一种车联网环境下的边缘计算任务卸载方法与系统技术方案

本发明专利技术提供一种用于车联网的边缘计算任务卸载方法，所述方法包括：步骤1：VUE通过RSU向mBS上传计算任务卸载请求，所述请求包含与该计算任务相关的说明信息；步骤2：mBS收到任务卸载请求后，为VUE确定本地计算占用的计算资源和上传任务时的传输功率、确定子任务集合的划分策略、选择执行卸载任务的MEC服务器，使VUE经过目标MEC服务器所在小区时，被卸载的任务在目标MEC服务器上执行完成；步骤3：VUE完成需要本地计算的子任务，并将计算中间数据上传至所述目标MEC服务器；步骤4：目标MEC服务器收到VUE上传的中间数据后，执行剩余的子任务。本发明专利技术可以有效避免任务卸载过程中的业务切换。同时，与现有的卸载方案相比，任务完成时延降低了40％以上。低了40％以上。低了40％以上。

【技术实现步骤摘要】
一种车联网环境下的边缘计算任务卸载方法与系统


[0001]本专利技术涉及基于移动通信的车联网领域，尤其涉及移动边缘计算和计算任务卸载。

技术介绍

[0002]基于移动边缘计算(Mobile Edge Computing，MEC)的车联网允许车辆将其计算密集型任务卸载到MEC服务器。与传统云计算相比，MEC车联网将具有充足计算资源的MEC服务器集成到路边单元(Roadside Units，RSUs)中，可以有效避免骨干网传输延迟，满足车载应用计算密集型的需求。在MEC车联网中，一个关键技术就是将计算任务部分地卸载至MEC服务器，以降低任务的完成时延。由于部分卸载时车辆用户设备(Vehicle User Equipment，VUE)需要将部分任务数据通过与RSU之间的无线链路传输至MEC服务器，这会引入额外的通信时延，因此部分卸载决策需要权衡任务卸载的计算收益和通信开销。一个复杂的任务通常包含多个子任务，其中一些子任务的输出是另一些子任务的输入，这些复杂的子任务依赖关系增加了最优卸载决策的问题的复杂度。虽然目前已经有一些研究提出了解决依赖性任务卸载问题的优化方法，但是车联网高度动态的环境给依赖性任务卸载提出了新的挑战：由于RSU的覆盖范围有限以及车辆的高速移动性，当车辆驶出RSU通信范围时，MEC服务器之间就会发生服务切换，以至于为任务卸载过程增加额外数百毫秒的服务切换时延。
[0003]然而车辆的高度移动性特点也为服务切换问题提供了解决思路：VUE在任务卸载过程中可能经过多个RSU，因此执行卸载任务的目标MEC服务器有多种选择。通过选择合适的卸载目标MEC服务器使得计算任务完成后，VUE处于该MEC服务器服务范围内，计算结果可以成功返回而不产生服务切换。因此基于车辆移动性感知的卸载方案可以有效避免服务切换。通过预测车辆未来的移动信息，可以提前将任务卸载到合适的MEC服务器，并在到达MEC服务器的通信范围时将计算结果准确地返回给VUE。
[0004]目前针对车辆移动性感知的卸载方案的研究仅是针对整个任务进行完全卸载与否的决策，而忽略了依赖性任务的数据依赖特性，没有进行细粒度的部分卸载决策，而降低任务执行时延的关键就在通过优化部分卸载决策来权衡数据传输与计算时延。尤其是在车联网高度动态的网络环境下，依赖性任务中子任务的计算时延和子任务之间的数据传输时延随着VUE所处位置的计算和通信环境的改变而改变，因此需要联合优化卸载目标MEC服务器的选择和任务划分策略，这使得任务卸载问题更加复杂。因此，在车联网高度动态的网络环境下，基于车辆移动性感知的依赖性任务卸载是需要解决的问题。
[0005]在MEC车联网中，如何通过计算任务的卸载来降低任务完成时延是一个关键问题。现有技术中有使用任务图来建模子任务之间的依赖关系，其使用顺序图来建模子任务之间的顺序依赖关系，并且提出在卸载过程中，将任务只分割成两部分并分别在用户与MEC服务器端执行的方案是最优的。顺序图是指图中有X个子任务：t1，t2，...t
X
，其中t
x
有且仅有一个依赖的子任务t
x
‑1，x＝2，3，...X，且t1没有依赖的子任务。但是，实际计算任务对应的任务图并不是顺序图，而是更一般的图。因此针对一般任务图，有研究进一步地提出任务图通
常具有层次性，而且都具有单一的输入节点和输出节点，并针对这样的性质将任务卸载问题建模成一个线性规划问题。这些研究的重点在于优化任务图划分策略，以得到最优的子任务部分卸载决策。但是以上研究都假设在任务卸载过程中通信和计算环境是不变的。
[0006]在车联网这种高度动态场景中，需要结合车辆移动性选择合适的MEC服务器来执行卸载任务，现有技术中有提出通过预测车辆未来的移动信息，可以提前将任务整体地卸载到合适的MEC服务器，并在到达MEC服务器的通信范围时将计算结果准确地返回给VUE。因此这些研究的重点在于优化目标MEC服务器选择策略，以得到最优的任务整体卸载决策。然而，这些研究对于依赖性任务不再适用，由于子任务依赖性与计算与通信环境是强耦合的，需要联合优化卸载目标MEC服务器的选择和任务划分策略，这使得任务卸载问题更加复杂。

技术实现思路

[0007]本专利技术针对上述问题，根据本专利技术的第一方面，提出一种用于车联网的边缘计算任务卸载方法，其中，所述车联网包括一个或多个mBS，以及在每个mBS覆盖范围内的多个RSU，RSU之间依次有线回程连接，所述方法包括：
[0008]步骤1：VUE通过RSU向mBS上传计算任务卸载请求，所述请求包含与该计算任务相关的说明信息，至少包括：计算任务图、任务本地计算时需要的计算资源和能耗的要求；
[0009]步骤2：mBS收到任务卸载请求后，获取VUE未来位置信息，以及根据VUE可能经过的小区内的通信环境、计算环境以及与该计算任务相关的所述说明信息，为VUE确定本地计算时需要占用的计算资源f
l
和上传任务时的传输功率P
t
、确定VUE所有子任务中的本地计算子任务集合和远程执行子任务集合的划分策略、选择执行卸载任务的目标MEC服务器，以使得VUE经过目标MEC服务器所在小区时，被卸载的任务在目标MEC服务器上执行完成；
[0010]步骤3：VUE根据mBS反馈的本地资源分配和任务划分结果，完成需要本地计算的子任务，并将计算中间数据上传至所述目标MEC服务器；
[0011]步骤4：目标MEC服务器收到VUE上传的中间数据后，执行剩余的子任务，以使得计算完成后，VUE位于目标MEC服务器所在的小区内，以及VUE通过当前小区内的RSU获取计算结果。
[0012]在本专利技术的一个实施例中，还包括：
[0013]各RSU周期性地向mBS报告所在小区内通信和计算环境信息，所述小区内通信和计算环境信息至少包括：小区内RSU的固定功率、RSU与VUE通信链路的信道增益及MEC的CPU频率。
[0014]在本专利技术的一个实施例中，其中步骤2包括：
[0015]步骤21：mBS根据VUE所处小区内的通信、计算环境，以及用户上传的任务说明信息，求解LRA得到VUE的资源分配策略{f
l
，P
t
}，其中LRA是通过松弛JO
‑
MSTO子任务依赖约束得到的，所述JO
‑
MSTO是通过对基于车辆移动性感知的卸载机制进行建模得到的最小时延的MEC服务器选择与任务划分联合优化问题；
[0016]步骤22：基于{f
l
，P
t
}，结合VUE移动性预测结果，对VUE将来可能经过的所有小区，由近至远，循环执行步骤23和步骤24，直到满足卸载位置约束；
[0017]步骤23：基于小区U
k
内RSU上报的通信、计算环境，VUE上报的计算任务图G0(V，E，D)以及资源分配方案{f
l
，P
t
}，计算小区U
k
...

【技术保护点】

【技术特征摘要】
1.一种用于车联网的边缘计算任务卸载方法，其中，所述车联网包括一个或多个mBS，以及在每个mBS覆盖范围内的多个RSU，RSU之间依次有有线回程连接，所述方法包括：步骤1：VUE通过RSU向mBS上传计算任务卸载请求，所述请求包含与该计算任务相关的说明信息，至少包括：计算任务图、任务本地计算时需要的计算资源和能耗的要求；步骤2：mBS收到任务卸载请求后，获取VUE未来位置信息，以及根据VUE可能经过的小区内的通信环境、计算环境以及与该计算任务相关的所述说明信息，为VUE确定本地计算时需要占用的计算资源f
l
和上传任务时的传输功率P
t
、确定VUE所有子任务中的本地计算子任务集合和远程执行子任务集合的划分策略、选择执行卸载任务的目标MEC服务器，以使得VUE经过目标MEC服务器所在小区时，被卸载的任务在目标MEC服务器上执行完成；步骤3：VUE根据mBS反馈的本地资源分配和任务划分结果，完成需要本地计算的子任务，并将计算中间数据上传至所述目标MEC服务器；步骤4：目标MEC服务器收到VUE上传的中间数据后，执行剩余的子任务，以使得计算完成后，VUE位于目标MEC服务器所在的小区内，以及VUE通过当前小区内的RSU获取计算结果。2.根据权利要求1所述的方法，还包括：各RSU周期性地向mBS报告所在小区内通信和计算环境信息，所述小区内通信和计算环境信息至少包括：小区内RSU的固定功率、RSU与VUE通信链路的信道增益及MEC的CPU频率。3.根据权利要求1所述的方法，其中步骤2包括：步骤21：mBS根据VUE所处小区内的通信、计算环境，以及用户上传的任务说明信息，求解LRA得到VUE的资源分配策略{f
l
,P
t
}，其中LRA是通过松弛JO
‑
MSTO子任务依赖约束得到的，所述JO
‑
MSTO是通过对基于车辆移动性感知的卸载机制进行建模得到的最小时延的MEC服务器选择与任务划分联合优化问题；步骤22：基于{f
l
,P
t
}，结合VUE移动性预测结果，对VUE将来可能经过的所有小区，由近至远，循环执行步骤23和步骤24，直到满足卸载位置约束；步骤23：基于小区U
k
内RSU上报的通信、计算环境，VUE上报的计算任务图G0(V,E,D)以及资源分配方案{f
l
,P
t
}，计算小区U
k
内对应的计算任务时延图G
k
＝(V,E,W)；步骤24：对G
k
＝(V,E,W)，执行MLTP算法，得到小区U
k
内对应的最优TLG划分决策X
k
，其中所述MLTP算法是以低时间复杂度的条件求得图G
k
(V,E,W)的最优划分E
cut
；步骤25：循环终止后，得到卸载目标MEC服务器选择策略A，同时由{f
l
,P
t
,A}输出相应的最优任务划分策略4.根据权利要求3所述的方法，其中步骤21包括：通过线性规划和凸优化之间的交替极小化...

【专利技术属性】
技术研发人员：张浩岳，齐彦丽，刘玲，周一青，石晶林，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：