[发明专利]边缘计算中基于任务图整体资源需求的多应用在线计算卸载资源调度方法和系统

权利要求书

1.边缘计算中基于任务图整体资源需求的多应用在线计算卸载资源调度方法，其特征在于，包括以下步骤：

S1.用表示要执行计算卸载的应用n对应的DAG模型，其中,和ε_n分别为应用n的任务集合和有向边集合，中任务的总数应用n中的一个任务为其中i表示集合中的第i个任务，任务t_ni的计算负载量表示成δ_ni；

S2.给应用n分别增加两个计算负载量为0的伪节点作为入口和出口，即和在集合中的编号分别用0和I_n+1表示，且从发出的有向边和进入的有向边都分别赋予一个数据传输量，其中，出边的传输量表示要从用户设备上卸载的应用数据量，其数值大小表示为表示的后继；入边的数据传输量表示要传回用户设备的结果数据量，其数值大小表示为代表的前驱；

S3.根据应用n的DAG结构计算每个任务的优先级；

S4.构建一个用于记录算出的部分关键路径——PCP的空集根据计算出的任务优先级为应用n的DAG结构计算PCP路径，将获得的PCP路径存放在集合中，并用表示集合包含的PCP路径的数目；

S5.根据所有边缘计算设备的处理能力和单位时间执行开销，将集合中的每条PCP路径分配到为应用卸载生成的离线分配映射表中；所述离线分配映射表其数据结构为链表每一条链表都与一个边缘计算设备m相对应将应用n的每条PCP路径都映射到各个链表中，由所有链表构成离线分配映射表

S6.用表示执行计算卸载的应用向某一边缘计算设备m_n发送的计算卸载请求，其中r_n为应用的卸载请求释放时间，l_n为截止期限，b_n为应用在边缘计算网络上成功处理完成的期望开销，是应用的DAG结构，σ_n是应用在申请的计算资源上能成功执行完的预计处理时间；

S7.计算各计算卸载请求的期望开销权值μ_n＝b_n/σ_n，并把各计算卸载请求按照μ_n值升序排列一个队列中；

S8.从中找出μ_n值最大的请求并读取出其对应应用n的离线分配映射表

S9.遍历离线分配映射表中与每个边缘计算设备m相对应的链表并把链表上元素对应的任务分配到边缘计算设备m的计算队列上。

2.如权利要求1所述多应用在线计算卸载资源调度方法，其特征在于，步骤S3中按下式计算应用n中的任务的优先级:

其中，表示边缘计算网络中所有计算设备的平均数据传输率；是边缘计算网络中所有计算单元的平均处理能力。

3.如权利要求2所述多应用在线计算卸载资源调度方法，其特征在于：步骤S4中，使用SearchPCP算法递归地计算PCP路径。

4.如权利要求3所述多应用在线计算卸载资源调度方法，其特征在于：计算PCP路径过程中，使用已标记任务来辅助标定任务，所述已标记任务是在计算PCP的过程中已经被标记过的任务，对于给定的应用n，初始时伪节点和始终当作已标记任务，其它任务都当作未标记的任务；并用H(t_ni)表示任务t_ni的一个特定子集，在该特定子集中，每一个任务都不是已标记任务，但每个任务的父任务都是已标记任务；对于一个已标记任务t_ni，如果其子任务t_nj在集合H(t_ni)中有最高的优先级，那么将该子任务t_nj作为关键子任务，并将已标记任务t_ni的关键子任务表示为H_cri(t_ni)；

之后再从入口节点开始使用SearchPCP算法递归地计算PCP，并把为应用n计算出的PCP存入集合节点和不在集合中。