CN111131421B - 一种工业互联网现场大数据与云端信息互联互通的方法 - Google Patents

一种工业互联网现场大数据与云端信息互联互通的方法 Download PDF

Info

Publication number
CN111131421B
CN111131421B CN201911289712.9A CN201911289712A CN111131421B CN 111131421 B CN111131421 B CN 111131421B CN 201911289712 A CN201911289712 A CN 201911289712A CN 111131421 B CN111131421 B CN 111131421B
Authority
CN
China
Prior art keywords
node
edge
cloud computing
service
computing
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.)
Active
Application number
CN201911289712.9A
Other languages
English (en)
Other versions
CN111131421A (zh
Inventor
周旭
覃毅芳
胡亚辉
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.)
Computer Network Information Center of CAS
Original Assignee
Computer Network Information Center of CAS
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 Computer Network Information Center of CAS filed Critical Computer Network Information Center of CAS
Priority to CN201911289712.9A priority Critical patent/CN111131421B/zh
Publication of CN111131421A publication Critical patent/CN111131421A/zh
Application granted granted Critical
Publication of CN111131421B publication Critical patent/CN111131421B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/70—Admission control; Resource allocation
    • H04L47/78—Architectures of resource allocation
    • H04L47/783—Distributed allocation of resources, e.g. bandwidth brokers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/70—Admission control; Resource allocation
    • H04L47/82—Miscellaneous aspects
    • H04L47/821—Prioritising resource allocation or reservation requests

Landscapes

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

Abstract

本发明提供了一种工业互联网现场大数据与云端信息互联互通的方法，该方法步骤为：首先，基于终端节点、边缘计算节点及云计算节点的连通状况，生成网络状态拓扑图；其次，基于网络状态拓扑图，按照优先级顺序，针对每种数据处理业务要求，按照深度优先原则获得边缘计算、云计算及网络带宽的最佳联合分配，以确保该类业务的数据处理实时性要求能够获得保障；最后，在每个业务分配资源完成后，均对当前的边缘计算、云计算及网络带宽负载进行核查，从而及时获知已经达到能力上限的节点和链路，以避免单一节点或链路负荷过载造成分配失败的问题。

Description

一种工业互联网现场大数据与云端信息互联互通的方法
技术领域
本发明涉及工业互联网中现场大数据与云端互联互通的方法，尤其涉及工业现场大数据与云端信息实时互联互通的多优先级调度方法。
背景技术
随着工业互联网技术的发展，工业现场、销售、管理等过程中产生了大量的数据，对这些数据进行计算和处理分析成为工业智能化发展的必由之路。因此，一方面具备对海量数据快速处理能力的云计算技术成为快速处理工业大数据并挖掘其核心价值的首选技术，另一方面其对工业现场大数据的实时处理能力又制约了其在工业互联网中的广泛应用。
与此同时，边缘计算技术通过将数据处理能力部署在靠近数据源的位置，能够有效满足工业现场大数据的实时性分析要求。由此可见，集中式的云计算中心与分布式的边缘计算处理平台之间通过有效配合，既能够实现充分挖掘工业现场大数据核心价值的目标，又能够满足工业现场控制类业务的实时性需求。因此，云边协同进行工业现场大数据的分析处理成为必然选择。
在此背景下，对边缘计算、云计算及网络资源的调度和分配以有效满足多种工业现场大数据的实时充分分析，成为近几年的研究热点。当前的研究主要集中于两个方面：1)，对边缘计算节点之间的资源进行分配以满足工业现场数据的计算任务要求；2)，对边缘计算、云计算资源进行协同分配以满足工业现场数据的计算任务要求。然而，上述方法均没有考虑到不同业务的服务质量要求，且没有将网络带宽资源分配纳入到整个资源分配的框架中。因此，有必要考虑到工业现场不同业务的数据处理服务质量(QoS，quality ofservice)要求，并联合分配边缘计算、云计算及网络带宽，以全面满足多业务类型的工业现场大数据实时有效分析处理要求。
发明内容
本发明的目的在于，解决现有技术边缘计算、云计算及网络资源的调度和分配以有效满足多种工业现场大数据的实时充分分析存在的上述缺陷。
为实现上述目的，本发明提供了一种工业互联网现场大数据与云端信息互联互通的方法，该方法步骤为：首先，基于终端节点、边缘计算节点及云计算节点的连通状况，生成网络状态拓扑图；其次，基于网络状态拓扑图，按照优先级顺序，针对每种数据处理业务要求，按照深度优先原则获得边缘计算、云计算及网络带宽的最佳联合分配，以确保该类业务的数据处理实时性要求能够获得保障；最后，在每个业务分配资源完成后，均对当前的边缘计算、云计算及网络带宽负载进行核查，从而及时获知已经达到能力上限的节点和链路，以避免单一节点或链路负荷过载造成分配失败的问题。
本发明与现有工业现场大数据调度算法相比，具有以下优势：
对边缘计算资源、云计算资源以及网络带宽资源进行统一联合分配，从而能够提升资源利用率，避免造成单一资源分配充裕，而其他资源分配不足，导致数据处理时延无法满足实时性要求；在进行资源分配时，充分考虑到不同业务数据处理时延要求，依据时延要求进行多业务数据处理优先级排序；基于优先级顺序，利用图论中深度优先算法寻找最短路径的方法，进行边缘计算资源、云计算资源及网络带宽资源的有效分配，从而能够降低资源分配算法的复杂度。
附图说明
图1为本发明实施例应用的网络架构示意图；
图2为本发明实施例提供的一种工业互联网现场大数据与云端信息互联互通的方法流程示意图。
具体实施方式
下面结合附图和实施例对本发明作更加详细的说明。
图1为本发明实施例应用的网络架构示意图；如图1所示，假设网络中控制类业务个数为N个节点，第n个业务所需要处理的信息量为Cn，时延要求阈值为Tn，其中n＝1,2,…,N。边缘计算节点总数为M个，第m个边缘节点的计算能力可以用其CPU处理频率fm，m＝1,2,…,M来表示。假设云计算中心节点总数为L，第l个云计算节点的计算能力可以用其CPU处理频率fl，l＝1,2,…,L来表示。第n个业务源到第m个边缘节点的链路用NTEn,m，带宽用ECn,m表示，第m个边缘计算节点至第l个云计算节点的链路表示为ETCm,l，可用带宽用CCm,l表示，
Figure BDA0002317989230000031
表示该链路上给第n个业务分配的带宽。
图2为本发明实施例提供的一种工业互联网现场大数据与云端信息互联互通的方法流程示意图。如图2所示，该方法包括以下步骤一至步骤五：
步骤一：基于终端节点、边缘计算节点及云计算节点的连通状况，生成网络状态拓扑图
Figure BDA0002317989230000032
其中
Figure BDA0002317989230000033
Figure BDA0002317989230000034
步骤二：按照时延要求阈值对所有业务进行优先级排序，时延要求阈值越低则具有越高的服务优先级；
具体地，步骤2包括以下步骤：
步骤S20：获取N个工业现场业务的时延要求，并标定服务优先级Flag，Tn越小则Flag(n)(n＝1,2,3…,N)的值越小，表示其优先级越高。
步骤三：按照步骤二中的优先级排列顺序，对当前进行资源分配的业务n，依据最短端到端处理时延原则，进行边缘计算、云计算及网络带宽资源的分配。
具体地，步骤3包括以下步骤：
步骤S30：查找步骤S20中Flag的最小值以及其对应的业务；
步骤S31：对于当前选定的边缘计算节点业务n，构建加权网络拓扑图
Figure BDA0002317989230000035
其中终端节点n处的权值标定为0；初始化m＝1，l＝1，所选择的边缘计算节点初始化为m(nc)＝[]，所选择的云计算节点l(nc)＝1以及端到端处理时延T(ng)＝∞；
步骤S32：判断m是否大于M，若大于则跳转至步骤S35；否则执行步骤S33；
步骤S33：判断l是否大于L，若大于，则令m＝m+1，跳转至步骤S32；否则执行步骤S34；
步骤S34：假设每个业务的计算任务最多只分布在一个边缘计算节点和一个云计算节点上，初始化计算量在边缘计算节点之间的分配比例,γn,m表示业务n在边缘计算节点m上分配的计算量，则与该边缘计算节点相连接的云计算节点可能获得的分配比例为γn,l＝1-γn,m；
步骤S35：依据时延最小化原则，计算最佳的计算任务分配比例γn,m,也即是
Figure BDA0002317989230000041
Figure BDA0002317989230000042
步骤S36：依据计算的最佳比例γn,m，计算
Figure BDA0002317989230000043
如果
Figure BDA0002317989230000044
Figure BDA0002317989230000045
则令m(nc)＝m,l(nc)＝l,
Figure BDA0002317989230000046
否则，l＝L+1，转至步骤S33。
步骤四：基于步骤三的分配结果更新网络拓扑网络状态拓扑图
Figure BDA0002317989230000047
将达到最大负载能力的边缘计算节点、云计算节点及传输路径从
Figure BDA0002317989230000051
中剔除，并生成当前的网络状态拓扑图
Figure BDA0002317989230000052
步骤五：执行步骤三至步骤四，直至所有业务均完成边缘计算、云计算及网络带宽资源分配。
本发明实施例与现有工业现场大数据调度算法相比，具有以下优势：
对边缘计算资源、云计算资源以及网络带宽资源进行统一联合分配，从而能够提升资源利用率，避免造成单一资源分配充裕，而其他资源分配不足，导致数据处理时延无法满足实时性要求；在进行资源分配时，充分考虑到不同业务数据处理时延要求，依据时延要求进行多业务数据处理优先级排序；基于优先级顺序，利用图论中深度优先算法寻找最短路径的方法，进行边缘计算资源、云计算资源及网络带宽资源的有效分配，从而能够降低资源分配算法的复杂度。
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 (1)

1.一种工业互联网现场大数据与云端信息互联互通的方法，其特征在于，包括以下步骤：
步骤一：基于终端节点、边缘计算节点及云计算节点的连通状况，生成网络状态拓扑图；
步骤二：按照时延要求阈值对所有业务进行优先级排序；
步骤三：按照步骤二中的优先级排列顺序，对当前进行资源分配的业务，依据最短端到端处理时延原则，进行边缘计算、云计算及网络带宽资源的分配；
步骤四：基于步骤三的分配结果更新网络状态拓扑图
Figure FDA0003549918240000011
将达到最大负载能力的边缘计算节点、云计算节点及传输路径从
Figure FDA0003549918240000012
中剔除，并生成当前的网络状态拓扑图
Figure FDA0003549918240000013
步骤五：执行步骤三至步骤四，直至所有业务均完成边缘计算、云计算及网络带宽资源分配；
网络状态拓扑图为
Figure FDA0003549918240000014
其中
Figure FDA0003549918240000015
Figure FDA0003549918240000016
NTE n,m 为第n个业务源到第m个边缘节点的链路，ETC m,l 为第m个边缘计算节点至第l个云计算节点的链路；其中，N为网络中控制类业务个数，M为边缘计算节点总数，L为云计算中心节点总数；
所述步骤二具体包括以下步骤：
步骤S20：获取N个工业现场业务的时延要求，并标定服务优先级Flag，Tn越小则Flag(n)，其中n＝1，2，3...，N，的值越小，表示其优先级越高；
所述步骤三具体包括以下步骤：
步骤S30：查找步骤S20中Flag的最小值以及其对应的业务；
步骤S31：对于当前选定的边缘计算节点业务n，构建加权网络拓扑图
Figure FDA0003549918240000017
其中终端节点n处的权值标定为0；初始化m＝1，l＝1，所选择的边缘计算节点初始化为m(nc)＝[]，所选择的云计算节点l (nc)＝1以及端到端处理时延T(ng)＝∞；
步骤S32：判断m是否大于M，若大于则执行步骤S35；否则执行步骤S33；
步骤S33：判断l是否大于L，若大于，则令m＝m+1，跳转至步骤S32；否则执行步骤S34；
步骤S34：假设每个业务的计算任务最多只分布在一个边缘计算节点和一个云计算节点上，初始化计算量在边缘计算节点之间的分配比例，γn,m表示业务n在边缘计算节点m上分配的计算量，则与该边缘计算节点相连接的云计算节点可能获得的分配比例为γn,l ＝1-γn,m；
步骤S35：依据最短端到端处理时延原则，计算最佳的计算任务分配比例γn,m’
Figure FDA0003549918240000021
Figure FDA0003549918240000022
Figure FDA0003549918240000023
其中，Cn为第n个业务所需要处理的信息量，fm为第m个边缘节点的计算能力，Tn为时延要求阈值，f l ，l＝1，2，…，L，L为云计算中心节点总数，f l 为云计算节点的计算能力，ECn,m为第n个业务源到第m个边缘节点的链路带宽，CC m,l 表示第m个边缘计算节点至第l个云计算节点的链路带宽；
步骤S36：依据计算的最佳比例γn,m，计算
Figure FDA0003549918240000024
如果
Figure FDA0003549918240000025
Figure FDA0003549918240000026
则令m(nc)＝m，l (nc)＝l，
Figure FDA0003549918240000027
否则，l=l+1，转至步骤S33；其中，T(ng)为端到端处理时延；其中，
Figure FDA0003549918240000028
表示业务n的处理时延，
Figure FDA0003549918240000029
表示业务在边缘计算节点m上的等待时延，
Figure 18139DEST_PATH_IMAGE002
表示业务在云计算节点l上的等待时延。
CN201911289712.9A 2019-12-13 2019-12-13 一种工业互联网现场大数据与云端信息互联互通的方法 Active CN111131421B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911289712.9A CN111131421B (zh) 2019-12-13 2019-12-13 一种工业互联网现场大数据与云端信息互联互通的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911289712.9A CN111131421B (zh) 2019-12-13 2019-12-13 一种工业互联网现场大数据与云端信息互联互通的方法

Publications (2)

Publication Number Publication Date
CN111131421A CN111131421A (zh) 2020-05-08
CN111131421B true CN111131421B (zh) 2022-07-29

Family

ID=70499003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911289712.9A Active CN111131421B (zh) 2019-12-13 2019-12-13 一种工业互联网现场大数据与云端信息互联互通的方法

Country Status (1)

Country Link
CN (1) CN111131421B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113037534A (zh) * 2020-05-20 2021-06-25 石高峰 基于区块链和边缘计算的通信网络优化方法及系统
CN112565429A (zh) * 2020-06-19 2021-03-26 张仕红 基于边缘计算和大数据的信息处理方法及信息处理系统
CN111740867B (zh) * 2020-07-03 2022-05-13 北京深空智联科技有限公司 一种广域网业务流量自动优化调度选路的方法
CN111813502B (zh) * 2020-07-10 2023-08-29 重庆邮电大学 面向工业边缘节点的计算资源管理调度方法
CN111901424B (zh) * 2020-07-28 2021-09-07 苏州大学 云边协同网络资源平滑迁移与重构方法及系统
CN111949410B (zh) * 2020-08-23 2021-05-07 北京德昇科技有限公司 基于大数据和边缘计算的数据整合方法及云端大数据中心
CN112118135A (zh) * 2020-09-14 2020-12-22 南昌市言诺科技有限公司 云边协同架构工业互联网平台的最小资源配置方法和装置
CN112333774B (zh) * 2020-10-30 2022-07-05 南京邮电大学 一种边缘网络控制系统及控制方法
CN113344728A (zh) * 2021-04-30 2021-09-03 华中农业大学 一种食品生产全链条信息智能监控系统及方法
CN113242304B (zh) * 2021-05-13 2022-07-29 南方电网数字电网研究院有限公司 边缘侧多能源数据采集调度控制方法、装置、设备和介质
CN117478351B (zh) * 2023-07-21 2024-04-30 振宁(无锡)智能科技有限公司 一种工业互联网边缘计算的智能优化方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108712337A (zh) * 2018-04-26 2018-10-26 西北大学 高性能网络中多路径带宽调度方法
CN109167835A (zh) * 2018-09-13 2019-01-08 重庆邮电大学 一种基于kubernetes的物理资源调度方法及系统
CN109218414A (zh) * 2018-08-27 2019-01-15 杭州中恒云能源互联网技术有限公司 一种面向智能电网混合网络架构的分布式计算方法
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN109947552A (zh) * 2019-03-28 2019-06-28 南京邮电大学 基于进程与线程调度的边缘控制器动态任务调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10999165B2 (en) * 2017-10-02 2021-05-04 Vmware, Inc. Three tiers of SaaS providers for deploying compute and network infrastructure in the public cloud

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108712337A (zh) * 2018-04-26 2018-10-26 西北大学 高性能网络中多路径带宽调度方法
CN109218414A (zh) * 2018-08-27 2019-01-15 杭州中恒云能源互联网技术有限公司 一种面向智能电网混合网络架构的分布式计算方法
CN109167835A (zh) * 2018-09-13 2019-01-08 重庆邮电大学 一种基于kubernetes的物理资源调度方法及系统
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN109947552A (zh) * 2019-03-28 2019-06-28 南京邮电大学 基于进程与线程调度的边缘控制器动态任务调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"A Survey of Mobile Edge Computing in the Industrial Internet";Zhuo Li等;《2019 The 7th International Conference on Information, Communication and Networks》;20191212;全文 *

Also Published As

Publication number Publication date
CN111131421A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111131421B (zh) 一种工业互联网现场大数据与云端信息互联互通的方法
Zhang et al. Adaptive interference-aware VNF placement for service-customized 5G network slices
CN110505099B (zh) 一种基于迁移a-c学习的服务功能链部署方法
CN107770096B (zh) 一种基于负载均衡的sdn/nfv网络动态资源分配方法
Raza et al. Reinforcement learning for slicing in a 5G flexible RAN
CN109714263B (zh) 一种在卫星通信网络中的路径选择方法及装置
CN110502328B (zh) 一种海上边缘计算可信协同任务迁移方法
CN112486690B (zh) 一种适用于工业物联网的边缘计算资源分配方法
CN108965014B (zh) QoS感知的服务链备份方法及系统
Quang et al. Multi-domain non-cooperative VNF-FG embedding: A deep reinforcement learning approach
Kaur et al. A systematic review on task scheduling in Fog computing: Taxonomy, tools, challenges, and future directions
CN108684046B (zh) 一种基于随机学习的接入网服务功能链部署方法
Liu et al. Task scheduling in fog enabled Internet of Things for smart cities
CN110011863A (zh) 一种网络带宽资源均衡调度方法及装置
CN111556516B (zh) 面向时延和能效敏感业务的分布式无线网络任务协同分配方法
CN109656713B (zh) 一种基于边缘计算框架的容器调度方法
CN110058937B (zh) 用于调度专用处理资源的方法、设备和介质
CN111343097B (zh) 链路负载均衡的方法、装置、电子设备及存储介质
CN109947574A (zh) 一种基于雾网络的车辆大数据计算卸载方法
CN112543151B (zh) Sdn控制器部署方法、装置、电子设备和存储介质
CN114071582A (zh) 面向云边协同物联网的服务链部署方法及装置
CN112073237B (zh) 一种云边架构中大规模目标网络构建方法
Tran-Dang et al. Task priority-based resource allocation algorithm for task offloading in fog-enabled IoT systems
Zheng et al. Minimizing the latency of embedding dependence-aware sfcs into mec network via graph theory
CN112867088B (zh) 一种“云-边-端”通信架构的动态调节方法及系统

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
GR01 Patent grant
GR01 Patent grant