CN110780986A - 一种基于移动边缘计算的物联网任务调度方法及*** - Google Patents

一种基于移动边缘计算的物联网任务调度方法及*** Download PDF

Info

Publication number
CN110780986A
CN110780986A CN201910960277.1A CN201910960277A CN110780986A CN 110780986 A CN110780986 A CN 110780986A CN 201910960277 A CN201910960277 A CN 201910960277A CN 110780986 A CN110780986 A CN 110780986A
Authority
CN
China
Prior art keywords
internet
things
terminal
task
unloading
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
Application number
CN201910960277.1A
Other languages
English (en)
Other versions
CN110780986B (zh
Inventor
陈莹
张永超
陈昕
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 Information Science and Technology University
Original Assignee
Beijing Information Science and Technology University
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 Information Science and Technology University filed Critical Beijing Information Science and Technology University
Priority to CN201910960277.1A priority Critical patent/CN110780986B/zh
Publication of CN110780986A publication Critical patent/CN110780986A/zh
Application granted granted Critical
Publication of CN110780986B publication Critical patent/CN110780986B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • 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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/509—Offload
    • 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
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供一种基于移动边缘计算的物联网任务调度方法及***，该方法包括：根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值；将每个物联网终端按照所述单位价值进行降序排列，得到降序排列后的物联网终端，并根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端；根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度。本发明实施例降低了物联网终端的能耗和移动边缘计算的任务卸载复杂度，提高了任务卸载的效率。

Description

一种基于移动边缘计算的物联网任务调度方法及***
技术领域
本发明涉及物联网技术领域，尤其涉及一种基于移动边缘计算的物联网任务调度方法及***。
背景技术
随着物联网的蓬勃发展，在物联网终端上运行的计算密集型应用程序越来越多。这些计算密集型应用程序通常需要强大的计算能力，通过物联网终端对这些应用程序进行本地处理，需要很高的能耗，同时，物联网终端的计算能力和电池容量也是有限的。为了应对这一问题，可以将计算任务从物联网终端转移到具有强大计算处理能力的云计算上，但是，云计算也存在固有的局限性，即从用户终端到远程云中心服务器的传播距离很长，导致应用程序的延迟时间过长。
移动边缘计算(Mobile Edge Computing，简称MEC)作为一种新兴的计算技术，被引入网络边缘提供计算服务，通过获取大量分布在网络边缘的闲置计算能力和存储空间来产生足够的容量，用于在移动终端或物联网终端上执行计算密集型和等待时间敏感型任务。与传统远离物联网终端的云计算不同，移动边缘计算可以部署在无线接入点，例如，运营商基站，从而可以降低核心网络的流量和服务延迟。通过将任务卸载到移动边缘计算，物联网终端可以获得更好的计算服务，延长电池寿命。
然而，从物联网终端向移动边缘进行计算任务卸载时，会产生很高的能耗，这些能耗在整个***的总能耗中占相当大的比例。在物联网中，无线信道状态对每个终端的传输能耗影响很大，当信道条件较好时，则传输速率越高，传输数据所需时间就越短，传输能耗也就越低。相反，当信道条件较差时，传输相同数量的数据则需要消耗更多的能量。因此，可通过延迟任务卸载，直到无线信道变得更好之后，再进行任务卸载，从而降低物联网终端的传输能耗。但是，在对任务卸载延迟的同时，物联网终端的队列长度将变得很大，甚至不稳定的，目前还没有一种有效的方法来解决该问题。因此，现在亟需一种基于移动边缘计算的物联网任务调度方法及***来解决上述问题。
发明内容
针对现有技术存在的问题，本发明实施例提供一种基于移动边缘计算的物联网任务调度方法及***。
第一方面，本发明实施例提供了一种基于移动边缘计算的物联网任务调度方法，包括：
根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值；
将每个物联网终端按照所述单位价值进行降序排列，得到降序排列后的物联网终端，并根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端；
根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度。
进一步地，所述根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值，包括：
根据每个物联网终端的任务卸载速率和任务积压量，获取每个物联网终端的最大卸载时间槽和单位价值，所述最大卸载时间槽的公式为：
Ti(t)＝min{Qi(t)/Ri(t),τ}；
其中，Ti(t)表示第i个物联网终端t时刻的最大卸载时间槽，Qi(t)表示第i个物联网终端t时刻的任务积压量，Ri(t)表示第i个物联网终端t时刻的任务卸载速率，τ表示总时槽长度；
所述单位价值的公式为：
ωi(t)＝Qi(t)Ri(t)-VPi；
其中，ωi(t)表示第i个物联网终端t时刻的单位价值，V表示能量消耗和任务积压量之间的权衡因子，Pi表示第i个物联网终端的传输功率。
进一步地，在所述根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值之前，所述方法还包括：
根据上一时刻物联网终端的任务积压量、任务卸载量和任务到达量，获取当前时刻物联网终端的任务积压量，公式为：
Qi(t)＝max{Qi(t-1)-Di(t-1),0}+Ai(t-1)；
其中，Qi(t-1)表示第i个物联网终端t－1时刻的任务积压量，Di(t-1)表示第i个物联网终端t－1时刻的任务卸载量，Ai(t-1)表示第i个物联网终端t－1时刻的任务到达量，t－1表示t时刻的上一时刻。
进一步地，所述根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端，包括：
根据所述最大卸载时间槽和所述单位价值，获取降序排列后的每个物联网终端的中断指标，并根据所述中断指标，获取降序排列后的物联网终端中的中断终端，所述中断指标的公式为：
χ＝min{χ1,χ2}；
Figure BDA0002228685210000031
Figure BDA0002228685210000032
其中，χ为中断指标，表示降序排列后的物联网终端中第χ个物联网终端为中断终端，χ1表示进行卸载任务的物联网终端的最大数量，χ2表示单位价值大于0的物联网终端数量；Ti(t)表示第i个物联网终端t时刻的最大卸载时间槽，S(t)表示t时刻时上行子信道的可用数量，ωi(t)表示第i个物联网终端t时刻的单位价值，j表示1至i的自然数，τ表示总时槽长度。
进一步地，所述根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度，包括：
根据所述中断终端的排序位置，得到降序排列后的每个物联网终端的卸载时间，卸载时间公式为：
Figure BDA0002228685210000041
其中，ki *(t)表示第i个物联网终端的卸载时间，Ti(t)表示第i个物联网终端t时刻的最大卸载时间槽，S(t)表示t时刻时上行子信道的可用数量，Tχ(t)表示中断终端χ在t时刻的最大卸载时间；χ为中断指标，表示降序排列后的物联网终端中第χ个物联网终端为中断终端；
根据降序排列后的其他物联网终端和所述中断终端的位置关系，获取每个每个物联网终端对应的卸载时间，以对降序排列后的物联网终端进行任务调度。
第二方面，本发明实施例提供了一种基于移动边缘计算的物联网任务调度***，包括：
第一处理模块，用于根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值；
第二处理模块，用于将每个物联网终端按照所述单位价值进行降序排列，得到降序排列后的物联网终端，并根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端；
任务调度模块，用于根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种基于移动边缘计算的物联网任务调度方法及***，通过为物联网终端的任务分配最大卸载时间槽，在保证卸载队列长度的同时，获取最小任务卸载能耗下对应的卸载时间，从而对物联网任务进行调度，降低了物联网终端的能耗和移动边缘计算的任务卸载复杂度，提高了任务卸载的效率。
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一简单地介绍，显而易见地，下面描述中的附图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基于移动边缘计算的物联网任务调度方法的流程示意图；
图2为本发明实施例提供的基于移动边缘计算的物联网任务调度***的结构示意图；
图3为本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
从物联网终端向移动边缘进行计算任务卸载时，会产生很高的能耗，这些能耗在整个***的总能耗中占相当大的比例。在物联网中，无线信道状态对每个终端的传输能耗影响很大，当信道条件较好时，则传输速率越高，传输数据所需时间就越短，传输能耗也就越低。相反，当信道条件较差时，传输相同数量的数据则需要消耗更多的能量。由于无线信道的质量是动态的，且随时间变化的，它不仅受到物联网终端位置的影响，还受到网络拥塞和衰落等其他因素的影响，并且，时变信道状态在实际应用中也很难准确预测。此外，每个物联网终端的任务到达过程也很难获得。因此，本发明实施例主要针对物联网终端在移动边缘计算中的节能动态任务卸载问题，提供了一种基于移动边缘计算的物联网任务调度方法及***。
在物联网体系下，所有物体都可能成为数据源，导致网络中需要通过计算进行处理的数据呈指数增长，如果将所有的数据都上传到云端的数据处理中心进行计算，在反馈计算结果到用户终端，将会导致海量的通信开销，而且会产生较大的延时。
移动边缘计算，通过在靠近数据源头和用户的网络边缘设置一些边缘计算节点，移动边缘计算节点负责对本地产生的数据实施计算处理，当移动边缘计算节点无法完成所需要的计算，就会将计算任务以及计算涉及到的本地源数据上传给云计算中心，由云计算中心执行计算。现有的移动边缘计算服务器可根据实际部署要求，部署位置可以有多种，可直接在基站部署移动边缘计算服务器，也可以在小区聚合站点处或者企业场景聚合站点处进行部署。
图1为本发明实施例提供的基于移动边缘计算的物联网任务调度方法的流程示意图，如图1所示，本发明实施例提供了一种基于移动边缘计算的物联网任务调度方法，包括：
步骤101，根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值。
在本发明实施例中，移动边缘计算服务器设置在物联网终端附近的基站中，为该基站周围n个物联网终端提供服务。物联网终端通过无线信道接入移动边缘计算服务器，并将计算密集型任务卸载到移动边缘计算服务器中进行处理。
进一步地，在本发明实施例中，在所述根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值之前，所述方法还包括：
根据上一时刻物联网终端的任务积压量、任务卸载量和任务到达量，获取当前时刻物联网终端的任务积压量。具体地，获取当前时刻下，移动边缘计算服务器覆盖服务范围内每一个物联网终端的队列积压函数，公式为：
Qi(t)＝max{Qi(t-1)-Di(t-1),0}+Ai(t-1)；
其中，Qi(t-1)表示第i个物联网终端t－1时刻的任务积压量，即任务缓冲区在该物联网终端处的队列积压量；Di(t-1)表示第i个物联网终端t－1时刻的任务卸载量，即该物联网终端在t－1时刻能够卸载的任务量，Di(t-1)为物联网任务调度策略的决策变量；Ai(t-1)表示第i个物联网终端t－1时刻的任务到达量，单位为bit，可以理解的是，在每个物联网终端之间，任务到达量可以是不同的；t－1表示t时刻的上一时刻。需要说明的是，在本发明实施例中，为了保证剩余计算卸载任务量的非负性，当任务卸载量大于任务积压量时，剩余任务量取0。
进一步地，在获取到当前时刻物联网终端的任务积压量之后，在本发明实施例中，所述根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值，具体包括：
根据每个物联网终端的任务卸载速率和任务积压量，获取每个物联网终端的最大卸载时间槽和单位价值，所述最大卸载时间槽的公式为：
Ti(t)＝min{Qi(t)/Ri(t),τ}；
其中，Ti(t)表示第i个物联网终端t时刻的最大卸载时间槽；Qi(t)表示第i个物联网终端t时刻的任务积压量；Ri(t)表示第i个物联网终端t时刻的任务卸载速率，单位为bit/s；τ表示总时槽长度；
所述单位价值的公式为：
ωi(t)＝Qi(t)Ri(t)-VPi；
其中，ωi(t)表示第i个物联网终端t时刻的单位价值，V表示能量消耗和任务积压量之间的权衡因子，Pi表示第i个物联网终端的传输功率。其中，权衡因子V越大，表示能量消耗所占的权重更多，算法更倾向于减少能量消耗；V越小，表示任务积压量所占的权重更多，算法更倾向于减少任务积压量。
步骤102，将每个物联网终端按照所述单位价值进行降序排列，得到降序排列后的物联网终端，并根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端。
在本发明实施例中，根据所述最大卸载时间槽和所述单位价值，获取降序排列后的每个物联网终端的中断指标，并根据所述中断指标，获取降序排列后的物联网终端中的中断终端，所述中断指标的公式为：
χ＝min{χ1,χ2}；
Figure BDA0002228685210000081
Figure BDA0002228685210000082
其中，χ为中断指标，表示降序排列后的物联网终端中第x个物联网终端为中断终端，χ1表示进行卸载任务的物联网终端的最大数量，χ2表示单位价值大于0的物联网终端数量；Ti(t)表示第i个物联网终端t时刻的最大卸载时间槽；S(t)表示t时刻时上行子信道的可用数量，需要说明的是，在本发明实施例中，上行子信道的空闲信道数量或者低负载信道数量均可表示为上行子信道的可用数量；ωi(t)表示第i个物联网终端t时刻的单位价值，j表示1至i的自然数，τ表示总时槽长度。
步骤103，根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度。
在本发明实施例中，根据所述中断终端的排序位置，得到降序排列后的每个物联网终端的卸载时间，卸载时间公式为：
其中，ki *(t)表示第i个物联网终端的卸载时间，Ti(t)表示第i个物联网终端t时刻的最大卸载时间槽，S(t)表示t时刻时上行子信道的可用数量，Tχ(t)表示中断终端x在t时刻的最大卸载时间；χ为中断指标，表示降序排列后的物联网终端中第χ个物联网终端为中断终端。
根据降序排列后的其他物联网终端和所述中断终端的位置关系，获取每个物联网终端对应的卸载时间，以对降序排列后的物联网终端进行任务调度。具体地，在本发明实施例中，在t时刻，所有物联网终端的卸载时间槽的总时长是固定的，无法满足所有任务的卸载需求，因此，需要通过中断指标确定在降序排列后的物联网终端中，依次对每个物联网终端进行任务调度，当总时长分配完毕时，将卸载时间分配完毕的物联网终端作为中断终端χ，即第χ-1物联网终端按照最大卸载时间槽(即Tχ-1(t))分配完后，总时长可能还存在剩余；当分配第χ个设备时，可分配的卸载时长小于或等于Tχ(t)；但再分配第χ+1物联网终端时，总时长已分配完，没有剩余的时长再进行分配，因此，将第χ个物联网终端作为中断终端。在本发明一实施例中，对降序排列后的物联网终端的卸载时间进行说明，具体为：需要对四个物联网终端进行任务调度，总卸载时长s(t)τ＝5；首先获取每个物联网终端的最大卸载时间槽，得到第一物联网终端的最大卸载时间槽T1(t)＝3，第二物联网终端的最大卸载时间槽T2(t)＝2，第三物联网终端的最大卸载时间槽T3(t)＝1，第四物联网终端的最大卸载时间槽T4(t)＝2；然后，计算每个物联网终端单位价值，得到第一物联网终端的单位价值ω1(t)＝1，第二物联网终端的单位价值ω2(t)＝0.1，第三物联网终端的单位价值ω3(t)＝0.5，第四物联网终端的单位价值ω4(t)＝0.2；进一步地，根据每个物联网终端单位价值进行降序排列，排列顺序依次为第一物联网终端、第二物联网终端、第三物联网终端和第四物联网终端；最后，根据中断指标得到中断终端为第三物联网终端，即χ＝3，并计算每个物联网终端的卸载时间，根据卸载时间公式可知，第一和第二物联网终端排在第三物联网终端前面，卸载时间分别为
Figure BDA0002228685210000091
对于第三物联网终端，卸载时间为
Figure BDA0002228685210000092
第四物联网终端排列在第三物联网终端之后，因此，第四物联网终端的卸载时间为
Figure BDA0002228685210000093
在上述实施例的基础上，对于每个物联网终端，其传输能耗取决于传输功率和卸载时间，因此，根据每个物联网终端的传输功率和卸载时间，获取所有物联网终端的传输总能量，公式为：
Figure BDA0002228685210000094
其中，e(t)表示t时刻的物联网终端的传输总能量，Pi表示第i个物联网终端的传输功率，ki(t)表示第i个物联网终端的卸载时间，n表示共有n个物联网终端。
进一步地，在满足物联网终端任务卸载的平均队列长度的预设条件下，最小化任务卸载的总能耗，即获取所有物联网终端的最小传输总能量，从而实现物联网终端的任务调度。
本发明实施例提供的一种基于移动边缘计算的物联网任务调度方法，通过为物联网终端的任务分配最大卸载时间槽，在保证卸载队列长度的同时，获取最小任务卸载能耗下对应的卸载时间，从而对物联网任务进行调度，降低了物联网终端的能耗和移动边缘计算的任务卸载复杂度，提高了任务卸载的效率。
图2为本发明实施例提供的基于移动边缘计算的物联网任务调度***的结构示意图，如图2所示，本发明实施例提供了一种基于移动边缘计算的物联网任务调度***，包括第一处理模块201、第二处理模块202和任务调度模块203，其中，第一处理模块201用于根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值；第二处理模块202用于将每个物联网终端按照所述单位价值进行降序排列，得到降序排列后的物联网终端，并根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端；任务调度模块203用于根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度。
本发明实施例提供的一种基于移动边缘计算的物联网任务调度***，通过为物联网终端的任务分配最大卸载时间槽，在保证卸载队列长度的同时，获取最小任务卸载能耗下对应的卸载时间，从而对物联网任务进行调度，降低了物联网终端的能耗和移动边缘计算的任务卸载复杂度，提高了任务卸载的效率。
本发明实施例提供的***是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
图3为本发明实施例提供的电子设备结构示意图，参照图3，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)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。处理器301可以调用存储器303中的逻辑指令，以执行如下方法：根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值；将每个物联网终端按照所述单位价值进行降序排列，得到降序排列后的物联网终端，并根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端；根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度。
此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于移动边缘计算的物联网任务调度方法，例如包括：根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值；将每个物联网终端按照所述单位价值进行降序排列，得到降序排列后的物联网终端，并根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端；根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于移动边缘计算的物联网任务调度方法，其特征在于，包括：
根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值；
将每个物联网终端按照所述单位价值进行降序排列，得到降序排列后的物联网终端，并根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端；
根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度。
2.根据权利要求1所述的基于移动边缘计算的物联网任务调度方法，其特征在于，所述根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值，包括：
根据每个物联网终端的任务卸载速率和任务积压量，获取每个物联网终端的最大卸载时间槽和单位价值，所述最大卸载时间槽的公式为：
Ti(t)＝min{Qi(t)/Ri(t),τ}；
其中，Ti(t)表示第i个物联网终端t时刻的最大卸载时间槽，Qi(t)表示第i个物联网终端t时刻的任务积压量，Ri(t)表示第i个物联网终端t时刻的任务卸载速率，τ表示总时槽长度；
所述单位价值的公式为：
ωi(t)＝Qi(t)Ri(t)-VPi；
其中，ωi(t)表示第i个物联网终端t时刻的单位价值，V表示能量消耗和任务积压量之间的权衡因子，Pi表示第i个物联网终端的传输功率。
3.根据权利要求2所述的基于移动边缘计算的物联网任务调度方法，其特征在于，在所述根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值之前，所述方法还包括：
根据上一时刻物联网终端的任务积压量、任务卸载量和任务到达量，获取当前时刻物联网终端的任务积压量，公式为：
Qi(t)＝max{Qi(t-1)-Di(t-1),0}+Ai(t-1)；
其中，Qi(t-1)表示第i个物联网终端t－1时刻的任务积压量，Di(t-1)表示第i个物联网终端t－1时刻的任务卸载量，Ai(t-1)表示第i个物联网终端t－1时刻的任务到达量，t－1表示t时刻的上一时刻。
4.根据权利要求1所述的基于移动边缘计算的物联网任务调度方法，其特征在于，所述根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端，包括：
根据所述最大卸载时间槽和所述单位价值，获取降序排列后的每个物联网终端的中断指标，并根据所述中断指标，获取降序排列后的物联网终端中的中断终端，所述中断指标的公式为：
χ＝min{χ1,χ2}；
Figure FDA0002228685200000022
其中，x为中断指标，表示降序排列后的物联网终端中第x个物联网终端为中断终端，x1表示进行卸载任务的物联网终端的最大数量，x2表示单位价值大于0的物联网终端数量；Ti(t)表示第i个物联网终端t时刻的最大卸载时间槽，S(t)表示t时刻时上行子信道的可用数量，ωi(t)表示第i个物联网终端t时刻的单位价值，j表示1至i的自然数，τ表示总时槽长度。
5.根据权利要求1所述的基于移动边缘计算的物联网任务调度方法，其特征在于，所述根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度，包括：
根据所述中断终端的排序位置，得到降序排列后的每个物联网终端的卸载时间，卸载时间公式为：
Figure FDA0002228685200000023
其中，
Figure FDA0002228685200000031
表示第i个物联网终端的卸载时间，Ti(t)表示第i个物联网终端t时刻的最大卸载时间槽，S(t)表示t时刻时上行子信道的可用数量，Tχ(t)表示中断终端χ在t时刻的最大卸载时间；χ为中断指标，表示降序排列后的物联网终端中第χ个物联网终端为中断终端；
根据降序排列后的其他物联网终端和所述中断终端的位置关系，获取每个物联网终端对应的卸载时间，以对降序排列后的物联网终端进行任务调度。
6.一种基于移动边缘计算的物联网任务调度***，其特征在于，包括：
第一处理模块，用于根据每个物联网终端的任务卸载速率，获取每个物联网终端的最大卸载时间槽和单位价值；
第二处理模块，用于将每个物联网终端按照所述单位价值进行降序排列，得到降序排列后的物联网终端，并根据所述最大卸载时间槽和所述单位价值，通过中断指标获取中断终端；
任务调度模块，用于根据所述中断终端的排序位置，获取降序排列后的每个物联网终端的卸载时间，以对降序排列后的物联网终端进行任务调度。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述基于移动边缘计算的物联网任务调度方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述基于移动边缘计算的物联网任务调度方法的步骤。
CN201910960277.1A 2019-10-10 2019-10-10 一种基于移动边缘计算的物联网任务调度方法及*** Active CN110780986B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910960277.1A CN110780986B (zh) 2019-10-10 2019-10-10 一种基于移动边缘计算的物联网任务调度方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910960277.1A CN110780986B (zh) 2019-10-10 2019-10-10 一种基于移动边缘计算的物联网任务调度方法及***

Publications (2)

Publication Number Publication Date
CN110780986A true CN110780986A (zh) 2020-02-11
CN110780986B CN110780986B (zh) 2022-02-15

Family

ID=69385053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910960277.1A Active CN110780986B (zh) 2019-10-10 2019-10-10 一种基于移动边缘计算的物联网任务调度方法及***

Country Status (1)

Country Link
CN (1) CN110780986B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111984383A (zh) * 2020-08-18 2020-11-24 薛东 基于云网融合和人工智能的业务数据处理方法及云端平台
CN113553160A (zh) * 2021-08-03 2021-10-26 上海紫邦电气技术有限公司 用于人工智能物联网的边缘计算节点任务调度方法及***
CN117032832A (zh) * 2023-08-25 2023-11-10 重庆邮电大学 一种基于移动边缘计算的最小化任务调用成本卸载方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105843685A (zh) * 2016-03-17 2016-08-10 哈尔滨理工大学 基于任务分配的移动终端计算卸载方法
US20180183855A1 (en) * 2016-12-28 2018-06-28 Intel Corporation Application computation offloading for mobile edge computing
CN109922152A (zh) * 2019-03-13 2019-06-21 中南大学 一种移动边缘计算中的计算卸载方法及***
CN109976909A (zh) * 2019-03-18 2019-07-05 中南大学 边缘计算网络中基于学习的低延时任务调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105843685A (zh) * 2016-03-17 2016-08-10 哈尔滨理工大学 基于任务分配的移动终端计算卸载方法
US20180183855A1 (en) * 2016-12-28 2018-06-28 Intel Corporation Application computation offloading for mobile edge computing
CN109922152A (zh) * 2019-03-13 2019-06-21 中南大学 一种移动边缘计算中的计算卸载方法及***
CN109976909A (zh) * 2019-03-18 2019-07-05 中南大学 边缘计算网络中基于学习的低延时任务调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YING CHEN等: ""Dynamic Computation Offloading in Edge Computing for Internet of Things"", 《IEEE INTERNET OF THINGS JOURNAL》 *
彭维平等: ""面向车联网实时应用场景的任务卸载决策算法"", 《北京邮电大学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111984383A (zh) * 2020-08-18 2020-11-24 薛东 基于云网融合和人工智能的业务数据处理方法及云端平台
CN111984383B (zh) * 2020-08-18 2021-05-14 上海悟景信息科技有限公司 基于云网融合和人工智能的业务数据处理方法及云端平台
CN113553160A (zh) * 2021-08-03 2021-10-26 上海紫邦电气技术有限公司 用于人工智能物联网的边缘计算节点任务调度方法及***
CN117032832A (zh) * 2023-08-25 2023-11-10 重庆邮电大学 一种基于移动边缘计算的最小化任务调用成本卸载方法
CN117032832B (zh) * 2023-08-25 2024-03-08 重庆邮电大学 一种基于移动边缘计算的最小化任务调用成本卸载方法

Also Published As

Publication number Publication date
CN110780986B (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
CN109343904B (zh) 一种基于Lyapunov优化的雾计算动态卸载方法
CN111240701B (zh) 一种端-边-云协同计算的任务卸载优化方法
Liu et al. Latency and reliability-aware task offloading and resource allocation for mobile edge computing
CN110780986B (zh) 一种基于移动边缘计算的物联网任务调度方法及***
CN109922479B (zh) 一种基于时延预估的计算任务卸载方法
Labidi et al. Joint multi-user resource scheduling and computation offloading in small cell networks
CN110096362B (zh) 一种基于边缘服务器协作的多任务卸载方法
CN110570075B (zh) 一种电力业务边缘计算任务分配方法及装置
CN109756912B (zh) 一种多用户多基站联合任务卸载及资源分配方法
US10901388B2 (en) Method and system for creating energy demand model
CN111511028B (zh) 一种多用户资源分配方法、装置、***及存储介质
CN111132235A (zh) 基于改进hrrn算法和多属性决策的移动卸载迁移算法
KR102298698B1 (ko) 에지 컴퓨팅 네트워크에서의 서비스 캐싱 방법 및 장치
CN111263401A (zh) 一种基于移动边缘计算的多用户协作计算卸载方法
CN110489233A (zh) 基于移动边缘计算的设备任务卸载及cpu调频方法及***
CN113747507B (zh) 一种面向5g超密集网络的计算资源管理方法及装置
Paymard et al. Task scheduling based on priority and resource allocation in multi-user multi-task mobile edge computing system
Munaye et al. Radio resource allocation for 5G networks using deep reinforcement learning
Khoramnejad et al. AI-enabled energy-aware carrier aggregation in 5G new radio with dual connectivity
CN112104737B (zh) 一种计算迁移方法、移动计算设备及边缘计算设备
WO2016184166A1 (zh) 载波聚合带宽分配的方法及装置
CN110856240B (zh) 一种任务卸载的方法、设备及可读存储介质
CN115065994A (zh) 一种资源配置联合分配方法
CN113784372A (zh) 一种面向终端多业务模型的联合优化方法
Li Optimal offloading for dynamic compute-intensive applications in wireless networks

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