邊緣計算服務(wù)器的負載不均衡將嚴重影響服務(wù)能力,該文提出一種適用于邊緣計算場景的任務(wù)調(diào)度策略（RQ-AIP）。首先,根據(jù)服務(wù)器的負載分布情況衡量整個網(wǎng)絡(luò)的負載均衡度,結(jié)合強化學習方法為任務(wù)匹配合適的邊緣服務(wù)器,以滿足傳感器節(jié)點任務(wù)的資源差異化需求;進而,構(gòu)造任務(wù)時延和終端發(fā)射功率的映射關(guān)系來滿足物理域的約束,結(jié)合終端用戶社會屬性,為任務(wù)不斷地選擇合適的中繼終端,通過終端輔助調(diào)度的方式實現(xiàn)網(wǎng)絡(luò)的負載均衡。仿真結(jié)果表明,所提出的策略與其他負載均衡策略相比能有效地緩解邊緣服務(wù)器之間的負載和核心網(wǎng)的流量,降低任務(wù)處理時延。 

【文章來源】：電子與信息學報. 2020,42(01)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

系統(tǒng)框架圖

種狀態(tài)。本文用負載均衡度來衡量整個網(wǎng)絡(luò)的負載均衡情況。首先根據(jù)所有服務(wù)器的負載情況計算出整個網(wǎng)絡(luò)不同資源的負載中心值，然后根據(jù)中心值求出負載均衡度。負載中心值的計算如式(3)lq=1kk∑j=1ava_reqj(3)ava_reqj其中，表示服務(wù)器j上可用的q資源的數(shù)量，k表示服務(wù)器的數(shù)目。則負載均衡度求解如式(4)lb=1k3∑q=1k∑j=1(ljqlq)2(4)εij定義一個負載均衡因子來衡量任務(wù)i分配到服務(wù)器j上后服務(wù)器的實時負載情況，具體計算公式如式(5)圖2網(wǎng)絡(luò)模型圖第1期王汝言等：社會屬性感知的邊緣計算任務(wù)調(diào)度策略273

ETS算法的分析同之前一樣，由于它是以時延最小為目標的，所以它的負載均衡度往往是這3種算法中最差的。不同任務(wù)數(shù)量下的負載均衡度變化情況如圖5所示。從圖中可以看出，隨著任務(wù)數(shù)量的增加，WLB-ACO,HETS和Full-Local算法的負載均衡度表1仿真參數(shù)設(shè)置參數(shù)設(shè)定參數(shù)數(shù)值任務(wù)到達率(個/s)[0,4]任務(wù)所需內(nèi)存(GB)[1,10]任務(wù)所需CPU周期(MHz)50任務(wù)時延(s)[200,1500]邊緣服務(wù)器CPU頻率(GHz)3無線信道帶寬(MHz)5邊緣服務(wù)器數(shù)量(個)5學習因子0.5終端發(fā)射功率(W)[0.1,2]噪聲功率(dBm/Hz)–170圖3不同場景下的負載均衡度圖4不同服務(wù)器計算資源下的負載均衡度圖5不同任務(wù)數(shù)量下的負載均衡度276電子與信息學報第42卷


本文編號：3594142