Edge computing, a fast evolving computing paradigm, has spawned a variety of new system architectures and computing methods discussed in both academia and industry. Edge servers are directly deployed near users’ equipment or devices owned by telecommunications companies. This allows for offloading computing tasks of various devices nearby to edge servers. Due to the shortage of computing resources in edge computing networks, they are often not as sufficient as the computing resources in a cloud computing center. This leads to the problem of service load imbalance once the load in the edge computing network increases suddenly. To solve the problem of “load evacuation” in edge environments, we introduce a strategy when the number of service requests for mobile devices or IoT devices increases rapidly within a short period of time. Therefore, to prevent poor QoS in edge computing, service load should be migrated to other edge servers to reduce the overall delay of these service requests. In this article, we have introduced a strategy with two stages during the burst load evacuation. Based on an optimal routing search at the dispatching stage, tasks will be migrated from the server in which the burst load occurs to other servers as soon as possible. Subsequently, with the assistance of the remote server and edge servers, these tasks are processed with the highest efficiency through the proposed parallel structure at the scheduling stage. Finally, we conduct numerical experiments to clarify the superiority of our algorithm in an edge environment simulation.

中文翻译：

---

分布式边缘网络中基于调度和调度的突发负载疏散

边缘计算是一种快速发展的计算范例，它催生了学术界和工业界讨论的各种新的系统架构和计算方法。边缘服务器直接部署在用户的设备或电信公司拥有的设备附近。这允许卸载边缘服务器附近的各种设备的计算任务。由于边缘计算网络中计算资源的短缺，它们通常不如云计算中心中的计算资源足够。一旦边缘计算网络中的负载突然增加，这将导致服务负载不平衡的问题。为了解决边缘环境中的“负载疏散”问题，我们引入了一种策略，当移动设备或IoT设备的服务请求数量在短时间内迅速增加时。所以，为防止边缘计算中的QoS较差，应将服务负载迁移到其他边缘服务器，以减少这些服务请求的总体延迟。在本文中，我们介绍了一种在突发负载疏散期间分两个阶段的策略。基于调度阶段的最佳路由搜索，任务将尽快从发生突发负载的服务器迁移到其他服务器。随后，在远程服务器和边缘服务器的协助下，在计划阶段通过建议的并行结构以最高效率处理这些任务。最后，我们进行数值实验以阐明我们的算法在边缘环境仿真中的优越性。服务负载应迁移到其他边缘服务器，以减少这些服务请求的总体延迟。在本文中，我们介绍了一种在突发负载疏散期间分两个阶段的策略。基于调度阶段的最佳路由搜索，任务将尽快从发生突发负载的服务器迁移到其他服务器。随后，在远程服务器和边缘服务器的协助下，在计划阶段通过建议的并行结构以最高效率处理这些任务。最后，我们进行数值实验以阐明我们的算法在边缘环境仿真中的优越性。服务负载应迁移到其他边缘服务器，以减少这些服务请求的总体延迟。在本文中，我们介绍了一种在突发负载疏散期间分两个阶段的策略。基于调度阶段的最佳路由搜索，任务将尽快从发生突发负载的服务器迁移到其他服务器。随后，在远程服务器和边缘服务器的协助下，在计划阶段通过建议的并行结构以最高效率处理这些任务。最后，我们进行数值实验以阐明我们的算法在边缘环境仿真中的优越性。任务将尽快从发生突发负载的服务器迁移到其他服务器。随后，在远程服务器和边缘服务器的协助下，在计划阶段通过建议的并行结构以最高效率处理这些任务。最后，我们进行数值实验以阐明我们的算法在边缘环境仿真中的优越性。任务将尽快从发生突发负载的服务器迁移到其他服务器。随后，在远程服务器和边缘服务器的协助下，在计划阶段通过建议的并行结构以最高效率处理这些任务。最后，我们进行数值实验以阐明我们的算法在边缘环境仿真中的优越性。