一种边缘计算的成本高效调度方法

技术领域

本发明涉及边缘计算技术领域，具体涉及一种边缘计算的成本高效调度方法。

背景技术

随着物联网技术的发展，延迟敏感应用的数量正在迅速增加。由于物联网设备的计算资源和能源有限，许多处理任务需要卸载到远程服务器上进行处理。云计算具有强大的计算能力，被认为是一种潜在的任务处理方式。但由于传统云与物联网设备之间的距离较远，将大量任务发送到传统云进行处理，响应时间长，网络拥塞严重。为了解决这一问题，边缘计算被提出作为一种很有前途的计算模型。

边缘计算作为一种新兴的计算模型，可以将计算资源和能量有限的物联网设备上的延迟敏感计算任务转移到边缘云上。在边缘计算系统中，多个服务器被放置在靠近物联网设备的网络边缘，以处理卸载的任务。在边缘计算系统中，如何在完成被卸载任务的同时降低系统成本是一个关键问题。

发明内容

为了解决上述问题，本发明提供了一种边缘计算的成本高效调度方法，解决边缘计算系统中任务调度的成本优化问题。目标是在满足所有任务的QoS要求的同时，最小化边缘计算系统的开销。

为达到上述目的，本发明采用技术方案如下：

本发明提供一种边缘计算的成本高效调度方法，包括：构建模型；条件约束；目标优化；完成调度。

进一步的，构建模型，具体为：边缘计算系统由边缘计算代理(ECA)和多个异构边缘服务器组成。如图2所示。ECA拥有所有可用资源的全局概览，并与每个部署的服务器进行通信。每个服务器运行几个虚拟机，这些虚拟机代表用户处理已卸载的任务。通过将计算任务卸给边缘计算系统，从而传输时延降低。对于从用户卸载的每个计算任务，ECA将根据其资源需求选择一个可用的服务器进行处理。执行任务调度策略时需要处理的延迟敏感任务T＝{t

进一步的，条件约束，具体为：边缘计算系统有足够的服务容量来处理所有的任务请求，所以每个任务t

其中，m为服务器数。

由于每个服务器中的资源是有限的，在每台服务器上，必须有足够的存储空间来存储已处理的任务，否则会导致任务数据丢失。因此，调度到服务器e

其中，n为任务数。

由于每个服务器上部署的虚拟机数量有限，所以调度到服务器e

由于卸载的任务有其延迟需求，每个任务必须在其期限内完成。任务完成时间可表示为公式(5)：

公式(5)中，

对于每个任务t

其中，

对于每个边缘服务器e

其中，B

进一步的，目标优化，具体为：在边缘计算系统中，由于ECA与每个边缘服务器通信并对其进行管理，因此ECA可以对每个服务器进行ON或OFF操作。对于处于ON状态的服务器，边缘计算系统会支付一定的费用来维持该服务器的正常运行。ECA中的资源将被用于管理正在运行的服务器，而正在运行的服务器将消耗大量的能量。设C

在边缘计算系统中，ECA将每个卸载的任务调度到边缘服务器。当服务器被分配任务时，它将处于ON状态，否则将处于OFF状态。该任务调度策略的优化目标是使边缘计算系统的开销最小化。用COST表示边缘计算系统的开销最小化，COST公式可表示为(11)：

其中，限制条件为公式(1)到(10)。

为解决边缘服务器来处理卸载任务的问题，选择最小单位成本U

G

进一步的，完成调度，具体为：假定要计算的两个任务t

本发明达到了以下技术效果：

解决边缘计算系统中任务调度的成本优化问题。目标是在满足所有任务的QoS要求的同时，最小化边缘计算系统的开销。

附图说明

图1为本发明的方法流程示意图。

图2为本发明的边缘计算架构。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明的方法流程示意图，如图1所示，一种边缘计算的成本高效调度方法，包括：

步骤1：构建模型。具体为：缘计算系统由边缘计算代理(ECA)和多个异构边缘服务器组成。如图2所示，ECA拥有所有可用资源的全局概览，并与每个部署的服务器进行通信。每个服务器运行几个虚拟机，这些虚拟机代表用户处理已卸载的任务。通过将计算任务卸给边缘计算系统，从而传输时延降低。对于从用户卸载的每个计算任务，ECA将根据其资源需求选择一个可用的服务器进行处理。执行任务调度策略时需要处理的延迟敏感任务T＝{t

步骤2:条件约束。具体为：边缘计算系统有足够的服务容量来处理所有的任务请求，所以每个任务t

其中，m为服务器数。

由于每个服务器中的资源是有限的，在每台服务器上，必须有足够的存储空间来存储已处理的任务，否则会导致任务数据丢失。因此，调度到服务器e

其中，n为任务数。

由于每个服务器上部署的虚拟机数量有限，所以调度到服务器e

由于卸载的任务有其延迟需求，每个任务必须在其期限内完成。任务完成时间可表示为公式(5)：

公式(5)中，

对于每个任务t

其中，

对于每个边缘服务器e

其中，B

步骤3：目标优化。具体为：在边缘计算系统中，由于ECA与每个边缘服务器通信并对其进行管理，因此ECA可以对每个服务器进行ON或OFF操作。对于处于ON状态的服务器，边缘计算系统会支付一定的费用来维持该服务器的正常运行。ECA中的资源将被用于管理正在运行的服务器，而正在运行的服务器将消耗大量的能量。设C

在边缘计算系统中，ECA将每个卸载的任务调度到边缘服务器。当服务器被分配任务时，它将处于ON状态，否则将处于OFF状态。该任务调度策略的优化目标是使边缘计算系统的开销最小化。用COST表示边缘计算系统的开销最小化，COST公式可表示为(11)：

其中，限制条件为公式(1)到(10)。

为解决边缘服务器来处理卸载任务的问题，选择最小单位成本U

G

步骤4：完成调度。具体为：假定要计算的两个任务t

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。