边缘计算:一种应用视角_张胜;钱柱中;梁瑜;陆桑璐_AZW3_MOBI_EPUB_PDF_电子书(无页码)_张胜;钱柱中;梁瑜;陆桑璐
内容节选
8.1计算任务卸载概述 通常,任务卸载可以定义为将资源密集型计算任务转移到外部资源较为丰富的平台进行处理,如云计算平台、边缘计算平台等。将整个或部分任务卸载到另一个处理器或服务器处理,可以有效对资源密集型和时延敏感型的应用程序进行加速。在这一小节中,我们会介绍边缘计算的任务卸载流程、任务卸载方式、卸载性能指标以及用户移动性。任务卸载是一个复杂的过程,可能会受到许多不同因素的影响。在本节中,我们暂且不去考虑边缘服务器的资源是如何分配的,应用服务是如何缓存的,而是将目光集中在任务卸载的整体流程上,只有先对任务卸载这一整体框架有了一定的了解之后,才能对卸载过程中的细节以及可能出现的挑战有更深刻的理解。 8.1.1 任务卸载流程 边缘计算平台的任务卸载流程主要分为四个步骤,如图8-2所示。 图8-2 任务卸载流程 1.节点发现 首先,当用户有任务需要进行转移处理时,本地终端设备会向周围寻找可用的边缘计算节点,也就是位于网络边缘侧的边缘服务器,用于对被卸载的任务进行计算。在搜索到所有可用的节点后,紧接着就是计算卸载中最核心的环节,也就是卸载决策。这一环节主要解决两大问题,即是否进行任务卸载和卸载任务的哪些部分至哪些计算节点。 2.任务上传 当选择好进行计算的边缘服务器节点后,本地终端设备需要将卸载的任务上传,通过有线或无线网络传输技术,将任务通过接入点卸载至边缘服务器。需要注意的是,边缘服务器如果要处理上传的任务,则本身必须部署相应的服务。以人脸识别任务为例,如果选择的服务器上已经部署了人脸识别的应用,则只需要等待终端服务器将图片数据与相应的增量数据上传即可,而如果服务器上并未部署应用,则该服务器需要向云端请求,在下载并安装人脸识别应用之后才能对任务进行处理。对边缘服务器上的服务进行预先部署和选择也是相当重要且复杂的,这一环节称为服务缓存,将会在后续小节详细介绍。 3.任务处理 当终端设备将任务上传到边缘服务器后,服务器会根据任务到来时所携带的计算复杂度、服务质量等各项需求为任务分配合理的资源。当涉及任务在多个边缘服务器进行处理时,还需要考虑各服务器之间的数据传输问题。之后边缘计算节点会对卸载到服务器的任务进行处理计算。 4.结果返回 计算结果的返回是任务卸载流程的最后一个环节:将边缘服务器节点进行计算处理后得到的结果传回用户终端设备。需要注意的是,计算结果的数据量比用户上传的任务数据量往往要小得多。例如,人脸识别系统,边缘服务器计算结果的返回值往往是“True”或“False”这样的标志信息。至此,任务卸载流程结束,终端设备断开与边缘服务器的连接。 8.1.2 任务卸载方式 介绍完任务的卸载流程后,我们接下来针对任务卸载的方式做一些介绍。从任务卸载的粒度上进行区分,通常将其分为0-1卸载和部分卸载两种方式。 1.0-1卸载 0-1卸载指的是一种二元决策,即将要卸载的任务看作一个整体,该任务要么在本地终端设备执行,要么全部卸载到边缘服务器进行处理。其中,“0”指的是在本地执行,“1”指的是卸载到网络边缘执行。这类任务一般是高度集成的任务或是相对简单而不可再分割的原子(atomic)任务。通常,轻量级任务会倾向于放在本地执行,这是因为其传输到边缘执行的代价可能会高于本地执行的代价,而且传输过程还会挤占公共网络资源。 对于这种不可分割的计算任务,通常使用一个三元组来表示,即<输入数据量、任务截止时间、计算工作量>: ❑输入数据量指的是完成该任务所需要上传到边缘服务器的数据大小,如文献翻译任务需要上传文本翻译的原件,人脸识别需要上传图片信息等,这会直接影响任务上传的时间,输入数据量越大,上传的时间也越长,一般用bit作为其单位。 ❑任务截止时间指的是任务完成的时间期限,截止时间可以分为硬截止时间(hard deadline)和软截止时间(soft deadline),超过硬截止时间则该任务失败,而软截止时间则允许部分任务在超出截止时间后以一定损失的情况下完成。除非特殊说明,通常研究中的任务截止时间指的都是硬截止时间。 ❑计算工作量指的是处理任务所需要的CPU周期数,通常以每bit所需的CPU周期数来作为单位。计算工作量与具体的应用程序相关,可以通过任务分析器进行估计,从而可以估计并比较本地终端与边缘服务器的计算开销,做出合理的卸载决策。 这三个参数的使用不仅能够捕捉到任务的基本属性,如任务的计算需求、任务传输的通信带宽等,而且还有助于在卸载决策环节对执行时延和能耗性能等进行简单的评估。当任务的数量与服务器的数量较多时,卸载的决策空间会变得很大,导致在短时间内无法获得最优的方案,此时如何在较短时间内获得一个相对令用户满意的卸载决策就变成了一个复杂问题。 2.部分卸载 随着信息技术的不断发展,现实中的应用变得越来越复杂,越来越多功能化,这些应用往......
- 信息
- 推荐序
- 前言
- 第1章 边缘计算概述
- 1.1 边缘计算的概念
- 1.2 边缘计算的主要特点
- 1.3 边缘计算的架构
- 1.4 边缘计算的核心技术
- 1.5 边缘计算的历史与现状
- 1.6 边缘计算的发展趋势
- 1.7 本章小结
- 思考题
- 参考文献
- 第2章 边缘计算架构原理
- 2.1 边缘计算架构概述
- 2.2 边缘计算架构要素
- 2.3 边缘计算总体架构
- 2.4 边缘计算软件架构
- 2.5 开源框架
- 2.6 本章小结
- 思考题
- 参考文献
- 第3章 边缘计算核心技术
- 3.1 异构计算技术
- 3.2 虚拟化技术
- 3.3 软件定义网络技术
- 3.4 无线传输技术
- 3.5 微服务架构技术
- 3.6 其他有关技术
- 3.7 本章小结
- 思考题
- 参考文献
- 第4章 主要研究方向与挑战
- 4.1 计算卸载
- 4.2 服务部署
- 4.3 边缘智能
- 4.4 面向边缘计算的视频分析
- 4.5 方法论和关键词
- 4.6 本章小结
- 思考题
- 参考文献
- 第5章 边缘计算与人工智能
- 5.1 智能边缘
- 5.2 边缘智能
- 5.3 面向边缘计算的机器学习框架
- 5.4 本章小结
- 思考题
- 参考文献
- 第6章 边缘计算中的安全与隐私保护
- 6.1 边缘计算安全
- 6.2 硬件安全技术
- 6.3 软件安全技术
- 6.4 本章小结
- 思考题
- 参考文献
- 第7章 边缘计算建模与仿真
- 7.1 面向边缘计算的仿真建模工具概述
- 7.2 CloudSim:一个面向云计算环境的建模与仿真工具包
- 7.3 iFogSim:一个面向边缘计算环境的建模与仿真工具包
- 7.4 iFogSim2:一个拓展的iFogSim模拟器
- 7.5 本章小结
- 思考题
- 参考文献
- 第8章 边缘计算卸载技术研究
- 8.1 计算任务卸载概述
- 8.2 任务卸载场景
- 8.3 应用案例分析
- 8.4 本章小结
- 思考题
- 参考文献
- 第9章 边缘服务部署技术研究
- 9.1 概述
- 9.2 基础架构模型
- 9.3 应用模型与部署模式
- 9.4 服务部署方案
- 9.5 优化策略
- 9.6 应用案例分析
- 9.7 本章小结
- 思考题
- 参考文献
- 第10章 面向视频分析的边缘资源分配技术研究
- 10.1 概述
- 10.2 视频分析应用
- 10.3 视频分析系统介绍及性能分析
- 10.4 应用案例分析
- 10.5 本章小结
- 思考题
- 参考文献
- 第11章 面向超分辨率的边缘调度技术研究
- 11.1 概述
- 11.2 超分辨率简介
- 11.3 已有超分辨率技术
- 11.4 边缘设备上的超分辨率应用
- 11.5 边缘服务器上的超分辨率应用
- 11.6 本章小结
- 思考题
- 参考文献
- 第12章 基于多边缘协同的卷积神经网络推断加速技术研究
- 12.1 卷积神经网络推断任务
- 12.2 基于模型切割的多边缘协同
- 12.3 基于数据切割的多边缘协同
- 12.4 基于混合切割的多边缘协同
- 12.5 其他推断加速方法
- 12.6 本章小结
- 思考题
- 参考文献
- 第13章 基于多臂赌博机的多边缘选择决策技术研究
- 13.1 概述
- 13.2 多臂赌博机
- 13.3 基于多臂赌博机的多边缘选择决策案例分析
- 13.4 本章小结
- 思考题
- 参考文献
- 第14章 面向联邦学习的边缘调度技术研究
- 14.1 概述
- 14.2 联邦学习
- 14.3 面向边缘的联邦学习框架分析
- 14.4 应用案例分析
- 14.5 本章小结
- 思考题
- 参考文献
- 第15章 边缘计算的应用模式
- 15.1 生命健康
- 15.2 交通运输
- 15.3 智慧电网
- 15.4 智慧城市
- 15.5 智能家居
- 15.6 工业生产
- 15.7 视频流应用
- 15.8 本章小结
- 思考题
- 参考文献