【技术实现步骤摘要】
本专利技术涉及雾计算，具体为任务部分卸载调度方法、终端设备及存储介质。
技术介绍
1、在雾计算系统中，计算、存储和网络服务放置在靠近数据源的边缘节点上，以降低数据传输延迟、减轻云端负担并提高应用响应速度和用户体验。相对于云，雾可以更加高效的处理终端设备的任务，包括延迟敏感服务、分布式服务、网联车辆服务、智能交通系统等。通过雾计算系统, 移动设备的请求可以就近执行，而不是通过远程云端的回程来满足，同时也可以减少计算延迟和能源消耗。
2、尽管雾计算具有很多优势，但也给雾服务器在部署和资源分配方面带来了重大的挑战，例如移动设备的任务卸载决策、满足计算密集型和延迟敏感型任务的资源分配策略、多服务器负载均衡选择、系统安全性等都是亟需解决的问题。在卸载计算方面，任务卸载和资源分配策略是当前雾计算系统的研究热点。在雾计算系统中，所有用户都可以将计算密集型或延迟敏感型的任务卸载到雾服务器，但由于雾服务器的处理速度、信道带宽和资源等因素的限制，任务卸载策略的不当选择会导致更多的能耗和更高的延迟。在这种情况下，任务卸载的主要研究问题是卸载雾服务器的选择以及计算资源的分配问题。
3、当移动设备产生的任务数据量大时，需要通过权衡任务处理的能耗、时延等指标达到综合最优情况，将数据处理任务分发给雾节点或者云网络，这种任务分发的方式称为移动雾计算的任务卸载。对于任务的卸载可以分为以下两类：
4、1.本地执行：本地执行为任务卸载的理想状态，移动设备本身的处理能力可以满足所需的计算、通信资源的需求，这将大大减少设备上传数据以及
5、2.卸载到雾端：移动设备所需处理任务的数据量较大，无法进行本地执行，并且任务都是独立的子任务时，将使用该方法，该方法作为细粒度的任务卸载方法，可根据实际情况在本地执行任务量较小的任务，在雾节点解决剩余的任务，对于某些需要使用大量计算和通信资源的任务，所需处理的大数据量的任务分解为多个不相干扰的任务时，该任务将完全卸载给有能力处理且空闲的雾节点，该方法属于粗粒度的任务卸载方法。
6、随着技术的发展，越来越多的高性能雾计算任务卸载方法被提出，但是这些方法都是仅仅只优化了模型的规划问题，较少考虑到同时对处理延迟和能量消耗的自适应多目标优化。在智能体的学习过程中对于专家经验太过于依赖，在自我学习的能力上还有所欠缺，导致不可以更全面地感知复杂系统的整体情况，也就不可以进行更优更精确的决策，还将导致现有的雾计算场景下无法实时地根据场景进行自适应的任务卸载的问题。
7、因此需要一个可以高效的对多任务进行最低处理延迟和能量消耗加权和卸载的任务分布式卸载方案来提高计算效率，实现更快捷更精确的任务处理过程，还需要一个可以充分利用智能终端的计算资源以及雾节点的计算资源，充分满足大规模移动设备任务处理需求的同时，还能使用更小的开销进行任务卸载的方法，提高任务卸载算法的自适应性。
8、因此，针对以上问题，亟待需要任务部分卸载调度方法、终端设备及存储介质。
技术实现思路
1、针对现有技术的不足，本专利技术提供了任务部分卸载调度方法、终端设备及存储介质，解决了任务执行的效率低、任务执行分配调度不均衡，资源利用率不高的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：任务部分卸载调度方法，包括以下步骤：基于当前移动设备的本地资源信息判断是否可以本地执行任务，对于无法本地执行的任务进行任务分解，获得相互独立的各个子任务；基于子任务的任务处理相关信息获取各个子任务的处理需求值，用于评估各个子任务需处理卸载的重要程度，展示各个子任务处理的优先级；基于各个子任务处理的优先级依次获取各个子任务的计算节点对应值，用于选取处理卸载各个子任务的计算节点，实现子任务卸载调度。
3、进一步地，所述基于当前移动设备的本地资源信息判断是否可以本地执行任务具体包括：获得当前移动设备的本地资源信息，包括当前移动设备信息、任务本地执行信息；根据当前移动设备信息、任务本地执行信息分析对比，计算得到各个任务的本地任务执行评估指数，所述本地任务执行评估指数用于评估各个任务通过本地执行的可行情况；将各个任务的本地任务评估指数与本地任务评估阈值进行对比分析，当本地任务评估指数大于等于本地任务评估阈值时，判断该任务可以通过当前移动设备的本地资源进行执行处理；当本地任务评估指数小于本地任务评估阈值时，判断该任务无法通过当前移动设备的本地资源进行执行处理；获得无法通过当前移动设备的本地资源进行执行处理的各个任务进行编号：，将无法通过当前移动设备的本地资源进行执行处理的各个任务进行任务分解，获得相互独立的各个子任务，各个子任务编号为：。
4、进一步地，所述当前移动设备信息具体包括：当前移动设备剩余存储空间、当前移动设备电池剩余寿命、当前移动设备处理器主频；所述任务本地执行信息具体包括：任务处理耗能、任务卸载时延。
5、进一步地，所述评估各个子任务需处理卸载的重要程度具体为：获取各个子任务的处理需求值，依照处理需求值大小对各个子任务进行优先级排序，处理需求值越大，子任务处理卸载需求越紧急。
6、进一步地，所述获取各个子任务的处理需求值具体包括：获取各个子任务的任务处理相关信息，所述任务处理相关信息具体包括：子任务处理价值信息、子任务紧急信息；所述子任务处理价值信息具体包括：子任务收益值、子任务影响值；所述子任务紧急信息具体包括：子任务截至剩余时间、子任务前置依赖影响值；根据子任务处理价值信息、子任务紧急信息分别分析获得子任务处理奖励值、子任务依赖紧急值；所述子任务处理奖励值根据子任务收益值与子任务影响值分析，并分别为子任务收益值与子任务影响值赋予权重进行加权求和计算获得，用于表示该子任务对于任务整体的影响程度及执行该子任务获得的收益价值；所述子任务依赖紧急值根据子任务截至剩余时间、子任务前置依赖影响值分析，并分别为子任务截至剩余时间、子任务前置依赖影响值赋予权重进行加权求和计算获得，用于表示该子任务的紧急程度及对于其他子任务执行的影响程度；根据子任务处理奖励值、子任务依赖紧急值分析，构建处理需求模型，得到处理需求值，用于综合展示子任务需处理卸载的重要程度。
7、进一步地，处理需求值的计算公式为：
8、；式中表示为第个无法通过当前移动设备的本地资源进行执行处理的任务分解的第个子任务的处理需求值，表示为第个无法通过当前移动设备的本地资源进行执行处理的任务分解的第个子任务的子任务处理奖励值，表示为第个无法通过当前移动设备的本地资源进行执行处理的任务分解的第个子任务的子任务依赖紧急值，、分别表示为子任务处理奖励值、子任务依赖紧急值相对应的权重因子。
9、进一步地，所述选取处理卸载各个子任务的计算节点具体为：依照各个子任务处理的优先级依次获取各个子任务分配给各个计算节点对应的计算节点对应值；将各个计算节点对应的计算节点对应值进行大小排序，选择计算节点对应值最大的计算节点作本文档来自技高网...
【技术保护点】
1.任务部分卸载调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的任务部分卸载调度方法，其特征在于，所述基于当前移动设备的本地资源信息判断是否可以本地执行任务具体包括：
3.根据权利要求1所述的任务部分卸载调度方法，其特征在于，所述评估各个子任务需处理卸载的重要程度具体为：获取各个子任务的处理需求值，依照处理需求值大小对各个子任务进行优先级排序，处理需求值越大，子任务处理卸载需求越紧急。
4.根据权利要求1所述的任务部分卸载调度方法，其特征在于，所述通过子任务处理奖励值和子任务依赖紧急值赋予权重进行加权求和的计算模型获得处理需求值，具体计算公式为：
5.根据权利要求1所述的任务部分卸载调度方法，其特征在于，所述选取处理卸载各个子任务的计算节点具体为：
6.根据权利要求1所述的任务部分卸载调度方法，其特征在于，计算节点对应值获得方式为：
7.一种终端设备，包括：
8.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现如权力要求1至6中任一项所述的任务部分卸载调度
...【技术特征摘要】
1.任务部分卸载调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的任务部分卸载调度方法，其特征在于，所述基于当前移动设备的本地资源信息判断是否可以本地执行任务具体包括：
3.根据权利要求1所述的任务部分卸载调度方法，其特征在于，所述评估各个子任务需处理卸载的重要程度具体为：获取各个子任务的处理需求值，依照处理需求值大小对各个子任务进行优先级排序，处理需求值越大，子任务处理卸载需求越紧急。
4.根据权利要求1所述的任务部分卸载调度方法，其特征在于，所...
【专利技术属性】
技术研发人员：梁伟，肖嘉宏，陈宇翔，阳超逸，文吉刚，李冠憬，陈林书，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：
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。