CN114579318A - 边缘计算的资源协同方法、装置及设备 - Google Patents

边缘计算的资源协同方法、装置及设备 Download PDF

Info

Publication number
CN114579318A
CN114579318A CN202210486203.0A CN202210486203A CN114579318A CN 114579318 A CN114579318 A CN 114579318A CN 202210486203 A CN202210486203 A CN 202210486203A CN 114579318 A CN114579318 A CN 114579318A
Authority
CN
China
Prior art keywords
demand
service
edge computing
communication
conversion coefficient
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
Application number
CN202210486203.0A
Other languages
English (en)
Other versions
CN114579318B (zh
Inventor
霍超
郑利斌
白晖峰
甄岩
慕迪
尹志斌
张港红
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.)
Beijing Smartchip Microelectronics Technology Co Ltd
Original Assignee
Beijing Smartchip Microelectronics Technology 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 Beijing Smartchip Microelectronics Technology Co Ltd filed Critical Beijing Smartchip Microelectronics Technology Co Ltd
Priority to CN202210486203.0A priority Critical patent/CN114579318B/zh
Publication of CN114579318A publication Critical patent/CN114579318A/zh
Application granted granted Critical
Publication of CN114579318B publication Critical patent/CN114579318B/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
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061Partitioning or combining of resources
    • G06F9/5072Grid computing
    • 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
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • 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)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及边缘计算技术领域,其实施方式提供了一种边缘计算的资源协同方法、装置及设备。该方法包括:定义转换系数,所述转换系数用于确定业务的算力需求与通信需求之间的转换关系;根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上分配比例;计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和;通过调整所述转换系数的取值使所述算力需求和通信需求之和最小;根据所述算力需求和通信需求之和最小时的转换系数和分配比例确定所述边缘计算设备上的资源分配。本发明提供的实施方式能够为边缘计算系统提供多业务高并发的支持能力,提高边缘计算的处理效率和资源利用率。

Description

边缘计算的资源协同方法、装置及设备
技术领域
本发明涉及边缘计算技术领域,具体地涉及一种边缘计算的资源协同方法、一种边缘计算的资源协同装置、一种边缘计算的资源协同设备以及一种存储介质。
背景技术
边缘计算作为一种新的计算模式,可以使数据在源头附近的边缘网络得到及时有效的处理。随着物联网的迅猛发展,爆发式增长的数据量远远超过了网络带宽的承受能力,大量新型智能应用的涌现对系统时延性能提出了更高的需求。边缘计算模式下终端将任务卸载到附近的边缘服务器执行,有效缓解了传统云计算中把所有数据传输到数据中心造成的网络拥塞与高延迟问题。边缘计算的瓶颈主要在于其计算、通信、存储等资源有限。当用户量和数据规模进一步增大时边缘节点趋于饱和,导致服务质量严重下降。为了更好地结合云计算与边缘计算的优势,云边协同作为一种新型计算模式成为了新的研究趋势。在云边协同的过程中,边缘计算主要对需要实时处理的数据进行处理,并为云端提供高价值的数据;云计算则负责非实时、长周期数据的处理,并完成边缘应用的全生命周期管理。
在云边协同过程中,通过优化卸载决策和资源分配来降低能耗或时延成本是实现高效计算卸载的关键。以往的工作多通过单独优化卸载决策、通信资源分配或计算资源分配来解决该问题。近年来,对于该问题的研究集中在联合资源分配和任务卸载决策优化方面。在优化目标的选择上有两种方案,一是把最小化时延作为优化目标,二是同时考虑降低能耗。然而,多业务密集并发接入的情况下,边缘计算和上行通信带宽受有限性所限,提高边缘算力资源和通信带宽资源的利用率成为优化的重点。
发明内容
本发明实施例的目的是提供一种边缘计算的资源协同方法、装置及设备,设计了面向云边协同的任务分配调度机制,旨在为边缘计算系统提供多业务高并发的支持能力,提高边缘计算的处理效率和资源利用率。
为了实现上述目的,本发明的第一方面提供了一种边缘计算的资源协同方法,所述方法包括:定义转换系数,所述转换系数用于确定业务的算力需求与通信需求之间的转换关系;根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上分配比例;计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和;通过调整所述转换系数的取值使所述算力需求和通信需求之和最小;根据所述算力需求和通信需求之和最小时的转换系数和分配比例确定所述边缘计算设备上的资源分配。
优选的,所述转换系数具有取值范围,所述取值范围根据业务的类型进行确定。
优选的,根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上分配比例,包括:
Figure 6906DEST_PATH_IMAGE001
其中,a i 为分配比例,C i 为业务i的算力需求,S i 为转换系数,I为业务集合中的业务总数,n为业务集合中需要云边协同的业务的起始序号。
优选的,所述方法还包括:当业务仅由边缘计算设备或云端计算设备一方处理时,赋予所述分配比例以特定值。
优选的,计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和,包括:根据业务集合中每个业务的算力需求和所述分配比例,得到分配在所述边缘计算设备上的算力需求;根据分配在所述边缘计算设备上的算力需求、所述分配比例和所述转换系数,得到所述业务分配在所述边缘计算设备上的通信需求;计算每个业务分配在所述边缘计算设备上的算力需求和通信需求之和;计算所述业务集合分配在所述边缘计算设备上的算力需求和通信需求之和。
优选的,通过调整所述转换系数的取值使所述算力需求和通信需求之和最小,包括:在所述取值范围内选择转换系数的多个取值,计算每个取值下的业务集合分配在所述边缘计算设备上的算力需求和通信需求之和;以所述分配在所述边缘计算设备上的算力需求和通信需求之和的最小值所对应的转换系数的取值作为所述转换系数的确定值。
在本发明的第二方面,还提供了一种边缘计算的资源协同装置,所述装置包括:系数定义模块,用于定义转换系数,所述转换系数用于确定业务的算力需求与通信需求之间的转换关系;比例确定模块,用于根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上分配比例;需求计算模块,用于计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和;最佳取值模块,用于通过调整所述转换系数的取值使所述算力需求和通信需求之和最小;以及资源分配模块,用于根据所述算力需求和通信需求之和最小时的转换系数和分配比例确定所述边缘计算设备上的资源分配。
优选的,所述转换系数具有取值范围,所述取值范围根据业务的类型进行确定。
优选的,根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上分配比例,包括:
Figure 359389DEST_PATH_IMAGE001
其中,a i 为分配比例,C i 为业务i的算力需求,S i 为转换系数,I为业务集合中的业务总数,n为业务集合中需要云边协同的业务的起始序号。
优选的,当业务仅由边缘计算设备或云端计算设备一方处理时,所述分配比例被赋予特定值。
优选的,计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和,包括:根据业务集合中每个业务的算力需求和所述分配比例,得到分配在所述边缘计算设备上的算力需求;根据分配在所述边缘计算设备上的算力需求、所述分配比例和所述转换系数,得到所述业务分配在所述边缘计算设备上的通信需求;计算每个业务分配在所述边缘计算设备上的算力需求和通信需求之和;计算所述业务集合分配在所述边缘计算设备上的算力需求和通信需求之和。
优选的,通过调整所述转换系数的取值使所述算力需求和通信需求之和最小,包括:在所述取值范围内选择转换系数的多个取值,计算每个取值下的业务集合分配在所述边缘计算设备上的算力需求和通信需求之和;以所述分配在所述边缘计算设备上的算力需求和通信需求之和的最小值所对应的转换系数的取值作为所述转换系数的确定值。
在本发明的第三方面,还提供了一种边缘计算的资源协同设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现前述的边缘计算的资源协同方法的步骤。
在本发明的第四方面,还提供了一种计算机可读存储介质,所述存储介质中存储有指令,当其在计算机上运行时,使得计算机执行前述的边缘计算的资源协同方法的步骤。
本发明的第五方面提供一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现前述的边缘计算的资源协同方法。
上述技术方案至少具有以下有益效果:
提供了一种寻求边缘计算业务的算力资源需求和通信资源协同的最优方式,并提高边缘计算的处理效率和资源利用率,实现了最优资源分配。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1示意性示出了根据本发明实施方式的边缘计算的资源协同方法的实施示意图;
图2示意性示出了根据本发明实施方式的边缘计算设备上的算力需求和通信需求之和的计算步骤示意图;
图3示意性示出了根据本发明实施方式边缘计算的资源协同装置的结构示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图1示意性示出了根据本发明实施方式的边缘计算的资源协同方法的实施示意图。如图1所示,本实施方式提供的一种边缘计算的资源协同方法如下,包括:
S01、定义转换系数,所述转换系数用于确定业务的算力需求与通信需求之间的转换关系;
在边缘计算系统中,需要边缘计算设备(边侧)和云端计算设备(云侧)之间的协同。当一个业务主要由边侧处理时,其算力需求主要集中在边侧,此时与云侧的通信需求较小。反之,如果一个业务主要由云侧处理时,其算力需求在边侧的分配较小,此时与云侧的通信需求较大。本步骤定义了转换系数,后文也称为业务压缩比,用于确定算力需求与通信需求之间的转换关系。通过算力需求和该转换系数,能够计算得出该算力需求所对应的通信需求。
S02、根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上分配比例;
假设由I个业务构成的集合为业务{1,2… i ,…I},可以分为仅边端处理的业务、仅云端处理的业务和需要云边协同处理的业务,其中i~ I为需要云边协同处理的业务。分配比例为考虑系统容量后,计算云边业务的分割比例,取值范围为(0~1),业务本地处理占比越大,分配比例越接近于1。分配比例在某些情况下可以取0和1,此情况将在后文详述。
S03、计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和;边缘计算系统资源分配模型采用如下公式定义:
Figure 896287DEST_PATH_IMAGE002
其中,C e_i 为业务i的边侧相对算力需求,C c_i 为业务i的云边相对通信需求,I为业务集合中的业务总数。
S04、通过调整所述转换系数的取值使所述算力需求和通信需求之和最小;
算力需求和通信需求均属于对边缘计算系统的资源需求。通常情况下,当资源需求最小时,可以认为此时的资源分配是最优的。本步骤通过评价算力需求和通信需求之和为最小值,反向确定转换系数的最佳值。
S05、根据所述算力需求和通信需求之和最小时的转换系数和分配比例确定所述边缘计算设备上的资源分配。
根据以上步骤所确定出的转换系数,以及根据该转换系数确定出的分配比例,以及该条件下的各个业务的参数值,完成业务集合的当前最优资源分配。
通过以上实施方式,提供了边缘计算业务的算力需求和通信需求之间资源协同的最优途径,进而提高了边缘计算的处理效率和资源利用率,完成最优资源分配。
在本发明的一些实施方式中,所述转换系数具有取值范围,所述取值范围根据业务的类型进行确定。针对不同类型的业务,转换系数有一个预设范围,可以在此范围内取值。
在本发明的一些实施方式中,根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上分配比例,包括:
Figure DEST_PATH_IMAGE003
其中,a i 为分配比例,C i 为业务i的算力需求,S i 为转换系数,I为业务集合中的业务总数,n为业务集合中需要云边协同的业务的起始序号。
在本发明的一些实施方式中,所述方法还包括:当业务仅由边缘计算设备或云端计算设备一方处理时,赋予所述分配比例以特定值。如果该业务为仅边侧业务,则a i =1;如果仅为云端业务或者需要云边协同,则a i ≠1,并根据业务i的类型确定业务压缩比S i 的取值范围。另一种情况,若该业务为仅云端业务,则a i =0,此时仅需计算分配在所述边缘计算设备上的通信需求,而无需计算分配在所述边缘计算设备上的算力需求。
图2示意性示出了根据本发明实施方式的边缘计算设备上的算力需求和通信需求之和的计算步骤示意图,如图2所示。在本实施方式中,计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和,包括:
S031、根据业务集合中每个业务的算力需求和所述分配比例,得到分配在所述边缘计算设备上的算力需求;通过以下公式计算算力需求:
Figure 49706DEST_PATH_IMAGE004
其中,C e_i 为业务i的边侧相对算力需求,即分配在所述边缘计算设备上的算力需求;a i 为分配比例,C i 为业务i的算力需求,C E 为边侧总算力。
S032、根据分配在所述边缘计算设备上的算力需求、所述分配比例和所述转换系数,得到所述业务分配在所述边缘计算设备上的通信需求;通过以下公式计算通信需求:
Figure 294175DEST_PATH_IMAGE005
其中,C c_i 为业务i的云边相对通信需求,即分配在所述边缘计算设备上的通信需求;a i 为分配比例,C i 为业务i的算力需求,S i 为转换系数,B E 为通信信道总带宽。
S033、计算每个业务分配在所述边缘计算设备上的算力需求和通信需求之和;(C e_i + C c_i )即为业务i的算力需求和通信需求之和。
S034、计算所述业务集合分配在所述边缘计算设备上的算力需求和通信需求之和。依据边缘计算系统资源分配模型,计算
Figure 268822DEST_PATH_IMAGE006
在本发明的一些实施方式中,根据所述算力需求和通信需求之和确定转换系数的最佳值,包括:在所述取值范围内选择转换系数的多个取值,例如K个;计算每个取值下的业务集合分配在所述边缘计算设备上的算力需求和通信需求之和,即计算方式如前一实施方式所述,对应得到K个算力需求和通信需求之和;以所述分配在所述边缘计算设备上的算力需求和通信需求之和的最小值所对应的转换系数的取值作为所述转换系数的确定值;将这K个算力需求和通信需求之和进行比较,以算力需求和通信需求之和的最小值,即:
Figure 33297DEST_PATH_IMAGE007
当M最小时,计算资源分配是最优的。
在一些实施方式中,边缘计算的资源协同方法包括如下步骤:
步骤1:新到达一个业务i,生成该边缘计算设备新的业务集合,并根据业务分类判断a i 取值。如果为仅边侧业务,则a i =1;如果仅为云端业务或者需要云边协同,则a i ≠1,并根据业务i的类型确定业务压缩比S i 的取值范围。
步骤2:若a i =1,云边相对通信量C c_i =0,使用下述公式计算边侧相对计算量C e_i
Figure 253057DEST_PATH_IMAGE008
。计算
Figure 656094DEST_PATH_IMAGE006
,即为M值,存储各个业务的参数值,完成当前最优资源分配。
步骤3:若a i ≠1,如果仅为云端业务,则边侧相对计算量C e_i =0,依据以下公式,由已知的该业务的算力需求C i 和业务压缩比S i 更新计算云边相对通信量C c_i
Figure 271750DEST_PATH_IMAGE009
,然后跳转至步骤6。
步骤4:若a i ≠1,如果为云边协同业务,由已知的该业务的算力需求C i 和业务压缩比S i ,根据
Figure 861869DEST_PATH_IMAGE010
更新计算分配比例a i
步骤5:依据
Figure 29195DEST_PATH_IMAGE011
计算新的边侧相对计算量C e_i ,依据公式
Figure 614635DEST_PATH_IMAGE012
计算云边相对通信量C c_i
步骤6:依据边缘计算系统资源分配模型,计算
Figure 839074DEST_PATH_IMAGE006
步骤7:修改业务压缩比取值S i ,跳转回步骤3,重复步骤3至步骤6。选择
Figure 97581DEST_PATH_IMAGE006
中最小值即M值,存储各个业务的参数值,完成当前最优资源分配。
采用以上实施方式,能够实现边缘计算业务的算力资源需求和通信资源的协同,提升了边缘计算中处理效率和资源利用率。
基于同一发明构思,本发明还提供了一种边缘计算的资源协同装置。图3示意性示出了根据本发明实施方式边缘计算的资源协同装置的结构示意图,如图3所示。所述装置包括:系数定义模块,用于定义转换系数,所述转换系数用于确定业务的算力需求与通信需求之间的转换关系;比例确定模块,用于根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上分配比例;需求计算模块,用于计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和;最佳取值模块,用于通过调整所述转换系数的取值使所述算力需求和通信需求之和最小;以及资源分配模块,用于根据所述算力需求和通信需求之和最小时的转换系数和分配比例确定所述边缘计算设备上的资源分配。
在一些可选实施方式中,所述转换系数具有取值范围,所述取值范围根据业务的类型进行确定。
在一些可选实施方式中,根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上分配比例,包括:
Figure 892099DEST_PATH_IMAGE003
其中,a i 为分配比例,C i 为业务i的算力需求,S i 为转换系数,I为业务集合中的业务总数,n为业务集合中需要云边协同的业务的起始序号。
在一些可选实施方式中,所述装置还包括:当业务仅由边缘计算设备或云端计算设备一方处理时,所述分配比例被赋予特定值。
在一些可选实施方式中,计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和,包括:根据业务集合中每个业务的算力需求和所述分配比例,得到分配在所述边缘计算设备上的算力需求;根据分配在所述边缘计算设备上的算力需求、所述分配比例和所述转换系数,得到所述业务分配在所述边缘计算设备上的通信需求;计算每个业务分配在所述边缘计算设备上的算力需求和通信需求之和;计算所述业务集合分配在所述边缘计算设备上的算力需求和通信需求之和。
在一些可选实施方式中,通过调整所述转换系数的取值使所述算力需求和通信需求之和最小,包括:在所述取值范围内选择转换系数的多个取值,计算每个取值下的业务集合分配在所述边缘计算设备上的算力需求和通信需求之和;以所述分配在所述边缘计算设备上的算力需求和通信需求之和的最小值所对应的转换系数的取值作为所述转换系数的确定值。
上述的边缘计算的资源协同装置中的各个功能模块的具体限定可以参见上文中对于边缘计算的资源协同方法的限定,在此不再赘述。上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在本发明提供的一些实施方式中,还提供了一种边缘计算的资源协同设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现前述的边缘计算的资源协同方法的步骤。此处的处理器具有数值计算和逻辑运算的功能,其至少具有数据处理能力的中央处理器CPU、随机存储器RAM、只读存储器ROM、多种I/O口和中断系统等。处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现前述的方法。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
在本发明的一种实施方式中,还提供了一种计算机可读存储介质,所述存储介质中存储有指令,当其在计算机上运行时,该指令在被处理器执行时使得处理器被配置成执行上述的边缘计算的资源协同方法。
在本发明提供的一种实施方式中,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现上述的边缘计算的资源协同方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (14)

1.一种边缘计算的资源协同方法,其特征在于,所述方法包括:
定义转换系数,所述转换系数用于确定业务的算力需求与通信需求之间的转换关系;
根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上的分配比例;
计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和;
通过调整所述转换系数的取值使所述算力需求和通信需求之和最小;
根据所述算力需求和通信需求之和最小时的转换系数和分配比例确定所述边缘计算设备上的资源分配。
2.根据权利要求1所述的方法,其特征在于,所述转换系数具有取值范围,所述取值范围根据业务的类型进行确定。
3.根据权利要求1所述的方法,其特征在于,根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上的分配比例,包括:
Figure 920978DEST_PATH_IMAGE001
其中,a i 为分配比例,C i 为业务i的算力需求,S i 为转换系数,I为业务集合中的业务总数,n为业务集合中需要云边协同的业务的起始序号。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
当业务仅由边缘计算设备或云端计算设备一方处理时,赋予所述分配比例以特定值。
5.根据权利要求1所述的方法,其特征在于,计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和,包括:
根据业务集合中每个业务的算力需求和所述分配比例,得到分配在所述边缘计算设备上的算力需求;
根据分配在所述边缘计算设备上的算力需求、所述分配比例和所述转换系数,得到所述业务分配在所述边缘计算设备上的通信需求;
计算每个业务分配在所述边缘计算设备上的算力需求和通信需求之和;
计算业务集合分配在所述边缘计算设备上的算力需求和通信需求之和。
6.根据权利要求2所述的方法,其特征在于,通过调整所述转换系数的取值使所述算力需求和通信需求之和最小,包括:
在所述取值范围内选择转换系数的多个取值;
计算转换系数的每个取值下的业务集合分配在所述边缘计算设备上的算力需求和通信需求之和;
以分配在所述边缘计算设备上的算力需求和通信需求之和的最小值所对应的转换系数的取值作为所述转换系数的确定值。
7.一种边缘计算的资源协同装置,其特征在于,所述装置包括:
系数定义模块,用于定义转换系数,所述转换系数用于确定业务的算力需求与通信需求之间的转换关系;
比例确定模块,用于根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上的分配比例;
需求计算模块,用于计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和;
最佳取值模块,用于通过调整所述转换系数的取值使所述算力需求和通信需求之和最小;以及
资源分配模块,用于根据所述算力需求和通信需求之和最小时的转换系数和分配比例确定所述边缘计算设备上的资源分配。
8.根据权利要求7所述的装置,其特征在于,所述转换系数具有取值范围,所述取值范围根据业务的类型进行确定。
9.根据权利要求7所述的装置,其特征在于,根据所述转换系数确定业务的算力需求和通信需求在边缘计算设备上的分配比例,包括:
Figure 150666DEST_PATH_IMAGE002
其中,a i 为分配比例,C i 为业务i的算力需求,S i 为转换系数,I为业务集合中的业务总数,n为业务集合中需要云边协同的业务的起始序号。
10.根据权利要求9所述的装置,其特征在于,当业务仅由边缘计算设备或云端计算设备一方处理时,所述分配比例被赋予特定值。
11.根据权利要求7所述的装置,其特征在于,计算业务集合以所述分配比例分配在所述边缘计算设备上的算力需求和通信需求之和,包括:
根据业务集合中每个业务的算力需求和所述分配比例,得到分配在所述边缘计算设备上的算力需求;
根据分配在所述边缘计算设备上的算力需求、所述分配比例和所述转换系数,得到所述业务分配在所述边缘计算设备上的通信需求;
计算每个业务分配在所述边缘计算设备上的算力需求和通信需求之和;
计算业务集合分配在所述边缘计算设备上的算力需求和通信需求之和。
12.根据权利要求8所述的装置,其特征在于,通过调整所述转换系数的取值使所述算力需求和通信需求之和最小,包括:
在所述取值范围内选择转换系数的多个取值;
计算转换系数的每个取值下的业务集合分配在所述边缘计算设备上的算力需求和通信需求之和;
以分配在所述边缘计算设备上的算力需求和通信需求之和的最小值所对应的转换系数的取值作为所述转换系数的确定值。
13.一种边缘计算的资源协同设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项权利要求所述的边缘计算的资源协同方法的步骤。
14.一种计算机可读存储介质,所述存储介质中存储有指令,当其在计算机上运行时,使得计算机执行权利要求1至6中任一项权利要求所述的边缘计算的资源协同方法的步骤。
CN202210486203.0A 2022-05-06 2022-05-06 边缘计算的资源协同方法、装置及设备 Active CN114579318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210486203.0A CN114579318B (zh) 2022-05-06 2022-05-06 边缘计算的资源协同方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210486203.0A CN114579318B (zh) 2022-05-06 2022-05-06 边缘计算的资源协同方法、装置及设备

Publications (2)

Publication Number Publication Date
CN114579318A true CN114579318A (zh) 2022-06-03
CN114579318B CN114579318B (zh) 2022-07-29

Family

ID=81769057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210486203.0A Active CN114579318B (zh) 2022-05-06 2022-05-06 边缘计算的资源协同方法、装置及设备

Country Status (1)

Country Link
CN (1) CN114579318B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116582540A (zh) * 2023-07-10 2023-08-11 北京智芯微电子科技有限公司 边缘计算的通信协同方法、装置、计算机设备和存储介质
CN116662283A (zh) * 2023-07-28 2023-08-29 北京孔皆数智科技有限公司 一种端边协同的数据共享和计算方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112839382A (zh) * 2020-12-30 2021-05-25 北京邮电大学 一种车联网中视频语义驱动的通信和计算资源联合分配方法
WO2021190482A1 (zh) * 2020-03-27 2021-09-30 中国移动通信有限公司研究院 算力处理的网络系统及算力处理方法
CN113612853A (zh) * 2021-08-16 2021-11-05 燕山大学 一种联合边缘计算的网络资源调度方法
CN113918316A (zh) * 2021-08-30 2022-01-11 山东浪潮科学研究院有限公司 基于区块链的5g接入网用户端边缘算力分配方法
CN114125063A (zh) * 2021-08-30 2022-03-01 华北电力大学 基于业务QoS的电力通信网任务卸载系统、方法及应用

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021190482A1 (zh) * 2020-03-27 2021-09-30 中国移动通信有限公司研究院 算力处理的网络系统及算力处理方法
CN112839382A (zh) * 2020-12-30 2021-05-25 北京邮电大学 一种车联网中视频语义驱动的通信和计算资源联合分配方法
CN113612853A (zh) * 2021-08-16 2021-11-05 燕山大学 一种联合边缘计算的网络资源调度方法
CN113918316A (zh) * 2021-08-30 2022-01-11 山东浪潮科学研究院有限公司 基于区块链的5g接入网用户端边缘算力分配方法
CN114125063A (zh) * 2021-08-30 2022-03-01 华北电力大学 基于业务QoS的电力通信网任务卸载系统、方法及应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡岳平等: "面向算力匹配调度的泛在确定性网络研究", 《信息通信技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116582540A (zh) * 2023-07-10 2023-08-11 北京智芯微电子科技有限公司 边缘计算的通信协同方法、装置、计算机设备和存储介质
CN116582540B (zh) * 2023-07-10 2024-01-16 北京智芯微电子科技有限公司 边缘计算的通信协同方法、装置、计算机设备和存储介质
CN116662283A (zh) * 2023-07-28 2023-08-29 北京孔皆数智科技有限公司 一种端边协同的数据共享和计算方法
CN116662283B (zh) * 2023-07-28 2023-12-12 北京孔皆数智科技有限公司 一种端边协同的数据共享和计算方法

Also Published As

Publication number Publication date
CN114579318B (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN114579318B (zh) 边缘计算的资源协同方法、装置及设备
JP7162385B2 (ja) エッジと端末とのコラボレーションに基づくマルチユーザーマルチmecタスクアンロードリソーススケジュール方法
CN108509276B (zh) 一种边缘计算环境中的视频任务动态迁移方法
CN109218355B (zh) 负载均衡引擎,客户端,分布式计算系统以及负载均衡方法
CN108681484B (zh) 一种任务的分配方法、装置及设备
Ullah et al. Task classification and scheduling based on K-means clustering for edge computing
CN113641417B (zh) 一种基于分支定界法的车辆安全任务卸载方法
Liu et al. VirtualEdge: Multi-domain resource orchestration and virtualization in cellular edge computing
CN115543624A (zh) 异构算力编排调度方法、系统、设备及存储介质
CN113254095A (zh) 云边结合平台的任务卸载、调度与负载均衡系统、方法
Swain et al. An ai-driven intelligent traffic management model for 6g cloud radio access networks
CN112437449B (zh) 联合资源分配方法
Bhushan et al. Priority-queue based dynamic scaling for efficient resource allocation in fog computing
Durga et al. Context-aware adaptive resource provisioning for mobile clients in intra-cloud environment
CN112817726A (zh) 一种云环境下基于优先级的虚拟机分组资源调度方法
Khedher et al. Real traffic-aware scheduling of computing resources in cloud-ran
CN113014408A (zh) 分布式系统及其管理方法
CN112685167A (zh) 资源使用方法、电子设备和计算机程序产品
Zhang et al. Differcloudstor: Differentiated quality of service for cloud storage
CN115150893A (zh) 基于任务划分与d2d的mec任务卸载策略方法
US10986036B1 (en) Method and apparatus for orchestrating resources in multi-access edge computing (MEC) network
Galanis et al. Workload-aware management targeting multi-gateway internet-of-things
Khojasteh et al. Characterizing energy consumption of IaaS clouds in non-saturated operation
Vu et al. Energy-based Proportional Fairness in Cooperative Edge Computing
CN117527590B (zh) 基于边缘网络的微服务部署与请求路由方法、系统及介质

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
GR01 Patent grant
GR01 Patent grant