[发明专利]融合推荐系统的边缘计算任务分配方法

说明书

本发明提供了一种融合推荐系统的边缘计算任务分配方法，包括：步骤1，将云端模块、边缘服务器模块和移动端相互建立连接构建云‑边‑端融合推荐系统；步骤2，任务发送者向云‑边‑端融合推荐系统发送任务请求；步骤3，云‑边‑端融合推荐系统接受到任务发送者发送的任务请求，边缘服务器模块根据部署在路侧设施上的多个根据需求进行启动执行任务的边缘服务器的位置信息、计算能力构建边缘服务器数据库。本发明将缓存的边缘服务器与推荐的边缘服务器相结合设计，推荐命中率高，并证明了推荐命中率问题是一个单调子模函数和NP‑hard问题，提高了计算机资源利用率，降低了时间消耗。

技术领域

本发明涉及计算机任务分配技术领域，特别涉及一种融合推荐系统的边缘计算任务分配方法。

背景技术

根据Cisco的报告，移动数据流量将在未来的5年中增长7倍，到2021年将达到每月49艾字节(exabyte，EB)(1EB-106TB)，同时全球IoT设备数量将从目前的80亿增长到120亿。这将使其接入网络获取移动边缘服务器的计算资源变得困难。

此外，5G网络时代，大规模的任务处理需求也开始呈现，例如多媒体特效任务、大数据处理任务等。在这些任务场景下，最常见的用户需求就是实时性需求，也即要求任务能够被快速响应、快速执行、且执行结果能够快速回传给用户。为了应对移动互联网及物联网的高速发展,5G需满足超低时延、超低功耗、超高可靠、超高密度连接的新型业务需求。因此，最小化任务完成时间是任务卸载问题中最常见的目标。

当前移动边缘计算中的卸载问题主要包括：页面卸载，即边缘缓存，页面提供者将常用页面缓存于边缘云上，以降低用户请求页面时的延时和能耗。相关研究中已有考虑页面分布和用户移动性的缓存策略。任务卸载，该问题即是决定何时、何地、多少任务应从移动设备卸载至边缘上执行，以降低计算延时和节省能耗。该类研究中主要集中于考虑多用户环境和多服务器环境下的卸载决策问题。页面卸载主要关心边缘云的存储能力，不同步考虑计算能力。而在任务卸载的相关研究中，是以边缘云具有足够的软硬件资源支持任务计算为常态假设的，这与边缘云资源受限以及无法支持所有类型的任务是相违背的。

针对MEC的任务卸载问题，许多学者做了相关研究。在考虑前程和回程链路容量约束以及用户的最大时延约束条件下，通过最小化网络总能耗提出了一种有效卸载方案。在权衡能耗和时延下，提出了一种能量感知的计算卸载方案，并将智能设备电池的剩余能量引入能量消耗和延迟的加权因子的定义中，有效地降低了系统的总消耗。考虑到任务卸载的等待时间和可靠性之间的折中，研究了将用户设备的任务分割成子任务并依次卸载到附近边缘节点。但是以上文献并没有对有限的无线和计算资源进行合理的分配。在多用户的MEC系统下，以最小化用户和MEC服务器的平均能量消耗为目标，提出了一种在线的任务卸载算法。考虑系统的总能耗最小化，研究了卸载决定、无线资源和计算资源分配的联合优化问题。尽管如此，已有的任务调度算法都仅仅是通过优化能耗和延迟进行任务卸载和分配，却从未从任务本身出发选择边缘服务器处理任务。

发明内容

本发明提供了一种融合推荐系统的边缘计算任务分配方法，其目的是为了解决传统的任务分配方法未从任务本身出发选择边缘服务器处理任务的问题。

为了达到上述目的，本发明的实施例提供了一种融合推荐系统的边缘计算任务分配方法，包括：

步骤1，将云端模块、边缘服务器模块和移动端相互建立连接构建云-边-端融合推荐系统；

步骤2，任务发送者向云-边-端融合推荐系统发送任务请求；

步骤3，云-边-端融合推荐系统接受到任务发送者发送的任务请求，边缘服务器模块根据部署在路侧设施上的多个根据需求进行启动执行任务的边缘服务器的位置信息、计算能力构建边缘服务器数据库；

步骤4，云-边-端融合推荐系统从边缘服务器数据库中筛选出能够处理当前任务的边缘服务器信息；