CN110740170A - 计算单元的确定方法、网络设备和计算机可读存储介质 - Google Patents

计算单元的确定方法、网络设备和计算机可读存储介质 Download PDF

Info

Publication number
CN110740170A
CN110740170A CN201910912488.8A CN201910912488A CN110740170A CN 110740170 A CN110740170 A CN 110740170A CN 201910912488 A CN201910912488 A CN 201910912488A CN 110740170 A CN110740170 A CN 110740170A
Authority
CN
China
Prior art keywords
attribute
computing unit
computing
acquiring
unit
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
CN201910912488.8A
Other languages
English (en)
Inventor
王�琦
潘兴浩
谢于贵
蒋伟
杜欧杰
王科
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.)
MIGU Video Technology Co Ltd
MIGU Culture Technology Co Ltd
Original Assignee
MIGU Video Technology Co Ltd
MIGU Culture Technology 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 MIGU Video Technology Co Ltd, MIGU Culture Technology Co Ltd filed Critical MIGU Video Technology Co Ltd
Priority to CN201910912488.8A priority Critical patent/CN110740170A/zh
Publication of CN110740170A publication Critical patent/CN110740170A/zh
Pending legal-status Critical Current

Links

Images

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
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • 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
    • H04L67/101—Server selection for load balancing based on network conditions
    • 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
    • H04L67/1012—Server selection for load balancing based on compliance of requirements or conditions with available server resources
    • 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
    • H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提供了一种计算单元的确定方法、网络设备和计算机可读存储介质，涉及通信技术领域。该计算单元的确定方法包括：在获取到计算任务的情况下，获取计算单元的属性参数；根据属性参数，获取计算单元的处理能力参数；确定具有最大处理能力参数的计算单元为目标计算单元；在目标计算单元满足预设条件的情况下，通过目标计算单元处理计算任务。本发明的方案在获取到计算任务的情况下，通过MEC中心获取处理能力参数，在具有最大处理能力参数的计算单元满足预设条件的情况下，通过该计算单元处理所述计算任务，可以对多计算任务模式下，按照计算单元的处理能力对计算任务进行处理，提高资源使用率。

Description

计算单元的确定方法、网络设备和计算机可读存储介质
技术领域
本发明涉及通信技术领域，特别涉及一种计算单元的确定方法、网络设备和计算机可读存储介质。
背景技术
目前，MEC(移动边缘计算，Mobile Edge Computing)是第五代移动通信网络5G代表性的服务能力之一，MEC将计算、存储等业务下沉到网络边缘节点，为用户就近提供计算和存储功能。常规的5G MEC计算方式是针对业务选择MEC计算中心，选择的过程具有单一性和随机性，造成计算任务执行效率低，给5E MEC的大规模推广和使用增加了难度和不确定性。
发明内容
本发明实施例提供一种计算单元的确定方法、网络设备和计算机可读存储介质，以解决计算任务执行效率低的问题。
为了解决上述技术问题，本发明实施例提供了一种计算单元的确定方法，应用于移动边缘计算MEC中心，包括：
在获取到计算任务的情况下，获取计算单元的属性参数；
根据所述属性参数，获取所述计算单元的处理能力参数；
确定具有最大处理能力参数的计算单元为目标计算单元；
在所述目标计算单元满足预设条件的情况下，通过所述目标计算单元处理所述计算任务。
可选的，所述属性参数包括：属性值和属性权重向量；
所述获取计算单元的属性参数，包括：
根据所述计算单元的可用资源，获取所述计算单元的至少一个属性值；
根据特征训练模型，获取每一所述属性值对应的属性权重向量。
可选的，所述处理能力参数包括：加权算数平均算子；
所述根据所述属性参数，获取所述计算单元的处理能力参数，包括：
获取关于所述属性值的矩阵以及关于所述属性权重向量的矩阵；
根据所述属性值的矩阵和所述属性权重向量的矩阵，依据以下公式，获取所述计算单元的加权算数平均算子：
Figure BDA0002215141480000021
其中，WAAw(a1，a2…an)为加权算数平均算子；
wi为属性权重向量的矩阵；
ai为属性值的矩阵。
可选的，所述属性值包括CPU频率、CPU核心数、浮点运算单元数和空闲率的乘积。
可选的，所述属性值包括互联网数据中心IDC带宽出口成本。
可选的，所述属性值包括因特网包探索器Ping值回环时间。
可选的，所述属性值包括空闲带宽和总带宽的商。
可选的，所述方法还包括：
在所述目标计算单元不满足所述预设条件的情况下，通过云端计算中心对所述计算任务进行处理。
本发明实施例还提供了一种网络设备，包括存储器、处理器及存储在所述存储器上并可在所述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上所述的计算单元的确定方法的步骤。
本发明实施例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，该程序被处理器执行时实现如上所述的计算单元的确定方法中的步骤。
与现有技术相比，本发明实施例提供的计算单元的确定方法、网络设备和计算机可读存储介质，至少具有以下有益效果：
在获取到计算任务的情况下，通过MEC中心获取计算单元的属性参数，并根据所述属性参数获取所述计算单元的处理能力参数，在具有最大处理能力参数的计算单元满足预设条件的情况下，通过具有最大处理能力参数的计算单元处理所述计算任务，可以对多计算任务模式下，按照计算单元的处理能力对计算任务进行处理，提高资源使用率。
附图说明
图1为本发明实施例提供的计算单元的确定方法流程图；
图2为本发明实施例提供的网络系统结构图；
图3为本发明实施例提供的计算单元的确定方法具体流程图；
图4为本发明实施例提供的网络设备的模块示意图；
图5为本发明实施例提供的网络设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。在下面的描述中，提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外，为了清楚和简洁，省略了对已知功能和构造的描述。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
另外，本文中术语“系统”和“网络”在本文中常可互换使用。
在本申请所提供的实施例中，应理解，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。
目前，5G网络的目标对象是海量类型的移动应用和智能终端，因此需要按照不同的应用场景设计不同的功能，适用于计算密集型应用，如面部识别、语音处理等，这类应用的特点是需要消耗大量的资源和能量。通过移动边缘计算，可以将计算密集型任务迁移到靠近用户的MEC数据中心，从而缩短用户和数据中心的距离，降低网络时延。常规的5G MEC计算方式是针对业务选择计算中心，选择的过程具有单一性和随机性，未充分考虑计算能力、成本、时延以及带宽等重要因素。因此，本发明实施例提供了一种计算单元的确定方法、网络设备和计算机，可以对多计算任务模式下，按照计算单元的处理能力对计算任务进行处理，提高资源使用率。
具体的，如图1所示，本发明实施例提供了一种计算单元的确定方法，应用于移动边缘计算MEC中心，具体包括以下步骤：
步骤11，在获取到计算任务的情况下，获取计算单元的属性参数。
具体的，如图2所示为本发明实施例可应用的一种无线通信系统的框图，无线通信系统包括终端1、基站2、MEC中心3和云端计算中心4。其中，终端1也可以称作终端设备或者用户终端(User Equipment，UE)，终端1可以是手机、平板电脑(Tablet PersonalComputer)、膝上型电脑(Laptop Computer)、个人数字助理(Personal DigitalAssistant，PDA)、移动上网装置(Mobile Internet Device，MID)、可穿戴式设备(WearableDevice)或车载设备等终端侧设备，需要说明的是，在本发明实施例中并不限定终端1的具体类型。上述基站2可以是5G及以后版本的基站(例如：gNB、5G NR NB等)，或者其他通信系统中的基站(例如：eNB、WLAN接入点、或其他接入点等)，其中，基站可被称为节点B、演进节点B、接入点、基收发机站(Base Transceiver Station，BTS)、无线电基站、无线电收发机、基本服务集(Basic Service Set，BSS)、扩展服务集(Extended Service Set，ESS)、B节点、演进型B节点(eNB)、家用B节点、家用演进型B节点、WLAN接入点、WiFi节点或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本发明实施例中仅以NR系统中的基站为例，但是并不限定基站的具体类型。其中，终端1、基站2和MEC中心3的数量并不限定。
具体的，可以由终端发起一个总计算任务，可以通过MEC中心的MEC管理借口获取总计算任务，可以将总计算任务进行切割，将切割后的各个计算任务分别进行处理。并且，MEC中心的MEC系统管理可以根据MEC中心的工作情况，筛选出可用于执行计算任务的多个计算单元，即计算单元集合，并可以为每个计算单元标记序号，例如：每个计算单元标记序号可以记为：X1，X2，X3……Xm，MEC中心可以获取计算单元集合中全部计算单元的属性参数，也可以获取计算单元集合中一部分计算单元的属性参数，在此不做限定。
步骤12，根据所述属性参数，获取所述计算单元的处理能力参数。
步骤13，确定具有最大的处理能力参数的计算单元为目标计算单元。
步骤14，在所述目标计算单元满足预设条件的情况下，通过所述目标计算单元处理所述计算任务。
具体的，根据获取到的多个计算单元的处理能力参数，可以将处理能力参数进行正向排序，将处理能力参数最高值(即具有最大的处理能力参数)所对应的计算单元确定为目标计算单元，并在目标计算单元满足预设条件的情况下，通过该目标计算单元对所述计算任务进行处理。其中，所述预设条件为目标计算单元的可用资源达到可以处理所述计算任务的条件，如果目标计算单元无法处理计算任务，则目标计算单元不满足预设条件。
在本发明实施例中，在获取到计算任务的情况下，通过MEC中心获取计算单元的属性参数，并根据所述属性参数获取所述计算单元的处理能力参数，将具有最大的处理能力参数的计算单元确定为目标计算单元，并在目标计算单元满足预设条件的情况下，通过所述目标计算单元对所述计算任务进行处理，可以对多计算任务模式下，按照计算单元的处理能力对计算任务进行处理，提高资源使用率。
进一步的，在所述步骤11中，所述属性参数可以包括：属性值和属性权重向量；所述步骤11具体可以包括：
步骤111，根据所述计算单元的可用资源，获取所述计算单元的至少一个属性值。
具体的，根据计算单元目前的可用资源，获取所述计算单元的一个或多个属性值。例如：在属性值为多个的情况下，所述属性值可以包括CPU(中央处理器，CentralProcessing Unit)能力属性、成本、时延以及带宽空闲率等。其中，所述计算单元的可用资源为计算单元没有被占用或使用的资源，例如：计算能力空闲、空口能力空闲、带宽空闲和成本等。
例如：如图3所示，加权算数平均算子由属性权重向量、属性值以及计算单元目前的可用资源获得。MEC中心筛选计算单元集合，根据计算单元集合中计算单元的计算能力空闲、空口能力空闲、带宽空闲和成本等资源、以及计算单元的属性值(CPU能力属性、成本、时延以及带宽空闲率等)以及属性权重向量，获取计算单元的加权算数平均算子，加权算数平均算子的结果可以反馈给MEC中心。
具体的，在所述属性值包括CPU能力属性的情况下，所述CPU能力属性可以为CPU频率、CPU核心数、浮点运算单元数和空闲率的乘积，即CPU能力属性＝CPU频率*CPU核心数*浮点运算单元数*空闲率。其中，计算能力一般以CPU能力为依据，在此不做限定。
具体的，在所述属性值包括成本的情况下，所述成本可以为互联网数据中心IDC带宽出口成本(Gbps/元)，其中，成本一般以带宽出口成本为依据，以每Gbps每元为计算单位，在此不做限定。
具体的，在所述属性值包括时延的情况下，所述时延为因特网包探索器Ping值回环时间(ms)，其中，时延一般以服务端口QoS(服务质量，Quality of Service)数据为依据，空口每分钟平均ICMP(因特网控制报文协议，Intemet Control Message Protocol)ping回环时间，在此不做限定。
具体的，在所述属性值包括带宽空闲率的情况下，所述带宽空闲率可以为空闲带宽和总带宽的商，即(空闲带宽/总带宽)*100％，其中，带宽一般以空闲率为依据，在此不做限定。
例如：在属性值为多个的情况下，可以建立属性值集合：{a1，a2，a3……an}；
具体公式如下：
a1＝CPU能力属性＝CPU频率*CPU核心数*浮点运算单元数*空闲率；
a2＝成本＝IDC带宽出口成本(Gbps/元)；
a3＝时延＝ping值回环时间(ms)；
a4＝带宽空闲率＝(空闲带宽/总带宽)*100％。
步骤112，根据特征训练模型，获取每一所述属性值对应的属性权重向量。
具体的，将计算单元的属性值样本做特征向量融合训练，可以获得多特征分布函数模型(即特征训练模型)，并输出多特征和计算效率的最佳分布函数；由于计算任务涉及的多个特征不一定，因此，经训练获得的最佳分布函数可能是正态函数，也可能是均匀分布。由于现有技术中大多未考虑到计算单元自身各属性的特性和实际业务复杂度等问题，会实际影响到计算任务过程中的时间复杂度，因此，在本方法实施例中增加计算单元的属性权重向量，整体分析计算单元的详细信息，生成更丰富和具有代表性的特征点，提高样本的代表性。
以下就其中正太分布函数进行示例：
将已完成的计算任务样本参数进行训练，根据深度学习的结果，该组多个属性值和实际已完成的在各个计算单元上的计算任务的执行效率(时长)的关系满足正态分布，则根据最大似然估计获取最合适的属性权重向量，该过程是一个估计期望使得到的这一组数据的概率最大的过程，具体如以下公式：
Figure BDA0002215141480000071
Figure BDA0002215141480000072
其中，X1，X2…Xn表示样本参数；
P表示概率；
σ表示样本参数的方差；
μ表示样本参数的均值。
不仅解决当前估算需要人工干预的难题，还保证了预估样本的准确性。
进一步的，在步骤12中，所述处理能力参数可以包括：加权算数平均算子；所述步骤12具体可以包括：
获取关于所述属性值的矩阵以及关于所述属性权重向量的矩阵；
根据所述属性值的矩阵和所述属性权重向量的矩阵，依据以下公式，获取所述计算单元的加权算数平均算子：
Figure BDA0002215141480000073
其中，WAAw(a1，a2…an)为加权算数平均算子；
wj为属性权重向量的矩阵；
aj为属性值的矩阵。
具体的，所述属性值的矩阵为：
aj＝(a1，a2，a3……an)
所述属性权重向量的矩阵为：
wj＝(w1，w2，w3……wn)T
根据所述属性值的矩阵和所述属性权重向量的矩阵，依据以下公式即可以计算加权算数平均算子：
Figure BDA0002215141480000081
例如：计算单元集合包括第一计算单元、第二计算单元、第三计算单元以及第四计算单元，计算任务包括第一计算任务和第二计算任务，在获取需要处理第一计算任务的目标计算单元的情况下，获取第一计算单元的第一加权算数平均算子、第二计算单元的第二加权算数平均算子、第三计算单元的第三加权算数平均算子以及第四计算单元的第四加权算数平均算子，其中，在第一加权算数平均算子、第二加权算数平均算子、第三加权算数平均算子和第四加权算数平均算子中，第四加权算数平均算子为最大值，即第四加权算数平均算子对应的第四计算单元为目标计算单元，通过第四计算单元处理第一计算任务；在获取需要处理第二计算任务的目标计算单元的情况下，获取第一计算单元的第一加权算数平均算子、第二计算单元的第二加权算数平均算子、第三计算单元的第三加权算数平均算子以及第四计算单元的第四加权算数平均算子，其中，在第一加权算数平均算子、第二加权算数平均算子、第三加权算数平均算子和第四加权算数平均算子中，第四加权算数平均算子为最大值，即第四加权算数平均算子对应的第四计算单元依旧为目标计算单元，通过第四计算单元处理第二计算任务，即通过第四计算单元处理第一计算任务和第二计算任务。
根据上述步骤得到的通过第四计算单元处理第一计算任务和第二计算任务的结果，将第一计算和第二计算任务应用程序通过HTTP(超文本传输协议，HyperText TransferProtocol)Rest(表述性状态转移Representational State Transfer)接口进行注入，通过进行相关事件的订阅和通知注册，在API(应用程序编程接口，Application ProgrammingInterface)层面进行访问控制、鉴权、授权对接，在日志层面进行调用统计和数据统计对接。如上述计算任务需要用到5G流量统计，还需要进行流量控制规则配置和DNS(域名系统，Domain Name System)规则等相关网络传输层配置。
进一步的，所述方法还可以包括：
在所述目标计算单元不满足所述预设条件的情况下，即具有最大处理能力参数的计算单元(即目标计算单元)无法处理所述计算任务的情况下，通过云端计算中心对所述计算任务进行处理。
具体的，在所述目标计算单元无法处理所述计算任务的情况下，可以将该计算任务迁移至云端计算中心，即通过云端计算中心进行处理。
本发明实施例中，在获取到计算任务的情况下，通过MEC中心获取计算单元的属性值和属性权重向量，并根据所述属性值和属性权重向量获取所述计算单元的加权算数平均算子，将具有最大的加权算数平均算子的计算单元确定为目标计算单元，并在目标计算单元满足预设条件的情况下，通过所述目标计算单元对所述计算任务进行处理，可以对多计算任务模式下，按照计算单元的处理能力对计算任务进行处理，提高资源使用率。
如图4所示，本发明实施例还提供了一种网络设备40，包括：
第一获取模块41，用于在获取到计算任务的情况下，获取计算单元的属性参数；
第二获取模块42，用于根据所述属性参数，获取所述计算单元的处理能力参数；
第一确定模块43，用于确定具有最大处理能力参数的计算单元为目标计算单元；
第一处理模块44，用于在所述目标计算单元满足预设条件的情况下，通过所述目标计算单元处理所述计算任务。
进一步的，所述属性参数包括：属性值和属性权重向量；
所述第一获取模块41，具体包括：
第一获取单元，用于根据所述计算单元的可用资源，获取所述计算单元的至少一个属性值；
第二获取单元，用于根据特征训练模型，获取每一所述属性值对应的属性权重向量。
进一步的，所述处理能力参数包括：加权算数平均算子；
所述第二获取模块42，具体包括：
第三获取单元，用于获取关于所述属性值的矩阵以及关于所述属性权重向量的矩阵；
第四获取单元，用于根据所述属性值的矩阵和所述属性权重向量的矩阵，依据以下公式，获取所述计算单元的加权算数平均算子：
其中，WAAw(a1，a2…an)为加权算数平均算子；
wj为属性权重向量的矩阵；
aj为属性值的矩阵。
进一步的，所述属性值包括CPU频率、CPU核心数、浮点运算单元数和空闲率的乘积。
进一步的，所述属性值包括互联网数据中心IDC带宽出口成本。
进一步的，所述属性值包括因特网包探索器Ping值回环时间。
进一步的，所述属性值包括空闲带宽和总带宽的商。
进一步的，所述方法还可以包括：
第二处理模块，用于在所述目标计算单元不满足所述预设条件的情况下，通过云端计算中心对所述计算任务进行处理。
需要说明的是，该网络设备的实施例是与上述方法的实施例相对应的，上述方法的实施例中的所有实现方式均适用于该网络设备的实施例中，也能达到相同的技术效果，在此不做赘述。
在获取到计算任务的情况下，通过第一获取模块41获取计算单元的属性参数，第二获取模块42根据所述属性参数获取所述计算单元的处理能力参数，第一确定模块43确定具有最大处理能力参数的计算单元为目标计算单元，第一处理模块44在目标计算单元满足预设条件的情况下通过所述目标计算单元对所述计算任务进行处理，可以对多计算任务模式下，按照计算单元的处理能力对计算任务进行处理，提高资源使用率。
如图5所示，本发明实施例还提供了另一种网络设备，能够实现上述的计算单元的确定方法的细节，并达到相同的效果。如图5所示，包括收发器501、存储器502、处理器500及存储在所述存储器502上并可在所述处理器500上运行的计算机程序；处理器500调用并执行存储器502中所存储的程序和数据。
收发器501在处理器500的控制下接收和发送数据，具体地，处理器500用于读取存储器502中的程序，可以执行下列过程：
在获取到计算任务的情况下，获取计算单元的属性参数；
根据所述属性参数，获取所述计算单元的处理能力参数；
确定具有最大处理能力参数的计算单元为目标计算单元；
在所述目标计算单元满足预设条件的情况下，通过所述目标计算单元处理所述计算任务。
其中，在图5中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器500代表的一个或多个处理器和存储器502代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器501可以是多个元件，即包括发送器和接收器，提供用于在传输介质上与各种其他装置通信的单元。处理器500负责管理总线架构和通常的处理，存储器502可以存储处理器500在执行操作时所使用的数据。
可选的，所述属性参数包括：属性值和属性权重向量；
处理器500用于读取存储器502中的程序，可以执行下列过程：
根据所述计算单元的可用资源，获取所述计算单元的至少一个属性值；
根据特征训练模型，获取每一所述属性值对应的属性权重向量。
可选的，所述处理能力参数包括：加权算数平均算子；
处理器500用于读取存储器502中的程序，可以执行下列过程：
获取关于所述属性值的矩阵以及关于所述属性权重向量的矩阵；
根据所述属性值的矩阵和所述属性权重向量的矩阵，依据以下公式，获取所述计算单元的加权算数平均算子：
Figure BDA0002215141480000111
其中，WAAw(a1，a2…an)为加权算数平均算子；
wi为属性权重向量的矩阵；
ai为属性值的矩阵。
可选的，所述属性值包括CPU频率、CPU核心数、浮点运算单元数和空闲率的乘积。
可选的，所述属性值包括互联网数据中心IDC带宽出口成本。
可选的，所述属性值包括因特网包探索器Ping值回环时间。
可选的，所述属性值包括空闲带宽和总带宽的商。
可选的，处理器500用于读取存储器502中的程序，可以执行下列过程：
在所述目标计算单元不满足所述预设条件的情况下，通过云端计算中心对所述计算任务进行处理。
本领域技术人员可以理解，实现上述实施例的全部或者部分步骤可以通过硬件来完成，也可以通过程序来指示相关的硬件来完成，所述程序包括执行上述方法的部分或者全部步骤的指令；且该程序可以存储于一可读存储介质中，存储介质可以是任何形式的存储介质。
本发明实施例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，该程序被处理器执行时实现如上所述的计算单元的确定方法实施例中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明方法中，显然，各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种计算单元的确定方法，应用于移动边缘计算MEC中心，其特征在于，包括：
在获取到计算任务的情况下，获取计算单元的属性参数；
根据所述属性参数，获取所述计算单元的处理能力参数；
确定具有最大处理能力参数的计算单元为目标计算单元；
在所述目标计算单元满足预设条件的情况下，通过所述目标计算单元处理所述计算任务。
2.如权利要求1所述的计算单元的确定方法，其特征在于，所述属性参数包括：属性值和属性权重向量；
所述获取计算单元的属性参数，包括：
根据所述计算单元的可用资源，获取所述计算单元的至少一个属性值；
根据特征训练模型，获取每一所述属性值对应的属性权重向量。
3.如权利要求2所述的计算单元的确定方法，其特征在于，所述处理能力参数包括：加权算数平均算子；
所述根据所述属性参数，获取所述计算单元的处理能力参数，包括：
获取关于所述属性值的矩阵以及关于所述属性权重向量的矩阵；
根据所述属性值的矩阵和所述属性权重向量的矩阵，依据以下公式，获取所述计算单元的加权算数平均算子：
Figure FDA0002215141470000011
其中，WAAw(a1,a2…an)为加权算数平均算子；
wj为属性权重向量的矩阵；
aj为属性值的矩阵。
4.如权利要求2所述的计算单元的确定方法，其特征在于，所述属性值包括CPU频率、CPU核心数、浮点运算单元数和空闲率的乘积。
5.如权利要求2所述的计算单元的确定方法，其特征在于，所述属性值包括互联网数据中心IDC带宽出口成本。
6.如权利要求2所述的计算单元的确定方法，其特征在于，所述属性值包括因特网包探索器Ping值回环时间。
7.如权利要求2所述的计算单元的确定方法，其特征在于，所述属性值包括空闲带宽和总带宽的商。
8.如权利要求1所述的计算单元的确定方法，其特征在于，所述方法还包括：
在所述目标计算单元不满足所述预设条件的情况下，通过云端计算中心对所述计算任务进行处理。
9.一种网络设备，包括存储器、处理器及存储在所述存储器上并可在所述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8中任一项所述的计算单元的确定方法的步骤。
10.一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，该程序被处理器执行时实现如权利要求1至8中任一项所述的计算单元的确定方法中的步骤。
CN201910912488.8A 2019-09-25 2019-09-25 计算单元的确定方法、网络设备和计算机可读存储介质 Pending CN110740170A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910912488.8A CN110740170A (zh) 2019-09-25 2019-09-25 计算单元的确定方法、网络设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910912488.8A CN110740170A (zh) 2019-09-25 2019-09-25 计算单元的确定方法、网络设备和计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110740170A true CN110740170A (zh) 2020-01-31

Family

ID=69269594

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910912488.8A Pending CN110740170A (zh) 2019-09-25 2019-09-25 计算单元的确定方法、网络设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110740170A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494612A (zh) * 2018-01-19 2018-09-04 西安电子科技大学 一种提供移动边缘计算服务的网络系统及其服务方法
CN108628674A (zh) * 2018-05-11 2018-10-09 深圳市零度智控科技有限公司 基于云平台的任务调度方法、云平台及计算机存储介质
CN109343942A (zh) * 2018-09-03 2019-02-15 北京邮电大学 基于边缘计算网络的任务调度方法
CN109669774A (zh) * 2018-11-14 2019-04-23 新华三技术有限公司成都分公司 硬件资源的量化方法、编排方法、装置及网络设备
WO2019092057A1 (en) * 2017-11-07 2019-05-16 Atos Spain S.A. Robot tasks scheduling process
CN109933420A (zh) * 2019-04-02 2019-06-25 深圳市网心科技有限公司 节点任务调度方法、电子设备及系统
US20190208007A1 (en) * 2018-01-03 2019-07-04 Verizon Patent And Licensing Inc. Edge Compute Systems and Methods
CN110018834A (zh) * 2019-04-11 2019-07-16 北京理工大学 一种混合移动云/边缘计算的任务卸载和数据缓存方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019092057A1 (en) * 2017-11-07 2019-05-16 Atos Spain S.A. Robot tasks scheduling process
US20190208007A1 (en) * 2018-01-03 2019-07-04 Verizon Patent And Licensing Inc. Edge Compute Systems and Methods
CN108494612A (zh) * 2018-01-19 2018-09-04 西安电子科技大学 一种提供移动边缘计算服务的网络系统及其服务方法
CN108628674A (zh) * 2018-05-11 2018-10-09 深圳市零度智控科技有限公司 基于云平台的任务调度方法、云平台及计算机存储介质
CN109343942A (zh) * 2018-09-03 2019-02-15 北京邮电大学 基于边缘计算网络的任务调度方法
CN109669774A (zh) * 2018-11-14 2019-04-23 新华三技术有限公司成都分公司 硬件资源的量化方法、编排方法、装置及网络设备
CN109933420A (zh) * 2019-04-02 2019-06-25 深圳市网心科技有限公司 节点任务调度方法、电子设备及系统
CN110018834A (zh) * 2019-04-11 2019-07-16 北京理工大学 一种混合移动云/边缘计算的任务卸载和数据缓存方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SONG YANG: "《Cloudlet Placement and Task Allocation in Mobile Edge Computing》", 《IEEE INTERNET OF THINGS JOURNAL》 *
周平: "《面向服务可靠性的云资源调度方法》", 《电子学报》 *

Similar Documents

Publication Publication Date Title
Yu et al. Computation offloading for mobile edge computing: A deep learning approach
CN107087019B (zh) 一种基于端云协同计算架构的任务调度方法及装置
CN111277511B (zh) 传输速率控制方法、装置、计算机系统及可读存储介质
Liu et al. Task scheduling in fog enabled Internet of Things for smart cities
EP4050812A1 (en) Method and device for transmitting channel state information
CN113961264B (zh) 一种面向视频监控云边协同的智能卸载算法与系统
CN110955463A (zh) 支持边缘计算的物联网多用户计算卸载方法
Yang et al. Timely coded computing
CN108540568A (zh) 计算能力共享方法及智能设备
WO2023005448A1 (zh) 无线资源利用率确定方法、装置、电子设备及存储介质
CN110430068A (zh) 一种特征工程编排方法及装置
Srivastava et al. Distributed min-max optimization in networks
WO2022134800A1 (zh) 无小区mimo的多用户检测方法及装置
CN111511028A (zh) 一种多用户资源分配方法、装置、系统及存储介质
Kiamari et al. Coding for edge-facilitated wireless distributed computing with heterogeneous users
Ganjalizadeh et al. Saving energy and spectrum in enabling URLLC services: A scalable RL solution
Ganjalizadeh et al. Interplay between distributed AI workflow and URLLC
CN111225045B (zh) 一种hive高可用预警方法，设备及计算机可读存储介质
CN114698088A (zh) 确定传输时延的方法、装置、设备及存储介质
CN109863791A (zh) 用于在无线通信系统中选择接入网络的方法和装置
CN110740170A (zh) 计算单元的确定方法、网络设备和计算机可读存储介质
CN114615705B (zh) 一种基于5g网络下单用户资源分配策略方法
CN111538560B (zh) 一种虚拟机部署方法、装置、电子设备及其存储介质
WO2016165471A1 (zh) Hadoop集群组件指标的采集方法及装置
CN115913486A (zh) 信息上报方法、装置、终端及可读存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200131