一种用于传输资源的端-边-云计算最优解耦方法

技术领域

本发明涉及一种最优解耦方法，尤其涉及一种用于传输数据资源的端-边-云计算最优解耦方法，属于云计算的技术领域。

背景技术

通过使用由移动端-边缘服务器-云服务器组成的边缘计算系统，可以将计算任务分配到不同的网络节点，充分利用系统的计算和通信资源，在较少的时间内完成计算任务。在这个系统中，我们需要综合利用不同节点的计算和通信资源，因而需要进行任务分配、资源分配，使得系统的延迟最低。

现有技术中提出了一种任务和资源分配方法，其缺点在于仅考虑了数据在移动端连续输入的情况。在实际系统中，移动端的数据是分块离散输入的，已经不能满足人们的要求。

发明内容

本发明的目的在于提供一种用于传输数据资源的端-边-云计算最优解耦方法，充分考虑了实际中移动端数据的分块离散输入情形，解决现有技术存在的缺憾。

本发明采用如下技术方案实现：

一种用于传输资源的端-边-云计算最优解耦方法，其特征在于，所述最优解耦方法具体包括：

确定优化问题：确定边缘服务器、移动端和云服务器的任务分配比例，计算边缘服务器、移动端和云服务器的计算资源分配量和通信资源分配量，确定当全部计算任务由移动端、边缘服务器或云服务器完成时的延迟；

确定限制条件，具体包括：

移动端的传输数据量和数据压缩比例；

边缘服务器的通信资源和计算资源的分配限制；

云服务器的通信资源和计算资源分配限制；

确定优化算法：采用柯西-施瓦茨不等式，将优化问题解耦为优化边缘服务器、优化移动端和优化云服务器的三个子问题；

基于所述优化算法和限制条件，求解所述优化问题。

进一步的，确定优化问题：在一段时间的采样次数内，数据块传输时间间隔的平均系统延迟，满足以下公式：

边缘服务器分配给多个移动端的通信资源，云服务器分配给多个边缘服务器的计算资源，公式变量含义：

MD表示移动端，ES表示边缘服务器，CC表示云服务器，s表示移动端的任务分配比例，θ表示边缘服务器的任务分配比例，

进一步的，确定优化问题：当全部计算任务由移动端完成时的延迟满足公式：

MD表示移动端，ES表示边缘服务器，θ表示边缘服务器的任务分配比例，

进一步的，确定优化问题：当全部计算任务由边缘服务器完成时的延迟满足公式：

MD表示移动端，ES表示边缘服务器，θ表示边缘服务器的任务分配比例，

进一步的，确定优化问题：当全部计算任务由云服务器完成时的延迟满足公式：

MD表示移动端，ES表示边缘服务器，CC表示云服务器，θ表示边缘服务器的任务分配比例，

进一步的，移动端的限制条件：移动端传输数据量小于通信能力时满足以下公式：

MD表示移动端，s表示移动端的任务分配比例，

进一步的，根据系统的实际限制条件，确定边缘服务器的限制条件：

边缘服务器的通信资源的分配限制条件满足以下公式：

边缘服务器的计算资源的分配限制条件满足以下公式：

边缘服务器的传输数据量小于通信能力：

ES表示边缘服务器，s表示移动端的任务分配比例，

进一步的，云服务器的计算资源分配限制：

云服务器的通信资源分配限制满足以下公式：

ES表示边缘服务器，CC表示云服务器，

云服务器的计算资源分配限制满足以下公式：

进一步的，采用柯西-施瓦茨不等式将上述优化问题解耦为移动端、边缘服务器和云服务器三个子问题，其中：

边缘服务器的优化子问题满足公式：

移动端和云服务器的优化子问题满足如下公式，求出最优解，使系统延迟最低：

MD表示移动端，ES表示边缘服务器，CC表示云服务器，s表示移动端的任务分配比例，θ表示边缘服务器的任务分配比例，

进一步的，采用柯西-施瓦茨不等式将上述优化问题解耦为移动端、边缘服务器和云服务器三个子问题，还包括以下步骤：

获取可行解的范围：计算任意限制条件等号成立时求出的顶点，顶点的集合即为可行解范围；

通过凸优化方法获得s的最优解；采用matlab的cvx函数进行求解，通过移动端和云服务器的优化子问题获得θ和

在多个顶点对应的多组最优解s，θ和

本发明具备的有益技术效果是：在云计算及边缘计算的实际运用中，移动端和边缘服务器之间的无线传输资源为300Kbps，边缘服务器和云服务器之间的有线传输资源为1Mbps，当移动端的平均数据输入速率为180Kb/s时，传统云计算方法的系统时延为4.5s，传统边缘计算方法的系统时延为4.2s，而本专利的系统时延为0.5s，远超现有技术的系统时延。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的系统架构图。

图2是不同速率下平均任务时延的坐标图之一。

图3是不同速率下平均任务时延的坐标图之二。

图4是不同数据输入速率下数据处理速率的坐标图之一。

图5是不同数据输入速率下数据处理速率的坐标图之二。

具体实施方式

通过下面对实施例的描述，将更加有助于公众理解本发明，但不能也不应当将申请人所给出的具体的实施例视为对本发明技术方案的限制，任何对部件或技术特征的定义进行改变和/或对整体结构作形式的而非实质的变换都应视为本发明的技术方案所限定的保护范围。

本发明的主要思想是提供一种用于传输资源的端-边-云计算最优解耦方法，在这个最优解耦方法中具体包括的内容有：

确定优化问题：确定边缘服务器、移动端和云服务器的任务分配比例，计算边缘服务器、移动端和云服务器的资源分配量和通信资源分配量，确定当全部计算任务由移动端、边缘服务器或云服务器完成时的延迟；

在确认优化问题的同时还要确定限制条件、优化算法，在确定限制条件时：

移动端的传输数据量小于通信能力，确定移动端的传输数据量和数据压缩比例；

边缘服务器的传输数据量小于通信能力，确定移动端已经处理过的数据量，确定边缘服务器的通信资源和计算资源的分配限制，进而确定云服务器的通信资源和计算资源分配限制。

确定优化算法：采用柯西-施瓦茨不等式，将优化问题解耦为优化边缘服务器、优化移动端和优化云服务器的三个子问题；

基于所述优化算法和限制条件，求解所述优化问题。

优选的，在上述实施例的基础之上，确定优化的问题：在一段时间的采样次数内，数据块传输时间间隔的平均系统延迟，满足以下公式：

边缘服务器分ES配给N个移动端MD的通信资源，云服务器CC分配给多个边缘服务器ES的计算资源，公式变量含义：MD表示移动端，ES表示边缘服务器，CC表示云服务器，s表示移动端的任务分配比例，θ表示边缘服务器的任务分配比例，

优选的，在上述实施例的基础之上，改进确定优化问题，充分利用移动端、边缘服务器和云服务器的计算能力：

当全部计算任务由移动端完成时的延迟满足公式：

当全部计算任务由边缘服务器完成时的延迟满足公式：

当全部计算任务由云服务器完成时的延迟满足公式：

MD表示移动端，ES表示边缘服务器，CC表示云服务器，θ表示边缘服务器的任务分配比例，

优选的，考虑到移动端的传输数据量有限，如果数据量过大，那么数据就会堆积、堵塞在移动端，无法处理，所以要确定移动端、边缘服务器和云服务器的限制条件，移动端的限制条件：移动端传输数据量小于通信能力时满足以下公式：

边缘服务器的限制条件：

边缘服务器的通信资源的分配限制条件满足以下公式：

边缘服务器的计算资源的分配限制条件满足以下公式：

边缘服务器的传输数据量小于通信能力：

云服务器的计算资源分配限制：

云服务器的通信资源分配限制满足以下公式：

云服务器的计算资源分配限制满足以下公式：

ES表示边缘服务器，CC表示云服务器，

优选的，采用柯西-施瓦茨不等式将上述优化问题解耦为移动端、边缘服务器和云服务器三个子问题，其中：

边缘服务器的优化子问题满足公式：

移动端和云服务器的优化子问题满足如下公式，求出最优解，使系统延迟最低：

MD表示移动端，ES表示边缘服务器，CC表示云服务器，s表示移动端的任务分配比例，θ表示边缘服务器的任务分配比例，

优选的，采用柯西-施瓦茨不等式将上述优化问题解耦为移动端、边缘服务器和云服务器三个子问题，还包括以下步骤：

获取可行解的范围：计算任意限制条件等号成立时求出的顶点，顶点的集合即为可行解范围；

通过凸优化方法获得s的最优解；采用matlab的cvx函数进行求解，通过移动端和云服务器的优化子问题获得θ和

在多个顶点对应的多组最优解s，θ和

本发明可以应用在云存储、云医疗、云协同开发、公有云、桌面云、物联网、人工智能、大数据、智能制造、智慧城市等诸多技术领域，本发明在云计算及边缘计算的实际运用中，以在云医疗中的应用为例，移动端采集用户数据(比如病理图片)后，用户希望尽快收到诊断结果，这时可以应用本方案，把计算任务分配到移动端、边缘、云，从而大幅降低系统时延。在实际应用中，移动端和边缘服务器之间的无线传输资源为300Kbps，边缘服务器和云服务器之间的有线传输资源为1Mbps，当移动端的平均数据输入速率为180Kb/s时，传统云计算方法的系统时延为4.5s，传统边缘计算方法的系统时延为4.2s，而本专利的系统时延为0.5s，远超现有技术的系统时延。

如图2至图5所示的柱状图，进行对比的数据分别是：本专利方法a、云边端计算b(MDP)，边缘计算c，云计算d，本地计算e，图2至图5中的横轴均为数据输入速率/(Kbps)，图2中的纵轴是平均任务时延/s，图3中的纵轴是平均任务时延/s，图4中的纵轴是数据处理速率/Mbps，图5的纵轴是数据处理速率/Mbps。通过对本专利方法a、云边端计算b(MDP，基于马尔科夫决策算法)，边缘计算c，云计算d，本地计算e进行对比，可以看出将计算任务分配到移动端、边缘、云后能够大幅降低系统时延，数据处理速率高于其他方法。

为了描述的方便，描述以上装置时以功能分为各种单元、模块分别描述。当然在实施本申请时可以把各单元、模块的功能在同一个或多个软件和/或硬件中实现。通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施方式或者实施方式的某些部分所述的方法。

以上所描述的装置实施方式仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施方式方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本申请可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

当然，本发明还可以有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可以根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。