【技术实现步骤摘要】
本专利技术属于移动边缘计算领域，具体是一种在部分可预测条件下基于在线准入控制机制进行任务处理的方法。
技术介绍
1、移动边缘计算作为5g和物联网时代的关键技术范式，正迅速蓬勃发展，并在多个领域迎来了广泛的应用。其具体应用领域包括5g网络优化、ar/vr技术、智慧城市(交通)、智能家居以及智能健康等。该技术通过将计算和数据处理功能从传统的中心化云数据中心向用户接近的边缘网络设备推进，实现了更低的延迟、更高效的传输和更快的数据处理速度。这一目标通过部署边缘服务器来实现，这些服务器可以直接缓存一些热门服务、执行计算任务，并与终端设备进行互动。
2、为了在实际应用中充分实现移动边缘计算的潜力，必须解决设计高效服务缓存算法的几个挑战。第一，是存储容量受限，边缘服务器通常只能容纳少量的服务，选择哪些服务应用程序进行缓存是一个挑战；第二是用户请求未知，用户到达的请求通常是根据时间而变化的，边缘服务器通常不能完全预测未来的请求；第三是缓存内容不匹配，用户所需的应用程序在边缘服务器未命中，需要及时下载必要的数据，可能会导致严重的延迟和通信成本。
3、现有解决这些挑战的研究通常是基于最优静态离线策略设计的在线策略，最优静态离线策略是指边缘服务器知道任务所有的未来请求，且只缓存同一种服务，通过计算最优离线算法和在线算法的收益差值，得到一个静态遗憾，但是这些研究忽略了到达模式的变化而导致缓存同一种服务的不合理性和任务请求的未知性。
技术实现思路
1、本专利技术所要解决的技术问题是：
2、为了解决在移动边缘计算下的一些延迟敏感场景中，边缘服务器依据当下能力决定是否处理到达任务的问题。本专利技术提供一种在线任务部分可预测条件下边缘计算准入控制方法，用于一些延迟敏感场景下如实时视频处理、虚拟现实和增强现实等，边缘服务器依据当下能力决定是否处理到达任务。
3、为了解决上述技术问题，本专利技术采用的技术方案为：
4、一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，包括：
5、s1：构建三层计算卸载体系架构；所述三层计算卸载体系架构包括多个用户设备、多个边缘设备和一个远程云端；
6、s2：根据三层计算卸载体系架构，构建三种任务处理方式；基于三种任务处理方式构建对应的成本模型；
7、s3：构建部分任务可预测模型及任务可预测水平；
8、s4：利用动态阈值和静态阈值构建一个非自适应算法；
9、s5：改进步骤s4中的算法，通过反复计算三种类型用户到达的上限的思想构建一个自适应算法。
10、本专利技术进一步的技术方案：所述三层计算卸载体系架构具体为：边缘端上的边缘服务器缓存了一些应用程序文件，且在其周围部署了多个虚拟机，虚拟机内有存储、计算、网络相关资源和数据；在有限时间内，用户设备将任务卸载到位于客户端附近的边缘服务器上，边缘服务器可以就近提供服务；由于边缘服务器资源和能量有限，当自身无法提供服务时，需要通过多跳或单跳的方式向邻近结点寻求帮助；如果边缘端都无法提供相关服务，边缘服务器将会从远程云端下载程序来完成任务处理工作。
11、本专利技术进一步的技术方案：所述三种任务处理方式：第一种方式是边缘服务器缓存了该任务所需的全部程序资源，即cache命中，当用户计算任务到达后，直接在本地进行处理；第二种方式是边缘服务器缓存了处理该任务的部分程序服务，即cache未命中；但是，边缘端内的不同结点缓存服务是不相同的，当单个边缘服务器的资源不足以处理完整的计算任务时，边缘服务器会采取单跳或多跳请求路由的方式从邻近结点处下载任务所需的程序资源，以最大程度的服务用户和充分利用异构资源；第三种方式是边缘服务器本地和邻近结点均没有缓存计算任务所需要的资源，cache未命中；在这种情况下，边缘服务器将从远程云端下载运行该服务所需的所有数据和代码，并将其缓存。
12、本专利技术进一步的技术方案：所述成本模型包括
13、(1)第一种任务处理方式的成本
14、对终端设备n产生的计算任务的数据大小是dn，每个边缘服务器s的计算处理能力为fs，它执行任务所需的每字节周期数cpb的大小为ln，任务在边缘服务器所需处理时间表示为
15、
16、设边缘服务器所拥有的服务缓存序列xi,t表示i时刻的边缘服务器所缓存的服务，如果cache命中，xi,t＝1；如果边缘服务器cache命中，其直接在本地处理任务，其成本是本地执行任务所消耗的能量，即
17、
18、其中，rs是边缘服务器功率使用系数，βs是边缘服务器的单位能量成本；
19、(2)第二种任务处理方式的成本
20、用表示边缘服务器下载程序所需的平均时延，则第二种任务处理方式导致的时延成本为
21、
22、其中，γn是边缘服务器下载单位时间数据需要的链路成本；
23、用βservice来表示下载和安装一次服务的成本，用diff(xi,t,xi,t-1)表示是否下载成功，如果成功值是1，否则为0；则安装服务成本为
24、ccache(λ)＝βservice|diff(xi,t,xi,t-1)|+
25、这里，|x|+:＝max{x,0}；
26、边缘服务器下载完任务后，需要对任务进行计算处理，则第二种任务处理方式的总成本为：
27、
28、(3)第三种任务处理方式的成本
29、假设边缘服务器从远程数据中心下载服务所需恒定延迟时间为这种情况下的时延成本为
30、
31、则第三种任务处理方式的总成本为
32、
33、本专利技术进一步的技术方案：所述s4具体为：结合完全随机模型和服从某种固定分布模型构建部分任务可预测模型；任务的数量和顺序都由一个假想的对手控制，它们需要按照控制设置到达，但是其中有一部分任务以概率p不遵循这个规定的顺序；参数p对任务的可预测性水平产生了决定性影响；通过调整参数p的值，可以控制随机组成部分任务的比例。
34、本专利技术进一步的技术方案：所述s4具体为：构建一个非自适应的在线算法ndsta，它使用预定的阈值来接受或拒绝任务；非自适应算法利用了来自随机组的任务均匀地分布在整个时间段内这一假设，考虑设置两个阈值：动态阈值和静态阈值。
35、本专利技术进一步的技术方案：所述s5具体为：采用自适应动态上界算法aduba弥补算法ndsta的缺陷，该算法基于迄今为止观察到的到达序列来做出决策，通过反复计算三种类型任务到达的上限，同时引入三个上界函数u1(λ)，u2(λ)和u3(λ)来决定是否接受到达的利润较低的2型或3型任务来实现这一目标。
36、一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器本文档来自技高网...
【技术保护点】
1.一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，包括：
2.根据权利要求1所述的一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，所述三层计算卸载体系架构具体为：边缘端上的边缘服务器缓存了一些应用程序文件，且在其周围部署了多个虚拟机，虚拟机内有存储、计算、网络相关资源和数据；在有限时间内，用户设备将任务卸载到位于客户端附近的边缘服务器上，边缘服务器可以就近提供服务；由于边缘服务器资源和能量有限，当自身无法提供服务时，需要通过多跳或单跳的方式向邻近结点寻求帮助；如果边缘端都无法提供相关服务，边缘服务器将会从远程云端下载程序来完成任务处理工作。
3.根据权利要求1所述的一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，所述三种任务处理方式：第一种方式是边缘服务器缓存了该任务所需的全部程序资源，即cache命中，当用户计算任务到达后，直接在本地进行处理；第二种方式是边缘服务器缓存了处理该任务的部分程序服务，即cache未命中；但是，边缘端内的不同结点缓存服务是不相同的，当单个边缘服务器的资源不足以处理完整的计算任务时，边
4.根据权利要求3所述的一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，所述成本模型包括
5.根据权利要求1所述的一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，所述S4具体为：结合完全随机模型和服从某种固定分布模型构建部分任务可预测模型；任务的数量和顺序都由一个假想的对手控制，它们需要按照控制设置到达，但是其中有一部分任务以概率p不遵循这个规定的顺序；参数p对任务的可预测性水平产生了决定性影响；通过调整参数p的值，可以控制随机组成部分任务的比例。
6.根据权利要求1所述的一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，所述S4具体为：构建一个非自适应的在线算法NDSTA，它使用预定的阈值来接受或拒绝任务；非自适应算法利用了来自随机组的任务均匀地分布在整个时间段内这一假设，考虑设置两个阈值：动态阈值和静态阈值。
7.根据权利要求1所述的一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，所述S5具体为：采用自适应动态上界算法ADUBA弥补算法NDSTA的缺陷，该算法基于迄今为止观察到的到达序列来做出决策，通过反复计算三种类型任务到达的上限，同时引入三个上界函数u1(λ)，u2(λ)和u3(λ)来决定是否接受到达的利润较低的2型或3型任务来实现这一目标。
8.一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求-7任一项所述的方法。
9.一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，包括：
2.根据权利要求1所述的一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，所述三层计算卸载体系架构具体为：边缘端上的边缘服务器缓存了一些应用程序文件，且在其周围部署了多个虚拟机，虚拟机内有存储、计算、网络相关资源和数据；在有限时间内，用户设备将任务卸载到位于客户端附近的边缘服务器上，边缘服务器可以就近提供服务；由于边缘服务器资源和能量有限，当自身无法提供服务时，需要通过多跳或单跳的方式向邻近结点寻求帮助；如果边缘端都无法提供相关服务，边缘服务器将会从远程云端下载程序来完成任务处理工作。
3.根据权利要求1所述的一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，所述三种任务处理方式：第一种方式是边缘服务器缓存了该任务所需的全部程序资源，即cache命中，当用户计算任务到达后，直接在本地进行处理；第二种方式是边缘服务器缓存了处理该任务的部分程序服务，即cache未命中；但是，边缘端内的不同结点缓存服务是不相同的，当单个边缘服务器的资源不足以处理完整的计算任务时，边缘服务器会采取单跳或多跳请求路由的方式从邻近结点处下载任务所需的程序资源，以最大程度的服务用户和充分利用异构资源；第三种方式是边缘服务器本地和邻近结点均没有缓存计算任务所需要的资源，cache未命中；在这种情况下，边缘服务器将从远程云端下载运行该服务所需的所有数据和代码，并将其缓存。
4.根据权利要求3所述的一种在线任务部分可预测条件下边缘计算准入控制方法，其特征在于，所述成本模型包括
<...【专利技术属性】
技术研发人员：王亮，梁原博，梁琪琪，徐渊博，於志文，郭斌，
申请(专利权)人：西北工业大学，
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。