任务卸载方法技术

本申请实施例提出了一种任务卸载方法

【技术实现步骤摘要】
任务卸载方法、装置和存储介质


[0001]本申请实施例涉及计算机网络
，尤其涉及一种任务卸载方法
、
装置和存储介质
。

技术介绍

[0002]近年来，以可穿戴设备
、
视频监控和互联汽车为代表的资源需求大
、
时延敏感的物联网
(IoT)
应用爆炸式增长，给计算资源有限的底层物联网设备带来了巨大挑战
。
由于物理尺寸的限制，物联网设备通常只具备有限的能量容量和计算资源
。
因此，不断增长的用户需求与物联网设备有限能力之间的矛盾成为了一个具有挑战性的问题
。
为了缓解资源匮乏的应用程序和资源匮乏的物联网设备之间不断加剧的紧张关系，任务卸载已经被提出作为一种有效的解决方案
。
[0003]在雾
/
边缘计算模式下，计算和存储资源从网络核心被推到更接近物联网设备的网络边缘
。
如果积极地将尽可能多的移动工作负载卸载到边缘节点，那么边缘节点的成本和运营支出将大大增加，因为需要配置更多的资源来匹配峰值需求
。
在计算和通信能力有限的每个边缘设备中，一个自然的问题是如何高效地利用稀缺的通信和计算资源，最大限度地提高全系统的效率，传统的方法多从执行用户任务的上行传输时延
、
计算时延
、
下行传输时延对任务总时延影响的用于移动边缘计算的任务卸载，但是这些方法有些片面，可能无法最大化的利用资源池的资源r/>。
[0004]因此，提供一种最大化算力网络资源池的全系统效率的任务卸载方法是目前亟需解决的问题
。

技术实现思路

[0005]本申请实施例提供了一种任务卸载方法
、
装置和存储介质，能够优化设备到设备卸载策略，在资源池有限的情况下，以最大化成功执行的任务的总效用为目标合理利用资源池
。
[0006]第一方面，本申请实施例提供一种任务卸载方法，应用于算力网络资源池，所述方法包括：获取数据流计算任务的特征，所述数据流计算任务的特征包括所需计算资源量
、
所需处理密度
、
输出数据大小与输入数据大小的比率，以及任务效用；根据所述数据流计算任务的特征建立计算约束和通信约束，以任务效用最大化为目标确定待卸载的数据流计算任务
。
[0007]第一方面的有益效果，通过获取数据流计算任务的包括所需计算资源量
、
所需处理密度
、
输出数据大小与输入数据大小的比率，以及任务效用的特征，构建计算约束
、
通信约束，并以任务效用最大化为目标确定待卸载的数据流计算任务的方法，能够优化设备到设备卸载策略，在资源池有限的情况下，以最大化成功执行的任务的总效用为目标合理利用资源池
。
[0008]在一种可能的实现方式中，所述算力网络资源池包括资源设备和任务设备，所述
根据所述数据流计算任务的特征建立计算约束和通信约束，以任务效用最大化为目标确定待卸载的数据流计算任务，包括：
[0009]建立所述任务效用最大化的计算公式：其中
x
p
是二元决策变量，当支持任务设备
p
的数据流计算任务时
x
p
＝1，当不支持任务设备
p
的数据流计算任务时
x
p
＝0，
y
dp
是决策变量，表示资源设备
d
分配给任务设备
p
的计算资源量，
p∈P
表示任务设备
p
属于任务设备集合
P
，
E
p
表示任务设备
p
的数据流计算任务的任务效用；
[0010]建立计算约束和通信约束的计算公式：约束1：表示任务设备
p
的数据流计算任务被选择时即
x
p
＝1时，聚合计算资源应满足其资源需求
C
p
，其中
d
表示资源设备，
Γ
p
表示能够与任务设备
p
进行设备到设备的连接并进行任务卸载的资源设备集合；约束2：表示资源设备
d
提供的计算资源总量不应超过其容量
c
d
，其中
I
i
表示能够与资源设备
d
建立设备到设备连接的任务设备集合，
R
表示资源设备集合；约束3：其中
y
dp
表示给定由资源设备
d
为任务设备
p
的数据流计算任务提供的计算资源，
b
ip
表示已建立连接的资源设备
i
与任务设备
p
之间数据传输速率，和分别表示实时处理的最大可负担得起的输入数据流速率和输出数据流速率，其中
D
p
表示数据流计算任务的处理密度，
K
p
表示任务设备
p
的数据流计算任务的输出数据大小与输入数据大小的比率；约束4：表示决策变量
y
dp
的可行空间；约束5：表示决策变量
x
p
的可行空间；
[0011]根据所述任务效用最大化的计算公式和所述计算约束和通信约束的计算公式求解出待卸载的数据流计算任务
。
[0012]在一种可能的实现方式中，所述算力网络资源池包括资源设备和任务设备，当所述待卸载的数据流计算任务为多个数据流计算任务时，所述方法还包括：获取每个数据流计算任务的任务资源占用系数，当所述数据流计算任务的任务资源占用系数大于1时，删除所述数据流计算任务，其中，所述任务资源占用系数表示数据流计算任务的计算任务需求与资源设备所拥有的总可用资源之间的比率；获取每个数据流计算任务的任务效用；获取每个数据流计算任务的紧迫性指标，其中，所述紧迫性指标表示数据流计算任务的任务资源占用系数与任务效用的乘积；按照所述任务效用从大到小
、
所述紧迫性指标从大到小对多个所述数据流计算任务进行任务执行优先级从高到低的排序
。
[0013]在一种可能的实现方式中，所述算力网络资源池包括资源设备和任务设备，当所述待卸载的数据流计算任务为多个数据流计算任务时，所述方法还包括：获取每个数据流计算任务的任务资源占用系数，当所述数据流计算任务的任务资源占用系数大于1时，删除所述数据流计算任务，其中，所述任务资源占用系数表示数据流计算任务的计算任务需求与资源设备所拥有的总可用资源之间的比率；获取每个数据流计算任务的任务效用；获取每个数据流计算任务的紧迫性指标，其中，所述紧迫性指标表示数据流计算任务的任务资源占用系数与任务效用的乘积；获取每个数据流计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种任务卸载方法，其特征在于，应用于算力网络资源池，所述方法包括：获取数据流计算任务的特征，所述数据流计算任务的特征包括所需计算资源量
、
所需处理密度
、
输出数据大小与输入数据大小的比率，以及任务效用；根据所述数据流计算任务的特征建立计算约束和通信约束，以任务效用最大化为目标确定待卸载的数据流计算任务
。2.
根据权利要求1所述的方法，其特征在于，所述算力网络资源池包括资源设备和任务设备，所述根据所述数据流计算任务的特征建立计算约束和通信约束，以任务效用最大化为目标确定待卸载的数据流计算任务，包括：建立所述任务效用最大化的计算公式：其中
x
p
是二元决策变量，当支持任务设备
p
的数据流计算任务时
x
p
＝1，当不支持任务设备
p
的数据流计算任务时
x
p
＝0，
y
dp
是决策变量，表示资源设备
d
分配给任务设备
p
的计算资源量，
p∈P
表示任务设备
p
属于任务设备集合
P
，
E
p
表示任务设备
p
的数据流计算任务的任务效用；建立计算约束和通信约束的计算公式：约束1：表示任务设备
p
的数据流计算任务被选择时即
x
p
＝1时，聚合计算资源应满足其资源需求
C
p
，其中
d
表示资源设备，
Γ
p
表示能够与任务设备
p
进行设备到设备的连接并进行任务卸载的资源设备集合；约束2：表示资源设备
d
提供的计算资源总量不应超过其容量
c
d
，其中
I
i
表示能够与资源设备
d
建立设备到设备连接的任务设备集合，
R
表示资源设备集合；约束3：其中
y
dp
表示给定由资源设备
d
为任务设备
p
的数据流计算任务提供的计算资源，
b
ip
表示已建立连接的资源设备
i
与任务设备
p
之间数据传输速率，和分别表示实时处理的最大可负担得起的输入数据流速率和输出数据流速率，其中
D
p
表示数据流计算任务的处理密度，
K
p
表示任务设备
p
的数据流计算任务的输出数据大小与输入数据大小的比率；约束4：表示决策变量
y
dp
的可行空间；约束5：表示决策变量
x
p
的可行空间；根据所述任务效用最大化的计算公式和所述计算约束和通信约束的计算公式求解出待卸载的数据流计算任务
。3.
根据权利要求1所述的方法，其特征在于，所述算力网络资源池包括资源设备和任务设备，当所述待卸载的数据流计算任务为多个数据流计算任务时，所述方法还包括：获取每个数据流计算任务的任务资源占用系数，当所述数据流计算任务的任务资源占用系数大于1时，删除所述数据流计算任务，其中，所述任务资源占用系数表示数据流计算任务的计算任务需求与资源设备所拥有的总可用资源之间的比率；获取每个数据流计算任务的任务效用；获取每个数据流计算任务的紧迫性指标，其中，所述紧迫性指标表示数据流计算任务
的任务资源占用系数与任务效用的乘积；按照所述任务效用从大到小
、
所述紧迫性指标从大到小对多个所述数据流计算任务进行任务执行优先级从高到低的排序<...

【专利技术属性】
技术研发人员：倪茂，王绍颖，周婷，崔芳，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：