CN111861793A - 基于云边协同计算架构的配用电业务分配方法及装置 - Google Patents
基于云边协同计算架构的配用电业务分配方法及装置 Download PDFInfo
- Publication number
- CN111861793A CN111861793A CN202010744737.XA CN202010744737A CN111861793A CN 111861793 A CN111861793 A CN 111861793A CN 202010744737 A CN202010744737 A CN 202010744737A CN 111861793 A CN111861793 A CN 111861793A
- Authority
- CN
- China
- Prior art keywords
- service
- micro
- distribution
- cloud
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 259
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004891 communication Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000003860 storage Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 10
- 230000005611 electricity Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
-
- 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
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供的基于云边协同计算架构的配用电业务分配方法、装置、存储介质和计算机设备,将配用电业务拆分为多个微服务,并利用云边协同计算架构建立与微服务对应的配用电业务模型,针对电力物联网云边计算体系软硬件解耦的新特点,考虑云边协同计算架构下的计算资源利用率和云边通讯压力,对配用电业务模型中的微服务进行微服务分配,形成了由“数据就地处理”、“云中心计算结果”的通用化的配用电业务分配方法,不但缓解了云中心和边缘计算终端之间的通讯压力,而且提高了配用电业务响应的实时性,提升了计算资源设备的利用率和业务的可靠性。
Description
技术领域
本发明涉及配用电技术领域,尤其涉及一种基于云边协同计算架构的配用电业务分配方法、装置、存储介质和计算机设备。
背景技术
随着大量综合能源设备接入到低压配电侧,使得配电侧在电力生产和运行中扮演着越来越重要的角色,并且,海量的低压配用电设备的监控运行业务给传统自动化体系提出了更高的接入要求和计算要求。
电网运营企业及时提出能源互联网战略,采用云边协同计算架构,实现海量配用电设备数据的接入和高并发业务的实时处理;但是,随着配用电设备的接入规模不断增大,目前主要存在两大问题:1、集中式信息接入架构,核心网的通讯压力较大;2、高实时性业务无法在规定时间内完成,业务系统的响应能力较低。
发明内容
本发明的目的旨在至少能解决上述的技术缺陷之一,特别是现有技术中配用电自动化体系采用集中式信息接入架构,核心网的通讯压力较大,业务系统的响应能力较低的技术缺陷。
本发明实施例提供了一种基于云边协同计算架构的配用电业务分配方法,包括:
获取配用电业务,并将所述配用电业务拆分为多个微服务,其中,所述配用电业务为云边协同计算架构的终端设备上传的,并分配至所述云边协同计算架构的边缘计算终端和云中心进行处理的业务;
利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型,并根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路;
对各个关键链路中的微服务进行动态规划,直至规划到所述根节点对应的微服务,根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略,并通过所述微服务分配策略将各个关键链路的微服务分配至所述边缘计算终端或所述云中心进行处理。
可选地,利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型的步骤之前,还包括:
获取所述云边协同计算架构下的边缘计算终端和云中心,并将所述边缘计算终端和云中心作为通讯节点,通过设备关联矩阵描述所述云边协同计算架构下的各个通讯节点之间是否存在直接通讯的通道;
根据所述边缘计算终端对应的通讯节点的信息流以及所述设备关联矩阵确定各个通讯节点之间核心网的信息流总量,并将各个核心网的信息流总量的集合作为所述云边协同计算架构的通讯资源;
根据所述边缘计算终端的计算资源以及所述云中心的计算资源确定所述云边协同计算架构的计算资源。
可选地,利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型的步骤,包括:
依据所述云边协同计算架构的设备关联矩阵以及各个微服务之间的任务先后顺序确定所述微服务的服务关联矩阵;
根据所述服务关联矩阵以及所述微服务的集合构建配用电业务模型。
可选地,所述初始节点为布置在所述边缘计算终端的微服务节点,所述根节点为布置在所述云中心的微服务节点;
根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路的步骤之后,还包括:
根据所述配用电业务模型中的微服务数量确定对应的微服务矩阵,并根据所述微服务矩阵中的元素值的取值,确定各个关键链路对应的微服务节点;
其中,所述关键链路对应的微服务节点包括所述初始节点、所述根节点以及所述初始节点与所述根节点之间的中间节点。
可选地,所述微服务节点包括任务计算负荷、任务延时需求和任务字长;
所述对各个关键链路中的微服务进行动态规划,直到规划到所述根节点对应的微服务的步骤之前,还包括:
根据各个微服务节点的任务计算负荷以及计算资源确定各个微服务节点的任务计算时间;
根据各个微服务节点的任务字长以及通讯资源确定各个微服务节点的通讯时间。
可选地,所述对各个关键链路中的微服务进行动态规划,直到规划到所述根节点对应的微服务的步骤,包括:
根据所述关键链路中的微服务节点的任务先后顺序对各个微服务节点进行动态规划,确定使第一个微服务节点的任务完成时间最小的微服务分配结果;
其中,所述微服务节点的任务完成时间表示为将所述微服务节点对应的微服务分配在所述边缘计算终端或所述云中心时,计算得到的任务计算时间以及通讯时间的总和;
将所述第一个微服务节点的任务完成时间的最小值迭代至下一个微服务节点,并计算使所述下一个微服务节点的任务完成时间最小的微服务分配结果,直到规划到所述根节点对应的微服务。
可选地,所述根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略的步骤,包括:
根据所述关键链路中的各个微服务节点对应的微服务分配结果确定使所述配用电业务模型的任务延时最小的微服务分配策略;
其中,所述配用电业务模型的任务延时表示各个微服务节点的任务完成时间的最小值之和。
本发明实施例还提供了一种基于云边协同计算架构的配用电业务分配装置,包括:
业务拆分模块,用于获取配用电业务,并将所述配用电业务拆分为多个微服务,其中,所述配用电业务为云边协同计算架构的终端设备上传的,并分配至所述云边协同计算架构的边缘计算终端和云中心进行处理的业务;
链路确认模块,用于利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型,并根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路;
微服务分配模块,用于对各个关键链路中的微服务进行动态规划,直至规划到所述根节点对应的微服务,根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略,并通过所述微服务分配策略将各个关键链路的微服务分配至所述边缘计算终端或所述云中心进行处理。
本发明还提供了一种存储介质,所述存储介质中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述实施例中任一项所述基于云边协同计算架构的配用电业务分配方法的步骤。
本发明还提供了一种计算机设备,所述计算机设备中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述实施例中任一项所述基于云边协同计算架构的配用电业务分配方法的步骤。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明提供的基于云边协同计算架构的配用电业务分配方法、装置、存储介质和计算机设备,获取配用电业务,并将所述配用电业务拆分为多个微服务,其中,所述配用电业务为云边协同计算架构的终端设备上传的,并分配至所述云边协同计算架构的边缘计算终端和云中心进行处理的业务;利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型,并根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路;对各个关键链路中的微服务进行动态规划,直到规划到所述根节点对应的微服务,根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略,并通过所述微服务分配策略将各个关键链路的微服务分配至所述边缘计算终端或所述云中心进行处理。
本发明中,将配用电业务拆分为多个微服务,并利用云边协同计算架构建立与微服务对应的配用电业务模型,针对电力物联网云边计算体系软硬件解耦的新特点,考虑云边协同计算架构下的计算资源利用率和云边通讯压力,对配用电业务模型中的微服务进行微服务分配,形成了由“数据就地处理”、“云中心计算结果”的通用化的配用电业务分配方法,不但缓解了云中心和边缘计算终端之间的通讯压力,而且提高了配用电业务响应的实时性,提升了计算资源设备的利用率和业务的可靠性;另外,使用关键链路将复杂链路的微服务分配问题转换为多个线性规划问题,不但可以减小任务分配的算法复杂度,还可以降低微服务任务分配策略的计算时间,进一步缩短任务延时。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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它的附图。
图1为本发明实施例提供的一种基于云边协同计算架构的配用电业务分配方法的流程示意图;
图2为本发明实施例提供的云边协同计算架构下的边缘计算终端与云中心结构示意图;
图3为本发明实施例提供的配用电监控业务的架构示意图;
图4为本发明实施例提供的微服务分配的DAG架构示意图;
图5为本发明实施例提供的一种基于云边协同计算架构的配用电业务分配装置的结构示意图;
图6为本发明实施例提供的一种计算机设备的内部结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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,都属于本发明保护的范围。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像本申请实施例中一样被特定定义,否则不会用理想化或过于正式的含义来解释。
在一个实施例中,请参阅图1,图1为本发明实施例提供的一种基于云边协同计算架构的配用电业务分配方法的流程示意图,本发明提供了一种基于云边协同计算架构的配用电业务分配方法,具体包括如下步骤:
S110:获取配用电业务,并将所述配用电业务拆分为多个微服务,其中,所述配用电业务为云边协同计算架构的终端设备上传的,并分配至所述云边协同计算架构的边缘计算终端和云中心进行处理的业务。
本申请中,为了解决现有技术中的配用电自动化体系采用集中式信息接入架构,核心网通讯压力很大,且高实时性业务无法在规定时间内完成的技术缺陷,提出对配用电业务体系进行业务初始分配,减少上传信息流量,提高业务系统的快速响应能力。
因此,在本步骤中,将获取到的配用电业务拆分为多个微服务,各个微服务之间存在运行关系和信息流的先后关系,终端数据通过拆分后的微服务进行业务计算,最后得到和单个业务一样的数据结果,从功能角度而言拆分为微服务的业务与单个整体业务是一致的,通过微服务架构拆分后,单个配用电业务变为可调度的多个微服务,而且上传到云中心的数据也随着业务微服务模型拆分的深度而变得更简单。
可以理解的是,微服务技术是一种将业务拆分为多个小型服务的开发方法,每个小型服务都是独立进程,通过轻量级HTTP资源API进行通讯;而且,将微服务技术应用于配用电自动化体系中,改变了传统自动化嵌入式设备的软硬件耦合现状,配用电业务被拆分为多个、单一的小型服务,打破了自动化业务传统的硬件部署方式,使之成为通用化的计算设备,并支持不断更新和新增的电网新兴业务体系。
另外,这里的云边协同计算架构指的是将配用电自动化体系分为云中心层、通讯管道层、边缘计算终端层、终端设备层四个层级,终端设备层生成业务信息,并通过通讯管道层将业务信息分发给云中心层和边缘计算终端层的计算设备进行业务协同计算,实现配用电业务的云边协同计算架构。
S120:利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型,并根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路。
本步骤中,通过步骤S110将终端设备上传的、各个边缘计算终端以及云中心的配用电业务拆分为多个微服务后,可通过云边协同计算架构以及微服务构建配用电业务模型。
举例来说,云边协同计算架构中描述了各个边缘计算终端之间以及边缘计算终端与云中心之间的通讯连接关系,其核心网的信息流也是通过该通讯连接关系以及各个边缘计算终端的流量计算得到的;当将边缘计算终端以及云中心的配用电业务拆分为多个微服务后,需要通过上述各个边缘计算终端之间以及边缘计算终端与云中心之间的通讯连接关系,以及各个微服务之间的任务先后顺序来建立配用电业务模型。
当建立好配用电业务模型后,需要对该配用电业务模型中的各个微服务进行合理的分配,确定各个微服务是在边缘计算终端还是在云中心进行处理,以简化信息流,降低云边业务处理时间。
但是,直接对配用电业务模型中的各个微服务进行分配的话,其分配过程较为复杂,分配时间较长,不利于业务响应的实时性。
因此,本申请中,为了更好地分配微服务,将配用电业务模型中的微服务按照节点的形式拆分为多个关键链路;例如,配用电业务模型中有初始节点和根节点,初始节点为布置在边缘计算终端的微服务节点,根节点为布置在云中心的微服务节点,当然,布置在边缘计算终端的微服务节点不止一个,且所有的任务数据的流向均为通过边缘计算终端汇总到云中心,云中心部署在调控中心,集中存放展示所有边缘计算终端的配用电信息和业务计算结果。
进而,根据配用电业务模型的初始节点到根节点之间的路径,可以确定配用电业务模型的多条关键链路。
S130:对各个关键链路中的微服务进行动态规划,直到规划到所述根节点对应的微服务,根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略,并通过所述微服务分配策略将各个关键链路的微服务分配至所述边缘计算终端或所述云中心进行处理。
本步骤中,通过步骤S120确定配用电业务模型的多条关键链路后,可对各个关键链路中的微服务进行并行的动态规划,直至规划到根节点对应的微服务。
可以理解的是,为了降低系统的任务延时,提高资源利用率,可在配用电业务模型划分出多条关键链路的情况下,对每一条关键链路中的微服务进行动态规划,以降低各个关键链路中微服务的计算时间和通讯时间,从而降低系统的整体任务延时。
进一步地,该规划过程包括但不限于将各个微服务布置在边缘计算终端或云中心,并计算当前微服务布置在边缘计算终端或云中心的情况下所需的最小计算时间,并计算与当前微服务有通讯延时的通讯路径对应的通信时间,最终得到该微服务布置的最优任务时间。
动态规划的执行过程包括从初始节点开始计算其最优任务时间,并不断向前迭代,直至规划到根节点,从而得到该关键链路的最小延时;当等待所有的关键链路规划到根节点后,此时可将根节点布置在云中心进行计算,由此得到使配用电业务模型的任务延时最小的微服务分配策略,通过该微服务分配策略将各个关键链路的微服务分配至边缘计算终端或云中心进行处理。
上述实施例中,将配用电业务拆分为多个微服务,并利用云边协同计算架构建立与微服务对应的配用电业务模型,针对电力物联网云边计算体系软硬件解耦的新特点,考虑云边协同计算架构下的计算资源利用率和云边通讯压力,对配用电业务模型中的微服务进行微服务分配,形成了由“数据就地处理”、“云中心计算结果”的通用化的配用电业务分配方法,不但缓解了云中心和边缘计算终端之间的通讯压力,而且提高了配用电业务响应的实时性,提升了计算资源设备的利用率和业务的可靠性;另外,使用关键链路将复杂链路的微服务分配问题转换为多个线性规划问题,不但可以减小任务分配的算法复杂度,还可以降低微服务任务分配策略的计算时间,进一步缩短任务延时。
在一个实施例中,步骤S120中利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型的步骤之前,还可以包括:
S111:获取所述云边协同计算架构下的边缘计算终端和云中心,并将所述边缘计算终端和云中心作为通讯节点,通过设备关联矩阵描述所述云边协同计算架构下的各个通讯节点之间是否存在直接通讯的通道;
S112:根据所述边缘计算终端对应的通讯节点的信息流以及所述设备关联矩阵确定各个通讯节点之间核心网的信息流总量,并将各个核心网的信息流总量的集合作为所述云边协同计算架构的通讯资源;
S113:根据所述边缘计算终端的计算资源以及所述云中心的计算资源确定所述云边协同计算架构的计算资源。
本实施例中,如图2所示,图2为本发明实施例提供的云边协同计算架构下的边缘计算终端与云中心结构示意图;图2中,云边协同计算架构下的云中心部署在调控中心,集中存放展示所有边缘计算终端的配用电信息和业务计算结果;边缘计算终端负责接收所在配电台区的终端设备的业务信息,并且计算分配在边缘计算终端的计算业务,边缘计算终端的信息流通过边缘计算终端的通讯接口传输到核心网,并且通过核心网传输到云中心。
其中边缘计算终端Ei负责本节点的业务计算、信息流传输两个功能;业务计算功能处理边缘计算终端本地部署业务信息流传输功能负责发送本地信息流和转发其他节点的信息流核心网的信息流总量Mbw为该线路联接的各节点信息流相加,将所有边缘计算节点的信息流构建为边缘节点信息流变量Medge。
把云边协同计算架构下的边缘计算终端和云中心抽象为通讯节点,其中云中心为节点n,通过设备关联矩阵An×n描述云边协同计算架构的关系,其中anm表示节点n与节点m之间是否存在直接通讯的通道,设备关联矩阵An×n如公式(1)所示:
所以,各节点之间的核心网信息流总量Mbw可以由设备关联矩阵An×n和各边缘计算节点的流量Medge相乘求得,如公式(2)所示:
Mbw=An×n×Medge (2)
云边协同计算架构下的硬件资源包括计算资源和通讯资源:云边协同计算架构的计算资源负责业务计算,计算资源的定义包括云中心计算资源CPUcloud和边缘计算终端计算资源CPUedge;通讯资源Bw负责核心网信息流传输,为图2中每一条核心网的带宽集合;因此云边协同计算架构的模型可以用公式(3)表示:
通过以上公式可以搭建云边协同计算架构的通讯模型和业务模型,并且可以通过公式(2)计算得出各核心网通道的信息流大小,业务处理延时。
在一个实施例中,步骤S120中利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型的步骤,可以包括:
S121:依据所述云边协同计算架构的设备关联矩阵以及各个微服务之间的任务先后顺序确定所述微服务的服务关联矩阵;
S122:根据所述服务关联矩阵以及所述微服务的集合构建配用电业务模型。
本实施例中,建立以DAG(有向无环图,Directed Acyclic Graph)为基础的配用电业务模型,每个微服务Si是独立的服务节点,并用三要素模型进行描述,任务的先后顺序通过服务关联矩阵Bn×n进行描述,服务关联矩阵见公式(4):
其中,每个元素bnm表示服务n与服务m之间是否存在先后关系,最后一个服务n是在云中心运行的业务,是所有服务的终点;配用电业务模型为微服务Si的集合和服务关联矩阵Bn×n构成,配用电业务模型可以用D表示,如公式(5)所示:
D={(S1...Sn),Bn×n} (5)
下面以一示例来描述配用电业务模型,如图3所示,图3为本发明实施例提供的配用电监控业务的架构示意图;图3中,以配用电监控业务为例,建立了一个配用电监控业务的DAG微服务架构,该架构图描述了配用电监控业务的微服务架构,各个圆中的内容描述了配用电监控业务开发时拆分的微服务Si,箭头表示业务实现所需的各微服务之间的调用关系。
具体地,将泛在设备信息拆分为事件触发业务、周期感知业务和故障处理业务,其中,事件触发业务中的微服务包括但不限于数据监测、设备状态监测、电网状态检测以及智能告警;周期感知业务中的微服务包括但不限于有效值计算、物理还原、拓扑分析、状态估计以及优化控制;故障处理业务中的微服务包括但不限于故障判断、故障诊断以及故障定位,各个箭头表示实现各个业务所需的微服务之间的调用关系。
在一个实施例中,所述初始节点为布置在所述边缘计算终端的微服务节点,所述根节点为布置在所述云中心的微服务节点;步骤S120中根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路的步骤之后,还可以包括:
S123:根据所述配用电业务模型中的微服务数量确定对应的微服务矩阵,并根据所述微服务矩阵中的元素值的取值,确定各个关键链路对应的微服务节点;
S124:其中,所述关键链路对应的微服务节点包括所述初始节点、所述根节点以及所述初始节点与所述根节点之间的中间节点。
本实施例中,配用电业务模型由初始节点、中间节点以及根节点所构成,其中,初始节点为布置在边缘计算终端的微服务节点,根节点为布置在云中心的微服务节点,由于边缘计算终端有多个,因而初始节点也有多个,初始节点到根节点之间的路径也不止一条,从而构成多条关键链路Li,关键链路Li对应的微服务矩阵如公式(6)所示:
Li={1,...,0,1}1×n (6)
当能量管理业务中共有n个微服务时,Li是一个1×n微服务矩阵,元素L1-Ln分别代表编号为1-n的微服务的调用状态,其元素值为0或1;当Ln的元素值为1时,表示在执行某能量管理业务时,微服务n正在或将要被调用,而0则表示该能量管理业务不会调用微服务n。
任意业务拆分为微服务DAG结构图后,都可以用关键链路Li的集合表示,关键链路将复杂链路的微服务分配问题转换为多个线性规划问题,此方法可以减小任务分配的算法复杂度,降低微服务任务分配策略的计算时间。
在一个实施例中,所述微服务节点包括任务计算负荷、任务延时需求和任务字长;步骤S130中所述对各个关键链路中的微服务进行动态规划,直到规划到所述根节点对应的微服务的步骤之前,还可以包括:
S131:根据各个微服务节点的任务计算负荷以及计算资源确定各个微服务节点的任务计算时间;
S132:根据各个微服务节点的任务字长以及通讯资源确定各个微服务节点的通讯时间。
本实施例中,通过微服务架构拆分后,单个业务变成可调度的多个微服务,而且上传到云中心的数据也随着配用电业务模型拆分的深度而变得更简单。
微服务是业务流程中的独立、小型的服务,每个独立的微服务由“计算负荷”、“任务延时需求”、“任务字长”的配用电业务三要素描述:微服务的计算负荷是描述微服务计算设备处理该服务所需的工作量,单位为cycle;微服务的任务字长描述了该服务计算所需的数据占用字长,微服务的任务延时需求描述了微服务的最大业务计算时间,该微服务模型见公式(7)。
Si={load,delay,length} (7)
当构建好微服务模型后,需要根据微服务模型以及配用电业务模型得到微服务分配DAG图,如图4所示,图4为本发明实施例提供的微服务分配的DAG架构示意图;具体可参见图3,根据图3中的配用电监控业务的架构示意图,将公式(7)的微服务模型中的任务计算负荷带入为图4中的微服务节点的节点值,各个微服务节点之间的边长为任务之间的通讯时间,以此来构建微服务分配的DAG架构示意图。
对微服务进行合理部署可以降低系统任务延时,提高资源利用率。任务延时Delay(Ei)由任务计算时间Drun(Di)和通讯时间Dtrans(Mi)构成,见公式(9),任务计算时间Drun(Di)为微服务在计算资源设备计算所需时间,由各微服务任务负荷总和除以计算资源得到,见公式(10);通讯时间Dtrans(Mi)是云任务数据从边缘计算节点上传到云中心所需的时间,由任务大小除以通讯带宽得到,见公式(11)。
Delay(Ei)=Drun(Di)+Dtrans(Mi) (9)
微服务分配策略是基于配用电业务模型进行的任务分配,部署微服务边缘计算业务和云中心业务为配用电业务模型的拆分,边缘计算业务和云中心业务集合的并集必须等于配用电业务模型中的微服务集合,如公式(12)所示:
为了计算每个微服务节点的任务计算时间和通讯时间,可将每个微服务节点的节点值带入到公式(10)中,以得到该微服务节点的任务计算时间,通讯时间由微服务模型中的任务字长带入到公式(11)得到。
在一个实施例中,步骤S130中,对各个关键链路中的微服务进行动态规划,直到规划到所述根节点对应的微服务的步骤,可以包括:
S133:根据所述关键链路中的微服务节点的任务先后顺序对各个微服务节点进行动态规划,确定使第一个微服务节点的任务完成时间最小的微服务分配结果;
S134:其中,所述微服务节点的任务完成时间表示为将所述微服务节点对应的微服务分配在所述边缘计算终端或所述云中心时,计算得到的任务计算时间以及通讯时间的总和;
S135:将所述第一个微服务节点的任务完成时间的最小值迭代至下一个微服务节点,并计算使所述下一个微服务节点的任务完成时间最小的微服务分配结果,直到规划到所述根节点对应的微服务。
本实施例中,当划分好关键链路后,需要对每条关键链路中的微服务进行动态规划,以确定使每一个微服务节点的任务完成时间最小的微服务分配结果。
因此,需要针对每一条关键链路Li,从左往右进行动态规划求解微服务的最优分配策略,具体可参见图4,图4中有三条关键链路,求解顺序为L1、L2、L3,其中,动态优化算法可通过如下步骤实现:
一、定义F(i)为云边微服务Si布置的最优任务时间,为当前任务布置在云上或者布置在边缘计算终端情况下所需任务完成时间的最小值,其中Vij为微服务之间的通讯关系,当微服务Si和微服务Sj分别分布在云边两台设备时,需要求和所有和当前微服务Si有通讯延时的Vij边路;
三、根据F(i)的定义不断动态规划,F(i)根据F(i-1)不断迭代,取每个规划阶段的最小值,不断向前迭代,直到规划到根节点对应的微服务为止,该关键链路任务分配完成,得到该链路的最小任务延时Li·delay,且Li·delay=F(i);
四、继续优化下一条关键链路L2,重复步骤一至步骤三;
五、将所述关键链路均动态规划完成后,最后将根节点对应的微服务S12布置在云中心进行计算,并得到每条关键链路中的微服务分配结果。
在一个实施例中,步骤S130中根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略的步骤,可以包括:
S136:根据所述关键链路中的各个微服务节点对应的微服务分配结果确定使所述配用电业务模型的任务延时最小的微服务分配策略;
S137:其中,所述配用电业务模型的任务延时表示各个微服务节点的任务完成时间的最小值之和。
本实施例中,如图4所示,当通过动态规划完成微服务的分配后,得到对应的微服务分配结果,即将每个微服务节点中的微服务分配至边缘计算终端或云中心进行处理,当得到每个微服务节点的微服务分配结果后,即可确定配用电业务模型对应的使任务延时最小的微服务分配策略。
在一个实施例中,如图5所示,图5为本发明实施例提供的一种云边协同计算架构的配用电业务分配装置的结构示意图;本发明实施例还提供了一种基于云边协同计算架构的配用电业务分配装置,包括业务拆分模块110、链路确认模块120、微服务分配模块130,具体如下:
业务拆分模块110,用于获取配用电业务,并将所述配用电业务拆分为多个微服务,其中,所述配用电业务为云边协同计算架构的终端设备上传的,并分配至所述云边协同计算架构的边缘计算终端和云中心进行处理的业务;
链路确认模块120,用于利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型,并根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路;
微服务分配模块130,用于对各个关键链路中的微服务进行动态规划,直至规划到所述根节点对应的微服务,根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略,并通过所述微服务分配策略将各个关键链路的微服务分配至所述边缘计算终端或所述云中心进行处理。
上述实施例中,将配用电业务拆分为多个微服务,并利用云边协同计算架构建立与微服务对应的配用电业务模型,针对电力物联网云边计算体系软硬件解耦的新特点,考虑云边协同计算架构下的计算资源利用率和云边通讯压力,对配用电业务模型中的微服务进行微服务分配,形成了由“数据就地处理”、“云中心计算结果”的通用化的配用电业务分配方法,不但缓解了云中心和边缘计算终端之间的通讯压力,而且提高了配用电业务响应的实时性,提升了计算资源设备的利用率和业务的可靠性;另外,使用关键链路将复杂链路的微服务分配问题转换为多个线性规划问题,不但可以减小任务分配的算法复杂度,还可以降低微服务任务分配策略的计算时间,进一步缩短任务延时。
关于基于云边协同计算架构的配用电业务分配装置的具体限定可以参见上文中对于基于云边协同计算架构的配用电业务分配方法的限定,在此不再赘述。上述基于云边协同计算架构的配用电业务分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于终端设备中的处理器中,也可以以软件形式存储于终端设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种存储介质,所述存储介质中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述实施例中任一项所述基于云边协同计算架构的配用电业务分配方法的步骤。
在一个实施例中,提供了一种计算机设备,所述计算机设备中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述实施例中任一项所述基于云边协同计算架构的配用电业务分配方法的步骤。
图6为本发明实施例提供的一种计算机设备的内部结构示意图,该计算机设备200可以被提供为一服务器。参照图6,计算机设备200包括处理组件202,其进一步包括一个或多个处理器,以及由存储器201所代表的存储器资源,用于存储可由处理组件202的执行的指令,例如应用程序。存储器201中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件202被配置为执行指令,以执行上述任意实施例的基于云边协同计算架构的配用电业务分配方法。
计算机设备200还可以包括一个电源组件203被配置为执行计算机设备200的电源管理,一个有线或无线网络接口204被配置为将计算机设备200连接到网络,和一个输入输出(I/O)接口205。计算机设备200可以操作基于存储在存储器201的操作系统,例如WindowsServer TM、Mac OS XTM、Unix TM、Linux TM、Free BSDTM或类似。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于云边协同计算架构的配用电业务分配方法,其特征在于,包括:
获取配用电业务,并将所述配用电业务拆分为多个微服务,其中,所述配用电业务为云边协同计算架构的终端设备上传的,并分配至所述云边协同计算架构的边缘计算终端和云中心进行处理的业务;
利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型,并根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路;
对各个关键链路中的微服务进行动态规划,直至规划到所述根节点对应的微服务,根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略,并通过所述微服务分配策略将各个关键链路的微服务分配至所述边缘计算终端或所述云中心进行处理。
2.根据权利要求1所述的基于云边协同计算架构的配用电业务分配方法,其特征在于,利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型的步骤之前,还包括:
获取所述云边协同计算架构下的边缘计算终端和云中心,并将所述边缘计算终端和云中心作为通讯节点,通过设备关联矩阵描述所述云边协同计算架构下的各个通讯节点之间是否存在直接通讯的通道;
根据所述边缘计算终端对应的通讯节点的信息流以及所述设备关联矩阵确定各个通讯节点之间核心网的信息流总量,并将各个核心网的信息流总量的集合作为所述云边协同计算架构的通讯资源;
根据所述边缘计算终端的计算资源以及所述云中心的计算资源确定所述云边协同计算架构的计算资源。
3.根据权利要求2所述的基于云边协同计算架构的配用电业务分配方法,其特征在于,利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型的步骤,包括:
依据所述云边协同计算架构的设备关联矩阵以及各个微服务之间的任务先后顺序确定所述微服务的服务关联矩阵;
根据所述服务关联矩阵以及所述微服务的集合构建配用电业务模型。
4.根据权利要求3所述的基于云边协同计算架构的配用电业务分配方法,其特征在于,所述初始节点为布置在所述边缘计算终端的微服务节点,所述根节点为布置在所述云中心的微服务节点;
根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路的步骤之后,还包括:
根据所述配用电业务模型中的微服务数量确定对应的微服务矩阵,并根据所述微服务矩阵中的元素值的取值,确定各个关键链路对应的微服务节点;
其中,所述关键链路对应的微服务节点包括所述初始节点、所述根节点以及所述初始节点与所述根节点之间的中间节点。
5.根据权利要求4所述的基于云边协同计算架构的配用电业务分配方法,其特征在于,所述微服务节点包括任务计算负荷、任务延时需求和任务字长;
所述对各个关键链路中的微服务进行动态规划,直到规划到所述根节点对应的微服务的步骤之前,还包括:
根据各个微服务节点的任务计算负荷以及计算资源确定各个微服务节点的任务计算时间;
根据各个微服务节点的任务字长以及通讯资源确定各个微服务节点的通讯时间。
6.根据权利要求5所述的基于云边协同计算架构的配用电业务分配方法,其特征在于,所述对各个关键链路中的微服务进行动态规划,直到规划到所述根节点对应的微服务的步骤,包括:
根据所述关键链路中的微服务节点的任务先后顺序对各个微服务节点进行动态规划,确定使第一个微服务节点的任务完成时间最小的微服务分配结果;
其中,所述微服务节点的任务完成时间表示为将所述微服务节点对应的微服务分配在所述边缘计算终端或所述云中心时,计算得到的任务计算时间以及通讯时间的总和;
将所述第一个微服务节点的任务完成时间的最小值迭代至下一个微服务节点,并计算使所述下一个微服务节点的任务完成时间最小的微服务分配结果,直到规划到所述根节点对应的微服务。
7.根据权利要求6所述的基于云边协同计算架构的配用电业务分配方法,其特征在于,所述根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略的步骤,包括:
根据所述关键链路中的各个微服务节点对应的微服务分配结果确定使所述配用电业务模型的任务延时最小的微服务分配策略;
其中,所述配用电业务模型的任务延时表示各个微服务节点的任务完成时间的最小值之和。
8.一种基于云边协同计算架构的配用电业务分配装置,其特征在于,包括:
业务拆分模块,用于获取配用电业务,并将所述配用电业务拆分为多个微服务,其中,所述配用电业务为云边协同计算架构的终端设备上传的,并分配至所述云边协同计算架构的边缘计算终端和云中心进行处理的业务;
链路确认模块,用于利用所述云边协同计算架构建立与所述微服务对应的配用电业务模型,并根据所述配用电业务模型的初始节点到根节点之间的路径,确定所述配用电业务模型的多条关键链路;
微服务分配模块,用于对各个关键链路中的微服务进行动态规划,直至规划到所述根节点对应的微服务,根据规划结果确定使所述配用电业务模型的任务延时最小的微服务分配策略,并通过所述微服务分配策略将各个关键链路的微服务分配至所述边缘计算终端或所述云中心进行处理。
9.一种存储介质,其特征在于:所述存储介质中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项所述基于云边协同计算架构的配用电业务分配方法的步骤。
10.一种计算机设备,其特征在于:所述计算机设备中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项所述基于云边协同计算架构的配用电业务分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010744737.XA CN111861793B (zh) | 2020-07-29 | 2020-07-29 | 基于云边协同计算架构的配用电业务分配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010744737.XA CN111861793B (zh) | 2020-07-29 | 2020-07-29 | 基于云边协同计算架构的配用电业务分配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861793A true CN111861793A (zh) | 2020-10-30 |
CN111861793B CN111861793B (zh) | 2021-10-08 |
Family
ID=72945374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010744737.XA Active CN111861793B (zh) | 2020-07-29 | 2020-07-29 | 基于云边协同计算架构的配用电业务分配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861793B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112764835A (zh) * | 2021-01-22 | 2021-05-07 | 国网宁夏电力有限公司信息通信公司 | 基于边缘计算的电力物联网传感设备配置微服务系统及方法 |
CN113037802A (zh) * | 2021-01-27 | 2021-06-25 | 东南大学 | 一种用于电力物联网的云边数据协同方法 |
CN113157446A (zh) * | 2021-04-09 | 2021-07-23 | 联通(广东)产业互联网有限公司 | 一种云边协同的资源分配方法、装置、设备及介质 |
CN113282401A (zh) * | 2021-07-21 | 2021-08-20 | 之江实验室 | 一种面向物联网异构物体多形态的可重构服务模型 |
CN114422523A (zh) * | 2021-12-13 | 2022-04-29 | 广东电网有限责任公司 | 一种面向电力车联网业务的业务编排方法及系统 |
CN114818446A (zh) * | 2021-12-22 | 2022-07-29 | 安徽继远软件有限公司 | 面向5g云边端协同的电力业务分解方法及系统 |
CN115392467A (zh) * | 2022-08-29 | 2022-11-25 | 北京交通大学 | 面向海量数据实时处理的云边协同自适应深度推理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441580A (zh) * | 2008-12-09 | 2009-05-27 | 华北电网有限公司 | 分布式并行计算平台系统及其计算任务分配方法 |
CN109684062A (zh) * | 2018-12-25 | 2019-04-26 | 人和未来生物科技(长沙)有限公司 | 基于成本的跨云平台任务调度方法和系统 |
CN111064633A (zh) * | 2019-11-28 | 2020-04-24 | 国网甘肃省电力公司电力科学研究院 | 一种云边协同电力信息通信设备自动化测试资源分配方法 |
US20200195528A1 (en) * | 2018-12-17 | 2020-06-18 | Cisco Technology, Inc. | Time sensitive networking in a microservice environment |
-
2020
- 2020-07-29 CN CN202010744737.XA patent/CN111861793B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441580A (zh) * | 2008-12-09 | 2009-05-27 | 华北电网有限公司 | 分布式并行计算平台系统及其计算任务分配方法 |
US20200195528A1 (en) * | 2018-12-17 | 2020-06-18 | Cisco Technology, Inc. | Time sensitive networking in a microservice environment |
CN109684062A (zh) * | 2018-12-25 | 2019-04-26 | 人和未来生物科技(长沙)有限公司 | 基于成本的跨云平台任务调度方法和系统 |
CN111064633A (zh) * | 2019-11-28 | 2020-04-24 | 国网甘肃省电力公司电力科学研究院 | 一种云边协同电力信息通信设备自动化测试资源分配方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112764835A (zh) * | 2021-01-22 | 2021-05-07 | 国网宁夏电力有限公司信息通信公司 | 基于边缘计算的电力物联网传感设备配置微服务系统及方法 |
CN113037802A (zh) * | 2021-01-27 | 2021-06-25 | 东南大学 | 一种用于电力物联网的云边数据协同方法 |
CN113157446A (zh) * | 2021-04-09 | 2021-07-23 | 联通(广东)产业互联网有限公司 | 一种云边协同的资源分配方法、装置、设备及介质 |
CN113157446B (zh) * | 2021-04-09 | 2022-12-09 | 联通(广东)产业互联网有限公司 | 一种云边协同的资源分配方法、装置、设备及介质 |
CN113282401A (zh) * | 2021-07-21 | 2021-08-20 | 之江实验室 | 一种面向物联网异构物体多形态的可重构服务模型 |
CN114422523A (zh) * | 2021-12-13 | 2022-04-29 | 广东电网有限责任公司 | 一种面向电力车联网业务的业务编排方法及系统 |
CN114422523B (zh) * | 2021-12-13 | 2023-12-05 | 广东电网有限责任公司 | 一种面向电力车联网业务的业务编排方法及系统 |
CN114818446A (zh) * | 2021-12-22 | 2022-07-29 | 安徽继远软件有限公司 | 面向5g云边端协同的电力业务分解方法及系统 |
CN114818446B (zh) * | 2021-12-22 | 2023-03-24 | 安徽继远软件有限公司 | 面向5g云边端协同的电力业务分解方法及系统 |
WO2023116067A1 (zh) * | 2021-12-22 | 2023-06-29 | 安徽继远软件有限公司 | 面向5g云边端协同的电力业务分解方法及系统 |
CN115392467A (zh) * | 2022-08-29 | 2022-11-25 | 北京交通大学 | 面向海量数据实时处理的云边协同自适应深度推理方法 |
CN115392467B (zh) * | 2022-08-29 | 2024-02-09 | 北京交通大学 | 面向海量数据实时处理的云边协同自适应深度推理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111861793B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111861793B (zh) | 基于云边协同计算架构的配用电业务分配方法及装置 | |
CN111953758B (zh) | 一种边缘网络计算卸载和任务迁移方法及装置 | |
WO2020042721A1 (zh) | 一种资源配置的预测方法及设备 | |
CN111953759A (zh) | 基于强化学习的协同计算任务卸载和迁移的方法及装置 | |
US11784931B2 (en) | Network burst load evacuation method for edge servers | |
CN111556516B (zh) | 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 | |
CN111538570B (zh) | 一种面向节能和QoS保障的VNF部署方法及装置 | |
CN112737823A (zh) | 一种资源切片分配方法、装置及计算机设备 | |
CN105242956A (zh) | 虚拟功能服务链部署系统及其部署方法 | |
CN112650581A (zh) | 一种面向智能楼宇的云边协同任务调度方法 | |
CN112261120B (zh) | 一种配电物联网云边协同任务卸载方法及装置 | |
CN111309393A (zh) | 一种云边端协同应用卸载算法 | |
CN116579418A (zh) | 联邦边缘学习环境下模型分割优化的隐私数据保护方法 | |
CN116302469A (zh) | 一种任务处理的方法和装置 | |
CN116302578B (zh) | 一种QoS约束的流应用延迟确保方法及系统 | |
CN117221251A (zh) | 面向软件定义算力网络的算力感知及路由方法、架构 | |
Yang et al. | Trust-based scheduling strategy for cloud workflow applications | |
CN106127396A (zh) | 一种智能电网中云调度任务的方法 | |
CN116347522A (zh) | 云边协同下基于近似计算复用的任务卸载方法及装置 | |
CN110290206A (zh) | 一种用于网吧环境的分布式计算系统及方法 | |
CN115269176A (zh) | 任务分配方法、装置、计算机设备、存储介质和产品 | |
Farhat | Stochastic modeling and optimization of stragglers in mapreduce framework | |
CN114513423A (zh) | 一种带宽调节方法、装置、设备及存储介质 | |
Alam et al. | Derandomized distributed multi-resource allocation with little communication overhead | |
CN106533730A (zh) | Hadoop集群组件指标的采集方法及装置 |
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 |