本发明涉及移动边缘计算领域，具体涉及边缘计算服务系统的用户终端任务卸载方法。
背景技术：
随着移动互联网的飞速发展，移动用户设备也不断激增，例如智能手机、平板电脑、智能家居、iot设备等。这些设备的应用场景也越来越丰富，产生了很多计算密集型的使用场景，如vr、ar、智能识别等。但移动用户设备因其便携性的特点，受到计算能力以及续航等问题制约。而云计算技术的发展，利用云计算能力赋予移动设备更强大的算力，以满足应用需求。但一般云计算集群距离移动用户设备较远，造成其通信延迟较大。这些集群很难保证移动用户的服务质量以及体验质量。
移动边缘计算这一新的计算模型的提出，就是为了解决上述问题。边缘计算将计算节点部署在接近移动用户设备的云边缘上，为移动用户设备提供算力，以解决设备计算资源有限且容易受到能耗影响的问题。通过将移动用户设备上的计算任务卸载到移动边缘节点执行，为该设备提供边缘计算服务。
传统的移动边缘计算系统，出于成本与服务质量的考虑，大都是分层级、分区域设定边缘节点的位置与服务对象。服务提供者一般在小区、教学园区、办公楼这类人口密集区域部署一个边缘计算节点来为该区域用户提供边缘计算服务。这类边缘计算系统，边缘节点之间的计算资源并不能相互使用，容易造成计算资源的闲置与浪费。而且，这类边缘节点的计算性能配置，需要考虑当前区域的业务峰值来设定，以保障服务质量要求，造成边缘节点在业务非繁忙时段有大量的空置计算资源，造成巨大的能源和资源浪费。
分布式移动边缘计算系统，将边缘节点分散地部署在靠近移动用户终端的网络位置。这些边缘节点连接终端的网络接入点，如移动用户终端所连接的蜂窝网络基站、无线热点等。这些边缘节点与传统移动边缘计算系统相比，不会配置太多计算资源。因为邻近边缘节点之间地理位置相邻，且使用高速网络线路连接。所以邻近边缘节点之间可以互相借调计算资源或分配任务。移动用户终端使用邻近的边缘节点并不会带来太多额外的延迟。然而，由于其分布式部署的特性，大量的边缘计算节点集群，如果没有一个合理、高效的资源和任务分配策略，同样会造成大量计算资源和能源的浪费。
而在移动边缘计算中，当移动用户设备决定卸载任务后，任务该由哪个边缘节点来执行是一个关键问题。因为无线网络区域中的移动用户设备会随着时间不同而发送剧烈变化。如果卸载任务全部由网络区域中的一个边缘节点来执行，很容易会出现请求峰值时资源不足而无法提供服务的情况。所以，任务放置应尽可能地将任务在保证用户的使用体验要求的前提下，均衡地将负载分配到可提供服务的边缘节点中去，使得边缘节点集群资源使用均衡。此任务的决策应该由本地边缘节点独立做出，以获取实时的任务转载和资源分配决定。如果任务放置决策是由远端的云计算中心进行，不仅会带来单点故障的可靠性问题，而且因决策中心远离移动用户设备，使得决策时延大大增加。
技术实现要素：
本发明的目的在于克服现有任务调度决策交由远端数据中心执行带来的可靠性和时效性问题，提出分布式边缘计算服务系统下的移动用户终端任务卸载方法，由本地边缘节点决策卸载任务分配，在保证用户体验质量与服务质量的情形下，优化边缘计算节点之间资源使用的合理性、均衡性。
本发明的技术方案如下：分布式边缘计算服务系统下的移动用户终端任务卸载方法，由服务本地终端的本地边缘节点决策卸载任务分配，卸载方法包括以下步骤：
s1、本地边缘节点接收本地终端的任务卸载请求；
s2、本地边缘节点获取自身与邻近边缘节点的计算资源使用信息；
s3、本地边缘节点根据任务所需要的资源情况，与当前可用的边缘节点资源使用情况，采用基于资源阈值的本地资源优先策略，选取本地边缘节点、邻近边缘节点或云计算中心的计算节点执行任务；
s4、本地边缘节点向被选中的边缘节点或计算节点请求确认、执行任务；
s5、承载任务的边缘节点或计算节点返回任务执行结果给终端，并将任务执行记录发送到云计算中心。
本发明相对于现有技术具有如下的优点及效果：
1、任务调度决策在本地边缘节点执行，避免中心化决策造成的可靠性、可用性问题。
2、本地边缘节点由自身的资源信息数据库存储自身及与之相连的邻近边缘节点的资源使用情况，并且根据其他节点的广播信息及时更新数据库，使其决策速度大大提升，避免中心化获取节点资源使用情况带来的额外时延。
3、使用基于资源阈值的本地资源优先策略和确保延迟的资源优化调度算法进行计算节点的选择，若边缘节点数为n，计算资源种类数量为q，则该算法可以在时间复杂度为o(qn)的情况下快速选取任务承载节点，同时在保证用户服务时延的前提下，提高边缘节点集群可以承载的任务数量，并且减少节点资源使用不均的情况发生。
附图说明
图1是本发明的一个实施例的分布式边缘计算服务系统的总体架构图；
图2是本发明的一个实施例的任务卸载流程图；
图3是本发明的一个实施例的基于资源阈值的本地资源优先策略的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，根据下面说明和权利要求书，本发明的优点和特征将更加清楚，但本发明的实施方式不限于此。
实施例
如图1所示，在本发明中，分布式边缘计算服务系统由服务移动终端的本地边缘节点集、邻近边缘节点集和云计算中心节点集这三类节点组成。本地边缘节点(nlocal)由部署在该终端所在的本地无线网络区域的无线基站中的mec(mobileedgecomputing)服务器组成，它处于终端连接的无线蜂窝网络区域中，是该基站的边缘计算节点，这个节点构成终端的边缘计算本地服务系统；邻近边缘节点(设共有k-1个邻近边缘节点，组成邻近边缘节点集nnear＝{n1，n2，…，nk-1})，部署于邻近无线网络区域的基站中，与本地边缘节点采用高速专线网络连接，为可由边缘计算本地服务系统依据预先设定的调度原则按需调度使用的边缘节点集，它们与本地边缘节点共同组成可服务移动终端应用的边缘节点群nk＝{nlocal，nnear}，简称可用边缘节点群nk，共k个边缘节点(也叫边缘计算节点)；云计算中心，是系统部署的大型数据中心，负责管理监控所有边缘节点，在特定情况下其计算节点也可为终端提供卸载服务。
云计算中心统一监控所有边缘节点，该计算中心可负责协调或协助边缘节点之间建立邻居关系、协助构建相关通信信道以支持边缘节点之间的信息传递，以及实现任务的注册、容器镜像制作与分发等功能，并保存所有任务卸载的执行记录，用于统计分布式边缘计算服务系统的服务质量(qos)指标，以及告警管理者边缘节点的运行状况。
移动用户终端一般直接与本地边缘节点进行通信，使用分布式边缘计算服务系统的服务，执行计算任务卸载等操作。
移动用户终端，在其操作系统中运行一个应用分析器以及卸载管理器，应用分析器用于实时检测当前操作系统中运行的应用程序与计算任务的可卸载性与复杂度，并且监控终端自身电池电量、cpu和gpu使用率、无线网络状态，与边缘节点的连接情况等信息，做出是否卸载计算任务的决定。而卸载管理器，则用于管理每次任务卸载过程的生命周期，包括保存程序运行的上下文环境，打包发送任务卸载请求，以及接收任务执行结果，恢复应用程序环境等环节。
对于移动用户终端来说，其一旦决定卸载自己的部分计算任务到分布式边缘计算服务系统，它就会向本地边缘节点发送卸载请求，但并不会知晓实际执行任务的是哪个边缘计算节点，而该计算任务的服务质量(qos)则应该由分布式边缘计算服务系统来保证。
每个边缘节点，自身都会有一个用于存储自身及邻近边缘节点的计算资源使用信息的资源信息数据库，当边缘节点进行决策时，会从该资源信息数据库中获取各边缘节点当前的计算资源使用信息。
这些计算资源使用信息，当各边缘节点的计算资源发生变化时，向邻近边缘节点广播资源变更消息，邻近边缘节点订阅并接收到这些资源变更消息，然后更新它们的资源信息数据库，保持信息同步。
当本地边缘节点接收到卸载任务时，有三种可选行为：本地边缘节点执行、邻近边缘节点执行或云计算中心执行。本地边缘节点根据卸载任务的信息、各边缘节点的计算资源使用信息，执行基于资源阈值的本地资源优先的策略和确保延迟的资源优化调度算法进行任务调度分配，在保证任务时延要求下提供一种能够提高系统资源使用率、吞吐量的任务调度方法。
本发明的任务卸载方法由本地边缘节点决策卸载任务的分配，如图2所示，包括以下步骤：
s1、分布式边缘计算服务系统中的本地边缘节点接收本地终端(如移动用户终端)的任务卸载请求；具体包括：
s11、本地终端的应用分析器根据自身的运行方式预设置及当前运行状态，如电池电量、cpu和gpu使用率、任务的可卸载性和复杂程度、无线网络状态、与本地边缘节点连接状态信息，决定是否将部分任务卸载到分布式边缘计算服务系统。
s12、如果本地终端决定卸载任务，其卸载管理器依据本地边缘节点的服务请求模板，构建卸载需求服务特征性信息和服务质量要求相关指标。
其中卸载需求服务特征性信息，包括：执行任务所需要的cpu周期数cco；执行任务所需输入数据的预估字节数vio；执行任务返回的预估数据字节数voo；执行任务所需的q种计算资源需求ri，其中1≤i≤q，如执行任务所需的cpu资源值rcpu、内存大小rmem、带宽大小rio等。
而卸载需求服务质量要求相关指标，包括：本地终端与提供服务的边缘节点能接受的平均连接时延
s13、本地终端的卸载管理器将任务的卸载需求服务特征性信息和服务质量要求相关指标发送到本地边缘节点。
s2、本地边缘节点获取自身与邻近边缘节点的计算资源使用信息；
上述计算资源使用信息从本地边缘节点独立维护的资源信息数据库中获取，计算资源使用信息包括：可用边缘节点群中各边缘节点的q种计算资源(如cpu、gpu、内存、显存、磁盘、网络带宽)的可使用量
上述资源信息数据库，是由每一个边缘节点独立维护的，负责存储并实时更新边缘节点自身以及其邻近边缘节点的各计算资源的可使用量、上限信息、资源阈值信息，并使用消息队列，订阅邻近边缘节点发布的资源变更信息，即时更新资源信息数据库中的资源信息，从而实现信息同步。
s3、本地边缘节点根据任务所需要的资源情况，与当前可用的边缘节点资源使用情况，采用基于资源阈值的本地资源优先策略，选取本地边缘节点、邻近边缘节点或云计算中心的计算节点执行任务。
其中基于资源阈值的本地资源优先策略，如图3所示，包括步骤：
s31、计算可用边缘节点群nk中各边缘节点若承载任务的剩余资源可使用量
s32、若本地边缘节点的所有计算资源都满足：剩余资源可使用量大于本地边缘节点的预设的高可用资源阈值，但小于本地边缘节点的资源上限(即满足
s33、若本地边缘节点所有计算资源满足：剩余资源可使用量大于本地边缘节点的预设的中可用资源阈值(即满足
s34、若本地边缘节点所有资源满足：剩余资源可使用量大于本地边缘节点的预设的低可用资源阈值(即满足
其中确保延迟的资源优化调度算法，用于解决任务的执行延迟与边缘节点资源负载优化问题，该问题通过建立卸载任务放置模型、任务执行延迟模型、边缘节点资源负载模型来解决。
所述卸载任务放置模型，对于每一个卸载任务，有且只有一个边缘节点会负责执行这个任务，所以任务的放置策略可以表示为：
所述任务执行延迟模型，因任务执行延迟主要在于数据传输延迟以及计算延迟，所以任务t的执行延迟可以表示为：
tdelay＝ttrans tcam
其中数据传输延迟可以表示为：
其中rio为任务请求的带宽资源大小，
而计算延迟则可以表示为：
其中freqj为边缘节点nj的cpu频率，rcpu为任务请求的cpu资源相对大小，
所述边缘节点资源负载模型可以表示为：
其中ri为执行任务所需的q种计算资源需求，
所述任务执行延迟与边缘节点资源负载优化问题可以表示如下：
所述确保延迟的资源优化调度算法，用于获得上述优化问题的帕累托最优解，包括以下步骤：
d1、计算任务可接受延迟基准
d2、从可用边缘节点群nk寻找满足
d3、从候选节点集ndc计算它们(假设候选节点集共有m个边缘节点)的优先分数pj＝lj bj，1≤j≤m，其中
d4、选择优先分数最高的边缘节点进行任务执行。
s35、若本地边缘节点存在计算资源满足：剩余资源可使用量小于本地边缘节点的预设的低可用资源阈值(即满足
其中带惩罚的确保延迟的资源优化调度算法，从w个边缘节点的边缘节点集nws中采取和确保延迟的资源优化调度算法中相似的步骤，仅步骤d3中的优先分数计算方法为
d1、计算任务可接受延迟基准
d2、设可用边缘节点群nws有w个边缘节点，从可用边缘节点群nws寻找满足
d3、从候选节点集ndc计算候选节点集m个边缘节点的优先分数
d4、选择优先分数最高的边缘节点进行任务执行。
s36、若本地边缘节点以及邻近边缘节点集中边缘节点各计算资源都满足
s4、本地边缘节点向被选中的边缘节点或计算节点请求确认、执行任务；具体包括：
s41、本地边缘节点将终端的卸载需求信息发送到被选中的边缘节点或计算节点。
s42、被选中的边缘节点或计算节点根据卸载需求信息进行检测：自身的计算资源是否满足需求的服务特征性信息，以及自身与终端的网络连接是否满足需求的服务质量要求相关指标；若都满足，则为任务预留计算资源，并向本地边缘节点发送任务执行确认消息；否则，返回卸载调度失败消息给本地边缘节点，通知本地边缘节点重新调度其它资源执行任务，本地边缘节点将所述被选定的边缘节点或计算节点标注为不可支持本卸载任务执行的节点，然后重新开始步骤s3。
其中，边缘节点在检测服务质量要求相关指标时，需要根据当前边缘节点与终端的连接状态，是否满足任务的平均连接时延、最大连接时延
s43、执行任务的边缘节点或计算节点创建任务卸载服务，并向其邻近边缘节点广播其资源使用变更消息；
当执行任务为边缘节点时，边缘节点从自身容器镜像仓库检查是否存在该任务的镜像，若存在则直接创建任务卸载服务的容器，否则，向云计算中心拉取任务镜像，再创建任务卸载服务容器。边缘节点还向其邻近边缘节点广播其资源使用变更信息。
s44、本地边缘节点向终端发送任务服务信息。
s45、终端的卸载管理器保存当前任务上下文环境，转载任务到承载服务的边缘节点或计算节点，与承载任务的边缘节点或计算节点建立连接，使用其任务卸载服务，发送任务的输入数据给边缘节点或计算节点。
s46、承载任务的边缘节点或计算节点接收任务输入数据，执行任务。
s5、承载任务的边缘节点或计算节点返回任务执行结果给终端，并将任务执行记录发送到云计算中心；具体包括：
s51、边缘节点或计算节点将任务执行后的计算结果或数据发送给终端。
s52、终端的卸载管理器接收并提取任务执行结果或数据，恢复任务上下文环境，应用任务执行结果。
s53、边缘节点或计算节点结束任务卸载服务，回收计算资源，将其资源变更消息广播给邻近边缘节点。
s54、边缘节点或计算节点将该任务的执行记录，包括任务执行的时间、请求时间、所用计算资源和运行日志发送给云计算中心。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
1.分布式边缘计算服务系统下的移动用户终端任务卸载方法，其特征在于，由服务本地终端的本地边缘节点决策卸载任务分配，卸载方法包括以下步骤：
s1、本地边缘节点接收本地终端的任务卸载请求；
s2、本地边缘节点获取自身与邻近边缘节点的计算资源使用信息；
s3、本地边缘节点根据任务所需要的资源情况，与当前可用的边缘节点资源使用情况，采用基于资源阈值的本地资源优先策略，选取本地边缘节点、邻近边缘节点或云计算中心的计算节点执行任务；
s4、本地边缘节点向被选中的边缘节点或计算节点请求确认、执行任务；
s5、承载任务的边缘节点或计算节点返回任务执行结果给终端，并将任务执行记录发送到云计算中心。
2.根据权利要求1所述的移动用户终端任务卸载方法，其特征在于，步骤s1包括：
s11、本地终端的应用分析器根据自身的运行方式预设置及当前运行状态，决定是否将部分任务卸载到分布式边缘计算服务系统；
s12、如果本地终端决定卸载任务，其卸载管理器依据本地边缘节点的服务请求模板，构建卸载需求服务特征性信息和服务质量要求相关指标；
卸载需求服务特征性信息包括：执行任务所需要的cpu周期数cco；执行任务所需输入数据的预估字节数vio；执行任务返回的预估数据字节数voo；执行任务所需的q种计算资源需求ri，其中1≤i≤q，包括执行任务所需的cpu资源值rcpu、内存大小rmem、带宽大小rio；
卸载需求服务质量要求相关指标包括：本地终端与提供服务的边缘节点能接受的平均连接时延
s13、本地终端的卸载管理器将任务的卸载需求服务特征性信息和服务质量要求相关指标发送到本地边缘节点。
3.根据权利要求1所述的移动用户终端任务卸载方法，其特征在于，步骤s2中的计算资源使用信息从本地边缘节点独立维护的资源信息数据库中获取；资源信息数据库由每一个边缘节点独立维护，负责存储并实时更新边缘节点自身以及其邻近边缘节点的各计算资源的可使用量、上限信息、资源阈值信息，并使用消息队列，订阅邻近边缘节点发布的资源变更信息，即时更新资源信息数据库中的资源信息，从而实现信息同步。
4.根据权利要求1所述的移动用户终端任务卸载方法，其特征在于，设所述邻近边缘节点有k-1个，并与本地边缘节点共同组成包括k个边缘节点的可用边缘节点群nk；步骤s2中计算资源使用信息包括：可用边缘节点群中各边缘节点的q种计算资源的可使用量
步骤s3包括：
s31、计算可用边缘节点群nk中各边缘节点若承载任务的剩余资源可使用量
s32、若本地边缘节点的所有计算资源都满足：剩余资源可使用量大于本地边缘节点的预设的高可用资源阈值，但小于本地边缘节点的资源上限，则卸载任务在本地边缘节点执行，否则进入步骤s33；
s33、若本地边缘节点所有计算资源满足：剩余资源可使用量大于本地边缘节点的预设的中可用资源阈值，则寻找各计算资源都满足：剩余资源可使用量大于其预设的高可用资源阈值的邻近边缘节点集nc，与本地边缘节点nlocal组成节点集ns＝{nc，nlocal}，并从节点集ns中随机选择一个边缘节点执行任务，否则进入步骤s34；
s34、若本地边缘节点所有资源满足：剩余资源可使用量大于本地边缘节点的预设的低可用资源阈值，则执行确保延迟的资源优化调度算法，选择边缘节点执行任务，否则进入步骤s35；
s35、若本地边缘节点存在计算资源满足：剩余资源可使用量小于本地边缘节点的预设的低可用资源阈值，则判断是否存在所有计算资源都满足：剩余资源可使用量大于邻居边缘节点的预设的低可用资源阈值的邻近边缘节点集nwc；若存在则将邻近边缘节点集nwc与本地边缘节点nlocal组成可用边缘节点集nws＝{nwc，nlocal}，并从可用边缘节点集nws中执行带惩罚的确保延迟的资源优化调度算法，选择边缘节点执行任务，否则进入步骤s36；
s36、若本地边缘节点以及邻近边缘节点集中边缘节点各计算资源都满足
5.根据权利要求4所述的移动用户终端任务卸载方法，其特征在于，步骤s34中执行确保延迟的资源优化调度算法，包括以下步骤：
d1、计算任务可接受延迟基准
d2、从可用边缘节点群nk寻找满足
d3、从候选节点集ndc计算候选节点集m个边缘节点的优先分数pj＝lj bj，1≤j≤w，1≤j≤m，其中
d4、选择优先分数最高的边缘节点进行任务执行。
6.根据权利要求4所述的移动用户终端任务卸载方法，其特征在于，步骤s35中执行带惩罚的确保延迟的资源优化调度算法，包括以下步骤：
d1、计算任务可接受延迟基准
d2、设可用边缘节点群nws有w个边缘节点，从可用边缘节点群nws寻找满足
d3、从候选节点集ndc计算候选节点集m个边缘节点的优先分数
d4、选择优先分数最高的边缘节点进行任务执行。
7.根据权利要求1所述的移动用户终端任务卸载方法，其特征在于，步骤s4中本地边缘节点向被选中的边缘节点确认任务执行请求，包括步骤：
s41、本地边缘节点将终端的卸载需求信息发送到被选中的边缘节点或计算节点；
s42、被选中的边缘节点或计算节点根据卸载需求信息进行检测：自身的计算资源是否满足需求的服务特征性信息，以及自身与终端的网络连接是否满足需求的服务质量要求相关指标；若都满足，则为任务预留计算资源，并向本地边缘节点发送任务执行确认消息；否则，返回卸载调度失败消息给本地边缘节点，通知本地边缘节点重新调度其它资源执行任务；
s43、执行任务的边缘节点或计算节点创建任务卸载服务，并向其邻近边缘节点广播其资源使用变更消息；
s44、本地边缘节点向终端发送任务服务信息；
s45、终端的卸载管理器保存当前任务上下文环境，转载任务到提供服务的边缘节点或计算节点，与承载任务的边缘节点或计算节点建立连接，使用其任务卸载服务，发送任务的输入数据给边缘节点或计算节点；
s46、承载任务的边缘节点或计算节点接收任务输入数据，执行任务。
8.根据权利要求1所述的移动用户终端任务卸载方法，其特征在于，步骤s5包括：
s51、边缘节点或计算节点将任务执行后的计算结果或数据发送给终端；
s52、终端的卸载管理器接收并提取任务执行结果或数据，恢复任务上下文环境，应用任务执行结果；
s53、边缘节点或计算节点结束任务卸载服务，回收计算资源，将其资源变更消息广播给邻近边缘节点；
s54、边缘节点或计算节点将该任务的执行记录，包括任务执行的时间、请求时间、所用计算资源和运行日志发送给云计算中心。
技术总结