边缘计算卸载算法--LOPRTC

LOPRTC卸载算法

背景：我实现该算法是在边缘计算单个工作流环境中，下面可以看到此背景下的java代码实现。

1.算法伪代码

2.输入

任务集等…

3.输出

接近最优的任务调度。

4.参数说明

1.MD：移动设备
2.RLTS：合理的基于本地的任务时间表
3.MEC服务器集S = {S1,S2,…,SM}
4.任务集T = {T1,T2,…,TN}
5.每个Job的处理时间P = {P0,P1,…,Pn-1}
6.某设备的行走路径：P = {(Au1,tu1),(Au2,tu2),…(Aup,tup)}，其中tu是一个任意的时间点。
7.移动设备集S0 = {SM+1,SM+2,…,SM+L}
8.一个区域A = {Au}
9.整数q
10.dj：工作流任务最长执行时间

5.分析

1. 算法2-5行：将N个任务划分成N/q(向上取整)个组。1<= q <= N
2. 算法6-17行：任务调度优化，For 0≤k≤(N / q), 计算局部最优任务调度
   ① 计算第 k 组中所有任务的最早开始时间与完成所有任务的最晚结束时间（第k组的最晚结束时间是第 k+1 组的最早开始时间）。
   ② 为第 k 组中的每个任务 Tj 计算候选卸载MEC服务器集CSj，每个任务 Tj 可以卸载到覆盖其行走路径的MEC服务器，在时间间隔[第k组的最早开始时间, min {dj, 第k组的最晚结束时间}]。
   ③ 计算第 k 组任务的局部最优任务调度（利用分支限界法）。
3. 算法18行：通过这些局部最优任务调度，计算所有任务（各组的并集）的近似最优任务调度。
   

本质：还是类似枚举，只是利用时间限制剪掉了一些情况的组合。

6.我的java代码实现

/**
 * 初始化的方法
 * 初始化任务的邻接矩阵，任务、组的最早开始时间与最晚结束时间
 */
void LOPRTCInit(){
    // 卸载策略数组初始化
    offloadStra = new int[taskNum];
    for (int i = 0; i < taskNum; i++) {
        offloadStra[i] = 0;
    }
    // 邻接矩阵初始化
    task_depen = new int[taskNum][taskNum];
    for (int i = 0; i < taskNum; i++) {
        for (int j = 0; j < taskNum; j++) {
            task_depen[i][j] = 0;
        }
    }
    try{
        SAXReader reader = new SAXReader();// 创建SAXReader对象用于读取xml文件
        Document doc = reader.read(new File(path));// 读取xml文件，获得Document对象
        Element root = doc.getRootElement();
        List<Element> childElements = root.elements("child");// 获取根元素下的所有child标签的子元素
        for (int i = 0; i < childElements.size(); i++) {
            String vex_str = childElements.get(i).attributeValue("ref");
            int vex_int = Integer.parseInt(vex_str.substring(2));
            List<Element> parents = childElements.get(i).elements("parent");// 获取child元素下的所有parent标签元素
            for (int j = 0; j < parents.size(); j++) {
                String vex_parent_str = parents.get(j).attributeValue("ref");
                int vex_parent_int = Integer.parseInt(vex_parent_str.substring(2));
                task_depen[vex_parent_int][vex_int] = 1;
            }
        }
    }catch(Exception e){
        System.out.println("xml没找到！");
    }
    // 每个任务的执行时间初始化
    task_exec = new double[taskNum];
    try{
        SAXReader reader = new SAXReader();// 创建SAXReader对象用于读取xml文件
        Document doc = reader.read(new File(path));// 读取xml文件，获得Document对象
        Element root = doc.getRootElement();
        List<Element> jobElements = root.elements("job");// 获取根元素下的所有job标签的子元素
        for (int i = 0; i < jobElements.size(); i++) {
            String vexStr = jobElements.get(i).attributeValue("id");
            int vexInt = Integer.parseInt(vexStr.substring(2));
            String timeStr = jobElements.get(i).attributeValue("runtime");
            double timeDouble = Double.parseDouble(timeStr);
            task_exec[vexInt] = timeDouble;
        }
    }catch(Exception e){
        System.out.println("xml没找到！");
    }
    // 每个任务的EST、EFT矩阵初始化
    task_time = new double[taskNum][2];
    int count = 0;// 辅助变量
    for (int k = 0; k < taskNum; ++k) {
        for (int j = 0; j < taskNum; j++) {// 初始化开始节点的EST、EFT
            if (task_depen[j][k] == 0) {
                ++count;
            }
        }
        if (count == taskNum) {
            task_time[k][0] = 0;
            task_time[k][1] = task_exec[k];
            for (int j = 0; j < taskNum; j++) {// 初始化开始节点直接后继节点的EST、EFT
                if (task_depen[k][j] == 1) {
                    if (task_time[j][0] < task_time[k][1]) {
                        task_time[j][0] = task_time[k][1];
                        task_time[j][1] = task_time[j][0] + task_exec[j];
                    }
                }
            }
        }
        count = 0;
    }
    for (int k = 0; k < taskNum; ++k) {// 初始化剩下的所有节点的EST、EFT
        for (int j = 0; j < taskNum; j++) {
            if (task_depen[k][j] == 1) {
                if (task_time[j][0] < task_time[k][1]) {
                    task_time[j][0] = task_time[k][1];
                    task_time[j][1] = task_time[j][0] + task_exec[j];
                }
            }
        }
    }
    // 计算分几组
    if(taskNum % 6 == 0){// 分6组
        groupStartTime = new double[6];
        groupEndTime = new double[6];
    }else{
        groupStartTime = new double[7];
        groupEndTime = new double[7];
    }
    // 测试输出
    /*for (int i = 0; i < taskNum; i++) {
        for (int j = 0; j < 2; j++) {
            System.out.print(task_time[i][j] + " ");
        }
        System.out.println();
    }
    System.out.println();*/
    // 计算每组的最早开始时间，最晚结束时间
    try{
        for (int i = 0; i < groupStartTime.length; i++) {
            double minStart = task_time[i*q][0];
            for (int j = i*q; j<(i+1)*q && j<taskNum; j++) {
                if(minStart > task_time[j][0]){
                    minStart = task_time[j][0];
                }
            }
            groupStartTime[i] = minStart;
        }
    }catch (Exception e){
        System.out.println("数组下标越界异常！");
    }
    for (int i = 0; i < groupEndTime.length-1; i++) {
        groupEndTime[i] = groupStartTime[i+1];
    }
    double maxEnd = task_time[0][1];
    for (int i = 1; i < taskNum; i++) {
        if(task_time[i][1] > maxEnd){
            maxEnd = task_time[i][1];
        }
    }
    groupEndTime[groupEndTime.length-1] = maxEnd;
}
/**
 * 找出某组任务的局部最优卸载策略
 * @param indexOfGroup 某组任务的索引下标（第一组任务对应下标为0）
 */
void groupOptimal(int indexOfGroup){
    // 依次是卸载到云层、雾层、本地
    double time1 = 0, time2 = 0, time3 = 0;
    double energy1 = 0, energy2 = 0, energy3 = 0;
    powerModel = (FogLinearPowerModel) getmobile().getHost().getPowerModel();
    // 获取云、雾、终端层的平均Mips
    double cAvgMips = getcloud().getAverageMips();
    double fAvgMips = getFogNode().getAverageMips();
    double mAvgMips = getmobile().getAverageMips();

    try{
        for (int i = indexOfGroup*q; i<(indexOfGroup+1)*q && i<taskNum; i++) {
            Job job = joblist.get(i);
            time1 = job.getCloudletLength() / cAvgMips
                    + getJobFileSize(job) / parameter / WAN_Bandwidth;
            //卸载所需能耗 = 空闲功率 * 云执行时间 + 传输功率 * (发送数据大小 + 接收数据大小 ) / WAN带宽
            energy1 = powerModel.getStaticPower() * job.getCloudletLength() / cAvgMips
                    + powerModel.getSendPower() * getJobFileSize(job) / parameter / WAN_Bandwidth;

            time2 = job.getCloudletLength() / fAvgMips
                    + getJobFileSize(job) / parameter / LAN_Bandwidth;
            energy2 = powerModel.getStaticPower() * job.getCloudletLength() / fAvgMips
                    + powerModel.getSendPower() * getJobFileSize(job) / parameter / LAN_Bandwidth;

            time3 = job.getCloudletLength() / mAvgMips;
            energy3 = powerModel.getMaxPower() * job.getCloudletLength() / mAvgMips;

            double minTimeSpan = Math.min(deadline,groupEndTime[indexOfGroup]-groupStartTime[indexOfGroup]);
            if(minTimeSpan < Math.min(time1, time2)){// 都不满足时间约束
                job.setoffloading(getmobile().getId());
            }else if(minTimeSpan > Math.max(time1, time2)){// 都满足时间约束，根据优化目标选择卸载到哪
                switch (optimize_objective){
                    case "Time":
                        if(Math.min(time1, Math.min(time2, time3)) == time1){
                            offloadStra[i] = 2;// 卸载到云
                        }else if(Math.min(time1, Math.min(time2, time3)) == time2){
                            offloadStra[i] = 1;// 卸载到雾
                        }else{
                            offloadStra[i] = 0;// 不卸载
                        }
                        break;
                    case "Energy":
                        if(Math.min(energy3, Math.min(energy1, energy2)) == energy1){
                            offloadStra[i] = 2;
                        }
                        else if(Math.min(energy3, Math.min(energy1, energy2)) == energy2){
                            offloadStra[i] = 1;
                        }
                        else{
                            offloadStra[i] = 0;
                        }
                        break;
                    default:
                        break;
                }
            }else{//minTimeSpan介于time1和time2之间
                if(minTimeSpan > time1 && minTimeSpan < time2){// 根据优化目标选择卸载到云或不卸载
                    switch (optimize_objective){
                        case "Time":
                            if(Math.min(time1, time3) == time1){
                                offloadStra[i] = 2;
                            }else{
                                offloadStra[i] = 0;
                            }
                            break;
                        case "Energy":
                            if(Math.min(energy1, energy3) == energy1){
                                offloadStra[i] = 2;
                            }else{
                                offloadStra[i] = 0;
                            }
                            break;
                        default:
                            break;
                    }
                }else{// 根据优化目标选择卸载到雾或不卸载
                    switch (optimize_objective){
                        case "Time":
                            if(Math.min(time2, time3) == time2){
                                offloadStra[i] = 1;
                            }else{
                                offloadStra[i] = 0;
                            }
                            break;
                        case "Energy":
                            if(Math.min(energy2, energy3) == energy2){
                                offloadStra[i] = 1;
                            }else{
                                offloadStra[i] = 0;
                            }
                            break;
                        default:
                            break;
                    }
                }
            }
        }
    }catch (Exception e){
        System.out.println("数组下标越界异常！");
    }
}
@Override
public void BeforeOffloading(double deadline) {
    this.deadline = deadline;
    LOPRTCInit();
    joblist = getjobList();
    for (int i = 0; i < groupStartTime.length; i++) {
        groupOptimal(i);
    }
}