一种工业智能边缘计算中面向多服务器多用户的调度方法技术

本发明专利技术公开了一种工业智能边缘计算中面向多服务器多用户的调度方法，包括步骤：S1、用户端选择传输速率最大的服务器发送计算卸载请求；S2、服务器选择调度算法对收到的任务进行调度，并向用户发送接受或拒绝任务的信息；若接受，则执行步骤S4，若拒绝，则执行步骤S3；S3、用户根据服务器调度表降低自身计算卸载量，并反复向服务器发出计算卸载请求，直到计算卸载请求被服务器接受或用户自主停止请求；S4、服务器向用户收取计算卸载费用。本发明专利技术的调度方法面向多服务器多用户应用，且被卸载的任务都能满足时延要求。该任务调度方法不仅满足用户个人理性和报价真实性，而且在服务器计算资源限制下，使用户节省的计算时间最长且服务器获得的收益最大。

A Scheduling Method for Multi-Server and Multi-User in Industrial Intelligent Edge Computing

【技术实现步骤摘要】
一种工业智能边缘计算中面向多服务器多用户的调度方法
本专利技术涉及边缘计算
，具体为一种边缘计算中的调度方法，尤其是工业智能边缘计算中面向多服务器多用户的调度方法。
技术介绍
工业物联网(IIoT)是物联网(IoT)在工业应用中的子集，它的运用使得大量的工业设备(用户)可以共同监控和分析工业大数据，从而提高了企业的生产质量和效率。然而，用户由于其计算能力的限制，无法处理一些计算性能要求较高的任务，例如故障预测、图像分析等。此外，将数据传输到具有强大计算能力的数据中心则面临着由于长距离导致的时延过大问题和隐私安全问题，并不适用于IIoT环境。因此，工业智能边缘计算将具有较高计算能力的移动边缘计算(MEC)服务器部署在靠近用户的网络边缘，为用户提供收费的计算卸载服务。由于MEC服务器本身的资源有限且大多数由第三方提供，其与用户之间的传输速率各不相同，因此需要设计合理的调度方法使得MEC服务器提供满足用户服务质量(QoS)的计算卸载。在现有技术中，SunWen等人面向工业物联网移动边缘计算提出了一种基于双边拍卖的资源分配方法，然而其并没有考虑到MEC服务器与不同用户之间的传输速率所带来的影响。ZhangCheng等人面向移动边缘系统中的物联网设备设计了一种基于密度的卸载策略，但其假设MEC服务器可以接受上传给它的所有任务，但由于MEC服务器计算资源有限，这一假设很难满足。LiLongjiang等人面向车辆移动边缘计算网络设计了任务到达和负载感知的计算卸载模型，其考虑了用户与服务器之间的距离和服务器负载等因素，但并没有设计合理的激励机制使得服务器愿意提供计算卸载。ZhangTian等人面向边缘计算中的计算卸载问题提出了一种联合价格模型，考虑了服务器负载和自私性问题，但并没有考虑多个服务器的应用场景。因此这些方法都不能适用于面向多用户多服务器，服务器自身资源受限具有自私性的应用场景。在工业智能边缘计算应用中，绝大多数场景都较为复杂，一般都包含多个MEC服务器和大规模用户，由于距离和带宽等原因，这些服务器到用户的传输速率不同，需要用户选择合适的MEC服务器获得计算卸载服务。MEC服务器的计算资源有限，因此不可能在保证QoS的同时满足所有请求任务的卸载需求。此外，由于MEC服务器通常由第三方提供，具有自私性，不愿意主动提供计算卸载。如果用户不提供合理的计算费用，服务器将拒绝提供计算卸载，工业智能边缘计算框架将无法正常运行。因此，现有调度方法存在如下缺陷：第一、面向多服务器多用户的调度方法未考虑特定用户对于不同服务器卸载任务的性能区别。第二、未考虑MEC服务器自身计算资源有限带来的局限性，不能在满足用户QoS要求情况下接受所有任务。第三、未考虑MEC服务器由第三方提供，具有自私性，需要设计合理的激励机制使得其提供计算卸载服务。第四、未考虑用户报价的真实性，需要设计合理的机制使得其提交真实的报价。鉴于此，在多服务器多用户的应用场景下，如何考虑不同服务器提供的计算卸载服务的性能区别，在MEC服务器计算资源限制下如何满足用户的QoS要求，并且如何设计合理的激励机制使得MEC服务器愿意提供计算卸载服务，同时考虑用户报价的真实性使其提交真实报价，以上这些成为本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的是针对现有技术的缺陷，提供了一种工业智能边缘计算中面向多服务器多用户的调度方法。本方法使得MEC服务器为用户提供满足其QoS的计算卸载服务，并使得服务器获得的收益最大，同时用户在满足其个人理性的情况下减少了计算时间。用于解决现有技术中的调度方法实用性低、稳定性差等问题。为了实现以上目的，本专利技术采用以下技术方案：一种工业智能边缘计算中面向多服务器多用户的调度方法，包括步骤：S1、用户端选择传输速率最大的服务器发送计算卸载请求；S2、服务器选择调度算法对收到的任务进行调度，并向用户发送接受或拒绝任务的信息；若接受，则执行步骤S4，若拒绝，则执行步骤S3；S3、用户根据服务器调度表降低自身计算卸载量，并反复向服务器发出计算卸载请求，直到计算卸载请求被服务器接受或用户自主停止请求；S4、服务器向用户收取计算卸载费用。进一步地，所述传输速率为：其中，i为用户，j为服务器，wj为服务器传输带宽，powi为用户信号功率，disij为用户与服务器之间的距离，decay为信号功率因距离产生的衰减常数，nij为信道噪声功率。进一步地，所述计算卸载请求为：[oi,di,bi,ui]其中，oi为任务需要的计算卸载量，di为完成任务的最大时延，bi为用户在满足其个人理性的情况下支付给服务器用于计算卸载的报价，ui为用户的编号；所述计算卸载量的初始值为该任务的所有计算量；所述计算卸载的报价为小于用户通过计算卸载所节省的计算时间而带来的收益的价格：其中，ei为用户的收益，ci为用户自身的计算能力，k为单位时间与货币的换算关系，由上层应用需求决定。进一步地，所述选择调度算法的具体步骤为：S21、服务器确定一个发送计算卸载请求的用户数量阈值T；S22、服务器对当前用户数量进行预测，如果预测数量大于T则使用单价最大算法，否则使用总价最大算法。进一步地，所述预测数量为：A＝α·time+β·usershort+γ·userlong其中，time指示当前时间段用户数量情况，usershort为当前时间片之前tshort个时间片的用户数量平均值，userlong为当前时间片之前tlong个时间片的用户数量平均值，tshort＜tlong，α、β、γ为权重系数。进一步地，所述调度算法的具体步骤为：(1)服务器将调度表中已经完成的任务删除，并将当前计算任务的dn修改为其中为任务结束时间，dn为任务最大时延；(2)将服务器中现有的任务尽量延迟调度；(3)如果调度算法为总价最大算法，则服务器将所有收到的任务按照bi从大到小进行排序；如果调度算法为单价最大算法，则服务器将所有收到的任务按照从大到小进行排序，其中cj为服务器的计算能力；(4)将排序好的任务从左到右依次排入调度表中并尽量延迟调度，如果此时该任务能排入调度表，则向用户发送接受任务信息，否则向用户发送拒绝任务信息；(5)对于每个被接受的任务ta，在当前时刻的所有任务中将其去除，然后重新执行步骤(2)-(4)的调度算法，直到一个被拒绝的任务tr此时被接受。如果调度算法为总价最大算法，则pa为br；如果调度算法为单价最大算法，则pa为br·cj·oa/or。如果没有tr被接受，则pa为ba。其中，pa为任务费用。进一步地，所述调度表为：其中，n为任务，为任务开始时间，pn为任务费用，un为该任务的用户编号。进一步地，所述降低计算卸载量反复向服务器发出计算卸载请求为：用户根据所选服务器的调度表，将调度表中结束时间在di之前的任务按照dn尽量提前放置，将其余任务按照dn尽量延后放置，然后按照合适的步长不断减少卸载量使得服务器可以调度该任务，直到用户支付价格小于0或者服务器在di之前满载；所述的合适步长为：其中m为服务器决定的一个时间片内允许用户提交卸载请求的最大次数。本专利技术提供一种工业智能边缘计算中面向多服务器多用户的调度方法，能够使服务器的收益最大，并在保证用户QoS的条件下减少用户的计算卸载时间；本发本文档来自技高网...

【技术保护点】
1.一种工业智能边缘计算中面向多服务器多用户的调度方法，其特征在于，包括步骤：S1、用户端选择传输速率最大的服务器发送计算卸载请求；S2、服务器选择调度算法对收到的任务进行调度，并向用户发送接受或拒绝任务的信息；若接受，则执行步骤S4，若拒绝，则执行步骤S3；S3、用户根据服务器调度表降低自身计算卸载量，并反复向服务器发出计算卸载请求，直到计算卸载请求被服务器接受或用户自主停止请求；S4、服务器向用户收取计算卸载费用。

【技术特征摘要】
1.一种工业智能边缘计算中面向多服务器多用户的调度方法，其特征在于，包括步骤：S1、用户端选择传输速率最大的服务器发送计算卸载请求；S2、服务器选择调度算法对收到的任务进行调度，并向用户发送接受或拒绝任务的信息；若接受，则执行步骤S4，若拒绝，则执行步骤S3；S3、用户根据服务器调度表降低自身计算卸载量，并反复向服务器发出计算卸载请求，直到计算卸载请求被服务器接受或用户自主停止请求；S4、服务器向用户收取计算卸载费用。2.根据权利要求1所述的调度方法，其特征在于，所述传输速率为：其中，i为用户，j为服务器，wj为服务器传输带宽，powi为用户信号功率，disij为用户与服务器之间的距离，decay为信号功率因距离产生的衰减常数，nij为信道噪声功率。3.根据权利要求1所述的调度方法，其特征在于，所述计算卸载请求为：[oi,di,bi,ui]其中，oi为任务需要的计算卸载量，di为完成任务的最大时延，bi为用户在满足其个人理性的情况下支付给服务器用于计算卸载的报价，ui为用户的编号；所述计算卸载量的初始值为该任务的所有计算量；所述计算卸载的报价为小于用户通过计算卸载所节省的计算时间而带来的收益价格：其中，ei为用户的收益，ci为用户自身的计算能力，k为单位时间与货币的换算关系，由上层应用需求决定。4.根据权利要求1所述的调度方法，其特征在于，所述选择调度算法的具体步骤为：S21、服务器确定一个发送计算卸载请求的用户数量阈值T；S22、服务器对当前用户数量进行预测，如果预测数量大于T则使用单价最大算法，否则使用总价最大算法。5.根据权利要求4所述的选择调度算法的具体步骤，其特征在于，所述预测数量为：A＝α·time+β·usershort+γ·userlong其中，time指示当前时间段用户数量情况，usershort为当前时间片之前tshort个时...

【专利技术属性】
技术研发人员：骆淑云，温雨舟，徐伟强，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江,33