绿色能源驱动的移动边缘计算动态任务卸载

发布时间：2021-07-10 23:18

　　移动边缘计算（mobile edge computing, MEC）是近年来出现的一种崭新技术,它能满足更多应用程序所需的计算资源,能使移动网络边缘资源受限的物联网（IoT）设备获得更好的性能.然而,众所周知,边缘基础设施在提高电力使用效率和整合可再生能源方面的能力较差.此外,由于物联网设备的电池容量是有限的,当电池电量耗尽时,所执行任务会被中断.因此,利用绿色能源来延长电池的使用寿命是至关重要的.此外,物联网设备间可以动态、有益地共享计算资源和通信资源.因此,为了提高边缘服务器的能效（power usage efficiency, PUE）,实现绿色计算,设计了一种高效的任务卸载策略,提出了一种利用能量收集（energy harvesting, EH）技术和设备间通信（device-to-device communication, D2D）技术的绿色任务卸载框架.该框架旨在最小化任务执行所造成的边缘服务器端电网电力能源成本及云服务器端云资源租用成本.与此同时,引入激励约束,能够有效促进IoT设备间的协作,并防止IoT设备资源被其他设备过度使用.考虑到系统未来信息的不确定性,例如绿色能... 

【文章来源】：计算机研究与发展. 2020,57(09)北大核心EICSCD

【文章页数】：16 页

【部分图文】：

不同Qmax下的成本降低率与控制参数V

图3 不同Qmax下的成本降低率与控制参数V2) V值对系统性能的影响.图4展示了不同的V值对于系统性能的影响.在李雅普诺夫优化理论[35]中,V是权衡目标函数最优性和队列稳定性之间的参数.在本文提出的算法中,V用来权衡系统内总的任务执行成本和队列的稳定性.V值越大,代表更多的关注系统任务执行成本的降低,而较少关注队列的积压状况.通过设置不同的V值,本文评估了其对系统内总的任务执行成本和队列积压的影响.本文中,实验结果与理论分析相符.分析实验结果可以看出,随着V值的增大,系统任务执行成本进一步降低,系统任务执行成本减少率增加,当V值增加到一定的值时,系统任务执行成本降低率会趋于平缓,这是因为此时系统任务执行成本降低率已经接近理论最优值.

因此,为了促进MEC系统的可持续发展并实现绿色计算,本文设计了一种基于能量收集(EH)技术和设备间通信(D2D)技术的绿色任务卸载框架,具体结构如图1所示.此外本文还提出了一种高效的动态任务卸载策略,优化系统内任务执行所造成的边缘服务器端电网电力能源成本及云服务器端云资源租用成本.图1中,一个边缘服务器服务范围内有多个配备EH模块的IoT设备,每个IoT设备可以与基站建立蜂窝链接,也可以与临近其他IoT设备建立D2D链接,还可以通过基站与云服务器建立链接.本文中运营商可以针对不同IoT应用的类型和对时延的需求调整相应的任务执行策略以优化系统的服务性能:如为减少系统内总的任务执行成本,选择本地端执行、卸载到其他设备端执行、卸载到边缘服务器端执行,以及卸载到云服务器端执行.在本文所提出框架中,每个IoT设备均能收集绿色能源储存在设备的电池中,并将收集到的绿色能源作为IoT设备电池唯一的能量来源,这不仅可以为任务执行提供可持续的能源,还能延长电池的使用寿命.因而,本文假设任务在本地端执行和将任务卸载到其他IoT设备执行时在设备端所消耗的能源不计入系统内总的任务执行成本.系统总的任务执行成本主要由2部分构成:一部分是IoT设备将任务卸载到边缘服务器端执行时,边缘服务器为执行该任务所消耗的电网电力能源成本;另一部分是将IoT设备上时延不敏感的任务卸载到云端服务器执行时,云端服务器为执行该任务所产生的云资源租用成本.因此,本文以最小化系统内总的执行成本为优化目标.

【参考文献】：
期刊论文
[1]绿色计算的重定义与若干探讨[J]. 郭兵,沈艳,邵子立.  计算机学报. 2009(12)



本文编号：3276840