CN111580968B - 基于雾计算的医疗云平台负载自动均衡方法、系统及介质 - Google Patents
基于雾计算的医疗云平台负载自动均衡方法、系统及介质 Download PDFInfo
- Publication number
- CN111580968B CN111580968B CN202010377087.XA CN202010377087A CN111580968B CN 111580968 B CN111580968 B CN 111580968B CN 202010377087 A CN202010377087 A CN 202010377087A CN 111580968 B CN111580968 B CN 111580968B
- Authority
- CN
- China
- Prior art keywords
- service area
- fog
- fog node
- load
- overload
- 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
Links
Images
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
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- 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
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- 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
- H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于雾计算的医疗云平台负载自动均衡方法、系统及介质,本发明基于雾计算的医疗云平台负载自动均衡方法包括:将本服务区雾节点划分为欠载雾节点和超载雾节点;根据各个相邻服务区负载信息确定本服务区内的欠载雾节点的调度分配服务区从而生成本服务区内的欠载雾节点调度方案,根据各个相邻服务区负载信息确定本服务区内的超载雾节点的调度分配服务区从而生成本服务区内的超载雾节点调度方案;根据欠载雾节点调度方案、超载雾节点调度方案调度雾节点进行服务区调整。本发明能够实现在基于雾计算的医疗云平台中的分布式工作任务的负载自动均衡,使得高载服务区负载得到缓解、资源得以合理利用。
Description
技术领域
本发明涉及医疗云平台的分布式工作负载均衡技术领域,具体涉及一种基于雾计算的医疗云平台负载自动均衡方法、系统及介质。
背景技术
基于雾计算的医疗云平台是一种新的智能分布式系统,有强大的存储和数据处理能力。各医院能够将临床医疗数据上传至云平台储存或处理,有效提高数据利用率,保障数据的实时、准确、安全的被利用。医疗云平台将各地的数据中心虚拟化,统一整合管理,合理分配资源。通过在网络边缘引入具有一定存储和计算能力的雾节点,能大幅度提高网络带宽,一些延迟敏感的医疗服务(如实时监控等)需求能得以满足。
雾节点具有一定的存储能力和计算能力,通常一些延迟敏感类的服务可由网络边缘的雾节点完成,大规模的医疗数据可由雾节点中继上传至云端。当雾节点所承担的工作负载过大时,它可以将自身一部分工作负载转发至其它雾节点。通过这种雾节点相互协作的方式能够均衡工作负载。然而,基于雾计算的医疗云平台分布范围非常广,为了方便管理雾节点,雾层被分为很多个服务区,每个服务区由一个基站(固定雾节点)管理和调度雾节点。由于雾节点随机分布,各服务区的雾节点有所不同,导致不同服务区的负载上限不同。尽管雾节点能够将其部分负载转发给其它节点来均衡负载,但是雾节点的直接通信距离有限,无法将工作负载转移至超出其直接通信距离的节点,通常只能将工作负载转发至服务区内的雾节点。当服务区的工作负载总和超出该区内所有雾节点所能承担的工作负载上限时,无论如何协同转发工作负载都无法缓解服务区的工作负载压力。因此,需要一种分布式的调度雾节点的方法,根据实际情况重新分配部署雾节点。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种基于雾计算的医疗云平台负载自动均衡方法、系统及介质,本发明能够实现在基于雾计算的医疗云平台中的分布式工作任务的负载自动均衡,使得高载服务区负载得到缓解、资源得以合理利用。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于雾计算的医疗云平台负载自动均衡方法,实施步骤包括:
1)将本服务区雾节点划分为欠载雾节点和超载雾节点;
2)根据各个相邻服务区负载信息确定本服务区内的欠载雾节点的调度分配服务区从而生成本服务区内的欠载雾节点调度方案,根据各个相邻服务区负载信息确定本服务区内的超载雾节点的调度分配服务区从而生成本服务区内的超载雾节点调度方案;根据欠载雾节点调度方案、超载雾节点调度方案调度雾节点进行服务区调整。
可选地,步骤2)中生成本服务区内的欠载雾节点调度方案的步骤包括:每一个欠载雾节点首先根据相邻服务区的负载密度和与相邻服务区的距离差计算该欠载雾节点与各个相邻服务区的吸引力,然后按照吸引力大小对各个相邻服务区进行排序后作为该欠载雾节点的待调度服务区列表,最后从待调度服务区列表中吸引力最大的相邻服务区开始查找第一个当前与本服务区负载差大于预设阈值的相邻服务区作为该欠载雾节点的调度分配服务区。
可选地,所述计算该欠载雾节点与各个相邻服务区的吸引力的函数表达式如下:
上式中,表示雾节点Fi与各个相邻服务区的吸引力,n为雾节点Fi所有相邻服务区的数量,为第j个相邻服务区Sj的负载密度,为初始力系数,D(i,j)表示雾节点Fi与第j个相邻服务区Sj的直线距离,为雾节点Fi的存储上限,为雾节点Fi当前所承担的工作负载,θij为欠载雾节点Fi与第j个服务区的夹角。
可选地,步骤2)中生成本服务区内的超载雾节点调度方案的步骤包括:每一个超载雾节点首先根据自身负载大小和与相邻服务区的距离计算该超载雾节点与各个相邻服务区的排斥力;然后按照排斥力大小对各个相邻服务区进行排序后作为该超载雾节点的待调度服务区列表,最后从待调度服务区列表中排斥力最大的相邻服务区开始查找第一个当前与本服务区负载差大于预设阈值的相邻服务区作为该超载雾节点的调度分配服务区。
可选地,所述计算该超载雾节点与各个相邻服务区的排斥力的函数表达式如下:
上式中,表示雾节点Fi与各个相邻服务区的排斥力,n为雾节点Fi所有相邻服务区的数量,为第j个相邻服务区Sj的负载密度,为初始力系数,D(i,j)表示雾节点Fi与第j个相邻服务区Sj的直线距离,为雾节点当前负载影响因子,为雾节点Fi的存储上限,为雾节点Fi当前所承担的工作负载,θji为第j个服务区与超载雾节点Fi的水平夹角。
可选地,步骤2)中生成本服务区内的超载雾节点调度方案时还包括下述步骤:
判断本服务区和各个相邻服务区的负载之间的负载差超过预设阈值、本服务区各个超载雾节点的最大的排斥力值为负是否成立,如果成立则减少本服务区内各个超载雾节点的阻力,且超载雾节点的阻力的表达式为:
可选地,步骤1)之前还包括进行负载自动均衡触发判断的步骤:
S1)收集本服务区和各个相邻服务区的负载;
S2)判断本服务区和各个相邻服务区的负载之间的负载差是否超过预设阈值,当前仅当本服务区和至少一个相邻服务区的负载之间的负载差超过预设阈值时才跳转执行步骤1);
步骤2)执行完毕后还包括继续执行下述步骤:判断本服务区和各个所有相邻服务区的负载之间的负载差是否均不超过预设阈值,如果本服务区和各个所有相邻服务区的负载之间的负载差均不超过预设阈值则结束并退出;否则,跳转执行步骤1)。
此外,本发明还提供一种基于雾计算的医疗云平台负载自动均衡系统,包括计算机设备,该计算机设备被编程或配置以执行所述基于雾计算的医疗云平台负载自动均衡方法的步骤,或者该计算机设备的存储器上被编程或配置以执行所述基于雾计算的医疗云平台负载自动均衡方法的计算机程序。
此外,本发明还提供一种基于雾计算的医疗云平台负载自动均衡系统,包括多个服务区,每一个服务区包括一个基站和多个雾节点,该基站至少包括微处理器和存储器,该基站被编程或配置以执行所述基于雾计算的医疗云平台负载自动均衡方法的步骤,或者该基站的存储器上被编程或配置以执行所述基于雾计算的医疗云平台负载自动均衡方法的计算机程序。
此外,本发明还提供一种计算机可读存储介质,该计算机可读存储介质上被编程或配置以执行所述基于雾计算的医疗云平台负载自动均衡方法的计算机程序。
和现有技术相比,本发明具有下述优点:本发明将本服务区雾节点划分为欠载雾节点和超载雾节点;通过根据各个相邻服务区负载信息确定本服务区内的欠载雾节点的调度分配服务区从而生成本服务区内的欠载雾节点调度方案,根据各个相邻服务区负载信息确定本服务区内的超载雾节点的调度分配服务区从而生成本服务区内的超载雾节点调度方案;根据欠载雾节点调度方案、超载雾节点调度方案调度雾节点进行服务区调整,本发明利用气泡震荡思想,将服务区抽象为气泡,通过动态调度雾节点来模拟气泡震荡的过程,充分利用移动雾节点的特点,提出了该分布式负载均衡方法,有效解决了该领域中的负载均衡问题,能够实现在基于雾计算的医疗云平台中的分布式工作任务的负载自动均衡,使得高载服务区负载得到缓解、资源得以合理利用。
附图说明
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例生成欠载雾节点调度方案的流程图。
图3为本发明实施例生成超载雾节点调度方案的流程图。
图4为本发明实施例生成欠载雾节点和超载雾节点的流程图。
图5为本发明实施例服务区A和B的负载自动均衡示意图。
具体实施方式
如图1所示,本实施例基于雾计算的医疗云平台负载自动均衡方法的实施步骤包括:
1)将本服务区雾节点划分为欠载雾节点和超载雾节点;
2)根据各个相邻服务区负载信息确定本服务区内的欠载雾节点的调度分配服务区从而生成本服务区内的欠载雾节点调度方案,根据各个相邻服务区负载信息确定本服务区内的超载雾节点的调度分配服务区从而生成本服务区内的超载雾节点调度方案;根据欠载雾节点调度方案、超载雾节点调度方案调度雾节点进行服务区调整。
作为一种可选的实施方式,本实施例中为每一个服务区配备了一个基站,通过各个服务区的基站来执行上述步骤1)和步骤2)来实现医疗云平台负载自动均衡。此外,也可以根据需要采用服务区现有的计算设备来承担基站的角色以执行上述步骤1)和步骤2)来实现医疗云平台负载自动均衡。
如图2所示,本实施例步骤2)中生成本服务区内的欠载雾节点调度方案的步骤包括:每一个欠载雾节点首先根据相邻服务区的负载密度和与相邻服务区的距离差计算该欠载雾节点与各个相邻服务区的吸引力,然后按照吸引力大小对各个相邻服务区进行排序后作为该欠载雾节点的待调度服务区列表,最后从待调度服务区列表中吸引力最大的相邻服务区开始查找第一个当前与本服务区负载差大于预设阈值的相邻服务区作为该欠载雾节点的调度分配服务区。欠载雾节点的待调度服务区列表将吸引力按照大小排序,对欠载雾节点吸引力最大的待调度服务区称为第一志愿,其次为第二志愿,以此类推。基站将各欠载雾节点第一志愿按照大小排序,最大的将优先被调度。需要说明的是,上述步骤1)和步骤2)为以指定的周期执行,因此欠载雾节点的待调度服务区列表也会在不同的周期动态发生变化,例如若第一志愿在下一个周期中与本服务区负载差已小于阈值,则执行第二志愿。
本实施例中,计算该欠载雾节点与各个相邻服务区的吸引力的函数表达式如下:
上式中,表示雾节点Fi与各个相邻服务区的吸引力,n为雾节点Fi所有相邻服务区的数量,为第j个相邻服务区Sj的负载密度,为初始力系数,D(i,j)表示雾节点Fi与第j个相邻服务区Sj的直线距离(距离越大吸引力越小,雾节点优先级越低),为雾节点Fi的存储上限,为雾节点Fi当前所承担的工作负载,θij为欠载雾节点Fi与第j个服务区的夹角。
如图3所示,本实施例步骤2)中生成本服务区内的超载雾节点调度方案的步骤包括:每一个超载雾节点首先根据自身负载大小和与相邻服务区的距离计算该超载雾节点与各个相邻服务区的排斥力;然后按照排斥力大小对各个相邻服务区进行排序后作为该超载雾节点的待调度服务区列表,最后从待调度服务区列表中排斥力最大的相邻服务区开始查找第一个当前与本服务区负载差大于预设阈值的相邻服务区作为该超载雾节点的调度分配服务区。超载雾节点根据自身负载大小和与相邻服务区的距离生成初始力和阻力,初始力和阻力的合力生成排斥力。待调度服务区列表,将排斥力按照大小排序。受到排斥力最大的超载雾节点将被优先调度,调度目标为排斥力方向的相邻服务区。
本实施例中,计算该超载雾节点与各个相邻服务区的排斥力的函数表达式如下:
上式中,表示雾节点Fi与各个相邻服务区的排斥力,n为雾节点Fi所有相邻服务区的数量,为第j个相邻服务区Sj的负载密度,为初始力系数,D(i,j)表示雾节点Fi与第j个相邻服务区Sj的直线距离,为雾节点当前负载影响因子,为雾节点Fi的存储上限,为雾节点Fi当前所承担的工作负载,θji为第j个服务区与超载雾节点Fi的水平夹角。
本实施例中,步骤2)中生成本服务区内的超载雾节点调度方案时还包括下述步骤:
判断本服务区和各个相邻服务区的负载之间的负载差超过预设阈值、本服务区各个超载雾节点的最大的排斥力值为负是否成立,如果成立则减少本服务区内各个超载雾节点的阻力,且超载雾节点的阻力的表达式为:
参见图4中的第一个“负载差是否超过阈值”:本实施例中,步骤1)之前还包括进行负载自动均衡触发判断的步骤:
S1)收集本服务区和各个相邻服务区的负载;
S2)判断本服务区和各个相邻服务区的负载之间的负载差是否超过预设阈值,当前仅当本服务区和至少一个相邻服务区的负载之间的负载差超过预设阈值时才跳转执行步骤1)。通过上述触发负载均衡的条件(本服务区和各个相邻服务区的负载之间的负载差是否超过预设阈值)判断,能够提升本实施例负载自动均衡方法的敏感触发阈值;
参见图4中的第二个“负载差是否超过阈值”:步骤2)执行完毕后还包括继续执行下述步骤:判断本服务区和各个所有相邻服务区的负载之间的负载差是否均不超过预设阈值,如果本服务区和各个所有相邻服务区的负载之间的负载差均不超过预设阈值则结束并退出;否则,跳转执行步骤1),从而可以持续执行本实施例负载自动均衡方法直至本服务区和各个所有相邻服务区的负载之间的负载差均不超过预设阈值。
如图5所示,以服务区A和服务区B为例,首先服务区A的基站与相邻服务区B的基站通信,检查与相邻服务区的负载差是否超出阈值,判断是否需要通过调度雾节点缓解自己或者相邻服务区高载情况。若存在负载差,基站通知服务区内的雾节点,根据自身地理位置和自身负载情况计算相应的吸引力和排斥力,根据力的大小调度雾节点,直到服务区之间负载差小于阈值。
此外,图2中的“负载差是否超过阈值”为“是”即表示存在和本服务区负载差超过阈值的相邻服务区,因此需要继续跳转执行上述步骤1)和步骤2)来实现医疗云平台负载自动均衡;图3中的“负载差是否超过阈值”为“是”即表示存在和本服务区负载差超过阈值的相邻服务区,因此需要继续跳转执行上述步骤1)和步骤2)来实现医疗云平台负载自动均衡。
下文将对本实施例基于雾计算的医疗云平台负载自动均衡方法进行验证。本实施例基于雾计算的医疗云平台负载自动均衡方法旨在解决服务区负载过高而无法得到缓解的问题,通过在10种情况环境下进行测试,测试结果如以下表格表示:
表1:无高载区时使用本实施例方法前、后的测试结果对比表。
延迟 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
使用前 | 2.295 | 2.307 | 2.314 | 2.329 | 2.324 | 2.322 | 2.323 | 2.332 | 2.337 | 2.339 |
使用后 | 2.221 | 2.227 | 2.238 | 2.235 | 2.227 | 2.230 | 2.225 | 2.233 | 2.238 | 2.240 |
表2:5个高载区时使用本实施例方法前、后的测试结果对比表。
延迟 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
使用前 | 2.443 | 2.496 | 2.749 | 2.991 | 3.252 | 3.508 | 3.736 | 3.986 | 4.239 | 4.495 |
使用后 | 2.238 | 2.246 | 2.234 | 2.234 | 2.292 | 2.280 | 2.283 | 2.380 | 2.460 | 2.456 |
表1和表2结果表明,本实施例基于雾计算的医疗云平台负载自动均衡方法能够有效缓解服务区负载过高的情况。
此外,本实施例还提供一种基于雾计算的医疗云平台负载自动均衡系统,包括计算机设备,该计算机设备被编程或配置以执行前述基于雾计算的医疗云平台负载自动均衡方法的步骤,或者该计算机设备的存储器上被编程或配置以执行前述基于雾计算的医疗云平台负载自动均衡方法的计算机程序。
此外,本实施例还提供一种基于雾计算的医疗云平台负载自动均衡系统,包括多个服务区,每一个服务区包括一个基站和多个雾节点,该基站至少包括微处理器和存储器,该基站被编程或配置以执行前述基于雾计算的医疗云平台负载自动均衡方法的步骤,或者该基站的存储器上被编程或配置以执行前述基于雾计算的医疗云平台负载自动均衡方法的计算机程序。
此外,本实施例还提供一种计算机可读存储介质,该计算机可读存储介质上被编程或配置以执行前述基于雾计算的医疗云平台负载自动均衡方法的计算机程序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、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/或方框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/或方框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/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于雾计算的医疗云平台负载自动均衡方法,其特征在于实施步骤包括:
1)将本服务区雾节点划分为欠载雾节点和超载雾节点;
2)根据各个相邻服务区负载信息确定本服务区内的欠载雾节点的调度分配服务区从而生成本服务区内的欠载雾节点调度方案,根据各个相邻服务区负载信息确定本服务区内的超载雾节点的调度分配服务区从而生成本服务区内的超载雾节点调度方案;根据欠载雾节点调度方案、超载雾节点调度方案调度雾节点进行服务区调整;所述生成本服务区内的欠载雾节点调度方案的步骤包括:每一个欠载雾节点首先根据相邻服务区的负载密度和与相邻服务区的距离差计算该欠载雾节点与各个相邻服务区的吸引力,然后按照吸引力大小对各个相邻服务区进行排序后作为该欠载雾节点的待调度服务区列表,最后从待调度服务区列表中吸引力最大的相邻服务区开始查找第一个当前与本服务区负载差大于预设阈值的相邻服务区作为该欠载雾节点的调度分配服务区;所述生成本服务区内的超载雾节点调度方案的步骤包括:每一个超载雾节点首先根据自身负载大小和与相邻服务区的距离计算该超载雾节点与各个相邻服务区的排斥力;然后按照排斥力大小对各个相邻服务区进行排序后作为该超载雾节点的待调度服务区列表,最后从待调度服务区列表中排斥力最大的相邻服务区开始查找第一个当前与本服务区负载差大于预设阈值的相邻服务区作为该超载雾节点的调度分配服务区。
5.根据权利要求1所述的基于雾计算的医疗云平台负载自动均衡方法,其特征在于,步骤1)之前还包括进行负载自动均衡触发判断的步骤:
S1)收集本服务区和各个相邻服务区的负载;
S2)判断本服务区和各个相邻服务区的负载之间的负载差是否超过预设阈值,当前仅当本服务区和至少一个相邻服务区的负载之间的负载差超过预设阈值时才跳转执行步骤1);
步骤2)执行完毕后还包括继续执行下述步骤:判断本服务区和各个所有相邻服务区的负载之间的负载差是否均不超过预设阈值,如果本服务区和各个所有相邻服务区的负载之间的负载差均不超过预设阈值则结束并退出;否则,跳转执行步骤1)。
6.一种基于雾计算的医疗云平台负载自动均衡系统,包括计算机设备,其特征在于,该计算机设备被编程或配置以执行权利要求1~5中任意一项所述基于雾计算的医疗云平台负载自动均衡方法的步骤,或者该计算机设备的存储器上被编程或配置以执行权利要求1~5中任意一项所述基于雾计算的医疗云平台负载自动均衡方法的计算机程序。
7.一种基于雾计算的医疗云平台负载自动均衡系统,包括多个服务区,每一个服务区包括一个基站和多个雾节点,该基站至少包括微处理器和存储器,其特征在于,该基站被编程或配置以执行权利要求1~5中任意一项所述基于雾计算的医疗云平台负载自动均衡方法的步骤,或者该基站的存储器上被编程或配置以执行权利要求1~5中任意一项所述基于雾计算的医疗云平台负载自动均衡方法的计算机程序。
8.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上被编程或配置以执行权利要求1~5中任意一项所述基于雾计算的医疗云平台负载自动均衡方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377087.XA CN111580968B (zh) | 2020-05-07 | 2020-05-07 | 基于雾计算的医疗云平台负载自动均衡方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377087.XA CN111580968B (zh) | 2020-05-07 | 2020-05-07 | 基于雾计算的医疗云平台负载自动均衡方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111580968A CN111580968A (zh) | 2020-08-25 |
CN111580968B true CN111580968B (zh) | 2023-04-18 |
Family
ID=72120779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010377087.XA Active CN111580968B (zh) | 2020-05-07 | 2020-05-07 | 基于雾计算的医疗云平台负载自动均衡方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111580968B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014101674A1 (zh) * | 2012-12-31 | 2014-07-03 | 华为技术有限公司 | 负载均衡的方法和网络控制节点 |
CN103918239A (zh) * | 2012-09-28 | 2014-07-09 | 华为技术有限公司 | 负载均衡方法、装置、系统及计算机可读介质 |
CN106413024A (zh) * | 2016-08-29 | 2017-02-15 | 华侨大学 | 一种基于雾计算的传感云数据传输算法 |
CN107276662A (zh) * | 2017-07-27 | 2017-10-20 | 大连大学 | 一种软件定义空间信息网络多控制器动态部署方法 |
CN108600355A (zh) * | 2018-04-13 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种雾计算负载均衡调度系统及方法 |
WO2019056771A1 (zh) * | 2017-09-20 | 2019-03-28 | 华为技术有限公司 | 分布式存储系统升级管理的方法、装置及分布式存储系统 |
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9477743B2 (en) * | 2014-07-02 | 2016-10-25 | Oracle International Corporation | System and method for load balancing in a distributed system by dynamic migration |
US9608794B2 (en) * | 2014-08-08 | 2017-03-28 | Sprint Spectrum L.P. | Systems and methods for scheduling transmissions between an access node and wireless devices |
-
2020
- 2020-05-07 CN CN202010377087.XA patent/CN111580968B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103918239A (zh) * | 2012-09-28 | 2014-07-09 | 华为技术有限公司 | 负载均衡方法、装置、系统及计算机可读介质 |
WO2014101674A1 (zh) * | 2012-12-31 | 2014-07-03 | 华为技术有限公司 | 负载均衡的方法和网络控制节点 |
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 |
CN106413024A (zh) * | 2016-08-29 | 2017-02-15 | 华侨大学 | 一种基于雾计算的传感云数据传输算法 |
CN107276662A (zh) * | 2017-07-27 | 2017-10-20 | 大连大学 | 一种软件定义空间信息网络多控制器动态部署方法 |
WO2019056771A1 (zh) * | 2017-09-20 | 2019-03-28 | 华为技术有限公司 | 分布式存储系统升级管理的方法、装置及分布式存储系统 |
CN108600355A (zh) * | 2018-04-13 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种雾计算负载均衡调度系统及方法 |
Non-Patent Citations (2)
Title |
---|
A Distributed Intelligent Hungarian Algorithm for Workload Balance in Sensor-Cloud Systems Based on Urban Fog Computing;Junbin Liang et al.;《IEEE》;20190612;全文 * |
一种适应性的动态负载平衡模型;赵廷磊等;《东北大学学报(自然科学版)》;20190615;第40卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111580968A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106534318B (zh) | 一种基于流量亲和性的OpenStack云平台资源动态调度系统和方法 | |
CN102724277A (zh) | 虚拟机热迁移和部署的方法、服务器及集群系统 | |
CN111966453B (zh) | 一种负载均衡方法、系统、设备及存储介质 | |
CN105589750A (zh) | 一种cpu资源调度方法和服务器 | |
CN105516325A (zh) | 一种根据应用负载进行弹性扩容和流量分发扩展的云负载平衡手段 | |
CN108810140A (zh) | 云存储系统中基于动态阈值调整的分级存储方法 | |
CN107220108B (zh) | 一种实现云数据中心负载均衡的方法和系统 | |
CN104320854A (zh) | 资源调度方法及装置 | |
CN109639833A (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 | |
CN104320855A (zh) | 资源调度方法及装置 | |
CN106998340B (zh) | 一种板卡资源的负载均衡方法及装置 | |
CN105808341A (zh) | 一种资源调度的方法、装置和系统 | |
CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
CN109992392B (zh) | 一种资源部署方法、装置及资源服务器 | |
CN110167031B (zh) | 一种面向集中式基站的资源分配方法、设备及存储介质 | |
Aldaeabool et al. | Reducing power consumption by dynamic BBUs-RRHs allocation in C-RAN | |
CN111580968B (zh) | 基于雾计算的医疗云平台负载自动均衡方法、系统及介质 | |
CN110888734A (zh) | 一种雾计算资源处理方法、装置、电子设备及存储介质 | |
KR101980699B1 (ko) | 공간 데이터를 분산 처리하는 시스템 및 방법 | |
CN107491352B (zh) | 一种资源调度方法及装置 | |
CN106411971B (zh) | 负载调节方法及装置 | |
Nguyen et al. | On load balancing for a virtual and distributed MME in the 5G core | |
CN105517176A (zh) | 动态调度虚拟化基站资源的方法 | |
CN113795032B (zh) | 室分隐形故障的判断方法、装置、存储介质及设备 | |
CN104270321A (zh) | 一种网络负载均衡方法及系统 |
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 |