一种多用户场景下的移动边缘计算任务卸载方法技术

一种多用户场景下的移动边缘计算任务卸载方法，涉及移动计算系统的处理技术领域。本发明专利技术的目的是为了降低移动设备的反应时延和能耗。所述多用户场景是多个移动设备和MEC服务器相连，每个移动设备可选择该移动设备和MEC服务器之间的多条信道中的一个进行通信，MEC服务器通过主干网与中心云服务器相连；具体过程为：多用户场景任务卸载模型构建；基于博弈论的两阶段任务卸载策略：第一段阶卸载策略是：决定卸载是在移动设备上还是在MEC服务器上执行，第二段阶卸载策略是：当MEC服务器资源不足时进行决定是在MEC服务器上等待还是在中心云服务器上执行。本发明专利技术在保证用户的服务质量以及公平性的前提下，同时兼顾用户的个性化需求。

An Unloading Method for Mobile Edge Computing Tasks in Multi-user Scenarios

A method for unloading mobile edge computing tasks in multi-user scenarios relates to the processing technology field of mobile computing systems. The object of the present invention is to reduce the reaction delay and energy consumption of mobile devices. The multi-user scenario is connected by multiple mobile devices and MEC servers. Each mobile device can choose one of the channels between the mobile device and the MEC server to communicate. The MEC server is connected to the central cloud server through the backbone network. The specific process is: the task uninstallation model of the multi-user scenario is constructed; and it is based on Bo. Two-stage task uninstallation strategy of game theory: the first stage is to decide whether to uninstall on mobile devices or on MEC servers, and the second stage is to decide whether to wait on MEC servers or on central cloud servers when the resources of MEC servers are insufficient. The invention guarantees the quality of service and fairness of users, while taking into account the individual needs of users.

【技术实现步骤摘要】
一种多用户场景下的移动边缘计算任务卸载方法
本专利技术涉及一种多用户场景下的任务卸载方法，涉及移动计算系统的处理

技术介绍
移动互联网和物联网的高速发展和具有高级功能的新式移动应用程序的快速发展给移动计算系统带来了巨大的压力。然而，移动设备的有限处理能力和电池容量成为实现这种要求的障碍。移动边缘计算(MobileEdgeComputing,MEC)已经成为解决这个问题的有希望的技术，与使用远程公共云的传统云计算系统相比，它提供了无线接入网络内的计算能力。通过将计算密集型任务从移动设备卸载到附近的MEC服务器，计算体验质量(包括延迟和设备能耗)可以大大提高。然而，MEC系统的效率在很大程度上取决于所采用的计算卸载策略，需要考虑到计算任务和无线信道的特点来精心设计。
技术实现思路
本专利技术要解决的技术问题：本专利技术的目的是提供一种多用户场景下的移动边缘计算任务卸载方法，以降低移动设备的反应时延和能耗。本专利技术为解决上述技术问题采取的技术方案是：一种多用户场景下的移动边缘计算任务卸载方法，所述多用户场景是多个移动设备和MEC服务器相连，每个移动设备可选择该移动设备和MEC服务器之间的多条信道中的一个进行通信，MEC服务器通过主干网与中心云服务器相连；具体过程为：步骤一、多用户场景任务卸载模型构建构建多用户场景下的任务卸载模型，多用户场景下的任务卸载模型包括通信模型、计算任务模型，以及计算任务负载模型；步骤二、基于博弈论的两阶段任务卸载策略第一段阶卸载策略是：决定卸载是在移动设备上还是在MEC服务器上执行，第二段阶卸载策略是：当MEC服务器资源不足时进行决定是在MEC服务器上等待还是在中心云服务器上执行。在步骤一中，多用户场景下的任务卸载模型的构建过程为：通信模型的构建通信模型包括移动设备、MEC服务器以及中心云服务器；移动设备与MEC服务器：移动设备和MEC服务器之间通过无线进行通信；假设每个基站有M条信道，那么信道的集合可以表示为Μ＝{0,1,…,M-1}，移动设备：对于第一阶段移动设备n的决策结果，用符号an来表示，其中an∈{-1}∪Μ；当an＝-1时，表示此时的计算任务在移动设备的本地CPU上执行；当an∈{M}时，表示此时的计算任务通过信道an卸载到MEC服务器上执行；对于第二阶段的决策结果，用符号xn来表示。其中xn∈{0,1}；当xn＝1时表示在MEC服务器上执行，即使MEC资源不足，那么继续在MEC的队列中等待；如果xn＝0，表示任务继续卸载到中心云服务器上执行；对于所有的移动设备，可得到一个决策结果向量a＝(a1,a2,…,an)以及x＝(x1,x2,…,xn)；根据决策结果向量可计算每条信道的上传数据率(datarate)：其中w为信道的带宽，qn表示移动设备的发射功率，gn,s表示移动设备n和基站s之间的信道增益，表示背景噪音功率；移动设备与MEC服务器之间的下传数据率和上传数据率相同；MEC服务器与中心云服务器：MEC服务器和中心云服务器通过主干网进行有线连接；其中，使用符号Rac来表示MEC服务器和中心云服务器之间的传输数据率，并且假设这一数据在整个系统执行过程中不变，即对于每一个需要卸载到中心云服务器上执行的任务，具有相同的数据传输率；计算任务模型计算任务模型使用一个三元组来表示：其中bn表示计算任务需要的数据量，所述数据包括程序代码、输入参数，如果需要卸载到MEC服务器上执行，那么这部分数据需要通过移动设备的TU模块上传到服务器上；dn表示计算任务所需的计算量，用CPU的操作数来表示；rn表示计算任务的结果数据，如果使用任务卸载的话需要从MEC服务器上下传到移动设备；计算任务负载模型，包括(1)本地计算模型当用户n决定在本地执行计算任务Tn时，涉及到的过程只有移动设备本地CPU执行计算任务，假设移动设备的计算能力是计算任务在本地执行的时间如下：执行计算任务的能量消耗表示为：其中cn表示移动设备本地CPU的功率；通过计算任务的延迟和能耗，建立一个计算任务在本地CPU执行时的整体负载模型：其中系数和分别表示移动设备n在卸载决策时计算任务延迟和能耗的权重；两个系数满足如下关系：当较大时，表示此时移动设备n更关注于计算任务的延迟，对延迟比较敏感；而当更大时，则表示此时移动设备n的电量较低；(2)MEC服务器计算模型当移动用户决定将计算任务卸载到MEC服务器上执行时，首先移动设备需要将计算任务Tn通过合适的信道上传到MEC服务器上，然后MEC服务器代替移动设备来执行具体的任务；计算任务需要经过三个步骤才能最终完成：任务上传、云端执行以及结果回传；多用户的场景下在任务上传阶段，每个移动设备需要选择一条与MEC服务器进行通信的信道；在任务上传阶段，移动设备n需要额外的延迟以及能量消耗来完成任务的卸载；移动设备首先需要选择一条信道来上传计算任务的数据，可得到上传任务时的延迟如下：其中bn表示此时移动设备需要上传的数据量，rn(a)表示移动设备n所选的信道的数据率；移动设备在上传计算任务时，TU模块需要消耗一定的能量，如下所示：其中qn表示移动设备n的发射功率，而Ln表示移动设备在发射一定数据之后额外需要消耗的能量；当移动设备n将计算任务成功上传到MEC服务器上时，就开始了计算任务执行的过程；假设MEC服务器分配给移动设备n的虚拟机的计算能力是计算任务在MEC服务器上的执行时间可表示为：当MEC服务器上的计算能力不能满足所有用户的计算需求时，后序的用户计算任务需要在MEC服务器进行第二阶段的决策；如果第二阶段决策在MEC处等待，执行时间可表示为：其中twait表示由于MEC计算资源不足而导致的排队延迟；当MEC计算资源足够时，twait＝0；其中，当MEC资源不足时twait的计算采用基于排队论的MEC服务器等待时间进行预测计算结果进行回传的时间可以表示为：移动设备接收结果能耗可表示为：其中pn为移动设备的接收功率，在MEC服务器上执行的综合延迟按下式计算：在MEC服务器上执行的综合能耗可得：(3)中心云服务器计算模型如果第二阶段选择卸载到中心云服务器上执行，那么整体延迟可以表示为：其中和分别表示任务从MEC上传到中心云服务器、在中心云服务器上执行以及从中心云服务器上回传结果到MEC的时间；其中是中心云服务器的计算能力；(4)服务器综合负载模型计算任务在MEC服务器或中心云服务器上执行时的整体负载如下：式中的系数和与本地计算负载模型含义相同，而xn是第二阶段的决策结果。基于排队论的MEC服务器等待时间预测的过程为：根据排队论中的Little法则，平衡条件下，任务在MEC服务器等待的平均时间为系统的平均等待队长除以任务的平均进入率，即：其中是平均等待队长，而是任务的平均进入率；这两个参数的测量需要在MEC服务器端进行；对于在每个时间槽t内统计此时在MEC处等待的任务数Nt-C，随着时间的增加计算平均等待队长：Nt代表t时刻所有的任务数，C是MEC服务器同时能服务的用户数，二者相减就是需要排队的任务数；其中Nt是t时刻的全部任务数，同时得到任务平均进入率：其中N0是决策开始时系统内的任务数，而不是系统初始时的任务数。在步骤二中，基于博弈论的两阶段任务卸载策略的过程为：利用得到的服务器综合负本文档来自技高网...

【技术保护点】
1.一种多用户场景下的移动边缘计算任务卸载方法，其特征在于，所述多用户场景是多个移动设备和MEC服务器相连，每个移动设备可选择该移动设备和MEC服务器之间的多条信道中的一个进行通信，MEC服务器通过主干网与中心云服务器相连；具体过程为：步骤一、多用户场景任务卸载模型构建构建多用户场景下的任务卸载模型，多用户场景下的任务卸载模型包括通信模型、计算任务模型，以及计算任务负载模型；步骤二、基于博弈论的两阶段任务卸载策略第一段阶卸载策略是：决定卸载是在移动设备上还是在MEC服务器上执行，第二段阶卸载策略是：当MEC服务器资源不足时进行决定是在MEC服务器上等待还是在中心云服务器上执行。

【技术特征摘要】
1.一种多用户场景下的移动边缘计算任务卸载方法，其特征在于，所述多用户场景是多个移动设备和MEC服务器相连，每个移动设备可选择该移动设备和MEC服务器之间的多条信道中的一个进行通信，MEC服务器通过主干网与中心云服务器相连；具体过程为：步骤一、多用户场景任务卸载模型构建构建多用户场景下的任务卸载模型，多用户场景下的任务卸载模型包括通信模型、计算任务模型，以及计算任务负载模型；步骤二、基于博弈论的两阶段任务卸载策略第一段阶卸载策略是：决定卸载是在移动设备上还是在MEC服务器上执行，第二段阶卸载策略是：当MEC服务器资源不足时进行决定是在MEC服务器上等待还是在中心云服务器上执行。2.根据权利要求1所述的一种多用户场景下的移动边缘计算任务卸载方法，其特征在于，在步骤一中，多用户场景下的任务卸载模型的构建过程为：通信模型的构建通信模型包括移动设备、MEC服务器以及中心云服务器；移动设备与MEC服务器：移动设备和MEC服务器之间通过无线进行通信；假设每个基站有M条信道，那么信道的集合可以表示为M＝{0，1，…，M-1}，移动设备：对于第一阶段移动设备n的决策结果，用符号an来表示，其中an∈{-1}∪M；当an＝-1时，表示此时的计算任务在移动设备的本地CPU上执行；当an∈{M}时，表示此时的计算任务通过信道an卸载到MEC服务器上执行；对于第二阶段的决策结果，用符号xn来表示。其中xn∈{0，1}；当xn＝1时表示在MEC服务器上执行，即使MEC资源不足，那么继续在MEC的队列中等待；如果xn＝0，表示任务继续卸载到中心云服务器上执行；对于所有的移动设备，可得到一个决策结果向量a＝(a1，a2，...，an)以及x＝(x1，x2，...，xn)；根据决策结果向量可计算每条信道的上传数据率(datarate)：其中w为信道的带宽，qn表示移动设备的发射功率，gn，s表示移动设备n和基站s之间的信道增益，表示背景噪音功率；移动设备与MEC服务器之间的下传数据率和上传数据率相同；MEC服务器与中心云服务器：MEC服务器和中心云服务器通过主干网进行有线连接；其中，使用符号Rac来表示MEC服务器和中心云服务器之间的传输数据率，并且假设这一数据在整个系统执行过程中不变，即对于每一个需要卸载到中心云服务器上执行的任务，具有相同的数据传输率；计算任务模型计算任务模型使用一个三元组来表示：其中bn表示计算任务需要的数据量，所述数据包括程序代码、输入参数，如果需要卸载到MEC服务器上执行，那么这部分数据需要通过移动设备的TU模块上传到服务器上；dn表示计算任务所需的计算量，用CPU的操作数来表示；rn表示计算任务的结果数据，如果使用任务卸载的话需要从MEC服务器上下传到移动设备；计算任务负载模型，包括(1)本地计算模型当用户n决定在本地执行计算任务Tn时，涉及到的过程只有移动设备本地CPU执行计算任务，假设移动设备的计算能力是计算任务在本地执行的时间如下：执行计算任务的能量消耗表示为：其中cn表示移动设备本地CPU的功率；通过计算任务的延迟和能耗，建立一个计算任务在本地CPU执行时的整体负载模型：其中系数和分别表示移动设备n在卸载决策时计算任务延迟和能耗的权重；两个系数满足如下关系：当较大时，表示此时移动设备n更关注于计算任务的延迟，对延迟比较敏感；而当更大时，则表示此时移动设备n的电量较低；(2)MEC服务器计算模型当移动用户决定将计算任务卸载到MEC服务器上执行时，首先移动设备需要将计算任务Tn通过合适的信道上传到MEC服务器上，然后MEC服务器代替移动设备来执行具体的任务；计算任务需要经过三个步骤才能最终完成：任务上传、云端执行以及结果回传；多用户的场景下在任务上传阶段，每个移动设备需要选择一条与MEC服务器进行通信的信道；在任务上传阶段，移动设备n需要额外的延迟以及能量消耗来完成任务的卸载；移动设备首先需要选择一条信道来上传计算任务的数据，可得到上传任务时的延迟如下：其中bn表示此时移动设备需要上传的数据量，rn(a)表示移动设备n所选的信道的数据率；移动设备在上传计算任务时，TU模块需要消耗一定的能量，如下所示：其中qn表示移动设备n的发射功率，而Ln表示移动设备在发射一定数据之后额外需要消耗的能量；当移动设备n将计算任务成功上传到MEC服务器上时，就开始了计算任务执行的过程；假设MEC服务器分配给移动设备n的虚拟机的计算能力是计算任务在MEC服务器上的执行时间可表示为：当MEC服务器上的计算能力不能满足所有用户的计算需求时，后序的用户计算任务需要在MEC服务器进行第二阶段的决策；如果第二阶段决策在MEC处等待，执行时间可表示为：其...

【专利技术属性】
技术研发人员：张伟哲，方滨兴，何慧，刘川意，余翔湛，刘亚维，刘国强，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23