[发明专利]一种云边协同下时延最优化的计算任务卸载方法及装置

说明书

本发明公开了一种云边协同下时延最优化的计算任务卸载方法及装置，该方法包括：建立以最小化任务总时延为目标的云边协同计算卸载模型，其中，任务总时延由移动终端向边缘节点传输任务的传输时延，由边缘节点向云端传输任务的传输时延，任务在边缘节点的处理时延和任务在云端的处理时延构成；将所述云边协同计算卸载模型分解成两个独立的子模型，分别对应移动终端上传给边缘节点计算任务的链路时隙分配，以及边缘节点和云端的计算资源分配；通过求解以上两个子问题，得到卸载决策方案。本发明通过云和边缘物理代理并行执行目标任务，达到云边协同的目的，同时最小化用户感知时延，优化了带宽和计算资源的分配。

技术领域

本发明设计边缘计算技术领域，具体涉及一种云边协同下时延最优化的计算任务卸载方法及装置。

背景技术

随着物联网的应用和快速发展，越来越多的终端设备接入网络，急剧增加的数据流加大了网络压力；同时，随着计算任务复杂度的提高，资源受限的终端设备无法独立处理。传统处理方式是将海量数据和任务卸载至云端统一处理，这确实能解决终端存储和计算资源不足的问题，但这也带来了不可忽视的挑战，表现为：1)边缘终端设备产生的海量数据传输到云计算中心将使得网络传输带宽负载量急剧增加，造成网络拥挤，产生网络延迟。2)云计算中心资源的线性增加无法满足爆炸式增长的网络边缘数据。3)边缘设备传输数据到计算中心以及计算中心处理将产生巨大的能量耗损。为解决这些问题，产生了边缘计算模型，边缘计算将存储和计算下沉，这样边缘设备能够直接将计算任务卸载至边缘节点处理，极大的降低了网络时延。但很多情况下，仅仅依靠边缘计算仍然难以满足任务的时延要求。边缘节点大多数部署在基站上，也有着存储和计算资源的限制性，当计算密集型任务(如多人AR，视频分析)在同一时刻到来的时候，边缘节点无法独立处理以达到满意的时延。

因此，云计算和边缘计算的协同工作成为了大多数计算密集型任务卸载的基础。以视频分析(如统计车辆数量)任务来说，边缘节点主要负责帧过滤，初步筛选，在特定场景下，也可以运行一些规模较小的CNN来比较视频之间的相似度；而云端则是负责高计算量的特征检测。又如在AR游戏中，需要将AR视频上传至云端进行特征检测，从而标识感兴趣区域，随后在边缘节点或者终端设备上进行渲染操作。边缘协同系统需要综合考虑边缘计算节点和云端的计算能力，得到一个高效的计算任务卸载决策。

发明内容

本发明的目的在于提供一种云边协同下时延最优化的计算任务卸载方法及装置，实现云计算和边缘计算协同环境下的计算任务卸载的任务时延优化，满足用户的实时性需求，提供更好的用户体验。

为了实现上述发明目的，本发明采用的技术方案如下：

本发明提供一种云边协同下时延最优化的计算任务卸载方法，包括：

建立以最小化任务总时延为目标的云边协同计算卸载模型；所述任务总时延由移动终端向边缘节点传输任务的传输时延，由边缘节点向云端传输任务的传输时延，任务在边缘节点的处理时延和任务在云端的处理时延构成；所述云边协同是指移动终端任务将一定任务分配比例计算量卸载至边缘节点处理，并将剩余计算量卸载至云端处理；

将所述云边协同计算卸载模型分解成两个独立的子模型，分别对应移动终端上传给边缘节点计算任务的链路时隙分配，以及边缘节点和云端的计算资源分配；

分别求解两个子模型，得到云边协同下时延最优化的任务分配比例、链路时隙分配以及边缘节点和云端的计算资源分配方案。

进一步的，所述建立以最小化任务总时延为目标的云边协同计算卸载模型，包括：