CN114024977A - 一种基于边缘计算的数据调度方法、装置及系统 - Google Patents
一种基于边缘计算的数据调度方法、装置及系统 Download PDFInfo
- Publication number
- CN114024977A CN114024977A CN202111274592.2A CN202111274592A CN114024977A CN 114024977 A CN114024977 A CN 114024977A CN 202111274592 A CN202111274592 A CN 202111274592A CN 114024977 A CN114024977 A CN 114024977A
- Authority
- CN
- China
- Prior art keywords
- cloud server
- node
- edge
- nodes
- local
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 title claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 36
- 230000000694 effects Effects 0.000 claims abstract description 12
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
-
- 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
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- 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
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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
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=(Vi,Ei)中的切割值、划分代价;Gi通过合并合适的节点变为Gi+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(Vi\{s},{t});
e)通过合并算法将s节点和t节点合并,图Gi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Xs,t,替换;以前与s或t相连的所有边现在都与Xs,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Xs,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)={ωlocal(e(A,v))-ωoffioad(e(A,v))}-[ωlocal(v)-ωoffioad(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
Ccut(a-t,t)=Clocal-[ωlocal(t)-ωoffioad(t)]+{ωlocal(e(A,t))-ωoffioad(e(A,t))}。
作为优选,所述第三步中的Clocal为所有节点的本地执行时间代价,ωlocal(t)为t节点的本地执行时间代价,ωoffioad(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,ωlocal(e(A,t))为A集合和t节点之间的本地通信时间代价,ωoffioad(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Xs,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)={ωlocal(e(A,v))-ωoffioad(e(A,v))}-[ωlocal(v)-ωoffioad(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Ccut(a-t,t)=Clocal-[ωlocal(t)-ωoffioad(t)]+{ωlocal(e(A,t))-ωoffioad(e(A,t))},其中,Clocal为所有节点的本地执行时间代价,ωlocal(t)为t节点的本地执行时间代价,ωoffioad(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,ωlocal(e(A,t))为A集合和t节点之间的本地通信时间代价,ωoffioad(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Xs,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=(Vi,Ei)中的切割值、划分代价;Gi通过合并合适的节点变为Gi+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Gi点;
d)第i阶段的图划分为(Vi\{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Xs,t,替换;以前与s或t相连的所有边现在都与Xs,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Xs,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)={ωlocal(e(A,v))-ωoffioad(e(A,v))}-[ωlocal(v)-ωoffioad(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
Ccut(a-t,t)=Clocal-[ωlocal(t)-ωoffioad(t)]+{ωlocal(e(A,t))-ωoffioad(e(A,t))}
其中,Clocal为所有节点的本地执行时间代价,ωlocal(t)为t节点的本地执行时间代价,ωoffioad(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,ωlocal(e(A,t))为A集合和t节点之间的本地通信时间代价,ωoffioad(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Xs,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)={ωlocal(e(A,v))-ωoffioad(e(A,v))}-[ωlocal(v)-ωoffioad(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Ccut(a-t,t)=Clocal-[ωlocal(t)-ωoffioad(t)]+{ωlocal(e(A,t))-ωoffioad(e(A,t))},其中,Clocal为所有节点的本地执行时间代价,ωlocal(t)为t节点的本地执行时间代价,ωoffioad(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,ωlocal(e(A,t))为A集合和t节点之间的本地通信时间代价,ωoffioad(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=(Vi,Ei)中的切割值、划分代价;Gi通过合并合适的节点变为Gi+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(Vi\{s},{t});
e)通过合并算法将s节点和t节点合并,图Gi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Xs,t,替换;以前与s或t相连的所有边现在都与Xs,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Xs,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)={ωlocal(e(A,v))-ωoffioad(e(A,v))}-[ωlocal(v)-ωoffioad(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
Ccut(a-t,t)=Clocal-[ωlocal(t)-ωoffioad(t)]+{ωlocal(e(A,t))-ωoffioad(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Clocal为所有节点的本地执行时间代价,ωlocal(t)为t节点的本地执行时间代价,ωoffioad(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,ωlocal(e(A,t))为A集合和t节点之间的本地通信时间代价,ωoffioad(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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111274592.2A CN114024977B (zh) | 2021-10-29 | 2021-10-29 | 一种基于边缘计算的数据调度方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111274592.2A CN114024977B (zh) | 2021-10-29 | 2021-10-29 | 一种基于边缘计算的数据调度方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114024977A true CN114024977A (zh) | 2022-02-08 |
CN114024977B CN114024977B (zh) | 2024-02-06 |
Family
ID=80059368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111274592.2A Active CN114024977B (zh) | 2021-10-29 | 2021-10-29 | 一种基于边缘计算的数据调度方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114024977B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115348210A (zh) * | 2022-06-21 | 2022-11-15 | 深圳市高德信通信股份有限公司 | 一种基于边缘计算的延迟优化方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068863A (zh) * | 2015-07-16 | 2015-11-18 | 福州大学 | 多云环境下带截止日期约束工作流的基于代价驱动调度方法 |
US20170039239A1 (en) * | 2015-08-03 | 2017-02-09 | Sap Se | Distributed resource-aware task scheduling with replicated data placement in parallel database clusters |
CN109698861A (zh) * | 2018-12-14 | 2019-04-30 | 深圳先进技术研究院 | 一种基于代价优化的计算任务卸载算法 |
CN111049814A (zh) * | 2019-12-04 | 2020-04-21 | 苏州大学 | 一种在边缘计算环境中针对污染攻击的计算验证的方法 |
US10700964B1 (en) * | 2019-01-04 | 2020-06-30 | Dropbox, Inc. | Centralized application-layer routing at the edge of an online application service provider network |
US20200351336A1 (en) * | 2019-04-30 | 2020-11-05 | Verizon Patent And Licensing Inc. | Methods and Systems for Intelligent Distribution of Workloads to Multi-Access Edge Compute Nodes on a Communication Network |
WO2021012584A1 (zh) * | 2019-07-25 | 2021-01-28 | 北京工业大学 | 一种移动边缘计算场景下制定单任务迁移策略的方法 |
WO2021046774A1 (zh) * | 2019-09-11 | 2021-03-18 | 阿里巴巴集团控股有限公司 | 资源调度与信息预测方法、设备、系统及存储介质 |
CN112988345A (zh) * | 2021-02-09 | 2021-06-18 | 江南大学 | 一种基于移动边缘计算的依赖型任务卸载方法及装置 |
-
2021
- 2021-10-29 CN CN202111274592.2A patent/CN114024977B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068863A (zh) * | 2015-07-16 | 2015-11-18 | 福州大学 | 多云环境下带截止日期约束工作流的基于代价驱动调度方法 |
US20170039239A1 (en) * | 2015-08-03 | 2017-02-09 | Sap Se | Distributed resource-aware task scheduling with replicated data placement in parallel database clusters |
CN109698861A (zh) * | 2018-12-14 | 2019-04-30 | 深圳先进技术研究院 | 一种基于代价优化的计算任务卸载算法 |
WO2020119648A1 (zh) * | 2018-12-14 | 2020-06-18 | 深圳先进技术研究院 | 一种基于代价优化的计算任务卸载算法 |
US10700964B1 (en) * | 2019-01-04 | 2020-06-30 | Dropbox, Inc. | Centralized application-layer routing at the edge of an online application service provider network |
US20200351336A1 (en) * | 2019-04-30 | 2020-11-05 | Verizon Patent And Licensing Inc. | Methods and Systems for Intelligent Distribution of Workloads to Multi-Access Edge Compute Nodes on a Communication Network |
WO2021012584A1 (zh) * | 2019-07-25 | 2021-01-28 | 北京工业大学 | 一种移动边缘计算场景下制定单任务迁移策略的方法 |
WO2021046774A1 (zh) * | 2019-09-11 | 2021-03-18 | 阿里巴巴集团控股有限公司 | 资源调度与信息预测方法、设备、系统及存储介质 |
CN111049814A (zh) * | 2019-12-04 | 2020-04-21 | 苏州大学 | 一种在边缘计算环境中针对污染攻击的计算验证的方法 |
CN112988345A (zh) * | 2021-02-09 | 2021-06-18 | 江南大学 | 一种基于移动边缘计算的依赖型任务卸载方法及装置 |
Non-Patent Citations (3)
Title |
---|
XUAN-QUI PHAM, NGUYEN DOAN MAN, NGUYEN DAO TAN TRI, NGO QUANG THAI, EUI-NAM HUH: "A cost- and performance-effective approach for task scheduling based on collaboration between cloud and fog computing", 《INTERNATIONAL JOURNAL OF DISTRIBUTED SENSOR NETWORKS》 * |
YUTAO JIAO; PING WANG; DUSIT NIYATO; KONGRATH SUANKAEWMANEE: "Auction Mechanisms in Cloud/Fog Computing Resource Allocation for Public Blockchain Networks", 《IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS 》, vol. 30, no. 9, pages 1975 - 1989, XP011738876, DOI: 10.1109/TPDS.2019.2900238 * |
兰延文: "边缘计算任务卸载与资源优化研究", 《中国博士学位论文全文数据库 信息科技辑》, pages 136 - 190 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115348210A (zh) * | 2022-06-21 | 2022-11-15 | 深圳市高德信通信股份有限公司 | 一种基于边缘计算的延迟优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114024977B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113810233B (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
CN101977242A (zh) | 一种分层分布式云计算体系结构及服务提供方法 | |
CN114327526B (zh) | 一种移动边缘计算环境中的任务卸载方法及其应用 | |
Mosleh et al. | Resource allocation through network architecture in systems of systems: A complex networks framework | |
CN111324429B (zh) | 一种基于多代血统参考距离的微服务组合调度方法 | |
CN114024977A (zh) | 一种基于边缘计算的数据调度方法、装置及系统 | |
CN116185523A (zh) | 一种任务卸载和部署的方法 | |
Yang et al. | Towards 6g joint haps-mec-cloud 3c resource allocation for delay-aware computation offloading | |
Ji et al. | Towards optimal application offloading in heterogeneous edge-cloud computing | |
Yang et al. | Coded computing in unknown environment via online learning | |
CN116861951A (zh) | 一种分布式图神经网络计算效率的优化方法 | |
CN115495056B (zh) | 分布式图计算系统和方法 | |
CN111580943A (zh) | 一种面向低时延边缘计算中多跳卸载的任务调度方法 | |
CN115766475B (zh) | 基于通信效率的半异步电力联邦学习网络及其通信方法 | |
CN115408122B (zh) | 一种去中心化的分布式并行计算框架及计算方法 | |
Xia et al. | Distributed resource management and admission control of stream processing systems with max utility | |
CN115955685A (zh) | 多智能体协同路由方法、设备及计算机存储介质 | |
El Mahjoub et al. | Energy Packet Networks with general service time distribution | |
CN112738225B (zh) | 基于人工智能的边缘计算方法 | |
Luo et al. | Hierarchical Collaboration Dynamic Resource Scheduling for Edge-Enabled Industrial IoT | |
Singhal et al. | Resource-aware Deployment of Dynamic DNNs over Multi-tiered Interconnected Systems | |
CN114745386A (zh) | 一种多用户边缘智能场景下的神经网络分割及卸载方法 | |
CN114116052A (zh) | 一种边缘计算方法及装置 | |
Liu et al. | Accelerated dual averaging methods for decentralized constrained optimization | |
Mishra et al. | A game theory-based transportation system using fog computing for passenger assistance |
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 |