CN110351376A - 一种基于负反馈机制的边缘计算节点选择方法 - Google Patents

一种基于负反馈机制的边缘计算节点选择方法 Download PDF

Info

Publication number
CN110351376A
CN110351376A CN201910645817.7A CN201910645817A CN110351376A CN 110351376 A CN110351376 A CN 110351376A CN 201910645817 A CN201910645817 A CN 201910645817A CN 110351376 A CN110351376 A CN 110351376A
Authority
CN
China
Prior art keywords
node
negative feedback
feedback mechanism
nodes
edge calculations
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.)
Pending
Application number
CN201910645817.7A
Other languages
English (en)
Inventor
李琪林
程志炯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN201910645817.7A priority Critical patent/CN110351376A/zh
Publication of CN110351376A publication Critical patent/CN110351376A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Multi Processors (AREA)

Abstract

本发明公开了一种基于负反馈机制的边缘计算节点选择方法，包括步骤S1，为系统中每个节点分配一个初始权值；步骤S2，获取所有节点的动态权值；步骤S3，基于负反馈机制获取所有节点的最终权值；步骤S4，根据系统中所有节点的最终权值对边缘计算节点进行重新选择或分配。本发明使得系统能够随时掌握各个边缘计算设备或节点的资源负载状况，从中筛选出能够进行任务分配的节点，且这些筛选出来的处理节点能满足相应的处理能力和服务质量要求，从而使系统实现资源的动态负载均衡。

Description

一种基于负反馈机制的边缘计算节点选择方法
技术领域
本发明涉及边缘计算技术领域，具体涉及一种基于负反馈机制的边缘计算节点选择方法。
背景技术
随着泛在电力物联网概念的提出和相关应用的不断深入，边缘计算模式正受到日益广泛的关注。边缘计算技术将原有云计算模型的部分或全部计算任务迁移到网络边缘设备上，极大降低了云计算中心的计算负载，大幅减缓了网络带宽的压力，大大提升了数据的处理效率。与云计算相比，边缘计算所采用的架构更呈分布式，更接近网络边缘，更具去中心化的特点。通过边缘计算可以将现有智能电网“强中心大脑”决策转变为分散式“大脑”决策，极大减少了通讯、存储及计算的资源，使决策的可靠性和实时性得到极大的提高。
在边缘计算环境中，云计算中心通常需要综合考虑系统中各边缘计算节点的负载状况，合理的选择边缘计算节点，以满足不同请求任务的处理时限要求。在实际的应用中，往往有可能存在这样的情况，有些节点已经超负荷运行，而其他节点则基本处于闲置。同时，有些节点已负载过重，但仍不断地收到新的请求。这无疑会导致请求处理任务长时间的等待和系统整体服务质量的下降。然而，针对边缘计算环境中任务的合理调度和资源动态均衡这一问题，现有的许多经典算法如轮循算法、带权重的轮循算法、随机选择算法、权重随机算法及基于响应时间的选择算法等大都缺乏相应的机制，难以实时动态地基于各个节点的负载状况将外界请求的各个任务合理分配到筛选出的边缘计算设备或处理节点上。因此，有必要研究一种新的方法，使得系统能够随时掌握各个边缘计算设备或节点的资源负载状况，从中筛选出能够进行任务分配的节点，且这些筛选出来的处理节点能满足相应的处理能力和服务质量要求，从而使系统实现资源的动态负载均衡。
发明内容
本发明的目的在于提供一种基于负反馈机制的边缘计算节点选择方法，该方法采用相应的权值表示系统中的边缘计算设备或节点仍能提供的处理能力。根据权值的高低顺序并按照轮询的方式选择能够接收任务分配的合适处理节点。权值高的节点比权值低的节点能够处理更多的任务请求，相应的优先级就越高。
具体来说，本发明通过下述技术方案实现：
一种基于负反馈机制的边缘计算节点选择方法，该方法包括：
步骤S1，为系统中每个节点分配一个初始权值；
步骤S2，获取所有节点的动态权值；
步骤S3，基于负反馈机制获取所有节点的最终权值；
步骤S4，根据系统中所有节点的最终权值对边缘计算节点进行重新选择或分配。
优选的，所述步骤S2具体包括：
步骤S21，若某一节点Ni的初始权值DW(Ni)不为0，则根据该节点的各负载参数得到其动态权值LOAD(Ni)；
步骤S22，重复步骤S21，直到获取所有节点的动态权值。
优选的，所述步骤S21中，通过下式计算得到节点Ni的动态权值LOAD(Ni)：
LOAD(Ni)＝R1×(1-Lcpu(Ni))+R2×(1-Lmemory(Ni))+R3×(1-Lio(Ni))+R4
×(1-Lprocess(Ni))+R5×(1-Lresponse(Ni))
其中，Lcpu(Ni)表示节点Ni的CPU使用率，Lmemory(Ni)表示节点Ni的内存使用率，Lio(Ni)表示节点Ni的磁盘I/O访问率，Lprocess(Ni)表示节点Ni的进程总数，Lresponse(Ni)表示节点Ni的响应时间，Ri(i＝1，2，…，5)表示各个负载参数的权重且∑Ri＝1。
优选的，所述步骤S3具体包括：
步骤S31，根据某一节点Ni的初始权值DW(Ni)和动态权值LOAD(Ni)，得到该节点Ni的最终权值Wi；
步骤S32，重复步骤S31，直到获得所有节点的最终权值。
优选的，所述步骤S31中，通过下式计算得到节点Ni的最终权值Wi：
其中，A和B为负反馈系数。
优选的，所述步骤S1中具体根据系统内各个节点的权重是根据各节点的硬件配置情况来进行分配。
优选的，所述步骤S4具体根据所有节点的最终权值对系统内的边缘计算节点进行重新筛选，并按照轮询方式选择出满足条件的一组处理节点，作为接受外界请求处理任务的新节点。
本发明具有如下的优点和有益效果：
针对边缘计算环境中任务的合理调度和资源动态均衡这一问题，本发明提出了一种基于负反馈机制的边缘计算节点选择方法。该方法使得系统能够随时掌握各个边缘计算设备或节点的资源负载状况，从中筛选出能够进行任务分配的节点，且这些筛选出来的处理节点能满足相应的处理能力和服务质量要求，从而使系统实现资源的动态负载均衡。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
设某系统内有一组边缘计算设备或节点N＝{N0，N1，…，Ny-1}，y≥1，W(Ni)表示节点Ni还能够提供处理请求任务能力的权值，T(Ni)表示节点Ni当前所分配的任务量。若∑T(Ni)表示当前同步周期处理的任务总量，∑W(Ni)表示各个节点还能够提供处理能力权值的总和。则：
，表示当前节点Ni已经分配的任务越多，则还够提供的处理新任务的能力就越弱；反之，提供新任务处理能力越强，则当前已经分配的任务就相对越少。
基于上述原理，本实施例提供了一种基于负反馈机制的边缘计算节点选择方法。如图1所示，该方法包括以下步骤：
S1：进行初始权值配置：
系统根据各个边缘计算设备或节点Ni的硬件配置情况对节点Ni都设定一个初始权值DW(Ni)，其中，DW(Ni)通常根据节点的硬件配置来定义，硬件配置越高的节点默认值越高；为每个边缘计算设备或节点均配置一个初始权值。
S2：获取所有处理节点(或者边缘计算设备)的动态权值：
对任意处理节点Ni，若其初始权值DW(Ni)不为0，则查询该节点的各负载参数，并计算出动态权值LOAD(Ni)；
LOAD(Ni)＝R1×(1-Lcpu(Ni))+R2×(1-Lmemory(Ni))+R3×(1-Lio(Ni))+R4
×(1-Lprocess(Ni))+R5×(1-Lresponse(Ni))
其中，Lcpu(Ni)表示节点Ni的CPU使用率，Lmemory(Ni)表示节点Ni的内存使用率，Lio(Ni)表示节点Ni的磁盘I/O访问率，Lprocess(Ni)表示节点Ni的进程总数，Lresponse(Ni)表示节点Ni的响应时间。
同时，为了方便在系统运行过程中针对不同的应用对各个参数的比例进行适当调整，于是为每一个负载参数设定一个权值系数Ri(i＝1，2，…，5)，用来表示各个负载参数的重要程度，其中∑Ri＝1。
重复上述过程，直到获得所有处理节点的动态权值。
S3：获取所有处理节点(或者边缘计算设备)的最终权值：
对任意处理节点Ni，结合节点的初始权值DW(Ni)和动态权值DW(Ni)来计算其最终权值Wi，其中，负反馈系数A和B根据实际应用需求设置，具体来说：
(1)若DW(Ni)＝LOAD(Ni)，则最终权值Wi不变，说明本节点的负载状况刚好达到理想状况，等于初始权值DW(Ni)，先不考虑分配新的处理任务。
(2)若DW(Ni)＜LOAD(Ni)，则最终权值Wi变高，说明本节点负载很轻，仍有能力接受新的请求任务；
(3)若DW(Ni)＞LOAD(Ni)，则最终权值Wi变低，说明本节点开始处于重载状况，暂不考虑对本重负载节点分配新处理任务。
重复上述过程，直到获得所有处理节点的最终权值。
S4：根据系统中所有节点的最终权值对边缘计算节点进行重新选择或分配。
系统基于任一边缘计算设备或处理节点的新权值Wi对系统范围内的处理节点进行重新筛选，并按照轮询方式选择出满足条件的一组处理节点，作为接收外界请求处理任务的新节点。
在实际使用中，若发现所有节点的权值都小于他们的DW(Ni)，则说明当前系统处于超载状态，这时需要加入新的节点到系统中来处理分担负载；反之，若所有节点的权值大大高于DW(Ni)，则说明当前系统的负载都比较轻，系统的资源利用率不高。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于负反馈机制的边缘计算节点选择方法，其特征在于，该方法包括：
步骤S1，为系统中每个节点分配一个初始权值；
步骤S2，获取所有节点的动态权值；
步骤S3，基于负反馈机制获取所有节点的最终权值；
步骤S4，根据系统中所有节点的最终权值对边缘计算节点进行重新选择或分配。
2.根据权利要求1所述的一种基于负反馈机制的边缘计算节点选择方法，其特征在于，所述步骤S2具体包括：
步骤S21，若某一节点Ni的初始权值DW(Ni)不为0，则根据该节点的各负载参数得到其动态权值LOAD(Ni)；
步骤S22，重复步骤S21，直到获取所有节点的动态权值。
3.根据权利要求2所述的一种基于负反馈机制的边缘计算节点选择方法，其特征在于，所述步骤S21中，通过下式计算得到节点Ni的动态权值LOAD(Ni)：
LOAD(Ni)＝R1×(1-Lcpu(Ni))+R2×(1-Lmemory(Ni))+R3×(1-Lio(Ni))+R4×(1-Lprocess(Ni))+R5×(1-Lresponse(Ni))
其中，Lcpu(Ni)表示节点Ni的CPU使用率，Lmemory(Ni)表示节点Ni的内存使用率，Lio(Ni)表示节点Ni的磁盘I/O访问率，Lprocess(Ni)表示节点Ni的进程总数，Lresponse(Ni)表示节点Ni的响应时间，Ri(i＝1，2，…，5)表示各个负载参数的权重且∑Ri＝1。
4.根据权利要求1-3任一项所述的一种基于负反馈机制的边缘计算节点选择方法，其特征在于，所述步骤S3具体包括：
步骤S31，根据某一节点Ni的初始权值DW(Ni)和动态权值LOAD(Ni)，得到该节点Ni的最终权值Wi；
步骤S32，重复步骤S31，直到获得所有节点的最终权值。
5.根据权利要求4所述的一种基于负反馈机制的边缘计算节点选择方法，其特征在于，所述步骤S31中，通过下式计算得到节点Ni的最终权值Wi：
其中，A和B为负反馈系数。
6.根据权利要求5所述的一种基于负反馈机制的边缘计算节点选择方法，其特征在于，所述步骤S1中具体根据系统内各个节点的权重是根据各节点的硬件配置情况来进行分配。
7.根据权利要求1所述的一种基于负反馈机制的边缘计算节点选择方法，其特征在于，所述步骤S4具体根据系统中所有节点的最终权值对边缘计算节点进行重新筛选，并按照轮询方式选择出满足条件的一组处理节点，作为接受外界请求处理任务的新节点。
CN201910645817.7A 2019-07-17 2019-07-17 一种基于负反馈机制的边缘计算节点选择方法 Pending CN110351376A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910645817.7A CN110351376A (zh) 2019-07-17 2019-07-17 一种基于负反馈机制的边缘计算节点选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910645817.7A CN110351376A (zh) 2019-07-17 2019-07-17 一种基于负反馈机制的边缘计算节点选择方法

Publications (1)

Publication Number Publication Date
CN110351376A true CN110351376A (zh) 2019-10-18

Family

ID=68176684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910645817.7A Pending CN110351376A (zh) 2019-07-17 2019-07-17 一种基于负反馈机制的边缘计算节点选择方法

Country Status (1)

Country Link
CN (1) CN110351376A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111858051A (zh) * 2020-07-20 2020-10-30 国网四川省电力公司电力科学研究院 一种适合边缘计算环境的实时动态调度方法、系统和介质
TWI729606B (zh) * 2019-12-05 2021-06-01 財團法人資訊工業策進會 用於一邊緣運算網路的負載平衡裝置及方法
CN113572821A (zh) * 2021-07-05 2021-10-29 山东师范大学 一种边缘云节点任务协同处理方法及系统
CN115396515A (zh) * 2022-08-19 2022-11-25 中国联合网络通信集团有限公司 资源调度方法、装置及存储介质
CN113572821B (zh) * 2021-07-05 2024-06-04 山东师范大学 一种边缘云节点任务协同处理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106612310A (zh) * 2015-10-23 2017-05-03 腾讯科技（深圳）有限公司 一种服务器调度方法、装置和系统
CN108667878A (zh) * 2017-03-31 2018-10-16 北京京东尚科信息技术有限公司 服务器负载均衡方法及装置、存储介质、电子设备
CN108933822A (zh) * 2018-06-28 2018-12-04 北京百度网讯科技有限公司 用于处理信息的方法和装置
CN109067869A (zh) * 2018-08-01 2018-12-21 郑州云海信息技术有限公司 云计算系统中微服务节点的管理方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106612310A (zh) * 2015-10-23 2017-05-03 腾讯科技（深圳）有限公司 一种服务器调度方法、装置和系统
CN108667878A (zh) * 2017-03-31 2018-10-16 北京京东尚科信息技术有限公司 服务器负载均衡方法及装置、存储介质、电子设备
CN108933822A (zh) * 2018-06-28 2018-12-04 北京百度网讯科技有限公司 用于处理信息的方法和装置
CN109067869A (zh) * 2018-08-01 2018-12-21 郑州云海信息技术有限公司 云计算系统中微服务节点的管理方法和装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI729606B (zh) * 2019-12-05 2021-06-01 財團法人資訊工業策進會 用於一邊緣運算網路的負載平衡裝置及方法
CN111858051A (zh) * 2020-07-20 2020-10-30 国网四川省电力公司电力科学研究院 一种适合边缘计算环境的实时动态调度方法、系统和介质
CN111858051B (zh) * 2020-07-20 2023-09-05 国网四川省电力公司电力科学研究院 一种适合边缘计算环境的实时动态调度方法、系统和介质
CN113572821A (zh) * 2021-07-05 2021-10-29 山东师范大学 一种边缘云节点任务协同处理方法及系统
CN113572821B (zh) * 2021-07-05 2024-06-04 山东师范大学 一种边缘云节点任务协同处理方法及系统
CN115396515A (zh) * 2022-08-19 2022-11-25 中国联合网络通信集团有限公司 资源调度方法、装置及存储介质

Similar Documents

Publication Publication Date Title
Ali et al. An automated task scheduling model using non-dominated sorting genetic algorithm II for fog-cloud systems
CN1956457B (zh) 用于安排网格计算系统中的网格作业的方法和设备
CN105704255B (zh) 一种基于遗传算法的服务器负载均衡方法
CN110351376A (zh) 一种基于负反馈机制的边缘计算节点选择方法
CN109218355A (zh) 负载均衡引擎，客户端，分布式计算系统以及负载均衡方法
CN103401947A (zh) 多个服务器的任务分配方法和装置
CN109831524B (zh) 一种负载均衡处理方法及装置
Moens et al. Hierarchical network-aware placement of service oriented applications in clouds
CN103516807A (zh) 一种云计算平台服务器负载均衡系统及方法
Yolken et al. Game based capacity allocation for utility computing environments
Kapgate Efficient service broker algorithm for data center selection in cloud computing
WO2015183313A1 (en) Resource usage data collection within a distributed processing framework
CN113490279B (zh) 一种网络切片配置方法及装置
CN111381957B (zh) 面向分布式平台的服务实例精细化调度方法及系统
CN110347515A (zh) 一种适合边缘计算环境的资源优化分配方法
CN115134371A (zh) 包含边缘网络算力资源的调度方法、系统、设备及介质
CN116016533A (zh) 一种自动加权负载均衡方法和系统、电子设备、存储介质
CN108737268A (zh) 软件定义工业物联网资源调度方法
US20150215230A1 (en) Methods and apparatus for allocating cloud-based media resources
CN105335376B (zh) 一种流处理方法、装置及系统
Yusoh et al. Clustering composite SaaS components in cloud computing using a grouping genetic algorithm
CN105187488A (zh) 一种基于遗传算法实现mas负载均衡的方法
CN108307206A (zh) 一种直播编码任务的分配方法及装置
Zhu et al. Load balancing algorithm for web server based on weighted minimal connections
Lee et al. A dynamic load balancing approach using genetic algorithm in distributed systems

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191018

RJ01 Rejection of invention patent application after publication