[发明专利]一种基于雾网络的车辆大数据计算卸载方法

摘要

本发明公开了一种基于雾计算网络的车辆大数据计算卸载方法。本发明能够为分析车辆大数据提供更高效、更可靠的计算环境。首先提出雾计算网络系统架构，进一步建立网络延迟模型，然后建立任务生成模型，再建立雾计算资源优化模型，最后使用本发明提出的负载均衡的运算资源有效任务卸载算法（Computing Resource‑Efficient Task Offloading Algorithm with Load Balancing，CRETOA）来管理雾计算网络负载均衡的计算资源，将道路车辆终端请求运算任务分配给最优雾计算资源。

主权项

1.一种基于雾网络的车辆大数据计算卸载方法，其特征在于：具体方法步骤如下：步骤1：提出雾计算网络系统架构；所述雾计算网络系统架构共分为三层：(1)应用层，(2)雾计算层，包括雾计算节点与雾计算设备，(3)云计算层，包括云计算设备；步骤2：建立网络延迟模型；具体的，使用云雾协作进行计算卸载，每一个任务都要被卸载给云或者雾；在这种场景下，会有三个数据传输阶段，包括无线传输阶段和有线传输阶段，以及计算结果返还阶段；对该数据传输阶段进行延迟即响应时间的计算；步骤3：建立任务生成模型；具体的，将数据大小和任务的长度根据所选择任务生成的分布进行适当的分配，尽可能选择合适的任务长度以减少任务失败的数量和网络延迟的平均值；任务到达时间通过具有指数分布并由独立同分布组成的泊松分布建模得出；步骤4：建立雾计算资源优化模型；收集数据，得到每个车辆终端的输入任务集合、云计算层中的虚拟机集合、雾计算层的虚拟机集合；然后得出任务分别卸载到云计算层和雾计算层的虚拟机上的延迟，进一步得到车辆终端分别在云计算层和雾计算层的虚拟机上执行相应任务的运算资源占用；通过目标函数和约束方程的制定，平衡延迟和运算资源占用两个要素，得到最优的运算资源分配；步骤5：管理雾计算网络负载均衡的计算资源，将道路车辆终端请求运算任务分配给最优雾计算资源；具体的，提出了一种道路车辆终端请求运算任务分配给最优雾计算资源的算法，即负载均衡的运算资源有效任务卸载算法；通过使用预期资源需求矩阵来预估计算资源需求；根据预期资源需求矩阵，虚拟机需要不同的时间和精力来执行不同的任务；首先调度器将任务卸载到雾计算层，若雾计算层运算资源占用过高，则将任务卸载到云。