文摘
移动计算边缘(MEC)使用多个手机计算一些复杂的任务,无法计算单个设备上。利用丰富的手机资源,做一个移动云从他们将是有用的。本研究旨在提出和实现小说框架提出的挑战在资源受限的设备上应用程序的执行。目的是为了克服MEC的浪费资源和提供时间效率之间发送和接收的数据包卸载,卸载设备。MEC的主要任务是将任务首先选择资源分配任务,然后选择资源。多元线性回归算法用于兼容设备的选择。粒子群优化技术作为基准技术来设计一个算法用于优化资源配置。多个移动设备作为一个主要组件进行边缘云。处理任务的研究发现,响应时间减少,无效的资源成为有益的,对移动设备的需求,增加和使用移动资源的替代移动边缘云服务器。丰富的云资源使用两个或两个以上的优势,也就是说,interedge资源使用是本研究的原创性,而另一些则只使用intraedge资源。
1。介绍
最近增加的需求移动设备和使用云作为虚拟存储要求领域发展,为移动边缘计算(MEC)。研究在MEC是由负载平衡和卸载。减少资源的需求MEC架构,使用传统的云模式。大多数mec不考虑优化和成本因素。MEC还提供网络使用更少的内存资源,时间和能源消耗。
MEC提供了机会来减少网络延迟而卸载任务。MEC允许资源网络中卸载任务轻松和安全。MEC试图减少电力和能源的消耗。它从网络中删除所有的延迟。MEC设计网络中的节点将任务删除所有网络的延迟。MEC允许节点获取信息的其他节点卸载数据在网络所以不会有碰撞。它允许网络节点使用的所有资源。线性规划是最常见的方法来优化一个目标函数,例如,减少资源消耗,减少总执行时间,降低延迟,或增加经验的质量。
最近的一个方法解决卸载问题是通过深度学习13]。表1显示了不同的调查的概述。调查的局限性也提到在桌子上。
一个差距14]研究是它没有考虑卸载的大规模网络,而网络中卸载任务的质量不被认为是在15]。安全是不被认为是在16),在任务执行困难的用户(17,18]。现代化设施使用不深思熟虑的19]。缺点在20.)是它没有考虑如果任何病毒破坏了这些数据,然后接下来将被发送。的负21)是它没有考虑多个攻击的解决方案。(不良的事情22),它不考虑为用户输入任务的解决方案很容易。的策略23),它不考虑网络中卸载任务轻松和更安全。的邪恶的东西24)是它没有考虑更多的指令使系统更加安全。这项研究的缺点是它没有考虑加密技术使网络更加安全(25]。
表2提出了批判性分析。
论文的其余部分安排如下。部分2包含一个文献综述。部分3州问题陈述,而部分4阐述了解决方案。部分6总结了纸和一个合适的未来方向。
2。文献综述
的作者(26)发现薄云卸载任务很容易利用的技术队伍,CBL, FATO。移动设备要求的传播信息,确保信息在网络不会有碰撞。
MCC提供设备通过网络存储大型数据,同时也保证了在网络上发送大量的数据。移动边缘计算提高了节点的速度通过移除节点从网络和电脑缓慢增加你的邻居。本文发现,单个节点的网络很忙,它增加。队伍,CBL FATO用于在薄云划分任务。的限制是减少能源消耗在成本技术并不发达。它还提供了网络中的节点的好效率。网络中的节点会卸载任务具有良好的质量。SDN提供了MEC的设施将任务划分为节点。网络中的节点将卸载任务顺序。所以不会有数据丢失的网络。 MEC also provides the service of offloading tasks in the wireless network [51]。
王等人提出了一种新的计算和存储卸载基于雾计算架构,发现可口从智能手机到雾服务器分流的任务(27]。结果是推断的颁布,云升级,上传数据变得快。在这个研究中,没有技术用于上传大量的数据。由于要更多的资源必须添加的网络。
在[28),当地的计算(移动设备)结合计算系统,发现系统功能损失(SYLF)最小化问题。马尔可夫决策过程(MDP)设计了一个国家损失函数(STLF)测量质量的经验。没有考虑,多工位multiverge云州。缓慢的节点必须删除,因为多用户增加成本。移动性管理的原因是断开连接的设备和边缘之间的联系网络。它管理水平和垂直流动性。异质性处理无线网络接口,例如,wi - fi。低延迟、高带宽的主要挑战。降低价格增加邻居将任务早期是面临的主要挑战。MEC提供卸载任务的服务网络中通过使用互联网。 MEC allows users to download anything from the Internet keeping the security in the mobile devices. MEC provides the service of using passwords on mobile devices. It provides the facility of storing data on the Internet so that when the user accesses the Internet, he will easily access the information without any delay. MEC provides biometric security so that when the user enters his data in biometrics, his data will remain safe and will not leak to anyone. MEC makes it possible that when the person will enter his fingerprint, all his data will come out. This data will not be accessible to anyone because MEC provides security. MEC provides security to the nodes when the nodes will offload data in the network. The data will be safe and will not be disclosed to anyone. MEC provides security to the nodes by using passwords and keys that will not be shared with anyone.
在[29日),作者利用混合整数规划和EcoMD找到np难问题。EcoMD提供改进的性能方面的资源。但是资源必须是稳定的,因为增加的节点将会增加成本。然而,也有一些其他的解决方案,不符合我们的研究(52- - - - - -55]。
的作者(30.)利用椭圆曲线密码体制和MSA协议对MCC环境找到pairing-free多服务器认证协议,取得了安全的相互认证,匿名性和可伸缩性,但没有提出的安全机制。
在[31日),作者使用了比较技术(与基准提出MUMACO)找到卸载所有应用程序的薄云,但薄云的一小部分是空闲的。时间消耗、能源消耗和负载平衡优化,但不能进行多目标优化,并且必须使用更少的成本和能源消耗资源。
在[32),作者提出了卸载算法(混合智能优化算法),发现优化任务延迟和资源消耗。该算法有效地提高了卸载工具相比基线算法,但出售在一个不确定的网络不可用56]。
在[14),作者介绍了云模型算子处理网络中数据包的执行通过使用这种策略;计算资源的性能得到改善。同时,他们提高计算资源的利用率,确保QoS和因此edge-cloud计算至关重要的商业模式57]。
在[33),介绍了FL技术为网络中的节点之间的通信。节点只会发送消息从一个节点到另一个当他们接收到一条消息,网络是免费的。通过使用FL技术,网络安全合作的消息。因此,数据包将不会丢失。隐私是不考虑和改进使网络安全。
在[34),GPS技术用于测量频率和甚至从卫星发送信号。从卫星GPS技术用于发送信号给用户。这样,用户可以很容易地从地球卫星发送消息,反之亦然。卸载任务增加,如果用户发送一条消息到卫星。不会中断其他网络的节点只发送一个数据包。没有技术是用来制造一个信号强大如果信号很弱,数据包将丢失。MEC的加密和解密任务在网络。网络中节点将加密数据。MEC使这个任务成为可能,无论用户发送的加密,该网络将解密相同的数据在网络上没有任何延迟。MEC也使得货币事务可能和安全使用键,如ATM键和别针。 The PIN is only known by the user who uses the ATM. Thus, the data and the money will be safe. MEC provides security to the criminal record. If the person does any crime, then the record will be written in the file. This file will not leak to anyone and will be updated from time to time. It is possible due to MEC. MEC provides the security and privacy for storing data in the network that when the user wants to access the data, MEC makes the task present in the network. This removes the delay from the network to access the network.
在[35旧金山),作者使用了美国技术维护信号从很长一段距离。由于长途,网络变得慢导致数据包延迟高、能源和电力消耗。DECCO维护长途包。因此能源、时间、力量和质量消费。云服务器是远离移动设备创建信号问题,因此,资源变得虚弱。
作者在36edge-centric物联网使用,负责在网络安全卸载数据。其安全网络中卸载任务是非常重要的。如果没有安全的网络,那么将会发生延迟,数据也可以被劫持。如果数据被劫持并被病毒,那么没有技术解决方案被认为是。如果没有网络安全和隐私,那么数据将创建延迟和被劫持。网络必须受密码保护,密码必须是安全的。密码是不共享的任何人(58,59]。
在[37),作者使用GMaxEOQU和GMinEOIP网络,并被用于最小化错误的网络质量。如果有更少的节点出现在网络,然后在网络会有延迟。卸载时间不被认为是由多个节点。如果有更少的节点中使用网络,那么会发生延迟(60,61年]。
作者在38]Skippy技术使用。服务器中使用更少的网络提供所有资源将任务在网络,和日本女人帮助serverless这样做。大量的数据能够被发送到网络使用serverless。如果任何未经授权的网络攻击数据,那么大量的网络中数据将丢失。数据必须使用密码保护,和一些钥匙所以大量数据将是安全的。
在[39),作者使用的技术。帮助无处不在计算提供所有资源节点将他们的任务。如果任何未经授权的用户黑客数据,那么它将给用户错误的信息和数据。
在[40),作者使用负载平衡(虚拟机)Apache JMeter(工具)。大多数的MCC不考虑成本因素。多个用户,一个虚拟机架构是最合适的。执行任务的时间增加了23倍,资源利用率减少三分之二。执行时间为预计更多的架构(51]。
在[41),作者讨论了今天,互联网太常见,在使用网络安全还需要将任务从互联网,从互联网上下载任何东西,等等。同时,互联网上的信息必须是安全的,这样用户可以在任何时间访问和访问它。
AES是一块对称密码的一部分。AES提供了MEC的设施将消息在网络中通过使用节点。AES还提供了工具来加密和解密数据网络中的网络中没有创建任何延迟。AES有能力使用不同的键,如128年,192年,256位。每一位都有不同的功能(42]。AES在各个领域是必需的安全是必要的。AES提供了加密和解密的数据从一个领域到另一场轻松和及时在网络62年]。
在文献[44),云计算提供了安全网络中用户卸载任务。AES加密和解密的设施提供云计算网络。AES的设施提供安全的网络交换信息没有任何延迟43]。今天互联网太常见,在使用互联网,从网络安全还需要将任务,从互联网上下载任何东西,等等。同时,互联网上的信息必须是安全的,这样用户可以访问它在任何时间和及时访问它41]。AES将任务划分为两个部分,即,一个是offloadable un-offloadable项目,另一个是所以offloadable任务可以卸载容易在网络没有任何延迟。AES提供了一些安全和任务分为un-offloadable任务的任务可以很容易地将及时在网络(45]。AES提供安全网络中的用户卸载任务没有任何干扰从网络中的病毒或延迟。AES帮助用户为用户提供防病毒病毒不会攻击和破坏用户数据和及时卸载在网络46]。边缘计算成为顶级流行,因为它消除了从网络延迟而卸载数据使用互联网。同时,它使所有的互联网应用安全卸载数据。卸载数据使用互联网时,可能发生激烈的事件是由攻击者的攻击。恶意攻击者的碰撞中呈现的信息网络。的碰撞信息使信息丢失;因此,数据丢失和破坏,因为恶意攻击。这些攻击发生由于恢复密钥的AES (63年]。所有内部检测到冲突AES,但线性碰撞不是被AES。天地盒给输出,谈到内部发生的碰撞(23]。
上面讨论的问题与建议和技术是在卸载过程中数据从互联网上,可以有恶意的攻击者可以干预的沟通和执行不同类型的攻击。应对这些问题,我们设计一种机制,通过MEC可以帮助减轻这样的攻击。同时,响应时间、资源利用率和公平的使用移动设备正在增加。
3所示。我们的贡献
设计和实现一种新型的任务布置框架下面。(1)减少响应时间的处理任务,(2)大麻资源变得有用,(3)移动设备的需求将会增加(4)使用移动云服务器的资源作为替换。
4所示。问题陈述
当MEC请求购买计算机资源在执行一项任务,它面临着在请求和响应延迟和MEC这延迟增加时间。同样,许多手机用户资源被浪费的尽管4到8 GB内存和128 GB +存储。
在本节中,我们简要说明这三个主要问题突出问题可能发生的场景和缺点,由于这些问题。
4.1。问题:利用移动资源闲置
MEC提供低延迟率的设备,成本低,效率高的卸载任务网络。移动资源可以用来使当地的边缘云在一个高效的方式工作。
4.2。问题二:任务执行延迟
当MEC请求购买计算机资源在执行一项任务,它面临着延迟请求和响应与MEC和计算机资源。本文主要是解决一个问题,每一个场景,在该场景中,用户想要处理大量的数据,用户的移动设备与他们或他们的朋友,所以用户可以让本地云没有远程服务器。
形成了以下研究问题从上面的问题:(1)问题1:如何减少响应时间的处理,使优势而不是等待一个设备?(2)问题2:如何节省资源的浪费在移动,和他们将如何使用及时有效的方式吗?
5。建议的解决方案
粒子群优化技术使用和修改根据MEC要求获得效率通过寻找最优节点,它将用于MEC。为了找到最好的节点,我们将检查它的纪录连接时间延迟和其距离主设备。我们将提供一个列表的节点群算法,并将比较第一节点与其他节点,并将节点减少连接时间和距离主设备。在第一个指数,比较将继续直到我们按升序序列列表中最好的节点先列表中的位置。所以我们将有最好的设备和任务执行的最佳移动边缘。克服时间延迟的问题,最好是MEC服务器应该保持与MEC客户的延迟连接时不会出现一个任务显示为MEC已经连接,所以它将开始执行任务而无需连接延迟。为了克服资源浪费的问题,解决方案是使用移动资源是否可用,可以使用了。MEC使用多个手机计算多个复杂的任务,这是几乎不可能计算单个设备上。
本研究旨在提出和实现小说框架提出的挑战在资源受限的设备上应用程序的执行。两个主要的任务,建议的解决方案是执行任务分配和任务执行。下面给出这些任务的故障。
5.1。任务分配
(1)保护的资源发现的移动设备连接到边缘服务器(2)保护的资源分配算法用于检查设备能力(设备是否能够执行任务);优化方法将被使用(3)保护的资源分配算法用于使一个有效的卸载通信将确保卸载资源通信是安全的(4)从一个移动设备传输数据到边缘节点
5.2。任务执行
(1)调度任务的边缘节点的卸载装置(2)卸载任务的卸载装置(发送任务)(3)将结果返回给源移动设备(4)边缘服务器收集结果和执行集成
5.3。流程图
图1显示方案的流程图。
5.4。算法
I和II算法1和2表示问题,而对于优化,我们提出算法3。
|
5.5。实现步骤
执行以下步骤而实施建议的解决方案:(1)我们将出售和offloadies设备之间的连接使用附近的API和分发的任务形式字节。有一些策略,如P2P、P2Cluster和他人之间创建一个连接设备。我们将使用连接P2Star因为它适合我们的场景。P2Star将卸载任务的本地云比其他更快的连接策略。算法中使用这个连接进行卸载任务的处理好。(2)选择策略后,卸载设备将开始发现offloadies,和offloadies将开始广告发现,和可以建立连接的设备。(3)现在offloadies发现,将会结合offloadies,接受他们的连接offloadies作为一个奴隶的主设备和计算任务提供的卸载设备并返回结果。(4)offloadies之间建立连接后,这些设备将其规范信息和可用的资源信息,这样将可以决定哪些设备既能服务于主设备和offloadies不是能力。(5)在发现设备的能力的基础上,内存,CPU,电池,和可用内存,将会过滤设备而忽略其余的设备(56]。(6)现在,卸载将任务分割成许多可用的设备和发送任务可用的设备为了处理。在我们的例子中,这个任务是图像处理;然而,它也取决于用户的应用需求(64年- - - - - -66年]。(7)offloadies将处理图像处理任务的结束使用OpenCV库使用自己的权力和处理能力。(8)处理后,每个offloadies将结果发送回卸载装置,和结果的出售将使用自己的使用。
|
|
5.6。芬兰湾的科特林语言中主要功能的代码
(我)乐趣在ConnectionResult (endpointId:字符串?(2)结果:ConnectionResolution) {(3)时的结果。getStatus ()。getStatusCode ()) {ConnectionsStatusCodes。STATUS_OK - > {(iv)var设备:SlaveDevices = ArrayList < SlaveDevices > var nearestDevices = ArrayList < SlaveDevices >(v)var compatibleResources = ArrayList < SlaveDevices >设备。forEach () {(vi)如果设备[我].distance <设备。我+ 1]。d我stance&&device [i].communicationdelay < de vice.[我+ 1].communicationdelay) {(七)nearestDevices。add (device)}} nearestDevices.forEach {(八)如果(nearestDevices[我]。ram > 3 & & nearestDevices[我].cpu > 24) {compatibleResources。添加(nearestDevices)}}(第九)var noofimages = 0;noofimages = imageList.size / compatibleResources。compatibleResources大小。forEach {(x)var = imageList列表。分表(noofimages) imageList。removeAll(列表)SendTask(列表)}}(十一)ConnectionsStatusCodes。STATUS_CONNECTION_REJECTED - > {} ConnectionsStatusCodes。STATUS_ERROR - > {}(十二)其他- > {}}}。
6。仿真和结果
本节彻底描述方程,模拟和研究结果。
6.1。方程
以下广义方程形成: 在哪里Rs t预留资源的服务器在哪里tth时间地点,钢筋混凝土t保留客户的资源吗tth时间位置,加州大学,t是客户的未使用的资源tth时间位置。 在哪里Rs t预留资源的服务器在哪里tth时间地点,钢筋混凝土t保留客户的资源吗tth时间位置,与t。unused-wholesaled资源的客户吗tth时间位置。 在哪里Rs t预留资源的服务器在哪里kth时间地点,Rc、t保留客户的资源吗kth时间位置,U Bunused-buyback资源的客户吗k时间地点
方程(1)- (3)显示了广义工作建议的解决方案通过观察结果总资源利用发生在这个模式中,的以下方程显示总时间消耗在执行一个任务: 所有任务=总消费时间在哪里TT、通信延迟= CD,任务列表=Ts和设备的数量= DL。
6.2。结果没有优化
表3中可以看出,没有优化任务的时间消耗是4秒。这是由于缺少一个粒子群算法。同时,较高的CPU百分比高内存使用。表3代表没有优化的结果。
6.3。优化后的结果提出解决方案()
以前,时间消耗4秒了一个任务,现在优化后,1秒减少因为我们选择设备,这是最近的运用粒子群算法。同样,对于三个设备,时间是2.5之前,现在,它是1.5秒。内存使用量也降低了。在CPU消耗之前1设备为7%,优化后,它是2%,和3设备,它是3.5%,优化之后,它是2.5%。表4提出建议的解决方案优化后的结果。
6.4。仿真结果
在数据2- - - - - -4,仿真结果清楚地显示,结果没有优化提高了应用粒子群优化技术。此外,增加更多的设备显著改善结果。
7所示。结论和未来的工作
因此,本文得出,选择优化的资源,然后他们分配在移动边缘计算时间减少,能源,和记忆在执行任务。如果在单一设备上执行这些任务可以增加这些资源以线性顺序。复杂和繁琐的任务可以很容易地通过移动边缘,执行和资源可以利用在一个更好的方法。边缘可以减少消费延迟(CD)通过添加N设备的数量,从而提高资源的利用率,确保服务质量。移动优势资源共享其他边缘批发(发送参考资料)和回购(接收参考资料)计划。在未来,批发和回购从边缘服务器资源将用于利润最大化。实验研究技术将被用于两个mec之间优化资源配置,将为优化设计和算法内存、CPU、时间和功耗两mec之间。除此之外,移动边缘计算仍面临着许多挑战,这些是移动性管理、异构性、价格、可伸缩性和安全性。我们还将在这些工作提到了双方在未来。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者声明没有潜在的利益冲突。