论文部分内容阅读
在万物互联的时代，从设备产生的海量的数据需要被处理，由于本地设备的性能的不足以及当前云计算场景的高延迟的情况，使得越来越多的新兴业务得不到满足，因此边缘计算(edge computing)应运而生。本地设备可以通过卸载技术来解决这些新兴业务遇到的问题。边缘计算中计算卸载技术即将移动终端的计算任务卸载到边缘网络，解决了设备在资源存储、计算性能以及能效等方面存在的不足。同时相比于云计算中的计算卸载，边缘计算解决了网络资源的占用、高时延和额外网络负载等问题。近年来随着工业物联网的不断发展，业务需求越来越多样化，使得边缘计算、工业物联网、5G技术以及软件定义网络(SDN)技术等一些新兴技术达到相互融合、相互促进的状态，因此研究这些业务场景与技术之间的联系变得十分重要。
1)本文首先介绍了由边缘计算产业联盟提出的边缘计算参考架构3.0，并对边缘计算技术的应用场景做了总结。目前边缘计算主要应用于智能制造、智慧城市、车联网和工业等场景，虽然应用场景不断扩大，但是边缘计算技术还是面临着一些标准、技术和安全等方面的挑战。因此，如何确定卸载决策并合理分配计算资源成为目前研究的热点课题。本文主要研究边缘计算应用中针对不同目标的任务卸载技术问题。
2)基于现有的研究中，本文提出一种以电量稳定性和系统时延为目标的本地+边缘+边缘云协同的边缘计算系统模型，该模型可以应用于带有能量收集功能的边缘系统部署中。在系统模型建立后，提出一种优化的整数线性规划算法用于求解任务卸载和计算资源分配问题，该算法包括基于任务优先级的李雅普诺夫优化算法和基于CPU使用率优化的整数规划算法两个部分。实验结果证明，该模型与算法可以在本地电量保持稳定的情况下，提高边缘服务器CPU使用率，并能够进一步提高系统性能，降低时延。
3)针对工业物联网场景下边缘计算的应用，本文提出了以成本和时延为目标的本地+边缘预处理+边缘应用处理+云协同的模型，将边缘服务器分为边缘预处理服务器和边缘应用服务器，用于对任务卸载、资源分配策略以及边缘服务器部署问题的研究。由于该问题是NP-hard问题，最后通过转化成整数线性规划问题，该整数规划问题的解决使用了MATLAB中intlinprog函数。通过实验分析，本文提出的系统模型与求解方法，能够取得良好的计算卸载和资源分配策略，并分析了预处理服务器能力参数和时延权重对边缘系统部署的影响，这可以为现实场景中的边缘系统应用提供分析方法和部署方案。
1)本文首先介绍了由边缘计算产业联盟提出的边缘计算参考架构3.0，并对边缘计算技术的应用场景做了总结。目前边缘计算主要应用于智能制造、智慧城市、车联网和工业等场景，虽然应用场景不断扩大，但是边缘计算技术还是面临着一些标准、技术和安全等方面的挑战。因此，如何确定卸载决策并合理分配计算资源成为目前研究的热点课题。本文主要研究边缘计算应用中针对不同目标的任务卸载技术问题。
2)基于现有的研究中，本文提出一种以电量稳定性和系统时延为目标的本地+边缘+边缘云协同的边缘计算系统模型，该模型可以应用于带有能量收集功能的边缘系统部署中。在系统模型建立后，提出一种优化的整数线性规划算法用于求解任务卸载和计算资源分配问题，该算法包括基于任务优先级的李雅普诺夫优化算法和基于CPU使用率优化的整数规划算法两个部分。实验结果证明，该模型与算法可以在本地电量保持稳定的情况下，提高边缘服务器CPU使用率，并能够进一步提高系统性能，降低时延。
3)针对工业物联网场景下边缘计算的应用，本文提出了以成本和时延为目标的本地+边缘预处理+边缘应用处理+云协同的模型，将边缘服务器分为边缘预处理服务器和边缘应用服务器，用于对任务卸载、资源分配策略以及边缘服务器部署问题的研究。由于该问题是NP-hard问题，最后通过转化成整数线性规划问题，该整数规划问题的解决使用了MATLAB中intlinprog函数。通过实验分析，本文提出的系统模型与求解方法，能够取得良好的计算卸载和资源分配策略，并分析了预处理服务器能力参数和时延权重对边缘系统部署的影响，这可以为现实场景中的边缘系统应用提供分析方法和部署方案。