文摘

cloud-fog-edge混合动力系统是传统的演变集中的云计算模型。通过不同层次的资源的组合,它能够处理服务请求从终端用户提供低延迟。然而,伴随着更大的不确定性,不可靠,和不稳定的权力下放和区域化服务处理,以及资源配置的不合理和不公平、任务调度和协调,造成节点分配的自主权。因此,本文介绍了区块链技术来构建一个trust-enabled交互框架在cloud-fog-edge环境中,通过双链结构,提高了可靠性和可验证性的任务处理没有大的管理开销。此外,为了充分考虑合理性和负载平衡服务协调和任务调度,伯杰的服务模型和概念介绍了司法执行任务和资源的合理匹配。我们已经开发出一种基于信任的cloud-fog-edge服务基于iFogsim仿真系统,并通过大量的实验,验证了该模型的性能在时间方面,调度成功率,延迟和用户满意度与一些经典的调度模型。

1。介绍

传统的集中式的云服务模式下,所有任务的处理中心,面临着巨大的挑战在实际应用程序中,包括延迟高、网络依赖、单点故障,故障规模效应和不能适应即时事务场景。因此,研究人员提出了分配一些时间敏感的想法和资源缺乏需求处理服务在网络的边缘,这是雾或边缘计算的原型。

基于这个想法,本文设计一种cloud-fog-edge混合计算架构,雾层实际上是一个管理的优势和云之间的中间件,帮助调度器决定部署和实施服务,从而更好的实现资源平衡和低服务延迟(1]。

cloud-fog-edge计算模型提供了一个优越的框架的分布式协调资源和任务的及时处理。然而,由于不同程度的异质性和资源不对称,可能跨层任务卸载,边缘节点的动态和流动性,三层混合架构已经面临更严重的危机而言,服务信誉和合理的资源分配和调度2- - - - - -5]。另一方面,混合服务提供环境,其中包含边缘或物联网层,更加丰富,随机,比传统的云计算和多样化的应用场景需要更多的任务调度策略自适应和鲁棒性。

目前,研究者已经提出了很多有价值的解决方案有效的任务调度的分布式系统(见[6- - - - - -11])。然而,现有的策略不能实现完全的功能在cloud-fog-edge环境中由于以下原因:(1)集中式信任管理模型不能处理身份验证和行为管理异构和分散的架构下,(2)现有的分布式或分散的信任模型不能提供足够的信任有足够证据可信度说服实体在同一个域或跨领域,和(3)很难保证相对公平和全球资源分配调度的合理性。

针对这些问题,本文提出一种互信cloud-fog-edge环境公平调度模型。它首先部署区块链技术建立一个分散的信任框架来解决问题的服务信誉。然后,介绍了伯杰的财富分配理论提出服务公平的概念和评价方法。考虑到移动应用程序场景中,我们将安排分为两个层次。第一级用户调度,处理移动终端和接入的匹配点,第二个是任务调度,实现匹配当地的任务和资源池。任务调度cloud-fog-edge环境中被视为一个多目标优化问题,并综合考虑终端移动性,QoS服务需求和工作负载。

本文的主要贡献是(1)提出了一个新颖的基于区块链技术的分布式分散的信任管理模型;(2)介绍了伯杰的公平理论设计一个个性化cloud-fog-edge环境公平的任务调度模型;(3)设计一个新的任务调度算法,综合考虑用户移动性、负载平衡、和信任。

剩下的纸是组织如下。第二节简要介绍了相关的工作。第三节介绍了系统架构的设计细节double-blockchain基于结构的服务事务框架。互信位置感知公平调度算法第四节。和绩效评估提出了部分5。最后一节总结了纸。

2。相关工作

2.1。任务调度模型

任务调度是指统一的资源分配的过程中所有的资源和用户基于某种资源的使用规则和用户需求在一个特定的服务提供环境。任务调度是云计算的核心。现有的任务调度模型一般可以分为三个类别:performance-centric,以用户为中心,和混合。

performance-centric模型的目的是为了提高系统的性能,如系统吞吐量、时间和能源消耗。经典的任务算法像敏敏,不等式,贪婪算法,遗传算法群体智慧,都属于这个组。针对解决能源效率(EE)问题在雾中计算、y杨等人提出了一个协同任务卸载算法满足(12,13]。在[14),他们开发了一种延迟和能耗均衡调度算法称为债务。h .太阳等人设计了一个合同,基于集群的资源分配模型fog-cloud混合平台(15]。n Auluck等人提出了一个安全意识到雾计算任务调度模型,通过用户和供应商的分类,实现更好的系统性能(16]。

改善服务的QoS和加强用户服务体验的主要任务以用户为中心的模型(17- - - - - -24]。为了最小化服务延迟,z刘等人提出一种名为DATS[分散稳定的任务调度模型25]。m·穆克吉等人介绍了雾deadline-aware任务调度算法计算他们的最后期限前完成尽可能多的任务(26]。g .张等人提出了一个任务卸载雾算法计算系统以减少服务延迟27]。g .张等人提出了一个雾任务卸载算法命名点减少延迟的帮助下自愿节点(VNs) [28]。h . Apat等人提出了一个三层雾基于优先级的任务调度模型以满足不同期限要求的任务(29日]。

近年来,研究者已经提出了很多混合调度模型考虑多因素,能源消耗和延迟他们的焦点。例如,c .唐等人使用遗传算法设计一个混合任务调度算法对移动云计算等多因素考虑能源消耗任务要求的最后期限和成本(30.]。j .许等人提出了一个任务调度模型松弛和蚁群算法相结合,以满足能源消费和延迟(31日]。为了提高考和执行成本,m .杨等人提出了一种进化heuristic-based雾环境多目标任务调度模型32]。缓存是一种有效的方法来减少任务的执行延迟计算边缘,从而提出了一些新颖的缓存策略研究[33- - - - - -35]。

然而,指标只是考最新调度模型,认为服务QoS、负载平衡、或经济原则和公平的安排通常是忽略。

2.2。分布式信任管理系统

信任是一种有效的机制在处理分布式开放网络环境中的声誉和可靠性问题。大量的突出导致信任和trust-enabled交互实现(36,37]。

w .田等人做了一个调查在信任评估方法在传感器云系统38]。j .王等人提出了一个建议信任评价方法基于云模型和属性加权聚类(39]。张平等人介绍了一个基于域的信任管理模型的公共云(40]。trust-base服务管理、y李提出一个在线学习辅助服务卸载移动边缘计算模型(41]。h·杨等人设计了一个上下文感知信任预测模型车辆边缘计算(42]。美国剑等人提出了一个基于信任的多目标任务分配模型,云服务的事务(43]。c .胡锦涛等人设计了一个电子商务推荐算法结合信任和不信任的因素(44]。x孟等人提出了一个双重服务选择方法,匹配可信度和行为模式45]。z马等人介绍了trust-enabled边缘数据管理模型基于区块链技术(46]。l .崔等人提出了一个边缘服务配置方法结合分散的信任(47]。我们还在这个领域做了一些有趣的工作,比如信任服务架构开放云环境(48基于模糊聚类[的],信任决定策略49),和信任和偏好上优于服务匹配和组合模型(50,51]。

然而,现有的解决方案不能实现完全的功能在移动雾计算系统由于下列限制:(1)集中式信任框架不能准确地结合cloud-fog-edge混合动力系统的特点是节点动态分布式自治和拓扑松散耦合的,(2)中心节点的信任危机,这很容易导致单点故障,(3)巨大的信任管理开销可以防止它被用于即时交易场景,和(4)信任证据缺乏透明度。因此,分散的信任管理模型和trust-enabled cloud-fog-edge混合环境事务机制需要进一步探索。

3所示。系统概述

3.1。互信Cloud-Fog-Edge混合框架

在cloud-fog-edge混合框架中,雾云计算架构师之间的管理中间件服务器和边缘设备协调资源分配,从而提高系统性能和满足不同设备和用户的定制需求。图1显示了该模型的混合调度框架。区块链技术介绍了构建一个分散的信任模型在物联网设备层,从而提高整个cloud-fog-edge混合架构的交互式的可信度。

该框架由三层组成:(1)互信/物联网层边缘,(2)雾层,云层(3)。互信边缘/物联网层实现了对等互联通过无处不在的传感器和通信协议在传统物联网基础架构层和构造区块链的分布和分散的信任管理架构。介绍了雾层来决定资源的分配和管理和处理复杂事务如跨团队/云间的任务。雾层由大量雾服务器部署在网络边缘。雾服务器更接近用户或终端比集中的云服务器和更有能力比终端。因此,他们可以确保更低的延迟和满足跨团队、跨域交互的需求。信任管理成为一个边缘的责任/雾服务器的一部分。云层位于顶部的框架。它主要用来处理一些高层和高度复杂的任务,如数据挖掘、行为或偏好分析,实施高要求计算和存储容量和响应时间上相对宽松的要求。

3.2。服务事务模型基于Double-Blockchain结构

一般来说,一个完整的信任验证包含两部分:身份认证和行为评估。和第一部分是容易获得或评估,因为一个节点的身份信息是相对静态稳定甚至在P2P网络拓扑结构。相比之下,交易行为是动态的,需要大量的计算能力来记录和评估。因此,为了提高信任的诚信和效率管理在实时交易环境中,云服务事务模型提出了基于double-blockchain结构,如图2。

double-blockchain结构包含两个blockchains,包括区块链信任验证区块链和交易行为。

定义1。信任验证区块链(选项卡)。标签是一个区块链结构,商店的信任数据cloud-fog-edge混合事务系统和协助信托事务的决策。标签采用联盟链结构,块存储信任数据节点的交易系统。
选项卡负责管理信托数据云服务市场和为其他节点提供信任评价结果。每一块在选项卡包含两部分:身份信任和行为信任数据。当一个节点最初加入,只有身份所写的一部分;然而,随着时间的推移,交易进展,不断写一部分的行为。身份验证是完成一小部分监事、谁能正常矿工或一些特殊节点当选由市场权威。矿工负责存储和验证信任数据,确保数据的一致性通过一些专门设计共识机制。当节点应用进入交易网络,他们必须支付费用运行智能合同初始身份认证。此外,当他们想要获取其他节点的信任数据,他们也必须缴纳一笔费用。资金提供了矿工们的激励费用。图3显示了一个信托的基本内容的选项卡。

定义2。交易行为区块链(TBB)。TBB区块链结构,存储cloud-fog-edge交易系统的交易数据。一块在TBB包含交易数据和评价数据,这将协助生成行为信任数据。
TBB负责生成和存储交易数据。TBB的矿工有两个任务,一个是生成新的事务块根据最新的交易结果,另一个是评估行为的信任,产生信任块,然后将其转发选项卡。相应的信任块将被证实的矿工和存储选项卡。图4显示了一个交易的基本内容在TBB块。TBB的块结构非常相似的选项卡,和唯一的区别是存储内容。
选项卡和TBB共同保证的可信度cloud-fog-edge交互。当一个实体首次注册,其身份信任将写入选项卡。随着事务的发展,实体之间的交易记录将被写入TBB一个接一个,然后将通过评估行为信任TBB和被转发到选项卡。当标签逐渐掌握足够的信任数据的实体交易链中,它可以帮助实体信任决策更准确、提高可靠性和成功率的交互。此外,与double-blockchain结构的好处,实现一个高效的并行计算。因为信任值是所提供的选项卡,在大规模计算或评估TBB一侧,这有效地减少了延迟造成的信任管理和使区块链的应用在实时和高可靠性的场景。

4所示。互信位置感知公平调度模型在Cloud-Fog-Edge计算系统

4.1。服务司法

分配正义的理论(伯杰的理论)提出的伯杰et al .,是社会财富的分配的理论。伯格等人认为,正义是一种主观的行为,其中的结论是来自比较类似的对象。在现实世界中,人们通常是指周围的社会信息,如他人的地位和补偿,来生成自己的预期,这是用来判断他们是否公平对待。此外,这些预期的满意度会影响他们未来的行为。图5伯杰的图模型。

在这里,c或C是属性设置,或者是期望;代表了期望值,而实际上意味着获得价值。分配正义伯格的理论,认为只有当本地自体结构和参考结构显著相关。

雾在cloud-fog-edge混合调度框架,提供给用户的服务协调资源从边缘或云,用户支付服务费用根据资源或时间的使用。因此,服务公平性的用户反映在以下:调度系统能够提供服务的用户需求和喜好,确保用户满意度较高和经验。

定义3。服务司法(SJ)。它代表了程度的协议用户实际获得的QoS和预期。如何评估SJ_我以下公式: 在哪里代表了平衡系数,意味着用户的实际服务质量获得向量_我,向量的用户的需求吗_我。
显然,总体服务公平调度系统的平均所有系统用户的SJ,见下面的公式: 整个系统的平衡是通过限制整个系统服务正义,即 。
假设资源的能力向量可以描述的 ,在哪里 代表了CPU、内存和带宽能力的资源/ vm。资源的期望用户描述的资源 ,在哪里 代表预期的CPU、内存和带宽资源的能力。为了消除不同维度的影响能力,它使用归一化公式如下: 正常化后,虚拟机的性能或期望参数映射到[0,1]。然而,不同的用户或任务有不同的服务偏好,例如,一些是CPU计算能力或爱好者和一些带宽追求者。让 描述属性的服务偏好或重量。它使用改进的余弦函数比较期望和获得之间的相似性和距离。让表示服务任务时正义_我将资源_j,可以通过以下公式计算: 因此,任务的SJ集可以得到以下公式: 在这里,表示任务的调度系统的数量。

4.2。以信任为基础的位置感知公平调度模型

4.2.1。准备用户/智能模型

一个用户或一个聪明的是一个智能实体移动服务的要求。让圣={圣₀,圣₁、…圣_k−1}代表一个用户或一套智能的事情。我^th用户圣_我(我∈(0,k−1)可以进一步描述为圣_我={圣我_D,圣_的名字,圣_位置,圣_TaskSet,圣_信任}。每个属性的含义如下:(我)圣_ID代表了一个用户的唯一系统标识/聪明的事情(2)圣_的名字代表用户的名称/聪明的事情(3)圣_位置代表用户/明智的位置(iv)圣_TaskSet代表了用户提交的任务设置/聪明的事情(v)圣_信任代表的信任要求用户/聪明的事情

4.2.2。任务模型

T={t₀,t₁、…t_n−1}代表一组任务,我^th任务“透明国际”(我∈(0,n−1)可以进一步描述为“透明国际”= {t_ID,t_状态,t_rr,t_ORSet,t_{的最后期限}}。每个属性的含义如下:(我)t_ID代表一个任务的身份(2)t_状态代表任务的状态(3)t_RRes代表任务的资源需求,t_rr可以进一步描述为t_RRes= {t_{电脑及相关知识},t_BW,t_大的},t_{电脑及相关知识},t_BW,t_大的代表了计算、网络和存储需求的任务(iv)t_ORSet代表任务的获得资源集(v)t_{的最后期限}代表最新的任务的完成时间

4.2.3。提供者模型

美联社={美联社₀,美联社₁、…美联社_k−1}表示提供者设置。在这篇文章中,服务提供商是指访问点或网关服务器。在cloud-fog-edge混合平台,服务提供者可以是一个云服务器上,雾服务器,甚至是一个边缘服务器。

的我^th提供者美联社_我(我∈(0,k−1)可以进一步描述为api={美联社_ID,美联社_的名字,美联社_ResouceSet,美联社_负载,美联社_位置}。每个属性的含义如下:(我)美联社_ID代表的唯一系统标识提供者(2)美联社_的名字代表供应商的名称(3)美联社_ResourceSet代表了供应商管理的资源集(iv)美联社_负载代表了负载的提供者(v)美联社_位置代表供应商的位置

4.2.4。资源模型

R= {r₀,r₁、…r_米−1}表示资源集。j^th资源rj(j∈(0,米−1)可以进一步描述为rj= {r_ID,r_的名字,r_提供者,r_帽}。每个属性的含义如下:(我)r_ID代表资源的唯一系统标识(2)r_的名字代表资源的名称(3)r_提供者代表了管理资源的提供者(iv)r_帽代表资源的能力,r帽= {r广告样稿,rBW,r的},r_{电脑及相关知识},r_BW,r_大的代表了计算、网络和存储资源的能力。

4.2.5。两级服务调度模型

本文在cloud-fog-edge混合环境中调度分为两个级别,用户调度和任务调度。明智的用户调度实现绑定(移动用户或终端)的可信的最近的接入点,在任务调度实现任务的匹配用户发布的资源/ vm管理的访问点。

用户调度模型被定义为子结构=(圣,美联社,ACS),选择最合适的网关或为用户访问点从提供者列表中:(我)圣意味着聪明的设置,定义4.2.1。(2)美联社代表网关或访问点组中定义的4.2.3。(3)ACS:美联社- >美联社我代表访问点的选择美联社为聪明的事情圣使用一个特定的策略。在cloud-fog-edge环境中,由于用户或终端的位置是不断变化的,雾或边缘服务器也有一个有限的服务能力,之间的距离圣和美联社必须被考虑。此外,一个值得信赖的交易,信誉是另一个重要因素。因此,ACS的主要原则包括距离和信任。

任务调度模型被定义为TSM = (T,R,RCS)匹配最合适的资源任务的一组用户。(我)T意味着任务集,定义4.2.2。(2)R意味着服务提供者管理的资源集,定义4.2.4。(3)RCS:R ->国际扶轮代表资源的选择r为任务t使用一个特定的策略。摘要RCS的主要选择原则是服务司法中定义4.1和工作负载。

图6显示了该模型的一般步骤。(1)用户调度程序搜索适当的访问点为一个特定的用户/明智根据当前位置,使建议根据距离和信任;(2)建议到达时,用户/明智请求的信任服务选项卡并使决定在获得信任的数据。如果同意交易,然后继续步骤(3);否则,它要求调度器的简历推荐并返回步骤(1);(3)访问点(网关)启动任务调度程序为用户选择特定的资源;(4)任务调度程序选择合适的虚拟机来执行任务根据服务司法和负载平衡的原则;(5)用户获得服务,使服务评估。事务数据输入TBB;(6)TBB定期进行信任评价和远期信任块到选项卡。

4.3。用户调度算法

用户调度程序选择最适合用户的访问点或智能的算法所示1。基本原则是距离和信任。

在算法1,报道意味着服务覆盖的美联社,trust_threshold的最低要求信任值是聪明的事情。

用户调度程序选择最近的和可靠的用户访问点。用户调度的一般步骤如下:(1)用户调度程序选择候选子集美联社_候选人从美联社可以覆盖圣_我信任和满足其最低要求,计算(2)之间的距离美联社和圣_我并选择最近的美联社,即美联社_选择从美联社_候选人,(3)连接圣_我与美联社_选择。

4.4。任务调度算法

任务调度算法引用伯杰的模型,以确保整个系统正义。

算法2显示了任务调度程序(运行在一个访问点)选择合适的资源/服务器移动任务触发的用户或聪明的事情。

在算法2,load_safe_range代表了安全负载服务器或资源的限制。任务调度的一般步骤如下:(1)它将load-safe虚拟资源到候选资源集R_候选人(2)计算每个资源的服务公平性r_k在R_候选人根据的需求“透明国际”和的能力r_k,并选择最合适的资源r_选择达到最大SJ,(3)时间表“透明国际”来r_选择和更新的工作负载r_选择。

4.5。Blockchain-Architected轻量级信任算法

信任贯穿整个过程的调度。启动事务请求的节点信任服务从信任区块链选项卡。支付一定的费用后,候选供应商的可信度(访问服务器或应用程序服务器),从而帮助它值得信赖的决策。在每笔交易后,transaction-related数据(事务类型、内容和评价数据)将用于生成事务块和被添加到事务区块链TBB后的共识。此后,TBB发起一个信任评估事务定期和推动新的信任块选项卡。

本文使用一个轻量级的方法来计算一个特定的信任交易节点如以下公式所示: 在哪里节点的信任值吗我,委托人节点的评价重量吗k,代表信任评估价值k来我。

在该模式下,为了部署blockchain-based框架,我们定义一些transaction-related类和trust-related类。transaction-related类用于维护事务数据和保持可追溯和防篡改。trust-related类用于维持信任数据。它们主要离线生成的,可以支持信任决策的实时事务。下面是关键的数据结构的定义。类中定义的“事务”算法3商店交易系统的交易数据,通过信任值可以获得从委托人向受托人。和类中定义的“TrustBlock”算法4用于存储一个特定节点的信任值。每个块在选项卡或TBB的正常内容区块链块(时间戳、散列值和指针指向前一块)和一些特殊功能(mineBlock, calculateHash, addTransaction)。(算法3和4)

5。绩效评估

5.1。实验设计

本文设计了一个任务调度原型基于iFogsim cloud-fog-edge环境中的性能测试(52]。在iFogsim, FogDevice用于表示一个常见的设备雾从终端到服务器。为了反映了流动性和区分不同的设备的功能,添加新实体:MobileDevice, AccessPointDevice MobileSensor, MobileActuator。继承父类FogDevice MobileDevice处理移动任务,使信任决策和服务选择。移动设备随机出现在一个特定的位置和有自己的特定资源的偏好。MobileSensor继承自传感器,作为移动传感器,能够生成和传输任务。虽然MobileActuator继承自致动器来处理任务的执行和输出。AccessPoint也从FogDevice继承,这是一个中介服务资源分配和调度根据移动设备的位置。它可以帮助移动设备选择最具成本效益的服务资源和处理实时任务迁移。实际执行任务的资源池是一家集传统雾设备,和每个雾设备配置与某些功能。 Figure7显示了调度模型中的关键类及其内在关系。

本文利用区块链的概念构建互信任务调度模型。该模型包含一个dual-blockchain结构,包括交易区块链和信任区块链。因此,新类包括TransactionBlock和TrustBlock类派生的类。事务块记录实际的交易系统的跟踪和nontamperable的方式。和信任块记录节点的信任值,在身份信任取决于节点的真实性,而行为信任是不断更新的交易评价结果。信任的生成块主要采用离线模式,和一个信任生成块获得的反馈数据显示事务区块链。信任管理包含三个部分:初始化的信任,信任的决定,和信任维护。信任决定帮助实体选择可靠的贸易伙伴。图8的UML图trust-related类和它们之间的关系。

为了满足移动设备,我们设计的映射和虚拟机迁移规则任务,实现类MigrationPolicy。的主要策略包括负载平衡、smartThing之间最短的距离和AccessPoint smartThing和foglets之间(vm),最低的延迟,以信任为基础的。图9显示了移民相关类和它们之间的关系。

5.2。模拟指标和基准

在实验中,我们使用的各种评价指标的性能测试不同的调度模型,如考,tuple损失率,分配正义、延迟和交易的成功率。这里,考代表任务集。元组的总体执行时间损失率是指任务的百分比下降由于边缘服务器的处理能力有限或任务迁移。和系统正义定义公式(5)。

提到的策略实施和测试的脑电图拖拉机梁游戏(53]。是latency-critical比赛要求每个球员穿一个脑电图耳机来处理EEG信号,获得他的大脑状态。在脑电图拖拉机梁游戏中,有七个类型的元组进行不同模块之间的应用程序,如表所示1。功能的云、雾和边缘设备如表所示2和两个不同的任务发送间隔脑电图耳机是10 ms和5 ms,分别。

MobileDevice的速度设置是20米/秒,包括九个不同移动方向:没有,东、北、东北、西北、西部、西南部、南部和东南部。vm的最大开关半径一定接入点设置为40米。各种雾设备(资源和访问点)是随机均匀分布在地图上。

本文旨在提高资源调度的性能在cloud-fog-edge混合计算架构,包括总执行时间、服务延迟,公平,和可靠性。因此,我们选择了敏敏和伯杰的模型作为基准比较模型。与此同时,为了测量不同因素的影响在提出的模型中,我们还用减法模式相比,即locate-ware和负载平衡。locate-ware是减法模式只有仍是位置切换策略的调度模型,负载平衡是减法模式,只有保持负载敏感的策略。

任务调度算法包括敏敏,伯杰的模型,提出了模型中,位置感知和负载平衡模型从不同的角度进行比较。

5.3。仿真结果

实验结果如图10- - - - - -17。从结果中,我们可以看到,该模型取得了更好的效果比其他模型在几乎所有的实验指标。和两个减法模型也得到了更好的结果比其他基准模型。

5.3.1。对系统性能比较

对于系统性能的测试,我们提到的模型的极小化相比,服务延迟和元组损失率。

该模型和位置感知模型适用于总完工时间和服务延迟。因为内置location-sensitive调度策略考虑节点匹配的流动与访问点越近,能够有效地降低传输开销,服务延迟,总执行时间。获得性能良好的负载平衡模型tuple损失率的指数,因为它认为资源的负载状态任务调度阶段,可有效减少队列中的等待时间和避免元组过载造成的损失。

敏敏的总体系统性能模型是不坏。然而,因为它并没有考虑到资源偏好、流动性,并加载,它可能导致元组损失和再分配,最终影响整体执行时间。伯杰的模型并不奏效,因为它只关注调度的公平性,倾向于满足用户的需求,而不是系统的整体性能。cloud-fog-edge混合环境中节点移动频繁,尽管全球公平算法可以找到最合适的资源节点,调度结果可能不是由于距离实现,从而增加元组损失和再分配的可能性,从而最终提高总执行时间。特别是,伯杰的模型是相对较大的开销。当任务总数的增加,它的执行时间很长,这可能会影响其在实际的应用程序部署。

5.3.2。在用户满意度比较

用户满意度,以服务司法(SJ)在本文中,是一个重要的指标来评估质量的调度算法。伯杰的模型表现最好的在这方面,因为调度公平性是其核心问题。然而,使用传统的伯杰的模型在任务调度执行全球匹配和公平的计算往往会导致高的计算开销,这可能会导致资源分配系统的瘫痪当任务规模很大。实验结果表明,当元组的数量大于125,伯杰的模型不能给出一个容许的时间内资源分配的决定。

该模型仍然在用户满意度方面表现良好,因为它采用两级调度模式,并通过公平因素,考虑任务的具体要求在任务调度的过程。

5.3.3。分散的信任机制的影响

这部分测试的性能double-blockchain-based信任机制提出了。

图17显示了结果的交易成功率。可以看出分散信任能保持高度的交易成功率尽管恶意节点的增加,表明它能有效地帮助一个可靠的交易决策。与此形成鲜明对比的是,在随机事务场景中,交易成功率大幅下降随着恶意节点数量的增加。

本文还利用NetLogo [54)来测试该信任机制的效率。表3显示的参数模拟。

我们做了一些实验,观察信任对交易成功率的影响当恶意提供者是固定的30%的比例。图15实验结果的信任机制是加载时,和图吗16实验数据没有任何信任机制(在随机的情况下事务)。

在仿真图,蓝色所代表的用户person-shaped海龟,和雾提供者(接入点或服务提供商)是红色的星形海龟。图表中的链接代表不同实体之间的关系,包括贸易关系(蓝色边缘),建议(黄边)的关系,以及服务提供商之间的合作(红边)。

数据(15日)和(16日)初始状态的模拟,数字15 (b)和16 (b)交易周期的最终状态,数据吗15 (c)和16 (c)是交易成功的记录比输出NetLogo记者。从数据可以看出,当加载信任机制,交易成功率逐渐增加交易数量的增加,这仍然没有信任是加载时几乎相同。

为了测量的开销的信任,我们也评估信任的总执行时间的影响。图17显示加载信任带来的额外的时间开销,从中我们可以看到,相信没有多少影响总执行时间,连几个节点显示短的执行时间。原因是信任已经运行了一段时间后,当系统中的实体能够正确选择可靠的贸易伙伴,重新选择或随机的事务失败交易可以有效地避免,因此,在一定程度上,减少了总执行时间。

总之,在cloud-fog-edge混合环境中,为了提高终端的有效匹配,访问点,和他们预期的资源,必须充分考虑位置、工作负载,并且节点的可信度。提出了分散的信任策略能够保证交互的安全性和可靠性。

6。结论和未来的工作

本文提出一种互信位置感知公平cloud-fog-edge混合任务调度模型环境。物联网的新模型包含了三层架构,雾和云。雾层是用来实现cloud-fog或fog-edge资源协调和统一调度。提出了任务调度算法综合考虑用户移动性,制度正义、负载平衡和信任的要求。伯杰的理论介绍了解决任务调度的公平性问题。在资源分配,它综合考虑了位置,任务的QoS需求、能力和负载的资源。此外,改善服务交互的可信度,它利用区块链建立一个分散的信任的概念框架。新的模型和相关策略的性能评估是由一系列相关的实验。

然而,该模型仍有一些缺陷。例如,它采用两级调度模式来解决移动接入的问题。然而,移动终端的位置是不断变化的,需要及时更换访问点。因此,它是必要的,以确定何时何地开关以及资源预定算法。之类的运动方向,速度,和偏好可以被用来预测下一个访问点,使资源减少交接延迟的预订。此外,dual-blockchain-based信任管理,区块链中的所有交易记录的交易行为,需要找到最合适的时间来生成信任块,不管是在修复时间或一定数量的事务。所有这些问题都是我们未来的工作。

数据可用性

数据要求通讯作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了国家自然科学基金资助下的中国61702151,61702320,61772334,2018国家重点研究和发展计划资助下yfb1003800,和联合基金中国浙江省自然科学基金授予LHY21E090004之下。