物联网场景的异构云-边环境的最优任务卸载方法技术

一种物联网场景的异构云

【技术实现步骤摘要】
物联网场景的异构云
‑
边环境的最优任务卸载方法


[0001]本专利技术涉及了一种物联网场景的异构云
‑
边环境中的最优任务卸载算法，属于云
‑
边计算领域。

技术介绍

[0002]边缘计算由于其可扩展性和低通信成本，弥补了从本地设备向远程云传输大量数据的成本，因此受到了广泛的关注。云
‑
边计算具有边缘计算和云计算的优点。另外，它也是解决物联网设备资源限制和仅将整个应用卸载到云上导致高延迟的最有效途径之一。
[0003]计算卸载是获得云
‑
边计算显著优点的关键技术之一，它特别有利于基于微服务的应用程序。这些该应用程序通常被分解为一组独立的小型服务，每个服务作为一个任务运行自己的流程或容器，并通过轻量级通信机制相互通信。计算卸载需要决定哪些任务应该卸载到边缘端，哪些任务应该卸载到云端，并进一步决定执行整个应用程序应该遵循什么顺序。
[0004]现有技术中，物联网应用场景下，通常忽略云端内部、边缘端内部的通信代价，并假设从边缘端到云端、从云端到边缘端的通信代价是对称的。但是这样的做法过于理想，是不切实际的。在实际的云
‑
边环境中，由于链路类型的不同，网络状况的不稳定等原因，从边缘端到云端的传输速率，和从云端到边缘端的传输速率是不一致的，进而导致了两者的通信代价是不对称的；并且，云端和边缘端通常分别由多个云服务器集群，多个边缘设备集群构成，因此它们各自的内部存在不可忽略的通信代价。通常情况下，云端和边缘端之间的通信距离远大于云端内部之间、以及边缘端内部之间的通信距离，且云端内部、边缘端内部的通信状况也都优于云端和边缘端之间的通信状况，所以基本上每个任务的通信代价都满足边界条件α。

技术实现思路

[0005]本专利技术所要解决的技术问题是针对云
‑
边计算中如何有效减少任务卸载总代价的情况，提出一种面向满足特定条件的异构的云
‑
边环境中有关任务卸载的最优算法。
[0006]本专利技术为解决上述技术问题采用以下技术方案：
[0007]本专利技术提出1、一种云
‑
边计算在通信代价不对称环境下的最优任务卸载方法，包括以下步骤：
[0008]步骤一、将任务应用t通过建模得到有向图G
T
；
[0009]步骤二、获取任务应用t中每个任务t
i
的计算代价和通信代价；然后判断是否所有任务的通信代价都满足边界条件α；当所有任务的通信代价都满足边界条件α时，进行如下步骤的处理；
[0010]步骤三、对步骤一中得到的有向图G
T
和步骤二中得到的计算代价和通信代价信息进行分析，建模得到特定的辅助图G*；
[0011]步骤四、在步骤三中得到的辅助图G*上找到最小割集C，并得到该割集C对应的通
信代价不对称的云
‑
边环境中任务卸载的最优卸载策略；
[0012]所述步骤一中：
[0013]将任务应用t通过建模得到有向图G
T
；任务应用t中有n个任务，每个任务映射成有向图G
T
中的一个节点；对于具有计算依赖的两个任务v
i
和任务v
j
，在有向图G
T
中构建它们对应的有向边；各个任务对应的节点构成了有向图G
T
的节点集
[0014]对于需要固定在边缘端计算或云端计算的任务，称它们具有不可卸载性；
[0015]所述步骤二中：
[0016]获取任务应用t中每个任务的计算代价和通信代价；然后，为有向图G
T
给定初始卸载方法，即为有向图G
T
中的任务映射的节点随机初始化卸载分区，定义为初始分区；初始分区分别是卸载到边缘端的任务构成的分区和卸载到云端的任务构成的分区；
[0017]判断每一对具有计算依赖性的任务，当：两者都卸载到边缘端的通信代价以及两者都卸载到云端的通信代价之和，不大于两个任务分别依次卸载到边缘端和云端的通信代价之和时，称这对任务的通信代价满足边界条件α；若每一对任务的通信代价都满足边界条件α，则，由步骤三继续处理所有的任务；
[0018]所述步骤三中：
[0019]步骤3.1)构造与计算代价相关的小图
[0020]对于每个任务构造与其计算代价相关的小图G
i
，表示G
i
的节点集，ε
i
表示G
i
的边集，S，T分别表示小图G
i
的源点和汇点；每个任务应用t中共有n个任务，所以共有n个G
i
，用来表示这些小图；
[0021]步骤3.2)构造与通信代价相关的小图
[0022]对于G
T
中的每条边(v
i
,v
j
)构造与其通信代价相关的小图G
i
，且表示G
i
的节点集，ε
i
表示G
i
的边集，S'，T'分别表示小图G
i
第源点和汇点；G
T
中共有m条边，所以共有m个小图G
i
，用 G
M
＝{G1,
…
,G
m
}来表示这些小图；
[0023]步骤3.3)合并步骤3.1)和步骤3.2)中构造的所有小图G
i
和小图G
i
得到辅助图G*；
[0024]所述步骤四中：
[0025]找到辅助图G*中的最小割集C；该割集C使得G*中的节点被分到两个不相交的集合中，与源点S”在同一个集合中的节点对应的任务被卸载到边缘端；相应地，与汇点T”在同一个集合中的节点对应的任务被卸载到云端。
[0026]本专利技术采用以上技术方案与现有技术相比，具有以下优点：
[0027]1、本专利技术针对异构的云
‑
边计算提出了最优任务卸载方法。现有的云
‑
边卸载策略大多假设云
‑
边计算中的通信代价是对称的，但是在实际的云
‑
边计算环境中，其通信代价是异构的，即不对称的。针对此问题，本专利技术提出了当通信代价在异构的云
‑
边环境中满足边界条件α时，可以通过构造辅助图并利用图理论得到最优的任务卸载策略。
[0028]2、将任务应用分割成两部分并卸载到云
‑
边环境中计算。单个任务应用中包含多个子任务，将这些子任务分割成两部分并卸载到云
‑
边环境中进行计算，可以有效解决单个边缘设备由于计算资源约束和能量约束不能完全支持计算处理整个任务应用的问题，以及由于带宽约束将整个任务应用卸载到单个云上带来的高延迟问题。
[0029]3、本专利技术考虑了部分任务的不可卸载性。由于特殊的资源要求限本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网场景的异构云
‑
边环境的最优任务卸载方法，包括以下步骤：步骤一、将任务应用t通过建模得到有向图G
T
；步骤二、获取任务应用t中每个任务t
i
的计算代价和通信代价；其特征在于，在步骤二中，还需判断是否所有任务的通信代价都满足边界条件α；当所有任务的通信代价都满足边界条件α时，进行如下步骤的处理；步骤三、对步骤一中得到的有向图G
T
和步骤二中得到的计算代价和通信代价信息进行分析，建模得到特定的辅助图G*；步骤四、在步骤三中得到的辅助图G*上找到最小割集C，并得到该割集C对应的通信代价不对称的云
‑
边环境中任务卸载的最优卸载策略；所述步骤一中：将任务应用t通过建模得到有向图G
T
；任务应用t中有n个任务，每个任务映射成有向图G
T
中的一个节点；对于具有计算依赖的两个任务v
i
和任务v
j
，在有向图G
T
中构建它们对应的有向边；各个任务对应的节点构成了有向图G
T
的节点集对于需要固定在边缘端计算或云端计算的任务，称它们具有不可卸载性；所述步骤二中：获取任务应用t中每个任务的计算代价和通信代价；然后，为有向图G
T
给定初始卸载方法，即为有向图G
T
中的任务映射的节点随机初始化卸载分区，定义为初始分区；初始分区分别是卸载到边缘端的任务构成的分区和卸载到云端的任务构成的分区；判断每一对具有计算依赖性的任务，当：两者都卸载到边缘端的通信代价以及两者都卸载到云端的通信代价之和，不大于两个任务分别依次卸载到边缘端和云端的通信代价之和时，称这对任务的通信代价满足边界条件α；若每一对任务的通信代价都满足边界条件α，则，由步骤三继续处理所有的任务；所述步骤三中：步骤3.1)构造与计算代价相关的小图对于每个任务构造与其计算代价相关的小图G
i
，表示G
i
的节点集，ε
i
表示G
i
的边集，S和T分别表示小图G
i
的源点和汇点；每个任务应用t中共有n个任务，所以共有n个G
i
，用G
N
＝{G1,
…
,G
n
}来表示这些小图；步骤3.2)构造与通信代价相关的小图对于G
T
中的每条边(v
i
,v
j
)构造与其通信代价相关的小图G
i
，表示G
i
的节点集，ε
i
表示G
i
的边集，S'和T'分别表示小图G
i
第源点和汇点；G
T
中共有m条边，所以共有m个小图G
i
，用G
M
＝{G1,
…
,G
m
}来表示这些小图；步骤3.3)合并步骤3.1)和步骤3.2)中构造的所有小图G
i
和小图G
i
得到辅助图G*；所述步骤四中：找到辅助图G*中的最小割集C；该割集C使得G*中的节点被分到两个不相交的集合中，与源点S”在同一个集合中的节点对应的任务被卸载到边缘端；相应地，与汇点T”在同一个集合中的节点对应的任务被卸载到云端。2.根据权利要求1所述的物联网场景的异构云
‑
边环境的最优任务卸载方法，其特征是
所述步骤一中：步骤1.1)对于一个具有n个任务的任务应用t，将其中每一个任务t
i
映射成有向图G
T
中的一个节点v
i
，各个任务对应的节点构成了有向图G
T
的节点集用v
i
来表示任务t
i
；步骤1.2)对于具有计算依赖性的任务v
i
和任务v
j
，如果任务v
i
是任务v
j
的父任务，那么在有向图G
T
中构造由v
i
指向v
j
的边(v
i
,v
j
)；如果任务v
j
是任务v
i
的父任务，那么在有向图G
T
中构造由v
j
指向v
i
的边(v
j
,v
i
)；所有边构成有向图G
T
的边集ε＝{e1,
…
,e
m
}，即G
T
中一共有m条边。3.根据权利要求1所述的物联网场景的异构云
‑
边环境的最...

【专利技术属性】
技术研发人员：万夕里，吉婷香，管昕洁，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：