《智能终端与边缘计算》第三章 计算迁移与智能终端

《智能终端与边缘计算》第3章 计算迁移与智能终端总体概览3.1 计算迁移概述1. 计算迁移基本概念定义将移动终端设备的部分计算量大的任务根据一定的迁移策略合理分配到资源充足的近距离本地微云或远距离的远端云计算平台。也称计算卸载 Computation Offloading目的/优势① 扩展移动设备的能力② 减少移动能量消耗③ 扩大云计算技术在移动网络的应用范围。2. 计算迁移基本流程3. 计算迁移类型速查表迁移任务类型任务特点关键因素典型应用交互型执行过程中需与用户有大量交互客户端与边缘云之间的网络状态带宽、延时等云游戏计算型执行过程中需执行大量计算微边缘云的硬件资源计算机视觉应用数据型执行过程中需访问大量数据边缘云缓存数据的内容地图应用4. 计算分级迁移方案从终端到云端的层级映射移动应用需求进程调用、服务支持 ➔ 对应迁移单位进程平台需求操作系统支持 ➔ 对应迁移单位程序硬件需求CPU、内存、硬盘 ➔ 对应迁移单位虚拟机云端服务映射SaaS软件、数据与信息PaaS程序运行环境IaaS操作系统、存储服务5. 计算迁移方法分类核心对比按划分粒度分类分类包含单位优点缺点粗粒度操作、应用、虚拟机通信成本低、划分效率高迁移整个应用/VM花费时间长不适于终端快速移动场景细粒度方法、类、对象、线程可以最大程度降低应用的能耗计算开销大、通信成本高、划分效率低按划分时机分类分类定义优点缺点静态划分开发过程中预先设置任务迁移策略-很难保证在所有环境条件下划分方案都最优动态划分实时感知终端、网络、云端状态动态调整迁移策略较好的灵活性必须监控资源、分析预测需求引入额外开销6. 计算迁移方案层次划分端-边架构用户终端设备移动应用 ➔ 操作系统/运行时间支持平台需求 ➔ CPU/存储器硬件需求边缘云EC-SaaS应用服务1…nEC-PaaS数据处理模型、海量数据存储EC-IaaS虚拟化服务、网络资源、计算节点、DC物理设施管理服务服务质量管理QoS、安全管理映射关系进程 ➔ 服务支持程序 ➔ 平台需求虚拟机 ➔ 硬件需求7. 计算迁移6大步骤①代理发现➔ ②任务分割➔ ③迁移策略➔ ④任务提交➔ ⑤任务执行➔ ⑥结果反馈8. 计算迁移工作原理执行逻辑应用需要迁移 ➔ 向操作系统类库发送暂停请求并保存当前运行状态。系统类库向本地代理发送通知。本地代理读取状态信息及缓存中的代码/VM ➔ 通过代理模块传输到服务器。远端服务器代理模块创建新实例复制应用程序并运行➔ 将处理结果返回移动终端。3.2 计算迁移实现方法1. 计算迁移系统架构2. 细粒度计算迁移方法核心思想针对静态划分的不适应性动态划分根据环境状态变化灵活调整迁移划分区域充分利用资源。数据流示意输入 ➔ 节点转移/参数转移X1, X2, X3, X4计算节点 ➔ 输出r。云端负责部分节点计算终端负责部分。典型系统MAUIMAUI客户端智能手机应用 ➔ 客户代理 ➔ Profiler(分析器) ➔ Solver(求解器) ➔ MAUI运行时。MAUI服务器端服务器代理 ➔ Profiler ➔ Solver ➔ MAUI运行时。控制中心MAUI控制器。通信方式客户端与服务器端通过**RPC远程过程调用**交互。3. 粗粒度计算迁移方法核心思想将整个应用程序封装在虚拟机中发送到云端执行减少细粒度带来的划分、决策等额外开销。两种研究思想将移动终端的应用程序与运行环境全部克隆在云端。将移动终端附近计算能力较强的节点作为代理服务器提供迁移服务。典型系统克隆云智能手机端应用/迁移/Profiler/运行时 ➔ 操作系统 ➔ 硬件。云端克隆虚拟机应用/迁移/Profiler/运行时 ➔ VM ➔ 操作系统 ➔ 虚拟硬件。云端核心组件划分分析器通过虚拟硬件管理器与克隆VM交互。 第三章 经典论文核心要点速查论文1Mao等, 2020, IEEE Communications Magazine《Energy-Efficient Computation Offloading in Mobile Edge Computing》研究痛点现有研究对无线电信道和网络队列大小做了强假设但实际MEC系统受各种不确定性影响假设不切实际。核心目标在执行以有向无环图(DAG)建模的时间关键型应用时最小化本地设备在最坏情况下的预期能耗。重点方法/贡献放宽假设考虑网络固有的不确定性采用极值理论来限制不确定事件的发生概率。算法设计开发了一个ϵ (1 ϵ)近似算法来解决最坏情况下能耗最小化问题。框架提出提出能效优化的计算迁移框架任务卸载资源分配。算法拓展讨论了基于博弈论和深度学习的任务卸载算法。应用分析智能交通和工业物联网。实验结论图示速记当MEC执行速率增加时远程执行与本地执行的能耗比会下降MEC速率大 ➔ 可用更少服务器处理大负载 ➔ 减少处理时间和整体能耗。本文算法优于Hermes和JSCO方案。论文2张祥俊等, 2023, 软件学报《面向移动边缘计算网络的高能效计算卸载算法》研究痛点传统计算卸载策略在能效方面的不足特别是高负载情况下的能耗问题。核心目标从能效角度出发基于设备状态、任务特征和网络状况优化卸载方案。重点方法/贡献高能效策略通过动态调整卸载任务的时机和卸载比例结合设备状态和网络情况优化能效。任务特征分析分析任务计算需求和数据传输量合理决定任务卸载到边缘节点的方式减少能耗。联合计算卸载模型综合考虑多维因素建立模型。实验结论图示速记仿真验证了算法在不同场景下的能效和性能优化效果证明在高负载下具有明显优势不同MU数量下该方案的能效值表现优异。在这里插入图片描述课后习题一、 单项选择题3道1. 在计算迁移中计算机视觉应用通常属于哪种迁移类型其关键决定因素是什么BA. 交互型客户端与边缘云之间的网络状态B. 计算型微边缘云的硬件资源C. 数据型边缘云缓存数据的内容D. 计算型边缘云缓存数据的内容2. 下列关于计算迁移中粗粒度与细粒度划分的说法错误的是CA. 粗粒度包括操作、应用与虚拟机B. 细粒度包括方法、类、对象与线程C. 细粒度划分可以最大程度降低应用的能耗且划分效率高D. 粗粒度具有通信成本低、划分效率高的优点但不适合终端快速移动场景3. 以下典型的计算迁移系统中基于细粒度划分方法的是BA. 克隆云CloneCloudB. MAUIC. 代理服务器模式D. 虚拟机整体迁移模式二、 填空题3道4.计算迁移的基本流程中移动应用首先需要进行______将任务分为本地执行任务和可迁移任务随后经过环境感知和______最终将任务提交给MEC服务器执行并等待______。任务划分迁移决策结果返回5.在计算分级迁移方案中从移动终端到云端不同的需求对应不同的迁移单位硬件需求CPU、内存等对应迁移______平台需求操作系统支持对应迁移______移动应用需求进程调用等对应迁移______。虚拟机程序进程6.计算迁移的工作原理中当应用程序需要迁移时它向操作系统类库发送暂停请求并保存当前的______本地代理读取该信息及缓存代码传输到服务器后远端服务器的代理模块会______复制应用程序并运行。运行状态创建新的实例三、 简答题2道7.请简述在计算迁移方法中静态划分与动态划分的区别及其各自的优缺点。静态划分指系统在开发过程中预先设置任务迁移策略。优点无额外运行时开销。缺点很难保证在所有环境条件下划分方案都可以达到最优。动态划分指系统实时感知终端、网络、云端的状态进而动态调整计算迁移策略。优点体现出较好的灵活性能适应环境变化。缺点系统必须监控资源、分析和预测应用对资源的需求会引入额外开销。8.粗粒度计算迁移的核心思想是什么它主要有哪两种研究思想/实现途径核心思想将整个应用程序封装在虚拟机中发送到云端执行以此减少细粒度计算迁移带来的程序划分、迁移决策等额外开销。两种研究思想将移动终端的应用程序与运行环境全部克隆在云端。将移动终端附近计算能力较强的节点作为代理服务器为移动终端提供计算迁移服务。四、 分析与综合题2道9. 场景分析题假设你正在设计一个车联网系统该系统包含两个核心任务任务A实时处理车载摄像头产生的海量视频流识别行人与障碍物。任务B根据车辆周边的高精度地图数据和实时交通流数据为驾驶员规划最优行驶路线。请结合“计算迁移类型”的相关知识分析任务A和任务B分别属于哪种计算迁移类型并说明其关键决定因素。任务A视频流识别属于计算型迁移。因为视频流处理需要执行大量的计算其迁移的关键因素是微边缘云的硬件资源是否充足。任务B路线规划属于数据型迁移。因为规划路线需要访问大量的高精度地图和交通流数据其迁移的关键因素是边缘云缓存数据的内容即地图与交通数据是否已在边缘侧缓存。10. 论文前沿分析题在Mao等人2020发表的关于MEC能效优化的论文中指出了现有计算卸载研究存在的什么普遍问题该论文采用了什么理论来解决这一问题其优化目标是什么存在问题现有的研究通常对无线电信道和网络队列大小做出强有力的假设但实际的MEC系统受到各种不确定性的影响使得这些假设不切实际。采用理论采用极值理论来限制不确定事件的发生概率。优化目标在执行以有向无环图建模的时间关键型应用时最小化本地设备在最坏情况下的预期能耗。