一种基于无线环境下面向不可靠通讯的任务分配方法组成比例

本发明专利技术提出了一种基于无线环境下面向不可靠通讯的任务分配方法。包括步骤：采集边缘网络信息，SDWN控制器获取边缘服务器无线指标，云服务器执行基于DRL的在线学习算法决策程序。控制器结合采集的边缘服务器网络无线指标，预测未来一段时间的无线网络带宽及吞吐量。云端服务器根据控制器预测的未来无线网络指标，计算自身的任务计算时间及任务传输时间。云端与边缘端执行任务进行对比，决策程序选择效率高的执行方式。上传云端执行的任务进行非阻塞传输，并对边缘服务器周围的传输干扰进行网络调整。本发明专利技术将无线环境以及在线学习算法引入边云任务分配方案中，改善了无线环境下边云任务分配细粒度管理，任务分配及传输时延优化问题。延优化问题。延优化问题。

【技术实现步骤摘要】
一种基于无线环境下面向不可靠通讯的任务分配方法


[0001]本专利技术涉及云计算和边缘计算任务分配领域，具体涉及一种基于无线环境下面向不可靠通讯的任务分配方法。

技术介绍

[0002]边缘计算架构是在基于物联网的场景中最大限度地减少延迟和降低带宽成本的最佳解决方案。为解决云计算的短板，进行边缘计算，但其主要限制是有限的计算能力。由此，边缘计算与云计算互补进行协作，边云协同计算可更好完成任务。无线通信系统对边缘云计算的要求很高。边缘计算是第五代无线系统核心，为虚拟现实、车联网、边缘人工智能等关键任务应用提供超可靠和低延迟边缘计算服务。边缘计算技术对于所有可能的资源(例如计算、通信、缓存)应具有细粒度的控制能力,因此才能对延迟敏感的实时服务提供很好的支持。对于需要高带宽和低延迟的应用，如果可以提前估计未来带宽，则应用可以利用该估计来调整其数据传输策略。边云任务分配着重以最小化延迟时间为目标，高效地将任务卸载到计算节点,满足减少系统时延，满足时延敏感任务对时效性的要求。

技术实现思路

[0003]本专利技术解决的技术问题是：针对无线环境下边云任务分配细粒度管理，任务分配及传输时延问题，提出一种基于无线环境下面向不可靠通信的边云任务分配方法，实现边云任务分配低时延、低能耗、低成本。
[0004]本专利技术的技术解决方案是：一种基于无线环境下面向不可靠通信的边云任务分配方法，步骤如下：步骤一：采集边缘网络信息，SDWN控制器获取边缘服务器无线指标，对边缘服务器网络进行监控。
[0005]步骤二：在边缘服务器执行计算任务，计算边缘服务器本地计算时间。
[0006]步骤三：云服务器执行基于DRL的在线学习算法决策程序。
[0007]步骤四：控制器结合采集的边缘服务器网络无线指标，预测未来一段时间的无线网络带宽及吞吐量。
[0008]步骤五：预测的无线网络带宽及吞吐量信息实时上传至云服务器卸载决策程序。云端服务器根据控制器预测的未来无线网络指标，计算自身的任务计算时间及任务传输时间。
[0009]步骤六：云端执行任务与边缘端执行任务进行对比，决策程序根据低计算时间选择合适的计算执行位置。并通知控制器。
[0010]步骤七：上传云端执行的任务进行非阻塞传输，并对边缘服务器周围的传输干扰进行网络调整。
[0011]本专利技术的有益效果是：控制器采用具有SDWN功能的无线控制器，在无线环境下边云协同任务分配场景
中，可以对边缘服务器网络进行集中有效的细粒度控制，控制器通过无线接入点收集AP 间距离、无线带宽、环境设备数量、吞吐量、信道占用率等无线环境信息。控制器检查确定优化目标，围绕要优化设备，进行周围设备调控，达到理想传输效率。
[0012]云服务器执行基于DRL的在线学习算法决策程序，将无线动态环境考虑在卸载决策中，结合RL除了考虑即时奖励外，还考虑了长期目标，进而获得最优决策。云端综合边缘服务器自身运算能力、无线环境质量、卸载需求等进行卸载决策，一旦决定卸载计算任务，立即通知边缘端服务器与控制器进行任务分配。任务传输过程中，采用非阻塞通信方式进行，可最大限度的降低边云协同任务分配的时延问题。保证了边云协同的低时延，满足了时延敏感任务对时效性的要求。
附图说明
[0013]为使得本专利技术中的技术方案，下面将会选取一些附图对本专利技术进行阐述。下述附图仅为本专利技术的一些实例；使用者可根据该附图获得其他类似的附图。其中：图1为本专利技术的技术路线示意图；图2为本专利技术的总体模块图；图3为本专利技术的具体环境实现图。
实施方式
[0014]下面将更加深刻，完整的阐述本专利技术实施案例中的技术方案。所述实施案例为部分是实施案例。使用者可根据本专利技术，不需付出创造性劳动的获得其他实施案例。该“其他实施案例”均属于本专利技术保护的范围。
[0015]如图1
‑
图3所示，本实施方式所述的一种基于无线环境下面向不可靠通信的边云任务分配方法的一实施例，包括以下步骤：步骤一：采集边缘网络信息，SDWN控制器获取边缘服务器无线指标，对边缘服务器网络进行监控。
[0016]SDWN控制器采用5G
‑
Empower控制器，SDWN控制器内置 OpenWrt 固件以及 OpenvSwitch。SDWN对无线环境中所有可能的资源(例如计算、通信、缓存)细粒度的控制能力，控制器对边缘网络环境进行无线环境指标获取和网络监控。
[0017]步骤二：在边缘服务器执行计算任务，计算边缘服务器本地计算时间。
[0018]边缘服务器运行目标检测模型，采用流媒体服务器作为推流工具，将本地图片流推至边缘服务器。边缘端执行任务对任务进行处理，并将计算结果和计算时间保存在本地。
[0019]步骤三：云服务器执行基于DRL的在线学习算法决策程序。
[0020]云服务器使用基于DRL的在线学习算法决策程序，DRL将无线动态环境考虑在卸载决策中，除了考虑即时奖励外，还考虑了长期目标，进而获得最优决策。云端综合边缘服务器自身运算能力、无线环境质量、卸载需求等进行卸载决策，一旦决定卸载计算任务，立即通知边缘端服务器与控制器进行任务分配。
[0021]步骤四：控制器结合采集的边缘服务器网络无线指标，预测未来一段时间的无线网络带宽及吞吐量。
[0022]控制器运行无线吞吐量预测程序，控制器对边缘无线环境进行实时检测，将无线
信息进行处理传输至无线吞吐量预测程序，预测提前估计未来带宽及吞吐量，则可以利用该估计来调整其数据传输策略，达到了环境自适应的效果。
[0023]步骤五：预测的无线网络带宽及吞吐量信息实时上传至云服务器卸载决策程序。云端服务器根据控制器预测的未来无线网络指标，计算自身的任务计算时间及任务传输时间。
[0024]将预测的无线信息实时上传至云服务器，云服务器执行卸载决策程序，则可根据预测的结果计算任务，达到预先判断云端任务执行时长的目的。
[0025]步骤六：云端执行任务与边缘端执行任务进行对比，决策程序根据低计算时间选择合适的计算执行位置。并通知控制器。
[0026]卸载程序根据得到的云端任务执行时长与边缘端的计算时长进行综合对比，选择任务执行时间较少的执行位置，并将卸载决策发送给控制器。
[0027]步骤七：上传云端执行的任务进行非阻塞传输，并对边缘服务器周围的传输干扰进行网络调整。
[0028]若决策在云端执行，则进行边缘任务传输，采用非阻塞的方式进行任务传输，保证一定稳定性的同时，可最大限度的加快任务传输时长。同时SDWN控制器会根据当前网络情况，进行AP信道切换，来减少信道干扰。以达到实现边云任务分配低延迟的目的。
[0029]以上所述仅为本专利技术的一个实施方式而已，并不用于限制本专利技术，对于本领域的技术人员来说，本专利技术可以有各种更改和变化。凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无线环境下面向不可靠通讯的任务分配方法，其特征在于，所属任务分配方法包括以下步骤：步骤一：采集边缘网络信息，SDWN控制器获取边缘服务器无线指标，对边缘服务器网络进行监控。步骤二：在边缘服务器执行计算任务，计算边缘服务器本地计算时间。步骤三：云服务器执行基于DRL的在线学习算法决策程序。步骤四：控制器结合采集的边缘服务器网络无线指标，预测未来一段时间的无线网络带宽及吞吐量。步骤五：预测的无线网络带宽及吞吐量信息实时上传至云服务器卸载决策程序。云端服务器根据控制器预测的未来无线网络指标，计算自身的任务计算时间及任务传输时间。步骤六：云端执行任务与边缘端执行任务进行对比，决策程序根据低计算时间选择合适的计算执行位置。并通知控制器。步骤七：上传云端执行的任务进行非阻塞传输，并对边缘服务器周围的传输干扰进行网络调整。2.根据权利要求1所述的一种基于无线环境下面向不可靠通讯的任务...

【专利技术属性】
技术研发人员：关晟强，车楠，方岭，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：