雾计算微型数据中心网络中的联合作业调度和光路径配置知识点概述：
雾计算（Fog Computing）是一种分布式计算架构，其特征在于在网络边缘部署的微型数据中心（Micro Datacenters，简称mDC），为地理位置上接近的数据源提供数据存储、处理和分析的计算能力。随着数据量的增长和对低延迟应用的需求日益增长，雾计算微型数据中心网络（FC-mDC）作为云计算的一种补充或替代，逐渐成为重要的研究领域。本文探讨了在FC-mDC网络中进行联合作业调度和光路径配置，以最小化作业平均完成时间的技术和策略。
由于5G移动网络即将提供如超低延迟和大规模连接等新型服务，传统的云计算架构在数据传输的灵活性、服务质量优化等方面面临挑战。在这样的背景下，雾计算以其边缘计算的特性，能够更好地适应低延迟的需求，从而提供更佳的服务质量。
在雾计算微型数据中心网络中，存在一类被称作“作业”的相关并行计算任务，每个作业的请求数据通常存储在多个FC-mDC中。当在FC-mDC网络中建立多个作业请求时，有效管理作业调度和数据传输成为一项挑战。作业调度的目标是优化任务的执行顺序和资源分配，而光路径配置则是对网络资源进行优化配置，确保数据传输的效率和质量。
本文提出的联合优化算法（Multi-jobs Scheduling and Lightpath provisioning, MJSLP）综合考虑了作业调度和光路径配置，以最小化在弹性光网络中的FC-mDC的平均完成时间。此算法包括两个关键子方法：为最小化单个作业的完成时间（即作业中最慢任务的完成时间），开发了数学模型和启发式算法；在单个作业完成时间的基础上，提出了整数线性规划公式和路由、调制和频谱槽的启发式算法。模拟结果显示，MJSLP算法在平均完成时间和频率槽方面优于仅考虑调度或仅考虑路由的算法。
在雾计算微型数据中心网络中，作业的调度需要考虑到多个任务之间的依赖关系、数据的传输需求以及计算资源的可用性。光路径配置则是基于光网络特性，对频谱资源进行分配的过程，它涉及到波长路由选择、调制格式选择和频谱资源的分配等多个层面，以确保网络传输的高效和可靠。
本文强调了在雾计算微型数据中心网络中，联合优化作业调度和光路径配置的重要性，提出了相应的优化模型和算法，并通过模拟实验验证了其有效性。研究结果对于设计和部署未来的低延迟、高效率的网络架构，尤其是面向5G及以后通信时代的网络服务具有重要的指导意义。
