边缘计算环境下的并行任务调度算法研究

发布时间：2020-06-02 18:11

【摘要】：随着互联网与大数据技术的快速发展,边缘计算这一新技术不断融入到人们的生活中。在边缘计算的场景下,用户可以将自身设备上的任务卸载到附近边缘云上去处理,来获得低延迟、高效率的服务。如何对卸载到边缘云上的任务进行高效,可靠地调度是边缘计算领域中的一个重要问题。当下生活中的各种移动设备日趋智能化,所能提供的服务类型与数量也不断增多。然而,由于这些设备自身的计算资源与电池容量的限制,一些计算密集型的服务往往不能在自身设备上进行处理,这就会造成用户如果请求这类服务就不会得到响应。解决上述问题的一种方法是将这些计算密集型的任务卸载到有更强计算能力,更多能源支撑的云计算中心去处理。但是这些云计算中心与用户身边的移动设备有较远的距离,将任务从移动设备卸载到云计算中心会产生很大的通信时延,用户请求一些时延敏感性的服务不能够得到及时的响应。边缘计算理论的出现,满足了计算密集型与时延敏感性的任务对计算资源与响应时间两方面的要求。但边缘服务器自身的资源相对于远端云是有限的,且各边缘服务器之间的处理速度与资源总量往往不完全一样,同时任务之间还存在着资源竞争。因此如何为卸载到边缘服务器上任务设计调度算法,使得边缘服务器使用自身有限的资源处理更多的任务,同时能够保证用户的服务体验是很有必要的。本文为解决边缘计算环境下的任务调度问题,提出了两种不同的方法,主要工作如下:(1)我们将P-BPM任务处理模式应用到边缘计算场景下,基于蚁群算法的原理提出了一种边缘计算环境下多目标优化离线任务调度算法,称为P-MACO 算法(Parallel-batch multi-object ant colony optimization schedule algorithm)。我们针对边缘服务器之间性能参数不同而导致处理效率差异提出一种节约运行开销的方法,并在任务完成的及时性方面对算法进行了改进。(2)我们使用增强学习的思想,设计了可以应用在边缘计算环境中,适用于随机任务产生情形下的一种在线并行调度算法,称为OnPQ-Learning(Online Parallel-batch Q-Learning Algorithm)算法。通过建立马尔可夫决策模型使用Q-learning方法寻找合适的调度策略;同时为了保证任务处理的响应及时性和节约边缘服务器自身的资源,将超时任务数量、边缘服务器处理任务所需的时间与能耗开销,任务平均等待处理时间作为算法的优化目标,使得边缘服务器能够以自身有限的资源为用户提供大量,优质的服务。另外,文中对于处理边缘服务器的时间与能耗两方面的开销做出了一些个人见解。(3)通过使用Google cluster数据集来为我们的算法设计仿真实验,在两种不同的应用场景下,分别与MACO算法,FCFS算法,OnDisc算法进行了边缘服务器运行开销、任务处理时间、边缘服务器能耗开销、任务处理及时性等方面的对比。实验结果表明了我们的算法相对于其他算法在节约边缘服务器的资源、保证任务处理的及时性等方面上有着更好的表现。
【图文】：

小的边缘服务器来处理用户的任务，从而满足了用户任务的计算资源需求，同逡逑时也缩短了传输时延，使用户任务得到及时有效的处理。逡逑如图１．２所示，边缘计算结构一般包括三个部分，分别是移动设备、边缘云逡逑与远端云计算中心；边缘云是部署在网络边缘节点上的小规模计算中心，能够逡逑提供比移动设备更强大的计算能力，，移动设备通过４Ｇ、ＷＩＦＩ等方式与边缘云逡逑直连。在模型中，移动设备自身处理资源不能满足待处理任务的需求时，可以逡逑将高资源需求任务转至边缘云上处理，而在边缘云计算中心不能满足移动设备逡逑２逡逑

图３．邋１车联网络结构逡逑．
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP301.6;TP393.09

【相似文献】

相关期刊论文 前10条

1 顾阳;李敏;李华;;云计算任务调度算法综述[J];现代计算机(专业版);2018年13期

2 郑爱媛;;遗传算法在云计算任务调度算法中的应用研究[J];西安文理学院学报(自然科学版);2016年01期

3 戴艳红;;云计算中一种基于遗传算法与效益驱动的任务调度算法[J];内蒙古师范大学学报(自然科学汉文版);2017年02期

4 莫文导;利业鞑;温昂展;林伟伟;;面向移动设备的温度感知的任务调度算法[J];计算机工程与科学;2017年04期

5 张艳敏;;云计算中任务调度算法的研究综述[J];电子商务;2016年07期

6 刘冬梅;;云计算环境下改进加权轮转任务调度算法研究[J];牡丹江师范学院学报(自然科学版);2015年01期

7 黄少荣;;云计算任务调度算法研究[J];沈阳师范大学学报(自然科学版);2015年03期

8 苏淑霞;;面向云计算的任务调度算法研究[J];安徽大学学报(自然科学版);2014年05期

9 刘之家;张体荣;谢雄程;;基于云计算的“用户期待”任务调度算法的研究[J];大众科技;2011年04期

10 李其昌;;基于等待时间的多任务调度算法的研究与设计[J];计算机与数字工程;2011年12期

相关会议论文 前10条

1 黄鲲;王知衍;翁小雄;;树形异构网格的启发任务调度算法[A];2007年全国开放式分布与并行计算机学术会议论文集(下册)[C];2007年

2 杜琳;石慧;刘晓平;;一种基于Q学习的任务调度算法的改进研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

3 侯勇;于炯;田国中;龚红翠;;基于非贡献网格的自适应任务调度算法研究[A];2007年全国开放式分布与并行计算机学术会议论文集(下册)[C];2007年

4 叶波;葛维春;刘文娟;;基于动态优先级和调度决策的云计算任务调度算法[A];2016智能电网发展研讨会论文集[C];2016年

5 林川;吴景东;;对uC/OS-Ⅱ任务调度算法的改进[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

6 李显宁;钟诚;;异构计算环境下并行任务调度算法研究进展分析[A];2006年全国理论计算机科学学术年会论文集[C];2006年

7 蒋伟进;;一种新的基于MAS的任务动态调度策略研究[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

8 陶剑文;王凤儒;;基于多Agent的网络化车间相关任务调度算法[A];第三届中国智能计算大会论文集[C];2009年

9 梁爱华;李青;王雪峤;田紫君;倪景秀;;一种面向通信能耗优化的动态聚类任务调度算法[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年

10 吴俊;张大方;;一个扩展的以QoS为指向的网格任务调度算法[A];第三届中国测试学术会议论文集[C];2004年

相关博士学位论文 前10条

1 王习特;MapReduce集群中任务调度算法的研究[D];东北大学;2015年

2 梁j;可重构嵌入式系统快速原型方法及任务调度算法研究[D];复旦大学;2007年

3 尚明生;网格计算中的任务调度算法研究[D];电子科技大学;2007年

4 王杰（Frederic Nzanywayingoma）;云计算中的任务调度算法与虚拟资源优化分析[D];北京科技大学;2018年

5 梁庆中;混合云平台上多目标任务调度算法研究[D];中国地质大学;2015年

6 巴巍;实时系统动态优先级任务调度算法的研究[D];大连理工大学;2010年

7 殷进勇;可重构系统中实时任务调度算法研究[D];哈尔滨工程大学;2010年

8 孙明明;云计算平台上任务调度算法的研究[D];中国科学技术大学;2015年

9 贺小川;单芯片系统（SoC）中的实时任务调度算法研究[D];国防科学技术大学;2009年

10 杨志邦;一类异构多处理器片上系统任务调度算法研究与应用[D];湖南大学;2012年

相关硕士学位论文 前10条

1 赵星光;边缘计算环境下的并行任务调度算法研究[D];安徽大学;2019年

2 张敏超;电力传输网检修任务调度算法的研究与应用[D];北京邮电大学;2019年

3 刘营聪;EH-WSN中针对恶劣环境下的环境监测系统的设计及任务调度算法研究[D];内蒙古大学;2019年

4 孔德凯;基于Map/Reduce模型的任务调度算法的研究[D];哈尔滨理工大学;2018年

5 郑方圆;基于异构多核的混合式任务调度算法研究[D];哈尔滨工程大学;2018年

6 袁佳欣;云计算平台任务调度算法研究[D];南京邮电大学;2018年

7 张芳磊;云计算环境下任务调度算法的研究[D];河北科技大学;2019年

8 王姝力;面向异构系统的可靠性任务调度算法研究[D];湖南大学;2015年

9 陈京;Hadoop平台中基于预释放资源列表的任务调度算法研究[D];湖南大学;2016年

10 李悦;广域云下面向快速大数据分析的调度算法研究[D];天津大学;2018年

本文编号：2693565