CN111416848A - 一种工业云的资源管理机制 - Google Patents

Abstract

一种工业云的资源管理机制，通过建立工业云资源管理模型和高效资源分配机制，实现工业云资源高效管理。

Description

一种工业云的资源管理机制

技术领域

本发明涉及通信网络领域。

背景技术

工业发展进入到21世纪之后，随着物联网、云计算和大数据等新兴技术的迅速发展，全球迎来了新的一轮的工业变革，工业物联网成为制造领域的新兴技术，并且受到了大家的追捧。工业物联网是一个能够实现工业与互联网服务相互交叉的网络体系，工业物联网能够直接影响到工业生产过程中的所有的工业生产设备以及工业生产的方方面面，并且可以自动进行相应方案的调整和优化。而且还可以在资源消耗最少的前提下，实现形成高效工业生产体系并且能够和自动化与信息化深度融合。在工业化和信息化深度融合的过程中，将产生大量的工业数据，然而传统的软件平台却无法实现对这些海量数据的储存和应用，所以云计算便应运而生了，云计算的出现承担了更多未来应用海量云数据的使命。依托于云计算，云服务应运而生。云服务主要应用于企业官网、电商网站以及各种应用系统的数据迁移和信息备份，同时还要兼顾到财务数据、供应链管理、客户关系处理、生产计划等多种功能，如图1所示。

因此，有必要建立工业云的资源管理机制。

发明内容

本发明所要解决的技术问题是：建立工业云资源管理模型和高效资源分配机制，实现工业云资源高效管理。

本发明为解决上述技术问题所采用的技术方案包括以下步骤：

A、建立工业云资源管理模型；

B、建立高效资源分配机制。

所述步骤A中，建立工业云资源管理模型，其由网络资源、计算资源、感知资源和管理单元构成，如图2所示；网络资源包括缓存资源、路径选择资源、链路资源和节点吞吐量资源，其相应资源调节与优化优先级为节点吞吐量资源优先级>链路资源优先级>；路径选择资源>缓存资源优先级；计算资源包括核心计算资源和边缘计算资源，核心计算资源和边缘计算资源的计算能力分配准则为：核心计算资源优先使用，当核心计算资源负载超过60％时，启用边缘计算资源，当边缘计算资源负载超过50％时，核心计算资源负载与边缘计算资源负载之比按两者额定功耗之比进行分配；感知资源包括核心业务感知和边缘业务感知，通过感知资源获得的数据通过网络资源进行传输，其可被核心计算资源或边缘计算资源进行处理，感知业务分为车间状态信息、仓储信息、质量管理信息和物品编码信息，其相应的传输优先级依次为车间状态信息>仓储信息>质量管理信息>物品编码信息；链路资源包括有线链路和无线链路，无线链路包括无线独占链路和无线耦合链路，无线耦合链路由两条以上的无线链路合并为一条逻辑链路，耦合计算资源包括不可分解计算资源和可重构计算资源，可重构计算资源可实现若干计算资源的计算能力的按需叠加与分解和执行平稳计算与突发计算业务；耦合存储资源包括不可分解存储资源和可重构存储资源，可重构存储资源可进行若干存储资源的顺序读写和伪随机读写，实现存储能力的按需重组与分解，伪随机存储指按照一定的规则进行读写，该规则对外是随机序列，对内则为规则序列；管理单元根据可高效资源分配机制对网络资源、计算资源、存储资源进行按需优化调节，并采用变分自编码机神经网络对网络资源、计算资源和感知资源的下一变化状态进行预测。

所述步骤B中，设置网络资源、计算资源、感知资源进行按需优化分配准则，具体为：设置网络资源与计算资源的最优匹配准则，主要分为①节点吞吐量资源与核心计算资源匹配，其中ρ₁为二者不匹配的资源损耗代价；②节点吞吐量资源与边缘计算资源匹配，其中ρ₂为二者不匹配的资源损耗代价；③链路资源与核心计算资源匹配，其中ρ₃为二者不匹配的资源损耗代价；④链路资源与核心计算资源匹配，其中ρ₄为二者不匹配的资源损耗代价；⑤路径选择资源与核心计算资源匹配，其中ρ₅为二者不匹配的资源损耗代价；⑥路径选择资源与边缘计算资源匹配，其中ρ₆为二者不匹配的资源损耗代价；⑦缓存资源与核心计算资源匹配，其中ρ₇为二者不匹配的资源损耗代价；⑧缓存资源与核心计算资源匹配，其中ρ₈为二者不匹配的资源损耗代价；优化模型为：

其中p₁至p₈为ρ₁至ρ₈对应的概率分布，ω₁至ω₄为节点吞吐量资源、链路资源、路径选择资源、缓存资源的优先级决策变量，ω₁′和ω₂′为核心计算资源和边缘计算资源的优先级决策变量；设置计算资源与感知资源的最优匹配准则，主要分为①核心计算资源与核心感知资源匹配，其中ρ₁′为二者不匹配的资源损耗代价；②核心计算资源与边缘感知资源匹配，其中ρ₂′为二者不匹配的资源损耗代价；③边缘计算资源与核心感知资源匹配，其中ρ₃′为二者不匹配的资源损耗代价；④边缘计算资源与边缘感知资源匹配，其中ρ₄′为二者不匹配的资源损耗代价；

其中p₁′，p₂′,p₃′,p₄′分别为ρ₁′，ρ₂′，ρ₃′，ρ₄′的概率分布，δ₁和δ₁分别为核心感知资源和边缘感知资源的优先级决策变量；网络资源与感知业务优化匹配准则：令车间状态信息、仓储信息、质量管理信息和物品编码信息的QoS需求分别为ζ₁，ζ₂，ζ₃，ζ₄，令N为网络节点，A为链路集合，对于每一条物理链路{i,j}，c_{ij}为其容量需求，V(i)为使得虚拟链路(i,j)∈A存在的节点j∈N的集合，网络支持的服务类型为车间状态信息、仓储信息、质量管理信息和物品编码信息，s＝1,2,3,4为业务类型，s＝1为车间状态信息服务，s＝2为仓储信息服务,s＝3为质量管理信息服务，s＝4为物品编码信息服务，对于每一服务s，网络支持对称业务流集合K_s，业务流k∈K_s的起始节点为o_ks，目的节点为d_ks，单向平均业务流需求为b_ks，

为决策变量，若业务流k∈K_s的传输路径包含虚拟链路(i,j)则

反之则

为决策变量，若物理链路{i,j}对s进行服务则

反之则

μ_{i,j}为物理链路{i,j}的负载，μ_s为网络中对s进行服务的所有物理链路的负载上限累加值，α为物理链路负载系数，μ＝{μ₁,μ₂}为路径物理链路负载集合，优化模型为：

附图说明

图1工业云系统典型示意图

图2工业云资源管理模型示意图

具体实施方式

为达到上述目的，本发明的技术方案如下：

第一步，建立工业云资源管理模型，其由网络资源、计算资源、感知资源和管理单元构成；网络资源包括缓存资源、路径选择资源、链路资源和节点吞吐量资源，其相应资源调节与优化优先级为节点吞吐量资源优先级>链路资源优先级>；路径选择资源>缓存资源优先级；计算资源包括核心计算资源和边缘计算资源，核心计算资源和边缘计算资源的计算能力分配准则为：核心计算资源优先使用，当核心计算资源负载超过60％时，启用边缘计算资源，当边缘计算资源负载超过50％时，核心计算资源负载与边缘计算资源负载之比按两者额定功耗之比进行分配；感知资源包括核心业务感知和边缘业务感知，通过感知资源获得的数据通过网络资源进行传输，其可被核心计算资源或边缘计算资源进行处理，感知业务分为车间状态信息、仓储信息、质量管理信息和物品编码信息，其相应的传输优先级依次为车间状态信息>仓储信息>质量管理信息>物品编码信息；链路资源包括有线链路和无线链路，无线链路包括无线独占链路和无线耦合链路，无线耦合链路由两条以上的无线链路合并为一条逻辑链路，耦合计算资源包括不可分解计算资源和可重构计算资源，可重构计算资源可实现若干计算资源的计算能力的按需叠加与分解和执行平稳计算与突发计算业务；耦合存储资源包括不可分解存储资源和可重构存储资源，可重构存储资源可进行若干存储资源的顺序读写和伪随机读写，实现存储能力的按需重组与分解，伪随机存储指按照一定的规则进行读写，该规则对外是随机序列，对内则为规则序列；管理单元根据可高效资源分配机制对网络资源、计算资源、存储资源进行按需优化调节，并采用变分自编码机神经网络对网络资源、计算资源和感知资源的下一变化状态进行预测。

第二步，设置网络资源、计算资源、感知资源进行按需优化分配准则，具体为：设置网络资源与计算资源的最优匹配准则，主要分为①节点吞吐量资源与核心计算资源匹配，其中ρ₁为二者不匹配的资源损耗代价；②节点吞吐量资源与边缘计算资源匹配，其中ρ₂为二者不匹配的资源损耗代价；③链路资源与核心计算资源匹配，其中ρ₃为二者不匹配的资源损耗代价；④链路资源与核心计算资源匹配，其中ρ₄为二者不匹配的资源损耗代价；⑤路径选择资源与核心计算资源匹配，其中ρ₅为二者不匹配的资源损耗代价；⑥路径选择资源与边缘计算资源匹配，其中ρ₆为二者不匹配的资源损耗代价；⑦缓存资源与核心计算资源匹配，其中ρ₇为二者不匹配的资源损耗代价；⑧缓存资源与核心计算资源匹配，其中ρ₈为二者不匹配的资源损耗代价；优化模型为：

其中p₁至p₈为ρ₁至ρ₈对应的概率分布，ω₁至ω₄为节点吞吐量资源、链路资源、路径选择资源、缓存资源的优先级决策变量，ω₁′和ω₂′为核心计算资源和边缘计算资源的优先级决策变量；设置计算资源与感知资源的最优匹配准则，主要分为①核心计算资源与核心感知资源匹配，其中ρ₁′为二者不匹配的资源损耗代价；②核心计算资源与边缘感知资源匹配，其中ρ₂′为二者不匹配的资源损耗代价；③边缘计算资源与核心感知资源匹配，其中ρ₃′为二者不匹配的资源损耗代价；④边缘计算资源与边缘感知资源匹配，其中ρ₄′为二者不匹配的资源损耗代价；

其中p₁′，p₂′,p₃′,p₄′分别为ρ₁′，ρ₂′，ρ₃′，ρ₄′的概率分布，δ₁和δ₁分别为核心感知资源和边缘感知资源的优先级决策变量；网络资源与感知业务优化匹配准则：令车间状态信息、仓储信息、质量管理信息和物品编码信息的QoS需求分别为ζ₁，ζ₂，ζ₃，ζ₄，令N为网络节点，A为链路集合，对于每一条物理链路{i,j}，c_{ij}为其容量需求，V(i)为使得虚拟链路(i,j)∈A存在的节点j∈N的集合，网络支持的服务类型为车间状态信息、仓储信息、质量管理信息和物品编码信息，s＝1,2,3,4为业务类型，s＝1为车间状态信息服务，s＝2为仓储信息服务,s＝3为质量管理信息服务，s＝4为物品编码信息服务，对于每一服务s，网络支持对称业务流集合K_s，业务流k∈K_s的起始节点为o_ks，目的节点为d_ks，单向平均业务流需求为b_ks，

为决策变量，若业务流k∈K_s的传输路径包含虚拟链路(i,j)则

反之则

为决策变量，若物理链路{i,j}对s进行服务则

反之则

μ_{i,j}为物理链路{i,j}的负载，μ_s为网络中对s进行服务的所有物理链路的负载上限累加值，α为物理链路负载系数，μ＝{μ₁,μ₂}为路径物理链路负载集合，优化模型为：

本发明提出了一种工业云的资源管理机制，通过建立工业云资源管理模型和高效资源分配机制，实现工业云资源高效管理。

Claims (6)

1.一种工业云的资源管理机制，通过建立工业云资源管理模型和高效资源分配机制，实现工业云资源高效管理，具体为：

A.建立工业云资源管理模型，其由网络资源、计算资源、感知资源和管理单元构成；网络资源包括缓存资源、路径选择资源、链路资源和节点吞吐量资源，其相应资源调节与优化优先级为节点吞吐量资源优先级>链路资源优先级>；路径选择资源>缓存资源优先级；计算资源包括核心计算资源和边缘计算资源，核心计算资源和边缘计算资源的计算能力分配准则为：核心计算资源优先使用，当核心计算资源负载超过60％时，启用边缘计算资源，当边缘计算资源负载超过50％时，核心计算资源负载与边缘计算资源负载之比按两者额定功耗之比进行分配；感知资源包括核心业务感知和边缘业务感知，通过感知资源获得的数据通过网络资源进行传输，其可被核心计算资源或边缘计算资源进行处理，感知业务分为车间状态信息、仓储信息、质量管理信息和物品编码信息，其相应的传输优先级依次为车间状态信息>仓储信息>质量管理信息>物品编码信息；链路资源包括有线链路和无线链路，无线链路包括无线独占链路和无线耦合链路，无线耦合链路由两条以上的无线链路合并为一条逻辑链路；管理单元用于分配网络资源、计算资源和感知资源各内部资源，并协调网络资源、计算资源和感知资源之间的匹配。

B.建立高效资源分配机制，具体为：a.网络资源与感知业务优化匹配准则；b.设置计算资源与感知资源的最优匹配准则；c.网络资源与感知业务优化匹配准则；当应用需求有明确要求时，选择其中一种规则进行实施，当应用需求无明确要求时，对路径物理链路负载和资源损耗代价进行归一化处理，选择三者中的最小值。

2.根据权利要求1的方法，对于所述步骤A其特征在于：耦合计算资源包括不可分解计算资源和可重构计算资源，可重构计算资源可实现若干计算资源的计算能力的按需叠加与分解和执行平稳计算与突发计算业务；耦合存储资源包括不可分解存储资源和可重构存储资源，可重构存储资源可进行若干存储资源的顺序读写和伪随机读写，实现存储能力的按需重组与分解，伪随机存储指按照一定的规则进行读写，该规则对外是随机序列，对内则为规则序列。

3.根据权利要求1的方法，对于所述步骤A其特征在于：管理单元根据可高效资源分配机制对网络资源、计算资源、存储资源进行按需优化调节，并采用变分自编码机神经网络对网络资源、计算资源和感知资源的下一变化状态进行预测。

4.根据权利要求1的方法，对于所述步骤B其特征在于：设置网络资源、计算资源、感知资源进行按需优化分配准则，具体为：设置网络资源与计算资源的最优匹配准则，主要分为①节点吞吐量资源与核心计算资源匹配，其中ρ₁为二者不匹配的资源损耗代价；②节点吞吐量资源与边缘计算资源匹配，其中ρ₂为二者不匹配的资源损耗代价；③链路资源与核心计算资源匹配，其中ρ₃为二者不匹配的资源损耗代价；④链路资源与核心计算资源匹配，其中ρ₄为二者不匹配的资源损耗代价；⑤路径选择资源与核心计算资源匹配，其中ρ₅为二者不匹配的资源损耗代价；⑥路径选择资源与边缘计算资源匹配，其中ρ₆为二者不匹配的资源损耗代价；⑦缓存资源与核心计算资源匹配，其中ρ₇为二者不匹配的资源损耗代价；⑧缓存资源与核心计算资源匹配，其中ρ₈为二者不匹配的资源损耗代价；优化模型为：min(ω₁′ω₁ρ₁p₁+ω₂′ω₁ρ₂p₂+ω₁′ω₂ρ₃p₃+ω₂′ω₂ρ₄p₄+ω₁′ω₃ρ₅p₅+ω₂′ω₃ρ₆p₆+ω₁′ω₄ρ₇p₇+ω₂′ω₄ρ₈p₈)

α₁+α₂＝1

p₁>0.85p₂,p₃>0.5p₄,p₅>0.6p₆,p₇>0.6p₈

其中p₁至p₈为ρ₁至ρ₈对应的概率分布，ω₁至ω₄为节点吞吐量资源、链路资源、路径选择资源、缓存资源的优先级决策变量，ω₁′和ω₂′为核心计算资源和边缘计算资源的优先级决策变量。

5.根据权利要求1的方法，对于所述步骤B其特征在于：具体为：设置计算资源与感知资源的最优匹配准则，主要分为①核心计算资源与核心感知资源匹配，其中ρ₁′为二者不匹配的资源损耗代价；②核心计算资源与边缘感知资源匹配，其中ρ₂′为二者不匹配的资源损耗代价；③边缘计算资源与核心感知资源匹配，其中ρ₃′为二者不匹配的资源损耗代价；④边缘计算资源与边缘感知资源匹配，其中ρ₄′为二者不匹配的资源损耗代价；min{max(ω₁′δ₁ρ₁′p₁′+ω₁′δ₁ρ₂′p₂′+ω₂′δ₂ρ₃′p₃′+ω₂′δ₂ρ₄′p₄′)}

α₁+α₂＝1

其中p₁′，p₂′,p₃′,p₄′分别为ρ₁′，ρ₂′，ρ₃′，ρ₄′的概率分布，δ₁和δ₁分别为核心感知资源和边缘感知资源的优先级决策变量。

6.根据权利要求1的方法，对于所述步骤B其特征在于：网络资源与感知业务优化匹配准则：令车间状态信息、仓储信息、质量管理信息和物品编码信息的QoS需求分别为ζ₁，ζ₂，ζ₃，ζ₄，令N为网络节点，A为链路集合，对于每一条物理链路{i,j}，c_{ij}为其容量需求，V(i)为使得虚拟链路(i,j)∈A存在的节点j∈N的集合，网络支持的服务类型为车间状态信息、仓储信息、质量管理信息和物品编码信息，s＝1,2,3,4为业务类型，s＝1为车间状态信息服务，s＝2为仓储信息服务,s＝3为质量管理信息服务，s＝4为物品编码信息服务，对于每一服务s，网络支持对称业务流集合K_s，业务流k∈K_s的起始节点为o_ks，目的节点为d_ks，单向平均业务流需求为b_ks，

为决策变量，若业务流k∈K_s的传输路径包含虚拟链路(i,j)则

反之则

为决策变量，若物理链路{i,j}对s进行服务则

反之则

μ_{i,j}为物理链路{i,j}的负载，μ_s为网络中对s进行服务的所有物理链路的负载上限累加值，α为物理链路负载系数，μ＝{μ₁,μ₂}为路径物理链路负载集合，优化模型为：

Images