CN113271613A - 基于基站群的数据处理方法、基站及基站系统 - Google Patents
基于基站群的数据处理方法、基站及基站系统 Download PDFInfo
- Publication number
- CN113271613A CN113271613A CN202010333972.8A CN202010333972A CN113271613A CN 113271613 A CN113271613 A CN 113271613A CN 202010333972 A CN202010333972 A CN 202010333972A CN 113271613 A CN113271613 A CN 113271613A
- Authority
- CN
- China
- Prior art keywords
- base station
- task
- processing
- processing task
- target base
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 321
- 238000000034 method Methods 0.000 claims abstract description 61
- 238000012546 transfer Methods 0.000 claims abstract description 39
- 230000002093 peripheral effect Effects 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开提供了一种基于基站群的数据处理方法,其中,包括:对触发任务确定出任务转移方案,所述任务转移方案包括:至少一个处理任务;确定每个所述处理任务所分配的目标基站;将所述处理任务发送至所分配的所述目标基站;接收目标基站反馈的所述处理任务的处理结果;根据所述处理任务的处理结果得到所述触发任务的处理结果。本公开还提供了一种基站、基站系统及计算机可读介质。
Description
技术领域
本公开实施例涉及数据处理领域,特别涉及基于基站群的数据处理方法、基站、基站系统及计算机可读介质。
背景技术
随着5G技术的发展,基站的功能越来越完善,其可承担的任务越来越多。现有技术中,在进行数据处理时,当缺乏近距离边缘云时,基站通常需要进行大量数据的远距离传输,这将导致基站资源被大量占用且产生较高延迟的问题,现有技术中的基站群架构无法解决该问题。
发明内容
本公开实施例提供一种基于基站群的数据处理方法、基站、基站系统及计算机可读介质。
第一方面,本公开实施例提供了一种基于基站群的数据处理方法,其中,包括:
对触发任务确定出任务转移方案,所述任务转移方案包括:至少一个处理任务;
确定每个所述处理任务所分配的目标基站;
将所述处理任务发送至所分配的所述目标基站;
接收目标基站反馈的所述处理任务的处理结果;
根据所述处理任务的处理结果得到所述触发任务的处理结果。
在一些实施例中,在所述对触发任务确定出任务转移方案的步骤之前,还包括:
获取周边基站的状态信息,所述状态信息包括:空闲算力资源;
所述确定每个所述处理任务所分配的目标基站的步骤具体包括:
针对每个所述处理任务,根据所述状态信息确定出空闲算力资源超过该处理任务的任务消耗资源的至少一个周边基站,以作为该处理任务所分配的目标基站。
在一些实施例中,所述获取周边基站的状态信息的步骤包括:
周期性的获取基站状态池中所记载的周边基站的状态信息;
或者,
响应于预设触发条件,广播基站状态问询信息,并接收周边基站反馈的状态信息。
在一些实施例中,所述任务转移方案包括1个处理任务,所述处理任务为所述触发任务;
所述根据所述状态信息确定出空闲算力资源超过该处理任务的任务消耗资源的至少一个周边基站,以作为该处理任务所分配的目标基站的步骤包括:
根据所述状态信息,选择空闲算力资源超过所述处理任务的任务消耗资源且空闲算力资源最大的一个周边基站,作为该处理任务所分配的目标基站。
在一些实施例中,所述任务转移方案包括多个个处理任务,每个所述处理任务均为所述触发任务所分解出的独立的子任务;
所述针对每个所述处理任务,根据所述状态信息确定出空闲算力资源超过该处理任务的任务消耗资源的至少一个周边基站,以作为该处理任务所分配的目标基站的步骤包括:
按照任务消耗资源由大至小的顺序依次来为各所述子任务分配目标基站,其中,所述子任务所分配的目标基站为周边基站的空闲算力资源超过该子任务的任务消耗资源且距离最近的至少一个周边基站。
在一些实施例中,所述根据所述处理任务的处理结果得到所述触发任务的处理结果的步骤包括:
基于所述处理任务的分解方式,对全部所述子任务的处理结果进行汇聚处理,以得到所述处理任务的处理结果。
在一些实施例中,所述处理任务为迭代处理任务;
在所述根据所述处理任务的处理结果得到所述触发任务的处理结果的步骤之前,还包括:
判断当前次迭代的处理结果是否满足所述迭代处理任务的结束条件;
若判断出当前次迭代的处理结果满足所述迭代处理任务的结束条件,则将当前次迭代的处理结果作为所述迭代处理任务的处理结果;
若判断出当前次迭代的处理结果不满足所述迭代处理任务的结束条件,则根据当前次迭代的处理结果来对所述迭代处理任务中的超参数进行更新,并将完成超参数更新的所述迭代处理任务再次发送至所分配的所述目标基站。
在一些实施例中,所述处理任务为联邦学习任务,所述目标基站的数量为多个;
在根据所述处理任务的处理结果得到所述触发任务的处理结果的步骤之前,还包括:
对所述联邦学习任务所分配的全部目标基站所反馈的处理结果进行聚合处理,以得到所述联邦学习任务的最终处理结果。
在一些实施例中,将所述处理任务发送至所分配的所述目标基站的步骤之前,还包括:
检测自身状态是否异常;
当检测到自身状态异常时,则确定一个新的主控基站,并将所述触发任务的任务转移方案以及处理任务所对应目标基站的基站信息发送至新的主控基站;
当检测到自身状态正常时,则继续执行将所述处理任务发送至所分配的所述目标基站的步骤。
第二方面,本公开还提供一种基于基站群的数据处理方法,其中,包括:
接收处理任务;
根据所述处理任务进行本地任务处理,以得到所述处理任务的处理结果;
将所述处理结果反馈至主控基站,以供主控基站根据所述处理结果得到触发任务的处理结果。
在一些实施例中,所述方法还包括:
响应于所述处理任务的本地任务处理过程中断,从周边基站中选择一个基站,以作为新的目标基站,并将所述处理任务和所述主控基站的位置信息发送至新的目标基站。
第三方面,本公开还提供一种基站,其中,包括:
一个或多个处理器;
第一存储装置,其上存储有一个或多个第一程序,当所述一个或多个第一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公开第一方面所提供的基于基站群的数据处理方法。
第四方面,本公开还提供一种基站,其中,包括:
一个或多个处理器;
第二存储装置,其上存储有一个或多个第二程序,当所述一个或多个第二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公开第二方面所提供的基于基站群的数据处理方法。
第五方面,本公开还提供一种基站系统,其中,包括:本公开第三方面所提供的基站和本公开第四方面所提供的基站。
第六方面,本公开还提供一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现本公开第一方面和第二方面所提供的方法
本公开实施例提供的基于基站群的数据处理方法、基站、基站系统及计算机可读介质,当基站群中的一个基站基于自身资源无法独立完成数据处理任务时,通过确定任务转移方案而将任务转移至基站群中的其他基站,以利用基站群中其他基站的资源进行数据处理,从而实现了数据处理在基站群组中的灵活转移计算或众筹计算,相较于现有技术,降低了大量数据在中心服务器和边缘服务器之间的远距离传输开销,进而降低了任务计算延时,提高了数据处理效率。
附图说明
附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开的实施例一起用于解释本公开,并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述,以上和其他特征和优点对本领域技术人员将变得更加显而易见,在附图中:
图1为本公开涉及的一种基站群的结构示意图;
图2为本公开实施例提供的一种基于基站群的数据处理方法的流程图;
图3为本公开实施例提供的另一种基于基站群的数据处理方法的流程图;
图4为本公开实施例提供的又一种基于基站群的数据处理方法的流程图;
图5为本公开实施例提供的再一种基于基站群的数据处理方法的流程图;
图6为本公开实施例提供的再一种基于基站群的数据处理方法的流程图;
图7为本公开实施例提供的再一种基于基站群的数据处理方法的流程图;
图8为本公开实施例提供的再一种基于基站群的数据处理方法的流程图;
图9为本公开实施例提供的再一种基于基站群的数据处理方法的流程图;
图10为本公开实施例提供的再一种基于基站群的数据处理方法的流程图;
图11为本公开实施例提供的一种基站的结构示意图;
图12为本公开实施例提供的另一种基站的结构示意图;
图13为本公开实施例提供的一种基站系统的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的基于基站群的数据处理方法、基站、基站系统及计算机可读介质进行详细描述。
在下文中将参考附图更充分地描述示例实施例,但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之,提供这些实施例的目的在于使本公开透彻和完整,并将使本领域技术人员充分理解本公开的范围。
本文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。如本文所使用的,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。还将理解的是,当本说明书中使用术语“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他特征、整体、步骤、操作、元件、组件和/或其群组。
将理解的是,虽然本文可以使用术语第一、第二等来描述各种元件/指令/请求,但这些元件/指令/请求不应当受限于这些术语。这些术语仅用于区分一个元件元件/指令/请求和另一元件元件/指令/请求。
除非另外限定,否则本文所用的所有术语(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,除非本文明确如此限定。
本公开提供的基于基站群的数据处理方法基于一种基站群实现,尤其是地缘基站群,地缘一词并不指代绝对的地理距离意义,而是指能够直接或间接建立通信连接的基站群,基站群中基站数量也不绝对,可以成百也可以上千,相较于较远的边缘云,数据在这些基站群之间的传输开销更小,延时更短。图1为本公开涉及的基站群的结构示意图。其中,基站群中的基站之间可进行通信,且具有各自的算力资源及存储空间。本公开提供的基于基站群的数据处理方法能够利用基站自身的资源和通信连接,实现实时计算任务以及非实时任务的转移计算和众筹计算,从而提高数据处理效率。
图2为本公开实施例提供的一种基于基站群的数据处理方法的流程图。该方法以基站群中的单个基站作为执行主体,需要说明的是,本公开中,当基站作为数据处理过程的发起方时,该基站称为主控基站,本公开实施例中,方法的执行主体即为主控基站。如图2所示,该方法包括:
步骤S101、对触发任务确定出任务转移方案,该任务转移方案包括:至少一个处理任务。
具体的,触发任务是指主控基站当前需处理的任务,具体的,该触发任务包括但不限于:优先级高的实时计算任务和优先级低的非实时计算任务。主控基站通过对触发任务进行分析而确定出该触发任务的性质(是否可分解及是否需多次迭代计算等)以及处理该触发任务所需要的资源,通过将处理该触发任务所需的资源与当前自身所具备的空闲资源进行比较而确定出该触发任务的任务转移方案,该任务转移方案应包括任务信息和任务数据等内容,其中,任务信息包括任务的完整目标或者部分目标、任务计算所用的计算网络结构以及任务计算使用的各种超参数等信息;具体的,任务转移方案中应包括至少一个处理任务,该处理任务可为该触发任务,也可为该触发任务所分解出的一个子任务。
步骤S102、确定每个处理任务所分配的目标基站。
在确定出任务转移方案后,主控基站为处理任务选择合适的目标基站,以进行后续的数据处理过程。其中,目标基站为基站群中的基站,目标基站的选择可以是从主控基站维护的基站状态池进行选择,也可以是通过即时广播的形式从附近基站中进行选择,等等,本实施例不限定目标基站的选择方式。
步骤S103、将处理任务发送至所分配的目标基站。
步骤S104、接收目标基站反馈的处理任务的处理结果。
步骤S105、根据处理任务的处理结果得到触发任务的处理结果。
目标基站在对处理任务完成处理后,将处理结果反馈至主控基站,主控基站将处理结果整理为触发任务的处理结果,需要说明的是,该整理过程需基于任务转移方案实施,例如,当任务转移方案为将触发任务进行分割时,该整理过程为将各目标基站反馈的处理结果进行对应组合以得到触发任务的处理结果;当任务转移方案为触发任务整体转移(不分割)时,该整理过程为将目标基站反馈的处理结果作为触发任务的处理结果。
本公开实施例提供的基于基站群的数据处理方法,当基站群中的一个基站基于自身资源无法独立完成数据处理任务时,通过确定任务转移方案而将任务转移至基站群中的其他基站,以利用基站群中其他基站的资源进行数据处理,从而实现了数据处理在基站群组中的灵活转移计算或众筹计算,相较于现有技术,降低了大量数据在中心服务器和边缘服务器之间的远距离传输开销,进而降低了任务计算延时,提高了数据处理效率。
图3为本公开实施例提供的另一种基于基站群的数据处理方法的流程图,如图3所示,该方法除包括图2所示方法的步骤S101-S105之外,在步骤S101之前,还包括:
步骤S100、获取周边基站的状态信息,该状态信息包括:空闲算力资源。
基站的“周边基站”是指距离基站自身预设距离范围内的基站或者是位于基站周边的一定数量的基站(例如,距离自身最近的一定数量的基站);基站的状态信息包括:空闲算力资源,该空闲算力资源为CPU/GPU能力和/或计算可用空间,此外,基站的状态信息还可包括基站当前可用的存储空间大小、基站的位置信息、基站的标识信息以及基站的工作状态等信息。
对应的,本实施例中,步骤S102具体包括:
步骤S1021、针对每个处理任务,根据周边基站的状态信息确定出空闲算力资源超过该处理任务的任务消耗资源的至少一个周边基站,以作为该处理任务所分配的目标基站。
具体的,主控基站根据每个处理任务所需要的任务消耗资源,从基站状态池中所记录的周边各基站中,选择空闲算力资源超过该处理任务的任务消耗资源的至少一个基站作为目标基站以处理该处理任务。
需要说明的是,在实际应用中,有些处理任务与目标基站是一对一的对应关系,例如各处理任务为独立的任务,而有些处理任务与基站是一对多的对应关系,例如一个处理任务需要多个目标基站来协助完成处理。
具体的,作为步骤S100的一种可选方式,获取周边基站的状态信息的具体过程可以为:周期性的获取基站状态池中所记载的周边基站的状态信息;具体的,基站群中的每个基站自身都维护有一个基站状态池,该基站状态池中存储了基站自身周边基站(“周边基站”是指距离基站自身预设距离范围内的基站或者是位于基站周边的一定数量的基站,例如,距离自身最近的一定数量的基站)的状态信息,基站每隔预设时间间隔收集基站状态池中存储的周边基站的状态信息进行更新。
作为步骤S100的另一种可选方式,获取周边基站的状态信息的具体过程还可以为:响应于预设触发条件,广播基站状态问询信息,并接收周边基站反馈的状态信息;具体的,当基站需要发起基于基站群的数据处理流程时,可基于预设的触发条件,向周边广播基站状态问询信息,该基站状态问询信息中包括自身的位置信息,周边预设距离范围内的基站在接收到该广播后,自动将自身的状态信息进行反馈。其中,预设的触发条件由本领域技术人员根据实际情况进行设定,例如,触发条件可以为当基站接收到触发任务时。
在实际应用中,优选的,当触发任务为非实时任务时,通常按照周期性的获取基站状态池中所记载的周边基站的状态信息的方式来获取周边基站的状态信息,而当触发任务为实时任务时,通常以广播的形式来获取周基站的状态信息,以提高实时任务的即时性。
图4为本公开实施例提供的又一种基于基站群的数据处理方法的流程图,本实施例中,任务转移方案具体包括1个处理任务,该处理任务即为触发任务,即是说,触发任务不进行分割,主控基站将触发任务进行整体复制转移。此时,本实施例在图3所示实施例的基础上,步骤S102具体包括:
步骤S1021a、根据周边基站的状态信息,选择空闲算力资源超过该处理任务的任务消耗资源且空闲算力资源最大的一个周边基站,作为该处理任务所分配的目标基站。
即,当主控基站不对触发任务进行分割时,主控基站选择周边基站的空闲算力资源超过该处理任务的任务消耗资源最大的一个周边基站来处理该处理任务,从而可以最大限度地利用基站群中的可利用算力资源,进而提高数据处理效率。
图5为本公开实施例提供的再一种基于基站群的数据处理方法的流程图,本实施例中,任务转移方案具体包括多个处理任务,每个处理任务均为触发任务所分解出的独立的子任务,即,主控基站对触发任务进行了分割并进行转移,其中,“独立的子任务”是指这些子任务之间没有任何关联,即这些子任务的执行顺序不作限定。此时,本实施例在图3所示实施例的基础上,步骤S102具体包括:
步骤S1021b、按照任务消耗资源由大至小的顺序依次来为各子任务分配目标基站,其中,子任务所分配的目标基站为周边基站的空闲算力资源超过该子任务的任务消耗资源且距离最近的至少一个周边基站。
需要说明的是,本实施例中,若子任务为单基站处理子任务,则对应的目标基站为1个;若子任务为多基站处理子任务(例如联邦学习子任务),则对应的目标可以为多个。
本实施例中,通过上述的目标基站确定方式可以最大限度的利用基站群中的空闲算力资源,从而使主控基站的触发任务能够被高效处理。
继续参照图5,在一些实施例中,当转移方案包括多个处理任务时,上述步骤S105具体包括:
步骤S1051、基于处理任务的分解方式,对全部子任务的处理结果进行汇聚处理,以得到处理任务的处理结果。
主控基站在接收到全部子任务的处理结果后,对所有处理结果进行汇聚处理,该汇聚处理过程包括但不限于加减乘除及复杂算法的组合,具体的汇聚处理过程可基于触发任务的分割方式实施,本实施例不做具体限定。
图4和图5实施例中所涉及的其他步骤与图3所示实施例对应相同,具体请参照图3所示实施例的描述,此处不再赘述。
另外,上述实施例中仅示出了目标基站的有限种确定方式,在实际应用中,还可基于其他固定的选择策略和/或动态算法选择方法进行目标基站的确定。
图6为本公开实施例提供的再一种基于基站群的数据处理方法的流程图,本实施例中,处理任务为迭代处理任务,即,本实施例中,处理任务需要基于一定量的大数据进行多次迭代来得到处理结果,在实际应用中,例如,对整体识别模型的优化计算即为迭代处理任务,具体的,如频域干扰识别模型的优化需要利用基站的本地频域干扰识别样本数据库中的数据来完成该任务的多次迭代计算。本实施例中,主控基站将处理任务分发给目标基站后,目标基站利用本地数据库来完成多次迭代计算,以利用目标基站的本地数据对识别模型进行训练更新。另外,本实施例中,目标基站的数量可以为一个也可以为多个,具体目标基站的数量可根据模型训练所需样本数据的数量进行确定。
参照图6,本实施例在图3所示实施例的基础上,在步骤S105之前还包括:
步骤S105_01、判断当前次迭代的处理结果是否满足迭代处理任务的结束条件。
当处理任务为迭代处理任务时,每完成单次的迭代计算,主控基站需判断当前次迭代的处理结果是否满足结束条件,该结束条件为迭代处理任务结束的条件,具体的,结束条件可以为迭代次数达到阈值次数,还可以为迭代结果达到收敛条件,结束条件的具体设置可由本领域技术人员基于具体的触发任务进行设置,本公开不做具体限定。
在步骤S105_01中,当判断出当前次迭代的处理结果满足迭代处理任务的结束条件时,此时执行步骤S105_02,以结束后续迭代计算过程;当判断出当前次迭代的处理结果不满足迭代处理任务的结束条件时,此时执行步骤S105_03,以继续进行后续迭代计算过程。
步骤S105_02、将当前次迭代的处理结果作为迭代处理任务的处理结果。
步骤S105_03、根据当前次迭代的处理结果来对迭代处理任务中的超参数进行更新,并将完成超参数更新的迭代处理任务作为新的迭代处理任务,并返回执行步骤S103。
本实施例中,当处理任务为迭代处理任务时,可将迭代处理任务分发给基站群中合适的目标基站,通过利用目标基站的本地数据库来完成迭代处理任务,从而提高了样本数据的多样性,进而使迭代处理任务训练得的模型更准确。
需要说明的是,当处理任务为迭代处理任务时,在实际应用中,还可以是目标基站接收到主控基站发送的迭代处理任务后,在对迭代处理任务进行处理的过程中,自行进行结束条件(迭代次数或收敛条件等)的判断,当各目标基站判断出迭代处理任务满足结束条件时,将迭代处理任务的迭代处理结果反馈至主控基站,由主控基站根据各目标基站反馈的迭代处理结果得到迭代处理任务的最终处理结果。
图7为本公开实施例提供的再一种基于基站群的数据处理方法,本实施例中,处理任务为联邦学习任务,联邦学习定义了机器学习框架,在此框架下通过设计虚拟模型解决不同数据拥有方在不交换数据的情况下进行协作的问题,虚拟模型是各方将数据聚合在一起的最优模型,各自区域依据模型为本地目标服务,即,本实施例中,联邦学习任务需要基于多个基站的数据来完成数据处理过程,此时,处理任务对应的目标基站的数量为多个。
对应的,参照图7,本实施例在图3所示实施了基础上,在步骤S105之前,还包括:
步骤S105_00、对联邦学习任务所分配的全部目标基站所反馈的处理结果进行聚合处理,以得到该联邦学习任务的最终处理结果。
本实施例中,当处理任务为联邦学习任务时,主控基站对接收到的多个目标基站反馈的处理结果进行聚合处理,以得到该处理任务的最终处理结果,主控基站在得到联邦学习任务的最终处理结果后,执行步骤S105,即根据各处理任务的处理结果得到触发任务的处理结果。
在实际应用中,当目标基站在处理联邦学习任务时,联邦学习任务本身就是一个迭代处理处理,在每一轮迭代处理过程中,目标基站判断该次迭代是否满足结束条件(例如,收敛条件),在判断出其满足结束条件时,将处理结果反馈至主控基站,且处理结果标示出满足结束条件,在判断出不满足结束条件时,也将处理结果反馈至主控基站,且处理结果标示出不满足结束条件,主控基站判断该次迭代的所有目标基站反馈的处理结果中是否有预设数量(例如,50%,80%等等)的处理结果满足结束条件,当判断出该次迭代的所有目标基站反馈的处理结果中未有预设数量的处理结果满足结束条件时,则告知目标基站进入下一轮迭代;当判断出该次迭代的所有目标基站反馈的处理结果中有预设数量的处理结果满足结束条件时,则对所有处理结果进行聚合处理,以得到该联邦学习任务的最终处理结果。
需要说明的是,本公开上述实施例中所涉及的处理任务的各种场景可进行穿插组合,例如,触发任务可包括多个处理任务,其中,部分处理任务可以具体为迭代处理任务,部分处理任务还可以具体为联邦学习任务,部分处理任务还可以既为迭代处理任务又为联邦学习任务,等等,此时,对应的数据处理方法中将包含上述实施例中对应的实施步骤,上述组合场景均属于本公开保护的范围,此处不再赘述。
图8为本公开实施例提供的再一种基于基站群的数据处理方法,如图8所示,该方法在图2所示实施例基础上,在步骤S103之前,还包括:
步骤S1031、检测自身状态是否异常。
当检测到自身状态异常时,则执行步骤S1032,当检测到自身状态正常时,则执行步骤S103。
步骤S1032、确定一个新的主控基站,并将触发任务的任务转移方案以及处理任务所对应目标基站的基站信息发送至新的主控基站。
本实施例中,主控基站在将处理任务发送至所分配的目标基站之前,对自身状态进行检测,若检测出自身状态异常,则从基站群中另外选择一个基站作为新的主控基站,并将触发任务的任务转移方案以及处理该触发任务所对应的目标基站的基站信息发送至该新的主控基站,以供新的主控基站接管原主控基站的工作,并顺利进行后续数据处理过程。其中,主控基站的自身状态包括信号状态、算力资源状态及存储资源状态等。
需要说明的是,本实施例中,主控基站确定新的主控基站的方法包括但不限于本公开上述所述从自身基站状态池中选择合适的基站作为新的主控基站,或者根据基站群中其他基站反馈的基站状态反馈信息,从基站群中的其他基站中选择一个合适的基站作为新的主控基站的方式,其他固定策略选择方式或动态算法选择方式皆可。
本实施例中,主控基站通过在进行转移计算或众筹计算之前,对自身状态进行检测,并在状态异常时选择新的主控基站接替自身工作,从而能够进一步保证数据处理过程的顺利进行,提高数据处理效率。
需要说明的是,本实施例中,步骤S1031和步骤S1032可基于前述任一实施例中实施,图8仅示出了其中一种实施场景,其并不对本公开起限定作用。
图9为本公开实施例提供的再一种基于基站群的数据处理方法的流程图,与前述实施例不同的是,本实施例以上述提及的目标基站作为执行主体,如图9所示,该方法包括:
步骤S201、接收处理任务。
步骤S202、根据处理任务进行本地任务处理,以得到处理任务的处理结果。
步骤S203、将处理结果反馈至主控基站,以供主控基站根据处理结果得到触发任务的处理结果。
本实施例与图2所示实施例的各步骤对应,具体请参照图2实施例中对应步骤的描述,此处不再赘述。
本公开实施例提供的基于基站群的数据处理方法,当基站群中的一个基站基于自身资源无法独立完成数据处理任务时,通过确定任务转移方案而将任务转移至基站群中的其他基站(目标基站),以利用目标基站的资源进行数据处理,从而实现了数据处理在基站群组中的灵活转移计算或众筹计算,相较于现有技术,降低了大量数据在中心服务器和边缘服务器之间的远距离传输开销,进而降低了任务计算延时,提高了数据处理效率。
图10为本公开实施例提供的再一种基于基站群的数据处理方法的流程图,与图9所示实施例不同的是,本实施例中,除包括步骤S201-S203之外,还包括:
步骤S204、响应于处理任务的本地任务处理过程中断,从周边基站中选择一个基站,以作为新的目标基站,并将处理任务和主控基站的位置信息发送至新的目标基站。
本实施例中,目标基站在对处理任务进行处理时,当任务处理过程中断时,目标基站可从自身的基站状态池中选择一个基站,以作为新的目标基站,并将处理任务和主控基站的位置信息发送至新的目标基站,新的目标基站在接收到处理任务和主控基站的位置信息后,能够对处理任务继续进行处理,并在处理完成后,根据主控基站的位置信息,将处理结果反馈给主控基站。
本实施例中,目标基站在任务处理过程中,当发生任务处理中断的情况时,能够选择下一级目标基站进行中继,从而能够确保处理任务顺利完成,进而提高数据处理效率。
需要说明的是,本公开实施例中,步骤S204的执行顺序可在步骤S202和S203任一步骤中触发发生,即,当目标基站对处理任务进行处理过程中发生故障时可触发执行步骤S204;当目标基站向主控基站反馈处理结果发生故障时,也可触发执行步骤S204。图10仅示出了步骤S204的一种执行顺序,其不能对本公开产生限定作用。
本公开实施例还提供一种基站,图11为本公开实施例提供的一种基站的结构示意图,如图11所示,该基站1包括:一个或多个处理器11和第一存储装置12,其中,第一存储装置上存储有一个或多个第一程序,当所述一个或多个第一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公开图2-图8所述的方法。
本公开实施例还提供另一种基站,图12为本公开实施例提供的另一种基站的结构示意图,如图12所示,该基站2包括:一个或多个处理器21和第二存储装置22,其中,该第二存储装置上存储有一个或多个第二程序,当所述一个或多个第二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图9和图10所述的方法。
本公开实施例还提供一种基站系统,图13为本公开实施例提供的一种基站系统的结构示意图,如图13所示,作为一种可选方案,该基站系统为基站群,该基站群中包括至少一个如图11所示的基站1和如图12所示的基站2,该两个基站为基站群中的不同两个基站;作为另一种可选方案,该基站系统可以为基站群中的一个基站,其集成有本公开图11所示的基站1和图12所示的基站2。
本公开还提供一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现本公开上述实施例所提供的基于基站群的数据处理方法。
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、程序模块或其他数据)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、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、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他的介质。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他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本文已经公开了示例实施例,并且虽然采用了具体术语,但它们仅用于并仅应当被解释为一般说明性含义,并且不用于限制的目的。在一些实例中,对本领域技术人员显而易见的是,除非另外明确指出,否则可单独使用与特定实施例相结合描述的特征、特性和/或元素,或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此,本领域技术人员将理解,在不脱离由所附的权利要求阐明的本公开的范围的情况下,可进行各种形式和细节上的改变。
Claims (15)
1.一种基于基站群的数据处理方法,其中,包括:
对触发任务确定出任务转移方案,所述任务转移方案包括:至少一个处理任务;
确定每个所述处理任务所分配的目标基站;
将所述处理任务发送至所分配的所述目标基站;
接收目标基站反馈的所述处理任务的处理结果;
根据所述处理任务的处理结果得到所述触发任务的处理结果。
2.根据权利要求1所述的方法,其中,在所述对触发任务确定出任务转移方案的步骤之前,还包括:
获取周边基站的状态信息,所述状态信息包括:空闲算力资源;
所述确定每个所述处理任务所分配的目标基站的步骤具体包括:
针对每个所述处理任务,根据所述状态信息确定出空闲算力资源超过该处理任务的任务消耗资源的至少一个周边基站,以作为该处理任务所分配的目标基站。
3.根据权利要求2所述的方法,其中,所述获取周边基站的状态信息的步骤包括:
周期性的获取基站状态池中所记载的周边基站的状态信息;
或者,
响应于预设触发条件,广播基站状态问询信息,并接收周边基站反馈的状态信息。
4.根据权利要求2所述的方法,其中,所述任务转移方案包括1个处理任务,所述处理任务为所述触发任务;
所述根据所述状态信息确定出空闲算力资源超过该处理任务的任务消耗资源的至少一个周边基站,以作为该处理任务所分配的目标基站的步骤包括:
根据所述状态信息,选择空闲算力资源超过所述处理任务的任务消耗资源且空闲算力资源最大的一个周边基站,作为该处理任务所分配的目标基站。
5.根据权利要求2所述的方法,其中,所述任务转移方案包括多个个处理任务,每个所述处理任务均为所述触发任务所分解出的独立的子任务;
所述针对每个所述处理任务,根据所述状态信息确定出空闲算力资源超过该处理任务的任务消耗资源的至少一个周边基站,以作为该处理任务所分配的目标基站的步骤包括:
按照任务消耗资源由大至小的顺序依次来为各所述子任务分配目标基站,其中,所述子任务所分配的目标基站为周边基站的空闲算力资源超过该子任务的任务消耗资源且距离最近的至少一个周边基站。
6.根据权利要求5所述的方法,其中,所述根据所述处理任务的处理结果得到所述触发任务的处理结果的步骤包括:
基于所述处理任务的分解方式,对全部所述子任务的处理结果进行汇聚处理,以得到所述处理任务的处理结果。
7.根据权利要求2所述的方法,其中,所述处理任务为迭代处理任务;
在所述根据所述处理任务的处理结果得到所述触发任务的处理结果的步骤之前,还包括:
判断当前次迭代的处理结果是否满足所述迭代处理任务的结束条件;
若判断出当前次迭代的处理结果满足所述迭代处理任务的结束条件,则将当前次迭代的处理结果作为所述迭代处理任务的处理结果;
若判断出当前次迭代的处理结果不满足所述迭代处理任务的结束条件,则根据当前次迭代的处理结果来对所述迭代处理任务中的超参数进行更新,并将完成超参数更新的所述迭代处理任务再次发送至所分配的所述目标基站。
8.根据权利要求2所述的方法,其中,所述处理任务为联邦学习任务,所述目标基站的数量为多个;
在根据所述处理任务的处理结果得到所述触发任务的处理结果的步骤之前,还包括:
对所述联邦学习任务所分配的全部目标基站所反馈的处理结果进行聚合处理,以得到所述联邦学习任务的最终处理结果。
9.根据权利要求1-8中任一所述的方法,其中,将所述处理任务发送至所分配的所述目标基站的步骤之前,还包括:
检测自身状态是否异常;
当检测到自身状态异常时,则确定一个新的主控基站,并将所述触发任务的任务转移方案以及处理任务所对应目标基站的基站信息发送至新的主控基站;
当检测到自身状态正常时,则继续执行将所述处理任务发送至所分配的所述目标基站的步骤。
10.一种基于基站群的数据处理方法,其中,包括:
接收处理任务;
根据所述处理任务进行本地任务处理,以得到所述处理任务的处理结果;
将所述处理结果反馈至主控基站,以供主控基站根据所述处理结果得到触发任务的处理结果。
11.根据权利要求10所述的方法,其中,所述方法还包括:
响应于所述处理任务的本地任务处理过程中断,从周边基站中选择一个基站,以作为新的目标基站,并将所述处理任务和所述主控基站的位置信息发送至新的目标基站。
12.一种基站,其中,包括:
一个或多个处理器;
第一存储装置,其上存储有一个或多个第一程序,当所述一个或多个第一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如权利要求1-9任一所述的方法。
13.一种基站,其中,包括:
一个或多个处理器;
第二存储装置,其上存储有一个或多个第二程序,当所述一个或多个第二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如权利要求10或11所述的方法。
14.一种基站系统,其中,包括:如权利要求12所述的基站和权利要求13所述的基站。
15.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-11任一所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010333972.8A CN113271613B (zh) | 2020-04-24 | 2020-04-24 | 基于基站群的数据处理方法、基站及基站系统 |
PCT/CN2021/088317 WO2021213365A1 (zh) | 2020-04-24 | 2021-04-20 | 基于基站群的数据处理方法、基站、基站系统及计算机可读介质 |
EP21793759.8A EP4142358A4 (en) | 2020-04-24 | 2021-04-20 | DATA PROCESSING METHOD BASED ON A BASE STATION GROUP AND BASE STATION, BASE STATION SYSTEM AND COMPUTER-READABLE MEDIUM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010333972.8A CN113271613B (zh) | 2020-04-24 | 2020-04-24 | 基于基站群的数据处理方法、基站及基站系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113271613A true CN113271613A (zh) | 2021-08-17 |
CN113271613B CN113271613B (zh) | 2023-01-24 |
Family
ID=77227627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010333972.8A Active CN113271613B (zh) | 2020-04-24 | 2020-04-24 | 基于基站群的数据处理方法、基站及基站系统 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4142358A4 (zh) |
CN (1) | CN113271613B (zh) |
WO (1) | WO2021213365A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114867065A (zh) * | 2022-05-18 | 2022-08-05 | 中国联合网络通信集团有限公司 | 基站算力负载均衡方法、设备及存储介质 |
WO2024016801A1 (zh) * | 2022-07-21 | 2024-01-25 | 中兴通讯股份有限公司 | 基站算力编排方法、装置、电子设备及存储介质 |
WO2024016803A1 (zh) * | 2022-07-21 | 2024-01-25 | 中兴通讯股份有限公司 | 基于联邦学习的基站算力调用方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101835202A (zh) * | 2010-04-01 | 2010-09-15 | 武汉鸿象信息技术有限公司 | 一种异构无线网络中基于多跳中继的协作负载均衡方法 |
CN101873651A (zh) * | 2009-04-24 | 2010-10-27 | 中国移动通信集团公司 | 一种演进基站间链路切换的方法、系统及演进基站 |
CN105636141A (zh) * | 2016-03-05 | 2016-06-01 | 臧利 | 基站的负载转移方法及系统 |
CN106936892A (zh) * | 2017-01-09 | 2017-07-07 | 北京邮电大学 | 一种自组织云多对多计算迁移方法及系统 |
CN108112037A (zh) * | 2018-01-10 | 2018-06-01 | 西安邮电大学 | 基于雾计算和协作通信网络的负载均衡方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065475A (zh) * | 2009-11-12 | 2011-05-18 | 北京三星通信技术研究有限公司 | 一种实现负载均衡的方法 |
TWI415501B (zh) * | 2010-07-20 | 2013-11-11 | Gemtek Technology Co Ltd | 無線網路系統及其無線閘道器 |
KR102246362B1 (ko) * | 2014-10-24 | 2021-04-28 | 삼성전자주식회사 | 무선 그리드 컴퓨팅 방법 및 장치 |
EP3552351B1 (en) * | 2016-12-07 | 2020-07-29 | Telefonaktiebolaget LM Ericsson (PUBL) | Method and migration managing module for managing a migration of a service |
CN106789257B (zh) * | 2016-12-23 | 2019-03-05 | 中科星图股份有限公司 | 一种云系统服务器状态可视化管理方法 |
-
2020
- 2020-04-24 CN CN202010333972.8A patent/CN113271613B/zh active Active
-
2021
- 2021-04-20 EP EP21793759.8A patent/EP4142358A4/en active Pending
- 2021-04-20 WO PCT/CN2021/088317 patent/WO2021213365A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101873651A (zh) * | 2009-04-24 | 2010-10-27 | 中国移动通信集团公司 | 一种演进基站间链路切换的方法、系统及演进基站 |
CN101835202A (zh) * | 2010-04-01 | 2010-09-15 | 武汉鸿象信息技术有限公司 | 一种异构无线网络中基于多跳中继的协作负载均衡方法 |
CN105636141A (zh) * | 2016-03-05 | 2016-06-01 | 臧利 | 基站的负载转移方法及系统 |
CN106936892A (zh) * | 2017-01-09 | 2017-07-07 | 北京邮电大学 | 一种自组织云多对多计算迁移方法及系统 |
CN108112037A (zh) * | 2018-01-10 | 2018-06-01 | 西安邮电大学 | 基于雾计算和协作通信网络的负载均衡方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114867065A (zh) * | 2022-05-18 | 2022-08-05 | 中国联合网络通信集团有限公司 | 基站算力负载均衡方法、设备及存储介质 |
CN114867065B (zh) * | 2022-05-18 | 2024-09-13 | 中国联合网络通信集团有限公司 | 基站算力负载均衡方法、设备及存储介质 |
WO2024016801A1 (zh) * | 2022-07-21 | 2024-01-25 | 中兴通讯股份有限公司 | 基站算力编排方法、装置、电子设备及存储介质 |
WO2024016803A1 (zh) * | 2022-07-21 | 2024-01-25 | 中兴通讯股份有限公司 | 基于联邦学习的基站算力调用方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113271613B (zh) | 2023-01-24 |
EP4142358A4 (en) | 2024-06-05 |
WO2021213365A1 (zh) | 2021-10-28 |
EP4142358A1 (en) | 2023-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113271613B (zh) | 基于基站群的数据处理方法、基站及基站系统 | |
CN109213600B (zh) | 一种基于ai云的gpu资源调度方法和装置 | |
US11345020B2 (en) | Robot cluster scheduling system | |
US20160275123A1 (en) | Pipeline execution of multiple map-reduce jobs | |
CN110413412B (zh) | 一种基于gpu集群资源分配的方法和装置 | |
US20140310720A1 (en) | Apparatus and method of parallel processing execution | |
CN105512083A (zh) | 基于yarn的资源管理方法、装置及系统 | |
US20140359126A1 (en) | Workload partitioning among heterogeneous processing nodes | |
CN106815080B (zh) | 分布式图数据处理方法和装置 | |
EP4177752A1 (en) | Task processing method, edge computing device, computer device, and medium | |
CN104123304A (zh) | 数据驱动的并行排序系统和方法 | |
CN104239150A (zh) | 一种硬件资源调整的方法及装置 | |
CN105022662A (zh) | 一种分布式任务分配方法 | |
CN105808346A (zh) | 一种任务调度方法与装置 | |
US11093291B2 (en) | Resource assignment using CDA protocol in distributed processing environment based on task bid and resource cost | |
CN107967150B (zh) | 一种线程执行顺序确定方法、装置、设备及存储介质 | |
US11327482B2 (en) | Apparatuses, methods and computer programs for a transportation vehicle and a central office | |
CN112527561B (zh) | 基于物联网云存储的数据备份方法及装置 | |
CN113852554B (zh) | 一种数据传输方法、装置及设备 | |
CN112764897B (zh) | 任务请求的处理方法、装置、系统及计算机可读存储介质 | |
CN115048218A (zh) | 一种边缘异构场景中的端云协同推理方法和系统 | |
CN111309467B (zh) | 任务分发方法及装置、电子设备及存储介质 | |
CN111026517B (zh) | 任务分解装置及任务调度器 | |
CN109062702B (zh) | 一种计算资源分配方法、相关装置及可读存储介质 | |
CN112311832B (zh) | 一种任务处理方法、系统及节点 |
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 |