CN114356511B - 任务分配方法及任务分配系统 - Google Patents

任务分配方法及任务分配系统 Download PDF

Info

Publication number
CN114356511B
CN114356511B CN202110936844.7A CN202110936844A CN114356511B CN 114356511 B CN114356511 B CN 114356511B CN 202110936844 A CN202110936844 A CN 202110936844A CN 114356511 B CN114356511 B CN 114356511B
Authority
CN
China
Prior art keywords
task
nodes
execution scheme
allocated
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.)
Active
Application number
CN202110936844.7A
Other languages
English (en)
Other versions
CN114356511A (zh
Inventor
张兴
赵章界
朱江
聂二保
张梦禾
曹宇
刘婧
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.)
Cec Cyberspace Great Wall Co ltd
Original Assignee
Cec Cyberspace Great Wall 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 Cec Cyberspace Great Wall Co ltd filed Critical Cec Cyberspace Great Wall Co ltd
Priority to CN202110936844.7A priority Critical patent/CN114356511B/zh
Publication of CN114356511A publication Critical patent/CN114356511A/zh
Application granted granted Critical
Publication of CN114356511B publication Critical patent/CN114356511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/48Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806Task transfer initiation or dispatching
    • G06F9/4843Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种任务分配方法、系统,属于通信技术领域,其可至少部分解决现有的任务分配方法无法实现系统的资源的动态配置的问题。本发明实施例的任务分配方法包括:确定多个节点中至少一个节点构成中枢神经,中枢神经用于控制多个周围神经;中枢神经接收待分配任务,并根据待分配任务的信息,生成待分配任务的执行方案;按照预定的规则以及待分配任务的执行方案,将待分配任务的执行方案发送至多个周围神经;周围神经接收待分配任务的执行方案,并根据待分配任务的执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个神经节的节点分为多个神经元,每个神经元包括多个节点;神经元执行待分配任务。

Description

任务分配方法及任务分配系统
技术领域
本发明属于通信技术领域,具体涉及一种任务分配方法、系统。
背景技术
随着计算技术的飞速发展,处理海量数据的能力愈来愈强,通过数据挖掘获得的社会福利正在成为社会经济发展的重要增长点,但在现行的自下而上的通信架构下,智能设备(如手机、智能电表等)在采集完数据之后,通过网络将数据发送至边缘服务器、云端服务器,并通过云端服务器与其他的智能设备进行数据交换,是一个固定的系统,不能随着任务进行自适应调整。
也就是说,不管是分布式还是集中式架构,数据处理过程往往都依托多个中心完成系统的调度,在一些任务没有特别复杂,不需要经过云端服务器也可以完成的情况下,使用现有的系统反而会造成资源的浪费,同时数据需要经过很多不必要的节点,增加了数据泄露的风险;在一些任务特别复杂的情况下,由于不能自适应调整,反而会造成任务拥堵,无法完成任务。
发明内容
本发明至少部分解决现有的任务分配方法无法实现系统的资源的动态配置的问题,提供一种可以实现系统的资源的动态配置的任务分配方法和系统。
本发明的一个方面提供一种任务分配方法,所述方法用于包括多个节点的系统,所述任务分配方法包括:
确定多个节点中至少一个节点构成中枢神经,所述中枢神经用于控制多个周围神经,每个周围神经包括多个节点;
所述中枢神经接收待分配任务,并根据所述待分配任务的信息,生成所述待分配任务的执行方案;
按照预定的规则以及所述待分配任务的执行方案,将所述待分配任务的执行方案发送至多个周围神经;
所述周围神经接收所述待分配任务的执行方案,并根据所述待分配任务的执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个所述神经节的节点分为多个神经元,每个神经元包括多个节点;所述神经元执行所述待分配任务。
可选的,所述确定多个节点中至少一个节点构成中枢神经之前还包括:至少获取所述系统的所有节点的运算能力和存储能力的评价结果;所述确定多个节点中至少一个节点构成中枢神经包括:根据所述系统的多个节点的评价结果确定多个节点中至少一个节点构成中枢神经。
进一步可选的,所述待分配任务的执行方案包括:完成所述待分配任务所需的周围神经的数量,以及每个周围神经所需执行的子任务。
进一步可选的,所述周围神经接收所述待分配任务的执行方案,并根据所述待分配任务的执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个所述神经节的节点分为多个神经元,包括:所述周围神经接收所述待分配任务的执行方案,获取其所需执行的子任务,并根据所述子任务,生成对应的预执行方案,所述预执行方案包括执行所述子任务的神经节的数量、神经元的数量,以及每个神经元所需执行的运算和执行运算的顺序;根据所述预执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个所述神经节的节点分为多个神经元。
进一步可选的,所述根据所述预执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个所述神经节的节点分为多个神经元,包括:所述中枢神经获取所有预执行方案,对所有预执行方案进行调整,生成最终执行方案,并将所述最终执行方案发送至对应的周围神经;所述周围神经接收所述最终执行方案,根据所述最终执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个所述神经节的节点分为多个神经元。
进一步可选的,所述最终执行方案包括每个周围神经中执行其所对应的子任务的神经节的数量、神经元的数量,以及每个神经元所需执行的运算和执行运算的顺序;所述根据所述最终执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个所述神经节的节点分为多个神经元,包括:所述周围神经根据所述最终执行方案中执行其所对应的子任务的神经节的数量、神经元的数量,从其多个节点中随机选择多个节点组成多个神经节,并将每个神经节的节点分为多个神经元。
进一步可选的,所述将每个神经节的节点分为多个神经元,所述神经元执行所述待分配任务,包括:从每个神经节的节点中随机选择节点分别作为一个神经元的输入节点、存储节点、控制节点、运算节点以及输出节点,其中,控制节点用于控制输入节点、存储节点、运算节点以及输出节点,存储节点用于存储数据,运算节点用于执行运算任务,输出节点用于在接收到控制节点的输出指令的情况下,将存储节点存储的数据输出至指定位置;所述神经元的控制节点,控制所述神经元的其他节点执行所述待分配任务。
进一步可选的,所述按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,包括:所述周围神经从其多个节点中,随机选择多个节点组成多个神经节,其中,至少一个神经节为控制神经节,所述控制神经节用于与其他神经节通信并控制除控制神经节外的其他神经节。
进一步可选的,所述按照预定的规则以及所述待分配任务的执行方案,将所述待分配任务的执行方案发送至多个周围神经包括:根据所述待分配任务的执行方案,从所述中枢神经控制的周围神经中随机选择多个周围神经作为执行周围神经,并将所述待分配任务的执行方案发送至所述执行周围神经。
本发明的另一个方面提供一种系统,所述系统包括多个节点,所述多个节点用于执行上述的任务分配方法。
本发明实施例的任务方法、系统中,中枢神经在接收到待分配任务之后,根据待分配任务的信息,生成待分配任务的执行方案,在待分配任务较大(如完成待分配任务需要的运算资源和存储资源较多)的情况下,则中枢神经可以控制更多的周围神经、运算能力更强的周围神经参与完成待分配任务;在待分配任务较小(如完成待分配任务需要的运算资源和存储资源较小)的情况下,则中枢神经可以控制较少的周围神经、运算能力较小的周围神经参与完成待分配任务。周围神经在接收到待分配任务的执行方案之后,根据待分配任务的执行方案来“组织”神经节、神经元(即根据待分配任务的执行方案来从周围神经控制的节点中选择节点组成神经节,从神经节的节点中选择节点组成神经元),因此周围神经可以根据待分配任务的执行方案“智能化组织”神经节、神经元,也就是说,周围神经可以根据具体的任务,选择组成神经节、神经元的节点,实现系统的资源的动态配置。
附图说明
图1为本发明实施例的一种任务分配方法的流程示意图;
图2为本发明实施例的另一种任务分配方法的流程示意图;
图3为本发明实施例的另一种任务分配方法部分步骤的流程示意图;
图4为本发明实施例的另一种任务分配方法部分步骤的流程示意图;
图5为本发明实施例的一种系统的中枢神经、周围神经、神经节、神经元的关系示意图;
图6为本发明实施例的一种系统的神经元的组成示意框图;
图7为本发明实施例的一种系统的组成示意框图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。
可以理解的是,此处描述的具体实施例和附图仅仅用于解释本发明,而非对本发明的限定。
可以理解的是,在不冲突的情况下,本发明中的各实施例及实施例中的各特征可相互组合。
可以理解的是,为便于描述,本发明的附图中仅示出了与本发明相关的部分,而与本发明无关的部分未在附图中示出。
可以理解的是,本发明的实施例中所涉及的每个单元、模块可仅对应一个实体结构,也可由多个实体结构组成,或者,多个单元、模块也可集成为一个实体结构。
可以理解的是,在不冲突的情况下,本发明的流程图和框图中所标注的功能、步骤可按照不同于附图中所标注的顺序发生。
可以理解的是,本发明的流程图和框图中,示出了按照本发明各实施例的系统、装置、设备、方法的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可代表一个单元、模块、程序段、代码,其包含用于实现规定的功能的可执行指令。而且,框图和流程图中的每个方框或方框的组合,可用实现规定的功能的基于硬件的系统实现,也可用硬件与计算机指令的组合来实现。
可以理解的是,本发明实施例中所涉及的单元、模块可通过软件的方式实现,也可通过硬件的方式来实现,例如单元、模块可位于处理器中。
实施例1:
参照图1,本实施例提供一种任务分配方法,该任务分配方法用于包括多个节点的系统。
其中,每一个节点具体可以是具有一定存储和运算能力的、相对独立的单元,具体可为一个设备或一个设备群,如某智能化工况数据采集设备可以是工业互联网系统(如工业互联网系统)的一个节点。
而且,以上系统的任意两个节点之间可实现信息交互,例如是两个节点之间直接连接以进行信息交互,或是通过其它单元(如其它节点,或上位的服务器)间接的连接以实现信息交互。则本实施例的任务分配方法,具体包括:
S101、确定多个节点中至少一个节点构成中枢神经,中枢神经用于控制多个周围神经,每个周围神经包括多个节点。
从系统的所有节点中确定至少一个节点构成中枢神经。
其中,参照图5,中枢神经可以接收系统外的任务,其可以控制多个节点构建周围神经,并控制构建的周围神经,还可以解散(或者说撤销)已经构建的周围神经,是系统的“最高权力者”。
由于中枢神经是系统的“最高权力者”,其负责系统与系统外部的“对接”,其需要承担的任务也重于系统中的其他节点,因此组成中枢神经的节点应该是可以承担复杂运算任务,且具有较大的算力冗余的节点,具体可以是大型化、有灾备、安全能力较强的设备。
系统可以通过算法确定中枢神经,也可以通过接收人工输入的信息确定中枢神经(即人工指定某个设备或设备群成为系统的中枢神经)。
S102、中枢神经接收待分配任务,并根据待分配任务的信息,生成待分配任务的执行方案。
系统确定中枢神经后,中枢神经开始接收任务,中枢神经系统在接收到任务之后,将接收到的任务作为待分配任务,并根据待分配任务的信息(如完成待分配任务所需的运算资源与存储资源),生成待分配任务的执行方案。
具体的,待分配任务的执行方案可以是完成待分配任务所需的周围神经的数量,以及每个周围神经所需执行的子任务,生成待分配任务的执行方案的基本原则是资源使用最小、效率最优,具体生成待分配任务的执行方案的算法本身请并不做限定。
S103、按照预定的规则以及待分配任务的执行方案,将待分配任务的执行方案发送至多个周围神经。
系统按照预定的规则,以及中枢神经生成的待分配任务的执行方案,将待分配任务的执行方案发送至中枢神经控制的周围神经。
S104、周围神经接收待分配任务的执行方案,并根据待分配任务的执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个神经节的节点分为多个神经元,每个神经元包括多个节点;神经元执行待分配任务。
周围神经接收待分配任务的执行方案,并根据待分配任务的执行方案,按照预定的规则,从周围神经控制的多个节点(或者说组成周围神经的多个节点)中选择节点组成多个神经节。
其中,多个神经节的每个神经节都可以是一个“中心”,神经节之间互相独立,即多个神经节组成分布式架构;多个神经节也可以组成“单中心”,即一个神经节控制其他神经节,完成整个待分配任务的调度。
对于每一个神经节,根据资源占用最小化原则、就近原则等,将神经节包括的节点组成为神经元群,每一个神经元群包括多个神经元,每一个神经元包括多个节点。
其中,神经元是系统中的“执行者”,其执行待分配任务对应的运算,神经节包括多个神经元组,其控制每个神经元组的神经元的运算,以及神经元之间的“通信”,是系统的“高级执行者”。
本实施例的任务分配方法中,中枢神经在接收到待分配任务之后,根据待分配任务的信息,生成待分配任务的执行方案,在待分配任务较大(如完成待分配任务需要的运算资源和存储资源较多)的情况下,则中枢神经可以控制更多的周围神经、运算能力更强的周围神经参与完成待分配任务;在待分配任务较小(如完成待分配任务需要的运算资源和存储资源较小)的情况下,则中枢神经可以控制较少的周围神经、运算能力较小的周围神经参与完成待分配任务。
周围神经在接收到待分配任务的执行方案之后,根据待分配任务的执行方案来“组织”神经节、神经元(即根据待分配任务的执行方案来从周围神经控制的节点中选择节点组成神经节,从神经节的节点中选择节点组成神经元),因此周围神经可以根据待分配任务的执行方案“智能化组织”神经节、神经元,也就是说,周围神经可以根据具体的任务,选择组成神经节、神经元的节点,实现系统的资源的动态配置。
实施例2:
参照图2,本实施例提供一种任务分配方法,该任务分配方法用于包括多个节点的系统。
其中,每一个节点具体可以是一个设备或一个设备群,如某智能化工况数据采集设备可以是工业互联网系统的一个节点。
则本实施例的任务分配方法,具体包括:
S200、至少获取系统的所有节点的运算能力和存储能力的评价结果。
系统的评估单元或其他的评估设备获取系统中所有节点(或者是设备)算力(包括运算能力和存储能力),并对其进行综合评价,获取评价结果。
在获取评价结果之后,为了更容易确定系统的中枢神经、周围神经、神经节、神经元,可以将所有的设备进行分级分层,在一些实施例中,可以根据设备的硬件指标对设备进行分级分层,在不同的应用场景中,可依据使用者的需要进行层次设置,如获取系统中所有设备的算力,并根据获取到的算力将系统中的设备按照算力从大到小分为云端设备、边缘设备、终端设备、采集设备4个层次。
S201、根据系统的多个节点的评价结果确定多个节点中至少一个节点构成中枢神经。
在获取系统中所有节点的评价结果后,根据每个节点的评价结果,从系统的所有节点中确定至少一个节点构成中枢神经。
其中,参照图5,中枢神经可以接收系统外的任务,其可以控制多个节点构建周围神经,并控制构建的周围神经,还可以解散(或者说撤销)已经构建的周围神经,是系统的“最高权力者”。
周围神经是系统的“调度站”,其能够调度不同的节点组成神经元或神经节,并穿透不同的神经节,实现神经节之间的通信。
神经元是系统的基本组成部分,负责执行运算,是系统的“执行者”,神经节由多个神经元组组成,其控制每个神经元组的神经元的运算,以及神经元之间的“通信”,是系统的“高级执行者”。
由于中枢神经是系统的“最高权力者”,其负责系统与系统外部的“对接”,其需要承担的任务也重于系统中的其他节点,因此组成中枢神经的节点应该是可以承担复杂运算任务,且具有较大的算力冗余的节点,具体可以是大型化、有灾备、安全能力较强的设备,如中枢神经可以由系统中算力资源最大的设备群组成。
系统可以通过算法确定中枢神经(如根据系统设备算力的10-15%的划分来确定),也可以通过接收人工输入的信息确定中枢神经(即人工指定某个设备或设备群成为系统的中枢神经)。
在确定中枢神经之后,可以对中枢神经周围的节点进行划分,划分为多个中枢神经控制的周围神经,在划分的过程中,应该保证每个周围神经的算力资源与中枢神经控制的所有周围神经的总算力资源的比例不宜过高,以避免某一个周围神经的算力资源过大,出现“霸权”,导致中枢神经难以控制该周围神经,也可以避免中枢神经能够控制的周围神经过少,不利于中枢神经分配待分配任务(极端情况下,中枢神经只控制一个周围神经,中枢神经只能将待分配任务分配给该周围神经)。
S202、中枢神经接收待分配任务,并根据待分配任务的信息,生成待分配任务的执行方案。
系统确定中枢神经后,中枢神经开始接收任务,中枢神经系统在接收到任务之后,将接收到的任务作为待分配任务,并根据待分配任务的信息(如完成待分配任务所需的运算资源与存储资源),生成待分配任务的执行方案。
可选的,待分配任务的执行方案可以是完成待分配任务所需的周围神经的数量,以及每个周围神经所需执行的子任务。
生成待分配任务的执行方案的基本原则是资源使用最小、效率最优,具体生成待分配任务的执行方案的算法本身请并不做限定。
具体的,中枢神经系统接收到待分配任务之后,依据资源使用最小、效率最优的原则,确定完成待分配任务所需的周围神经的数量,以及每个周围神经所需执行的子任务。
S203、根据待分配任务的执行方案,从中枢神经控制的周围神经中随机选择多个周围神经作为执行周围神经,并将待分配任务的执行方案发送至执行周围神经。
在中枢神经生成待分配任务的执行方案后,系统根据待分配任务的执行方案中完成待分配任务所需的周围神经的数量,以及每个周围神经所需执行的子任务,从中枢神经控制的周围神经中随机选择多个周围神经作为执行周围神经,并将待分配任务的执行方案发送至执行周围神经。
具体的,系统根据每个周围神经所需执行的子任务,随机选择可执行子任务的周围神经作为执行周围神经,并将执行周围神经需要执行的子任务发送至执行周围神经。
S204、周围神经接收待分配任务的执行方案,获取其所需执行的子任务,并根据子任务,生成对应的预执行方案,预执行方案包括执行子任务的神经节的数量、神经元的数量,以及每个神经元所需执行的运算和执行运算的顺序。
周围神经(具体是执行周围神经)接收待分配任务的执行方案(具体是其需要执行的子任务),根据其需要执行的子任务,生成对应的预执行方案。
其中,预执行方案为完成该子任务所需要的神经节以及神经元的组织框架、运算顺序、算力配置等,具体包括执行周围神经执行子任务需要组建的神经节的数量、神经元的数量,以及每个神经元要执行的运算和执行运算的顺序。
S205、根据预执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个神经节的节点分为多个神经元,神经元执行待分配任务。
执行周围神经根据生成的预执行方案中的执行周围神经执行子任务需要组建的神经节的数量、神经元的数量,从其控制的多个节点选择节点组成对应数量的神经节以及对应数量的神经元,神经元根据预执行方案中每个神经元要执行的运算和执行运算的顺序按照顺序执行其对应的运算,以完成待分配任务。
其中,多个神经节的每个神经节都可以是一个“中心”,神经节之间互相独立,即多个神经节组成分布式架构;多个神经节也可以组成“单中心”,即一个神经节控制其他神经节,完成整个待分配任务的调度。
对于每一个神经节,根据资源占用最小化原则、就近原则等,将神经节包括的节点组成为神经元群,每一个神经元群包括多个神经元,每一个神经元包括多个节点。
可选的,参照图3,根据预执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个神经节的节点分为多个神经元(步骤S205),具体可以包括:
S301、中枢神经获取所有预执行方案,对所有预执行方案进行调整,生成最终执行方案,并将最终执行方案发送至对应的周围神经。
中枢神经获取所有执行周围神经的预执行方案,并对所有预执行方案进行评估和调整,给出优化配置建议,生成最终执行方案,并将最终执行方案发送至对应的周围神经。
需要强调的是,最终执行方案是对预执行方案进行调整得到的,因此最终执行方案和预执行方案一样,为完成子任务所需要的神经节以及神经元的组织框架、运算顺序、算力配置等,具体包括执行周围神经执行子任务需要组建的神经节的数量、神经元的数量,以及每个神经元要执行的运算和执行运算的顺序。
S302、周围神经接收最终执行方案,根据最终执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个神经节的节点分为多个神经元,神经元执行待分配任务。
执行周围神经接收最终执行方案并根据最终执行方案中的执行周围神经执行子任务需要组建的神经节的数量、神经元的数量,从其控制的多个节点选择节点组成对应数量的神经节以及对应数量的神经元,神经元根据最终执行方案中每个神经元要执行的运算和执行运算的顺序按照顺序执行其对应的运算,以完成待分配任务。
进一步可选的,参照图4,周围神经接收最终执行方案,根据最终执行方案,按照预定的规则,从其多个节点中至少选择部分节点组成多个神经节,将每个神经节的节点分为多个神经元(步骤S302)具体可以包括:
S401、周围神经根据最终执行方案中执行其所对应的子任务的神经节的数量、神经元的数量,从其多个节点中随机选择多个节点组成多个神经节。
执行周围神经接收最终执行方案并根据最终执行方案中的执行周围神经执行子任务需要组建的神经节的数量、神经元数量,根据资源占用最小化原则,就近原则,从其控制的多个节点选择节点组成对应数量的神经节。
具体的,执行周围神经从其多个节点中,随机选择多个节点组成多个神经节,多个神经节中至少一个神经节为控制神经节,控制神经节用于与其他神经节通信并控制除控制神经节外的其他神经节。
S402、从每个神经节的节点中随机选择节点分别作为一个神经元的输入节点、存储节点、控制节点、运算节点以及输出节点,其中,控制节点用于控制输入节点、存储节点、运算节点以及输出节点,存储节点用于存储数据,运算节点用于执行运算任务,输出节点用于在接收到控制节点的输出指令的情况下,将存储节点存储的数据输出至指定位置。
在控制神经节的控制下,每个神经节从其控制的节点中随机选择节点组成神经元。
具体的,参照图6,一个神经元包括输入节点、存储节点、控制节点、运算节点以及输出节点。
其中,输入节点为数据原始持有者,如智能化工况数据采集设备就可以是一个输入节点,其采集数据,由此能产生原始的输入数据集即为原始数据。
存储节点获得输入节点的数据并存储(可以是永久存储也可以是缓存),以供其他节点调,存储节点存储的数据可以是原始数据,也可以是运算参数,也可以是加密过的任何数据等。
需要强调的是,若输入节点为有运算能力的终端,可在原设备完成隐私信息脱敏或加密等去标签化过程,若输入节点为无运算能力的终端(如智能水表或电表),由存储节点完成隐私信息脱敏或加密等去标签化过程。进一步的,若存储节点也没有足够的算力完成去标签化过程,则可以向神经节、周围神经、中枢神经系统请求算力支持。
控制节点控制输入节点、存储节点、运算节点以及输出节点,其接收运算任务,发布运算指令(如数据调用、参数传递、模型优化等),但其自身并不承担存储、运算等任务。
运算节点用于执行运算任务,并将运算结果输出到存储节点中。
输出节点类似于存储节点,不同之处在于其一般状态下并不持有运算结果,仅在收到控制节点指令后,将运算结果从存储节点中提出并交付到控制指令指向的对象。
S403、神经元的控制节点,控制神经元的其他节点执行待分配任务。
神经元的多个节点按照顺序,相互协作完成最终执行方案中该神经元对应的运算,以完成待分配任务,具体的,控制节点控制输入节点获取输入数据,控制运算节点执行运算,控制存储节点存储运算结果,并控制输出节点输出运算结果。
由于神经元的每个节点是随机选择的,因此,在执行待分配任务之前,节点并不知道自己会承担什么样的角色,“黑客”想要通过攻击系统来获取数据,也并不知道应该攻击哪个节点,增加了系统的安全性,也增加了数据的隐私性。
同时,由于不同的任务由不同的节点执行,控制节点只负责控制,并不进行存储和运算,运算节点值进行运算,并不进行存储,存储节点只进行存储,避免了一个节点的“权力”过大,进一步增加了安全性。
对于每一个神经元来说其执行的任务都只是待分配任务的一部分,因此每一个神经元其获取的数据也只能是全部原始数据的一部分,运算得到的运算结果可只是一个中间结果,即使一个神经元的信息遭到了泄露,也无法通过泄露的数据获取全部的数据,进一步增加了系统的安全性,增加了数据的隐私性。
本实施例的任务分配方法中,中枢神经在接收到待分配任务之后,根据待分配任务的信息,生成待分配任务的执行方案,在待分配任务较大(如完成待分配任务需要的运算资源和存储资源较多)的情况下,则中枢神经可以控制更多的周围神经、运算能力更强的周围神经参与完成待分配任务;在待分配任务较小(如完成待分配任务需要的运算资源和存储资源较小)的情况下,则中枢神经可以控制较少的周围神经、运算能力较小的周围神经参与完成待分配任务。
周围神经在接收到待分配任务的执行方案之后,根据待分配任务的执行方案来“组织”神经节、神经元(即根据待分配任务的执行方案来从周围神经控制的节点中选择节点组成神经节,从神经节的节点中选择节点组成神经元),因此周围神经可以根据待分配任务的执行方案“智能化组织”神经节、神经元,也就是说,周围神经可以根据具体的任务,选择组成神经节、神经元的节点,实现系统的资源的动态配置。
同时,相比于现有技术中,通过加解密的方式对隐私数据进行保护,但由于算法和模型并不能有效区分哪些信息是否为隐私信息,往往需要增加人工干预,或将隐私保护问题与数据安全问题等同起来,导致系统资源使用“不经济”。
以及传统的隐私保护方法,一般是在尽量提升网络信息系统安全性同时,尽量把涉及隐私信息的数据分析工作部署在本地化系统中进行,减少隐私数据穿透,借助诸如联邦学习等技术,在保护隐私的前提下,完成模型搭建和数据价值的挖掘;但是,随着越来越多需要数据穿透本地化系统的场景中,如电商平台需要用户从智能手机端通过APP提供个人信息等,更多地是从法律合规的角度对隐私信息设立保护机制,从系统架构层面,并没有很好的解决方案。
本实施例的任务分配方法,从系统结构层面,将系统的多个节点分为中枢神经、周围神经、神经节、神经层,周围神经、神经节、神经元在获取待分配任务之后,随机组建而成,每个节点,处于什么层级,一方面由其算力确定,同等算力条件下,依据待分配任务临时配置,想要通过攻击系统来获取数据,也并不知道应该攻击哪个节点,在不增加额外的加密步骤的情况下,增加了系统的安全性,也增加了数据的隐私性,也就是说,可以在不增加系统负担的情况下,增加系统的安全性和数据的隐私性。
实施例3:
参照图7,本实施例提供一种系统,该系统包括多个节点,多个节点用于执行上述的任务分配方法。
本实施例的系统中,确定至少一个节点为中枢神经,中枢神经在接收到待分配任务之后,根据待分配任务的信息,生成待分配任务的执行方案,在待分配任务较大(如完成待分配任务需要的运算资源和存储资源较多)的情况下,则中枢神经可以控制更多的周围神经、运算能力更强的周围神经参与完成待分配任务;在待分配任务较小(如完成待分配任务需要的运算资源和存储资源较小)的情况下,则中枢神经可以控制较少的周围神经、运算能力较小的周围神经参与完成待分配任务。
周围神经在接收到待分配任务的执行方案之后,根据待分配任务的执行方案来“组织”神经节、神经元(即根据待分配任务的执行方案来从周围神经控制的节点中选择节点组成神经节,从神经节的节点中选择节点组成神经元),因此周围神经可以根据待分配任务的执行方案“智能化组织”神经节、神经元,也就是说,周围神经可以根据具体的任务,选择组成神经节、神经元的节点,实现系统的资源的动态配置。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明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发明的保护范围。

Claims (5)

1.一种任务分配方法,其特征在于,所述方法用于包括多个节点的系统,所述任务分配方法包括:
确定多个节点中至少一个节点构成中枢神经,所述中枢神经用于控制多个周围神经,每个周围神经包括多个节点;
所述中枢神经接收待分配任务,并根据所述待分配任务的信息,生成所述待分配任务的执行方案;
按照预定的规则以及所述待分配任务的执行方案,将所述待分配任务的执行方案发送至多个周围神经;
所述周围神经接收所述待分配任务的执行方案,并根据所述待分配任务的执行方案,从其多个节点中,随机选择多个节点组成多个神经节,将每个所述神经节的节点分为多个神经元,其中,每个神经元包括多个节点;所述神经元执行所述待分配任务;至少一个神经节为控制神经节,所述控制神经节用于与其他神经节通信并控制除控制神经节外的其他神经节;
所述待分配任务的执行方案包括:完成所述待分配任务所需的周围神经的数量,以及每个周围神经所需执行的子任务;
所述周围神经接收所述待分配任务的执行方案,并根据所述待分配任务的执行方案,从其多个节点中,随机选择多个节点组成多个神经节,将每个所述神经节的节点分为多个神经元,包括:
所述周围神经接收所述待分配任务的执行方案,获取其所需执行的子任务,并根据所述子任务,生成对应的预执行方案,所述预执行方案包括执行所述子任务的神经节的数量、神经元的数量,以及每个神经元所需执行的运算和执行运算的顺序;
所述中枢神经获取所有预执行方案,对所有预执行方案进行调整,生成最终执行方案,并将所述最终执行方案发送至对应的周围神经;其中,所述最终执行方案包括每个周围神经中执行其所对应的子任务的神经节的数量、神经元的数量,以及每个神经元所需执行的运算和执行运算的顺序;
所述周围神经接收所述最终执行方案,所述周围神经根据所述最终执行方案中执行其所对应的子任务的神经节的数量、神经元的数量,从其多个节点中随机选择多个节点组成多个神经节,并将每个神经节的节点分为多个神经元。
2.根据权利要求1所述的任务分配方法,其特征在于,
所述确定多个节点中至少一个节点构成中枢神经之前还包括:至少获取所述系统的所有节点的运算能力和存储能力的评价结果;
所述确定多个节点中至少一个节点构成中枢神经包括:根据所述系统的多个节点的评价结果确定多个节点中至少一个节点构成中枢神经。
3.根据权利要求1所述的任务分配方法,其特征在于,所述将每个神经节的节点分为多个神经元,所述神经元执行所述待分配任务,包括:
从每个神经节的节点中随机选择节点分别作为一个神经元的输入节点、存储节点、控制节点、运算节点以及输出节点,其中,控制节点用于控制输入节点、存储节点、运算节点以及输出节点,存储节点用于存储数据,运算节点用于执行运算任务,输出节点用于在接收到控制节点的输出指令的情况下,将存储节点存储的数据输出至指定位置;
所述神经元的控制节点,控制所述神经元的其他节点执行所述待分配任务。
4.根据权利要求1所述的任务分配方法,其特征在于,所述按照预定的规则以及所述待分配任务的执行方案,将所述待分配任务的执行方案发送至多个周围神经包括:
根据所述待分配任务的执行方案,从所述中枢神经控制的周围神经中随机选择多个周围神经作为执行周围神经,并将所述待分配任务的执行方案发送至所述执行周围神经。
5.一种任务分配系统,其特征在于,所述任务分配系统包括:
多个节点;
所述多个节点用于执行权利要求1-4任意一项所述的任务分配方法。
CN202110936844.7A 2021-08-16 2021-08-16 任务分配方法及任务分配系统 Active CN114356511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110936844.7A CN114356511B (zh) 2021-08-16 2021-08-16 任务分配方法及任务分配系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110936844.7A CN114356511B (zh) 2021-08-16 2021-08-16 任务分配方法及任务分配系统

Publications (2)

Publication Number Publication Date
CN114356511A CN114356511A (zh) 2022-04-15
CN114356511B true CN114356511B (zh) 2023-06-27

Family

ID=81096122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110936844.7A Active CN114356511B (zh) 2021-08-16 2021-08-16 任务分配方法及任务分配系统

Country Status (1)

Country Link
CN (1) CN114356511B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114860443A (zh) * 2022-05-06 2022-08-05 北京灵汐科技有限公司 映射的方法、电子设备、计算机可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657734A (zh) * 2018-12-29 2019-04-19 杭州铭智云教育科技有限公司 一种可动态变化的机器学习模型构建方法
CN110866687A (zh) * 2019-11-07 2020-03-06 中盈优创资讯科技有限公司 任务分配方法及装置
CN112511592A (zh) * 2020-11-03 2021-03-16 深圳市中博科创信息技术有限公司 一种边缘人工智能计算方法、物联网节点和存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106776024B (zh) * 2016-12-13 2020-07-21 苏州浪潮智能科技有限公司 一种资源调度装置、系统和方法
CN111327921A (zh) * 2018-12-17 2020-06-23 深圳市炜博科技有限公司 视频数据处理方法及设备
CN210270592U (zh) * 2019-05-14 2020-04-07 中国建材国际工程集团有限公司 基于WinCC的分布式集群架构监控系统
CN111459665A (zh) * 2020-03-27 2020-07-28 重庆电政信息科技有限公司 一种分布式边缘计算系统及分布式边缘计算方法
CN111708627B (zh) * 2020-06-22 2023-06-20 中国平安财产保险股份有限公司 基于分布式调度框架的任务调度方法以及装置
CN112114950A (zh) * 2020-09-21 2020-12-22 中国建设银行股份有限公司 任务调度方法和装置、以及集群管理系统
CN112596858A (zh) * 2020-12-25 2021-04-02 苏州浪潮智能科技有限公司 一种数据处理方法、装置、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657734A (zh) * 2018-12-29 2019-04-19 杭州铭智云教育科技有限公司 一种可动态变化的机器学习模型构建方法
CN110866687A (zh) * 2019-11-07 2020-03-06 中盈优创资讯科技有限公司 任务分配方法及装置
CN112511592A (zh) * 2020-11-03 2021-03-16 深圳市中博科创信息技术有限公司 一种边缘人工智能计算方法、物联网节点和存储介质

Also Published As

Publication number Publication date
CN114356511A (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
Bahreini et al. Efficient placement of multi-component applications in edge computing systems
CN105335229B (zh) 一种业务资源的调度方法和装置
CN105357199B (zh) 一种云计算认知资源管理系统及方法
CN114356511B (zh) 任务分配方法及任务分配系统
CN107153573A (zh) 分布式任务处理方法和装置
Pizzocaro et al. A distributed architecture for heterogeneous multi sensor-task allocation
Melhim et al. Intelligent real-time intervention system applied in smart city
CN102595419A (zh) 一种认知无线电网络中的频谱分配方法和系统
CN116185623A (zh) 任务分配方法、装置、电子设备及存储介质
CN105988886A (zh) 一种运维过程中的故障处理方法及装置
Rosemarry et al. Grouping based job scheduling algorithm using priority queue and hybrid algorithm in grid computing
Chaturvedi et al. A Novel method of Improving Spectrum sensing Management system for CR-IoT Networks
CN110392377A (zh) 一种5g超密集组网资源分配方法及装置
Li et al. Communications satellite multi-satellite multi-task scheduling
CN107729154A (zh) 资源分配方法及装置
Sharma et al. A Secure Resource and Job scheduling model with Job Grouping strategy in Grid computing
CN107105452B (zh) 一种基于pucch的负荷均衡的方法及装置
Benedicenti AHP and soft computing for energy-aware decision-making
Johnson Emergency relief planning and management through dynamic agent-based reallocation and tasking (DART)
WO2017152719A1 (zh) 一种lte系统中小区间协作的方法、装置和计算机存储介质
CN105636073B (zh) 一种控制rru接入基站的方法和装置
KR101577265B1 (ko) 자원 관리 장치 및 그 동작 방법
Zhang et al. Towards a genetic algorithm based approach for task migrations
Vu et al. Managing the security-energy tradeoff in distributed cyber-physical systems
CN106657226A (zh) 一种基于性能导向的通信系统资源协同管理方法

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