CN110753117B - 一种无线城域网环境下兼顾隐私保护的计算迁移方法 - Google Patents
一种无线城域网环境下兼顾隐私保护的计算迁移方法 Download PDFInfo
- Publication number
- CN110753117B CN110753117B CN201911015123.1A CN201911015123A CN110753117B CN 110753117 B CN110753117 B CN 110753117B CN 201911015123 A CN201911015123 A CN 201911015123A CN 110753117 B CN110753117 B CN 110753117B
- Authority
- CN
- China
- Prior art keywords
- cloud
- computing
- tasks
- calculation
- 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.)
- Active
Links
Images
Classifications
-
- 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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
-
- 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
- H04W28/08—Load balancing or load distribution
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种无线城域网环境下兼顾隐私保护的计算迁移方法,该方法包括:1、获取无线城域网中朵云资源需求和供给情况、设备部署信息;2、获取计算任务的冲突状态和隐私泄露状态;3、针对计算任务的特点,制定计算任务动态调度方法;4、根据调度策略,计算朵云的平均资源使用率偏差,以及计算任务的传输延迟;5、对各种调度策略下的目标函数值进行评估,选择用于管理无线城域网增强服务功能的朵云计算任务的最优策略。本发明根据资源信息,实时给出一种调度策略,既保护用户隐私,又最优化朵云负载均衡,能够实现减少计算迁移时间,提高服务性能。
Description
技术领域
本发明涉及隐私保护以及移动网边缘计算任务规划领域,特别是一种无线城域网环境下兼顾隐私保护的计算迁移方法。
背景技术
近年来,随着移动技术的发展以及无线网络的普及,移动应用得到了较快的发展。在移动应用中,尤其在IoT(Internet of Things,物联网)环境中,移动终端需要执行大量的数据计算来满足用户对服务质量的需求。但是,移动终端存在存储空间不足,计算资源有限以及计算能力较差,延迟敏感或者大的数据计算量等等问题,很难达到用户预期的效果,从而降低了移动计算(Mobile Computing)的服务性能。云计算的出现解决了上述问题的同时,又引入了新的问题,即云平台部署在距离用户较远的地方,把待执行的移动应用迁移到云平台上执行时,将会产生较大的延迟,这对实时性要求高的应用是不可取的。尤其在无线城域网(Wireless Metropolitan Area Network)中,用户的数量多,当大量的用户都把移动应用部署到云平台上执行时,将会造成一定程度的网络拥塞。
不同于云平台,朵云通常部署在网络边缘,提供增强的云服务。由于朵云距离用户较近,所以计算任务从移动设备迁移到朵云上的时间将大大减少,满足了用户对移动应用即时响应的需求。但是,朵云的资源远远小于云平台的资源,因此,只有对部署到朵云上的计算任务进行有效的管理才能够提高朵云的服务性能。另一方面,由于朵云的公共性,非法用户难免会入侵朵云,获取其中的数据。所以,必须设计一种合理的计算任务调度方法,既能够保护用户隐私,又能够提高朵云的资源使用率。
当前的研究致力于在平衡朵云之间负载的同时优化移动应用的服务性能,提高用户体验。例如,M.Jia等人在“Cloudlet Load Balancing in Wireless Metropolitan AreaNetworks”中考虑把各离散的朵云通过网络连接起来,并提出一个模型以降低各计算任务的最大响应时间。KMShalini等人在“Privacy Protection and Intrusion Avoidance forCloudlet-based Medical Data Sharing”中考虑到用户的信息在云平台中存储时,会有隐私泄露的危险。保护隐私的方法主要是对信息进行加密,但是密钥也有可能丢失。因此,提出了一个基于朵云的保护隐私的方法。但是,目前就无线城域网中朵云应用的相关研究而言,尚未兼顾用户隐私保护和提高朵云的负载均衡。
发明内容
发明目的:本发明针对无限城域网中,移动终端资源有限性的特点,提供一种服务于朵云的计算任务的调度方法,以减少计算任务的传输延迟,同时提高朵云负载均衡,兼顾保护用户的隐私。
为了解决上述技术问题,本发明公开了一种无线城域网环境下兼顾隐私保护的计算迁移方法,包括以下五个步骤:
步骤1,获取无线城域网环境下的计算任务信息,以及朵云的部署情况。
有M个朵云部署在某一无线城域网中,记为CL={cl1,cl2,…,clM},其中clm表示第m个朵云clm(1≤m≤M)。每一个朵云上配置一个物理机,虚拟机的数量来表示朵云的资源,clm上的虚拟机数量为vm。朵云之间通过接入点互相联系以实现通信,接入点表示为AP={ap1,ap2,…,apN}。其中,接入点的数量大于朵云的数量,即N≥M。
有S个计算任务需要被朵云执行,表示为T={t1,t2,…,tS},用一个四元组表示第s个计算任务ts(1≤s≤S),即ts=(cs,cs’,us,ds)。其中,cs和cs’分别表示ts的初始调度策略和最终调度策略,cs,cs’∈CL;us表示执行ts所需的虚拟机的数量;ds表示ts包含的数据量。C={c1’,c2’,…,cS’}表示所有计算任务的调度策略。
步骤2,根据计算任务信息,判断各计算任务之间是否存在隐私冲突问题。
计算任务中的数据包含了用户的信息,但是,某一计算任务中包含的用户信息仅是片面的,被入侵者获取,可能并不会对用户的隐私产生威胁。例如,某一个计算任务中,包含用户的医疗信息,但是没有用户的身份信息,所以,尽管该计算任务被入侵者获取,由于并不知道具体的用户身份,也就没有所谓的对用户隐私产生威胁。但是如果用户的身份信息也被该入侵者获取时,该用户则有隐私泄露的风险。所以如果含有同一用户信息的若干计算任务均部署到同一朵云上(称其为任务之间的数据冲突),该用户的隐私被泄露的可能性就极大地增加了。因此有冲突的计算任务需要被调度到不同的朵云上执行。
用一个无向无环图G=(T,E)表示计算任务之间的冲突关系。其中,T为计算任务的集合,E表示了计算任务间的冲突关系。如果(ti,ts)∈E,i≠s,则表示ti和ts两个任务中的数据有冲突。否则,表示两个任务没有数据冲突,则两个任务均按其初始调度策略迁移到相应的朵云上执行,ci=ci’,cs=cs’。
CFs表示与计算任务ts有冲突的任务的集合,计算表达式为:
CFs={ti|(ti,ts)∈E,1≤i≤S,i≠s}
如果tk∈CFs,且ck=cs,则tk需要重新调度到其他的朵云上执行,这时ck≠ck’。
步骤3,根据Dijkstra算法决策计算需要重新调度的任务的最短路径。
当有冲突问题的计算任务部署到同一朵云上执行时,或者部署到同一朵云上执行的计算任务所需的资源量超过朵云的总资源时,计算任务需要重新调度到其它朵云上执行。
若计算任务ts需要重新部署,将该计算任务由cs迁移到其他的朵云上进行执行。考虑到,各朵云之间通过接入点相互连接,记cs内的接入点为aps,则由aps到朵云cp(p=1,2,…,s-1,s+1,…,S)内的接入点之间存在路径。同时由于接入点的数量大于朵云的数量,因此,该路径可能不止一条。通过路径上的接入点的数量定义路径的长度。总是寻找含有最少接入点的路径,即最短路径。由于朵云通过接入点相互通信,由此可以确保,计算任务重新部署的迁移时间最短。
使用Dijkstra算法寻找最短路径。V表示已经确定的接入点的集合。首先将cs加入V;然后依次遍历V中接入点的相邻的接入点(两接入点直接相连称为相邻),将该遍历的接入点置为已访问状态,比较其相邻的接入点是否是某一朵云的内部接入点,若是,则寻找到最短的重新部署路径,否则,查看该接入点是否处于已访问状态,若不是,则将该接入点加入V;重复上述过程直至找到最近的动态部署策略。
步骤4,评估每一调度策略下的朵云的负载均衡性能和计算任务的平均迁移延迟。
根据步骤1至3,将计算任务调度到相应的朵云上执行。在执行任务的过程中,朵云的负载均衡性能和计算任务的传输延迟将不断改变,而这两者又是衡量边缘计算服务性能的重要指标,因此本发明寻求最优的调度策略,使朵云的负载均衡最大,同时使计算任务的迁移时间最小化。
对于计算任务ts(1≤s≤S),Js,m表示ts是否部署到第m个朵云clm上执行,计算表达式为:
其中,1表示计算任务ts的最终调度策略为部署到第m个朵云clm上执行;0表示不部署。
rm表示clm的资源使用率,计算表达式为:
其中us表示执行ts所需的虚拟机的数量,clm上的虚拟机数量为vm。
在调度计算任务时,有的朵云上没有计算任务执行,因此,在计算朵云的平均资源使用率时,对这些朵云不予考虑。用Fm表示clm是否处于工作状态,计算表达式为
其中,1表示clm处于工作状态,0表示不处于工作状态。
处于工作状态朵云的数量记为NUM,计算表达式为:
因此朵云的平均资源使用率记为AVG,计算表达式为:
所有处于工作状态的朵云的平均资源使用率偏差为A,计算表达式为:
其中,Δrm表示朵云clm的资源使用率偏差,计算表达式为:
Δrm=|rm-AVG|.
在计算任务迁移的过程中,会产生一定的延迟,包括从移动终端到朵云上的延迟,朵云和接入点之间的延迟,接入点和接入点之间的延迟。移动终端通过局域网和朵云相连,由于局域网的带宽较大,因此,移动终端到朵云的计算迁移时间忽略不计。为了方便计算,我们规定各接入点之间的带宽相等,接入点和朵云之间的带宽相等。
初始状态时,某个朵云覆盖范围内的计算任务均部署到其上执行。但是如果部署在同一朵云上的计算任务之间有数据冲突,或者朵云的资源不足以执行所有的计算任务(即虚拟机数量不够),或者如果根据初始的迁移策略,迁移到一个朵云上的计算任务执行所需要的虚拟机数量之和大于该朵云的总虚拟机数量,朵云将迁移相应的计算任务至其它朵云上执行,即对于clm,满足如下表达式:
计算ts在朵云和接入点之间传输的延迟ITs,计算表达式为:
其中,lpa表示朵云与接入点之间的数据传输速率;OTs表示ts在接入点之间传输的延迟,计算表达式为:
其中,laa表示接入点之间数据传输速率。
对于任务ts,其传输时间记为ETs,计算表达式为:
则平均传输时间T,计算表达式为
本发明采用了使所有处于工作状态的朵云的平均资源使用率偏差A最小,同时使迁移的时间最小,即形式化表示为一个多目标优化问题:
步骤5,通过标准化和归一化方法,评估每一调度策略的效用值,选取最优的调度策略。
使用Min-Max Normalization方法对调度策略下的目标函数值进行标准化处理,然后通过SAW(Simple Additive Weighting,简单加权法)对标准化后的目标函数值进行归一化处理,得到每一个调度策略的效用值。选取最大的效用值对应的调度策略,即为最优策略。
本发明中的思想为:获取无线城域网中的计算任务的资源请求信息以及朵云的部署情况;然后分析计算任务之间的计算数据冲突问题,对有隐私泄露风险的计算任务进行重新调度;其次,考察每一调度策略下的朵云的负载均衡和计算任务的平均迁移时间;最后通过标准化和归一化的处理,评估调度策略。
与现有技术相比,本发明的有益效果体现在:
(1)计算任务的调度策略随着计算任务的不同而实时改变,以适应实际环境中计算任务的产生情况。
(2)在提高朵云负载均衡的同时,减少计算任务的迁移延迟,使边计算的服务性能达到最优。
(3)考虑用户的隐私保护问题,不同于加密的方法,能够减少隐私泄露的风险。
附图说明
图1是本发明步骤流程图;
图2是本发明实例图。
具体实施方式
下面结合附图对本发明作具体说明。应该指出,所描述的实施例仅是为了把本发明的理念解释清楚,而不是本发明范围的限制。
本发明公开了一种无线城域网环境下兼顾隐私保护的计算迁移方法,该方法步骤流程图如图1所示,包括以下步骤:
步骤1,获取无线城域网环境下的计算任务信息,以及朵云和接入点的部署情况。
有M个朵云部署在某一无线城域网中,表示为CL={cl1,cl2,…,clM},clm表示第m个朵云clm(1≤m≤M)。每一个朵云上部署一个物理机,朵云的资源用虚拟机的数量来衡量,clm上的虚拟机数量为vm。朵云之间通过接入点互相联系以实现通信,接入点表示为AP={ap1,ap2,…,apN},为方便朵云之间的通信,接入点的数量大于朵云的数量,即N≥M。
在无线城域网中,有S个计算任务需要执行,表示为T={t1,t2,…,tS},对于计算任务ts(1≤s≤S),其可以用一个四元组表示为,ts=(cs,cs’,us,ds)。其中,cs和cs’分别表示ts的初始调度策略和最终调度策略,cs,cs’∈CL;us表示执行ts所需的虚拟机的数量;ds表示ts包含的数据量。C={c1’,c2’,…,cS’}表示所有计算任务的调度策略。
步骤2,根据朵云的计算任务信息,确定各计算任务之间是否有数据冲突关系。
计算任务中的数据包含了用户的信息,但是,单一的计算任务在朵云上执行可能并不会对用户的隐私产生威胁,因为单一的计算任务仅包含用户非常有限的信息,缺乏完整性。但如果含有同一用户信息的若干计算任务均在部署到同一朵云上时,该用户的隐私被泄露的可能性就极大地增加了。因此有信息冲突的计算任务需要被调度到不同的朵云上执行。
用一个无向无环图G=(T,E)表示计算任务之间的冲突关系。其中,T为计算任务的集合,E表示了计算任务间的冲突关系。如果(tk,tj)∈E,则表示tk和tj两个任务中的数据有冲突。则tk需要重新调度到其他的朵云上执行,这时ck≠ck’。
步骤3,使用Dijkstra算法为需要重新调度的计算任务选择最短迁移路径。
当有数据冲突问题的计算任务部署到同一朵云上执行时,或者部署到同一朵云上执行的计算任务所需的资源量超过朵云的总资源时,计算任务需要重现调度到其他朵云上执行。由于朵云通过接入点相互通信,因此迁移的时间和起始朵云到目标朵云之间的接入点的数量有关。使用Dijkstra算法寻找这样的路径,即包含最少的接入点。
步骤4,评估每一调度策略下的朵云的负载均衡和计算任务的平均迁移延迟。
根据步骤1至3,将计算任务调度到相应的朵云上执行。在执行任务的过程中,朵云的负载均衡,和计算任务的传输延迟不断改变,而这两者又是衡量边缘计算服务的重要指标,因此本发明寻求最优的调度策略,使朵云的负载均衡最优,同时最小化计算任务的迁移时间。
对于计算任务ts(1≤s≤S),用一个二进制数Js,m表示ts是否部署到clm上执行,计算表达式为
rm表示clm的资源使用率,计算表达式为:
在调度计算任务时,有的朵云上没有计算任务执行,因此,在计算朵云的平均资源使用率时,对这些朵云不予考虑。用Fm表示clm是否处于工作状态,计算表达式为“
处于工作状态朵云的数量记为NUM,计算表达式为:
因此朵云的平均资源使用率记为AVG,计算表达式为:
所有处于工作状态的朵云的平均资源使用率偏差为A,计算表达式为:
在计算任务迁移的过程中,会产生一定的延迟,包括从移动终端到朵云上的延迟,朵云和接入点之间的延迟,接入点和接入点之间的延迟。移动终端通过局域网和朵云相连,由于局域网的带宽较大,因此,移动终端到朵云的计算迁移时间忽略不计。为了方便计算,我们规定各接入点之间的带宽相等,接入点和朵云之间的带宽相等。
初始状态时,某个朵云覆盖范围内的计算任务均部署到其上执行。但是如果部署在同一朵云上的计算任务之间有数据冲突,或者朵云的资源不足以执行所有的计算任务(即虚拟机数量不够),朵云将迁移相应的计算任务至其它朵云上执行。
对于任务ts,其传输时间记为ETs,计算表达式为:
则平均传输时间T,计算表达式为:
本发明采用使负载最大化为最优均衡,同时使迁移的时间最小,即形式化表示为一个多目标优化问题:
步骤5,通过标准化和归一化方法,评估每一策略的效用值,选取最优的调度策略。
使用Min-Max Normalization方法对调度策略下的目标函数值进行标准化处理,然后通过SAW(Simple Additive Weighting,简单加权法)对标准化后的目标函数值进行归一化处理,得到每一个调度策略的效用值。
目标函数A的标准化处理为:
其中,Amax,Amin分别表示所有的调度策略中的资源使用率平均偏差的最大值和最小值。
同理,对目标函数T标准化处理:
其中,Tmax,Tmin分别表示所有调度策略中的迁移时间的最大值最小值。
根据SAW,目标函数归一化为:
U(C)=w1·UA+w2·UT(w1+w2=1),
其中,w1和w2分别表示A和T的权重。
则步骤4中的多目标优化问题转换为:
max U(C).
s.t.w1+w2=1.
因此,效用值最大的策略即为最优的调度策略,能在迁移时间和负载均衡之间达到最大的平衡。
实施例
本实施例模拟无线城域网中计算任务的动态调度。
如图2所示,在实验中,我们考虑6个计算任务,3个朵云,9个接入点的情况,即CL={cl1,cl2,cl3},AP={ap1,ap2,…,ap9},T={t1,t2,…,t6}。其中,每个朵云的虚拟机个数均为10。各计算任务的信息如表1所示。
表1计算任务信息
由表1可知,t1和t2之间存在数据冲突,t3和t5之间存在数据冲突,t4和t5执行所需的资源超过cl2可以提供的资源,因此为了使任务顺利执行,并且保护用户的隐私,需要对初始的任务调度策略进行修改。
如果t2仍然在cl1上执行,则t1需要重新调度,可以迁移至cl2或cl3执行。当t1迁移到cl2上执行时,由于此时t1,t4,t5所需的计算资源大于cl2可以提供的资源,因此,需要把t4或t5迁移到其他的朵云上执行,由于此时cl1和cl3的空闲资源均为5,所以t5可以迁移到cl1或cl3上执行,但是,另一方面t3和t5有数据冲突,所以t5不能迁移到cl1上执行,只能迁移到cl3上执行,此为一种计算任务的动态调度策略。相似地,可以得出共有7种动态调度策略,如表2所示。
表2计算任务的动态调度策略
编号 | 说明 |
1 | t<sub>1</sub>迁移到cl<sub>2</sub>,t<sub>5</sub>迁移到cl<sub>3</sub>,其他任务调度方式不变 |
2 | t<sub>2</sub>迁移到cl<sub>2</sub>,t<sub>4</sub>迁移到cl<sub>1</sub>,其他任务调度方式不变 |
3 | t<sub>2</sub>迁移到cl<sub>2</sub>,t<sub>5</sub>迁移到cl<sub>3</sub>,其他任务调度方式不变 |
4 | t<sub>2</sub>迁移到cl<sub>2</sub>,t<sub>4</sub>迁移到cl<sub>1</sub>,t<sub>5</sub>迁移到cl<sub>3</sub>,其他任务调度方式不变 |
5 | t<sub>2</sub>迁移到cl<sub>3</sub>,t<sub>4</sub>迁移到cl<sub>1</sub>,其他任务调度方式不变 |
6 | t<sub>1</sub>迁移到cl<sub>2</sub>,t<sub>2</sub>迁移到cl<sub>3</sub>,t<sub>4</sub>迁移到cl<sub>1</sub>,其他任务调度方式不变 |
7 | t<sub>1</sub>迁移到cl<sub>3</sub>,t<sub>2</sub>迁移到cl<sub>2</sub>,t<sub>4</sub>迁移到cl<sub>1</sub>,其他任务调度方式不变 |
考察每一个调度策略下朵云的平均资源使用率偏差和计算任务的平均传输延迟,相关的参数值设置如表3所示。
表3参数值设置
参数 | 值 |
每个朵云的虚拟机个数 | 10 |
朵云与接入点之间的传输速率/l<sub>pa</sub> | 1200Mbps |
接入点之间的传输速率/l<sub>aa</sub> | 600Mbps |
根据步骤4,计算得出每一个调度策略下的平均资源使用率偏差和平均传输延迟。并根据步骤5评估调度策略,如表4所示。
表4调度策略评估
由表4可知,调度策略1的效用值最大,即在保护用户隐私前提下能最大程度上提高朵云的负载均衡,减少计算任务的迁移延迟。因此最优的调度策略为:t2和t3在cl1上执行,t1和t4在cl2上执行,t5和t6在cl3上执行。其中,t1的迁移策略为cl1→ap3→ap6→cl2,t5的迁移策略为cl2→ap7→cl3。
Claims (5)
1.一种无线城域网环境下兼顾隐私保护的计算迁移方法,其特征在于,该方法包括以下步骤:
(1)获取无线城域网环境下的计算任务信息,以及朵云的部署情况;
(2)根据计算任务信息,判断各计算任务之间是否存在隐私冲突问题;
(3)根据Dijkstra算法决策所需要重新调度的任务的最短路径;
(4)计算每一种调度策略下的朵云的负载均衡性能和计算任务的平均传输时间T;
(5)通过标准化和归一化方法,评估每一调度策略的效用值,选取并依据最优的调度策略进行调度。
2.根据权利要求1所述的无线城域网环境下兼顾隐私保护的计算迁移方法,其特征在于,步骤(1)中,所述部署情况为:在某一无线城域网中部署有M个朵云CL={cl1,cl2,…,clM},第m个朵云clm上配置一个物理机和vm个虚拟机,1≤m≤M;朵云之间通过接入点互相联系以实现通信,所述接入点表示为AP={ap1,ap2,…,apN},apn表示第n个接入点,1≤n≤N,其中,N≥M;
在无线城域网中,有S个计算任务需要被朵云执行,计算任务表示为T={t1,t2,…,tS},其中ts为第s个计算任务,ts=(cs,cs’,us,ds),1≤s≤S;其中,cs和cs’分别表示ts的初始调度策略和最终调度策略,cs,cs’∈CL;us表示执行ts所需的虚拟机的数量;ds表示ts包含的数据量;C={c1’,c2’,…,cS’}表示所有计算任务的调度策略。
3.根据权利要求2所述的无线城域网环境下兼顾隐私保护的计算迁移方法,其特征在于,所述步骤(2)包括:
(21)计算任务之间的冲突关系,并绘制无向无环图G=(T,E);其中,T为计算任务的集合,E表示了计算任务间的冲突关系;
(22)当(ti,ts)∈E,i≠s时,则ti和ts两个任务中的数据有冲突,进入步骤(23);否则,表示两个任务没有数据冲突,则两个任务均按其初始调度策略迁移到相应的朵云上执行,ci=ci’,cs=cs’;
(23)如果tk∈CFs,且ck=cs,则tk需要重新调度到其他朵云上执行,ck≠ck’;其中,CFs表示与计算任务ts有冲突的任务的集合,如下计算表达式:
CFs={ti|(ti,ts)∈E,1≤i≤S,i≠s}。
4.根据权利要求2所述的无线城域网环境下兼顾隐私保护的计算迁移方法,其特征在于,所述步骤(4)包括:
(401)对于计算任务ts,1≤s≤S,用一个二进制数Js,m判断ts是否部署到第m个朵云clm上执行,Js,m计算表达式为:
其中,1表示计算任务ts的最终调度策略为部署到第m个朵云clm上执行;0表示不部署;
(402)计算clm的资源使用率rm,其计算表达式为:
(403)根据如下Fm表达式判断clm是否处于工作状态:
其中,1表示clm处于工作状态,0表示不处于工作状态;
(404)计算处于工作状态朵云的数量NUM,其计算表达式为:
(405)计算朵云的平均资源使用率AVG,其计算表达式为:
(406)计算所有处于工作状态的朵云的平均资源使用率偏差A,其计算表达式为:
其中,Δrm表示朵云clm的资源使用率偏差,计算表达式为:
△rm=|rm-AVG|
(407)初始状态时,某个朵云覆盖范围内的计算任务均部署到其上执行;但是如果部署在同一朵云上的计算任务之间有冲突,或者朵云的资源不足以执行所有的计算任务,或者如果根据初始的迁移策略,迁移到一个朵云上的计算任务执行所需要的虚拟机数量之和大于该朵云的总虚拟机数量,即对于clm,满足如下表达式时,
朵云将迁移相应的计算任务至其它朵云上执行;
(408)计算ts在朵云和接入点之间传输的延迟ITs,计算表达式为:
其中,lpa表示朵云与接入点之间的数据传输速率;OTs表示ts在接入点之间传输的延迟,计算表达式为:
其中,laa表示接入点之间数据传输速率;
(409)计算任务ts的传输时间ETs,计算表达式为:
(410)计算所有计算任务的平均传输时间T:
5.根据权利要求1所述的无线城域网环境下兼顾隐私保护的计算迁移方法,其特征在于,步骤(5)包括以下步骤:
(52)对A进行标准化处理:
其中,Amax,Amin分别表示所有的调度策略中的资源使用率平均偏差的最大值和最小值;
(53)对T进行标准化处理:
其中,Tmax,Tmin分别表示所有调度策略中的迁移时间的最大值最小值;
(54)根据简单加权法SAW,将目标函数归一化后得到最优的调度策略:
U(C)=w1·UA+w2·UT(w1+w2=1),
max U(C)
s.t.w1+w2=1
其中,w1和w2分别表示A和T的权重;
(55)依据最优的调度策略对计算任务进行调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015123.1A CN110753117B (zh) | 2019-10-24 | 2019-10-24 | 一种无线城域网环境下兼顾隐私保护的计算迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015123.1A CN110753117B (zh) | 2019-10-24 | 2019-10-24 | 一种无线城域网环境下兼顾隐私保护的计算迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110753117A CN110753117A (zh) | 2020-02-04 |
CN110753117B true CN110753117B (zh) | 2022-03-04 |
Family
ID=69279620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911015123.1A Active CN110753117B (zh) | 2019-10-24 | 2019-10-24 | 一种无线城域网环境下兼顾隐私保护的计算迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110753117B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112231085B (zh) * | 2020-10-21 | 2023-06-13 | 中国电子科技集团公司第二十八研究所 | 一种协同环境下基于时间感知的移动终端任务迁移方法 |
CN115080251B (zh) * | 2022-08-23 | 2022-11-15 | 广州市宏方网络科技有限公司 | 一种基于云迁移平台的档案数据安全管理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107919986A (zh) * | 2017-11-09 | 2018-04-17 | 北京邮电大学 | 超密集网络中mec节点间vm迁移优化方法 |
CN108319359A (zh) * | 2017-12-29 | 2018-07-24 | 华中科技大学 | 一种基于微云的能耗优化方法 |
CN109005211A (zh) * | 2018-06-29 | 2018-12-14 | 福建师范大学 | 一种无线城域网环境下的微云部署及用户任务调度方法 |
CN109639833A (zh) * | 2019-01-25 | 2019-04-16 | 福建师范大学 | 一种基于无线城域网微云负载均衡的任务调度方法 |
-
2019
- 2019-10-24 CN CN201911015123.1A patent/CN110753117B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107919986A (zh) * | 2017-11-09 | 2018-04-17 | 北京邮电大学 | 超密集网络中mec节点间vm迁移优化方法 |
CN108319359A (zh) * | 2017-12-29 | 2018-07-24 | 华中科技大学 | 一种基于微云的能耗优化方法 |
CN109005211A (zh) * | 2018-06-29 | 2018-12-14 | 福建师范大学 | 一种无线城域网环境下的微云部署及用户任务调度方法 |
CN109639833A (zh) * | 2019-01-25 | 2019-04-16 | 福建师范大学 | 一种基于无线城域网微云负载均衡的任务调度方法 |
Non-Patent Citations (1)
Title |
---|
基于综合信任的边缘计算资源协同研究;邓晓衡等;《计算机研究与发展》;20180331;第55卷(第3期);P449-470 * |
Also Published As
Publication number | Publication date |
---|---|
CN110753117A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022095620A1 (zh) | 一种基于智能电网的异构网络接入选择方法及相关设备 | |
CN108495341B (zh) | 一种基于流向预测的资源预留方法及***、移动通信*** | |
CN111817974B (zh) | 基于令牌桶的接口限流方法、装置、***及可读存储介质 | |
CN110505650B (zh) | 随机异构分层网容量智能评估方法及装置 | |
CN110753117B (zh) | 一种无线城域网环境下兼顾隐私保护的计算迁移方法 | |
Rodriguez-Colina | Multiple attribute dynamic spectrum decision making for cognitive radio networks | |
CN116126130A (zh) | 一种可信边缘服务器的选择与能耗优化的任务卸载方法 | |
Badri et al. | A sample average approximation-based parallel algorithm for application placement in edge computing systems | |
Banerjee et al. | Game theoretic conflict resolution mechanism for cognitive autonomous networks | |
CN114297041A (zh) | 网络异构计算平台测试方法、装置和计算机设备 | |
CN111131447A (zh) | 一种基于中介节点任务分配的负载均衡方法 | |
CN105471770B (zh) | 一种基于多核处理器的报文处理方法及装置 | |
CN113259175B (zh) | 一种边缘计算环境下的安全服务与功能服务联合编排方法 | |
CN112437469B (zh) | 服务质量保障方法、装置和计算机可读存储介质 | |
CN116437341A (zh) | 一种移动区块链网络的计算卸载与隐私保护联合优化方法 | |
Ray et al. | Trace-driven modeling and verification of a mobility-aware service allocation and migration policy for mobile edge computing | |
CN111124439A (zh) | 一种云边协同的智能动态卸载算法 | |
CN111159768A (zh) | 社交网络链接隐私保护效果的评价方法 | |
KR20120070771A (ko) | 정량적 보안 정책 평가 장치 및 방법 | |
CN116055495A (zh) | 基于综合信任的边缘计算资源协同的方法 | |
Farimani et al. | Reallocation of virtual machines to cloud data centers to reduce service level agreement violation and energy consumption using the FMT method | |
CN109918366B (zh) | 一种基于大数据的数据安全处理方法 | |
Kranakis et al. | Sensor allocation problems on the real line | |
Long et al. | A Dynamic Trust Management Mechanism in Distributed CRNs | |
Yucel et al. | Joint optimization of system and user oriented task assignment in mobile crowdsensing |
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 |
Effective date of registration: 20221101 Address after: 210000 C, 8 floor, Tak Kei Building, 188 Changjiang Road, Xuanwu District, Nanjing, Jiangsu. Patentee after: NANJING SHENYE INTELLIGENT SYSTEM ENGINEERING Co.,Ltd. Address before: 210044 No. 219 Ning six road, Jiangbei new district, Nanjing, Jiangsu Patentee before: Nanjing University of Information Science and Technology |
|
TR01 | Transfer of patent right |