#3文献学习总结--边缘计算资源分配与任务调度优化

本文为博客 VIP 文章,开通 VIP 后可阅读全文

开通 VIP

文献:“边缘计算资源分配与任务调度优化综述 ”

1、系统模型“云-边-端”

"云-边-端"计算系统结构

第 1 层是物联网层,传感器、处理器根据应用需求感知、测量和收集原始数据,在本地处理大量数据或将其上传至计算节点。
第 2 层是边缘计算层,位于互联网边缘,靠近数据源。边缘计算节点连接物联网,边缘节点之间可以互相通信,提供计算和存储功能。
第 3 层是云计算层。一般而言,云计算中心的计算和存储能力强于雾节点,提供高聚合度的集中计算、存储等服务,但云计算中心和本地的长距离往往会造成的传播和传输时延,导致数据型任务上传云节点时存在难以容忍的延时。

2、优化目标及约束

性能指标

时延:服务时延或反应时间,是指应用提交请求和收到回应间的耗时。
截止时间:任务的截止时间可表示任务的紧迫程度。
用户的体验质量:QoE 的定义依赖于用户、环境和服务,较为主观。

能耗指标

电池电量:移动终端设备耗电量分为监测、计算、通讯和执行 4 部分。

花费指标

资源调度优化的花费主要集中于计算、存储和网络等资源成本。

3、调度优化模型及求解方法

独立任务卸载/分配:

边缘计算旨在减轻网络负载、分担终端计算任务,而独立任务的卸载决策则是基础。卸载的目的是提高性能、节省能耗,并指出很有必要卸载高计算量和低数据量的任务。
排队模型、状态转移方程等解析模型

第三篇:边缘计算环境下依赖任务调度研究思考1 这篇文章是我针对边缘计算依赖任务调度课题做的一个简单研究总结,希望对同道中人有帮助,一起探讨一下这方面的研究!共同进步!你相信光吗!冲! 阅读详情

相关推荐

深度学习学习笔记-论文研读4-基于深度强化学习的多用户边缘计算任务卸载调度资源分配

论文研读

CSDNXXCQ的博客 6709

MEC边缘计算源码——使用强化深度学习

MEC边缘计算源码——使用强化深度学习

5G未来已来:网络切片边缘计算引领智能革命

在5G时代,网络切片边缘计算正以前所未有的速度驱动着智能应用的革命。从智慧城市到自动驾驶,再到工业物联网,如何高效分配网络资源和低延时处理数据成为制胜关键。本文深入探讨了这一前沿领域的核心技术,并过经典、前沿创新的代码示例,展示了这一技术生态的无限可能。(见文献citeturn0search0)

s13166803785的博客 175

云计中的任务调度

对云计任务调度法进行简要归纳

LHB123456789L的博客 5730

基于多接入边缘计算任务卸载和资源分配策略研究

摘要:随着移动技术和工业互联网的飞速发展,移动设备端日渐庞大的数量和复杂的应用对大量计密集和低时延提出了要求,也因此引出了基于多接入边缘计算任务卸载概念。这种任务卸载方式能够有效地利用边缘云服务器资源,将复杂的计任务卸载至邻近的低消耗边缘服务器,提高任务效率和更高的服务质量。提出了一种基于拓扑结构的任务卸载策略和边缘资源分配策略,旨在解决边缘计算场景中...

边缘计算社区 8673

边缘计算俗讲解:让小白也能读懂!

简单来说,边缘计算是一种把计任务从“云端”移到“边缘”的技术。我们可以把它比喻成一种分布式计模型。云计:所有计任务都在“远程服务器”上进行,就像你把所有的工作交给了图书馆的工作人员,他们会帮你查资料、回答问题,但你需要一定时间才能拿到结果。边缘计算:一些计任务在“本地”完成,比如你的家用路由器或智能摄像头可以处理部分数据,只在必要时把结果发到云端。这样响应速度快,数据传输量小。就像你可以自己查阅家里的资料,只有遇到查不到的内容才去求助图书馆。边缘计算常用于需要低延迟实时响应和数据隐私保护。

Hyellow_s的博客 1万+

边缘计算第二版施巍松——第七章 边缘计算资源调度

边缘计算场景下,用户会产生大量的数据或者应用请求,由于请求类型和需求的不同,边缘设备的计和存储能力也不同,且信和网络资源在不同应用场景下各异。1.以任务中心的调度:用户的任务需要根据本身需求进行一个最优决策:本地处理还是调度到边缘服务器处理。由于任务的不同资源需求和目标需求,调度到边缘服务上要付出额外的能量、信和时延等代价。

Xiao_wyy的博客 2401

基于智能边缘和云计的数字经济服务细粒度任务调度机制

数字经济被各国视为推动经济增长的必然选择,为经济高质量发展提供了新机遇、新路径。对于中国市场而言,云计背后的强大基础是数字经济不可阻挡的发展趋势。在数字经济中,云作为基础设施成为构建数字经济金字塔的基础。为缓解数字经济服务器压力,制定合理的调度方案,提出一种基于混合蚁群优化法的云计边缘计算细粒度任务调度方法。描述了边缘计算任务调度问题,并设置了假设以简化调度解决方案的难度。多目标函数是过使用混合蚁群优化法求解的,该过借助图寻找最优解来解决计问题。蚁群优化法易于使用并且在调度问题中有效。

babyai996的博客 1158

文献阅读笔记 # Space/Aerial-Assisted Computing Offloading for IoT Applications: A Learning-Based Approach

这次分享的是一篇 2019 年发表在《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》的文章 SCI 1区,信 Top 期刊,IF=9.144 Space/Aerial-Assisted Computing Offloading for IoT Applications: A Learning-Based Approach 物联网应用的空间计卸载:基于学习的方法 Abstract 物联网的计卸载是一个挑战性问题(尤其是在边缘或云基础设施不可用的偏远地区

skysys的研究小屋 8579

优化部署】遗传法GA异构节点智能部署策略(延长无线传感器网络寿命)【含Matlab源码 14850期】

遗传法GA异构节点智能部署策略 完整代码,包运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 566

高性能分布式文档处理架构解析:Qwen-Agent并行文档问答实现原理优化方案

在大规模文档处理场景中,传统串行处理方案面临严重的性能瓶颈,当文档数量达到百级甚至千级时,处理时间呈线性增长,严重影响业务效率。Qwen-Agent的并行文档问答系统过创新的三级分布式架构,实现了文档处理性能的10倍提升,为企业级文档分析提供了技术解决方案。 ## 核心架构设计原理 ### 三级并行处理模型 Qwen-Agent的并行文档问答系统采用三级处理架构,将大规模文档处理任务分解为

gitblog_00060的博客 365

优化部署】基于matlab遗传法GA异构节点智能部署策略(延长无线传感器网络寿命)【含Matlab源码 14850期】

遗传法GA异构节点智能部署策略 完整代码,包运行;可提供运行操作视频!适合小白!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 1013

【信息科学工程学】【数据中心】第二十四篇 数据中心DaaS场景及

Flink, Kafka Streams, 时序数据库。Flink, Kafka Streams, 流处理引擎。Presto, ClickHouse, 查询加速引擎。Presto, ClickHouse, 查询加速引擎。延迟<50ms,可用性>99.99%,QPS>10K。REST API, GraphQL, API网关。Tableau, Power BI, 自助BI。Tableau, Power BI, 可视化库。Spark, Hadoop, 分布式计框架。Spark, Hadoop, 分布式计

weixin_49199313的博客 842

【信息科学工程学】【安全领域】第七十篇 负载均衡设备的主要法01

每个服务器有一个对槽位的偏好排序, 调度器(表)需要为每个槽位分配一个服务器, 目标是整体上满足所有服务器的偏好(即均匀填充), 同时保持稳定性(变化小)。: 对于一个新到达的请求, 如果将其分配到当前有cj个请求(包括正在服务的)的服务器sj, 其期望等待时间为 (cj + 1) / μj。输入:服务器集群S={s1, s2, ..., sn}, 权重W={w1, w2, ..., wn}, 当前指针i。输出:选中的服务器sj。输入:服务器集群S, 各服务器当前活动连接数cj, 各服务器预设权重wj。

weixin_49199313的博客 470

【信息科学工程学】【信工程】第十八篇 企业网、园区网、数据中心、广域网各类业务网络02

模型类别基本假设网络表示耦合函数渗透方程临界条件物理意义一对一依赖​每个交节点一个信节点相互依赖双层网络:交层G_T=(V_T,E_T),信层G_C=(V_C,E_C),层间一一对应边E_I依赖函数:RT​=fT​(RC​,p),RC​=fC​(RT​,p)自洽方程: RT​=p[1−GT​0(1−RT​)][1−GC​0(1−RC​)] RC​=p[1−GC​0(1−RC​)][1−GT​0(1−RT​)]pc​=⟨kT2​⟩⟨kC2​⟩​1​ ⟨k²⟩=⟨k(k-1)⟩对称耦

weixin_49199313的博客 1077

Firecrawl:现代网页数据提取的工程化解决方案

你是否曾经为了获取网页数据而花费数小时编写复杂的爬虫脚本?是否因为动态内容、反爬虫机制或数据清洗的复杂性而感到沮丧?在AI驱动的时代,传统爬虫已经无法满足现代应用对数据质量和效率的要求。Firecrawl正是为解决这些问题而生的工程化解决方案。 ## 传统爬虫的困境Firecrawl的突破 ### 挑战:现代网页的复杂性 现代网页的复杂性已经超出了传统爬虫的处理能力。JavaScript渲

gitblog_00687的博客 362

边缘计算资源分配任务调度优化综述

王凌 吴楚格 范文慧(清华大学 自动化系,北京 100084)首发:系统仿真学报摘 要随着物联网和移动终端的迅速发展,边缘计算技术应运而生,过将计和存储配置在互联网边缘,处理...

边缘计算社区 8154
上一篇: #2文献学习总结---人脸识别
下一篇: #4文献学习总结--能量优化动态计算卸载
null_kk
博客等级 码龄8年 169粉丝 · 86原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值