# TaskOffloading

**Repository Path**: he-guodong15923/task-offloading

## Basic Information

- **Project Name**: TaskOffloading
- **Description**: No description available
- **Primary Language**: Go
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2024-02-01
- **Last Updated**: 2024-02-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 计算卸载模块（*TaskOffloading*）

### 1 介绍
- 基于**边缘智能网关**的**计算卸载模块**
- 模块**轻便灵活，耦合度低**，可看做**双路输入、单路输出的黑盒**，作为**微服务**部署于*docker*中，**随取随用**
- **使用*redis*数据库**实现**任务特征数据存储(*TFDB*)**，**使用*MQTT*协议**从**算力网络图模块(*CNet*)读取网络性能数据**，**使用*gRPC*协议**向**任务缓存模块(*Client*)发送计算卸载决策**
- 使用**图论算法**实现了**计算卸载的决策**

### 2 原理
  - 输入网络数据
    - 计算卸载模块需要读取网络性能数据与计算任务数据
    - 网络性能数据：包括每个计算节点的性能数据（**计算资源、存储资源与网络资源余量等**），计算卸载模块**定时**从本地的*ComNet*模块**读取并覆盖**本地的监控信息
    - 计算任务数据：包括计算任务的特征数据（**计算量、输入数据大小、截止期限等**），每当有**经过活动物体检测模块的计算任务**到达计算卸载模块时，计算卸载模块根据任务类型，从**计算任务特征数据库**读取计算任务的特征信息
  - 执行计算卸载决策
    - 使用计算卸载模块中的**时延矩阵函数**，计算每组计算任务与计算节点间的最低处理时延
    - 使用计算卸载模块中的**卸载决策函数**，对计算任务与计算节点的匹配进行决策
  - 计算卸载决策结果回传
    - 将计算卸载决策**回传给缓存计算任务的客户端**，由**先前建立的连接**将计算卸载决策结果（**目标节点的IP地址**）发回任务缓存模块(*Client*)，*Client*根据*IP*地址，将计算任务的输入数据发送至指定的计算节点

<img src="https://cdn.jsdelivr.net/gh/AmaneHayashi/PictureBed/1604315029.jpg"/>

### 3 算法
  $$f(M[W,D,T],N[F,C,E])\rightarrow map(键值对集合)$$
  <img src="https://cdn.jsdelivr.net/gh/AmaneHayashi/PictureBed/1604315119.jpg"/>
  - 时延矩阵函数
  $$f_1(M[W,D,T],N[F,C,E])\rightarrow matrix(最优时延矩阵)$$
    - 输入：计算任务数据（$M$组）、网络性能数据（$N$组）
    - 输出：最优时延矩阵（$M\times N$阶）
    - 函数功能：以**时延最低**作为优化目标，求出每个计算任务分配给每个节点应分配的最佳资源量，并求出此时每个计算任务分配给每个节点的时延
  - 卸载决策函数
  $$f_2(matrix)\rightarrow map(键值对集合)$$
    - 输入：网络性能数据（$N$组）、最优时延矩阵（$N\times N$阶）
    - 输出：计算卸载决策结果（键值对）
    - 函数功能：将最佳资源量矩阵看作一个**加权二部图的邻接矩阵**，使用**图论算法**求出最优的计算卸载决策

### 4 贡献
- *Fork* 本仓库
- 新建 *to_xxx* 分支
- 提交代码
- 新建 *Pull Request*