1.一种物联网场景中完成时间最小化雾计算迁移方法,其特征在于,包括如下步骤:S1、设计感知雾计算架构,所述感知雾计算架构包括相互连通的感知层与雾层;
S2、感知层中的感知节点向雾层中的雾节点发送计算请求、并将数据传输到对应的雾节点中;
S3、所述雾层中的雾节点从对应的感知节点中接收计算请求并执行计算任务,当该雾节点上的计算任务过载时,该雾节点将部分计算任务迁移给相邻空闲的雾节点;
S3具体包括如下步骤:
S31、假设一组任务集F需要由雾节点i进行处理,i∈{1,2,…K},且在雾节点i附近有m个空闲的相邻雾节点,使用U表示雾节点CPU计算能力,单位为Mb/s,使用B表示总信道带宽,单位为Mb/s,使用Df表示任务集F中的任务f的数据大小,单位为Mb,雾节点i处理任务f的完成时间 的计算公式如下,在雾节点i的相邻雾节点处理迁移任务f的完成时间 的表达式如下,其中,所述完成时间 包含数据传输延迟以及在相邻雾节点内的任务计算时间;
当任务f被迁移到雾节点i的相邻雾节点时,处理任务f的总完成时间Tf的表达式如下,其中,αf表示任务f迁移到相邻雾节点的比例,βf表示任务f占本地CPU计算资源比例,γf表示任务f占带宽资源比例,δf表示任务f占相邻雾节点CPU计算资源比例;
S32、针对任务集F的完成时间最小化问题,通过联合优化αf,βf,γf和δf这些网络资源的分配,构造如下优化问题P1,约束条件如下,
∑f∈Fβf≤1, (c)∑f∈Fγf≤1, (d)∑f∈Fδf≤1, (e)其中,优化问题P1表示处理任务集F的完成时间的最小化,约束(a)、(b)表示任务的本地计算时间和迁移任务的完成时间都不应超过整个任务的可容忍延迟,(c)、(d)和(e)表示任务集F的总CPU和带宽占用比不应超过1,(f)表示任务迁移比例约束,
(g)表示CPU占用率和带宽资源占用率为非负;
S33、通过利用基于梯度下降计算迁移算法求得优化问题P1的最优解;
S4、所述雾层中的雾节点将处理结果反馈给感知层中的感知节点。
2.根据权利要求1所述的物联网场景中完成时间最小化雾计算迁移方法,其特征在于:所述感知层由多个物联网传感设备组成,所述物联网传感设备根据其位置信息被划分为多簇感知集群,每簇所述感知集群均为一个感知节点、用于对数据进行采集。
3.根据权利要求2所述的物联网场景中完成时间最小化雾计算迁移方法,其特征在于:所述雾层由多个雾节点组成,每个所述雾节点均与一个所述感知节点相对应、用于数据处理及任务计算增强。
4.根据权利要求1所述的物联网场景中完成时间最小化雾计算迁移方法,其特征在于,S33具体包括如下步骤:将优化问题P1等价转换为如下优化问题P2,约束条件如下,
∑f∈Fβf≤1,
∑f∈Fγf≤1,
∑f∈Fδf≤1,
分别关于βf,γf和δf对Tf求偏导,即 随后使用如下的梯度下降方法更新优化问题P2中的变量,其中,r表示迭代指数,s代表迭代步长,zf为Tf的梯度函数,记为得到任务f的最优迁移比例 表达式如下,得到任务f的完成时间 表达式如下,其中, 表示任务f的最优本地CPU计算资源占用比, 表示任务f的最优带宽资源占用比, 表示任务f的最优外部CPU计算资源占用比,最终得到最优的任务f的完成时间 表达式如下,