移动边缘计算中的任务迁移与任务部署

发布时间：2020-03-29 22:16

【摘要】：近年来,随着移动互联网的发展,移动应用对于计算资源的需求越来越高。由于移动设备的物理尺寸限制,计算能力和电池容量都是极其受限的,本地计算无法满足应用的时延和能耗要求。同时,在未来的5G通信系统中,网络边缘存在大量冗余的计算资源。为了解决移动应用越来越高的计算资源需求和移动设备相对有限的计算资源之间的矛盾,人们提出了移动边缘计算。移动边缘计算是对移动云计算的继承和发展,通过将云端的计算资源下沉到网络边缘,任务的完成时延可以被显著降低,而任务迁移和部署是其中的核心问题。因此本论文针对粗粒度任务迁移和细粒度任务部署这两个问题进行了深入的研究和探索,相关研究概括如下:1.移动边缘计算中的粗粒度任务迁移从整体上把握了移动边缘计算中任务迁移的研究脉络,通过分析不同任务迁移策略的时延和能耗,粗粒度任务迁移问题被建模为组合优化。首先,我们研究了异构网络中多用户场景的计算迁移问题,考虑了多用户的信道干扰,通过把问题转化为有限策略空间的纯策略博弈,提出了一个可以快速收敛到纳什均衡的博弈算法。其次,我们研究了边云协同多任务场景的计算迁移问题,考虑了多任务的时延重叠,灵活运用优化技巧对问题做松弛处理,得到近似最优的任务迁移策略。最后,仿真结果表明异构网络和边云协同的任务迁移可以显著降低系统总的开销。2.移动边缘计算中的细粒度任务部署由于粗粒度任务迁移只考虑了计算和通信的资源分配,而没有考虑任务在网络中的计算过程,因此我们将任务建模为细粒度的有向无环图,边缘网络建模为计算和通信容量受限的异构处理器网络,并分析任务结构与网络结构之间的关联性,创新性地提出了计算和通信融合的分布式任务部署。其中,有向无环图的点权重表示子任务的计算复杂度,边权重表示子任务之间的依赖关系和数据交换,因此该模型可以将任务的算法结构与边缘网络的结构充分匹配。为了得到同时满足计算和通信资源约束以及任务算法结构约束下的最小任务完成时延,我们将分布式任务部署建模为混合整数规划问题,并设计了一个多项式复杂度的启发式算法。此外,我们给出了高斯消元算法和快速傅里叶变换在边缘网络中的分布式部署过程。最后,数值仿真证实了在移动边缘计算中采用细粒度的分布式任务部署可以大幅度降低任务完成时延。
【图文】：

穿戴式设备逦－５ＰＢｔｒ＜邋＇逡逑图１－１邋５Ｇ总体愿景｜１｜逡逑代，５Ｇ不仅仅是面向人与人的通信，更是面向人与物以及物与物之间的通信。同时ＩＭＴ－逡逑２０２０也对未来中国和全球的移动设备和物联网设备数量做出了预测，图１－２给出了从２０１０逡逑年到２０３０年的移动终端和物联网设备连接数增长趋势［１］，可以看出在未来十年移动终端逡逑和物联网设备数量将迎来爆炸性增长。在５Ｇ中定义了三大应用场景，分别为增强型移动逡逑宽带（Ｅｎｈａｎｃｅｄ邋Ｍｏｂｉｌｅ邋Ｂｒｏａｄｂａｎｄ，邋ｅＭＢＢ），超高可靠超低时延通信（Ｕｌｔｒａ邋Ｒｅｌｉａｂｌｅ邋Ｌｏｗ逡逑Ｌａｔｅｎｃｙ邋Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，邋ＵＲＬＬＣ）和海量机器间通信（Ｍａｓｓｉｖｅ邋Ｍａｃｈｉｎｅ邋Ｔｙｐｅ邋Ｃｏｍｍｕｎｉｃａ－逡逑ｔｉｏｎｓ，邋ｍＭＴＣ），邋５Ｇ时代意味着更高的数据传输速率，更低的功耗，更高的可靠性，更低的逡逑延迟

图１－１邋５Ｇ总体愿景｜１｜逡逑代，５Ｇ不仅仅是面向人与人的通信，更是面向人与物以及物与物之间的通信。同时ＩＭＴ－逡逑２０２０也对未来中国和全球的移动设备和物联网设备数量做出了预测，图１－２给出了从２０１０逡逑年到２０３０年的移动终端和物联网设备连接数增长趋势［１］，可以看出在未来十年移动终端逡逑和物联网设备数量将迎来爆炸性增长。在５Ｇ中定义了三大应用场景，分别为增强型移动逡逑宽带（Ｅｎｈａｎｃｅｄ邋Ｍｏｂｉｌｅ邋Ｂｒｏａｄｂａｎｄ，邋ｅＭＢＢ），超高可靠超低时延通信（Ｕｌｔｒａ邋Ｒｅｌｉａｂｌｅ邋Ｌｏｗ逡逑Ｌａｔｅｎｃｙ邋Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，邋ＵＲＬＬＣ）和海量机器间通信（Ｍａｓｓｉｖｅ邋Ｍａｃｈｉｎｅ邋Ｔｙｐｅ邋Ｃｏｍｍｕｎｉｃａ－逡逑ｔｉｏｎｓ，邋ｍＭＴＣ），邋５Ｇ时代意味着更高的数据传输速率，更低的功耗，，更高的可靠性，更低的逡逑延迟，更强的用户承载能力。同时，５Ｇ移动通信最大的特点在于它是一个融合了感知、计逡逑算、通信、控制的移动通信网络，通过计算和通信的深度融合，移动通信网络的信息获取、逡逑信息处理、信息传输、信息控制的能力将得到大幅度提升。逡逑移动终端连接数（亿部）逦物联网连接数（亿个）逦３ＣＷ逡逑１８０逦１．０００逡逑全球逦中国逡逑■邋１２０逦１邋７５０逦Ｉ邋２００逡逑ｉ邋５００逡逑Ｊ邋＿ｉ邋６0逦２５０邋＾逦Ｉ邋１0０逡逑■中国邋■全球逦■人口邋■物联网连接数逡逑图１－２邋２０１０－２０３０年中国和全球移动终端及物联网设备连接数增长趋势丨１｜逡逑为了满足５Ｇ移动通信的性能要求
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN929.5;TP393.09

【相似文献】

相关期刊论文 前10条

1 林云;;基于移动云平台的移动应用节能任务迁移方案[J];信息与电脑(理论版);2019年08期

2 李员宝,张武,杨林峰;GridSolve系统中的任务迁移[J];计算机工程;2005年21期

3 李毅 ;周明天 ;虞厥邦;;PVM任务迁移协议的研究[J];计算机科学;2001年01期

4 史雯隽;武继刚;罗裕春;;针对移动云计算任务迁移的快速高效调度算法[J];计算机科学;2018年04期

5 张继德;袁印;刘亚志;张新英;杨宗帅;;一种面向信息质量的移动群智感知协作方法[J];计算机工程;2017年07期

6 张志敏;吴军;严明玉;;面向网络的快速容错恢复技术[J];计算机工程与设计;2018年09期

7 胡根;自适应任务迁移分布计算研究[J];计算机与现代化;2004年09期

8 薛宁;霍如;刘江;;基于贝叶斯网络的MEC随机任务迁移算法[J];信息通信技术;2018年05期

9 陈斌;东一舟;毛明荣;;基于任务迁移和需求控制的云计算成组调度性能及代价评估[J];物联网技术;2016年05期

10 杨璇;;基于物联网和智能化看应用设计前景和要求[J];广东技术师范学院学报;2011年12期

相关会议论文 前5条

1 张千;刘昶;;网格环境下一种基于T-RAG图的关联任务迁移算法[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年

2 毕波;杨智强;王衡;汪国平;;基于多设备的任务智能迁移系统[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

3 徐羽琼;叶志强;潘纲;李石坚;;TaskShadow-W:基于NFC的跨终端Web会话迁移框架[A];第八届和谐人机环境联合学术会议（HHME2012)论文集PCC[C];2012年

4 徐羽琼;谌宗佳;潘纲;李石坚;;TaskShadow-V:基于虚拟化的用户任务跨移动设备透明迁移[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

5 杨永健;孙永雄;李树秋;张伟;;网格计算中一种负载均衡聚类匹配迁移算法[A];2006年全国开放式分布与并行计算学术会议论文集（二）[C];2006年

相关博士学位论文 前3条

1 李毅;基于PVM的研究任务迁移，C++对象分布并行及Capability实现[D];电子科技大学;2001年

2 张玉萍;片上多处理器通信结构中的多任务调度研究[D];武汉大学;2011年

3 陈锐忠;非对称多核处理器的若干调度问题研究[D];华南理工大学;2013年

相关硕士学位论文 前10条

1 蔡政;移动边缘计算中的任务迁移与任务部署[D];浙江大学;2019年

2 石子倩;Cloudlet环境下基于用户能耗优化的任务迁移机制研究[D];华中科技大学;2018年

3 罗文;异构多核任务迁移和调度算法研究[D];湖南大学;2016年

4 邵立文;移动设备云中基于代码迁移的节能方法研究[D];华中科技大学;2017年

5 王梓;移动边缘计算中基于移动模型的任务迁移算法与协议研究[D];电子科技大学;2018年

6 孔月;移动边缘计算环境下的任务迁移策略研究[D];西安理工大学;2018年

7 赵慧娟;面向任务迁移的事件预测模型研究[D];哈尔滨工程大学;2016年

8 王勇;基于CPN的移动云计算任务迁移的验证与仿真的研究[D];中国石油大学(华东);2015年

9 邓茂菲;基于移动边缘计算的任务迁移策略研究[D];北京邮电大学;2017年

10 袁印;异构群体中面向感知信息质量的本地协作方法研究[D];华北理工大学;2017年

本文编号：2606579