异构边缘网络中基于服务器休眠的协同计算方法技术

本发明专利技术属于移动通信技术领域，具体涉及一种异构边缘网络中基于服务器休眠的协同计算方法；所述方法包括根据任务到达量建立任务卸载策略模型；建立出服务器睡眠决策模型、时延模型和能耗模型，构建出最小化系统的长期平均能耗；使用基于CPLEX优化器的卸载决策算法按照任务卸载策略模型计算出每个时隙的卸载决策集合；对卸载决策集合使用卸载更新算法进行纠错；根据卸载更新算法得到的最优卸载决策集合，使用睡眠决策算法求解所述睡眠决策模型，得到服务器的睡眠决策集合；本发明专利技术基于整数线性规划得到系统最优决策，使MEC系统的任务卸载具有自适应性，服务器可以根据该服务器的任务量大小和整体系统的服务器状态确定其睡眠状态。

【技术实现步骤摘要】
异构边缘网络中基于服务器休眠的协同计算方法
本专利技术属于移动通信
，具体涉及一种异构边缘网络中基于服务器休眠的协同计算方法。
技术介绍
随着5G的商用，传统通信的服务场景已经从单一的手机通信发展成了多种业务(如物联网、车联网、增强现实、智能视频加速等)共同构成的形式，用户对于通信质量的要求也变得更高。低时延，大连接，高可靠等概念的提出使得传统的基站部署模式不足以满足通信的要求，异构蜂窝网络(HeterogeneousCellularNetworks,HCN)便成了解决此类问题的重要途径。HCN由宏基站(MacroBaseStation,MBS)和微基站(SmallBaseStation,SBS)共同组成，它们的出现提高了通信网络的能效、提高了网络吞吐量和网络覆盖面积，缓解了MBS的负载压力。传统网络一般通过将任务卸载到远程云进行处理来降低系统能耗，但如今大量低时延需求的设备接入对网络提出了更高了要求。欧洲电信标准协会(ETSI)上提出了移动边缘计算(MobileEdgeComputing,MEC)的概念，MEC的定义是“为无线接入网络(RadioAccessNetwork，RAN)侧的移动用户提供信息技术服务和云计算能力的平台”。与移动云计算(MobileCloudComputing,MCC)技术不同的是，MEC距离终端设备的距离更近，MEC服务器也具有强大的计算能力，因此将计算任务卸载到距离更近的MEC服务器可以显著的降低网络的延迟，避免网络拥塞，并降低了移动终端设备的计算量，提升了设备电池的使用寿命。同时，服务器平均只有10-30％的时间忙碌，而空闲时，服务器的功率可以最高可占到其峰值功耗的70％。因此，对异构网络下的边缘计算进行计算资源的分配、服务器负载均衡以及服务器节能已经成为了当前研究的热点问题。目前，传统的异构网络下的边缘计算主要从低能耗进行考虑，当前研究有建立移动边缘网络分层计算模型，通过服务器休眠构建出了长期能耗最小化问题，并使用李雅普诺夫方法求解出任务迁移决策的方法。有联合考虑基站与移动设备的能耗，在保证用户QoS的同时实现能耗最小化的方法。有考虑通过服务器进行休眠来节省能耗的方法。但是这些方法没有考虑服务器本身进行睡眠会存在切换能耗和切换时延的问题；此外，由于实际网络环境中业务到达是非均匀分布的，这些方法没有考虑到不同的业务需要的时延要求是不同的。
技术实现思路
基于上述问题，为了实现在面向异构网络边缘计算中基于服务器休眠的边缘协同策略，并保证系统的稳定性和得到最小的能耗，本专利技术解决上述技术问题所采用的技术方案包括如下内容：一种异构边缘网络中基于服务器休眠的协同计算方法，所述边缘协同计算方法包括以下步骤：S1、建立出服务器的任务到达队列模型，并根据任务到达量建立任务卸载策略模型；S2、建立出服务器睡眠决策模型、时延模型以及能耗模型，并构建出最小化系统的长期平均能耗；S3、将系统的长期平均能耗拆分成每个时隙的能耗，使用基于CPLEX优化器的卸载决策算法按照任务卸载策略模型计算出每个时隙的卸载决策集合；S4、对求解出的卸载决策集合使用卸载更新算法进行卸载决策的纠错，得到该时隙的最优卸载策略集合；S5、根据卸载更新算法得到的最优卸载决策集合，使用睡眠决策算法求解所述睡眠决策模型，得到服务器的睡眠决策集合。本专利技术的有益效果：针对计算任务在空间上的非均匀性，本专利技术基于现实业务流量统计分布模型，研究了MEC服务器之间的协作计算问题，联合设计MEC服务器的计算任务迁移策略和多睡眠控制方案，以优化时延约束下的长期系统能耗为目标；本专利技术在宏基站和每个微基站旁边都部署一个MEC服务器，构成异构边缘计算网络(HeterogeneousMobileEdgeComputing,H-MEC)平台。由于长期能耗的计算需要跨时隙的信息，本专利技术整数线性规划得到系统最优决策，使MEC系统的任务卸载具有了自适应性，服务器可以根据该服务器的任务量大小和整体系统的服务器状态确定其睡眠状态。从而在保证用户QoE的条件下，实现了MEC系统的整体能耗最小化。本专利技术不需要利用网络的未来信息。在物联网场景下，业务流量分布更加异构，且大部分业务都是突发性的。这些特性导致微基站和MEC服务器的负载具有更大的动态性。本专利技术中的MEC服务器可以在保证物联网设备的QoE的条件下完成卸载的数据。此外，物联网流量的突发性为MEC服务器提供了更多的休眠机会，从而能够大幅度节省能量消耗。附图说明下面将结合附图及实例对本专利技术作进一步说明，附图中：图1为本专利技术提供的异构边缘网络场景下的系统模型图；图2为本专利技术实施例中异构边缘网络中基于服务器休眠的边缘协同计算方法的流程图；图3是本专利技术实施例的卸载更新算法的流程图；图4是本专利技术实施例睡眠决策的流程图；图5是本专利技术实施例中任务卸载决策与睡眠决策的联合决策流程图；图6为本专利技术与其他方法的整体能耗对比仿真图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是本专利技术所采用的异构边缘计算网络的通信场景图，如图1所示，假设本专利技术所采用异构边缘计算网络(以下简称异构网络)的场景由一个宏基站MBS和n个微基站SBS组成。其中，运营商为MBS和每个SBS都部署了具有一定计算能力和存储能力的移动边缘计算(MobileEdgeComputing,MEC)服务器。MEC服务器的集合由表示，其中i＝0表示MBS服务器，i≠0且表示第i个SBS服务器，其系统模型如图1所示。每个用户设备(userequipment,UE)都可以将计算任务卸载到其关联的MEC服务器，每个服务器覆盖的用户数量、种类以及任务类型不同，因此服务器的任务到达量都不同。本专利技术中所有的MEC服务器处于同一个局域网(LocalAreaNetwork，LAN)内，MEC服务器之间可以通过协作计算，来平衡每个MEC服务器的计算工作量。同时，为了进一步的降低系统的能耗，本专利技术根据高级配置和电源接口(AdvancedConfigurationandPowerInterface，ACPI)标准考虑服务器可以进入K种不同能耗水平的睡眠状态。本专利技术主要考虑MEC服务器网络的性能，因此在本专利技术中不考虑用户终端的卸载策略和能量消耗等。图2是本专利技术的异构边缘网络中基于服务器休眠的协同计算方法流程图，如图2所示，所述边缘协同计算方法包括以下步骤：S1、建立出服务器的任务到达队列模型，并根据任务到达量建立任务卸载策略模型；本专利技术的异构网络中，通过使用不同的任务生成方式，得到平稳的任务到达队列和变化强烈的任务到达队列(用于验证本专利技术的可靠性)。在时域中划分为多个时隙且每个时隙持续的本文档来自技高网...

【技术保护点】
1.一种异构边缘网络中基于服务器休眠的协同计算方法，其特征在于，所述边缘协同计算方法包括以下步骤：/nS1、建立出服务器的任务到达队列模型，并根据任务到达量建立任务卸载策略模型；/nS2、建立出服务器睡眠决策模型、时延模型以及能耗模型，并构建出最小化系统的长期平均能耗；/nS3、将系统的长期平均能耗拆分成每个时隙的能耗，使用基于CPLEX优化器的卸载决策算法按照任务卸载策略模型计算出每个时隙的卸载决策集合；/nS4、对求解出的卸载决策集合使用卸载更新算法进行卸载决策的纠错，得到该时隙的最优卸载策略集合；/nS5、根据卸载更新算法得到的最优卸载决策集合，使用睡眠决策算法求解所述睡眠决策模型，得到服务器的睡眠决策集合。/n

【技术特征摘要】
1.一种异构边缘网络中基于服务器休眠的协同计算方法，其特征在于，所述边缘协同计算方法包括以下步骤：
S1、建立出服务器的任务到达队列模型，并根据任务到达量建立任务卸载策略模型；
S2、建立出服务器睡眠决策模型、时延模型以及能耗模型，并构建出最小化系统的长期平均能耗；
S3、将系统的长期平均能耗拆分成每个时隙的能耗，使用基于CPLEX优化器的卸载决策算法按照任务卸载策略模型计算出每个时隙的卸载决策集合；
S4、对求解出的卸载决策集合使用卸载更新算法进行卸载决策的纠错，得到该时隙的最优卸载策略集合；
S5、根据卸载更新算法得到的最优卸载决策集合，使用睡眠决策算法求解所述睡眠决策模型，得到服务器的睡眠决策集合。


2.根据权利要求1所述的一种异构边缘网络中基于服务器休眠的协同计算方法，其特征在于，所述任务卸载策略模型包括按照任务到达量确定出迁移后的任务总量；基于迁移模型对卸载任务的非负性要求和稳定性要求，利用迁移模型让计算任务较多的服务器将任务迁移到任务较少的服务器上；让微基站服务器的任务负载超过了其最大计算能力时，将任务迁移到宏基站服务器上；让部分服务器的计算任务量饱和，其他没有计算任务的服务器进入睡眠模式，其中所述服务器包括安装在宏基站上的MEC服务器和安装在微基站上的MEC服务器。


3.根据权利要求1所述的一种异构边缘网络中基于服务器休眠的协同计算方法，其特征在于，所述服务器休眠模型包括划分出活跃状态和多个睡眠状态，其中活跃状态与睡眠状态之间可以相互切换，而所述睡眠状态不能切换到其他睡眠状态，不同睡眠状态设置有不同的过渡时延和能耗。


4.根据权利要求1所述的一种异构边缘网络中基于服务器休眠的协同计算方法，其特征在于，所述最小化系统的长期平均能耗包括：



s.t.















C6:M(t)＝Mtotal
其中，P(t)表示在时隙t内的总能耗；T表示总时隙数；表示在时隙t内MEC服务器i的总时延；τ表示MEC服务器的容忍时延即每个时隙持续的时间；表示MEC服务器的集合；Pimax(t)表示在时隙t内MEC服务器i的峰值功率；πij(t)表示在时隙t内MEC服务器i向MEC服务器j迁移的卸载任务量；bi(t)表示在时隙t内MEC服务器i所到达的计算任务量；υi(t)表示在时隙t内微基站服务器i计算的任务量；fimax表示MEC服务器i能处理的最大任务量；πi(t)表示在时隙t内MEC服务器i的计算卸载决策，X(t)表示在时隙t内所有MEC服务器的可行迁移策略的集合；M(t)表示在时隙t内系统中所有睡眠状态的服务器之和；Mtotal表示服务器的总和；i＝0表示宏基站MEC服务器，i≠0表示第i个微基站MEC服务器。


5.根据...

【专利技术属性】
技术研发人员：郭华，夏士超，吴广富，李云，苏开荣，谭歆，黄鸿锐，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50