CN114024977A - 一种基于边缘计算的数据调度方法、装置及系统 - Google Patents

Abstract

本发明涉及边缘计算技术领域，且公开了一种基于边缘计算的数据调度方法、装置及系统，包括以下步骤方法：第一步：顶点合并；第二步：粗划分；第三步：代价计算。本发明中，每个节点都有两个执行时间代价：第一，在本地边缘端执行操作的时间代价；第二，在其它地方执行操作的时间代价；通信时间代价分为本地边缘节点之间通信时间，本地边缘节点和异地节点之间的上行和下行通信时间，异地节点之间的通信时间；通过该方法的得出的结果包含关于成本的信息，并划分出哪些操作/计算服务应该在本地执行，哪些操作应该调度到边缘云端服务器/中心云端服务器，降低操作所需要的时间，达到了提高工作效率的效果。

Description

一种基于边缘计算的数据调度方法、装置及系统

技术领域

本发明涉及边缘计算技术领域，尤其涉及一种基于边缘计算的数据调度方法、装置及系统。

背景技术

边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

目前市场上已有的基于边缘计算的数据调度方法，由于微服务的调度策略是基于调度系统的模型，考虑到边缘计算中计算和网络资源存在的异构性，为了降低研究的难度，过去的研究尽可能的简化了系统的模型，因此不能很好的运用到存在大量可供调度的边缘计算节点的场景中。

为此，我们提出一种基于边缘计算的数据调度方法、装置及系统。

发明内容

本发明主要是解决上述现有技术所存在的技术问题，提供一种基于边缘计算的数据调度方法、装置及系统。

为了实现上述目的，本发明采用了如下技术方案，一种基于边缘计算的数据调度方法，包括以下步骤方法：

第一步：顶点合并；

第二步：粗划分；

第三步：代价计算。

作为优选，所述第一步中将不打算调度到边缘云端服务器/中心云端服务器的顶点都被合并到一个被选择为源顶点的节点中，以此节点作为模型图的起始节点。

作为优选，所述第二步中的目标是将图粗划分为节点最少的图；粗划分不断的合并两个节点并减少一个节点数，直到最后只剩两个节点；因此，该算法有|V|-1个阶段；在每个阶段i(1≤i≤|v|-1)，计算图G＝(V_i,E_i)中的切割值、划分代价；G_i通过合并合适的节点变为G_i+1，其中G₁＝G；粗划分的结果是单个阶段i中所有任务以及本地和远程执行的相应任务代价中的最小割。

作为优选，所述第二步中的在粗划分的每个阶段i进行五个步骤：

a)从A＝{a}开始，其中A是第一步节点合并产生的不用于卸载的节点；

b)迭代地通过最小相位函数将与A联系最紧密的顶点添加到A上；

c)按顺序最后添加到A的两个顶点为s和t节点；

d)第i阶段的图划分为(V_i\{s},{t})；

e)通过合并算法将s节点和t节点合并，图G_i变为G+1。

作为优选，所述第二步中的合并算法是用于将两个节点合并为一个新节点，如节点s,t∈V(s≠t)；

则合并过程如下：

a)节点s和t被新的节点X_s,t，替换；以前与s或t相连的所有边现在都与X_s,t关联(节点s和t之间连接边除外)；

b)通过增加边权值来解决多个边合并的问题，将多个边的本地通信时间代价相加，异地通信时间代价相加，即为合并后的权值；节点X_s,t的权值为s的权值与t的权值之和。

作为优选，所述第三步中将第二步中的通过粗划分迭代将图划分最后两个节点，计算每个阶段i的图划分产生的权值变化，权值最小的阶段的划分，即为最后的划分，这个阶段的图划分即为最小划分，求出的代价，即为最小代价。

作为优选，所述第三步中的最小和位算法：该算法的作用在于可以方便地选择要添加到集合A中的下一个顶点，即最紧密连接的顶点，这个顶点是顶点A周围Δ(v)最大的点，其中

Δ(v)＝{ω^local(e(A,v))-ω^offioad(e(A,v))}-[ω^local(v)-ω^offioad(v)]

在将这个顶点添加到集合A后，再寻找新的集合A周围Δ(v)最大的节点，直到剩下最后两个节点，定为节点s和节点t，在此阶段的图划分就在s节点和t节点之间，其余节点就被线性排序；最后将s节点和t节点通过合并算法合并，可以算出此阶段的总时间代价为

C_cut(a-t,t)＝C^local-[ω^local(t)-ω^offioad(t)]+{ω^local(e(A,t))-ω^offioad(e(A,t))}。

作为优选，所述第三步中的C^local为所有节点的本地执行时间代价，ω^local(t)为t节点的本地执行时间代价，ω^offioad(t)为t节点的调度到边缘云端服务器/中心云端服务器的执行时间代价，ω^local(e(A,t))为A集合和t节点之间的本地通信时间代价，ω^offioad(e(A,t))为A集合和t节点之间的异地通信时间代价。

一种基于边缘计算的数据调度装置，包括中心云端服务器和客户端，所述中心云端服务器的外部设置有边缘云端服务器一、边缘云端服务器二和边缘云端服务器三，所述边缘云端服务器一、边缘云端服务器二和边缘云端服务器三相互电信号连接在一起，所述边缘云端服务器一、边缘云端服务器二和边缘云端服务器三的输出端均与中心云端服务器的输入端电信号连接在一起，所述客户端设置在中心云端服务器的外部，客户端的输出端分别与边缘云端服务器一、边缘云端服务器二和边缘云端服务器三输入端电信号连接在一起。

一种基于边缘计算的数据调度系统，包括数据调度系统，所述数据调度系统包括中心云端服务器，边缘云端服务器和客户端；

所述中心云端服务器包括数据接收模块一，数据分类模块和存储模块一；

所述边缘云端服务器包括数据接收模块二，存储模块二和数据发送模块一；

所述数据接收模块一的输出端与数据分类模块的输入端电性连接在一起，所述数据分类模块的输出端与存储模块一的输入端电性连接在一起；

所述数据接收模块二的输入端与客户端的输出端电性连接在一起，所述数据接收模块二的输出端与存储模块二的输入端电性连接在一起，所述存储模块二的输出端与数据发送模块一的输出端电性连接在一起，所述数据发送模块一的输出端与数据接收模块一的输入端电性连接在一起。

有益效果

本发明提供了一种基于边缘计算的数据调度方法、装置及系统。具备以下有益效果：

(1)、该一种基于边缘计算的数据调度方法、装置及系统，通过上述方法在边缘服务器上执行，它以加权有向图作为输入，代表一个应用程序的操作/计算服务作为节点，它们之间的通信(例如，函数调用，数据的传输)作为边。每个节点都有两个执行时间代价：第一，在本地边缘端执行操作的时间代价(例如，在客户端上)；第二，在其它地方执行操作的时间代价(例如，在边缘云端服务器/中心云端服务器上)。边的权值是用来卸载计算或服务的通信时间代价。在新的卸载模型中，通信时间代价分为本地边缘节点之间通信时间，本地边缘节点和异地节点之间的上行和下行通信时间，异地节点之间的通信时间。通过该方法的得出的结果包含关于成本的信息，并划分出哪些操作/计算服务应该在本地执行，哪些操作应该调度到边缘云端服务器/中心云端服务器，降低操作所需要的时间，达到了提高工作效率的效果。

(2)、该一种基于边缘计算的数据调度方法、装置及系统，通过增加边权值来解决多个边合并的问题，将多个边的本地通信时间代价相加，异地通信时间代价相加，即为合并后的权值；节点X_s,t的权值为s的权值与t的权值之和。

(3)、该一种基于边缘计算的数据调度方法、装置及系统，在对结果中最小和位进行计算时，通过利用Δ(v)＝{ω^local(e(A,v))-ω^offioad(e(A,v))}-[ω^local(v)-ω^offioad(v)]，在将这个顶点添加到集合A后，再寻找新的集合A周围Δ(v)最大的节点，直到剩下最后两个节点，定为节点s和节点t，在此阶段的图划分就在s节点和t节点之间，其余节点就被线性排序；最后将s节点和t节点通过合并算法合并，可以算出此阶段的总时间代价为C_cut(a-t,t)＝C^local-[ω^local(t)-ω^offioad(t)]+{ω^local(e(A,t))-ω^offioad(e(A,t))}，其中，C^local为所有节点的本地执行时间代价，ω^local(t)为t节点的本地执行时间代价，ω^offioad(t)为t节点的调度到边缘云端服务器/中心云端服务器的执行时间代价，ω^local(e(A,t))为A集合和t节点之间的本地通信时间代价，ω^offioad(e(A,t))为A集合和t节点之间的异地通信时间代价，达到了方便得出不同阶段的总时间代价的效果。

(4)、该一种基于边缘计算的数据调度方法、装置及系统，通过将边缘云端服务器一、边缘云端服务器二和边缘云端服务器三分别相互电性连接在一起，使边缘云端服务器一、边缘云端服务器二和边缘云端服务器三之间的数据能够相互传输，当其中一个边缘云端服务器满载时，可以将数据发送至另一个云端服务器中，降低用户的等待时间，提高用户的体验，边缘云端服务器再将数据传输至中心云端服务器中，通过中心云端服务器，再将数据进行汇合，方便工作人员的统计。

(5)、该一种基于边缘计算的数据调度方法、装置及系统，通过在边缘服务器和云端服务器中设置存储模块，当数据从边缘云端服务器中传输时，边缘云端服务器会将数据进行存储，再通过中心云端服务器进行存储，对数据进行双重保护，降低数据丢失的可能性，达到了提高数据安全性的效果。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单的介绍。显而易见的，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引伸获得其他的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

图1为本发明基于边缘计算的数据调度方法步骤示意图；

图2为本发明基于边缘计算的数据调度装置结构示意图；

图3为本发明基于边缘计算的数据调度系统结构示意图；

图4为本发明中心云端服务器内部结构示意图；

图5为本发明边缘云端服务器内部结构示意图。

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。

实施例：一种基于边缘计算的数据调度方法，如图1所示，包括以下步骤方法：

第一步：顶点合并：在边缘计算场景中，有些应用或者服务具有特殊的特性，无法调度到客户端之X_s,t外，因此只能位于本地执行的分区中；除此之外，还可以根据特殊需要或其它原因选择在本地执行的任何服务，然后，所有不打算调度到边缘云端服务器/中心云端服务器的顶点都被合并到一个被选择为源顶点的节点中，以此节点作为模型图的起始节点。

第二步：粗划分：这一步的目标是将图粗划分为节点最少的图；粗划分不断的合并两个节点并减少一个节点数，直到最后只剩两个节点；因此，该算法有|V|-1个阶段；在每个阶段i(1≤i≤|v|-1)，计算图G＝(V_i,E_i)中的切割值、划分代价；G_i通过合并合适的节点变为G_i+1，其中G₁＝G；粗划分的结果是单个阶段i中所有任务以及本地和远程执行的相应任务代价中的最小割；在粗划分的每个阶段i进行五个步骤：

a)从A＝{a}开始，其中A是第一步节点合并产生的不用于卸载的节点；

b)迭代地通过最小相位函数将与A联系最紧密的顶点添加到A上；

c)按顺序最后添加到A的两个顶点为s和t节G_i点；

d)第i阶段的图划分为(V_i\{s},{t})；

e)通过合并算法将s节点和t节点合并，图变为G+1；

合并算法：用于将两个节点合并为一个新节点。如节点s,t∈V(s≠t)；

则合并过程如下：

a)节点s和t被新的节点X_s,t，替换；以前与s或t相连的所有边现在都与X_s,t关联(节点s和t之间连接边除外)。

b)通过增加边权值来解决多个边合并的问题，将多个边的本地通信时间代价相加，异地通信时间代价相加，即为合并后的权值；节点X_s,t的权值为s的权值与t的权值之和。

第三步：代价计算：通过粗划分迭代将图划分最后两个节点，计算每个阶段i的图划分产生的权值变化，权值最小的阶段的划分，即为最后的划分，这个阶段的图划分即为最小划分，求出的代价，即为最小代价。

最小和位算法：该算法的作用在于可以方便地选择要添加到集合A中的下一个顶点，即最紧密连接的顶点，这个顶点是顶点A周围Δ(v)最大的点，其中

Δ(v)＝{ω^local(e(A,v))-ω^offioad(e(A,v))}-[ω^local(v)-ω^offioad(v)]

在将这个顶点添加到集合A后，再寻找新的集合A周围Δ(v)最大的节点，直到剩下最后两个节点，定为节点s和节点t，在此阶段的图划分就在s节点和t节点之间，其余节点就被线性排序；最后将s节点和t节点通过合并算法合并，可以算出此阶段的总时间代价为

C_cut(a-t,t)＝C^local-[ω^local(t)-ω^offioad(t)]+{ω^local(e(A,t))-ω^offioad(e(A,t))}

其中，C^local为所有节点的本地执行时间代价，ω^local(t)为t节点的本地执行时间代价，ω^offioad(t)为t节点的调度到边缘云端服务器/中心云端服务器的执行时间代价，ω^local(e(A,t))为A集合和t节点之间的本地通信时间代价，ω^offioad(e(A,t))为A集合和t节点之间的异地通信时间代价。

一种基于边缘计算的数据调度装置，如图2所示，包括中心云端服务器和客户端，所述中心云端服务器的外部设置有边缘云端服务器一、边缘云端服务器二和边缘云端服务器三，所述边缘云端服务器一、边缘云端服务器二和边缘云端服务器三相互电信号连接在一起，所述边缘云端服务器一、边缘云端服务器二和边缘云端服务器三的输出端均与中心云端服务器的输入端电信号连接在一起，所述客户端设置在中心云端服务器的外部，客户端的输出端分别与边缘云端服务器一、边缘云端服务器二和边缘云端服务器三输入端电信号连接在一起。

一种基于边缘计算的数据调度系统，如图3-图5所示，包括数据调度系统，所述数据调度系统包括中心云端服务器，边缘云端服务器和客户端。

所述中心云端服务器包括数据接收模块一，数据分类模块和存储模块一。

所述边缘云端服务器包括数据接收模块二，存储模块二和数据发送模块一。

所述数据接收模块一的输出端与数据分类模块的输入端电性连接在一起，所述数据分类模块的输出端与存储模块一的输入端电性连接在一起。

所述数据接收模块二的输入端与客户端的输出端电性连接在一起，所述数据接收模块二的输出端与存储模块二的输入端电性连接在一起，所述存储模块二的输出端与数据发送模块一的输出端电性连接在一起，所述数据发送模块一的输出端与数据接收模块一的输入端电性连接在一起。

本发明的工作原理：

本发明中，通过上述方法在边缘服务器上执行，它以加权有向图作为输入，代表一个应用程序的操作/计算服务作为节点，它们之间的通信(例如，函数调用，数据的传输)作为边。每个节点都有两个执行时间代价：第一，在本地边缘端执行操作的时间代价(例如，在客户端上)；第二，在其它地方执行操作的时间代价(例如，在边缘云端服务器/中心云端服务器上)。边的权值是用来卸载计算或服务的通信时间代价。在新的卸载模型中，通信时间代价分为本地边缘节点之间通信时间，本地边缘节点和异地节点之间的上行和下行通信时间，异地节点之间的通信时间。通过该方法的得出的结果包含关于成本的信息，并划分出哪些操作/计算服务应该在本地执行，哪些操作应该调度到边缘云端服务器/中心云端服务器，降低操作所需要的时间，达到了提高工作效率的效果。

本发明中，通过增加边权值来解决多个边合并的问题，将多个边的本地通信时间代价相加，异地通信时间代价相加，即为合并后的权值；节点X_s,t的权值为s的权值与t的权值之和。

本发明中，在对结果中最小和位进行计算时，通过利用Δ(v)＝{ω^local(e(A,v))-ω^offioad(e(A,v))}-[ω^local(v)-ω^offioad(v)]，在将这个顶点添加到集合A后，再寻找新的集合A周围Δ(v)最大的节点，直到剩下最后两个节点，定为节点s和节点t，在此阶段的图划分就在s节点和t节点之间，其余节点就被线性排序；最后将s节点和t节点通过合并算法合并，可以算出此阶段的总时间代价为C_cut(a-t,t)＝C^local-[ω^local(t)-ω^offioad(t)]+{ω^local(e(A,t))-ω^offioad(e(A,t))}，其中，C^local为所有节点的本地执行时间代价，ω^local(t)为t节点的本地执行时间代价，ω^offioad(t)为t节点的调度到边缘云端服务器/中心云端服务器的执行时间代价，ω^local(e(A,t))为A集合和t节点之间的本地通信时间代价，ω^offioad(e(A,t))为A集合和t节点之间的异地通信时间代价，达到了方便得出不同阶段的总时间代价的效果。

本发明中，通过将边缘云端服务器一、边缘云端服务器二和边缘云端服务器三分别相互电性连接在一起，使边缘云端服务器一、边缘云端服务器二和边缘云端服务器三之间的数据能够相互传输，当其中一个边缘云端服务器满载时，可以将数据发送至另一个云端服务器中，降低用户的等待时间，提高用户的体验，边缘云端服务器再将数据传输至中心云端服务器中，通过中心云端服务器，再将数据进行汇合，方便工作人员的统计。

本发明中，通过在边缘服务器和云端服务器中设置存储模块，当数据从边缘云端服务器中传输时，边缘云端服务器会将数据进行存储，再通过中心云端服务器进行存储，对数据进行双重保护，降低数据丢失的可能性，达到了提高数据安全性的效果。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于边缘计算的数据调度方法，其特征在于：包括以下步骤方法：

第一步：顶点合并；

第二步：粗划分；

第三步：代价计算。

2.根据权利要求1所述的一种基于边缘计算的数据调度方法，其特征在于：所述第一步中将不打算调度到边缘云端服务器/中心云端服务器的顶点都被合并到一个被选择为源顶点的节点中，以此节点作为模型图的起始节点。

3.根据权利要求1所述的一种基于边缘计算的数据调度方法，其特征在于：所述第二步中的目标是将图粗划分为节点最少的图；粗划分不断的合并两个节点并减少一个节点数，直到最后只剩两个节点；因此，该算法有|V|-1个阶段；在每个阶段i(1≤i≤|v|-1)，计算图G＝(V_i,E_i)中的切割值、划分代价；G_i通过合并合适的节点变为G_i+1，其中G₁＝G；粗划分的结果是单个阶段i中所有任务以及本地和远程执行的相应任务代价中的最小割。

4.根据权利要求3所述的一种基于边缘计算的数据调度方法，其特征在于：所述第二步中的在粗划分的每个阶段i进行五个步骤：

a)从A＝{a}开始，其中A是第一步节点合并产生的不用于卸载的节点；

b)迭代地通过最小相位函数将与A联系最紧密的顶点添加到A上；

c)按顺序最后添加到A的两个顶点为s和t节点；

d)第i阶段的图划分为(V_i\{s},{t})；

e)通过合并算法将s节点和t节点合并，图G_i变为G+1。

5.根据权利要求3所述的一种基于边缘计算的数据调度方法，其特征在于：所述第二步中的合并算法是用于将两个节点合并为一个新节点，如节点s,t∈V(s≠t)；

则合并过程如下：

a)节点s和t被新的节点X_s,t，替换；以前与s或t相连的所有边现在都与X_s,t关联(节点s和t之间连接边除外)；

b)通过增加边权值来解决多个边合并的问题，将多个边的本地通信时间代价相加，异地通信时间代价相加，即为合并后的权值；节点X_s,t的权值为s的权值与t的权值之和。

6.根据权利要求1所述的一种基于边缘计算的数据调度方法，其特征在于：所述第三步中将第二步中的通过粗划分迭代将图划分最后两个节点，计算每个阶段i的图划分产生的权值变化，权值最小的阶段的划分，即为最后的划分，这个阶段的图划分即为最小划分，求出的代价，即为最小代价。

7.根据权利要求6所述的一种基于边缘计算的数据调度方法，其特征在于：所述第三步中的最小和位算法：该算法的作用在于可以方便地选择要添加到集合A中的下一个顶点，即最紧密连接的顶点，这个顶点是顶点A周围Δ(v)最大的点，其中

Δ(v)＝{ω^local(e(A,v))-ω^offioad(e(A,v))}-[ω^local(v)-ω^offioad(v)]

在将这个顶点添加到集合A后，再寻找新的集合A周围Δ(v)最大的节点，直到剩下最后两个节点，定为节点s和节点t，在此阶段的图划分就在s节点和t节点之间，其余节点就被线性排序；最后将s节点和t节点通过合并算法合并，可以算出此阶段的总时间代价为

C_cut(a-t,t)＝C^local-[ω^local(t)-ω^offioad(t)]+{ω^local(e(A,t))-ω^offioad(e(A,t))}。

8.根据权利要求7所述的一种基于边缘计算的数据调度方法，其特征在于：所述第三步中的C^local为所有节点的本地执行时间代价，ω^local(t)为t节点的本地执行时间代价，ω^offioad(t)为t节点的调度到边缘云端服务器/中心云端服务器的执行时间代价，ω^local(e(A,t))为A集合和t节点之间的本地通信时间代价，ω^offioad(e(A,t))为A集合和t节点之间的异地通信时间代价。

9.一种基于边缘计算的数据调度装置，其特征在于：包括中心云端服务器和客户端，所述中心云端服务器的外部设置有边缘云端服务器一、边缘云端服务器二和边缘云端服务器三，所述边缘云端服务器一、边缘云端服务器二和边缘云端服务器三相互电信号连接在一起，所述边缘云端服务器一、边缘云端服务器二和边缘云端服务器三的输出端均与中心云端服务器的输入端电信号连接在一起，所述客户端设置在中心云端服务器的外部，客户端的输出端分别与边缘云端服务器一、边缘云端服务器二和边缘云端服务器三输入端电信号连接在一起。

10.一种基于边缘计算的数据调度系统，包括数据调度系统，其特征在于：所述数据调度系统包括中心云端服务器，边缘云端服务器和客户端；

所述中心云端服务器包括数据接收模块一，数据分类模块和存储模块一；

所述边缘云端服务器包括数据接收模块二，存储模块二和数据发送模块一；

所述数据接收模块一的输出端与数据分类模块的输入端电性连接在一起，所述数据分类模块的输出端与存储模块一的输入端电性连接在一起；

所述数据接收模块二的输入端与客户端的输出端电性连接在一起，所述数据接收模块二的输出端与存储模块二的输入端电性连接在一起，所述存储模块二的输出端与数据发送模块一的输出端电性连接在一起，所述数据发送模块一的输出端与数据接收模块一的输入端电性连接在一起。

Images