云雾混合计算环境的资源管理与任务调度研究

The integration of vehicular networks and cloud computing for vehicular cloud provides a promising direction for future smart city and Internet-of-Things industry. Traditional vehicular cloud is based on centralized cloud and suffers several problems such as long latency, network jitter, deficient mobility support and so on. To address these limitations, pioneering researchers recently proposed fog computing as complementary to existing cloud. Fog computing extends the cloud resources to the network edge and therefore is close to users. In this project, we are going to study resource allocation and task scheduling in vehicular cloud environment augmented with fog computing by means of theoretical analysis, analysis and algorithm design. At first, we will analyze the mobility trace of vehicles to analyze the mobility characteristics and derive the relationship between vehicles and fog nodes so as to study fog node deployment problem. Next, we will analyze the relationship between the resource requirement and quality-of-service (QoS), based on which we will study the resource allocation among different vehicles using game theory to balance the resource allocation and resource utilization. After that, we further analyze the relationship between QoS, operational expenditure and task scheduling so as to build a model to describe the relationship between QoS and offloading strategy using stochastic analysis. Then, we study how to offload the computation tasks among local vehicle, fog node and cloud to optimize the resource allocation for operational expenditure minimization, while with guaranteed QoS at the same time. By this project, we are expected to expose the relationship between resource allocation and QoS in hybrid fog and cloud environment and to explore efficient task scheduling strategy, for build theoretical support to vehicular applications supported by both cloud and fog computing.

车联网和云计算的结合是智慧城市与物联网产业发展的重要方向。基于传统云平台的移动云计算存在着时延大、网络抖动、移动支持不足等问题。雾计算将云资源从网络核心向网络边缘扩展，是移动网络的研究前沿。本课题拟从理论分析、模型建立和求解及算法设计着手，针对车辆的移动特性，首先分析城市车辆的移动特征，建立雾结点和移动结点服务请求的关联关系，研究异构雾结点部署策略；然后，分析服务质量需求与既有资源部署之间的差异，通过博弈论的方法研究资源分配的公平和资源利用的均衡；在此基础上，通过分析任务调度与服务质量、服务成本之间的关系，再由随机过程理论建立服务质量与分流决策间的关系模型。旨在实现云雾混合计算环境下资源管理和利用的优化，保证服务质量的前提下综合优化计算分流的成本、能耗和效率。本课题可望在理论上揭示异构资源管理和应用服务质量的关联关系，探索高效能的任务调度策略，为快速发展的车载云应用提供必要的基础理论支撑。

传统云计算通常采用“移动端-云端”（Mobile-Cloud）的两层架构，其不足主要体现在：计算分流的时延较大、资源或服务的调度和管理对移动性支持不足、网络抖动易造成服务质量的不稳定等。雾计算概念的内涵，本质上是通过在固定云端和移动端之间增加一层分布式计算平台，从而形成一种“移动端-雾端-云端”（Mobile-Fog-Cloud）的三层体系架构。这种三层架构给移动端应用的计算分流带来了多种可能性，极大地增强了网络的灵活性。本项目围绕云雾混合计算环境的资源管理与任务调度的相关问题开展了研究工作。针对三层架构下的资源管理与任务调度等问题，分析影响性能的关键因素，设计具体模型和算法，通过理论分析和仿真试验，评价所设计算法与机制的性能。研究工作简要总结如下：从移动用户端的任务需求和移动模式，以及从基础架构提供商的角度系统讨论雾节点部署成本问题，将雾节点资源部署的同构假设扩展到异构，可以在满足请求服务质量约束的情况下实现成本最小化；云雾混合计算离不开网络功能虚拟化，针对虚拟网络功能映射和调度问题开展研究，首次提出在一个虚拟机上通过函数映射和抢占式任务调度的联合优化，最小化全系统任务的总完成时间；首次提出多路径路由和虚拟机放置问题的联合优化问题，设计了一种高效的启发式算法；针对海量矢量风场数据处理无法满足实时性的问题，研究了如何有效利用边缘计算资源来加速处理的计算任务，设计了数据流化调度策略，通过精细的数据划分，数据流传输和计算任务调度策略以确保实时处理，有效证实了雾计算的可行性，以及资源管理和任务调度对计算加速比的提升作用；在移动轨迹的时空规律挖掘方面，首次实现了单移动节点的多运动轨迹挖掘，能够正确地挖掘符合人类常识的多路径，生成的多路径能够高精度地反映个体移动模式。总体而言，通过多个角度、系统地对云雾混合计算环境下资源管理与任务调度问题展开了研究工作，取得了良好的效果，达到了预期研究目标。