边缘计算环境下兼顾服务缓存的任务卸载策略研究.pdf

摘要

随着物联网的发展和移动终端的广泛使用，以及第五代移动通信技术的普及，推动

了时延敏感型和资源密集型应用的发展，使得终端设备产生越来越多的计算任务。由于

终端设备受自身容量的限制，只有有限的计算资源，在执行上述应用时会产生较大延迟

和能耗，且仅依靠云计算模式难以满足用户对时延和能耗的需求。为解决上述问题，边

缘计算被提出，且成为了一个很有前景的范式，其通过在网络边缘侧提供更多的计算和

存储能力，使得终端设备产生的任务能够直接卸载到邻近的边缘服务器执行，进而有效

降低任务的传输延迟和终端设备上的执行能耗，因此边缘计算受到了极大关注。

随着应用程序对计算和存储资源的需求不断增加，任务卸载作为解决终端设备固有

限制的一种有效手段，成为边缘计算中主要的研究热点之一。然而，在已有的任务卸载

研究中仍面临着一些挑战。如已有研究忽略了不同类型的任务对服务需求的多样性，以

及边缘服务器服务缓存有限的情形，从而导致不可行的卸载决策。另外，在任务卸载策

略研究中，缺少对依赖性任务卸载策略的优化方案，忽视了任务之间的依赖性对卸载决

策的影响，造成任务的等待时延较长。此外，协作的边缘计算网络场景往往忽视云服务

器对系统性能的影响，没有充分利用系统中的空闲资源，从而发挥最大的协作潜力。因

此，本文针对上述挑战进行了研究，主要研究内容如下：

(1)提出一种基于服务缓存约束的独立性任务卸载方案，用以解决不同类型的任务

对服务需求的多样性场景下的任务卸载问题。边缘服务器因有限的存储资源只能缓存有

限类服务，而每个被卸载的任务往往需要特定的服务支持才能够被执行。因此，为了避

免不可行的任务卸载决策，首先将云服务器也作为任务的卸载节点之一，通过借助于云

服务器强大的存储能力弥补边缘服务器有限的服务缓存能力，并构建了一个云服务器、

边缘服务器和本地设备协同的三层卸载模型。其次，以最小化用户设备的执行时延和能

耗(成本)为目标，提出了一种适用于云边端协同的任务卸载算法。当任务被卸载时，先

采用改进的贪婪算法选择最佳的边缘服务器，再通过比较任务在不同位置上的执行成

本，确定任务的最佳卸载决策。最后，进行了充分的实验，分析了各参数对卸载决策的

影响，并将所提出的算法与对比算法进行比较，证明了所提算法能够有效降低用户设备

的执行成本。

I

(2)提出一种高效的依赖性任务卸载机制，用以解决卸载任务之间由于存在依赖关

系，致使边缘服务器在协作的卸载模型中会产生频繁的数据交互，造成大量的数据传输

延迟；以及不合理的卸载决策导致依赖性任务之间过高的等待时延问题，从而优化依赖

性任务的总体完成时间。该机制适用于边缘服务器服务缓存和计算能力有限的场景。首

先，分析了依赖性任务的卸载优先级以及在云边端协同的卸载模型下不同服务器间的数

据传输方式。同时，将云服务器作为卸载节点，主要用于缓解边缘服务器的负载问题以

及确保任务的服务请求能够被成功响应。其次，以最小化依赖性任务的总体完成时间为

目标，将研究问题表述为二进制优化函数，并提出了一种基于云边端协同模型的依赖性

任务卸载算法。最后，在实际数据集上将所提云边端协同卸载模型和依赖性任务卸载算

法分别与其他基准模型和算法进行了比较。实验结果表明，所提算法与其他算法相比能

够有效降低应用程序的完成时间约6%至15%。此外，所提出的依赖性任务卸载机制对

大规模任务显示出较好的适应性和可扩展性。

关键词：边缘计算，任务卸载，云边端协同，依赖任务，服务缓存，卸载策略优化

II

ABSTRACT

WiththewidespreaduseoftheInternetofThingsandmobileterminals,aswellasthepopularization

ofthefifth-generationmobilecommunicationtechnology,hasdriventhedevelopmentoflatency-sensitive

andresource-intensiveapplications,causingterminaldevicestogenerat