Event-Driven Double Dueling Deep Q-Learning for Efficient Serverless Edge Function Offloading and Scheduling

Manish Pandey

doi:10.1109/tcc.2026.3703387

Event-Driven Double Dueling Deep Q-Learning for Efficient Serverless Edge Function Offloading and Scheduling

2026-06-15

0

PRE

AI

DOI：10.1109/tcc.2026.3703387

原文链接

原文求助

摘要

En 中文

无服务器边缘计算结合了无服务器平台的可扩展性和成本效益以及边缘系统的低延迟优势。然而，单个边缘节点的有限计算能力和频繁的冷启动往往导致等待时间过长和错过截止时间。尽管水平卸载可以缓解本地过载，但传统启发式方法依赖静态指标，忽视了队列积压、热容器和内存分配等关键条件，这常常将瓶颈转移到邻近节点。本文提出了一种协作式无服务器边缘架构，将智能水平卸载与自适应节点内调度层相结合。双决斗深度Q学习（D3QL）代理根据实时反馈指导任务放置，而所选节点的调度器优先处理请求以增加热启动重用并保护对截止时间敏感的工作负载。调度器的决策反馈给代理，形成全局和本地控制之间的持续改进循环。使用生产环境Azure和阿里云追踪数据的评估表明，我们的方法始终优于基线方法，实现了更高的任务完成率和保障率、减少的内存消耗以及改善的热启动比率。在OpenWhisk上使用一小时Azure调用追踪时，我们的方法比本地执行提高了67.46%的任务完成率。

Keyword:

Serverless computing

edge computing

reinforcement learning

horizontal offloading

task scheduling

Event-Driven Double Dueling Deep Q-Learning for Efficient Serverless Edge Function Offloading and Scheduling

摘要

期刊

机构

引用论文