基于服务更新的异构任务卸载方法OA北大核心CSTPCD

边缘计算将存储和计算资源下沉到网络边缘,用户可将时延敏感型和计算密集型应用程序的任务卸载到边缘服务器执行,从而降低时延和能耗。已有的任务卸载研究通常忽略卸载任务的异构性,且默认边缘服务器缓存的服务能够长期满足用户的服务需求。然而,不同的任务需要不同的服务提供执行环境,且边缘服务器资源受限只能部署少量服务。因此,为了最小化时延和能耗(即成本),提出了一种联合服务更新和云边端协作的异构任务卸载方法。首先,通过改进的页面置换算法,预测出潜在的用户服务需求量,及时更新边缘服务器的服务。其次,在云边端协作基础上,通过改进的贪婪算法完成任务卸载,且使得成本最小。最后,基于真实数据集进行了充分的实验,实验结果表明,与对比方法相比,所提方法能够降低成本7%~16%。