一种基于边云协同卸载的智能资源分配方法

技术领域

本发明涉及了边缘计算技术领域，尤其涉及了基于边云协同卸载的智能资源分配方法

背景技术

随着5G和物联网技术的快速发展，边缘计算遇到了一定的瓶颈期。本地计算无需传输延迟，但本地计算能力非常有限，边缘服务器虽然可以进行大量任务计算，但存在一定的传输时延及等待时延。由于两者的互补性，边缘计算和本地计算可以协作执行移动用户的任务请求，从而使移动用户可以获得更高的服务质量。随着终端设备种类的增多，产生不同的任务需求，通过智能算法对资源进行智能分配使得更多的用户任务得到有效的处理，此外将任务进行智能调整，提高边缘服务器的处理效率从而服务更多的用户，提高用户的服务满意度。

考虑到移动用户主要关注卸载任务所需的时延，本发明提出了一种基于边云协同资源智能分配的任务卸载方法。本发明步骤为：首先用户根据就近原则选择边服务器，并通过任务切片将部分任务进行卸载计算，然后边缘服务器通过智能算法对任务进行排序，形成资源分配决策，计算任务在边缘服务器的预计等待及计算时间，并比较两部分任务的完成时间重新调整任务划分，最后对于任务分配不均衡的边缘服务器之间进行智能调整，边服务器根据最后的任务划分以及资源分配方式进行计算。本发明通过任务切片的方式降低了每个任务的计算时间，智能算法以及队列排序有效地提高了任务计算效率，并通过参数间的迭代优化，算法收敛形成任务划分比例和决策依据，有效提高任务计算的效率。

发明内容

针对现有技术中边缘服务器计算资源和本地计算资源无法兼顾利用的不足，本发明提出了一种基于边云协同的智能资源分配方法。该方法能够有效地利用车辆与边服务器的计算能力以降低任务完成时间。

本发明提出了一种基于边云协同卸载的智能资源分配方法，该方法主要包括：初始化阶段，队列调整及资源分配阶段、参数调整阶段、任务调度阶段。初始化阶段包括通过初始环境预测卸载时间来决定初始参数；队列调整及资源分配阶段包括对到达边缘服务器的任务进行队列排序，并形成合理的资源分配方案；参数调整阶段通过实际卸载时间与预测时间对比调整参数值；任务调度阶段包括对各服务器之间进行任务调度实现负载均衡。

本发明具有以下优点：

1、本发明可有效地利用边服务器及车辆二者的相关资源；

2、本发明可形成高效的资源分配方案；

3、本发明可通过负载均衡实现降低系统最大完成时间。

附图说明

图1是本发明初始化参数的流程图；

图2是本发明智能排序和资源分配的流程图；

图3是本发明参数调整的流程图；

图4是本发明负载均衡的流程图；

具体实施方法

本发明设计了一种基于边云协同卸载的智能资源分配方法，结合图1、图2、图3具体实施方法如下：

步骤一、初始化设置阶段

1)初始状态边缘服务器剩余空间相同，UE

2)用户UE

3)分别计算τ

4)初始时根据T

5)当α＜0时，则任务不进行拆分直接在本地执行；在α＝1时，任务进行完全卸载计算；在0＜α＜1的情况下任务按照比例α拆分后，本地及边服务器同时计算(具体见证明一)；

6)任务整体进行上传，同时本地开始任务处理。

步骤二、队列调整及资源分配阶段

1)MEC

2)MEC

3)MEC

4)MEC

5)队列中等待的任务根据队列顺序所分配到的资源计算并更新等待时延和计算时延

6)若卸载总时延

步骤三、参数调整阶段

1)比较本地计算时延

2)通过调整卸载比例α大小，使得本地和卸载的两部分时延相等或近似，即使得两部分同时完成来达到最短的总完成时间，并将调整之后的α比例下的任务重新进行队列排序及资源分配，重复步骤直至α收敛；

3)迭代过程中α调整的幅度小于等于θ，即若t次时α的缩小幅度为θ，那么第t+1次时若还需缩小则继续按照幅度θ缩小，若需放大，则按照

步骤四、任务调度阶段

1)计算各MEC

2)将最长完成时间T

3)重复此步骤直到T

证明一：α取值范围证明

根据公式T

当α≤0时，T

当α＞1时，T

因此α取值范围为0≤α≤1，且在α≤0的情况下任务只在本地进行计算，在0＜α＜1的情况下任务按照比例α拆分后本地及边服务器同时计算，只有在α＝1时，任务进行完全卸载计算。