云边协同中的资源调度优化

随着业务类型的丰富和多样化,低时延、高带宽、数据私密性、高可靠性等成为业务普遍的要求。边缘计算、雾计算、分布式云、算力网络等方案相继被提出,并在产学研各界引发了深度的研究和探索。针对“多级的算力分布以及算力的协同将是未来算力结构的主流”这一观点,产业内外达成了共识,算力管理、分配、调度等与资源优化相关的问题也成为当下的研究热点和重点攻关方向。为此,面向未来的算力供给结构,首先描述了学术界、产业界资源调度优化问题的最新进展,总结了当前的主要方法论和工程实施架构;然后,针对两种典型的云边协同场景,从场景拆分、调度目标、求解方案依次进行分析,给出了适应场景特性的资源调度优化参考方案。     

MEC的云边协同分析

在业界云边协同应用场景和云边协同通用参考框架基础上提出移动边缘计算(MEC)云边协同参考架构,分析了狭义MEC与广义MEC的云边协同不同点,具体给出MEC边缘网络服务、边缘运营管理、云边平台服务、云边业务应用4大类的协同,为运营商的5G MEC云边协同发展提供参考。     

协同边缘网络中智能计算卸载与资源优化算法

针对具有依赖关系的计算密集型应用任务面临的卸载决策难题,提出了一种基于优先级的深度优先搜索调度策略。考虑到用户能量受限和移动性,构建了一种联合用户下行能量捕获和上行计算任务卸载的网络模型,并在此基础上建立了端到端优化目标函数。结合任务优先级及时延约束,利用深度强化学习自学习的优势,将任务卸载决策问题建模为马尔科夫模型,并设计了基于任务相关性的Dueling Double DQN(D3QN)算法对问题进行求解。仿真数据表明,所提算法较其他算法能够满足更多用户的时延要求,并能减少9%～10%的任务执行时延。     

面向算网融合的边缘计算网络任务卸载策略优化方法

为了解决传统网络任务卸载策略存在的任务平均能耗较高的不足,本文面向算网融合,针对边缘计算网络任务卸载策略优化方法展开研究。转换算力资源的地址属性得到网络时延,判断用户使用时的位置方向,加载训练阶段的网络参数,得到卸载所需最大功率;对用户进行信道分配,制定卸载策略,降低信道间干扰对卸载策略的影响,合理分配移动设备传输功率使其达到最优;对非线性规划设备进行能耗运算,改善边界分支范围划定,二次剪枝快速搜寻最优值,将局部最优解累加得到问题最优解从而实现网络任务卸载策略优化。实验结果表明,运用本文方法平均耗能最低,提升计算速率,完成计算机网络任务的高效卸载。     

面向边缘光算力网络的上行链路资源协同调度算法

为满足冷、热业务实时、高效的算力调度需求,提出一种基于自适应噪声完全集合经验模态分解(CEEMDAN)与时间卷积网络(TCN)的算力负载预测模型(简称C-TCN模型),并设计了基于C-TCN与Q学习的资源协同调度算法(CTQ算法),利用C-TCN模型提前感知下一时刻负载变化,通过Q学习协同调度波长与存储资源,寻找最佳波长划分与边缘存储分配方案。实验结果表明：CTQ算法的调度性能不仅优于现有调度算法,能满足冷、热业务调度性能要求,而且还能提高波长利用率。     

面向算力网络的云边端协同调度技术

针对网络规模庞大、资源分散和异构性等挑战,面向算力网络的云边端协同调度技术通过算力网络将云边端多级泛在算网资源整合在一起,从而形成一个庞大的、跨越多个地域的资源池。综合考虑网络实时状态、用户需求等要素,该技术能够实现对算网资源的统一管理和动态调整,提升用户体验的同时降低企业运营成本和运维复杂度。     

基于云、网、边融合的边缘计算新方案:算力网络

边缘计算已经成为5G时代重要的创新型业务模式,尤其是其低时延特性,被认为是传统方案所不具备的,因此边缘计算能够提供更多的服务能力且具有更为广泛的应用场景。但边缘计算与处于中心位置的云计算之间的算力协同成为新的技术难题,即需要在边缘计算、云计算以及网络之间实现云网协同、云边协同,甚至边边协同,才能实现资源利用的最优化。在研究边缘计算算力分配和调度需求的基础上,提出了基于云、网、边深度融合的算力网络方案,并针对AI类应用给出了一个典型实施系统,该方案能够有效应对未来业务对计算、存储、网络甚至算法资源的多级部署以及在各级节点之间的灵活调度。     

面向无服务器计算的边缘算力网络服务体系研究

算力网络是云网融合技术的演进和发展,为用户提供算网一体的服务。文章基于云原生中轻量化的无服务器计算模式,以函数功能为边缘算力服务能力,提出面向无服务器计算的边缘算力网络服务体系架构,阐述架构中的功能需求、体系架构、部署方案等相关内容,并完成算力网络服务平台原型部署和业务验证,实现上层应用对无服务器计算边缘算力的能力调用,验证轻量化算力的应用与边缘算力网络能力开放的问题。     

面向算网一体化演进的算力网络技术

随着一体化算力网络国家枢纽节点的建设和“东数西算”工程的加快实施,计算和网络的融合走向深水区。面向新兴业务对于网络和计算融合发展的需求,如何协调分布式、多样化算力资源,业务应用和网络资源满足业务需求成为亟待解决的问题。为了解决计算和网络相互感知、协同、调度问题,从算力网络阶段化发展、算力感知技术架构、算力度量与标识、算力路由等多个技术展开探索和研究,并提出算力网络多种部署模式,为算力网络后续技术研究和产业发展提供参考。     

算力时代中心云与边缘云的协同部署

算力时代,计算的需求更加泛在,算力无所不在,算力分布式泛在的态势日渐明显,分布式算力需要协同计算和一体化调度。本文通过分析算力的分布式特征、中心云与边缘云的关系、分布式边缘云的能力部署、算力时代的网络及协同调度等内容,阐述了算力时代中心云与边缘云的协同关系,针对算力分布式协同的关键问题,提出了算力网络调度需要具备基本功能,并给出了分布式算力协同的应用案例。     

海上边缘计算云边智能协同服务建模

由于受环境、资源、能耗、异构等因素制约,海上无线技术发展明显滞后于陆地.以低开销、自适应和自主融合为约束,提出一种海上边缘计算云边智能协同服务策略模型(Model of Cloud-Edge Cooperative Service Scheme for Maritime Edge Computing,MCECS-MEC...     

基于云边协同的复杂交通场景智能视频监控方法研究

由于传统视频监控方法难以并行处理爆炸式增长的视频采集数据和有效地调度云边协同资源,文章提出一种基于云边协同的复杂交通场景视频智能监控方法。利用协同表示方法融合全局特征,生成全局特征字典后,改进图像特征表示算法;采用背景差分法获取目标参数特征,利用云边协同多目标跟踪处理方法,实时检测交通异常事件;通过改进的人工蜂群算法实现云边协同资源调度,根据适应度函数寻得最优解,完成复杂交通场景视频协同处理。测试结果表明：视频智能监控应用云边协同计算后,复杂交通场景平均响应时间为22.03s,且准确度维持在90%以上。     

算力网络路由调度技术研究

面向数字经济高质量发展需求,算力网络的研究和发展不断加速。如何实现算力与网络资源的一体化调度是算力网络研究的关键问题,介绍了算力网络演进进展,分析了算力网络资源感知和路由调度技术,提出了算力网络混合式路由调度解决方案,实现按需灵活、快速路由、易于实现的算网一体化能力。介绍了混合式路由调度方案在车联网远程驾驶场景的实现流程,在车辆移动状态下支持提供算网一体、快速调优的差异化服务。     

边缘算力网络中智能算力感知路由分配策略研究

增强现实、自动驾驶、智慧城市、工业互联网等新型业务应用对网络算力的需求逐渐增强,然而,边缘算力网络系统面临着网络共存的问题——负载不均衡,导致一部分边缘服务器无法满足业务应用的处理需求,另一部分边缘服务器的算力资源处于空闲状态.为了高效协同地感知利用泛在、异构的算力资源,提升6G通信网络的内生感知和算力自适应能力,急需...     

车载边缘计算中多任务部分卸载方案研究

现有车载应用设备对时延有更严苛的要求,车载边缘计算(VEC)能够充分利用网络边缘设备,如路边单元(RSU)进行协作处理,可有效地降低时延。现有研究多假设RSU计算资源充足,可提供无限的服务,但实际其计算资源会随着所需处理任务数量的增加而受限,对时延敏感的车载应用造成限制。该文针对此问题,提出一种车载边缘计算中多任务部分卸载方案,该方案在充分利用RSU的计算资源条件下,考虑邻近车辆的剩余可用计算资源,以最小化总任务处理时延。首先在时延限制和资源约束下分配各任务在本地、RSU和邻近车辆的最优卸载决策变量比例,其次以最小处理时延为目的在一跳通信范围内选择合适的空闲车辆作为处理部分任务的邻近车辆。仿真结果表明所提车载边缘计算中多任务部分卸载方案相较现有方案能较好地降低时延。     

车载边缘计算卸载技术研究综述

通过将移动边缘计算技术应用在车联网,车载边缘计算技术可为车载用户提供低时延、高带宽、高可靠性的应用服务.首先详细介绍了车载边缘计算卸载技术的背景、意义以及本文的贡献.其次,分别概述了车载边缘计算卸载技术的网络架构、主要挑战以及应用场景.然后,从移动分析、卸载模式、资源协作和管理等多个维度全面综述了车载边缘计算卸载技术的...     

基于移动路径预测的车载边缘计算卸载切换策略研究

车载云计算环境中的计算卸载存在回程网络延迟高、远程云端负载大等问题,车载边缘计算利用边缘服务器靠近车载终端,就近提供云计算服务的特点,在一定程度上解决了上述问题。但由于汽车运动造成的通信环境动态变化进而导致任务完成时间增加,为此该文提出一种基于移动路径可预测的计算卸载切换策略MPOHS,即在车辆移动路径可预测情况下,引入基于最小完成时间的计算切换策略,以降低车辆移动性对计算卸载的影响。实验结果表明,相对于现有研究,该文所提算法能够在减少平均任务完成时间的同时,减少切换次数和切换时间开销,有效降低汽车运动对计算卸载的影响。     

算力网络资源协同调度探索与应用

算力网络融合了多区域、多层级的算力资源。针对面向用户差异化需求下全域大范围多层次算力资源的弹性灵活调度问题,设计了一个算力网络资源协同调度平台。针对差异化业务需求,该平台可以形成多公有云与私有云之间的算力资源调度策略以及算网资源协同调度策略,实现资源的自动最优分配。同时,该平台能够自动发现、纳管算力资源,并基于新的资源池情况实现分配策略的自动调整,实现用户无感业务扩缩容,以此弹性调度算力资源。     

算力时代融合边缘云建设思路探讨

随着算力网络的发展,融合边缘云需求进一步加强,建设强大的融合边缘云服务,不仅可以满足各类客户需求,还可以增强边缘云市场竞争力,实现云网融合和云边协同发展,落实国家数字经济战略。本文通过分析融合边缘云的需求,提出将计算、存储、CDN、安全和AI等能力融合到边缘云的思路,通过复用现有资源池带宽和基础设施资源,根据实际需求和应用场景分级分类规划布局,统一架构并按需进行模块化建设等方案举措,满足客户敏捷连接、实时业务、数据优化、应用智能、安全和隐私保护等多种关键需求。