一种兼顾公平性的计算任务卸载优化方法及系统技术方案

本发明专利技术属于数据边缘计算领域，提供了一种兼顾公平性的计算任务卸载优化方法及系统，包括根据用户服务传输到云和边缘节点的时延，确定服务传输时延；根据用户在云和边缘节点的计算时延，确定服务计算时延；基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型；利用马尔科夫决策对兼顾公平性的计算卸载决策模型进行求解，得到最优的计算任务卸载决策。本发明专利技术将α公平效应函数引入模型的优化目标中，通过对该问题中状态空间、动作空间、奖励函数等关键元素的定义，将问题建模成马尔科夫决策过程，并基于深度强化学习方法对问题进行了求解，从而在降低网络服务时延的同时兼顾用户的公平性。低网络服务时延的同时兼顾用户的公平性。低网络服务时延的同时兼顾用户的公平性。

【技术实现步骤摘要】
一种兼顾公平性的计算任务卸载优化方法及系统


[0001]本专利技术属于数据边缘计算
，具体涉及一种兼顾公平性的计算任务卸载优化方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着移动网络和移动设备的快速发展，大量的计算密集型服务（如视频直播、人脸识别等）丰富了我们的生活，给我们带来便利的同时也导致了网络中需要计算处理数据的暴增，仅依靠远端云服务器中计算资源的云计算已难以应对如此大的计算压力。此外，在云计算模式中，用户只能从远端的云服务器中获取服务，而云服务器一般距离用户较远，这就会导致网络传输时延高、网络链路拥塞、用户体验质量差等一系列问题。为了应对上述问题，一种新的计算模式—边缘计算应运而生。在边缘计算中，如小基站等边缘节点都会配备有小型的服务器，当边缘节点接收到来自用户的服务请求时，不需要将该请求转发到远端的云服务器，而是直接在本地的边缘服务器上完成该请求并将结果直接返回给用户。由于边缘节点距离用户更近，边缘计算可以大幅降低服务的传输时延，而且边缘节点不需要将服务请求回传到远端云服务器，也就有效降低了核心网络链路中流量压力。但边缘服务器计算能力有限，难以满足所有的用户服务请求，因此进行计算卸载决策以确定哪些服务需要在边缘服务器执行、哪些服务需要卸载到远端服务器是边缘计算中亟需解决的重要问题。
[0004]目前，许多研究人员对该问题开展了研究工作，他们以最小化服务时延、网络能耗等方面为优化目标，以边缘节点中有限的计算资源、缓存资源等为约束条件，建立了计算卸载优化模型，并通过凸优化、随机优化等理论方法对模型进行了求解。但这些研究都存在一个问题，即忽略了计算卸载中的公平性问题。我们以拥有用户A和用户B两个用户的简单网络场景进行说明。用户A和用户B连接到边缘节点的带宽相同，但用户A连接到远端云服务器的带宽要高于用户B，此时如果仅以最小化用户时延为优化目标，则边缘节点将优先为来自用户B的请求进行服务。这是因为用户B连接远端云服务器的带宽低于用户A，将用户B的请求卸载到远端服务器执行会比用户A花费更多的时间，而若由边缘节点来为用户B的请求提供服务则可以节约更多时间。但这对于用户A而言是不公平的，用户A拥有更高的带宽却无法享受到边缘计算带来的好处，只能将更多的任务卸载到远端云服务器从而忍受更高的服务时延。因此，公平性是在进行计算卸载决策时需要考虑的一个重要因素。
[0005]综上所述，现有的对于计算任务卸载的优化往往忽略了公平性，从而导致对于计算任务卸载优化分配不均匀，达不到最优分配目标。

技术实现思路

[0006]为了解决上述问题，本专利技术提出了一种兼顾公平性的计算任务卸载优化方法及系
统，本专利技术将α公平效应函数引入模型的优化目标中，通过对该问题中状态空间、动作空间、奖励函数等关键元素的定义，将问题建模成马尔科夫决策过程，并基于深度强化学习方法对问题进行了求解，从而在降低网络服务时延的同时兼顾用户的公平性，实现同时考虑服务时延和用户公平性两方面的计算卸载决策。
[0007]根据一些实施例，本专利技术的第一方案提供了一种兼顾公平性的计算任务卸载优化方法，采用如下技术方案：一种兼顾公平性的计算任务卸载优化方法，包括：根据用户服务传输到云和边缘节点的时延，确定服务传输时延；根据用户在云和边缘节点的计算时延，确定服务计算时延；基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型；利用马尔科夫决策对兼顾公平性的计算卸载决策模型进行求解，得到最优的计算任务卸载决策。
[0008]进一步地，所述服务传输时延，包括：用户服务传输到远端云服务器的传输时延，是利用用户服务需要传输的数据量与用户服务传输到远端云服务器的传输效率的比值得到的；用户服务传输到边缘节点的传输时延，是利用用户服务需要传输的数据量与用户服务传输到边缘节点的传输效率的比值得到的。
[0009]进一步地，所述服务计算时延，包括：用户服务在远端云服务器执行的计算时延，是利用用户服务的总计算量与云服务器分配的计算能力的比值得到的；用户服务在边缘节点执行的计算时延，是利用用户服务的总计算量与边缘节点分配的计算能力的比值得到的。
[0010]进一步地，所述基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型，具体为：根据服务传输时延和服务计算时延，确定用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延；根据用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延，确定系统平均节省时间；以平均节省时间的α公平效应函数为优化目标，以边缘接节点自身的缓存空间和计算能力为约束条件，建立兼顾公平性的计算卸载决策模型；所述兼顾公平性的计算卸载决策模型，具体为：
其中，是系统平均节省时间，是平均节省时间的α公平效应函数，K代表所有服务的集合，为服务k需要的缓存空间，C为边缘节点总的缓存空间，为计算卸载决策变量，t代表时刻，为边缘节点为服务k提供的计算能力，F为边缘节点自身总的计算能力。
[0011]进一步地，所述根据服务传输时延和服务计算时延，确定用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延，具体为：根据服务传输时延中用户服务传输到远端云服务器的传输时延和服务计算时延中用户服务在远端云服务器执行的计算时延的和，确定用户服务在远端云服务器执行的服务时延；根据服务传输时延中用户服务传输到边缘节点的传输时延和服务计算时延中用户服务在边缘节点执行的计算时延的和，确定用户服务在边缘节点执行的服务时延。
[0012]进一步地，所述根据用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延，确定系统平均节省时间，包括：根据用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延的差值，确定服务边缘计算节省的时间；根据服务边缘计算节省的时间，确定系统平均节省时间；所述系统平均节省时间，具体为：其中，是系统平均节省时间，T为系统运行时间，为服务边缘计算节省的时间，为服务k在时刻t的请求数量，为计算卸载决策变量，则表示服务k需要卸载到远端云服务器执行，则表示服务k在边缘节点执行。
[0013]进一步地，所述利用马尔科夫决策对兼顾公平性的计算卸载决策模型进行求解，得到最优的计算任务卸载决策，包括：将兼顾公平性的计算卸载模型的求解问题转化为马尔科夫决策过程，并定义问题的系统状态空间、动作空间和奖励函数；所述系统状态空间的定义为服务请求状态和边缘节点自身资源状态；所述动作空间定义为执行的动作即每个时刻需要进行的计算任务卸载决策；所述奖励函数定义评价一个动作是否能节省更多的时间来确定其奖励值高低；根据系统状态，利用预先训练好的深度强化学习算法确定动作，即计算卸载决策；并根据该动作的节省时间来确定其是否为最优计算任务卸载决策。
[0014]根据一些实施例，本专利技术的第二方案提供了一种兼顾公平性的计算任务卸载系统，采用如下技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种兼顾公平性的计算任务卸载优化方法，其特征在于，包括：根据用户服务传输到云和边缘节点的时延，确定服务传输时延；根据用户在云和边缘节点的计算时延，确定服务计算时延；基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型；利用马尔科夫决策对兼顾公平性的计算卸载决策模型进行求解，得到最优的计算任务卸载决策。2.如权利要求1所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述服务传输时延，包括：用户服务传输到远端云服务器的传输时延，是利用用户服务需要传输的数据量与用户服务传输到远端云服务器的传输效率的比值得到的；用户服务传输到边缘节点的传输时延，是利用用户服务需要传输的数据量与用户服务传输到边缘节点的传输效率的比值得到的。3.如权利要求1所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述服务计算时延，包括：用户服务在远端云服务器执行的计算时延，是利用用户服务的总计算量与云服务器分配的计算能力的比值得到的；用户服务在边缘节点执行的计算时延，是利用用户服务的总计算量与边缘节点分配的计算能力的比值得到的。4.如权利要求1所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型，具体为：根据服务传输时延和服务计算时延，确定用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延；根据用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延，确定系统平均节省时间；以平均节省时间的α公平效应函数为优化目标，以边缘接节点自身的缓存空间和计算能力为约束条件，建立兼顾公平性的计算卸载决策模型；所述兼顾公平性的计算卸载决策模型，具体为：其中，是系统平均节省时间，是平均节省时间的α公平效应函数，K代表所有服务的集合，为服务k需要的缓存空间，C为边缘节点总的缓存空间，为计算卸载决策
变量，t代表时刻，为边缘节点为服务k提供的计算能力，F为边缘节点自身总的计算能力。5.如权利要求4所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述根据服务传输时延和服务计算时延，确定用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延，具体为：根据服务传输时延中用户服务传输到远端云服务器的传输时延和服务计算时延中用户服务在远端云服务器执行的计算时延的和，确定用户服务在远端云服务器执行的服务时延；根据服务传输时延中用户服务传输到边缘节点的传...

【专利技术属性】
技术研发人员：郝昊，张玮，史慧玲，丁伟，谭立状，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：