用预设稳定匹配算法，在候选匹配网络中，为第二有向加权图中的每一新的顶点选择目标匹配网络。
第一发送模块207，用于将第二有向加权图中的每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络。
本发明实施例提供的一种边缘计算中的云间计算卸载装置，边缘服务器接收距离该边缘服务器所在的边缘云子网络，最近的用户终端UE发送的待处理任务后，将待处理任务分解成多个子任务，并分别以各子任务为当前顶点，基于各当前顶点之间的优先关系，构建第一有向加权图，进而确定第一有向加权图中所有的强连通分量，将每一强连通分量对应的当前顶点聚合为新的顶点，同时将没有聚合的当前顶点作为新的顶点，并根据各新的顶点，以及各新的顶点之间的优先关系构建第二有向加权图，将具有强连通关系的子任务聚合在一起，可以减少子任务之间处理时的等待时间，以及子任务在不同边缘云子网络之间的传输时间。将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络，进一步使用预设的稳定匹配算法，在候选匹配网络中，为第二有向加权图中的每一新的顶点选择目标匹配网络，将第二有向加权图中的每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络，由于是选取与边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络为候选匹配网络，进行子任务的计算卸载，不仅仅是该边缘服务器所在的边缘云子网络，进而能够解决边缘云子网络之间负载不均衡的问题，还可以提高任务的处理效率。
需要说明的是，本发明实施例的装置是与图2所示的一种边缘计算中的云间计算卸载方法对应的装置，图2所示的一种边缘计算中的云间计算卸载方法的所有实施例均适用于该装置，且均能达到相同的有益效果。
可选地，如图8所示，选择模块206，包括：
初始化子模块2061，用于分别针对第二有向加权图中的每一新的顶点和每一候选匹配网络，初始化匹配状态，得到第二有向加权图中的每一新的顶点对应的第一匹配状态表，以及每一候选匹配网络对应的第二匹配状态表；第一匹配状态表中包含：候选匹配网络以及第一偏好值，第二匹配状态表中包含：新的顶点以及第二偏好值。
第一计算子模块2062，用于针对每一候选匹配网络，使用第一预设表达式计算该候选匹配网络对第二有向加权图中所有新的顶点的第一效用函数值，并使用计算得到的第一效用函数值更新第二偏好值。
发送子模块2063，用于针对每一候选匹配网络，向该候选匹配网络对应的第二匹配状态表中最大的第二偏好值所对应的新的顶点发送卸载请求。
第二计算子模块2064，用于针对每一接收到卸载请求的新的顶点，使用第二预设表达式计算该新的顶点对所有发送卸载请求的候选匹配网络的第二效用函数值，并使用计算得到的第二效用函数值更新第一偏好值。
确定子模块2065，用于遍历所有接收到卸载请求的新的顶点，将该新的顶点对应的第一匹配状态表中最大的第一偏好值所对应的候选匹配网络，确定为该新的顶点的目标匹配网络，并删除第二有向加权图中该新的顶点。
判断子模块2066，用于判断第二有向加权图中是否还存在新的顶点；并在判断第二有向加权图中还存在新的顶点时，触发第一计算子模块2062。
可选地，第一预设表达式为：
其中，φn(m)表示候选匹配网络n对新的顶点m的第一效用函数值，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，R表示上行数据传输速率，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，表示候选匹配网络n上新的顶点m的等待时间。
可选地，第二预设表达式为：
其中，φm(n)表示新的顶点m对候选匹配网络n的第二效用函数值，α表示第一权重系数，β表示第二权重系数，R表示上行数据传输速率，Dm,n表示候选匹配网络n上计算新的顶点m的计算输入数据量的大小，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量。
可选地，在图7所示装置结构的基础上，如图9所示，本发明实施例的边缘计算中的云间计算卸载装置还可以包括：
第二接收模块208，用于根据各新的顶点之间的第二优先关系的先后顺序，对新的顶点进行排序，并接收排序在最后的新的顶点所对应的目标匹配网络返回的处理结果数据。
第二发送模块209，用于将处理结果数据发送至UE。
本发明实施例还提供了一种服务器设备，如图10所示，包括处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信，
存储器303，用于存放计算机程序；
处理器301，用于执行存储器303上所存放的程序时，实现本发明实施例所提供的一种边缘计算中的云间计算卸载方法的步骤。
本发明实施例提供的一种服务器设备，接收距离该边缘服务器所在的边缘云子网络，最近的用户终端UE发送的待处理任务后，将待处理任务分解成多个子任务，并分别以各子任务为当前顶点，基于各当前顶点之间的优先关系，构建第一有向加权图，进而确定第一有向加权图中所有的强连通分量，将每一强连通分量对应的当前顶点聚合为新的顶点，同时将没有聚合的当前顶点作为新的顶点，并根据各新的顶点，以及各新的顶点之间的优先关系构建第二有向加权图，将具有强连通关系的子任务聚合在一起，可以减少子任务之间处理时的等待时间，以及子任务在不同边缘云子网络之间的传输时间。将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络，进一步使用预设的稳定匹配算法，在候选匹配网络中，为第二有向加权图中的每一新的顶点选择目标匹配网络，将第二有向加权图中的每一新的顶点所对应的子任务，发送至新的顶点对应的目标匹配网络，由于是选取与边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络为候选匹配网络，进行子任务的计算卸载，不仅仅是该边缘服务器所在的边缘云子网络，进而能够解决边缘云子网络之间负载不均衡的问题，还可以提高任务的处理效率。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一一种边缘计算中的云间计算卸载方法的步骤，以获取相同的技术效果。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一一种边缘计算中的云间计算卸载方法的步骤，以获取相同的技术效果。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置/设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种边缘计算中的云间计算卸载方法，其特征在于，应用于云-边一体化计算***的边缘服务器中，所述云-边一体化计算***包括：中心云子网络和多个边缘云子网络，所述中心云子网络中设置有中心服务器，所述边缘云子网络中设置有边缘服务器，所述中心服务器与所述边缘服务器之间进行数据交互，所述边缘服务器与用户终端UE之间进行数据交互，所述方法包括：
接收距离所述边缘服务器所在的边缘云子网络最近的UE发送的待处理任务；所述待处理任务为所述边缘服务器中待进行计算卸载的数据处理任务；
将所述待处理任务分解成多个子任务，分别以各所述子任务为当前顶点，并基于各所述当前顶点之间预设的第一优先关系，构建第一有向加权图；
在所述第一有向加权图中查找强连通分量，所述强连通分量为所述第一有向加权图中的极大强连通子图；
针对查找到的每一所述强连通分量，将该强连通分量对应的当前顶点聚合为新的顶点，将所述第一有向加权图中未进行聚合的当前顶点同时作为新的顶点，并基于所述新的顶点，以及各所述新的顶点之间的第二优先关系，构建第二有向加权图；所述第二优先关系根据所述第一优先关系确定；
确定与所述边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络，将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络；
使用预设稳定匹配算法，在所述候选匹配网络中，为所述第二有向加权图中的每一新的顶点选择目标匹配网络；
将所述第二有向加权图中的每一新的顶点所对应的子任务，发送至所述新的顶点对应的目标匹配网络。
2.根据权利要求1所述的方法，其特征在于，所述使用预设的稳定匹配算法，在所述候选匹配网络中，为所述第二有向加权图中的每一新的顶点选择目标匹配网络的步骤，包括：
分别针对所述第二有向加权图中的每一新的顶点和每一候选匹配网络，初始化匹配状态，得到所述第二有向加权图中的每一新的顶点对应的第一匹配状态表，以及所述每一候选匹配网络对应的第二匹配状态表；所述第一匹配状态表中包含：候选匹配网络以及第一偏好值，所述第二匹配状态表中包含：新的顶点以及第二偏好值；
针对每一候选匹配网络，使用第一预设表达式计算该候选匹配网络对所述第二有向加权图中所有新的顶点的第一效用函数值，并使用计算得到的第一效用函数值更新所述第二偏好值；
针对每一候选匹配网络，向该候选匹配网络对应的第二匹配状态表中最大的第二偏好值所对应的新的顶点发送卸载请求；
针对每一接收到卸载请求的新的顶点，使用第二预设表达式计算该新的顶点对所有发送卸载请求的候选匹配网络的第二效用函数值，并使用计算得到的第二效用函数值更新所述第一偏好值；
遍历所有接收到卸载请求的新的顶点，将该新的顶点对应的第一匹配状态表中最大的第一偏好值所对应的候选匹配网络，确定为该新的顶点的目标匹配网络，并删除所述第二有向加权图中该新的顶点；
判断所述第二有向加权图中是否还存在新的顶点；
如果所述第二有向加权图中还存在新的顶点，则返回执行针对每一候选匹配网络，使用第一预设表达式计算该候选匹配网络对所述第二有向加权图中所有新的顶点的第一效用函数值的步骤。
3.根据权利要求2所述的方法，其特征在于，所述第一预设表达式为：
其中，φn(m)表示候选匹配网络n对新的顶点m的第一效用函数值，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，R表示上行数据传输速率，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，表示候选匹配网络n上新的顶点m的等待时间。
4.根据权利要求2所述的方法，其特征在于，所述第二预设表达式为：
其中，φm(n)表示新的顶点m对候选匹配网络n的第二效用函数值，α表示第一权重系数，β表示第二权重系数，R表示上行数据传输速率，Dm,n表示候选匹配网络n上计算新的顶点m的计算输入数据量的大小，Sm,n表示候选匹配网络n上新的顶点m的输出数据量，f′m,n表示新的顶点m在候选匹配网络n上的计算能力，Lm,n表示完成候选匹配网络n上的新的顶点m所需的计算工作量。
5.根据权利要求1所述的方法，其特征在于，在将所述第二有向加权图中的每一新的顶点所对应的子任务，发送至所述新的顶点对应的目标匹配网络之后，所述方法还包括：
根据各所述新的顶点之间的第二优先关系的先后顺序，对所述新的顶点进行排序，并接收排序在最后的新的顶点所对应的目标匹配网络返回的处理结果数据；
将所述处理结果数据发送至所述UE。
6.一种边缘计算中的云间计算卸载装置，其特征在于，应用于云-边一体化计算***的边缘服务器中，所述云-边一体化计算***包括：中心云子网络和多个边缘云子网络，所述中心云子网络中设置有中心服务器，所述边缘云子网络中设置有边缘服务器，所述中心服务器与所述边缘服务器之间进行数据交互，所述边缘服务器与用户终端UE之间进行数据交互，所述装置包括：
第一接收模块，用于接收距离所述边缘服务器所在的边缘云子网络最近的UE发送的待处理任务；所述待处理任务为所述边缘服务器中待进行计算卸载的数据处理任务；
第一构建模块，用于将所述待处理任务分解成多个子任务，分别以各所述子任务为当前顶点，并基于各所述当前顶点之间预设的第一优先关系，构建第一有向加权图；
查找模块，用于在所述第一有向加权图中查找强连通分量，所述强连通分量为所述第一有向加权图中的极大强连通子图；
第二构建模块，用于针对查找到的每一所述强连通分量，将该强连通分量对应的当前顶点聚合为新的顶点，将所述第一有向加权图中未进行聚合的当前顶点同时作为新的顶点，并基于所述新的顶点，以及各所述新的顶点之间的第二优先关系，构建第二有向加权图；所述第二优先关系根据所述第一优先关系确定；
确定模块，用于确定与所述边缘服务器所在的边缘云子网络连接的，多个边缘云子网络以及中心云子网络，将所确定的多个边缘云子网络以及中心云子网络确定为候选匹配网络；
选择模块，用于使用预设稳定匹配算法，在所述候选匹配网络中，为所述第二有向加权图中的每一新的顶点选择目标匹配网络；
第一发送模块，用于将所述第二有向加权图中的每一新的顶点所对应的子任务，发送至所述新的顶点对应的目标匹配网络。
7.根据权利要求6所述的装置，其特征在于，所述选择模块，包括：
初始化子模块，用于分别针对所述第二有向加权图中的每一新的顶点和每一候选匹配网络，初始化匹配状态，得到所述第二有向加权图中的每一新的顶点对应的第一匹配状态表，以及所述每一候选匹配网络对应的第二匹配状态表；所述第一匹配状态表中包含：候选匹配网络以及第一偏好值，所述第二匹配状态表中包含：新的顶点以及第二偏好值；
第一计算子模块，用于针对每一候选匹配网络，使用第一预设表达式计算该候选匹配网络对所述第二有向加权图中所有新的顶点的第一效用函数值，并使用计算得到的第一效用函数值更新所述第二偏好值；
发送子模块，用于针对每一候选匹配网络，向该候选匹配网络对应的第二匹配状态表中最大的第二偏好值所对应的新的顶点发送卸载请求；
第二计算子模块，用于针对每一接收到卸载请求的新的顶点，使用第二预设表达式计算该新的顶点对所有发送卸载请求的候选匹配网络的第二效用函数值，并使用计算得到的第二效用函数值更新所述第一偏好值；
确定子模块，用于遍历所有接收到卸载请求的新的顶点，将该新的顶点对应的第一匹配状态表中最大的第一偏好值所对应的候选匹配网络，确定为该新的顶点的目标匹配网络，并删除所述第二有向加权图中该新的顶点；
判断子模块，用于判断所述第二有向加权图中是否还存在新的顶点；并在判断所述第二有向加权图中还存在新的顶点时，触发所述第一计算子模块。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第二接收模块，用于根据各所述新的顶点之间的第二优先关系的先后顺序，对所述新的顶点进行排序，并接收排序在最后的新的顶点所对应的目标匹配网络返回的处理结果数据；
第二发送模块，用于将所述处理结果数据发送至所述UE。
9.一种服务器设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
CN201910763049.5A 2019-08-19 2019-08-19 一种边缘计算中的云间计算卸载方法及装置 Pending CN110580182A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910763049.5A CN110580182A (zh) 2019-08-19 2019-08-19 一种边缘计算中的云间计算卸载方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910763049.5A CN110580182A (zh) 2019-08-19 2019-08-19 一种边缘计算中的云间计算卸载方法及装置

Publications (1)

Publication Number Publication Date
CN110580182A true CN110580182A (zh) 2019-12-17

Family

ID=68811125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910763049.5A Pending CN110580182A (zh) 2019-08-19 2019-08-19 一种边缘计算中的云间计算卸载方法及装置

Country Status (1)

Country Link
CN (1) CN110580182A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111338705A (zh) * 2020-02-13 2020-06-26 贝壳技术有限公司 一种数据处理的方法、装置和存储介质
CN111641891A (zh) * 2020-04-16 2020-09-08 北京邮电大学 一种多接入边缘计算***中的任务对等卸载方法和装置
CN111860256A (zh) * 2020-07-10 2020-10-30 云镝智慧科技有限公司 安全检测方法、装置、计算机设备和存储介质
CN113114758A (zh) * 2021-04-09 2021-07-13 北京邮电大学 一种面向无服务器边缘计算的任务调度方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105722236A (zh) * 2016-02-23 2016-06-29 重庆邮电大学 一种蜂窝网络中支持全双工d2d通信的资源分配方法
CN106534333A (zh) * 2016-11-30 2017-03-22 北京邮电大学 一种基于mec和mcc的双向选择计算卸载方法
CN107193899A (zh) * 2017-05-10 2017-09-22 华中科技大学 一种图算法友善的强连通图划分方法
US20170357383A1 (en) * 2016-06-10 2017-12-14 Ebay Inc. Optimization for browser rendering during navigation
CN107615275A (zh) * 2015-05-29 2018-01-19 国际商业机器公司 估计用于运行数据挖掘服务的计算资源
CN108388642A (zh) * 2018-02-27 2018-08-10 中南民族大学 一种子图查询方法、装置及计算机可读存储介质
CN108920273A (zh) * 2018-06-21 2018-11-30 河南科技大学 一种边缘云的计算卸载激励方法
CN110113140A (zh) * 2019-03-08 2019-08-09 北京邮电大学 一种雾计算无线网络中的计算卸载方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107615275A (zh) * 2015-05-29 2018-01-19 国际商业机器公司 估计用于运行数据挖掘服务的计算资源
CN105722236A (zh) * 2016-02-23 2016-06-29 重庆邮电大学 一种蜂窝网络中支持全双工d2d通信的资源分配方法
US20170357383A1 (en) * 2016-06-10 2017-12-14 Ebay Inc. Optimization for browser rendering during navigation
CN106534333A (zh) * 2016-11-30 2017-03-22 北京邮电大学 一种基于mec和mcc的双向选择计算卸载方法
CN107193899A (zh) * 2017-05-10 2017-09-22 华中科技大学 一种图算法友善的强连通图划分方法
CN108388642A (zh) * 2018-02-27 2018-08-10 中南民族大学 一种子图查询方法、装置及计算机可读存储介质
CN108920273A (zh) * 2018-06-21 2018-11-30 河南科技大学 一种边缘云的计算卸载激励方法
CN110113140A (zh) * 2019-03-08 2019-08-09 北京邮电大学 一种雾计算无线网络中的计算卸载方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邹晟: "边缘计算平台中计算卸载与镜像缓存方法研究与实现", 《边缘计算平台中计算卸载与镜像缓存方法研究与实现》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111338705A (zh) * 2020-02-13 2020-06-26 贝壳技术有限公司 一种数据处理的方法、装置和存储介质
CN111641891A (zh) * 2020-04-16 2020-09-08 北京邮电大学 一种多接入边缘计算***中的任务对等卸载方法和装置
CN111641891B (zh) * 2020-04-16 2021-11-23 北京邮电大学 一种多接入边缘计算***中的任务对等卸载方法和装置
CN111860256A (zh) * 2020-07-10 2020-10-30 云镝智慧科技有限公司 安全检测方法、装置、计算机设备和存储介质
CN111860256B (zh) * 2020-07-10 2024-07-16 云镝智慧科技有限公司 安全检测方法、装置、计算机设备和存储介质
CN113114758A (zh) * 2021-04-09 2021-07-13 北京邮电大学 一种面向无服务器边缘计算的任务调度方法及装置
CN113114758B (zh) * 2021-04-09 2022-04-12 北京邮电大学 一种面向无服务器边缘计算的任务调度方法及装置

Similar Documents

Publication Publication Date Title
CN110580182A (zh) 一种边缘计算中的云间计算卸载方法及装置
US7730119B2 (en) Sub-task processor distribution scheduling
CN107135268B (zh) 基于信息中心网络的分布式任务计算方法
WO2023125493A1 (zh) 资源管理方法、装置及资源管理平台
US20080059747A1 (en) Load management to reduce communication signaling latency in a virtual machine environment
CN110519370B (zh) 一种基于设施选址问题的边缘计算资源分配方法
US10698863B2 (en) Method and apparatus for clearing data in cloud storage system
CN110149401A (zh) 一种用于优化边缘计算任务的方法和***
US9386353B2 (en) Child node, parent node, and caching method and system for multi-layer video network
Psychas et al. Scheduling jobs with random resource requirements in computing clusters
El Haber et al. Computational cost and energy efficient task offloading in hierarchical edge-clouds
CN110888745A (zh) 一种考虑任务传输到达时间的mec节点选择方法
WO2024119792A1 (zh) 一种视频数据存储及分析方法、装置、***、通信设备和存储介质
CN109450684B (zh) 一种网络切片***物理节点容量扩充方法及装置
Tütüncüoğlu et al. Optimal pricing for service caching and task offloading in edge computing
WO2023005264A1 (zh) 一种数据处理方法和装置
Sreenu et al. FGMTS: fractional grey wolf optimizer for multi-objective task scheduling strategy in cloud computing
WO2022121154A1 (zh) 一种数据流连接优化方法、***、终端以及存储介质
EP2800386A1 (en) Child node, father node and buffer method and system for multi-layer video network
CN107360210B (zh) 云计算数据中心兼顾能耗与访问延迟的虚拟机分配方法
CN109739513B (zh) 一种多边缘云下服务请求动态调度方法及装置
Saravanan et al. Cloud resource optimization based on Poisson linear deep gradient learning for mobile cloud computing
CN111049919B (zh) 一种用户请求的处理方法、装置、设备及存储介质
JP6646340B2 (ja) 分散装置および分散方法
CN115086300B (zh) 一种视频文件调度方法和装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191217