System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种资源分配方法,特别涉及一种在边缘计算中对低时延任务请求的资源分配方法,属于边缘计算。
技术介绍
1、随着实时在线游戏、虚拟现实等新兴计算密集型和时延敏感型应用业务的不断涌现,计算和能量资源受限的智能用户终端正面临着严峻挑战。为了缓解这一矛盾,满足用户业务高带宽、低时延、低能耗的服务需求,移动边缘计算(mec,mobile-edge computing)技术已经演变为未来无线网络演进的一项关键技术。区别于传统云计算,由于mec允许用户直接将计算任务卸载至接入网络边缘的mec服务器中,因此避免了日益严重的核心网络拥塞与漫长的任务传输时延问题。随着无线接入网络与mec系统的深度融合,mec将被赋予对无线网络参数的上下文感知能力,从而使得接入网络的通信资源与mec服务器的计算资源的联合优化成为可能。时延和能耗是衡量任务卸载和计算效用的两大性能指标,任务在无线链路中的传输过程和在mec服务器中的处理过程均会对这两种性能指标产生影响。因此,设计高效的通信和计算资源的联合优化算法是提升任务卸载与计算效用的关键。
2、目前,学术界已有一些关于移动边缘计算网络中通信和计算资源联合优化的研究工作;以最小化任务完成时延和用户设备能耗为目标,通过联合优化用户设备计算频率和上行发射功率,探究了单个用户场景下的部分任务卸载问题;利用李雅普诺夫优化技术研究了能量收集场景中的电池容量与能量收集速率对任务完成时延的影响;以最小化任务完成时延为目标,通过联合优化任务卸载和上行发射功率,研究了非正交多址接入系统中的部分任务卸载问题;提出
技术实现思路
1、本专利技术目的在于针对上述现有技术的缺陷和不足,提出了一种面向时延敏感任务的边缘计算资源动态分配方法,该方法基于边缘计算模型,在边缘节点配备多个边缘设备,利用lyapunov框架设计任务请求队列,在满足最低时延要求下实现资源分配,并根据边缘节点的工作负载,实现了资源重分配。
2、本专利技术解决其技术问题所采用的技术方案是:一种面向时延敏感任务的边缘计算资源动态分配方法,该方法包括如下步骤:
3、步骤(1.1):用户判断是否进行本地任务处理。
4、步骤(1.2):若本地资源满足任务需求则进行本地处理,反之用户向边缘节点发送任务请求。
5、步骤(1.3):边缘节点根据自身节点设备的资源状态动态处理任务。
6、进一步的,在步骤(1.1)中,所述用户判断是否进行本地任务处理,边缘计算网络中,用户的任务需要不同的资源去计算,包含处理资源(p),存储资源(s),记忆资源(m)和网络资源(n),定义为:
7、
8、表示边缘节点i中边缘设备j的资源容量大小,本地任务处理需要处理资源(p)和存储资源(s);
9、进一步的,在步骤(1.2)中,所述若本地资源满足则进行本地处理,反之用户向边缘节点发送任务请求,具体步骤如下:
10、步骤(1.2.1):若本地资源满足任务处理需求,直接在本地进行处理,总时延包含处理延迟和存储延迟,本地处理延迟计算如下:
11、
12、其中duk表示本地所处理的数据大小,fp表示本地处理器的计算速度。本地存储延迟计算如下:
13、
14、其中,sw和sr分别表示用户设备的存储器写速度和读速度,idxw和idxr是选择变量,为1时表示用户设备存储器需要写和读,为0时表示设备存储器不需要写和读;
15、步骤(1.2.2):当本地资源不足,用户向边缘节点发送任务请求,任务的总时延定义为:
16、
17、其中,和分别表示用户u在边缘节点i进行任务处理的发送时延,存储时延,处理时延和等待时延;
18、步骤(1.2.3):在本专利技术中,发送时延、存储时延和处理时延均由边缘节点硬件决定,因为边缘设备存在资源上限,所以任务到达节点后将会进入排队状态,即产生等待时延,采用lyapunov框架去优化问题,并且保证队列稳定性,定义边缘节点i在t+1时刻任务队列为:
19、qi(t+1)=max[(qi(t)-bi(t)+ai(t)),0] (4)
20、其中,ai(t)和bi(t)分别代表到达请求任务和完成请求任务。为了队伍的稳定性,本方法定义队列稳定性函数:
21、
22、其中是任务在可容忍范围内超时的队列长度界限;
23、步骤(1.2.4):定义边缘节点i的资源分配策略为αi(t),边缘节点i的资源状态为βi(t),αi(t)和βi(t)共同产生边缘节点i的惩罚向量yi(t),计算如下:
24、
25、其中,和分别是计算αi(t)、βi(t)和yi(t)的函数,为了稳定边缘节点i的任务队列qi(t),并使边缘节点i的惩罚向量yi(t)最小,最终可以得到一组资源分配策略αi(t)和资源状态βi(t),这时的资源分配方案即为任务等待时延最小的方案,同时也降低了任务的总时延;
26、进一步的,在步骤(1.3)中、边缘节点根据自身节点设备的资源状态动态处理任务,具体步骤如下:
27、步骤(1.3.1):当任务请求到达时,边缘节点会分析任务所需的资源量大小,并检查当前边缘设备的资源量是否为满,如果边缘设备的资源量未满,则边缘节点将请求分配给合适的边缘设备,反之则需要进行任务排队,然后更新资源分配策略αi(t);
28、步骤(1.3.2):当资源分配任务确定后,根据边缘设备的负载大小动态的计算负载阈值,根据阈值更新资源分配算法,阈值定义为:
29、
30、标准负载定义为:
31、
32、其中,表示边缘节点i中边缘设备j的负载阈值,k是队列中任务数目,表示最大负载,rateth和ratenorm是属于0~1的常数;当时,向边缘节点请求更新资源分配策略。
33、有效效果:本专利技术基于边缘计算模型,在边缘节点配备多个边缘设备,利用lyapunov框架设计任务请求队列,在满足最低时延要求下实现资源分配,并根据边缘节点的工作负载,实现了资源重分配。
本文档来自技高网...【技术保护点】
1.一种面向时延敏感任务的边缘计算资源动态分配方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的一种面向时延敏感任务的边缘计算资源动态分配方法,其特征在于,在步骤(1.1)中,所述用户判断是否进行本地任务处理,包括:
3.根据权利要求1所述的一种面向时延敏感任务的边缘计算资源动态分配方法,其特征在于,在步骤(1.2)中,所述若本地资源满足则进行本地处理,反之用户向边缘节点发送任务请求,包括如下步骤:
4.根据权利要求1所述的一种面向时延敏感任务的边缘计算资源动态分配方法,其特征在于,在步骤(1.3)中、边缘节点根据自身节点设备的资源状态动态处理任务,包括如下步骤:
【技术特征摘要】
1.一种面向时延敏感任务的边缘计算资源动态分配方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的一种面向时延敏感任务的边缘计算资源动态分配方法,其特征在于,在步骤(1.1)中,所述用户判断是否进行本地任务处理,包括:
3.根据权利要求1所述的一种面向时延敏感任务的边缘计算...
【专利技术属性】
技术研发人员:王思洋,彭敏鑫,王皓天,丁中正,朱铭凯,荀位,李琨迪,宁洛函,朱桂龙,陈泽超,徐邦宁,
申请(专利权)人:南京卓云邮通科技有限公司,
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。