T/CI 164-2023 面向移动边缘计算的软件自适应卸载技术规范

ICS35.240.50

CCSL70

CI

团体标准

T/CI164-2023

面向移动边缘计算的软件自适应卸

载技术规范

Standardonadaptivelyoffloadingthesoftwareformobileedgecomputing

2023-10-16发布2023-10-16实施

中国国际科技促进会 发布

T/CI164-2023

目次

前言......................................................................II

面向移动边缘计算的软件自适应卸载技术规范.....................................1

1范围.......................................................................1

2规范性引用文件.............................................................1

3.术语和定义.................................................................1

4针对自适应卸载的软件自动重构...............................................3

4.1针对OO软件自适应卸载的程序自动重构..................................3

4.2针对DNN软件自适应卸载的程序自动重构.................................4

5计算卸载的开销评估.........................................................5

5.1OO模型的开销评估.....................................................5

5.2DNN模型的开销评估....................................................8

6计算卸载的智能调度........................................................11

6.1卸载方案的求解加速..................................................11

6.2卸载方案在线决策算法................................................13

I

T/CI164-2023

前言

本文件按照《标准化工作导则第1部分：标准的结构和编写》GB/T1.1-2020给出的规

则起草。

某些内容可能涉及专利，本文件的发布机构不承担识别这些专利的责任。

本文件由福州大学提出。

本文件中国国际科技促进会归口。

本文件起草单位：福州大学、福建师范大学、上海交通大学、北京大学、国网信通亿

力科技有限责任公司、厦门盈趣科技股份有限公司、长威信息科技发展股份有限公司、国

科联盟（北京）国际信息科学研究院。

本文件主要起草人：陈星、陈哲毅、李鸣、张建山、林兵、钟浩、马郓、林晓康、罗

义旺、李金湖、陈建成、林志斌、陈征宇、黄炳裕、赵芳萱。

本文件为首次提出。

II

T/CI164-2023

面向移动边缘计算的软件自适应卸载技术规范

1范围

本文件规范了面向移动边缘计算的软件自适应卸载的相关技术，包括针对自适应卸载

的软件自动重构、计算卸载的开销评估、计算卸载的智能调度等。

本文件适用于解决电力物联网、智能家居、智慧生态等领域中存在的移动边缘环境下

软件自适应卸载的相关问题。

2规范性引用文件

下列文件对于本标准的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本

适用于本标准。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本标

准。

ISO/IECTR23188:2020Edgecomputinglandscape

ISO/IECTR30164:2020Edgecomputing

T/ZGTXXH010—2021边缘计算总体架构与要求

3.术语和定义

下列术语和定义适用于本文件。

3.1

计算密集型任务Compute-intensivetask

计算量远大于访问存储器、通信和输入输出的一类任务。

3.2

中间件Middleware

中间件是介于应用系统和系统软件之间的一类软件，它使用系统软件所提供的基础服

务（功能），衔接网络上应用系统的各个部分或不同的应用，能够达到资源共享、功能共享

的目的。

3.3

移动云计算MobileCloudComputing,MCC

移动云计算是指通过移动网络以按需、易扩展的方式获得所需的基础设施、平台、软

1

T/CI164-2023

件(或应用)等的一种IT资源或(信息)服务的交付与使用模式。

3.4

移动边缘计算MobileEdgeComputing,MEC

可利用无线接入网络就近提供电信用户IT所需服务和云端计算功能，而创造出一个具

备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的快速

下载，让消费者享有不间断的高质量网络体验。

3.5

服务器Server

服务器是计算机的一种，它比普通计算机运行更快、负载更高、价格更贵。服务器在

网络中为其它客户机（如PC机、智能手机、ATM等终端甚至是火车系统等大型设备）提

供计算或者应用服务。服务器具有高速的CPU运算能力、长时间的可靠运行、强大的I/O

外部数据吞吐能力以及更好的扩展性。

3.6

面向对象ObjectOriented,OO

面向对象的方法就是利用抽象、封装等机制，借助于对象、类、继承、消息传递等概

念进行软件系统构造的软件开发方法。

3.7

深度神经网络DeepNeuralNetworks,DNN

深度神经网络是机器学习(ML,MachineLearning)领域中一种技术，是一种具备至少一

个隐藏层的，利用激活函数去线性化，使用交叉熵作损失函数，利用反向传播优化算法

（随机梯度下降算法、批量梯度下降算法）进行学习训练（调整并更新神经元之间的权重）

的前馈神经网络。

3.8

怀卡托智能分析环境WaikatoEnvironmentforKnowledgeAnalysis,Weka

Weka是一款免费的，非商业化的，基于JAVA环境下开源的机器学习以及数据挖掘软

件。

3.9

决策树DecisionTree

决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值

大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析

2

T/CI164-2023

的一种图解法。

3.10

随机森林RandomForest,RF

在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个

别树输出的类别的众数而定

3.11

R语言

R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、

源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

3.12

深度强化学习DeepReinforcementLearning,DRL

深度强化学习将深度学习的感知能力和强化学习的决策能力相结合，可以直接根据输

入的图像进行控制，是一种更接近人类思维方式的人工智能方法。

4针对自适应卸载的软件自动重构

针对OO模型和DNN模型，以对象实例和DNN层为卸载单元，实现自适应卸载使能

机制。

4.1针对OO软件自适应卸载的程序自动重构

为支持Android应用的计算迁移，需要将应用进行重构。图1展示了重构步骤，具体

内容如下：

图1重构步骤

步骤1：检测哪些类是Movable的。对于给定的应用程序，将Java类分为两类：

Anchored和Movable。Anchored类必须留在移动设备上，因为它们直接使用仅在移动设备

上可用的一些特殊资源，例如显示的GUI（图形用户界面），重力传感器，加速度传感器，

3

T/CI164-2023

指纹传感器和其他传感器。除了Anchored类之外，剩余的类都是Movable类。

步骤2：使Movable类能够迁移。当迁移类时，将该类与其交互类之间的本地调用结

构变为按需远程调用结构。如果迁移类调用Anchored类，则后者需要前者的代理。代理生

成是将应用程序代码中所有对象创建方式转换成如下：（1）当目标位置是本地主机时，直

接创建实例及其ID，然后使用类名和实例ID生成代理；（2）当目标位置是远程节点资源

时，本地将序列化参数（类N的完全限定类名，要创建的实例的目标位置和类实例的构造

函数参数值）并将它们传输到远程。然后远程反序列化参数，并在远程节点资源上创建实

例及其ID和代理。然后，返回ID，本地使用它来生成代理。

步骤3：检测哪些类应作为一个整体迁移。将经常交互的类应作为一个整体迁移。

步骤4：打包可部署文件。完成上述三个步骤后，打包Android应用程序的Java字节

码文件以及引用的资源文件，例如图像，xml文件和jar库，然后生成两个工件。第一个是

重构的Android应用程序，即.apk文件，可以安装在手机上。第二个是可执行jar文件，其

中包含从重构的应用程序克隆的可移动Java字节码文件，能够在远程服务节点上运行。

4.2针对DNN软件自适应卸载的程序自动重构

为支持DNN应用的计算迁移，需要对Python源码进行如下几个步骤的重构：

步骤1：入参准备。在传入初始化数据至网络中时，新增参数、和

，分别表示当前节点处理的初始层标号和DN结N束层标号以及DNN应用In执itL行的E进nd度L。

Curre步nt骤L2：新增管道机制。新增方法于执行每一层之前，该方法决定

是否由当前节点的过滤器执行，对过Pip滤e(器i)起激活作用，具l体ay算er[法i]如下：

l算ay法er[i1]:"Pipe(i)"算法

Input：

TheconfigurationfileofDNNlayers;

ThenumberofcurrentDNNlayerconfig-file[]

Output:CurrentL

Targetlayerinformation

Declare:

remote()—theremoteexecution,

𝑂𝑢��,CurrentL,kwherekisthelastlayerontheremote

Procedurepipe(x,,CurrentL)

1:ifcothnefing-file[]

xCurrentL

4

T/CI164-2023

2:return

3:endif

4:ifandthen

5:rxeturnCurrentLconfig-filexLOCAL

6:endifCurrentL

7:ifandthen

8:txransfCeurrrentLthrocuognhfiRg-PfiClex.contains("REMOTE")

9:calculateOtuhtepnuutmberofthenextfilteronthecurrentnode

10:layer[k-1]=remote(,CurrentL,k-1)→k

11:returnkOutput

12:endif

EndProcedure

函数的入参包括卸载方案以及即将激活的DNN层序号。如果该计算节点不负

责DpNiNpe层()的执行，直接返回从而卸载DNN层(第1-3行)。x如果当前计算节点负责

DNN层的x执行，因此直接返回需激活的过滤器标�号从而激活过滤器(第4-6行)。如果

执行至当x前位置，然而下一个待激活的DNN层为不在当前计算节点上x时，先将上述参数

Output通过该管道的RPC机制传输并激活远程节点�的过滤器（第7-8行)；在等待远程卸载

的结果返回后，计算下一个在当前计算节点上执行的DNN层，并将接收到的远程执行结

果赋值给DNN层的前序DNN层(第9-10行)；最后，�返回下一个在本地待激活的

DNN