[发明专利]面向大规模边缘计算系统的任务卸载控制方法及系统

说明书

本发明公开了面向大规模边缘计算系统的任务卸载控制方法及系统，通过对边缘计算系统中的边缘服务器进行分组，得到多个服务器组；对于任意一组服务器组，获取历史数据预测服务器组下的移动用户在预测时刻的平均任务到达速率，并根据服务器组下的移动用户在预测时刻的平均任务到达速率计算服务器组内的所有移动用户计算成本之和最小时对应的最优卸载概率；再在预测时刻以最优卸载概率控制服务器组下的移动用户进行任务卸载；本发明通过历史数据预测服务器组下的移动用户在预测时刻的平均任务到达速率，并根据预测的平均任务到达速率控制用户任务往用户计算成本最小的方向进行卸载，能减少服务器过载以及服务器卸载的计算成本。

技术领域

本发明涉及边缘计算领域，尤其涉及面向大规模边缘计算系统的任务卸载控制方法及系统。

背景技术

在传统的云计算模式下，数据中心（DataCenter，DC）具有强大的计算能力，可以同时为大量的用户提供计算服务。为了保证资源的利用率，DC的覆盖范围往往较大，这就导致某些用户与DC的距离较远、通信延迟较高。对于传统的周期性数据收集和处理任务，通信延迟是可以接受的，但是随着移动智能设备的普及，实时性较高的任务逐渐增多，DC的高延迟已经不能满足移动用户的计算需求。

边缘计算（EdgeComputing，EC）是一种新的云计算模式。将服务器部署在网络边缘，为用户提供计算服务。网络边缘并不是终端设备，而是靠近终端设备的网络位置，其特点是可以以较低的延迟与终端设备通信。EC正是基于这一特性来满足移动设备任务对实时性的要求。但是由于部署在网络边缘，EC服务器的覆盖范围和计算能力相较于传统的云都有较大的差距，为了在较大规模的环境中（如校园，工厂，港口等）为用户提供边缘计算服务，我们就需要部署较多的移动边缘计算服务器（MobileEdgeServer，MES）来保证覆盖率。由于用户的实时移动特性，如何在具有较大规模MES的边缘计算环境中进行最优的任务调度是一个难题。首先，在接入用户量过大时，服务器被阻塞导致服务质量下降。另外，用户的分布不均会导致MES的负载不均，进而导致整体资源利用率的下降。因此需要研究设计相应的任务调度策略来最大化利用计算资源为移动用户提供服务。

任务调度大致可以从两个角度来考虑。一是用户角度，控制用户的任务卸载使得MES的计算资源被充分利用的同时不会导致服务器阻塞，二是服务器角度，设计合理的策略使得MES之间的负载达到均衡的状态。在动态的边缘计算场景中，用户的地理位置在实时变化，用户的任务到达率也在实时变化，这就导致服务器不能确定自己的用户群特征，也就无法准确控制用户任务卸载，进而可能导致服务器过载，处理延迟增大。另外，用户的动态特性导致服务器的负载也在动态变化，这就要求负载均衡策略也需要实时调整，而传统的负载均衡策略往往求解时间复杂度较大，不能满足实时性的需求。

发明内容

本发明提供了面向大规模边缘计算系统的任务卸载控制方法及系统，用于解决现有的任务卸载方法由于用户的地理位置在实时变化导致服务器不能确定自己的用户群特征，也就无法准确控制用户任务卸载的技术问题。

为解决上述技术问题，本发明提出的技术方案为：

一种面向大规模边缘计算系统的任务卸载控制方法，包括以下步骤：

对边缘计算系统中的边缘服务器进行分组，得到多个服务器组；

对于任意一组服务器组，获取所述服务器组下的移动用户的历史平均任务到达速率，并根据所述历史平均任务到达速率预测所述服务器组下的移动用户在预测时刻的平均任务到达速率，并根据所述服务器组下的移动用户在预测时刻的平均任务到达速率计算所述服务器组内的所有移动用户计算成本之和最小时对应的最优卸载概率；再在预测时刻以所述最优卸载概率控制所述服务器组下的移动用户进行任务卸载。

优选的，获取所述服务器组下的移动用户的历史平均任务到达速率，并根据所述历史平均任务到达速率预测所述服务器组下的移动用户在预测时刻的平均任务到达速率，包括以下步骤：