移动边缘计算环境下的任务迁移策略研究

摘要

随着移动互联网和物联网技术的快速发展与普及，人类已经进入万物互联的时代。网络边缘设备数量迅速增加，物联网感知层产生海量数据，导致云计算网络传输负载量急剧增加，造成较长的网络延迟：移动边缘计算作为来来5G网络提高用户体验度的关键技术，具有靠近数据源的特性，使其能够有效降低网络传输延迟。边缘计算将业务下沉到网络边缘，提供计算服务和存储服务，并为用户提供任务迁移平台。　　任务迁移技术可以将移动设备上复杂的任务通过无线网络迁移到远端边缘服务器执行，依靠远端服务器丰富的计算资源，完成计算任务，并将结果回传给移动设备，从而解决移动终端计算能力不足、电池容量有限等问题。　　目前现有任务迁移策略均是在迁移服务节点已经确立的前提下进行迁移决策的，并未考虑到多服务节点可选时的情景，而且绝大多数迁移策略中未考虑移动终端应用内部具有多依赖关系的复杂情况，这些策略的适用场景较为单一，不能充分发挥移动边缘计算的特性和优势。因此本文在对云计算和移动边缘计算的学习基础上，对任务迁移的两个方向：任务迁移目的地的选取、如何根据能耗优化目标实现最优化迁移进行研究。　　首先，从降低时延，提高资源利用率均衡度的角度出发，解决多服务节点可选场景下“迁移到何处”的问题。提出基于供需相似度与动态价格模型的任务迁移节点选取策略，在移动边缘计算环境中选取最佳迁移地点，将任务迁移至最优的边缘微型数据中心执行，提高资源利用率和任务吞吐量，在CloudAnalyst改造仿真平台下的实验结果表明，该选取算法能够有效降低网络延时和响应时间，提高资源利用率和任务吞吐量。　　其次，由于目前移动设备的电池发展速度远远跟不上其处理器和存储器的发展速度，成为制约移动终端设备发展的重要因素，无法满足新兴物联网应用的能耗需求，因此，从降低能耗的角度出发，解决“如何实现复杂依赖关系型应用低能耗迁移”的问题，在任务迁移目的地已经确定的基础上，对于复杂多依赖关系的移动终端应用场景，针对移动边缘计算特性，建立细粒度有向无环图状任务划分模型，对划分后的每一个子任务及其之间的关系进行分析，构建执行时间限制下的最小化能耗问题，并利用遗传算法求最优解，得出针对每一个子任务的迁移决策结果，即整个移动终端应用的最优化节能迁移方案，实验结果显示，本文所提出的细粒度任务迁移策略充分发挥了移动边缘计算的优势，在满足任务执行时延的前提下，能够有效减少移动终端设备的能耗。　　物联网；5G;移动边缘计算；任务迁移；节约能耗

目录

第一个书签之前