一种车载云环境下低服务成本的任务调度方法技术

本发明专利技术公开了一种车载云环境下低服务成本的任务调度方法，该方法综合分析车载云环境下任务传输和处理的完整过程，提出了面向完成时间约束的初分配策略，首先使用基于max

【技术实现步骤摘要】
一种车载云环境下低服务成本的任务调度方法


[0001]本专利技术涉及云计算和无线网络领域，特别是涉及一种车载云环境下的任务调度方法。

技术介绍

[0002]随着计算机技术和通信技术的不断发展进步，移动终端在人们日常生活中正扮演越来越重要的角色。手机、平板电脑、手表等移动终端提供各式各样的服务，如娱乐、生活、办公等，既提供了便利，又实现了其他工具无法完成的功能。在另一方面，日益丰富的移动应用，对移动终端的计算能力、存储容量、电池的电量等带来了巨大挑战。相对于大型电脑，移动设备存在着处理任务能力弱、内存不足、续航能力差等诸多不足。当需要处理计算密集型或数据密集型请求时，移动设备会产生运算效果差、延迟大、宕机等问题，严重影响用户的使用体验。随着车辆数量的不断增加和功能的逐渐增强，可以将这些处理任务和传输数据能力强大、存储空间充足的车辆组合起来，形成车载云来处理用户的请求。车载云计算是一种新型的计算模式，结合了车载网络和移动云计算。车载云计算的出现解决了移动设备能力受限的问题，通过将移动设备无法处理的大型应用，转移到计算能力强大的车载云上执行，在减轻移动设备负担的同时，提升用户体验。
[0003]近年来，车载云计算在学术界引起了广泛的关注和讨论。使用车载云计算完成用户的请求，不仅可以提高大型任务的处理能力、有效减少应用完成时间，还能帮助移动设备专注于轻量级任务，提高用户使用的满意度。但是由于车辆的行驶速度很快，车辆作为车载云的资源节点具有不稳定性，经常会出现车载网络不连通的问题。并且由于车载云中车辆数量的局限性，车载云计算仅能提供十分有限的服务。因此，设计一个高效的任务调度算法，有利于充分地利用车载云的计算资源，同时能够有效地提高服务成功率和降低服务成本。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种车载云环境下低服务成本的任务调度方法，本专利技术通过面向完成时间约束的初分配策略和低服务成本的重调度算法，有效地提高服务成功率并且降低服务成本。
[0005]目前车载云环境下的任务调度已经得到了广泛应用，然而现有研究没有综合考虑任务传输和处理的完整过程，或者没有以服务成本作为优化目标展开研究。
[0006]不同于现有技术，本专利技术综合考虑任务的传输和处理，并在满足截止时间的同时，以降低服务成本作为优化目标。本专利技术在考虑车载云环境的移动性和局限性的同时，考虑到任务的复杂依赖关系，提出一种车载云环境下低服务成本的任务调度方法，进行高效的任务调度。
[0007]基于上述专利技术的目的，本专利技术提出的方法包括如下步骤：
[0008]步骤S1、基于max
‑
min算法和level划分的调度方法
[0009]步骤S2、缩短完成时间的调度算法
[0010]步骤S3、面向低服务成本的重调度算法
[0011]进一步地，所述步骤S1具体为：
[0012]在车载云处理用户请求的数据传输和任务处理环节中，把任务t
i
在车载节点上进行处理的处理时间记作T
p
(t
i
)，任务t
i
在两个车载节点间传输的传输时间记作T
c
(t
i
)。
[0013]任务的处理时间为任务的计算负载L
p
与车辆节点的处理能力Cap的比值。任务t
i
的处理时间T
p
(t
i
)表达式为：
[0014][0015]类似地，任务的传输时间为任务的传输负载L
c
与两车间的传输速率Rate的比值。任务t
i
的传输时间T
c
(t
i
)表达式为：
[0016][0017]考虑到用户请求在前往车载云环境进行处理之前，首先需要通过与RSU进行交互来传递，用户请求在RSU与车载云之间的交互时间表示为InputRSU。InputRSU可以视为入口任务t
entry
在处理前所需的一个传输时间，并且InputRSU的大小与道路情况有关。
[0018]任务必须在其所有的前驱任务都完成数据传输后，才能开始处理。所有的前驱任务都完成数据传输的时刻称为任务的最早开始时间(EST)。任务t
i
的最早开始时间EST(t
i
)表达式为：
[0019][0020]任务经过数据传输，传输到任务调度方案中分配的车辆节点后，经过处理达到任务的完成状态，称为任务完成时间(FT)。任务t
i
的完成时间FT(t
i
)表达式为：
[0021]FT(t
i
)＝EST(t
i
)+T
p
(t
i
)(4)
[0022]应用中的出口任务t
exit
为所有任务最后一个执行的任务，也是所有任务中任务完成时间最大的一个任务。当出口任务t
exit
处理完毕，则认为整个应用的处理完毕，t
exit
的完成时间即为应用完成时间(TFT)。TFT表达式为：
[0023]TFT＝FT(t
exit
)(5)
[0024]车载云服务提供商提供车载云计算服务，并耗费一定的服务成本。每个任务执行消耗的服务成本，和任务在分配到的车辆节点上进行处理的处理时间T
p
，以及车辆节点单位时间的服务成本UP有关。在车辆v
i
上处理任务t
i
产生的服务成本Cost(t
i
)表达式为：
[0025]Cost(t
i
)＝T
p
(t
i
)*UP(v
i
)(6)
[0026]累加每个任务产生的服务成本，就可以得到处理DAG中所有任务产生的总服务成本(TC)。TC表达式为：
[0027][0028]为了提高任务的并行程度，通过将DAG划分为多个level，使每个level内的任务之间没有依赖关系。分配任务所属level时采用自下而上的方法(Bottom
‑
UpApproach，BUA)，序号为i的level记为li，任务t
i
所在level的序号记为Level(t
i
)，根据任务t
i
的前驱依赖关系，level的计算表达式为：
[0029][0030]车辆在道路平面上不停地运动，将车辆抽象为虚拟节点，并基于车辆的位置信息和车辆传输的有效半径，形成车载云的网络拓扑。车辆的位置信息和车辆传输的有效半径，可以通过RSU获得。两车辆节点间在网络拓扑中经过边的个数称为传输跳数。网络拓扑中不同的节点之间的传输速率不同，并且由车载云的网络拓扑中节点间的传输跳数决定。通过对车辆网络拓扑图使用最短路径算法，计算两节点间的最短路径，即两车间的最小传输跳本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车载云环境下低服务成本的任务调度方法，其特征在于，包括如下步骤：(1)基于max
‑
min算法和level划分的调度方法(2)缩短完成时间的调度算法(3)面向低服务成本的重调度算法。2.根据权利要求1所述的车载云环境下低服务成本的任务调度方法，首先提出基于max
‑
min算法和level划分的调度方法，包括以下两个部分：(1)为了提高任务的并行程度，通过将DAG划分为多个level，使每个level内的任务之间没有依赖关系。分配任务所属level时采用自下而上的方法(Bottom
‑
Up Approach，BUA)，序号为i的level记为，任务所在level的序号记为Level()，根据任务的前驱依赖关系，level的计算表达式为：(2)通过使用将DAG划分level，计算车辆间的传输速率和车辆可用性检验这三个方法，可以完成对每个level内任务的最大和最小任务完成时间的计算。Max
‑
min算法中每个任务分配到车辆节点都会计算一个节点的状态值(State)，当对一个level内任务的进行第一次分配时，会计算每个任务分配到每个节点的状态值，此时状态值即为任务完成时间。当经车辆可用性检验，车辆为不可用时，状态值为UNAVAILABLE，意味着不可将这个分配作为后续比较的对象。比较计算得到的可用状态值，分别求一个任务分配到多个节点的min，和一个level内多个任务的min中的max。求出的max对应的任务到节点的映射，就完成了一次分配。在内第一次分配中，任务车辆节点的状态值State()表达式为：。3.根据权利要求1所述的车载云环境下面向低服务成本的任务调度方法，在权利要求2所述的基于max
‑
min算法和level划分的调度方法的基础上，提出缩短完成时间的调度算法。首先将截止时间根据level划分为子截止时间(SD)的方法。如果每个level内任务完成时间都能够在子截止时间之内，则遍历所有level时，整体的应用完成很有可能在截止时间以内。为了满足截止时间，需要对任务进行调整。每次调整一个任务，保持其他任务分配不变，计算该调整方案下任务的预计完成时间(EFT)和预计应用完成时间(ETFT)。在满足EFT小于SD，或者ETFT小于TFT后，以及车辆可用性检验后，一次任务调整将可以算作成功，任务将要被标记为“已处理”并加入已处理任务队列。但是由于已处理任务队列中的任务可能在本次调整中，改变原先符合要求的时间。因此，在认定调整成功，将预计任务调度结果更新到当前任务调度结果之前，需要对已处理任务队列中的任务进行检验。当已处理任务队列中的任务完成时间不增加，或者增加但仍小...

【专利技术属性】
技术研发人员：张强，王杰，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：