在边缘计算中有向无环图任务高效调度方法

随着用户对延迟敏感的应用程序的需求不断增长,边缘计算环境中的高效任务调度对于及时满足用户需求变得至关重要。边缘计算环境下有向无环图(directed acyclic graph,DAG)调度的静态任务调度方法,旨在研究最小化任务完成时间并及时响应用户需求。为了模拟边缘计算场景,本文采用Kubernetes(K8s)集群,通过构造基于深度优先搜索的异构最早完成时间(heterogeneous earliest finish time based on depth-first search,D-HEFT)调度算法优化了高效率任务调度。该算法使用深度优先搜索算法来优化异构最早完成时间(heterogeneous earliest finish time,HEFT)算法。实验结果表明,D-HEFT算法在任务调度效率和任务完成时间方面优于HEFT、具有复制的异构最早完成时间(heterogeneous earliest finish time with duplication,HEFT_D)、HEFT_U和处理器上的关键路径(critical path on the processor,CPOP)四种任务调度方法。