边缘服务器任务卸载方法、装置、设备及存储介质与流程

本申请涉及移动边缘计算技术领域，特别涉及一种边缘服务器任务卸载方法、装置、设备及一种可读存储介质。

背景技术：

目前，智能移动设备是应用的主流存储和计算设备，支持许多计算密集型的应用，如交互游戏，vr/ar，在线社交网络服务等，而这些应用往往需要极低的网络延迟来响应用户的需求，同时由于体积受限，移动设备的计算和存储能力受限，随着人口基数的增长以及电子设备的发展，爆炸式的数据流量增长将成为今后的发展趋势,为解决大数据流量下移动设备的响应处理，需要边缘计算(指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务)进行计算卸载以满足延迟性能，目前主要是以基站(gbs)以及无人机(uva)作为边缘服务器来实现任务卸载的。

相关技术中，位于基站(和/或无人机)服务范围内的智能移动设备是通过将任务发送至基站(和/或无人机)，调用基站(和/或无人机)进行任务处理来实现计算卸载，以满足延迟性能。而该种方法中，地面基站一旦建设，其位置固定，无人机的移动轨迹也是固定的，但是携带智能移动设备的人群流动方向以及人流量都是不固定且不规律的，存在某时刻下各基站(和/或各无人机)间人群数量不均衡，卸载任务分配不均，某基站(和/或某无人机)的待处理任务数量远高于承载水平的情况，进一步产生地面基站过载或者有些用户无法被服务的问题，导致存在较大的任务卸载延迟的同时还会对基站(和/或各无人机)造成较大的能耗损失。

因此，如何避免对于任务拥有者产生过大的任务承载压力的同时，降低范围内用户任务的平均时延，是本领域技术任务急需解决的问题。

技术实现要素：

本申请的目的是提供一种边缘服务器任务卸载方法，该方法可以稳定的保持长期准确边缘服务器任务卸载；本申请的另一目的是提供一种边缘服务器任务卸载装置、设备及一种可读存储介质。

为解决上述技术问题，本申请提供一种边缘服务器任务卸载方法，所述边缘服务器包括基站与无人机，该方法包括：

获取目标区域的任务位置分布图；所述基站架设于所述目标区域中；

根据所述任务位置分布图确定所述目标区域中的任务密集区域；

将所述无人机部署至所述任务密集区域；

确定待处理任务；

根据所述待处理任务与所述边缘服务器间的位置关系，确定任务承载方；

调用所述任务承载方进行任务卸载处理。

可选地，根据所述任务位置分布图确定所述目标区域中的任务密集区域，包括：

将所述任务位置分布图中间距小于第一阈值的任务连接，得到任务分布无向图；所述第一阈值根据所述无人机的服务半径设定；

调用最大团算法对所述任务分布无向图进行任务密集区域求解，将求解得到的完全图作为所述任务密集区域。

可选地，在调用最大团算法对所述任务分布无向图进行任务密集区域求解之前，还包括：

裁剪掉所述任务分布无向图中连接的任务总数未达到第二阈值的任务；

其中，所述第二阈值根据单位时间内所述基站与所述无人机任务处理能力设定。

可选地，将所述无人机部署至所述任务密集区域，包括：

若不存在任务密集区域，则不部署无人机；

若所述任务密集区域的数量多于所述无人机的数量，则按所述任务密集区域与所述基站间距离由远及近的顺序，对所述任务密集区域进行无人机的部署；

若任务密集区域的数量不多于所述待部署无人机的数量，则为各所述任务密集区域分别部署一台无人机。

可选地，根据所述待处理任务与所述边缘服务器间的位置关系，确定任务承载方，包括：

若所述待处理任务属于所述无人机的服务范围，则将所述无人机作为所述任务承载方；

若所述待处理任务不属于所述无人机的服务范围，但属于所述基站的服务范围，则将所述基站作为所述任务承载方；

若所述待处理任务既不属于所述无人机的服务范围，又不属于所述基站的服务范围，则将所述待处理任务生成的本地端作为所述任务承载方。

可选地，在调用所述任务承载方进行任务卸载处理之前，还包括：

判断所述无人机是否过载；

若是，调用所述基站对所述无人机进行任务卸载。

可选地，判断所述无人机是否过载，包括：

判断所述无人机与所述基站实际承载的任务数量之比是否超过任务承载能力之比。

本申请还提供了一种边缘服务器任务卸载装置，所述边缘服务器包括基站与无人机，该装置包括：

任务分布获取单元，用于获取目标区域的任务位置分布图；所述基站架设于所述目标区域中；

密集区域确定单元，用于根据所述任务位置分布图确定所述目标区域中的任务密集区域；

无人机部署单元，用于将所述无人机部署至所述任务密集区域；

任务确定单元，用于确定待处理任务；

任务承载确定单元，用于根据所述待处理任务与所述边缘服务器间的位置关系，确定任务承载方；

任务卸载单元，用于调用所述任务承载方进行任务卸载处理。

本申请还提供了一种边缘服务器任务卸载设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现所述的边缘服务器任务卸载方法的步骤。

本申请还提供了一种可读存储介质，所述可读存储介质上存储有程序，所述程序被处理器执行时实现所述边缘服务器任务卸载方法的步骤。

本申请所提供的边缘服务器任务卸载方法，该方法在基站位置固定的基础上，通过分析区域内的任务位置分布确定在当前人流量下的人员密集区域，对人员密集区域进行无人机的部署，可以辅助固定的地面基站实现高密集区域的计算卸载。该方法通过将无人机部署至任务密集区，可以缩短用户终端与边缘服务器间的传输距离，提升任务卸载速度，减少路径损耗；而且根据待处理任务与边缘服务器间的位置关系进行任务卸载处理，不仅可以缓解由于人流量分布不均衡导致的各边缘服务器间卸载任务分配不均的情况，又可以避免对于架设与该区域的基站承载压力过大，缓解由于基站服务压力大带来的任务延迟的情况，优化用户体验。

本申请还提供了一种边缘服务器任务卸载装置、设备及一种可读存储介质，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术任务来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种边缘服务器任务卸载方法的流程图；

图2为本申请实施例提供的一种任务位置分布示意图；

图3为本申请实施例提供的一种无人机位置部署示意图；

图4为本申请实施例提供的一种边缘服务器任务卸载装置的结构框图；

图5为本申请实施例提供的一种边缘服务器任务卸载设备的结构示意图。

具体实施方式

本申请的核心是提供一种边缘服务器任务卸载方法，该方法可以稳定的保持长期准确边缘服务器任务卸载；本申请的另一核心是提供一种边缘服务器任务卸载装置、设备及一种可读存储介质。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术任务在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在一个二维平面目标区域内有1个固定地面基站与1个无人机(为简化模型，在此仅以无人机的数目为1的情况进行介绍，多台无人机时也可以参照实施例的介绍，在此不再赘述)，用户任务的数量与分布随着时间变化而变化。

用(xi,yi,0)与(xn,yn,h)分别表示任务与无人机的位置坐标。任务与无人机两者间的距离可以表示为：

其中||·||表示欧氏距离。

路径损耗可以表示为：

其中pl0(d0)表示在基准距离d0下的基本传输损耗，ρ表示在联合考虑视距与非视距的情况下的路径损耗指数。数据的传输速率可以表示为：

其中k为信道带宽，pt表示传输功率，n0表示噪声功率。

假设任务i需要本地处理或是提交至边缘服务器进行计算。用xin表示任务i是否卸载给边缘服务器n(xin＝0表示不卸载，xin＝1表示地面基站卸载，xin＝2表示无人机卸载)。为了方便表述，使用上标“loc”表示本地计算，使用上标“edge”来表示边缘计算。

当任务选择本地计算时，任务的总时延即为计算时延，可以表示为：

其中，表示任务在本地计算所需的cpu周期总数，表示用户i的计算能力。其能量消耗可以表示为：

其中，ηi表示每个cpu周期的能量消耗的系数。

当任务选择边缘卸载时，任务的总时延可以分为两部分，一部分是传输时延，另一部分为处理时延，传输时延可以表示为：

其中，r(din)表示在距离din为时的数据传输率，a表示发送时的数据大小。由于每个边缘服务器的能力是有限的，在每个边缘服务器，本实施例中采用m/m/1/r/∞/fcfs的排队模型，m/m/1/r/∞/fcfs的排队模型是排队论中的一种模型，顾客相继到达间隔时间与服务时间服从泊松分布，只有一台服器，队列长度无限制，客源无限制，服务规则为先到先服务。

于是，任务i的处理时延包括了排队时延与计算时延，该时延可以表示为：

其中，l表示平均队长，即在被服务的任务数与排队等待的任务数之和。λe表示任务的有效到达率。于是任务的总时延可以表示为：

任务的拥有者的能量消耗可以表示为：

其中pi表示该任务的拥有者的传输功率。

考虑到任务请求是非均匀分布的，为确保在不超过最大能耗约束的前提下，使任务卸载的延迟最小化，任务处理延迟可以阐述为：

min∑t∑i∈idi(10)

公式(10)即所有时隙(单位时间)所有用户的任务处理时延之和；

s.t.∑t∑i∈iei≤e^max(10a)

公式(10a)中s.t.∑t∑i∈iei即所有单位时间所有用户的任务处理能耗；

xin∈{0,1,2}(10b)

约束(10a)表示任务的总能耗不超过e^max这个阈值，约束(10b)表示该问题为一个三元卸载问题。

在三元卸载(本地端、基站与无人机)下保证任务处理时延与任务处理能耗的最小化，根据公式(4)与公式(8)可知任务处理时延与任务总量以及传输距离相关，根据公式(5)与公式(9)可知能量消耗也与任务总量以及传输距离相关，因此，为了实现(10)和(10a)、(10b)，需要保证传输距离与任务处理端任务量的均衡。为此，本实施例提出了一种边缘服务器任务卸载方法，旨在最小化每个任务的平均延迟，以便公平地对待目标区域中的每个任务。图1为本实施例提供的边缘服务器任务卸载方法的流程图，根据该流程可以实现任务处理时延以及任务处理能耗的最小化，该方法主要包括：

步骤s110、获取目标区域的任务位置分布图；

目标区域指待部署无人机以及待任务卸载的区域，可以为体育场、机场、公园等。在目标区域中存在通过边缘算法进行任务处理的用户移动智能终端，即存在需要调用边缘服务器进行任务卸载的任务，本实施例中的边缘服务器主要指基站以及无人机。在目标区域中在特定时间会有高于平时的人员流量，本实施例的目的在于利用无人机的移动性，在这一段时间向目标地点部署无人机，改善目标区域内的时延情况，优化用户的体验。

在目标区域中架设有基站，基站可以实现对于用户移动智能终端的任务卸载，目标区域中还调用无人机进行任务卸载，但是这些无人机的具体行驶轨迹需要根据后续步骤设定，即在本步骤中无人机处于待部署的状态。本实施例中对于一定区域内架设的基站以及无人机的数量不做限定，一般可以以一个基站的服务区域范围以及附近区域进行目标区域的划分，以简化分析过程，本实施例中也主要以目标区域中仅架设有一台基站为例。

由于任务是由用户移动智能终端发起，任务位置分布图也可以引申为人员位置分布图，可以根据数据获取的方便性进行任务或人员的位置分布图的获取，在此不做限定。如图2所示为一种任务位置分布图，图中横纵坐标分别指示区域内的位置，圆形点表示任务，空心圆表示基站的服务范围，空心圆的圆点(即方形点)表示基站。

需要说明的是，由于人流量分布的随机性，不同时间下的人员分布不同，为保证在每个时隙下的最优任务卸载，步骤s110获取目标区域的任务位置分布图的过程具体可以为：每个时隙下，获取目标区域的任务位置分布图。即一个时隙确定一次实时的任务分布，可以保证每个时隙t的最优部署位置。

步骤s120、根据任务位置分布图确定目标区域中的任务密集区域；

由于人流量分布的不规律性以及随机性，需要根据当前的任务位置分布确定其中的密集区域，本实施例中对于人员密集区域的数量以及大小不做限定，确定的人员密集区域可以为一个，也可以为多个，需要根据相应的确定规则来确定，而本实施例中对于人员密集区域的具体确定规则也不做限定，比如可以以任务间距作为判别条件，选择相邻任务间距不高于阈值的任意大小的区域作为任务密集区域，本实施例中仅以上述条件为例进行介绍。

步骤s130、将无人机部署至任务密集区域；

将无人机部署至任务密集区域，具体无人机的服务范围需要包括确定的任务密集区域，如图3所示为一种无人机位置部署示意图，图中实心三角点为无人机(uav)，空心虚线圆为无人机的服务范围，实心方形点为基站(bs或gbs)，空心实线圆为基站的服务范围，实心圆形点为任务(task)。

本实施例中通过对任务密集区域进行可移动的边缘服务器(无人机)的部署，可以缓解该任务密集区域对于基站的服务压力，实现任务的均衡划分，平衡各边缘服务器间的任务量；同时可以减少任务密集区域下多任务与任务接收端的间距，减少数据传输距离。

而具体地，由于上述步骤s120中对于确定的任务密集区域的数量不做限定，为保证任务密集区域的任务高效处理的同时，尽量减少无人机部署成本，可选地，将无人机部署至任务密集区域的过程具体可以包括以下步骤：

(1)若不存在任务密集区域，则不部署无人机；

(2)若任务密集区域的数量多于无人机的数量，则按任务密集区域与基站间距离由远及近的顺序，对任务密集区域进行无人机的部署；

(3)若任务密集区域的数量不多于待部署无人机的数量，则为各任务密集区域分别部署一台无人机。

如果没有发现最大团，则不进行无人机部署；多个任务密集区域一个无人机时，选取距离基站最远的任务密集区域部署无人机；多个任务密集区域多个无人机时，根据任务密集区域与基站间的距离由远及近的顺序部署无人机。

步骤s140、确定待处理任务；

待处理任务即通过边缘计算进行任务卸载处理的用户移动智能终端中生成的计算任务，确定并统计当前时间下目标区域内的所有待处理的任务，以实现任务的合理分配。

需要说明的是，确定待处理任务的过程可以在步骤s150前的任意时间段执行，本实施例中对于步骤s140的执行时间不做限定。

步骤s150、根据待处理任务与边缘服务器间的位置关系，确定任务承载方；

在以上步骤的基础上，我们可以得到无人机的部署位置，确定基站的位置以及各待处理的任务的位置，剩下的问题是任务如何选择卸载或不卸载，以及调用何种边缘服务器进行任务卸载。

为保证任务与任务承载方之间的传输距离的最小化，减少传输损耗，本实施例中根据待处理任务与边缘服务器间的位置关系，选取与待处理任务间距最近、任务处理量最低的设备作为任务承载方，以实现最低能耗、最低延迟进行任务处理。

具体可以对每个任务执行以下卸载原则:

(1)若待处理任务属于无人机的服务范围，则将无人机作为任务承载方；

(2)若待处理任务不属于无人机的服务范围，但属于基站的服务范围，则将基站作为任务承载方；

(3)若待处理任务既不属于无人机的服务范围，又不属于基站的服务范围，则将待处理任务生成的本地端作为任务承载方。

任务若离无人机近时(属于无人机的服务范围)，为减少基站的负载压力，将该任务分配至无人机；该任务若离无人机较远时，为避免调用无人机进行任务卸载带来较大的传输距离，影响处理能耗，不选用无人机，而从本地端以及基站中选取任务承载方，其中，由于基站的任务处理能力远优于本地端，为提升任务的处理速度，若离基站较近时(属于基站的服务范围)，调用能力强的基站进行任务处理，若离基站较远，为减少传输损耗，则调用本地端进行任务承载。该方式可以自动选取传输距离短、任务处理压力小、任务处理能力强的任务承载方，一遍进一步提升任务卸载过程中的总处理时延以及处理能耗。

步骤s160、调用任务承载方进行任务卸载处理。

调用任务承载方进行任务卸载处理的过程具体可以参见相关技术的介绍，在此不再赘述。

基于上述介绍，本实施例提供的边缘服务器任务卸载方法在基站位置固定的基础上，通过分析区域内的任务位置分布确定在当前人流量下的人员密集区域，对人员密集区域进行无人机的部署，可以辅助固定的地面基站实现高密集区域的计算卸载。该方法通过将无人机部署至任务密集区，可以缩短用户终端与边缘服务器间的传输距离，提升任务卸载速度，减少路径损耗；而且根据待处理任务与边缘服务器间的位置关系进行任务卸载处理，不仅可以缓解由于人流量分布不均衡导致的各边缘服务器间卸载任务分配不均的情况，又可以避免对于架设与该区域的基站承载压力过大，缓解由于基站服务压力大带来的任务延迟的情况，优化用户体验。

上述实施例中对于任务密集区域的确定方式不做限定，本实施例中基于图的思想，提出了一种将人口密度问题转化为最大团问题的解决方式，使用图中最大团的理论来识别图中人口最密集的区域。具体的一种实现方式如下：

根据任务位置分布图确定目标区域中的任务密集区域的过程具体可以包括：

(1)将任务位置分布图中间距小于第一阈值的任务连接，得到任务分布无向图；第一阈值根据无人机的服务半径设定；

其中，需要说明的是，调用最大团算法中是对散点进行分析处理，若获取目标区域的任务位置分布图非散点图，则需要进一步将每个任务设置为图中的一个点，本实施例中以任务位置分布图为散点图为例进行介绍。

(2)调用最大团算法对任务分布无向图进行任务密集区域求解，将求解得到的完全图作为任务密集区域。

两任务之间连接线的生成方式如下：

||i^a,i^b||≤ruav(11)

其中i^a,i^b表示任意两个任务,||·||为两个任务的欧式距离，ruav为配备边缘服务器的无人机的服务半径。

当两个任务之间的距离小于ruav时，在两个点之间添加一条边(连接线)，添加边(连接线)后的任务位置分布图即可作为无向图，来实现最大团算法。

在此无向图的基础上，即可直接采用最大团算法求解得到当前人员最密集区域，具体的算法实现步骤在此不再赘述，可以参照相关算法的介绍。

需要说明的是，本实施例中以最大团算法进行任务密集区域的确定为例进行介绍，该方法可以精准快速识别任务密集区域，提升任务卸载实现效率。由于本申请中对于任务密集区域的确定方式不做限定，基于其他算法或者判断规则进行任务密集区域的设定的实现过程均可参照本实施例的介绍，在此不再赘述。

由于最大团问题的时间复杂度相对较高，为进一步提升任务密集区域的确定过程实现效率，减少资源占用，可以进一步对图进行适当的裁剪，裁剪掉任务稀疏的区域的任务。

具体地，在调用最大团算法对任务分布无向图进行任务密集区域求解之前，可以进一步：裁剪掉任务分布无向图中连接的任务总数未达到第二阈值的任务。

引入一个第二阈值k，然后递归地删除图中小于k的点，k为点的边(连接线)的数量阈值，若点的边的数量较少，指示该点所处的区域任务较稀疏，针对该区域部署无人机的需求较低；若点的边的数量多，指示该点所处区域的任务密集，相对于稀疏区域存在更大的无人机部署需求。增加k值不仅可以提高算法的运行速度，还可以用于无人机是否部署的决策。

k的数值设置不做具体限定，为在简化最大团算法的实现过程的同时避免任务点的过多删减，k可以根据单位时间内基站与无人机任务处理能力设定。

具体地，一种k的设置规则如下：

其中cbs、cuav分别为在单位时间内搭载边缘服务器的基站和无人机能够处理的任务数。公式(12)可以实现根据基站以及无人机的处理能力进行任务的删减，避免对于边缘服务器产生过重的负载压力的同时保证边缘服务器处理任务的最大化。

为加深对于本实施例介绍的基于无向图生成、图修剪生成的任务密集区域进行无人机的部署过程的理解，以下以一种具体实现算法为例进行介绍，如下表1所示。

表1

根据公式(11)生成无向图(第3-4行)，对图进行修剪并求解最大团(即任务密集区域)(第5-7行)。如果没有发现最大团，则不进行无人机部署；若无人机数量不唯一，则选择距离基站最远的位置作为无人机的部署位置(第10行)。

基于上述实施例，经过试验证明，当区域内任务过于密集，且无人机辅助卸载任务较多时，会影响任务卸载优化效果。为避免对于各边缘服务器产生过重的承载压力，平衡无人机和基站的负载，并防止一方过载，保证无人机与基站均可以在最大处理能力下进行任务卸载，可选地，在调用任务承载方进行任务卸载处理之前，可以进一步判断无人机是否过载；若是，调用基站对无人机进行任务卸载。

具体地，一种判断无人机是否过载的实现方式如下：判断无人机与基站实际承载的任务数量之比是否超过任务承载能力之比。

需要满足以下条件：

其中sum(xi＝1)和sum(xi＝2)分别表示gbs和uav所服务的任务数量。在无人机服务范围内的用户距离基站的距离近的卸载给基站，直至无人机和基站间待服务的用户比例达到或接近用户服务能力的比例。

具体地，一种基于上述过载处理的任务卸载实现算法如下表2所示。

表2

请参考图4，图4为本实施例提供的边缘服务器任务卸载装置的结构框图；主要包括：任务分布获取单元210、密集区域确定单元220、无人机部署单元230、任务确定单元240、任务承载确定单元250以及任务卸载单元260。本实施例提供的边缘服务器任务卸载装置可与上述边缘服务器任务卸载方法相互对照。

其中，任务分布获取单元210主要用于获取目标区域的任务位置分布图；基站架设于目标区域中；

密集区域确定单元220主要用于根据任务位置分布图确定目标区域中的任务密集区域；

无人机部署单元230主要用于将无人机部署至任务密集区域；

任务确定单元240主要用于确定待处理任务；

任务承载确定单元250主要用于根据待处理任务与边缘服务器间的位置关系，确定任务承载方；

任务卸载单元260主要用于调用任务承载方进行任务卸载处理。

本实施例提供一种边缘服务器任务卸载设备，主要包括：存储器以及处理器。

其中，存储器用于存储程序；

处理器用于执行程序时实现如上述实施例介绍的边缘服务器任务卸载方法的步骤，具体可参照上述边缘服务器任务卸载方法的介绍。

请参考图5，为本实施例提供的边缘服务器任务卸载设备的结构示意图，该边缘服务器任务卸载设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessingunits，cpu)322(例如，一个或一个以上处理器)和存储器332，一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备)。其中，存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地，中央处理器322可以设置为与存储介质330通信，在边缘服务器任务卸载设备301上执行存储介质330中的一系列指令操作。

边缘服务器任务卸载设备301还可以包括一个或一个以上电源326，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口358，和/或，一个或一个以上操作系统341，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm等等。

上面图1所描述的边缘服务器任务卸载方法中的步骤可以由本实施例介绍的边缘服务器任务卸载设备的结构实现。

本实施例公开一种可读存储介质，其上存储有程序，程序被处理器执行时实现如上述实施例介绍的边缘服务器任务卸载方法的步骤，具体可参照上述实施例中对边缘服务器任务卸载方法的介绍。

该可读存储介质具体可以为u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可存储程序代码的可读存储介质。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业任务还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术任务可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

以上对本申请所提供的边缘服务器任务卸载方法、装置、设备及可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术任务来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。