【摘要】：隨著互聯(lián)網(wǎng)與大數(shù)據(jù)技術(shù)的快速發(fā)展,邊緣計(jì)算這一新技術(shù)不斷融入到人們的生活中。在邊緣計(jì)算的場(chǎng)景下,用戶可以將自身設(shè)備上的任務(wù)卸載到附近邊緣云上去處理,來獲得低延遲、高效率的服務(wù)。如何對(duì)卸載到邊緣云上的任務(wù)進(jìn)行高效,可靠地調(diào)度是邊緣計(jì)算領(lǐng)域中的一個(gè)重要問題。當(dāng)下生活中的各種移動(dòng)設(shè)備日趨智能化,所能提供的服務(wù)類型與數(shù)量也不斷增多。然而,由于這些設(shè)備自身的計(jì)算資源與電池容量的限制,一些計(jì)算密集型的服務(wù)往往不能在自身設(shè)備上進(jìn)行處理,這就會(huì)造成用戶如果請(qǐng)求這類服務(wù)就不會(huì)得到響應(yīng)。解決上述問題的一種方法是將這些計(jì)算密集型的任務(wù)卸載到有更強(qiáng)計(jì)算能力,更多能源支撐的云計(jì)算中心去處理。但是這些云計(jì)算中心與用戶身邊的移動(dòng)設(shè)備有較遠(yuǎn)的距離,將任務(wù)從移動(dòng)設(shè)備卸載到云計(jì)算中心會(huì)產(chǎn)生很大的通信時(shí)延,用戶請(qǐng)求一些時(shí)延敏感性的服務(wù)不能夠得到及時(shí)的響應(yīng)。邊緣計(jì)算理論的出現(xiàn),滿足了計(jì)算密集型與時(shí)延敏感性的任務(wù)對(duì)計(jì)算資源與響應(yīng)時(shí)間兩方面的要求。但邊緣服務(wù)器自身的資源相對(duì)于遠(yuǎn)端云是有限的,且各邊緣服務(wù)器之間的處理速度與資源總量往往不完全一樣,同時(shí)任務(wù)之間還存在著資源競(jìng)爭(zhēng)。因此如何為卸載到邊緣服務(wù)器上任務(wù)設(shè)計(jì)調(diào)度算法,使得邊緣服務(wù)器使用自身有限的資源處理更多的任務(wù),同時(shí)能夠保證用戶的服務(wù)體驗(yàn)是很有必要的。本文為解決邊緣計(jì)算環(huán)境下的任務(wù)調(diào)度問題,提出了兩種不同的方法,主要工作如下:(1)我們將P-BPM任務(wù)處理模式應(yīng)用到邊緣計(jì)算場(chǎng)景下,基于蟻群算法的原理提出了一種邊緣計(jì)算環(huán)境下多目標(biāo)優(yōu)化離線任務(wù)調(diào)度算法,稱為P-MACO 算法(Parallel-batch multi-object ant colony optimization schedule algorithm)。我們針對(duì)邊緣服務(wù)器之間性能參數(shù)不同而導(dǎo)致處理效率差異提出一種節(jié)約運(yùn)行開銷的方法,并在任務(wù)完成的及時(shí)性方面對(duì)算法進(jìn)行了改進(jìn)。(2)我們使用增強(qiáng)學(xué)習(xí)的思想,設(shè)計(jì)了可以應(yīng)用在邊緣計(jì)算環(huán)境中,適用于隨機(jī)任務(wù)產(chǎn)生情形下的一種在線并行調(diào)度算法,稱為OnPQ-Learning(Online Parallel-batch Q-Learning Algorithm)算法。通過建立馬爾可夫決策模型使用Q-learning方法尋找合適的調(diào)度策略;同時(shí)為了保證任務(wù)處理的響應(yīng)及時(shí)性和節(jié)約邊緣服務(wù)器自身的資源,將超時(shí)任務(wù)數(shù)量、邊緣服務(wù)器處理任務(wù)所需的時(shí)間與能耗開銷,任務(wù)平均等待處理時(shí)間作為算法的優(yōu)化目標(biāo),使得邊緣服務(wù)器能夠以自身有限的資源為用戶提供大量,優(yōu)質(zhì)的服務(wù)。另外,文中對(duì)于處理邊緣服務(wù)器的時(shí)間與能耗兩方面的開銷做出了一些個(gè)人見解。(3)通過使用Google cluster數(shù)據(jù)集來為我們的算法設(shè)計(jì)仿真實(shí)驗(yàn),在兩種不同的應(yīng)用場(chǎng)景下,分別與MACO算法,FCFS算法,OnDisc算法進(jìn)行了邊緣服務(wù)器運(yùn)行開銷、任務(wù)處理時(shí)間、邊緣服務(wù)器能耗開銷、任務(wù)處理及時(shí)性等方面的對(duì)比。實(shí)驗(yàn)結(jié)果表明了我們的算法相對(duì)于其他算法在節(jié)約邊緣服務(wù)器的資源、保證任務(wù)處理的及時(shí)性等方面上有著更好的表現(xiàn)。
【圖文】：

小的邊緣服務(wù)器來處理用戶的任務(wù)，從而滿足了用戶任務(wù)的計(jì)算資源需求，同逡逑時(shí)也縮短了傳輸時(shí)延，使用戶任務(wù)得到及時(shí)有效的處理。逡逑如圖１．２所示，邊緣計(jì)算結(jié)構(gòu)一般包括三個(gè)部分，分別是移動(dòng)設(shè)備、邊緣云逡逑與遠(yuǎn)端云計(jì)算中心；邊緣云是部署在網(wǎng)絡(luò)邊緣節(jié)點(diǎn)上的小規(guī)模計(jì)算中心，能夠逡逑提供比移動(dòng)設(shè)備更強(qiáng)大的計(jì)算能力，，移動(dòng)設(shè)備通過４Ｇ、ＷＩＦＩ等方式與邊緣云逡逑直連。在模型中，移動(dòng)設(shè)備自身處理資源不能滿足待處理任務(wù)的需求時(shí)，可以逡逑將高資源需求任務(wù)轉(zhuǎn)至邊緣云上處理，而在邊緣云計(jì)算中心不能滿足移動(dòng)設(shè)備逡逑２逡逑

圖３．邋１車聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)逡逑．
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP301.6;TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 顧陽;李敏;李華;;云計(jì)算任務(wù)調(diào)度算法綜述[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2018年13期

2 鄭愛媛;;遺傳算法在云計(jì)算任務(wù)調(diào)度算法中的應(yīng)用研究[J];西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2016年01期

3 戴艷紅;;云計(jì)算中一種基于遺傳算法與效益驅(qū)動(dòng)的任務(wù)調(diào)度算法[J];內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版);2017年02期

4 莫文導(dǎo);利業(yè)韃;溫昂展;林偉偉;;面向移動(dòng)設(shè)備的溫度感知的任務(wù)調(diào)度算法[J];計(jì)算機(jī)工程與科學(xué);2017年04期

5 張艷敏;;云計(jì)算中任務(wù)調(diào)度算法的研究綜述[J];電子商務(wù);2016年07期

6 劉冬梅;;云計(jì)算環(huán)境下改進(jìn)加權(quán)輪轉(zhuǎn)任務(wù)調(diào)度算法研究[J];牡丹江師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年01期

7 黃少榮;;云計(jì)算任務(wù)調(diào)度算法研究[J];沈陽師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年03期

8 蘇淑霞;;面向云計(jì)算的任務(wù)調(diào)度算法研究[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

9 劉之家;張?bào)w榮;謝雄程;;基于云計(jì)算的“用戶期待”任務(wù)調(diào)度算法的研究[J];大眾科技;2011年04期

10 李其昌;;基于等待時(shí)間的多任務(wù)調(diào)度算法的研究與設(shè)計(jì)[J];計(jì)算機(jī)與數(shù)字工程;2011年12期

相關(guān)會(huì)議論文 前10條

1 黃鯤;王知衍;翁小雄;;樹形異構(gòu)網(wǎng)格的啟發(fā)任務(wù)調(diào)度算法[A];2007年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2007年

2 杜琳;石慧;劉曉平;;一種基于Q學(xué)習(xí)的任務(wù)調(diào)度算法的改進(jìn)研究[A];全國第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

3 侯勇;于炯;田國中;龔紅翠;;基于非貢獻(xiàn)網(wǎng)格的自適應(yīng)任務(wù)調(diào)度算法研究[A];2007年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2007年

4 葉波;葛維春;劉文娟;;基于動(dòng)態(tài)優(yōu)先級(jí)和調(diào)度決策的云計(jì)算任務(wù)調(diào)度算法[A];2016智能電網(wǎng)發(fā)展研討會(huì)論文集[C];2016年

5 林川;吳景東;;對(duì)uC/OS-Ⅱ任務(wù)調(diào)度算法的改進(jìn)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

6 李顯寧;鐘誠;;異構(gòu)計(jì)算環(huán)境下并行任務(wù)調(diào)度算法研究進(jìn)展分析[A];2006年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2006年

7 蔣偉進(jìn);;一種新的基于MAS的任務(wù)動(dòng)態(tài)調(diào)度策略研究[A];2006年全國開放式分布與并行計(jì)算學(xué)術(shù)會(huì)議論文集（二）[C];2006年

8 陶劍文;王鳳儒;;基于多Agent的網(wǎng)絡(luò)化車間相關(guān)任務(wù)調(diào)度算法[A];第三屆中國智能計(jì)算大會(huì)論文集[C];2009年

9 梁愛華;李青;王雪嶠;田紫君;倪景秀;;一種面向通信能耗優(yōu)化的動(dòng)態(tài)聚類任務(wù)調(diào)度算法[A];中國計(jì)算機(jī)用戶協(xié)會(huì)網(wǎng)絡(luò)應(yīng)用分會(huì)2018年第二十二屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會(huì)論文集[C];2018年

10 吳俊;張大方;;一個(gè)擴(kuò)展的以QoS為指向的網(wǎng)格任務(wù)調(diào)度算法[A];第三屆中國測(cè)試學(xué)術(shù)會(huì)議論文集[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 王習(xí)特;MapReduce集群中任務(wù)調(diào)度算法的研究[D];東北大學(xué);2015年

2 梁j;可重構(gòu)嵌入式系統(tǒng)快速原型方法及任務(wù)調(diào)度算法研究[D];復(fù)旦大學(xué);2007年

3 尚明生;網(wǎng)格計(jì)算中的任務(wù)調(diào)度算法研究[D];電子科技大學(xué);2007年

4 王杰（Frederic Nzanywayingoma）;云計(jì)算中的任務(wù)調(diào)度算法與虛擬資源優(yōu)化分析[D];北京科技大學(xué);2018年

5 梁慶中;混合云平臺(tái)上多目標(biāo)任務(wù)調(diào)度算法研究[D];中國地質(zhì)大學(xué);2015年

6 巴巍;實(shí)時(shí)系統(tǒng)動(dòng)態(tài)優(yōu)先級(jí)任務(wù)調(diào)度算法的研究[D];大連理工大學(xué);2010年

7 殷進(jìn)勇;可重構(gòu)系統(tǒng)中實(shí)時(shí)任務(wù)調(diào)度算法研究[D];哈爾濱工程大學(xué);2010年

8 孫明明;云計(jì)算平臺(tái)上任務(wù)調(diào)度算法的研究[D];中國科學(xué)技術(shù)大學(xué);2015年

9 賀小川;單芯片系統(tǒng)（SoC）中的實(shí)時(shí)任務(wù)調(diào)度算法研究[D];國防科學(xué)技術(shù)大學(xué);2009年

10 楊志邦;一類異構(gòu)多處理器片上系統(tǒng)任務(wù)調(diào)度算法研究與應(yīng)用[D];湖南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 趙星光;邊緣計(jì)算環(huán)境下的并行任務(wù)調(diào)度算法研究[D];安徽大學(xué);2019年

2 張敏超;電力傳輸網(wǎng)檢修任務(wù)調(diào)度算法的研究與應(yīng)用[D];北京郵電大學(xué);2019年

3 劉營聰;EH-WSN中針對(duì)惡劣環(huán)境下的環(huán)境監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)及任務(wù)調(diào)度算法研究[D];內(nèi)蒙古大學(xué);2019年

4 孔德凱;基于Map/Reduce模型的任務(wù)調(diào)度算法的研究[D];哈爾濱理工大學(xué);2018年

5 鄭方圓;基于異構(gòu)多核的混合式任務(wù)調(diào)度算法研究[D];哈爾濱工程大學(xué);2018年

6 袁佳欣;云計(jì)算平臺(tái)任務(wù)調(diào)度算法研究[D];南京郵電大學(xué);2018年

7 張芳磊;云計(jì)算環(huán)境下任務(wù)調(diào)度算法的研究[D];河北科技大學(xué);2019年

8 王姝力;面向異構(gòu)系統(tǒng)的可靠性任務(wù)調(diào)度算法研究[D];湖南大學(xué);2015年

9 陳京;Hadoop平臺(tái)中基于預(yù)釋放資源列表的任務(wù)調(diào)度算法研究[D];湖南大學(xué);2016年

10 李悅;廣域云下面向快速大數(shù)據(jù)分析的調(diào)度算法研究[D];天津大學(xué);2018年

本文編號(hào)：2693565