论文部分内容阅读
为了应对物联网(Io T)、虚拟增强现实(VR\AR)、无人驾驶等新业务的发展对移动通信提出的要求,5G将使用各种新技术来满足这些业务类型和应用场景。云计算范式借助其强大的计算和存储能力为终端用户提供各种高质量服务。但随着终端设备接入量的日益增加,核心网络的流量呈指数增长,2020年度移动流量将增加到291.8艾字节。如此庞大的流量将给核心网络带来巨大的挑战。为了解决这一问题,将计算和存储从核心网络迁移到网络边缘的边缘计算(EC)成为一种有效的解决方案。雾计算(FC)作为边缘计算的一种实现方式,旨在通过异构网络连接一切设备(包括终端设备、Io T设备、传感器、路由器、网关等),从而为物联网提供一种新的解决方案。如何实现雾计算中各个节点高效协作计算是雾计算中一个重要研究方向。本文研究了分布式雾计算中各雾节点的协作计算方式,并对其中的任务卸载和负载均衡问题进行了深入研究。主要做了以下工作:针对雾计算网络中分布式协作计算问题,本文提出了一种基于动态规划的解决方案,在为每个用户分配计算资源时综合考虑每个雾节点的通信能力和计算能力,并考虑当前用户对其他用户的影响,最小化所有用户的总服务延迟。针对雾计算网络中的任务卸载问题,本文考虑雾无线访问网络(F-RAN)中各雾节点之间的无线传输延迟、雾节点的任务计算延迟、雾节点和远程云数据中心之间的无线传输延迟并在用户所能接受的延迟阈值内计算出最佳的卸载方案。仿真结果表明,本文提出的基于动态规划的多任务卸载方案相比单雾系统和资源预分配系统可以有效降低服务延迟。在资源利用率方面远高于资源预分配方案。针对分布式雾计算网络中的负载均衡问题,本文提出一种基于资源预测的动态负载均衡方案,在为每个任务进行负载均衡时考虑任务的执行时间、任务执行成本和雾节点的可用资源等因素。充分提高分布式雾集群的有效利用率,缩短响应延迟。仿真结果表明,在处理大量任务和系统网络状况不佳的场景下相比静态负载均衡方案,本文提出的方案在响应时间方面有很大优势。