CN116170846B - 一种用于数据通信的分布式边缘计算***及边缘计算方法 - Google Patents

一种用于数据通信的分布式边缘计算***及边缘计算方法 Download PDF

Info

Publication number
CN116170846B
CN116170846B CN202310450894.3A CN202310450894A CN116170846B CN 116170846 B CN116170846 B CN 116170846B CN 202310450894 A CN202310450894 A CN 202310450894A CN 116170846 B CN116170846 B CN 116170846B
Authority
CN
China
Prior art keywords
task
edge node
edge
computing
processed
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
Application number
CN202310450894.3A
Other languages
English (en)
Other versions
CN116170846A (zh
Inventor
周鹏
纪海
刘美华
王凯
耿明慧
路文婷
郑福
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.)
Tianjin Institute Of Industry And Information Technology Tianjin Energy Conservation Center Tianjin Bureau Of Industry And Information Technology Education Center
Original Assignee
Tianjin Institute Of Industry And Information Technology Tianjin Energy Conservation Center Tianjin Bureau Of Industry And Information Technology Education Center
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 Tianjin Institute Of Industry And Information Technology Tianjin Energy Conservation Center Tianjin Bureau Of Industry And Information Technology Education Center filed Critical Tianjin Institute Of Industry And Information Technology Tianjin Energy Conservation Center Tianjin Bureau Of Industry And Information Technology Education Center
Priority to CN202310450894.3A priority Critical patent/CN116170846B/zh
Publication of CN116170846A publication Critical patent/CN116170846A/zh
Application granted granted Critical
Publication of CN116170846B publication Critical patent/CN116170846B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W28/09—Management thereof
    • H04W28/0925—Management thereof using policies
    • 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
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • 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
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出了一种用于数据通信的分布式边缘计算***及边缘计算方法，涉及数据通信技术领域，布置节点链网，任务计算层按照数据处理速度按从大到小排序形成任务待处理队列；每个任务终端通过无线接入点将待处理计算任务加载到边缘节点处理器上执行计算；找出前置的待处理计算任务数量最少的边缘节点处理器
Figure ZY_1
，将任务待处理队列Y中的数据依据数据规模
Figure ZY_2
从大到小进行排序，组成任务队列Q；边缘节点服务器计算加载的任务队列Q中的任务
Figure ZY_3
的数据规模以及各个边缘节点处理器的总消耗，根据数据规模的大小，匹配总消耗相对应的边缘节点处理器。缩短待处理数据的等待时间，最大化的利用边缘计算节点的处理能力。

Description

一种用于数据通信的分布式边缘计算***及边缘计算方法
技术领域
本发明涉及数据通信技术领域，尤其涉及一种用于数据通信的分布式边缘计算***及边缘计算方法。
背景技术
移动边缘计算的概念在2013年被首次提出，在2014年对移动边缘计算进行标准化。移动边缘计算将IT服务和云计算资源部署在网络边缘，在地理位置上更加接近用户，能够为移动用户提供更快的响应和较高的带宽来提高用户的体验质量和移动终端的续航能力。
通常移动边缘计算***有三个部分组成：移动终端，MEC服务器，云中心。移动终端通常包括传感器节点、智能手机、智能可穿戴设备等，其尺寸较小便于携带，存储和计算能力有限，可以通过WIFI、蓝牙、蜂窝网络等与边缘服务器、云中心或者其他移动设备建立通信，这些设备既是数据源也是数据的“使用者”；MEC服务器是部署在移动终端附近的基础设施，可以直接为移动终端提供IT服务和云计算资源，但是它的计算、存储资源要比云中心小的多；云中心距离移动终端的距离比较远，但是拥有丰富的资源，可以提供高性能计算和海量存储。
物联网连接了大规模的异构设备，因为终端设备的计算能力和存储能力有限，所以无法在本地处理计算密集型和时延敏感型任务，也无法在本地存储大量数据。因此，云计算技术应运而生，云服务器强大的计算能力和大存储空间支持终端将某些计算任务和数据迁移到云端。
随着IoT设备数量的急剧增加，云计算越来越难以满足物联网应用的多种服务质量的要求，集中式部署的云服务器距离终端设备遥远，造成了高传输成本和大时延。为了解决上述问题，提出了边缘计算的概念，边缘服务器通过提供任务计算、数据存储等服务来帮助用户，让数据处理更靠近移动终端。边缘计算具有低时延、支持异构性等优点，更适合进行实时数据分析和支持多种物联网应用。然而现有技术中的边缘计算***的待处理数据的等待时间过长，边缘计算节点的处理能力较低。
发明内容
为了解决上述技术问题，本发明提出了一种用于数据通信的分布式边缘计算方法，包括如下步骤：
步骤1、布置节点链网，节点链网中各边缘节点处理器由
Figure SMS_1
表示，/>
Figure SMS_2
表示其中一个边缘节点处理器；
步骤2、在任务终端层布置N个任务终端，在网络层布置M个可用的无线接入点，任务终端层按照任务终端i的上传速率按从大到小排序形成任务待处理队列Y，并按照所述任务待处理队列Y的排序顺序依次传输至任务计算层；
步骤3、任务计算层遍历所述节点链网中的边缘节点处理器，找出边缘节点处理器中前置的待处理计算任务最少的边缘节点处理器
Figure SMS_3
，将从任务终端层接收到的任务待处理队列Y中的数据依据数据规模/>
Figure SMS_4
从大到小进行排序，组成任务队列Q；
步骤4、边缘节点服务器计算加载的任务队列Q中的任务
Figure SMS_5
的数据规模以及各个边缘节点处理器的总消耗，根据数据规模的大小，匹配总消耗相对应的边缘节点处理器；
步骤5、在节点链网中删除已经被分配完毕的边缘节点处理器，更新剩余边缘节点处理器前置的待处理计算任务数量，在任务序列Q中删除已经被分配的任务，生成新的任务序列
Figure SMS_6
。
进一步地，步骤2中，用
Figure SMS_7
来表示任务终端i到无线接入点之间的瞬时信道增益/>
Figure SMS_8
，其中/>
Figure SMS_9
表示任务终端i到无线接入点之间的距离，/>
Figure SMS_10
是路径损失指数，
Figure SMS_11
是衰落因子；
当任务终端选择将待处理计算任务加载到任务计算层进行处理，则任务终端i的上传速率
Figure SMS_12
为:
Figure SMS_13
；
其中
Figure SMS_14
表示无线接入点的传输信道带宽，/>表示任务终端i的传输功率，/>
Figure SMS_16
表示任务终端i到无线接入点之间的瞬时信道增益，/>
Figure SMS_17
表示除该任务终端i以外的其他所有任务终端的计算任务执行方式，/>
Figure SMS_18
表示背景噪声。
进一步地，步骤4中，设任务队列Q中的每个任务
Figure SMS_19
的数据规模/>
Figure SMS_20
为：
Figure SMS_21
，
Figure SMS_22
表示任务/>
Figure SMS_23
的数据的大小，/>
Figure SMS_24
表示任务/>
Figure SMS_25
在本地执行处理所需消耗的本地处理器资源，/>
Figure SMS_26
表示任务/>
Figure SMS_27
在边缘节点处理器上执行处理所需消耗的边缘节点处理器资源。
进一步地，
Figure SMS_28
表示边缘节点处理器对任务/>
Figure SMS_29
的处理能力，边缘节点处理器对任务/>
Figure SMS_30
所需的时间为/>
Figure SMS_31
:
Figure SMS_32
(2)；
消耗的能量
Figure SMS_33
为:
Figure SMS_34
；
其中
Figure SMS_35
表示对每个任务/>
Figure SMS_36
在周期内消耗资源的系数；
将边缘节点处理器完成任务
Figure SMS_37
所消耗的时间和能量作为总消耗，总消耗/>
Figure SMS_38
为:
Figure SMS_39
；
其中
Figure SMS_40
和/>
Figure SMS_41
表示时间和能量的权重。
进一步地，当任务计算层将待处理计算任务上传到边缘主机层进行处理时，分别计算传输时间
Figure SMS_42
和传输能耗/>
Figure SMS_43
：
Figure SMS_44
；
Figure SMS_45
；
Figure SMS_46
表示任务/>
Figure SMS_47
的传输功率，/>
Figure SMS_48
表示任务/>
Figure SMS_49
的数据的大小，/>
Figure SMS_50
为任务/>
Figure SMS_51
的上传速率；
边缘节点服务器执行计算任务所需要的时间为
Figure SMS_52
，其中/>
Figure SMS_53
表示边缘节点服务器分配给任务终端的总资源，/>
Figure SMS_54
表示任务/>
Figure SMS_55
在边缘节点处理器上执行处理所实际消耗的边缘节点处理器资源；
任务计算层将待处理计算任务加载到边缘服务器的总数据规模
Figure SMS_56
为:
Figure SMS_57
。
本发明提出了一种用于数据通信的分布式边缘计算***，用于实现分布式边缘计算方法，包括：任务计算层，任务终端层、边缘主机层和网络层；
所述任务终端层包括N个任务终端；所述网络层包括M个可用的无线接入点；
所述边缘主机层包括节点链网和边缘节点服务器，所述节点链网由多个链条组成网状，链条的两端为边缘节点处理器，所述链条代表边缘节点处理器间关系；
每个任务终端具有需要上传到边缘节点处理器的待处理计算任务，通过所述无线接入点将待处理计算任务加载到任务计算层上执行任务分配；
所述边缘节点服务器计算进入所述的边缘主机层的计算任务的数据规模以及各个边缘节点处理器的总消耗，根据数据规模的大小，匹配总消耗相对应的边缘节点处理器。
相比于现有技术，本发明具有如下有益技术效果：
布置节点链网，任务计算层按照数据处理速度按从大到小排序形成任务待处理队列；每个任务终端通过无线接入点将待处理计算任务加载到任务计算层上执行计算；找出前置的待处理计算任务数量最少的边缘节点处理器
Figure SMS_58
，将任务待处理队列Y中的数据依据数据规模从大到小进行排序，组成任务队列Q；边缘节点服务器计算加载的任务队列Q中的任务/>
Figure SMS_59
的数据规模以及各个边缘节点处理器的总消耗，根据数据规模的大小，匹配总消耗相对应的边缘节点处理器。缩短待处理数据的等待时间，最大化的利用边缘计算节点的处理能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的用于数据通信的分布式边缘计算***的结构示意图；
图2为本发明的用于数据通信的分布式边缘计算方法的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本发明的具体实施例附图中，为了更好、更清楚的描述***中的各元件的工作原理，表现所述装置中各部分的连接关系，只是明显区分了各元件之间的相对位置关系，并不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限定。
如图1所示，为本发明的用于数据通信的分布式边缘计算***的结构示意图，该分布式边缘计算***包括：任务计算层，任务终端层、边缘主机层和网络层；
所述任务终端层包括N个任务终端；网络层包括M个可用的无线接入点，无线接入点提供各种接入的连接，包括蜂窝网络、本地接入网络和其他外部接入网络，如互联网。
边缘主机层包括节点链网，所述节点链网由多个链条组成网状，链条的两端为边缘节点处理器，中间链条代表边缘节点处理器间关系。
每个任务终端具有需要上传到边缘节点处理器的计算任务，通过无线接入点将计算任务加载到任务计算层上执行计算任务分配。
所述任务计算层计算任务终端加载到边缘节点服务器的数据规模以及各个边缘节点处理器的总消耗，根据数据规模的大小，匹配总消耗相对应的节点链网中的边缘节点处理器。
如图2所示，为本发明的用于数据通信的分布式边缘计算方法的流程图，该分布式边缘计算方法包括如下步骤：
步骤1、布置节点链网，节点链网中各边缘节点处理器由
Figure SMS_60
表示，/>
Figure SMS_61
表示其中一个边缘节点处理器，边缘节点处理器/>
Figure SMS_62
的数据处理速度用/>
Figure SMS_63
表示。
m个边缘节点处理器构成节点链网，节点链网由多个链条组成网状，链条的两端为边缘节点处理器，中间链条代表边缘节点处理器间关系，m个边缘节点处理器构成集合
Figure SMS_64
，链条集合E表示边缘节点处理器间的依赖关系。
步骤2、在任务终端层布置N个任务终端，在网络层布置M个可用的无线接入点，每个任务终端i（i=1,2……，N）都有需要上传到边缘节点处理器的待处理计算任务
Figure SMS_65
，任务终端层按照任务终端i的上传速率按从大到小排序形成任务待处理队列Y，任务终端层按照任务终端i的上传速率按从大到小排序形成任务待处理队列Y依次传输至任务计算层。
任务终端选择待处理计算任务
Figure SMS_66
在本地执行计算或是使用无线接入点加载到边缘节点处理器执行计算。
任务终端i与无线接入点之间的信道增益是时变的，用
Figure SMS_67
来表示任务终端i到无线接入点之间的瞬时信道增益/>
Figure SMS_68
，其中/>
Figure SMS_69
表示任务终端i到无线接入点之间的距离，/>
Figure SMS_70
是路径损失指数，/>
Figure SMS_71
是衰落因子。因为信道增益的时变性，/>
Figure SMS_72
也会随着时间的变化而改变。
当任务终端i选择将待处理计算任务
Figure SMS_73
加载到任务计算层进行处理，则任务终端i的上传速率/>
Figure SMS_74
为:
Figure SMS_75
（1）；
其中
Figure SMS_76
表示无线接入点的传输信道带宽，/>
Figure SMS_77
表示任务终端i的传输功率，/>
Figure SMS_78
表示任务终端i到无线接入点之间的瞬时信道增益，/>
Figure SMS_79
表示除该任务终端i以外的其他所有任务终端的计算任务执行方式，即本地执行计算任务还是上传到边缘节点处理器执行计算任务，/>
Figure SMS_80
表示的是背景噪声。
从公式(1)可以看出，当多个任务终端同时向任务计算层加载待处理计算任务时会出现信道干扰，导致任务终端的加载效率降低，从而增加任务终端计算的延迟及消耗，因此任务终端层按照任务终端i的上传速率
Figure SMS_81
按从大到小排序形成任务待处理队列Y依次传输至任务计算层。
步骤3、任务计算层遍历节点链网中的边缘节点处理器，找出边缘节点处理器中前置的待处理计算任务最少的边缘节点处理器
Figure SMS_82
，将从任务终端层接收到的任务待处理队列Y中的数据依据数据规模/>
Figure SMS_83
从大到小进行排序，组成任务队列Q，任务队列Q中的任务/>
Figure SMS_84
的j表示该任务/>
Figure SMS_85
的序号，j越小表示该序列内的待传输至边缘节点服务器的处理任务优先级越高，j的初始值为1，K表示任务队列Q中的任务/>
Figure SMS_86
的数目，即j=1,2……，K。
步骤4、边缘节点服务器计算加载的任务队列Q中的任务
Figure SMS_87
的数据规模以及各个边缘节点处理器的总消耗，根据数据规模的大小，匹配总消耗相对应的节点链网中的边缘节点处理器。
设任务队列Q中的每个任务
Figure SMS_90
的数据规模/>
Figure SMS_93
包括/>
Figure SMS_95
，/>
Figure SMS_89
表示任务
Figure SMS_91
的数据的大小，/>
Figure SMS_94
表示任务/>
Figure SMS_96
在本地执行处理所需消耗的本地处理器资源，/>
Figure SMS_88
表示任务/>
Figure SMS_92
在边缘节点处理器上执行处理所需消耗的边缘节点处理器资源。
本发明的任务终端i在执行待处理计算任务时，要么将单个待处理计算任务都在本地执行，要么在边缘服务器上执行，不会出现本地和边缘服务器同时执行同一个待处理计算任务的情况。
Figure SMS_97
表示边缘节点处理器对任务/>
Figure SMS_98
的处理能力，优选指代处理周期。边缘节点处理器对不同的任务/>
Figure SMS_99
具有不同的处理能力。边缘节点处理器对任务/>
Figure SMS_100
进行处理所需的时间为/>
Figure SMS_101
:
Figure SMS_102
(2)；
消耗的能量
Figure SMS_103
为:
Figure SMS_104
(3)；
其中
Figure SMS_105
表示对每个任务/>
Figure SMS_106
在周期内消耗资源的系数。
将边缘节点处理器完成任务
Figure SMS_107
所消耗的时间和能量作为总消耗，总消耗/>
Figure SMS_108
为:
Figure SMS_109
(4)；
其中
Figure SMS_110
和/>
Figure SMS_111
表示时间和能量的权重。
当任务计算层将待处理计算任务上传到边缘主机层进行处理时，分别计算传输时间
Figure SMS_112
和传输能耗/>
Figure SMS_113
：
Figure SMS_114
；
Figure SMS_115
；
Figure SMS_116
表示任务/>
Figure SMS_117
的传输功率，/>
Figure SMS_118
表示任务/>
Figure SMS_119
的数据的大小，/>
Figure SMS_120
为任务/>
Figure SMS_121
的上传速率。
任务计算层将待处理计算任务传输到边缘节点服务器后，边缘节点服务器执行计算任务所需要的时间为
Figure SMS_122
，其中/>
Figure SMS_123
表示边缘节点服务器分配给任务终端的总资源，/>
Figure SMS_124
表示任务/>
Figure SMS_125
在边缘节点处理器上执行处理所实际消耗的边缘节点处理器资源。
由上述计算最终可以得出任务计算层将待处理计算任务加载到边缘服务器的总数据规模
Figure SMS_126
为:
Figure SMS_127
。
步骤5、在节点链网中删除已经被分配完毕的边缘节点处理器，更新剩余边缘节点处理器的前置任务数量，在任务序列Q中删除已经被分配待处理任务，生成新的任务序列
Figure SMS_128
。
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申请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，或者通过所述计算机可读存储介质进行传输。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。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种用于数据通信的分布式边缘计算方法，其特征在于，包括如下步骤：
步骤1、布置节点链网，节点链网中各边缘节点处理器由P＝{p1,p2,...,pt,...,pm}表示，pt表示其中一个边缘节点处理器；
步骤2、在任务终端层布置N个任务终端，在网络层布置M个可用的无线接入点，任务终端层按照任务终端i的上传速率按从大到小排序形成任务待处理队列Y，并按照所述任务待处理队列Y的排序顺序依次传输至任务计算层；
步骤3、任务计算层遍历所述节点链网中的边缘节点处理器，找出边缘节点处理器中前置的待处理计算任务最少的边缘节点处理器，将从任务终端层接收到的任务待处理队列Y中的数据依据数据规模Si从大到小进行排序，组成任务队列Q；
步骤4、待处理计算任务最少的边缘节点处理器计算加载的任务队列Q中的任务qj的数据规模以及各个边缘节点处理器的总消耗，根据数据规模的大小，匹配总消耗相对应的待处理计算任务最少的边缘节点处理器pt；
步骤5、在节点链网中删除已经被分配完毕的边缘节点处理器，更新剩余边缘节点处理器前置的待处理计算任务数量，在任务序列Q中删除已经被分配的任务，生成新的任务序列Q’。
2.根据权利要求1所述的分布式边缘计算方法，其特征在于，步骤2中，用
Figure QLYQS_1
来表示任务终端i到无线接入点之间的瞬时信道增益gip，其中dip表示任务终端i到无线接入点之间的距离，/>
Figure QLYQS_2
是路径损失指数，/>
Figure QLYQS_3
是衰落因子；
当任务终端选择将待处理计算任务加载到任务计算层进行处理，则任务终端i的上传速率
Figure QLYQS_4
为:
Figure QLYQS_5
；
其中Wp表示无线接入点的传输信道带宽，Pi表示任务终端i的传输功率，gip表示任务终端i到无线接入点之间的瞬时信道增益，f-j表示除该任务终端i以外的其他所有任务终端的计算任务执行方式，
Figure QLYQS_6
表示背景噪声。
3.根据权利要求2所述的分布式边缘计算方法，其特征在于，步骤4中，设任务队列Q中的每个任务qj的数据规模Sj为：
Figure QLYQS_7
，
bj表示任务qj的数据的大小，
Figure QLYQS_8
表示任务qj在本地执行处理所需消耗的本地处理器资源，/>
Figure QLYQS_9
表示任务qj在边缘节点处理器上执行处理所需消耗的边缘节点处理器资源。
4.根据权利要求3所述的分布式边缘计算方法，其特征在于，
Figure QLYQS_10
表示边缘节点处理器对任务qj的处理能力，边缘节点处理器对任务qj所需的时间为/>
Figure QLYQS_11
:/>
Figure QLYQS_12
(2)；消耗的能量/>
Figure QLYQS_13
为:
Figure QLYQS_14
；
其中
Figure QLYQS_15
表示对每个任务qj在周期内消耗资源的系数；
将边缘节点处理器完成任务qj所消耗的时间和能量作为总消耗，总消耗
Figure QLYQS_16
为:
Figure QLYQS_17
；
其中
Figure QLYQS_18
和/>
Figure QLYQS_19
表示时间和能量的权重。
5.根据权利要求4所述的分布式边缘计算方法，其特征在于，当任务计算层将待处理计算任务上传到边缘主机层进行处理时，分别计算传输时间
Figure QLYQS_20
和传输能耗/>
Figure QLYQS_21
：/>
Figure QLYQS_22
；
Figure QLYQS_23
；
PEj表示任务qj的传输功率，bj表示任务qj的数据的大小，
Figure QLYQS_24
为任务qj的上传速率；
边缘节点服务器执行计算任务所需要的时间为
Figure QLYQS_25
，其中/>
Figure QLYQS_26
表示边缘节点服务器分配给任务终端的总资源，/>
Figure QLYQS_27
表示任务qj在边缘节点处理器上执行处理所实际消耗的边缘节点处理器资源；
任务计算层将待处理计算任务加载到边缘服务器的总数据规模
Figure QLYQS_28
为:
Figure QLYQS_29
Figure QLYQS_30
Figure QLYQS_31
。
6.一种用于数据通信的分布式边缘计算***，用于实现如权利要求1-5任意一项所述的分布式边缘计算方法，其特征在于，包括：任务计算层，任务终端层、边缘主机层和网络层；
所述任务终端层包括N个任务终端；所述网络层包括M个可用的无线接入点；
所述边缘主机层包括节点链网和边缘节点服务器，所述节点链网由多个链条组成网状，链条的两端为边缘节点处理器，所述链条代表边缘节点处理器间关系；
每个任务终端具有需要上传到边缘节点处理器的待处理计算任务，通过所述无线接入点将待处理计算任务加载到任务计算层上执行任务分配；
任务计算层遍历节点链网中的边缘节点处理器，找出边缘节点处理器中前置的待处理计算任务最少的边缘节点处理器，将从任务终端层接收到的任务待处理队列Y中的数据依据数据规模Sj从大到小进行排序，组成任务队列Q；
待处理计算任务最少的边缘节点处理器计算进入所述的边缘主机层的计算任务队列Q中的任务qj的数据规模以及各个边缘节点处理器的总消耗，根据数据规模的大小，匹配总消耗相对应的待处理计算任务最少的边缘节点处理器。
CN202310450894.3A 2023-04-25 2023-04-25 一种用于数据通信的分布式边缘计算***及边缘计算方法 Active CN116170846B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310450894.3A CN116170846B (zh) 2023-04-25 2023-04-25 一种用于数据通信的分布式边缘计算***及边缘计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310450894.3A CN116170846B (zh) 2023-04-25 2023-04-25 一种用于数据通信的分布式边缘计算***及边缘计算方法

Publications (2)

Publication Number Publication Date
CN116170846A CN116170846A (zh) 2023-05-26
CN116170846B true CN116170846B (zh) 2023-07-14

Family

ID=86416720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310450894.3A Active CN116170846B (zh) 2023-04-25 2023-04-25 一种用于数据通信的分布式边缘计算***及边缘计算方法

Country Status (1)

Country Link
CN (1) CN116170846B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112130927A (zh) * 2020-09-21 2020-12-25 安阳师范学院 一种可靠性增强的移动边缘计算任务卸载方法
CN113032120A (zh) * 2021-03-26 2021-06-25 重庆大学 一种基于边缘计算的工业现场大数据任务协调度方法
CN114895976A (zh) * 2022-04-29 2022-08-12 国网智能电网研究院有限公司 一种业务安全计算卸载方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109561148B (zh) * 2018-11-30 2021-03-23 湘潭大学 边缘计算网络中基于有向无环图的分布式任务调度方法
EP3826368A1 (en) * 2019-11-19 2021-05-26 Commissariat à l'énergie atomique et aux énergies alternatives Energy efficient discontinuous mobile edge computing with quality of service guarantees
CN113254095B (zh) * 2021-04-25 2022-08-19 西安电子科技大学 云边结合平台的任务卸载、调度与负载均衡***、方法
CN113590328B (zh) * 2021-08-02 2023-06-27 重庆大学 基于区块链的边缘计算服务交互方法与***
CN113950103B (zh) * 2021-09-10 2022-11-04 西安电子科技大学 一种移动边缘环境下多服务器完全计算卸载方法及***
CN114528092A (zh) * 2022-01-04 2022-05-24 中国神华能源股份有限公司神朔铁路分公司 边缘节点任务调度方法、装置、计算机设备和存储介质
CN115827178A (zh) * 2022-09-07 2023-03-21 华润数字科技有限公司 边缘计算任务分配方法、装置、计算机设备及相关介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112130927A (zh) * 2020-09-21 2020-12-25 安阳师范学院 一种可靠性增强的移动边缘计算任务卸载方法
CN113032120A (zh) * 2021-03-26 2021-06-25 重庆大学 一种基于边缘计算的工业现场大数据任务协调度方法
CN114895976A (zh) * 2022-04-29 2022-08-12 国网智能电网研究院有限公司 一种业务安全计算卸载方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《基于粒子群算法的移动边缘计算任务分配方法》;陈刚，王志坚，徐胜超;《计算机与现代化》;全文 *
《面向边缘计算的电力线通信资源分配优化方法》;魏会娜，翟明岳;《激光杂志》;全文 *

Also Published As

Publication number Publication date
CN116170846A (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
Hussein et al. Efficient task offloading for IoT-based applications in fog computing using ant colony optimization
Gao et al. Task partitioning and offloading in DNN-task enabled mobile edge computing networks
CN108141407B (zh) 移动边缘计算动态加速分配
CN111401744B (zh) 一种移动边缘计算中不确定性环境下的动态任务卸载方法
Zhao et al. Pricing policy and computational resource provisioning for delay-aware mobile edge computing
US11831708B2 (en) Distributed computation offloading method based on computation-network collaboration in stochastic network
US10158543B2 (en) Method of estimating round-trip time (RTT) in content-centric network (CCN)
CN109639833B (zh) 一种基于无线城域网微云负载均衡的任务调度方法
Li et al. Performance evaluation and optimization of a task offloading strategy on the mobile edge computing with edge heterogeneity
CN110809291B (zh) 基于能量采集设备的移动边缘计算***双层负载平衡方法
Liu et al. A task oriented computation offloading algorithm for intelligent vehicle network with mobile edge computing
CN113778691B (zh) 一种任务迁移决策的方法、装置及***
Chen et al. Latency minimization for mobile edge computing networks
CN113965569B (zh) 一种高能效、低时延的边缘节点计算迁移配置***
US20230136612A1 (en) Optimizing concurrent execution using networked processing units
Bista et al. Probabilistic computation offloading for mobile edge computing in dynamic network environment
US20220224762A1 (en) Queuing control for distributed compute network orchestration
CN111158893B (zh) 应用于雾计算网络的任务卸载方法、***、设备及介质
CN109327340B (zh) 一种基于动态迁移的移动无线网络虚拟网映射方法
CN116170846B (zh) 一种用于数据通信的分布式边缘计算***及边缘计算方法
Ding et al. Multi-agent reinforcement learning for cooperative task offloading in distributed edge cloud computing
Jamali et al. A new method of cloud-based computation model for mobile devices: energy consumption optimization in mobile-to-mobile computation offloading
WO2023188437A1 (ja) 制御装置、制御方法、及びプログラム
CN115190021B (zh) 面向确定性时延业务的切片部署方法及相关设备
Zhu et al. Online learning for computation peer offloading with semi-bandit feedback

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