[发明专利]一种边缘网络环境下的分布式计算卸载方法及系统

说明书

本发明公开了一种边缘网络环境下的分布式计算卸载方法及系统，通过初始化移动设备层连接边缘服务层和云服务器层的信道和时间槽，建立多个卸载模型，基于能源模型和不同卸载模型的能耗模型，计算当前传输的下一时隙满足约束条件的最大收益的卸载模型，迭代更新当前时刻满足约束条件的最大收益的卸载模型，直至下一时隙满足约束条件的最大收益的卸载模型的最大收益小于等于其自身最大收益，形成了考虑了能源和能耗的卸载方式，弥补传统云端二体协同计算以及小型同步MEC系统的卸载设计低时延、低成本的不足，同时能够有效实现卸载任务的分配，有效降低端到终端边缘节点的网络响应时延，可显著增强终端设备的计算能力和服务质量。

技术领域

本发明属于移动边缘计算领域，具体涉及一种边缘网络环境下的分布式计算卸载方法及系统。

背景技术

随着移动互联网和物联网技术的飞速发展，促进了各种新型业务不断涌现，使得移动通信流量在过去几年间经历了爆炸式增长(特别是在5G技术的成熟应用下)。例如数据流、实时视频、3D游戏等，这些新兴的应用为人们的生活带来极大的便利。然而，随着业务的逐渐复杂和多样化，移动网络的流量呈指数级增长，传统的集中式网络架构由于回程链路负载过重、时延较长，无法满足移动用户的需求。据IDC预测，2020年底将有超过500亿终端和设备联网，其中超过50％数据需要在网络边缘分析、处理与存储。而传统的“云端二体协同计算”模式已无法满足“低时延、高带宽”需求。目前采用移动边缘计算(MEC)将网络能力从核心网开放至边缘网的新体系结构，使移动终端能够将计算负载转移到边缘服务器，为“云端二体协同计算”提供了一种有效的解决方案，移动边缘计算(MEC)的核心是计算卸载，即将终端设备的应用程序划分成一系列小的子任务，将可以单独运行的计算密集型子任务卸载到边缘服务器上执行，计算卸载是MEC实现快速运行计算能力和服务质量的体现，目前主要是根据任务时间节点将任务划分后计算卸载，无法有效提高任务或者应用程序的合理分配，无法在有限设备计算资源的情况下增强终端设备的计算能力，计算卸载效率低。

发明内容

本发明的目的在于提供一种边缘网络环境下的分布式计算卸载方法及系统，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种边缘网络环境下的分布式计算卸载方法，包括以下步骤：

步骤1)、建立基于移动设备层、边缘服务层和云服务器层的三层异构网络模型，初始化移动设备层连接边缘服务层和云服务器层的信道和时间槽；

步骤2)、根据卸载任务的卸载类型建立多个卸载模型；

步骤3)、建立系统模型的能源模型和效益模型以及不同卸载模型的能耗模型，计算下一时隙不同类型的设备的传输速率，计算当前传输的下一时隙满足约束条件的最大收益的卸载模型，如果下一时隙满足约束条件的最大收益的卸载模型的最大收益大于当前时刻满足约束条件的最大收益的卸载模型的最大收益，则更新当前时刻满足约束条件的最大收益的卸载模型，直至下一时隙满足约束条件的最大收益的卸载模型的最大收益小于等于其自身最大收益，则选择下一时隙满足约束条件的最大收益的卸载模型作为该卸载任务的卸载方式。

进一步的，初始化后移动设备层连接边缘服务层和云服务器层的信道被占用的信道数为0,时间槽内所有的移动设备MU的卸载决策S_i置为0，默认是本地执行。

进一步的，移动设备层包括多个移动终端；边缘服务层用于接受并计算移动设备层卸载的任务，并将边缘服务层无法处理的任务卸载到云服务器层；云服务器层用于提供集中式的云计算中心服务，接受并计算边缘服务层卸载的任务。

进一步的，第i个移动终端的卸载任务的卸载类型为j表示计算任务的类型，数据在链路传输时间为T^off。