【技术实现步骤摘要】
面向大规模边缘计算系统的任务卸载控制方法及系统
[0001]本专利技术涉及边缘计算领域，尤其涉及面向大规模边缘计算系统的任务卸载控制方法及系统。
技术介绍
[0002]在传统的云计算模式下，数据中心（DataCenter，DC）具有强大的计算能力，可以同时为大量的用户提供计算服务。为了保证资源的利用率，DC的覆盖范围往往较大，这就导致某些用户与DC的距离较远、通信延迟较高。对于传统的周期性数据收集和处理任务，通信延迟是可以接受的，但是随着移动智能设备的普及，实时性较高的任务逐渐增多，DC的高延迟已经不能满足移动用户的计算需求。
[0003]边缘计算（EdgeComputing，EC）是一种新的云计算模式。将服务器部署在网络边缘，为用户提供计算服务。网络边缘并不是终端设备，而是靠近终端设备的网络位置，其特点是可以以较低的延迟与终端设备通信。EC正是基于这一特性来满足移动设备任务对实时性的要求。但是由于部署在网络边缘，EC服务器的覆盖范围和计算能力相较于传统的云都有较大的差距，为了在较大规模的环境中（如校园，工厂，港口等...
【技术保护点】
【技术特征摘要】
1.一种面向大规模边缘计算系统的任务卸载控制方法，其特征在于，包括以下步骤：对边缘计算系统中的边缘服务器进行分组，得到多个服务器组；对于任意一组服务器组，获取所述服务器组下的移动用户的历史平均任务到达速率，并根据所述历史平均任务到达速率预测所述服务器组下的移动用户在预测时刻的平均任务到达速率，并根据所述服务器组下的移动用户在预测时刻的平均任务到达速率计算所述服务器组内的所有移动用户计算成本之和最小时对应的最优卸载概率；再在预测时刻以所述最优卸载概率控制所述服务器组下的移动用户进行任务卸载。2.根据权利要求1所述的面向大规模边缘计算系统的任务卸载控制方法，其特征在于，获取所述服务器组下的移动用户的历史平均任务到达速率，并根据所述历史平均任务到达速率预测所述服务器组下的移动用户在预测时刻的平均任务到达速率，包括以下步骤：在时隙末尾，统计所述服务器组内的所有服务器在当前时隙收到的任务量之和和所述服务器组下的移动用户的数量，其中，为当前时隙；基于得到的所述服务器组内的所有服务器在当前时隙收到的任务量之和和所述服务器组下的移动用户的数量，通过以下公式计算所述服务器组内的所有移动用户在当前时隙的平均任务到达速率：其中，为时隙的服务器组的卸载概率值；基于计算得到的所述服务器组内的所有移动用户在当前时隙的平均任务到达速率，通过卡尔曼滤波估计所述服务器组内的所有移动用户在预测时刻的平均任务到达速率。3.根据权利要求1所述的面向大规模边缘计算系统的任务卸载控制方法，其特征在于，根据所述服务器组下的移动用户在预测时刻的平均任务到达速率计算所述服务器组内的所有移动用户计算成本之和最小时对应的最优卸载概率，包括以下步骤：根据所述服务器组内的所有移动用户在预测时刻的平均任务到达速率计算所述服务器组内的所有移动用户预测时刻将任务卸载到边缘进行执行的时延；构建以所述服务器组内的所有移动用户计算成本之和最小为优化目标，以所述服务器组内的所有移动用户将任务卸载到边缘进行执行的时延以及卸载概率为变量的目标优化模型；将计算得到的所述服务器组内的所有移动用户预测时刻将任务卸载到边缘进行执行
的时延输入到所述目标优化模型中，求解所述目标优化模型的最优解作为所述服务器组的最优卸载概率。4.根据权利要求3所述的面向大规模边缘计算系统的任务卸载控制方法，其特征在于，服务器组内的所有服务器共享所述服务器组的最优卸载概率；所述目标优化模型为：的最优卸载概率；所述目标优化模型为：的最优卸载概率；所述目标优化模型为：的最优卸载概率；所述目标优化模型为：式中，表示服务器组下的所有移动用户的计算成本之和，表示服务器组下的第个移动用户，为服务器组下的移动用户总数；表示服务器组的卸载概率值，表示服务器组下的第个移动用户的计算成本；表示服务器组下的第个移动用户在本地执行任务的计算成本，表示服务器组下的第个移动用户将任务卸载到边缘进行执行的计算成本；、分别表示所述服务器组下第个移动用户在本地执行任务的时延、功耗；、分别表示所述服务器组下第个移动用户将任务卸载到边缘进行执行的时延、功耗；表示计算成本中时延的比重，越大表示任务对时延越敏感，反之则对功耗敏感，且0<<1。5.根据权利要求2所述的面向大...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。