一种多用户MEC系统中的云计算资源调度方法技术方案

本申请公开了一种多用户MEC系统中的云计算资源调度方法，在移动用户根据花销在本地制定最小化成本的卸载决策下，在用户子任务具有顺序执行的关联性、用户对金钱和计算延迟时间的偏好程度不同的场景下，建立以服务器任务执行次序为变量的服务器收益最大化模型，然后，基于蚁群算法求解收益最大化模型得到收益最大化的最佳任务执行次序和最佳任务分区策略。使得在满足用户对任务的计算时间和成本的同时，实现服务器提供商的收益最大化，能很好地平衡用户成本和MEC服务器收益之间的关系。

【技术实现步骤摘要】
一种多用户MEC系统中的云计算资源调度方法
本申请涉及移动边缘计算
，尤其涉及一种多用户MEC系统中的云计算资源调度方法。
技术介绍
随着5G网络的普及，依靠其衍生出来的新型应用，如智能电网、车联网、远程医疗、虚拟现实、增强现实等应用得到快速发展。但由于移动设备和物联网设备计算能力和电池容量受限，这些新型应用和服务难以部署。其中，基于5G构建空地协同的通信网络的智能电网技术，用户网关可以同时接入卫星网络与地面网络，用户网关支持软件定义网络(SDN)，通过网络功能虚拟化(NFV)在用户网关处部署MEC功能，使一部分计算密集、上行带宽占用大的应用直接在边缘处完成，降低了网络时延和中心的压力。同时，基于MEC的内容缓存、计算卸载可以提高内容的分发效率、处理速率，提升用户的服务体验。在空地协同的MEC的架构中，用户生成的计算任务，首先判断本地的计算资源是否能满足其需求，如果本地计算资源无法满足用户需求，则用户通过协作卸载策略决定是将其卸载到卫星网络中的边缘计算节点还是地面网络的边缘计算节点。当相应的边缘计算节点接收到计算任务时，如果处于繁忙状态，则将计算任务发送到数据中心进行处理。否则，它将根据自己的计算能力决定是否与周围的边缘计算节点合作来处理计算任务，而这取决于MEC服务器的协同任务调度策略，也即云计算资源调度。在实际过程中，通常会出现多个用户共同占用边缘服务器计算资源的现象，而由于移动边缘服务器计算资源受限，不能同时接受多个用户的卸载请求，这被称为用户分区问题。为解决用户分区与云计算资源调度的问题，现已提出的算法，如SearchAdjust算法，通过计算分区技术，使得用户获得最大的收益。多个用户对边缘服务器端计算资源存在竞争且每个用户会在本地做出最小化自己成本(如通过计算延迟和花费加权和减少成本)的卸载决策的情况下，MEC服务器提供商需要通过采用合适的云计算资源调度方法实现其收益的最大化。因此，有待于提出一种能更好平衡用户成本和MEC服务器收益的关系的云计算资源调度方法。
技术实现思路
本申请提供了一种多用户MEC系统中的云计算资源调度方法，用于解决现有技术中存在的不能很好地平衡用户成本和MEC服务器收益之间的关系的技术问题。有鉴于此，本申请第一方面提供了一种多用户MEC系统中的云计算资源调度方法，该多用户MEC系统包括至少两个移动用户和一个MEC服务器，各个移动用户向MEC服务器发送卸载请求，所述卸载请求包括所述两个移动用户的多个子任务，所述多个子任务具有顺序执行的关联性，包括以下步骤：S1：所述移动用户根据花销在本地制定最小化成本的卸载决策，所述花销包括计算延迟时间花销和金钱花销；S2：基于所述移动用户制定的所述卸载决策以及预先获取的所述移动用户对金钱与计算延迟时间的偏好程度，建立以任务执行次序为变量的所述MEC服务器的最大收益模型；S3：通过蚁群算法求解所述最大收益模型，以获得收益最大化的最佳任务执行次序和最佳任务分区策略；S4：所述MEC服务器根据所述最佳任务分区策略和所述最佳任务执行次序执行所述卸载请求。优选地，所述步骤S1具体包括：S101：记在同一时刻向同一MEC服务器发送卸载请求的N个移动用户集合为xi,j∈{0，1}表示为卸载决策，其中，0表示子任务(i,j)在本地计算，1表示子任务(i,j)在MEC服务器计算；式中，为本地计算延迟时间，Gi,j为计算子任务(i,j)所需的CPU周期，fi为本地计算能力；本地计算金钱花费为：式中，为本地计算金钱花费，βi为移动用户对计算延迟时间的偏好程度，为本地计算延迟时间；式中为MEC服务器计算时间，Gi,j为计算任务(i,j)所需的CPU周期，fc为MEC服务器计算能力；子任务(i,j)在云端的等待时间为：式中，为子任务(i,j)在云端的等待时间，为子任务(i,j)的完成时刻，为子任务(i,j-1)的完成时刻；则MEC服务器计算延迟时间为：MEC服务器计算金钱花费为：式中，为MEC服务器计算金钱花费，βi为移动用户对计算延迟时间的偏好程度，为MEC服务器计算延迟时间，为子任务(i,j)在云端的等待时间，1-βi为移动用户对金钱的偏好程度，Gi,j为计算任务(i,j)所需的CPU周期，μi为移动用户占用MEC服务器的单个CPU周期计算资源所需交付的费用；S102：移动用户将所述本地计算延迟时间所述本地计算金钱花费所述MEC服务器计算时间所述子任务(i,j)在云端的等待时间MEC服务器计算延迟时间和所述MEC服务器计算金钱花费上传至所述MEC服务器中，通过所述MEC服务器比较本地计算金钱花费和MEC服务器计算金钱花费，做出相应的卸载决策，卸载决策表示为：同时，当xi,j＝1时，MEC服务器计算延时时间满足式中，di,j为MEC服务器执行最大容忍时间，MEC服务器执行最大容忍时间di,j的计算公式为：式中，βi为移动用户对计算延迟时间的偏好程度，为本地计算延迟时间，1-βi为移动用户对金钱的偏好程度，Gi,j为计算任务(i,j)所需的CPU周期，xi,j为卸载决策，μi为移动用户占用MEC服务器的单个CPU周期计算资源所需交付的费用。优选地，将所述步骤S2中的所述MEC服务器的所述最大收益模型转换为MEC服务器收益最大化问题，所述MEC服务器收益最大化问题为：式中，定义MEC服务器的资源占用列表中的任务个数为k；S为子任务在云端的执行次序，S＝(s(1),s(2),...,s(K))，其中s(k)＝(i,j)，k表示用户i的第j个子任务在云端执行次序中的第k个位置；sj+1(k)＝(i,j+1)；βs(k)＝βi；μs(k)＝μi；fs(k)＝fi；Gs(k)＝Gi,j；xs(k)＝xi,j；zs(k),s(o)＝z(i,j),(i',j')，s(o)＝(i',j')，z(i,j),(i',j')为子任务之间的执行顺序，其中，z(i,j),(i',j')＝1表示子任务(i,j)在任务(i',j')前执行，z(i,j),(i',j')＝0表示子任务(i',j')在(i,j)前执行；stc为MEC服务器空闲起始时刻；INF为无穷大。优选地，所述步骤S3具体包括：S301：在MEC服务器的资源未被占用时，求解出各个任务的子任务最佳分区；S302：计算所述MEC服务器的资源占用列表Lcro；S303：从所述资源占用列表Lcro中搜索MEC服务器的冲突任务，从而形成冲突任务集合Lcon；S304：通过蚁群算法搜索出所述资源占用列表Lcro中冲突任务执行的最佳次序Scon，再将最佳次序Scon中的MEC服务器计算金钱花费小于本地MEC服务器计算金钱花费的任务依次放入任务集合S*con中；S305：更新云端任务执行次序将所述冲突任务集合本文档来自技高网...

【技术保护点】
1.一种多用户MEC系统中的云计算资源调度方法，该多用户MEC系统包括至少两个移动用户和一个MEC服务器，各个移动用户向MEC服务器发送卸载请求，所述卸载请求包括所述两个移动用户的多个子任务，所述多个子任务具有顺序执行的关联性，其特征在于，包括以下步骤：/nS1：所述移动用户根据花销在本地制定最小化成本的卸载决策，所述花销包括计算延迟时间花销和金钱花销；/nS2：基于所述移动用户制定的所述卸载决策以及预先获取的所述移动用户对金钱与计算延迟时间的偏好程度，建立以任务执行次序为变量的所述MEC服务器的最大收益模型；/nS3：通过蚁群算法求解所述最大收益模型，以获得收益最大化的最佳任务执行次序和最佳任务分区策略；/nS4：所述MEC服务器根据所述最佳任务分区策略和所述最佳任务执行次序执行所述卸载请求。/n

【技术特征摘要】
1.一种多用户MEC系统中的云计算资源调度方法，该多用户MEC系统包括至少两个移动用户和一个MEC服务器，各个移动用户向MEC服务器发送卸载请求，所述卸载请求包括所述两个移动用户的多个子任务，所述多个子任务具有顺序执行的关联性，其特征在于，包括以下步骤：
S1：所述移动用户根据花销在本地制定最小化成本的卸载决策，所述花销包括计算延迟时间花销和金钱花销；
S2：基于所述移动用户制定的所述卸载决策以及预先获取的所述移动用户对金钱与计算延迟时间的偏好程度，建立以任务执行次序为变量的所述MEC服务器的最大收益模型；
S3：通过蚁群算法求解所述最大收益模型，以获得收益最大化的最佳任务执行次序和最佳任务分区策略；
S4：所述MEC服务器根据所述最佳任务分区策略和所述最佳任务执行次序执行所述卸载请求。


2.根据权利要求1所述的多用户MEC系统中的云计算资源调度方法，其特征在于，所述步骤S1具体包括：
S101：记在同一时刻向同一MEC服务器发送卸载请求的N个移动用户集合为xi,j∈{0，1}表示为卸载决策，其中，0表示子任务(i,j)在本地计算，1表示子任务(i,j)在MEC服务器计算；
令xi，j＝0时，本地计算延迟时间为：



式中，为本地计算延迟时间，Gi,j为计算子任务(i,j)所需的CPU周期，fi为本地计算能力；
本地计算金钱花费为：



式中，为本地计算金钱花费，βi为移动用户对计算延迟时间的偏好程度，为本地计算延迟时间；
令xi，j＝1时，MEC服务器计算时间为：



式中为MEC服务器计算时间，Gi,j为计算任务(i,j)所需的CPU周期，fc为MEC服务器计算能力；
子任务(i,j)在云端的等待时间为：



式中，为子任务(i,j)在云端的等待时间，为子任务(i,j)的完成时刻，为子任务(i,j-1)的完成时刻；
则MEC服务器计算延迟时间为：
MEC服务器计算金钱花费为：



式中，为MEC服务器计算金钱花费，βi为移动用户对计算延迟时间的偏好程度，为MEC服务器计算延迟时间，为子任务(i,j)在云端的等待时间，1-βi为移动用户对金钱的偏好程度，Gi,j为计算任务(i,j)所需的CPU周期，μi为移动用户占用MEC服务器的单个CPU周期计算资源所需交付的费用；
S102：移动用户将所述本地计算延迟时间所述本地计算金钱花费所述MEC服务器计算时间所述子任务(i,j)在云端的等待时间MEC服务器计算延迟时间和所述MEC服务器计算金钱花费上传至所述MEC服务器中，通过所述MEC服务器比较本地计算金钱花费和MEC服务器计算金钱花费，做出相应的卸载决策，卸载决策表示为：



同时，当xi,j＝1时，MEC服务器计算延时时间满足式中，di,j为MEC服务器执行最大容忍时间，MEC服务器执行最大容忍时间di,j的计算公式为：



式中，βi为移动用户对计算延迟时间的偏好程度，为本地计算延迟时间，1-βi为移动用户对金钱的偏好程度，Gi,j为计算任务(i,j)所需的CPU周期，xi,j为卸载决策，μi为移动用户占用MEC服务器的单个CPU周期计算资源所需交付的费用。


3.根据权利要求2所述的多用户MEC系统中的云计算资源调度方法，
其特征在于，将所述步骤S2中的所述MEC服务器的所述最大收益模型转换为MEC服务器收益最大化问题，所述MEC服务器收益最大化问题为：
P1：
s.t.C1:
C2:
C3:



式中，定义MEC服务器的资源占用列表中的任务个数为k；S为子任务在云端的执行次序，S＝(s(1),s(2),...,s(K))，其中s(k)＝(i,j)，k表示用户i的第j个子任务在云端执行次序中的第k个位置；sj+1(k)＝(i,j+1)；βs(k)＝βi；μs(k)＝μi；fs(k)＝fi；Gs...

【专利技术属性】
技术研发人员：卢建刚，付佳佳，曾瑛，亓峰，郑鸿远，吴赞红，施展，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：广东;44