CN112187859A - 物联网业务与边缘网络能力动态映射的方法及电子设备 - Google Patents
物联网业务与边缘网络能力动态映射的方法及电子设备 Download PDFInfo
- Publication number
- CN112187859A CN112187859A CN202010859229.6A CN202010859229A CN112187859A CN 112187859 A CN112187859 A CN 112187859A CN 202010859229 A CN202010859229 A CN 202010859229A CN 112187859 A CN112187859 A CN 112187859A
- Authority
- CN
- China
- Prior art keywords
- edge
- edge node
- internet
- things
- task
- 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
Images
Classifications
-
- 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
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- 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
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种物联网业务与边缘网络能力动态映射的方法及电子设备,该方法包括:S1、对物联网业务需求进行分析,建立业务需求模型;S2、对各边缘节点与各终端设备的资源余量信息进行分析,并分析各边缘节点或终端设备单独执行任务能力,以及两个边缘节点之间或边缘节点与终端设备之间的协同执行任务能力,建立边缘网络能力模型;S3、从边缘网络能力模型中筛选出边缘节点和/或终端设备;S4、对选定的边缘节点和/或终端设备动态映射,以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种以执行;多种映射策略包括:边缘节点单独执行、边缘节点和终端设备协同执行、终端设备单独执行、边缘节点和边缘节点协同执行,高效优化。
Description
技术领域
本发明涉及物联网边缘计算技术领域,尤其涉及一种物联网业务与边缘网络能力动态映射的方法及电子设备。
背景技术
近年来,在物联网领域,如何利用算法来高效利用边缘网络中的资源满足日益变化的物联网业务需求已经成为人们关注的热点问题。
边缘计算在靠近物或数据源头的网络边缘侧就近提供智能服务,可满足物联网应用在业务实时、业务智能、数据互操作与聚合、安全与隐私保护等方面的关键需求。因此边缘计算技术在满足日益变化的物联网业务需求方面显得尤为突出,在此总结了现有技术中利用边缘计算技术的三种方案:
现有技术方案1:一种降低边缘物联网数据运算压力的方法,(1)将所有的前端设备感应到的数据按照前端设备的功能进行分类,并将数据上传到系统控制中心,由系统控制中心对数据进行管控处理;(2)根据前端设备需要实现的功能,在系统后台编写用于控制前端设备的控制预案;(3)从系统控制中心将控制预案推送给前端设备,使前端设备按照控制预案执行相应的预案控制指令。该方法前端设备的计算和存储能力依然是比较有限的,而且由于边缘网络中产生的业务需求存在突发性,在其仅仅依靠静态分配单个前端设备来提供服务的情况下,极易导致时延过高或者业务需求长时间无响应等异常情况,网络服务的可靠性较低。
现有技术方案2:一种物联网的移动边缘计算方法,包括:基于各个无人机的当前模拟位置和目标物联网区域内的各个物联网设备的实际位置,为各个物联网设备分配无人机;模拟将物联网设备的任务卸载至分配的无人机,及模拟各个无人机基于深度增强学习算法对接收的任务进行调度;利用差分进化算法对各个无人机的当前模拟位置进行迭代更新,继续执行上述操作,直至迭代更新次数达到预设阈值时停止操作;基于每次操作中物联网设备分配的无人机、无人机进行任务调度的结果和无人机的当前模拟位置,确定各个无人机的最优坐标位置;触发各个无人机移动至其最优坐标位置下调度对应物联网设备上的任务。该方法将设备的任务卸载至移动的无人机上,操作难度大,时延要求也非常高,且深度增强学习算法往往比较复杂,在普通无人机上应用具有很大局限性,而若使用具备很强计算能力的无人机,则会导致生产成本过高。
现有技术方案3:一种道路设备物联网边缘计算的方法,包括:(1)上传设备数据:将需要接入边缘物联网平台的道路设备数据进行上传,上传的数据为状态数据,并对数据进行管理控制;(2)设备联动:定义道路设备之间的联动规则,并将该规则统一部署至云端或者边缘端,每个人都可以通过该规则对道路设备进行本地管理、联动及控制;(3)SDK上传数据处理:计算机搭建框架模型针对SDK设备上传数据进行处理、转换,完成将数据转换为事件的业务逻辑开发。该方法将所有设备数据均上传至边缘物联网平台上进行分析处理,导致边缘物联网平台/设备的运算压力过大,且整体效率低下。
发明内容
针对现有技术存在的问题,本发明实施例提供了一种物联网业务与边缘网络能力动态映射的方法及电子设备。
第一方面,本发明实施例提供了一种物联网业务与边缘网络能力动态映射的方法,包括:
S1、对物联网业务需求进行分析,所述物联网业务需求包括业务中各任务输入数据的大小、任务执行所需输入输出资源量、任务的时延要求,并根据分析结果建立业务需求模型;
S2、对边缘网络中各边缘节点与各终端设备的资源余量信息进行分析,并对各边缘节点或终端设备单独执行任务能力,以及对两个边缘节点之间或边缘节点与终端设备之间的协同执行任务能力进行分析,以建立边缘网络能力模型,所述边缘网络能力模型包括边缘节点集合、终端设备集合和通信链路集合,其中,一个所述边缘节点对应多个所述终端设备;
S3、根据预设的目标函数,从所述边缘网络能力模型中筛选出满足所述业务需求模型中业务需求的边缘节点和/或终端设备;
S4、对选定的边缘节点和/或终端设备进行动态映射,以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略以执行;其中,多种映射策略包括:边缘节点单独执行;边缘节点和终端设备协同执行;终端设备单独执行;边缘节点和边缘节点协同执行。
进一步地,S2中,所述各边缘节点与各终端设备的资源余量信息包括:各边缘节点的CPU资源余量、内存资源余量、输入输出资源余量,以及各终端设备的CPU资源余量、内存资源余量、输入输出资源余量。
进一步地,S2中,各边缘节点单独执行任务能力为计算的各边缘节点执行任务的时间;
和/或,各终端设备单独执行任务能力为终端设备执行任务的时间和任务计算能耗。
进一步地,S2中,两个边缘节点之间的协同执行任务能力为一个边缘节点传输数据到另一个边缘节点的数据传输时间;
和/或,边缘节点与终端设备之间的协同执行任务能力为边缘节点传输数据到终端设备的数据传输时间。
进一步地,S3中,所述目标函数为所述物联网业务需求在所述边缘网络能力模型中的映射函数,根据映射函数建立映射关系。
进一步地,S4中,执行映射策略时,在与当前终端设备对应的边缘节点上存储边缘网络能力表,所述边缘网络能力表包括各边缘节点的资源余量信息及各边缘节点分别对应的各终端设备的资源余量信息;其中,所述当前终端设备为当前产生所述物联网业务需求的终端设备,所述边缘网络能力表实时更新。
进一步地,S4中,选定映射策略并执行的过程具体包括:
将所述当前终端设备对应的边缘节点作为基准边缘节点;
若物联网业务需求中任务执行所需的各类资源量均小于等于所述基准边缘节点的各类资源余量,且时延满足物联网业务需求中任务的时延要求,则执行基准边缘节点单独执行任务的映射策略;
若物联网业务需求中任务执行所需的各类资源量总和小于等于所述基准边缘节点和其对应的全部终端设备的各类资源余量的总和,且时延满足物联网业务需求中任务的时延要求,则执行基准边缘节点和终端设备协同执行任务的映射策略。
进一步地,所述执行基准边缘节点和终端设备协同执行任务的映射策略,具体包括:对所述基准边缘节点分配任务,再将超出基准边缘节点负荷的剩余任务分配到各类资源余量加权和最大的终端设备中。
第二方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述的物联网业务与边缘网络能力动态映射的方法的步骤。
第三方面,本发明实施例还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述的物联网业务与边缘网络能力动态映射的方法的步骤。
本发明实施例提供了一种物联网业务与边缘网络能力动态映射的方法及电子设备,所述物联网业务与边缘网络能力动态映射的方法,基于边缘计算技术,在充分分析物联网业务需求的基础上,准确分析当前边缘网络中各边缘节点和各终端设备的多种资源余量信息,以及各边缘节点和各终端设备执行任务的能力,并根据预设的目标函数建立业务需求模型和边缘网络能力模型之间的映射关系,以及根据目标函数从边缘网络模型中筛选出满足业务需求模型中业务需求的边缘节点和/或终端设备,最终再以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略,以对选定的边缘节点和/或终端设备进行动态映射,即,在边缘网络资源有限的情况下,根据业务实际需求与边缘网络能力模型的映射情况,动态地分配边缘网络资源中的边缘节点和/或终端设备,能够高效快速地执行物联网业务需求中的各计算任务,满足物联网业务需求,并且能耗更低、资源占用代价更小。
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一简单的介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种物联网业务与边缘网络能力动态映射的方法的流程示意图;
图2是本发明实施例提供的一种物联网业务与边缘网络能力动态映射的方法中边缘节点与终端设备的对应关系示意图;
图3是本发明实施例提供的一种物联网业务与边缘网络能力动态映射的方法中业务需求模型和边缘网络能力模型的映射关系示意图;
图4是本发明实施例提供的一种电子设备的结构示意图。
附图标记:
410:处理器;420:通信接口;430:存储器;440:通信总线。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
本发明实施例提供了一种物联网业务与边缘网络能力动态映射的方法及电子设备,所述物联网业务与边缘网络能力动态映射的方法,包括:
S1、对物联网业务需求进行分析,所述物联网业务需求包括业务中各任务输入数据的大小、任务执行所需输入输出资源量、任务的时延要求,并根据分析结果建立业务需求模型;
S2、对边缘网络中各边缘节点与各终端设备的资源余量信息进行分析,并对各边缘节点或终端设备单独执行任务能力,以及对两个边缘节点之间或边缘节点与终端设备之间的协同执行任务能力进行分析,以建立边缘网络能力模型,所述边缘网络能力模型包括边缘节点集合、终端设备集合和通信链路集合,其中,一个所述边缘节点对应多个所述终端设备;
S3、根据预设的目标函数,从所述边缘网络能力模型中筛选出满足所述业务需求模型中业务需求的边缘节点和/或终端设备;
S4、对选定的边缘节点和/或终端设备进行动态映射,以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略以执行;其中,多种映射策略包括:边缘节点单独执行;边缘节点和终端设备协同执行;终端设备单独执行;边缘节点和边缘节点协同执行。
本发明实施例提供的物联网业务与边缘网络能力动态映射的方法,基于边缘计算技术,在充分分析物联网业务需求的基础上,准确分析当前边缘网络中各边缘节点和各终端设备的多种资源余量信息,以及各边缘节点和各终端设备执行任务的能力,并根据预设的目标函数建立业务需求模型和边缘网络能力模型之间的映射关系,以及根据目标函数从边缘网络模型中筛选出满足业务需求模型中业务需求的边缘节点和/或终端设备,最终再以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略,以对选定的边缘节点和/或终端设备进行动态映射,即,在边缘网络资源有限的情况下,根据业务实际需求与边缘网络能力模型的映射情况,动态地分配边缘网络资源中的边缘节点和/或终端设备,能够高效快速地执行物联网业务需求中的各计算任务,满足物联网业务需求,并且能耗更低、资源占用代价更小。
下面对本发明实施例提供的基于交通路口识别的安全预警方法进行更为详细的说明。
第一方面,本发明实施例提供了一种物联网业务与边缘网络能力动态映射的方法,如图1的方法流程示意图所示,本方法包括:
S1、对物联网业务需求进行分析,所述物联网业务需求包括业务中各任务输入数据的大小、任务执行所需输入输出资源量、任务的时延要求,并根据分析结果建立业务需求模型。
对物联网业务需求进行分析,主要是对其业务需求中各任务输入数据的大小、各任务执行所需输入输出资源量、各任务的时延要求等进行分析,并根据分析结果搭建业务需求模型的过程。
设定一终端设备j为产生物联网业务需求的设备,建立其产生的业务需求模型,或者说其产生的业务需求元组,用Wj表示:
其中,表物联网业务需求中包括的各任务的输入数据大小之和;vj表示各任务执行所需CPU周期数;mj表示各任务执行所需存储容量大小之和;表示各任务执行所需输入输出资源大小之和;tdj表示各任务时延最低要求。
输入数据大小可能会影响后续边缘网络各边缘节点和各终端设备的能力分析过程中的传输时延、计算时延、传输能耗和计算能耗等参数。
vj表示各任务执行所需CPU周期数,是用来衡量业务中各任务的数据量。
mj表示各任务执行所需存储容量大小之和,是指任务完整执行所必需的存储容量大小,例如目标边缘节点/终端设备具有大于此容量的存储量,则满足此项指标,否则需要重新选择执行所在边缘节点或终端设备。
tdj表示各任务时延最低要求,在边端协同的网络中,时延分为传输时延和计算时延。
终端设备j会将物联网业务需求的分析结果及建立好的业务需求模型均上传给终端设备j相对应的边缘节点。S2、对边缘网络中各边缘节点与各终端设备的资源余量信息进行分析,并对各边缘节点或终端设备单独执行任务能力,以及对两个边缘节点之间或边缘节点与终端设备之间的协同执行任务能力进行分析,以建立边缘网络能力模型,所述边缘网络能力模型包括边缘节点集合、终端设备集合和通信链路集合,其中,一个所述边缘节点对应多个所述终端设备。
边缘网络,通常是由若干个边缘节点和各自对应的多个终端设备共同构成。边缘节点(edge node,EN)是具有存储、计算、通信等功能的节点设备,其下可连接若干多个终端设备;终端设备(terminal unit,TU)是产生物联网业务需求的终端设备,分为具有计算能力的终端设备(computing terminal unit,CTU)和不具有计算能力的终端设备(non-computing terminal unit,NCTU)。具有计算能力的终端设备可以产生物联网业务需求,还可以与边缘节点协同处理物联网业务需求中的各个任务;而不具有计算能力的终端设备仅用于产生物联网业务需求。
图2为本方法中边缘节点与终端设备的对应关系示意图,其表明边缘网络中各边缘节点和各终端设备构成的拓扑结构,如图2所示,三个路由器分别表示三个边缘节点,这三个边缘节点分别连接有不同的终端设备,如图中的摄像头、智能手机、智能电灯泡和笔记本电脑均表示终端设备。即边缘网络中,有多个依次连接的边缘节点,每一个边缘节点均对应有多个不同的终端设备,而各终端设备之间不相连,且任意一个终端设备仅对应一个边缘节点。也即意味着,边缘节点与终端设备存在着一对多的对应关系,反之,一个终端设备只能和与其唯一对应的一个边缘节点建立联系。
对边缘网络中各边缘节点与各终端设备的资源余量信息进行分析:具体对各边缘节点的CPU资源余量、内存资源余量、输入输出资源余量,以及各终端设备的CPU资源余量、内存资源余量、输入输出资源余量进行分析并记录各余量的大小,此时尤其要对产生物联网业务需求的该终端设备j所对应的边缘节点i的CPU资源余量、内存资源余量、输入输出资源余量进行分析,以及对产生物联网业务需求的该终端设备j的的CPU资源余量、内存资源余量、输入输出资源余量进行分析,以用于后续资源占用代价是否最小化的判断过程中。
对边缘网络中各边缘节点单独执行任务能力进行分析:针对各边缘节点,确定其执行物联网业务需求中全部任务所需的时间,以用于后续时延是否满足业务需求中时延要求的判断过程中。还可以确定其执行物联网业务需求中全部任务的计算能耗,以用于后续能耗是否为最小化的判断过程中。尤其要分析计算产生当前物联网业务需求的该终端设备j对应的该边缘节点i的单独执行任务能力。
对边缘网络中各终端设备单独执行任务能力进行分析:针对各终端设备,确定其执行物联网业务需求中全部任务所需的时间;并确定其执行物联网业务需求中全部任务的计算能耗。
对边缘网络中两个边缘节点之间的协同执行任务能力进行分析:针对边缘节点及其相邻的其他边缘节点,确定当前的边缘节点传输数据到其他边缘节点的数据传输时间;并确定当前的边缘节点传输数据到其他边缘节点的数据传输能耗。
对边缘网络中边缘节点与终端设备之间的协同执行任务能力进行分析:针对边缘节点及其相对应的终端设备,确定边缘节点传输数据到终端设备的数据传输时间;并确定边缘节点传输数据到终端设备的数据传输能耗。此外,还需要针对当前终端设备向其对应的边缘节点进行通信的过程进行分析,确定当前的终端设备上传数据到边缘节点的数据传输时间;并确定当前的终端设备上传数据到边缘节点的数据传输能耗。
综合根据上述全部的分析结果建立边缘网络能力模型,表示出边缘网络计算能力,所述边缘网络能力模型包括边缘节点集合、终端设备集合和通信链路集合。即,在物联网下,各边缘节点和各终端设备通过无线网络构成边缘网络能力模型,用集合Gedge(EN,TU,E)来表示,该边缘网络能力模型的集合Gedge包括边缘节点集合EN、终端设备集合TU和通信链路集合E,其中,边缘节点集合EN={ENi|ENi,i=1,2,…,n},终端设备集合TU={TUj|TUj,j=1,2,…,m},和通信链路集合E={Ec|Ec,c=1,2,…,C}。该边缘网络能力模型中还存储有各边缘节点与各终端设备的资源余量信息并分别以不同向量参数进行表示和记录:边缘节点ENi的CPU资源余量用向量表示,边缘节点ENi的内存资源余量用向量表示,边缘节点ENi的输入输出资源余量用向量表示,终端设备TUj的CPU资源余量用向量表示,终端设备TUj的内存资源余量用向量表示,终端设备TUj的输入输出资源余量用向量表示。
S3、根据预设的目标函数,从所述边缘网络能力模型中筛选出满足所述业务需求模型中业务需求的边缘节点和/或终端设备;
当终端设备上产生实际的物联网业务需求时,利用S1步骤对物联网业务需求进行分析,获得业务需求模型的业务需求元组Wj,并利用S2步骤对当前终端设备对应的边缘节点所处在的边缘网络进行边缘网络能力分析,获得边缘网络能力模型Gedge(EN,TU,E),再以业务耗费函数为目标函数,从边缘网络能力模型Gedge(EN,TU,E)中筛选出满足当前业务需求中资源余量要求、时延要求、能耗要求等各种要求的边缘节点和/或终端设备,即从边缘节点集合EN、终端设备集合TU中筛选出符合业务需求中各项要求的边缘节点和/终端设备。筛选结果可能为单一的边缘节点,或单一的终端设备,或边缘节点和边缘节点的组合,或边缘节点和终端设备的组合。其中,业务耗费函数作为目标函数,用于反映物联网业务需求在边缘网络能力模型中的映射关系。
S4、对选定的边缘节点和/或终端设备进行动态映射,以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略以执行;其中,多种映射策略包括:边缘节点单独执行;边缘节点和终端设备协同执行;终端设备单独执行;边缘节点和边缘节点协同执行。
本步骤对选定的边缘节点和/或终端设备进行动态映射,或者说,是映射机制的实现过程。上一步骤已从边缘节点集合EN、终端设备集合TU中筛选出的符合业务需求的边缘节点和/终端设备:可能为单一的边缘节点,或单一的终端设备,或边缘节点和边缘节点的组合,或边缘节点和终端设备的组合。针对于选定的边缘节点以及终端设备,以能耗最小化和资源占用代价最小化为约束条件,需要计算考量其执行任务时的能耗,包括计算能耗和传输能耗,还需要计算考量其执行任务时资源占用情况。计算能耗时,由于边缘节点采用有源设备供电,故而其计算能耗和传输能耗均很小,可忽略不计;而终端设备均采用无源设备,其计算能耗和传输能耗均较大。因此在映射过程中,需要尽量减少终端设备所执行的任务量,而尽量让边缘节点来执行任务,以实现整体能耗最小化。考量资源占用代价时,通信次数越少的,其资源占用代价越小。平衡优化的多种映射策略主要有四种,包括:边缘节点单独执行;边缘节点和终端设备协同执行;终端设备单独执行;边缘节点和边缘节点协同执行,且四种映射策略按照顺序考量和选择,最终选定一种映射策略以执行,以保证在满足物联网业务需求的情况下,实现能耗最低且资源占用代价最小的平衡最优的状态。
本发明实施例提供的物联网业务与边缘网络能力动态映射的方法,基于边缘计算技术,在充分分析物联网业务需求的基础上,准确分析当前边缘网络中各边缘节点和各终端设备的多种资源余量信息,以及各边缘节点和各终端设备执行任务的能力,并根据预设的目标函数建立业务需求模型和边缘网络能力模型之间的映射关系,以及根据目标函数从边缘网络模型中筛选出满足业务需求模型中业务需求的边缘节点和/或终端设备,最终再以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略,以对选定的边缘节点和/或终端设备进行动态映射,即,在边缘网络资源有限的情况下,根据业务实际需求与边缘网络能力模型的映射情况,动态地分配边缘网络资源中的边缘节点和/或终端设备,能够高效快速地执行物联网业务需求中的各计算任务,满足物联网业务需求,并且能耗更低、资源占用代价更小,最终实现能耗最低且资源占用代价最小的平衡最优的状态。
在上述实施例的基础上,S2中,所述各边缘节点与各终端设备的资源余量信息包括:各边缘节点的CPU资源余量、内存资源余量、输入输出资源余量,以及各终端设备的CPU资源余量、内存资源余量、输入输出资源余量。此时尤其要对产生物联网业务需求的该终端设备j所对应的边缘节点i的CPU资源余量、内存资源余量、输入输出资源余量进行分析,以及对产生物联网业务需求的该终端设备j的的CPU资源余量、内存资源余量、输入输出资源余量进行分析,以用于后续资源占用代价是否最小化的判断过程中。
在上述实施例的基础上,S2中,各边缘节点单独执行任务能力为计算的各边缘节点执行任务的时间;
和/或,各终端设备单独执行任务能力为终端设备执行任务的时间和任务计算能耗。
对边缘网络中各边缘节点单独执行任务能力进行分析:针对各边缘节点,确定其执行物联网业务需求中全部任务所需的时间;并确定其执行物联网业务需求中全部任务的计算能耗。具体地,以分析计算产生当前物联网业务需求的该终端设备j对应的该边缘节点i的单独执行任务能力为例进行说明。
该边缘节点i单独执行物联网业务需求中全部任务所需的时间用Ti edge表示,计算公式为:
其中,v为物联网业务需求中单个任务被该边缘节点i执行所需的CPU周期数;Ci为该边缘节点i单位时间内运行的CPU周期数,表示边缘节点i的计算能力;为分配到边缘节点i上的全部任务的数量,在边缘节点i单独执行任务时,该数量等于物联网业务需求中全部任务数量。
其中,Pi c为边缘节点i执行浮点计算的能耗功率;Ti edge为边缘节点i执行物联网业务需求中全部任务所需的时间。
Ci表示边缘节点i的计算能力,其也是边缘节点时延参数和能耗参数的重要影响因素。根据Ci等计算出该边缘节点i执行物联网业务需求中全部任务所需的时间Ti edge,以用于后续对当前时延是否满足业务需求中的时延要求的判断过程中。还计算出该边缘节点i执行物联网业务需求中全部任务的计算能耗以用于后续能耗是否为最小化的判断过程中。但是,边缘节点采用有源设备时,是利用插电电源提供电量支持,故而各边缘节点执行物联网业务需求中全部任务的计算能耗均可以忽略不计。从而,只需要以计算的各边缘节点执行物联网业务需求中全部任务所需的时间这一参量来衡量各边缘节点单独执行任务能力即可。和/或,对边缘网络中各终端设备单独执行任务能力进行分析:
对边缘网络中各终端设备单独执行任务能力进行分析:针对各终端设备,确定其执行物联网业务需求中全部任务所需的时间;并确定其执行物联网业务需求中全部任务的计算能耗。具体地,以分析计算产生当前物联网业务需求的该终端设备j单独执行任务能力为例进行说明。
其中,v为物联网业务需求中单个任务被该终端设备j执行所需的CPU周期数;ci为该终端设备j单位时间内运行的CPU周期数,表示终端设备j的计算能力;为分配到终端设备j上的全部任务的数量,在终端设备j单独执行任务时,该数量等于物联网业务需求中全部任务数量。
ci表示终端设备j的计算能力,其也是终端设备时延参数和能耗参数的重要影响因素。根据ci等计算出该终端设备j执行物联网业务需求中全部任务所需的时间以用于后续对当前时延是否满足业务需求中的时延要求的判断过程中。还计算出该终端设备j执行物联网业务需求中全部任务的计算能耗以用于后续能耗是否为最小化的判断过程中。并且,终端设备均采用无源设备,不具有持续可控的电量支持,故而各终端设备执行物联网业务需求中全部任务的计算能耗便是终端设备能力分析中的颇为重要的因素,需要重点计算和分析。
在上述实施例的基础上,S2中,两个边缘节点之间的协同执行任务能力为一个边缘节点传输数据到另一个边缘节点的数据传输时间;
和/或,边缘节点与终端设备之间的协同执行任务能力为边缘节点传输数据到终端设备的数据传输时间。
对边缘网路中任意两个边缘节点之间的协同执行任务能力进行分析:对边缘网络中各边缘节点分别与相邻的其他边缘节点之间的协同执行任务能力进行分析:针对边缘节点及其相邻的其他边缘节点,确定当前的边缘节点传输数据到其他边缘节点的数据传输时间;并确定当前的边缘节点传输数据到其他边缘节点的数据传输能耗。具体地,以分析计算产生当前边缘节点i和与其相邻的其他边缘节点之间的协同执行任务能力为例进行说明。
其中,为边缘节点i需要传输到相邻的其他边缘节点k的数据的大小,且k∈K,K为除边缘节点i以外的所有边缘节点的集合;为边缘节点i与相邻的其他边缘节点进行通信的传输速率,表示边缘节点i与相邻的其他边缘节点通信传输能力的大小。
边缘节点采用有源设备时,是利用插电电源提供电量支持,故而各边缘节点传输数据到相邻的其他边缘节点的数据传输能耗可忽略不计。
和/或,对边缘网络中边缘节点与终端设备之间的协同执行任务能力进行分析:
对边缘网络中各边缘节点分别与其自身相对应的各终端设备之间的协同执行任务能力进行分析:针对边缘节点及其相对应的终端设备,确定边缘节点传输数据到终端设备的数据传输时间;并确定边缘节点传输数据到终端设备的数据传输能耗。此外,还需要针对当前终端设备向其对应的边缘节点进行通信的过程进行分析,确定当前的终端设备上传数据到边缘节点的数据传输时间;并确定当前的终端设备上传数据到边缘节点的数据传输能耗。具体地,以分析计算产生当前物联网业务需求的该终端设备j和与其对应的该边缘节点i之间的协同执行任务能力为例进行说明。
边缘节点采用有源设备时,是利用插电电源提供电量支持,故而各边缘节点传输数据到各终端设备的数据传输能耗也可忽略不计。
并且,终端设备均采用无源设备,不具有持续可控的电量支持,故而终端设备j上传数据到边缘节点k所产生的数据传输能耗,也是终端设备能力分析中的颇为重要的因素,需要重点计算和分析。
在上述实施例的基础上,还可以综合评价边缘节点的数据传输总能耗,包括各边缘节点传输数据到相邻的其他边缘节点的数据传输能耗之和,以及各边缘节点传输数据到各终端设备的数据传输能耗之和这两大部分。具体地,边缘节点的数据传输总能耗用表示,计算公式为:
即,
其中,wi,k表示有无数据从边缘节点i传输到相邻的其它边缘节点k,有则为1,无则为0;yi,j表示有无数据从边缘节点i传输到终端设备j,有则为1,无则为0;n表示边缘节点的个数,m表示终端设备的个数。
边缘节点的数据传输总能耗用于综合性评价边缘节点i的通信传输能力。但是同样地,在边缘节点采用有源设备时,其利用插电电源提供电量支持,此时各边缘节点的数据传输总能耗直接忽略不计。进一步地,S3中,所述目标函数为所述物联网业务需求在所述边缘网络能力模型中的映射函数,根据映射函数建立映射关系。
在获得业务需求模型的业务需求元组Wj以及获得边缘网络能力模型Gedge(EN,TU,E)的基础上,再以业务耗费函数为目标函数,从边缘网络能力模型Gedge(EN,TU,E)包括的边缘节点集合EN、终端设备集合TU中筛选出符合业务需求中资源余量要求、时延要求、能耗要求等各种要求的边缘节点和/终端设备。业务耗费函数作为目标函数,是物联网业务需求在边缘网络能力模型中的映射函数,体现了物联网业务需求在边缘网络能力模型中的映射关系。
其中,z表示物联网业务需求;为终端设备j与边缘节点i交互的能耗;为终端设备的计算能耗;为当前的物联网业务需求中的各任务被当前终端设备j执行时付出的资源占用代价;分别为选取终端设备j来执行任务进行数据传输和计算的概率,取值为1或0,1表示选取了终端设备j,0表示未选取终端设备j;V为权重参数,是一个常量,其具体取值与能耗和资源占用代价的权重相关联,需要依据边缘节点i和终端设备j的当前实际状态来确定。
且
式(15)、(16)中,xi,j为分配给终端设备j执行的任务量;为分配给边缘节点i单独本地执行的任务量;xi为边缘节点i和边缘节点i对应的全部终端设备所需执行的总任务量;为物联网业务需求输入的总任务量。
其中,yj同样表示有无数据从边缘节点i传输到终端设备j,有则为1,无则为0。
图3是本发明实施例提供的一种物联网业务与边缘网络能力动态映射的方法中业务需求模型和边缘网络能力模型的映射关系示意图,如图3所示,根据S1步骤建立业务需求模型:通过终端设备业务需求感知器感知到某一终端设备产生实际的物联网业务需求,比如感知到边缘网络中终端设备集合TU1中的手机终端产生当前的物联网业务需求,然后对物联网业务需求进行分析,分析其业务需求中各任务输入数据的大小、各任务执行所需输入输出资源量、各任务的时延要求并记录在终端设备业务需求感知器中。再按照根据边缘网络拓扑结构的关系逻辑依次确定该当前终端设备唯一的对应边缘节点,再确定该对应边缘节点对应连接的多个终端设备以及该对应边缘节点相邻的其他边缘节点,再确定相邻的其他边缘节点对应的多个终端设备,由此,准确建立出业务需求模型中的逻辑主线。
而图3所示的边缘网络能力模型中,包括有一个边缘节点集合EN,其中包括EN1、EN2……ENn这n个边缘节点,每个边缘节点分别与终端设备集合TU1、TU2……TUn相对应,每个终端设备集合中具有不同数量和种类的终端设备。当终端设备业务需求感知器感知到终端设备集合TU1中的手机终端产生当前的物联网业务需求后,确定了物联网业务需求的具体内容,并且根据逻辑关系寻找该终端设备唯一的对应边缘节点,此时映射到边缘网络能力模型中的边缘节点EN1上,再找该唯一的对应边缘节点对应的其他终端设备,则映射到边缘网络能力模型中的终端设备集合TU1中的传感器上,再找该唯一的对应边缘节点相邻的其他边缘节点,则映射到边缘网络能力模型中的边缘节点EN2,再找边缘节点EN2对应的多个终端设备,则映射到边缘网络能力模型中的终端设备集合TU2上,各种映射关系均通过图3中虚线示出。
即,采用业务耗费函数作为目标函数,该目标函数为所述物联网业务需求在所述边缘网络能力模型中的映射函数,根据该映射函数建立已有的业务需求模型和已有的边缘网络能力模型之间的映射关系,并从边缘网络能力模型中选取符合物联网业务需求元组中各项要求的边缘节点和/或终端设备。筛选结果可能为单一的边缘节点,或单一的终端设备,或边缘节点和边缘节点的组合,或边缘节点和终端设备的组合。
在上述实施例的基础上,S4中,执行映射策略时,在与当前终端设备对应的边缘节点上存储边缘网络能力表,所述边缘网络能力表包括各边缘节点的资源余量信息及各边缘节点分别对应的各终端设备的资源余量信息;其中,所述当前终端设备为当前产生所述物联网业务需求的终端设备,所述边缘网络能力表实时更新。当一个终端设备产生物联网业务需求时,该终端设备将该业务需求上传到相对应的边缘节点处,当该边缘节点接收到执行任务请求或者协同执行业务请求时,会将当前物联网业务请求中的任务信息与边缘节点上存储的边缘网络能力表资源信息进行比对,进而进行下一步的动态映射操作,且边缘网络能力表可实时更新,以保证其具有边缘网络内各边缘节点和各终端设备的最新资源信息。
并且,在上述实施例的基础上,S4中,选定映射策略并执行的过程具体包括:
将所述当前终端设备对应的边缘节点作为基准边缘节点;
若物联网业务需求中任务执行所需的各类资源量均小于等于所述基准边缘节点的各类资源余量,且时延满足物联网业务需求中任务的时延要求,则执行基准边缘节点单独执行任务的映射策略;
若物联网业务需求中任务执行所需的各类资源量总和小于等于所述基准边缘节点和其对应的全部终端设备的各类资源余量的总和,且时延满足物联网业务需求中任务的时延要求,则执行基准边缘节点和终端设备协同执行任务的映射策略。
也就是说,对于上一步骤已经选定的边缘节点和/终端设备:可能为单一的边缘节点,或单一的终端设备,或边缘节点和边缘节点的组合,或边缘节点和终端设备的组合。以产生当前的物联网业务需求的终端设备作为当前终端设备,将所述当前终端设备对应的边缘节点作为基准边缘节点,优先给基准边缘节点分配任务。若物联网业务需求中任务执行所需的各类资源量均小于等于所述基准边缘节点的各类资源余量,且时延满足物联网业务需求中任务的时延要求,则执行基准边缘节点单独执行任务的映射策略,让物联网业务需求在基准边缘节点本地化,全部任务均在基准边缘节点的本地执行。
若物联网业务需求中任务执行所需的各类资源量总和小于等于所述基准边缘节点和其对应的全部终端设备的各类资源余量的总和,且时延满足物联网业务需求中任务的时延要求,则执行基准边缘节点和终端设备协同执行任务的映射策略:优先按照基准边缘节点的资源余量信息最大程度地给基准边缘节点分配任务,而将物联网业务需求中剩下的任务再分配给其相对应的终端设备上去执行,使得整体能耗更低。在上述实施例的基础上,所述执行基准边缘节点和终端设备协同执行任务的映射策略,具体包括:对所述基准边缘节点分配任务,再将超出基准边缘节点负荷的剩余任务分配到各类资源余量加权和最大的终端设备中,由此使得边缘网络中终端设备资源和边缘节点资源的合理有效地配合,来完成物联网业务需求中全部任务的执行,以实现整体能耗和资源占用代价最小化。
第二方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述的物联网业务与边缘网络能力动态映射的方法的步骤。图4示例出了该电子设备的实体结构示意图,如图4所示,该电子设备包括:处理器(processor)410、通信接口(CommunicationsInterface)420、存储器(memory)430和通信总线440,其中,处理器410、通信接口420和存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行上述各方法实施例所提供的物联网业务与边缘网络能力动态映射的方法,该方法包括:
S1、对物联网业务需求进行分析,所述物联网业务需求包括业务中各任务输入数据的大小、任务执行所需输入输出资源量、任务的时延要求,并根据分析结果建立业务需求模型;
S2、对边缘网络中各边缘节点与各终端设备的资源余量信息进行分析,并对各边缘节点或终端设备单独执行任务能力,以及对两个边缘节点之间或边缘节点与终端设备之间的协同执行任务能力进行分析,以建立边缘网络能力模型,所述边缘网络能力模型包括边缘节点集合、终端设备集合和通信链路集合,其中,一个所述边缘节点对应多个所述终端设备;
S3、根据预设的目标函数,从所述边缘网络能力模型中筛选出满足所述业务需求模型中业务需求的边缘节点和/或终端设备;
S4、对选定的边缘节点和/或终端设备进行动态映射,以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略以执行;其中,多种映射策略包括:边缘节点单独执行;边缘节点和终端设备协同执行;终端设备单独执行;边缘节点和边缘节点协同执行。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另外,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的基于交通路口识别的安全预警方法,该方法包括:
S1、对物联网业务需求进行分析,所述物联网业务需求包括业务中各任务输入数据的大小、任务执行所需输入输出资源量、任务的时延要求,并根据分析结果建立业务需求模型;
S2、对边缘网络中各边缘节点与各终端设备的资源余量信息进行分析,并对各边缘节点或终端设备单独执行任务能力,以及对两个边缘节点之间或边缘节点与终端设备之间的协同执行任务能力进行分析,以建立边缘网络能力模型,所述边缘网络能力模型包括边缘节点集合、终端设备集合和通信链路集合,其中,一个所述边缘节点对应多个所述终端设备;
S3、根据预设的目标函数,从所述边缘网络能力模型中筛选出满足所述业务需求模型中业务需求的边缘节点和/或终端设备;
S4、对选定的边缘节点和/或终端设备进行动态映射,以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略以执行;其中,多种映射策略包括:边缘节点单独执行;边缘节点和终端设备协同执行;终端设备单独执行;边缘节点和边缘节点协同执行。
第三方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的物联网业务与边缘网络能力动态映射的方法,该方法包括:
S1、对物联网业务需求进行分析,所述物联网业务需求包括业务中各任务输入数据的大小、任务执行所需输入输出资源量、任务的时延要求,并根据分析结果建立业务需求模型;
S2、对边缘网络中各边缘节点与各终端设备的资源余量信息进行分析,并对各边缘节点或终端设备单独执行任务能力,以及对两个边缘节点之间或边缘节点与终端设备之间的协同执行任务能力进行分析,以建立边缘网络能力模型,所述边缘网络能力模型包括边缘节点集合、终端设备集合和通信链路集合,其中,一个所述边缘节点对应多个所述终端设备;
S3、根据预设的目标函数,从所述边缘网络能力模型中筛选出满足所述业务需求模型中业务需求的边缘节点和/或终端设备;
S4、对选定的边缘节点和/或终端设备进行动态映射,以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略以执行;其中,多种映射策略包括:边缘节点单独执行;边缘节点和终端设备协同执行;终端设备单独执行;边缘节点和边缘节点协同执行。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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)
1.一种物联网业务与边缘网络能力动态映射的方法,其特征在于,包括:
S1、对物联网业务需求进行分析,所述物联网业务需求包括业务中各任务输入数据的大小、任务执行所需输入输出资源量、任务的时延要求,并根据分析结果建立业务需求模型;
S2、对边缘网络中各边缘节点与各终端设备的资源余量信息进行分析,并对各边缘节点或终端设备单独执行任务能力,以及对两个边缘节点之间或边缘节点与终端设备之间的协同执行任务能力进行分析,以建立边缘网络能力模型,所述边缘网络能力模型包括边缘节点集合、终端设备集合和通信链路集合,其中,一个所述边缘节点对应多个所述终端设备;
S3、根据预设的目标函数,从所述边缘网络能力模型中筛选出满足所述业务需求模型中业务需求的边缘节点和/或终端设备;
S4、对选定的边缘节点和/或终端设备进行动态映射,以能耗和资源占用代价最小化为约束条件,从多种映射策略中选定一种映射策略以执行;其中,多种映射策略包括:边缘节点单独执行;边缘节点和终端设备协同执行;终端设备单独执行;边缘节点和边缘节点协同执行。
2.根据权利要求1所述的物联网业务与边缘网络能力动态映射的方法,其特征在于,S2中,所述各边缘节点与各终端设备的资源余量信息包括:各边缘节点的CPU资源余量、内存资源余量、输入输出资源余量,以及各终端设备的CPU资源余量、内存资源余量、输入输出资源余量。
3.根据权利要求1所述的物联网业务与边缘网络能力动态映射的方法,其特征在于,S2中,各边缘节点单独执行任务能力为计算的各边缘节点执行任务的时间;
和/或,各终端设备单独执行任务能力为终端设备执行任务的时间和任务计算能耗。
4.根据权利要求1或3所述的物联网业务与边缘网络能力动态映射的方法,其特征在于,S2中,两个边缘节点之间的协同执行任务能力为一个边缘节点传输数据到另一个边缘节点的数据传输时间;
和/或,边缘节点与终端设备之间的协同执行任务能力为边缘节点传输数据到终端设备的数据传输时间。
5.根据权利要求1所述的物联网业务与边缘网络能力动态映射的方法,其特征在于,S3中,所述目标函数为所述物联网业务需求在所述边缘网络能力模型中的映射函数,根据映射函数建立映射关系。
6.根据权利要求1所述的物联网业务与边缘网络能力动态映射的方法,其特征在于,S4中,执行映射策略时,在与当前终端设备对应的边缘节点上存储边缘网络能力表,所述边缘网络能力表包括各边缘节点的资源余量信息及各边缘节点分别对应的各终端设备的资源余量信息;其中,所述当前终端设备为当前产生所述物联网业务需求的终端设备,所述边缘网络能力表实时更新。
7.根据权利要求6所述的物联网业务与边缘网络能力动态映射的方法,其特征在于,S4中,选定映射策略并执行的过程具体包括:
将所述当前终端设备对应的边缘节点作为基准边缘节点;
若物联网业务需求中任务执行所需的各类资源量均小于等于所述基准边缘节点的各类资源余量,且时延满足物联网业务需求中任务的时延要求,则执行基准边缘节点单独执行任务的映射策略;
若物联网业务需求中任务执行所需的各类资源量总和小于等于所述基准边缘节点和其对应的全部终端设备的各类资源余量的总和,且时延满足物联网业务需求中任务的时延要求,则执行基准边缘节点和终端设备协同执行任务的映射策略。
8.根据权利要求7所述的物联网业务与边缘网络能力动态映射的方法,其特征在于,所述执行基准边缘节点和终端设备协同执行任务的映射策略,具体包括:对所述基准边缘节点分配任务,再将超出基准边缘节点负荷的剩余任务分配到各类资源余量加权和最大的终端设备中。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任一项所述物联网业务与边缘网络能力动态映射的方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至8任一项所述物联网业务与边缘网络能力动态映射的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010859229.6A CN112187859B (zh) | 2020-08-24 | 2020-08-24 | 物联网业务与边缘网络能力动态映射的方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010859229.6A CN112187859B (zh) | 2020-08-24 | 2020-08-24 | 物联网业务与边缘网络能力动态映射的方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112187859A true CN112187859A (zh) | 2021-01-05 |
CN112187859B CN112187859B (zh) | 2022-05-24 |
Family
ID=73925433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010859229.6A Active CN112187859B (zh) | 2020-08-24 | 2020-08-24 | 物联网业务与边缘网络能力动态映射的方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112187859B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114915630A (zh) * | 2021-02-10 | 2022-08-16 | 中国移动通信有限公司研究院 | 基于物联网设备的任务分配方法、网络训练方法及装置 |
CN114915629A (zh) * | 2021-02-10 | 2022-08-16 | 中国移动通信有限公司研究院 | 信息处理方法、装置、系统、电子设备及存储介质 |
CN115134410A (zh) * | 2022-05-18 | 2022-09-30 | 北京邮电大学 | 边缘协作服务领域划分方法、装置、电子设备及存储介质 |
CN115801529A (zh) * | 2023-01-18 | 2023-03-14 | 中冶南方(武汉)自动化有限公司 | 物联网边缘侧应用交互的方法和系统 |
WO2023044673A1 (zh) * | 2021-09-23 | 2023-03-30 | 西门子股份公司 | 部署工业边缘应用的方法、装置及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170367086A1 (en) * | 2016-06-16 | 2017-12-21 | International Business Machines Corporation | System, method and apparatus for ad-hoc utilization of available resources across mobile devices |
CN108934002A (zh) * | 2018-07-18 | 2018-12-04 | 广东工业大学 | 一种基于d2d通信协作的任务卸载算法 |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN109992419A (zh) * | 2019-03-29 | 2019-07-09 | 长沙理工大学 | 一种优化的协同边缘计算低延迟任务分配卸载方法 |
CN111405568A (zh) * | 2020-03-19 | 2020-07-10 | 三峡大学 | 基于q学习的计算卸载和资源分配方法及装置 |
-
2020
- 2020-08-24 CN CN202010859229.6A patent/CN112187859B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170367086A1 (en) * | 2016-06-16 | 2017-12-21 | International Business Machines Corporation | System, method and apparatus for ad-hoc utilization of available resources across mobile devices |
CN108934002A (zh) * | 2018-07-18 | 2018-12-04 | 广东工业大学 | 一种基于d2d通信协作的任务卸载算法 |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN109992419A (zh) * | 2019-03-29 | 2019-07-09 | 长沙理工大学 | 一种优化的协同边缘计算低延迟任务分配卸载方法 |
CN111405568A (zh) * | 2020-03-19 | 2020-07-10 | 三峡大学 | 基于q学习的计算卸载和资源分配方法及装置 |
Non-Patent Citations (2)
Title |
---|
代美玲;刘周斌;郭少勇;邵苏杰;邱雪松;: "《基于终端能耗和系统时延最小化的边缘计算卸载及资源分配机制》", 《电子与信息学报》, 30 November 2019 (2019-11-30) * |
吴柳青,朱晓荣: "《基于边-端协同的任务卸载资源分配联合优化算法》", 《电信科学》, 31 March 2020 (2020-03-31) * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114915630A (zh) * | 2021-02-10 | 2022-08-16 | 中国移动通信有限公司研究院 | 基于物联网设备的任务分配方法、网络训练方法及装置 |
CN114915629A (zh) * | 2021-02-10 | 2022-08-16 | 中国移动通信有限公司研究院 | 信息处理方法、装置、系统、电子设备及存储介质 |
CN114915629B (zh) * | 2021-02-10 | 2023-08-15 | 中国移动通信有限公司研究院 | 信息处理方法、装置、系统、电子设备及存储介质 |
CN114915630B (zh) * | 2021-02-10 | 2023-10-31 | 中国移动通信有限公司研究院 | 基于物联网设备的任务分配方法、网络训练方法及装置 |
WO2023044673A1 (zh) * | 2021-09-23 | 2023-03-30 | 西门子股份公司 | 部署工业边缘应用的方法、装置及计算机可读存储介质 |
CN115134410A (zh) * | 2022-05-18 | 2022-09-30 | 北京邮电大学 | 边缘协作服务领域划分方法、装置、电子设备及存储介质 |
CN115134410B (zh) * | 2022-05-18 | 2023-11-10 | 北京邮电大学 | 边缘协作服务领域划分方法、装置、电子设备及存储介质 |
CN115801529A (zh) * | 2023-01-18 | 2023-03-14 | 中冶南方(武汉)自动化有限公司 | 物联网边缘侧应用交互的方法和系统 |
CN115801529B (zh) * | 2023-01-18 | 2023-05-16 | 中冶南方(武汉)自动化有限公司 | 物联网边缘侧应用交互的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112187859B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112187859B (zh) | 物联网业务与边缘网络能力动态映射的方法及电子设备 | |
Shukla et al. | An analytical model to minimize the latency in healthcare internet-of-things in fog computing environment | |
US9882985B1 (en) | Data storage path optimization for internet of things computing system | |
EP4158558A1 (en) | Federated learning optimizations | |
WO2020168761A1 (zh) | 训练模型的方法和装置 | |
WO2021143155A1 (zh) | 模型训练方法及装置 | |
CN110730138A (zh) | 天基云雾计算架构的动态资源配置方法、系统和存储介质 | |
CN113268341B (zh) | 电网边缘计算任务的分配方法、装置、设备和存储介质 | |
US20210042578A1 (en) | Feature engineering orchestration method and apparatus | |
Rajagopal et al. | FedSDM: Federated learning based smart decision making module for ECG data in IoT integrated Edge-Fog-Cloud computing environments | |
Mechalikh et al. | PureEdgeSim: A simulation framework for performance evaluation of cloud, edge and mist computing environments | |
CN112153650B (zh) | 一种无线网络中基于终端信誉的可靠联邦学习方法及系统 | |
EP4002231A1 (en) | Federated machine learning as a service | |
WO2022001941A1 (zh) | 网元管理方法、网管系统、独立计算节点、计算机设备、存储介质 | |
Laroui et al. | SO‐VMEC: service offloading in virtual mobile edge computing using deep reinforcement learning | |
KR20230000946A (ko) | 에지 데이터 우선순위 지정을 위한 시스템, 장치 및 방법 | |
TW202211035A (zh) | 用於資源分配的系統、元件以及方法 | |
US20230281513A1 (en) | Data model training method and apparatus | |
Yi et al. | A DRL-driven intelligent joint optimization strategy for computation offloading and resource allocation in ubiquitous edge IoT systems | |
US20220172054A1 (en) | Intermediate network node and method performed therein for handling data of communication networks | |
WO2021147620A1 (zh) | 一种基于模型训练的通信方法、装置及系统 | |
Sadatdiynov et al. | An intelligent hybrid method: Multi-objective optimization for MEC-enabled devices of IoE | |
Jia et al. | Online V2X scheduling for raw-level cooperative perception | |
Wang | Collaborative task offloading strategy of UAV cluster using improved genetic algorithm in mobile edge computing | |
CN116781788A (zh) | 服务决策方法以及服务决策装置 |
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 |