一种多接入边缘计算网络计算卸载系统及其计算卸载方法技术方案

本发明专利技术涉及一种多接入边缘计算网络计算卸载系统及其计算卸载方法。一种多接入边缘计算网络计算卸载系统，基于算力网络图的多接入边缘计算网络计算卸载系统包括云端服务器、边缘智能网关和输入设备；一种多接入边缘计算网络计算卸载方法，通过采集用户数据，建立数据模型，任务调度客户端将处理结果上传至云端的展示平台进行展示。计算卸载的优化问题以全网络中计算任务的完成时延最小为优化目标，为用户提供了良好的用户体验与服务质量；计算卸载的优化算法为一种多项式时间复杂度的理论最优算法，为计算卸载对的最终效果提供了稳定的效用保证。

【技术实现步骤摘要】
一种多接入边缘计算网络计算卸载系统及其计算卸载方法
本专利技术涉及无线通信
，特别是涉及一种多接入边缘计算网络计算卸载系统及其计算卸载方法。
技术介绍
为满足5G应用场景的低时延需求，边缘智能成为趋势。Seagate和IDC的一项研究表明，到2020年，全球每年云计算流量将超过14ZB；到2025年，全球数据量将会从2016年的16ZB上升至163ZB。“终端+数据中心”的两级处理已无法满足数据持续增长的智能社会的要求。算力需求将从云、端扩散至网络边缘，形成“终端+边缘+数据中心”的三级架构。移动边缘计算通过在接近终端的边缘侧部署服务器，降低网络发生拥塞的可能性，减少网络响应的时延，提升用户体验与网络效率，得到了深入研究与广泛应用。作为边缘计算网络的核心部分，计算卸载技术起着关键作用。在传统的计算卸载算法中，当不同的用户终端同时提出计算任务需求时，由于计算节点缺乏协同能力，没有统一的机制能结合网络负载与需求特性，动态调度计算任务，灵活分配网络资源，因此，部分边缘节点会出现计算过载的现象，用户体验下降。随着对计算卸载技术研究的深入，结合网络本文档来自技高网...

【技术保护点】
1.一种基于算力网络图的多接入边缘计算网络计算卸载系统，基于算力网络图的多接入边缘计算网络计算卸载系统包括云端服务器、边缘智能网关和输入设备，其特征在于：/n云端服务器，云端服务器上部署多个与计算卸载相关的模块，用于提供容器集群调度、网络性能监控、算力网络图生成与分发，其中，云端服务器上运行的容器集群调度模块负责对各个边缘节点上部署的容器进行管理，提供基础的负载均衡、弹性伸缩；云端服务器上运行的网络性能监控模块，用于定时收集各个边缘节点提供的网络性能数据并进行统一整理，提供一系列数据接口供其它程序调用；云端服务器上运行的算力网络图模块提供进行算力网络图生成与分发，用于将网络监控模块提供的网络性...

【技术特征摘要】
1.一种基于算力网络图的多接入边缘计算网络计算卸载系统，基于算力网络图的多接入边缘计算网络计算卸载系统包括云端服务器、边缘智能网关和输入设备，其特征在于：
云端服务器，云端服务器上部署多个与计算卸载相关的模块，用于提供容器集群调度、网络性能监控、算力网络图生成与分发，其中，云端服务器上运行的容器集群调度模块负责对各个边缘节点上部署的容器进行管理，提供基础的负载均衡、弹性伸缩；云端服务器上运行的网络性能监控模块，用于定时收集各个边缘节点提供的网络性能数据并进行统一整理，提供一系列数据接口供其它程序调用；云端服务器上运行的算力网络图模块提供进行算力网络图生成与分发，用于将网络监控模块提供的网络性能数据通过程序接口获取后封装为算力网络图结构，并通过通信协议将最新的算力网络图分发给边端的算力网络图模块；
边缘智能网关，边缘智能网关上运行多个与计算卸载模块，每个计算卸载模块均以容器的形式部署，用于提供算力网络图存储、计算卸载、任务缓存与分发，其中，边缘智能网关上运行的算力网络图模块用于将从云端服务器上运行的算力网络图模块接收的算力网络图进行集中缓存；边缘智能网关上运行的计算卸载模块用于为边缘智能网关集群中到达的任务进行卸载并决定将当前任务迁移到对应的边缘智能网关上的任务处理模块上执行，并将决策结果发送至任务调度客户端，整个集群只需要有一个计算卸载模块处于开启状态即可；边缘智能网关上运行的任务调度客户端模块用于对输入设备的输入数据进行任务识别、任务分类与数据缓存，向计算卸载模块发送任务到达信息，并从计算卸载模块接收计算卸载的结果；
输入设备，输入设备包括环境传感器、智能摄像头在内，环境传感器、智能摄像头用于对环境内容进行采集，通过SDK转换成可通过固定API接口调用或处理的数据；每个输入设备负责一种计算任务，不同的输入设备负责接收不同的输入数据，而不同的输入数据代表着不同的计算任务；将计算任务分为时延敏感任务与时延不敏感任务，时延敏感任务，其计算任务需要在得到实时保证(截止期限相对短)；时延不敏感任务，其计算任务需要在一定的可容忍时延范围内完成(截止期限相对长)。


2.一种多接入边缘计算网络计算卸载的方法，具体包括以下步骤：
步骤1、在基于算力网络图的多接入边缘计算网络计算卸载系统中，有一个云端服务器与若干个边缘智能网关，云端服务器上部署着集群管理模块、网络监控模块、算力网络图模块等功能模块，每个边缘智能网关上部署着算力网络图模块、计算卸载模块、任务调度客户端模块，云端服务器的容器集群调度模块与若干个边缘智能网关相连，负责对边缘智能网关上部署的容器进行调度；云端服务器的网络监控模块负责在各个节点收集节点监控数据，云端服务器的算力网络图模块定时从网络监控模块获取最新的网络监控数据并封装为算力网络图结构，将算力网络图分发给边缘智能网关上部署的算力网络图模块；
步骤2、边缘智能网关上部署的算力网络图模块将定时接收云端服务器上部署的算力网络图模块分发的算力网络图，并将其存储在算力网络图队列中，算力网络图队列为存储算力网络图结构体的数据结构；
步骤3、边缘智能网关的任务调度客户端模块接收输入设备采集的环境数据，并判断当前的数据是否可以看作计算任务的输入数据；
步骤3.1、当目前的环境数据可以看作计算任务的输入数据，则将这些环境数据进行缓存，并通过获取传输这些环境数据的输入设备的ID以确定对应的任务类型；设定N＝{n|1,2,Kc}表示边缘智能网关集合，n表示边缘智能网关，c表示边缘智能网关数目；
步骤3.2、环境数据为由输入设备采集到的数据，包括图像、音频、示数等，输入数据为一个计算任务执行所需要的的数据，其中含有连续图像、非噪声的音频、示数序列；
步骤4、在边缘智能网关上部署的任务调度客户端模块通过通信协议，向边缘智能网关的计算卸载模块发送计算卸载请求，并等待计算卸载模块的回复；
步骤5、在边缘智能网关上部署的计算卸载模块接收到任务调度客户端模块的计算卸载请求后，将请求加入卸载队列，并开始监听是否有其它计算卸载请求，记监听的时间间隙为一个监听时间帧；
步骤5.1、在监听时间帧的时隙范围内，计算卸载模块等待是否有其它计算卸载请求到达(相当于步骤3、4)，当有其他计算卸载请求到达时，则将新到达任务的计算卸载请求加入卸载队列；
步骤5.2、卸载队列为存储计算卸载请求这一消息结构体的数据结构，监听时间帧的时隙长度称为冷却时间；
步骤6、在步骤5的基础上，当一帧间隔的时间帧结束后，边缘智能网关上部署的计算卸载模块从边缘智能网关上部署的算力网络图模块拉取最新的算力网络图，结合算力网络图的信息与计算卸载请求所提供的任务类型，计算卸载模块调用时延预测模型，生成计算卸载时延矩阵，M＝{m|1,2,Kr}表示当前时间帧内共同进行计算卸载的计算任务集合，m表示计算任务，r表示计算任务数目，T＝{τm,n|m∈M,n∈N}表示计算卸载时延矩阵，τm,n表示将计算任务m卸载至边缘智能网关n的时延；
时延预测模型，包括传输时...

【专利技术属性】
技术研发人员：张兴，刘君临，李昕，李昊波，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11