面向工業(yè)物聯(lián)網(wǎng)的邊緣計算卸載方法研究

李 斌，沈 淵，汪澍萌

(揚(yáng)州市職業(yè)大學(xué)，江蘇 揚(yáng)州 225009)

1 邊緣計算概述

隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，各類智能家居、可穿戴設(shè)備的普及率越來越高，大大改善了人們的生活質(zhì)量及生產(chǎn)效率。然而，物聯(lián)網(wǎng)技術(shù)在應(yīng)用過程中會產(chǎn)生海量的感知數(shù)據(jù)，如果將這些數(shù)據(jù)都直接發(fā)送至云計算平臺會為網(wǎng)絡(luò)帶來很大的流量負(fù)擔(dān)，從而影響到數(shù)據(jù)與傳感器之間的傳輸效率，降低用戶體驗。在這種背景下，邊緣網(wǎng)絡(luò)設(shè)備可用于設(shè)備附近物聯(lián)網(wǎng)設(shè)備感知數(shù)據(jù)的處理，物聯(lián)網(wǎng)感知終端將數(shù)據(jù)發(fā)送至邊緣設(shè)備，由其處理后再響應(yīng)用戶或者將結(jié)果發(fā)送至云端，整個過程可以最大限度減少主干網(wǎng)絡(luò)的流量，提高數(shù)據(jù)處理效率[1]。

邊緣計算網(wǎng)絡(luò)主要包括云、邊、端三層架構(gòu)。其中，云計算層的主要作用是根據(jù)需求提供服務(wù)資源及計算能力，邊緣層則主要提供服務(wù)資源。雖然云計算具備強(qiáng)大的計算能力，擁有豐富的服務(wù)資源，但是云計算不考慮數(shù)據(jù)量、網(wǎng)絡(luò)連接質(zhì)量及任務(wù)容忍延時等參數(shù)，而邊緣層的服務(wù)資源雖然遠(yuǎn)遠(yuǎn)比不上云計算層，但是可以對數(shù)據(jù)進(jìn)行預(yù)處理，數(shù)據(jù)源、云中心路徑上都分布有大量設(shè)備，這些設(shè)備本身的計算及存儲功能可以為邊緣計算的數(shù)據(jù)預(yù)處理提供支持，經(jīng)過預(yù)處理的數(shù)據(jù)再返回至終端層[2]。與云計算相比，邊緣計算具有實時性好、成本低、安全性高等諸多優(yōu)勢，二者的區(qū)別主要包括以下幾個方面：云計算的計算位置在遠(yuǎn)程網(wǎng)絡(luò)中心，而邊緣計算更靠近位置；云計算采用集中式的計算模型，邊緣計算采用分布式計算模型；云計算的計算能力及存儲能力都大于邊緣計算，但是邊緣計算的相對執(zhí)行延遲更低，在設(shè)備通信過程中，帶寬、網(wǎng)絡(luò)等均會對云計算設(shè)備的通信產(chǎn)生限制作用，而邊緣計算可以實現(xiàn)實時交互；在處理任務(wù)安全性方面，邊緣計算的安全性要大于云計算且邊緣計算成本更低。因此，在實際大數(shù)據(jù)物聯(lián)網(wǎng)應(yīng)用中，往往采用云計算與邊緣計算互補(bǔ)的形式，既滿足物聯(lián)系統(tǒng)應(yīng)用智能、優(yōu)化數(shù)據(jù)，又能夠?qū)崿F(xiàn)實時業(yè)務(wù)、敏捷鏈接，還能夠保障用戶的安全與隱私[3]。

2 計算卸載

計算卸載是指將終端設(shè)備計算任務(wù)交付給邊緣服務(wù)器或云計算中心進(jìn)行任務(wù)計算的技術(shù)。由于終端設(shè)備無論是計算能力還是資源方面都十分有限，一些資源密集型任務(wù)或者延遲敏感型任務(wù)無法通過終端設(shè)備完成，而通過計算卸載可以提高終端設(shè)備的處理能力，優(yōu)化用戶體驗，彌補(bǔ)終端設(shè)備計算能力較差、存儲資源較少等不足。不過在高負(fù)載時期邊緣服務(wù)器無論是計算能力還是計算資源都無法滿足大量的卸載請求，此時就需要與云中心聯(lián)合進(jìn)行卸載計算，并通過邊緣協(xié)同應(yīng)用重復(fù)利用任務(wù)卸載計算結(jié)果[4]。多個因素均會對計算卸載決策產(chǎn)生影響，比如網(wǎng)絡(luò)鏈路質(zhì)量、終端設(shè)備性能、邊緣服務(wù)器性能等，需要考慮是否可卸載新的任務(wù)。如果可以卸載，是全部卸載，還是部分卸載，在哪里執(zhí)行卸載計算等。同一個應(yīng)用各個任務(wù)之間可以是并行關(guān)系，也可能是連續(xù)串行關(guān)系，確定卸載策略時需要考慮計算任務(wù)之間的順序關(guān)系。

3 面向工業(yè)物聯(lián)網(wǎng)的邊緣計算卸載策略

在工業(yè)環(huán)境中，大規(guī)模的生產(chǎn)設(shè)備在運行過程中會產(chǎn)生大量需要實時處理的任務(wù)，為保證任務(wù)處理的時效性，減少能耗，本研究提出一個基于任務(wù)優(yōu)先級的自適應(yīng)卸載策略。先將確定計算任務(wù)優(yōu)先級，分析時延要求、任務(wù)類型、數(shù)據(jù)量大小、計算資源等，確定任務(wù)卸載平臺，賦予能耗、時延不同的權(quán)重，構(gòu)建卸載到移動邊緣計算服務(wù)器任務(wù)的目標(biāo)函數(shù)，再利用Q學(xué)習(xí)動態(tài)確定該目標(biāo)函數(shù)任務(wù)卸載位置，合理分配計算資源。

3.1 系統(tǒng)模型

本研究提出的多層IIoT的邊緣計算(MEC)網(wǎng)絡(luò)模型如圖1所示。

圖1 多層IIoT的MEC網(wǎng)絡(luò)模型

本系統(tǒng)架構(gòu)主要包括3層。終端層包含本地CPU的終端設(shè)備層。任務(wù)類型包括產(chǎn)品分析、勞動力管理、作業(yè)規(guī)范、故障預(yù)測、內(nèi)部監(jiān)控及需求預(yù)測等。邊緣層主要是MEC服務(wù)器以及云服務(wù)器。云服務(wù)器的部署位置距離終端設(shè)備距離較遠(yuǎn)，即使其具備較高的計算能力，也會在處理任務(wù)時產(chǎn)生傳輸時延，從而影響設(shè)備的響應(yīng)速度，因此諸如產(chǎn)品分析之類的任務(wù)量大、優(yōu)先等級低的任務(wù)通過云服務(wù)器進(jìn)行處理。相比云服務(wù)器，邊緣層服務(wù)器的計算能力相對較弱，但是其與終端層設(shè)備距離較近，時延較低，因此諸如預(yù)測分析等對時延較敏感的中優(yōu)先級任務(wù)可以通過邊緣層服務(wù)器進(jìn)行計算。終端設(shè)備層CPU計算能力最弱，不過其不存在傳輸時延的問題，因此諸如應(yīng)急反應(yīng)之類的高優(yōu)先級任務(wù)主要通過本地CPU進(jìn)行處理。由此可見，在該物聯(lián)網(wǎng)網(wǎng)絡(luò)模型中要提高任務(wù)卸載成功率，需要解決處理任務(wù)產(chǎn)生的時延問題及任務(wù)的處理優(yōu)先等級問題。

3.2 劃分任務(wù)優(yōu)先等級

任務(wù)類型不同，其重要程度、對時延的要求也各不相同，因此有必要劃分任務(wù)的優(yōu)先級，對任務(wù)進(jìn)行差異化處理，以提高任務(wù)的服務(wù)質(zhì)量及完成率。本研究劃分任務(wù)優(yōu)先級采用層次分析法，該方法在評價任務(wù)的優(yōu)先等級時，主要考慮任務(wù)類型、數(shù)據(jù)大小、截止時延、需要CPU周期數(shù)4個指標(biāo)。其中，任務(wù)類型的權(quán)重最高。對同一層次的因素進(jìn)行比較，構(gòu)建層次分析矩陣如式(1)：

(1)

Λ=[λ1，λ2，…λc]T

(2)

第c個影響因素的權(quán)重如式(3)：

(3)

根據(jù)各個影響因素可構(gòu)建以下任務(wù)矩陣K，如式(4)：

(4)

最終可確定任務(wù)優(yōu)先級值如下式(5)：

(5)

3.3 計算模型

3.3.1 本地計算模型

(6)

(7)

上式中Jm表示工業(yè)設(shè)備m每單位CPU周期能耗。

在評價任務(wù)執(zhí)行效率過程中，時延及能耗均為重要指標(biāo)，故本地執(zhí)行某項任務(wù)的總成本可通過式(8)表示：

(8)

上式中：λ1表示任務(wù)執(zhí)行時延權(quán)值；λ2表示任務(wù)能耗權(quán)值，二者之和為1。

3.3.2 MEC計算模型

如上述任務(wù)在MEC服務(wù)器中卸載，則任務(wù)會產(chǎn)生任務(wù)傳輸至MEC服務(wù)器的傳輸時延、MEC服務(wù)器處理任務(wù)的執(zhí)行時延、處理結(jié)果向設(shè)備終端傳輸時的傳輸時延。實際計算中任務(wù)在MEC服務(wù)器與云服務(wù)器處理后的處理結(jié)果遠(yuǎn)遠(yuǎn)小于輸入數(shù)據(jù)量，下載數(shù)據(jù)速率高于上傳數(shù)據(jù)速率，因此MEC服務(wù)器執(zhí)行km時產(chǎn)生的總時延可用式(9)表示：

(9)

MEC服務(wù)器執(zhí)行km時產(chǎn)生的總成本如式(10)：

(10)

3.3.3 云計算模型

如上述任務(wù)在云服務(wù)器層進(jìn)行卸載，則任務(wù)會產(chǎn)生任務(wù)上傳至云服務(wù)器層產(chǎn)生的傳輸時延、云服務(wù)器處理計算時延、云服務(wù)器向設(shè)備返回處理結(jié)果的傳輸時延等。云服務(wù)器執(zhí)行任務(wù)時的總時延如式(11)：

(11)

由于云服務(wù)器的計算資源比較豐富，故任務(wù)在云服務(wù)器層的消耗可忽略不計，其總成本如式(12)：

(12)

3.4 卸載策略

面向工業(yè)物聯(lián)網(wǎng)的邊緣計算卸載過程中，MEC服務(wù)器的計算資源高于本地CPU，但是相比云服務(wù)器層仍然十分有限，因此需要將系統(tǒng)的任務(wù)卸載和資源分配建模為優(yōu)化問題。可以通過尋找最佳的卸載決策向量、計算資源向量來建立問題公式[5]。由上述可知，不同的位置執(zhí)行卸載任務(wù)的能耗及時延均不相同，一般情況下本地CPU處理重要程度高、計算量小、對時延高度敏感的任務(wù)，MEC服務(wù)器則處理對時延敏感度相對較高的任務(wù)，云服務(wù)器層則處理時延敏感度低、計算量相對較大的任務(wù)。在面向工業(yè)物聯(lián)網(wǎng)環(huán)境中，任務(wù)量、任務(wù)類型是一個持續(xù)變化的過程，計算資源的分配需要充分考慮這些變化，可以采用基于任務(wù)優(yōu)先級的自適應(yīng)卸載策略。在具體卸載過程中，先對任務(wù)優(yōu)先等級做出排序，再根據(jù)上次卸載情況確定執(zhí)行卸載任務(wù)的層級，針對MEC服務(wù)器層中的卸載任務(wù)，可以利用Q學(xué)習(xí)方法向MEC服務(wù)器分配計算資源，并確定具體卸載到哪個服務(wù)器。卸載任務(wù)可以按照高、中、低分為3個級別。假設(shè)上次執(zhí)行卸載任務(wù)時，本地CPU執(zhí)行任務(wù)量10個，MEC服務(wù)器執(zhí)行任務(wù)量25個，云服務(wù)器層執(zhí)行任務(wù)量15個，則本次的任務(wù)執(zhí)行比例也可參照上述執(zhí)行比例進(jìn)行分配，同時還要保證本地執(zhí)行任務(wù)成功，才能盡量降低本地計算資源的消耗，因此需要判斷本地CPU執(zhí)行任務(wù)時的時延。如任務(wù)截止時延前本地CPU能夠完成任務(wù)的執(zhí)行過程，則該任務(wù)由本地CPU完成即可；若無法完成，則由MEC服務(wù)器來完成。MEC服務(wù)器執(zhí)行任務(wù)需要考慮資源分配問題，這個過程可以利用強(qiáng)化學(xué)習(xí)的方法選擇任務(wù)卸載的具體位置。MEC服務(wù)器計算能力有限，且隨時被占用，不同任務(wù)、不同時間的請求生成率、數(shù)據(jù)量大小均不斷發(fā)生變化。強(qiáng)化學(xué)習(xí)系統(tǒng)可以通過對環(huán)境的探索、接收反饋形成自適應(yīng)模型，即使沒有大量標(biāo)記數(shù)據(jù)，也能夠與環(huán)境進(jìn)行持續(xù)交互，在獲得反饋后更新行動策略，以更好地適應(yīng)環(huán)境，并制定決策序列實現(xiàn)自適應(yīng)決策[6]。

4 結(jié)語

邊緣計算技術(shù)有效解決了物聯(lián)網(wǎng)感知移動終端向云數(shù)據(jù)中心傳輸數(shù)據(jù)的相關(guān)問題，移動邊緣計算模式向用戶提供計算資源及存儲資源，有效降低了主干網(wǎng)絡(luò)資源的占有率，縮短時延。針對面向工業(yè)生產(chǎn)的物聯(lián)網(wǎng)環(huán)境，本研究提出一個基本任務(wù)優(yōu)先級的邊緣計算卸載策略，分析任務(wù)的類型，計算資源需求、數(shù)據(jù)量大小及時延，劃分任務(wù)的優(yōu)先等級，確定卸載平臺，針對需要MEC服務(wù)器層卸載的任務(wù)，可構(gòu)建效用函數(shù)，以降低任務(wù)處理的總成本，并針對該效應(yīng)函數(shù)確定具體的任務(wù)卸載位置，分配計算資源。相信隨著物聯(lián)網(wǎng)、云計算、邊緣計算卸載等技術(shù)的不斷發(fā)展，邊緣計算的應(yīng)用場景將會越來越豐富，其在降低延遲、保護(hù)數(shù)據(jù)隱私、減少帶寬使用等方面的優(yōu)勢會越來越突出。