边缘计算中任务卸载研究综述

近年来,随着移动智能设备的普及以及5G等无线通信技术的发展,边缘计算作为一种新兴的计算模式被提出,作为传统的云计算模式的扩展与补充。边缘计算的基本思想是将移动设备上产生的计算任务从卸载到云端转变为卸载到网络边缘端,从而满足实时在线游戏、增强现实等计算密集型应用对低延迟的要求。边缘计算中的计算任务卸载是一个关键的研究问题,即计算任务应在本地执行还是卸载到边缘节点或云端。不同的任务卸载方案对任务完成时延和移动设备能耗都有着较大的影响。文中首先介绍了边缘计算的基本概念,归纳了边缘计算的几种系统架构。随后,详细阐述了边缘计算中的计算任务卸载问题。基于对任务卸载方案研究的必要性与挑战的分析,对现有的相关研究工作进行了全面的综述和总结,并对未来的研究方向进行了展望。     

智能化边缘计算专题序言

新型基础设施建设包括5G基站建设、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、工业互联网等诸多领域,其中计算性能和网络安全起着关键作用.与传统的云计算模式不同,边缘计算的出现使得服务调用所需的数据、数据处理和应用程序可以部署在网络边缘设备中,边缘服务器可以直接与用户进行业务交互并对相关数据进行处理.同时,人工智能的发展为边缘计算理论与技术的发展注入了新的活力,使得基于边缘计算模式的新兴应用能适应复杂多态、随需应变和广域移动的需求,实现高性能、高可用性、低延迟和优良服务的交互体验等.     

基于超级账本的集群联邦优化模型

联邦学习作为分布式机器学习框架,在数据不离开本地的情况下,通过共享模型参数达到协作训练的目标,一定程度上解决了隐私保护问题,但其存在中心参数服务器无法应对单点故障、潜在恶意客户端梯度攻击、客户端数据偏态分布导致训练性能低下等问题。将去中心化的区块链技术与联邦学习相结合,提出基于超级账本的集群联邦优化模型。以超级账本作为分布式训练的架构基础,客户端初始化后在本地训练向超级账本传输模型参数及分布信息,通过聚类优化联邦学习模型在客户端数据非独立同分布下的训练表现。在此基础上,随机选举客户端成为领导者,由领导者代替中央服务器的功能,领导者根据分布相似度和余弦相似度聚类并下载模型参数聚合,最后客户端获取聚合模型继续迭代训练。以EMNIST数据集为例,数据非独立同分布情况下该模型平均准确率为79.26%,较FedAvg提高17.26%,在保证准确率的前提下,较集群联邦学习训练至收敛的通信轮次减少36.3%。     

一种面向服务构件的高可信组装技术的研究

服务构件的组装和验证是基于构件的软件工程的核心.为确保服务构件组装的高可靠性,引入了马丁洛夫类型理论来形式化地描述构件接口的功能性和非功能语义信息,使之在进行组装时,可利用其接口所携带的语义并根据推理规则在验证工具Coq中推导其正确性和可信性.其次,提出基于类型理论的组装验证模型并结合实例进行分析.最后,介绍了文中的可视化开发平台的原型系统,其具有界面友好、功能操作简单等特点.通过马丁洛夫类型理论的方法组合的构件系统表现出高可靠性.     

构件式实时系统建模与验证研究

在复杂的实时系统开发中使用构件式设计方法已成为目前软件开发领域中的研究热点,如何有效地验证实时软件的设计是否满足给定的时间需求并降低验证过程的复杂度,是实时计算领域中的主要挑战之一.文中对构件接口模型进行时间扩展,提出了时间接口模型,并将其用于构件接口交互行为的形式化建模.在接口自动机理论的的基础上进一步提出了时间接口自动机模型用于描述时间接口交互下构件的行为及组合方法,通过消除错误状态产生组合模型来约减构件时间接口自动机模型的积,并在约减的模型上进行性质检验,降低了分析复杂度,有效地应对状态空间爆炸问题.为了说明论文建议的方法,详细讨论了一个简单的、贯穿整篇论文的示例系统.     

Web应用中数据库交互行为验证

采用定理证明和逆向工程的方法,对Web应用中的数据库交互行为进行验证。使用Z规格说明描述需求模型,根据数据库交互的源代码和转换规则得到实现模型。从实现模型中获取Web应用的相关性质,通过Z/EVES定理证明器验证这些性质是否在需求模型的 Z规格说明中得到满足。在此基础上,设计该方法的验证框架,并开发相应的原型系统。通过图书馆数据库管理系统实例证明该方法的有 效性。     

基于XML的Web应用模型抽取

以模型检验为目标,从时间的约束角度出发,提出一种基于XMI、文档的Wcb应用的模型抽取方法。模型抽取由时间及相关链接的提取、模型构造和结果显示3部分组成。首先,通过对Web应用进行逆向分析,从带时间约束的XMI.源代码对链接及时间约束等相关信息进行提取、规整和存储。其次,对Wcb应用中的链接、时间约束等建模元素进行分析,应用映射与聚合等抽象技术对获得的信息进行重构,得到适合于形式化验证的时间自动机(TA,Timed Automata)模型,并对时间约束下的并发进行模型组合。最后,以电子邮箱系统为实例阐述如何实现模型抽取。     

Web服务计算组合流程QoS验证

在满足功能需求的前提下,Web服务能否赢得市场, 主要取决于其服务质量(Quality of Services,QoS)。采用概率模型检验的方法判断Web服务计算组合流程的服务质量是否满足系统质量需求。依据用户访问Web服务产生的访问日志,采用聚类的方法,构建面向用户群组的Web服务流程的使用行为QoS模型。采用QoS扩展的状态图描述Web服务流程的QoS需求。然后,利用概率模型验证工具PRISM判断Web服务流程的QoS是否满足系统质量需求。验证面向用户群组的Web服务流程的使用行为质量模型是否满足系统质量需求,为服务流程结构的调整提供了依据。     

网络软件动态演化的元胞自动机模型研究

通过分析网络软件的动态演化,提出将元胞自动机理论引入到网络软件演化过程的模拟中,建立元胞模型来预防和监控演化趋势。并针对服务构件替换和连接件替换,提出一系列算法和规则。研究结果表明该模型能较好地模拟网络捧件演化现象,对于web形式的服务监控、替换以及维护重要服务等工作具有指导意义。     

基于概率模型检验的云渲染任务调度定量验证

云渲染技术已被广泛应用于影视和动漫等行业.与传统的渲染农场和租赁市场模式不同，云渲染系统依托云计算基础设施提供多种软件服务进行渲染作业的方式，正逐渐成为新兴的计算模式.由于任务执行和资源操作等作业调度对于用户而言是透明的，这要求云渲染系统应具备智能化以实现计算资源优化调度和多端任务管理，并对系统可靠性提出了更高要求.针对这一问题，提出了采用概率模型检验对云渲染系统任务调度进行定量评估.首先，考虑渲染服务失效等因素引发的随机系统异常和指令错误，如文件损坏和渲染任务超时等，提出了基于离散马尔可夫链（DTMC）的概率模型对云渲染系统的文件准备模块、资源请求模块、渲染任务执行模块进行形式化建模；其次，从服务质量属性角度提出了9类验证性质用于定义云渲染系统的可靠性，采用概率计算树逻辑（PCTL）描述检验性质公式并执行工具PRISM计算和验证渲染系统可靠性；最后，结合案例和实验证明了该方法的可行性和有效性，尤其是对改进前后云渲染系统进行定量检验，可用于指导如何进行失效恢复和任务切换.因此，该方法在一定程度上可提高云渲染系统的可靠性.