移动边缘云中软实时任务的能量感知自适应卸载
分布式、并行与集群计算
2021-06-03 v2
摘要
我们提出一种用于衡量在多层级云基础设施上卸载软实时任务所产生影响的模型。任务源自移动设备，卸载策略可选择在本地、邻近设备、cloudlet 或基础设施云服务器上执行它们。在此规范下，我们提出若干此类卸载策略，其特点在于对云层级的差异化使用，以优化执行时间和/或能耗。我们使用 Jay（一种用于混合边缘云中自适应计算卸载的软件框架）实现了该模型的一个实例。该框架为模块化设计，允许模型与卸载策略无缝实现，同时提供基于系统反馈做出知情运行时卸载决策的工具，即通过内置系统分析器收集每个参与设备或服务器的运行时信息（如工作负载、能耗与可用带宽）。结果表明，对运行时条件敏感的卸载策略能够有效且动态地调整其卸载决策，从而在其目标优化函数（即执行时间、能耗与任务截止期满足情况）方面产生显著收益。
引用
@article{arxiv.2102.05504,
title = {Energy-Aware Adaptive Offloading of Soft Real-Time Jobs in Mobile Edge Clouds},
author = {Joaquim Silva and Eduardo R. B. Marques and Luís M. B Lopes and Fernando Silva},
journal= {arXiv preprint arXiv:2102.05504},
year = {2021}
}