自适应边缘计算卸载方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种自适应边缘计算卸载方法、装置及计算机可读存储介质，所述自适应计算卸载方法包括：S101：获取用户任务请求；S102：判断用户任务请求中的服务特征是否存在于MEC服务器中，若是，进入步骤S103，否则，执行可卸载对象预处理方案并进入步骤S103；S103：执行卸载方案并输出计算卸载结果。本发明专利技术能够减少边缘服务的缓存空间、降低边缘服务器上的能耗的同时降低任务卸载的决策时间和决策复杂度。杂度。

【技术实现步骤摘要】
自适应边缘计算卸载方法、装置及计算机可读存储介质


[0001]本专利技术涉及边缘计算
，具体涉及一种自适应边缘计算卸载方法、装置及计算机可读存储介质。

技术介绍

[0002]近年来，随着海量用户涌入网络，大数据时代已经来临，网络数据处理能力迅速向网络边缘转移，使得多接入边缘计算(Multi
‑
access Edge Computing,MEC)已经成为了5G/B5G、工业物联网以及算力网络发展的关键技术和基础。与传统中心云计算技术相比，它集电信和IT服务于一体，在无线接入网的边缘为用户等网络设备提供云计算能力，并可以减少终端用户的计算、存储、处理和访问的延迟，同时还具有邻近性、高带宽、网络信息实时监测、位置感知、移动支持和高安全性等优势。这些优势也使得MEC可以应用于具有可变时延要求的垂直行业中，例如：触觉互联网、远程手术、工业自动化、智能交通和智能电网。
[0003]目前，领域内越来越多的研究者对MEC中的若干问题进行了长足且丰富的研究，其中与MEC相结合的一个广泛的研究方向就是对计算卸载技术的推进和优化。MEC环境下的计算卸载技术通过将移动终端设备的计算任务卸载到网络边缘执行，相比于集中式云计算，在请求时延、通信资源占用等方面具有明显优势，从请求端来看，计算卸载可以分为部分卸载以及二进制卸载两类；从服务端来看，它又可以分为边缘全卸载、中心云和边缘联合卸载、设备到设备(Device to Device,D2D)卸载、服务器和设备联合卸载四类。每种卸载方案具有不同的包容性和适用性，需要在实际的卸载环境下选择相适应的卸载技术。从本质上来说，边缘计算卸载的最终目标都是为了最小化用户请求的延迟，而延迟高低则取决于MEC服务器之间的资源部署条件和用于计算卸载的服务器的选择情况。由于在物联网中产生的任务大部分具有优先级约束，如何将具有优先级约束的任务转发到不同类型的终端或服务器上，需要根据不同任务特性进行调度。而卸载服务器的选择又依赖于各个MEC服务器上的服务部署和调度方案。如何满足具有优先级要求的物联网任务的性能需求，以及如何平衡资源利用和计算延迟对于网络负载造成的差异是目前边缘计算卸载技术研究的一大痛点。有很多新的研究技术都将这两者割裂开来，分别对其进行深入研究和优化；或是弱化其中一项对于边缘计算卸载性能的影响，真正以优先级约束、服务部署和计算卸载共生且并重为前提的边缘计算卸载研究技术屈指可数。

技术实现思路

[0004]本专利技术的目的在于提供一种自适应边缘计算卸载方法、装置及计算机可读存储介质，以能够减少边缘服务的缓存空间、降低边缘服务器上的能耗的同时降低任务卸载的决策时间和决策复杂度。
[0005]本专利技术解决上述技术问题的技术方案如下：
[0006]本专利技术提供一种自适应边缘计算卸载方法，所述自适应计算卸载方法包括：
[0007]S101：获取用户任务请求；
[0008]S102：判断用户任务请求中的服务特征是否存在于MEC服务器中，若是，进入步骤S103，否则，执行可卸载对象预处理方案并进入步骤S103；
[0009]S103：执行卸载方案并输出计算卸载结果。
[0010]可选择地，所述步骤S102中，所述可卸载对象预处理方案包括：
[0011]A1：分别对所述MEC服务器中的已有服务特征的流行度和所述用户请求中的服务特征的流行度进行更新；以及
[0012]A2：以满足边缘卸载率的同时最小化边缘服务缓存空间为目的进行边缘服务部署。
[0013]可选择地，各服务特征的流行度的更新结果P
new
(s
i
)为：
[0014]P
new
(s
i
)＝P(s
i
)(1
‑
P(s
new
))
[0015]其中，s
i
表示第i个服务特征，P(s
i
)表示第i个服务特征的流行度，P(s
new
)表示所述用户请求中的服务特征的流行度，s
new
表示用户请求中的服务特征。
[0016]可选择地，所述A2包括以下分步骤：
[0017]A21：将各服务特征以微服务的形态存储在MEC服务器上；
[0018]A22：根据所有所述微服务的集合，得到服务特征占用边缘端的存储空间，并对服务特征占用边缘端的存储空间进行去冗余操作，得到最小化边缘服务缓存空间。
[0019]可选择地，所述A22包括以下分步骤：
[0020]A221：根据所有所述微服务的集合构建所有所述微服务的相似图；
[0021]A222：将优化目标融入所述相似图中，得到新的相似图和服务特征占用边缘端的存储空间，其中，所述新的相似图包含配额代价；
[0022]A223：将所述新的相似图转换为边权值图；
[0023]A224：分别对所述新的相似图中原顶点的配额代价和邻接节点的配额代价进行更新，得到更新后的原顶点的配额代价和更新后的邻接节点的配额代价；
[0024]A225：根据所述边权值图的所有顶点的个数更新预设配额代价之和，得到更新后的配额代价之和；
[0025]A226：根据所述更新后的原顶点的配额代价、所述更新后的邻接节点的配额代价和所述更新后的配额代价之和，得到带配额问题的图；
[0026]A227：分别将所述带配额问题的图中的每一个顶点转化为一个星节点，得到转化后的带配额问题的图；
[0027]A228：利用k
‑
MST算法对所述转化后的带配额问题的图进行求解，得到与所述带配额问题的图等价的求解结果；
[0028]A229：将所述求解结果作为所述最小化边缘服务缓存空间输出。
[0029]可选择地，所述步骤S103中，所述卸载方案包括：
[0030]B1：将所述用户任务请求中的任务拆分为多个子任务；
[0031]B2：分别对每个子任务分配卸载优先级并进行子任务调度和卸载队列设计。
[0032]可选择地，所述步骤B2中，所述分别对每个子任务分配卸载优先级包括：
[0033]B201：将多个所述子任务构建为子任务卸载矩阵；
[0034]B202：根据所述子任务卸载矩阵中行的非零元素，得到各子任务的可卸载对象序列；
[0035]B203：根据所有所述子任务的可卸载对象序列和预设优先级规则，得到每个子任务分配卸载优先级。
[0036]可选择地，所述步骤B2中，所述卸载队列设计包括：
[0037]B211：获取候选卸载队列和已完成卸载队列；
[0038]B212：将目标子任务放入所述候选卸载队列中；
[0039]B213：将所述候选卸载队列中优先级最高的子任务调度至所述已完成卸载队列中，并将所述优先级最高的子任务从所述候选卸载队列中移除；
[0040]B214：判断所述目标子任务是否为所述任本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应边缘计算卸载方法，其特征在于，所述自适应计算卸载方法包括：S101：获取用户任务请求；S102：判断用户任务请求中的服务特征是否存在于MEC服务器中，若是，进入步骤S103，否则，执行可卸载对象预处理方案并进入步骤S103；S103：执行卸载方案并输出计算卸载结果。2.根据权利要求1所述的自适应边缘计算卸载方法，其特征在于，所述步骤S102中，所述可卸载对象预处理方案包括：A1：分别对所述MEC服务器中的已有服务特征的流行度和所述用户请求中的服务特征的流行度进行更新；以及A2：以满足边缘卸载率的同时最小化边缘服务缓存空间为目的进行边缘服务部署。3.根据权利要求2所述的自适应边缘计算卸载方法，其特征在于，各服务特征的流行度的更新结果P
new
(s
i
)为：P
new
(s
i
)＝P(s
i
)(1
‑
P(s
new
))其中，s
i
表示第i个服务特征，P(s
i
)表示第i个服务特征的流行度，P(s
new
)表示所述用户请求中的服务特征的流行度，s
new
表示用户请求中的服务特征。4.根据权利要求2所述的自适应边缘计算卸载方法，其特征在于，所述A2包括以下分步骤：A21：将各服务特征以微服务的形态存储在MEC服务器上；A22：根据所有所述微服务的集合，得到服务特征占用边缘端的存储空间，并对服务特征占用边缘端的存储空间进行去冗余操作，得到最小化边缘服务缓存空间。5.根据权利要求4所述的自适应边缘计算卸载方法，其特征在于，所述A22包括以下分步骤：A221：根据所有所述微服务的集合构建所有所述微服务的相似图；A222：将优化目标融入所述相似图中，得到新的相似图和服务特征占用边缘端的存储空间，其中，所述新的相似图包含配额代价；A223：将所述新的相似图转换为边权值图；A224：分别对所述新的相似图中原顶点的配额代价和邻接节点的配额代价进行更新，得到更新后的原顶点的配额代价和更新后的邻接节点的配额代价；A225：根据所述边权值图的所有顶点的个数更新预设配额代价之和，得到更新后的配额代价之和；A226：根据...

【专利技术属性】
技术研发人员：孙罡，宋良均，虞红芳，孙健，任婧，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：