.png){kind=icon}
返回
Cache–aware task and workflow ensemble scheduling in edge–based infrastructures
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05705-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决云计算在支持低延迟敏感型应用方面的局限性，边缘计算已作为一种有前景的解决方案出现。该范式将计算资源部署在靠近终端用户设备的网络边缘。它特别适用于延迟和安全敏感型应用，这些应用通常涉及较低的处理器需求，但终端设备与服务器之间交互频繁。然而，发挥基于边缘的基础设施的全部潜力需要全面且有效的资源管理策略。该领域存在若干重大挑战。为克服这些问题，本文提出了一种面向边缘环境的缓存感知型任务与工作流集成调度方案。所提方法利用工作流集成模型来考虑任务依赖关系并确定应用中的执行顺序。为提高资源管理效率，它将缓存感知引入调度算法，以减少数据传输成本、提高数据可用性、降低服务延迟并增强整体系统性能。具体而言，我们旨在在工作流集成调度前，在边缘服务器上主动缓存频繁访问的数据。随后应用调度策略，将任务最优分配给资源，以最小化每个集成中的总工作流执行时间。仿真结果表明，所提方法在执行时间和效率方面优于现有方法。
Keyword:
Resource management
Task scheduling
Workflow ensemble
Cloud computing
Edge computing
