一种缓存增强的任务卸载优化方法技术

本发明专利技术涉及一种缓存增强的任务卸载优化方法，属于无线通信技术领域，考虑一个边缘网络中多用户任务卸载的城市场景，基于用户的移动性，首先对执行任务的能耗和时延进行建模；然后考虑区域内用户可能会在不同的时刻重复请求相同任务的情况，引入边缘缓存技术；根据基站间任务请求的相似度，聚集成社区，社区内基站共享信息；设计双时间尺度，分别在长短期时隙内更新社区任务流行度和基站任务流行度；最后建立收益最大化模型，将优化问题转化为01背包问题进行求解。本发明专利技术可以有效降低任务卸载时的时间与能耗成本，提升用户体验。提升用户体验。提升用户体验。

【技术实现步骤摘要】
一种缓存增强的任务卸载优化方法


[0001]本专利技术属于无线通信
，涉及一种缓存增强的任务卸载优化方法

技术介绍

[0002]随着移动网络的快速发展，手机、可穿戴设备、车载终端等智能设备日益普及，移动设备的数量呈惊人增长势头。同时，新型应用程序快速发展，包括计算机视觉，语音控制，物体识别等。一系列新兴的业务带来了丰富体验的同时也给网络基础设施带来了巨大的压力。然而，资源有限的移动设备无法满足当前资源密集型应用的低延迟、高可靠等需求。
[0003]移动云计算(Mobile Cloud Computing,MCC)就是为了解决这一问题而提出的。通过将资源密集型任务转移到强大的远程云上，MCC可以延长移动设备电池寿命，支持复杂的计算，并提供潜在的无限存储空间。虽然通过将资源密集型任务转移到强大的远程云上可以满足用户需求，但云与用户之间的长距离传输可能会导致较高的延迟和抖动。这将严重影响用户性能，且海量的任务上传到核心网会造成网络拥塞。
[0004]MEC作为一种可行的架构应运而生，其针对不同业务场景的需求，在靠近人、物或者数据源头的网络侧提供服务。实现更安全、实时地响应不同业务需求，有效降低时延与能耗成本，缓解核心网的负载。此外，除了强大的算力，MEC服务器还具备缓存能力，可直接应用于在边缘提供缓存服务。将大量用户频繁请求的热门内容缓存到靠近用户的一侧，可以减少冗余数据的传输，提高用户体验并有效缓解回程链路的流量压力。相比于云计算，MEC虽然可以弥补移动设备自身能力的不足。但是，它自身的存储和计算资源依旧有限的，将缓存和计算资源相结合是一个可行的解决方案。考虑多维资源的结合，从而弥补单维资源的不足。任务卸载时为了避免重复传输相同的任务，可以利用边缘缓存根据用户请求的任务，动态的在服务器上部署热门请求的任务。任务卸载的时延主要受到传输时延和计算时延的影响，当缓存命中时可以降低卸载的传输能耗与时延，从而进一步达到改善卸载成本的目的。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于针对边缘网络中时延敏感的移动用户任务卸载问题，提出一种缓存增强的任务卸载优化方法，考虑任务卸载的能耗和时延，通过规划合理的缓存策略达到改善任务卸载成本的目的。
[0006]为达到上述目的，本专利技术提供如下技术方案：
[0007]一种缓存增强的任务卸载优化方法，考虑一个边缘网络中多用户任务卸载的城市场景，基于用户的移动性，首先对执行任务的能耗和时延进行建模；然后考虑区域内用户可能会在不同的时刻重复请求相同任务的情况，引入边缘缓存技术；根据基站间任务请求的相似度，聚集成社区，社区内基站共享信息；设计双时间尺度，分别在长短期时隙内更新社区任务流行度和基站任务流行度；最后建立收益最大化模型，将优化问题转化为01背包问题进行求解。
[0008]进一步，该方法具体包括以下步骤：
[0009]S1：系统冷启动：确定用户的数量和移动速度、系统的总带宽以及MEC服务器的计算资源以及缓存资源；
[0010]S2：构建系统模型：根据步骤S1的信息，建立移动设备层和边缘层；所述边缘层位于网络边缘靠近数据源侧，由基站和移动边缘计算(Mobile Edge Computing,MEC)服务器组成；
[0011]S3：确定卸载成本：根据步骤S2的信息，分别对任务卸载时的时延和能耗进行建模；构建卸载成本，引入边缘缓存；
[0012]S4：根据任务相似度确定社区划分：根据步骤S3信息，收集请求的任务信息；建立基站间相似度矩阵，基于Louvain算法进行社区类聚；
[0013]S5：双时间尺度更新：根据步骤S4的信息，在社区内采用双时间尺度更新社区和基站处的任务流行度；
[0014]S6：确定缓存策略：设定缓存收益，分析缓存收益最大化的缓存放置问题；将问题转化为01背包问题进行求解；
[0015]S7：卸载优化：根据步骤S6得到缓存放置策略，当卸载任务在边缘有缓存时，减少传输时延和能耗，优化卸载成本。
[0016]进一步，步骤S2具体包括以下步骤：
[0017]S21：设计一个多用户的城市场景，移动用户的速度在0
‑
60m/s之间；沿路部署基站由集合表示，基站的覆盖半径为R并配备一台MEC服务器；系统带宽由B表示，MEC的计算资源由F表示，MEC的缓存资源由表示；表示在基站的覆盖范围内的N个用户；
[0018]在t时刻，每个用户发起一个任务，任务n定义为c
n
表示T
n
需要的计算资源，d
n
表示T
n
的大小；表示执行任务的最大可容忍时延；假设每个任务有两种处理模式，本地执行和边缘卸载；
[0019]UE n的任务卸载决策具体表示如下所示：
[0020]C1:
[0021]采取卸载的用户集由表示；最多有N个用户执行任务，则约束如下：
[0022]C2:
[0023]进一步，步骤S3具体包括以下步骤：
[0024]S31：用户n在计算卸载模式下的任务总卸载时延包括任务上传时间服务器执行时间以及结果传输时延若用户移动导致用户在下载结果时已经移动到了基站的覆盖半径外，则考虑用户从相邻基站的边缘服务器下载结果，此时的结果传输时延为：
[0025][0026]其中，B
wired
代表基站之间光纤的传输速度；T
n
的卸载总时间成本表示如下：
[0027][0028]其中，γ
n
为二进制变量，γ
n
＝1表示T
n
在计算完成时，用户已经移动到了基站的无线电半径外，需要从相邻的基站收到结果；反之则表示用户没有离开当前基站；
[0029]根据香农原理，t时刻将T
n
卸载到基站上行传输速率r
n
(t)表示为：
[0030][0031]p
n
为T
n
接入基站的传输功率，H
n
(t)表示t时刻从用户n到基站之间的信道增益：
[0032][0033]其中dis
n
(t)表示t时刻用户n与基站之间的距离；假设用户在恒定的方向上以速度V前进，基站的坐标是(x0,y0)，t时刻用户的二维坐标由矢量L＝{(x1(t),y1(t)),..(x
n
(t),y
n
(t)),..(x
N
(t),y
N
(t))}表示；因此t时刻用户n与基站的距离表示为：
[0034][0035]α是路径损耗指数，h0是遵循复正态分布CN(0,1)的复高斯信道系数；N0是加性高斯白噪声；
[0036]T
n
的传输时延定义为：
[0037][0038]f
n
表示MEC分配给T
n
的计算资源，T
n
的计算时延定义本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种缓存增强的任务卸载优化方法，其特征在于：考虑一个边缘网络中多用户任务卸载的城市场景，基于用户的移动性，首先对执行任务的能耗和时延进行建模；然后考虑区域内用户可能会在不同的时刻重复请求相同任务的情况，引入边缘缓存技术；根据基站间任务请求的相似度，聚集成社区，社区内基站共享信息；设计双时间尺度，分别在长短期时隙内更新社区任务流行度和基站任务流行度；最后建立收益最大化模型，将优化问题转化为01背包问题进行求解。2.根据权利要求1所述的缓存增强的任务卸载优化方法，其特征在于：该方法具体包括以下步骤：S1：系统冷启动：确定用户的数量和移动速度、系统的总带宽以及MEC服务器的计算资源以及缓存资源；S2：构建系统模型：根据步骤S1的信息，建立移动设备层和边缘层；所述边缘层位于网络边缘靠近数据源侧，由基站和移动边缘计算(Mobile Edge Computing,MEC)服务器组成；S3：确定卸载成本：根据步骤S2的信息，分别对任务卸载时的时延和能耗进行建模；构建卸载成本，引入边缘缓存；S4：根据任务相似度确定社区划分：根据步骤S3信息，收集请求的任务信息；建立基站间相似度矩阵，基于Louvain算法进行社区类聚；S5：双时间尺度更新：根据步骤S4的信息，在社区内采用双时间尺度更新社区和基站处的任务流行度；S6：确定缓存策略：设定缓存收益，分析缓存收益最大化的缓存放置问题；将问题转化为01背包问题进行求解；S7：卸载优化：根据步骤S6得到缓存放置策略，当卸载任务在边缘有缓存时，减少传输时延和能耗，优化卸载成本。3.根据权利要求1所述的根据权利要求1所述的缓存增强的任务卸载优化方法，其特征在于：步骤S2具体包括以下步骤：S21：设计一个多用户的城市场景，移动用户的速度在0
‑
60m/s之间；沿路部署基站由集合表示，基站的覆盖半径为R并配备一台MEC服务器；系统带宽由B表示，MEC的计算资源由F表示，MEC的缓存资源由表示；表示在基站的覆盖范围内的N个用户；在t时刻，每个用户发起一个任务，任务n定义为c
n
表示T
n
需要的计算资源，d
n
表示T
n
的大小；表示执行任务的最大可容忍时延；假设每个任务有两种处理模式，本地执行和边缘卸载；UE n的任务卸载决策具体表示如下所示：采取卸载的用户集由表示；最多有N个用户执行任务，则约束如下：C2:
4.根据权利要求1所述的根据权利要求1所述的缓存增强的任务卸载优化方法，其特征在于：步骤S3具体包括以下步骤：S31：用户n在计算卸载模式下的任务总卸载时延包括任务上传时间服务器执行时间以及结果传输时延若用户移动导致用户在下载结果时已经移动到了基站的覆盖半径外，则考虑用户从相邻基站的边缘服务器下载结果，此时的结果传输时延为：其中，B
wired
代表基站之间光纤的传输速度；T
n
的卸载总时间成本表示如下：其中，γ
n
为二进制变量，γ
n
＝1表示T
n
在计算完成时，用户已经移动到了基站的无线电半径外，需要从相邻的基站收到结果；反之则表示用户没有离开当前基站；根据香农原理，t时刻将T
n
卸载到基站上行传输速率r
n
(t)表示为：p
n
为T
n
接入基站的传输功率，H
n
(t)表示t时刻从用户n到基站之间的信道增益：其中dis
n
(t)表示t时刻用户n与基站之间的距离；假设用户在恒定的方向上以速度V前进，基站的坐标是(x0,y0)，t时刻用户的二维坐标由矢量L＝{(x1(t),y1(t)),..(x
n
(t),y
n
(t)),..(x
N
(t),y
N
(t))}表示；因此t时刻用户n与基站的距离表示为：α是路径损耗指数，h0是遵循复正态分布CN(0,1)的复高斯信道系数；N0是加性高斯白噪声；T
n
的传输时延定义为：f
n
表示MEC分配给T
n
的计算资源，T
n
的计算时延定义为：p
n
表示用户n的发射功率，T
n
的卸载能耗定义为：S32：卸载T
n
的卸载成本表示为：其中，θ
e
和θ
t
分别为时延和能耗的权重因子；确定优化目标为最小化卸载成本：
5.根据权利要求1所述的根据权利要求1所述的缓存增强的任务卸载优化方法，其特征在于：步骤S4具体包括以下步骤：S41：针对用户偏好的区域性，根据用户请求偏好将基站划分进不同的社区；相同社区内基站服务的用户偏好相似，设定每个社区内的基站可进行协作缓存；基站被划分进K个社区Social＝{So
k
|k∈K}，其中So
k
表示第k个社区内基站的集合，每个基站只能属于一个社区，应满足约束：C3:基站间通过光纤相连接，每个基站m内用户发起的任务都被记录文件库中...

【专利技术属性】
技术研发人员：吴大鹏，刘洁，张鸿，王汝言，张普宁，杨志刚，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：