CN111443990B - 一种边缘计算任务迁移仿真系统 - Google Patents

Abstract

本发明公开了一种边缘计算任务迁移仿真系统，包括边缘网络模型、工作流模型、调度算法模型和仿真环境模型；所述边缘网络模型用于模拟边缘网络的拓扑结构；所述工作流模型用于仿真生成工作流；所述调度算法模型用于生成、存储边缘计算任务迁移调度算法；所述仿真环境模型用于从所述边缘网络模型中读取边缘网络的拓扑结构，从工作流模型中读取工作流模型，从调度算法模型中读取调度算法，构建仿真环境，实现并验证仿真系统的性能。本发明具有适用范围广，可灵活、方便对边缘计算任务迁移进行仿真等优点。

Description

一种边缘计算任务迁移仿真系统

技术领域

本发明涉及边缘技术仿真领域，尤其涉及一种边缘计算任务迁移仿真系统。

背景技术

从移动通信发明至今，该技术不断地在进步，但用户对更高性能移动通信的追求却从未止步。最近几年，随着网络技术的快速发展，人类已经进入万物互联、万物感知的智能社会。未来网络面临着更高体验速率、更大带宽接入能力和更低时延、更高可靠度的信息交互能力的挑战。面对这些挑战，网络边缘设备的数量也在迅速增加，越来越多的网络数据将在网络边缘分析处理，而随之产生的边缘数据高达Zettabyte级别。因此，如何处理网络中大量数据，保证服务的及时，是我们需要面临的重大挑战。

云计算作为一种按使用量付费的模式，能将计算、存储和网络管理集中在数据中心、骨干IP网和蜂窝核心网上，形成云，提供了可用的、便捷的、按需的网络访问。然而，随着各种各样的移动智能设备、物联网设备的大量出现和5G应用的兴起，在网络的边缘将产生巨大的数据量。这些数据都通过骨干网络传输到云上进行处理，会使骨干网络的数据通信面临巨大的压力。虽然网络传输计算不断发展，网络传输速度不断增大，但仍然难以满足数据通信量的需求。这样以集中计算形式的传统云开始面临巨大的挑战，直接造成用户计算任务的通信延迟增大和服务质量的下降，甚至无法满足移动用户的计算要求。

为了解决以上问题，边缘计算通过将云功能移到离用户近的网络边缘设备上是技术发展的新趋势，在边缘计算中，用户计算任务就不用全部提交到中心云，而是让邻近用户的边缘设备承担部分计算任务，这样就缩短了用户和中心云的数据传送距离，分流了骨干网络的通信量，降低了计算任务的延时。

在不久的将来，将有数十亿的边缘设备部署上线，它们处理速度也服从摩尔定律将成指数增长。分布在这些网络边缘设备中空闲的计算资源和存储间已完全具备执行终端设备上的计算密集型和延迟敏感型任务的能力。因此，根据计算任务的特点和对服务质量的要求，研究边缘计算环境下工作流任务的调度方法就成了当前的研究热点。为了检验这些调度算法的性能，分析其是否适用于实际场景，需要一个边缘计算任务迁移仿真平台来模拟其调度过程，分析并比较其调度结果。

现有的任务迁移平台如MAUI任务迁移平台和CMcloud任务迁移平台，MAUI任务迁移平台，通过移动应用的程序代码进行特殊的标识来支持任务迁移，CMcloud任务迁移平台则注重于成本开销，将尽可能多的移动应用程序迁移到单个服务器上，最大化计算服务器的利用率，最小化服务器的计算资源成本。但这些任务迁移平台均是利用某一特性来实现任务迁移，适用性比较单一，无法模拟多种现实场景，可用性不高。因此，搭建一个具有可扩展性的边缘计算任务迁移仿真平台，具有重要的研究意义。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种可以方便的对边缘计算任务的迁移策略的性能进行有效验证的边缘计算任务迁移仿真系统。

为解决上述技术问题，本发明提出的技术方案为：一种边缘计算任务迁移仿真系统，包括边缘网络模型、工作流模型、调度算法模型和仿真环境模型；

所述边缘网络模型用于模拟边缘网络的拓扑结构；

所述工作流模型用于仿真生成工作流；

所述调度算法模型用于生成、存储边缘计算任务迁移调度算法；

所述仿真环境模型用于从所述边缘网络模型中读取边缘网络的拓扑结构，从工作流模型中读取工作流模型，从调度算法模型中读取调度算法，构建仿真环境，实现并验证仿真系统的性能。

进一步地，所述边缘网络模型通过参数配置表来定义边缘网络的拓扑结构中的设备、网络层次、以及设备之间的连接方式。

进一步地，所述工作流模型包括由XML文件定义的持久层和工作流构建模型；

所述持久层用于存储现有的工作流模型；

所述工作流构建模型用于配置任务数量、任务并行度，构建自定义的工作流模型。

进一步地，所述调度算法模型包含算法基类和算法核心；

所述算法基类定义了算法的实现标准，用于提供调度算法的调用接口；

所述算法核心用于实现调度算法的逻辑。

进一步地，所述仿真环境模型，通过响应事件来实现工作流提交、同步工作到达时间、记录设备的跟踪状态、执行任务调度并更新网络传输率。

进一步地，所述响应事件的流程包括：

初始化工作流调度的解，用于存放<设备ID，分配在设备ID的任务链表>的映射；

调用SystemController类中的startEntity事件发送WORKFLOW_SUBMIT消息，提供执行分配的工作流模型；

WORKFLOW_SUBMIT事件触发SYNCHRONIZE_ARRIVAL_TIME事件，同步工作流的到达时间和仿真环境的当前时间点；

SYNCHRONIZE_ARRIVAL_TIME事件触发INITIALIZE_SCHEDULE_ALGORITHM事件，初始化调度算法，并按照到达时间逐个触发调度程序；

INITIALIZE_SCHEDULE_ALGORITHM事件触发LAUNCH_SCHEDULE_ALGORITHM事件，启动调度算法，将等待执行的workflow调度到设备上，形成<设备ID，分配在设备ID的任务链表>的映射表；

SEVICE_DEVICE_TRACE事件记录服务设备的跟踪状态；

通过DATA_TRANSMITING_ARRIVAL事件在处理一条数据边传输完成后，执行各个设备处理器上任务调度操作，并更新网络传输率；WORKFLOWS_SCHEDULTING_COMPLETION启动实验结果的输出，输出算法的具体分配结果和计算时延、资源利用率、通信消耗等性能参数；

STOP_SIMULATION事件终止整个仿真流程。

与现有技术相比，本发明的优点在于：本发明的仿真系统能够方便的构建不同的网络拓扑结构、工作流和边缘计算任务迁移调度算法，从而可以方便的模拟出边缘计算任务迁移的各种不同应用场景，系统的适应范围广，灵活、方便；调度算法模型包含算法基类和算法核心，提高了调度算法代码的复用性和扩展性；通过事件响应机制，利用消息触发事件来完成实验的调度过程，降低了系统的耦合度，提高了系统的稳定性和可靠性。

附图说明

图1为本发明的仿真系统结构示意图。

图2为本发明的仿真系统仿真过程流程图。

图3为本发明的三层边缘网络模型图。

图4为本发明的工作流调度示意图。

图5为本发明的中央控制器功能图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如图1所示，本实施例的边缘计算任务迁移仿真系统，包括边缘网络模型、工作流模型、调度算法模型和仿真环境模型；边缘网络模型用于模拟边缘网络的拓扑结构；工作流模型用于仿真生成工作流；调度算法模型用于生成、存储边缘计算任务迁移调度算法；仿真环境模型用于从边缘网络模型中读取边缘网络的拓扑结构，从工作流模型中读取工作流模型，从调度算法模型中读取调度算法，构建仿真环境，实现并验证仿真系统的性能。

在本实施例中，边缘网络模型通过参数配置表来定义边缘网络的拓扑结构中的设备、网络层次、以及设备之间的连接方式。对于边缘网络模型的模拟可以方便的通过参数配置表来定义网络设备，以及网络设备的数量，网络拓扑层数(如两层的网络拓扑或三层的网络拓扑)，及设备的连接关系。从而可满足仿真试验对网络拓扑的多样性需求，也可以方便用户根据需求灵活的修改网络拓扑结构，适应性好，灵活性高。

在本实施例中，以三层模型为代表进行说明。如图3所示的三层模型：底层是移动设备；中间层是分布式异构的网络边缘设备；上层是云设备，主要功能是以集中形式管理计算资源。这几层设备之间相互协作，共同完成移动端用户提交的计算任务。根据计算任务的特点和对服务质量的要求,可以对这三层进行如下分工：对于需要高性能计算处理能力的密集型计算任务，为了减少用户在基层设施上的投入就可通过按需使用，按量计费的方式在强大的中心云上执行，例如科学应用的计算；对于移动设备上延迟敏感型应用和计算密集型应用，为了节省移动设备能耗和拓展其计算能力就可迁移到边缘设备上执行；而对于轻量级的计算应用，就可直接在移动设备上执行。通过现实场景的需求，修改参数配置来决定是否需要上层的云设备，从而构成两层网络拓扑的边缘网络模型或三层网络拓扑结构的边缘网络模型。

在本实施例中，工作流模型包括由XML文件定义的持久层和工作流构建模型；持久层用于存储现有的工作流模型；工作流构建模型用于配置任务数量、任务并行度，构建自定义的工作流模型。工作流模型用于模拟实现场景中移动终端应用内部的结构，以适应于边缘计算下不同粒度任务的迁移调度算法。工作流模型考虑移动终端应用程序内部具有多依赖关系的复杂情况，根据应用程序的任务数量和任务的并行度等参数，自动生成应用程序的有向无环图。工作流模型中由XML文件定义的持久层，用于保存已定义好的工作流模型，如Montage，Cybershake，Epigenomics，Inspiral和Sipht等，而工作流构建模型则可根据所需要任务数量、任务的并行度等自动生成工作流，并可通过修改配置参数来构建工作流模型的类型。通过工作流构建模型所构建的自定义的工作流模型，也存储在持久层。在调度过程中，基于java语言，通过IO流读取存储在持久层中的工作流模型的数据。在仿真实验过程中，用户可以方便的构建、或选择不同的工作流模型来进行仿真实验，分析实验结果，从而检验调度算法的适用性，检验其性能在调度不同类型的工作流模型的情况下，是否一直都保持最优。

在本实施例中，调度算法模型包含算法基类和算法核心；算法基类定义了算法的实现标准，用于提供调度算法的调用接口；算法核心用于实现调度算法的逻辑。算法基类用于实现公共和通用的方法并提供给子类调用，定义了算法的实现标准；而实现标准的具体实现由算法核心去实现；从而算法核心只需要实现算法的核心逻辑即可，其它的功能均有算法基类完成，从而很好的提高了代码的复用性。

在本实施例中，仿真环境模型，通过响应事件来实现工作流提交、同步工作到达时间、记录设备的跟踪状态、执行任务调度并更新网络传输率。事件包括工作流提交事件WORKFLOW_SUBMIT、同步工作到达时间事件SYNCHRONIZE_ARRIVAL_TIME、记录服务设备的跟踪状态事件SEVICE_DEVICE_TRACE、执行任务调度并更新网络传输率事件DATA_TRANSMITING_ARRIVAL等事件信息。各模块间通过发送事件消息，调度平台对事件进行响应，完成调度的过程。从而可以降低系统的耦合度，事件发送方和接收方无需进行额外的业务耦合，双方只需要定义好事件的类型，再通过发送和接收消息，即可完成任务的请求和响应任务。

在本实施例中，响应事件的流程包括：初始化工作流调度的解，用于存放<设备ID，分配在设备ID的任务链表>的映射；调用SystemController类中的startEntity事件发送WORKFLOW_SUBMIT消息，提供执行分配的工作流模型；WORKFLOW_SUBMIT事件触发SYNCHRONIZE_ARRIVAL_TIME事件，同步工作流的到达时间和仿真环境的当前时间点；SYNCHRONIZE_ARRIVAL_TIME事件触发INITIALIZE_SCHEDULE_ALGORITHM事件，初始化调度算法，并按照到达时间逐个触发调度程序；INITIALIZE_SCHEDULE_ALGORITHM事件触发LAUNCH_SCHEDULE_ALGORITHM事件，启动调度算法，将等待执行的workflow调度到设备上，形成<设备ID，分配在设备ID的任务链表>的映射表；SEVICE_DEVICE_TRACE事件记录服务设备的跟踪状态；通过DATA_TRANSMITING_ARRIVAL事件在处理一条数据边传输完成后，执行各个设备处理器上任务调度操作，并更新网络传输率；WORKFLOWS_SCHEDULTING_COMPLETION启动实验结果的输出，输出算法的具体分配结果和计算时延、资源利用率、通信消耗等性能参数；STOP_SIMULATION事件终止整个仿真流程。

在本实施例中，通过仿真系统实现仿真的具体过程如图2所示，在构建好了边缘网络模型、工作流模型、调度算法模型、仿真环境模型并对系统进行初始化，启动调度仿真试验，工作流模型生成并提交工作流，仿真环境模型同步工作流到达时间，从调度算法模型中选择调度算法对工作流任务进行调度，并对数据进行追踪，当数据传输到达后，对数据进行追踪、分析，在所有数据均被追踪分析后(即结尾点已被执行后)，输出实验结果，当数据无法传输到达时，则抛出异常，提醒实验人员进行处理。

在本实施例中，通过仿真系统实现工作流调度的调度流程如图4所示，移动用户将所需的计算提交给附近的边缘设备，然后根据所提供的调度算法将移动用户所需的计算分配到各个相应的设备上计算，最后将执行结果返回给移动设备。在边缘计算过程中，由于边缘设备中的资源有限，因此当许多任务同时到达并请求服务时，某些请求可能会被拒绝。所以，在本实施例中，假设存在一个名为中央控制器的实体驻留在某个边缘设备或者移动设备中，用来提供接纳控制功能，如图5所示。在将计算任务迁移到边缘设备或移动设备上运行之前，它首先会向中央控制器进行申请。然后，中央控制器在接收到申请后，会根据调度策略将计算任务分配到各个设备上。最后，每个设备都会被分配到一部分的工作流程，这些设备会协同工作，一起完成整个工作流的执行。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (3)

1.一种边缘计算任务迁移仿真系统，其特征在于：包括边缘网络模型、工作流模型、调度算法模型和仿真环境模型；

所述边缘网络模型用于模拟边缘网络的拓扑结构；

所述工作流模型用于仿真生成工作流；

所述调度算法模型用于生成、存储边缘计算任务迁移调度算法；

所述仿真环境模型用于从所述边缘网络模型中读取边缘网络的拓扑结构，从工作流模型中读取工作流模型，从调度算法模型中读取调度算法，构建仿真环境，实现并验证仿真系统的性能；

所述调度算法模型包含算法基类和算法核心；

所述算法基类定义了算法的实现标准，用于提供调度算法的调用接口；

所述算法核心用于实现调度算法的逻辑；

所述仿真环境模型，通过响应事件来实现工作流提交、同步工作到达时间、记录设备的跟踪状态、执行任务调度并更新网络传输率；

所述响应事件的流程包括：

初始化工作流调度的解，用于存放<设备ID，分配在设备ID的任务链表>的映射；

调用SystemController类中的startEntity事件发送WORKFLOW_SUBMIT消息，提供执行分配的工作流模型；

WORKFLOW_SUBMIT事件触发SYNCHRONIZE_ARRIVAL_TIME事件，同步工作流的到达时间和仿真环境的当前时间点；

SYNCHRONIZE_ARRIVAL_TIME事件触发INITIALIZE_SCHEDULE_ALGORITHM事件，初始化调度算法，并按照到达时间逐个触发调度程序；

INITIALIZE_SCHEDULE_ALGORITHM事件触发LAUNCH_SCHEDULE_ALGORITHM事件，启动调度算法，将等待执行的workflow调度到设备上，形成<设备ID，分配在设备ID的任务链表>的映射表；

SEVICE_DEVICE_TRACE事件记录服务设备的跟踪状态；

通过DATA_TRANSMITING_ARRIVAL事件在处理一条数据边传输完成后，执行各个设备处理器上任务调度操作，并更新网络传输率；

WORKFLOWS_SCHEDULTING_COMPLETION启动实验结果的输出，输出算法的具体分配结果和计算时延、资源利用率、通信消耗性能参数；

STOP_SIMULATION事件终止整个仿真流程。

2.根据权利要求1所述的边缘计算任务迁移仿真系统，其特征在于：所述边缘网络模型通过参数配置表来定义边缘网络的拓扑结构中的设备、网络层次、以及设备之间的连接方式。

3.根据权利要求2所述的边缘计算任务迁移仿真系统，其特征在于：所述工作流模型包括由XML文件定义的持久层和工作流构建模型；

所述持久层用于存储现有的工作流模型；

所述工作流构建模型用于配置任务数量、任务并行度，构建自定义的工作流模型。

Images