论文部分内容阅读
随着通信技术的不断发展,智能设备数量和数据流量将会发生爆炸性的增长。智能设备上应用程序对于数据传输、移动设备的计算能力以及时延的要求也不断地提高。传统的云计算架构为用户提供了更多的计算资源和存储资源,但是并没有完全解决计算延迟的问题。多接入边缘计算成为了解决该问题的重要方案。多接入边缘计算将云的部分服务能力下沉到用户附近的边缘节点上,为用户提供计算、缓存和存储等服务。多接入边缘计算作为5G的关键技术之一,可以将用户产生的大部分计算任务传输到边缘节点的MEC服务器进行分析和处理,此举可以有效地降低数据传输过程中产生的时间延迟,缓解骨干网络的传输压力。另外计算能力将不再成为智能设备中应用程序和APP发展的阻碍。本文的研究目标是在有限的计算资源和无线信道资源的环境中,利用多接入边缘计算技术,在满足用户对于时间延迟的要求下最小化计算任务卸载过程中产生的能量和成本消耗。主要工作如下:在单MEC服务器的卸载方案中,为了解决对于大数据量计算任务的快速计算和分析的问题,本文提出将核心网作为计算任务卸载平台之一。核心网拥有巨大的计算资源,可以满足一些大数据量计算任务的计算需求。并且提出了一个基于优先级的联合计算卸载和资源分配的算法方案,该方案为每个用户提出了优先级的概念,每个用户的优先级是根据该用户的计算能力和延迟要求决定的。优先级高的用户可以优先选择信道条件较好的无线信道进行数据传输,并且将用户的剩余电量作为优先级负载因子的选择标准。然而单MEC服务器的小区的计算卸载能力有限,不能满足不断增长的用户数量和大数据计算任务的延迟要求。因此本文将单服务器的卸载模式扩展为多服务器卸载模式,并提出了基于FFD(降序首次适应性算法)和分层策略的卸载算法,该算法是基于装箱问题的启发式贪心算法,将计算任务按照任务大小进行降序排列,然后依次装入到箱子(MEC服务器)中。该算法中采用分层原理,即初始阶段我们为用户分配相同数量的无线信道资源。在满足用户延迟要求的情况下,每个计算任务需要的计算资源是确定的,然后引入竞争机制为用户分配无线信道资源。仿真结果表明,该方案的系统能量消耗相对于随机分配有大幅的降低,并且提高了MEC服务器的使用效率。