CN113791878A - 边缘计算中截止日期感知的分布式任务卸载方法 - Google Patents

Abstract

本发明公开了一种边缘计算中截止日期感知的分布式任务卸载方法，包括：移动用户端将任务的卸载请求发送至信号覆盖范围内的若干个基站；基站将与之相连的边缘服务器信息发送至移动用户端；移动用户端结合任务的截止日期、任务的截止日期类型和接收到的所有边缘服务器信息，分布式地为任务分配边缘服务器进行任务的计算；边缘服务器接收移动用户端发送的分配任务，根据任务的截止日期类型和自身正在运行的其他任务的状态，对任务进行实时调度，以最大化边缘计算网络中完成任务的收益。本发明能够扩大边缘计算***卸载任务的类型；避免了集中式控制器带来的单点失效，卸载决策慢等问题。

Description

边缘计算中截止日期感知的分布式任务卸载方法

技术领域

本发明涉及边缘计算技术领域，具体而言涉及一种边缘计算中截止日期感知的分布式任务卸载方法。

背景技术

随着移动用户的***式增长，增强现实、虚拟现实、自动驾驶等对延迟敏感的应用越来越受欢迎。由于移动设备上计算资源有限，常需要将计算任务转移到云上进行处理。然而，远端的云和移动设备之间不可预测的网络延迟常常不能满足延迟敏感型应用的要求。

为了克服上述问题，作为一种新的范例的边缘计算应运而生。边缘计算允许移动用户将计算任务卸载到附近基站旁的边缘服务器上。移动用户卸载到服务器的任务通常有硬截止日期或软截止日期。理想情况下，所有的任务都应该在截止日期之前完成。然而，与云服务器相比，边缘服务器的容量有限，故不能保证所有任务都在截止日期前完成。当把截止日期类型不同的大量任务卸载到边缘服务器时，不合适的任务卸载机制会显著降低任务完成率，从而降低用户体验质量。因此，我们需要在边缘计算环境中设计一种高效的任务卸载机制。

近年来，为了实现不同的优化目标，人们提出了各种任务卸载机制以实现不同优化目标，如最大化任务完成率、最大化任务计算效率、最小化任务响应时间、最小化能耗等。之前的研究主要针对具有硬截止期限的任务，错过了硬截止日期的任务被简单地丢弃或卸载到云上。然而，在现实世界中，并非所有对延迟敏感的任务都必须在特定期限前完成。一些任务，如多媒体任务，视频分析任务，具有软截止日期。这些任务可能会错过主要的截止日期，但仍然会被及时完成。此外，现有的任务卸载机制的另一个关键问题是集中式的优化造成的延迟。这些任务卸载机制通常依赖于一个集中的控制器以离线的方式确定计算卸载策略，也就是说，现有卸载机制假设所有任务的完整的信息(例如，任务位置、任务发布时间、任务截止日期)提前已知。事实上，由于计算卸载问题是np难的，集中式的控制器在卸载前需要花费太多的时间来确定卸载策略。此外，在边缘计算***中，用户到达和离开往往是随机的。因此，他们要卸载的任务也是随机的。然而，离线计算卸载方法往往无法处理一系列随机到达的任务。

发明内容

本发明针对现有技术中的不足，提供一种边缘计算中截止日期感知的分布式任务卸载方法，使边缘计算***不仅能处理具备硬截止日期的任务，同时可有效处理具备软截止日期的任务，扩大了边缘计算***卸载任务的类型；支持边缘服务器端分布式地进行任务的调度，避免了集中式控制器带来的单点失效，卸载决策慢等问题。

为实现上述目的，本发明采用以下技术方案：

一种边缘计算中截止日期感知的分布式任务卸载方法，所述卸载方法包括以下步骤：

S1，移动用户端将延迟敏感型应用生成的任务的卸载请求发送至信号覆盖范围内的若干个基站，由基站对应的边缘服务器对卸载任务进行计算，每个基站与至少一个边缘服务器连接；

S2，接收到任务卸载请求的基站将与之相连的边缘服务器信息发送至移动用户端，所述边缘服务器信息包括服务器计算能力、数据传输带宽和服务器上各任务的运行状态；

S3，移动用户端结合任务的截止日期、任务的截止日期类型和接收到的所有边缘服务器信息，分布式地为任务分配边缘服务器进行任务的计算；所述任务的截止日期类型包括硬截止日期和软截止日期，硬截止日期按期完成的收益大于预设收益阈值，软截止日期未完成的损失小于预设损失阈值，收益和损失基于延迟敏感型应用的应用性能计算得到；分配过程的约束条件为：具有硬截止日期的任务总能被完成；

S4，边缘服务器接收移动用户端发送的分配任务，根据任务的截止日期类型和自身正在运行的其他任务的状态，对任务进行实时调度，以最大化边缘计算网络中完成任务的收益；

S5，边缘服务器根据步骤S4的调度结果完成对任务的计算过程。

为优化上述技术方案，采取的具体措施还包括：

进一步地，步骤S1中，所述延迟敏感型应用生成的第i个任务T_i为一个四元组

其中d_i为任务所需传输的比特数，w_i为任务的工作负载，

表示执行任务的有效期限，

为任务的释放时间，

为任务的截止时间，I_i表征任务的截止日期类型。

进一步地，步骤S2中，所述边缘服务器信息包括第i个任务T_i对应的移动用户端与边缘服务器j之间的信道带宽b_i，j、传输功率p_i，j、信道增益g_i，j、噪声功率w_o、CPU频率f_j和边缘服务器中各任务的运行状态；其中，根据边缘服务器中任务的运行状态将任务分为两类：一类为已经卸载到此边缘服务器上，正在进行计算或在队列中等待计算的任务，另一类为已经决定卸载到该服务器，目前正在传输中的任务。

进一步地，步骤S3中，所述移动用户端结合任务的截止日期、任务的截止日期类型和接收到的所有边缘服务器信息，分布式地为任务分配边缘服务器进行任务的计算的过程包括以下步骤：

S31，根据如下公式计算任务T_i上传到边缘服务器j上的传输时间

其中，r_i，j为任务传输速率，表示为：

S32，根据边缘服务器中各任务的运行状态，估算如果将任务T_i上传到边缘服务器j，从边缘服务器j接收任务到执行任务的过程中任务的等待时间

S33，根据如下公式计算任务T_i在边缘服务器j上的计算时间

S34，根据如下公式计算任务T_i在边缘服务器j上总的完成时间t_i，j：

S35，根据步骤S34中计算得到的t_i，j，检测任务T_i能否在对应的截止日期前在边缘服务器j上完成，如果能完成，则选择将任务T_i卸载到边缘服务器j上，如果不能完成，则根据相同的计算公式依次遍历所有覆盖移动用户的边缘服务器，直至查找到允许卸载的边缘服务器，结束流程；如果所有的边缘服务器均不能在任务的截止日期前完成任务，进入步骤S36；

S36，仅考虑边缘服务器中具备硬截止日期的任务，重新计算任务等待时间

与总的完成时间t_i，j；统计因***操作引起的违反截止日期的任务的数目，将任务T_i卸载到违反截止日期任务数目最小的边缘服务器上，结束流程。

进一步地，步骤S4中，所述根据任务的截止日期类型和自身正在运行的其他任务的状态，对任务进行实时调度的过程包括以下步骤：

S41，根据任务截止日期建立任务收益模型；

S42，将边缘服务器中的任务分为两类，一类是目前可以在截止日期前的任务，记为{i^c}，一类为目前无法在截止日期前完成的任务，记为{i^u}；定义{i^c}中任务的损失函数c_i，j，用于表示如果将任务i的执行时间推后，以至该任务无法在截止日期前完成，为***带来的损失；定义{i^u}中任务的收益函数r_i′，j，用于表示如果将任务i′的执行时间提前使该任务可以在截止日期前完成，为***带来的收益；

S43，从{i^c}中选择具有minc_i，j的任务i，令a＝minc_i，j，同时从{i^u}中选择具有maxr_i′，j的任务i′，令b＝maxr_i′，j；如果b≥a，则互换上述任务的执行顺序，即将任务i′从{i^u}中移除，并将其执行时间提前，将任务i从{i^c}中移除，并将其任务执行时间推后；

S44，判断{i^c}与{i^u}中的任务是否全部被遍历，如果没有全部被遍历，重复步骤S43，反之，结束流程。

本发明的有益效果是：

(1)本发明首次提出了边缘计算中截止日期感知的任务卸载方法，使边缘计算***不仅能处理具备硬截止日期的任务，同时可有效处理具备软截止日期的任务，扩大了边缘计算***卸载任务的类型。

(2)本发明设计的任务分配算法支持用户端分布式地为任务分配合适的边缘服务器进行计算。本发明设计的任务调度算法支持边缘服务器端分布式地进行任务的调度。所采用的分布式算法避免了集中式控制器带来的单点失效，卸载决策慢等问题。

(3)本发明支持实时进行任务卸载决策，即本发明进行任务卸载决策时，不需要提前知晓所有任务的全部信息(例如，任务位置、任务发布时间、任务截止日期等)，实时的卸载决策符合边缘计算***中用户动态发出任务卸载请求的特性。

附图说明

图1是本发明的边缘计算中截止日期感知的分布式任务卸载方法流程图。

图2是本发明的的边缘计算任务卸载场景示意图。

图3是本发明的用户端任务分配算法流程图。

图4是本发明的边缘服务器端任务调度算法流程图。

图5是本发明的用户端与边缘服务器端交互流程图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。

需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

结合图1，一种边缘计算中截止日期感知的分布式任务卸载方法，所述卸载方法包括以下步骤：

S1，移动用户端将延迟敏感型应用生成的任务的卸载请求发送至信号覆盖范围内的若干个基站，由基站对应的边缘服务器对卸载任务进行计算，每个基站与至少一个边缘服务器连接。

S2，接收到任务卸载请求的基站将与之相连的边缘服务器信息发送至移动用户端，所述边缘服务器信息包括服务器计算能力、数据传输带宽和服务器上各任务的运行状态。

S3，移动用户端结合任务的截止日期、任务的截止日期类型和接收到的所有边缘服务器信息，分布式地为任务分配边缘服务器进行任务的计算；所述任务的截止日期类型包括硬截止日期和软截止日期，硬截止日期按期完成的收益大于预设收益阈值，软截止日期未完成的损失小于预设损失阈值，收益和损失基于延迟敏感型应用的应用性能计算得到；分配过程的约束条件为：具有硬截止日期的任务总能被完成。

S4，边缘服务器接收移动用户端发送的分配任务，根据任务的截止日期类型和自身正在运行的其他任务的状态，对任务进行实时调度，以最大化边缘计算网络中完成任务的收益。

S5，边缘服务器根据步骤S4的调度结果完成对任务的计算过程。

本发明针对现有任务卸载机制的不足，提出一种实时进行任务卸载决策的方法，当多个用户要进行任务卸载时，不同用户可根据卸载任务截止日期的类型及周围边缘服务器的信息，分布式地进行任务分配决策。边缘服务器收到任务后，同样根据任务截止日期类型及服务器自身正在运行的其他任务的状态，对任务进行实时调度，以最大化完成任务的收益。

图2是本发明的边缘计算任务卸载场景。在边缘计算***中，每个基站旁都配有具备一定存储及计算能力的边缘服务器，每个基站都有一定的信号覆盖范围。处在基站信号范围之内的移动用户可以将计算任务卸载到基站旁的边缘服务器中进行计算。边缘计算***中基站部署密集，每个移动用户均可能处于多个基站的信号覆盖范围内，移动用户可将任务卸载到其中一个基站中。此外，由于移动用户的数目庞大，每个边缘服务器需要处理多个计算任务。由于边缘服务器的处理能力有限，这些任务的状态可为两类：一类为服务器正在执行的任务，另一类为在排队序列中等待被执行的任务。

图1是本发明提出的边缘计算中截止日期感知的任务卸载机制流程图，包括如下步骤：

步骤一，移动用户产生的具备如下信息的任务：任务T_i为一个四元组

其中d_i为任务所需传输的比特数，w_i为任务的工作负载，

表示执行任务的有效期限，

为任务的释放时间，

为任务的截止时间，I_i表征任务截止日期的类型。在边缘计算环境中，可根据任务的截止日期将任务分为两类，一类为具有硬截止日期的任务，如虚拟现实，增强现实任务，这类任务必须严格在截止日期前完成，否则将大幅降低应用的性能。另一类任务为具有软截止日期的任务，如视频分析任务，这类任务适当违反其截止日期，对应用的性能不会产生太大影响。不同用户实时产生不同的任务，并将任务的卸载请求广播至附近的基站中。

步骤二，基站收到用户的任务卸载请求，将与其相连的边缘服务器中的如下信息发送给移动用户：用户与服务器j间的信道带宽b_i，j，传输功率p_i，j，信道增益g_i，j，噪声功率w_o，CPU频率f_j，边缘服务器中各任务的运行状态。其中，根据服务器中任务的运行状态可将任务分为两类：一类为已经卸载到此边缘服务器上，正在进行计算或在队列中等待计算的任务，另一类为已经决定卸载到该服务器，目前正在传输中的任务。

步骤三，移动用户收到附近基站传来的各边缘服务器信息，运行任务分配算法为具有不同截止日期的任务分配边缘服务器进行任务卸载。具体的分配算法流程见图3。分配算法具体流程如下：首先，移动用户根据边缘服务器上已有任务的运行状态及卸载任务的信息，计算任务卸载到服务器上总的完成时间，该完成时间包括任务上传时间，任务计算时间及任务等待时间。随后，用户检测任务能否在截止日期前，在边缘服务器上完成。如果能完成，则用户将任务分配到边缘服务器上。如果不能完成，则用户判断是否还存在其他候选的边缘服务器。如果存在，则根据相同的公式计算任务在服务器上的完成时间，并判断任务能否在截止日期前完成。如果不存在，则用户仅考虑服务器上具备硬截止日期的任务，重新计算任务总的完成时间。此操作意在将卸载的任务***到具有软截止日期的任务前执行。***操作可能造成具有软截止日期的任务的完成时间违反其截止日期。统计因***操作引起的违反截止日期的任务的数目，将任务卸载到违反截止日期任务数目最小的边缘服务器上。上述分配方式保证具有硬截止日期的任务总能被完成，具备软截止日期的任务适当违反其截止日期。

步骤四，边缘服务器收到用户卸载的任务，运行任务调度算法确定服务器上各任务的执行时间及顺序，以最大化边缘计算网络中完成任务的收益。具体的调度算法流程见图4。

本发明中，边缘服务器收到用户卸载的任务，运行任务调度算法确定服务器上各任务的执行时间，以最大化边缘计算网络中完成任务的收益，调度过程包括：

调度算法具体流程如下：首先，边缘服务器根据任务截止日期建立任务收益模型。具体来说，具备硬截止日期的任务，如果可以在截止日期前完成，***将获得较大收益，如果不能在截止日期前完成，***将获得较大惩罚。相比于硬截止日期的任务，具备软截止日期的任务如果在截止日期前完成，***将获得较小收益，如果不能在截止日期前完成，***将获得较小惩罚。其次，边缘服务器将任务分为两类，一类是目前可以在截止日期前的任务，记为{i^c}，一类为目前无法在截止日期前完成的任务，记为{i^u}。定义{i^c}中任务的损失函数c_i，j，损失函数表示如果将该任务的执行时间推后，以至该任务无法在截止日期前完成，为***带来的损失。此外，定义{i^u}中任务的收益函数r_i′，i，收益函数表示如果将该任务的执行时间提前使该任务可以在截止日期前完成，为***带来的收益。随后，边缘服务器从{i^c}中选择具有min c_i，j的任务，令a＝min c_i，j，同时从{i^u}中选择具有maxr_i′，j的任务，令b＝maxr_i′，j。如果b≥a，则互换上述任务的执行顺序，即将任务i′从{i^u}中移除，并将其执行时间提前，将任务i从{i^c}中移除，并将其任务执行时间推后。如果b＜a，程序结束。随后，边缘服务器判断{i^c}与{i^u}中的任务是否全部被遍历，如果没有全部被遍历，重复上述调度步骤。反之，程序结束。

上述调度算法保证在每次进行任务替换时，得到的***收益为单调递增函数。当替换停止时，***获得的收益最大。

步骤五，边缘服务器上的各任务已通过调度算法获得了任务的执行时间及顺序。任务依据调度算法确定的顺序依次执行，以获得较大的***收益。

图5是本发明的用户端与边缘服务器端交互流程图。首先，由移动用户向附近的边缘服务器发送任务卸载请求。边缘服务器收到用户的请求后，将其服务器计算能力，数据传输带宽，服务器上各任务的运行状态等信息发送给移动用户。移动用户收到边缘服务器发来的信息，运行任务分配算法，为任务分配合适的边缘服务器进行任务卸载。边缘服务器收到用户上传的任务，运行任务调度算法，为任务设置执行时间及顺序。任务按调度算法完成计算后，服务器将计算的结果发送给移动用户。此时，任务卸载过程结束。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (5)

1.一种边缘计算中截止日期感知的分布式任务卸载方法，其特征在于，所述卸载方法包括以下步骤：

S1，移动用户端将延迟敏感型应用生成的任务的卸载请求发送至信号覆盖范围内的若干个基站，由基站对应的边缘服务器对卸载任务进行计算，每个基站与至少一个边缘服务器连接；

S2，接收到任务卸载请求的基站将与之相连的边缘服务器信息发送至移动用户端，所述边缘服务器信息包括服务器计算能力、数据传输带宽和服务器上各任务的运行状态；

S3，移动用户端结合任务的截止日期、任务的截止日期类型和接收到的所有边缘服务器信息，分布式地为任务分配边缘服务器进行任务的计算；所述任务的截止日期类型包括硬截止日期和软截止日期，硬截止日期按期完成的收益大于预设收益阈值，软截止日期未完成的损失小于预设损失阈值，收益和损失基于延迟敏感型应用的应用性能计算得到；分配过程的约束条件为：具有硬截止日期的任务总能被完成；

S4，边缘服务器接收移动用户端发送的分配任务，根据任务的截止日期类型和自身正在运行的其他任务的状态，对任务进行实时调度，以最大化边缘计算网络中完成任务的收益；

S5，边缘服务器根据步骤S4的调度结果完成对任务的计算过程。

2.根据权利要求1所述的边缘计算中截止日期感知的分布式任务卸载方法，其特征在于，步骤S1中，所述延迟敏感型应用生成的第i个任务T_i为一个四元组

其中d_i为任务所需传输的比特数，w_i为任务的工作负载，

表示执行任务的有效期限，

为任务的释放时间，

为任务的截止时间，I_i表征任务的截止日期类型。

3.根据权利要求2所述的边缘计算中截止日期感知的分布式任务卸载方法，其特征在于，步骤S2中，所述边缘服务器信息包括第i个任务T_i对应的移动用户端与边缘服务器j之间的信道带宽b_i，j、传输功率p_i，j、信道增益g_i，j、噪声功率w_o、CPU频率f_j和边缘服务器中各任务的运行状态；其中，根据边缘服务器中任务的运行状态将任务分为两类：一类为已经卸载到此边缘服务器上，正在进行计算或在队列中等待计算的任务，另一类为已经决定卸载到该服务器，目前正在传输中的任务。

4.根据权利要求3所述的边缘计算中截止日期感知的分布式任务卸载方法，其特征在于，步骤S3中，所述移动用户端结合任务的截止日期、任务的截止日期类型和接收到的所有边缘服务器信息，分布式地为任务分配边缘服务器进行任务的计算的过程包括以下步骤：

S31，根据如下公式计算任务T_i上传到边缘服务器j上的传输时间

其中，r_i，j为任务传输速率，表示为：

S32，根据边缘服务器中各任务的运行状态，估算如果将任务T_i上传到边缘服务器j，从边缘服务器j接收任务到执行任务的过程中任务的等待时间

S33，根据如下公式计算任务T_i在边缘服务器j上的计算时间

S34，根据如下公式计算任务T_i在边缘服务器j上总的完成时间t_i，j：

S35，根据步骤S34中计算得到的t_i，j，检测任务T_i能否在对应的截止日期前在边缘服务器j上完成，如果能完成，则选择将任务T_i卸载到边缘服务器j上，如果不能完成，则根据相同的计算公式依次遍历所有覆盖移动用户的边缘服务器，直至查找到允许卸载的边缘服务器，结束流程；如果所有的边缘服务器均不能在任务的截止日期前完成任务，进入步骤S36；

S36，仅考虑边缘服务器中具备硬截止日期的任务，重新计算任务等待时间

与总的完成时间t_i，j；统计因***操作引起的违反截止日期的任务的数目，将任务T_i卸载到违反截止日期任务数目最小的边缘服务器上，结束流程。

5.根据权利要求1所述的边缘计算中截止日期感知的分布式任务卸载方法，其特征在于，步骤S4中，所述根据任务的截止日期类型和自身正在运行的其他任务的状态，对任务进行实时调度的过程包括以下步骤：

S41，根据任务截止日期建立任务收益模型；

S42，将边缘服务器中的任务分为两类，一类是目前可以在截止日期前的任务，记为{i^c}，一类为目前无法在截止日期前完成的任务，记为{i^u}；定义{i^c}中任务的损失函数c_i，j，用于表示如果将任务i的执行时间推后，以至该任务无法在截止日期前完成，为***带来的损失；定义{i^u}中任务的收益函数r_i′，j，用于表示如果将任务i′的执行时间提前使该任务可以在截止日期前完成，为***带来的收益；

S43，从{i^c}中选择具有min c_i，j的任务i，令a＝min c_i，j，同时从{i^u}中选择具有maxr_i′，j的任务i′，令b＝max r_i′，j；如果b≥a，则互换上述任务的执行顺序，即将任务i′从{i^u}中移除，并将其执行时间提前，将任务i从{i^c}中移除，并将其任务执行时间推后；

S44，判断{i^c}与{i^u}中的任务是否全部被遍历，如果没有全部被遍历，重复步骤S43，反之，结束流程。

Images