CN113329067A - 边缘计算节点负荷分配方法、核心网、装置和存储介质 - Google Patents
边缘计算节点负荷分配方法、核心网、装置和存储介质 Download PDFInfo
- Publication number
- CN113329067A CN113329067A CN202110556498.XA CN202110556498A CN113329067A CN 113329067 A CN113329067 A CN 113329067A CN 202110556498 A CN202110556498 A CN 202110556498A CN 113329067 A CN113329067 A CN 113329067A
- Authority
- CN
- China
- Prior art keywords
- load
- edge computing
- edge
- computing node
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- H04L67/10—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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种边缘计算节点负荷分配方法、核心网、计算机装置和存储介质,边缘计算节点负荷分配方法包括获取多个边缘计算节点的负载属性,根据负载属性,通过贝叶斯准则确定边缘计算节点可能具有的负荷大小对应的概率,在约束条件下,确定边缘计算节点对应的负荷大小,按照所确定的负荷大小向边缘计算节点分配负荷等步骤。本发明考虑边缘计算节点的负载属性,由于负载属性包括了多个维度的有效信息,能够通过贝叶斯原理预测边缘计算节点在不同轻重程度的负载状态下,可能具有的负荷大小对应的概率,从而在约束条件下确定每个边缘计算节点可以继续承受的负荷大小,能够高效合理地向多个边缘计算节点分配负荷。本发明广泛应用于计算机技术领域。
Description
技术领域
本发明涉及计算机技术领域,尤其是一种边缘计算节点负荷分配方法、核心网、计算机装置和存储介质。
背景技术
边缘计算尤其是移动边缘计算(Mobile Edge Computing,MEC)可以突破无线和固网在物理层和传输层方面的技术限制,从而应对5G网络的增强移动宽带(eMMB)、海量机器类通信(mMTC)和超高可靠超低时延通信(URLLC)等应用对高带宽、低能耗和低延迟的要求。但是,边缘计算的应用又带来了负荷分配的问题,只有把计算任务的负荷合理地分配给各边缘计算节点,防止部分边缘计算节点过载而部分边缘计算节点的负荷小于其可处理范围,才能高效利用边缘计算节点的资源,达到降低延迟等效果。
发明内容
针对上述至少一个技术问题,本发明的目的在于提供一种边缘计算节点负荷分配方法、核心网、计算机装置和存储介质。
一方面,本发明实施例包括一种边缘计算节点负荷分配方法,包括:
获取多个边缘计算节点的负载属性;各所述边缘计算节点分别处于多个负载状态的其中一个负载状态下,各所述负载状态具有不同的轻重程度;
根据所述边缘计算节点的所述负载属性,通过贝叶斯准则,确定所述边缘计算节点在程度最轻的所述负载状态下可能具有的负荷大小对应的概率;
在约束条件下,确定所述边缘计算节点对应的负荷大小;
按照所确定的所述负荷大小向所述边缘计算节点分配负荷。
进一步地,所述负载属性包括多个分量。
进一步地,所述根据所述边缘计算节点的所述负载属性,通过贝叶斯准则,确定所述边缘计算节点在程度最轻的所述负载状态下可能具有的负荷大小对应的概率,包括:
进一步地,所述约束条件包括:
进一步地,所述负载属性的分量包括边缘计算节点与核心网之间的距离、当前负荷、数据处理能力。
进一步地,各所述负载状态包括轻量的负载状态、中量的负载状态、重量的负载状态。
另一方面,本发明实施例还包括一种核心网,所述核心网用于连接边缘计算节点,所述核心网包括移动边缘计算模块,所述移动边缘计算模块用于执行实施例中的所述边缘计算节点负荷分配方法。
进一步地,所述核心网用于通过接入网与用户终端连接,所述核心网以所连接的所述用户终端作为所述边缘计算节点。
另一方面,本发明实施例还包括一种计算机装置,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行实施例中的边缘计算节点负荷分配方法。
另一方面,本发明实施例还包括一种存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行实施例中的边缘计算节点负荷分配方法。
本发明的有益效果是:实施例中的边缘节点负荷分配方法,考虑边缘计算节点的负载属性,由于负载属性包括了多个维度的有效信息,能够通过贝叶斯原理预测边缘计算节点在不同轻重程度的负载状态下,可能具有的负荷大小对应的概率,从而在约束条件下确定每个边缘计算节点可以继续承受的负荷大小,能够高效合理地向多个边缘计算节点分配负荷。
附图说明
图1为实施例中核心网、接入网与用户终端之间的连接关系图;
图2为实施例中核心网和边缘计算模块的结构图;
图3为实施例中边缘计算模块与核心网中的网元的交互示意图;
图4为实施例中边缘计算模块向各边缘计算节点分配负荷时与核心网中的网元的交互示意图。
具体实施方式
本实施例中的边缘计算节点负荷分配方法,可以应用于如图1所示的核心网,其中,核心网通过接入网与车载设备、手机、电脑等用户终端连接,核心网以所连接的用户终端作为边缘计算节点。具体地,核心网可以是5G移动通信网络的核心网或者更先进的核心网。
参照图2,核心网包括AUSF(Authentication Server Function,鉴权服务功能)、UDM(Unified Data Management,统一数据管理功能)、NRF(Network RepositoryFunction,网络存储功能)、PCF(Policy Control Function,策略控制功能)、NEF(NetworkExposure Function,网络开放功能)、AMF(Access and Mobility Management Function,接入和移动管理功能)、SMF(Session Management Function,会话管理功能)等网元。核心网包括移动边缘计算模块,移动边缘计算模块包括UPF(User Plane Function,用户面功能)、MEC平台、MEC编排器等功能单元。
边缘计算模块与核心网的各网元之间的交互参照图2,MEC编排器可以通过NEF与核心网中的PCF、NRF等网元进行交互。比如MEC编排器需要获得用户终端UE的位置信息,可以通过图3所示的流程向NEF订阅位置信息,并且MEC平台可以获取无线资源信息,可以根据无线资源质量来调整相应的机制。
本实施例中,由移动边缘计算模块来执行边缘计算节点负荷分配方法。
边缘计算节点负荷分配方法包括以下步骤:
S1.获取多个边缘计算节点的负载属性;
S2.根据边缘计算节点的负载属性,通过贝叶斯准则,确定边缘计算节点在程度最轻的负载状态下可能具有的负荷大小对应的概率;
S3.在约束条件下,确定边缘计算节点对应的负荷大小;
S4.按照所确定的负荷大小向边缘计算节点分配负荷。
步骤S1中,边缘计算节点可以是通过接入网接入核心网的车载设备、手机、电脑等用户终端,这些用户终端与核心网之间具有相同或不相同的距离,而其硬件参数和软件性能决定了其数据处理能力,其当前所运行的任务产生了当前负荷。因此,步骤S1中,每个边缘计算节点的负载属性都是一个矢量,其包括多个分量。对于第k个边缘计算节点mk,其对应的负载属性为即其负载属性包括等q个分量。本实施例中,选择了边缘计算节点与核心网之间的距离当前负荷数据处理能力这三个有代表性的参数来描述负载属性,因此第k个边缘计算节点mk对应的负载属性可以表示为
本实施例中,当前负荷、数据处理能力等参数可以通过数据量或者相关的参量来表示。可以参照当前负荷、剩余电量、发热量等因素,例如使用不同量纲的系数将上述因素转化成相同量纲的参数再求和,根据求和结果来判断边缘计算节点的负载轻重,从而将各边缘计算节点分别划分为多个负载状态中的一个负载状态,这些负载状态分别表示不同的负载轻重。本实施例中,这些负载状态包括轻量的负载状态、中量的负载状态、重量的负载状态,其中边缘计算节点处于轻量的负载状态表示边缘计算节点的负载较轻,可以接受继续分配负荷;边缘计算节点处于中量的负载状态表示边缘计算节点的负载中等;边缘计算节点处于重量的负载状态表示边缘计算节点的负载较重,而处于中量的负载状态或者处于重量的负载状态的边缘计算节点不宜继续分配负荷。这样,一个边缘计算节点处于不同的负载状态时,这个边缘计算节点的具体负载数值不同;一个边缘计算节点处于某个特定的负载状态时,这个边缘计算节点也有可能具有不确定的具体负载数值,从而了具体负载数值的概率分布。
步骤S2中,可以根据贝叶斯原理设计计算边缘计算节点可能具有的负荷大小对应的概率的算法。由于本实施例的目的是进行负荷分配,为了达到负荷平衡的目的,需要向负荷较轻的边缘计算节点优先分配负荷,因此需要根据贝叶斯原理,计算边缘计算节点在程度最轻的负载状态下可能具有的负荷大小对应的概率。
首先,通过公式计算先验概率P(mk|Ti)。其中,Ti表示其中一种负载状态,例如本实施例中设定了轻量的负载状态、中量的负载状态、重量的负载状态,那么可以用T0表示轻量的负载状态、用T1表示中量的负载状态、用T2表示重量的负载状态。
步骤S3中,在约束条件和下,确定边缘计算节点mk对应的负荷大小其中,约束条件的意义是:以全部N个边缘计算节点对应的负荷大小以及相应的概率(对应的概率为)确定加权和,求使得加权和最大的约束条件的意义是:全部N个边缘计算节点的负荷大小是恒定的值W。通过上述约束条件,可以确定全部N个边缘计算节点对应的负荷大小
步骤S4中,将总负荷W作以下分配:将大小为的负荷分配至第1个边缘计算节点,将大小为的负荷分配至第2个边缘计算节点,……将大小为的负荷分配至第k个边缘计算节点,……将大小为的负荷分配至第N个边缘计算节点。其中,总负荷W可以是所有边缘计算节点原先的总负荷,此时执行步骤S4相当于对所有边缘计算节点原先的总负荷进行了重新分配;总负荷W也可以准备向边缘计算节点分配的新增的总负荷,此时执行步骤S4相当于考虑所有边缘计算节点原先的负荷的情况下,向各边缘计算节点分配新增的总负荷。
可以通过编写执行本实施例中的边缘计算节点负荷分配方法的计算机程序,将该计算机程序写入至计算机装置或者存储介质中,当计算机程序被读取出来运行时,执行本实施例中的边缘计算节点负荷分配方法。
具体用图2中的边缘计算模块执行步骤S4时,可以参照图4,由边缘计算模块中的MEC编排器执行如下步骤,而核心网中的NEF等网元进行相应的响应:
1、MEC编排器向NEF发送参数修改请求;
2、NEF向UDM发送参数修改请求;
3、UDM向NEF回复参数修改相应;
4、NEF向MEC编排器回复参数修改响应;
5、其他订阅流量分配准则的网元更新流量分配准则。
本实施例中的边缘节点负荷分配方法,考虑边缘计算节点的负载属性,由于负载属性包括了多个维度的有效信息,例如包括边缘计算节点与核心网之间的距离、当前负荷、数据处理能力等能够反映边缘计算节点的负载轻重程度以及继续承载负载能力等的参数,能够通过贝叶斯原理预测边缘计算节点在不同轻重程度的负载状态下,可能具有的负荷大小对应的概率,从而在约束条件下确定每个边缘计算节点可以继续承受的负荷大小,能够高效合理地向多个边缘计算节点分配负荷。合理的负荷分配能够支持边缘计算技术能够高效运作,从而服务5G网络的eMMB、mMTC和URLLC等应用。
需要说明的是,如无特殊说明,当某一特征被称为“固定”、“连接”在另一个特征,它可以直接固定、连接在另一个特征上,也可以间接地固定、连接在另一个特征上。此外,本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种元件,但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如,在不脱离本公开范围的情况下,第一元件也可以被称为第二元件,类似地,第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例,并且除非另外要求,否则不会对本发明的范围施加限制。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本实施例描述的过程的操作,除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种边缘计算节点负荷分配方法,其特征在于,包括:
获取多个边缘计算节点的负载属性;各所述边缘计算节点分别处于多个负载状态的其中一个负载状态下,各所述负载状态具有不同的轻重程度;
根据所述边缘计算节点的所述负载属性,通过贝叶斯准则,确定所述边缘计算节点在程度最轻的所述负载状态下可能具有的负荷大小对应的概率;
在约束条件下,确定所述边缘计算节点对应的负荷大小;
按照所确定的所述负荷大小向所述边缘计算节点分配负荷。
2.根据权利要求1所述的边缘计算节点负荷分配方法,其特征在于,所述负载属性包括多个分量。
5.根据权利要求2-4任一项所述的边缘计算节点负荷分配方法,其特征在于,所述负载属性的分量包括边缘计算节点与核心网之间的距离、当前负荷、数据处理能力。
6.根据权利要求1-4任一项所述的边缘计算节点负荷分配方法,其特征在于,各所述负载状态包括轻量的负载状态、中量的负载状态、重量的负载状态。
7.一种核心网,其特征在于,所述核心网用于连接边缘计算节点,所述核心网包括移动边缘计算模块,所述移动边缘计算模块用于执行权利要求1-6任一项所述边缘计算节点负荷分配方法。
8.根据权利要求7所述的核心网,其特征在于,所述核心网用于通过接入网与用户终端连接,所述核心网以所连接的所述用户终端作为所述边缘计算节点。
9.一种计算机装置,其特征在于,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行权利要求1-6任一项所述边缘计算节点负荷分配方法。
10.一种存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-6任一项所述边缘计算节点负荷分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110556498.XA CN113329067A (zh) | 2021-05-21 | 2021-05-21 | 边缘计算节点负荷分配方法、核心网、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110556498.XA CN113329067A (zh) | 2021-05-21 | 2021-05-21 | 边缘计算节点负荷分配方法、核心网、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113329067A true CN113329067A (zh) | 2021-08-31 |
Family
ID=77416312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110556498.XA Pending CN113329067A (zh) | 2021-05-21 | 2021-05-21 | 边缘计算节点负荷分配方法、核心网、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113329067A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5784616A (en) * | 1997-05-02 | 1998-07-21 | Microsoft Corporation | Apparatus and methods for optimally using available computer resources for task execution during idle-time for future task instances exhibiting incremental value with computation |
CN104168332A (zh) * | 2014-09-01 | 2014-11-26 | 广东电网公司信息中心 | 高性能计算中负载均衡与节点状态监控方法 |
CN104317658A (zh) * | 2014-10-17 | 2015-01-28 | 华中科技大学 | 一种基于MapReduce的负载自适应任务调度方法 |
CN104978236A (zh) * | 2015-07-07 | 2015-10-14 | 四川大学 | 一种基于多衡量指标的hdfs负载源宿节点选取方法 |
CN110401675A (zh) * | 2019-08-20 | 2019-11-01 | 绍兴文理学院 | 一种传感云环境下不确定性DDoS攻击防御方法 |
CN111131447A (zh) * | 2019-12-23 | 2020-05-08 | 曲阜师范大学 | 一种基于中介节点任务分配的负载均衡方法 |
-
2021
- 2021-05-21 CN CN202110556498.XA patent/CN113329067A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5784616A (en) * | 1997-05-02 | 1998-07-21 | Microsoft Corporation | Apparatus and methods for optimally using available computer resources for task execution during idle-time for future task instances exhibiting incremental value with computation |
CN104168332A (zh) * | 2014-09-01 | 2014-11-26 | 广东电网公司信息中心 | 高性能计算中负载均衡与节点状态监控方法 |
CN104317658A (zh) * | 2014-10-17 | 2015-01-28 | 华中科技大学 | 一种基于MapReduce的负载自适应任务调度方法 |
CN104978236A (zh) * | 2015-07-07 | 2015-10-14 | 四川大学 | 一种基于多衡量指标的hdfs负载源宿节点选取方法 |
CN110401675A (zh) * | 2019-08-20 | 2019-11-01 | 绍兴文理学院 | 一种传感云环境下不确定性DDoS攻击防御方法 |
CN111131447A (zh) * | 2019-12-23 | 2020-05-08 | 曲阜师范大学 | 一种基于中介节点任务分配的负载均衡方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bahreini et al. | Efficient placement of multi-component applications in edge computing systems | |
Yang et al. | A multi-objective task scheduling method for fog computing in cyber-physical-social services | |
CN110287035B (zh) | 混合边缘计算的请求调度方法、装置、设备及存储介质 | |
CN101167054B (zh) | 用于在多个数据中心之间选择性卸载工作负荷的方法和装置 | |
Abd Elaziz et al. | IoT workflow scheduling using intelligent arithmetic optimization algorithm in fog computing | |
CN109788046B (zh) | 一种基于改进蜂群算法的多策略边缘计算资源调度方法 | |
KR102470712B1 (ko) | 피처 엔지니어링 오케스트레이션 방법 및 장치 | |
Ullah et al. | Task classification and scheduling based on K-means clustering for edge computing | |
US10080233B2 (en) | Method for providing M2M data | |
CN109656713B (zh) | 一种基于边缘计算框架的容器调度方法 | |
CN112202829A (zh) | 基于微服务的社交机器人调度系统和调度方法 | |
CN105824705A (zh) | 一种任务分配方法和电子设备 | |
Sulimani et al. | Sustainability of load balancing techniques in fog computing environment | |
CN111143033B (zh) | 基于可伸缩操作系统的操作执行方法及装置 | |
Reddy et al. | An osmotic approach-based dynamic deadline-aware task offloading in edge–fog–cloud computing environment | |
CN113329067A (zh) | 边缘计算节点负荷分配方法、核心网、装置和存储介质 | |
CN116541167A (zh) | 系统流量控制方法、装置、电子设备及计算机可读介质 | |
CN114003374B (zh) | 基于云平台的节点调度方法、装置及电子设备和存储介质 | |
CN115051998A (zh) | 自适应边缘计算卸载方法、装置及计算机可读存储介质 | |
CN111158893A (zh) | 应用于雾计算网络的任务卸载方法、系统、设备及介质 | |
CN111866159A (zh) | 人工智能服务的调用方法、系统、设备和存储介质 | |
US9507635B2 (en) | Assigning speculative processes to plurality of CPUs based on calculated maximum number of speculative processes capable of being assigned and other processes assigned to each CPU | |
CN113703936A (zh) | 创建算力容器的方法、算力平台、电子设备及存储介质 | |
Ma et al. | Privacy-by-design task offloading for UAV-mounted cloudlets | |
CN115361285B (zh) | 实现离在线业务混合部署的方法、装置、设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210831 |