本书重点围绕边缘计算中的资源调度机制，从资源管理、计算卸载策略以及服务部署方法等方面进行研究，形成融调度框架、调度策略、卸载策略、部署策略于一体的较完备的边缘计算服务资源调度内容体系。首先，从服务请求的规范化管理和资源的随机应用调度两方面提出资源管理方案，实现虚拟机资源的管理和预先调度，加强资源的动态性以及自适应性管理；其次，分别针对低时延需求和多样化需求的计算任务提出边缘云计算卸载策略，有效降低任务的计算时延；再次，围绕计算卸载的能效问题，给出基于多核用户设备的计算资源调度、协同任务卸载方法，在减少计算卸载成本消耗的同时，提升任务处理效果；最后，围绕延迟敏感应用程序需求，提出一种基于剩余服务时间预测的动态服务部署列表调度算法和部署方法，提高边缘计算服务器的资源利用率和服务效率。
更多科学出版社服务，请扫码获取。
近年来，主要参加完成了某预研基金项目、省级基础研究课题、校基础研究项目等多项项目，主笔了多项国家级项目的撰写。曾获ITAT优秀指导教师等称号。多次参加国际会议进行学术交流，在国内外重要期刊和学术会议上公开发表学术论文20余篇，其中多篇次被SCI、EI和ISTP索引。
目录
前言
第1章 绪论 1
1.1 边缘计算 1
1.1.1 边缘计算的思想与架构 1
1.1.2 边缘计算的特征与优势 4
1.1.3 边缘计算的发展及应用 5
1.2 计算卸载 6
1.2.1 计算卸载的基本思想 6
1.2.2 计算卸载的基本过程 7
1.2.3 计算卸载的主要分类 9
1.3 任务调度 10
1.3.1 任务调度流程 11
1.3.2 调度优化目标 11
1.3.3 常用调度算法 12
1.4 服务部署 16
1.4.1 服务部署概述 16
1.4.2 用户任务卸载 17
1.4.3 服务部署趋势 19
参考文献 20
第2章 基于服务感知的资源分配框架 21
2.1 引言 21
2.2 资源分配框架 21
2.3 相关模型与算法分析 22
2.3.1 系统模型 22
2.3.2 服务分类 23
2.3.3 虚拟机迁移 24
2.3.4 联合服务调度 26
2.3.5 框架量化与算法 27
2.4 实验与分析 29
2.4.1 实验环境与参数 29
2.4.2 实验结果分析 30
2.5 本章小结 36
参考文献 36
第3章 基于李雅普诺夫漂移的虚拟机优化调度策略 37
3.1 引言 37
3.2 系统模型 37
3.2.1 实时随机资源调度框架 37
3.2.2 马尔可夫策略变换 38
3.3 随机调度策略 41
3.3.1 目标模型构建 41
3.3.2 李雅普诺夫漂移优化 42
3.3.3 性能分析 45
3.3.4 近似随机最短路径问题 47
3.4 实验与分析 49
3.4.1 实验环境与参数 49
3.4.2 实验结果分析 49
3.5 本章小结 53
参考文献 54
第4章 边缘云环境中基于多核用户设备的计算资源调度策略 55
4.1 引言 55
4.2 系统模型 56
4.2.1 场景模型 56
4.2.2 本地计算模型 57
4.2.3 通信模型 58
4.2.4 边缘云计算模型 59
4.2.5 优化问题 59
4.3 边缘云环境中任务卸载决策 60
4.3.1 构建非合作博弈 60
4.3.2 纳什均衡分析 61
4.3.3 面向多用户的任务卸载算法 62
4.4 多内核用户设备内核优化调度 64
4.4.1 多内核用户设备内核调度算法 64
4.4.2 面向多用户的计算资源调度算法 65
4.5 实验与分析 66
4.5.1 实验环境与参数 66
4.5.2 实验结果分析 66
4.6 本章小结 71
参考文献 71
第5章 边缘云环境中面向任务可分的协同任务卸载策略 72
5.1 引言 72
5.2 系统模型 73
5.2.1 场景模型 73
5.2.2 任务模型 74
5.2.3 本地计算模型 75
5.2.4 通信模型 75
5.2.5 边缘云计算模型 76
5.2.6 并行计算模型 76
5.3 问题形式化 79
5.3.1 优化问题 79
5.3.2 差分进化算法 81
5.3.3 改进的差分进化算法 82
5.4 实验与分析 83
5.4.1 实验参数 83
5.4.2 性能分析 84
5.5 本章小结 88
参考文献 88
第6章 一种基于随机优化的计算卸载策略 89
6.1 引言 89
6.2 系统模型与问题定义 90
6.2.1 系统模型 90
6.2.2 队列动态性 92
6.2.3 问题定义 93
6.3 BMDCO算法 95
6.3.1 算法分析 95
6.3.2 算法性能 97
6.4 实验与分析 99
6.4.1 性能分析 99
6.4.2 性能对比 101
6.5 本章小结 104
参考文献 105
第7章 一种基于D2D协作的计算卸载策略 106
7.1 引言 106
7.2 系统模型与问题构造 107
7.2.1 任务模型 107
7.2.2 本地计算模型 108
7.2.3 卸载计算模型 109
7.2.4 队列动态性 110
7.2.5 问题公式化 112
7.3 D-CCO算法 114
7.3.1 算法分析 114
7.3.2 算法性能 116
7.4 实验与分析 118
7.4.1 性能分析 118
7.4.2 性能对比 120
7.5 本章小结 123
参考文献 123
第8章 固定场景中时延敏感程序的服务部署策略 124
8.1 引言 124
8.2 服务部署场景问题分析 124
8.3 模型设计及问题形式化 126
8.3.1 系统模型 126
8.3.2 选择网络访问点 128
8.3.3 服务部署模型 128
8.3.4 网络中的排队时延 129
8.3.5 在边缘计算中预测服务时间 130
8.4 算法设计 131
8.4.1 计算剩余服务时间 132
8.4.2 调度需要被服务的任务 133
8.4.3 为待调度的任务选择服务部署的计算节点 133
8.4.4 复杂度分析 134
8.5 实验与分析 135
8.5.1 模拟实验环境设置 136
8.5.2 通过随机生成DAG来评估算法调度性能 136
8.5.3 EUA数据集环境中的服务部署性能评估 139
8.6 本章小结 141
参考文献 141
第9章 移动场景中时延敏感程序的服务部署策略 144
9.1 引言 144
9.2 移动场景的分析及存在的问题 144
9.3 模型设计及问题形式化 145
9.3.1 系统模型 145
9.3.2 用户与边缘处理器之间的曼哈顿距离 148
9.3.3 能耗成本 148
9.3.4 问题形式化 150
9.4 算法设计 151
9.5 实验与分析 155
9.5.1 模拟实验环境设置 155
9.5.2 小样本模拟实验性能评估 156
9.5.3 大样本模拟实验性能评估 160
9.6 本章小结 162
参考文献 163
第10章 前景展望 165
书单推荐
