CN114900518A - 有向分布式网络的任务分配方法、装置、介质及电子设备 - Google Patents
有向分布式网络的任务分配方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN114900518A CN114900518A CN202210350144.4A CN202210350144A CN114900518A CN 114900518 A CN114900518 A CN 114900518A CN 202210350144 A CN202210350144 A CN 202210350144A CN 114900518 A CN114900518 A CN 114900518A
- Authority
- CN
- China
- Prior art keywords
- distributed
- task
- task allocation
- determining
- network
- 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
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer And Data Communications (AREA)
Abstract
本申请实施例公开了一种有向分布式网络的任务分配方法、装置、介质及电子设备。所述方法包括:获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值;根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。本申请实施例在保证分布式节点之间平衡性的前提下,将待分配任务分配各分布式节点,提高了任务分配的有效性和合理性,避免了因任务分配不合理造成分布式节点处理能力与分配任务量不相匹配的情况出现。本申请实施例为待分配任务的顺利执行提供了技术支持。
Description
技术领域
本申请实施例涉及计算机应用技术领域,尤其涉及一种有向分布式网络的任务分配方法、装置、介质及电子设备。
背景技术
分布式网络是由分布在不同地点且具有多个终端的节点机互连而成的。分布式网络包括有向分布式网络和无向分布式网络,相较于无向分布式网络,在向有向分布式网络中的分布式节点分配任务的情况下,需要考虑分布式节点之间的平衡性。
相关技术中,分布式网络的任务调度方法大多依赖于邻接矩阵是双随机矩阵这一关键假设,因此这些任务调度方法只适用于无向分布式网络或有向平衡分布式网络,无法直接应用于有向分布式网络,如果将这些任务调度方法直接应用于有向分布式网络往往不能得到最优解,无法实现对有向分布式网络进行有效的任务调度。
发明内容
本申请实施例提供一种有向分布式网络的任务分配方法、装置、介质及电子设备,可以到对有向分布式网络进行有效调度的目的。
第一方面,本申请实施例提供了一种有向分布式网络的任务分配方法,所述方法包括:
获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;
基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值;
根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。
第二方面,本申请实施例提供了一种有向分布式网络的任务分配装置,所述装置包括:
数据获取模块,用于获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;
任务分配值确定模块,用于基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值;
任务分配模块,用于根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所述的有向分布式网络的任务分配方法。
第四方面,本申请实施例提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的有向分布式网络的任务分配方法。
本申请实施例所提供的技术方案,获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;基于预设任务分配算法根据待分配任务和处理能力区间,确定各分布式节点的任务分配值;根据任务分配值,将待分配任务分配给各分布式节点。本申请实施例通过基于预设任务分配算法根据待分配任务和处理能力区间,确定各分布式节点的任务分配值,考虑了分布式节点之间的平衡性,在保证分布式节点之间平衡性的前提下,将待分配任务分配各分布式节点,提高了任务分配的有效性和合理性,避免了因任务分配不合理造成分布式节点处理能力与分配任务量不相匹配的情况出现。本申请实施例为待分配任务的顺利执行提供了技术支持。
附图说明
图1是本申请实施例一提供的一种有向分布式网络的任务分配方法的流程图;
图2是本申请实施例二提供的另一种有向分布式网络的任务分配方法的流程图;
图3是本申请实施例三提供的一种有向分布式网络的任务分配装置的结构示意图;
图4是本申请实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本申请实施例一提供的一种有向分布式网络的任务分配方法的流程图,本实施例可适用于对有向分布式网络中的分布式节点分配任务的情况。该方法可以由本申请实施例所提供的有向分布式网络的任务分配装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于运行此系统的电子设备中。
如图1示,所述有向分布式网络的任务分配方法包括:
S110、获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间。
其中,待分配任务是指需要分配给有向分布式网络,由有向分布式网络中分布式节点共同完成的任务。
有向分布式网络由分布式节点构成,分布式节点基于自身资源为有向分布式网络提供算力。有向分布式网络中分布式节点之间具有连通性,可选的,有向分布式网络可以是网络安全感知系统,相应的,分布式节点为网络安全感知系统中的网络设备;有向分布式网络还可以是网络安全测试系统,相应的,分布式节点为网络安全测试系统中测试节点。
有向分布式网络中各分布式节点的数据处理能力存在差异,也就是说有向分布式网络中各分布式节点的数据处理能力并不相同。分布式节点的处理能力区间根据分布式节点的数据处理能力确定,处理能力区间包括处理能力上限和处理能力下限,分别对应的分布式节点的最大数据处理能力和最小数据处理能力。
获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间。具体的,获取待执行任务的任务标识、执行时间或者执行主体等执行配置信息,根据待分配任务的执行配置信息确定待分配任务的执行主体,也就是执行待分配任务的有向分布式网络。
其中,任务标识用于区分不同的待分配任务,不同待执行任务的任务标识存在差异。执行时间是指待分配任务的执行时间,执行主体是指用于执行待分配任务的有向分布式网络,执行主体可以是有向分布式网络的网络标识如网络名称或者网络编号。
S120、基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值。
其中,预设任务分配算法用于根据有向分布式网络中各分布式节点的数据处理能力确定分布式节点的任务分配值,考虑了分布式节点之间平衡性,将待分配任务分配给各分布式节点,通过各分布式节点的协作完成待分配任务。
其中,任务分配值根据分布式节点的数据处理能力确定,任务分配值用于在保证待分配任务成功分配的前提下,确定分配到各分布式节点的任务量。
预设任务分配算法通过对有向分布式网络的任务分配问题进行数学建模得到,预设任务分配算法将有向分布式网络的任务分配问题抽象为数学问题,通过对抽象得到的数学问题进行优化求解,确定分布式节点的任务分配值。
S130、根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。
有向分布式网络中的每个数据分布式节点均存在对应的任务分配值,根据各分布式节点的任务分配值,将待分配任务的分配给各分布式节点。根据任务分配值,将待分配任务分配给各分布式节点,可以基于任务分配值与任务分配量之间的关联关系,将任务分配值对应的任务分配量分配给各分布式节点。其中,任务分配值与任务分配量之间的关联关系可以根据实际业务需求确定,在这里不作限定,可以理解的是,分配到各分布式节点的任务分配量之和与待分配任务相等。
在一个可选的实施例中,所述根据所述任务分配值,将所述待分配任务分配给各所述分布式节点,包括:根据所述任务分配值和所述待分配任务,确定单位任务分配值对应的待分配任务量作为单位任务份额;根据各所述分布式节点的所述任务分配值和所述单位任务份额,为各所述分布式节点分配所述待分配任务。
其中,单位任务份额是指单位任务分配值对应的待分配任务量。根据任务分配值和待分配任务,确定单位任务分配值对应的待分配任务量,可选的,对待分配任务和任务分配值作除法运算,得到的运算结果为单位任务份额。
根据各分布式节点的任务分配值和单位任务份额,确定任务分配值对应的待分配任务量,将各分布式节点的任务分配值所对应的待分配任务量分配给对应的分布式节点。
上述技术方案通过根据任务分配值和待分配任务,确定单位任务份额,根据各分布式节点的任务分配值和单位任务份额,为各分布式节点分配待分配任务,在保证分布式节点之间平衡性的前提下,保证了待分配任务可以全部下发给分布式数据节点,保证了待分配任务的完整性以及任务分配的有效性。
本申请实施例所提供的技术方案,获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;基于预设任务分配算法根据待分配任务和处理能力区间,确定各分布式节点的任务分配值;根据任务分配值,将待分配任务分配给各分布式节点。本申请实施例通过基于预设任务分配算法根据待分配任务和处理能力区间,确定各分布式节点的任务分配值,考虑了分布式节点之间的平衡性,在保证分布式节点之间平衡性的前提下,将待分配任务分配各分布式节点,提高了任务分配的有效性和合理性,避免了因任务分配不合理造成分布式节点处理能力与分配任务量不相匹配的情况出现。本申请实施例为待分配任务的顺利执行提供了技术支持。
实施例二
图2是本申请实施例二提供的另一种有向分布式网络的任务分配方法的流程图。本实施例在上述实施例的基础上进行进一步地优化。具体优化为,基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值,包括:确定所述有向分布式网络中的各所述分布式节点的局部代价函数;其中,所述局部代价函数与所述分布式节点的任务分配值相关;根据所述待分配任务和所述处理能力区间,确定所述局部代价函数的条件约束函数,并根据所述条件约束函数和所述局部代价函数构建拉格朗日函数;基于预设一阶优化算法对所述拉格朗日函数进行优化处理,确定所述分布式节点的任务分配值。
如图2所示,所述有向分布式网络的任务分配方法包括:
S210、获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间。
S220、确定所述有向分布式网络中的各所述分布式节点的局部代价函数。
每个分布式节点均存在一个局部代价函数,各分布式节点的局部代价函数只有该节点自身能够获取。有向分布式网络中的分布式节点通过与邻居分布式节点进行局部信息交互和本地计算,可以得到全局代价函数的全局最优解。其中,所述局部代价函数与所述分布式节点的任务分配值相关。具体的,局部代价函数以分布式节点的任务分配值为自变量。可选的,有向分布式网络中的第i个分布式节点的局部代价函数可以表示为:fi(xi):R→R,相应的,全局代价函数可以表示为:xi表示第i个分布式节点的任务分配参数,n表示有向分布式网络中所述分布式节点的数量,n为正整数。
S230、根据所述待分配任务和所述处理能力区间,确定所述局部代价函数的条件约束函数,并根据所述条件约束函数和所述局部代价函数构建拉格朗日函数。
其中,条件约束函数与局部代价函数对应,条件约束函数用于对局部代价函数中的任务分配参数进行约束。条件约束函数根据待分配任务和分布式节点的处理能力区间确定。条件约束函数约将任务分配参数的取值范围约束在能力处理区间内,条件约束函数将各分布式节点的任务分配值之和约束为不小于待分配任务。根据条件约束函数和局部代价函数,构建拉格朗日函数,将有约束条件的函数最优化问题通过拉格朗日函数转化为无条件的函数最优化问题。
在一个可选的实施例中,所述拉格朗日函数利用如下公式表示:
其中,X表示所述待分配任务,f(x)为所述全局代价函数,i为所述分布式节点的节点标识,表示第i个分布式节点;fi(xi)为第i分布式节点的局部代价函数;xi表示任务分配参数,xi和分别表示第i分布式节点的能力处理区间下限和能力处理区间上限,为处理能力区间下限项的拉格朗日乘子,为处理能力区间上限项的拉格朗日乘子;i为小于等于n的正整数,n表示所述有向分布式网络中所述分布式节点的数量,n为正整数;μ为待分配任务项的拉格朗日乘子。
任务分配值为任务分配参数对应的取值。如上式所示,f(x)根据局部代价函数确定,表示有向分布式网络对应的全局代价函数,其中,和为条件约束函数。xi表示任务分配参数,x i和分别表示能力处理区间下限和能力处理区间上限,λm为处理能力区间下限项的拉格朗日乘子,λM为处理能力区间上限项的拉格朗日乘子。拉格朗日函数L(x,μ,λm,λM)是关于x,μ,λm和λM的多元函数。λm定义为λM定义为
求得拉格朗日函数L(x,μ,λm,λM)的最优解即可确定分布式节点的任务分配值。
基于以下引理求解拉格朗日函数L(x,μ,λm,λM):
假设1:为了解决有向网络下的业务调度问题,作出如下假设:
(1)有向分布式网络对应的网络拓扑图G是强连通的,也就是图G中任意两个分布式节点间都存在有向通路。
网络拓扑图G=(V,E,A),其中,V表示有向分布式网络中分布式节点的集合,E表示有向分布式节点之间的有向边集合,A为网络拓扑图G对应的伴随矩阵。对于任意的边来说,分布式节点i记作是分布式节点j的出邻居或分布式节点j是分布式节点i的入邻居。分布式节点i的入邻居集和出邻居集,可分别表示为:在该分布式网络图中,不包含自回路,即,则,分布式节点i的入度与出度表示为:相应的,图G所对应的伴随矩阵A可定义为:若(i,j)∈E,则,aij:=0。此外,
S240、基于预设一阶优化算法对所述拉格朗日函数进行优化处理,确定所述分布式节点的任务分配值。
其中,预设一阶优化算法用于对拉格朗日函数进行优化求解。预设一阶优化算法是针对有向分布式网络中分布式节点存在不平衡性的特点预先构建的。
基于预设一阶优化算法对拉格朗日函数进行优化处理,具体的,基于上述假设,利用预设一阶优化算法对拉格朗日函数进行优化求解,根据求得的拉格朗日函数的最优解确定分布式节点的任务分配值。
在一个可选的实施例中,所述基于预设一阶优化算法对所述拉格朗日函数进行优化处理,确定所述分布式节点的任务分配值,包括:分别确定所述拉格朗日函数中分布式节点项、待分配任务项和处理能力区间对应的拉格朗日乘子;为所述拉格朗日函数中的所述分布式节点项分配网络平衡乘子;基于所述预设一阶优化算法计算所述拉格朗日乘子、所述网络平衡乘子、局部代价函数值和所述任务分配值;将在所述预设一阶优化算法满足所述预设收敛条件的情况下计算得到的任务分配值,确定为所述分布式节点的任务分配值。
其中,拉格朗日函数包括分布式节点项、待分配任务项和处理能力区间。拉格朗日乘子用于将分布式节点项、待分配任务项和处理能力区间等确定的条件约束函数和分布式节点的局部代价函数联系到一起。拉格朗日乘子是拉格朗日函数中的一种参数。分布式节点项用于反映有向分布式网络中分布式节点的连接情况;待分配任务项用于确定需要有向分布式网络需要执行的任务;处理能力区间项用于反映有向分布式网络中分布式节点的数据处理能力。
有向分布式网络中的分布式节点之间存在不平衡性,针对于有向分布式网络的这一特点,本申请实施例除对拉格朗日函数中分布式节点项分配拉格朗日乘子以外,还为分布式节点项分配网络平衡乘子。其中,网络平衡乘子是拉格朗日函数中的一种参数,用于平衡有向分布式网络中分布式节点的权重。
预设一阶优化算法提供了针对于拉格朗日乘子、网络平衡乘子、局部代价函数值和任务分配值的计算方法,在预设一阶优化算法满足预设收敛条件的情况下,计算得到的任务分配值即为最终求得到的分布式节点的任务分配值。
预设收敛条件用于判断预设一阶优化算法是否收敛,预设收敛条件是预设优化算法计算停止条件,用于判断当前求得的任务分配值是否为最优任务分配值。预设收敛条件与拉格朗日函数相关,根据实际业务需求确定,在这里不作限定。可选的,将预设收敛条件设置为△λ=∑i,j|λi-λj|<ε,其中,ε为象征性的很小的数。△λ=∑i,j|λi-λj|<ε表示相邻两次计算得到的λ的差值的绝对值小于等于ε,也就是说λ基本保持不变。
上述技术方案综合考虑了影响有向分布式网络任务分配的因素,通过构建拉格朗日函数将有向分布式网络的任务分配问题进行数学抽象,通过利用预设一阶优化算法求解拉格朗日函数,确定了向各分布式节点分配的待分配任务;上述技术方案通过向拉格朗日函数中的分布式节点项分配网络平衡乘子,保证了有向分布式网络中分布式节点间的平衡性。
在一个可选的实施例中,基于所述预设一阶优化算法计算所述拉格朗日乘子、所述网络平衡乘子、局部代价函数值和所述任务分配值,包括:
基于如下公式计算所述拉格朗日乘子、所述网络平衡乘子、局部代价函数值和所述任务分配值:
根据公式1计算zi;其中,zi表示所述网络平衡乘子;aij为所述有向分布式网络对应的伴随矩阵元素,所述伴随矩阵元素根据所述有向分布式网络中分布式节点的入度确定;i和j均为所述分布式节点的节点标识,分别表示第i个分布式节点和第j个分布式节点;i为小于等于n的正整数,n表示所述有向分布式网络中所述分布式节点的数量,n为正整数;
根据公式2计算yi;其中,yi为所述局部代价函数值,α和β为预设控制参数,λi为所述分布式节点项的拉格朗日乘子;
根据公式3确定λi;其中,θ为预设控制参数,xi表示任务分配参数,ri表示虚拟分配负荷;
在一个可选的实施例中,所述预设收敛条件为所述ξ为所述有向分布式网络的拉普拉斯矩阵的零特征根对应的正左特征向量;ξ=[ξ1,ξ2,...,ξn]T,为凸性量度,ρ2(L)表示对拉格朗日函数L进行ρ2(.)运算,δ为预设收敛数值。
上述实施例提供了预设一阶优化算法的一种具体实现形式,利用预设一阶优化算法可以求得拉格朗日函数的最优解,进而确定有向分布式网络中分布式节点的任务分配值。
利用预设一阶优化算法对拉格朗日函数进行求解,预设一阶优化算法的运行流程如下所示:
首先,初始化参数,对α,β,ki,kmi,kMi,λi,yi,xi,λmi,λMi,zi和ri,可选的,将λi,yi和xi初始化为0,将λmi和λMi初始化为1,对zi进行初始化zi=[0,...,0,1i,0,...,0]T,将α,β,ki,kmi,kMi和ri初始化为随机数。
然后,根据上述公式1至公式6分别计算zi,yi,λi,和xi;接下来判断预设一阶优化算法是否达到预设收敛条件,若未达到预设收敛条件则继续进行新一轮的计算,直到预设一阶优化算法达到预设收敛条件。在预设一阶优化算法达到预设收敛条件的情况下,计算得到的任务分配值即为最终的任务分配值。
S250、根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。
本申请实施例所提供的技术方案,获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;通过确定有向分布式网络中的各分布式节点的局部代价函数;根据待分配任务和处理能力区间,确定局部代价函数的条件约束函数,并根据条件约束函数和局部代价函数构建拉格朗日函数;基于预设一阶优化算法对拉格朗日函数进行优化处理,确定分布式节点的任务分配值;根据任务分配值,将待分配任务分配给各分布式节点。上述技术方案综合考虑了影响有向分布式网络任务分配的因素,通过构建拉格朗日函数将有向分布式网络的任务分配问题进行数学抽象,通过利用预设一阶优化算法求解拉格朗日函数,确定了向各分布式节点分配的待分配任务,充分考虑了分布式节点之间的平衡性,在保证分布式节点之间平衡性的前提下,将待分配任务分配各分布式节点,提高了任务分配的准确性和有效性。
实施例三
图3是本申请实施例三提供的一种有向分布式网络的任务分配装置,本实施例可适用于对有向分布式网络中的分布式节点分配任务的情况。所述装置可由软件和/或硬件实现,并可集成于智能终端等电子设备中。
如图3所示,该装置可以包括:数据获取模块310、任务分配值确定模块320和任务分配模块330。
其中,数据获取模块310,用于获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;
任务分配值确定模块320,用于基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值;
任务分配模块330,用于根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。
本申请实施例所提供的技术方案,获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;基于预设任务分配算法根据待分配任务和处理能力区间,确定各分布式节点的任务分配值;根据任务分配值,将待分配任务分配给各分布式节点。本申请实施例通过基于预设任务分配算法根据待分配任务和处理能力区间,确定各分布式节点的任务分配值,考虑了分布式节点之间的平衡性,在保证分布式节点之间平衡性的前提下,将待分配任务分配各分布式节点,提高了任务分配的有效性和合理性,避免了因任务分配不合理造成分布式节点处理能力与分配任务量不相匹配的情况出现。本申请实施例为待分配任务的顺利执行提供了技术支持。
可选的,任务分配值确定模块320,包括:局部代价函数确定子模块,用于确定所述有向分布式网络中的各所述分布式节点的局部代价函数;其中,所述局部代价函数与所述分布式节点的任务分配值相关;拉格朗日函数构建子模块,用于根据所述待分配任务和所述处理能力区间,确定所述局部代价函数的条件约束函数,并根据所述条件约束函数和所述局部代价函数构建拉格朗日函数;任务分配值确定子模块,用于基于预设一阶优化算法对所述拉格朗日函数进行优化处理,确定所述分布式节点的任务分配值。
可选的,所述拉格朗日函数利用如下公式表示:
其中,X表示所述待分配任务,f(x)为所述全局代价函数,i为所述分布式节点的节点标识,表示第i个分布式节点;fi(xi)为第i分布式节点的局部代价函数;xi表示任务分配参数,x i和分别表示第i分布式节点的能力处理区间下限和能力处理区间上限,为处理能力区间下限项的拉格朗日乘子,为处理能力区间上限项的拉格朗日乘子;i为小于等于n的正整数,n表示所述有向分布式网络中所述分布式节点的数量,n为正整数;μ为待分配任务项的拉格朗日乘子。
可选的,所述任务分配值确定子模块,包括:拉格朗日乘子确定单元,用于分别确定所述拉格朗日函数中分布式节点项、待分配任务项和处理能力区间对应的拉格朗日乘子;网络平衡乘子分配单元,用于为所述拉格朗日函数中的所述分布式节点项分配网络平衡乘子;参数计算单元,用于基于所述预设一阶优化算法计算所述拉格朗日乘子、所述网络平衡乘子、局部代价函数值和所述任务分配值;任务分配值确定单元,用于将在所述预设一阶优化算法满足所述预设收敛条件的情况下计算得到的任务分配值,确定为所述分布式节点的任务分配值。
可选的,参数计算单元,具体用于基于如下公式计算所述拉格朗日乘子、所述网络平衡乘子、局部代价函数值和所述任务分配值:
根据公式1计算zi;其中,zi表示所述网络平衡乘子;aij为所述有向分布式网络对应的伴随矩阵元素,所述伴随矩阵元素根据所述有向分布式网络中分布式节点的入度确定;i和j均为所述分布式节点的节点标识,分别表示第i个分布式节点和第j个分布式节点;i为小于等于n的正整数,n表示所述有向分布式网络中所述分布式节点的数量,n为正整数;
根据公式2计算yi;其中,yi为所述局部代价函数值,α和β为预设控制参数,λi为所述分布式节点项的拉格朗日乘子;
根据公式3确定λi;其中,θ为预设控制参数,xi表示任务分配参数,ri表示虚拟分配负荷;
可选的,任务分配模块330,包括:单位任务份额确定子模块,用于根据所述任务分配值和所述待分配任务,确定单位任务分配值对应的待分配任务量作为单位任务份额;待分配任务子模块,用于根据各所述分布式节点的所述任务分配值和所述单位任务份额,为各所述分布式节点分配所述待分配任务。
本发明实施例所提供的一种有向分布式网络的任务分配装置可执行本发明任意实施例所提供的一种有向分布式网络的任务分配方法,具备执行一种有向分布式网络的任务分配方法相应的性能模块和有益效果。
实施例四
本申请实施例四还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种有向分布式网络的任务分配方法,该方法包括:
获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;
基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值;
根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。
存储介质是指任何的各种类型的存储器电子设备或存储电子设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同未知中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的有向分布式网络的任务分配操作,还可以执行本申请任意实施例所提供的有向分布式网络的任务分配方法中的相关操作。
实施例五
本申请实施例五提供了一种电子设备,该电子设备中可集成本申请实施例提供的有向分布式网络的任务分配装置,该电子设备可以是配置于系统内的,也可以是执行系统内的部分或者全部性能的设备。图4是本申请实施例五提供的一种电子设备的结构示意图。如图4所示,本实施例提供了一种电子设备400,其包括:一个或多个处理器420;存储装置410,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器420执行,使得所述一个或多个处理器420实现本申请实施例所提供的有向分布式网络的任务分配方法,该方法包括:
获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;
基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值;
根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。
当然,本领域技术人员可以理解,处理器420还实现本申请任意实施例所提供的有向分布式网络的任务分配方法的技术方案。
图4显示的电子设备400仅仅是一个示例,不应对本申请实施例的性能和使用范围带来任何限制。
如图4所示,该电子设备400包括处理器420、存储装置410、输入装置430和输出装置440;电子设备中处理器420的数量可以是一个或多个,图4中以一个处理器420为例;电子设备中的处理器420、存储装置410、输入装置430和输出装置440可以通过总线或其他方式连接,图4中以通过总线450连接为例。
存储装置410作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块单元,如本申请实施例中的有向分布式网络的任务分配方法对应的程序指令。
存储装置410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个性能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置410可进一步包括相对于处理器420远程设置的存储器,这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字、字符信息或语音信息,以及产生与电子设备的用户设置以及性能控制有关的键信号输入。输出装置440可包括显示屏、扬声器等电子设备。
上述实施例中提供的有向分布式网络的任务分配装置、介质及电子设备可执行本申请任意实施例所提供的有向分布式网络的任务分配方法,具备执行该方法相应的性能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的有向分布式网络的任务分配方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种有向分布式网络的任务分配方法,其特征在于,所述方法包括:
获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;
基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值;
根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。
2.根据权利要求1所述的方法,其特征在于,所述基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值,包括:
确定所述有向分布式网络中的各所述分布式节点的局部代价函数;其中,所述局部代价函数与所述分布式节点的任务分配值相关;
根据所述待分配任务和所述处理能力区间,确定所述局部代价函数的条件约束函数,并根据所述条件约束函数和所述局部代价函数构建拉格朗日函数;
基于预设一阶优化算法对所述拉格朗日函数进行优化处理,确定所述分布式节点的任务分配值。
4.根据权利要求3所述的方法,其特征在于,所述基于预设一阶优化算法对所述拉格朗日函数进行优化处理,确定所述分布式节点的任务分配值,包括:
分别确定所述拉格朗日函数中分布式节点项、待分配任务项和处理能力区间对应的拉格朗日乘子;
为所述拉格朗日函数中的所述分布式节点项分配网络平衡乘子;
基于所述预设一阶优化算法计算所述拉格朗日乘子、所述网络平衡乘子、局部代价函数值和所述任务分配值;
将在所述预设一阶优化算法满足所述预设收敛条件的情况下计算得到的任务分配值,确定为所述分布式节点的任务分配值。
5.根据权利要求4所述的方法,其特征在于,基于所述预设一阶优化算法计算所述拉格朗日乘子、所述网络平衡乘子、局部代价函数值和所述任务分配值,包括:
基于如下公式计算所述拉格朗日乘子、所述网络平衡乘子、局部代价函数值和所述任务分配值:
根据公式1计算zi;其中,zi表示所述网络平衡乘子;aij为所述有向分布式网络对应的伴随矩阵元素,所述伴随矩阵元素根据所述有向分布式网络中分布式节点的入度确定;i和j均为所述分布式节点的节点标识,分别表示第i个分布式节点和第j个分布式节点;i为小于等于n的正整数,n表示所述有向分布式网络中所述分布式节点的数量,n为正整数;
根据公式2计算yi;其中,yi为所述局部代价函数值,α和β为预设控制参数,λi为所述分布式节点项的拉格朗日乘子;
根据公式3确定λi;其中,θ为预设控制参数,xi表示任务分配参数,ri表示虚拟分配负荷;
6.根据权利要求1所述的方法,其特征在于,所述根据所述任务分配值,将所述待分配任务分配给各所述分布式节点,包括:
根据所述任务分配值和所述待分配任务,确定单位任务分配值对应的待分配任务量作为单位任务份额;
根据各所述分布式节点的所述任务分配值和所述单位任务份额,为各所述分布式节点分配所述待分配任务。
7.一种有向分布式网络的任务分配装置,其特征在于,所述装置包括:
数据获取模块,用于获取待分配任务,并确定有向分布式网络中各分布式节点的处理能力区间;
任务分配值确定模块,用于基于预设任务分配算法根据所述待分配任务和所述处理能力区间,确定各所述分布式节点的任务分配值;
任务分配模块,用于根据所述任务分配值,将所述待分配任务分配给各所述分布式节点。
8.根据权利要求7所述的装置,其特征在于,所述任务分配值确定模块,包括:
局部代价函数确定子模块,确定所述有向分布式网络中的各所述分布式节点的局部代价函数;其中,所述局部代价函数与所述分布式节点的任务分配值相关;
拉格朗日函数构建子模块,根据所述待分配任务和所述处理能力区间,确定所述局部代价函数的条件约束函数,并根据所述条件约束函数和所述局部代价函数构建拉格朗日函数;
任务分配值确定子模块,基于预设一阶优化算法对所述拉格朗日函数进行优化处理,确定所述分布式节点的任务分配值。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一项所述的有向分布式网络的任务分配方法。
10.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的有向分布式网络的任务分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210350144.4A CN114900518A (zh) | 2022-04-02 | 2022-04-02 | 有向分布式网络的任务分配方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210350144.4A CN114900518A (zh) | 2022-04-02 | 2022-04-02 | 有向分布式网络的任务分配方法、装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114900518A true CN114900518A (zh) | 2022-08-12 |
Family
ID=82714632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210350144.4A Pending CN114900518A (zh) | 2022-04-02 | 2022-04-02 | 有向分布式网络的任务分配方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114900518A (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008110460A2 (en) * | 2007-03-09 | 2008-09-18 | Telefonaktiebolaget Lm Ericsson (Publ) | Dissemination of network management tasks in a distributed communication network |
US20080295094A1 (en) * | 2007-05-22 | 2008-11-27 | International Business Machines Corporation | Integrated placement planning for heterogenous storage area network data centers |
US20100235843A1 (en) * | 2007-04-04 | 2010-09-16 | Bae Systems Plc. | Improvements relating to distributed computing |
CN102143566A (zh) * | 2011-02-18 | 2011-08-03 | 上海大学 | 分布式无线视频传感器网络生存周期最大化方法 |
US20160085584A1 (en) * | 2014-09-18 | 2016-03-24 | Robert D. Pedersen | Distributed activity control systems and methods |
US20160112502A1 (en) * | 2014-10-20 | 2016-04-21 | Cisco Technology, Inc. | Distributed computing based on deep packet inspection by network devices along network path to computing device |
US20180337695A1 (en) * | 2017-05-18 | 2018-11-22 | Bank Of America Corporation | Block Chain Decoding With Fair Delay For Distributed Network Devices |
CN109218414A (zh) * | 2018-08-27 | 2019-01-15 | 杭州中恒云能源互联网技术有限公司 | 一种面向智能电网混合网络架构的分布式计算方法 |
CN109600359A (zh) * | 2018-11-21 | 2019-04-09 | 浙江工商大学 | 基于节点数据处理能力和节点运行负载的数据分配方法 |
CN109840692A (zh) * | 2019-01-03 | 2019-06-04 | 广州供电局有限公司 | 一种互联微电网分布式鲁棒调度系统及调度方法 |
CN110244901A (zh) * | 2018-03-07 | 2019-09-17 | 杭州海康威视系统技术有限公司 | 任务分配方法及装置、分布式存储系统 |
AU2019101500A4 (en) * | 2019-12-03 | 2020-01-23 | Southwest University | Robust Technique for Economic Dispatch in Smart Microgirds with Distributed Generators over Directed Networks |
CN111163519A (zh) * | 2019-12-27 | 2020-05-15 | 东北大学秦皇岛分校 | 系统收益最大化的无线体域网资源分配与任务卸载算法 |
CN111176840A (zh) * | 2019-12-20 | 2020-05-19 | 青岛海尔科技有限公司 | 分布式任务的分配优化方法和装置、存储介质及电子装置 |
US20200201677A1 (en) * | 2018-04-11 | 2020-06-25 | Shenzhen University | Cloud computing task allocation method and device, apparatus, and storage medium |
CN111614571A (zh) * | 2020-04-26 | 2020-09-01 | 北京邮电大学 | 一种分布式的关键型任务端到端时延优化方法及系统 |
AU2020103322A4 (en) * | 2020-11-09 | 2021-01-14 | Southwest University | Supervised Discrete Hashing Algorithm With Relaxation Over Distributed Network |
WO2021258988A1 (zh) * | 2020-06-23 | 2021-12-30 | 平安科技(深圳)有限公司 | 分布式计算系统任务分配方法及相关设备 |
CN113873022A (zh) * | 2021-09-23 | 2021-12-31 | 中国科学院上海微系统与信息技术研究所 | 一种可划分任务的移动边缘网络智能资源分配方法 |
CN114139942A (zh) * | 2021-11-30 | 2022-03-04 | 陕西神延煤炭有限责任公司 | 一种任务分配方法、系统、电子设备及存储介质 |
-
2022
- 2022-04-02 CN CN202210350144.4A patent/CN114900518A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008110460A2 (en) * | 2007-03-09 | 2008-09-18 | Telefonaktiebolaget Lm Ericsson (Publ) | Dissemination of network management tasks in a distributed communication network |
US20100235843A1 (en) * | 2007-04-04 | 2010-09-16 | Bae Systems Plc. | Improvements relating to distributed computing |
US20080295094A1 (en) * | 2007-05-22 | 2008-11-27 | International Business Machines Corporation | Integrated placement planning for heterogenous storage area network data centers |
CN102143566A (zh) * | 2011-02-18 | 2011-08-03 | 上海大学 | 分布式无线视频传感器网络生存周期最大化方法 |
US20160085584A1 (en) * | 2014-09-18 | 2016-03-24 | Robert D. Pedersen | Distributed activity control systems and methods |
US20160112502A1 (en) * | 2014-10-20 | 2016-04-21 | Cisco Technology, Inc. | Distributed computing based on deep packet inspection by network devices along network path to computing device |
US20180337695A1 (en) * | 2017-05-18 | 2018-11-22 | Bank Of America Corporation | Block Chain Decoding With Fair Delay For Distributed Network Devices |
CN110244901A (zh) * | 2018-03-07 | 2019-09-17 | 杭州海康威视系统技术有限公司 | 任务分配方法及装置、分布式存储系统 |
US20200201677A1 (en) * | 2018-04-11 | 2020-06-25 | Shenzhen University | Cloud computing task allocation method and device, apparatus, and storage medium |
CN109218414A (zh) * | 2018-08-27 | 2019-01-15 | 杭州中恒云能源互联网技术有限公司 | 一种面向智能电网混合网络架构的分布式计算方法 |
CN109600359A (zh) * | 2018-11-21 | 2019-04-09 | 浙江工商大学 | 基于节点数据处理能力和节点运行负载的数据分配方法 |
CN109840692A (zh) * | 2019-01-03 | 2019-06-04 | 广州供电局有限公司 | 一种互联微电网分布式鲁棒调度系统及调度方法 |
AU2019101500A4 (en) * | 2019-12-03 | 2020-01-23 | Southwest University | Robust Technique for Economic Dispatch in Smart Microgirds with Distributed Generators over Directed Networks |
CN111176840A (zh) * | 2019-12-20 | 2020-05-19 | 青岛海尔科技有限公司 | 分布式任务的分配优化方法和装置、存储介质及电子装置 |
CN111163519A (zh) * | 2019-12-27 | 2020-05-15 | 东北大学秦皇岛分校 | 系统收益最大化的无线体域网资源分配与任务卸载算法 |
CN111614571A (zh) * | 2020-04-26 | 2020-09-01 | 北京邮电大学 | 一种分布式的关键型任务端到端时延优化方法及系统 |
WO2021258988A1 (zh) * | 2020-06-23 | 2021-12-30 | 平安科技(深圳)有限公司 | 分布式计算系统任务分配方法及相关设备 |
AU2020103322A4 (en) * | 2020-11-09 | 2021-01-14 | Southwest University | Supervised Discrete Hashing Algorithm With Relaxation Over Distributed Network |
CN113873022A (zh) * | 2021-09-23 | 2021-12-31 | 中国科学院上海微系统与信息技术研究所 | 一种可划分任务的移动边缘网络智能资源分配方法 |
CN114139942A (zh) * | 2021-11-30 | 2022-03-04 | 陕西神延煤炭有限责任公司 | 一种任务分配方法、系统、电子设备及存储介质 |
Non-Patent Citations (9)
Title |
---|
HUAQING LI; QINGGUO LÜ; GUO CHEN; TINGWEN HUANG: "Distributed Constrained Optimization Over Unbalanced Directed Networks Using Asynchronous Broadcast-Based Algorithm", 《IEEE》, vol. 66, no. 3, pages 1102, XP011840616, DOI: 10.1109/TAC.2020.2994024 * |
JONATHA ANSELMI, JOSU DONCEL: "Asymptotically Optimal Size-Interval Task Assignments", 《IEEE》, vol. 30, no. 11, XP011749900, DOI: 10.1109/TPDS.2019.2920121 * |
MARJAN NADERAN, MEHDI DEHGHAN 1, HOSSEIN PEDRAM: "Upper and lower bounds for dynamic cluster assignment for multi-target tracking in heterogeneous WSNs", 《IEEE》, vol. 73, no. 10 * |
QINGGUO LU,XIAOFENG LIAO,HUANGQING LI,TINGWEN HUANG: "Achieving Acceleration for Distributed Economic Dispatch in Smart Grids Over Directed Networks", 《IEEE》, vol. 7, no. 3 * |
孙笑科: "边缘计算网络中任务卸载和资源分配优化研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
戴英娣: "车载自组织网络中计算卸载策略研究", 《中国硕士学位论文全文数据库 工程科技辑》 * |
时侠圣,郑荣濠,林志赟,颜钢锋: "《基于鞍点方程的分布式经济调度算法基于鞍点方程的分布式经济调度算法》", 《浙江大学学报(工学版)》, vol. 54, no. 04, pages 678 - 683 * |
时侠圣;郑荣濠;林志?;颜钢锋;: "基于鞍点方程的分布式经济调度算法", 浙江大学学报(工学版), no. 04, pages 678 - 682 * |
谢佩;游科友;洪奕光;谢立华;: "网络化分布式凸优化算法研究进展", 控制理论与应用, no. 07 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106776005B (zh) | 一种面向容器化应用的资源管理系统及方法 | |
US8650298B2 (en) | Resource allocation system | |
CN112783649B (zh) | 一种面向云计算的交互感知的容器化微服务资源调度方法 | |
CN105279027B (zh) | 一种虚拟机部署方法及装置 | |
WO2019024445A1 (zh) | 地理分布交互服务云资源协同优化方法 | |
Ali et al. | A cost and energy efficient task scheduling technique to offload microservices based applications in mobile cloud computing | |
CN105471985A (zh) | 负载均衡方法及云平台计算方法、云平台 | |
CN104881325A (zh) | 一种资源调度方法和资源调度系统 | |
CN105718364A (zh) | 一种云计算平台中计算资源能力动态评估方法 | |
CN113037877B (zh) | 云边端架构下时空数据及资源调度的优化方法 | |
CN103338228A (zh) | 基于双加权最小连接算法的云计算负载均衡调度算法 | |
CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
CN112698952A (zh) | 计算资源统一管理方法、装置、计算机设备及存储介质 | |
CN111611076A (zh) | 任务部署约束下移动边缘计算共享资源公平分配方法 | |
Taghinezhad-Niar et al. | Reliability, rental-cost and energy-aware multi-workflow scheduling on multi-cloud systems | |
Satpathy et al. | CoMap: An efficient virtual network re-mapping strategy based on coalitional matching theory | |
US7668935B2 (en) | Computer system and method for service load distributing | |
CN114900518A (zh) | 有向分布式网络的任务分配方法、装置、介质及电子设备 | |
CN112163734A (zh) | 基于云平台整定计算资源动态调度方法及装置 | |
Kambalimath et al. | Cost optimization based resource allocation scheme for vehicular cloud networks | |
CN109040283A (zh) | 一种基于差值反馈式的改进型负载均衡算法 | |
CN111679912A (zh) | 一种服务器的负载均衡方法、装置、存储介质及设备 | |
Kushal et al. | Dynamic Source ACO algorithm for energy-aware cloudlet-based mobile cloud computing architecture | |
CN117234882B (zh) | 一种在线应用云资源供应软件定义模型构建方法及终端机 | |
CN117472595B (zh) | 资源分配方法、装置、车辆、电子设备以及存储介质 |
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 |