PORA：动态雾计算系统中的预测式卸载与资源分配
网络与互联网体系结构
2020-12-16 v2
摘要
在多层级雾计算系统中，为加速实时 IoT 应用的计算密集型任务处理，资源受限的 IoT 设备可将其部分工作负载卸载至邻近雾节点，此后此类负载可进一步卸载至具有更强计算能力的上层雾节点。这种分层卸载虽有助缩短处理时延，也可能引发无线传输的过高功耗与时延。随着各类系统动态的时变，这种权衡使得有效且在线的卸载决策极具挑战。同时，预测式卸载对雾计算系统的根本益处仍未被探索。本文关注多层级雾计算系统中带流量预测的动态卸载与资源分配问题。通过将问题建模为随机网络优化问题，我们旨在最小化时间平均功耗并保证系统所有队列的稳定性。我们利用独特的问题结构，提出 PORA——一种面向多层级雾计算系统的高效分布式预测式卸载与资源分配方案。理论分析与仿真结果表明，PORA 在队列稳定性保证下实现了近最优功耗。此外，即便存在预测误差，PORA 仅需少量预测信息即可获得显著的时延降低。
引用
@article{arxiv.2008.00204,
title = {PORA: Predictive Offloading and Resource Allocation in Dynamic Fog Computing Systems},
author = {Xin Gao and Xi Huang and Simeng Bian and Ziyu Shao and Yang Yang},
journal= {arXiv preprint arXiv:2008.00204},
year = {2020}
}