带有任务重试的MEC任务卸载策略及优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115016861A(43)申请公布日2022.09.06(21)申请号202210669908.6G06F111/02(2020.01)(22)申请日2022.06.14(71)申请人燕山大学地址066004河北省秦皇岛市河北大街西段438号(72)发明人金顺福魏士昌张琦白小军(74)专利代理机构北京孚睿湾知识产权代理事务所(普通合伙)11474专利代理师刘翠芹(51)Int.Cl.G06F9/445(2018.01)G06F9/50(2006.01)G06F30/20(2020.01)G06F111/06(2020.01)G06F111/08(2020.01)权利要求书3页说明书9页附图2页(54)发明名称带有任务重试的MEC任务卸载策略及优化方法(57)摘要本发明提供了一种带有任务重试的MEC任务卸载策略及优化方法，其包括：求解任务在本地处理器接受服务的第一平均时延，求解任务卸载到边缘服务器接受服务的第二平均时延，进而求解任务的平均时延，将多个性能指标的折衷优化问题抽象为多目标优化问题，利用NSGA‑III算法，运用MATLAB软件求解多目标优化问题，得到满足条件的帕累托Pareto前沿点。本发明针对边缘网络设备的局限性，在保证终端用户服务质量的前提下，在边缘层引入任务重试机制，可有效降低任务丢弃率，提升边缘系统吞吐量，并辅助遴选出合适的最优解，提升系统利用率。CN115016861ACN115016861A权利要求书1/3页1.一种带有任务重试的MEC任务卸载策略及优化方法，其特征在于，其包括以下步骤：S1、求解任务在本地处理器接受服务的第一平均时延Tloc：根据M/M/1排队模型的解析结果，得到本地处理器接受服务的第一平均时延Tloc为：其中，μloc表示本地处理器服务实时任务和非实时任务的时间所服从的指数分布的参数；表示任务在本地执行的概率且p表示任务卸载到边缘层的概率且0≤p≤1；λ表示任务的到达所服从的泊松过程的参数；S2、求解任务卸载到边缘服务器接受服务的第二平均时延Tedg：当任务选择卸载至边缘层接受服务，则任务的第二平均时延Tedg包括本地发送端口传输任务的时间Ttrans和任务在边缘服务器接受服务的时间Tserve；S21、根据M/M/1排队模型的解析结果，得到本地发送端口传输任务的时间Ttrans为：其中，μtrans表示本地发送端口传输实时任务和非实时任务的时间所服从指数分布的参数；S22、根据实时任务和非实时任务的占比，得到任务在边缘服务器接受服务的时间Tserve为Tserve＝α×Tnonreal+(1‑α)×Treal(3)其中，Tnonreal表示非实时任务从到达边缘层至服务完成离开所需要的平均时间；Treal表示实时任务从到达边缘层至服务完成离开所需要的平均时间；α表示到达任务流中非实时任务占比0≤α≤1；S23、得到第二平均时延Tedg为：Tedg＝Ttrans+Tserve(4)；S3、求解任务的平均时延T：其中，ρ表示边缘服务器吞吐量，且有：ρ＝(pλ+λ′)×(1‑Pserious)(6)其中，λ′表示重试模块吞吐量；Pserious表示系统负载较重的概率，且有：其中，πi,j,k表示为稳态下重试模块中任务数量为i，边缘服务器中实时任务数量为j及非实时任务数量为k的概率分布；S4、将多个性能指标的折衷优化问题抽象为多目标优化问题：结合期望最大化边缘服务器吞吐量ρ(p)、最小化任务的平均时延T(p)和任务平均重试次数N(p)，设计多目标优化问题为：2CN115016861A权利要求书2/3页其中，c表示边缘层物理机通过虚拟化技术划分的c台虚拟机且c≥1；μ1表示非实时任务的服务速率；d表示重试模块中重试线程数量且d≥1；θ表示重试线程中重试任务的重试率且0＜θ＜+∞；S5、利用NSGA‑III算法，运用MATLAB软件求解步骤S4中多目标优化问题，得到满足条件的帕累托Pareto前沿点。2.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，所述步骤S22中的所述非实时任务从到达边缘层至服务完成离开所需要的平均时间Tnonreal的计算具体包括以下步骤：S2211、对于非实时任务，系统负载情况较低时，非实时任务被负载均衡器分配至服务器中接受服务并在服务完成后返回本地端，负载较低下非实时任务从到达边缘层至服务完成离开所需要的平均时间Tnonreal1仅为服务器服务的时间T′nonreal：S2212、系统负载情况较重时，非实时任务会被负载均衡器分配至重试模块，负载较重下非实时任务从到达边缘层至服务完成离开所需要的平均时间Tnonreal2包括服务器服务的时间T′nonreal和非实时任务在重试模块