[發明專利]一種能源有效和資源受限的移動邊緣計算任務分配方法

有效

• 申請號: 202010464339.2
• 申請日: 2020-05-27
• 公開（公告）號: CN112073452B
• 公開（公告）日: 2021-04-27
• 發明（設計）人: 高繼勛;劉家磊;李剛;黃全振;張大俊;孫鳳霞;張洋;黃明明;李新
• 申請（專利權）人: 河南工程學院
• 主分類號: H04L29/08
• 分類號: H04L29/08
• 代理公司: 鄭州金成知識產權事務所(普通合伙) 41121
• 代理人: 郭增欣

本發明公開了一種能源有效和資源受限的移動邊緣計算任務分配方法，根據不同的任務分配方案，在規定執行延遲的情況下對邊緣云的能源和處理器資源的影響，建立基于能耗和處理器資源浪費的聯合優化模型，進而在規定執行延遲的情況下最小化任務分配的總能耗和處理器資源浪費，然后，將該聯合優化問題映射為生物地理學算法的生態系統模型，并根據相應的優化目標和優化條件，獲得最優任務分配方案；本發明解決了資源有限的移動用戶設備無法滿足移動應用的資源需求，移動用戶設備就會將構成移動應用的部分任務卸載到移動邊緣計算的基站或邊緣云之上，提高邊緣云的能源效率和處理器資源使用率。

技術領域：

本發明涉及移動邊緣計算，特別是涉及一種能源有效和資源受限的移動邊緣計算任務分配方法。

背景技術：

移動邊緣計算(Mobile Edge Computing)通過將云資源(如計算，網絡和存儲)推送到移動網絡的邊緣來提供云服務，對無線網絡與應用進行融合，使得傳統無線接入網具備智能化、應用本地化和近距離部署的條件，從而提供高帶寬、低時延的傳輸能力，其環境示意圖如圖1所示。在該示意圖中有六個部分:(1)移動用戶設備；(2)無線蜂窩基站；(3)被分配到虛擬機(Virtual Machines,VMs)和容器(Containers,Cs)的任務(Tasks,Ts)；(4)內置有虛擬機和容器的邊緣服務器和云服務器；(5)訪問邊緣云的互聯網，以及(6)提供云服務的邊緣云。當移動用戶提出應用請求時，邊緣服務器或云服務器上的虛擬機或容器會協助移動用戶設備處理卸載到其上的任務，并將處理結果反饋給移動用戶設備。

隨著移動邊緣計算環境中移動用戶設備的快速更新換代和數量的爆炸式增長，使得移動應用的數量和計算或資源需求都急劇增加。雖然移動用戶設備的資源配置大幅提升，但是它的計算、存儲、帶寬或電池容量仍然無法滿足這些移動應用的計算要求。因此，需要將單個移動應用拆分為一系列可被獨立設計、開發、部署、運維的任務，并將這些彼此配合、相互協作的任務卸載到邊緣服務器甚至云服務器之上，交由多個虛擬機或容器構成的虛擬集群或容器集群來協同處理，進而使得移動用戶設備減少能耗和加快計算過程，同時也使得在移動用戶設備上運行新興移動應用成為可能。在計算卸載過程中，由單個移動應用分解成的多個任務需要選擇最佳的計算節點進行協同處理；同時，在由容器或虛擬機處理這些任務的過程中，鑒于卸載到邊緣云上的任務對處理器資源和能源的消耗情況，采用何種任務分配算法將這些任務分配到邊緣云之上則具有非常重要的研究意義。

發明內容：

本發明所要解決的技術問題是：克服現有技術的不足，首先建立基于能耗和處理器資源浪費的聯合優化模型，其次，將該聯合優化問題映射為生物地理學算法的生態系統模型，并根據相應的優化目標和優化條件，獲得最優任務分配方案的能源有效和資源受限的移動邊緣計算任務分配方法。

本發明的技術方案是：一種能源有效和資源受限的移動邊緣計算任務分配方法，根據不同的任務分配方案，在規定執行延遲的情況下對邊緣云的能源和處理器資源的影響，建立基于能耗和處理器資源浪費的聯合優化模型，進而在規定執行延遲的情況下最小化任務分配的總能耗和處理器資源浪費，然后，將該聯合優化問題映射為生物地理學算法的生態系統模型，并根據相應的優化目標和優化條件，獲得最優任務分配方案，其具體步驟是：

步驟一、根據邊緣服務器的能耗與其上的CPU利用率呈線性的關系，把邊緣服務器的能耗模型定義為CPU利用率的函數；

步驟二、在現有模型的基礎上進行擴展來量化邊緣服務器所有維度的資源浪費情況，并在不同維度上均衡第j個邊緣服務器的剩余資源，獲得處理器資源浪費模型；

步驟三、在滿足資源需求和規定執行延遲的前提下同時最小化總體能耗和總體處理器資源浪費，獲得優化階段的聯合優化目標函數；

步驟四、通過映射模型把聯合優化問題映射為生物地理學算法的生態系統模型，并根據聯合優化目標和資源與延遲約束，對BBO算法的參數和算子進行定義，