CN109739513B

CN109739513B - 一种多边缘云下服务请求动态调度方法及装置

Info

Publication number: CN109739513B
Application number: CN201811400271.0A
Authority: CN
Inventors: 陈莹; 陈昕; 张永超
Original assignee: Beijing Information Science and Technology University
Current assignee: Beijing Information Science and Technology University
Priority date: 2018-11-22
Filing date: 2018-11-22
Publication date: 2021-11-02
Anticipated expiration: 2038-11-22
Also published as: CN109739513A

Abstract

本发明提供了一种多边缘云下服务请求动态调度方法及装置，所述方法包括：S1、获取t时刻需要卸载至边缘云的各类服务请求；S2、针对每类服务请求，分别计算将其卸载至每个边缘云的惩罚值；其中，所述惩罚值与对应边缘云上相应服务请求的积压量以及该服务请求卸载至对应边缘云的卸载代价有关；S3、针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云。本发明具有复杂度较低，且能够适应服务请求高度动态性的优势。

Description

一种多边缘云下服务请求动态调度方法及装置

技术领域

本发明涉及边缘计算技术领域，具体涉及一种多边缘云下服务请求动态调度方法及装置。

背景技术

随着信息技术的快速发展，终端设备运行的服务应用正不断地复杂化和计算密集化。对于终端设备而言，其处理这些服务应用需要较强的计算能力并且将会消耗大量能量。然而，终端设备的计算能力和电池容量十分有限，其无法为这些服务应用提供较好服务质量的保障。因此，为满足这些服务应用的处理需求，终端设备需要将部分服务请求卸载到云计算中心进行处理。现有的云计算中心通常部署在远离终端设备的地区，终端设备卸载到云计算中心的任务需要通过核心网络进行传输。然而，随着终端设备的急剧增加，其所产生的卸载请求量也将爆炸式增加。如果将全部服务请求卸载到云计算中心处理，将会导致现有核心网络的流量剧增以及严重拥塞。因此，学术界和工业界最新提出了一种新型计算模型—边缘计算。

边缘计算通过在网络的边缘(基站、网关)部署一定的云资源来为各种服务应用提供计算服务。终端设备首先将服务请求卸载到附近的边缘云进行处理，接着边缘云再将处理结果返回给终端设备。由于边缘云位于靠近终端设备的网络边缘，因此其能有效降低服务请求的传输时延以及核心网络的流量负载。并且，边缘云比传统云计算中心更靠近设备侧，其也能够提供更好的安全机制和隐私保护措施。因此，边缘计算正在成为未来网络的核心技术和关键部分。

在由多个边缘云组成的计算系统中，有效的服务请求调度方法是提高请求处理效率和降低系统损耗的关键。然而，已有的任务请求调度方法缺少考虑任务请求的高度动态性，并且随着设备的急剧增多其计算复杂度也急剧增加，致使其在实际的边缘计算场景下无法很好适用。

发明内容

针对现有技术中的缺陷，本发明提供一种多边缘云下服务请求动态调度方法、装置及系统。

具体地，本发明提供以下技术方案：

第一方面，本发明提供了一种多边缘云下服务请求动态调度方法，包括：

S1、获取t时刻需要卸载至边缘云的各类服务请求；

S2、针对每类服务请求，分别计算将其卸载至每个边缘云的惩罚值；其中，所述惩罚值与对应边缘云上相应服务请求的积压量以及该服务请求卸载至对应边缘云的卸载代价有关；

S3、针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云。

进一步地，所述S2包括：

针对每类服务请求，分别按照下面的惩罚函数计算将其卸载至每个边缘云的惩罚值：

c_ij(t)＝Q_ij(t)+V·γ_ij(t)

其中，c_ij(t)表示在t时刻第i类服务请求卸载到边缘云j的惩罚函数；Q_ij(t)表示在t时刻边缘云j中第i类服务请求的积压量；γ_ij(t)表示第i类服务请求卸载到边缘云j的单位代价；V表示服务请求积压量和服务请求卸载代价之间的权衡因子。

进一步地，所述方法还包括：

S4、更新t+1时刻每个边缘云中各类服务请求的积压量。

进一步地，所述更新t+1时刻每个边缘云中各类服务请求的积压量，包括：

按照下面的关系式更新t+1时刻每个边缘云中各类服务请求的积压量：

Q_ij(t+1)＝max{Q_ij(t)-b_ij(t),0}+a_ij(t)

其中，Q_ij(t+1)表示在t+1时刻边缘云j中第i类服务请求的积压量；b_ij(t)表示在t时刻边缘云j最多能处理第i类服务请求的任务量；a_ij(t)表示在t时刻第i类服务请求卸载至边缘云j中的任务量。

第二方面，本发明还提供了一种多边缘云下服务请求动态调度装置，包括：

获取模块，用于获取t时刻需要卸载至边缘云的各类服务请求；

计算模块，用于针对每类服务请求，分别计算将其卸载至每个边缘云的惩罚值；其中，所述惩罚值与对应边缘云上相应服务请求的积压量以及该服务请求卸载至对应边缘云的卸载代价有关；

调度模块，用于针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云。

进一步地，所述计算模块，具体用于：

c_ij(t)＝Q_ij(t)+V·γ_ij(t)

进一步地，所述装置还包括：

更新模块，用于更新t+1时刻每个边缘云中各类服务请求的积压量。

进一步地，所述更新模块，具体用于：

Q_ij(t+1)＝max{Q_ij(t)-b_ij(t),0}+a_ij(t)

第三方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述多边缘云下服务请求动态调度方法的步骤。

第四方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述多边缘云下服务请求动态调度方法的步骤。

由上面技术方案可知，本发明提供的多边缘云下服务请求动态调度方法，首先获取t时刻需要卸载至边缘云的各类服务请求，然后针对每类服务请求，分别计算将其卸载至每个边缘云的惩罚值；其中，所述惩罚值与对应边缘云上相应服务请求的积压量以及该服务请求卸载至对应边缘云的卸载代价有关，最后针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云。可见，本发明通过计算每类服务请求卸载到每个边缘云的惩罚值，然后每类服务请求选择惩罚值最小的边缘云进行请求的处理，最终得到所有服务请求的调度方案。本发明具有复杂度较低，且能够适应服务请求高度动态性的优势。

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，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的多边缘云下服务请求动态调度方法的一种流程图；

图2是本发明一实施例提供的多边缘云计算系统的组成示意图；

图3是本发明一实施例提供的多边缘云下服务请求动态调度方法的另一种流程图；

图4是本发明另一实施例提供的多边缘云下服务请求动态调度装置的一种结构示意图；

图5是本发明另一实施例提供的多边缘云下服务请求动态调度装置的另一种结构示意图；

图6是本发明又一实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对多边缘云下服务请求的调度，现有方法存在着计算复杂度较大的问题，并且无法很好适用于服务请求高度动态变化的场景。因此，本发明提出一种复杂度较低并且能够适应服务请求高度动态性的调度方法。本发明首先构造服务请求卸载的惩罚函数，依据当前服务请求的积压量以及相应的卸载代价，计算每类服务请求卸载到每个边缘云的惩罚值，然后每类服务请求选择惩罚值最小的边缘云进行请求的处理，最终得到所有服务请求的调度方案。下面将通过具体实施例对本发明提供的动态卸载方法进行详细介绍和说明。

图1示出了本发明一实施例提供的多边缘云下服务请求动态调度方法的流程图。如图1所示，本发明实施例提供的多边缘云下服务请求动态调度方法，包括如下步骤：

步骤101：获取t时刻需要卸载至边缘云的各类服务请求。

步骤102：针对每类服务请求，分别计算将其卸载至每个边缘云的惩罚值；其中，所述惩罚值与对应边缘云上相应服务请求的积压量以及该服务请求卸载至对应边缘云的卸载代价有关。

在本步骤中，针对每类服务请求，根据每个边缘云上该类服务请求的积压量以及该服务请求卸载至对应边缘云的卸载代价，计算将该类服务请求卸载至每个边缘云的惩罚值。其中，将服务请求卸载至边缘云的卸载代价与服务请求的类型、服务请求与边缘云的距离、服务请求卸载至边缘云的传输方式、边缘云的处理能力等因素相关。

在本步骤中，边缘云上各类服务请求的积压量可以理解成边缘云服务器中还未来得及处理的各类服务请求的剩余量。

步骤103：针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云。

在本步骤中，由于上述步骤已经计算得到将相应服务请求卸载至每个边缘云的惩罚值，因此本步骤针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云。由于惩罚值是根据对应边缘云上相应服务请求的积压量以及该服务请求卸载至对应边缘云的卸载代价计算得到的，因此惩罚值最小的边缘云即为当前时刻较为适用于处理该类服务请求的边缘云，因此将其卸载至与其对应的惩罚值最小的边缘云上，可以使得该类服务请求得到较为优化的动态调度。

需要说明的是，在本实施例中，针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云，而剩余边缘云无需处理该类服务请求。

需要说明的是，本实施例提供的多边缘云下服务请求动态调度方法应用于多边缘云计算系统。在多边缘云计算系统中，共包含m种服务请求和n个边缘云(均部署有一台服务器)，每个边缘云的服务器均部署m个虚拟机(VM)以便为每类服务请求提供计算服务.例如，参见图2所示意的多边缘云计算系统，在图2所示的多边缘云计算系统中，包括由三台服务器组成的3个边缘云，该系统为m类服务请求提供相应的计算服务。

在本实施例中，针对每类服务请求，依据该服务请求在边缘云中的积压量以及将该服务请求卸载至对应边缘云的卸载代价，计算各类服务请求卸载到每个边缘云的惩罚值，然后对于各服务请求选择与其对应的惩罚值最小的边缘云进行请求的处理，从而完成服务请求的动态优化调度。

由上面技术方案可知，本实施例提供的多边缘云下服务请求动态调度方法，首先获取t时刻需要卸载至边缘云的各类服务请求，然后针对每类服务请求，分别计算将其卸载至每个边缘云的惩罚值；其中，所述惩罚值与对应边缘云上相应服务请求的积压量以及该服务请求卸载至对应边缘云的卸载代价有关，最后针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云。可见，本实施例通过计算每类服务请求卸载到每个边缘云的惩罚值，然后每类服务请求选择惩罚值最小的边缘云进行请求的处理，最终得到所有服务请求的调度方案。本实施例具有复杂度较低，且能够适应服务请求高度动态性的优势。

基于上述实施例的内容，在一种可选实施方式中，上述步骤102可通过如下方式实现：

c_ij(t)＝Q_ij(t)+V·γ_ij(t)

在本实施方式中，在t时刻第i类服务请求卸载到边缘云j的惩罚函数由在t时刻边缘云j中第i类服务请求的积压量，以及第i类服务请求卸载到边缘云j的单位代价决定。本实施方式在单位代价之前设置了权衡因子，通过调节V值，可以根据实际场景需要，实现卸载代价和队列积压之间的权衡。其中，当V较小时，代表在该计算系统中积压量要比服务的卸载代价更为重要。当V较大时，代表在该计算系统中服务的卸载代价要比积压量更为重要。例如，当需要处理实时性较高的任务，此时不需要太低的系统损耗，但是需要较小的积压量，所以此时V值越小越好。但是如果当前任务对实时性要求不高，但是需要较低的系统损耗，那么此时V值要尽可能的大。

在本实施方式中，卸载代价可以简单理解为服务请求卸载时的系统损耗，其与服务请求的类型、服务请求与边缘云的距离、服务请求卸载至边缘云的传输方式、边缘云的处理能力等因素相关。

基于上述实施例的内容，在一种可选实施方式中，参见图3，所述方法还包括：

步骤104：更新t+1时刻每个边缘云中各类服务请求的积压量。

在本实施方式中，需要说明的是，由于每个时刻在计算惩罚值时，需要用到当前时刻各边缘云中相应服务请求的积压量，因此为方便后续时刻的正常计算，在t时刻的服务请求动态卸载完毕后，需要更新一下t+1时刻每个边缘云中各类服务请求的积压量。

基于上述实施例的内容，在一种可选实施方式中，所述更新t+1时刻每个边缘云中各类服务请求的积压量，包括：

Q_ij(t+1)＝max{Q_ij(t)-b_ij(t),0}+a_ij(t)

需要说明的是，a_ij(t)为一个决策变量，其表示t时刻第i类服务请求实际卸载到边缘云j中的任务量，单位为bit。

在本实施方式中，根据上式更新t+1时刻每个边缘云中各类服务请求的积压量，以便t+1时刻进行服务请求动态卸载分配时使用。

本发明另一实施例提供了一种多边缘云下服务请求动态调度装置，参见图4，该装置包括：获取模块21、计算模块22和调度模块23，其中：

获取模块21，用于获取t时刻需要卸载至边缘云的各类服务请求；

计算模块22，用于针对每类服务请求，分别计算将其卸载至每个边缘云的惩罚值；其中，所述惩罚值与对应边缘云上相应服务请求的积压量以及该服务请求卸载至对应边缘云的卸载代价有关；

调度模块23，用于针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云。

基于上述实施例的内容，在一种可选实施方式中，所述计算模块22，具体用于：

c_ij(t)＝Q_ij(t)+V·γ_ij(t)

基于上述实施例的内容，在一种可选实施方式中，参见图5，所述装置还包括：

更新模块24，用于更新t+1时刻每个边缘云中各类服务请求的积压量。

基于上述实施例的内容，在一种可选实施方式中，所述更新模块24，具体用于：

Q_ij(t+1)＝max{Q_ij(t)-b_ij(t),0}+a_ij(t)

本实施例提供的多边缘云下服务请求动态调度装置，能够用于执行上述实施例所述的多边缘云下服务请求动态调度方法，其工作原理和技术效果类似，此处不再赘述，具体内容可参照上述实施例的介绍。

基于相同的发明构思，本发明又一实施例提供了一种电子设备，参见图6，所述电子设备具体包括如下内容：处理器601、存储器602通信接口603和总线604；

其中，所述处理器601、存储器602通信接口603通过所述总线604完成相互间的通信；所述通信接口603用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输；

所述处理器601用于调用所述存储器602中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例一中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤101：获取t时刻需要卸载至边缘云的各类服务请求。

基于相同的发明构思，本发明又一实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例一的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤101：获取t时刻需要卸载至边缘云的各类服务请求。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用于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

1.一种多边缘云下服务请求动态调度方法，其特征在于，包括：

S1、获取t时刻需要卸载至边缘云的各类服务请求；

S3、针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云；

所述S2包括：

c_ij(t)＝Q_ij(t)+V·γ_ij(t)

其中，c_ij(t)表示在t时刻第i类服务请求卸载到边缘云j的惩罚函数；Q_ij(t)表示在t时刻边缘云j中第i类服务请求的积压量；γ_ij(t)表示第i类服务请求卸载到边缘云j的单位代价；V表示服务请求积压量和服务请求卸载代价之间的权衡因子；

所述边缘云位于靠近终端设备的网络边缘。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

S4、更新t+1时刻每个边缘云中各类服务请求的积压量。

3.根据权利要求2所述的方法，其特征在于，所述更新t+1时刻每个边缘云中各类服务请求的积压量，包括：

Q_ij(t+1)＝max{Q_ij(t)-b_ij(t),0}+a_ij(t)

4.一种多边缘云下服务请求动态调度装置，其特征在于，包括：

调度模块，用于针对每类服务请求，将其卸载至与其对应的惩罚值最小的边缘云；

所述计算模块，具体用于：

c_ij(t)＝Q_ij(t)+V·γ_ij(t)

所述边缘云位于靠近终端设备的网络边缘。

5.根据权利要求4所述的装置，其特征在于，所述装置还包括：

6.根据权利要求5所述的装置，其特征在于，所述更新模块，具体用于：

Q_ij(t+1)＝max{Q_ij(t)-b_ij(t),0}+a_ij(t)

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一项所述多边缘云下服务请求动态调度方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一项所述多边缘云下服务请求动态调度方法的步骤。