Optimización de la asignación de tareas de computación entre servidores de computación perimetral a través de SDN
Optimización basada en SDN de la asignación de tareas de computación entre servidores de computación de borde
Como una extensión de la computación en la nube, la computación de borde se ha convertido en un modo importante para manejar nuevos escenarios de servicio de Internet de las cosas (IdT) bajo 5G, especialmente las tareas de computación sensibles al retraso generadas por dispositivos de borde . La informática de borde proporciona un soporte crítico que cumple con las características sensibles al retraso al implementar servidores en el borde de la red. Sin embargo, una gran cantidad de tareas de computación distribuidas desiguales en diferentes bordes de la red generalmente conducen a un cuello de botella en el retraso del procesamiento de tareas de un servidor de computación de un solo borde . La asignación de tareas se basa principalmente en el estado de ECS local sin tener en cuenta la vista de red global, que puede conducir fácilmente a una carga de tareas desequilibrada entre varios ECS. Este artículo presenta la novedosa idea de red de red definida por software en el modelo de computación de borde. El plano de control lógicamente altamente centralizado se compone de múltiples centros de control distribuidos físicamente para coordinar las tareas informáticas en una vista global. Para optimizar la asignación de tareas y minimizar el retraso en el procesamiento de tareas , este documento propone tres esquemas . Primera propuestaEsquema para evaluar las características informáticas de las tareas de ECS, Y luego propusoUn plan para predecir el tiempo de procesamiento de una tarea unitaria en el futuro de ECS. Por lo tanto, se pueden asignar diferentes tipos de tareas informáticas a las unidades de control electrónico apropiadas que pueden manejar mejor estas tareas al tiempo que se minimizan los retrasos en el procesamiento. Además, diseñadoOptimización del plan para evaluar el costo del tiempo., Con el fin de mejorar aún más la eficiencia de la asignación de tareas. Los resultados experimentales muestran que, en comparación con la técnica anterior, este mecanismo puede optimizar más eficazmente la asignación de tareas y minimizar el retraso en el procesamiento de tareas. Específicamente, en comparación con el trabajo correspondiente, este mecanismo puede aumentar la demora promedio de procesamiento de la tarea unitaria y el balance de carga de ECS en aproximadamente un 14% y un 23%, respectivamente.
本文关键词：Edge Computing和SDN
边缘计算主要用来实现边缘设备产生的延迟敏感计算任务
SDN主要用来解决ECSs负载均衡问题
延迟敏感计算任务是什么类型的任务？
个人理解 这类延迟敏感计算任务意味：对低延迟要求较高的任务
三种方案来优化任务分配和最小化任务处理延迟：
评估ECS任务计算特征的方案
预测ECS未来单位任务处理时间的方案
优化评估时间开销的方案
衡量系数：
平均单位任务处理延迟
ECS负载均衡度
负载均衡：
负载均衡建立在现有网络结构之上，它提供了一种廉价有效透明的方法
扩展网络设备和服务器的带宽、增加吞吐量、加强网络数据处理能力、
提高网络的灵活性和可用性。
负载均衡（Load Balance）其意思就是分摊到多个操作单元上进行执行
例如Web服务器、FTP服务器、企业关键应用服务器和其它关键任务服务
器等，从而共同完成工作任务。
Con el rápido desarrollo de la tecnología de comunicación en red, la demanda de servicios de alto rendimiento por parte de las personas se está volviendo cada vez más urgente. El sistema móvil de quinta generación (5G) se está integrando gradualmente en la vida diaria de las personas. Se compromete a cumplir las características de densidad de flujo ultra alta, densidad de conexión ultra alta y movilidad ultra alta [1]. Por lo tanto, los requisitos de los nuevos escenarios de servicio han sufrido cambios significativos, y estos cambios representan de manera sensible características de retardo, incluido el control confiable, el movimiento rápido, el análisis en tiempo real y el conocimiento de la ubicación [2, 3] . Se han realizado algunas investigaciones sobre la optimización de la programación de tareas informáticas entre varios servidores en el centro de la nube (Sección 2), lo que mejora significativamente el tiempo de procesamiento de las tareas. Sin embargo, los servidores de computación en la nube generalmente se ubican lejos del borde de la red . Teniendo en cuenta que con el desarrollo de escenarios de servicio bajo 5G, la cantidad de solicitudes de computación desde dispositivos móviles está aumentando rápidamente, y la computación en la nube tradicional puede causar mayores demoras en la transmisión y una congestión severa. Obviamente, el modelo tradicional de computación en la nube que se enfoca en tareas de computación a gran escala ya no es adecuado para esta situación. Como una extensión de la computación en la nube, la computación en el borde despliega funciones como la computación, la red y el almacenamiento cerca de los recursos de datos en el borde de la red [4]. Sus servidores de computación de borde distribuidos están más cerca de los usuarios para brindar servicios de computación en tiempo real cercanos .
作为云计算的衍生，边缘计算服务器处于网络的边缘部分，
接近用户和客户端，更能实时提供服务。
Sin embargo, de acuerdo con el modelo de computación de borde, los ECS distribuidos se encuentran en diferentes dominios de red de borde. Cada ECS realiza principalmente tareas de cálculo en función del estado de su red local. Cuando un único ECS recibe una gran cantidad de solicitudes de computación distribuidas desiguales desde su terminal, esto ocurre a menudo en los escenarios de servicios de red actuales, lo que puede conducir fácilmente a un cuello de botella de retraso para que un solo ECS procese las tareas de computación [6]. El ECS en el otro extremo puede estar inactivo en este momento. En este artículo, proponemos que, en una visión global, se coordinan múltiples centros informáticos para distribuir tareas informáticas que no se distribuyen de manera uniforme en diferentes puntos finales. En este método, la tarea se asigna al ECS apropiado, y el estado de trabajo del ECS y el estado de la red se consideran al mismo tiempo, lo que no solo optimiza aún más la eficiencia de procesamiento de la tarea, sino que también equilibra la carga de trabajo del ECS.
全局视图，在多个计算中心之间协作分配非均匀分布在不同端点的计算任务,
要考虑此时的ECS工作状态和网络状态。
防止单个ECS计算任务遇到瓶颈，而此时还有其他的ECS却idle。
La red definida por software (SDN) [7] es un concepto de red novedoso, que tiene las características de simplicidad, flexibilidad y apertura, que es naturalmente adecuado para las necesidades de los escenarios de servicio 5G [8, 9]. Al introducir el control de desacoplamiento y el reenvío de SDN en el modelado de computación de borde, el plano de control lógicamente altamente centralizado puede estar compuesto por múltiples ECS distribuidos físicamente [10]. Por lo tanto, el modo de procesamiento de tareas de la computación de borde se puede mejorar bien, que se basa en la información local de cada ECS para administrar servicios y recursos [11]. Este artículo introduce la idea de una red de desarrollo sostenible en la asignación de tareas global. Aprovechando la red de desarrollo sostenible, se han realizado algunas investigaciones para optimizar la distribución de las tareas de computación de borde entre múltiples centros de computación a escala global (Sección 2). Por lo tanto, mientras se mejora la eficiencia del procesamiento de tareas, la carga de trabajo del sistema de control electrónico está bien equilibrada. Pero, de hecho, los escenarios de trabajo y los modos de cálculo de ECS con diferentes END suelen ser regionales . En otras palabras, el sistema de control electrónico de un determinado terminal a menudo puede manejar ciertos tipos de tareas informáticas , lo que permite que ECS procese estas tareas correspondientes mejor que otros ECS en menos tiempo. La eficiencia del procesamiento de tareas se puede optimizar aún más asignando tareas al ECS apropiado. En este artículo, hemos diseñado un esquema,A través de la minería y el análisis de los registros históricos de las tareas procesadas en el pasado.Evaluar las características de procesamiento de tareas de cada ECS (es decir, la frecuencia de procesamiento de tipos específicos de tareas informáticas). En este método, se pueden obtener inicialmente ECS candidatos adecuados para procesar una clase de tareas informáticas, lo que permite asignar tareas a ECS más adecuados al tiempo que se reduce aún más su retraso de procesamiento.
通过分析以往的处理过的任务的历史记录来评估ECS适合处理该类型（或者说特征）
的任务，以便下次再处理这类任务将更快的将具有该种特征类型的任务分配给ECS。
Entre los muchos ECS candidatos, cómo elegir el más adecuado para manejar las tareas que esperan ser asignadas sigue siendo un desafío. Aunque ECS se evalúa como adecuado para un tipo de tarea, aún puede causar serios retrasos en las tareas recién asignadas. Por ejemplo, la potencia informática disponible actual de ECS no puede permitirse nuevas tareas , por lo que la tarea no se procesará inmediatamente después de la asignación hasta que se libere suficiente potencia informática. Además, las tareas recién asignadas pueden tener un impacto negativo en la eficiencia informática actual de ECS. Por ejemplo, el aumento del tiempo de procesamiento aportado al ECS por las tareas recién asignadas puede reducir la futura eficiencia de procesamiento de la tarea unitaria del ECS. Para resolver los problemas anteriores, proponemos un esquema para evaluar el tiempo de procesamiento de tareas de ECS antes de asignar tareas. En este plan, se define el tiempo futuro de procesamiento de la tarea unitaria de ECS. Se utiliza como criterio de evaluación para seleccionar ECS. Al considerar el tiempo de procesamiento pasado de una clase de tareas de computación, se propone un método para predecir el tiempo de procesamiento futuro de las tareas de computación candidatas. En este método, en el estado actual de la red, el ECS con el FUT más pequeño se selecciona como el ECS más adecuado para la tarea correspondiente.
FUT Future Unit task processing Time 未来单元任务处理time
接着刚刚上一步评估了某种ECS适合某种任务类型
接着我们将要提出如果一个新任务分配给ECS，该怎么办呢？
我们就要预计评估新任务的FUT，选择最小的FUT的ECS
Sin embargo, una tarea puede durar varias rondas de evaluación sin ser asignada. Antes de cada ronda de nueva asignación, es necesario estimar su tiempo de procesamiento futuro, lo que obviamente traerá una gran cantidad de tiempo adicional de reestimación. En este artículo, diseñamos además un método para resolver el problema de volver a estimar el costo de tiempo de las tareas que participan en múltiples rondas de asignación. Por lo tanto, antes de cada ronda de asignación de tareas, las operaciones de reestimación se reducen en gran medida, lo que mejora aún más la eficiencia general de asignación de tareas de múltiples ECS.
这里还有一个问题就是任务被连续好几轮估计FUT，就带来额外的开销时间
En este trabajo, basado en el esquema de diseño anterior, basado en las ventajas de SDN, se propone un mecanismo ACTE para la asignación colaborativa de tareas informáticas entre múltiples ECS. Las principales contribuciones son las siguientes:
The mechanism of collaboratively Assigning Computing Tasks
among multiple ECSs (ACTE)
1.给出了ACTE机制的系统框架，给出了整个系统的详细工作原理和流程。
2.设计了一个评估ECS的计算任务处理特征的方案，以便为不同类型的待
分配任务获得候选环境控制系统。
3.提出了预测ECS未来工作时间的方法，从而为相应的任务选择最合适的、
具有最小未来工作时间的ECS。
4.设计了优化评估时间开销的方法，以进一步提高任务分配效率。
marco del sistema
Asignación de tareas en colaboración
EVALUACIÓN DE CARACTERÍSTICAS DE COMPUTACIÓN DE ECS (evaluación de funciones de tareas de computación de ECS)
对于不同类型的计算任务，我们首先确定能够更好地处理哪种类型任务的初步合适的ECS。
在这种方法中，可以评估第(t+ 1)个时间段内每个ECS的计算特征(即处理特定类型任务的频率)。
En resumen: utilice la frecuencia de procesamiento de ciertos tipos de tareas para describir los tipos de tareas para las que ECS es adecuado.
i representa el ECS son i tareas calculadas
subíndice indica el tipo de tarea es
el APF i K (t) representa el ECS i K tipos de frecuencia física del tipo de servicio período de tiempo t
anterior es la molécula en el ECS i dentro de un tiempo período t El número de k tipos de servicios procesados
El siguiente denominador es el número de todos los tipos de servicios procesados durante el período t en ECS i
Aquí está el modelo. El
lado izquierdo del signo igual es el grado de adaptación a ECS expresado por frecuencia. Las
letras griegas de la derecha son coeficientes de regresión y constantes
. Los registros de frecuencia histórica de t a 2t se enumeran en la ecuación
1. ¿Qué ¿Significa que debería ser el coeficiente de Y
? Entiendo que es para resolver la ecuación
. G es el
valor real de la matriz aumentada Y, y el valor calculado estimado de la expectativa EX de la fórmula GX T.
La
derivada es igual a 0 y se toma el mínimo
Tiempo mínimo de procesamiento de la tarea unitaria (minimizar el tiempo de procesamiento de la tarea unitaria)
El plano de control recibe una gran cantidad de solicitudes de cálculo en un corto período de tiempo. Las tareas de computación que son sensibles a los retrasos deben asignarse adecuadamente lo antes posible. De acuerdo con el esquema anterior, se obtiene un grupo de ECS que son buenos para manejar diferentes tipos de tareas. Cómo asignar tareas al ECS más adecuado entre varios ECS candidatos.
选择最合适的ECS的目的：
如果任务被分配给它，最小化ECS未来的单位任务处理时间。
同时，分配的任务应该在截止日期前尽快完成。
ST conjunto de tareas sin terminar
TCC potencia de cálculo total (cantidad)
Fecha límite de la tarea TPD Se
requiere el cálculo de la tarea RCC
El propósito aquí es: minimizar la futura terminación, la unidad
G representa la función de la tarea de evaluación procesamiento evaluación
numerador representaciónValor de evaluación de procesamiento de k tipos de servicios (la unidad de valor es el tiempo)conValor estimado de las tareas sin procesarSuma y
denominadorConjunto de cantidad de servicio sin procesarconk tipos de servicio cantidad establecidaLa suma
del tiempo de sobrecarga adicional que WD espera para una nueva tarea. La
letra griega representa el porcentaje del progreso de procesamiento de la tarea actual.
A través de la ecuación 12, es el ECS el que selecciona la primera tarea para completar.
Estimación del tiempo de procesamiento de la tarea
Como se mencionó anteriormente, se debe proponer la función de evaluación de tareas ¿Cómo se calcula?
Primero considere dos factores
- Un factor es el tiempo de procesamiento habitual de la tarea en sí en el último período de tiempo t,
- Otro factor es la posibilidad de fluctuaciones de tiempo causadas por el manejo de excepciones.
El primero en el lado derecho de la ecuación representa el tiempo promedio de procesamiento de K tareas en el período t,
C es el factor de influencia. El
lado derecho es la diferencia entre el tiempo normal promedio y la situación anormal,
p es el período anormal
n es el número total de procesamiento en el período m, q es el número de manejo de excepciones en el período m.
Los brackets son anormales menos normales
Optimización de gastos generales de tiempo de estimación
La situación mencionada anteriormente es que en la última ronda de asignación, es posible que algunas tareas no se asignen correctamente a un ECS. Sin embargo, se ha estimado su tiempo de procesamiento en ECS. Obviamente, esto conduce a una sobrecarga de tiempo innecesaria para volver a estimar el tiempo de procesamiento de estas tareas en una nueva ronda de asignación. Diseñamos un método para reducir la sobrecarga de tiempo de estimación y mejorar aún más la eficiencia de la asignación, como se muestra a continuación:
En pocas palabras: cómo reducir los gastos generales innecesarios
para las tareas que FUT estimó pero que no se asignaron correctamente . El superíndice r indica la ronda de asignación anterior y el superíndice c indica la ronda de asignación actual. Si en la ronda anterior de asignación de trabajo, el incremento de tiempo de procesamiento de la tarea de unidad futura asignado a ECSi SCTk es mayor que el incremento de tiempo de procesamiento de la tarea de unidad futura asignado a ECSi por una de las otras tareas que esperan ser asignadas en la asignación de trabajo actual, entonces En la distribución del trabajo, no se estimará para ECS.
Análisis de complejidad de algoritmos (omitir)
Evaluación del desempeño (incluidos algunos detalles de implementación experimental)
En esta parte, evaluamos el desempeño del mecanismo ACTE propuesto y analizamos las tareas computacionales asignadas por colaboración. Estos esquemas se implementan en Python y todos los experimentos se realizan en una computadora con una CPU Intel®Core ™ i7-6700 a 3.40 GHz y 16 GB de RAM. La topología de red utilizada en la simulación es Geant e Interroute obtenida de Internet Topology Zoo [28] , como se muestra en la Figura 3. Específicamente, Geant es una topología de red con 41 nodos y 65 enlaces, e Interroute es una topología de red con 110 nodos y 148 enlaces. Dividimos Geant e Interroute en 4 y 8 dominios de red de borde, respectivamente. Cada dominio contiene aproximadamente 10 dispositivos de conmutación y un ECS que controla estos dispositivos de conmutación.
Un tipo de tarea se establece para ocupar de 2 a 5 unidades de potencia de cálculo , y su tiempo de cálculo normal se establece aleatoriamente en 10 a 20 unidades de tiempo , y sucede en ECS que es mejor para manejar este tipo de tarea Es la mitad de el tiempo anterior (es decir, de 5 a 10 unidades de tiempo). ECS está configurado para tener una potencia de cálculo de 4000 unidades. También asumimos que las tareas de computación se dividen en 10 tipos, y cada ECS solo es mejor para manejar 2 o 3 de ellos.
Comparamos el ACTE procesado con dos esquemas relacionados recientes Estos dos esquemas son la estrategia de descarga de tareas distribuidas (DTOS) y la asignación de tareas con demora . DTOS es un método para descargar tareas distribuidas a grupos de estaciones base de baja carga en un entorno de computación de borde móvil, que se simula principalmente en base a trabajos relacionados [22]. LATA es un método para tomar decisiones de asignación de tareas a través de SDN para reducir el retraso en el procesamiento de tareas, y se simula principalmente en función del trabajo relacionado [27]. Utilizamos los siguientes indicadores de rendimiento para comparar estos tres métodos y evaluar su rendimiento. Los indicadores de rendimiento utilizados en la evaluación son el retraso del procesamiento de la tarea unitaria (UTPD) , la tasa de optimización del tiempo de procesamiento de la tarea (TPTOR) , el equilibrio de carga de ECS (ELBD) , la migración de tareas eficiencia (TME) y tasa de éxito de la migración de tareas (TMSR) .