一种边缘卸载决策方法、终端及可读存储介质与流程
本发明涉及边缘决策技术领域，具体而言，涉及一种边缘卸载决策方法、终端及可读存储介质。
背景技术：
近年来，可穿戴设备在各领域的应用越来越广泛，它在运行过程中，会不断收集传感器数据，并通过相应的算法进行生理监测、目标检测、图像识别、虚拟现实、增强现实等操作。一方面数据量较大，另一方面越来越复杂的智能应用计算任务会大量消耗设备的资源和能量，因此可以利用边缘计算技术将可穿戴设备的存储、计算压力分摊到边缘服务器，使可穿戴设备的续航和性能得到改善。
这样，利用边缘计算技术，计算资源和存储资源可以放置到靠近可穿戴设备的边缘服务器上，可以解决可穿戴设备计算性能和效能方面的不足，加快应用执行速度。
但是，现有的边缘计算技术一般是将需要卸载的任务直接分配给边缘服务器，这样就会导致部分边缘服务器分配的卸载任务过多，反而大大拖慢了可穿戴设备上应用的执行速度。
技术实现要素：
本发明解决的问题是现有需要卸载的任务的分配容易导致部分边缘服务器分配的卸载任务过多。
为解决上述问题，本发明首先提供一种边缘卸载决策方法，应用于可穿戴终端，其包括：
获取可卸载任务，并监测可穿戴终端状态信息；
与边缘服务终端建立通讯连接，并接收所述边缘服务终端发送的边缘服务终端状态信息；
根据所述可穿戴终端状态信息和所述边缘服务终端状态信息选取所述边缘服务终端并发送所述可卸载任务的卸载请求；
在接收到所述边缘服务终端发送的卸载指令后，向所述边缘服务终端发送可卸载任务信息；
接收所述边缘服务终端发送的执行所述可卸载任务得到的执行结果。
这样，通过可穿戴终端对要分配的可卸载任务进行初步分配方向，再由边缘服务终端根据自身的计算资源进行二次分析，对可以执行的可卸载任务给予反馈，从而避免了边缘服务终端需要执行的可卸载任务过多造成的无法及时执行进而导致可穿戴终端应用卡顿的情况。
可选的，所述获取可卸载任务，包括：
获取当前的待执行应用；
将所述待执行应用划分为多个待执行任务，并根据所述待执行任务的执行过程将所述待执行任务划分为所述可卸载任务和不可卸载任务。
这样，通过划分，将待执行应用划分为(近似)相互独立的可卸载任务和不可卸载任务，从而便于进行后续的任务卸载，加快待执行应用的执行速度。
可选的，所述与边缘服务终端建立通讯连接，包括：
扫描当前范围内的边缘服务终端的通讯接入点；
获取各个所述通讯接入点的信号强度；
选取信号强度大于预设强度的所述通讯接入点，建立通讯连接关系。
这样，通过选取信号强度大于预设强度的所述通讯接入点，可以避免弱信号造成的可卸载任务的无法顺利进行，提高可卸载任务执行的速度和时间。
可选的，所述根据所述可穿戴终端状态信息和所述边缘服务终端状态信息选取所述边缘服务终端并发送所述可卸载任务的卸载请求，包括：
设置待执行应用的执行时间权重和执行能耗权重；
根据所述可穿戴终端状态信息、所述边缘服务终端状态信息、所述执行时间权重和所述执行能耗权重，建立待执行应用的收益约束；
以所述待执行应用的收益最大为目标，求解所述收益约束，得到求解结果；
根据所述求解结果确定选取的所述边缘服务终端，并发送所述可卸载任务的卸载请求。
这样，通过设置执行时间权重和执行能耗权重，可以将执行能耗和执行时间综合起来评价卸载策略，从而达到综合考虑执行能耗或执行时间的决策目的，且通过建立收益约束和求解，确定了在综合考虑执行能耗和执行时间的情况下各个可卸载任务的分配的边缘服务终端，这样，针对不同计算复杂度和数据量分别选择合适的卸载机制，有效减少了执行能耗和执行时间，提高了执行成功率。
可选的，所述待执行应用的所述收益约束为：
其中，所述待执行应用的收益最大约束为：
其中，
这样，通过该收益约束，建立了可卸载任务的分配与可量化数据之前的对应关系，从而可以通过对应的关系对可卸载任务的分配不断进行优化，或者直接针对最大收益进行求解，确定了在综合考虑执行能耗和执行时间的情况下各个可卸载任务的分配的边缘服务终端，从而有效减少了执行能耗和执行时间，提高了执行成功率。
其次提供一种可穿戴终端，其包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上述所述的边缘卸载决策方法。
这样，通过可穿戴终端对要分配的可卸载任务进行初步分配方向，再由边缘服务终端根据自身的计算资源进行二次分析，对可以执行的可卸载任务给予反馈，从而避免了边缘服务终端需要执行的可卸载任务过多造成的无法及时执行进而导致可穿戴终端应用卡顿的情况。
再次提供一种边缘卸载决策方法，应用于边缘服务终端，其包括：
监测边缘服务终端状态信息；
与可穿戴终端建立通讯连接，并发送所述边缘服务终端状态信息；
在接收到所述可穿戴终端发送的可卸载任务的卸载请求后，根据时延限制条件选取所述可卸载任务，并发送所述可卸载任务的卸载指令；
在接收到所述可穿戴终端发送的可卸载任务信息后，执行所述可卸载任务，得到执行结果；
向所述边缘服务终端发送所述执行结果。
这样，通过设置卸载指令，可以让边缘服务终端根据自身的计算资源、计算能力以及其他参数来决定要执行的可卸载任务，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况。
可选的，所述在接收到所述可穿戴终端发送的可卸载任务的卸载请求后，根据时延限制条件选取所述可卸载任务，并发送所述可卸载任务的卸载指令，包括：
在接收到所述可穿戴终端发送的可卸载任务的卸载请求后，对接收到的所述可卸载任务的卸载请求进行统计；
设置所述边缘服务终端的时延限制条件；
根据统计的所述可卸载任务的卸载请求和所述边缘服务终端的时延限制条件，建立所述边缘服务终端的卸载收益约束；
以所述边缘服务终端的卸载收益最大为目标，求解所述卸载收益约束，得到求解结果；
根据所述卸载收益约束的所述求解结果确定选取的所述可卸载任务，并发送所述可卸载任务的卸载指令。
这样，通过建立卸载收益约束和求解，根据带宽资源和应用卸载收益决定可以卸载的可卸载任务和卸载的顺序这样，针对不同计算复杂度和数据量分别选择合适的卸载机制，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况，提高了执行效率。
可选的，所述边缘服务终端的卸载收益约束为：
其中，所述边缘服务终端的卸载收益最大约束为：
其中，πu为边缘服务终端对可穿戴终端用户的优先级,
这样，通过该卸载收益约束，建立了可卸载任务的分配与可量化数据之前的对应关系，从而可以通过对应的关系对边缘服务终端的计算资源分配不断进行优化，或者直接针对最大收益进行求解，确定了可以卸载的可卸载任务和卸载的顺序这样，针对不同计算复杂度和数据量分别选择合适的卸载机制，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况，提高了执行效率。
从次提供一种边缘服务终端，所述边缘服务终端包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现上述所述的边缘卸载决策方法。
这样，通过设置卸载指令，可以让边缘服务终端根据自身的计算资源、计算能力以及其他参数来决定要执行的可卸载任务，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况。
最后提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现上述所述的边缘卸载决策方法，或者实现前述所述的边缘卸载决策方法。
这样，通过可穿戴终端对要分配的可卸载任务进行初步分配方向，再由边缘服务终端根据自身的计算资源进行二次分析，对可以执行的可卸载任务给予反馈，从而避免了边缘服务终端需要执行的可卸载任务过多造成的无法及时执行进而导致可穿戴终端应用卡顿的情况。
附图说明
图1为根据本发明一实施例的可穿戴终端侧边缘卸载决策方法的流程图；
图2为根据本发明一实施例的边缘卸载决策方法s10的流程图；
图3为根据本发明一实施例的边缘卸载决策方法s20的流程图；
图4为根据本发明一实施例的边缘卸载决策方法s30的流程图；
图5为根据本发明一实施例的边缘服务终端侧边缘卸载决策方法的流程图；
图6为根据本发明另一实施例的边缘卸载决策方法s300的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
近年来，可穿戴设备在各领域的应用越来越广泛，它在运行过程中，会不断收集传感器数据，并通过相应的算法进行生理监测、目标检测、图像识别、虚拟现实、增强现实等操作。一方面数据量较大，另一方面越来越复杂的智能应用计算任务会大量消耗设备的资源和能量，因此可以利用边缘计算技术将可穿戴设备的存储、计算压力分摊到边缘服务器，使可穿戴设备的续航和性能得到改善。利用边缘计算技术，计算资源和存储资源可以放置到靠近可穿戴设备的边缘服务器上，边缘服务器可以为可穿戴设备提供低延迟的服务，与可穿戴设备协调计算，一方面可以解决可穿戴设备计算性能的不足，加快应用执行速度，另一方面可以解决穿戴设备效能方面的不足。
根据现有的配置信息，一个可穿戴设备的周围，一般会分布有多个边缘服务器，这样，可穿戴设备可以将需要计算或者存储的资源放置在周围的边缘服务器，通过边缘服务器进行计算或读取后返回结果(也可以将存储的资源放置在云服务器上，需要的时候通过边缘服务器进行下载等操作)。
但是，现有的可穿戴设备一般是将需要卸载的任务直接分配给边缘服务器；但是边缘服务器本身的计算能力、传输能力是不同的，所以这种直接分配会导致一部分边缘服务器处于闲置状态，一部分边缘服务器反而分配的卸载任务过多，无法及时进行处理，这样对于可穿戴设备中的执行应用而言，由于中间的某个任务数据迟迟未能从边缘服务器进行反馈，无法顺利执行，反映出来反而是该执行应用的经常卡顿。
这种混乱的情况，在多个可穿戴终端的情况下，将会更为复杂。
下面将参考附图并结合实施例来详细说明本发明。
本公开实施例提供了一种边缘卸载决策方法，执行该方法的装置可以集成在手机，pad，移动电脑，可穿戴设备等电子设备中。如图1所示，其为根据本发明一实施例的可穿戴终端侧边缘卸载决策方法的流程图；其中，所述边缘卸载决策方法，应用于可穿戴终端，包括：
s10，获取可卸载任务，并监测可穿戴终端状态信息；
其中，所述的可卸载任务，也即是可以分配到边缘服务终端进行处理的任务；该任务的获取，可以是通过预先设置的方式进行获取，也可以是通过对其他可实现方式来获取。
其中，所述可穿戴终端信息，包括所述可穿戴终端的电池电量、cpu使用率；较佳的，所述可穿戴终端信息，还包括所述可穿戴终端的无线传输速度。这样，通过监测可以获取该信息，从而便于进行后续边缘卸载的决策。
s20，与边缘服务终端建立通讯连接，并接收所述边缘服务终端发送的边缘服务终端状态信息；
其中，与所述边缘服务终端的通讯连接，可以是wifi连接，也可以是mqtt连接方式。
其中，所述边缘服务终端状态信息，包括边缘服务终端的计算资源和通讯资源状态。
s30，根据所述可穿戴终端状态信息和所述边缘服务终端状态信息选取所述边缘服务终端并发送所述可卸载任务的卸载请求；
需要说明的是，可穿戴终端可能有多个，边缘服务终端也能有多个；多个可穿戴终端与多个边缘服务终端之间，会建立复杂的通讯连接关系。
本步骤中，对可穿戴终端的卸载请求，是以可穿戴终端为单位进行的，只考虑与本可穿戴终端具有通讯连接的边缘服务终端，确定将部分卸载任务分配至某个或者某些对应的边缘服务终端时，则向对应的边缘服务终端发送卸载请求。
其中，卸载请求包括：可卸载任务的类型、可获取的无线传输速度和数据传输量。这样，便于边缘服务终端接收后对可卸载任务的卸载情况进行准确的分析，从而给出结论。
s40，在接收到所述边缘服务终端发送的卸载指令后，向所述边缘服务终端发送可卸载任务信息；
边缘服务终端会接收到多个可穿戴终端的卸载请求，根据这些卸载请求进行分析后，如果决定接收其中的部分或全部可卸载任务，则可以向对应的可穿戴终端发送卸载指令。
这样，通过设置卸载指令，可以让边缘服务终端根据自身的计算资源、计算能力以及其他参数来决定要执行的可卸载任务，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况。
另外，通过设置卸载指令，可以以边缘服务终端为个体，分别分析自身可以执行的可卸载任务，避免多个可穿戴终端造成的分配混乱问题；同时，可穿戴终端只有接受到了边缘服务终端反馈的卸载指令后，才会将卸载指令中涉及的可卸载任务的信息发送，从而避免了发送无法处理的可卸载任务的情况。
需要说明的是，若是仅有部分可卸载任务反馈了卸载指令，则未反馈部分的可卸载任务，可以重新分配至其他的边缘服务终端，或者放弃分配，直接由可穿戴终端进行执行；具体执行和分配情况，也可以根据实际需求进行其他设置。
需要说明的是，发送的可卸载任务信息，可以是由可穿戴终端进行过数据预处理(如精简、排序、筛选等)之后的信息，这样，可以大大减少需要传输的数据，从而减少传输时间和边缘服务终端的执行时间，提高可穿戴终端的应用执行时间。
s50，接收所述边缘服务终端发送的执行所述可卸载任务得到的执行结果。
其中，对于分配至边缘服务终端处理的可卸载任务，直接接收执行结果即可；对于由可穿戴终端直接执行的可卸载任务，通过执行直接得到执行结果，还可以将执行结果或者执行过程报告给边缘服务终端进行存储，以便于云端节点进行查看。
这样，通过可穿戴终端对要分配的可卸载任务进行初步分配方向，再由边缘服务终端根据自身的计算资源进行二次分析，对可以执行的可卸载任务给予反馈，从而避免了边缘服务终端需要执行的可卸载任务过多造成的无法及时执行进而导致可穿戴终端应用卡顿的情况。
可选的，如图2所示，所述s10，获取可卸载任务，包括：
s11,获取当前的待执行应用；
一个可穿戴终端内有多个应用，其中需要卸载的应用，会将应用进行划分，加入本地计算任务队列，按照先后的顺序，位于队列头部的应用即为当前的待执行应用。
s12，将所述待执行应用划分为多个待执行任务，并根据所述待执行任务的执行过程将所述待执行任务划分为所述可卸载任务和不可卸载任务。
任何一个应用，实际上都是由一系列的按照先后顺序排列的操作组成的；应用的划分，就是将一个应用的顺序操作按照设定的标准或者目的划分为多个相对独立的任务，这些任务执行完毕后就可以完成应用的预设目的。
应用划分的标准或者目的不同，则具体划分也不同；比如，可以将一个待执行应用划分为尽可能多数量的待执行任务；也可以根据具体执行时的情况，划分为相互之前数据交互尽可能少的待执行任务；也可以根据卸载要求的不同，划分为可卸载内容和不可卸载内容尽可能分开的待执行任务。
根据所述待执行任务的执行过程将所述待执行任务划分为所述可卸载任务和不可卸载任务；也即是说，如果执行过程中必须要可穿戴设备参与的，则一定为不可卸载任务，其余的都可以划分为可卸载任务(也可以根据其他实际需求，如计算资源分配等将一部分的可卸载任务认定为不可卸载任务)。
比如，对于面向目标检测、动作识别、人脸检测和数据融合等四类可穿戴终端的应用，将应用中的数据采集(不可迁移任务)及数据预处理划分为不可卸载任务，因为应用中的数据采集如动作识别是实时从动作传感器接收数据的，当动作没有发生变化时会产生冗余数据，因此需要在可穿戴终端本地进行数据预处理，以减少不必要的网络传输；当前动作识别是基于机器学习模型svm进行分类，数据融合应用输出的结果也是类别，人脸检测和目标检测应用均基于深度学习模型卷积神经网络实现，它们均需要进行预处理，以构建特征或者将输入数据(如图片)重新调整成模型规定的输入大小，经过预处理后的数据均比处理前小，因此数据预处理也放在可穿戴终端本地执行。应用的模型推理部分和终端具体的硬件无联系，为了应用执行的可靠性，本申请可以选择将模型的推理部分整体进行卸载，不再进行划分。
这样，通过划分，将待执行应用划分为(近似)相互独立的可卸载任务和不可卸载任务，从而便于进行后续的任务卸载，加快待执行应用的执行速度。
可选的，如图3所示，所述s20，与边缘服务终端建立通讯连接，包括：
s21，扫描当前范围内的边缘服务终端的通讯接入点；
其中，可穿戴终端的当前范围，是当前时刻的位置的一定范围内，其所覆盖的范围可以由扫描半径决定，也可以有其他参数决定。
需要说明的是，安卓系统等的wifi扫描的最短时间间隔也需要10秒，因此不是每次有可卸载任务都进行扫描，可以选择只有在边缘服务终端的通讯接入点信息变化时，才重新进行扫描。
s22，获取各个所述通讯接入点的信号强度；
s23，选取信号强度大于预设强度的所述通讯接入点，建立通讯连接关系。
以wifi为例，wifi信号弱会导致建立的通讯连接无法进行有效的信息传递，这样，通过选取信号强度大于预设强度的所述通讯接入点，可以避免弱信号造成的可卸载任务的无法顺利进行，提高可卸载任务执行的速度和时间。
可选的，如图4所示，所述s30，根据所述可穿戴终端状态信息和所述边缘服务终端状态信息选取所述边缘服务终端并发送所述可卸载任务的卸载请求，包括：
s31，设置待执行应用的执行时间权重和执行能耗权重；
对待执行应用的卸载策略的评价方向，是待执行应用卸载产生的执行能耗或执行时间，本步骤中，通过设置执行时间权重和执行能耗权重，可以将执行能耗和执行时间综合起来，评价卸载策略，从而达到综合考虑执行能耗或执行时间的决策目的。
s32,根据所述可穿戴终端状态信息、所述边缘服务终端状态信息、所述执行时间权重和所述执行能耗权重，建立待执行应用的收益约束；
待执行应用的收益，是通过分配时间权重和所述执行能耗权重，从而将可穿戴终端的可卸载任务的分配方式转化为可以对应的可量化数据，这样，就可以直接通过可量化数据评价卸载策略的优劣。
建立待执行应用的收益约束，就可以建立可卸载任务的分配与可量化数据之前的对应关系，从而可以通过对应的关系对可卸载任务的分配不断进行优化。
s33，以所述待执行应用的收益最大为目标，求解所述收益约束，得到求解结果；
所述求解结果，即为各个可卸载任务的分配的边缘服务终端，即用户当前请求卸载的可卸载任务是否在某个边缘服务终端执行。
s34，根据所述求解结果确定选取的所述边缘服务终端，并发送所述可卸载任务的卸载请求。
这样，通过设置执行时间权重和执行能耗权重，可以将执行能耗和执行时间综合起来评价卸载策略，从而达到综合考虑执行能耗或执行时间的决策目的，且通过建立收益约束和求解，确定了在综合考虑执行能耗和执行时间的情况下各个可卸载任务的分配的边缘服务终端，这样，针对不同计算复杂度和数据量分别选择合适的卸载机制，有效减少了执行能耗和执行时间，提高了执行成功率。
可选的，所述待执行应用的所述收益约束为：
其中，所述待执行应用的收益最大约束为：
其中，
这样，通过该收益约束，建立了可卸载任务的分配与可量化数据之前的对应关系，从而可以通过对应的关系对可卸载任务的分配不断进行优化，或者直接针对最大收益进行求解，确定了在综合考虑执行能耗和执行时间的情况下各个可卸载任务的分配的边缘服务终端，从而有效减少了执行能耗和执行时间，提高了执行成功率。
本公开实施例提供了一种可穿戴终端，用于执行本发明上述内容所述的边缘卸载决策方法，所述可穿戴终端包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现上述所述的边缘卸载决策方法。
这样，通过可穿戴终端对要分配的可卸载任务进行初步分配方向，再由边缘服务终端根据自身的计算资源进行二次分析，对可以执行的可卸载任务给予反馈，从而避免了边缘服务终端需要执行的可卸载任务过多造成的无法及时执行进而导致可穿戴终端应用卡顿的情况。
本公开实施例提供了一种边缘卸载决策方法，执行该方法的装置可以集成在手机，pad，电脑，服务器等电子设备中。如图5所示，其为根据本发明一实施例的边缘服务终端侧边缘卸载决策方法的流程图；其中，所述边缘卸载决策方法，应用于边缘服务终端，包括：
s100，监测边缘服务终端状态信息；
其中，所述边缘服务终端状态信息，包括边缘服务终端的计算资源和通讯资源状态。
s200，与可穿戴终端建立通讯连接，并发送所述边缘服务终端状态信息；
其中，与所述可穿戴终端的通讯连接，可以是wifi连接，也可以是mqtt连接方式。
s300，在接收到所述可穿戴终端发送的可卸载任务的卸载请求后，根据时延限制条件选取所述可卸载任务，并发送所述可卸载任务的卸载指令；
边缘服务终端会接收到多个可穿戴终端的卸载请求，根据这些卸载请求进行分析后，如果决定接收其中的部分或全部可卸载任务，则可以向对应的可穿戴终端发送卸载指令。
这样，通过设置卸载指令，可以让边缘服务终端根据自身的计算资源、计算能力以及其他参数来决定要执行的可卸载任务，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况。
另外，通过设置卸载指令，可以以边缘服务终端为个体，分别分析自身可以执行的可卸载任务，避免多个可穿戴终端造成的分配混乱问题。
s400，在接收到所述可穿戴终端发送的可卸载任务信息后，执行所述可卸载任务，得到执行结果；
可穿戴终端只有接受到了边缘服务终端反馈的卸载指令后，才会将卸载指令中涉及的可卸载任务的信息发送，从而避免了发送无法处理的可卸载任务的情况。
需要说明的是，发送的可卸载任务信息，可以是由可穿戴终端进行过数据预处理(如精简、排序、筛选等)之后的信息，这样，可以大大减少需要传输的数据，从而减少传输时间和边缘服务终端的执行时间，提高可穿戴终端的应用执行时间。
s500，向所述边缘服务终端发送所述执行结果。
这样，通过设置卸载指令，可以让边缘服务终端根据自身的计算资源、计算能力以及其他参数来决定要执行的可卸载任务，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况。
可选的，如图6所示，所述s300，在接收到所述可穿戴终端发送的可卸载任务的卸载请求后，根据时延限制条件选取所述可卸载任务，并发送所述可卸载任务的卸载指令，包括：
s310，在接收到所述可穿戴终端发送的可卸载任务的卸载请求后，对接收到的所述可卸载任务的卸载请求进行统计；
在可穿戴终端选取最优的边缘服务终端，并对可卸载任务是否能卸载至边缘服务终端执行做出判断后，每个边缘服务终端均会获取到多个可穿戴终端的多个可卸载任务的卸载请求，这些卸载请求需要统计起来，从而便于进行后续决策。
s320，设置所述边缘服务终端的时延限制条件；
边缘服务终端带宽是有限的，如果更多的可穿戴终端同时卸载，则可穿戴终端在传输数据至边缘服务终端的时间可能会超出应用卸载的时间限制，导致应用卸载失败；同时边缘服务终端在上个时隙根据不同的容器应用服务排队状况调整后的资源分配策略不适合当前的容器应用服务排队状况，导致某一种容器应用服务的排队时间和服务时间过长。
所述边缘服务终端的时延限制条件，即是可卸载任务的时间限制条件，从而避免出现卸载超时导致的卸载失败的情况。
s330，根据统计的所述可卸载任务的卸载请求和所述边缘服务终端的时延限制条件，建立所述边缘服务终端的卸载收益约束；
定义边缘服务终端的卸载收益为全部可穿戴终端的卸载收益按权值的累加和，从而将所述边缘服务终端的可卸载任务的分配方式转化为可以对应的可量化数据，这样，就可以直接通过可量化数据评价卸载策略的优劣。
建立待执行应用的收益约束，就可以建立可卸载任务的分配与可量化数据之前的对应关系，从而可以通过对应的关系对可卸载任务的分配不断进行优化。
约束，就可以建立可卸载任务的分配与可量化数据之前的对应关系，从而可以通过对应的关系对可卸载任务的分配不断进行优化。
s340，以所述边缘服务终端的卸载收益最大为目标，求解所述卸载收益约束，得到求解结果；
所述求解结果，即为各个可卸载任务的分配是否被接收，即当前请求卸载的可卸载任务是否在本边缘服务终端执行。
s350，根据所述卸载收益约束的所述求解结果确定选取的所述可卸载任务，并发送所述可卸载任务的卸载指令。
这样，通过建立卸载收益约束和求解，根据带宽资源和应用卸载收益决定可以卸载的可卸载任务和卸载的顺序这样，针对不同计算复杂度和数据量分别选择合适的卸载机制，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况，提高了执行效率。
可选的，所述边缘服务终端的卸载收益约束为：
其中，所述边缘服务终端的卸载收益最大约束为：
其中，πu为边缘服务终端对可穿戴终端用户的优先级,
这样，通过该卸载收益约束，建立了可卸载任务的分配与可量化数据之前的对应关系，从而可以通过对应的关系对边缘服务终端的计算资源分配不断进行优化，或者直接针对最大收益进行求解，确定了可以卸载的可卸载任务和卸载的顺序这样，针对不同计算复杂度和数据量分别选择合适的卸载机制，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况，提高了执行效率。
本公开实施例提供了一种边缘服务终端，用于执行本发明上述内容所述的边缘卸载决策方法，所述边缘服务终端包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现上述所述的边缘卸载决策方法。
这样，通过设置卸载指令，可以让边缘服务终端根据自身的计算资源、计算能力以及其他参数来决定要执行的可卸载任务，从而避免了要执行的可卸载任务过多而导致的处理速度慢反而拖慢可穿戴终端执行速度的情况。
本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现上述所述的边缘卸载决策方法，或者实现前述所述的边缘卸载决策方法。
这样，通过可穿戴终端对要分配的可卸载任务进行初步分配方向，再由边缘服务终端根据自身的计算资源进行二次分析，对可以执行的可卸载任务给予反馈，从而避免了边缘服务终端需要执行的可卸载任务过多造成的无法及时执行进而导致可穿戴终端应用卡顿的情况。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
- 还没有人留言评论。精彩留言会获得点赞！