07刘辉-边缘计算-边缘计算-基于AI预测信息的边边协同计算机制研究初探（17页）.pdf

1、基于AI预测信息的边边协同计算机制研究初探Dr.刘辉网络通信与安全紫金山实验室 边缘智能技术研究员EdgeGallery开源社区 TEST WG主席第一部分 背景和研究需求第三部分 机制实现及初步进展第四部分 展望第二部分 主要研究任务Contents目 录移动性迁移管理边缘计算节点间容灾备份边缘计算节点间资源共享边缘AI模型切分与协同计算边边协同计算场景业务场景边边协同从技术场景探索走向业务场景落地边边协同计算研究现状面向EC的改进混沌蝙蝠群协同调度考虑了ECN的计算能力、服务时间、带宽和内存等约束，基于从计算任务划分出的多个子任务所需资源，结合多个ECN的可用资源，提出改进混沌蝙蝠群协同算

2、法来优化整体调度成效，以达到ECN间较好的负载均衡度和较少的总体运行时间未考虑EC节点间时延，且云不足以实时掌握EC资源状态面向EC DC的服务资源调度多个移动终端多个应用向云中心和多边缘节点卸载场景下基于最小端应用时延和端设备能耗的启发式任务卸载算法;研究了ECN处资源部署规划（即为ECN配备相关数量的单位虚拟机（M/M/C模型）仅考虑了所有应用请求的时延期望值满足时延上限，但并未考虑具体某个请求的时延雾计算节点间协同工作算法采用分时M/G/1排队模型，在多类任务请求场景下，以所有FCN并行系数达到帕累托最优为目标，研究了基于工作窃取机制和信誉系统的FCN间协同工作算法，以满足相关公平性、可

3、伸缩性、稳定性和可靠性的要求未考虑FCN间传输时延;可伸缩性上说服力不强;信誉系统信息交互复杂度较高边边协同计算研究目标与意义立足于边缘计算节点自身服务能力、边缘侧网络传输状态、智能终端立足于边缘计算节点自身服务能力、边缘侧网络传输状态、智能终端/用户应用请求到达情况等多关键因素，用户应用请求到达情况等多关键因素，基于基于AI算法算法对边缘节点协同状态信息的预测，融合相关负载均衡策略，同时考虑边缘计算节点协同置信度，对边缘节点协同状态信息的预测，融合相关负载均衡策略，同时考虑边缘计算节点协同置信度，建立边边协同计算机制，实现边缘节点间应用请求的动态、高效、可靠的透明协同调度建立边边协同计算机制

4、，实现边缘节点间应用请求的动态、高效、可靠的透明协同调度有利于促进有利于促进5G、工业互联网工业互联网/物联网及公有云下沉物联网及公有云下沉到众多边缘侧的各类资源的协同共享和充分利用到众多边缘侧的各类资源的协同共享和充分利用边缘节点间的相互灾备及相互学习边缘节点间的相互灾备及相互学习形成更大范围的一体化智能边缘计算网络形成更大范围的一体化智能边缘计算网络协同应对海量用户协同应对海量用户/智能终端在边缘侧的差异化需智能终端在边缘侧的差异化需求求（如计算密集型需求如计算密集型需求、时延敏感性需求时延敏感性需求、网络网络IO密集型等密集型等）降低边缘计算网络整体响应各类用户请求的时延降低边缘计算网络

5、整体响应各类用户请求的时延提升边缘侧服务体验提升边缘侧服务体验降低众多边缘侧资源及服务成本降低众多边缘侧资源及服务成本促进边缘侧技术及应用生态的发展与成熟促进边缘侧技术及应用生态的发展与成熟第一部分 背景和研究需求第三部分 机制实现及初步进展第四部分 展望第二部分 主要研究任务Contents目 录边缘节点两个互斥属性：边缘云边缘节点两个互斥属性：边缘云、云边缘云边缘总体目标：概念模型信息模型中心控制节点边缘节点（边缘云）边缘节点（云边缘）0.N 下级0.10.N 兄弟0.N 下级0.1 上级中心控制节点边缘节点（云边缘）边缘节点（边缘云）0.1 上级0.1相邻边缘节点相邻边缘节点（或称邻居节

6、点或称邻居节点）：网络邻居：网络邻居，地理地理位置邻居位置邻居，或两种结合或两种结合。邻居关系是相互的邻居关系是相互的。边缘节点边缘节点（边缘云边缘云）关联的中心控制节点关联的中心控制节点、上上/下下级边缘节点级边缘节点、兄弟节点等均可作为其候选邻居节点兄弟节点等均可作为其候选邻居节点概念模型基于AI算法的协同资源状态信息预测Li,Y.,Zhu,Z.,Kong,et al(2019).EA-LSTM:Evolutionary Attention-based LSTM for Time Series Prediction.Knowl.Based Syst.,181.基于进化注意力机制的基于进化注