点击数: 更新日期: 2023-04-18
中文题目：面向边缘计算数据密集型应用的可靠性感知任务处理和卸载
论文题目：Reliability-aware Task Processing and Offloading for Data-intensive Applications in Edge computing
录用期刊/会议：IEEE Transactions on Network and Service Management (JCR Q2，IF = 4.758)
原文DOI：10.1109/TNSM.2023.3258191
原文链接：https://ieeexplore.ieee.org/document/10073637/
录用时间：2023年3月11日
封面摘要：为了充分利用移动设备、边缘服务器和云服务器的计算资源进行有效的任务处理，本文研究了云边端协同计算框架，通过求解最优的任务分割比和计算资源分配策略，最小化任务处理延迟。通过仿真实验进行了参数分析和性能比较，证明了研究方案的有效性和优越性。
作者列表：
1）梁晶语 中国石油大学（北京）信息科学与工程学院 计算机科学与技术系 博20
2）马博闻 中国石油大学（北京）信息科学与工程学院 计算机科学与技术系 硕21
3）冯子涵 中国石油大学（北京）信息科学与工程学院 计算机科学与技术系 硕22
4）黄霁崴 中国石油大学（北京）信息科学与工程学院 计算机科学与技术系 教授
摘要: 随着移动边缘计算（MEC）的日益普及，许多数据密集型的应用程序已经被部署。服务质量（QoS）作为MEC中最重要的要求之一，已经引起了学术界和工业界的广泛关注。对于数据密集型服务的QoS，存在两个挑战。首先，除了性能之外，可靠性是另一个重要的问题，特别是对于一些关键的应用，这仍未得到探索。其次，为了减少网络边缘的无线通信的繁重工作量，必须进行数据压缩。为了克服这些挑战，本文联合研究了MEC中数据级应用中的可靠性感知数据压缩和任务卸载。建立了马尔可夫模型来捕获MEC系统的状态转换的动态，并对性能和可靠性评估进行了定量分析。为了充分利用QoS保证中的数据压缩的优势，我们提出了一个在满足可靠性和能耗约束的同时，以最小化延迟为目标的优化问题。在描述了问题的非平稳性之后，我们应用了问题的线性化和约束松弛的技术，将原问题转化为一个凸优化问题。然后，通过引入交替方向乘法器方法（ADMM），可以以并行的方式解决该问题，并提出了一种分布式可靠性感知任务处理和卸载（RTPO）算法。最后，进行了广泛的模拟实验来验证我们的方法的有效性，实验结果说明了我们的方法优于基线算法和最先进的算法。
优化模型与优化方法:
图1 边缘服务器处理任务的过程
本文通过提出了如图1所示的边缘服务器的故障恢复机制来考虑边缘系统在处理任务时状态的转换，为了更准确地评估计算时延，并对系统的可靠性和能耗进行约束。通过马尔可夫模型进行分析，分别得到了服务器处理任务过程中可靠性和延迟以及可靠性和能耗的量化关系。考虑多用户-多服务器的边缘计算场景下任务卸载问题，为了提高服务质量满足用户需求，考虑任务压缩和服务器的可靠性对系统延迟的影响，建立了非凸的最小化延迟的优化问题。
为了进一步求解，将原问题进行线性化并松弛约束条件，将非凸问题转化为凸问题，为了降低问题的复杂度，提出了基于ADMM的分布式可靠性感知任务处理和卸载算法，并将该算法和其他分布式求解算法以及传统算法进行比较，证明了算法的有效性。
实验结果及分析:
图2 服务器故障率对于处理任务延迟和能耗的影响。
图3 服务器修复率对于处理任务延迟和能耗的影响。
图4 不同任务大小和用户数量对处理任务延迟的影响。
结论:
本文中，我们通过马尔可夫模型得到量化后的可靠性属性和处理用户的任务延迟和能耗之间的关系，来研究边缘服务器的可靠性。接下来，研究了一个多用户、多服务器边缘计算系统的任务卸载问题一个受约束的优化问题。为了解决这个问题，利用线性化和变量松弛的方法将原始的非凸优化问题转化为一个线性优化问题，为了降低计算复杂度提出了一种R-TPO计算卸载策略。最后，实验计算结果表明，该策略优于其他策略。在未来的工作中，我们将分析不同的故障类型和边缘服务器模型，然后设计新的架构和算法来解决复杂的资源分配问题。
通讯作者简介:
黄霁崴，博士，教授，博士生导师，石油数据挖掘北京市重点实验室主任，中国石油大学（北京）计算机科学与技术系主任，中国石油大学（北京）研究生教育督导组专家，信息科学与工程学院学术委员会委员。2015年北京市优秀人才培养资助入选者，2018年中国石油大学（北京）优秀青年学者，2020年北京市科技新星，2022年度北京市国家治理青年人才。分别在2009年和2014年于清华大学计算机科学与技术系获得工学学士和工学博士学位，2012-2013年国家公派赴美国佐治亚理工学院联合培养。研究方向包括：物联网、服务计算、边缘智能、深度强化学习、智能优化算法等。担任中国计算机学会(CCF)服务计算专委会委员、秘书，CCF高级会员，IEEE、ACM会员。已主持国家自然科学基金、国家重点研发计划、北京市自然科学基金等科研项目18项；在国内外著名期刊和会议发表SCI/EI检索的学术论文60余篇，其中1篇获得Chinese Journal of Electronics优秀论文奖，2篇入选ESI热点论文；出版学术专著1部；获得国家发明专利6项、软件著作权4项；获得中国通信学会科学技术一等奖1项、中国产学研合作创新成果一等奖1项。担任电子学报、Chinese Journal of Electronics、Scientific Programming等期刊编委。
联系方式：huangjw@cup.edu.cn