CN110008015A - 边缘计算系统中有带宽限制的在线任务分派调度方法 - Google Patents

Abstract

本发明公开了一种边缘计算系统中有带宽限制的在线任务分派调度方法，包括：获取待分派任务的相关信息；根据相关信息确定所有候选计算节点；将任务模拟分派到各候选计算节点，在各候选计算节点进行模拟调度，计算出该任务在各候选计算节点进行模拟调度所对应的模拟调度结果，模拟调度结果包括边缘计算系统中完成的任务数量和平均完成时间；比较将任务模拟分派到各候选计算节点的模拟调度结果，选定模拟调度结果最优的候选计算节点作为目标计算节点，则将任务实际分派选定的目标计算节点进行真正的调度和计算处理。该方法能对边缘计算中任务进行分派和调度，能在有带宽限制的前提下，实现最大化任务数量的前提下最小化任务的完成时间。

Description

边缘计算系统中有带宽限制的在线任务分派调度方法

技术领域

本发明涉及任务流分派与调度的资源配置领域，尤其涉及一种边缘计算系统中有带宽限制的在线任务分派调度方法。

背景技术

边缘计算作为一种新兴技术为解决大数据环境下终端设备的计算不可用和远端云的计算不可控问题而诞生。在边缘计算中，资源更为丰富的计算节点更接近终端设备和数据的源头以便提供高带宽和低延迟的服务。随着万物互联的发展和数据规模的不断扩大，需要在边缘节点处理的数据急剧增长。然而，有限的网络带宽成为了数据传送到边缘计算节点的瓶颈。通常，边缘计算环境中处理的任务对实时性要求很高。因此，如何在带宽受限的环境下有效的分派和调度任务至关重要。

具体来说，涉及以下两个基础问题：(1)任务分派：一个任务需要选择远端云计算节点和附近的边缘节点中的一个作为该任务的处理节点。选择哪个计算节点来处理时，需要基于传播延迟、占用带宽、节点的计算能力等因素来考虑。(2)任务调度：分为网络带宽资源的调度和计算资源的调度。网络带宽资源的调度是指当把一个任务卸载到选中的处理节点时，需要为该任务分配带宽和决定它开始传输的时间。计算资源的调度是指计算节点端需要决定它的处理顺序。任务调度需要基于任务的传输数据量、网络环境、任务的规定完成时间等因素。

关于任务分派和调度的研究引起了学术界和工业界的广泛关注。Xu等提出了一个伪在线分派算法。Jia等依据排队论设计了一个多用户多任务的模型并提出了一些启发式算法来解决任务分派模型。Tan等提出了第一个在线任务分派与调度算法OnDisc。然而，在他们的处理模型中，都没有考虑网络带宽的限制。在大数据环境下，终端设备不仅仅是数据的消费者，更是数据的生产者。某些任务将伴随大量的数据卸载到计算节点上计算，这些任务的发送时延将远大于传播时延，因此带宽是不可忽略的一个因素。

另一方面，关于网络带宽资源的调度是数据中心中常见的研究问题。在数据中心的研究中，网络带宽资源的调度被称为流调度或流量工程。Al-Fares等提出了一个流调度方案Hedera。Hedera收集流的信息来评估该流的带宽需求然后为其计算一条路由路径。Hong等提出了可抢占的分布式快速流调度方案。Jain等实现了一个大规模系统B4，该系统充分利用多路径的带宽并考虑了不同流有不同的优先级。然而，这些关于网络带宽资源的调度方案不是没有考虑任务的规定完成时间，就是假定EDF算法是最优的，在一个拥挤的网络中存在性能很差的问题。

发明内容

基于现有技术所存在的问题，本发明的目的是提供一种边缘计算系统中有带宽限制的在线任务分派调度方法，能解决现有对边缘计算系统中的任务进行分派和调度存在未考虑带宽限制以及在拥挤的网络中存在性能很差的问题。

本发明的目的是通过以下技术方案实现的：

本发明实施方式提供一种边缘计算系统中有带宽限制的在线任务分派调度方法，包括：

接收待分派任务，获取该待分派任务的相关信息；

根据所述待分派任务的相关信息确定所述边缘计算系统中的所有候选计算节点；

将所述待分派任务模拟分派到各候选计算节点，在各候选计算节点进行模拟调度，计算出该待分派任务在各候选计算节点进行模拟调度所对应的模拟调度结果；

对所述待分派任务模拟分派到各候选计算节点的各模拟调度结果进行比较，选定所述模拟调度结果最优的候选计算节点作为目标计算节点，则将所述待分派任务实际分派给选定的所述目标计算节点进行真正的调度和计算处理。

由上述本发明提供的技术方案可以看出，本发明实施例提供的边缘计算系统中有带宽限制的在线任务分派调度方法，其有益效果为：

通过先将待分派任务模拟分派到各候选计算节点进行模拟调度的方式，通过模拟调度结果确认能达到任务数量最多且平均完成时间最少的候选计算节点作为实际分派的计算节点，进行分派后真正进行调度和计算，使得在有带宽限制的边缘计算系统中，能实现最大化任务数量的前提下最小化任务的完成时间，提升了有带宽限制的边缘计算系统的处理性能。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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，对于本领域的普通技术人员来讲，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附图。

图1为本发明实施例提供的边缘计算系统中有带宽限制的在线任务分派调度方法的流程图；

图2为本发明实施例提供的分派调度方法中调度步骤的流程图；

图3为本发明实施例提供的分派调度方法中的调度步骤的排任务调度表的流程图；

图4为本发明实施例提供的分派调度方法应用的系统拓扑结构示意图；

图5为本发明实施例提供的分派调度方法中进行DeEdge试验台调度算法实验的结果示意图；

图6为本发明实施例提供的分派调度方法中进行DeEdge试验台分派算法实验的结果示意图。

具体实施方式

下面结合本发明的具体内容，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

如图1所示，本发明实施例提供一种边缘计算系统中有带宽限制的在线任务分派调度方法，包括：

无线接入点AP(包括无线接入点、小基站等可以接收并转发请求的硬件设施)接收待分派任务，获取该待分派任务的相关信息；

根据所述待分派任务的相关信息确定所述边缘计算系统中的所有候选计算节点；

将所述待分派任务模拟分派到各候选计算节点，在各候选计算节点进行模拟调度，计算出该待分派任务在各候选计算节点进行模拟调度所对应的模拟调度结果；

对所述待分派任务模拟分派到各候选计算节点的各模拟调度结果进行比较，选定所述模拟调度结果最优的候选计算节点作为目标计算节点，则将所述待分派任务实际分派给选定的所述目标计算节点进行真正的调度和计算处理。

上述方法中，获取该待分派任务的相关信息包括：

任务到达时间、任务大小、任务处理时间和处理任务所需要服务。

上述方法中，根据所述待分派任务的相关信息确定所述边缘计算系统中的所有候选计算节点为：

所述待分派任务的相关信息中包含处理任务所需要服务；

将边缘计算系统中配置有处理待分派任务所需要服务的边缘计算节点和云计算节点作为候选计算节点。

上述方法中，将所述待分派任务模拟分派到各候选计算节点，在各候选计算节点进行模拟调度为：

将所述待分派任务模拟分派到某一候选计算节点后，通过调度处理对所述待分派任务在该候选计算节点上模拟一遍调度后，计算出当将所述待分派任务分派到该候选计算节点后所述边缘计算系统中完成的任务数量和平均完成时间作为模拟调度结果。

参见图2、3，上述方法中，通过调度处理对所述待分派任务在该候选计算节点上模拟一遍调度的调度处理方式为：

候选计算节点接收待分派任务作为待调度任务，获取该待调度任务的相关信息；

排任务调度表：根据所述待调度任务的相关信息将所述待调度任务插入到该候选计算节点的任务调度表中一个成本函数最小的位置，如果调度结果不可行，则替换掉该任务调度表中使成本函数最小的一个已有任务，直至该任务调度表的调度序列允许调度，则完成排任务调度表；其中，所述成本函数为该候选计算节点所有任务的总完成时间；所述调度序列允许调度是指调度序列中的每个任务都能保证完成；根据所述任务调度表来计算完成的任务数量和平均完成时间；

根据所述任务调度表的调度顺序对其中的各任务依次进行调度。

上述方法的在将所述待分派任务模拟分派到各候选计算节点中，将云节计算点作为任务处理时间为0的目标计算节点，参与待分派任务的分派。

上述方法的选定所述模拟调度结果最优的候选计算节点作为目标计算节点中，模拟调度结果最优是指：模拟调度结果的完成任务数量最多且平均完成时间最少。

参见图2、3，上述方法中，将所述任务实际分派给选定的所述目标计算节点进行真正的调度的调度方式为：

排任务调度表：所述目标计算节点将接收的待调度任务插入到该目标计算节点的任务调度表中的一个成本函数最小的位置，如果调度结果不可行(即调度序列不允许调度)，则替换掉该任务调度表中使成本函数最小的一个已有任务，直至该任务调度表的调度序列允许调度，则完成排任务调度表；其中，所述成本函数为该目标计算节点所有任务的总完成时间；所述调度序列允许调度是指调度序列中的每个任务都能保证完成；

根据任务调度表的调度顺序对其中的各任务依次进行调度。

本发明的分派调度方法，通过先将待分派任务模拟分派到各候选计算节点进行模拟调度的方式，通过模拟调度结果确认能达到任务数量最多且平均完成时间最少的候选计算节点作为实际分派的计算节点，进行分派后真正进行调度和计算，使得在有带宽限制的边缘计算系统中，可以实现最大化任务数量的前提下最小化任务的完成时间，提升了有带宽限制的边缘计算系统的处理性能。

下面对本发明实施例具体作进一步地详细描述。

本发明实施例提供一种边缘计算系统中有带宽限制的在线任务分派调度方法，能在有带宽限制的边缘计算系统中，分派和调度任务，实现最大化任务数量的前提下最小化任务的完成时间。对本发明的分派调度方法所涉及的模型、问题定义说明如下：

(一)系统模型：

(1)网络模型：将边缘计算网络抽象为一个无向连通图G＝(V,E)。其中，顶点表示无线访问接入点AP(包括已经被部署了边缘计算节点的无线访问接入点)，边表示无线访问接入点之间的通信链路，每条链路有一个传播延迟l和带宽限制b。

(2)边缘计算节点模型：通常，边缘计算节点部署在无线访问接入点上，并且每个无线访问接入点最多只能部署一个边缘计算节点。设有一共有k个边缘计算节点，每个节点存储能力有限，只能配置一定种类的服务。只有当该节点配置了可以处理某种任务的服务后，该任务才可以被发往该节点等待处理，并且设定不允许计算节点间进行任务迁移。

(3)任务模型：终端设备随时随地产生任务，因此任务出现的时间和地点是随机的。每个任务R出现后将会首先被距离最近的AP节点接收，再转发给目的计算节点处理。假设任务R到达AP的时间为a_R,任务大小为γ_R，需要由m服务来处理，必须在d_R之前完成。考虑不相关的机器模型，即同一个任务在不同计算节点上的处理时间不同，用p_R,k表示任务R在计算节点k上的处理时间。当一个任务到达时，首先需要为其分配一个目的计算节点，然后该任务发往目的节点的过程中需要为其分配带宽。

(4)云计算节点模型：设定有个远程云计算节点，每个AP节点都可以通过网络将任务卸载到云计算节点进行计算。设定云计算节点有足够的资源和计算能力可以立即处理任何任务。因为云计算节点距离AP很远，设定它到每个AP传播延迟用L表示，带宽用B表示。

(二)问题定义：

一个任务从到达AP到处理完成需要经历上传，处理和下载三个阶段。对于上传阶段，延迟δ↑_R包括：传播延迟和发送延迟，如果分派到边缘节点则如下所示计算，云计算节点类似：

同样，任务处理完后也会有一个下载延迟δ↓_R。假设处理结果很小，因此在下载延迟阶段只考虑传播延迟。对于每个任务，等待延迟w_R包括两部分：等待发送的延迟和等待计算的延迟。综上，一个任务的完成时间为：

C_R＝a_R+w_R+δ↑_R+p_R,k+δ↓_R；

如果C_R>d_R，则该任务错过了要求完成的规定时间，无法完成；否则该任务在规定时间内完成。因此，分派和调度的目标是最大化完成任务的数量同时最小化完成任务的平均完成时间。

设定本发明的方法所用的边缘计算系统的拓扑结构及其他信息如图4，其中，设定此刻AP₂到达一个任务R，到达时间为a_R,任务大小为γ_R，需要由m服务来处理，必须在d_R之前完。两个边缘计算节点都配置了m服务，因此候选的节点为两个边缘计算节点AP₅、AP₆和云计算节点；

先将任务R模拟分派到AP₅，则将任务R插入到AP₅的调度队列，调用调度算法模拟一遍调度，计算当将任务R分派到该节点后边缘计算系统中完成的任务数量以及平均完成时间；再将任务R模拟分派到AP₆和云计算节点，计算当将任务R分派到该节点后边缘计算系统中完成的任务数量以及平均完成时间；

比较分派到三个节点的结果，如果节点AP₅上完成任务的数量最多，则将任务分派到节点AP₅等待真正的调度和处理。

调度的过程如下：当任务R被分派到AP₅后，任务R首先插入系统时刻表的末尾，如果调度可行(该调度可行的是指调度序列中的每个任务都可以保证完成)，则选择调度队列最合适的一个位置插入，如果插入后调度不可行(调度不可行的是指调度序列中存在无法完成的任务)，则选择调度队列中一个冲突的任务替换，即用任务R替换掉冲突的任务。

上述调度方法中，采用以下的调度算法进行调度处理：

其基本思路是：将新的任务插入到一个可以使成本函数最小的位置。如果调度的结果不可行，则根据成本函数替换一个任务，依次产生的调度序列具有相同的完成任务的数量并且具有更低的成本。该调度算法中的成本函数选用任务总完成时间。

上述调度算法的流程如下述伪代码所示：

上述方法中，采用以下的分派算法进行分派处理：

在给任务分派目标计算节点时，将云计算节点作为一种特殊的边缘节点，即拥有无限能力的边缘计算节点。由于任务在云端没有等待时间，因此当计算云计算节点时，将任务的处理时间设为0，并将任务的下载延迟在原来的基础上再加上处理时间。

分派算法的基本思路是：将任务预分派到每个候选计算节点上并调用调度算法来计算每种预分派策略下的平均完成时间；如果有多个可行的预分派策略，则选择其中完成任务数量最大且平均完成时间最小的候选计算节点作为该任务的目标计算节点。

分派算法的流程如伪代码所示：

发明人对本发明的方法进行了大量的实验，实验所用系统包括一个试验台DeEdge的搭建和用谷歌数据集大规模的仿真。试验台DeEdge实验结果(参见图5、6)表明本发明的方法可以有效提高规定时间内完成任务的数量，跟现有最好结果相比最高可以将任务错过规定时间的比例降低50％，仿真实验同样验证了这个结果，并且当把任务错过规定时间的比例从1％降低到0.1％时，本发明的方法需要多加的计算节点要比当前最好的结果少40％到75％。

本领域普通技术人员可以理解：实现上述实施例方法中的全部或部分流程是可以通过程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (8)

1.一种边缘计算系统中有带宽限制的在线任务分派调度方法，其特征在于，包括：

无线接入点接收待分派任务，获取该待分派任务的相关信息；

根据所述待分派任务的相关信息确定所述边缘计算系统中的所有候选计算节点；

将所述待分派任务模拟分派到各候选计算节点，在各候选计算节点进行模拟调度，计算出该待分派任务在各候选计算节点进行模拟调度所对应的模拟调度结果；

对所述待分派任务模拟分派到各候选计算节点的各模拟调度结果进行比较，选定所述模拟调度结果最优的候选计算节点作为目标计算节点，则将所述待分派任务实际分派给选定的所述目标计算节点进行真正的调度和计算处理。

2.根据权利要求1所述的边缘计算系统中有带宽限制的在线任务分派调度方法，其特征在于，所述方法中，获取该待分派任务的相关信息包括：

任务到达时间、任务大小、任务处理时间和处理任务所需要服务。

3.根据权利要求1或2所述的边缘计算系统中有带宽限制的在线任务分派调度方法，其特征在于，所述方法中，根据所述待分派任务的相关信息确定所述边缘计算系统中的所有候选计算节点为：

所述待分派任务的相关信息中包含处理任务所需要服务；

将边缘计算系统中配置有处理待分派任务所需要服务的边缘计算节点和云计算节点作为候选计算节点。

4.根据权利要求1所述的边缘计算系统中有带宽限制的在线任务分派方法，其特征在于，所述方法中，将所述待分派任务模拟分派到各候选计算节点，在各候选计算节点进行模拟调度为：

将所述待分派任务模拟分派到某一候选计算节点后，通过调度处理对所述待分派任务在该候选计算节点上模拟一遍调度后，计算出当将所述待分派任务分派到该候选计算节点后所述边缘计算系统中完成的任务数量和平均完成时间作为模拟调度结果。

5.据权利要求1或4所述的边缘计算系统中有带宽限制的在线任务分派方法，其特征在于，所述方法中，通过调度处理对所述待分派任务在该候选计算节点上模拟一遍调度的调度处理方式为：

候选计算节点接收待分派任务作为待调度任务，获取该待调度任务的相关信息；

排任务调度表：根据所述待调度任务的相关信息将所述待调度任务插入到该候选计算节点的任务调度表中一个成本函数最小的位置，如果调度结果不可行，则替换掉该任务调度表中使成本函数最小的一个已有任务，直至该任务调度表的调度序列允许调度，则完成排任务调度表；其中，所述成本函数为该候选计算节点所有任务的总完成时间；所述调度序列允许调度是指调度序列中的每个任务都能保证完成；

根据所述任务调度表的调度顺序对其中的各任务依次进行调度。

6.据权利要求1或2所述的边缘计算系统中有带宽限制的在线任务分派方法，其特征在于，所述方法的在将所述待分派任务模拟分派到各候选计算节点中，将云节计算点作为任务处理时间为0的目标计算节点，参与待分派任务的分派。

7.据权利要求1或2所述的边缘计算系统中有带宽限制的在线任务分派方法，其特征在于，所述方法的选定所述模拟调度结果最优的候选计算节点作为目标计算节点中，模拟调度结果最优是指：模拟调度结果的完成任务数量最多且平均完成时间最少。

8.据权利要求1或2所述的边缘计算系统中有带宽限制的在线任务分派方法，其特征在于，所述方法中，将所述任务实际分派给选定的所述目标计算节点进行真正的调度的调度方式为：

排任务调度表：所述目标计算节点将接收的待调度任务插入到该目标计算节点的任务调度表中的一个成本函数最小的位置，如果调度结果不可行，则替换掉该任务调度表中使成本函数最小的一个已有任务，完成排任务调度表；其中，所述成本函数为该目标计算节点所有任务的总完成时间；所述调度序列允许调度是指调度序列中的每个任务都能保证完成；

根据所述任务调度表的调度顺序对其中的各任务依次进行调度。