论文部分内容阅读
物联网与5G技术的蓬勃发展，导致移动终端设备产生海量的数据。数据资产催生出众多新型应用，但是移动终端设备计算资源不足与云端处理能耗过高致使移动云计算的固有缺点开始暴露，当前的云计算架构面临重大挑战。
移动边缘计算（MEC）的出现为上述问题提供了解决方案，在靠近终端处提供计算与存储资源，边缘服务器既可以处理终端的上行任务，又能承接云端下放服务。终端任务可以选择卸载到边缘服务器上执行，终端设备只需发送服务请求与接收结果，有效解决了计算资源不足的问题。数据处理的第一步数据清洗从云端迁移部署到MEC服务器，可有效解决长距离无效数据传输带来的巨大能耗。高效利用“终端-边缘-云端”三层体系结构，合理地分配资源，有利于实现在提供高质量服务的同时减缓系统能耗的目的，因此研究任务卸载与数据清洗具有十分重要意义和实用价值。
本文研究工作与创新贡献总结如下：
（1）将MEC服务器看作终端的上行资源提供者，针对多用户场景，提出一种动态的任务卸载优化策略。以最小化所有任务的时延与能耗总代价为目标，根据服务任务需求建立任务卸载计算模型。在此基础上，提出一种基于深度强化学习的任务卸载策略。实验表明该策略在不同的任务数量与单位时间能耗情况下均能获得更低的时延与能耗代价。
（2）将MEC服务器看作云端服务的下行承担者，提出部署于MEC服务器的数据清洗框架，为异常值检测与数据去重提供功能支持。该框架考虑目前终端设备所产生的数据大部分为时间序列数据，不适合在云端集中处理。引入滑动窗口对序列数据进行分割，考虑时序数据空间与时间的相关性，利用基于角度的异常侦测算法与混合相似度的数据去重算法实现数据清洗效果。实验结果表明本文的异常侦测与数据去重算法对比数据清洗基线算法对数据质量的改善明显提升，有效证明了将数据清洗部署在MEC服务器可以减少整个系统的能耗。
移动边缘计算（MEC）的出现为上述问题提供了解决方案，在靠近终端处提供计算与存储资源，边缘服务器既可以处理终端的上行任务，又能承接云端下放服务。终端任务可以选择卸载到边缘服务器上执行，终端设备只需发送服务请求与接收结果，有效解决了计算资源不足的问题。数据处理的第一步数据清洗从云端迁移部署到MEC服务器，可有效解决长距离无效数据传输带来的巨大能耗。高效利用“终端-边缘-云端”三层体系结构，合理地分配资源，有利于实现在提供高质量服务的同时减缓系统能耗的目的，因此研究任务卸载与数据清洗具有十分重要意义和实用价值。
本文研究工作与创新贡献总结如下：
（1）将MEC服务器看作终端的上行资源提供者，针对多用户场景，提出一种动态的任务卸载优化策略。以最小化所有任务的时延与能耗总代价为目标，根据服务任务需求建立任务卸载计算模型。在此基础上，提出一种基于深度强化学习的任务卸载策略。实验表明该策略在不同的任务数量与单位时间能耗情况下均能获得更低的时延与能耗代价。
（2）将MEC服务器看作云端服务的下行承担者，提出部署于MEC服务器的数据清洗框架，为异常值检测与数据去重提供功能支持。该框架考虑目前终端设备所产生的数据大部分为时间序列数据，不适合在云端集中处理。引入滑动窗口对序列数据进行分割，考虑时序数据空间与时间的相关性，利用基于角度的异常侦测算法与混合相似度的数据去重算法实现数据清洗效果。实验结果表明本文的异常侦测与数据去重算法对比数据清洗基线算法对数据质量的改善明显提升，有效证明了将数据清洗部署在MEC服务器可以减少整个系统的能耗。