07刘辉-边缘计算-边缘计算-基于AI预测信息的边边协同计算机制研究初探17页.pdfVIP

基于AI预测信息的边边协同

计算机制研究初探

Dr.刘辉

网络通信与安全紫金山实验室边缘智能技术研究员

EdgeGallery开源社区TESTWG主席

目录第一部分背景和研究需求

Contents

第二部分主要研究任务

第三部分机制实现及初步进展

第四部分展望

边边协同计算场景

边缘计算节点间资源共享移动性迁移管理

边缘计算节点间容灾备份边缘AI模型切分与协同计算业务场景

边边协同从技术场景探索走向业务场景落地

边边协同计算研究现状

面向EC的改进混沌蝙蝠群协同调度面向ECDC的服务资源调度雾计算节点间协同工作算法

考虑了ECN的计算能力、服务时间、带宽和内存多个移动终端多个应用向云中心和多边缘节采用分时M/G/1排队模型，在多类任务请求

等约束，基于从计算任务划分出的多个子任务所点卸载场景下基于最小端应用时延和端设备场景下，以所有FCN并行系数达到帕累托最

需资源，结合多个ECN的可用资源，提出改进混能耗的启发式任务卸载算法;研究了ECN处资优为目标，研究了基于工作窃取机制和信誉

沌蝙蝠群协同算法来优化整体调度成效，以达到源部署规划（即为ECN配备相关数量的单位系统的FCN间协同工作算法，以满足相关公

ECN间较好的负载均衡度和较少的总体运行时间虚拟机（M/M/C模型））平性、可伸缩性、稳定性和可靠性的要求

未考虑EC节点间时延，且云不足以仅考虑了所有应用请求的时延期望值满足时未考虑FCN间传输时延;可伸缩性上说服

实时掌握EC资源状态力不强;信誉系统信息交互复杂度较高

边边协同计算研究目标与意义

➢有利于促进5G、工业互联网/物联网及公有云下沉

到众多边缘侧的各类资源的协同共享和充分利用

➢边缘节点间的相互灾备及相互学习

➢形成更大范围的一体化智能边缘计算网络

➢协同应对海量用户/智能终端在边缘侧的差异化需

求（如计算密集型需求、时延敏感性需求、网络

IO密集型等）

➢降低边缘计算网络整体响应各类用户请求的时延

➢提升边缘侧服务体验

➢降低众多边缘侧资源及服务成本

➢促进边缘侧技术及应用生态的发展与成熟

立足于边缘计算节点自身服务能力、边缘侧网络传输状态、智能终端/用户应用请求到达情况等多关键因素，

基于AI算法对边缘节点协同状态信息的预测，融合相关负载均衡策略，同时考虑边缘计算节点协同置信度，

建立边边协同计算机制，实现边缘节点间应用请求的动态、高效、可靠的透明协同调度

目录第一部分背景和研究需求

Contents

第二部分主要研究任务

第三部分机制实现及初步进展

第四部分展望

概念模型

概念模型信息模型

总体目标：

边缘节点两个互斥属性：边缘云、云边缘

中心控制节点中心控制节点

0..1