【技术实现步骤摘要】
一种端
‑
边协同的边缘计算任务卸载方法
[0001]本专利技术属于任务卸载领域,具体涉及一种端
‑
边协同的边缘计算任务卸载方法。
技术介绍
[0002]任务卸载技术是边缘计算进行数据处理的主要方式,通过任务卸载技术,使用边缘云的计算资源进行大数据的处理,可以达到减小终端设备的计算量,降低时延和能耗,节约成本的目的。随着万物互联、大数据、智慧时代的到来,传统形式基于云计算的数据处理模式,难以支持大数据时代海量、多样、高速率的数据处理,难以保证QoS和QoE。
[0003]现有的基于云边协同两层架构的任务协同与资源优化模型,忽略了底层计算设备具有极低传输时延的优势,没有充分利用本地设备具有的计算和存储资源。相比于单层的仅本地计算、仅边缘计算、仅云计算的系统架构和两层的云边系统架构,端
‑
边两层协同的系统架构能够在任务数量多少和任务数据量大小改变时保持较为稳定的系统完成时延,能够满足计算任务的时延敏感需求,能够对本地设备、边缘服务器的资源进行相对最优的调配,提高计算系统的性能。
[0004]由于边缘环境的实时性、动态性和复杂性,现有针对云环境中安全、可靠、隐私问题提出的解决方法,也并不完全适用于边缘环境,本技术基于一种任务卸载综合可信机制,在保证边缘数据安全、可靠的前提下求解任务卸载问题,优化边缘计算的性能,该机制包含身份可信、行为可信、能力可信。此外,用户通过无线信道卸载时会给边缘系统带来数据安全问题,用户将计算任务卸载到边缘服务器时容易被附近的恶意窃 ...
【技术保护点】
【技术特征摘要】
1.一种端
‑
边协同的边缘计算任务卸载方法,其特征在于,包括:构建端
‑
边协同的边缘计算任务可信卸载模型,对模型进行初始化;获取待卸载的任务数据,并确定任务的类型和属性;根据待卸载的任务数据计算任务卸载资源;根据任务卸载资源信息构建任务卸载决策;采用基于sum tree采样的DDQN算法对任务卸载决策进行优化,得到最优卸载决策;根据最优卸载决策采用Massive MIMO技术将待卸载的任务数据传输到对应的单元进行任务计算。2.根据权利要求1所述的一种端
‑
边协同的边缘计算任务卸载方法,其特征在于,端
‑
边协同的边缘计算任务可信卸载模型包括本地终端设备层和边缘服务器层;本地终端设备层由多用户设备、多边缘集群、通信链路构成,且每一边缘集群由MEC基站和多边缘服务器构成;MEC基站支持多用户接入,当执行任务卸载时,根据卸载策略将任务卸载到对应的边缘集群中进行处理;用户与边缘服务器之间采用大规模MIMO技术进行无线通信。3.根据权利要求1所述的一种端
‑
边协同的边缘计算任务卸载方法,其特征在于,确定任务的类型和属性的过程包括:任务类型为在线独立任务,即Broker不知道将会有多少任务到达数据中心以及任务的所有相关属性,每到达一个任务就处理一个任务,任务队列是非抢占式的,任务生成到达数据中心的时间间隔服从泊松分布;任务属性定义为:task={id
i
,sub
i
,d
i
,mem
i
,cpu
i
,deadline
i
,sct
i
}其中,id
i
表示任务i的id;sub
i
表示任务i的提交时间;d
i
表示任务i的数据量;mem
i
表示任务i请求的内存资源;cpu
i
表示任务i请求的计算资源;deadline
i
表示任务i能够容忍的最大响应时间;sct
i
表示任务i请求执行时对计算节点的最低安全等级要求。4.根据权利要求1所述的一种端
‑
边协同的边缘计算任务卸载方法,其特征在于,根据任务卸载资源信息构建任务卸载决策包括:任务卸载决策包括将任务卸载到本地进行计算和将任务卸载到边缘服务器进行计算;计算任务数据卸载速率;在本地执行任务时,计算任务在用户设备上的执行时间响应时间与执行能耗在边缘服务器执行任务时,计算任务在边缘服务器上的执行时间响应时间以及执行能耗并根据任务数据卸载速率计算任务卸载到边缘服务器的传输时延和传输能耗5.根据权利要求4所述的一种端
‑
边协同的边缘计算任务卸载方法,其特征在于,本地执行任务时任务在用户设备上的执行时间响应时间与执行能耗的公式为:的公式为:的公式为:其中,f
l
、C、η、分别表示表示用户的计算能力CPU频率、计算节点处理1bit数据所需的CPU周期、能量因子、任务在本地用户的完成时间;在边缘服务器执行任务时,任务在边缘服务器上的执行时间响应时间以及
执行能耗的公式为:的公式为:的公式为:其中,d
i
表示任务i的数据量,sub
i
表示任务i开始执行时间;任务卸载到边缘服务器的传输时延和传输能耗的公式为:的公式为:其中,f
e
、q分别表示边缘服务器的计算能力、任务在边缘服务器上的完成时间、边缘服务器处理1bit数据产生的能耗。6.根据权利要求4所述的一种端
‑
边协同的边缘计算任务卸载方法,其特征在于,在进行任务时采用任务卸载综合可信评估机制对任务卸载终端进行信任评估,具体包括:利用计算节点的历史反馈评判行为可信度,历史反馈情况通过任务请求的响应时间来体现,将所有计算节点的行为信任度值T
n
初始化为1,且只有当计算节点的T
n
高于服务请求可以接受的最低信任度值时,服务请求响应:T
n
=T
n
‑1*Δt
n
‑1,时间衰减因子Δt
n
=e
‑
F(n)
衡量服务请求的新鲜性,新鲜性越高,行为可信度越高。7.根据权利要求1所述的一种端
‑
边协同的边缘计算任务卸载方法,其特征在于,采用基于sum tree采样的DDQN算法对任...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。