多层次算力网络中代价感知任务调度算法

发布时间：2021-01-30 06:46

　　随着越来越多数据的产生以及更加强大的算力和算法的运用,物联网应用也变得越来越智能.典型的物联网应用也从简单的数据感知、收集和表示转向复杂的信息提取和分析.这一持续的趋势需要多层次算力资源及网络.多层次算力网络涉及云计算、雾计算、边缘计算和海计算等技术之间的相互协作,分别针对区域级别、本地级别和设备级别的物联网应用.但是,由于计算技术的不同特征以及任务的不同需求,如何有效地进行任务调度是多层次算力网络中的一个关键挑战.此外,如何激发多层次算力资源的积极性也是一个关键问题,这是多层次算力网络得以成形的前提.为解决上述挑战,提出了一个云雾混合多层次算力网络及计算卸载系统,定义了一个由时延、能耗及付费组成的加权代价函数,并建模了一个代价感知任务调度（cost aware task scheduling,CATS）问题.而且,为激发云和雾的积极性,提出了一个基于计算量的付费模型并将付费相关代价也考虑进总代价.具体来说,根据云和雾的不同特性和需求,分别提出了一个静态付费模型和动态付费模型,从而构建了一个混合付费模型.为解决上述CATS问题,提出了一个基于势博弈的分析框架,并设计了一个分布式任务调度... 

【文章来源】：计算机研究与发展. 2020,57(09)北大核心

【文章页数】：13 页

【部分图文】：

一个综合了云、雾、边缘和海计算技术的多层次算力网络架构[1]

4) 最优卸载(Optimal).我们采用交叉熵[31]方法得到最小化系统整体代价的解.交叉熵是一种求解组和优化问题近似最优解的有效方法.具体的求解过程及参数设置可参考文献[32].如图3所示,CATS算法总能取得近似最优的系统平均代价,并且大大优于其他基准方法.这从系统整体角度验证了CATS算法的表现.另外,我们可以发现,通过引入雾层,可以大大降低用户的计算卸载代价.

图4比较了CATS算法和基准方法在受益用户数方面的表现.受益用户是指通过计算卸载,可以降低自身任务处理代价的用户(和本地计算相比),即{n∈N|On<On,l}.这一指标表明了有多少用户可以通过计算卸载降低自身的任务处理代价.所以,受益用户数从个体方面反映了用户对任务调度或卸载结果的满意程度.如图4所示,除了随机卸载之外,CATS算法、最优卸载以及云计算的受益用户数都随着用户数的增加而增加,但CATS算法的受益用户数始终最大.这是因为以最小化系统代价为目标的最优卸载会损害用户个体利益,而通过将任务卸载建模为CATS博弈,可以协调用户之间的竞争、冲突,从而使得更多用户可以从中获益.所以,CATS算法可以使得用户对调度结果更满意,因此结果也更稳定.这从用户个体角度验证了CATS算法的表现.

【参考文献】：
期刊论文
[1]城市化与信息化——中国发展的时代机遇[J]. 江绵恒.  信息化建设. 2010(06)



本文编号：3008456