移动边缘计算中异质资源联合调度策略研究

发布时间：2021-01-16 18:59

　　近年来,移动互联网和物联网的飞速发展催生了多种新型业务。其中计算密集型应用,如视频转码、3D在线游戏、现实增强等,会消耗大量的计算资源,产生巨大的计算能耗,并且往往需求很短的响应时延。但是,受限于计算、存储和能量等资源,终端设备往往不能独立且高效地处理这些计算密集型应用。传统的解决方案是将计算密集型应用卸载到云计算中心进行处理。然而,这种方式不仅会带来大量的数据传输,对容量有限的上下行带宽造成巨大压力,还会导致较长的响应时延和较大的通信能耗开销,影响用户的应用体验。在这种背景下,移动边缘计算（Mobile Edge Computing,MEC）应运而生。通过在靠近终端用户的边缘服务器上部署计算、存储等资源,MEC可以提供具有近域特性的计算环境,解决传统基于云计算的计算卸载中时延过长、终端能耗过高、带宽压力过大等问题。不同于简单的通信和计算行为,计算卸载过程同时涉及通信和计算两种资源,并产生“此消彼长”的通信开销和计算开销。不合理的卸载策略不但会降低计算卸载在能耗和时延方面的增益,严重时甚至会造成性能损失。因此,如何通过合理的资源管控来折中卸载过程中的计算开销和通信开销是充分挖掘MEC系... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：127 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
        1.1.1 移动边缘计算的由来
        1.1.2 移动边缘计算的研究现状
    1.2 移动边缘计算中的关键技术
        1.2.1 计算卸载技术
        1.2.2 协同计算技术
    1.3 本课题的研究现状及面临挑战
        1.3.1 计算卸载相关研究
        1.3.2 边缘服务器协同计算相关研究
    1.4 本文的主要研究内容及结构安排
第二章 融合DVS技术的单用户计算卸载策略研究
    2.1 引言
    2.2 系统模型和问题建模
        2.2.1 场景描述
        2.2.2 应用模型
        2.2.3 能耗和时延模型
        2.2.4 问题建模
    2.3 能耗最优的的部分计算卸载策略
        2.3.1 问题可行性分析
        2.3.2 最优解
        2.3.3 特殊情况分析
        2.3.4 多边缘服务器场景下ECM问题拓展研究
    2.4 时延最优的部分计算卸载策略
        2.4.1 可行性分析
        2.4.2 最优解
        2.4.3 多边缘服务器场景中LM问题的拓展研究
    2.5 仿真结果
        2.5.1 EPCO算法性能
        2.5.2 LPCO算法性能
        2.5.3 EPCOMCSS和LPCOMCSS算法性能
    2.6 本章小结
第三章 面向终端节能的多用户计算卸载策略研究
    3.1 引言
    3.2 系统模型
        3.2.1 网络模型
        3.2.2 应用模型
        3.2.3 终端处理模型
        3.2.4 卸载模型
    3.3 问题建模和分析
        3.3.1 问题建模
        3.3.2 问题分析
    3.4 多用户计算卸载策略设计
        3.4.1 本地计算速率调整
        3.4.2 内部耦合问题:个体卸载比例调整
        3.4.3 外部耦合问题:群体资源分配策略
        3.4.4 复原操作
    3.5 算法应用时注意事项
        3.5.1 收敛性分析
        3.5.2 计算复杂度分析
        3.5.3 信令开销分析
        3.5.4 MPCO算法最优性条件
        3.5.5 MPCO算法在扩展场景中的应用
    3.6 仿真结果
        3.6.1 MPCO算法收敛性和有效性
        3.6.2 有限资源对目标能耗的影响
        3.6.3 MPCO算法和其他算法的性能对比
        3.6.4 用户异构性的影响
    3.7 本章总结
    3.8 附录
        3.8.1 定理3.1的证明
        3.8.2 引理3.1的证明
        3.8.3 引理3.2的证明
第四章 多边缘服务器协同计算中视频缓存和分发策略研究
    4.1 引言
    4.2 系统模型
        4.2.1 视频模型
        4.2.2 两个时间尺度上的策略设计
    4.3 问题建模
        4.3.1 问题目标
        4.3.2 主要约束
        4.3.3 问题建模
    4.4 基于SAA的半在线两步算法设计
        4.4.1 慢时间尺度上的视频存储策略设计
        4.4.2 快时间尺度上的视频分发策略设计
    4.5 算法扩展
        4.5.1 存储命中率最大化问题
        4.5.2 回程链路业务量最小化问题
    4.6 仿真结果
        4.6.1 边缘服务器存储能力的影响
        4.6.2 边缘服务器计算能力的影响
        4.6.3 边缘服务器个数和视频请求到达速率的影响
        4.6.4 计算转码时间对所提SAATP策略性能的影响
    4.7 本章总结
第五章 总结与展望
    5.1 全文内容总结
    5.2 后续研究工作展望
参考文献
致谢
作者简介



本文编号：2981360