CN111679904A - 一种基于边缘计算网络的任务调度方法及装置 - Google Patents
一种基于边缘计算网络的任务调度方法及装置 Download PDFInfo
- Publication number
- CN111679904A CN111679904A CN202010358956.4A CN202010358956A CN111679904A CN 111679904 A CN111679904 A CN 111679904A CN 202010358956 A CN202010358956 A CN 202010358956A CN 111679904 A CN111679904 A CN 111679904A
- Authority
- CN
- China
- Prior art keywords
- task
- edge computing
- tasks
- feature vector
- priority
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 185
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 abstract description 14
- 230000002452 interceptive effect Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 16
- 238000005265 energy consumption Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000009877 rendering Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06F9/5038—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 execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/509—Offload
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例提供一种基于边缘计算网络的任务调度方法,云计算平台通过任务调度优先级和边缘计算节点的分配优先级的双重计算,将对时延要求高的任务优先进行调度,并分配给距离终端设备较近的边缘计算节点进行处理,降低了整个网络系统在处理与用户相关的交互任务时的任务处理时延、网络传输时延和系统开销,提升了用户体验。
Description
技术领域
本发明涉及边缘计算技术领域,尤其涉及一种基于边缘计算网络的任务调度方法及装置。
背景技术
随着移动设备的普及,计算密集型、时延敏感型等新兴移动应用不断涌现并迅速受到用户的青睐,如虚拟现实、增强现实、视频直播等场景。
在上述场景中,按照现有技术,终端进行图像、视频、互动信息的数据采集并上传至云计算平台,云计算平台进行视频资源调度、实时渲染及压缩编码等数据处理后,再将数据从云计算平台传输到终端,在终端解码进行展示。
在这些场景中要求终端设备能对人给出的信号做出及时的反应,因此,人机交互体验的优化对时延提出高要求。但是,终端上传任务至云计算平台进行处理时会导致任务在云计算平台的排队时延,而且终端设备在地理位置上往往相距较远,由于无线通信的能量损耗会导致传输时延。因此,由终端上传任务至云计算平台进行处理会产生较高的云端处理时延和网络传输时延,增加能量消耗,不能满足上述场景中对于低时延和低计算功耗的要求。
发明内容
本发明实施例提供一种基于边缘计算网络的任务调度方法及装置,用于解决现有技术中云计算平台进行数据处理所带来的时延较高和计算能耗较高的技术问题。
为了解决上述技术问题,一方面本发明实施例提供了一种基于边缘计算网络的任务调度方法,包括:
基于终端设备请求的待调度任务的特征生成任务特征向量,将所述任务特征向量聚类为多个任务特征向量集合;
利用优先调度算法计算所述任务特征向量集合各自的调度优先级;根据所述任务特征向量集合各自的调度优先级,从所述任务特征向量集合中确定优先调度的任务特征向量集合;
基于可分配任务的边缘计算节点的特征生成边缘计算节点特征向量,计算所述边缘计算节点特征向量的分配优先级;根据所述任务分配优先级,从所述边缘计算节点特征向量表示的可分配任务的边缘计算节点中确定优先分配任务的边缘计算节点;
将所述优先调度的任务特征向量集合中任务特征向量表示的任务,下发至所述优先分配任务的边缘计算节点进行处理。
进一步地,所述任务特征向量的特征向量维度包括:任务重要度和任务工作量。
进一步地,基于终端设备请求的待调度任务生成任务特征向量,将所述任务特征向量聚类为多个任务特征向量集合,包括:
基于终端设备请求的待调度任务生成任务特征向量,采用预设聚类算法,将所述任务特征向量聚类为多个任务特征向量集合;
其中,所述预设聚类算法,包含如下计算公式
其中,i表示所述任务特征向量的编号;
D表示编号为i的任务特征向量到聚类中心cj的最短距离;
mi *为编号为i的任务特征向量归一化计算后的任务重要度;
ni *为编号为i的任务特征向量归一化计算后的任务工作量;
cj m为聚类中心cj的任务重要度,cj n为聚类中心cj的任务工作量。
其中,P表示所述任务特征向量集合的调度优先级;
wm为任务重要度平均值的权重;
wn为任务工作量平均值的权重,且wm+wn=1。
进一步地,所述边缘计算节点特征向量的特征向量维度包括:任务卸载耗时、所述可分配任务的边缘计算节点与所述终端设备之间的通信距离、和任务卸载功耗。
进一步地,基于可分配任务的边缘计算节点生成边缘计算节点特征向量,计算所述边缘计算节点特征向量的任务分配优先级,包括如下计算公式:
Q=wt×Tj *+we×Ej *+wl×Lj *
其中,Q为所述边缘计算节点特征向量的分配优先级;
Tj *为对各所述边缘计算节点特征向量各自的任务卸载耗时Tj归一化后计算得到的数值;
Ej *为对各所述边缘计算节点特征向量各自的任务卸载功耗Ej归一化后计算得到的数值;
Lj *为对各所述边缘计算节点特征向量各自与终端设备之间的通信距离Lj归一化后计算得到的数值;
wt为与任务卸载耗时相关的权重;
we为与任务卸载功耗相关的权重;
wl为与通信距离相关的权重,且wt+we+wl=1。
进一步地,Tj为云计算平台将任务卸载到所述可分配任务的边缘计算节点的传输时间Ti、所述可分配任务的边缘计算节点执行任务时间Tl与所述可分配任务的边缘计算节点将输出数据传输至终端设备的时间Td之和;Ej为云计算平台将任务卸载到所述可分配任务的边缘计算节点的功耗Ei、所述可分配任务的边缘计算节点执行任务的功耗El与所述可分配任务的边缘计算节点将输出数据传输至所述终端设备的功耗Ed之和。
另一方面,本发明实施例提供一种基于边缘计算网络的任务调度装置,包括:
聚类单元,用于基于终端设备请求的待调度任务的特征生成任务特征向量,将所述任务特征向量聚类为多个任务特征向量集合;
调度优先级计算单元,用于利用优先调度算法计算所述任务特征向量集合各自的调度优先级;根据所述任务特征向量集合各自的调度优先级,从所述任务特征向量集合中确定优先调度的任务特征向量集合;
分配优先级计算单元,用于基于可分配任务的边缘计算节点的特征生成边缘计算节点特征向量,计算所述边缘计算节点特征向量的分配优先级;根据所述任务分配优先级,从所述可分配任务的边缘计算节点中确定优先分配任务的边缘计算节点;
调度单元,用于将所述优先调度的任务特征向量集合中任务特征向量所表示的任务,下发至所述优先分配任务的边缘计算节点进行处理。
再一方面本发明实施例提供一种控制器,包括:
存储器和处理器,所述处理器和所述存储器通过数据总线进行数据连接,所述存储器存储可被所述处理器执行的程序指令,所述处理器调用程序指令能够执行上述的方法。
又一方面本发明实施例提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时实现上述的方法。
本发明实施例提供的基于边缘计算网络的任务调度方法,云计算平台基于终端设备请求的待调度任务生成任务特征向量并对任务特征向量进行聚类,利用优先调度算法获得优先调度任务特征向量集合,保证时延要求高和任务消耗计算量较少的任务优先执行,可以减少之后任务的排队时延,能够减少云计算平台的任务处理时延和降低平台系统开销。同时,云计算平台基于边缘计算节点的任务卸载耗时、任务卸载功耗以及边缘计算节点与终端设备之间的通信距离对终端设备附近的边缘计算节点分配执行任务的优先级,将待处理任务下发给执行时间短、距离终端设备较近和能耗低的边缘计算节点进行计算处理,能够降低网络传输时延和功耗。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于边缘计算网络的任务调度方法的具体实现流程图;
图2为本发明实施例提供的基于边缘计算网络的通信网络系统的示意图;
图3为本发明实施例提供的控制器的结构示意图;
图4为本发明实施例提供的任务调度装置的结构示意图;
图5为任务重要度与任务要求的响应时延的对应关系图;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本发明实施例提供的基于边缘计算网络的任务调度方法示意图,如图1所示,本发明实施例提供一种基于边缘计算网络的任务调度方法,其执行主体为云计算平台,该方法包含:
步骤S101:基于终端设备请求的待调度任务的特征生成任务特征向量,将所述任务特征向量聚类为多个任务特征向量集合;
步骤S102:利用优先调度算法计算所述任务特征向量集合各自的调度优先级;根据所述任务特征向量集合各自的调度优先级,从所述任务特征向量集合中确定优先调度的任务特征向量集合;
步骤S103:基于可分配任务的边缘计算节点的特征生成边缘计算节点特征向量,计算所述边缘计算节点特征向量的分配优先级;根据所述任务分配优先级,从所述边缘计算节点特征向量表示的可分配任务的边缘计算节点中确定优先分配任务的边缘计算节点;
步骤S104:将所述优先调度的任务特征向量集合中任务特征向量表示的任务,下发至所述优先分配任务的边缘计算节点进行处理。
具体来说,图2为本发明实施例提供的基于边缘计算网络的通信网络的示意图,如图2所示,基于边缘计算网络的通信网络系统包含云计算平台、边缘计算网络和终端设备。其中,边缘计算网络包含多个边缘计算节点,每一个边缘计算节点可以为数据中心、基站、路测单元等分布在网络边缘具有计算能力的设备。终端设备包含智能汽车、VR眼镜、头盔、手机、电脑等设备,终端设备通过无线链路与边缘计算节点连接。
云计算平台中需要聚类的任务包含语音识别任务、手势识别任务、终端请求的视频直播任务、自动驾驶的模式切换任务、虚拟现实的场景数据建模任务、画面渲染任务和编码压缩任务、数据分析任务等。
任务特征向量的特征向量维度包含任务重要度和任务工作量。任务工作量则以任务包含的数据量表示。任务重要度与任务要求的响应时延相关,任务要求的响应时延越低,则任务重要度值越低。一般地,手机终端直播互动对时延的要求为小于1s,语音识别对时延的要求为小于50ms,虚拟现实和自动驾驶对于时延的要求为1至10ms。任务重要度与任务要求的响应时延具体的对应关系如图5所示。
任务聚类包括计算任意两个任务特征向量之间的距离,基于距离进行聚类。具体的距离包含欧式距离、曼哈顿距离和幂距离等。依据距离进行聚类的算法包含K-means方法、层次聚类方法、自组织特征映射方法和基于目标函数的模糊聚类方法。
本发明实施例给出一个云计算平台通过聚类方法基于任务的重要度和工作量参数对任务进行分类的具体实例,包含如下步骤:
(1)云计算平台基于待处理任务生成任务特征向量,taski=(mi,ni),taski为第i项待处理任务的任务特征向量,mi和ni为特征向量维度,其中mi为任务重要度,ni为任务工作量。对任务重要度和任务工作量进行归一化计算,得到归一化后的任务特征向量taski *=(mi *,ni *),
mi *=(mi-mmin)/(mmax-mmin)
,mmin表示任务特征向量的重要度最小值,mmax表示任务特征向量重要度最大值,
ni *=(ni-nmin)/(nmax-nmin)
,nmin表示任务特征向量的工作量最小值,nmax表示任务特征向量的工作量最大值。
(2)云计算平台从待处理任务中随机选择K个任务对象作为初始聚类中心,初始聚类中心的任务特征向量为c1,c2,c3…ck,初始聚类中心cj归一化计算后的任务特征向量cj *=(cj m,cj n),
逐个将待处理任务中的任务对象i的任务特征向量taski按照欧式距离分配给最近的一个聚类中心cj,1≤j≤K,欧式距离的计算公式如下:
D表示任务对象i的任务特征向量taski到聚类中心cj的最短距离。公式(1)表示如果第i个任务对象的任务特征向量到聚类中心cj的距离越近,则将第i个任务对象的任务特征向量赋予到聚类中心cj对应的聚类任务特征向量集合中;
(3)对每个聚类任务特征向量集合找到一个新的中心点,即分别计算每个集合所有任务特征向量的重要度的平均值M与工作量的平均值N,以(M,N)表示的点作为新的中心点;
(4)迭代步骤(2)~(3),直到聚类中心点不再发生变化为止。
当任务分类完成后,云计算平台利用优先调度算法计算任务特征向量集合的调度优先级,该算法为:
其中,P表示任务特征向量集合的调度优先级,表示任务特征向量集合中各个任务特征向量归一化计算后的重要度平均值,表示任务特征向量集合中各个任务特征向量归一化后计算的工作量平均值,wm为重要度平均值的权重,wn为工作量平均值的权重,且wm+wn=1。
P值越小则该任务特征向量集合中任务特征向量所表示的任务进行优先调度。
另外,云计算平台基于可分配任务的边缘计算节点生成边缘计算节点特征向量,ecj=(Tj,Ej,Lj),ecj为第j项可分配任务的边缘计算节点的特征向量,Tj,Ej,Lj为特征向量维度,Tj为任务卸载耗时、Ej为任务卸载功耗、Lj为边缘计算节点与终端设备之间的通信距离。多个可分配任务的边缘计算节点的特征向量集合为{ec1,ec2,ecj…eck}。
边缘计算节点特征向量的分配优先级算法为:
Q=wt×Tj *+we×Ej *+wl×Lj *
其中,Q为边缘计算节点特征向量的分配优先级,Tj *为边缘计算节点特征向量归一化计算后的任务卸载耗时,Ej *为边缘计算节点特征向量归一化计算后的任务卸载功耗,Lj *为边缘计算节点与终端设备之间归一化计算后的通信距离,wm为任务卸载时间的权重,wn为任务卸载功耗的权重,wl为通信距离的权重,且wt+we+wl=1。
Q值越小则该边缘计算节点特征向量表示的边缘计算节点被优先分配云计算平台下发的任务。
Tj *、Ej *和Lj *计算过程如下:
(1)任务i从云计算平台卸载到边缘计算节点j的传输时间为:
Ti=μi/Ri
其中μi为任务i的工作量,Ri是云计算平台与边缘计算节点交互时的数据传输速率
(2)任务i从云计算平台卸载到边缘计算节点j的功耗为:
Ei=Ti×Pi
Pi是云计算平台与边缘计算节点交互时的卸载功率。
(3)任务i在边缘计算节点j执行的计算时间为:
Tl=(αi*Ol)/Fl
其中αi包含任务i本身的工作量以及边缘计算节点在任务i之前等待处理任务的工作量。Ol为边缘计算节点计算1bit数据所需的CPU周期数,Fl为边缘计算节点的计算能力(每秒CPU周期数,单位为GHZ)。
(4)任务i在边缘计算节点j的执行的能耗为:
El=Tl×Pm
其中,Pm是任务在边缘计算节点执行时的设备功率。
(5)任务i从边缘计算节点j处理完毕后卸载到终端设备的传输时间为:
其中,βi为任务i从边缘计算节点处理完毕后卸载到终端设备的传输数据量,Rd el是边缘计算节点与终端设备交互时的数据传输速率。
(6)任务i从边缘计算节点j处理完毕后卸载到终端设备的的功耗为:
Eel=Td×Pd el
Pd el是边缘计算节点与终端设备交互时的卸载功率。
(7)任务卸载的总时间和总能耗为:
Tj=Ti+Td+Tl,Ej=El+Eel+Ei
(8)归一化计算:
Tj *=(Tj-Tmin)/(Tmax-Tmin)
Tmin表示待分配的边缘计算节点特征向量集合中特征向量所具有的任务卸载总时间的最小值,Tmax表示待分配的边缘计算节点特征向量集合中特征向量所具有的任务卸载总时间的最大值。
Ej *=(Ej-Emin)/(Emax-Emin)
Emin表示待分配的边缘计算节点特征向量集合中特征向量所具有的任务总能耗的最小值,Emax表示待分配的边缘计算节点特征向量集合中特征向量所具有的任务总能耗的最大值。
设边缘计算节点j与终端设备之间的通信距离为Lj,
Lj *=(Lj-Lmin)/(Lmax-Lmin)
Lmin表示边缘计算节点特征向量集合中特征向量所具有的通信距离的最小值,Lmax表示边缘计算节点特征向量集合中特征向量所具有的通信距离的最大值。
本发明实施例提供的基于边缘计算网络的任务调度方法,云计算平台基于终端设备请求的待调度任务生成任务特征向量并对任务特征向量进行聚类,利用优先调度算法获得优先调度任务特征向量集合,保证时延要求高和任务消耗计算量较少的任务优先执行,可以减少之后任务的排队时延,能够减少云计算平台的任务处理时延和降低平台系统开销。同时,云计算平台基于边缘计算节点的任务卸载耗时、任务卸载功耗以及边缘计算节点与终端设备之间的通信距离对终端设备附近的边缘计算节点分配执行任务的优先级,将待处理任务下发给执行时间短、距离终端设备较近和能耗低的边缘计算节点进行计算处理,能够降低网络传输时延和功耗。
图3为本发明实施例提供的控制器的结构示意图,如图3所示,所述设备包含处理器301、存储器302和数据总线303,处理器301和存储器302通过总线303进行通信连接;
处理器301调用存储器302中的程序指令,以执行上述各方法实施例所提供的方法,例如包含:基于终端设备请求的待调度任务的特征生成任务特征向量,将所述任务特征向量聚类为多个任务特征向量集合;利用优先调度算法计算所述任务特征向量集合各自的调度优先级;根据所述任务特征向量集合各自的调度优先级,从所述任务特征向量集合中确定优先调度的任务特征向量集合;基于可分配任务的边缘计算节点的特征生成边缘计算节点特征向量,计算所述边缘计算节点特征向量的分配优先级;根据所述任务分配优先级,从所述边缘计算节点特征向量表示的可分配任务的边缘计算节点中确定优先分配任务的边缘计算节点;将所述优先调度的任务特征向量集合中任务特征向量表示的任务,下发至所述优先分配任务的边缘计算节点进行处理。
本发明实施例提供的控制器,通过对待处理任务优先级和边缘计算节点的分配优先级的双重计算,降低了在处理与用户相关的交互任务时包含该控制器的云计算平台的任务处理时延、网络传输时延和系统开销。
图4为本发明实施例提供的基于边缘计算网络的任务调度装置的结构示意图,如图4所示,
聚类单元401,用于基于终端设备请求的待调度任务的特征生成任务特征向量,将所述任务特征向量聚类为多个任务特征向量集合;
调度优先级计算单元402,用于利用优先调度算法计算所述任务特征向量集合各自的调度优先级;根据所述任务特征向量集合各自的调度优先级,从所述任务特征向量集合中确定优先调度的任务特征向量集合;
分配优先级计算单元403,用于基于可分配任务的边缘计算节点的特征生成边缘计算节点特征向量,计算所述边缘计算节点特征向量的分配优先级;根据所述任务分配优先级,从所述可分配任务的边缘计算节点中确定优先分配任务的边缘计算节点;
调度单元404,用于将所述优先调度的任务特征向量集合中任务特征向量所表示的任务,下发至所述优先分配任务的边缘计算节点进行处理。
本发明实施例提供的任务调度装置,通过对待处理任务优先级和边缘计算节点的分配优先级的双重计算,降低了在处理与用户相关的交互任务时包含该任务调度装置的云计算平台的任务处理时延、网络传输时延和系统开销。
基于图1和图2所示技术方案相同的发明构思,本发明实施例通过具体示例进行详细说明。
具体示例一
以下结合一种实际应用场景,详细说明本发明实施例1和2提供的方案在实际中的应用流程。
该应用场景为车辆网中智能汽车与云计算平台之间的交互场景。在该场景下,智能汽车将路况提醒、视频剪辑和回放、音频直播和回放、路况信息的增强现实建模等任务请求及需要处理的信息内容通过无线链路上传云计算平台。云计算平台利用本发明实施例1提供的聚类算法和优先调度算法对相关任务进行分析,获得优先调度任务。一般地,路况提醒、路况信息的增强现实建模等任务对时延的要求高,任务要求的响应时延低,则任务重要度值低,相对地,视频剪辑和回放、音频直播和回放等任务的对时延的要求低,则任务重要度值高。
云计算平台利用本发明实施例1提供的优先分配算法获得优先分配边缘计算节点,将优先调度任务下发至所述优先分配边缘计算节点进行执行,其中边缘计算节点包含基站和路测单元,该任务包含上文提到的语音识别、手势识别、视频剪辑和回放、音频直播和回放、和路况信息的增强现实建模等任务。边缘计算节点将任务处理完毕后将产生的数据通过本发明实施例2所述的无线链路传输给智能汽车终端,智能汽车终端进行视频播放、语音交互和增强现实展示。
由上述流程可知,在车联网应用场景中,云计算平台针对待处理任务优先级和边缘计算节点的分配优先级的双重计算,降低了车联网系统在处理与用户相关的交互任务时的云计算平台的任务处理时延、网络传输时延和系统开销,提升了用户体验。
具体示例二
以下结合另一种实际应用场景,详细说明本发明实施例1和2提供的方案在实际中的应用流程。
该应用场景为虚拟现实交互场景。在该场景下,虚拟现实展示设备,例如智能眼镜和VR头盔,将采集到的图像、视频、音频等数据通过无线链路上传云计算平台。云计算平台利用本发明实施例1提供的聚类算法和优先调度算法对需要进行数据分析、处理的任务进行计算,获得优先调度任务。一般地,图像物体的建模、动作或位置信息的交付、图像画面渲染等任务对时延的要求高,任务要求的响应时延低,则任务重要度值低,相对地,图像数据的投影、编码及存储对时延的要求低,则任务重要度值高。
云计算平台利用本发明实施例1提供的优先分配算法获得优先分配边缘计算节点,将优先调度任务下发至所述优先分配边缘计算节点进行执行,其中边缘计算节点包含设置在VR终端设备附近的数据中心和服务器集群,该任务包含上文提到的图像物体的建模、动作或位置信息的交付、图像画面渲染、图像数据的投影、编码及存储等任务。边缘计算节点将任务处理完毕后将产生的数据通过本发明实施例2所述的无线链路传输给VR设备终端,VR设备终端进行数据解码、互动信息的展示。
由上述流程可知,在虚拟现实交互场景中,云计算平台针对待处理任务优先级和边缘计算节点的分配优先级的双重计算,降低了虚拟现实系统在处理与用户相关的交互任务时的云计算平台的任务处理时延、网络传输时延和系统开销,提升了用户体验。
本领域的技术人员应明白,本发明的实施例可提供为方法、设备(设备)、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、设备(设备)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设备。
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设备的制造品,该指令设备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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于边缘计算网络的任务调度方法,其特征在于,包括:
基于终端设备请求的待调度任务的特征生成任务特征向量,将所述任务特征向量聚类为多个任务特征向量集合;
利用优先调度算法计算所述任务特征向量集合各自的调度优先级;根据所述任务特征向量集合各自的调度优先级,从所述任务特征向量集合中确定优先调度的任务特征向量集合;
基于可分配任务的边缘计算节点的特征生成边缘计算节点特征向量,计算所述边缘计算节点特征向量的分配优先级;根据所述任务分配优先级,从所述边缘计算节点特征向量表示的可分配任务的边缘计算节点中确定优先分配任务的边缘计算节点;
将所述优先调度的任务特征向量集合中任务特征向量表示的任务,下发至所述优先分配任务的边缘计算节点进行处理。
2.如权利要求1所述的方法,其特征在于,所述任务特征向量的特征向量维度包括:任务重要度和任务工作量。
5.如权利要求1所述的方法,其特征在于,所述边缘计算节点特征向量的特征向量维度包括:任务卸载耗时、所述可分配任务的边缘计算节点与所述终端设备之间的通信距离、和任务卸载功耗。
6.如权利要求5所述的方法,其特征在于,基于可分配任务的边缘计算节点生成边缘计算节点特征向量,计算所述边缘计算节点特征向量的任务分配优先级,包括如下计算公式:
Q=wt×Tj *+we×Ej *+wl×Lj *
其中,Q为所述边缘计算节点特征向量的分配优先级;
Tj *为对各所述边缘计算节点特征向量各自的任务卸载耗时Tj归一化后计算得到的数值;
Ej *为对各所述边缘计算节点特征向量各自的任务卸载功耗Ej归一化后计算得到的数值;
Lj *为对各所述边缘计算节点特征向量各自与终端设备之间的通信距离Lj归一化后计算得到的数值;
wt为与任务卸载耗时相关的权重;
we为与任务卸载功耗相关的权重;
wl为与通信距离相关的权重,且wt+we+wl=1。
7.如权利要求6所述的方法,其特征在于:
Tj为云计算平台将任务卸载到所述可分配任务的边缘计算节点的传输时间Ti、所述可分配任务的边缘计算节点执行任务时间Tl与所述可分配任务的边缘计算节点将输出数据传输至终端设备的时间Td之和;
Ej为云计算平台将任务卸载到所述可分配任务的边缘计算节点的功耗Ei、所述可分配任务的边缘计算节点执行任务的功耗El与所述可分配任务的边缘计算节点将输出数据传输至所述终端设备的功耗Ed之和。
8.一种基于边缘计算网络的任务调度装置,其特征在于,包括:
聚类单元,用于基于终端设备请求的待调度任务的特征生成任务特征向量,将所述任务特征向量聚类为多个任务特征向量集合;
调度优先级计算单元,用于利用优先调度算法计算所述任务特征向量集合各自的调度优先级;根据所述任务特征向量集合各自的调度优先级,从所述任务特征向量集合中确定优先调度的任务特征向量集合;
分配优先级计算单元,用于基于可分配任务的边缘计算节点的特征生成边缘计算节点特征向量,计算所述边缘计算节点特征向量的分配优先级;根据所述任务分配优先级,从所述可分配任务的边缘计算节点中确定优先分配任务的边缘计算节点;
调度单元,用于将所述优先调度的任务特征向量集合中任务特征向量所表示的任务,下发至所述优先分配任务的边缘计算节点进行处理。
9.一种控制器,其特征在于,包括:
存储器和处理器,所述处理器和所述存储器通过数据总线进行数据连接,所述存储器存储可被所述处理器执行的程序指令,所述处理器调用程序指令能够执行如权利要求1-7任一项所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时实现权利要求1-7任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010231305 | 2020-03-27 | ||
CN2020102313059 | 2020-03-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111679904A true CN111679904A (zh) | 2020-09-18 |
CN111679904B CN111679904B (zh) | 2023-10-31 |
Family
ID=72433958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010358956.4A Active CN111679904B (zh) | 2020-03-27 | 2020-04-29 | 一种基于边缘计算网络的任务调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111679904B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112511652A (zh) * | 2021-02-03 | 2021-03-16 | 电子科技大学 | 一种边缘计算下的合作计算任务分配方法 |
CN112559078A (zh) * | 2020-12-22 | 2021-03-26 | 杭州电子科技大学 | 一种移动边缘计算服务器分级卸载任务方法及系统 |
CN112559187A (zh) * | 2020-12-22 | 2021-03-26 | 杭州电子科技大学 | 一种移动边缘计算服务器动态分配任务方法及系统 |
CN113051046A (zh) * | 2020-12-09 | 2021-06-29 | 南京航空航天大学 | 一种车载云环境下基于动态优先级的任务调度方法 |
CN113254196A (zh) * | 2021-04-26 | 2021-08-13 | 工业互联网创新中心(上海)有限公司 | 基于边缘计算的数据处理方法、系统及相关装置 |
CN113282409A (zh) * | 2021-05-13 | 2021-08-20 | 广东电网有限责任公司广州供电局 | 边缘计算任务的处理方法、装置和计算机设备 |
CN113315757A (zh) * | 2021-05-10 | 2021-08-27 | 内蒙古工业大学 | 一种面向边缘计算的数据免解码传输方法 |
WO2022161500A1 (zh) * | 2021-02-01 | 2022-08-04 | 华为云计算技术有限公司 | 一种多接入边缘计算网络、流量处理方法及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184124A (zh) * | 2011-05-11 | 2011-09-14 | 中国科学院深圳先进技术研究院 | 任务调度方法及系统 |
US20170142177A1 (en) * | 2015-11-13 | 2017-05-18 | Le Holdings (Beijing) Co., Ltd. | Method and system for network dispatching |
CN108509276A (zh) * | 2018-03-30 | 2018-09-07 | 南京工业大学 | 一种边缘计算环境中的视频任务动态迁移方法 |
CN108762938A (zh) * | 2018-06-12 | 2018-11-06 | 广东工业大学 | 一种云计算平台中的任务处理方法、装置及系统 |
CN110493360A (zh) * | 2019-09-26 | 2019-11-22 | 重庆大学 | 多服务器下降低系统能耗的移动边缘计算卸载方法 |
CN110891093A (zh) * | 2019-12-09 | 2020-03-17 | 中国科学院计算机网络信息中心 | 一种时延敏感网络中边缘计算节点选择方法及系统 |
-
2020
- 2020-04-29 CN CN202010358956.4A patent/CN111679904B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184124A (zh) * | 2011-05-11 | 2011-09-14 | 中国科学院深圳先进技术研究院 | 任务调度方法及系统 |
US20170142177A1 (en) * | 2015-11-13 | 2017-05-18 | Le Holdings (Beijing) Co., Ltd. | Method and system for network dispatching |
CN108509276A (zh) * | 2018-03-30 | 2018-09-07 | 南京工业大学 | 一种边缘计算环境中的视频任务动态迁移方法 |
CN108762938A (zh) * | 2018-06-12 | 2018-11-06 | 广东工业大学 | 一种云计算平台中的任务处理方法、装置及系统 |
CN110493360A (zh) * | 2019-09-26 | 2019-11-22 | 重庆大学 | 多服务器下降低系统能耗的移动边缘计算卸载方法 |
CN110891093A (zh) * | 2019-12-09 | 2020-03-17 | 中国科学院计算机网络信息中心 | 一种时延敏感网络中边缘计算节点选择方法及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051046A (zh) * | 2020-12-09 | 2021-06-29 | 南京航空航天大学 | 一种车载云环境下基于动态优先级的任务调度方法 |
CN113051046B (zh) * | 2020-12-09 | 2024-05-24 | 南京航空航天大学 | 一种车载云环境下基于动态优先级的任务调度方法 |
CN112559078A (zh) * | 2020-12-22 | 2021-03-26 | 杭州电子科技大学 | 一种移动边缘计算服务器分级卸载任务方法及系统 |
CN112559187A (zh) * | 2020-12-22 | 2021-03-26 | 杭州电子科技大学 | 一种移动边缘计算服务器动态分配任务方法及系统 |
WO2022161500A1 (zh) * | 2021-02-01 | 2022-08-04 | 华为云计算技术有限公司 | 一种多接入边缘计算网络、流量处理方法及相关设备 |
CN112511652A (zh) * | 2021-02-03 | 2021-03-16 | 电子科技大学 | 一种边缘计算下的合作计算任务分配方法 |
CN112511652B (zh) * | 2021-02-03 | 2021-04-30 | 电子科技大学 | 一种边缘计算下的合作计算任务分配方法 |
CN113254196A (zh) * | 2021-04-26 | 2021-08-13 | 工业互联网创新中心(上海)有限公司 | 基于边缘计算的数据处理方法、系统及相关装置 |
CN113315757A (zh) * | 2021-05-10 | 2021-08-27 | 内蒙古工业大学 | 一种面向边缘计算的数据免解码传输方法 |
CN113282409A (zh) * | 2021-05-13 | 2021-08-20 | 广东电网有限责任公司广州供电局 | 边缘计算任务的处理方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111679904B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111679904B (zh) | 一种基于边缘计算网络的任务调度方法及装置 | |
CN109857546B (zh) | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 | |
US10652360B2 (en) | Access scheduling method and apparatus for terminal, and computer storage medium | |
CN111294647B (zh) | 一种视频处理方法、装置及设备、存储介质 | |
CN110968366B (zh) | 一种基于有限mec资源的任务卸载方法、装置及设备 | |
CN112380020A (zh) | 一种算力资源分配方法、装置、设备及存储介质 | |
CN110519370B (zh) | 一种基于设施选址问题的边缘计算资源分配方法 | |
CN115002113B (zh) | 一种移动基站边缘计算力资源调度方法、系统、电子设备 | |
CN110069341A (zh) | 边缘计算中结合功能按需配置的有依赖关系任务的调度方法 | |
CN113419846B (zh) | 资源配置方法和装置、电子设备及计算机可读存储介质 | |
CN112422977A (zh) | 音视频转码任务的分配方法和分配装置 | |
CN111711962A (zh) | 一种移动边缘计算系统子任务协同调度方法 | |
CN111614967A (zh) | 虚拟形象直播方法、装置、电子设备及存储介质 | |
CN116389831A (zh) | 一种基于云原生的离线渲染系统及方法 | |
CN115543624A (zh) | 异构算力编排调度方法、系统、设备及存储介质 | |
US20240152393A1 (en) | Task execution method and apparatus | |
CN113691812B (zh) | 基于鸿蒙系统的分布式视频处理方法、终端和可读介质 | |
CN114339891A (zh) | 一种基于q学习的边缘卸载资源分配方法及系统 | |
CN112905338A (zh) | 计算资源自动分配方法及装置 | |
CN112437449A (zh) | 联合资源分配方法及区域编排器 | |
CN114327846A (zh) | 集群的扩容方法、装置、电子设备及计算机可读存储介质 | |
CN113886030A (zh) | 资源调度方法、电子设备及存储介质 | |
CN111813541A (zh) | 一种任务调度方法、装置、介质和设备 | |
CN110716809A (zh) | 用于调度云资源的方法和装置 | |
CN112445605A (zh) | 一种媒体数据处理方法、装置及媒体服务器 |
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 |