查看文章

摘 要 边缘计算模式满足数据的实时和低功耗处理需求, 是缓解当前网络数据洪流实时处理问题的有效方法之一. 但边缘设备资源的异构与多样性给任务的调度与迁移带来极大的困难与挑战. 目前, 边缘计算任务调度研究主要集中在调度算法的设计与仿真, 这些算法和模型通常忽略了边缘设备的异构性和边缘任务的多样性, 不能使多样化的边缘任务与异构的资源能力深度匹配. 本文针对边缘计算系统资源异构且受限的特性, 研究边缘任务与目标设备资源深度匹配的有效方法, 提出基于任务资源匹配, 负载均衡和任务公平性的综合匹配度评估方法 (integrative matching evaluation degree method, IMDE), 并设计基于网络流的在线多任务调度算法 (IMDE and network flow based online multi-task scheduling algorithm, IMD-FLOW) 来验证该方法的有效性. 同时, 研究边缘计算的仿真系统, 将实际环境中用户, 任务和设备等若干实体抽象成多个角色和组件, 构建符合边缘环境异构特征的 EdgeSimPy 离散事件仿真平台. 在该平台上的实验结果表明, 提出的 IMD-FLOW 调度算法相较于轮询, 主资源公平 (dominant resource fairness, DRF), Quincy 等其他算法, 至少降低 6.26% 的任务响应延迟与 7.53% 的网络通信开销, 在集群超负荷的情况下, 系统失效时间平均延缓 1.24 倍.