任务卸载方法、装置和存储介质与流程

【】本技术实施例涉及计算机网络，尤其涉及一种任务卸载方法、装置和存储介质。

背景技术

0、
背景技术：

1、近年来，以可穿戴设备、视频监控和互联汽车为代表的资源需求大、时延敏感的物联网(iot)应用爆炸式增长，给计算资源有限的底层物联网设备带来了巨大挑战。由于物理尺寸的限制，物联网设备通常只具备有限的能量容量和计算资源。因此，不断增长的用户需求与物联网设备有限能力之间的矛盾成为了一个具有挑战性的问题。为了缓解资源匮乏的应用程序和资源匮乏的物联网设备之间不断加剧的紧张关系，任务卸载已经被提出作为一种有效的解决方案。

2、在雾/边缘计算模式下，计算和存储资源从网络核心被推到更接近物联网设备的网络边缘。如果积极地将尽可能多的移动工作负载卸载到边缘节点，那么边缘节点的成本和运营支出将大大增加，因为需要配置更多的资源来匹配峰值需求。在计算和通信能力有限的每个边缘设备中，一个自然的问题是如何高效地利用稀缺的通信和计算资源，最大限度地提高全系统的效率，传统的方法多从执行用户任务的上行传输时延、计算时延、下行传输时延对任务总时延影响的用于移动边缘计算的任务卸载，但是这些方法有些片面，可能无法最大化的利用资源池的资源。

3、因此，提供一种最大化算力网络资源池的全系统效率的任务卸载方法是目前亟需解决的问题。

技术实现思路

0、
技术实现要素：

1、本技术实施例提供了一种任务卸载方法、装置和存储介质，能够优化设备到设备卸载策略，在资源池有限的情况下，以最大化成功执行的任务的总效用为目标合理利用资源池。

2、第一方面，本技术实施例提供一种任务卸载方法，应用于算力网络资源池，所述方法包括：获取数据流计算任务的特征，所述数据流计算任务的特征包括所需计算资源量、所需处理密度、输出数据大小与输入数据大小的比率，以及任务效用；根据所述数据流计算任务的特征建立计算约束和通信约束，以任务效用最大化为目标确定待卸载的数据流计算任务。

3、第一方面的有益效果，通过获取数据流计算任务的包括所需计算资源量、所需处理密度、输出数据大小与输入数据大小的比率，以及任务效用的特征，构建计算约束、通信约束，并以任务效用最大化为目标确定待卸载的数据流计算任务的方法，能够优化设备到设备卸载策略，在资源池有限的情况下，以最大化成功执行的任务的总效用为目标合理利用资源池。

4、在一种可能的实现方式中，所述算力网络资源池包括资源设备和任务设备，所述根据所述数据流计算任务的特征建立计算约束和通信约束，以任务效用最大化为目标确定待卸载的数据流计算任务，包括：

5、建立所述任务效用最大化的计算公式：其中xp是二元决策变量，当支持任务设备p的数据流计算任务时xp＝1，当不支持任务设备p的数据流计算任务时xp＝0，ydp是决策变量，表示资源设备d分配给任务设备p的计算资源量，p∈p表示任务设备p属于任务设备集合p，ep表示任务设备p的数据流计算任务的任务效用；

6、建立计算约束和通信约束的计算公式：约束1：表示任务设备p的数据流计算任务被选择时即xp＝1时，聚合计算资源应满足其资源需求cp，其中d表示资源设备，γp表示能够与任务设备p进行设备到设备的连接并进行任务卸载的资源设备集合；约束2：表示资源设备d提供的计算资源总量不应超过其容量cd，其中ii表示能够与资源设备d建立设备到设备连接的任务设备集合，r表示资源设备集合；约束3：其中ydp表示给定由资源设备d为任务设备p的数据流计算任务提供的计算资源，bip表示已建立连接的资源设备i与任务设备p之间数据传输速率，和分别表示实时处理的最大可负担得起的输入数据流速率和输出数据流速率，其中dp表示数据流计算任务的处理密度，kp表示任务设备p的数据流计算任务的输出数据大小与输入数据大小的比率；约束4：表示决策变量ydp的可行空间；约束5：表示决策变量xp的可行空间；

7、根据所述任务效用最大化的计算公式和所述计算约束和通信约束的计算公式求解出待卸载的数据流计算任务。

8、在一种可能的实现方式中，所述算力网络资源池包括资源设备和任务设备，当所述待卸载的数据流计算任务为多个数据流计算任务时，所述方法还包括：获取每个数据流计算任务的任务资源占用系数，当所述数据流计算任务的任务资源占用系数大于1时，删除所述数据流计算任务，其中，所述任务资源占用系数表示数据流计算任务的计算任务需求与资源设备所拥有的总可用资源之间的比率；获取每个数据流计算任务的任务效用；获取每个数据流计算任务的紧迫性指标，其中，所述紧迫性指标表示数据流计算任务的任务资源占用系数与任务效用的乘积；按照所述任务效用从大到小、所述紧迫性指标从大到小对多个所述数据流计算任务进行任务执行优先级从高到低的排序。

9、在一种可能的实现方式中，所述算力网络资源池包括资源设备和任务设备，当所述待卸载的数据流计算任务为多个数据流计算任务时，所述方法还包括：获取每个数据流计算任务的任务资源占用系数，当所述数据流计算任务的任务资源占用系数大于1时，删除所述数据流计算任务，其中，所述任务资源占用系数表示数据流计算任务的计算任务需求与资源设备所拥有的总可用资源之间的比率；获取每个数据流计算任务的任务效用；获取每个数据流计算任务的紧迫性指标，其中，所述紧迫性指标表示数据流计算任务的任务资源占用系数与任务效用的乘积；获取每个数据流计算任务的单位效用，其中，所述单位效用表示数据流计算任务的任务效用与数据流计算任务的计算任务需求的比率；按照所述单位效用从大到小、所述任务效用从大到小、所述紧迫性指标从大到小对多个所述数据流计算任务进行任务执行优先级从高到低的排序。

10、在一种可能的实现方式中，当选择多个待卸载的数据流计算任务同时执行时，所述方法还包括：将选择的所述多个待卸载的数据流计算任务分配给资源设备；所述将选择的所述多个待卸载的数据流计算任务分配给资源设备，包括：构建算力资源池流网络，将计算资源作为网络流，将资源设备作为流的提供者，将任务设备作为流的需求者，计算所述算力资源池流网络的资源提供最大流；检查所述资源提供最大流是否等于所选任务设备所需的总流，若是则执行任务卸载，若否则调整任务设备，以使所述资源提供最大流等于所选任务设备所需的总流。

11、在一种可能的实现方式中，所述算力网络资源池包括资源设备和任务设备，当所述待卸载的数据流计算任务为多个数据流计算任务时，所述方法还包括：每个任务设备与其相邻的所有资源设备进行协商，获取所述资源设备所拥有的可用资源；所述任务设备向所述资源设备发送算力资源请求，所述资源设备对算力资源请求进行执行优先级排序；所述资源设备向执行优先级最高的任务设备提供算力资源。

12、在一种可能的实现方式中，所述任务设备向所述资源设备发送算力资源请求，所述资源设备对算力资源请求进行执行优先级排序，包括：所述任务设备向所述资源设备发送包括计算任务需求、任务效用和紧迫性指标的算力资源请求，其中，所述紧迫性指标表示任务设备的数据流计算任务的任务资源占用系数与任务效用的乘积，所述任务资源占用系数表示任务设备的数据流计算任务的计算任务需求与资源设备所拥有的可用资源之间的比率；所述资源设备按照所述任务效用从大到小、所述紧迫性指标从大到小对所述多个算力资源请求进行任务执行优先级从高到低的排序。

13、在一种可能的实现方式中，所述资源设备向执行优先级最高的任务设备提供算力资源，包括：对于给定的算力资源请求，资源设备i提供给任务设备p的最大资源量y′it为：其中cp表示任务设备的计算任务需求，ci表示资源设备i所拥有的可用资源，表示资源设备i分配给任务设备p的计算资源量。

14、第二方面，本技术实施例提供一种任务卸载装置，应用于算力网络资源池，所述装置包括：任务特征获取模块，用于获取数据流计算任务的特征，所述数据流计算任务的特征包括所需计算资源量、所需处理密度、输出数据大小与输入数据大小的比率，以及任务效用；任务卸载确定模块，用于根据所述数据流计算任务的特征建立计算约束和通信约束，以任务效用最大化为目标确定待卸载的数据流计算任务。

15、第三方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面提供的方法。

16、应当理解的是，本技术实施例的第二～三方面与本技术实施例的第一方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。