CN111274035B - 边缘计算环境下的资源调度方法、装置和计算机设备 - Google Patents

边缘计算环境下的资源调度方法、装置和计算机设备 Download PDF

Info

Publication number
CN111274035B
CN111274035B CN202010063245.4A CN202010063245A CN111274035B CN 111274035 B CN111274035 B CN 111274035B CN 202010063245 A CN202010063245 A CN 202010063245A CN 111274035 B CN111274035 B CN 111274035B
Authority
CN
China
Prior art keywords
node
evaluation index
network
network node
edge 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
CN202010063245.4A
Other languages
English (en)
Other versions
CN111274035A (zh
Inventor
李焓丹
陈顺
熊原
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.)
Changsha Yuanben Information Technology Co ltd
Original Assignee
Changsha Yuanben Information 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 Changsha Yuanben Information Technology Co ltd filed Critical Changsha Yuanben Information Technology Co ltd
Priority to CN202010063245.4A priority Critical patent/CN111274035B/zh
Publication of CN111274035A publication Critical patent/CN111274035A/zh
Application granted granted Critical
Publication of CN111274035B publication Critical patent/CN111274035B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer And Data Communications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请涉及一种边缘计算环境下的资源调度方法、装置和计算机设备。所述方法包括：根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定边缘计算网络中各个网络节点的评价指标，当评价指标小于预先设置的阈值时，将网络节点加入可调度节点集合，判断边缘计算网络是否存在中心管理节点，若是，则通过中心管理节点从可调度节点集合中选择评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。采用本方法能够提高资源调度的效率。

Description

边缘计算环境下的资源调度方法、装置和计算机设备
技术领域
本申请涉及计算机技术领域，特别是涉及一种边缘计算环境下的资源调度方法、装置和计算机设备。
背景技术
近年来,随着移动互联网的飞速发展,应用终端逐渐往小型化、便携化的方向靠拢。全球移动通信系统协会(GSMA)于2018年发布的《全球移动经济报告》中的数据表明,全球移动设备数量已超过全球人口数量,而移动设备的增长速度约是人口增长速度的5倍。另一方面,随着NB-LoT、ZigBee等短距离通信技术的进一步发展以及云计算的出现,物联网(Internet of Things，IOT)已广泛应用于工业、农业、安防以及交通领域，同移动设备一样，工业设备、家庭智能设备、智能传感器等设备数量同样增速惊人。设备数量的快速增长带来的是数据量的爆炸式增长,大数据产业因此腾飞。与此同时，用户对移动网络服务的质量要求也日益提升,需求量也同步上涨。网络环境中的服务请求量和数据量同步上升,对当今网络的承受能力带来了很大的冲击,同时也给云计算技术的进一步发展带来了很大的挑战。
由于数据量和任务请求的爆炸式增长,网络负载进一步加重,如果将所有的数据及任务请求都通过广域网传输到云数据中心,势必给网络带宽带来极大的压力。同时由于多跳网络的存在,任务的响应延迟相对来说会很高。而对于一些新型的应用场景比如实时交通情况分析、实时视频/图像分析等,快速而实时的响应是十分重要的。因此,需要一种新的计算模式在网络边缘端快速消化数据,并满足新型应用场景下任务低延时、实时性高的要求,边缘计算模式由此出现。
边缘计算是一种新兴技术,为用户提供网络边缘的IT服务环境和计算功能,从而将数据和服务功能从远程云迁移到网络边缘端,实现对庞大用户本地数据的快速处理。与云计算相比,边缘计算通过支持边缘网络设备(如基站和接入点)的计算和存储功能为用户提供服务,从而使云计算的功能从核心网络向边缘网络下沉,满足了计算能力匮乏的移动设备和物联网设备中那些具有大量计算和低延迟要求的应用的操作需求。这样,原始数据仅被发送到附近的边缘服务器,而没有被发送到远程的云数据中心,任务响应时间以及网络负载显着减少。而且由于不再需要通过广域网(Wide Area Network,WAN)传输原始数据,还可以很好地保证用户的隐私。
虽然通过设置边缘计算节点就近处理用户任务大大缩短了用户设备与远端云计算中心的通信时延,但同时也产生了一个新的问题,即如何为运行在边缘计算节点上的任务制定有效的调度策略。这是因为边缘服务器自身的资源相对于远端云是有限的,且各边缘服务器之间的处理速度与资源总量往往不完全一样,同时任务之间还存在着资源竞争。
在使用蚁群算法解决调度问题时,将边缘服务器处理任务所产生的能耗,时间等开销作为优化目标。将待处理任务视为蚂蚁寻找食物所经过路径上的点,每确定一个任务的处理时间与卸载位置后,蚂蚁便会在寻找食物的路径上前进一段,对服务器增加的各种开销视为这一段路径的长度。当所有的任务被调度完成后,一个完整的任务调度方案便生成了,生成路径的总长度便是该种方案调度任务对边缘服务器增加的开销。在经过多个蚁群进行多次迭代生成解后,最优解便能够得出。
蚁群算法提出了一种层次边缘云的结构,在平衡边缘服务器处理任务高峰期时的负载,提高任务处理效率,但忽略了实际应用中任务处理需求的动态性，没有考虑到节约处理资源和服务器处理性能间的差异等因素,以及网络的动态变化以及资源消耗的优化，导致资源调度的效率低下。
发明内容
基于此，有必要针对上述技术问题，提供一种能够解决资源调度效率低下的边缘计算环境下的资源调度方法、装置和计算机设备。
一种边缘计算环境下的资源调度方法，所述方法包括：
根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定所述边缘计算网络中各个网络节点的评价指标；
当所述评价指标小于预先设置的阈值时，将所述网络节点加入可调度节点集合；
判断所述边缘计算网络是否存在中心管理节点，若是，则通过中心管理节点从所述可调度节点集合中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
在其中一个实施例中，还包括：若否，将所述边缘计算网络划分为多个候选区域，并确认所述候选区域中的一个网络节点作为候选中心节点；发送负载查询消息给所述候选中心节点，得到候选中心节点查询对应所述候选区域得到的评价指标平均值；若所述评价指标平均值小于预先设置的转移阈值，则将调度任务转移至对应的所述候选中心节点，通过所述候选中心节点从对应的所述候选区域中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
在其中一个实施例中，还包括：若所述评价指标平均值大于预先设置的转移阈值，则将调度任务转移至其他所述候选中心节点，直至所述评价指标平均值小于预先设置的转移阈值。
在其中一个实施例中，还包括：若所有所述评价指标平均值均大于预先设置的转移阈值，则将调度任务转移至选择所述评价指标平均值最小对应的所述候选中心节点，通过所述候选中心节点从对应的所述候选区域中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
在其中一个实施例中，所述负载信息包括：已分配任务数量；所述处理能力信息包括：CPU当前占用率；所述通讯质量信息包括：传输延迟和通信丢包率；还包括：根据所述已分配任务数、所述CPU当前占用率、所述传输延迟和所述通信丢包率，加权确定所述边缘计算网络中各个网络节点的评价指标为：
Q＝M′×k1+L×k2+C1×k3+C2×k4
M′＝log(M)
其中，M表示已分配任务数，L表示CPU当前占用率，C1表示传输延迟，C2表示通信丢包率，k1、k2、k3和k4表示加权值。
在其中一个实施例中，还包括：当所述评价指标Q和预先设置的阈值QT满足Q＜QT时，将所述评价指标Q对应的网络节点加入可调度节点集合。
在其中一个实施例中，还包括：若所述评价指标平均值大于预先设置的转移阈值，则获取所述多个邻近候选区域进行区域负载调查；将负载查询消息转移至所述多个邻近候选区域中的一个对应的候选中心节点，通过所述候选中心节点确定对应候选区域中评价指标平均值是否小于预先设置的转移阈值。
一种边缘计算环境下的资源调度装置，所述装置包括：
评价模块，用于根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定所述边缘计算网络中各个网络节点的评价指标；
筛选模块，用于当所述评价指标小于预先设置的阈值时，将所述网络节点加入可调度节点集合；
调度模块，用于判断所述边缘计算网络是否存在中心管理节点，若是，则通过中心管理节点从所述可调度节点集合中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定所述边缘计算网络中各个网络节点的评价指标；
当所述评价指标小于预先设置的阈值时，将所述网络节点加入可调度节点集合；
判断所述边缘计算网络是否存在中心管理节点，若是，则通过中心管理节点从所述可调度节点集合中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定所述边缘计算网络中各个网络节点的评价指标；
当所述评价指标小于预先设置的阈值时，将所述网络节点加入可调度节点集合；
判断所述边缘计算网络是否存在中心管理节点，若是，则通过中心管理节点从所述可调度节点集合中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
上述边缘计算环境下的资源调度方法、装置、计算机设备和存储介质，通过获取边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权可以得到网络节点的评价指标，在实际应用中，上述三个参数在不断的变化，因此网络节点的评价指标也在不断的变化，通过评价指标对各个网络节点进行评价，从而满足实际应用中任务动态处理的需求。然后通过阈值判断，筛选出可调度节点集合，然后在接收到调度任务时，通过中心管理节点，将任务分配给评价指标最小的网络节点，至此完成了资源调度。本发明，可以动态将不同任务分配给不同节点进行处理，从而实现各节点之间的负载均衡，从而提高资源调度的效率。
附图说明
图1为一个实施例中边缘计算环境下的资源调度方法的应用场景图；
图2为一个实施例中边缘计算环境下的资源调度方法的流程示意图；
图3为一个实施例中边缘计算环境下的资源调度装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的边缘计算环境下的资源调度方法，可以应用于如图1所示的应用环境中。其中，终端102通过无线网络与边缘服务器104连接，边缘服务器104通过网络均连接至云数据中心106。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，边缘服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，云数据中心106可以用独立的服务器或者是多个服务器组成的服务器集群来实现。云数据中心106设置在指定区域，而边缘服务器104设置在各个区域，在进行云计算时，终端102既可以通过无线网络与边缘服务器104连接，由边缘服务器104进行云计算，终端102也可以通过广域网与云数据中心106连接，由云数据中心106进行云计算。
在一个实施例中，如图2所示，提供了一种边缘计算环境下的资源调度方法，以该方法应用于图1中的边缘服务器为例进行说明，包括以下步骤：
步骤202，根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定边缘计算网络中各个网络节点的评价指标。
边缘计算网络中包括多个网络节点，网络节点之间互相连接，进行通讯以及消息传递，各个网络节点在进行任务执行时，会影响到网络节点的性能，例如：网络节点负载过大时，导致其CPU占用率高，响应速度变慢，若任务分配至该网络，则会影响任务完成的效率。通过对节点对任务执行效率的分析，采用负载信息、处理能力信息以及通讯质量信息三方面的数据对网络节点进行评价，从而得到网络节点的评价指标。
值得说明的是，网络节点的评价指标是动态变化的，例如，突发性的网络变化，将导致网络节点的评价指标变化。
步骤204，当评价指标小于预先设置的阈值时，将网络节点加入可调度节点集合。
在未接收到调度任务时，可以先对边缘计算网络中所有网络节点进行评价指标计算，然后筛选出一部分网络节点作为可调度节点，从而组成可调度节点集合。
具体的，采用阈值设置的方式进行筛选，即当网络节点的评价指标小于预先设置的阈值时，则判断该网络节点为可调度节点。阈值的设置可以是根据经验值进行设置，也可以根据历史的数据进行分析得到的。在此不做限制。
步骤206，判断边缘计算网络是否存在中心管理节点，若是，则通过中心管理节点从可调度节点集合中选择评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
边缘计算网络包括：有中心网络和无中心网络，有中心网络包括中心管理节点，由中心管理节点承担全局网络节点中的信息集中关系，所管理的信息包括：负载信息、处理能力信息以及通讯质量信息等，因此，当中心管理节点接收到调度任务时，可以获取全局网络节点的信息，从而计算得到全局网络节点的评价指标，由中心管理节点将任务分配给评价指标最小的网络节点。
上述边缘计算环境下的资源调度方法中，通过获取边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权可以得到网络节点的评价指标，在实际应用中，上述三个参数在不断的变化，因此网络节点的评价指标也在不断的变化，通过评价指标对各个网络节点进行评价，从而满足实际应用中任务动态处理的需求。然后通过阈值判断，筛选出可调度节点集合，然后在接收到调度任务时，通过中心管理节点，将任务分配给评价指标最小的网络节点，至此完成了资源调度。本发明，可以动态将不同任务分配给不同节点进行处理，从而实现各节点之间的负载均衡，从而提高资源调度的效率。
在其中一个实施例中，无中心网络没有中心管理节点，无法对全局节点进行集中管理，因此，可以将边缘计算网络划分为多个候选区域，并确认候选区域中的一个网络节点作为候选中心节点，发送负载查询消息给候选中心节点，得到候选中心节点查询对应候选区域得到的评价指标平均值，若评价指标平均值小于预先设置的转移阈值，则将调度任务转移至对应的候选中心节点，通过候选中心节点从对应的候选区域中选择评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。本实施例中，将无中心网络转化为准中心网络，即集群式区域管理，针对每个区域，确定一个候选中心节点，由候选中心节点进行区域的集中管理，即候选中心节点负责区域内的任务接入和调度。
具体的，当候选中心节点接收到调度任务后，根据当前候选区域中网络节点的评价指标，综合评价本区域的评价指标平均值。
评价指标平均值的计算公式为：
Qav＝sum(Q0+Q1+…+Qi+…+Qn)/n
其中，Qi表示候选区域中第i个网络节点。
候选中心节点一旦接收到任务调度申请，将计算本区域内的评价指标平均值Qav，若满足评价指标平均值Qav小于预先设置的转移阈值Qtran时，则可以获取区域网络节点的信息，从而计算得到区域网络节点的评价指标，由候选中心节点将任务分配给评价指标最小的网络节点。
在另一个实施例中，若评价指标平均值大于预先设置的转移阈值，则将调度任务转移至其他候选中心节点，直至评价指标平均值小于预先设置的转移阈值。本实施例中，当评价指标平均值大于预先设置的转移阈值，则说明该区域网络节点的评价指标整体偏高，不利于任务的完成，因此，在调度任务转移至其他候选中心节点，直至找到一个候选区域的评价指标平均值小于预先设置的转移阈值。
在又一个实施例中，若所有评价指标平均值均大于预先设置的转移阈值，则将调度任务转移至选择评价指标平均值最小对应的候选中心节点，通过候选中心节点从对应的候选区域中选择评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。本实施例中，当所有候选区域的评价指标平均值都是大于转移阈值时，此时，并不意味着所有网络节点的评价指标均大于阈值，因此，选择评价指标平均值最小的候选区域，更加有利于找到评价指标小于阈值的网络节点。
在其中一个实施例，负载信息包括：已分配任务数量，已分配任务数量指的是网络节点当前执行的任务总数；处理能力信息包括：CPU当前占用率，在边缘信息服务节点环境下，各个网络节点之间存在一定的异构性，各服务节点的处理能力有可能不同，因此采用CPU占有率来衡量处理能力；通讯质量信息包括：传输延迟和通信丢包率，传输延迟指的从发起传输的网络节点到接收网络节点的网络传输延迟时间，网络传输丢包率指由于信道带宽有限及网络拥塞导致的发送数据包在到达接收端时产生包丢失的比例。基于此，计算的各个网络节点的评价指标为：
Q＝M′×k1+L×k2+C1×k3+C2×k4
M′＝log(M)
其中，M表示已分配任务数，L表示CPU当前占用率，C1表示传输延迟，C2表示通信丢包率，k1、k2、k3和k4表示加权值。
本实施例中，因为任务数的量级以及处理器工作频率比其他的大，所以使用对数函数做归一化处理。
在另一个实施例中，当评价指标Q和预先设置的阈值QT满足Q＜QT时，将评价指标Q对应的网络节点加入可调度节点集合。
在其中一个实施例中，若评价指标平均值大于预先设置的转移阈值，则获取多个邻近候选区域进行区域负载调查；将负载查询消息转移至多个邻近候选区域中的一个对应的候选中心节点，通过候选中心节点确定对应候选区域中评价指标平均值是否小于预先设置的转移阈值。本实施例中，通过负载查询消息，可以获取各个候选区域中各个网络节点的评价指标。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种边缘计算环境下的资源调度装置，包括：评价模块302、筛选模块304和调度模块306，其中：
评价模块302，用于根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定所述边缘计算网络中各个网络节点的评价指标。
筛选模块304，用于当所述评价指标小于预先设置的阈值时，将所述网络节点加入可调度节点集合。
调度模块306，用于判断所述边缘计算网络是否存在中心管理节点，若是，则通过中心管理节点从所述可调度节点集合中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
在其中一个实施例中，调度模块306还用于判断所述边缘计算网络是否存在中心管理节点，若否，将所述边缘计算网络划分为多个候选区域，并确认所述候选区域中的一个网络节点作为候选中心节点；发送负载查询消息给所述候选中心节点，得到候选中心节点查询对应所述候选区域得到的评价指标平均值；若所述评价指标平均值小于预先设置的转移阈值，则将调度任务转移至对应的所述候选中心节点，通过所述候选中心节点从对应的所述候选区域中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
在其中一个实施例中，调度模块306还用于若所述评价指标平均值大于预先设置的转移阈值，则将调度任务转移至其他所述候选中心节点，直至所述评价指标平均值小于预先设置的转移阈值。
在其中一个实施例中，调度模块306还用于若所有所述评价指标平均值均大于预先设置的转移阈值，则将调度任务转移至选择所述评价指标平均值最小对应的所述候选中心节点，通过所述候选中心节点从对应的所述候选区域中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
在其中一个实施例中，评价模块302还用于根据所述已分配任务数、所述CPU当前占用率、所述传输延迟和所述通信丢包率，加权确定所述边缘计算网络中各个网络节点的评价指标为：
Q＝M′×k1+L×k2+C1×k3+C2×k4
M′＝log(M)
其中，M表示已分配任务数，L表示CPU当前占用率，C1表示传输延迟，C2表示通信丢包率，k1、k2、k3和k4表示加权值。
在其中一个实施例中，筛选模块304还用于当所述评价指标Q和预先设置的阈值QT满足Q＜QT时，将所述评价指标Q对应的网络节点加入可调度节点集合。
在其中一个实施例中，调度模块306还用于若所述评价指标平均值大于预先设置的转移阈值，则获取所述多个邻近候选区域进行区域负载调查；将负载查询消息转移至所述多个邻近候选区域中的一个对应的候选中心节点，通过所述候选中心节点确定对应候选区域中评价指标平均值是否小于预先设置的转移阈值。
关于边缘计算环境下的资源调度装置的具体限定可以参见上文中对于边缘计算环境下的资源调度方法的限定，在此不再赘述。上述边缘计算环境下的资源调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种边缘计算环境下的资源调度方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述实施例中方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中方法的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种边缘计算环境下的资源调度方法，所述方法包括：
根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定所述边缘计算网络中各个网络节点的评价指标；
当所述评价指标小于预先设置的阈值时，将所述网络节点加入可调度节点集合；
判断所述边缘计算网络是否存在中心管理节点，若是，则通过中心管理节点从所述可调度节点集合中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点；
所述方法还包括：
若否，将所述边缘计算网络划分为多个候选区域，并确认所述候选区域中的一个网络节点作为候选中心节点；
发送负载查询消息给所述候选中心节点，得到候选中心节点查询对应所述候选区域得到的评价指标平均值；
若所述评价指标平均值小于预先设置的转移阈值，则将调度任务转移至对应的所述候选中心节点，通过所述候选中心节点从对应的所述候选区域中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述评价指标平均值大于预先设置的转移阈值，则将调度任务转移至其他所述候选中心节点，直至所述评价指标平均值小于预先设置的转移阈值。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若所有所述评价指标平均值均大于预先设置的转移阈值，则将调度任务转移至选择所述评价指标平均值最小对应的所述候选中心节点，通过所述候选中心节点从对应的所述候选区域中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述负载信息包括：已分配任务数量；所述处理能力信息包括：CPU当前占用率；所述通讯质量信息包括：传输延迟和通信丢包率；
所述根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定所述边缘计算网络中各个网络节点的评价指标，包括：
根据所述已分配任务数、所述CPU当前占用率、所述传输延迟和所述通信丢包率，加权确定所述边缘计算网络中各个网络节点的评价指标为：
，
其中，M表示已分配任务数，L表示CPU当前占用率，C1表示传输延迟，C2表示通信丢包率，k1、k2、k3和k4表示加权值。
5.根据权利要求4所述的方法，其特征在于，所述当所述评价指标小于预先设置的阈值时，将所述网络节点加入可调度节点集合，包括：
当所述评价指标和预先设置的阈值/>满足/>时，将所述评价指标/>对应的网络节点加入可调度节点集合。
6.根据权利要求4所述的方法，其特征在于，若所述评价指标平均值大于预先设置的转移阈值，则将调度任务转移至其他所述候选中心节点，包括：
若所述评价指标平均值大于预先设置的转移阈值，则获取多个邻近候选区域进行区域负载调查；
将负载查询消息转移至多个邻近候选区域中的一个对应的候选中心节点，通过所述候选中心节点确定对应候选区域中评价指标平均值是否小于预先设置的转移阈值。
7.一种边缘计算环境下的资源调度装置，其特征在于，所述装置包括：
评价模块，用于根据边缘计算网络中各个网络节点的负载信息、处理能力信息以及通讯质量信息，加权确定所述边缘计算网络中各个网络节点的评价指标；
筛选模块，用于当所述评价指标小于预先设置的阈值时，将所述网络节点加入可调度节点集合；
调度模块，用于判断所述边缘计算网络是否存在中心管理节点，若是，则通过中心管理节点从所述可调度节点集合中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点；
调度模块还用于判断所述边缘计算网络是否存在中心管理节点，若否，将所述边缘计算网络划分为多个候选区域，并确认所述候选区域中的一个网络节点作为候选中心节点；发送负载查询消息给所述候选中心节点，得到候选中心节点查询对应所述候选区域得到的评价指标平均值；若所述评价指标平均值小于预先设置的转移阈值，则将调度任务转移至对应的所述候选中心节点，通过所述候选中心节点从对应的所述候选区域中选择所述评价指标最小的网络节点，将任务分配给评价指标最小的网络节点。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202010063245.4A 2020-01-20 2020-01-20 边缘计算环境下的资源调度方法、装置和计算机设备 Active CN111274035B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010063245.4A CN111274035B (zh) 2020-01-20 2020-01-20 边缘计算环境下的资源调度方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010063245.4A CN111274035B (zh) 2020-01-20 2020-01-20 边缘计算环境下的资源调度方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN111274035A CN111274035A (zh) 2020-06-12
CN111274035B true CN111274035B (zh) 2024-03-08

Family

ID=70999013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010063245.4A Active CN111274035B (zh) 2020-01-20 2020-01-20 边缘计算环境下的资源调度方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN111274035B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113835823A (zh) * 2020-06-23 2021-12-24 中兴通讯股份有限公司 资源调度方法和装置、电子设备、计算机可读存储介质
CN112260961B (zh) * 2020-09-23 2024-06-14 北京金山云网络技术有限公司 一种网络流量调度方法、装置、电子设备及存储介质
CN112291304B (zh) * 2020-09-30 2024-03-29 国电南瑞科技股份有限公司 一种边缘物联代理设备及其联合报文处理方法
CN112433846B (zh) * 2020-11-05 2022-10-21 德州职业技术学院（德州市技师学院） 一种边缘计算的资源调度方法和系统
CN112202928B (zh) * 2020-11-16 2022-05-17 绍兴文理学院 传感边缘云区块链网络可信卸载协作节点选择系统及方法
CN112565388A (zh) * 2020-12-01 2021-03-26 中盈优创资讯科技有限公司 一种基于打分体系的分布式采集服务调度系统及方法
CN114710484A (zh) * 2020-12-16 2022-07-05 中国联合网络通信集团有限公司 边缘计算协同方法、边缘计算节点、计算机设备及介质
CN112966938A (zh) * 2021-03-08 2021-06-15 中国联合网络通信集团有限公司 评估边缘计算能力的方法和装置
CN113419863B (zh) * 2021-07-02 2023-07-14 广东省电信规划设计院有限公司 一种基于节点能力的数据分配处理方法及装置
CN113726846B (zh) * 2021-07-14 2024-03-05 阿里巴巴新加坡控股有限公司 边缘云系统、资源调度方法、设备及存储介质
CN115225507B (zh) * 2022-07-21 2024-03-08 天翼云科技有限公司 一种服务器组资源分配方法、装置、设备及介质
CN118175586A (zh) * 2022-12-09 2024-06-11 华为技术有限公司 通信方法、通信装置、通信系统、介质、芯片和程序产品
CN117742966B (zh) * 2023-12-28 2024-06-11 广州优刻谷科技有限公司 一种基于边缘计算的计算模式生成方法、系统及存储介质
CN117649175B (zh) * 2024-01-26 2024-03-29 江苏中创供应链服务有限公司 一种基于边缘计算的跨境仓配服务方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106844051A (zh) * 2017-01-19 2017-06-13 河海大学 一种边缘计算环境中功耗优化的负载任务迁移算法
CN110308995A (zh) * 2019-07-08 2019-10-08 童晓雯 一种边缘云计算服务系统边缘云节点部署装置
CN110336843A (zh) * 2015-02-24 2019-10-15 深圳梨享计算有限公司 一种用于众包的内容分发方法、中心节点及边缘节点
CN110545326A (zh) * 2019-09-10 2019-12-06 杭州数梦工场科技有限公司 集群负载调度方法、装置、电子设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201122262D0 (en) * 2011-12-23 2012-02-01 Airspan Networks Inc System and method for determining a communication linkstructurefor relay nodes of a wireless relay network
US9948704B2 (en) * 2016-04-07 2018-04-17 International Business Machines Corporation Determining a best fit coordinator node in a database as a service infrastructure
US10484451B2 (en) * 2016-10-18 2019-11-19 Huawei Technologies Co., Ltd. Virtual network state management in mobile edge computing
WO2019165381A1 (en) * 2018-02-23 2019-08-29 Nauto, Inc. Distributed computing resource management

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110336843A (zh) * 2015-02-24 2019-10-15 深圳梨享计算有限公司 一种用于众包的内容分发方法、中心节点及边缘节点
CN106844051A (zh) * 2017-01-19 2017-06-13 河海大学 一种边缘计算环境中功耗优化的负载任务迁移算法
CN110308995A (zh) * 2019-07-08 2019-10-08 童晓雯 一种边缘云计算服务系统边缘云节点部署装置
CN110545326A (zh) * 2019-09-10 2019-12-06 杭州数梦工场科技有限公司 集群负载调度方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN111274035A (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN111274035B (zh) 边缘计算环境下的资源调度方法、装置和计算机设备
Mohammed et al. Distributed inference acceleration with adaptive DNN partitioning and offloading
CN107995660B (zh) 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法
CN109862592B (zh) 一种基于多基站协作的移动边缘计算环境下资源管理和调度方法
US8321870B2 (en) Method and system for distributed computation having sub-task processing and sub-solution redistribution
CN109151864B (zh) 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法
CN108900355B (zh) 一种星地多级边缘网络资源分配方法
CN110445866B (zh) 一种移动边缘计算环境中任务迁移和协作式负载均衡方法
US11968122B2 (en) Joint optimization method and system for delay and spectrum occupation in cloud-edge collaborative network
CN114007225A (zh) Bwp的分配方法、装置、电子设备及计算机可读存储介质
CN112004265B (zh) 一种基于srm算法的社交网络资源分配方法
Pandian Enhanced edge model for big data in the internet of things based applications
CN110809275A (zh) 基于无线城域网的微云节点放置方法
CN113934545A (zh) 一种视频数据调度方法、系统、电子设备及可读介质
He et al. Delay-aware energy efficient computation offloading for energy harvesting enabled fog radio access networks
Peralta et al. Fog to cloud and network coded based architecture: Minimizing data download time for smart mobility
CN113645707B (zh) 网络资源分配方法、装置、系统、计算机设备和存储介质
Meng et al. An interference-aware resource allocation scheme for connectivity improvement in vehicular networks
CN111158893B (zh) 应用于雾计算网络的任务卸载方法、系统、设备及介质
Wang et al. A-DECS: Enhanced collaborative edge–edge data storage service for edge computing with adaptive prediction
Wang et al. Delay-energy joint optimization for task offloading in mobile edge computing
Benmammar et al. Diffusing-CRN k-means: an improved k-means clustering algorithm applied in cognitive radio ad hoc networks
Tung et al. Base station location-aware optimization model of the lifetime of wireless sensor networks
Jasim et al. Efficient load migration scheme for fog networks
KR102056894B1 (ko) 포그 산업용 사물인터넷 네트워크의 동적 리소스 재분배 방법

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