带有任务重试的MEC任务卸载策略及优化方法技术

本发明专利技术提供了一种带有任务重试的MEC任务卸载策略及优化方法，其包括：求解任务在本地处理器接受服务的第一平均时延，求解任务卸载到边缘服务器接受服务的第二平均时延，进而求解任务的平均时延，将多个性能指标的折衷优化问题抽象为多目标优化问题，利用NSGA

【技术实现步骤摘要】
带有任务重试的MEC任务卸载策略及优化方法


[0001]本专利技术属于边缘计算和任务卸载
，特别是一种带有任务重试的MEC任务卸载策略及优化方法。

技术介绍

[0002]近年来，随着移动智能设备的普及以及5G等无线通信技术的发展，移动边缘计算(Mobile Edge Computing,MEC)作为一种新兴的计算范式被提出，作为传统的云计算模式的扩展与补充。移动边缘计算的基本思想是将移动设备上产生的计算任务从卸载到云端转变为卸载到网络边缘层，从而满足实时在线游戏、增强现实等计算密集型应用对低延迟的要求。
[0003]虚拟化技术是移动边缘计算得以实现的关键技术之一，可以使得移动边缘计算资源分配相对更加灵活、提高资源利用率。同时虚拟化技术成熟、对上层应用也基本不影响。虚拟化技术主要常用两个核心技术：服务器虚拟化和应用虚拟化。通过服务器虚拟化技术将网络边缘具有计算能力的每个物理机虚拟化成多个虚拟服务器，使不同的任务运行在不同的虚拟服务器上。因此，在移动边缘计算虚拟化的环境中，管理调度的粒度变为了虚拟机。MEC中已经有很多关于服务质量(Quality of Service,QoS)保障的相关研究，特别是应用或任务的等待时间保障(也可以被视为应用程序或任务的响应时间，简称为延迟)通常是考虑中的重点。满足延迟不仅可以提高用户的体验满意度，而且更能提高应用程序的效率，使之更快速、更实时的处理数据。相对于大型的云计算中心，MEC的计算资源有限，因此在尽可能满足时延的同时，也应提高边缘的吞吐量。针对时延敏感型任务与时延容忍型任务，将任务分为实时任务和非实时任务。例如在车联网服务、自动驾驶等领域，车辆需要通过实时感知道路状况、障碍物、周围车辆的行驶信息等，这些信息可通过MEC计算卸载技术实现快速计算和传输，从而预测下一步该如何行驶。因此可以将这些计算密集型任务定义为实时任务。而在某些应用场景中的任务可以容忍较长的延迟，例如电子邮件系统、野生动物追踪网络和深空通信网络等，因此可以将其定义为非实时任务。从而根据每类任务的特征来保证用户的服务质量。
[0004]进程中的一个单一顺序的控制流就是一条线程，多个线程可以在一个进程中并发。多个线程可以按照自己的线路完成工作，并发控制。这些线程都是程序中的多个独立执行体。采用多线程机制不是为了提高运行效率，也不是单纯为了同步完成多项任务，而是为了更好地提高计算机系统的使用效率，实现资源利用效率最大化。然而，到目前为止，结合任务重试机制与多线程机制来探讨移动边缘计算任务卸载策略的研究十分缺少。因此，针对以上研究背景，为了提高边缘系统的吞吐量，在保证终端用户服务质量的前提下，通过在边缘层引入任务重试机制，基于任务分类，寻求一种边端协同且带有任务重试的移动边缘计算任务卸载策略，通过构建多个排队模型刻画任务的服务流程，利用多目标优化，对系统性能进行优化是十分迫切且必要的。

技术实现思路

[0005]本专利技术针对上述现有技术中的缺陷，提出一种带有任务重试的MEC任务卸载策略及优化方法。该方法包括求解任务在本地处理器接受服务的第一平均时延，求解任务卸载到边缘服务器接受服务的第二平均时延，进而求解任务的平均时延，将多个性能指标的折衷优化问题抽象为多目标优化问题，利用NSGA
‑
III算法，运用MATLAB软件求解多目标优化问题，得到满足条件的帕累托Pareto前沿点。本专利技术针对边缘网络设备的局限性，在保证终端用户服务质量的前提下，在边缘层引入任务重试机制，可有效降低任务丢弃率，提升边缘系统吞吐量，并辅助遴选出合适的最优解，提升系统利用率。
[0006]本专利技术提供一种带有任务重试的MEC任务卸载策略及优化方法，其包括以下步骤：
[0007]S1、求解任务在本地处理器接受服务的第一平均时延T
loc
：根据M/M/1排队模型的解析结果，得到本地处理器接受服务的第一平均时延T
loc
为：
[0008][0009]其中，μ
loc
表示本地处理器服务实时任务和非实时任务的时间所服从的指数分布的参数；表示任务在本地执行的概率且p表示任务卸载到边缘层的概率且0≤p≤1；λ表示任务的到达所服从的泊松过程的参数；
[0010]S2、求解任务卸载到边缘服务器接受服务的第二平均时延T
edg
：当任务选择卸载至边缘层接受服务，则任务的第二平均时延T
edg
包括本地发送端口传输任务的时间T
trans
和任务在边缘服务器接受服务的时间T
serve
；
[0011]S21、根据M/M/1排队模型的解析结果，得到本地发送端口传输任务的时间T
trans
为：
[0012][0013]其中，μ
trans
表示本地发送端口传输实时任务和非实时任务的时间所服从指数分布的参数；
[0014]S22、根据实时任务和非实时任务的占比，得到任务在边缘服务器接受服务的时间T
serve
为
[0015]T
serve
＝α
×
T
nonreal
+(1
‑
α)
×
T
real
ꢀꢀꢀꢀꢀꢀ
(3)
[0016]其中，T
nonreal
表示非实时任务从到达边缘层至服务完成离开所需要的平均时间；T
real
表示实时任务从到达边缘层至服务完成离开所需要的平均时间；α表示到达任务流中非实时任务占比0≤α≤1；
[0017]S23、得到第二平均时延T
edg
为：
[0018]T
edg
＝T
trans
+T
serve
ꢀꢀꢀꢀꢀꢀ
(3)；
[0019]S3、求解任务的平均时延T：
[0020][0021]其中，ρ表示边缘服务器吞吐量，且有：
[0022]ρ＝(pλ+λ
′
)
×
(1
‑
P
serious
)
ꢀꢀꢀꢀꢀꢀ
(17)
[0023]其中，λ
′
表示重试模块吞吐量；P
serious
表示系统负载较重的概率，且有：
[0024][0025]其中，π
i,j,k
表示为稳态下重试模块中任务数量为i，边缘服务器中实时任务数量为j及非实时任务数量为k的概率分布；
[0026]S4、将多个性能指标的折衷优化问题抽象为多目标优化问题：结合期望最大化边缘服务器吞吐量ρ(p)、最小化任务的平均时延T(p)和任务平均重试次数N(p)，设计多目标优化问题为：
[0027][0028]其中，c表示边缘层物理机通过虚拟化技术划分的c台虚拟机且c≥1；μ1表示非实时任务的服务速率；d表示重试模块中重试本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带有任务重试的MEC任务卸载策略及优化方法，其特征在于，其包括以下步骤：S1、求解任务在本地处理器接受服务的第一平均时延T
loc
：根据M/M/1排队模型的解析结果，得到本地处理器接受服务的第一平均时延T
loc
为：其中，μ
loc
表示本地处理器服务实时任务和非实时任务的时间所服从的指数分布的参数；表示任务在本地执行的概率且p表示任务卸载到边缘层的概率且0≤p≤1；λ表示任务的到达所服从的泊松过程的参数；S2、求解任务卸载到边缘服务器接受服务的第二平均时延T
edg
：当任务选择卸载至边缘层接受服务，则任务的第二平均时延T
edg
包括本地发送端口传输任务的时间T
trans
和任务在边缘服务器接受服务的时间T
serve
；S21、根据M/M/1排队模型的解析结果，得到本地发送端口传输任务的时间T
trans
为：其中，μ
trans
表示本地发送端口传输实时任务和非实时任务的时间所服从指数分布的参数；S22、根据实时任务和非实时任务的占比，得到任务在边缘服务器接受服务的时间T
serve
为T
serve
＝α
×
T
nonreal
+(1
‑
α)
×
T
real
ꢀꢀꢀꢀ
(3)其中，T
nonreal
表示非实时任务从到达边缘层至服务完成离开所需要的平均时间；T
real
表示实时任务从到达边缘层至服务完成离开所需要的平均时间；α表示到达任务流中非实时任务占比0≤α≤1；S23、得到第二平均时延T
edg
为：T
edg
＝T
trans
+T
serve
ꢀꢀꢀꢀ
(4)；S3、求解任务的平均时延T：其中，ρ表示边缘服务器吞吐量，且有：ρ＝(pλ+λ
′
)
×
(1
‑
P
serious
)
ꢀꢀꢀꢀ
(6)其中，λ
′
表示重试模块吞吐量；P
serious
表示系统负载较重的概率，且有：其中，π
i,j,k
表示为稳态下重试模块中任务数量为i，边缘服务器中实时任务数量为j及非实时任务数量为k的概率分布；S4、将多个性能指标的折衷优化问题抽象为多目标优化问题：结合期望最大化边缘服务器吞吐量ρ(p)、最小化任务的平均时延T(p)和任务平均重试次数N(p)，设计多目标优化问题为：
其中，c表示边缘层物理机通过虚拟化技术划分的c台虚拟机且c≥1；μ1表示非实时任务的服务速率；d表示重试模块中重试线程数量且d≥1；θ表示重试线程中重试任务的重试率且0＜θ＜+∞；S5、利用NSGA
‑
III算法，运用MATLAB软件求解步骤S4中多目标优化问题，得到满足条件的帕累托Pareto前沿点。2.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，所述步骤S22中的所述非实时任务从到达边缘层至服务完成离开所需要的平均时间T
nonreal
的计算具体包括以下步骤：S2211、对于非实时任务，系统负载情况较低时，非实时任务被负载均衡器分配至服务器中接受服务并在服务完成后返回本地端，负载较低下非实时任务从到达边缘层至服务完成离开所需要的平均时间T
nonreal1
仅为服务器服务的时间T
′
nonreal
：S2212、系统负载情况较重时，非实时任务会被负载均衡器分配至重试模块，负载较重下非实时任务从到达边缘层至服务完成离开所需要的平均时间T
nonreal2
包括服务器服务的时间T
′
nonreal
和非实时任务在重试模块中的时间T
retry
：T
nonreal2
＝T
′...

【专利技术属性】
技术研发人员：金顺福，魏士昌，张琦，白小军，
申请(专利权)人：燕山大学，
类型：发明
国别省市：