【技术实现步骤摘要】
本专利技术涉及基于网络断层透视的任务调度方法和装置。该专利技术可以在动态波动的复杂边缘场景中，基于边缘任务端到端计算时延最小化的原则，对边缘计算任务进行调度。
技术介绍
1、云计算的出现为各类数据和应用提供了一个高效的计算平台。然而，当前网络带宽和网络传输技术的发展速度远远跟不上数据的增长速度。云计算带来了过长的传输链路。这将带来更高的延迟和安全风险。为了弥补云计算的上述缺陷，边缘计算应运而生。在边缘计算中，计算资源更接近数据源和终端设备，以提供高带宽、低延迟的服务，网络边缘服务器也有足够的计算能力对源数据进行本地处理。通过将数据发送到边缘服务器而不是云服务器进行计算，可以减少网络传输过程中的带宽压力，加快数据分析和处理速度。
2、在边缘计算中，资源丰富的边缘服务器部署在数据源和终端设备附近，以提供高带宽、低延迟的服务。边缘作为云的延伸，可以提供设备接入，数据处理，ai智能等多种能力。工业界也有许多将任务卸载到边缘服务器的尝试，如阿里巴巴云ens和谷歌iot。随着边缘计算的发展，边缘任务卸载的调度问题已被广泛研究。因此，在动态边缘网络中将任务高效地分派给合适的边缘服务器对于提升任务的执行效率至关重要。
3、边缘计算任务卸载调度方法根据边缘任务的端到端时延决策边缘任务的卸载调度方案。其中端到端时延通常指边缘计算任务卸载到边缘服务器上时的通信时延和边缘计算任务在边缘服务器上计算时的计算时延之和。也即在边缘任务调度时应当设计使边缘任务总端到端时延最小的调度方案。现有的调度方法倾向于假设用户与边缘设备之间的网络是
4、遗憾的是，当网络动态波动时，已有的边缘任务卸载调度方法难以准确获取客户端与服务器之间的通信延迟。这是因为它们都忽略了网络波动对任务调度策略的影响。具体而言，现实世界中边缘网络的复杂性和多变性导致边缘网络拓扑频繁变化，此外，现实世界中的边缘服务器之间的通信延迟变化也很大，使得现有边缘计算任务调度方法不适合动态边缘网络场景下的任务调度。
技术实现思路
1、本专利技术要克服现有技术的上述缺点，提供一种基于网络断层透视的边缘任务卸载调度方法和装置。
2、为实现以上目的，本专利技术所采取的技术方案是：一种基于网络断层透视的边缘任务卸载调度方法，包括以下步骤：
3、(1)基于网络断层透视的网络时延分析。对边缘计算任务的调度有赖于获得边缘任务卸载的通信时延。本方法提出了响应式的网络断层扫描方案，在需要调度边缘计算任务时，启发式的探测边缘用户与相邻客户端之间的通信时延，用于估计边缘任务卸载的通信时延。
4、(2)构建边缘任务时延数学模型。在对边缘计算任务进行调度时，需要遵循使所有边缘任务的端到端时延(也即任务卸载带来的网络通信时延和边缘任务在边缘服务器上的计算时延之和)之和最小。为此在调度边缘计算任务前建立刻画边缘任务端到端时延的数学模型。
5、(3)基于强化学习的任务卸载调度。边缘任务的卸载调度采用了基于强化学习的策略，本专利技术采用了“仅评论家”的强化学习算法。智能体的目标是最大化累计折扣奖励，奖励是任务的端到端延迟，环境的状态是当前的任务调度，智能体的行动是改变任务调度策略以最大化奖励。
6、(4)基于课程学习的强化学习优化策略。考虑到强化学习在环境分布复杂且波动的网络环境中往往表现不佳且难以泛化，本专利技术利用课程学习来创建课程来改善强化学习的训练。强化学习智能体在课程学习方法创建的课程环境中持续学习，以取得比直接训练强化学习智能体更好的训练效果。
7、其中，步骤(1)具体包括：
8、1.1)步骤s11:当边缘用户第一次请求卸载任务时，本方法会探测网络以分析从客户端到各个服务器的通信延迟。
9、1.2)步骤s12:当边缘用户下一次请求卸载任务时，本方法首先主动从k(本方法中基于经验设置为5)个最近的服务器收集延迟信息，并确定与上次请求卸载任务时相比，网络传输是否导致通信延迟发生显着变化。这是因为，即使网络存在波动，其在短时间内波动也是有限的，到达最近服务器的延迟是网络波动的最佳指标。
10、1.3)步骤s13:如果服务器之间的延迟值的相对顺序与上次相比变化很大，或者任何延迟值偏离阈值(本方法中基于经验设置为10％)，则认为有必要重新探测服务器网络，以分析将边缘任务卸载到不同边缘服务器时的通信时延。
11、其中，步骤(2)具体包括：
12、2.1)所述数学模型涉及的变量如下：
13、m，即边缘服务器数量，数据类型为正整数，描述了本方法中可用于为不同边缘用户提供边缘计算服务的服务器数量。
14、n，即边缘用户数量，数据类型为正整数，描述了本方法中可向边缘服务器发起边缘任务卸载请求的边缘用户数量。
15、tn,k，即边缘用户n向边缘服务器请求卸载边缘计算任务k时的端到端任务时延，也即边缘任务卸载到边缘服务器进行计算产生的总时延。其在数值上等于边缘任务卸载过程中的通信时延和边缘计算任务卸载到边缘服务器后在边缘服务器上的计算时延。
16、hn,k，即边缘用户n向边缘服务器请求卸载边缘计算任务k时的端到端任务时延阈值，也即边缘任务能容忍的最长端到端时延。
17、数据类型为布尔类型，用于描述来自边缘用户n的边缘计算任务k是否被卸载到边缘服务器m。
18、数据类型为布尔类型，用于描述边缘服务器m是否可以为边缘计算任务k提供计算服务。
19、用于描述边缘服务器m与边缘用户n之间因边缘计算任务的卸载产生的通信时延，由网络断层透视得到。
20、用于描述边缘服务器m与边缘用户n之间因边缘计算任务的卸载产生的计算时延，由服务器预测得到。
21、cn,k,用于描述边缘用户n在发起边缘计算任务k的卸载请求时向提供边缘计算服务的服务器请求的计算资源量。
22、thresource,数据类型为百分制数据，用于描述边缘服务器上的计算资源可占用率阈值。边缘计算服务器为应对自身需求和一些突发计算任务需求，可能需要预留一部分计算资源，因此当边缘服务器上当前计算资源占用率高于阈值thresource时，新分配到该边缘服务器的边缘计算任务将等待被提供计算服务，直到该服务器上的计算资源占用率降低到阈值以下。
23、cm,用于描述边缘服务器m上的计算资源总量。
24、2.2)用于描述边缘计算任务卸载后的端到端时延的数学模型包括：
25、2.2.1)任务卸载调度策略的优化目标是最小化所有来自边缘用户的边缘计算任务的端到端时延之和，即：
26、
27、将边缘计算任务的卸载调度问题建模为了一个最小化问题，这个最小化问题受到以下约束条件的约束；
28、2.2.2)约束条件1，来自边缘用户n的边缘计算任务k被卸载到边缘服务器m时的端到端时延等于该任务卸载到边缘服务器上的通信时延与该任务在边缘服务器上的计算时延之和：
<本文档来自技高网...【技术保护点】
1.一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，包含如下步骤：
2.如权利要求1所述的一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，步骤(1)具体包括：
3.如权利要求1所述的一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，步骤(2)具体包括：
4.如权利要求1所述的一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，步骤(3)具体包括：
5.如权利要求4所述的一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，强化学习的智能体生成的边缘任务卸载策略，服从前已述及的约束条件；采用了“仅评论家”强化学习方法，它仅训练“评论家”网络，而无需传统的“演员-评论家”算法中的“演员”网络；在每次与环境的交互过程中，“评论家”网络都会根据估计当前环境中的最佳动作；在智能体生成的任务卸载策略下，来自不同边缘用户的所有边缘任务的端到端时延之和被视作来自环境的奖励；智能体从奖励-动作对中学习，以改善智能体的调度策略。
6.如权利要求1所述的一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，步骤(
7.一种基于网络断层透视的边缘任务卸载调度装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1-6中任一项所述的一种基于网络断层透视的边缘任务卸载调度方法。
8.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1-6中任一项所述的一种基于网络断层透视的边缘任务卸载调度方法。
...【技术特征摘要】
1.一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，包含如下步骤：
2.如权利要求1所述的一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，步骤(1)具体包括：
3.如权利要求1所述的一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，步骤(2)具体包括：
4.如权利要求1所述的一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，步骤(3)具体包括：
5.如权利要求4所述的一种基于网络断层透视的边缘任务卸载调度方法，其特征在于，强化学习的智能体生成的边缘任务卸载策略，服从前已述及的约束条件；采用了“仅评论家”强化学习方法，它仅训练“评论家”网络，而无需传统的“演员-评论家”算法中的“演员”网络；在每次与环境的交互过程中，“评论家”网络都会...
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。