移动边缘计算中多用户依赖性任务在线计算卸载与调度策略研究

发布时间：2021-06-09 08:16

　　伴随着5G时代的到来,在线游戏、人脸识别等要求低时延的计算密集型任务相继出现,传统云计算无法为用户提供毫秒级任务卸载服务,因此移动边缘计算（Mobile Edge Computing,MEC）应运而生。MEC将云计算功能下沉到到网络边缘,有效降低了用户任务计算卸载延迟。虽然目前关于计算卸载研究工作众多,但也存在许多局限性。首先,现有的关于计算卸载的研究工作侧重于独立任务,而非依赖性任务,独立任务卸载策略无法解决真实场景下任务依赖性带来的挑战。其次,现有研究工作侧重于单用户任务卸载,忽视了多用户场景下任务竞争资源的问题。最后,现有工作多关注静态卸载场景,忽略了任务动态到达、计算资源可变等动态场景下的挑战。基于以上问题及挑战,本文在多用户场景下研究了依赖性任务在专用以及共享服务器上在线卸载策略,其目标是减小任务响应时间以及延迟时间。在专用边缘服务器上,计算资源是静态稳定的。本文针对任务动态到达问题提出了基于链表的依赖性任务在线滑动卸载及调度算法。该算法通过为任务节点分配非固定执行时间,解决了任务依赖关系约束导致的难调度的问题。此外,为了进一步优化算法调度解,本文提出了两个优化算法:自适应回... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

边缘计算示例图

图 1.2 增强现实技术处理流程图性任务卸载与调度忽视了现实生活中动态性大多只关注静态场景，忽视了真实动态环境下的挑战态调度与卸载的研究工作相对较少。动态性主要包含务器上任务动态到达问题。在本文中，专用服务器一户，其处理速度为静态稳定的。目前关于专用服务器依为静态卸载决策。其假设任务信息已知，根据当前服务载决策，然而静态卸载策略难以应用在任务动态到达的任务调度算法侧重于独立任务。文献[18,19]侧重于独立依赖性任务细粒度的调度，这将会导致在真实环境中务器上计算资源的动态性。在共享边缘服务器上，任

华 中 科 技 大 学 硕 士 学 位 论务器获取所有的计算卸载请求信息，根据全局信息生成卸载解。而分布式卸载算法由于决策信息简单也涌现出一部分研移动传输功率，提出了一个整数优化问题，使总能耗和卸载接收功率小于一定阈值时，卸载算法才是正向收益。在本文中配方案。

【参考文献】：
硕士论文
[1]面向LTE行业应用的无线基站准入控制机制[D]. 孙嘉璐.北京邮电大学 2018



本文编号：3220232