CN109240821A - 一种基于边缘计算的分布式跨域协同计算与服务系统及方法 - Google Patents

Abstract

本发明公开了一种基于边缘计算的分布式跨域协同计算与服务系统及方法，包括跨域资源集成模块，知识管理及认知计算模块和分布式边缘服务器协同服务模块；跨域资源集成模块，对分散于各个边缘节点之中的大量异构数据源建立起一个公共的资源集成环境，对用户提供一个统一的数据建模方式与透明的访问视图；知识管理及认知计算模块将知识划分为云端的全局知识以及分布于边缘服务器的局部知识，对各个边缘服务器上的资源形成全局的管理；分布式边缘服务器协同服务模块可针对特定的服务，进行跨域的资源调度，通过云端与边缘服务器的协同机制，对服务进行支持。本发明可实现跨域数据的集成，实现更高效的协同服务。

Description

一种基于边缘计算的分布式跨域协同计算与服务系统及方法

技术领域

本发明涉及边缘计算技术领域，特别涉及一种协同云计算端与边缘计算端智能计算与服务管理系统及方法。

背景技术

随着物联网的快速发展和4G无线网络的普及，万物互联的时代正在到来。在现阶段的产业事件中，云服务器依旧是对物联网设备提供数据存储及运算能力支持的重要手段。由于线性增长的集中式云计算能力无法匹配急剧增长的海量边缘数据以及边缘设备与云中心数据传输带来的网络严重延迟，使得以云计算模型为核心的集中式大数据模型的关键技术已经不能高效处理边缘设备所产生的数据。

因此，以边缘计算模型为核心的面向网络边缘设备所产生海量数据计算的边缘式大数据处理应运而生。边缘计算中的“边缘”是个相对的概念，指从数据源到云计算中心数据路径之间的任意计算资源和网络资源。边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行。边缘计算模型将原本属于云中心的计算工作部分分给了边缘设备进行执行，这样不仅提高了数据传输的性能，还降低了云中心的计算负载。然而，对于一种典型的“物联网-边缘计算-云计算”混合架构，目前尚未形成一种有效的协同机制。

发明内容

本发明解决的技术问题：鉴于现有技术只单独考虑云端与客户端的交互或者边缘服务器与客户端的交互，且只关注边缘服务器设备设计以及设备间通信方式的研究，本发明率先实现分布式的边缘服务器跨域协同计算服务系统及方法，具有跨域整合，按需实时响应的优点。

本发明的技术解决方案：一种基于边缘计算的分布式跨域协同计算与服务系统，包括：跨域资源集成模块，知识管理及认知计算模块和分布式边缘服务器协同服务模块；

所述跨域资源集成模块，对分散于各个边缘服务器之中的异构数据源建立起一个公共的资源集成环境，为用户提供一个统一的数据建模方式与透明的访问视图，以便在下层构建知识时提供数据的快速定位；

所述知识管理及认知计算模块，在对数据快速定位的基础上实现跨域数据的知识提取，并形成知识库，将知识划分为云端的全局知识以及分布于边缘服务器的局部知识，对各个边缘服务器上的资源形成全局的管理，最终将形成的知识传递到下层模块；

所述分布式边缘服务器协同服务模块，针对用户提出的计算服务请求，进行跨域的资源调度，通过云端与边缘服务器的协同机制，对分布于边缘服务器的局部知识进行组合，进而实现对用户计算请求的响应。

分布式边缘服务器协同服务通过把一个任务分解为多个子任务，并把这些子任务分配到多个资源上同时处理来满足任务的特定要求。这些任务之间的相互配合涉及到同步问题，即任务之间数据和结果的相互引用，需要给这些任务安排合理可行的顺序，同时也要保证资源的充分利用。

所述跨域资源集成模块基于形式化表达的分层弹性数据模型，该分层弹性数据模型包含物理层、语义层、逻辑层与感知层，其中：

物理层，将现实世界中实体对象看成节点，以节点及节点之间的关系为核心表述要素，采用点线拓扑、线线拓扑相结合的二元表达形式描述物理世界网络，构建网络的基本骨架；

语义层，用以描述作用于物理层的核心表述要素、限定时空对象参与时空行为范围的时空规则，参考点集拓扑学的表达方式，将时空规则进行粒度化处理，并采用集合形式表述，以支持时空规则的叠加和自效验；

逻辑层，即以物理层的核心表述要素和语义层的时空规则为基础，面向具体的时空参与对象，提取与之对应的元素，构建限定对象化时空网络，如面向交通时空领域时，提取交通路网信息，公交站点信息，构建公交网络；

感知层，即将物理层核心表述要素和逻辑层构建的对象化时空网络为基础，进行定位关联定点感知、移动感知、信号控制数据，组成多类感知网络，以支持多源感知数据的加载。

所述知识管理及认知计算模块基于“词汇表-知识图谱-算法池”架构对系统中不断聚集的知识进行表示，其中：

词汇表是数据类型定义、数据类型的潜在属性和它们之间关系的集合；

知识图谱是由顶点和连线组成的知识表示，顶点是一个实体实例，连线表示两个实体之间的关系，图是词汇表中所定义的一组实体及其关系的一个实例化；

算法池包含了众多算法，虽然它们被视为解决问题的一种知识，能够解决问题、提取特征、理解模式，甚至帮助决策，但它们不能在图中表示；它们部署在单独的运行时环境中，作为服务导出到其他系统中；

所述知识管理及认知计算模块具体实现如下：

(1)首先定义跨域资源集成模块中涉及的业务领域，描述需要用到的类型以及类型间关系，在此基础上建立业务领域对应的词汇表；

(2)通过对词汇表中的实体以及实体间的关系进行实例化，形成词汇表所对应的知识图谱；

(3)定义系统所要实现的功能需求，针对不同的功能需求研发不同的算法流程，并将该流程写入算法池。

本发明的一种基于边缘计算的分布式跨域协同计算与服务方法，实现步骤如下：

(1)通过物联网设备实现对跨域数据的采集；

(2)在边缘服务器上对采集到的异构数据源利用基于形式化表达的分层弹性数据模型进行整合，形成统一的数据建模方式与透明的访问视图；

(3)在对数据快速定位的基础上构建词汇表，进而实现跨域数据的知识图谱提取，同时构建针对业务领域的算法库，最终形成分布于云端的全局知识库与分布于边缘服务器的局部知识库；

(4)针对用户提出的计算服务请求，通过云端与边缘服务器的协同机制，利用分布于边缘服务器的局部知识库实现对用户计算请求的响应。

本发明与现有技术相比优点在于：

(1)现有技术只单独考虑云端与客户端的交互或者边缘服务器与客户端的交互，本发明考虑了云端、客户端以及边缘服务器之间的交互。

(2)现有技术主要关注边缘服务器设备设计以及设备间通信方式的研究，本发明关注部署在云端和边缘服务器上的软件系统的研发与设计。

(3)本发明率先实现分布式的边缘服务器跨域协同计算服务系统及方法，而现有技术尚无此方面的研究。

附图说明

图1是本发明基于边缘计算的分布式跨域协同计算及服务系统结构图；

图2是本发明中用于知识表示的“词汇表-知识图谱-算符库”模型；

图3是本发明中分布式协同服务的方法流程图；

图4是本发明中跨域资源集成模块的分层弹性数据模型图。

具体实施方式

以下结合附图对本发明进行详细说明。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。在不背离发明构思的精神和范围下，本领域技术人员能够想到的变化、变型和优点都被包括在本发明中。

如图1所示，本发明一种基于边缘计算的分布式跨域协同计算与服务系统，包括：跨域资源集成模块，知识管理及认知计算模块和分布式边缘服务器协同服务模块，其中：

跨域资源集成模块，对分散于各个边缘服务器之中的异构数据源建立起一个公共的资源集成环境，为用户提供一个统一的数据建模方式与透明的访问视图，以便在下层构建知识时提供数据的快速定位。

知识管理及认知计算模块，在对数据快速定位的基础上实现跨域数据的知识提取，并形成知识库。将知识划分为云端的全局知识以及分布于边缘服务器的局部知识，对各个边缘服务器上的资源形成全局的管理，最终将形成的知识传递到下层模块。

分布式边缘服务器协同服务模块，主要是针对用户提出的计算服务请求，进行跨域的资源调度，通过云端与边缘服务器的协同机制，对分布于边缘服务器的局部知识进行组合，进而实现对用户计算请求的响应。

如图4所示，跨域资源集成模块对包括异构数据、感知能力、存储能力及计算能力在内的跨域资源进行统一建模及统一管理，已达到跨域资源之间的协同。跨域资源集成模块基于形式化表达的分层弹性数据模型，包含物理层、语义层、逻辑层与感知层，其中：

物理层，将现实世界中实体对象看成节点，以节点及节点之间的关系为核心表述要素，采用点线拓扑、线线拓扑相结合的二元表达形式描述物理世界网络，构建网络的基本骨架；

语义层，用以描述作用于物理层的核心表述要素、限定时空对象参与时空行为范围的时空规则，参考点集拓扑学的表达方式，将时空规则进行粒度化处理，并采用集合形式表述，以支持时空规则的叠加和自效验；

逻辑层，即以物理层的核心表述要素和语义层的时空规则为基础，面向具体的时空参与对象，提取与之对应的元素，构建限定对象化时空网络，如面向交通时空领域时，提取交通路网信息，公交站点信息，构建公交网络。

感知层，即将物理层核心表述要素和逻辑层构建的对象化时空网络为基础，进行定位关联定点感知、移动感知、信号控制数据，组成多类感知网络，以支持多源感知数据的加载。

在所述分层弹性数据模型的基础上，构建面向全局数据的一致访问视图。具体过程包括：首先通过物联网设备对跨域数据资源进行采集并发送到边缘服务器，同时使用分层弹性数据模型对数据资源进行统一描述；然后按照所述分层弹性数据模型四层结构对统一描述信息进行存储；最后在云端对边缘服务器统一描述信息进行整合，形成全局的一致访问视图。

异构信息源集成统一数据视图的首要任务就是要为集成系统设计一个公共的逻辑框架，以对全局模式和来自不同信息源的各种数据进行形式化描述，从而便于统一处理。逻辑上，信息集成系统的特性是由全局模式和一系列源模式来描述的。不同的信息源中包含着实际数据，全局模式在这些信息源上提供了一个集成的、统一的虚拟视图，可以被用户查询与操作。

所述知识管理及认知计算模块的实施过程中，涉及一个中心计算节点及多个边缘计算节点，形成“一中心多边缘”的分布式大数据认知平台，整个结构在管理方式上具有“物理分布，逻辑集中”的特点。

所述知识管理及认知计算模块的实施过程中，涉及一个中心计算节点及多个边缘计算节点，形成“一中心多边缘”的分布式大数据认知平台。在汇聚资源过程中，跨域数据受周期性任务需求变化等因素影响，也同时存在部分资源闲置的情况，为了进一步提高整体环境的资源利用率，采用具有“物理分布，逻辑集中”特点的结构进行管理。

所述知识管理及认知计算模块，在中心节点及所有边缘计算节点部署协同适配器，各自实现节点之间的相互操作接口。在中心计算节点管理平台中，提供对中心计算节点和边缘计算节点的集中调度管理，为用户提供统一的数据视图；在边缘计算节点管理平台中，提供对本节点的管理与监控接口，可以请求其他边缘节点或中心节点提供数据或计算服务。各节点内通过局域网连接，节点之间通过广域网连接。

如图2所示，所述知识管理及认知计算模块基于“词汇表-知识图谱-算法池”架构对系统中不断聚集的知识进行表示。其中：

词汇表是数据类型定义、数据类型的潜在属性和它们之间关系的集合。通过这些属性和关系，相关知识就可以按要求进行匹配。

知识图谱是由顶点和连线组成的知识表示。顶点是一个实体实例，连线表示两个实体之间的关系，图是词汇表中所定义的一组实体及其关系的一个实例化。

算法池包含了众多算法，虽然它们被视为解决问题的一种知识，能够解决问题、提取特征、理解模式，甚至帮助决策，但它们不能在图中表示。它们部署在单独的运行时环境中，可以作为服务导出到其他系统中。

知识库的具体构建过程包括：首先定义跨域资源集成模块中涉及的业务领域，描述需要用到的类型以及类型间关系，在此基础上建立业务领域对应的词汇表；通过对词汇表中的实体以及实体间的关系进行实例化，形成词汇表所对应的知识图谱；定义系统所要实现的功能需求，针对不同的功能需求研发不同的算法流程，并将该流程写入算法池。

如图3所示，首先通过物联网设备实现对跨域数据的采集并发送到边缘服务器；然后在边缘服务器上对采集到的异构数据源利用基于形式化表达的分层弹性数据模型进行整合，形成统一的数据建模方式与透明的访问视图；接着在对数据快速定位的基础上构建词汇表，进而实现跨域数据的知识图谱提取，同时构建针对业务领域的算法库，最终形成分布于云端的全局知识库与分布于边缘服务器的局部知识库；最后针对用户提出的计算服务请求，通过云端与边缘服务器的协同机制，利用分布于边缘服务器的局部知识库实现对用户计算请求的响应。

分布式边缘服务器协同服务会用到来自不同物联网设备的多个数据源，所以需要考虑协同分配的问题。分布式边缘服务器协同服务模块通过把一个任务分解为多个子任务，并把这些子任务分配到多个资源上同时处理来满足任务的特定要求。这些任务之间的相互配合涉及到同步问题，即任务之间数据和结果的相互引用，需要给这些任务安排合理可行的顺序，同时也要保证资源的充分利用。

通过上述的步骤，就可以将多源跨域数据在逻辑上进行集成并提供统一访问视图，并达到“一中心多边缘”结构在认知计算及对客户端提供服务等方面的协同。

Claims (4)

1.一种基于边缘计算的分布式跨域协同计算与服务系统，其特征在于：包括：跨域资源集成模块，知识管理及认知计算模块和分布式边缘服务器协同服务模块；

所述跨域资源集成模块，对分散于各个边缘服务器之中的异构数据源建立起一个公共的资源集成环境，为用户提供一个统一的数据建模方式与透明的访问视图，以便在下层构建知识时提供数据的快速定位；

所述知识管理及认知计算模块，在对数据快速定位的基础上实现跨域数据的知识提取，并形成知识库，将知识划分为云端的全局知识以及分布于边缘服务器的局部知识，对各个边缘服务器上的资源形成全局的管理，最终将形成的知识传递到下层模块；

所述分布式边缘服务器协同服务模块，针对用户提出的计算服务请求，进行跨域的资源调度，通过云端与边缘服务器的协同机制，对分布于边缘服务器的局部知识进行组合，进而实现对用户计算请求的响应。

2.根据权利要求1所述的一种基于边缘计算的分布式跨域协同计算与服务系统，其特征在于：所述跨域资源集成模块基于形式化表达的分层弹性数据模型，该分层弹性数据模型包含物理层、语义层、逻辑层与感知层，其中：

物理层，将现实世界中实体对象看成节点，以节点及节点之间的关系为核心表述要素，采用点线拓扑、线线拓扑相结合的二元表达形式描述物理世界网络，构建网络的基本骨架；

语义层，用以描述作用于物理层的核心表述要素、限定时空对象参与时空行为范围的时空规则，参考点集拓扑学的表达方式，将时空规则进行粒度化处理，并采用集合形式表述，以支持时空规则的叠加和自效验；

逻辑层，即以物理层的核心表述要素和语义层的时空规则为基础，面向具体的时空参与对象，提取与之对应的元素，构建限定对象化时空网络，如面向交通时空领域时，提取交通路网信息，公交站点信息，构建公交网络；

感知层，即将物理层核心表述要素和逻辑层构建的对象化时空网络为基础，进行定位关联定点感知、移动感知、信号控制数据，组成多类感知网络，以支持多源感知数据的加载。

3.根据权利要求1所述的一种基于边缘计算的分布式跨域协同计算与服务系统，其特征在于：所述知识管理及认知计算模块基于“词汇表-知识图谱-算法池”架构对系统中不断聚集的知识进行表示，其中：

词汇表是数据类型定义、数据类型的潜在属性和它们之间关系的集合；

知识图谱是由顶点和连线组成的知识表示，顶点是一个实体实例，连线表示两个实体之间的关系，图是词汇表中所定义的一组实体及其关系的一个实例化；

算法池包含了众多算法，虽然它们被视为解决问题的一种知识，能够解决问题、提取特征、理解模式，甚至帮助决策，但它们不能在图中表示；它们部署在单独的运行时环境中，作为服务导出到其他系统中；

所述知识管理及认知计算模块具体实现如下：

(1)首先定义跨域资源集成模块中涉及的业务领域，描述需要用到的类型以及类型间关系，在此基础上建立业务领域对应的词汇表；

(2)通过对词汇表中的实体以及实体间的关系进行实例化，形成词汇表所对应的知识图谱；

(3)定义系统所要实现的功能需求，针对不同的功能需求研发不同的算法流程，并将该流程写入算法池。

4.一种基于边缘计算的分布式跨域协同计算与服务方法，其特征在于实现步骤如下：

(1)通过物联网设备实现对跨域数据的采集；

(2)在边缘服务器上对采集到的异构数据源利用基于形式化表达的分层弹性数据模型进行整合，形成统一的数据建模方式与透明的访问视图；

(3)在对数据快速定位的基础上构建词汇表，进而实现跨域数据的知识图谱提取，同时构建针对业务领域的算法库，最终形成分布于云端的全局知识库与分布于边缘服务器的局部知识库；

(4)针对用户提出的计算服务请求，通过云端与边缘服务器的协同机制，利用分布于边缘服务器的局部知识库实现对用户计算请求的响应。