一种移动边缘计算环境中的任务卸载方法及其应用技术

本发明专利技术属于边缘计算领域，具体涉及一种移动边缘计算环境中的任务卸载方法及其应用。该方法包括如下步骤：S1：将完整的工作任务划分为不同的环节，进而构建表征工作任务的工作流依赖图WDG；S2：确定WDG中各个任务结点的属性集；S3：创建表征工作任务的能耗传递全图ETG；S4：将不可卸载的任务结点对应的入度边和出度边删除，生成简化能耗传递图ETG1；S5：根据ETG1生成对应的线性能耗传递图ETG2；S6：以满足时间约束且最小化终端的设备能耗为优化目标，得到具有最小化设备能耗的路径，并进行任务卸载。本发明专利技术解决了现有MEC环境无法完成对复杂的非线性任务进行计算任务卸载，且容易造成任务处理过程的能耗升高，实时性降低的问题。实时性降低的问题。实时性降低的问题。

【技术实现步骤摘要】
一种移动边缘计算环境中的任务卸载方法及其应用


[0001]本专利技术属于边缘计算领域，具体涉及一种移动边缘计算环境中的任务卸载方法及其应用。

技术介绍

[0002]随着网络等线上购物方式的流行，物流运输的市场规模也在不断扩大，物流企业需要在规定时间内完成订单的配送工作。在整体配送流程中，将货物从站点交付用户手中的过程称为“最后一公里”环节。最后一公里配送环节由于需要耗费大量的人力成本，因此占据了运输总时间和配送总成本的30％和50％。
[0003]目前，很多企业正在开发利用无人机进行货物配送的技术；无人机因其具有灵活部署、成本低廉、高速飞行的特点，在最后一公里配送场景中具有得天独厚的优势。在无人机配送场景下，无人机需要运行大量人工智能应用，例如动态路径规划，飞行中智能避障和通过认知计算方式进行收货人身份验证等，以保证配送的准确高效和配送过程的安全可靠。然而受限于无人机终端的计算能力和电池容量，其无法高效的执行此类计算密集型的人工智能应用。同时，诸如目标检测，姿势识别，人脸识别等人工智能应用需要对大量数据进行实时处理。
[0004]为了解决无人机算力有限的弊端，部分技术人员拟通过云计算代替无人机处理复杂的计算任务。但是即使在成熟的云计算环境下，由于无人机总在进行高速的位置变换，无人机终端设备受限于距离过远和网络带宽有限的弊端，容易出现不可预知的网络拥塞和抖动，也无法满足无人机配送过程中各类人工智能应用的实时性要求。
[0005]近年来，移动边缘计算(MEC，Mobile Edge Computing)环境因其具有低延时、分布式、高效率等特性被广泛应用于各类场景中，延迟时间进一步缩短的同时增加了覆盖范围。移动边缘计算将边缘服务器建立在贴近终端设备的地方，通过LAN和WLAN方式进行数据的传输，使得大数据量和计算量的任务卸载到高性能的边缘服务器上执行具有可行性。移动边缘计算通过将计算资源下沉至更靠近终端设备，使得服务更贴近用户，可以避免网络拥塞，降低时间延迟，这可以解决无人机配送过程中各类计算任务的需求。将无人机需要处理的复杂的计算任务卸载到附近边缘服务器，可以快速处理人工智能应用并优化无人机终端设备的能耗。
[0006]在无人机配送过程中，对于计算量较大的任务，在终端设备上处理需要付出巨大的开销并且可能无法满足人工智能应用的实时性要求。因此这些任务需要在边缘服务器中完成。但是，也并不是所有的计算任务都应当卸载到边缘服务器中处理。例如，对于数据量较大而计算量较小的任务(如特征提取)，卸载到边缘服务器上执行反而会增加不必要的传输时间和传输能耗，同样无法满足要求。综上，采用移动边缘计算处理无人机配送过程中各类复杂计算任务的一个前提是要制定合理的卸载策略，将配送过程中的各类计算任务合理分配到边缘服务器和本地进行处理。但是现有技术中还没有很好的计算任务卸载方法可以实现该任务分配过程。
[0007]现有的对MEC环境中计算卸载的研究主要集中于独立计算任务的卸载问题，这些研究大多仅考虑了简单任务依赖关系，对于任务间数据依赖关系或数据传输因素考虑较少，因此无法应用到无人机配送过程这一高度复杂的非线性计算处理任务中。例如现有的启发式算法或穷举方法的效率较低，而且还无法保证得到算法效率与结果均最优的卸载方案。同时，现有的方法都没有考虑算法执行所需要付出的时间开销，在实时性要求较高的人工智能应用中无法适用。此外，移动边缘计算环境中各类计算资源与网络环境均非常复杂，不合理的计算任务卸载决策会导致终端能耗与任务响应时间过高等问题。

技术实现思路

[0008]为了解决现有MEC环境无法完成对复杂的非线性任务进行计算任务卸载，且容易造成任务处理过程的能耗升高，实时性降低的问题；本专利技术提供一种移动边缘计算环境中的任务卸载方法及其应用。
[0009]本专利技术采用以下技术方案实现：
[0010]一种移动边缘计算环境中的任务卸载方法，该方法用于在移动边缘计算环境中，以优化终端的设备能耗为目标，确定终端的工作任务中应当卸载到边缘服务器上执行的特定计算任务环节。
[0011]该计算任务卸载方法包括如下步骤：
[0012]S1：对终端的工作任务按照工作流程进行梳理，将完整的工作任务划分为不同的环节，并根据不同环节间的依赖关系，以各个环节为任务结点T
i
构建表征工作任务的工作流依赖图WDG。
[0013]S2：确定工作流依赖图中各个任务结点的属性集；属性集的特征数据包括传输能耗x
i
、空闲能耗y
i
、负载能耗z
i
、综合能耗Cost
i
和卸载标志flag
i
。
[0014]S3：基于工作流依赖图创建表征工作任务各环节间能耗传递关系的能耗传递全图ETG。其中，能耗传递全图的创建过程如下：
[0015]S31：根据工作流依赖图确定其中包含的块B，块指工作流依赖图中可以并行执行的一组子分支，各个子分支在完成一个任务后开始执行，并且合并触发另一个任务。
[0016]S32：随机选择工作流依赖图中的一条线性路径作为工作流依赖图的主枝MB，将工作流依赖图中除主枝之外的其余任务结点构成的依赖关系路径作为分支SB。
[0017]S33：根据确定的块、主枝和分支，将工作流依赖图中包含的各个任务结点间的权重边的类型分为四种，分别为入块边、出块边、过块边和普通边。
[0018]S34：以任意两个任务结点间的路径能耗作为任务结点间的边权重，确定工作流依赖图中包含的所有四类权重边的权重值；进而根据各任务结点属性集得到包含所有路径的能耗传递全图。
[0019]S4：查询能耗传递全图中所有卸载标志为“不可卸载”的任务结点；然后将所有“不可卸载”的任务结点对应的入度边和出度边的边权重从能耗传递全图中删除，生成简化能耗传递图ETG1。
[0020]S5：根据简化能耗传递图生成对应的线性能耗传递图ETG2。线性能耗传递图的生成方法如下：
[0021]S51：判断简化能耗传递图中的传递路径是否为呈单向线性，是则以当前的简化能
耗传递图作为线性能耗传递图。
[0022]S52：当简化能耗传递图中的传递路径并不呈单向线性时，再确定简化能耗传递图中块的数量。根据不同的块将简化能耗传递图中的分枝进一步划分成不同层级的子分支。
[0023]S53：采用如步骤S3的方法对划分出的各个层级的子分枝的边权重进行更新。
[0024]S54：然将各层级子分支的边权重不断反向迭代，叠加到前一个层级的子分支中对应的出块边上，直到整个简化能耗传递图只包含主枝路径，进而得到等价的线性能耗传递图。
[0025]S6：以满足时间约束且最小化终端的设备能耗为优化目标，得到具有最小化设备能耗的路径，并进行任务卸载；路径搜索过程如下：
[0026]S61：采用迪杰斯特拉(dijkstra)算法对线性能耗传递图进行搜索，得到最小化设备能耗的最短路径。
[0027本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动边缘计算环境中的任务卸载方法，其特征在于：其用于在移动边缘计算环境中，以优化终端的设备能耗为目标，确定终端的工作任务中应当卸载到边缘服务器上执行的特定计算任务环节；所述计算任务卸载方法包括如下步骤：S1：对终端的工作任务按照工作流程进行梳理，将完整的工作任务划分为不同的环节，并根据不同环节间的依赖关系，以各个环节为任务结点T
i
构建表征所述工作任务的工作流依赖图WDG；S2：确定所述工作流依赖图中各个任务结点的属性集；所述属性集的特征数据包括传输能耗x
i
、空闲能耗y
i
、负载能耗z
i
、综合能耗E
i
和卸载标志flag
i
；S3：基于所述工作流依赖图创建表征工作任务各环节间能耗传递关系的能耗传递全图ETG；能耗传递全图的创建过程如下：S31：根据工作流依赖图确定其中包含的块B，块指工作流依赖图中可以并行执行的一组子分支，各个子分支在完成一个任务后开始执行，并且合并触发另一个任务；S32：随机选择工作流依赖图中的一条线性路径作为工作流依赖图的主枝MB，将工作流依赖图中除主枝之外的其余任务结点构成的依赖关系路径作为分支SB；S33：根据确定的块、主枝和分支的分布，将工作流依赖图中包含的各个任务结点间的权重边的类型分为四种，分别为入块边、出块边、过块边和普通边；S34：以任意两个任务结点间的路径能耗作为任务结点间的边权重，确定工作流依赖图中包含的所有四类权重边的权重值；进而根据各任务结点属性集得到包含所有路径的能耗传递全图；S4：查询所述能耗传递全图中所有卸载标志为“不可卸载”的任务结点；然后将所有“不可卸载”的任务结点对应的入度边和出度边的边权重从所述能耗传递全图中删除，生成简化能耗传递图ETG1；S5：根据所述简化能耗传递图生成对应的线性能耗传递图ETG2；所述线性能耗传递图的生成方法如下：S51：判断所述简化能耗传递图中的传递路径是否呈单向线性，是则以当前的简化能耗传递图作为线性能耗传递图；S52：当所述简化能耗传递图中的传递路径并不呈单向线性时，再确定所述简化能耗传递图中块的数量；根据不同的块将所述简化能耗传递图中的分枝进一步划分成不同层级的子分支；S53：采用如步骤S3的方法对划分出的各个层级的子分枝的边权重进行更新；S54：然将各层级子分支的边权重不断反向迭代，叠加到前一个层级的子分支中对应的出块边上，直到整个简化能耗传递图只包含主枝路径，进而得到等价的线性能耗传递图；S6：以满足时间约束且最小化终端的设备能耗为优化目标，得到具有最小化设备能耗的路径，并进行任务卸载；路径搜索过程如下：S61：采用迪杰斯特拉算法对所述线性能耗传递图进行搜索，得到最小化设备能耗的最短路径；S62：判断上步骤的最短路径是否满足时间约束：(1)是则结束搜索，将上步骤的最短路径作为所需的最优路径；(2)否则返回上步骤S61，搜索到次短路径，直到获得满足时间约束的路径，将其作为所
需的最优路径；S63：将上步骤确定的最优路径中包含的所有任务结点表征的环节卸载到边缘服务器上进行执行。2.如权利要求1所述的移动边缘计算环境中的任务卸载方法，其特征在于：步骤S2中，所述传输能耗x
i
指任务结点T
i
卸载到边缘服务器上执行时，终端在数据传输过程产生的能耗；所述传输能耗x
i
的计算公式如下：上式中，Comm(T
i
，T
j
)表示任务结点T
i
和T
j
之间的数据传输量，T
i
是T
j
的直接前驱任务结点；Bandwidth表示数据传输的速率；P
trans
是终端执行数据传输的单位时间传输能耗；所述空闲能耗y
i
指任务结点T
i
卸载到边缘服务器上执行时，终端在空闲状态下产生的能耗；所述空闲能耗y
i
的计算公式如下：上式中，length
i
表示任务结点T
i
的工作量；f
edge
表示边缘服务器的任务处理速度；P
idle
表示终端的单位时间空闲能耗；所述负载能耗z
i
指任务结点T
i
在终端上执行时，终端的执行计算任务时产生的能耗；所述负载能耗z
i
的...

【专利技术属性】
技术研发人员：李学俊，陈天翔，刘晓，
申请(专利权)人：安徽大学，
类型：发明
国别省市：