CN110851529A - 算力调度方法及相关设备 - Google Patents
算力调度方法及相关设备 Download PDFInfo
- Publication number
- CN110851529A CN110851529A CN201911060138.XA CN201911060138A CN110851529A CN 110851529 A CN110851529 A CN 110851529A CN 201911060138 A CN201911060138 A CN 201911060138A CN 110851529 A CN110851529 A CN 110851529A
- Authority
- CN
- China
- Prior art keywords
- factor
- computing power
- edge computing
- computing
- power
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004364 calculation method Methods 0.000 claims abstract description 81
- 230000005540 biological transmission Effects 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010606 normalization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
-
- 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
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- 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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Abstract
本申请实施例公开了一种算力调度方法及相关设备，其中，该方法包括：接收终端设备发送的用于请求算力的算力请求，该算力请求包括该终端设备的算力需求信息；根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备；将该目标边缘计算设备中满足该算力需求信息的第一算力分配给该终端设备。采用本申请实施例，可以根据终端设备的算力需求信息，确定为终端设备提供算力的目标边缘计算设备，从而针对性的提供满足该终端设备的算力需求的算力，提高了算力的资源利用率。
Description
技术领域
本申请涉及网络通信技术领域，具体涉及一种算力调度方法及相关设备。
背景技术
随着物联网的快速发展以及云计算的普及，边缘计算开始逐渐兴起。边缘计算设备是靠近数据源，集合计算、存储、网络以及AI能力的设备，相对于云计算有低时延、高带宽、本地包活、本地安全等优势。
随着边缘计算的兴起，云计算与边缘计算的融合发展已成为必然的趋势。在现有的云边协同系统中，云计算平台接收到终端设备的算力需求之后，可以将与该终端设备绑定的边缘计算设备上的算力分配给该终端设备，以使与该终端设备绑定的边缘计算设备执行运算。目前，由于云边协同系统中的边缘计算设备与终端设备进行了绑定，导致算力资源利用率降低。
发明内容
本申请实施例提供了一种算力调度方法及相关设备，可以根据终端设备的算力需求信息，确定为终端设备提供算力的目标边缘计算设备，从而针对性的提供满足该终端设备的算力需求的算力，提高了算力的资源利用率。
第一方面，本申请实施例提供了一种算力调度方法，包括：
接收终端设备发送的用于请求算力的算力请求，该算力请求包括该终端设备的算力需求信息；
根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备；
将该目标边缘计算设备中满足该算力需求信息的第一算力分配给该终端设备。
结合第一方面，在一种可能的实施方式中，上述算力需求信息包括该终端设备请求的算力大小；
上述根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备，包括：
确定至少两个边缘计算设备，该边缘计算设备的剩余算力大小大于或者等于该终端设备请求的算力大小；
针对上述至少两个边缘计算设备中的每个边缘计算设备，计算该边缘计算设备对应的加权值，该加权值用于表示采用该边缘计算设备为该终端设备提供算力的总花费；
将上述至少两个边缘计算设备中的最小加权值对应的边缘计算设备确定为给该终端设备提供算力的目标边缘计算设备。
结合第一方面，在一种可能的实施方式中，上述计算该边缘计算设备对应的加权值，包括：
获取该边缘计算设备的至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，一个因素对应一个因素值，该因素值用于表示采用该边缘计算设备为该终端设备提供算力，在该因素上所需要的花费；
根据上述至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值。
结合第一方面，在一种可能的实施方式中，上述根据上述至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值，包括：
针对每个上述因素对应的因素值，获取该因素对应的参考值，该参考值为上述至少两个边缘计算设备在该因素上的最大因素值或者最小因素值；
根据该因素对应的因素值以及该因素对应的参考值，计算该因素对应的标准化因素值；
根据上述至少一个因素对应的至少一个标准化因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值。
结合第一方面，在一种可能的实施方式中，上述算力需求信息还包括对上述至少一个因素中目标因素对应的需求信息；上述方法还包括：
根据对上述至少一个因素中目标因素对应的需求信息，确定上述至少一个因素中每个因素对应的加权系数，其中，该目标因素对应的加权系数大于上述至少一个因素中除该目标因素外的其他因素对应的加权系数。
结合第一方面，在一种可能的实施方式中，上述方法还包括：
接收该目标边缘计算设备发送的反馈信息，该反馈信息包括该目标边缘计算设备的剩余算力大小；
根据该反馈信息中包括的该目标边缘计算设备的剩余算力大小，更新本地存储的该目标边缘计算设备的剩余算力大小。
结合第一方面，在一种可能的实施方式中，上述因素包括传输时延、价格花费以及算力资源利用率中的任意一种或者多种；
若该因素包括该传输时延，该因素对应的参考值为上述至少两个边缘计算设备在该因素上的最小因素值；
若该因素包括该价格花费，该因素对应的参考值为上述至少两个边缘计算设备在该因素上的最小因素值；
若该因素包括该算力资源利用率，该因素对应的参考值为上述至少两个边缘计算设备在该因素上的最大因素值。
第二方面，本申请实施例提供了一种算力调度装置，包括：
第一接收单元，用于接收终端设备发送的用于请求算力的算力请求，该算力请求包括该终端设备的算力需求信息；
确定单元，用于根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备；
分配单元，用于将该目标边缘计算设备中满足该算力需求信息的第一算力分配给该终端设备。
结合第二方面，在一种可能的实施方式中，上述算力需求信息包括该终端设备请求的算力大小；
上述确定单元，具体用于：
确定至少两个边缘计算设备，该边缘计算设备的剩余算力大小大于或者等于该终端设备请求的算力大小；
针对上述至少两个边缘计算设备中的每个边缘计算设备，计算该边缘计算设备对应的加权值，该加权值用于表示采用该边缘计算设备为该终端设备提供算力的总花费；
将上述至少两个边缘计算设备中的最小加权值对应的边缘计算设备确定为给该终端设备提供算力的目标边缘计算设备。
结合第二方面，在一种可能的实施方式中，上述确定单元，具体用于：
获取该边缘计算设备的至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，一个因素对应一个因素值，该因素值用于表示采用该边缘计算设备为该终端设备提供算力，在该因素上所需要的花费；
根据上述至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值。
结合第二方面，在一种可能的实施方式中，上述确定单元，具体用于：
针对每个上述因素对应的因素值，获取该因素对应的参考值，该参考值为上述至少两个边缘计算设备在该因素上的最大因素值或者最小因素值；
根据该因素对应的因素值以及该因素对应的参考值，计算该因素对应的标准化因素值；
根据上述至少一个因素对应的至少一个标准化因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值。
结合第二方面，在一种可能的实施方式中，上述算力需求信息还包括对上述至少一个因素中目标因素对应的需求信息；
上述确定单元，具体用于：
根据对上述至少一个因素中目标因素对应的需求信息，确定上述至少一个因素中每个因素对应的加权系数，其中，该目标因素对应的加权系数大于上述至少一个因素中除该目标因素外的其他因素对应的加权系数。
结合第二方面，在一种可能的实施方式中，上述装置还包括：
第二接收单元，用于接收该目标边缘计算设备发送的反馈信息，该反馈信息包括该目标边缘计算设备的剩余算力大小；
更新单元，用于根据该反馈信息中包括的该目标边缘计算设备的剩余算力大小，更新本地存储的该目标边缘计算设备的剩余算力大小。
结合第二方面，在一种可能的实施方式中，上述因素包括传输时延、价格花费以及算力资源利用率中的任意一种或者多种；
若该因素包括该传输时延，该因素对应的参考值为上述至少两个边缘计算设备在该因素上的最小因素值；
若该因素包括该价格花费，该因素对应的参考值为上述至少两个边缘计算设备在该因素上的最小因素值；
若该因素包括该算力资源利用率，该因素对应的参考值为上述至少两个边缘计算设备在该因素上的最大因素值。
第三方面，本申请实施例提供了一种算力调度设备，包括处理器、存储器以及输入输出接口，该处理器、存储器和输入输出接口相互连接，其中，该输入输出接口用于输入或输出数据，该存储器用于存储程序代码，该处理器用于调用该程序代码，执行上述第一方面的算力调度方法。
第四方面，提供一种计算机可读存储介质，其特征在于，该计算机存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令当被处理器执行时使该处理器执行上述第一方面的算力调度方法。
本申请实施例通过接收终端设备所发送的用于请求算力的算力请求，该算力请求包括上述终端设备的算力需求信息，可以根据该算力需求信息，确定为上述终端设备提供算力的目标边缘计算设备，并将该目标边缘计算设备中满足该算力需求信息的第一算力分配给上述终端设备。采用本申请实施例，可以根据终端设备的算力需求信息，确定为终端设备提供算力的目标边缘计算设备，从而针对性的提供满足该终端设备的算力需求的算力，提高了算力的资源利用率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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是本申请实施例提供的一种算力调度方法的网络架构图；
图2是本申请实施例提供的一种边缘计算设备的示意图；
图3是本申请实施例提供的一种算力调度方法的流程示意图；
图4是本申请实施例提供的另一种算力调度方法的流程示意图；
图5是本申请实施例提供的又一种算力调度方法的流程示意图；
图6是本申请实施例提供的一种算力调度装置的结构示意图；
图7是本申请实施例提供的一种算力调度设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
参见图1，图1是本申请实施例提供的一种算力调度方法的网络架构图。如图1所示，算力调度平台可以运行在边缘计算设备上，也可以运行在云计算平台上，各种终端设备(摄像头、考勤机、监控仪、终端1……终端N)可以向上述算力调度平台发送请求算力的算力请求，算力调度平台接收到上述算力请求之后，可以根据算力调度算法，将边缘计算设备1(算力a)、边缘计算设备2(算力b)……边缘计算设备n(算力n)以及云计算(算力)上的算力进行有效的调度，并将各种终端设备所需求的算力分配给上述各种终端设备，完成算力的调度。可选的，终端设备可以包括摄像头、考勤机、监控仪、平板设备、台式电脑、笔记本电脑、手机或者其他任何能够完成信息交互的终端。
可选的，上述边缘计算设备集成了设备管理、机器学习、函数计算、规则引擎等功能，实现这些功能都需要算力的支持。
例如，请参见图2，图2是本申请实施例提供的一种边缘计算设备的示意图。如图2所示，该边缘计算设备集成了设备管理、机器学习、函数计算、规则引擎等功能，实现这些功能都需要算力的支持。虚拟机(Virtual Machine，VM)是指通过软件模拟的具有完整物理硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统，可以实现虚拟化。应用容器引擎(Docker)是可以通过让用户打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任意的终端设备上，也可以实现虚拟化。其中，边缘计算设备中的设备管理功能是指对计算机系统中除了CPU和内存以外的所有边缘计算设备进行管理。其中，边缘计算设备中的机器学习功能是在本地边缘计算设备上利用机器学习算法构建推理模型，从而在本地边缘计算设备上进行推理计算，提高业务稳定性和计算速度。其中，边缘计算设备的函数计算功能是一种本地无服务计算，用户在本地边缘计算设备上配置后，可以使上述本地边缘计算设备按需求运行或者永久运行，从而响应本地的算力请求。可选的，用户还可以使用本地函数计算能力进行二次开发，实现业务逻辑。比如：在本地边缘计算设备上对设备数据进行简单计算，并对数据进行过滤、整合，将数据转发至其他边缘计算设备或者应用，在本地边缘计算设备上访问其它服务接口。其中，边缘计算设备的规则引擎功能是指用户在本地边缘计算设备上通过编写相关函数，控制边缘计算设备的运行、联动，并能够实时远程下发到边缘计算设备。
本申请实施例可以通过算力调度平台统一算力资源池，进行算力资源统一调度，并且当本地边缘计算设备的算力不足时，还可以从云计算中调配相应的算力补充解决，从而可以有效云边协同，达到算力资源最大化利用。
参见图3，图3是本申请实施例提供的一种算力调度方法的流程示意图。如图3所示，本申请实施例的算力调度方法可以包括但不限于以下步骤：
S301，接收终端设备发送的用于请求算力的算力请求，该算力请求包括该终端设备的算力需求信息。
在一种可能的实施方式中，若检测到至少两个边缘计算设备中每个边缘计算设备以及云计算的注册指令，接收至少两个边缘计算设备中每个边缘计算设备以及云计算所发送的注册信息，该注册信息包括至少两个边缘计算设备中每个边缘计算设备的剩余算力大小以及云计算的剩余算力大小。
进一步，接收终端设备发送的用于请求算力的算力请求。可选的，终端设备可以包括摄像头、考勤机、监控仪、平板设备、台式电脑、笔记本电脑、手机或者其他任何能够完成信息交互的终端。可选的，上述算力请求包括上述终端设备的算力需求信息，该算力需求信息可以包括上述终端设备请求的算力大小。
S302，根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备。
在一种可能的实施方式中，上述算力需求信息可以包括上述终端设备请求的算力大小，上述根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备的方法可以包括但不限于：确定至少有两个边缘计算设备可以为上述终端设备提供满足该算力需求信息的算力；针对上述至少两个边缘计算设备中的每个边缘计算设备，计算上述边缘计算设备对应的加权值，该加权值可以用于表示采用上述边缘计算设备为该终端设备提供算力的总花费；将上述至少两个边缘计算设备中的最小加权值对应的边缘计算设备确定为给上述终端设备提供算力的目标边缘计算设备。可选的，总花费是指数据传输到边缘计算设备所花费的时间、算力的价格花费以及算力资源利用率。可选的，可以根据算力调度算法，确定为上述终端设备提供算力的目标边缘计算设备。可选的，若本地边缘计算设备的算力不足以提供给上述终端设备满足该算力需求信息的算力时，可以从云计算中调配相应的算力补充解决。
S303，将该目标边缘计算设备中满足该算力需求信息的第一算力分配给该终端设备。
在一种可能的实施方式中，将该目标边缘计算设备中满足该算力需求信息的第一算力分配给该终端设备。可选的，可以将上述注册信息中目标边缘计算设备的剩余算力大小与上述第一算力的差值作为上述目标边缘计算设备的剩余算力大小。比如，上述终端设备请求的算力大小为a，该目标边缘计算设备固有的算力为b(b大于或者等于a)，将该目标边缘计算设备中的算力a分配给上述终端设备，则该目标边缘计算设备剩余的算力大小为(b-a)。
本申请实施例通过接收终端设备所发送的用于请求算力的算力请求，该算力请求包括上述终端设备的算力需求信息，可以根据该算力需求信息，确定为上述终端设备提供算力的目标边缘计算设备，并将该目标边缘计算设备中满足该算力需求信息的第一算力分配给上述终端设备。采用本申请实施例，可以根据终端设备的算力需求信息，确定为终端设备提供算力的目标边缘计算设备，从而针对性的提供满足该终端设备的算力需求的算力，提高了算力的资源利用率。
参见图4，图4是本申请实施例提供的另一种算力调度方法的流程示意图。如图4所示，本申请实施例的另一种算力调度方法可以包括但不限于以下步骤：
S401，算力调度平台接收终端设备发送的用于请求算力的算力请求，该算力请求包括该终端设备的算力需求信息。
在一种可能的实施方式中，本申请实施例的步骤S401可以参考图3所示实施例的步骤S301，在此不再进行赘述。
S402，上述算力调度平台确定至少两个边缘计算设备，该边缘计算设备的剩余算力大小大于或者等于该终端设备请求的算力大小。
在一种可能的实施方式中，上述算力调度平台可以确定至少有两个边缘计算设备可以为该终端设备提供相应的算力大小。可选的，该边缘计算设备的剩余算力大小大于或者等于该终端设备请求的算力大小。可选的，若是该边缘计算设备的剩余算力大小小于该终端设备请求的算力大小，可以从上述云计算中调度相应的算力为该终端设备提供该终端设备请求的算力大小。
S403，上述算力调度平台针对上述至少两个边缘计算设备中的每个边缘计算设备，计算该边缘计算设备对应的加权值，该加权值用于表示采用该边缘计算设备为该终端设备提供算力的总花费。
在一种可能的实施方式中，上述算力调度平台针对上述至少两个边缘计算设备中的每个边缘计算设备，计算该边缘计算设备对应的加权值的方法可以包括但不限于以下步骤：
步骤一，上述算力调度平台获取该边缘计算设备的至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，一个因素对应一个因素值，该因素值用于表示采用该边缘计算设备为上述终端设备提供算力，在该因素上所需要的花费。
在一种可能的实施方式中，该因素可以包括传输时延、价格花费以及算力资源利用率中的任意一种。可选的，该传输时延是指数据到边缘计算设备的传输时间，该价格花费是指算力的价格。可选的，上述加权系数是针对传输时延、价格花费以及算力资源利用率而确定的。可选的，若该因素包括传输时延，则该因素值可以用于表示采用该边缘计算设备为上述终端设备提供算力所需要花费的时间；若该因素包括价格花费，则该因素值可以用于表示采用该边缘计算设备为上述终端设备提供算力所需要花费的价格；若该因素包括算力资源利用率，则该因素值可以用于表示采用该边缘计算设备为上述终端设备提供算力所需要的算力资源利用率的大小。可选的，因素值可以是一个数值。可选的，若上述算力请求包括低延迟的需求信息，可以选择将上述边缘计算设备的算力分配给上述终端设备，从而产生设备碎片的算力。可选的，上述云计算的价格花费大于上述边缘计算设备的价格花费，若上述算力请求无特效需求，可以选择将上述边缘计算设备的算力分配给上述终端设备；若上述边缘计算设备的算力不足时，可以请求云计算的算力。可选的，若上述算力请求对传输延迟无要求，可以将有碎片算力的上述边缘计算设备的算力分配给上述终端设备，从而达到资源最大化利用。
可选的，上述算力需求信息还包括对上述至少一个因素中目标因素对应的需求信息。可选的，上述算力调度平台可以根据对上述至少一个因素中目标因素对应的需求信息，确定上述至少一个因素中每个因素对应的加权系数，其中，该目标因素对应的加权系数大于上述至少一个因素中除该目标因素外的其他因素对应的加权系数。可选的，可以根据上述算力需求信息中目标因素对应的需求信息，筛选出满足该目标因素对应的需求信息的边缘计算设备。比如，若上述算力需求信息还包括价格花费对应的需求信息，该价格花费对应的需求信息为价格花费在400元-1500元范围内，边缘计算设备1对应的价格花费为1000元，边缘计算设备2对应的价格花费为700元，边缘计算设备3对应的价格花费为500元，边缘计算设备4对应的价格花费为1600元，该边缘计算设备4对应的价格花费1600元不在400元-1500元范围内，则边缘计算设备4不满足该算力需求信息中价格花费对应的需求信息，从而可以筛选出边缘计算设备1、边缘计算设备2以及边缘计算设备3满足该算力需求信息中价格花费对应的需求信息。
可选的，若上述算力需求信息还包括传输时延对应的需求信息，则传输时延对应的加权系数大于价格花费对应的加权系数和算力资源利用率对应的加权系数。可选的，传输时延对应的加权系数、价格花费对应的加权系数以及算力资源利用率对应的加权系数的总和为1。比如，传输时延对应的加权系数为0.5，价格花费对应的加权系数为0.2，算力资源利用率对应的加权系数为0.3。比如，边缘计算设备上各个因素对应的因素值如表1所示：
表1边缘计算设备上各个因素对应的因素值
其中，传输时延对应的加权系数为0.5，价格花费对应的加权系数为0.2，算力资源利用率对应的加权系数为0.3，边缘计算设备1的传输时延为1ms，价格花费为1000元和算力资源利用率为72％，边缘计算设备2的传输时延为1.6ms，价格花费为800元和算力资源利用率为81％，边缘计算设备1的传输时延为2ms，价格花费为500元和算力资源利用率为90％。
步骤二，上述算力调度平台根据上述至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值。
在一种可能的实施方式中，上述算力调度平台根据上述至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值的方法可以包括但不限于以下步骤：
步骤1，上述算力调度平台针对每个上述因素对应的因素值，获取该因素对应的参考值，该参考值为上述至少两个边缘计算设备在该因素上的最大因素值或者最小因素值。
在一种可能的实施方式中，若上述因素包括该传输时延，该因素对应的参考值为上述至少两个边缘计算设备在该因素上的最小因素值；若上述因素包括该价格花费，该因素对应的参考值为上述至少两个边缘计算设备在该因素上的最小因素值；若上述因素包括该算力资源利用率，该因素对应的参考值为上述至少两个边缘计算设备在该因素上的最大因素值。比如，如上述表1所示，边缘计算设备1的传输时延为1ms，边缘计算设备2的传输时延为1.6ms，边缘计算设备3的传输时延为2ms，可以得到1ms<1.6ms<2ms，从而推导出传输时延因素对应的最小因素值为1ms，则传输时延因素对应的参考值为最小因素值1ms；边缘计算设备1的价格花费为1000元，边缘计算设备2的价格花费为800元，边缘计算设备3的价格花费为500元，可以得到500元<800元<1000元，从而推导出价格花费因素对应的最小因素值为500元，则价格花费因素对应的参考值为最小因素值500元；边缘计算设备1的算力资源利用率为72％，边缘计算设备2的算力资源利用率为81％，边缘计算设备3的算力资源利用率为90％，可以得到90％>81％>72％，从而推导出算力资源利用率因素对应的最大因素值为90％，则算力资源利用率因素对应的参考值为最大因素值90％。
步骤2，上述算力调度平台根据该因素对应的因素值以及该因素对应的参考值，计算该因素对应的标准化因素值。
在一种可能的实施方式中，上述算力调度平台可以根据标准化公式(极大值指标公式和极小值指标公式)，计算上述因素对应的标准化因素值。可选的，上述传输时延需要根据极小值指标公式计算该传输时延对应的标准化因素值，将该传输时延对应的最小因素值与该传输时延对应的因素值的第一比例作为该传输时延对应的标准化因素值；上述价格花费需要根据极小值指标公式计算该价格花费对应的标准化因素值，将该价格花费对应的最小因素值与该价格花费对应的因素值的第二比例作为该价格花费对应的标准化因素值；上述算力资源利用率需要根据极大值指标公式计算该算力资源利用率对应的标准化因素值，将该算力资源利用率对应的因素值与该算力资源利用率对应的最大因素值的第三比例作为该算力资源利用率对应的标准化因素值。比如，边缘计算设备上各个因素对应的标准化因素值如表2所示：
表2边缘计算设备上各个因素对应的标准化因素值
其中，边缘计算设备1的传输时延对应的标准化因素值为1、价格花费对应的标准化因素值为0.625和算力资源利用率对应的标准化因素值为0.5；边缘计算设备2的传输时延对应的标准化因素值为0.5、价格花费对应的标准化因素值为0.625和算力资源利用率对应的标准化因素值为1；边缘计算设备3的传输时延对应的标准化因素值为0.8、价格花费对应的标准化因素值为0.9和算力资源利用率对应的标准化因素值为1。
步骤3，上述算力调度平台根据上述至少一个因素对应的至少一个标准化因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值。
在一种可能的实施方式中，上述算力调度平台可以根据线性加权算法，针对上述至少一个因素对应的至少一个标准化因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值。其中，线性加权算法是一种评价函数方法，该线性加权方法是按照各个因素的重要性赋予各个因素相应的加权系数，然后对其线性组合进行求解目标边缘计算设备的方法。可选的，可以根据线性加权算法，确定上述至少两个边缘计算设备中每个边缘计算设备对应的加权值中的最小加权值。可选的，可以根据线性加权公式计算该边缘计算设备对应的加权值，线性加权公式如以下公式所示：
其中，n为至少一个因素中因素的总个数，wi为至少一个因素中每个因素对应的加权系数，fi(x)为上述至少一个因素对应的至少一个标准化因素值，z为加权值，并且至少一个因素中每个因素对应的加权系数的总和为1。比如，根据上述线性加权公式，可以得到边缘计算设备对应的加权值如表3所示：
| 边缘计算设备 | 加权值 | 排序(从小到大) |
| 边缘计算设备1 | 0.84 | 3 |
| 边缘计算设备2 | 0.7075 | 1 |
| 边缘计算设备3 | 0.75 | 2 |
表3边缘计算设备对应的加权值
其中，边缘计算设备1对应的加权值为0.84，边缘计算设备2对应的加权值为0.7075，边缘计算设备3对应的加权值为0.75，可以得到0.7075<0.75<0.84，从而推导出边缘计算设备1对应的加权值、边缘计算设备2对应的加权值以及边缘计算设备3对应的加权值中最小的加权值为0.7075。
S404，上述算力调度平台将上述至少两个边缘计算设备中的最小加权值对应的边缘计算设备确定为给该终端设备提供算力的目标边缘计算设备。
在一种可能的实施方式中，上述算力调度平台根据上述线性加权算法求得上述至少两个边缘计算设备对应的至少两个加权值之后，可以对上述至少两个边缘计算设备对应的至少两个加权值进行排序，得到上述至少两个边缘计算设备对应的至少两个加权值中的最小加权值，从而得到该最小加权值对应的边缘计算设备，并将该最小加权值对应的边缘计算设备确定为给该终端设备提供算力的目标边缘计算设备。比如，如上述表3所示，边缘计算设备1对应的加权值、边缘计算设备2对应的加权值以及边缘计算设备3对应的加权值中最小的加权值为0.7075，该最小加权值0.7075对应的边缘计算设备为边缘计算设备为边缘计算设备2，则将边缘计算设备2确定为给该终端设备提供算力的目标边缘计算设备。
S405，上述算力调度平台将该目标边缘计算设备中满足该算力需求信息的第一算力分配给该终端设备。
在一种可能的实施方式中，本申请实施例的步骤S405可以参考图3所示实施例的步骤S303，在此不再进行赘述。
S406，上述算力调度平台接收该目标边缘计算设备发送的反馈信息，该反馈信息包括该目标边缘计算设备的剩余算力大小。
在一种可能的实施方式中，可以根据本地存储的该目标边缘计算设备的剩余算力大小与上述第一算力，确定该目标边缘计算设备的剩余算力大小。比如，本地存储的目标边缘计算设备的剩余算力大小为1000个算力，上述第一算力为750个算力，则该目标边缘计算设备的剩余算力大小为250(1000-750＝250)个算力。
S407，上述算力调度平台根据该反馈信息中包括的该目标边缘计算设备的剩余算力大小，更新本地存储的该目标边缘计算设备的剩余算力大小。
在一种可能的实施方式中，上述算力调度平台接收到另一终端设备发送的用于请求算力的另一算力请求，该另一算力请求包括上述另一终端设备的另一算力需求信息，该另一算力需求信息包括上述另一终端设备请求的算力大小，若是更新后的本地存储的该目标边缘计算设备的剩余算力大小大于或者等于上述另一终端设备请求的算力大小，则可以将更新后的本地存储的该目标边缘计算设备的剩余算力大小分配给上述另一终端设备。
本申请实施例通过接收终端设备所发送的用于请求算力的算力请求，该算力请求包括上述终端设备的算力需求信息，可以根据该算力需求信息，确定为上述终端设备提供算力的目标边缘计算设备，并将该目标边缘计算设备中满足该算力需求信息的第一算力分配给上述终端设备。采用本申请实施例，可以根据终端设备的算力需求信息，确定为终端设备提供算力的目标边缘计算设备，从而针对性的提供满足该终端设备的算力需求的算力，提高了算力的资源利用率。
参见图5，图5是本申请实施例提供的又一种算力调度方法的流程示意图。如图5所示，本申请实施例的又一种算力调度方法可以包括但不限于以下步骤：
步骤一，服务注册：边缘计算设备a、边缘计算设备b以及云计算在边缘计算设备算力调度平台上进行服务注册，若该算力调度平台检测到边缘计算设备a、边缘计算设备b以及云计算的服务注册指令，接收上述边缘计算设备a的注册信息、边缘计算设备b的注册信息以及云计算的注册信息，上述边缘计算设备a的注册信息包括该边缘计算设备a的剩余算力大小为算力a，上述边缘计算设备b的注册信息包括该边缘计算设备b的剩余算力大小为算力a，上述云计算的注册信息包括上述云计算对应的算力。
步骤二，请求算力：终端设备a和终端设备b分别向上述算力调度平台请求算力，该算力调度平台接收到上述终端设备a用于请求算力的算力需求和终端设备b用于请求算力的算力需求。
步骤三，算力调度：上述算力调度平台根据上述终端设备a用于请求算力的算力需求和终端设备b用于请求算力的算力需求，通过线性加权算法，基于传输时延、价格花费、算力资源最大化利用等因素，分别向上述终端设备a和终端设备b分配算力。
步骤四，场景运算：上述算力调度平台若将边缘计算设备1的算力分配给终端设备a或者终端设备b，使该边缘计算设备1执行运算；该算力调度平台若将边缘计算设备2的算力分配给终端设备a或者终端设备b，使该边缘计算设备2执行运算；该算力调度平台若将云计算的算力分配给终端设备a或者终端设备b，使上述云计算执行运算。可选的，若是上述边缘计算设备1或者边缘计算设备2的算力不足以满足终端设备a或者终端设备b对应的算力请求时，可以从上述云计算调配相应的算力分配给终端设备a或者终端设备b。
步骤五，实时更新算力：边缘计算设备1、边缘计算设备2以及云计算分别实时更新各自对应的剩余算力大小，边缘计算设备1、边缘计算设备2以及云计算分别向上述算力调度平台发送反馈信息，该反馈信息包括边缘计算设备1更新后的剩余算力大小、边缘计算设备2更新后的剩余算力大小以及云计算更新后的剩余算力大小，上述算力调度平台接收到该反馈信息之后，更新本地存储的边缘计算设备1的剩余算力大小、边缘计算设备2的剩余算力大小以及云计算的剩余算力大小。可选的，若上述算力调度平台接收到上述终端设备1用于请求算力的另一算力需求之后，根据该终端设备1用于请求算力的另一算力需求，可以将本地存储的更新后的边缘计算设备1的剩余算力大小，或者本地存储的更新后的边缘计算设备2的剩余算力大小，或者本地存储的更新后的云计算的剩余算力大小分配给上述终端设备1。
本申请实施例可以通过算力调度平台统一算力资源池，进行算力资源统一调度，并且当本地边缘计算设备的算力不足时，还可以从云计算中调配相应的算力补充解决，从而可以有效云边协同，达到算力资源最大化利用。
参见图6，图6是本申请实施例提供的一种算力调度装置的结构示意图。如图6所示，该算力调度装置60包括：
第一接收单元601，用于接收终端设备发送的用于请求算力的算力请求，该算力请求包括该终端设备的算力需求信息。
在一种可能的实施方式中，若检测到至少两个边缘计算设备中每个边缘计算设备以及云计算的注册指令，接收至少两个边缘计算设备中每个边缘计算设备以及云计算所发送的注册信息，该注册信息包括至少两个边缘计算设备中每个边缘计算设备的剩余算力大小以及云计算的剩余算力大小。
进一步，接收终端设备发送的用于请求算力的算力请求。可选的，终端设备可以包括摄像头、考勤机、监控仪、平板设备、台式电脑、笔记本电脑、手机或者其他任何能够完成信息交互的终端。可选的，上述算力请求包括上述终端设备的算力需求信息，该算力需求信息可以包括上述终端设备请求的算力大小。
确定单元602，用于根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备。
在一种可能的实施方式中，上述算力需求信息可以包括上述终端设备请求的算力大小，上述根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备的方法可以包括但不限于：确定至少有两个边缘计算设备可以为上述终端设备提供满足该算力需求信息的算力；针对上述至少两个边缘计算设备中的每个边缘计算设备，计算上述边缘计算设备对应的加权值，该加权值可以用于表示采用上述边缘计算设备为该终端设备提供算力的总花费；将上述至少两个边缘计算设备中的最小加权值对应的边缘计算设备确定为给上述终端设备提供算力的目标边缘计算设备。可选的，总花费是指数据传输到边缘计算设备所花费的时间、算力的价格花费以及算力资源利用率。可选的，可以根据算力调度算法，确定为上述终端设备提供算力的目标边缘计算设备。可选的，若本地边缘计算设备的算力不足以提供给上述终端设备满足该算力需求信息的算力时，可以从云计算中调配相应的算力补充解决。
分配单元603，用于将该目标边缘计算设备中满足该算力需求信息的第一算力分配给该终端设备。
在一种可能的实施方式中，将该目标边缘计算设备中满足该算力需求信息的第一算力分配给该终端设备。比如，上述算力需求信息中终端设备请求的算力大小为算力a，本地存储的该目标边缘计算设备的剩余算力大小为算力b(b大于或者等于a)，将上述本地存储的该目标边缘计算设备的算力b中满足该算力需求信息的算力a分配给上述终端设备。
第二接收单元604，用于接收该目标边缘计算设备发送的反馈信息，该反馈信息包括该目标边缘计算设备的剩余算力大小。
在一种可能的实施方式中，可以根据本地存储的该目标边缘计算设备的剩余算力大小与上述第一算力，确定该目标边缘计算设备的剩余算力大小。可选的，可以将本地存储的该目标边缘计算设备的剩余算力大小与上述第一算力的差值作为上述反馈信息中目标边缘计算设备的剩余算力大小。比如，本地存储的目标边缘计算设备的剩余算力大小为1000个算力，上述第一算力为750个算力，则该目标边缘计算设备的剩余算力大小为250(1000-750＝250)个算力。
更新单元605，用于根据该反馈信息中包括的该目标边缘计算设备的剩余算力大小，更新本地存储的该目标边缘计算设备的剩余算力大小。
在一种可能的实施方式中，上述算力调度平台接收到另一终端设备发送的用于请求算力的另一算力请求，该另一算力请求包括上述另一终端设备的算另一算力需求信息，该另一算力需求信息包括上述另一终端设备请求的算力大小，若是更新后的本地存储的该目标边缘计算设备的剩余算力大小大于或者等于上述另一终端设备请求的算力大小，则可以将更新后的本地存储的该目标边缘计算设备的剩余算力大小分配给上述另一终端设备。
需要说明的是，图6对应的实施例中未提及的内容可参见图3和/或图4和/或图5中方法实施例的描述，这里不再赘述。
本申请实施例通过接收终端设备所发送的用于请求算力的算力请求，该算力请求包括上述终端设备的算力需求信息，可以根据该算力需求信息，确定为上述终端设备提供算力的目标边缘计算设备，并将该目标边缘计算设备中满足该算力需求信息的第一算力分配给上述终端设备。采用本申请实施例，可以根据终端设备的算力需求信息，确定为终端设备提供算力的目标边缘计算设备，从而针对性的提供满足该终端设备的算力需求的算力，提高了算力的资源利用率。
可以理解的是，装置实施例的具体描述请参照方法实施例的描述，在此不再赘述。
参见图7，图7是本申请实施例提供的一种算力调度设备的结构示意图。如图7所示，该算力调度设备70包括处理器701、存储器702、输入输出接口703以及通信总线704。处理器701连接到存储器702和输入输出接口703，例如处理器701可以通过通信总线704连接到存储器702和输入输出接口703。
处理器701被配置为支持该算力调度设备执行图3-图5中算力调度方法中相应的功能。该处理器701可以是中央处理器(Central Processing Unit，CPU)，网络处理器(Network Processor，NP)，硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(Application-Specific Integrated Circuit，ASIC)，可编程逻辑器件(ProgrammableLogic Device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(ComplexProgrammable Logic Device，CPLD)，现场可编程逻辑门阵列(Field-Programmable GateArray，FPGA)，通用阵列逻辑(Generic Array Logic，GAL)或其任意组合。
存储器702存储器用于存储程序代码等。存储器702可以包括易失性存储器(Volatile Memory，VM)，例如随机存取存储器(Random Access Memory，RAM)；存储器702也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如只读存储器(Read-OnlyMemory，ROM)，快闪存储器(flash memory)，硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)；存储器702还可以包括上述种类的存储器的组合。
该输入输出接口703用于输入或输出数据。
处理器701可以调用上述程序代码以执行以下操作：
接收终端设备发送的用于请求算力的算力请求，该算力请求包括该终端设备的算力需求信息；
根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备；
将该目标边缘计算设备中满足该算力需求信息的第一算力分配给该终端设备。
可选的，上述算力需求信息包括该终端设备请求的算力大小，上述处理器701还可以根据该算力需求信息，确定为该终端设备提供算力的目标边缘计算设备，执行以下操作：
确定至少两个边缘计算设备，该边缘计算设备的剩余算力大小大于或者等于该终端设备请求的算力大小；
针对上述至少两个边缘计算设备中的每个边缘计算设备，计算该边缘计算设备对应的加权值，该加权值用于表示采用该边缘计算设备为该终端设备提供算力的总花费；
将上述至少两个边缘计算设备中的最小加权值对应的边缘计算设备确定为给该终端设备提供算力的目标边缘计算设备。
可选的，上述处理器701还可以计算该边缘计算设备对应的加权值，执行以下操作：
获取该边缘计算设备的至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，一个因素对应一个因素值，该因素值用于表示采用该边缘计算设备为该终端设备提供算力，在该因素上所需要的花费；
根据上述至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值。
可选的，上述处理器701还可以根据上述至少一个因素对应的至少一个因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值，执行以下操作：
针对每个上述因素对应的因素值，获取该因素对应的参考值，该参考值为上述至少两个边缘计算设备在该因素上的最大因素值或者最小因素值；
根据该因素对应的因素值以及该因素对应的参考值，计算该因素对应的标准化因素值；
根据上述至少一个因素对应的至少一个标准化因素值，以及该因素对应的加权系数，计算该边缘计算设备对应的加权值。
可选的，上述算力需求信息还包括对上述至少一个因素中目标因素对应的需求信息，上述处理器701还可以调用上述程序代码以执行以下操作：
根据对上述至少一个因素中目标因素对应的需求信息，确定上述至少一个因素中每个因素对应的加权系数，其中，该目标因素对应的加权系数大于上述至少一个因素中除该目标因素外的其他因素对应的加权系数。
可选的，上述处理器701还可以调用上述程序代码以执行以下操作：
接收该目标边缘计算设备发送的反馈信息，该反馈信息包括该目标边缘计算设备的剩余算力大小；
根据该反馈信息中包括的该目标边缘计算设备的剩余算力大小，更新本地存储的该目标边缘计算设备的剩余算力大小。
需要说明的是，各个操作的实现还可以对应参照图3-图5所示的方法实施例的相应描述；上述处理器701还可以与输入输出接口703配合执行上述方法实施例中的其他操作。
本申请实施例还提供一种计算机可读存储介质，该计算机存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令当被计算机执行时使该计算机执行如前述实施例的方法，该计算机可以为上述提到的测试终端的一部分。例如为上述的处理器701。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请中，“A和/或B”是指下述情况之一：A，B，A和B。“……中至少一个”是指所列出的各项或者任意数量的所列出的各项的任意组合方式，例如，“A、B和C中至少一个”是指下述情况之一：A，B，C，A和B，B和C，A和C，A、B和C这七种情况中的任一种。
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，是可以通过计算机程序来指令相关的硬件来完成，上述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，上述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
本申请实施例提供的方法及相关装置是参照本申请实施例提供的方法流程图和/或结构示意图来描述的，具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、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/或结构示意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/或结构示意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/或结构示意一个方框或多个方框中指定的功能的步骤。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (10)
1.一种算力调度方法，其特征在于，包括：
接收终端设备发送的用于请求算力的算力请求，所述算力请求包括所述终端设备的算力需求信息；
根据所述算力需求信息，确定为所述终端设备提供算力的目标边缘计算设备；
将所述目标边缘计算设备中满足所述算力需求信息的第一算力分配给所述终端设备。
2.根据权利要求1所述的方法，其特征在于，所述算力需求信息包括所述终端设备请求的算力大小；
所述根据所述算力需求信息，确定为所述终端设备提供算力的目标边缘计算设备，包括：
确定至少两个边缘计算设备，所述边缘计算设备的剩余算力大小大于或者等于所述终端设备请求的算力大小；
针对所述至少两个边缘计算设备中的每个边缘计算设备，计算所述边缘计算设备对应的加权值，所述加权值用于表示采用所述边缘计算设备为所述终端设备提供算力的总花费；
将所述至少两个边缘计算设备中的最小加权值对应的边缘计算设备确定为给所述终端设备提供算力的目标边缘计算设备。
3.根据权利要求2所述的方法，其特征在于，所述计算所述边缘计算设备对应的加权值，包括：
获取所述边缘计算设备的至少一个因素对应的至少一个因素值，以及所述因素对应的加权系数，一个因素对应一个因素值，所述因素值用于表示采用所述边缘计算设备为所述终端设备提供算力，在所述因素上所需要的花费；
根据所述至少一个因素对应的至少一个因素值，以及所述因素对应的加权系数，计算所述边缘计算设备对应的加权值。
4.根据权利要求3所述的方法，其特征在于，所述根据所述至少一个因素对应的至少一个因素值，以及所述因素对应的加权系数，计算所述边缘计算设备对应的加权值，包括：
针对每个所述因素对应的因素值，获取所述因素对应的参考值，所述参考值为所述至少两个边缘计算设备在所述因素上的最大因素值或者最小因素值；
根据所述因素对应的因素值以及所述因素对应的参考值，计算所述因素对应的标准化因素值；
根据所述至少一个因素对应的至少一个标准化因素值，以及所述因素对应的加权系数，计算所述边缘计算设备对应的加权值。
5.根据权利要求2-4任一项所述的方法，其特征在于，所述算力需求信息还包括对所述至少一个因素中目标因素对应的需求信息；所述方法还包括：
根据对所述至少一个因素中目标因素对应的需求信息，确定所述至少一个因素中每个因素对应的加权系数，其中，所述目标因素对应的加权系数大于所述至少一个因素中除所述目标因素外的其他因素对应的加权系数。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收所述目标边缘计算设备发送的反馈信息，所述反馈信息包括所述目标边缘计算设备的剩余算力大小；
根据所述反馈信息中包括的所述目标边缘计算设备的剩余算力大小，更新本地存储的所述目标边缘计算设备的剩余算力大小。
7.根据权利要求4所述的方法，其特征在于，所述因素包括传输时延、价格花费以及算力资源利用率中的任意一种或者多种；
若所述因素包括所述传输时延，所述因素对应的参考值为所述至少两个边缘计算设备在所述因素上的最小因素值；
若所述因素包括所述价格花费，所述因素对应的参考值为所述至少两个边缘计算设备在所述因素上的最小因素值；
若所述因素包括所述算力资源利用率，所述因素对应的参考值为所述至少两个边缘计算设备在所述因素上的最大因素值。
8.一种算力调度装置，其特征在于，包括：
第一接收单元，用于接收终端设备发送的用于请求算力的算力请求，所述算力请求包括所述终端设备的算力需求信息；
确定单元，用于根据所述算力需求信息，确定为所述终端设备提供算力的目标边缘计算设备；
分配单元，用于将所述目标边缘计算设备中满足所述算力需求信息的第一算力分配给所述终端设备。
9.一种算力调度设备，包括处理器、存储器以及输入输出接口，所述处理器、存储器和输入输出接口相互连接，其中，所述输入输出接口用于输入或输出数据，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911060138.XA CN110851529A (zh) | 2019-11-01 | 2019-11-01 | 算力调度方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911060138.XA CN110851529A (zh) | 2019-11-01 | 2019-11-01 | 算力调度方法及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110851529A true CN110851529A (zh) | 2020-02-28 |
Family
ID=69599924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911060138.XA Pending CN110851529A (zh) | 2019-11-01 | 2019-11-01 | 算力调度方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110851529A (zh) |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111405012A (zh) * | 2020-03-06 | 2020-07-10 | 深圳市瑞驰信息技术有限公司 | 一种基于mqtt及http的ai算力池集群管理方法 |
| CN111475276A (zh) * | 2020-05-29 | 2020-07-31 | 深圳市元征科技股份有限公司 | 一种基于边缘计算的任务管理方法及其装置 |
| CN111507650A (zh) * | 2020-07-02 | 2020-08-07 | 深圳微品致远信息科技有限公司 | 一种边缘计算平台算力分配调度方法及系统 |
| CN111737009A (zh) * | 2020-07-28 | 2020-10-02 | 北京千丁互联科技有限公司 | 本地端与云端计算分配方法、装置和本地服务器 |
| CN111866775A (zh) * | 2020-07-28 | 2020-10-30 | 中国联合网络通信集团有限公司 | 一种业务编排方法及装置 |
| CN111869303A (zh) * | 2020-06-03 | 2020-10-30 | 北京小米移动软件有限公司 | 一种资源调度的方法、装置、通信设备及存储介质 |
| CN112005565A (zh) * | 2020-06-29 | 2020-11-27 | 北京小米移动软件有限公司 | 用户设备辅助信息的上报方法及装置、用户设备、存储介质 |
| CN112134802A (zh) * | 2020-09-23 | 2020-12-25 | 杭州雾联科技有限公司 | 一种基于终端触发式的边缘算力资源调度方法及系统 |
| CN112346854A (zh) * | 2020-09-28 | 2021-02-09 | 北京大学深圳研究生院 | 一种分层协同决策的网内资源调度方法及系统、存储介质 |
| CN112492652A (zh) * | 2020-11-23 | 2021-03-12 | 中国联合网络通信集团有限公司 | 一种边缘设备算力服务调配的方法、装置及系统 |
| CN113535376A (zh) * | 2020-04-17 | 2021-10-22 | 大唐移动通信设备有限公司 | 一种算力调度方法、集中控制设备及算力申请设备 |
| CN113542316A (zh) * | 2020-04-13 | 2021-10-22 | 展讯半导体(南京)有限公司 | 算力共享方法及相关设备 |
| CN113590282A (zh) * | 2021-07-19 | 2021-11-02 | 海宁奕斯伟集成电路设计有限公司 | 算力调度方法、系统、电子设备及计算机可读存储介质 |
| CN113641124A (zh) * | 2021-08-06 | 2021-11-12 | 珠海格力电器股份有限公司 | 一种算力分配方法、装置、控制器及楼宇控制系统 |
| CN113765942A (zh) * | 2020-06-01 | 2021-12-07 | 杭州嘉楠耘智信息科技有限公司 | 一种云算力分配方法、用户终端、云算力平台和系统 |
| WO2022007899A1 (zh) * | 2020-07-10 | 2022-01-13 | 华为技术有限公司 | Upf选择方法及装置 |
| WO2022016466A1 (zh) * | 2020-07-23 | 2022-01-27 | 北京小米移动软件有限公司 | 资源请求信息处理方法及装置、通信设备及存储介质 |
| CN114138453A (zh) * | 2021-10-18 | 2022-03-04 | 中标慧安信息技术股份有限公司 | 一种适合边缘计算环境的资源优化分配方法与系统 |
| CN114500521A (zh) * | 2020-11-13 | 2022-05-13 | 中国移动通信有限公司研究院 | 一种算力调度方法、装置、调度设备、系统和存储介质 |
| CN114625519A (zh) * | 2022-05-11 | 2022-06-14 | 北京智芯微电子科技有限公司 | 边缘计算的业务调度方法、装置及设备 |
| WO2022143744A1 (zh) * | 2020-12-31 | 2022-07-07 | 维沃移动通信有限公司 | 信息处理方法、装置、设备及存储介质 |
| WO2022156752A1 (zh) * | 2021-01-21 | 2022-07-28 | 维沃移动通信有限公司 | 数据传输方法、终端及网络侧设备 |
| CN114972550A (zh) * | 2022-06-16 | 2022-08-30 | 慧之安信息技术股份有限公司 | 面向实时视频流分析的边缘计算方法 |
| CN115426364A (zh) * | 2022-09-06 | 2022-12-02 | 中国联合网络通信集团有限公司 | 一种基于标识解析的算力分配方法、装置及系统 |
| WO2023020432A1 (zh) * | 2021-08-18 | 2023-02-23 | 维沃移动通信有限公司 | 算力请求、算力分配、算力执行方法、终端及网络侧设备 |
| WO2023020431A1 (zh) * | 2021-08-18 | 2023-02-23 | 维沃移动通信有限公司 | 算力资源的确定方法和设备 |
| WO2023116350A1 (zh) * | 2021-12-24 | 2023-06-29 | 华为技术有限公司 | 一种通信方法及通信装置 |
| CN116566992A (zh) * | 2023-07-10 | 2023-08-08 | 北京智芯微电子科技有限公司 | 边缘计算的动态协同方法、装置、计算机设备和存储介质 |
| EP4250780A4 (en) * | 2021-02-05 | 2024-04-17 | Vivo Mobile Communication Co Ltd | COMPUTING POWER SERVICE METHOD AND RELATED DEVICE |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103544064A (zh) * | 2013-10-28 | 2014-01-29 | 华为数字技术（苏州）有限公司 | 云计算方法、云管理平台和客户端 |
| CN104679595A (zh) * | 2015-03-26 | 2015-06-03 | 南京大学 | 一种面向应用的IaaS层动态资源分配方法 |
| CN106936874A (zh) * | 2015-12-31 | 2017-07-07 | 北京金山云网络技术有限公司 | 物理资源分配方法、装置及系统 |
| CN109783224A (zh) * | 2018-12-10 | 2019-05-21 | 平安科技（深圳）有限公司 | 基于负载调配的任务分配方法、装置及终端设备 |
-
2019
- 2019-11-01 CN CN201911060138.XA patent/CN110851529A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103544064A (zh) * | 2013-10-28 | 2014-01-29 | 华为数字技术（苏州）有限公司 | 云计算方法、云管理平台和客户端 |
| CN104679595A (zh) * | 2015-03-26 | 2015-06-03 | 南京大学 | 一种面向应用的IaaS层动态资源分配方法 |
| CN106936874A (zh) * | 2015-12-31 | 2017-07-07 | 北京金山云网络技术有限公司 | 物理资源分配方法、装置及系统 |
| CN109783224A (zh) * | 2018-12-10 | 2019-05-21 | 平安科技（深圳）有限公司 | 基于负载调配的任务分配方法、装置及终端设备 |
Cited By (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111405012A (zh) * | 2020-03-06 | 2020-07-10 | 深圳市瑞驰信息技术有限公司 | 一种基于mqtt及http的ai算力池集群管理方法 |
| US11876856B2 (en) | 2020-04-13 | 2024-01-16 | Spreadtrum Semiconductor (Nanjing) Co., Ltd. | Method for computational-power sharing and related device |
| CN113542316B (zh) * | 2020-04-13 | 2022-11-25 | 展讯半导体(南京)有限公司 | 算力共享方法及相关设备 |
| CN113542316A (zh) * | 2020-04-13 | 2021-10-22 | 展讯半导体(南京)有限公司 | 算力共享方法及相关设备 |
| CN113535376B (zh) * | 2020-04-17 | 2024-04-05 | 大唐移动通信设备有限公司 | 一种算力调度方法、集中控制设备及算力申请设备 |
| CN113535376A (zh) * | 2020-04-17 | 2021-10-22 | 大唐移动通信设备有限公司 | 一种算力调度方法、集中控制设备及算力申请设备 |
| CN111475276A (zh) * | 2020-05-29 | 2020-07-31 | 深圳市元征科技股份有限公司 | 一种基于边缘计算的任务管理方法及其装置 |
| WO2021244343A1 (zh) * | 2020-06-01 | 2021-12-09 | 杭州嘉楠耘智信息科技有限公司 | 一种云算力分配方法、用户终端、云算力平台和系统 |
| CN113765942A (zh) * | 2020-06-01 | 2021-12-07 | 杭州嘉楠耘智信息科技有限公司 | 一种云算力分配方法、用户终端、云算力平台和系统 |
| CN111869303A (zh) * | 2020-06-03 | 2020-10-30 | 北京小米移动软件有限公司 | 一种资源调度的方法、装置、通信设备及存储介质 |
| CN111869303B (zh) * | 2020-06-03 | 2023-10-17 | 北京小米移动软件有限公司 | 一种资源调度的方法、装置、通信设备及存储介质 |
| WO2021243618A1 (zh) * | 2020-06-03 | 2021-12-09 | 北京小米移动软件有限公司 | 一种资源调度的方法、装置、通信设备及存储介质 |
| CN112005565A (zh) * | 2020-06-29 | 2020-11-27 | 北京小米移动软件有限公司 | 用户设备辅助信息的上报方法及装置、用户设备、存储介质 |
| WO2022000188A1 (zh) * | 2020-06-29 | 2022-01-06 | 北京小米移动软件有限公司 | 用户设备辅助信息的上报方法及装置、用户设备、存储介质 |
| CN111507650A (zh) * | 2020-07-02 | 2020-08-07 | 深圳微品致远信息科技有限公司 | 一种边缘计算平台算力分配调度方法及系统 |
| WO2022007899A1 (zh) * | 2020-07-10 | 2022-01-13 | 华为技术有限公司 | Upf选择方法及装置 |
| CN114258729A (zh) * | 2020-07-23 | 2022-03-29 | 北京小米移动软件有限公司 | 资源请求信息处理方法及装置、通信设备及存储介质 |
| WO2022016466A1 (zh) * | 2020-07-23 | 2022-01-27 | 北京小米移动软件有限公司 | 资源请求信息处理方法及装置、通信设备及存储介质 |
| CN111737009A (zh) * | 2020-07-28 | 2020-10-02 | 北京千丁互联科技有限公司 | 本地端与云端计算分配方法、装置和本地服务器 |
| CN111866775A (zh) * | 2020-07-28 | 2020-10-30 | 中国联合网络通信集团有限公司 | 一种业务编排方法及装置 |
| CN112134802A (zh) * | 2020-09-23 | 2020-12-25 | 杭州雾联科技有限公司 | 一种基于终端触发式的边缘算力资源调度方法及系统 |
| CN112346854A (zh) * | 2020-09-28 | 2021-02-09 | 北京大学深圳研究生院 | 一种分层协同决策的网内资源调度方法及系统、存储介质 |
| CN114500521A (zh) * | 2020-11-13 | 2022-05-13 | 中国移动通信有限公司研究院 | 一种算力调度方法、装置、调度设备、系统和存储介质 |
| CN112492652A (zh) * | 2020-11-23 | 2021-03-12 | 中国联合网络通信集团有限公司 | 一种边缘设备算力服务调配的方法、装置及系统 |
| CN112492652B (zh) * | 2020-11-23 | 2023-07-28 | 中国联合网络通信集团有限公司 | 一种边缘设备算力服务调配的方法、装置及系统 |
| WO2022143744A1 (zh) * | 2020-12-31 | 2022-07-07 | 维沃移动通信有限公司 | 信息处理方法、装置、设备及存储介质 |
| WO2022156752A1 (zh) * | 2021-01-21 | 2022-07-28 | 维沃移动通信有限公司 | 数据传输方法、终端及网络侧设备 |
| EP4250780A4 (en) * | 2021-02-05 | 2024-04-17 | Vivo Mobile Communication Co Ltd | COMPUTING POWER SERVICE METHOD AND RELATED DEVICE |
| CN113590282A (zh) * | 2021-07-19 | 2021-11-02 | 海宁奕斯伟集成电路设计有限公司 | 算力调度方法、系统、电子设备及计算机可读存储介质 |
| CN113641124A (zh) * | 2021-08-06 | 2021-11-12 | 珠海格力电器股份有限公司 | 一种算力分配方法、装置、控制器及楼宇控制系统 |
| CN113641124B (zh) * | 2021-08-06 | 2023-03-10 | 珠海格力电器股份有限公司 | 一种算力分配方法、装置、控制器及楼宇控制系统 |
| WO2023020432A1 (zh) * | 2021-08-18 | 2023-02-23 | 维沃移动通信有限公司 | 算力请求、算力分配、算力执行方法、终端及网络侧设备 |
| WO2023020431A1 (zh) * | 2021-08-18 | 2023-02-23 | 维沃移动通信有限公司 | 算力资源的确定方法和设备 |
| CN114138453B (zh) * | 2021-10-18 | 2022-10-28 | 中标慧安信息技术股份有限公司 | 一种适合边缘计算环境的资源优化分配方法与系统 |
| CN114138453A (zh) * | 2021-10-18 | 2022-03-04 | 中标慧安信息技术股份有限公司 | 一种适合边缘计算环境的资源优化分配方法与系统 |
| WO2023116350A1 (zh) * | 2021-12-24 | 2023-06-29 | 华为技术有限公司 | 一种通信方法及通信装置 |
| CN114625519A (zh) * | 2022-05-11 | 2022-06-14 | 北京智芯微电子科技有限公司 | 边缘计算的业务调度方法、装置及设备 |
| CN114972550A (zh) * | 2022-06-16 | 2022-08-30 | 慧之安信息技术股份有限公司 | 面向实时视频流分析的边缘计算方法 |
| CN115426364A (zh) * | 2022-09-06 | 2022-12-02 | 中国联合网络通信集团有限公司 | 一种基于标识解析的算力分配方法、装置及系统 |
| CN116566992A (zh) * | 2023-07-10 | 2023-08-08 | 北京智芯微电子科技有限公司 | 边缘计算的动态协同方法、装置、计算机设备和存储介质 |
| CN116566992B (zh) * | 2023-07-10 | 2023-11-28 | 北京智芯微电子科技有限公司 | 边缘计算的动态协同方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110851529A (zh) | 算力调度方法及相关设备 | |
| CN111444009B (zh) | 一种基于深度强化学习的资源分配方法及装置 | |
| US20220391260A1 (en) | Method and Apparatus for Creating Container, Device, Medium, and Program Product | |
| CN111966500B (zh) | 资源调度方法、装置、电子设备及存储介质 | |
| CN110766269A (zh) | 一种任务分配方法、装置、可读存储介质及终端设备 | |
| CN111373372B (zh) | 在分布式计算环境中对应用分配优先级以进行对角缩放 | |
| US11829888B2 (en) | Modifying artificial intelligence models using model fragments | |
| CN110322020B (zh) | 分布式随机梯度下降的自适应学习率调度 | |
| CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
| CN114911598A (zh) | 任务调度方法、装置、设备以及存储介质 | |
| CN112130997B (zh) | 一种资源分配方法及装置 | |
| CN113378498A (zh) | 一种任务分配方法及装置 | |
| CN115129463A (zh) | 算力调度方法及装置、系统及存储介质 | |
| US20140351823A1 (en) | Strategic Placement of Jobs for Spatial Elasticity in a High-Performance Computing Environment | |
| CN117014389A (zh) | 算网资源配置方法及系统、电子设备、存储介质 | |
| US20230289214A1 (en) | Intelligent task messaging queue management | |
| CN113672375A (zh) | 资源分配预测方法、装置、设备及存储介质 | |
| CN116450290A (zh) | 计算机资源的管理方法、装置、云服务器及存储介质 | |
| CN114995957A (zh) | 容器组部署方法、装置、电子设备及计算机可读存储介质 | |
| CN105718297A (zh) | 虚拟机建立系统以及方法 | |
| CN113033931B (zh) | 闭环自适应个体及区域分配方法、装置及计算设备 | |
| CN114020469A (zh) | 基于边缘节点的多任务学习方法、装置、介质与设备 | |
| CN115344359A (zh) | 算力资源分配方法、装置、计算机可读存储介质及设备 | |
| CN112000477A (zh) | 一种pod中负载均衡的方法、装置、设备及介质 | |
| US11394808B2 (en) | Passive identification of service ports in containers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40022008 Country of ref document: HK |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |