基于移动边缘计算与密集云接入网融合的计算迁移与资源分配方法

基于移动边缘计算与密集云接入网融合的计算迁移与资源分配方法

　　技术领域：

　　本发明涉及移动边缘计算技术，更具体地，涉及一种基于移动边缘计算与密集云接入网融合的计算迁移与资源分配方法。

　　背景技术：

　　超密集组网是未来移动网络一种有前景的技术，它通过小型基站的密集部署提供近端传输和巨大的接入能力。随着智能移动设备，如智能手机和物联网设备的空前发展，各种计算密集型应用在超密集网络中逐渐增加，如视频流分析，互动游戏和虚拟现实等。大多数这些应用在实时处理和能量消耗方面要求很高。但是智能移动设备只有有限的计算能力和电池电量，不能在本地有效地执行计算密集型任务。移动边缘计算作为一种突出的技术被提出以克服这些挑战，具体而言，移动边缘计算可以通过将部分计算任务卸载到边缘服务器来减少智能移动设备的计算负载。移动边缘计算提供可定制服务和更低的服务延迟，优于传统的移动云计算。然而，由于网络密集化，超密集网络中的任务迁移将导致严重的小区间干扰和大量信令开销。云接入网可以实现一种经济有效的集中式网络密集化，它可以通过中央基带处理单元池来协调小区间干扰。借助网络功能虚拟化，边缘服务器和基带处理单元池可以共享相同的网络功能虚拟化基础设施，因此，移动边缘计算和云接入网可以基于通用处理器进行融合。

　　在超密集网络中将移动边缘计算与云接入网集成可以带来很多好处。由于边缘服务器和基带单元池的功能是在通用处理器上基于网络功能虚拟化实现的，因此可以在任务执行和通信处理之间进行动态和弹性的计算资源分配，显著提高了计算资源的利用效率。此外，移动边缘计算和云接入网之间能够交互并利用相互的信息来提高计算密集型应用的服务质量。但是，仍存在一些挑战需要解决。首先，由于计算分集，计算任务可以在边缘服务器和智能移动设备上执行。将计算任务卸载到边缘服务器减少了任务执行延迟，但在上行链路传输中增加了能量消耗和延迟。为了平衡能量效率和服务延迟，应该合理地确定任务迁移的比例。其次，现有的大多数移动边缘计算资源管理方法是将边缘服务器和基带处理池的中计算资源分开考虑。基于网络功能虚拟化，需要重新设计动态资源管理方案，以便在不同的网络规模和任务到达率下弹性地调度虚拟计算资源。

　　发明内容：

　　本发明的目的在于针对上述现有技术存在的问题，提出一种基于移动边缘计算与密集云接入网融合的计算迁移与资源分配方法，给出了任务迁移策略，边缘云和智能移动设备的资源调度方法，以及智能移动设备的接入方案，子信道及功率分配方法。提高了密集云接入网中的计算及无线资源利用效率。

　　本发明的主要想法是：首先获得智能移动设备和边缘云的队列长度和网络能量效率；然后确定智能移动设备的计算任务在本地和在边缘云执行的比例；其次，对于需要在本地执行的任务，确定智能移动设备的本地计算频率；对于需要在边缘云执行的任务，确定智能移动设备所接入的基站，分配的子信道和发射功率的大小；最后，边缘云分配智能移动设备相应的虚拟基带处理资源和虚拟边缘服务器处理资源。

　　本发明采用下述技术方案：

　　一种基于移动边缘计算与密集云接入网融合的计算迁移与资源分配方法，其特点在于，该方法包括以下步骤：

　　(1)计算当前时隙智能移动设备的本地计算任务处理队列计算任务迁移队列边缘云的基带处理队列计算任务处理队列以及网络能量效率ηEE(t)，具体包括：

　　①计算当前时隙从智能移动设备上传到基站的传输速率其中，N为基站数，K为每个基站的子信道数，Ws为子信道带宽，T为时隙长度，为上行传输的信噪比，为第i个智能移动设备的发射功率，为智能移动设备i在子信道k上接入基站j的信道功率增益，n0为加性高斯白噪声的功率谱密度；aij(t)表示智能移动设备i是否允许接入基站j，aij(t)＝1表示允许智能移动设备i接入基站j，aij(t)＝0表示不允许智能移动设备i接入基站j；xik(t)表示智能移动设备i是否分配子信道k，表示将子信道k分配给智能移动设备i，表示子信道k不分配给智能移动设备i；m为i之外的其他智能移动设备，n为m接入的基站。

　　②计算当前时隙虚拟基带单元池处理的任务数能量消耗其中，为智能移动设备i在虚拟基带单元池B中的计算资源，β为通信处理的计算密度，κG为边缘云通用处理器的功率因子。

　　③计算当前时隙虚拟边缘服务器处理的任务数能量消耗其中为智能移动设备i在虚拟边缘服务器S中的计算资源，γi(t)为任务处理的计算密度。

　　④计算当前时隙智能移动设备在本地处理的计算任务数能量消耗其中为智能移动设备i分配的本地计算资源，为智能移动设备i的功率因子。

　　⑤更新当前时隙智能移动设备和边缘云的队列长度：

　　

　　

　　

　　

　　其中，[x]+＝max(x,0)，Ai(t)为智能移动设备i在时隙t到达任务的数量，ci(t)为智能移动设备i在时隙t任务迁移的比例。

　　⑥更新当前时隙网络的能量效率ηEE(t)：

　　

　　其中，ωi，ωG为加权系数

　　(2)智能移动设备确定计算任务在本地和在边缘云执行的比例ci(t)，具体包括以下步骤：

　　②获取智能移动设备的本地计算任务处理队列计算任务迁移队列的长度，以及当前时隙任务到达的数量Ai(t)；

　　②若则ci(t)＝1，所有计算任务迁移至边缘云执行；

　　③若则ci(t)＝0，所有计算任务在本地执行；

　　④若则将计算任务迁移至边缘云执行，将计算任务在本地执行。

　　(3)确定智能移动设备的本地计算频率，具体为：根据式(6)得出每个智能移动设备的本地计算频率

　　

　　其中，V为控制参数，可以调节系统能量和时延的平衡。为智能移动设备i最高的计算频率。

　　(4)确定智能移动设备接入的基站，具体包括以下步骤：

　　①每个智能移动设备建立其对基站的偏好列表，按照偏好函数(7)降序排列；

　　

　　②未接入基站的智能移动设备按照其偏好列表，向当前最偏好的基站发出接入申请；

　　③基站收集智能移动设备的请求，按照其偏好函数(8)的大小对请求的智能移动设备进行降序排列，接受前K个用户的接入申请，然后拒绝其他智能移动设备的接入申请，

　　

　　被拒绝接入的智能移动设备从其偏好列表中删去相应的基站，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；

　　④重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入。

　　(5)确定智能移动设备分配的子信道，具体包括以下步骤：

　　①每个智能移动设备建立其对子信道的偏好列表，按照偏好函数(9)降序排列，

　　

　　②未分配子信道的智能移动设备按照其偏好列表，向当前最偏好的子信道发出接入申请；

　　③每个子信道收集智能移动设备的请求，按照其偏好函数(10)的大小对请求的智能移动设备进行降序排列，接受第一个智能移动设备的接入申请，然后拒绝其他智能移动设备的接入申请；

　　

　　其中，j'为智能移动设备i'的接入基站，σi′k由下式得出

　　

　　其中，

　　④被拒绝的智能移动设备从其偏好列表中删去相应的子信道，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；

　　⑤重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入；

　　⑥搜索不在同一子信道上的智能移动设备对，在保持其他信道分配不变的情况下，交换这对智能移动设备分配的子信道；

　　⑦若步骤⑥可以增加智能移动设备或子信道偏好函数值，则允许交换，否则保持不变；

　　⑧重复步骤⑥至⑦，直至所有智能移动设备都被搜索到。

　　(6)确定智能移动设备的发射功率具体包括以下步骤：

　　①对每一个智能移动设备初始化辅助变量

　　②根据式(11)计算智能移动设备的发射功率

　　

　　③根据式(12)更新小区间的干扰值

　　

　　④根据式(13)和式(14)更新辅助变量

　　

　　

　　⑤重复步骤②至④直至收敛。

　　(7)边缘云根据队列长度信息和网络能量效率，分配基带处理资源和边缘服务器处理资源具体包括以下步骤：

　　①初始化参数μ0(t)和步长α(t)；

　　②根据式(15)为每个智能移动设备分配基带处理计算资源

　　

　　其中，

　　③根据式(16)为每个智能移动设备分配边缘服务器处理资源

　　

　　其中，

　　④根据公式(17)更新参数μl，

　　

　　⑤重复步骤②至④直至收敛。

　　与现有技术相比，本发明的技术效果是降低了整个网络的能量消耗和计算时延，提高了密集云接入网中的计算及无线资源利用效率。

　　附图说明：

　　图1为本发明场景示意图

　　图2本发明中计算任务到达和排队模型

　　具体实施方式：

　　下面结合附图和具体实施例对本发明做进一步的描述。本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

　　如图1所示，基站和智能移动设备随机分布在500×500m2的区域，基站的数目为15，每个基站有4个子信道，子信道的带宽为Ws＝5MHz，上行的路径损耗模型为127+20log10d，其中d的单位为km，小尺度信道功率增益服从均值为1的瑞利衰落，智能移动设备的最大发射功率为边缘云全部的计算频率为智能移动设备的最大计算频率为通信处理的计算密度β＝198cycles/s，计算任务的计算密度γi(t)＝737.5cycles/s，功耗因子ωi＝0.3，ωG＝0.7，V＝5×1013,高斯白噪声功率谱密度n0＝-174dBm/Hz，时隙长度T＝100ms。

　　本发明的基于移动边缘计算与密集云接入网融合的计算迁移与资源分配方法的具体步骤如下：

　　(1)计算当前时隙智能移动设备的本地计算任务处理队列计算任务迁移队列边缘云的基带处理队列计算任务处理队列以及网络能量效率ηEE(t)，具体包括：

　　①计算当前时隙从智能移动设备上传到基站的传输速率

　　其中，为上行传输的信噪比，为第i个智能移动设备的发射功率，为智能移动设备i在子信道k上接入基站j的信道功率增益，n0为加性高斯白噪声的功率谱密度；aij(t)表示智能移动设备i是否允许接入基站j，aij(t)＝1表示允许智能移动设备i接入基站j，aij(t)＝0表示不允许智能移动设备i接入基站j；表示智能移动设备i是否分配子信道k，表示将子信道k分配给智能移动设备i，表示子信道k不分配给智能移动设备i；m为i之外的其他智能移动设备，n为m接入的基站。

　　②计算当前时隙虚拟基带单元池处理的任务数为能量消耗为

　　③计算当前时隙虚拟边缘服务器处理的任务数为能量消耗为

　　④计算当前时隙智能移动设备在本地处理的计算任务数为能量消耗为

　　⑤如图2所示，更新当前时隙智能移动设备和边缘云的队列长度：

　　

　　

　　

　　

　　其中，[x]+＝max(x,0)，Ai(t)为智能移动设备i在时隙t到达任务的数量，ci(t)为智能移动设备i在时隙t任务迁移的比例。

　　⑥更新当前时隙智能移动设备和边缘云的网络能量效率ηEE(t)：

　　

　　其中，

　　(2)智能移动设备确定计算任务在本地和在边缘云执行的比例ci(t)，具体包括以下步骤：

　　③获取智能移动设备的本地计算任务处理队列计算任务迁移队列的长度，以及当前时隙任务到达的数量Ai(t)；

　　②若则ci(t)＝1，所有计算任务迁移至边缘云执行；

　　③若则ci(t)＝0，所有计算任务在本地执行；

　　④若则将计算任务迁移至边缘云执行；将计算任务在本地执行。

　　(3)确定智能移动设备的本地计算频率，具体为：根据式(23)得出每个智能移动设备的本地计算频率

　　

　　(4)确定智能移动设备接入的基站，具体包括以下步骤：

　　①每个智能移动设备建立其对基站的偏好列表，按照偏好函数(24)降序排列：

　　

　　②未接入基站的智能移动设备按照其偏好列表，向当前最偏好的基站发出接入申请；

　　③基站收集智能移动设备的请求，按照其偏好函数(25)的大小对请求的智能移动设备进行降序排列，接受前4个用户的接入申请，然后拒绝其他智能移动设备的接入申请，

　　

　　④被拒绝接入的智能移动设备从其偏好列表中删去相应的基站，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；

　　⑤重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入。

　　(5)确定智能移动设备所分配的子信道，具体包括以下步骤：

　　①每个智能移动设备建立其对子信道的偏好列表，按照偏好函数(26)降序排列：

　　

　　②未分配子信道的智能移动设备按照其偏好列表，向当前最偏好的子信道发出接入申请；

　　③每个子信道收集智能移动设备的请求，按照其偏好函数(27)的大小对请求的智能移动设备进行降序排列，接受第一个智能移动设备的接入申请，然后拒绝其他智能移动设备的接入申请，

　　

　　其中，j'为智能移动设备i'的接入基站，σi′k由下式得出

　　

　　其中，

　　④被拒绝的智能移动设备从其偏好列表中删去相应的子信道，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；

　　⑤重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入；

　　⑥搜索不在同一子信道上的智能移动设备对，在保持其他信道分配不变的情况下，交换这对智能移动设备分配的子信道；

　　⑦若步骤⑥可以增加智能移动设备或子信道偏好函数值，则允许交换，否则保持不变；

　　⑧重复步骤⑥至⑦，直至所有智能移动设备都被搜索到。

　　(6)确定智能移动设备的发射功率具体包括以下步骤：

　　①对每一个智能移动设备初始化辅助变量

　　②根据式(28)计算智能移动设备的发射功率

　　

　　③根据式(29)更新小区间的干扰值

　　

　　④根据式(30)和式(31)更新辅助变量

　　

　　

　　⑤重复步骤②至④直至收敛。

　　(7)边缘云根据队列长度信息和网络能量效率，分配基带处理资源和边缘服务器处理资源具体包括以下步骤：

　　①初始化参数μ0(t)和步长α(t)；

　　②根据式(32)分配每个智能移动设备的基带处理计算资源

　　

　　其中，

　　③根据式(33)分配每个智能移动设备的边缘服务器处理资源

　　

　　其中，

　　④根据公式(34)更新参数μl，

　　μl+1(t)＝{μl(t)+10-6[(fiB(t)+fiS(t))-40×109]}+； (34)

　　⑤重复步骤②至④直至收敛。

　　通过以上步骤，可以得到当前时刻计算任务在本地与在边缘云执行的比例，智能移动设备接入的基站、分配的子信道和上行发射功率，以及边缘云为每个智能移动设备分配的计算资源。本发明通过以上步骤得到的计算迁移与资源分配结果是实时动态调整的，可以有效提升计算和无线资源的利用率，降低计算任务的执行时延和整个网络的能量消耗。