[发明专利]一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法

权利要求书

1.一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法，其特征在于，将部分计算任务从终端设备迁移至选定的边缘服务器来远程执行并对处理结果进行缓存，来实现以最小的能耗来完成整个系统中的计算任务，

在移动边缘计算系统中，定义移动设备用户的集合A＝{1,2，…，N}，并且每一个用户都有一个待完成的计算任务的集合Task＝{1,2，…，M}，这些任务由一个单一的无线基站相连，其中的移动边缘计算服务器为这些移动设备提供计算和缓存服务；所述方法的实现包括通信模型、计算模型、任务缓存模型以及任务迁移模型的构建；

步骤一、通信模型的构建

在通信模型中，在移动边缘计算系统中移动设备用户i上的计算任务j是否需要进行迁移由x_i,j∈{0,1}来决定，i∈A,j∈Task,

其中，当x_i,j＝0时，该任务将在本地被执行；当x_i,j＝1时，该任务将被迁移到边缘服务器来远程执行；定义集合X＝{x_1,1,x_1,2,…,x_N,M}来记录N个移动设备用户上所有任务的迁移决策；

在移动边缘计算系统中多用户之间通过正交频分多址的方式进行交互，对于每个移动设备用户i来说，其上行数据传输速率r_i为：

其中，B代表系统的带宽，p_i代表移动设备i的传输功率，ω₀代表噪声功率，g₀代表信道增益；

步骤二、计算模型的构建

在计算模型中，每一个移动设备用户i上的计算任务请求可以用元组{b_i,j,c_i,j,τ_i,j}来表示；其中，b_i,j代表任务待迁移的数据，c_i,j代表CPU周期数，τ_i,j代表完成此任务的截止时间；对于移动设备i上的计算任务j，若其在本地执行，时间开销和能耗开销可分别表示为：

其中，f_i^l代表移动设备i的计算能力，即CPU频率；v_i是一个参数，代表每个CPU周期所产生的能耗；

对于在边缘服务器上远程执行的计算任务，整个过程中的开销可分为计算任务的传输、在边缘服务器上计算任务的执行以及返回执行结果三部分的开销；由于返回执行结果的过程中数据传输量比传输计算任务时的数据传输量小很多，并且从服务器的下行数据传输速率要比上行数据传输速率快的多，所以忽略返回结果时产生的时间开销和能耗开销；因此，对于移动设备i上的计算任务j，若其在边缘服务器上远程执行，时间开销和能耗开销可分别表示为：

其中，f_i^e代表与移动设备i相关联的边缘服务器的计算能力；

步骤三、任务缓存模型的构建

对于任务缓存模型，移动边缘计算服务器主要缓存已完成任务的应用程序及其相关的数据，定义边缘服务器的缓存大小为F_s，计算能力为F_c；

缓存计算任务的过程：首先，从移动边缘计算服务器的角度来看，首先收集每个任务的计算资源需求量、数据量的大小以及请求的数量，然后由边缘服务器来决定缓存的策略来使移动设备的时间开销和能耗开销最小；其次，从移动设备的角度来看，每一个移动设备都会请求将计算任务迁移到边缘服务器上；定义移动设备i上的任务j是否被缓存到边缘服务器上由y_i,j∈{0,1}决定；如果y_i,j＝0,则这个任务还未被缓存需要将应用程序和相关数据迁移到边缘服务器上；如果y_i,j＝1,则已经缓存，这个任务将直接被执行并将结果返回给用户；因此，任务缓存的方法能够有效的减少时间开销和能耗开销，其时间开销将等于任务在边缘服务器的执行时间

步骤四、任务迁移模型的构建

综合考虑上述的通信模型、计算模型以及任务缓存模型，完成任务j迁移总的时间开销和能耗开销可表示为：

为了使系统中总的能耗最小，目标函数为：

其中，C1主要是限制带宽能力，C2和C3只要是限制CPU资源的上限以及边缘服务器缓存的大小，C4主要是限制任务的完成时间，C5用来保证在本地执行的计算任务不能缓存到边缘服务器上，C6和C7主要是用来说明任务是否被迁移及是否被缓存，其值存储在向量X和Y中；

所述目标函数是一个NP-hard的问题，随着用户数量的增加，这一问题的规模会呈现指数级的增长，采用强化学习的方法来找出向量X和Y的最优解，即找到总开销最小时对应的迁移决策x_i,j和缓存决策y_i,j。