雾计算的任务卸载在移动终端的研究

针对移动云计算存在的传输延迟高和核心网络负载严重等问题，主流的解决方案是通过计算下沉的方式在路侧单元上部署边缘服务器，这种卸载到边缘服务器或路由器的计算模式称为雾计算。本文提出了两种雾计算环境下的任务卸载算法：泛洪算法和基于阈值的切换算法，并通过Matlab R2017a平台对这两种卸载算法进行分析，并与本地执行和卸载到云服务器执行进行比较。结果表明雾计算环境下的任务卸载算法不仅能减轻云服务器的负载，而且能够大大缩短任务的完成时间。雾计算环境下，基于阈值的切换算法比泛洪算法更好地节约任务完成时间。

根据工信部发布的通知数据显示：2021 年，全球物联网连接设备将超过180 亿台，而我国的物联网设备数量在2020 年就达到100 亿台，预测将于2025 年增长到220 亿台，成为万亿级别的市场。随着移动联网设备的爆炸式增长，如何处理资源受限设备的海量数据成为了该领域的研究热点，移动云计算(Mobile Cloud Computing, MCC)是过去十年解决设备资源受限主流方案[1]。

移动云计算通过对网络的计算、存储资源进行整合，实现随时随地按需获取资源的使用。计算卸载(Computing Offloading) [2]就是指把任务从资源受限的设备迁移到资源丰富的设备上进行处理。移动云计算主要是利用云服务器的计算资源和存储资源等优势，弥补移动设备的资源缺陷，给用户提供了更好的交互体验。随着与日俱增的密集型任务需要计算，移动云计算中云服务器流量过载、高传输延时等问题日益严重。

来自学术界和工业界的研究人员一直在积极推进运用计算下沉的方式在路侧单元上部署边缘服务器，使得处于网络边缘的路侧单元具有云计算能力。这种将计算能力、通信能力、存储能力推向网络系统边缘的模式称为雾计算(Fog Computing) [3]。相对于云计算模式，雾计算使得计算、通信等功能更加贴近用户设备，不仅可以减少数据传输的时延，还可以满足较高的移动性。

在具体计算中，我们要考虑到设备的移动性可能会影响到设备到代理节点的通信链路，进而影响到任务卸载的完成时间。为解决此问题，文中提出了基于泛洪[4]的任务卸载方案和基于阈值切换的[5]任务卸载方案，都能缩短任务完成时间，并且有效地提高边缘层的任务卸载效率。

在本文其他部分，介绍了卸载场景，描述了实验算法，并引入泛洪和计算切换的概念，最后经过实验对不同方案的平均任务执行时间和平均任务完成时间进行了对比。

2. 雾计算卸载决策 2.1. 卸载场景与架构 如图1 为雾计算的卸载场景，网络分为移动设备群–边缘层–中心云层三层计算架构。移动设备的任务请求不仅可以通过宏基站访问云服务器，还可以在贴近移动设备的边缘服务器上执行。

如图2 为雾计算的卸载架构[6]。在移动设备收到任务卸载请求时，设备的资源发现模块就能通过目标选择模块根据目标选择策略搜寻周围可用代理资源，然后根据卸载分割决策做出相应的卸载决策。