[发明专利]一种基于QoE感知的边缘计算任务调度方法

说明书

一种基于QoE感知的边缘计算任务调度方法。步骤为：路由器周期收集设备资源状态信息以及网络状态信息。当路由器接收到任务调度请求时，首先根据预测模型，预测任务在不同设备上的执行时间。在此基础上，基于设备资源状态信息、网络状态信息以及任务本身数据，建立边缘计算任务调度模型，并使用线性规划模型求解器求解任务调度模型，得到任务调度结果。最后，基于任务调度结果，路由器负责将任务分发到对应的边缘设备/云服务器上执行，并将结果返回至任务请求设备。

技术领域

本发明涉及一种基于QoE感知的边缘计算任务调度方法。

背景技术

物联网技术的发展带来了海量的异构数据以及大量的物联网设备。在视频监控领域，一个800万像素的摄像头，每小时产生3.6GB的数据，一个城市一个月的数据量就达到了数百PB。目前，大部分物联网数据的处理依靠云计算技术。数据量的增加给云计算带来了新的挑战。一是云计算的计算能力无法实时处理海量的数据。物联网环境下，数据量呈现爆炸式的增长，云计算技术虽然可以通过增加集群中设备的数量提高系统的计算能力，但是，其仍然无法满足海量数据实时计算的要求。二是大量数据从网络设备传输到云端，增加了网络负载，造成网络时延过大。云计算设备通常与终端设备相距较远，因此，在数据传输的过程中，会有相对较大的延迟，从而增加终端等待的时间，降低数据处理的实时性。三是云计算环境下，数据安全与用户隐私问题尤为突出。当用户使用云计算服务时，用户的隐私数据会被上传到云端，增加了用户数据泄露的风险。

边缘计算是最近兴起的一种计算模式，通过在数据源附近的网络边缘执行数据处理来优化云计算系统。边缘计算技术将原有的云计算模型的部分或全部计算任务迁移到网络边缘设备上，进而降低云计算中心的计算负载，减缓网络带宽的压力，提高数据处理的效率。与云计算相比，边缘计算具有以下优点：一是边缘设备往往距离数据产生设备较近，相比于云计算，数据传输延迟可以大大降低；二是用户的隐私数据传递到边缘设备处理，无需传输到云服务器，一定程度上降低了用户数据泄露的风险。

任务调度技术是边缘计算的关键技术之一。在物联网场景中，边缘设备的异构性强，路由器、智能手机、PC等都可以作为边缘设备，不同设备的计算资源以及网络条件千差万别。另外，边缘计算任务也各不相同。一些任务需要较高的精度；一些任务对结果的准确性要求较低，需要任务快速返回执行结果。任务调度技术决定了边缘设备计算资源的使用效率，是影响边缘计算系统性能的关键。传统的任务调度算法没有考虑动态的网络状态变化以及设备资源的差异对任务执行时间的影响，存在一定的缺陷，可能导致设备负载不均衡，对任务的执行效率造成一定的影响。

总的来看，基于实时网络状态和设备资源的多任务协同调度可以更好地利用边缘计算系统中的计算资源，实现各个边缘设备之间的负载均衡，以提高任务的执行效率。

发明内容

本发明要克服现有技术的上述缺点,提供了一种基于QoE感知的边缘计算任务调度方法。

本发明考虑的任务场景如下。网络中存在四种不同类型的设备，分别是终端设备、路由器、边缘设备、云服务器。其中，终端设备一般计算资源有限，负责发起任务请求，并将任务信息发送给路由器；路由器是整个系统的核心，主要有2个功能：一是周期收集系统中所有设备的网络状态信息以及设备资源信息；二是接收终端设备发送的任务请求，结合系统中各个设备的资源信息，实现任务调度；边缘设备负责执行终端设备所请求的任务，一般距离终端设备和路由器较近。以智能家居系统为例，边缘设备可以是家庭中的智能手机、PC等，相比于终端设备，边缘设备的计算能力更强，可以处理较为复杂的任务，如语音识别；云服务器的功能和边缘设备类似，其部署在云端，具有更强的计算能力，但是，相比于边缘设备，云服务器与终端设备之间的数据传输延时通常更高。

本发明的目的是利用边缘计算系统中的设备资源信息以及网络状态信息，对系统中存在的多个任务进行调度，选择合适的边缘设备/云服务器执行任务，最小化任务执行时间。