边缘计算中的资源调度机制

本书重点围绕边缘计算中的资源调度机制，从资源管理、计算卸载策略以及服务部署方法等方面进行研究，形成融调度框架、调度策略、卸载策略、部署策略于一体的较完备的边缘计算服务资源调度内容体系。首先，从服务请求的规范化管理和资源的随机应用调度两方面提出资源管理方案，实现虚拟机资源的管理和预先调度，加强资源的动态性以及自适应性管理；其次，分别针对低时延需求和多样化需求的计算任务提出边缘云计算卸载策略，有效降低任务的计算时延；再次，围绕计算卸载的能效问题，给出基于多核用户设备的计算资源调度、协同任务卸载方法，在减少计算卸载成本消耗的同时，提升任务处理效果；最后，围绕延迟敏感应用程序需求，提出一种基于剩余服务时间预测的动态服务部署列表调度算法和部署方法，提高边缘计算服务器的资源利用率和服务效率。本书可以作为计算机、云计算等专业及方向的本科生及硕士、博士研究生的专业课教材，也可作为从事网络工程、云计算、服务管理、信息安全、自律计算等研究领域科技人员的参考书。

前言
第1章绪论1
1.1边缘计算1
1.1.1边缘计算的思想与架构1
1.1.2边缘计算的特征与优势4
1.1.3边缘计算的发展及应用5
1.2计算卸载6
1.2.1计算卸载的基本思想6
1.2.2计算卸载的基本过程7
1.2.3计算卸载的主要分类9
1.3任务调度10
1.3.1任务调度流程11
1.3.2调度优化目标11
1.3.3常用调度算法12
1.4服务部署16
1.4.1服务部署概述16
1.4.2用户任务卸载17
1.4.3服务部署趋势19
参考文献20
第2章基于服务感知的资源分配框架21
2.1引言21
2.2资源分配框架21
2.3相关模型与算法分析22
2.3.1系统模型22
2.3.2服务分类23
2.3.3虚拟机迁移24
2.3.4联合服务调度26
2.3.5框架量化与算法27
2.4实验与分析29
2.4.1实验环境与参数29
2.4.2实验结果分析30
2.5本章小结36
参考文献36
第3章基于李雅普诺夫漂移的虚拟机优化调度策略37
3.1引言37
3.2系统模型37
3.2.1实时随机资源调度框架37
3.2.2马尔可夫策略变换38
3.3随机调度策略41
3.3.1目标模型构建41
3.3.2李雅普诺夫漂移优化42
3.3.3性能分析45
3.3.4近似随机*短路径问题47
3.4实验与分析49
3.4.1实验环境与参数49
3.4.2实验结果分析49
3.5本章小结53
参考文献54
第4章边缘云环境中基于多核用户设备的计算资源调度策略55
4.1引言55
4.2系统模型56
4.2.1场景模型56
4.2.2本地计算模型57
4.2.3通信模型58
4.2.4边缘云计算模型59
4.2.5优化问题59
4.3边缘云环境中任务卸载决策60
4.3.1构建非合作博弈60
4.3.2纳什均衡分析61
4.3.3面向多用户的任务卸载算法62
4.4多内核用户设备内核优化调度64
4.4.1多内核用户设备内核调度算法64
4.4.2面向多用户的计算资源调度算法65
4.5实验与分析66
4.5.1实验环境与参数66
4.5.2实验结果分析66
4.6本章小结71
参考文献71
第5章边缘云环境中面向任务可分的协同任务卸载策略72
5.1引言72
5.2系统模型73
5.2.1场景模型73
5.2.2任务模型74
5.2.3本地计算模型75
5.2.4通信模型75
5.2.5边缘云计算模型76
5.2.6并行计算模型76
5.3问题形式化79
5.3.1优化问题79
5.3.2差分进化算法81
5.3.3改进的差分进化算法82
5.4实验与分析83
5.4.1实验参数83
5.4.2性能分析84
5.5本章小结88
参考文献88
第6章一种基于随机优化的计算卸载策略89
6.1引言89
6.2系统模型与问题定义90
6.2.1系统模型90
6.2.2队列动态性92
6.2.3问题定义93
6.3BMDCO算法95
6.3.1算法分析95
6.3.2算法性能97
6.4实验与分析99
6.4.1性能分析99
6.4.2性能对比101
6.5本章小结104
参考文献105
第7章一种基于D2D协作的计算卸载策略106
7.1引言106
7.2系统模型与问题构造107
7.2.1任务模型107
7.2.2本地计算模型108
7.2.3卸载计算模型109
7.2.4队列动态性110
7.2.5问题公式化112
7.3D-CCO算法114
7.3.1算法分析114
7.3.2算法性能116
7.4实验与分析118
7.4.1性能分析118
7.4.2性能对比120
7.5本章小结123
参考文献123
第8章固定场景中时延敏感程序的服务部署策略124
8.1引言124
8.2服务部署场景问题分析124
8.3模型设计及问题形式化126
8.3.1系统模型126
8.3.2选择网络访问点128
8.3.3服务部署模型128
8.3.4网络中的排队时延129
8.3.5在边缘计算中预测服务时间130
8.4算法设计131
8.4.1计算剩余服务时间132
8.4.2调度需要被服务的任务133
8.4.3为待调度的任务选择服务部署的计算节点133
8.4.4复杂度分析134
8.5实验与分析135
8.5.1模拟实验环境设置136
8.5.2通过随机生成DAG来评估算法调度性能136
8.5.3EUA数据集环境中的服务部署性能评估139
8.6本章小结141
参考文献141
第9章移动场景中时延敏感程序的服务部署策略144
9.1引言144
9.2移动场景的分析及存在的问题144
9.3模型设计及问题形式化145
9.3.1系统模型145
9.3.2用户与边缘处理器之间的曼哈顿距离148
9.3.3能耗成本148
9.3.4问题形式化150
9.4算法设计151
9.5实验与分析155
9.5.1模拟实验环境设置155
9.5.2小样本模拟实验性能评估156
9.5.3大样本模拟实验性能评估160
9.6本章小结162
参考文献163
第10章前景展望165