分解理论与可靠性分析相遇：处理车载云中计算密集型依赖任务的动态资源
摘要：车载云（VC）是在智能车辆上处理计算密集型应用程序（CI-Apps）的一种有前景的技术。在网络边缘实施VC面临两个关键挑战：（C1）单个车辆的机载计算资源经常不足以处理CI-App；（C2）由于车辆的移动性所引起的可用资源的动态性阻碍了可靠的CI-App处理。本文是首次共同解决（C1）和（C2），同时考虑两种常见的CI-App图形表示，即有向无环图（DAG）和无向图（UG）。为了解决（C1），我们考虑将具有m个依赖（子）任务的CI-App分割为kle m组，这些组分散在车辆之间。为了解决（C2），我们引入了一个称为条件平均故障时间（C-MTTF）的广义可靠性度量。随后，通过引入基于冗余的依赖子任务处理的半动态VC（RP-VC）的通用框架，我们增加了处理依赖子任务的C-MTTF。我们证明了RP-VC可以建模为一个非平凡的半马尔可夫过程（SMP）。为了分析这个SMP模型及其可靠性，我们开发了一个称为事件随机代数〈e〉-代数的新的数学框架。基于〈e〉-代数，我们提出了分解定理（DT）将所述SMP转化为分解SMP（D-SMP）。随后，我们计算了我们方法的C-MTTF。我们证明了〈e〉-代数和DT是可以用来分析其他基于云的网络的通用数学工具。仿真结果显示了我们分析结果的准确性以及我们方法在CI-App处理的接受率和成功率方面的效率。
作者：Payam Abdisarabshali, Minghui Liwang, Amir Rajabzadeh, Mahmood Ahmadi, Seyyedali Hosseinalipour
论文ID：2210.07337
分类：Distributed, Parallel, and Cluster Computing
分类简称：cs.DC
提交时间：2023-06-23