CN112966938A - 评估边缘计算能力的方法和装置 - Google Patents

评估边缘计算能力的方法和装置 Download PDF

Info

Publication number
CN112966938A
CN112966938A CN202110250417.3A CN202110250417A CN112966938A CN 112966938 A CN112966938 A CN 112966938A CN 202110250417 A CN202110250417 A CN 202110250417A CN 112966938 A CN112966938 A CN 112966938A
Authority
CN
China
Prior art keywords
edge computing
computing platform
data processing
processing task
parameter
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
Application number
CN202110250417.3A
Other languages
English (en)
Inventor
李董
张勋
张呈宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202110250417.3A priority Critical patent/CN112966938A/zh
Publication of CN112966938A publication Critical patent/CN112966938A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请公开了一种评估边缘计算能力的方法和装置，评估边缘计算能力的方法包括：在边缘计算平台通过预先设置的映射化简MapReduce计算装置的脚本处理至少一个数据处理任务的情况下，获取所述边缘计算平台的指标参数；其中，所述边缘计算平台包括：m个边缘计算节点，m为大于或等于1的整数；根据所述边缘计算平台的指标参数确定所述边缘计算平台的能力参数。本申请实施例将边缘计算平台的就处理过程映射为MapReduce计算过程，采用批处理的方式进行处理，通过边缘计算平台在处理数据的各项指标参数，形成了边缘计算平台较为通用的能力评估，提供了一种具有普适性的边缘计算能力的评估方法。

Description

评估边缘计算能力的方法和装置
技术领域
本申请涉及边缘计算技术领域，具体涉及一种评估边缘计算能力的方法和装置。
背景技术
云计算技术为多异构计算节点弹性互联、以分布式方式解决单计算节点或集群计算能力不足问题提供了有效的架构和实现方法。传统云计算架构一般采用“云—端”的模式，即在近端上进行数据采集，发送到云端进行处理。
随着应用的发展，一些应用对数据的实时性有很高的要求，数据完全交由云端处理时，数据的传输到处理返回过程会大大增加任务请求的响应时间。因此，新的云计算模型提出了“云—边缘计算—端”的层级结构，在云和端之间增加了具备计算和网络资源的边缘计算平台，如图1所示，将部分数据处理工作放至边缘计算平台进行，数据在数据产生源附近进行处理和分析，减少数据在网络中的流转，将大大减轻网络负载，缩短任务请求的响应时间。
边缘计算平台的性能受网络性能、计算能力、资源调度策略、基础计算架构等综合因素的影响，非常复杂。边缘计算平台的性能评估对边缘计算平台的设计和部署过程的瓶颈探测、资源调度策略、配置参数调优等均非常重要。
市面上已经有一些云服务器性能测试工具，例如：雅虎的YCSB(Yahoo！CloudServing Benchmark)，主要用于测试云存储非关系型数据库的性能；TPC公司的TPCBenchmarkTM W基于电子商务应用的网络事务性能测试基准；UC Berkeley的Cloud Stone开源项目，用于云环境下Web2.0系统的性能评估等。
边缘计算平台缺少通用的能力评估方法。不同的性能测试工具针对不同的行业和应用，其测试目的和指标也与应用场景密切相关。对于具有不同特点的平台，不同的应用场景，对平台的性能要求的侧重点、性能指标要求均不相同，因此当前的评估工具都缺乏普适性。
发明内容
本申请提供一种评估边缘计算能力的方法和装置，能够提供一种具有普适性的边缘计算能力的评估方法。
本申请第一方面提供一种评估边缘计算能力的方法，包括：
在边缘计算平台通过预先设置的映射化简MapReduce计算模型处理至少一个数据处理任务的情况下，获取所述边缘计算平台的指标参数；其中，所述边缘计算平台包括：m个边缘计算节点，m为大于或等于1的整数；
根据所述边缘计算平台的指标参数确定所述边缘计算平台的能力参数。
在一些示例性实施例中，所述边缘计算平台的指标参数包括：
每一个所述数据处理任务对应的指标参数；
所述边缘计算平台在预设资源利用率下对数据处理任务的最快响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的平均响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的最慢响应时间。
在一些示例性实施例中，某一个所述数据处理任务对应的指标参数包括：
所述边缘计算平台在处理某一个所述数据处理任务过程中，单位时间内接收的数据量；
所述边缘计算平台对某一个所述数据处理任务的响应时间；
所述边缘计算平台处理某一个所述数据处理任务所需要的时间；
所述边缘计算平台在处理某一个所述数据处理任务过程中的计算加速性能参数；
所述边缘计算平台在处理某一个所述数据处理任务过程中的数据集适应性参数；
保证所述边缘计算平台能够完成某一个所述数据处理任务的设置参数。
在一些示例性实施例中，所述计算加速性能参数包括：某一个所述边缘计算节点的处理时间和m个所述边缘计算节点的处理时间的比值。
在一些示例性实施例中，所述数据集适应性参数包括：某一个所述边缘计算节点处理大小为D的数据所需要的时间和m个所述边缘计算节点处理大小为mD的数据所需要的时间的比值。
在一些示例性实施例中，所述设置参数包括：
最小时间分片、最小处理滑动窗口时间和最小输出滑动窗口时间。
在一些示例性实施例中，所述根据边缘计算平台的指标参数确定边缘计算平台的能力参数包括：
确定所述边缘计算平台的能力参数为所述边缘计算平台的指标参数的加权平均值。
本申请第二方面提供一种评估边缘计算能力的装置，包括：
指标参数获取模块，用于在边缘计算平台通过预先设置的映射化简MapReduce计算模型处理至少一个数据处理任务的情况下，获取所述边缘计算平台的指标参数；其中，所述边缘计算平台包括：m个边缘计算节点，m为大于或等于1的整数；
能力参数确定模块，用于根据所述边缘计算平台的指标参数确定所述边缘计算平台的能力参数。
在一些示例性实施例中，所述边缘计算平台的指标参数包括：
每一个所述数据处理任务对应的指标参数；
所述边缘计算平台在预设资源利用率下对数据处理任务的最快响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的平均响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的最慢响应时间。
在一些示例性实施例中，所述能力参数确定模块具体用于：
确定所述边缘计算平台的能力参数为所述边缘计算平台的指标参数的加权平均值。
本申请具有如下优点：
本申请实施例在边缘计算平台通过预先设置的MapReduce计算模型处理至少一个数据处理任务的情况下，获取所述边缘计算平台的指标参数；根据所述边缘计算平台的指标参数确定所述边缘计算平台的能力参数。将边缘计算平台的就处理过程映射为MapReduce计算过程，采用批处理的方式进行处理，通过边缘计算平台在处理数据的各项指标参数，形成了边缘计算平台较为通用的能力评估，提供了一种具有普适性的边缘计算能力的评估方法。
附图说明
附图是用来提供对本申请的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请，但并不构成对本申请的限制。
图1为相关技术中新的云计算模型的结构示意图；
图2为本申请一个实施例提供的评估边缘计算能力的方法的流程图；
图3为本申请实施例提供的边缘计算平台通过预先设置的映射化简(MapReduce)计算模型处理数据处理任务的示意图；
图4为本申请另一个实施例提供的评估边缘计算能力的装置的结构组成示意图。
具体实施方式
以下结合附图对本申请的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请，并不用于限制本申请。
如本公开所使用的，术语“和/或”包括一个或多个相关列举条目的任何和全部组合。
本公开所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本公开所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。
当本公开中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。
本公开所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此，可根据制造技术和/或容限来修改示例图示。
除非另外限定，否则本公开所用的全部术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本公开明确如此限定。
图2为本申请一个实施例提供的评估边缘计算能力的方法的流程图。
如图2所示，本申请一个实施例提出了一种评估边缘计算能力的方法，包括：
步骤200、在边缘计算平台通过预先设置的MapReduce计算模型处理至少一个数据处理任务的情况下，获取所述边缘计算平台的指标参数；其中，所述边缘计算平台包括：m个边缘计算节点，m为大于或等于1的整数。
图3为本申请实施例提供的边缘计算平台通过预先设置的映射化简(MapReduce)计算模型处理数据处理任务的示意图。
在一些示例性实施例中，如图3所示，边缘计算平台通过预先设置的MapReduce计算模型处理数据处理任务的过程包括：
Map阶段：边缘计算平台将端节点采集的数据转换成第一键值对的格式；在Map阶段设定各个数据处理阶段的时间分片，根据各个数据处理阶段分配的时间分片数量来规定各个数据处理阶段进行数据处理的时间。
第一键值对例如是(key，value)的形式，key为关键字，value为采集的数据值。例如，在工业场景下，工业网关对连接的设备进行数据解析，采集工厂流水线数据，并上传到边缘计算平台，边缘计算平台将采集的工厂流水线数据处理为(设备1，数据1)的形式。
Shuffle阶段：根据实际需求将Map阶段输出的第一键值对进行分类汇聚，将关键字相同的第一键值对整合成第二键值对。
第二键值对例如是(key，list(value))的形式，也就是说，将关键字相同的第一键值对中的所有value值采用列表的形式给出。
Reduce阶段：对第二键值对进行最后的综合处理，得到运行综合信息。运行综合信息可以包括：数据处理的最终结果，边缘计算平台执行此次数据处理任务的设置参数等。
在Reduce阶段设置处理滑动窗口时间和输出滑动窗口时间等设置参数，以便对边缘计算平台进行能力评估。
在一些示例性实施例中，所述边缘计算平台的指标参数包括：
每一个所述数据处理任务对应的指标参数；
所述边缘计算平台在预设资源利用率下对数据处理任务的最快响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的平均响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的最慢响应时间。
在一些示例性实施例中，某一个所述数据处理任务对应的指标参数包括：
所述边缘计算平台在处理某一个所述数据处理任务过程中，单位时间内接收的数据量；
所述边缘计算平台对某一个所述数据处理任务的响应时间；
所述边缘计算平台处理某一个所述数据处理任务所需要的时间；
所述边缘计算平台在处理某一个所述数据处理任务过程中的计算加速性能参数；
所述边缘计算平台在处理某一个所述数据处理任务过程中的数据集适应性参数；
保证所述边缘计算平台能够完成某一个所述数据处理任务的设置参数。
在一些示例性实施例中，边缘计算平台对数据处理任务的响应时间是指边缘计算平台从接收到数据处理任务到开始处理数据处理任务之间的时间。
在一些示例性实施例中，所述计算加速性能参数包括：某一个所述边缘计算节点的处理时间和m个所述边缘计算节点的处理时间的比值。
在一些示例性实施例中，所述数据集适应性参数包括：某一个所述边缘计算节点处理大小为D的数据所需要的时间和m个所述边缘计算节点处理大小为mD的数据所需要的时间的比值。
在一些示例性实施例中，所述设置参数包括：
最小时间分片、最小处理滑动窗口时间和最小输出滑动窗口时间。
在一些示例性实施例中，可以通过在边缘计算平台上集成开源Hadoop组件，对边缘计算平台的底层计算资源进行管理，从而获得边缘计算平台在处理数据处理任务时的资源利用率。
步骤201、根据所述边缘计算平台的指标参数确定所述边缘计算平台的能力参数。
在一些示例性实施例中，所述根据边缘计算平台的指标参数确定边缘计算平台的能力参数包括：
确定所述边缘计算平台的能力参数为所述边缘计算平台的指标参数的加权平均值。
在一些示例性实施例中，当m为1时，在计算所述边缘计算平台的指标参数的加权平均值时，可以将计算加速性能参数、数据集适应性参数的权重系数设置的稍微低一点，这是因为，当m为1时，不同的边缘计算平台对应的计算加速性能参数、数据集适应性参数取值均相同，无法通过计算加速性能参数、数据集适应性参数区分不同边缘计算平台的能力。
本申请实施例将边缘计算平台的就处理过程映射为MapReduce计算过程，采用批处理的方式进行处理，通过边缘计算平台在处理数据的各项指标参数，形成了边缘计算平台较为通用的能力评估，提供了一种具有普适性的边缘计算能力的评估方法。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
图4为本申请另一个实施例提供的评估边缘计算能力的装置的结构组成示意图。
如图4所示，本申请另一个实施例提出了一种评估边缘计算能力的装置，包括：
指标参数获取模块401，用于在边缘计算平台通过预先设置的映射化简MapReduce计算模型处理至少一个数据处理任务的情况下，获取所述边缘计算平台的指标参数；其中，所述边缘计算平台包括：m个边缘计算节点，m为大于或等于1的整数；
能力参数确定模块402，用于根据所述边缘计算平台的指标参数确定所述边缘计算平台的能力参数。
在一些示例性实施例中，所述边缘计算平台的指标参数包括：
每一个所述数据处理任务对应的指标参数；
所述边缘计算平台在预设资源利用率下对数据处理任务的最快响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的平均响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的最慢响应时间。
在一些示例性实施例中，某一个所述数据处理任务对应的指标参数包括：
所述边缘计算平台在处理某一个所述数据处理任务过程中，单位时间内接收的数据量；
所述边缘计算平台对某一个所述数据处理任务的响应时间；
所述边缘计算平台处理某一个所述数据处理任务所需要的时间；
所述边缘计算平台在处理某一个所述数据处理任务过程中的计算加速性能参数；
所述边缘计算平台在处理某一个所述数据处理任务过程中的数据集适应性参数；
保证所述边缘计算平台能够完成某一个所述数据处理任务的设置参数。
在一些示例性实施例中，所述计算加速性能参数包括：某一个所述边缘计算节点的处理时间和m个所述边缘计算节点的处理时间的比值。
在一些示例性实施例中，所述数据集适应性参数包括：某一个所述边缘计算节点处理大小为D的数据所需要的时间和m个所述边缘计算节点处理大小为mD的数据所需要的时间的比值。
在一些示例性实施例中，所述设置参数包括：
最小时间分片、最小处理滑动窗口时间和最小输出滑动窗口时间。
在一些示例性实施例中，所述能力参数确定模块402具体用于：
确定所述边缘计算平台的能力参数为所述边缘计算平台的指标参数的加权平均值。
上述评估边缘计算能力的装置的具体实现过程与前述实施例评估边缘计算能力的方法的具体实现过程相同，这里不再赘述。
需要说明的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本申请的创新部分，本实施方式中并没有将与解决本申请所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
本实施例还提供一种电子设备，包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本实施例提供的评估边缘计算能力的方法，为避免重复描述，在此不再赘述评估边缘计算能力的方法的具体步骤。
本实施例还提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本实施例提供的评估边缘计算能力的方法，为避免重复描述，在此不再赘述评估边缘计算能力的方法的具体步骤。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据，并且可包括任何信息递送介质。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本实施例的范围之内并且形成不同的实施例。
可以理解的是，以上实施方式仅仅是为了说明本申请的原理而采用的示例性实施方式，然而本申请并不局限于此。对于本领域内的普通技术人员而言，在不脱离本申请的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本申请的保护范围。

Claims (10)

1.一种评估边缘计算能力的方法，包括：
在边缘计算平台通过预先设置的映射化简MapReduce计算模型处理至少一个数据处理任务的情况下，获取所述边缘计算平台的指标参数；其中，所述边缘计算平台包括：m个边缘计算节点，m为大于或等于1的整数；
根据所述边缘计算平台的指标参数确定所述边缘计算平台的能力参数。
2.根据权利要求1所述的方法，其中，所述边缘计算平台的指标参数包括：
每一个所述数据处理任务对应的指标参数；
所述边缘计算平台在预设资源利用率下对数据处理任务的最快响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的平均响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的最慢响应时间。
3.根据权利要求2所述的方法，其中，某一个所述数据处理任务对应的指标参数包括：
所述边缘计算平台在处理某一个所述数据处理任务过程中，单位时间内接收的数据量；
所述边缘计算平台对某一个所述数据处理任务的响应时间；
所述边缘计算平台处理某一个所述数据处理任务所需要的时间；
所述边缘计算平台在处理某一个所述数据处理任务过程中的计算加速性能参数；
所述边缘计算平台在处理某一个所述数据处理任务过程中的数据集适应性参数；
保证所述边缘计算平台能够完成某一个所述数据处理任务的设置参数。
4.根据权利要求3所述的方法，其中，所述计算加速性能参数包括：某一个所述边缘计算节点的处理时间和m个所述边缘计算节点的处理时间的比值。
5.根据权利要求3所述的方法，其中，所述数据集适应性参数包括：某一个所述边缘计算节点处理大小为D的数据所需要的时间和m个所述边缘计算节点处理大小为mD的数据所需要的时间的比值。
6.根据权利要求3所述的方法，其中，所述设置参数包括：
最小时间分片、最小处理滑动窗口时间和最小输出滑动窗口时间。
7.根据权利要求1所述的方法，其中，所述根据边缘计算平台的指标参数确定边缘计算平台的能力参数包括：
确定所述边缘计算平台的能力参数为所述边缘计算平台的指标参数的加权平均值。
8.一种评估边缘计算能力的装置，包括：
指标参数获取模块，用于在边缘计算平台通过预先设置的映射化简MapReduce计算模型处理至少一个数据处理任务的情况下，获取所述边缘计算平台的指标参数；其中，所述边缘计算平台包括：m个边缘计算节点，m为大于或等于1的整数；
能力参数确定模块，用于根据所述边缘计算平台的指标参数确定所述边缘计算平台的能力参数。
9.根据权利要求8所述的装置，其中，所述边缘计算平台的指标参数包括：
每一个所述数据处理任务对应的指标参数；
所述边缘计算平台在预设资源利用率下对数据处理任务的最快响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的平均响应时间；
所述边缘计算平台在预设资源利用率下对数据处理任务的最慢响应时间。
10.根据权利要求8所述的装置，其中，所述能力参数确定模块具体用于：
确定所述边缘计算平台的能力参数为所述边缘计算平台的指标参数的加权平均值。
CN202110250417.3A 2021-03-08 2021-03-08 评估边缘计算能力的方法和装置 Pending CN112966938A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110250417.3A CN112966938A (zh) 2021-03-08 2021-03-08 评估边缘计算能力的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110250417.3A CN112966938A (zh) 2021-03-08 2021-03-08 评估边缘计算能力的方法和装置

Publications (1)

Publication Number Publication Date
CN112966938A true CN112966938A (zh) 2021-06-15

Family

ID=76276902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110250417.3A Pending CN112966938A (zh) 2021-03-08 2021-03-08 评估边缘计算能力的方法和装置

Country Status (1)

Country Link
CN (1) CN112966938A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274035A (zh) * 2020-01-20 2020-06-12 长沙市源本信息科技有限公司 边缘计算环境下的资源调度方法、装置和计算机设备
CN112003660A (zh) * 2020-07-17 2020-11-27 北京大学深圳研究生院 一种网内资源的量纲测量方法、算力调度方法及存储介质
CN112087390A (zh) * 2019-06-14 2020-12-15 华为技术有限公司 一种网络路由方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112087390A (zh) * 2019-06-14 2020-12-15 华为技术有限公司 一种网络路由方法及装置
CN111274035A (zh) * 2020-01-20 2020-06-12 长沙市源本信息科技有限公司 边缘计算环境下的资源调度方法、装置和计算机设备
CN112003660A (zh) * 2020-07-17 2020-11-27 北京大学深圳研究生院 一种网内资源的量纲测量方法、算力调度方法及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
钟瑜 等: "一种嵌入式边缘计算平台能力评估方法", 《通信技术》 *

Similar Documents

Publication Publication Date Title
US10129118B1 (en) Real time anomaly detection for data streams
US10270668B1 (en) Identifying correlated events in a distributed system according to operational metrics
CN109587008B (zh) 检测异常流量数据的方法、装置及存储介质
US20140215477A1 (en) Realizing graph processing based on the mapreduce architecture
CN109543891B (zh) 容量预测模型的建立方法、设备及计算机可读存储介质
CN110247977B (zh) 一种基于边缘计算的数据融合的方法和系统
CN109614284B (zh) 一种数据处理方法及装置
CN109815085B (zh) 告警数据的分类方法、装置和电子设备及存储介质
CN111626338B (zh) 基于融合分类模型的云环境匹配方法、装置、设备和介质
CN114911800A (zh) 电力系统的故障预测方法、装置以及电子设备
CN111062431A (zh) 图像聚类方法、图像聚类装置、电子设备及存储介质
CN107203464B (zh) 业务问题的定位方法以及装置
CN113810234B (zh) 微服务链路拓扑处理方法、装置及可读存储介质
CN114153646A (zh) 一种运维故障处置方法、装置及存储介质、处理器
CN106445788A (zh) 一种信息系统运行状态预测方法和装置
CN113360353A (zh) 一种测试服务器和云平台
CN112966938A (zh) 评估边缘计算能力的方法和装置
CN114035906B (zh) 虚拟机迁移方法、装置、电子设备及存储介质
CN113052509B (zh) 模型评估方法、模型评估装置、电子设备和存储介质
CN116225690A (zh) 基于docker的内存多维数据库计算负载均衡方法及系统
CN113448747B (zh) 数据传输方法、装置、计算机设备和存储介质
CN114706893A (zh) 故障检测方法、装置、设备及存储介质
CN114638316A (zh) 一种数据聚类方法、装置和设备
CN114679471B (zh) 一种基于云端业务处理的数据匹配方法
CN112699101B (zh) 基于存储与处理的服务器系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210615