没有合适的资源?快使用搜索试试~ 我知道了~
面向多边缘设备协作的任务卸载和服务缓存在线联合优化机制.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 164 浏览量
2022-06-10
14:10:31
上传
评论
收藏 4.02MB DOCX 举报
温馨提示
试读
57页
面向多边缘设备协作的任务卸载和服务缓存在线联合优化机制.docx
资源推荐
资源详情
资源评论
摘 要 移动边缘计算通过在边缘设备上部署通信、计算、存储等资源,
有效克服传统云计算存在的传输距离较长、响应时延过慢等问题,满足
新兴的计算密集型和时延敏感型应用的服务需求.然而,移动边缘计算中
存在边缘设备资源有限且多边缘设备间负载不均衡的问题.为了解决上
述问题,多边缘设备协作成为一种必然趋势.然而,多边缘设备协作面临
任务卸载与服务缓存相互耦合、边缘设备的任务负载及资源状态随时
空双维变化等两大挑战,极大增加了求解难度.针对上述挑战,提出一种
面向多边缘设备协作的任务卸载和服务缓存在线联合优化机制,将任务
卸载和服务缓存联合优化问题解耦为服务缓存和任务卸载 2 个子问题.
针对服务缓存子问题,提出基于情景感知组合多臂赌博机的协作服务缓
存算法;针对任务卸载子问题,设计基于偏好的双边匹配算法.仿真实验
表明所提算法能够有效降低任务整体执行时延,同时实现边缘设备间负
载均衡.
关键词 移动边缘计算;任务卸载;服务缓存;协同计算;联合优化
近年来,随着无线网络技术的飞速发展,移动终端设备数量剧增.数百
亿的移动终端设备导致数据爆炸性增长,催生出许多计算密集型和时延
敏感型的新兴应用,如人脸识别、虚拟/增强现实等.这些新兴应用具有
低时延、高带宽等服务需求.传统云计算将移动终端用户产生的数据传
输到远端云服务器中进行集中处理,由于传输距离较长、回程链路受限
等原因导致响应时延过高(数十至百毫秒级
[1]
)、网络拥塞等问题,难以满
足计算密集型和时延敏感型应用的服务需求.在此背景下,移动边缘计算
(mobile edge computing,MEC)应运而生.
移动边缘计算通过在距离移动终端用户较近的无线网内部部署一
定的通信、计算、存储等资源,提供类似云计算中心的能力,允许终端用
户将自身产生的计算密集型和时延敏感型的计算任务卸载到边缘设备
处执行,利用边缘设备靠近数据源的优势达到显著缩短传输距离、降低
处理时延、改善用户体验、提升网络运行效率的目的.区别于云计算中
的大规模数据处理中心,移动边缘计算中边缘设备的通信、计算、存储
等资源相对有限.当终端用户的任务需求激增时,大量终端用户需要向边
缘设备卸载任务,但是由于边缘设备资源相对有限,因此容易出现任务负
载过重、处理时延增加等问题,导致任务处理的时效性缺失.另一方面,
边缘设备间存在负载分布不均衡的情况,容易出现有些边缘设备任务过
载而其他边缘设备资源闲置的问题.通过多边缘设备协作共同执行计算
任务可以在保障终端用户服务需求的同时实现边缘设备间负载均衡,有
效应对上述问题,因此多边缘设备协作成为一种必然趋势.
多边缘设备协作是指在具有通信、计算、存储能力的边缘设备间
合理卸载计算任务,通过多边缘设备协作共同执行计算任务,以期满足多
个终端用户的服务需求,并有效提高边缘设备的资源利用效率,实现边缘
设备间负载均衡.边缘设备执行计算任务时需要进行服务缓存.服务缓存
是指在边缘设备中缓存应用服务及相关数据库,使得相应的计算任务可
以在边缘设备处执行
[2]
.即使边缘设备具有充足的计算资源,但是若该边
缘设备没有缓存相关服务则无法执行相应的计算任务,从而导致边缘设
备的计算资源不能得到充分利用.由此可知,任务卸载和服务缓存之间相
互耦合,服务缓存策略决定了能否进行任务卸载,而任务卸载结果反映了
服务缓存策略的性能,因此对任务卸载和服务缓存进行联合优化是至关
重要的.
本文研究移动边缘计算中面向多边缘设备协作的任务卸载和服务
缓存联合优化问题,解决上述问题面临 2 方面挑战:1)任务卸载和服务缓
存相互耦合,解决上述问题需要考虑 2 个子问题之间的相互作用,同时子
问题耦合导致问题求解呈指数级增长,极大增加了问题求解的难度.2)不
同边缘设备的任务负载及资源状态随时间、空间动态变化,需要考虑时
空双维限制.时间维度上,边缘设备服务的终端用户随时间动态变化,且
终端用户的服务缓存需求无法提前预知,边缘设备仅能获取终端用户的
情景信息,终端用户情景信息相似时其服务缓存需求也是相似的,因此可
以根据终端用户的情景信息在线学习其服务缓存需求,用于制定未来的
服务缓存策略.在空间维度上,终端用户的位置分布动态变化且存在分布
不均衡的现象,导致边缘设备间负载不均衡,进而影响边缘设备的任务执
行性能,因此需要考虑边缘设备间协作.
本文提出一种面向多边缘设备协作的任务卸载和服务缓存在线联
合优化机制,通过多边缘设备协作,实现边缘设备间负载均衡,目标是在
满足任务执行时延限制的条件下,最小化任务整体执行时延.本文的主要
贡献包括 3 个方面:
1)将面向多边缘设备协作的任务卸载和服务缓存联合优化问题建
模为混合整数非线性规划问题,并设计一种任务卸载和服务缓存在线联
合 优 化 (online Joint optimization of task O$oading and
service Caching,JOC)算法求解上述问题,实现服务缓存策略的在线动
态更新,并通过多边缘设备协作,进行任务卸载,实现负载均衡.
2)将原始问题解耦为服务缓存和任务卸载 2 个子问题.针对服务缓
存 子 问 题 , 提 出 基 于 情 景 感 知 组 合 多 臂 赌 博 机 的 协 作 服 务 缓 存
(collaborative service caching based on contextual
combinatorial multiarmed bandit,3CMAB)算法,基于用户情景信
息在线学习多边缘设备的协同服务缓存策略,实现服务缓存策略的动态
更新;针对任务卸载子问题,基于 3CMAB 算法获得的服务缓存策略,利
用计算任务与卸载位置之间的卸载偏好,在计算任务与卸载位置之间进
行匹配,并在多边缘设备间进行负载重分配,使得多边缘设备间的负载相
对均衡,提高边缘设备执行任务的比例,有效降低任务整体执行时延.
3)利用大量仿真实验验证 JOC 算法的性能.将 JOC 算法与其他 4 种
基准算法进行比较,实验结果表明 JOC 算法可以有效实现多边缘设备间
的负载均衡,降低系统中任务整体执行时延.与非协作的算法相比,JOC
算法的任务整体执行时延降低 23.8%.与最新的多边缘设备协作的研究
工作
[3]
相比,JOC 算法的任务整体执行时延降低 5.4%.此外本文所提服
务缓存算法的执行时延可忽略不计,即可实现实时动态服务缓存.
1 相关工作
移动边缘计算已经引起了产业界和学术界的广泛关注.近年来涌现
出 大 量 与 移 动 边 缘 计 算 相 关 的 标 准 化 工 作
[4]
. 欧 洲 电 信 标 准 协 会
(European Telecommunications Standards Institute,ETSI)最早
开始推进 MEC 标准化工作,于 2014 年 12 月成立了 MEC ISG 工业标
准组,公布了 20 余份标准化文稿及白皮书
[5-7]
,研究内容涵盖 MEC 平台架
构、业务需求、管理编排等.在 ETSI 的推动下,第 3 代合作伙伴(The
3rd Generation Partnership Project,3GPP)、中国通信标准化协会
(China Communications Standards Association,CCSA) 等 国 际
及国内标准化组织也相继启动了 MEC 标准化工作.3GPP SA2 23.501
协议
[8]
中指出 MEC 能够让运营商和第三方服务部署在靠近终端设备接
入点的地方,缩短端到端时延,同时降低传输负载.CCSA 无线通信技术
工作委员会(TC5)针对移动边缘计算中的平台架构、场景需求、关键技
术等内容进行立项
[9]
.互联网工程任务组(Internet Engineering Task
Force,IETF) 中 的 应 用 层 流 量 优 化 (application layer tra<c
optimization,ALTO)工作组也积极开展 MEC 相关标准化的推进工作.
产业界对移动边缘计算也尤为关注.由华为、腾讯等牵头发起的业
界首个 5G 移动边缘计算开源平台 EdgeGallery 于 2020 年正式上线.
该平台聚焦 5G 场景,构建 MEC 资源、应用、安全、管理的基础框架.
中国移动于 2018 年成立了边缘计算开放实验室,中国电信设立了边缘
计算开放平台 ECOP,中国联通在多个省市开展 Edge-Cloud 试点工作.
剩余56页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 4060
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功