移动边缘计算环境下的动态资源分配策略

计算机工程与科学

• 计算机网络与信息安全 • 上一篇下一篇

移动边缘计算环境下的动态资源分配策略

朱新峰1,张智浩1，王彦凌2

（1.扬州大学信息工程学院,江苏扬州 225127；2.浙江理工大学信息学院，浙江杭州 310018）

收稿日期:2018-08-20 修回日期:2018-12-29 出版日期:2019-07-25 发布日期:2019-07-25
基金资助:
国家自然科学基金(21675140)

A dynamic resource allocation strategy

in mobile edge computing environment

#br#

ZHU Xinfeng1,ZHANG Zhihao1，WANG Yanling2

（1.School of Information Engineering,Yangzhou University,Yangzhou 225127;

2.School of Information,Zhejiang SciTech University,Hangzhou 310018，China）

Received:2018-08-20 Revised:2018-12-29 Online:2019-07-25 Published:2019-07-25

摘要/Abstract

摘要：

在通讯设备爆炸式增长的时代，移动边缘计算作为5G通讯技术的核心技术之一，对其进行合理的资源分配显得尤为重要。移动边缘计算的思想是把云计算中心下沉到基站部署（边缘云），使云计算中心更加靠近用户，以快速解决计算资源分配问题。但是，相对于大型的云计算中心，边缘云的计算资源有限，传统的虚拟机分配方式不足以灵活应对边缘云的计算资源分配问题。为解决此问题，提出一种根据用户综合需求变化的动态计算资源和频谱分配算法(DRFAA)，采用“分治”策略，并将资源模拟成“流体”资源进行分配，以寻求较大的吞吐量和较低的传输时延。实验仿真结果显示，动态计算资源和频谱分配算法可以有效地降低用户与边缘云之间的传输时延，也可以提高边缘云的吞吐量。

关键词: 移动边缘计算, 分治法, 资源分配, 频谱, 吞吐量, 传输时延

Abstract:

In the era of explosive growth of communication equipment, mobile edge computing is a core 5G communication technique, and it is important to allocate resources reasonably. The idea of mobile edge computing is to sink cloud computing centers to the base station deployment (edge cloud) and to bring cloud computing centers closer to users to quickly solve the problem of computing resource allocation. However, compared with large cloud computing centers, the computing resources of the edge cloud are limited, and the traditional virtual machine allocation method cannot flexibly deal with the problem of computing resource allocation of the edge cloud. To solve this problem, we propose a dynamic computing resource and spectrum allocation algorithm (DRFAA) based on users’ comprehensive needs. It adopts the “divide and conquer” strategy, and simulates resources into "fluid" resources for allocation so as to seek for a larger throughput and a lower transmission delay. Simulation results show that the dynamic computing resource and spectrum allocation algorithm can effectively reduce the transmission delay between the user and the edge cloud, and also improve the throughput of the edge cloud.

Key words: mobile edge computing, divide and conquer strategy, resource allocation, spectrum, throughput, transmission delay

朱新峰1,张智浩1，王彦凌2. 移动边缘计算环境下的动态资源分配策略[J]. 计算机工程与科学.

ZHU Xinfeng1,ZHANG Zhihao1，WANG Yanling2.

A dynamic resource allocation strategy

in mobile edge computing environment

#br#

[J]. Computer Engineering & Science.

[1]	李卫平1,2，武海燕2，杨杰1. 基于效益博弈的云计算资源动态可协调分配策略研究[J]. J4, 20160101, 38(01): 57-61.
[2]	徐嘉, 张骥先, 王喆民, 刘林杰. 基于NUMA云计算架构的多资源分配可信拍卖机制[J]. 计算机工程与科学, 2024, 46(05): 761-775.
[3]	刘向举, 李金贺, 方贤进, 王宇. 移动边缘计算中计算卸载与资源分配联合优化策略[J]. 计算机工程与科学, 2024, 46(03): 416-426.
[4]	焦佳辉, 马思远, 宋玉, 宋伟. 基于卷积注意力机制的双模态音乐流派分类模型MGTN[J]. 计算机工程与科学, 2023, 45(12): 2226-2236.
[5]	李磊, 郑黎明, 王宏义, 柴永毅, 刘培国. 适用于边缘计算的6H并行计算架构[J]. 计算机工程与科学, 2023, 45(09): 1544-1552.
[6]	方海, 赵扬, 高媛, 杨旭. 考虑任务依赖的卫星边缘计算资源分配与卸载决策算法[J]. 计算机工程与科学, 2022, 44(11): 1951-1958.
[7]	池来新, 杨旭涛, 谢宁, 张学杰. 边缘计算系统中资源分配防策略拍卖机制设计[J]. 计算机工程与科学, 2021, 43(10): 1720-1729.
[8]	吴俊斌, 吴晟, 吴兴蛟. 一种用于求解TSP问题的随机最佳插入烟花算法[J]. 计算机工程与科学, 2020, 42(11): 2080-2087.
[9]	童钊, 叶锋, 刘碧篮, 邓小妹, 梅晶, 刘宏. 移动边缘计算中多约束下的任务卸载和资源分配算法[J]. 计算机工程与科学, 2020, 42(10高性能专刊): 1869-1879.
[10]	薛建彬,安亚宁. 基于边缘计算的新型任务卸载与资源分配策略[J]. 计算机工程与科学, 2020, 42(06): 959-965.
[11]	刘少楠，李玲，苑迎，蒋国佳，王聪，吕艳霞. 基于节点连通性排序的虚拟网络映射算法[J]. 计算机工程与科学, 2019, 41(12): 2101-2109.
[12]	刘辉1,2,3，宋家旺1,2，代云霞1,2，朱彬欣1,2. 异构网络中基于用户划分的资源分配与功率控制方案[J]. 计算机工程与科学, 2019, 41(08): 1398-1405.
[13]	郭金林，武继刚，陈龙，史雯隽. 基于光纤-无线网络的协同计算卸载算法[J]. 计算机工程与科学, 2019, 41(01): 31-40.
[14]	张鹏1,2，冯旭祥1，葛小青1. 基于改进遗传算法的多天线地面站硬件资源分配方法[J]. 计算机工程与科学, 2017, 39(06): 1155-1163.
[15]	梁毅1，侯颖1，陈诚1，金翊2. 面向大数据流式计算的任务管理技术综述[J]. 计算机工程与科学, 2017, 39(02): 215-226.

移动边缘计算环境下的动态资源分配策略

A dynamic resource allocation strategy

in mobile edge computing environment

#br#

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价