边缘计算中资源配置与任务分配关键问题研究

With the development of cloud computing, mobile devices can obtain a wealth of computing resources from remote cloud data centers. However, the communication between mobile devices and the remote cloud will inevitably lead to serious communication delay, which cannot meet the instant-response requirement of some mobile applications. Edge Computing proposes to place edge servers at the edge of the Internet so as to provide high-performance, high-bandwidth, and low-latency computing services for mobile devices. This project aims to investigate two key issues on resource configuration and job allocation in edge computing. One is the edge server placement and functional configuration problem (i.e., how to choose locations to place edge servers, and how to initially configure and further online adjust the mobile jobs that each server supports); the other is the mobile job dispatching and scheduling problem (i.e., how the mobile device chooses an edge or the cloud server to handle its job, and how each server schedule its queuing jobs). In this project, we will consider the limited and heterogeneous computational ability of edge servers, the arbitrary appearance of mobile jobs and their multi-source data requirement, the response time for the mobile users, as well as their security and privacy protection. We mainly focus on deriving online approximate solutions, and establish a middle-scale experimental platform to evaluate our methods. The key issues of this project involve some interesting extensions of classical online algorithm problems, which are of significant value in theory. Moreover, our project output is expected to accelerate the deployment of large-scale edge computing systems.

云计算的发展使得移动设备可以通过云端的数据中心获得丰富的计算资源，但也不可避免地产生大量通信延迟，无法满足需即时响应的移动应用需求。边缘计算提出在互联网边缘放置边缘服务器，为移动设备提供高性能、高带宽、低延迟的计算服务。本项目旨在研究边缘计算中资源配置和任务分配的两个关键问题：边缘服务器的放置与功能配置问题（即如何选择地点放置边缘服务器并配置和在线调整其支持的计算任务类型）以及移动计算任务的分配与调度问题（即移动设备如何选择边缘或云端服务器处理计算任务、各服务器如何调度任务）。我们将考虑边缘服务器计算能力的有限性和异构性、移动计算任务出现的任意性与多源数据需求、移动用户的响应速度需求及安全隐私保护，着重研究在线近似最优解决方案，并搭建适当规模的实验平台验证方案的有效性。本项目关键问题涉及经典在线算法问题的扩展，具有显著的理论价值；项目解决方案对于边缘计算的大规模实际部署具有重要应用价值。

边缘计算基于云边端协同构建新一代云计算智能解决方案，在产业升级和《中国制造2025》战略中发挥关键作用。本项目聚焦工业互联网、移动计算等边缘计算典型应用场景中对在线解决方案的迫切需求，从在线算法设计与分析、到基于大规模真实数据模拟验证、再到异构智能系统平台实现，针对云边端协同中在线任务调度和资源管理难题提出了一系列当前理论性能最优并得到大规模真实数据验证的算法协议。项目主要成果包括：1）云边端协同计算中的在线任务调度机制：即在线决策任务在各服务器间（多个边缘服务器和云端数据中心）如何分配，在单个服务器中如何调度以最优化任务响应时间等目标。此处我们针对有完成期限任务、安全多方计算等相关性任务、异构效用函数任务等多个应用场景进行建模；2）云边端在线协同存储机制（即边缘服务器的配置机制）：即决策多个本地边缘服务器与云端数据中心如何在线协作存储以最小化访问代价；3）复杂数据流的在线调度机制：并行数据子流集合Coflow的在线路由和调度以最小化数据流传输时间。4）基于以上算法协议研究，搭建了容器化、扩平台、易扩展的智能边缘计算平台。 . 项目在云边端在线协同机制领域的研究成果共发表学术论文26篇，其中CCF A类论文16篇（包括计算机网络领域顶级期刊IEEE/ACM ToN论文6篇），获学术会议最佳论文奖5次。相关成果已被来自中国、美国、欧洲等国家和地区约40个IEEE/ACM会士团队引用和关注；团队搭建的智能安全边缘计算平台已实现在线智能协同、边缘离线自治、跨子网通信，被上海交通大学、香港大学等同行选作实验平台。研究成果也获得企业关注，与华为，MSRA等开展落地应用合作。项目培养博士研究生4名，硕士研究生7名（其中毕业博士生2名，硕士生5名）。项目负责人2021年入选第六批国家“万人计划”青年拔尖人才支持计划。