一種移動邊緣環境下工作流卸載優化算法制造技術

本發明專利技術公開了一種移動邊緣環境下工作流卸載優化算法，包括以下步驟：步驟S1.構建移動邊緣環境下的工作流調度模型；步驟S2.根據拓撲結構尋找基于工作流本地計算量計算關鍵路徑，將關鍵路徑上的節點和剩余節點分別存入關鍵節點隊列和剩余節點隊列中并等待調度；步驟S3.將eNB節點抽象成拓撲結構后，根據用戶歷史移動路徑并結合預測模型得到符合條件的eNB集，并根據預測概率、預測速度和預測方向篩選最優可卸載eNB并將其提供給用戶執行任務卸載；步驟S4.分別將任務按調度策略動態的分為在本地執行或卸載至邊緣側執行，并在調度過程中動態更新關鍵路徑；步驟S5.根據調度結果分配任務至移動邊緣環境下的設備，直至完成整個工作流的調度。

【技術實現步驟摘要】
一種移動邊緣環境下工作流卸載優化算法
本專利技術涉及移動邊緣計算環境
，尤其涉及一種移動邊緣環境下工作流卸載優化算法。
技術介紹
隨著智能手機的不斷發展以及諸如人臉識別、自然語言處理、VR等技術的不斷出現，用戶對移動設備便攜式的管理以及處理大量及時性的信息等方面的需求也逐漸增長。而在這一情況下，如何保證移動設備在計算能力和電池容量受限的情況下，設備仍能保持高性能是本領域有待解決的一個技術問題，在應對邊緣環境中網絡環境變化時，基于靜態調度的應對策略存在實時性差，同時基于邊緣側選擇的策略存在卸載失敗率高的問題，從而導致工作流的調度產生大量時間和能源的消耗。主要包括以下兩個方面：1、保證任務能夠較為合理的卸載至邊緣側，以減少卸載失敗率。2、在移動邊緣計算環境中真實的網絡環境是研究移動邊緣計算調度的一個必要考慮因素，不合理的任務卸載會導致設備產生大量時間和能源的消耗，因此需要對任務進行實時的調度。故，針對現有技術的缺陷，實有必要提出一種技術方案以解決現有技術存在的技術問題。
技術實現思路
有鑒于此，確有必要提供一種移動邊緣環境下工作流卸載優化算法，基于本地計算量的關鍵路徑算法對用戶提交的工作流進行調度，并在此基礎上提出了面向邊緣側卸載優化的策略，該策略通過隱性馬爾科夫模型得到可卸載eNB(eNodeB,演進型基站)集，再基于速度與偏移量篩選最優eNB，從而將用戶需要卸載的任務遷移至該節點執行，在調度過程中通過動態更新關鍵路徑，彌補了移動邊緣環境下任務調度缺少即時調度能力的缺陷，保證了調度的實時性并確保計算密集型任務能卸載至邊緣側執行。為了克服現有技術的缺陷，本專利技術的技術方案如下：一種移動邊緣環境下工作流卸載優化算法，包括以下步驟：步驟S1.構建移動邊緣環境下的工作流調度模型；步驟S2.根據拓撲結構尋找基于工作流本地計算量計算關鍵路徑，將關鍵路徑上的節點和剩余節點分別存入關鍵節點隊列和剩余節點隊列中并等待調度；步驟S3.將eNB節點抽象成拓撲結構后，根據用戶歷史移動路徑并結合預測模型得到符合條件的eNB集，并根據預測概率、預測速度和預測方向篩選最優可卸載eNB并將其提供給用戶執行任務卸載；步驟S4.分別將任務按調度策略分為在本地執行或卸載至邊緣側執行；步驟S5.根據調度結果分配任務至移動邊緣環境下的設備，直至完成整個工作流的調度；其中，所述步驟S1進一步包括以下步驟：步驟S11.UE將任務卸載至邊緣側以減少本地的計算負擔，在傳輸過程中傳輸速率受信噪比的影響，UE與任務卸載節點的傳輸信噪比可表示為：其中表示設備i進行傳輸時的電壓頻率，表示設備i與當前eNB的距離導致的信號干擾，σ表示路徑損耗因子，ξc表示卸載策略，即ξc＝0時表示任務在本地執行，反之則將任務卸載至eNB；由已知傳輸信噪比，移動邊緣環境下瞬時傳輸率為：Rn＝Blog2(1+fSNR(di,n))，其中，B為eNB的傳輸帶寬；步驟S12.當任務選擇在本地執行時，本地計算即為本地執行工作流任務ti的時間，令flocal表示UE的計算能力，UE在本地執行任務ti的計算時間可表示為：當用戶在當前無可用eNB或任務不需要卸載至eNB時選擇在本地執行任務，其產生的能耗為：其中表示設備選擇在本地執行任務產生的能耗，Plocal表示設備在本地運行任務時的電壓；步驟S13.當UE選擇將任務卸載至邊緣側運行時，首先將工作流任務ti傳輸到eNB(state＝up)，在成功卸載任務后，ti在eNB做計算處理(state＝exec)，最后將處理好的數據回傳至UE端(state＝down)；從上傳任務到eNB處理任務直至處理后的數據回傳UE即為完成任務卸載，其時間開銷如下所示：其中，代表ti的輸入數據大小，代表ti的輸出數據大小；考慮設備上傳任務和任務下載到設備產生的能耗，因此任務卸載產生的能耗為：state＝{up,down}；其中，表示任務卸載處于state狀態時產生的能耗，Ptrans表示設備UE處于傳輸數據時所需電壓，當τ＝0時表示UE能一次成功將任務卸載至邊緣側；在步驟S2中，任務最早開始時間表示為EST，則任務的起始節點tsource最早開始時間為對于DAG中其余任務節點，其最早任務開始時間從起始任務節點開始計算，表示為：任務最遲開始時間表示為LST，出口任務texit的最遲開始時間等于最早開始時間即對于DAG中其余任務節點，根據逆拓撲排序從出口任務節點開始計算最遲任務開始時間，表示為：首先初始化隊列Q_cp并對工作流進行拓撲排序，然后依次對拓撲排序中的任務計算其EST和LST，當EST等于LST時，將任務加入到隊列Q_cp中,反之則加入Q_noncp中；所述步驟S3進一步包括：S31.使用Baum-Welch方法對隱性馬爾科夫模型進行參數估計，用觀測學習到的歷史數據對數據集λ進行建模；然后針對已經建立好的隱性馬爾科夫模型進行預測計算，通過HMM模型和已觀測移動路徑序列Oi＜o1,o2,o3...oi＞計算得到所有符合條件的下一個eNB端si+1，計算公式如下所示：其中αt(i)＝P(o1o2..ot,st＝si|λ)，βt(i)＝P(ot+1ot+2..oT,st＝si|λ)，S32.基于高斯-馬爾科夫模型對當前區域的速度和偏移量進行預測，預測速度和偏移量的公式分別為：其中vn和dn分別表示當前區域的移動速度和區域出口偏移量，vn-1和dn-1分別表示前一個區域的移動速度和區域出口偏移量，α表示記憶級別即當α＝1時，當前區域的速度和出口偏移量為上一時間段的速度和出口偏移量，反之當α＝0時，當前區域的速度和偏移量與前一個區域無任何關聯，和dmid分別表示用戶的平均速度和區域出口的中心位置，wn和mn分別表示服從標準正態分布的且獨立與vn和dn的速度和出口偏移量；S33.具體篩選過程為：根據當前位置并通過步驟S31獲取當前所有可卸載的eNB，并對可卸載的eNB依照概率進行非增序排序，為進一步篩選可卸載的eNB，當被選概率與最高被選概率差值小于γ則添加到候選eNB集中，通過步驟S32獲取當前位置在未來一段時間內的速度與方向篩選脫離距離最大的eNB，最后將該eNB標記為最適合任務卸載的eNB。作為優選的技術方案，在步驟S4中，在獲取初始關鍵路徑后，對于每個任務，若當前任務為關鍵路徑上的任務則先判斷任務能否在脫離當前eNB之前完成卸載，若在脫離前可以完成卸載，則將任務卸載至eNB，反之則判斷該任務本地計算時間是否小于若小于則本地執行任務并在執行完成后重新獲取新的關鍵路徑，否則任務將等待調度直至存在可卸載的eNB；當關鍵路徑上的節點還存在前置任務沒有完成時則重新通過關鍵路徑算法獲取新的關鍵路徑節點，當任務為非關鍵路徑上的任務時，則只需將任務調度在本地運行。作為優選的技術方案，在步驟S5中，針對移動邊緣環境下的任務調度，依據調度方案對任務實時調度至設備上，并在調度過程中實時更新關鍵路徑直至完成工作流的調度。作為優選的技術方案，當任務為關鍵節點或雖為關鍵節點但遷移至UE端調度的節點完成調度時，判斷關鍵路徑是否發生改變，若改變則動態生成新的關鍵路徑并重復執行步驟4直至完成整個工作流的調度。與現有技術相比較，本專利技術具有的有益效果如下：實時性:本專利技術利用關鍵路徑對工作流進本文檔來自技高網...

【技術保護點】
1.一種移動邊緣環境下工作流卸載優化算法，其特征在于，包括以下步驟：步驟S1.構建移動邊緣環境下的工作流調度模型；步驟S2.根據拓撲結構尋找基于工作流本地計算量的關鍵路徑，將關鍵路徑上的節點和剩余節點分別存入關鍵節點隊列和剩余節點隊列中并等待調度；步驟S3.將eNB節點抽象成拓撲結構后，根據用戶歷史移動路徑并結合預測模型得到符合條件的eNB集，并根據預測概率、預測速度和預測方向篩選最優可卸載eNB并將其提供給用戶執行任務卸載；步驟S4.分別將任務按調度策略動態分為在本地執行或卸載至邊緣側執行，并在調度過程中動態更新關鍵路徑；步驟S5.根據調度結果分配任務至移動邊緣環境下的設備，直至完成整個工作流的調度；其中，所述步驟S1進一步包括以下步驟：步驟S11.UE將任務卸載至邊緣側以減少本地的計算負擔，在傳輸過程中傳輸速率受信噪比的影響，UE與任務卸載節點的傳輸信噪比可表示為：

【技術特征摘要】
1.一種移動邊緣環境下工作流卸載優化算法，其特征在于，包括以下步驟：步驟S1.構建移動邊緣環境下的工作流調度模型；步驟S2.根據拓撲結構尋找基于工作流本地計算量的關鍵路徑，將關鍵路徑上的節點和剩余節點分別存入關鍵節點隊列和剩余節點隊列中并等待調度；步驟S3.將eNB節點抽象成拓撲結構后，根據用戶歷史移動路徑并結合預測模型得到符合條件的eNB集，并根據預測概率、預測速度和預測方向篩選最優可卸載eNB并將其提供給用戶執行任務卸載；步驟S4.分別將任務按調度策略動態分為在本地執行或卸載至邊緣側執行，并在調度過程中動態更新關鍵路徑；步驟S5.根據調度結果分配任務至移動邊緣環境下的設備，直至完成整個工作流的調度；其中，所述步驟S1進一步包括以下步驟：步驟S11.UE將任務卸載至邊緣側以減少本地的計算負擔，在傳輸過程中傳輸速率受信噪比的影響，UE與任務卸載節點的傳輸信噪比可表示為：其中表示設備i進行傳輸時的電壓頻率，表示設備i與當前eNB的距離導致的信號干擾，σ表示路徑損耗因子，ξc表示卸載策略，即ξc＝0時表示任務在本地執行，反之則將任務卸載至eNB；由已知傳輸信噪比，移動邊緣環境下瞬時傳輸率為：Rn＝Blog2(1+fSNR(di,n))，其中，B為eNB的傳輸帶寬；步驟S12.當任務選擇在本地執行時，本地計算即為本地執行工作流任務ti的時間，令flocal表示UE的計算能力，UE在本地執行任務ti的計算時間可表示為：當用戶在當前無可用eNB或任務不需要卸載至eNB時選擇在本地執行任務，其產生的能耗為：其中表示設備選擇在本地執行任務產生的能耗，Plocal表示設備在本地運行任務時的電壓；步驟S13.當UE選擇將任務卸載至邊緣側運行時，首先將工作流任務ti傳輸到eNB(state＝up)，在成功卸載任務后，ti在eNB做計算處理(state＝exec)，最后將處理好的數據回傳至UE端(state＝down)；從上傳任務到eNB處理任務直至處理后的數據回傳UE即為完成任務卸載，其時間開銷如下所示：其中，代表ti的輸入數據大小，代表ti的輸出數據大小；考慮設備上傳任務和任務下載到設備產生的能耗，因此任務卸載產生的能耗為：其中，表示任務卸載處于state狀態時產生的能耗，Ptrans表示設備UE處于傳輸數據時所需電壓，當τ＝0時表示UE能一次成功將任務卸載至邊緣側；在步驟S2中，任務最早開始時間表示為EST，則任務的起始節點tsource最早開始時間為對于DAG中其余任務節點，其最早任務開始時間從起始任務節點開始計算，表示為：任務最遲開始時間表示為LST，出口任務texit的最遲開始時間等于最早開始時間即對于DAG中其余任務節點，根據逆拓撲排序從出口任務節點開始計算最遲任務開始時間，表示為：首先初始化隊列Q_cp并對工作流進行...

【專利技術屬性】
技術研發人員：袁友偉，劉恒初，李忠金，俞東進，鄢臘梅，胡海洋，
申請(專利權)人：杭州電子科技大學，
類型：發明
國別省市：浙江,33