CN108304256A - 一种边缘计算中低开销的任务调度方法及装置 - Google Patents
一种边缘计算中低开销的任务调度方法及装置 Download PDFInfo
- Publication number
- CN108304256A CN108304256A CN201810128175.9A CN201810128175A CN108304256A CN 108304256 A CN108304256 A CN 108304256A CN 201810128175 A CN201810128175 A CN 201810128175A CN 108304256 A CN108304256 A CN 108304256A
- Authority
- CN
- China
- Prior art keywords
- server
- task
- jth
- tasks
- overhead
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004364 calculation method Methods 0.000 title claims abstract description 16
- 230000006870 function Effects 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明实施例公开了一种边缘计算中低开销的任务调度方法及装置,方法包括:计算每台服务器的单位开销,并根据单位开销的递增顺序依次存入服务器集合;依次从所述服务器集合中获取各服务器,并将当前服务器中能够满足资源需求的任务存入任务集合;若所述任务集合不为空,则计算所述任务集合中每个任务的填充函数,并将填充函数最大的任务调度到当前服务器上;若所述任务集合为空,则将所述服务器集合中的第一个服务器剔除。本发明实施例通过对服务器的单位开销进行排序,依次选择单位开销最小的服务器处理任务,获得原始任务调度方案,然后通过判断任务集合是否为空从而执行不同操作来对原始调度方案进一步优化,能够有效降低服务器的运行开销。
Description
技术领域
本发明实施例涉及计算机技术领域,具体涉及一种边缘计算中低开销的任务调度方法及装置。
背景技术
随着物联网技术的快速发展以及4G/5G无线网络的普及,未来网络边缘设备的数量将会急速增加,据思科互联网业务解决方案集团预测,到2020年,连接到网络的无线设备数量将达到500亿台。但是由于边缘设备仅有有限的计算能力和能量,因此边缘设备所产生的海量数据需要转移到云中进行处理。虽然传统集中式处理的云计算中心凭借其超强的计算能力可以处理和存储海量的数据,但是由于边缘设备到云计算中心的复杂网络结构会造成严重的网络延迟。并且如果海量的边缘设备数据传入云中心处理,现有网络将会出现严重拥塞现象。因此现有的云计算相关技术并不能完全高效地处理网络边缘设备所产生的海量数据,新的计算模型需要用来处理海量的边缘设备数据。以边缘计算模型为核心的面向海量网络边缘设备数据的计算的分布式大数据处理应运而生。
在边缘计算模型中,在靠近设备的网络边缘(例如基站)中部署若干计算和存储资源来对数据进行处理。边缘设备产生的数据能够通过无线的方式直接发送到边缘云中进行处理,处理的结果直接返回边缘设备或者发送给云计算中心。边缘计算模型不仅可以满足应用服务的低延时需求,还可以有效的降低网络流量。因此,随着万物互联的发展,边缘计算模型将成为新兴万物互联应用的支撑平台。在边缘计算系统中,合理的任务调度策略是提高系统资源利用率以及节约系统资源的关键性问题。
但是,现有的任务调度方法中缺少有效的减少边缘云系统中服务器运行开销的方法。
发明内容
由于现有方法存在上述问题,本发明实施例提出一种边缘计算中低开销的任务调度方法及装置。
第一方面,本发明实施例提出一种边缘计算中低开销的任务调度方法,包括:
计算每台服务器的单位开销,并根据单位开销的递增顺序依次存入服务器集合;
依次从所述服务器集合中获取各服务器,并将当前服务器中能够满足资源需求的任务存入任务集合;
若所述任务集合不为空,则计算所述任务集合中每个任务的填充函数,并将填充函数最大的任务调度到当前服务器上;
若所述任务集合为空,则将所述服务器集合中的第一个服务器剔除。
可选地,所述计算每台服务器的单位开销具体包括:
根据以下公式一计算第j台服务器的单位开销uj:
其中,Cj为第j台服务器的运行开销;Zj为资源量函数,所述资源量函数Zj根据以下公式二计算得到:
其中,m为边缘云中可用的服务器数量,Sj为第j台服务器的最大存储空间,Vj为第j台服务器的虚拟机部署个数,Bj为第j台服务器的最大通信带宽。
可选地,所述计算所述任务集合中每个任务的填充函数,具体包括:
根据以下公式三计算第i个任务的填充函数Fi:
其中,si为第i个任务的存储空间大小,bij为第i个任务在第j台服务器中需要占用的带宽,为第j台服务器的剩余存储空间,为第j台服务器的剩余虚拟机部署个数,为第j台服务器的剩余通信带宽。
可选地,所述服务器集合包括:服务器的最大通信带宽,服务器的最大存储空间,虚拟机部署个数,每台虚拟机的计算速度以及服务器的运行开销。
所述任务集合包括:CPU计算量、存储空间大小和最低完成时延要求。
可选地,所述方法还包括:
若判断获知满足资源需求的所有任务都被调度到服务器上进行处理,则确定任务调度完成。
可选地,所述方法还包括:
依次获取单位开销最小的目标服务器中的目标任务,若判断获知所述服务器集合中的第一个服务器能够满足资源需求,则将所述目标任务调度至所述第一个服务器上。
第二方面,本发明实施例还提出一种边缘计算中低开销的任务调度装置,包括:
单位开销计算模块,用于计算每台服务器的单位开销,并根据单位开销的递增顺序依次存入服务器集合;
任务存储模块,用于依次从所述服务器集合中获取各服务器,并将当前服务器中能够满足资源需求的任务存入任务集合;
任务调度模块,用于若所述任务集合不为空,则计算所述任务集合中每个任务的填充函数,并将填充函数最大的任务调度到当前服务器上;
服务器剔除模块,用于若所述任务集合为空,则将所述服务器集合中的第一个服务器剔除。
可选地,所述单位开销计算模块具体用于根据以下公式一计算第j台服务器的单位开销uj:
其中,Cj为第j台服务器的运行开销;Zj为资源量函数,所述资源量函数Zj根据以下公式二计算得到:
其中,m为边缘云中可用的服务器数量,Sj为第j台服务器的最大存储空间,Vj为第j台服务器的虚拟机部署个数,Bj为第j台服务器的最大通信带宽。
第三方面,本发明实施例还提出一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行上述方法。
第四方面,本发明实施例还提出一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述方法。
由上述技术方案可知,本发明实施例通过对服务器的单位开销进行排序,依次选择单位开销最小的服务器处理任务,获得原始任务调度方案,然后通过判断任务集合是否为空从而执行不同操作来对原始调度方案进一步优化,能够有效降低服务器的运行开销。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些图获得其他的附图。
图1为本发明一实施例提供的一种边缘计算中低开销的任务调度方法的流程示意图;
图2为本发明一实施例提供的一种边缘计算的交互示意图;
图3为本发明一实施例提供的一种边缘计算中低开销的任务调度装置的结构示意图;
图4为本发明一实施例提供的电子设备的逻辑框图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
图1示出了本实施例提供的一种边缘计算中低开销的任务调度方法的流程示意图,包括:
S101、计算每台服务器的单位开销,并根据单位开销的递增顺序依次存入服务器集合。
其中,所述服务器集合包括:服务器的最大通信带宽,服务器的最大存储空间,虚拟机部署个数,每台虚拟机的计算速度以及服务器的运行开销。
S102、依次从所述服务器集合中获取各服务器,并将当前服务器中能够满足资源需求的任务存入任务集合。
其中,所述任务集合包括:CPU计算量、存储空间大小和最低完成时延要求。
S103、若所述任务集合不为空,则计算所述任务集合中每个任务的填充函数,并将填充函数最大的任务调度到当前服务器上。
S104、若所述任务集合为空,则将所述服务器集合中的第一个服务器剔除。
具体地,图2示出了本实施例提供的一种边缘计算的交互示意图,多个用户进行任务请求,产生了多个待处理任务,边缘计算代理用于执行本实施例提供的边缘计算中低开销的任务调度方法,将多个待处理任务调度至若干个服务器中。具体地,边缘计算代理计算每台服务器的单位开销,并按递增的顺序依次排序放入可用服务器集合U;从集合U选出第一个服务器,并且挑选出该服务器能够满足其资源需求的任务,放入集合K;如果K不为空,则计算集合K中每个任务的填充函数,将填充函数最大的任务调度到该服务器上;如果K为空,则将集合U中的第一个服务器剔除。重复上述,直到全部待处理任务都被调度到服务器上处理。
现有的策略只考虑如何降低通信和计算开销,而并未关注如何降低服务器运行开销,本实施例基于贪心算法的思想对任务进行调度,将需要处理任务的服务器保持在运行状态,而剩余的服务器处于关闭状态,以此来尽量减少边缘云系统在非高峰时期的服务器运行开销,从而节约边缘云系统的资源。
本实施例通过对服务器的单位开销进行排序,依次选择单位开销最小的服务器处理任务,获得原始任务调度方案,然后通过判断任务集合是否为空从而执行不同操作来对原始调度方案进一步优化,能够有效降低服务器的运行开销。
进一步地,在上述方法实施例的基础上,S101中所述计算每台服务器的单位开销具体包括:
根据以下公式一计算第j台服务器的单位开销uj:
其中,Cj为第j台服务器的运行开销;Zj为资源量函数,所述资源量函数Zj根据以下公式二计算得到:
其中,m为边缘云中可用的服务器数量,Sj为第j台服务器的最大存储空间,Vj为第j台服务器的虚拟机部署个数,Bj为第j台服务器的最大通信带宽。
具体地,假设边缘云中待处理的任务集合为T={t1,t2,…,tn},每个任务有其CPU计算量、存储空间大小和最低完成时延要求,表示为ti={wi,si,δi,di},其中wi是任务ti的CPU计算量,si是所需存储容量,δi是完成最低延迟以及di是传输数据大小。
边缘云中可用的服务器集合为E={e1,e2,…,em},每台服务器ej的模型为ej={Bj,Sj,Vj,Rj,Cj},其中Bj是服务器Ej的最大通信带宽,Sj是最大存储空间,Vj是虚拟机部署个数,Rj是每台虚拟机的计算速度(相同服务器中每台虚拟机的计算速度相同)以及Cj是该服务器的运行开销。
进一步地,在上述方法实施例的基础上,S103中所述计算所述任务集合中每个任务的填充函数,具体包括:
根据以下公式三计算第i个任务的填充函数Fi:
其中,si为第i个任务的存储空间大小,bij为第i个任务在第j台服务器中需要占用的带宽,为第j台服务器的剩余存储空间,为第j台服务器的剩余虚拟机部署个数,为第j台服务器的剩余通信带宽。
具体地,bij可以通过以下公式计算获得:
服务器ej剩余资源量和可以通过以下公式计算获得:
其中sk为每个当前已调度给该服务器任务的存储要求,L为当前已调度给该服务器任务数量,bk为每个当前已调度给该服务器任务的占用带宽。
进一步地,在上述方法实施例的基础上,所述方法还包括:
S104、若判断获知满足资源需求的所有任务都被调度到服务器上进行处理,则确定任务调度完成。
通过判断所有的待处理任务均已调度至服务器,则确定任务调度完成,以使终端获知任务调度结束,无需继续消耗终端资源和服务器资源。
进一步地,在上述方法实施例的基础上,所述方法还包括:
S105、依次获取单位开销最小的目标服务器中的目标任务,若判断获知所述服务器集合中的第一个服务器能够满足资源需求,则将所述目标任务调度至所述第一个服务器上。
具体地,选择服务器集合中的第一个服务器,依次将单位开销最小服务器上的任务重新调度到该服务器上,直至该服务器不能满足任务的资源需求,以有效降低服务器的运行开销。
图3示出了本实施例提供的一种边缘计算中低开销的任务调度装置的结构示意图,所述装置包括:单位开销计算模块301、任务存储模块302、任务调度模块303和服务器剔除模块304,其中:
所述单位开销计算模块301用于计算每台服务器的单位开销,并根据单位开销的递增顺序依次存入服务器集合;
所述任务存储模块302用于依次从所述服务器集合中获取各服务器,并将当前服务器中能够满足资源需求的任务存入任务集合;
所述任务调度模块303用于若所述任务集合不为空,则计算所述任务集合中每个任务的填充函数,并将填充函数最大的任务调度到当前服务器上;
所述服务器剔除模块304用于若所述任务集合为空,则将所述服务器集合中的第一个服务器剔除。
具体地,所述单位开销计算模块301计算每台服务器的单位开销,并根据单位开销的递增顺序依次存入服务器集合;所述任务存储模块302依次从所述服务器集合中获取各服务器,并将当前服务器中能够满足资源需求的任务存入任务集合;所述任务调度模块303若所述任务集合不为空,则计算所述任务集合中每个任务的填充函数,并将填充函数最大的任务调度到当前服务器上;所述服务器剔除模块304若所述任务集合为空,则将所述服务器集合中的第一个服务器剔除。
本实施例通过对服务器的单位开销进行排序,依次选择单位开销最小的服务器处理任务,获得原始任务调度方案,然后通过判断任务集合是否为空从而执行不同操作来对原始调度方案进一步优化,能够有效降低服务器的运行开销。
进一步地,在上述装置实施例的基础上,所述单位开销计算模块301具体用于根据以下公式一计算第j台服务器的单位开销uj:
其中,Cj为第j台服务器的运行开销;Zj为资源量函数,所述资源量函数Zj根据以下公式二计算得到:
其中,m为边缘云中可用的服务器数量,Sj为第j台服务器的最大存储空间,Vj为第j台服务器的虚拟机部署个数,Bj为第j台服务器的最大通信带宽。
进一步地,在上述装置实施例的基础上,所述任务调度模块302具体用于根据以下公式三计算第i个任务的填充函数Fi:
其中,si为第i个任务的存储空间大小,bij为第i个任务在第j台服务器中需要占用的带宽,为第j台服务器的剩余存储空间,为第j台服务器的剩余虚拟机部署个数,为第j台服务器的剩余通信带宽。
进一步地,在上述装置实施例的基础上,所述服务器集合包括:服务器的最大通信带宽,服务器的最大存储空间,虚拟机部署个数,每台虚拟机的计算速度以及服务器的运行开销。
所述任务集合包括:CPU计算量、存储空间大小和最低完成时延要求。
进一步地,在上述装置实施例的基础上,所述装置还包括:
任务判断模块,用于若判断获知满足资源需求的所有任务都被调度到服务器上进行处理,则确定任务调度完成。
进一步地,在上述装置实施例的基础上,所述装置还包括:
目标任务调度模块,用于依次获取单位开销最小的目标服务器中的目标任务,若判断获知所述服务器集合中的第一个服务器能够满足资源需求,则将所述目标任务调度至所述第一个服务器上。
本实施例所述的边缘计算中低开销的任务调度装置可以用于执行上述方法实施例,其原理和技术效果类似,此处不再赘述。
参照图4,所述电子设备,包括:处理器(processor)401、存储器(memory)402和总线403;
其中,
所述处理器401和存储器402通过所述总线403完成相互间的通信;
所述处理器401用于调用所述存储器402中的程序指令,以执行上述各方法实施例所提供的方法。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种边缘计算中低开销的任务调度方法,其特征在于,包括:
计算每台服务器的单位开销,并根据单位开销的递增顺序依次存入服务器集合;
依次从所述服务器集合中获取各服务器,并将当前服务器中能够满足资源需求的任务存入任务集合;
若所述任务集合不为空,则计算所述任务集合中每个任务的填充函数,并将填充函数最大的任务调度到当前服务器上;
若所述任务集合为空,则将所述服务器集合中的第一个服务器剔除。
2.根据权利要求1所述的方法,其特征在于,所述计算每台服务器的单位开销具体包括:
根据以下公式一计算第j台服务器的单位开销uj:
其中,Cj为第j台服务器的运行开销;Zj为资源量函数,所述资源量函数Zj根据以下公式二计算得到:
其中,m为边缘云中可用的服务器数量,Sj为第j台服务器的最大存储空间,Vj为第j台服务器的虚拟机部署个数,Bj为第j台服务器的最大通信带宽。
3.根据权利要求1所述的方法,其特征在于,所述计算所述任务集合中每个任务的填充函数,具体包括:
根据以下公式三计算第i个任务的填充函数Fi:
其中,si为第i个任务的存储空间大小,bij为第i个任务在第j台服务器中需要占用的带宽,为第j台服务器的剩余存储空间,为第j台服务器的剩余虚拟机部署个数,为第j台服务器的剩余通信带宽。
4.根据权利要求1所述的方法,其特征在于,所述服务器集合包括:服务器的最大通信带宽,服务器的最大存储空间,虚拟机部署个数,每台虚拟机的计算速度以及服务器的运行开销。
所述任务集合包括:CPU计算量、存储空间大小和最低完成时延要求。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若判断获知满足资源需求的所有任务都被调度到服务器上进行处理,则确定任务调度完成。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
依次获取单位开销最小的目标服务器中的目标任务,若判断获知所述服务器集合中的第一个服务器能够满足资源需求,则将所述目标任务调度至所述第一个服务器上。
7.一种边缘计算中低开销的任务调度装置,其特征在于,包括:
单位开销计算模块,用于计算每台服务器的单位开销,并根据单位开销的递增顺序依次存入服务器集合;
任务存储模块,用于依次从所述服务器集合中获取各服务器,并将当前服务器中能够满足资源需求的任务存入任务集合;
任务调度模块,用于若所述任务集合不为空,则计算所述任务集合中每个任务的填充函数,并将填充函数最大的任务调度到当前服务器上;
服务器剔除模块,用于若所述任务集合为空,则将所述服务器集合中的第一个服务器剔除。
8.根据权利要求7所述的装置,其特征在于,所述单位开销计算模块具体用于根据以下公式一计算第j台服务器的单位开销uj:
其中,Cj为第j台服务器的运行开销;Zj为资源量函数,所述资源量函数Zj根据以下公式二计算得到:
其中,m为边缘云中可用的服务器数量,Sj为第j台服务器的最大存储空间,Vj为第j台服务器的虚拟机部署个数,Bj为第j台服务器的最大通信带宽。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行如权利要求1至6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810128175.9A CN108304256B (zh) | 2018-02-08 | 2018-02-08 | 一种边缘计算中低开销的任务调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810128175.9A CN108304256B (zh) | 2018-02-08 | 2018-02-08 | 一种边缘计算中低开销的任务调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108304256A true CN108304256A (zh) | 2018-07-20 |
CN108304256B CN108304256B (zh) | 2020-09-22 |
Family
ID=62864680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810128175.9A Active CN108304256B (zh) | 2018-02-08 | 2018-02-08 | 一种边缘计算中低开销的任务调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108304256B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117856A (zh) * | 2018-08-23 | 2019-01-01 | 中国联合网络通信集团有限公司 | 基于智能边缘云的人及物追踪方法、装置及系统 |
CN109194984A (zh) * | 2018-11-09 | 2019-01-11 | 中山大学 | 一种基于边缘计算的视频帧调度方法 |
CN110336888A (zh) * | 2019-07-12 | 2019-10-15 | 深圳市网心科技有限公司 | 一种服务器分配方法、装置、系统及介质 |
CN111090507A (zh) * | 2019-11-25 | 2020-05-01 | 南京航空航天大学 | 基于云边融合服务器网络架构的任务调度方法及应用 |
CN111399985A (zh) * | 2020-03-19 | 2020-07-10 | 国网山东省电力公司 | 云计算环境下基于存储差值迭代的负载均衡方法 |
CN113806057A (zh) * | 2021-10-08 | 2021-12-17 | 华北电力大学 | 一种边缘计算的成本高效调度方法 |
CN117651044A (zh) * | 2023-12-08 | 2024-03-05 | 国网冀北电力有限公司信息通信分公司 | 一种边缘计算任务调度方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260005A (zh) * | 2015-09-22 | 2016-01-20 | 浙江工商大学 | 面向能耗的云工作流调度优化方法 |
CN105912390A (zh) * | 2016-04-07 | 2016-08-31 | 四川大学 | 云计算环境下基于模板的任务调度策略 |
US20170109217A1 (en) * | 2015-10-16 | 2017-04-20 | Qualcomm Incorporated | Method For Efficient Task Scheduling In The Presence Of Conflicts |
CN107450982A (zh) * | 2017-06-07 | 2017-12-08 | 上海交通大学 | 一种基于系统状态的任务调度方法 |
-
2018
- 2018-02-08 CN CN201810128175.9A patent/CN108304256B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260005A (zh) * | 2015-09-22 | 2016-01-20 | 浙江工商大学 | 面向能耗的云工作流调度优化方法 |
US20170109217A1 (en) * | 2015-10-16 | 2017-04-20 | Qualcomm Incorporated | Method For Efficient Task Scheduling In The Presence Of Conflicts |
CN105912390A (zh) * | 2016-04-07 | 2016-08-31 | 四川大学 | 云计算环境下基于模板的任务调度策略 |
CN107450982A (zh) * | 2017-06-07 | 2017-12-08 | 上海交通大学 | 一种基于系统状态的任务调度方法 |
Non-Patent Citations (2)
Title |
---|
FEI CAO等: "Energy-Efficient Resource Management for Scientific Workflows in Clouds", 《2014 IEEE 10TH WORLD CONGRESS ON SERVICES》 * |
YAOZHONG SONG等: "An Approach to QoS-based Task Distribution in Edge Computing Networks for IoT Applications", 《2017 IEEE 1ST INTERNATIONAL CONFERENCE ON EDGE COMPUTING》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117856A (zh) * | 2018-08-23 | 2019-01-01 | 中国联合网络通信集团有限公司 | 基于智能边缘云的人及物追踪方法、装置及系统 |
CN109117856B (zh) * | 2018-08-23 | 2021-01-29 | 中国联合网络通信集团有限公司 | 基于智能边缘云的人及物追踪方法、装置及系统 |
CN109194984A (zh) * | 2018-11-09 | 2019-01-11 | 中山大学 | 一种基于边缘计算的视频帧调度方法 |
CN109194984B (zh) * | 2018-11-09 | 2021-02-12 | 中山大学 | 一种基于边缘计算的视频帧调度方法 |
CN110336888A (zh) * | 2019-07-12 | 2019-10-15 | 深圳市网心科技有限公司 | 一种服务器分配方法、装置、系统及介质 |
CN111090507A (zh) * | 2019-11-25 | 2020-05-01 | 南京航空航天大学 | 基于云边融合服务器网络架构的任务调度方法及应用 |
CN111090507B (zh) * | 2019-11-25 | 2023-06-09 | 南京航空航天大学 | 基于云边融合服务器网络架构的任务调度方法及应用 |
CN111399985A (zh) * | 2020-03-19 | 2020-07-10 | 国网山东省电力公司 | 云计算环境下基于存储差值迭代的负载均衡方法 |
CN111399985B (zh) * | 2020-03-19 | 2021-02-19 | 国网山东省电力公司 | 云计算环境下基于存储差值迭代的负载均衡方法 |
CN113806057A (zh) * | 2021-10-08 | 2021-12-17 | 华北电力大学 | 一种边缘计算的成本高效调度方法 |
CN117651044A (zh) * | 2023-12-08 | 2024-03-05 | 国网冀北电力有限公司信息通信分公司 | 一种边缘计算任务调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108304256B (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304256B (zh) | 一种边缘计算中低开销的任务调度方法及装置 | |
CN109829332B (zh) | 一种基于能量收集技术的联合计算卸载方法及装置 | |
CN108632365B (zh) | 服务资源调整方法、相关装置和设备 | |
CN110968366B (zh) | 一种基于有限mec资源的任务卸载方法、装置及设备 | |
CN114281521B (zh) | 优化深度学习异构资源通信效率方法、系统、设备及介质 | |
CN105580407A (zh) | 一种网络资源部署方法和设备 | |
CN109510869A (zh) | 一种基于边缘计算的物联网服务动态卸载方法及装置 | |
CN110570075A (zh) | 一种电力业务边缘计算任务分配方法及装置 | |
CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
CN110008015B (zh) | 边缘计算系统中有带宽限制的在线任务分派调度方法 | |
CN110489233A (zh) | 基于移动边缘计算的设备任务卸载及cpu调频方法及系统 | |
CN105740085A (zh) | 容错处理方法及装置 | |
CN103997515B (zh) | 一种分布式云中计算中心选择方法及其应用 | |
CN110780986B (zh) | 一种基于移动边缘计算的物联网任务调度方法及系统 | |
CN110888745A (zh) | 一种考虑任务传输到达时间的mec节点选择方法 | |
CN104158860A (zh) | 一种作业调度方法及作业调度系统 | |
CN109450684B (zh) | 一种网络切片系统物理节点容量扩充方法及装置 | |
JP7081529B2 (ja) | アプリケーション配置装置及びアプリケーション配置プログラム | |
CN104933110B (zh) | 一种基于MapReduce的数据预取方法 | |
CN114253698A (zh) | 资源调度方法、系统、电子设备及存储介质 | |
CN109739513B (zh) | 一种多边缘云下服务请求动态调度方法及装置 | |
CN115952054A (zh) | 一种仿真任务资源管理方法、装置、设备及介质 | |
CN111049900A (zh) | 一种物联网流计算调度方法、装置和电子设备 | |
CN115346099A (zh) | 基于加速器芯片的图像卷积方法、芯片、设备及介质 | |
CN108469990A (zh) | 一种并行计算方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |