文献：Fair Task Offloading among Fog Nodes in Fog Computing Networks
本文提出了一种雾计算网络公平任务卸载的分析框架。制定了任务延迟和相应的能耗。然后，为每个雾节点构建公平调度度量。
两步公平任务卸载（FTO）方案，该方案根据公平度量选择卸载雾节点，然后基于最小化任务延迟的规则将任务卸载到所选节点。
一、引言
计算、中继、缓存、控制等在内的服务可以通过网络功能虚拟化（NFV）和软件定义网络（SDN）技术灵活部署在这些无处不在的雾节点上，从而形成以用户为中心的网络。
专注于最小化任务延迟或总能量消耗的任务卸载方案可能会导致离终端节点最近的雾节点承受极其沉重的负担。考虑到雾节点的不同计算能力和可持续性，在追求卓越的网络性能时，有必要在雾节点之间实现公平的能耗。
一种具有多个雾节点的任务卸载网络结构，考虑每个雾节点的时间、能量效率和优先级，为每个雾节点构建公平调度度量。提出了公平任务卸载（FTO）方案：根据公平调度度量确定的概率选择雾节点，然后根据最小化任务延迟的规则将任务卸载到所选雾节点。
二、系统模型和问题公式
1、系统模型
雾簇具有单个终端节点和随机分布在终端节点周围的总共N个雾节点。雾节点分为主动雾节点和被动雾节点。
主动雾节点由电路供电，对能耗不那么敏感。
被动雾节点由电池供电，电池寿命有限，对能耗敏感。
在追求最小任务延迟时，将选择具有最强计算能力的最近雾节点。但这可能会导致某组雾节点（尤其是被动雾节点）的高能耗无法接受。
2、任务延迟
任务延迟被定义为所有子任务的最大延迟。
3、能源消耗量
在任务延迟和N个备选雾节点之间的公平能耗之间实现平衡。
三、雾节点间的公平任务卸载
- 日志节点选择的公平性
具有更高数据处理速率、更低历史能耗和更大调度优先级参数的雾节点更有可能被选择用于任务卸载。
选择高速率雾节点和低能耗雾节点之间实现平衡。 - 延迟最小化的任务卸载
四、数值结果
在多个情况下评估任务延迟、能耗和雾节点能耗公平性。
1、模拟设置
S1：FTO公平任务卸载策略
S2：最大速率卸载方案
S3：完全相等卸载方案：所有备选雾节点的调度度量和所有选定雾节点的子任务负载量都相等。
S4：本地计算
2、模拟结果和分析
前三种任务卸载方案都可以通过消耗更多的能量来进行数据传输，从而实现显著低于S4的平均任务延迟。
FTO方案实现了高得多的公平指数，而S2仅倾向于选择具有最快数据处理速率的最近雾节点，而不考虑不同雾节点之间的公平能耗。
S3简单地在所有备选雾节点之间采用了相等的任务卸载，并实现了相当高的公平性指标，而任务延迟和能耗都大于所提出的FTO方案。
五、结论
通过考虑雾节点的时间、能量效率和优先级，为每个雾节点构建公平调度度量。
FTO方案根据这些公平性度量选择卸载雾节点，然后基于最小化任务延迟的规则将子任务卸载到所选节点。实现更低的延迟，更好地支持移动性和安全性，并减轻传输链路的负担。
