CN116321297B - 基于新一代核心网的计算任务卸载方法及*** - Google Patents
基于新一代核心网的计算任务卸载方法及*** Download PDFInfo
- Publication number
- CN116321297B CN116321297B CN202310241383.0A CN202310241383A CN116321297B CN 116321297 B CN116321297 B CN 116321297B CN 202310241383 A CN202310241383 A CN 202310241383A CN 116321297 B CN116321297 B CN 116321297B
- Authority
- CN
- China
- Prior art keywords
- edge computing
- core network
- new generation
- square matrix
- generation core
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000004134 energy conservation Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 72
- 238000012216 screening Methods 0.000 claims description 50
- 239000013598 vector Substances 0.000 claims description 24
- 238000012384 transportation and delivery Methods 0.000 claims description 15
- 238000013475 authorization Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004146 energy storage Methods 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 101100229711 Caenorhabditis elegans eas-1 gene Proteins 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- H04W28/0917—Management thereof based on the energy state of entities
-
- 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
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于新一代核心网的计算任务卸载方法及***,该方法包括:用户设备向新一代核心网发起将计算任务卸载到边缘计算节点的目标请求,目标请求中包括计算任务交付的预期时间;新一代核心网获取与之连接的各个边缘计算节点的能源供给状态信息;新一代核心网根据能源供给状态信息,从可选边缘计算节点的集合中选择节能度最高的作为目标边缘计算节点;或,新一代核心网根据预期时间和能源供给状态信息,从可选边缘计算节点的集合中选择满足预期时间要求且节能度最高的作为目标边缘计算节点;基于上述方法,在保证计算任务完成的前提下,可选择出能耗成本最低的边缘计算节点,实现资源的合理化利用。
Description
技术领域
本发明涉及边缘计算技术领域,尤其涉及一种基于新一代核心网的计算任务卸载方法及***。
背景技术
随着智能终端的普及以及5G通信技术的发展,涌现出许多低延迟需求的计算密集型应用,如在线沉浸式游戏、视频流分析等。由于传统的计算模式无法满足这些应用低延迟的需求,网络通信和计算能力的最新进展表明,可以将计算任务卸载到离用户更近的核心网络计算节点即边缘计算节点或分布式计算节点(例如:云服务),以提供广泛的服务。因此,目前的***通常被设计为尽快(低延迟)完成计算任务(高吞吐量)并给出结果。
然而,一些计算任务在执行时间和位置上具有灵活性,也就是说,计算任务可以在任意计算节点中执行,且可以容忍比较多的延迟,例如:一些AI/ML训练、模拟和视频处理任务可能不需要快速响应,只需在特定的给定期限内完成即可。
另外,边缘计算节点除了由非可再生能源(如煤炭等)供电外,本着节能降耗的目的,一部分边缘计算节点还适用可再生能源(例如太阳能、风能等)以及混合能源供电。
基于此,对于某些对时延的敏感度不高、只需在给定时间期限内完成即可的计算任务,现有技术无法满足低能耗的要求。例如,利用现有技术进行延迟不敏感计算任务卸载时,所选计算节点的可再生能源供电不足,由非可再生能源供电,而网络中存在其他计算节点可再生能源供电充足,这种情况下,导致资源利用不合理,且非可再生能源的过度利用还会对释放温室气体,对环境造成影响。
因此,仅以尽快完成计算任务并给出结果作为选择边缘计算节点的依据缺乏一定的合理性和有效性,不利于实现节能降耗。
发明内容
本发明的目的是提供一种基于新一代核心网的计算任务卸载方法及***,以使得,可以根据不同计算任务的需求以及计算节点的与能源供给状态相关的多项指标来选择最合适的计算节点。
为了实现上述目的,本发明公开了一种基于新一代核心网的计算任务卸载方法,其包括:
用户设备向新一代核心网发起将计算任务卸载到边缘计算节点的目标请求,所述目标请求中包括计算任务交付的预期时间;
新一代核心网获取与之连接的各个边缘计算节点的能源供给状态信息;
当所述目标请求中任务交付的预期时间大于或等于预设阈值时,所述新一代核心网根据能源供给状态信息,从可选边缘计算节点的集合中选择节能度最高的作为目标边缘计算节点;
当所述目标请求中任务交付的预期时间小于预设阈值时,所述新一代核心网根据所述预期时间和所述能源供给状态信息,从可选边缘计算节点的集合中选择满足所述预期时间要求且节能度最高的作为目标边缘计算节点。
较佳地,所述目标边缘计算节点的选择方法包括:
根据用户设备的IP、用户永久标识以及订阅信息初步筛选出边缘计算节点的可选集合;
确定筛选指标,当所述目标请求中任务交付的预期时间大于或等于预设阈值时,所述筛选指标包括用于反映能源供给状态信息的至少两指标,当所述目标请求中任务交付的预期时间小于预设阈值时,所述筛选指标包括用于反映能源供给状态信息的至少两指标和反映时延要求的指标;
根据所述筛选指标的重要性程度,定义任两所述筛选指标相比较的标度值;
针对每一所述筛选指标,根据所述可选集合中任两边缘计算节点的优先度定义该两边缘计算节点相比较的标度值;
构建n阶的第一方阵,n为当前所述筛选指标的个数,其中,所述第一方阵中任一元素wij表示第i个指标与第j个指标相比较的标度值;
对应每一所述筛选指标,构建一m阶的第二方阵,m为当前可选集合中边缘计算节点的个数,所述第二方阵中任一元素xij表示第i个边缘计算节点与第j个边缘计算节点相比较的标度值;
根据所述第一方阵,分别计算出n个所述筛选指标的第一权重向量;
根据每一所述第二方阵,计算m个边缘计算节点分别关于该第二方阵所属筛选指标的m个第二权重向量;
根据下述公式计算每个边缘计算节点的总得分Scorei,
Scorei=w1×ai+w2×bi+……+wn×fi
其中,wn表示第n个第一权重向量,ai、bi……fi分别为第i个边缘计算节点关于每个筛选指标的第二权重向量;
将所述总得分最高的边缘计算节点作为目标边缘计算节点。
较佳地,根据下述公式一计算第一权重向量wi,并根据下述公式二计算第二权重向量xi:
较佳地,构建完成所述第一方阵和所述第二方阵后,还对所述第一方阵和所述第二方阵中的元素进行一致性检验。
较佳地,根据下述公式三对所述第一方阵和所述第二方阵中的元素进行一致性检验:
其中,CR为一致性指标,h为所述第一方阵或所述第二方阵的阶数,λmax为所述第一方阵或所述第二方阵中元素的最大值,RI为已知的平均随机一致性指标。
较佳地,用于反映能源供给状态信息的筛选指标包括:非可再生能源供电、可再生能源供电、混合供电、非可再生能源供电利用率、可再生能源供电利用率以及剩余可再生能源存储量。
较佳地,所述目标请求中还包括授权信息,所述新一代核心网根据所述授权信息选择使用当前默认配置为所述用户设备配置目标边缘计算节点或从可选边缘计算节点的集合中选择最优的目标边缘计算节点。
本发明还公开一种基于新一代核心网的计算任务卸载***,其包括设置于新一代核心网中的边缘计算节点优化选择***,所述边缘计算节点优化选择***基于如上所述的计算任务卸载方法选择目标边缘计算节点。
本发明还公开一种计算任务卸载***,其包括:
一个或多个处理器;
存储器;
以及一个或多个程序,其中一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如上所述的计算任务卸载方法的指令。
本发明还公开一种计算机可读存储介质,其包括计算机程序,所述计算机程序可被处理器执行以完成如上所述的计算任务卸载方法。
与现有技术相比,本发明上述技术方案,当新一代核心网接收到用户设备发起的将计算任务卸载到边缘计算节点的目标请求时,新一代核心网可根据不同计算任务的需求以及边缘计算节点的与能源供给状态相关的多项指标来选择最合适的边缘计算节点,在保证计算任务完成的前提下,选择出能耗成本最低的边缘计算节点,实现资源的合理化利用。
附图说明
图1为本发明实施例中计算任务卸载方法流程图。
图2为本发明实施例中计5GC执行计算任务卸载的时序图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果,以下结合实施方式并配合附图详予说明。
本实施例公开了一种基于新一代核心网的计算任务卸载方法,以用于将用户设备UE的计算任务卸载到网络上合适的边缘计算节点EAS(Edge Application Serve,又称边缘配置服务器),并达到既满足计算任务的需求,又能最大程度降低能耗成本,进而实现能耗资源的合理化应用的目的。本实施例中的新一代核心网包括5G***的核心网5GC以及兼容5GC的下一代核心网。
如图1,本实施例中的计算任务卸载方法包括如下步骤:
S1:UE向5GC发起将计算任务卸载到EAS的目标请求,所述目标请求中包括计算任务交付的预期时间。
S2:5GC获取与之连接的各个EAS的能源供给状态信息;
S3:判断目标请求中任务交付的预期时间(也即时延要求)大于或等于预设阈值是否大于或等于预设阈值,如果是,则执行S4,如果否,则执行S5;
S4:所述5GC根据能源供给状态信息,从可选EAS的集合中选择节能度最高的作为目标EAS;
S5:所述5GC根据所述预期时间和所述能源供给状态信息,从可选EAS的集合中选择满足所述预期时间要求且节能度最高的作为目标EAS。
S6:目标EAS执行UE交付的计算任务,并在预期时间内将任务结果反馈给UE。
如图2,根据5GC执行UE的计算任务卸载的时序,详细说明本实施例中计算任务卸载方法执行流程:
01.UE通过基站向5GC发起PDU会话建立请求,5GC中的会话管理功能SMF从统一数据管理功能UDM检索UE的订阅信息;
02.UE请求5GC中的应用功能AF将计算任务卸载到EAS,目标请求中包括UE的用户永久标识SUPI、IP地址、任务交付的预期时间(如12小时)等;
03.AF请求5GC中的网络能力开放功能NEF将UE的计算任务卸载到EAS;
04.NEF授权并向SMF转发AF的请求;
05.SMF根据UE的订阅信息选择边缘应用服务器发现功能EASDF,并确定选择节能模式进行计算任务卸载;
06.SMF向EASDF发送创建DNS(Domain Name System,缩写为DNS,指物联网域名***)上下文请求,该请求消息中携带UE的IP地址、SUPI、DNN(数据网络名称)等;
07.EASDF创建DNS上下文并响应SMF;
08.SMF通过N1消息将EASDF的IP地址发送给UE;
09.UE发送DNS查询消息到EASDF;
10.EASDF在DNS查询消息中添加节能模式选项、交付任务的预期时间信息,并将DNS消息发送至DNS Server(DNS服务器);
11.DNS Server根据交付任务的预期时间和能源供给状态信息选择目标EAS,并将选择结果响应给EASDF;
12.EASDF将目标EAS相关信息通知给SMF;
13.SMF响应EASDF;
14.SMF通过N4会话更新流程选择上行数据分类器ULCL和PDU会话锚点PSA,并为ULCL和PSA下发路由规则,将UE计算任务的流量通过ULCL和PSA路由到目标EAS中;
15.SMF响应NEF的请求;
16.NEF响应AF;
17.目标EAS执行UE计算任务;
18.目标EAS根据UE指示的交付任务的预期时间,将任务结果通知给UE。
进一步地,所述目标边缘计算节点的具体选择方法包括:
首先,DNS Server根据UE的IP、SUPI以及订阅信息初步筛选出可选EAS集合。
然后,确定筛选指标,当所述目标请求中任务交付的预期时间大于或等于预设阈值时,所述筛选指标包括用于反映能源供给状态信息的至少两指标,当所述目标请求中任务交付的预期时间小于预设阈值时,所述筛选指标包括用于反映能源供给状态信息的至少两指标和反映时延要求的指标。本实施例中,以对延迟不敏感的计算任务为例,即筛选指标仅考虑能源供给状态信息。具体地,所用的反映能源供给状态信息的筛选指标包括六种,分别为非可再生能源供电(A)、可再生能源供电(B)、混合供电(C、非可再生能源供电利用率(D)、可再生能源供电利用率(E)以及剩余可再生能源存储量(F)。
接着,根据所述筛选指标的重要性程度,定义任两所述筛选指标相比较的标度值,如下表1,定义了相比较两筛选指标在各种情况下的标度值。
标度 | 含义 |
1 | 两个指标相比,具有同样重要性 |
3 | 两个指标相比,该指标比另一指标一般重要 |
5 | 两个指标相比,该指标比另一指标明显重要 |
7 | 两个指标相比,该指标比另一指标强烈重要 |
9 | 两个指标相比,该指标比另一指标极度重要 |
2 | 两个指标相比,该指标比另一指标的重要性介于同样重要和一般重要之间 |
4 | 两个指标相比,该指标比另一指标的重要性介于一般重要和明显重要之间 |
6 | 两个指标相比,该指标比另一指标的重要性介于明显重要和强烈重要之间 |
8 | 两个指标相比,该指标比另一指标的重要性介于强烈重要和极度重要之间 |
表1
另外需要说明的是,若指标A相比于指标B的标度为3,则指标B相比于指标A的标度为1/3,也即比较对象倒置后,标度值互为倒数。
再者,针对每一所述筛选指标,根据所述可选集合中任两EAS的优先度定义该两边缘计算节点相比较的标度值。本实施例中,可选集合中有三个EAS,分别为EAS1、EAS2、EAS3。
如下表2,定义了在任一筛选指标下,相比较两EAS在各种情况下的标度值。
表2
同样的是,若EAS1相比于EAS2的标度为3,则EAS2相比于EAS1的标度为1/3,也即比较对象倒置后,标度值互为倒数。
然后,构建n阶的第一方阵,n为当前所述筛选指标的个数,其中,所述第一方阵中任一元素wij表示第i个指标与第j个指标相比较的标度值。
在本实施例中,由于所选的筛选指标有六个,分别为A、B、C、D、E、F,那么第一方阵为六阶,也即,n为6,相应地,所构建的第一方阵如下W:
其中,w11表示第1个指标(如A,也即非可再生能源供电)与自己比较的标度值,两个相同指标比较,重要性显然相同,标度值为1。w21表示第2个指标(如B,也即可再生能源供电)与第1个指标(如A,非可再生能源供电)比较的标度值,从能耗成本上考虑,可再生能源供电相比可再生能源供电极度重要,因此,标度值为9,相应地,w12为1/9。
另外,对应每一所述筛选指标,构建一m阶的第二方阵,m为当前可选集合中边缘计算节点的个数,所述第二方阵中任一元素xij表示第i个边缘计算节点与第j个边缘计算节点相比较的标度值。在本实施例中,由于上述筛选指标有六个,那么对应需要构建六个第二方阵。再者,由于可选EAS有三个,那么每一第二方阵为三阶,所构建的六个第二方阵如下:
其中,方阵A'为与筛选指标A相对应的三阶方阵,方阵B'为与筛选指标B相对应的三阶方阵,方阵C'为与筛选指标C相对应的三阶方阵方阵,D'为与筛选指标D相对应的三阶方阵,方阵E'为与筛选指标E相对应的三阶方阵,方阵F'为与筛选指标F相对应的三阶方阵。xij代表A'、B'、C'、D'、E'、F'中任一方阵中的任一元素。以方阵A'为例,A11表示在非可再生能源供电这一筛选指标下,EAS1相较EAS1的优先度,当然,与自身比较,优先度相同,那么标度值为1。A21表示在非可再生能源供电这一筛选指标下,EAS2相较EAS1的优先度,如果稍微优先,那么标度为3。
然后,根据所述第一方阵,分别计算出n个所述筛选指标的第一权重向量。并根据每一所述第二方阵,计算m个边缘计算节点分别关于该第二方阵所属筛选指标的m个第二权重向量。
本实施例中,第一方阵为六阶,那么计算出六个分别与筛选指标A、B、C、D、E、F相对应的第一权重向量,即w=(w1,w2,w3,w4,w5,w6)。
各个第二方阵为三阶,那么根据各个第二方阵计算出三个分别与EAS1、EAS2、EAS3相对应的第二权重向量,即a=(a1,a2,a3),b=(b1,b2,b3),c=(c1,c2,c3),d=(d1,d2,d3),e=(e1,e2,e3),f=(f1,f2,f3)。
再然后,根据下述公式计算每个边缘计算节点的总得Scorei分,
Scorei=w1×ai+w2×bi+……+wn×fi。
其中,wn表示第n个第一权重向量,ai、bi……fi分别为第i个EAS关于每个筛选指标的第二权重向量。
具体地,对于边缘计算节点EAS1,总得分如下:
Score1=w1×a1+w2×b1+w3×c1+w4×d1+w5×e1+w6×f1;
对于边缘计算节点EAS2,总得分如下:
Score2=w1×a2+w2×b2+w3×c2+w4×d2+w5×e2+w6×f2;
对于边缘计算节点EAS3,总得分如下:
Score2=w1×a3+w2×b3+w3×c3+w4×d3+w5×e3+w6×f3。
将所述总得分最高的边缘计算节点作为目标边缘计算节点。也即,比较Score1、Score2、Score3的大小,选择与其中最大者所对应的EAS作为目标EAS。
进一步地,根据下述公式一计算第一权重向量wi,并根据下述公式二计算第二权重向量xi:
例如,对于与筛选指标A相对应的第一权重向量w1为:
w1=(p1+p2+p3+p4+p5+p6)/6,
p1=w11/(w11+w21+w31+w41+w51+w61),
p2=w12/(w12+w22+w32+w42+w52+w62),
p3=w13/(w13+w23+w33+w43+w53+w63),
p4=w14/(w14+w24+w34+w44+w54+w64),
p5=w15/(w15+w25+w35+w45+w55+w65),
p6=w16/(w16+w26+w36+w46+w56+w66)。
相应地,对于与EAS1相对应的其中一第二权重向量a1为:
a1=(q1+q2+q3)/3,
q1=A11/(A11+A21+A31),
q2=A12/(A12+A22+A32),
q3=A13/(A13+A23+A33)。
以此,计算其他的第一权重向量和第二权重向量
更进一步地,构建完成所述第一方阵和所述第二方阵后,还对所述第一方阵和所述第二方阵中的元素进行一致性检验,以确保第一方阵和第二方阵中的标度值出现矛盾的情况。
具体地,根据下述公式三对所述第一方阵和所述第二方阵中的元素进行一致性检验:
其中,CR为一致性指标,h为所述第一方阵或所述第二方阵的阶数,λmax为所述第一方阵或所述第二方阵中元素的最大值,RI为已知的平均随机一致性指标。
另外,所述目标请求中还包括授权信息,5GC根据所述授权信息选择使用当前默认配置为所述UE配置目标EAS或从可选EAS的集合中选择最优的目标EAS。本实施例中,通过授权信息,UE可选择使用默认配置为当前计算任务配置EAS,或者根据上述方法从可选EAS的集合中选择最优的目标EAS,从而便于根据需求实现差异化EAS配置服务,有效提升使用体验感。
综上,本发明上述技术方法,当5GC接收到UE发起的将计算任务卸载到EAS的目标请求时,5GC可根据不同计算任务的需求以及EAS的与能源供给状态相关的多项指标来选择最合适的EAS,在保证计算任务完成的前提下,选择出能耗成本最低的边缘计算节点,提高可再生能源利用效率,实现资源的合理化利用,同时在条件允许的情况下尽可能降低非可再生能源的消耗对自然环境的影响。
本发明另一较佳实施例中,还公开一种基于5GC的计算任务卸载***,其包括设置于5GC中的边缘计算节点优化选择***,该边缘计算节点优化选择***基于上述的计算任务卸载方法选择目标边缘计算节点。
本发明还公开另一种计算任务卸载***,其包括一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如上所述的计算任务卸载方法的指令。处理器可以采用通用的中央处理器(Central Processing Unit,CPU),微处理器,应用专用集成电路(Application Specific Integrated Circuit,ASIC),或者一个或多个集成电路,用于执行相关程序,以实现本申请实施例的计算任务卸载***中的模块所需执行的功能,或者执行本申请方法实施例的计算任务卸载方法。
本发明还公开一种计算机可读存储介质,其包括计算机程序,所述计算机程序可被处理器执行以完成如上所述的计算任务卸载方法。该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。该可用介质可以是只读存储器(read-onlymemory,ROM),或随机存取存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatiledisc,DVD)、或者半导体介质,例如,固态硬盘(solidstate disk,SSD)等。
本申请实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该电子设备执行上述计算任务卸载方法。
以上所揭露的仅为本发明的优选实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明申请专利范围所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种基于新一代核心网的计算任务卸载方法,其特征在于,包括:
用户设备向新一代核心网发起将计算任务卸载到边缘计算节点的目标请求,所述目标请求中包括计算任务交付的预期时间;
新一代核心网获取与之连接的各个边缘计算节点的能源供给状态信息;
当所述目标请求中任务交付的预期时间大于或等于预设阈值时,所述新一代核心网根据能源供给状态信息,从可选边缘计算节点的集合中选择节能度最高的作为目标边缘计算节点;
当所述目标请求中任务交付的预期时间小于预设阈值时,所述新一代核心网根据所述预期时间和所述能源供给状态信息,从可选边缘计算节点的集合中选择满足所述预期时间要求且节能度最高的作为目标边缘计算节点;所述目标边缘计算节点的选择方法包括:
根据用户设备的IP、用户永久标识以及订阅信息初步筛选出边缘计算节点的可选集合;
确定筛选指标,当所述目标请求中任务交付的预期时间大于或等于预设阈值时,所述筛选指标包括用于反映能源供给状态信息的至少两指标,当所述目标请求中任务交付的预期时间小于预设阈值时,所述筛选指标包括用于反映能源供给状态信息的至少两指标和反映时延要求的指标;
根据所述筛选指标的重要性程度,定义任两所述筛选指标相比较的标度值;
针对每一所述筛选指标,根据所述可选集合中任两边缘计算节点的优先度定义该两边缘计算节点相比较的标度值;
构建n阶的第一方阵,n为当前所述筛选指标的个数,其中,所述第一方阵中任一元素wij表示第i个指标与第j个指标相比较的标度值;
对应每一所述筛选指标,构建一m阶的第二方阵,m为当前可选集合中边缘计算节点的个数,所述第二方阵中任一元素xij表示第i个边缘计算节点与第j个边缘计算节点相比较的标度值;
根据所述第一方阵,分别计算出n个所述筛选指标的第一权重向量;
根据每一所述第二方阵,计算m个边缘计算节点分别关于该第二方阵所属筛选指标的m个第二权重向量;
根据下述公式计算每个边缘计算节点的总得分Scorei,
Scorei=w1×ai+w2×bi+……+wn×fi
其中,wn表示第n个第一权重向量,ai、bi……fi分别为第i个边缘计算节点关于每个筛选指标的第二权重向量;
将所述总得分最高的边缘计算节点作为目标边缘计算节点。
2.根据权利要求1所述的基于新一代核心网的计算任务卸载方法,其特征在于,根据下述公式一计算第一权重向量wi,并根据下述公式二计算第二权重向量xi:
3.根据权利要求1所述的基于新一代核心网的计算任务卸载方法,其特征在于,构建完成所述第一方阵和所述第二方阵后,还对所述第一方阵和所述第二方阵中的元素进行一致性检验。
4.根据权利要求3所述的基于新一代核心网的计算任务卸载方法,其特征在于,根据下述公式三对所述第一方阵和所述第二方阵中的元素进行一致性检验:
其中,CR为一致性指标,h为所述第一方阵或所述第二方阵的阶数,λmax为所述第一方阵或所述第二方阵中元素的最大值,RI为已知的平均随机一致性指标。
5.根据权利要求1所述的基于新一代核心网的计算任务卸载方法,其特征在于,用于反映能源供给状态信息的筛选指标包括:非可再生能源供电、可再生能源供电、混合供电、非可再生能源供电利用率、可再生能源供电利用率以及剩余可再生能源存储量。
6.根据权利要求1所述的基于新一代核心网的计算任务卸载方法,其特征在于,所述目标请求中还包括授权信息,所述新一代核心网根据所述授权信息选择使用当前默认配置为所述用户设备配置目标边缘计算节点或从可选边缘计算节点的集合中选择最优的目标边缘计算节点。
7.一种基于新一代核心网的计算任务卸载***,其特征在于,包括设置于新一代核心网中的边缘计算节点优化选择***,所述边缘计算节点优化选择***基于权利要求1至6任一项所述的计算任务卸载方法选择目标边缘计算节点。
8.一种计算任务卸载***,其特征在于,包括:
一个或多个处理器;
存储器;
以及一个或多个程序,其中一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如权利要求1至6任一项所述的计算任务卸载方法的指令。
9.一种计算机可读存储介质,其特征在于,包括计算机程序,所述计算机程序可被处理器执行以完成如权利要求1至6任一项所述的计算任务卸载方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310241383.0A CN116321297B (zh) | 2023-03-13 | 2023-03-13 | 基于新一代核心网的计算任务卸载方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310241383.0A CN116321297B (zh) | 2023-03-13 | 2023-03-13 | 基于新一代核心网的计算任务卸载方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116321297A CN116321297A (zh) | 2023-06-23 |
CN116321297B true CN116321297B (zh) | 2024-01-02 |
Family
ID=86833798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310241383.0A Active CN116321297B (zh) | 2023-03-13 | 2023-03-13 | 基于新一代核心网的计算任务卸载方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116321297B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110798858A (zh) * | 2019-11-07 | 2020-02-14 | 华北电力大学(保定) | 基于代价效率的分布式任务卸载方法 |
CN110972060A (zh) * | 2019-12-13 | 2020-04-07 | 国网福建省电力有限公司经济技术研究院 | 一种在电力通信网面向终端接入的边缘控制中心部署方法 |
CN111953758A (zh) * | 2020-08-04 | 2020-11-17 | 国网河南省电力公司信息通信公司 | 一种边缘网络计算卸载和任务迁移方法及装置 |
WO2021126948A1 (en) * | 2019-12-20 | 2021-06-24 | Convida Wireless, Llc | Seamless edge application handover |
CN113114733A (zh) * | 2021-03-24 | 2021-07-13 | 重庆邮电大学 | 基于能量收集的分布式任务卸载和计算资源的管理方法 |
CN114816584A (zh) * | 2022-06-10 | 2022-07-29 | 武汉理工大学 | 一种多能源供给边缘***的最优碳排计算卸载方法及*** |
-
2023
- 2023-03-13 CN CN202310241383.0A patent/CN116321297B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110798858A (zh) * | 2019-11-07 | 2020-02-14 | 华北电力大学(保定) | 基于代价效率的分布式任务卸载方法 |
CN110972060A (zh) * | 2019-12-13 | 2020-04-07 | 国网福建省电力有限公司经济技术研究院 | 一种在电力通信网面向终端接入的边缘控制中心部署方法 |
WO2021126948A1 (en) * | 2019-12-20 | 2021-06-24 | Convida Wireless, Llc | Seamless edge application handover |
CN111953758A (zh) * | 2020-08-04 | 2020-11-17 | 国网河南省电力公司信息通信公司 | 一种边缘网络计算卸载和任务迁移方法及装置 |
CN113114733A (zh) * | 2021-03-24 | 2021-07-13 | 重庆邮电大学 | 基于能量收集的分布式任务卸载和计算资源的管理方法 |
CN114816584A (zh) * | 2022-06-10 | 2022-07-29 | 武汉理工大学 | 一种多能源供给边缘***的最优碳排计算卸载方法及*** |
Non-Patent Citations (1)
Title |
---|
绿色能源驱动的移动边缘计算动态任务卸载;马惠荣;陈旭;周知;于帅;;计算机研究与发展(09);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116321297A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027736A (zh) | 多目标优化下的微服务组合部署与调度方法 | |
CN102624922B (zh) | 一种网络gis异构集群服务器负载均衡方法 | |
Jia et al. | Qos-aware cloudlet load balancing in wireless metropolitan area networks | |
CN103412875B (zh) | 基于ahp决策模型的cdn策略调整方法 | |
CN111124662A (zh) | 一种雾计算负载均衡方法及*** | |
Yu et al. | Price-sensitivity aware load balancing for geographically distributed internet data centers in smart grid environment | |
CN111949409A (zh) | 一种电力无线异构网中计算任务卸载方法及*** | |
Li et al. | Load balancing edge server placement method with QoS requirements in wireless metropolitan area networks | |
Ranjan et al. | Decentralised resource discovery service for large scale federated grids | |
CN111221649A (zh) | 边缘资源存储方法、访问方法及装置 | |
CN114449490A (zh) | 基于d2d通信的多任务联合计算卸载与资源分配方法 | |
Yao et al. | COMIC: Cost optimization for internet content multihoming | |
CN115016889A (zh) | 一种用于云计算的虚拟机优化调度方法 | |
CN116321297B (zh) | 基于新一代核心网的计算任务卸载方法及*** | |
CN117081983B (zh) | 数据传输方法及装置 | |
CN113672372A (zh) | 一种基于强化学习的多边缘协同负载均衡任务调度方法 | |
CN113032149A (zh) | 基于演化博弈的边缘计算服务放置和请求分配方法及*** | |
CN112492026A (zh) | 动态云存储环境下混合型自适应副本一致性更新方法 | |
CN115314500B (zh) | 基于改进topsis模型的动态负载均衡方法 | |
CN114336769B (zh) | 一种电网日内紧急削峰方法、装置、***及存储介质 | |
Cao et al. | An efficient embedding algorithm for energy multi-domain virtual network embedding | |
CN114201306B (zh) | 基于负载均衡技术的多维地理空间实体分布方法及*** | |
Fang et al. | A Scheduling Strategy for Reduced Power Consumption in Mobile Edge Computing | |
Kliazovich et al. | Simulating communication processes in energy-efficient cloud computing systems | |
Zhu et al. | Load balancing algorithm for web server based on weighted minimal connections |
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 |