<meter id="hh1nh"></meter>
<th id="hh1nh"><em id="hh1nh"><delect id="hh1nh"></delect></em></th>

        <form id="hh1nh"></form>

          <listing id="hh1nh"><nobr id="hh1nh"></nobr></listing>
          <nobr id="hh1nh"></nobr>

            <th id="hh1nh"><form id="hh1nh"><font id="hh1nh"></font></form></th>
            <rp id="hh1nh"><progress id="hh1nh"></progress></rp>
            您所在的位置:首頁 - 科學研究 - 科研動態

            科研動態

            移動邊緣計算中面向物聯網批處理作業收益優化的任務調度和資源管理

            論文標題Revenue-Optimal Task Scheduling and Resource Management for IoT Batch Jobs in Mobile Edge Computing

            錄用期刊:Peer-to-Peer Networking and Applications (SCI,JCR Q2,CCF C類)

            作者列表:

            1)黃霽崴 中國石油大學(北京) 信息科學與工程學院 教授

            2)李松遠 北京郵電大學 網絡與交換技術國家重點實驗室 2018級碩士

            3    北京信息科技大學 計算機學院 副教授

            原文DOI:  https://doi.org/10.1007/s12083-020-00880-y

            基于邊緣計算架構的QoS感知任務調度和資源管理方法



            QoS感知的任務調度和資源管理方法針對移動邊緣計算架構設計,如上圖所示。邊緣服務供應商將多個邊緣服務器部署在各處基站的位置,基站負責和用戶維持數據通信和任務交互,用戶提交的任務請求在邊緣服務器端處理。用戶的任務請求通常被調度到鄰近的邊緣服務器,所以相較于將任務調度到遠程云端,大幅減少了任務響應時間和任務傳輸帶寬。在用戶分布密度較大的區域(如城市中央商務區),與用戶鄰近的邊緣服務器會有多個。本部分充分考慮如上情況的任務調度策略。同時,一個邊緣服務器在相應基站的信號覆蓋范圍內通常被多個用戶共享,而多個用戶間達成對邊緣服務器的資源競爭關系。用戶在邊緣服務器內分配得到更多計算資源,意味著更快的任務處理速度,即更高的QoS。因此,本部分也同時關注邊緣服務器內的資源管理問題。

            本部分的任務調度和資源管理充分了時間動態性,用戶跨邊緣基站的信號覆蓋范圍操作位置移動。任務調度和資源管理算法,在不同的時間槽下,根據當前各用戶位置和邊緣服務器計算資源使用情況,做出任務調度和資源管理的決策。決策結果滿足多用戶的QoS需求,并且最大化邊緣供應商的總服務收益,維護邊緣服務生態的可持續性發展。

            具體地說,首先,建立關于移動邊服務動態過程的數學模型,給出QoS指標(即任務響應時間)的計算解析式。其次,基于模型描述,設計最大化邊緣服務供應商收益的優化模型,并以用戶QoS需求作為優化模型的約束條件。然后,針對優化模型,設計高效的調度算法,分析算法時間復雜度。最后,基于邊緣計算數據集,設計仿真實驗,驗證調度算法的有效性和高效性。

            基于移動邊緣架構的QoS感知任務調度和資源管理方法

            1. 最大化邊緣供應商收益的任務/資源優化模型

            用戶發起的任務請求允許跨邊緣端地調度到多個邊緣服務器。αi,j(t)表示于時間槽t分配給用戶i的任務請求的、位于邊緣服務器j的資源實例數量。任務/資源的優化決策在每個決策時間槽Γ執行。優化目標是最大化邊緣供應商收益,收益來自各用戶上報的服務預算Bi。任務/資源優化模型的形式化定義如下圖所示,資源約束表示在每個時間槽t向所有用戶分配的總資源數量不超過資源容量,而QoS約束表示對任務請求i的調度和資源決策僅在任務執行期限前操作。

            任務/資源優化模型

            2. 基于線性規劃的任務/資源決策模型

            上圖定義的優化模型是整數規劃(Integer Programming, IP)問題,屬于NP難題。 因此,借助優化約束式的完全幺模性質,利用λ-優化求解技術,上圖的整數規劃問題可以通過線性規劃技術等效地求解。線性規劃問題可以使用高效算法(如單純形算法,內點法)和求解器(如MOSEK,CPLEX)求解?;诰€性規劃的決策優化模型如下圖所示。

            線性規劃決策模型

            3. 跨邊緣端的動態任務調度和資源管理算法

            下圖算法敘述了跨邊緣端的任務調度和資源管理算法,實現了邊緣供應商收益的最大化。當為用戶的服務請求提供調度決策時,同時確定分配的邊緣資源數量。對任務調度和資源管理的決策沿著決策時間槽Γ動態執行;在每一決策時間槽Γ,更新各移動用戶的位置信息,收集新提出的任務請求,并依此操作決策。

            任務調度和資源管理算法

            實驗結果

            邊緣供應商在不同算法下的服務收益

            移動物聯網設備在不同算法下的任務完成率

            不同移動IoT設備規模下邊緣供應商的服務收益

            不同系統規模下的算法運行時(系統規模指,移動IoT設備/邊緣服務器的數量)

            經過實驗驗證,我們算法的有效性和效率得到充分驗證。

            作者簡介

            黃霽崴 博士,教授,博士生導師,石油數據挖掘北京市重點實驗室主任,中國石油大學(北京)計算機科學與技術系主任。2015年度北京市優秀人才,2018年度中國石油大學(北京)優秀青年學者,2020年度北京市科技新星。分別在2009年和2014年于清華大學計算機科學與技術系獲得工學學士和工學博士學位,2012-2013年國家公派赴美國佐治亞理工學院聯合培養。研究方向包括:系統性能評價和優化、隨機模型理論和應用、服務質量測量與保障技術、服務計算和物聯網等。擔任中國計算機學會(CCF)服務計算專委會委員,CCF高級會員,IEEE、ACM會員。已主持國家自然科學基金、北京市自然科學基金等科研項目13項,在國內外著名期刊和會議發表論文五十余篇,出版學術專著1部,獲得國家發明專利5項、軟件著作權3項,擔任多個國際頂級期刊和知名會議審稿人。聯系郵箱:huangjw@cup.edu.cn。

            99亚洲综合精品