[发明专利]自适应边缘计算卸载方法、装置及计算机可读存储介质有效
申请号: | 202210650235.X | 申请日: | 2022-06-09 |
公开(公告)号: | CN115051998B | 公开(公告)日: | 2023-06-20 |
发明(设计)人: | 孙罡;宋良均;虞红芳;孙健;任婧 | 申请(专利权)人: | 电子科技大学 |
主分类号: | H04L67/1014 | 分类号: | H04L67/1014;H04L67/1012;H04L67/61;G06F9/445;G06F9/48;G06F9/50 |
代理公司: | 山东诺诚智汇知识产权代理事务所(普通合伙) 37309 | 代理人: | 金峰 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 自适应 边缘 计算 卸载 方法 装置 计算机 可读 存储 介质 | ||
1.一种自适应边缘计算卸载方法,其特征在于,所述自适应边缘计算卸载方法包括:
S101:获取用户任务请求;
S102:判断用户任务请求中的服务特征是否存在于MEC服务器中,若是,进入步骤S103,否则,执行可卸载对象预处理方案并进入步骤S103;
S103:执行卸载方案并输出计算卸载结果;所述步骤S102中,所述可卸载对象预处理方案包括:
A1:分别对所述MEC服务器中的已有服务特征的流行度和所述用户任务请求中的服务特征的流行度进行更新;以及
A2:以满足边缘卸载率的同时最小化边缘服务缓存空间为目的进行边缘服务部署;
所述A2包括以下分步骤:
A21:将各服务特征以微服务的形态存储在MEC服务器上;
A22:根据所有所述微服务的集合,得到服务特征占用边缘端的存储空间,并对服务特征占用边缘端的存储空间进行去冗余操作,得到最小化边缘服务缓存空间。
2.根据权利要求1所述的自适应边缘计算卸载方法,其特征在于,各服务特征的流行度的更新结果Pnew(si)为:
Pnew(si)=P(si)(1-P(snew))
其中,si表示第i个服务特征,P(si)表示第i个服务特征的流行度,P(snew)表示所述用户任务请求中的服务特征的流行度,snew表示用户任务请求中的服务特征。
3.根据权利要求1所述的自适应边缘计算卸载方法,其特征在于,所述A22包括以下分步骤:
A221:根据所有所述微服务的集合构建所有所述微服务的相似图;
A222:将优化目标融入所述相似图中,得到新的相似图和服务特征占用边缘端的存储空间,其中,所述新的相似图包含配额代价;
A223:将所述新的相似图转换为边权值图;
A224:分别对所述新的相似图中原顶点的配额代价和邻接节点的配额代价进行更新,得到更新后的原顶点的配额代价和更新后的邻接节点的配额代价;
A225:根据所述边权值图的所有顶点的个数更新预设配额代价之和,得到更新后的配额代价之和;
A226:根据所述更新后的原顶点的配额代价、所述更新后的邻接节点的配额代价和所述更新后的配额代价之和,得到带配额问题的图;
A227:分别将所述带配额问题的图中的每一个顶点转化为一个星节点,得到转化后的带配额问题的图;
A228:利用k-MST算法对所述转化后的带配额问题的图进行求解,得到与所述带配额问题的图等价的求解结果;
A229:将所述求解结果作为所述最小化边缘服务缓存空间输出。
4.根据权利要求1所述的自适应边缘计算卸载方法,其特征在于,所述步骤S103中,所述卸载方案包括:
B1:将所述用户任务请求中的任务拆分为多个子任务;
B2:分别对每个子任务分配卸载优先级并进行子任务调度和卸载队列设计。
5.根据权利要求4所述的自适应边缘计算卸载方法,其特征在于,所述步骤B2中,所述分别对每个子任务分配卸载优先级包括:
B201:将多个所述子任务构建为子任务卸载矩阵;
B202:根据所述子任务卸载矩阵中行的非零元素,得到各子任务的可卸载对象序列;
B203:根据所有所述子任务的可卸载对象序列和预设优先级规则,得到每个子任务分配卸载优先级。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210650235.X/1.html,转载请声明来源钻瓜专利网。