如今,移动服务(应用程序)上运行终端设备变得越来越计算密集型。卸载终端设备与云计算的服务请求可以是一个很好的解决方案,但是它会把网络上的高负担。边缘计算是一个新兴的技术来解决这一问题,哪些地方的服务器在网络的边缘。将服务请求的动态调度移动边缘计算系统是一个关键问题。它面临着挑战由于服务请求模式的动态性和不确定性。在本文中,我们提出一个动态的服务请求调度算法(域),这使得请求调度决策优化调度成本,同时提供性能保证。域的算法可以在网上和分布式的方式来实现。我们现在的数学分析表明,安全域算法可以实现任意调度成本和性能之间的权衡。实验也进行了安全域算法的有效性。
一个b年代tr一个ct>信息技术的快速发展和增加促进终端设备(
米EC研究的关键问题之一是如何安排服务请求(
gydF4y2Ba一些现有的研究研究了MEC系统服务请求调度问题。文献[
gydF4y2Ba在本文中,我们介绍一个动态在线服务请求调度机制,不需要先验信息的统计信息请求到达。具体来说,请求调度在多个MEC系统制定作为一个优化问题,和我们的目标是最小化请求调度成本,同时提供性能保证。基于李雅普诺夫优化技术,我们提出一个动态服务请求调度算法(域)。域使用一个参数<我nl我ne- - - - - -for米ula>
gydF4y2Ba本文的其余部分组织如下。节
考虑<我nl我ne- - - - - -for米ula>
在每个时间段<我nl我ne- - - - - -for米ula>
请求调度方法在我们的文章将利用不同MEC系统的多样性提供服务以减少调度成本,同时提供性能保证。
年代ec>让<我nl我ne- - - - - -for米ula>
而不是研究瞬时调度成本,我们专注于长期平均成本。跨时段的时间平均调度成本<我nl我ne- - - - - -for米ula>
排队延迟是最重要的性能指标之一。根据<我t一个l我c>
小定律我t一个l我c>成比例,排队延迟是在队列中等待的请求数量。因此,我们设法减少队列长度和保持低拥堵状态。让<我nl我ne- - - - - -for米ula>
减少排队延迟和保持系统的稳定性,我们寻求的平均队列长度。让对面的时间平均队列长度<我nl我ne- - - - - -for米ula>
结合调度成本和性能,本文中的请求调度问题是制定
gydF4y2Ba解决问题(
在本节中,基于李雅普诺夫优化框架(
lyanuov优化技术的基础上,我们定义<我nl我ne- - - - - -for米ula>
一个小的值<我nl我ne- - - - - -for米ula>
通过减少的价值<我nl我ne- - - - - -for米ula>
的参数<我nl我ne- - - - - -for米ula>
在每个时间段<我nl我ne- - - - - -for米ula>
双方的平方(
然后,我们定义<我nl我ne- - - - - -for米ula>
预期的条件<我nl我ne- - - - - -for米ula>
因为它认为,<我nl我ne- - - - - -for米ula>
通过添加<我nl我ne- - - - - -for米ula>
用(
李雅普诺夫优化技术的设计原则,我们设计一个高效的动态服务请求调度(域)算法来最小化的上界<我t一个l我c>
漂流+成本我t一个l我c>在每个时间段<我nl我ne- - - - - -for米ula>
gydF4y2Ba在每个时间段<我nl我ne- - - - - -for米ula>
请求调度决策<我nl我ne- - - - - -for米ula>
问题(
<我t一个l我c>
的话。我t一个l我c>调度之间存在权衡成本和队列长度MEC的系统。安排所有的服务请求MEC系统低成本可以降低总体调度成本;然而,MEC的队列长度系统可以非常大。安全域算法结合调度成本和队列长度,和<我nl我ne- - - - - -for米ula>
gydF4y2Ba在调度决策<我nl我ne- - - - - -for米ula>
1:在每个时间段的开始<我nl我ne- - - - - -for米ula>
2:
3:<年代tyled-content style="margin-left:10pt">设置辅助变量<我nl我ne- - - - - -for米ula>
4:<年代tyled-content style="margin-left:10pt">集<我nl我ne- - - - - -for米ula>
5:<年代tyled-content style="margin-left:10pt">
6:<年代tyled-content style="margin-left:15pt">计算惩罚因子<我nl我ne- - - - - -for米ula>
7:<年代tyled-content style="margin-left:18pt">
8:<年代tyled-content style="margin-left:23pt">
9:<年代tyled-content style="margin-left:18pt">
10:<年代tyled-content style="margin-left:10pt">
11:<年代tyled-content style="margin-left:10pt">
12:<年代tyled-content style="margin-left:18pt">
13:<年代tyled-content style="margin-left:23pt">集<我nl我ne- - - - - -for米ula>
14:<年代tyled-content style="margin-left:18pt">
15:<年代tyled-content style="margin-left:23pt">集<我nl我ne- - - - - -for米ula>
16:<年代tyled-content style="margin-left:18pt">
17:<年代tyled-content style="margin-left:10pt">
18:
在本节中,我们目前的数学分析的边界时间平均队列长度和调度成本的动态安全域的算法。它可以证明,我们的算法可以实现任意调度成本接近最优值,同时保持MEC的稳定系统。让<我nl我ne- - - - - -for米ula>
我们现在在引理
对于任何服务请求到达率<我nl我ne- - - - - -for米ula>
引理
因为它是假定存在上限<我nl我ne- - - - - -for米ula>
假设存在<我nl我ne- - - - - -for米ula>
此外,时间平均系统调度成本可以通过(有界
因为它认为,<我nl我ne- - - - - -for米ula>
作为我们的安全域算法可以达到最小值的相对湿度年代(
用(
移动<我nl我ne- - - - - -for米ula>
一般,我们假设队列长度是空的时候<我nl我ne- - - - - -for米ula>
两边的
gydF4y2Ba通过总结双方的
两边的
在林(
gydF4y2Ba然后,我们分析域的算法的时间复杂度。根据算法
在本节中,我们进行实验来评估安全域的算法。首先,我们分析参数的影响。然后,我们现在比较实验表明了我们的安全域算法的有效性。
gydF4y2Ba在实验中,我们认为4 MEC系统,每个都有一个边缘服务器将请求提供服务。有两种类型的异构服务。为每个服务<我nl我ne- - - - - -for米ula>
数据
我们分析服务请求到达率的影响在调度成本和队列长度。在实验中,为每个应用程序<我nl我ne- - - - - -for米ula>
调度成本与不同的到达率。
队列长度与不同的到达率。
分析单位调度成本的影响在MEC系统,我们规模单位调度成本上升或下降<我nl我ne- - - - - -for米ula>
调度与不同的单位调度成本成本。
队列长度单位调度成本不同。
我们进行对比实验和比较安全域算法和随机算法评估安全域算法的有效性。随机算法每个MEC系统随机安排所有的服务请求。这两个算法的调度成本和队列长度数据所示
调度成本在不同的算法。
队列长度在不同的算法。
我们可以看到从图
在本文中,我们研究动态请求调度MEC系统。我们制定作为一个优化问题,和我们的目标是优化调度成本,同时提供性能保证。我们建议安全域算法解决优化问题,将它转换为一系列的子问题和解决每一个有效地在一个分布式的方式。给出了数学分析,证明了安全域算法可以达到最优调度成本而边界队列长度。参数分析实验和对比实验都进行了验证域算法的有效性。
年代ec>大部分的仿真实验数据用于支持本文的研究包括在本文中。更多关于数据可用的附加信息从相应的作者。
年代ec>作者宣称没有利益冲突。
年代ec>这项工作是由中国国家自然科学基金(没有。61370065也没有。61502040),重点研究和培养项目在北京信息科技大学(没有。5211823411),北京市优秀教师促进项目(没有。PXM2017 014224 000028),教师的补充和支持项目在北京信息科技大学(没有。5111823401)。
一个ck>