分解理论结合可靠性分析：动态资源下车载云上计算密集型依赖任务的处理
分布式、并行与集群计算
2023-06-23 v3
摘要
车载云（VC）是一种在智能车辆上处理计算密集型应用（CI-Apps）的有前景技术。在网络边缘实现 VC 面临两个关键挑战：（C1）单车车载计算资源通常不足以处理 CI-App；（C2）由车辆移动性引起的可用资源动态性阻碍了可靠的 CI-App 处理。本工作是首批联合解决（C1）和（C2）的工作之一，同时考虑了两种常见的 CI-App 图表示，有向无环图（DAG）和无向图（UG）。为应对（C1），我们考虑将具有 个依赖（子）任务的 CI-App 划分为 个组，分散到各车辆上。为应对（C2），我们引入一种称为条件平均失效时间（C-MTTF）的广义可靠性度量。随后，我们通过引入一种基于冗余的依赖子任务在半动态 VC 上处理的通用框架（RP-VC）来提高依赖子任务处理的 C-MTTF。我们证明 RP-VC 可建模为非平凡的半马尔可夫过程（SMP）。为分析该 SMP 模型及其可靠性，我们开发了一种称为事件随机代数（-代数）的新数学框架。基于 -代数，我们提出分解定理（DT）将所提出的 SMP 转化为分解 SMP（D-SMP）。我们随后计算了方法的 C-MTTF。我们证明 -代数和 DT 是可用于分析其他基于云的网络的通用数学工具。仿真结果揭示了我们分析结果的精确性以及我们的方法在 CI-App 处理接受率和成功率方面的效率。
引用
@article{arxiv.2210.07337,
title = {Decomposition Theory Meets Reliability Analysis: Processing of Computation-Intensive Dependent Tasks over Vehicular Clouds with Dynamic Resources},
author = {Payam Abdisarabshali and Minghui Liwang and Amir Rajabzadeh and Mahmood Ahmadi and Seyyedali Hosseinalipour},
journal= {arXiv preprint arXiv:2210.07337},
year = {2023}
}