CN111782389A - 机动边缘信息服务网络下的任务调度系统及方法 - Google Patents
机动边缘信息服务网络下的任务调度系统及方法 Download PDFInfo
- Publication number
- CN111782389A CN111782389A CN202010571047.9A CN202010571047A CN111782389A CN 111782389 A CN111782389 A CN 111782389A CN 202010571047 A CN202010571047 A CN 202010571047A CN 111782389 A CN111782389 A CN 111782389A
- Authority
- CN
- China
- Prior art keywords
- task
- information service
- job
- edge information
- mobile edge
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001629 suppression Effects 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
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明揭露了一种机动边缘信息服务网络下的任务调度系统,包括设置于虚拟中心节点的作业监控器、作业管理器、资源管理器和任务调度器,作业监控器用于接收任务的提交,为每个任务生成一个对应的作业管理器,并监控该任务的运行;作业管理器由作业分析器和任务监控器组成,用于将任务分解成若干任务组件,并至少对各任务组件的计算量和存储资源量进行分析;所述任务监控器被配置为负责将任务组件按依赖关系拆分,按序提交到所述任务调度器的调度集合,并监控每个任务组件的运行情况;所述资源管理器负责监控机动边缘信息服务网络中的各个机动边缘信息服务节点的资源,并为所述任务调度器提供各个技术边缘信息服务节点的资源相关信息。
Description
技术领域
本发明涉及机动边缘网络环境下的资源分配与任务调度技术,特别是涉及一种应用于多节点机动边缘信息服务网络下的任务调度系统及方法。
背景技术
由于单个机动边缘信息服务节点的信息服务资源较少,因此需要将多个机动边缘信息服务节点聚合在一起形成统一的资源池和服务网,对外提供统一的服务能力,于此同时,既要保障聚合是按需灵活的自动化过程,又要保证聚合之后资源、服务、数据的调度与访问的透明化。
机动边缘信息服务节点实现资源的按需融合,先要解决机动边缘信息服务节点上的任务调度管理问题。在战术机动环境下存在许多的多目标优化任务,以网络化弹药为例,它是将网络信息技术应用到智能化弹药领域的产物,该类弹药利用网络通信技术,将具有长航时自主作战能力的多个或多种弹药组成一个或多个作战弹群或弹群体系,并通过数据链技术实现弹间信息共享和任务协同,使其具备侦察、压制、打击、评估等功能。协同任务分配具体是指执行任务的弹药集合在性能允许范围内,针对有协同要求的多任务需求,根据战场态势确定出各弹药的任务执行序列,以最大程度地发挥其协同作战的整体效能。本质上,网络化协同任务分配问题是一个约束条件众多的多目标优化问题,其优化目标包括:目标价值收益最大、目标覆盖范围程度最大、飞行距离最小和耗弹量成本最小;约束条件包括满足武器目标约束,各种禁、避飞区的约束等。
由于战场环境下的计算资源极其缺乏,静态分配无法满足战场上各种机动战术部署的要求。因此,如何统筹管理战术机动网络中的所有与机动边缘服务节点的资源,并接受和执行由机动边缘服务节点上服务应用提交的任务,以达到多机动边缘服务节点共享,减少网络通信开销是本领域亟需解决的技术问题。
发明内容
本发明的目的是提供一种应用于机动边缘信息服务网络的任务调度系统及调度方法,采用面向非对称动态资源条件下的任务分解和调度技术,以实现机动边缘服务节点之间技术资源的协同聚合,减少网络通信开销。
为了解决上述技术问题,本发明提供一种机动边缘信息服务网络下的任务调度系统,其特征在于,包括设置于虚拟中心节点的作业监控器、作业管理器、资源管理器和任务调度器,其中:
所述作业监控器被配置为用于接收任务的提交,为每个任务生成一个应的作业管理器,并监控该任务的运行;
所述作业管理器由作业分析器和任务监控器组成,所述作业分析器被配置为用于将任务分解成若干任务组件,并至少对各任务组件的计算量和存储资源量进行分析;
所述任务监控器被配置为负责将任务组件按依赖关系拆分,按序提交到所述任务调度器的调度集合,并监控每个任务组件的运行情况;
所述资源管理器负责监控机动边缘信息服务网络中的各个机动边缘信息服务节点的资源,并为所述任务调度器提供各个技术边缘信息服务节点的资源相关信息。
优选地,在虚拟中心节点配置有多个所述作业管理器,且多个所述作业管理器分别与所述作业监控器通信连接;多个所述作业管理器分别与所述任务调度器通信连接。
本发明还提供了根据上述调度系统的一种机动边缘信息服务网络下的任务调度方法,其特征在于,包括以下步骤:
(1)通过配置在虚拟中心节点中的作业管理器,将任务分解成多个任务组件,并且将具有依赖关系的任务组件进行拆分,提交到配置在虚拟中心节点中的任务调度器的调度集合;
(2)通过任务调度器将调度集合中的各任务组件调度到机动边缘信息服务网络中的机动边缘信息服务节点进行处理。
优选地,步骤(1)中,将任务分解成多个任务组件的具体方法是:首先获取一个任务相关的DAG图,再将该DAG进一步分解成多个任务组件,每一任务组件由多个子任务组成。
相较于现有技术,本发明的有益效果在于:通过配置在虚拟中心节点中的作业管理器,将任务分解成多个任务组件,并且将具有依赖关系的任务组件进行拆分,提交到配置在虚拟中心节点中的任务调度器的调度集合;再通过任务调度器将调度集合中的各任务组件调度到机动边缘信息服务网络中的机动边缘信息服务节点进行处理,可以实现在机动边缘信息服务网络下,对多机动边缘信息服务资源的共享,减少网络通信开销。
附图说明
图1为根据本发明的一种实施例中的任务图。
图2为根据本发明的一种实施例的任务调度系统架构图。
图3为根据本发明的一种实施例的任务调度过程示意图。
图4为根据本发明的一种实施例的多目标优化问题中变量的关系图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
对于战场环境下的一个任务,往往可以被看作是由多个子任务构成,每一个子任务可以都负责一部分的任务活动。在协作任务执行过程中,不同的活动间的信息传递和交互构成了任务协作的复杂约束关系。顺序活动约束是任务协作流中的一种最基本的约束结构,是各个子任务之间的一种相互的输入输出关系,在任务执行的过程中的每一个阶段,各个子任务之间都必须按照一定的顺序来进行,前面的一个子任务的输出可以是后面多个子任务的输入。这些子任务和它们之间的输入输出依赖关系都可以构成一个任务相关的DAG图。对于战场环境下的多种类型的作战任务,我们可以利用机器学习的方法对以往的同类任务的数据进行分析和建模,利用构建的模型去获取某一类特定任务的DAG图,一个任务相关DAG图如图1所示,其中每一个数字节点代表着一个子任务,带箭头的连接线代表着子任务间的输入输出关系。图1中共有27个子任务,子任务1和2执行后输入子任务3,子任务3执行后输入子任务5,子任务4和5执行后输入子任务9,子任务5和6执行后输入子任务10,以此类推。
由于战场环境下的计算资源极其缺乏,静态分配无法满足战场上各种机动战术部署的要求,因此还需要再将该DAG图进一步分解成多个任务组件,一个任务组件由多个子任务组成。对于一个任务分解成多个任务组件后的整体规模和数量,我们定义为任务粒度。
根据本发明的一种机动边缘信息服务网络下的任务调度系统,如图2所示,包括设置于虚拟中心节点的作业监控器、作业管理器、资源管理器和任务调度器,其中:所述作业监控器被配置为用于接收任务的提交,为每个任务生成一个对应的作业管理器,并监控该任务的运行;所述作业管理器由作业分析器和任务监控器组成,所述作业分析器被配置为用于将任务分解成若干任务组件,并至少对个任务组件的计算量和存储资源量进行分析;所述任务监控器被配置为负责将任务组件按依赖关系拆分,按序提交到所述任务调度器的调度集合,并监控每个任务组件的运行情况;所述资源管理器负责监控机动边缘信息服务网络中的各个机动边缘信息服务节点的资源,并为所述任务调度器提供各个技术边缘信息服务节点的资源相关信息。在本实施例中,在虚拟中心节点配置有两个所述作业管理器,且两个所述作业管理器分别与所述作业监控器通信连接;多个所述作业管理器分别与所述任务调度器通信连接。在本实施例中,任务调度系统在接受某个任务后,可通过任务调度器将调度集合中的任务组件分配给机动边缘服务节点1,2和3进行计算。
根据本发明任务调度系统的一种机动边缘信息服务网络下的任务调度方法,包括以下步骤:(1)通过配置在虚拟中心节点中的作业管理器,将任务分解成多个任务组件,并且将具有依赖关系的任务组件进行拆分,提交到配置在虚拟中心节点中的任务调度器的调度集合;(2)通过任务调度器将调度集合中的各任务组件调度到机动边缘信息服务网络中的机动边缘信息服务节点进行处理。
其中,步骤(1)中,将任务分解成多个任务组件的具体方法是:首先获取一个任务相关的DAG图,再将该DAG进一步分解成多个任务组件,每一任务组件由多个子任务组成。
请参阅图3,左侧的作业管理器中,将计算任务1分解为若干任务组件,其中虚线方框内的任务组件A1和B1被提交到调度集合并分别被分配给机动边缘附图节点1和2进行处理,如图中左侧虚线部分所示;右侧的作业管理器中,将计算任务2分解为若干任务组件,其中虚线方框内的任务组件A2被提交到调度集合并被分配给机动边缘信息服务节点3进行处理,如图中右侧虚线部分所示。
也就是说,可以将调度过程分为两个过程。第一个过程是作业管理器将具有依赖关系的计算任务进行拆分,提交到调度集合,如图中带箭头的虚线所示。第二个过程是将调度集合中的任务组件调度到机动边缘信息服务节点(资源节点)进行处理,如图中带箭头的实线部分所示。
通过本发明的任务调度系统及其任务调度方法,可以实现在机动边缘信息服务网络下,对多机动边缘信息服务资源的共享,减少网络通信开销。
在第一个过程中,各任务组件的依赖关系由DAG图给出。据此,每个任务组件的入度值代表前驱任务组件的数量。假设任意一个任务组件为vi,其入度值为In(vi),当入度值为0时,该任务组件可以被提交至调度结合进行调度。对于第二个过程,当战术服务节点应用对实时服务性能敏感时,将以任务处理性能优化为目标,以任务处理资源开销为约束,实现在可控开销代价下的性能优化,满足战术服务节点应用的实时响应需求。相似地,当战术服务节点期待减小开销(如减少能量消耗),我们将以任务处理资源开销最小化为目标,以机动边缘信息服务节点应用最低性能保证为约束进行调度决策优化。此外,机动边缘信息服务节点期待同时优化任务处理性能与资源开销,则可依据虚拟中心的偏好对性能与开销赋予不同权重,并优化性能与开销的加权目标函数,从而达到性能与开销多目标协同优化的目的。
考虑调度集合中有N个任务组件,表示为N={1,2,…,N}。对于每个任务组件i∈N,使用常数Ci来分别表示该任务组件的计算资源需求数量。进一步,若使用集合M={1,2,…,M}来表示多层次的不同的计算资源节点,那么任务组件的调度决策可表示为0-1变量xij,i∈N,j∈M,其中xij=1代表将第i∈N个组件调度到第j∈M个资源节点进行计算。考虑到资源节点同时受限于计算能力和通信带宽,进一步使用Capj来表示资源节点j∈M的可用计算能力,Bj来表示所考虑的任务节点与资源节点j∈M之间的通信带宽。同时,为了刻画不同资源节点间的成本与能效异构性,我们使用Ej和Pj来分别表示节点j∈M处理单位计算资源需求所引起的能耗和经济成本。若期待协同优化任务处理的时延delay=f(Capj,Bj,Ci,xij)、能耗energy=g(Capj,Ci,Ej,xij)与经济成本cost=h(Capj,Ci,Pj,xij),各变量的关系见图4所示。
上述优化问题中,约束条件(C1)表明每个任务组件都会被调度处理,约束条件(C2)表明每个资源节点所接收任务组件的总资源需求量不超过该资源节点的可用资源数量,约束条件(C3)表明每个任务组件的调度决策为0-1变量。
因此,基于本发明的任务调度系统和任务调度方法,通过对任务调度中任务分解为任务组件规划的分解策略和粒度设计,以及多目标优化问题的算法设计,即可使得机动变异信息服务网络下的任务调度更加高效和低资源消耗。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种机动边缘信息服务网络下的任务调度系统,其特征在于,包括设置于虚拟中心节点的作业监控器、作业管理器、资源管理器和任务调度器,其中:
所述作业监控器被配置为用于接收任务的提交,为每个任务生成一个对应的作业管理器,并监控该任务的运行;
所述作业管理器由作业分析器和任务监控器组成,所述作业分析器被配置为用于将任务分解成若干任务组件,并至少对个任务组件的计算量和存储资源量进行分析;
所述任务监控器被配置为负责将任务组件按依赖关系拆分,按序提交到所述任务调度器的调度集合,并监控每个任务组件的运行情况;
所述资源管理器负责监控机动边缘信息服务网络中的各个机动边缘信息服务节点的资源,并为所述任务调度器提供各个技术边缘信息服务节点的资源相关信息。
2.根据权利要求1所述的机动边缘信息服务网络下的任务调度系统,其特征在于,配置有多个所述作业管理器,且多个所述作业管理器分别与所述作业监控器通信连接;多个所述作业管理器分别与所述任务调度器通信连接。
3.一种机动边缘信息服务网络下的任务调度方法,其特征在于,包括以下步骤:
(1)通过配置在虚拟中心节点中的作业管理器,将任务分解成多个任务组件,并且将具有依赖关系的任务组件进行拆分,提交到配置在虚拟中心节点中的任务调度器的调度集合;
(2)通过任务调度器将调度集合中的各任务组件调度到机动边缘信息服务网络中的机动边缘信息服务节点进行处理。
4.根据权利要求3所述的机动边缘信息服务网络下的任务调度方法,其特征在于:步骤(1)中,将任务分解成多个任务组件的具体方法是:首先获取一个任务相关的DAG图,再将该DAG进一步分解成多个任务组件,每一任务组件由多个子任务组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010571047.9A CN111782389A (zh) | 2020-06-22 | 2020-06-22 | 机动边缘信息服务网络下的任务调度系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010571047.9A CN111782389A (zh) | 2020-06-22 | 2020-06-22 | 机动边缘信息服务网络下的任务调度系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111782389A true CN111782389A (zh) | 2020-10-16 |
Family
ID=72756100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010571047.9A Pending CN111782389A (zh) | 2020-06-22 | 2020-06-22 | 机动边缘信息服务网络下的任务调度系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111782389A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220459A (zh) * | 2021-05-26 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 一种任务处理方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1845075A (zh) * | 2006-05-11 | 2006-10-11 | 上海交通大学 | 面向服务的网格高性能计算作业调度方法 |
CN102591712A (zh) * | 2011-12-30 | 2012-07-18 | 大连理工大学 | 一种云计算中依赖任务的解耦并行调度方法 |
CN105955820A (zh) * | 2016-04-20 | 2016-09-21 | 北京云宏信达信息科技有限公司 | 作业流控制方法、装置和系统 |
CN109561148A (zh) * | 2018-11-30 | 2019-04-02 | 湘潭大学 | 边缘计算网络中基于有向无环图的分布式任务调度方法 |
CN110222005A (zh) * | 2019-07-15 | 2019-09-10 | 北京一流科技有限公司 | 用于异构架构的数据处理系统及其方法 |
CN110888721A (zh) * | 2019-10-15 | 2020-03-17 | 平安科技(深圳)有限公司 | 一种任务调度的方法及相关装置 |
-
2020
- 2020-06-22 CN CN202010571047.9A patent/CN111782389A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1845075A (zh) * | 2006-05-11 | 2006-10-11 | 上海交通大学 | 面向服务的网格高性能计算作业调度方法 |
CN102591712A (zh) * | 2011-12-30 | 2012-07-18 | 大连理工大学 | 一种云计算中依赖任务的解耦并行调度方法 |
CN105955820A (zh) * | 2016-04-20 | 2016-09-21 | 北京云宏信达信息科技有限公司 | 作业流控制方法、装置和系统 |
CN109561148A (zh) * | 2018-11-30 | 2019-04-02 | 湘潭大学 | 边缘计算网络中基于有向无环图的分布式任务调度方法 |
CN110222005A (zh) * | 2019-07-15 | 2019-09-10 | 北京一流科技有限公司 | 用于异构架构的数据处理系统及其方法 |
CN110888721A (zh) * | 2019-10-15 | 2020-03-17 | 平安科技(深圳)有限公司 | 一种任务调度的方法及相关装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220459A (zh) * | 2021-05-26 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 一种任务处理方法及装置 |
CN113220459B (zh) * | 2021-05-26 | 2023-10-10 | 杭州海康威视数字技术股份有限公司 | 一种任务处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109491790B (zh) | 基于容器的工业物联网边缘计算资源分配方法及系统 | |
CN107193639B (zh) | 一种支持联合作战的多核并行仿真引擎系统 | |
CN110580196A (zh) | 一种实现并行任务调度的多任务强化学习方法 | |
Khorsand et al. | ATSDS: adaptive two-stage deadline-constrained workflow scheduling considering run-time circumstances in cloud computing environments | |
CN104657221A (zh) | 一种云计算中基于任务分类的多队列错峰调度模型及方法 | |
Al-maamari et al. | Task scheduling using hybrid algorithm in cloud computing environments | |
Liu et al. | Solving the tree-structured task allocation problem via group multirole assignment | |
CN109783225B (zh) | 一种多租户大数据平台的租户优先级管理方法及系统 | |
CN114281104B (zh) | 一种基于改进蚁群算法的多无人机协同调控方法 | |
CN111611062B (zh) | 云边协同分层计算方法及云边协同分层计算系统 | |
Armant et al. | Semi-online task assignment policies for workload consolidation in cloud computing systems | |
Naik et al. | Workflow scheduling optimisation for distributed environment using artificial neural networks and reinforcement learning | |
Rekik et al. | A linear program for optimal configurable business processes deployment into cloud federation | |
CN113312172A (zh) | 基于适变网络的多无人机集群动态任务调度模型 | |
Miglani et al. | Modified particle swarm optimization based upon task categorization in cloud environment | |
CN115658251A (zh) | 联邦多智能体Actor-Critic学习智慧物流任务卸载和资源分配系统及介质 | |
CN112580943A (zh) | 一种应用于无人机集群的任务分解与能力匹配方法 | |
Zhao et al. | A hierarchical parallel evolutionary algorithm of distributed and multi-threaded two-level structure for multi-satellite task planning | |
Yadav et al. | An efficient fuzzy‐based task offloading in edge‐fog‐cloud architecture | |
CN111782389A (zh) | 机动边缘信息服务网络下的任务调度系统及方法 | |
LiWang et al. | Energy-aware allocation of graph jobs in vehicular cloud computing-enabled software-defined IoV | |
CN112306642A (zh) | 一种基于稳定匹配博弈理论的工作流调度方法 | |
Adrian | Sensor management | |
Zhao et al. | Reliable DNN partitioning for UAV swarm | |
CN109828838A (zh) | 一种资源分配和任务调度多目标协同处理方法 |
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 |