task-offloading

README

计算卸载模块（TaskOffloading）

1 介绍

• 基于边缘智能网关的计算卸载模块
• 模块轻便灵活，耦合度低，可看做双路输入、单路输出的黑盒，作为微服务部署于docker中，随取随用
• 使用redis数据库实现任务特征数据存储(TFDB)，使用MQTT协议从算力网络图模块(CNet)读取网络性能数据，使用gRPC协议向任务缓存模块(Client)发送计算卸载决策
• 使用图论算法实现了计算卸载的决策

2 原理

• 输入网络数据
  • 计算卸载模块需要读取网络性能数据与计算任务数据
  • 网络性能数据：包括每个计算节点的性能数据（计算资源、存储资源与网络资源余量等），计算卸载模块定时从本地的ComNet模块读取并覆盖本地的监控信息
  • 计算任务数据：包括计算任务的特征数据（计算量、输入数据大小、截止期限等），每当有经过活动物体检测模块的计算任务到达计算卸载模块时，计算卸载模块根据任务类型，从计算任务特征数据库读取计算任务的特征信息
• 执行计算卸载决策
  • 使用计算卸载模块中的时延矩阵函数，计算每组计算任务与计算节点间的最低处理时延
  • 使用计算卸载模块中的卸载决策函数，对计算任务与计算节点的匹配进行决策
• 计算卸载决策结果回传
  • 将计算卸载决策回传给缓存计算任务的客户端，由先前建立的连接将计算卸载决策结果（目标节点的IP地址）发回任务缓存模块(Client)，Client根据IP地址，将计算任务的输入数据发送至指定的计算节点

3 算法

$$f(M[W,D,T],N[F,C,E])\rightarrow map(键值对集合)$$

• 时延矩阵函数 $$f_1(M[W,D,T],N[F,C,E])\rightarrow matrix(最优时延矩阵)$$
  • 输入：计算任务数据（$M$组）、网络性能数据（$N$组）
  • 输出：最优时延矩阵（$M\times N$阶）
  • 函数功能：以时延最低作为优化目标，求出每个计算任务分配给每个节点应分配的最佳资源量，并求出此时每个计算任务分配给每个节点的时延
• 卸载决策函数 $$f_2(matrix)\rightarrow map(键值对集合)$$
  • 输入：网络性能数据（$N$组）、最优时延矩阵（$N\times N$阶）
  • 输出：计算卸载决策结果（键值对）
  • 函数功能：将最佳资源量矩阵看作一个加权二部图的邻接矩阵，使用图论算法求出最优的计算卸载决策

4 贡献

• Fork 本仓库
• 新建 to_xxx 分支
• 提交代码
• 新建 Pull Request