云边协同下基于近似计算复用的任务卸载方法及装置制造方法及图纸

本发明专利技术公开了一种云边协同下基于近似计算复用的任务卸载方法及装置。所述方法基于边缘计算中云边协同的场景，在边缘节点上采用近似计算复用技术以减小计算延迟，并将该场景下的时延和能耗联合优化问题建模成一个MINLP(混合整数非线性规划)问题，最终设计了一种基于Karush

【技术实现步骤摘要】
云边协同下基于近似计算复用的任务卸载方法及装置


[0001]本专利技术涉及边缘计算领域，具体涉及到一种在云边协同架构下基于近似计算复用的任务卸载方法及装置。

技术介绍

[0002]近年来，随着互联网技术逐渐发展，各式各类的终端产品和应用不断涌现，产生了规模庞大的计算需求。尤其是以AR、VR为代表的新一代智能应用，不仅对设备计算能力提出了极高要求，同时要求任务处理时延低，以保证用户体验。然而，个人终端设备往往受限于计算能力、存储能力以及续航能力，仅仅依靠终端设备难以满足上述应用的需求，而传统云计算模式，虽然能提供海量的计算资源，但由于个人终端设备远离云中心，传输任务会产生较高的时延，影响用户体验，同时大量的任务请求也给云中心带来了极大压力。为了解决上述问题，边缘计算的概念应运而生，其理念就是在网络边缘设备上部署计算资源和存储资源等，使其能为附近的终端设备提供服务，减轻云中心的压力。需要说明的是，边缘计算的诞生并不是为了取代云计算，而是作为云计算的补充，实现云边协同计算。
[0003]为了更进一步地满足任务低时延要求，研究人员提出了近似计算复用，并将其应用于边缘计算中。近似计算复用指的是在边缘节点上缓存已经执行过的任务及其计算结果，当遇到新的任务请求时，直接返回已缓存的相似任务计算结果。该技术适合部署在边缘节点上，可以极大地减小任务时延，但现有的相关研究忽略了近似计算复用本身带给卸载决策的影响。这是因为，一方面近似计算复用过程本身需要一定的时延，无限制地使用近似计算复用会带来额外的时延；另一方面控制器无法获知边缘节点缓存的任务和待处理任务的相似性，也就无法在卸载决策前预知能否在缓存找到相似的任务。

技术实现思路

[0004]专利技术目的：针对现有技术的问题和不足，本专利技术提出了一种云边协同下基于近似计算复用的任务卸载方法及装置，考虑了近似计算复用带给卸载决策的影响，解决了云边协同场景下使用近似计算复用技术时产生的任务卸载和资源分配问题。
[0005]技术方案：为了实现以上专利技术目的，本专利技术所述的一种云边协同下基于近似计算复用的任务卸载方法，包括以下步骤：
[0006](1)获取边缘计算网络的系统全局信息，包括通信状态信息、计算任务信息、计算能力信息、系统正确率要求，所述通信状态信息包括终端设备与边缘节点间的无线链路状态信息、边缘节点与云中心间的核心网链路状态信息，所述计算任务信息包括任务的计算开销ω
i
、任务的数据量大小l
i
、任务最大可容忍时延d
i
，所述计算能力信息包括终端设备的计算能力边缘节点的计算能力f
E
；
[0007](2)根据系统全局信息和边缘计算网络架构，建立联合优化系统时延和能耗的形式化问题：且所述形式化问题满足总计算资源约束、系统正确率要求约束、任务最大可容忍时延约束；其中α表示均衡因子，t
i
表示任务执行时延，ε
i
表
示任务执行能耗，X表示任务卸载决策矩阵，卸载到终端设备表示为卸载到边缘节点表示为卸载到云中心表示为其中，且且Z表示任务复用决策矩阵，决策变量表示为z
i
∈{0,1}，K表示任务计算资源分配比例矩阵，矩阵元素表示为k
i
∈[0,1]，N为待处理的任务数量；
[0008](3)根据步骤(2)建立的优化问题和系统全局信息，基于初值选择算法确定初始复用决策、初始任务卸载决策和初始计算资源分配策略；
[0009](4)根据步骤(3)的初始复用决策、初始任务卸载决策、初始计算资源分配策略以及优化问题、系统全局信息，基于卸载策略优化算法确定最佳卸载决策。
[0010]本专利技术提供一种云边协同下基于近似计算复用的任务卸载装置，包括：
[0011]数据获取模块，用于获取边缘计算网络的系统全局信息，包括通信状态信息、计算任务信息、计算能力信息、系统正确率要求，所述通信状态信息包括终端设备与边缘节点间的无线链路状态信息、边缘节点与云中心间的核心网链路状态信息，所述计算任务信息包括任务的计算开销ω
i
、任务的数据量大小l
i
、任务最大可容忍时延d
i
，所述计算能力信息包括终端设备的计算能力f
iL
、边缘节点的计算能力f
E
；
[0012]问题构建模块，用于根据系统全局信息和边缘计算网络架构，建立联合优化系统时延和能耗的形式化问题：且所述形式化问题满足总计算资源约束、系统正确率要求约束、任务最大可容忍时延约束；其中α表示均衡因子，t
i
表示任务执行时延，ε
i
表示任务执行能耗，X表示任务卸载决策矩阵，卸载到终端设备表示为卸载到边缘节点表示为卸载到云中心表示为其中，且Z表示任务复用决策矩阵，决策变量表示为z
i
∈{0,1}，K表示任务计算资源分配比例矩阵，矩阵元素表示为k
i
∈[0,1]，N为待处理的任务数量；
[0013]初值选择模块，用于根据问题构建模块建立的优化问题和数据获取模块获取的系统全局信息，基于初值选择算法确定初始复用决策、初始任务卸载决策和初始计算资源分配策略；
[0014]决策确定模块，用于根据初值选择模块的初始复用决策、初始任务卸载决策、初始计算资源分配策略以及问题构建模块建立的优化问题、数据获取模块获取的系统全局信息，基于卸载策略优化算法确定最佳卸载决策。
[0015]本专利技术提供一种计算机设备，包括：
[0016]一个或多个处理器；
[0017]存储器；以及
[0018]一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如上所述的云边协同下基于近似计算复用的任务卸载方法的步骤。
[0019]本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的云边协同下基于近似计算复用的任务卸载方法的步骤。
[0020]有益效果：本专利技术针对性地给出了经典云边协同网络架构下如何进行任务卸载和资源分配以优化基于近似计算复用的边缘计算。针对近似计算复用带给卸载决策的影响，
首次通过复用成功率、近似计算复用时延和复用正确率来刻画近似计算复用模型，并首次提出该场景下的系统复用正确率约束。同时，将问题建模成一个联合优化时延和能耗的混合整数线性规划问题，通过对任务卸载决策、近似计算复用决策、计算资源分配策略的优化，来最大限度利用近似计算复用的优势减小系统开销。本专利技术的方法减小了时延和能耗的联合损耗。
附图说明
[0021]图1是云边协同的系统架构示意图；
[0022]图2是近似计算复用应用于边缘节点的示意图；
[0023]图3是本专利技术方法流程图。
具体实施方式
[0024]下面结合附图对本专利技术的技术方案作进一步说明。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云边协同下基于近似计算复用的任务卸载方法，其特征在于，包括以下步骤：(1)获取边缘计算网络的系统全局信息，包括通信状态信息、计算任务信息、计算能力信息、系统正确率要求，所述通信状态信息包括终端设备与边缘节点间的无线链路状态信息、边缘节点与云中心间的核心网链路状态信息，所述计算任务信息包括任务的计算开销ω
i
、任务的数据量大小l
i
、任务最大可容忍时延d
i
，所述计算能力信息包括终端设备的计算能力f
iL
、边缘节点的计算能力f
E
；(2)根据系统全局信息和边缘计算网络架构，建立联合优化系统时延和能耗的形式化问题：且所述形式化问题满足总计算资源约束、系统正确率要求约束、任务最大可容忍时延约束；其中α表示均衡因子，t
i
表示任务执行时延，ε
i
表示任务执行能耗，X表示任务卸载决策矩阵，卸载到终端设备表示为卸载到边缘节点表示为卸载到云中心表示为其中，且且Z表示任务复用决策矩阵，决策变量表示为z
i
∈{0,1}，K表示任务计算资源分配比例矩阵，矩阵元素表示为k
i
∈[0,1]，N为待处理的任务数量；(3)根据步骤(2)建立的优化问题和系统全局信息，基于初值选择算法确定初始复用决策、初始任务卸载决策和初始计算资源分配策略；(4)根据步骤(3)的初始复用决策、初始任务卸载决策、初始计算资源分配策略以及优化问题、系统全局信息，基于卸载策略优化算法确定最佳卸载决策。2.根据权利要求1所述的方法，其特征在于，所述步骤(2)中，总计算资源约束表示为：系统正确率要求约束表示为：任务最大可容忍时延约束表示为：t
i
≤d
i
其中，ρ
i
表示任务在边缘节点上的复用成功率，μ
i
表示任务在边缘节点上的复用错误率，μ
s
表示系统错误率要求，E表示卸载到边缘节点的任务集合。3.根据权利要求1所述的方法，其特征在于，任务执行时延的计算方法如下：3.根据权利要求1所述的方法，其特征在于，任务执行时延的计算方法如下：3.根据权利要求1所述的方法，其特征在于，任务执行时延的计算方法如下：3.根据权利要求1所述的方法，其特征在于，任务执行时延的计算方法如下：3.根据权利要求1所述的方法，其特征在于，任务执行时延的计算方法如下：
其中，τ
i
表示任务在边缘节点上执行近似计算复用所需的时间，B表示信道带宽，p
i
表示终端设备传输功率，h
i
表示终端设备到边缘节点的信道增益，σ2表示高斯背景噪声，r
TC
表示边缘节点上传任务到云中心的传输速率。4.根据权利要求1所述的方法，其特征在于，任务执行能耗的计算方法如下：4.根据权利要求1所述的方法，其特征在于，任务执行能耗的计算方法如下：4.根据权利要求1所述的方法，其特征在于，任务执行能耗的计算方法如下：其中，表示终端设备的能效，p
i
表示终端设备传输功率，表示终端设备上传任务到边缘节点的传输速率。5.根据权利要求1所述的方法，其特征在于，所述步骤(3)中的初值选择算法包括：对于所有任务，令设当时令z
i
＝0，时令z
i
＝1，其中，τ
i
表示任务在边缘节点上执行近似计算复用所需的时间，ρ
i
表示任务在边缘节点上的复用成功率，p
i
表示终端设备传输功率，表示任务在本地设备计算的总时延，表示任务卸载到云中心处理的总时延，表示任务在...

【专利技术属性】
技术研发人员：黄浩鼎，叶保留，王楚豫，陆桑璐，
申请(专利权)人：南京大学，
类型：发明
国别省市：