CN115134410B - 边缘协作服务领域划分方法、装置、电子设备及存储介质 - Google Patents
边缘协作服务领域划分方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115134410B CN115134410B CN202210551555.XA CN202210551555A CN115134410B CN 115134410 B CN115134410 B CN 115134410B CN 202210551555 A CN202210551555 A CN 202210551555A CN 115134410 B CN115134410 B CN 115134410B
- Authority
- CN
- China
- Prior art keywords
- edge
- node
- initial
- service
- nodes
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000000638 solvent extraction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004146 energy storage Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 abstract description 7
- 238000004220 aggregation Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请涉及计算机技术领域，提供一种边缘协作服务领域划分方法、装置、电子设备及存储介质。包括：根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点；基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域；对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域。本申请通过在起始节点的基础上进行层次聚类与节点分类，可以实现多边缘节点的协作服务能力的聚合，在此基础上进行移动业务边缘协作，可以有效提高资源效用。
Description
技术领域
本申请涉及计算机技术领域，具体涉及一种边缘协作服务领域划分方法、装置、电子设备及存储介质。
背景技术
随着人工智能、增强现实/虚拟现实、5G等技术的发展，辅助驾驶、智能巡检等高速移动业务对承载网络带宽和计算效率的需求逐步提升。其中，辅助驾驶等时延敏感且计算密集的业务需实时抽取和呈现复杂的行车轨迹，并精准、快速地完成交通态势的研判、预测和自适应信号控制，要求处理节点具有匹配的服务组件和充足的计算能力，并在用户行进过程中保持低时延、高可靠的通信链路。在传统集中式管理模式下，移动业务被发送至云计算平台处理，造成较大的传输时延和计算压力，无法满足大量时延敏感业务的服务需求。应用边缘计算技术，将云端存储和计算能力下沉至接入网，可有效缓解核心网络通道压力，提升边缘网络的服务能力。
当前高速移动场景下边缘协作服务过程可分为服务组件部署和计算任务卸载两个阶段，其中服务组件部署与内容缓存服务类似，边缘节点需要根据用户的业务需求向云平台请求和下载支撑业务计算所需的服务组件，并缓存到边缘节点上。现有边缘计算应用模式由于不同边缘节点的节点信息具有较大差异，且边缘节点与终端的通信连接关系具有时变特征，难以对边缘节点的协作服务能力进行动态聚合，造成当前进行移动业务边缘协作时资源效用低下。
发明内容
本申请实施例提供一种边缘协作服务领域划分方法、装置、电子设备及存储介质，用以解决因难以对边缘节点的协作服务能力进行动态聚合，造成当前进行移动业务边缘协作时资源效用低下的技术问题。
第一方面，本申请实施例提供一种边缘协作服务领域划分方法，包括：
根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点；
基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域；
对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域。
在一个实施例中，所述基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域的步骤包括：
将各所述初始边缘节点分别与所述起始节点进行用户密度要求、距离要求、计算能力需求、存储能力需求和可靠性需求的对比，得到对比结果；
根据所述对比结果从各所述初始边缘节点中确定目标边缘节点；
由所述起始节点与所述目标边缘节点聚类形成初始边缘协作服务领域。
在一个实施例中，所述节点信息包括位置信息与连接度，所述根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点的步骤包括：
根据服务领域划分请求中各初始边缘节点的位置信息与连接度，分别确定各所述初始边缘节点的用户密度；
根据各所述用户密度从各所述初始边缘节点中确定起始节点。
在一个实施例中，所述根据各所述用户密度从各所述初始边缘节点中确定起始节点的步骤包括：
根据各所述用户密度对各所述初始边缘节点进行排序，得到排序结果；
根据所述排序结果从各所述初始边缘节点中确定起始节点。
在一个实施例中，所述对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域的步骤包括：
确定所述初始边缘协作服务领域中各边缘节点的服务能力；
根据各所述服务能力从所述初始边缘协作服务领域的各边缘节点中确定域首节点；
将所述初始边缘协作服务领域中所述域首节点之外的边缘节点确定为域成员节点；
由所述域首节点与各所述域成员节点形成目标边缘协作服务领域。
在一个实施例中，所述确定所述初始边缘协作服务领域中各边缘节点的服务能力的步骤包括：
针对所述初始边缘协作服务领域中的各边缘节点，分别执行以下步骤：
根据当前边缘节点的负载条件、缓存空间、用户密度和计算能力，计算当前边缘节点的服务能力。
在一个实施例中，所述对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域的步骤之后，还包括：
基于所述目标边缘协作服务领域对用户的待计算任务进行任务卸载决策，并根据任务卸载决策得到的卸载方案进行所述待计算任务的计算。
第二方面，本申请实施例提供一种边缘协作服务领域划分装置，包括：
确定模块，用于根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点；
聚类模块，用于基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域；
分类模块，用于对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域。
第三方面，本申请实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面或第二方面所述的边缘协作服务领域划分方法的步骤。
第四方面，本申请实施例提供一种存储介质，所述存储介质为计算机可读存储介质，包括计算机程序，所述计算机程序被处理器执行时实现第一方面或第二方面所述的边缘协作服务领域划分方法的步骤。
本申请实施例提供的边缘协作服务领域划分方法、装置、电子设备及存储介质，通过从服务领域划分请求中各初始边缘节点中确定起始节点，可以基于起始节点在各初始边缘节点中进行层次聚类与节点分类，得到目标边缘协作服务领域，通过在起始节点的基础上进行层次聚类与节点分类，可以实现多边缘节点的协作服务能力的聚合，在此基础上进行移动业务边缘协作，可以有效提高资源效用。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的边缘协作服务领域划分方法的流程示意图之一；
图2是本申请实施例提供的边缘协作服务领域划分方法的流程示意图之二；
图3是本申请实施例提供的边缘协作服务领域划分方法的流程示意图之三；
图4是本申请实施例提供的边缘协作服务领域划分方法的流程示意图之四；
图5是本申请实施例提供的边缘协作服务领域划分方法的场景示意图；
图6是本申请边缘协作服务领域划分装置实施例的功能模块示意图；
图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例提供的边缘协作服务领域划分方法的流程示意图之一。参照图1，本申请实施例提供一种边缘协作服务领域划分方法，可以包括：
步骤S100，根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点；
本实施例中边缘协作服务领域划分方法可以部署于云服务器，云服务器可以通过服务组件下发路径与其服务范围内的所有边缘节点进行数据交互。具体可以获取各边缘节点的位置信息、与其他边缘节点间的连接度、计算能力、存储空间、在一定时间内的节点可靠性、负载条件、带宽、服务成功率等节点信息。
当用户(例如云服务器管理员)需要对某一云服务器的服务范围内的所有边缘节点进行边缘协作的服务领域划分时，可以选择该云服务器中的所有边缘节点作为初始边缘节点，并基于各初始边缘节点通过云服务器发起服务领域划分请求，以便云服务器可以根据服务领域划分请求中各初始边缘节点的节点信息进行边缘协作服务领域划分，得到服务能力和稳定性之间较为平衡的边缘协作服务领域。其中，由于云服务器可以获取到各边缘节点的位置信息、与其他边缘节点间的连接度、计算能力、存储空间、在一定时间内的节点可靠性、负载条件、带宽等节点信息，因此发起的服务领域划分请求中包括各初始边缘节点的位置信息、与其他边缘节点间的连接度、计算能力、存储空间、在一定时间内的节点可靠性、负载条件、带宽等节点信息。
需要说明的是，本实施例中可以对各边缘节点的位置信息、与其他边缘节点间的连接度、计算能力、存储空间、在一定时间内的节点可靠性、带宽、服务成功率等节点信息进行建模，得到表示各边缘节点的位置信息、与其他边缘节点间的连接度、计算能力、存储空间及可靠性的节点服务能力模型。具体地，根据各边缘节点的位置信息和连接度，分析各边缘节点的服务范围内的用户密度，避免将用户密度高的边缘节点作为边缘协作服务领域的边界节点，从而减少用户移动过程中发生域切换的概率。进一步地，通过用户密度θn(t)、存储空间mn(t)、服务成功率ξn(t)、带宽Bn、计算能力Cn和节点可靠性kn(t)等信息构建各边缘节点的服务能力矩阵Sn(t)，具体地，有：
Sn(t)＝{θn(t),mn(t),ξn(t),Cn,kn(t),Bn}
其中，θn(t)为用户密度、mn(t)为存储空间、ξn(t)为服务成功率、Bn为带宽、Cn为计算能力、kn(t)为节点可靠性，Sn(t)为服务能力矩阵。
需要说明的是，边缘节点n的存储空间mn(t)包括服务组件预缓存区附加服务组件缓存区/>和任务数据存储区/>t为时隙。因此，时隙t中边缘节点n的存储空间可以表示为：
可以上述得到的服务能力矩阵形成节点服务能力模型，在该模型中，成功的服务过程说明边缘节点可以通过使用本地缓存组件而不是从云服务器请求组件向用户提供计算服务。
因此，在接收到服务领域划分请求后，可以确定服务领域划分请求中包含的各初始边缘节点，并从节点服务能力模型获取各初始边缘节点对应的节点信息。根据节点信息中的位置信息与连接度计算初始边缘节点的用户密度，并从各初始边缘节点中选取用户密度较大的作为起始节点，其中，起始节点的数量可以为一个，也可以为多个。以便于后续根据起始节点进行层次聚类，得到相应的边缘协作服务领域，其中，层次聚类采用AGNES聚类算法，具体算法内容本实施例中不进行赘述。需要说明的是，若起始节点为一个，则得到的边缘协作服务领域为由该起始节点与所聚类的初始边缘节点形成的服务区域。而若起始节点的数量为多个，则得到的边缘协作服务领域为由各起始节点及各起始节点分别聚类的初始边缘节点所形成的服务区域。
步骤S200，基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域；
在从各初始边缘节点中确定出起始节点后，对于各起始节点，分别根据该起始节点在各初始边缘节点中进行层次聚类，得到该起始节点对应的初始边缘协作服务领域。具体地，从各初始边缘节点中查找出与起始节点之间满足距离要求、计算能力需求、存储能力需求和可靠性需求的初始边缘节点，并将查找到的初始边缘合并至该起始节点，将合并形成的服务区域确定为初始边缘协作服务领域。若存在多个起始节点，则根据上述方式分别确定各起始节点对应的服务区域，并将各起始节点对应的服务区域形成的整体区域确定为初始边缘协作服务领域。以便于后续对初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域。
步骤S300，对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域。
在得到初始边缘协作服务领域后，从初始边缘协作服务领域中的各边缘节点中确定出域首节点，并将其余边缘节点确定为域成员节点，完成初始边缘协作服务领域的节点分类，并由域首节点与其余域成员节点共同形成目标边缘协作服务领域。需要说明的是，若初始边缘协作服务领域由多个起始节点对应的服务区域形成，则分别确定各服务区域中的域首节点与域成员节点。
其中，域首节点是一个作为目标边缘协作服务领域的中央控制器的边缘节点，用于通过可靠的回程链路从云服务器处获取用于目标边缘协作服务领域的服务组件。维护目标边缘协作服务领域中的节点列表和每个边缘节点中的缓存内容列表。域首节点可以通过做出总体内容缓存、内容交付和任务卸载决策来协调目标边缘协作服务领域中的资源。域成员节点是目标边缘协作服务领域中的服务提供节点，用于根据域首节点制定的整体服务策略以及周边用户的需求，提供内容缓存和任务计算服务。域成员节点之间还可以按照域首节点给出的交付决策共享服务组件。
可以理解地，所述对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域的步骤之后，还包括：
步骤A，基于所述目标边缘协作服务领域对用户的待计算任务进行任务卸载决策，并根据任务卸载决策得到的卸载方案进行所述待计算任务的计算。
在完成边缘协作服务领域划分得到目标边缘协作服务领域后，本实施例中云服务器可以接收目标边缘协作服务领域中的用户发起的待计算任务，由于目标边缘协作服务领域中的域首节点与域成员节点之间协同工作，通过全局共享异构资源，可以为移动用户提供缓存和卸载服务。因此，本实施例云服务器可以在目标边缘协作服务领域的基础上对用户的待计算任务进行任务卸载决策，确定出待计算任务的卸载方案，并将卸载方案中待计算任务的各部分计算内容卸载至目标边缘协作服务领域中对应的边缘节点进行计算，由此完成待计算任务的计算，降低用户进行待计算任务的计算时的时延。
需要说明的是，本实施例还可以结合用户行为模型，利用深度学习算法对用户需求进行预测，并根据预测结果进行精准的服务组件预缓存，以此降低边缘协作服务领域的服务响应时延。边缘协作服务领域建立后，组件预缓存过程分为两个阶段：域首节点组件冗余预缓存和域成员节点组件预缓存。由于深度学习算法可以解决大规模状态和动作空间的问题，并且可以稳定强化学习的学习过程，因此可通过深度学习算法获得组件缓存策略。
本申请实施例提供的边缘协作服务领域划分方法，通过从服务领域划分请求中各初始边缘节点中确定起始节点，可以基于起始节点在各初始边缘节点中进行层次聚类与节点分类，得到目标边缘协作服务领域，通过在起始节点的基础上进行层次聚类与节点分类，可以实现多边缘节点的协作服务能力的聚合，在此基础上进行移动业务边缘协作，可以有效提高资源效用。
图2为本申请实施例提供的边缘协作服务领域划分方法的流程示意图之二。参照图2，在一个实施例中，所述根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点的步骤包括：
步骤S1001，根据服务领域划分请求中各初始边缘节点的位置信息与连接度，分别确定各所述初始边缘节点的用户密度；
步骤S1002，根据各所述用户密度从各所述初始边缘节点中确定起始节点。
在接收到服务领域划分请求后，云服务器确定出服务领域划分请求中的各初始边缘节点，并可以从节点服务能力模型中获取到各初始边缘节点对应的节点信息。由于各初始边缘节点的节点信息中包括位置信息与连接度。因此，本实施例中可以通过各初始边缘节点的位置信息与连接度，分别分析出各初始边缘节点的服务范围内的用户密度，可以避免将用户密度高的初始边缘节点作为边缘协作服务领域的边界节点，可以降低用户移动过程中发生域切换的概率。进一步地，可以对各初始边缘节点对应的用户密度进行排序，其中排序方式可以为升序、降序等，并根据排序结果从各初始边缘节点中确定出起始节点。可以理解地，升序与降序后，根据排序结果从各初始边缘节点中确定出起始节点的具体选取方式存在区别。
进一步地，所述根据各所述用户密度从各所述初始边缘节点中确定起始节点的步骤包括：
步骤S10021，根据各所述用户密度对各所述初始边缘节点进行排序，得到排序结果；
步骤S10022，根据所述排序结果从各所述初始边缘节点中确定起始节点。
在得到各初始边缘节点的用户密度后，本实施例中可以对各用户密度进行排序，具体地，本实施例中可以对各用户密度进行降序排序，得到各用户密度从大到小排序的排序结果。进一步地，根据预先设定的起始节点数量值，结合得到的排序结果，从各初始边缘节点中确定出相应数量的起始节点。例如，若设定的起始节点数量值为5，则查找排序结果中排在前5位的用户密度对应的初始边缘节点，将查找到的各初始边缘节点均确定为起始节点。
需要说明的是，起始节点的确定过程应遵循以下要求：
(1)由于起始节点在很大程度上决定了边缘协作服务领域的位置和覆盖范围，因此起始节点的用户密度应该相对较高。
(2)为了避免边缘协作服务领域中各服务区域之间的重叠，边缘协作服务领域中各边缘节点之间的距离不应超过预先设定的距离值。
(3)为了避免边缘协作服务领域中的各服务区域之间的分布过于密集和频繁切换，起始节点之间的距离应大于预先设定的距离值。
本实施例通过服务领域划分请求中各初始边缘节点的节点信息，快速、准确地从各初始边缘节点中确定起始节点，便于后续根据起始节点快速进行层次聚类，得到相应的边缘协作服务领域，实现多边缘节点的协作服务能力的聚合，在此基础上进行移动业务边缘协作，可以有效提高资源效用。
图3为本申请实施例提供的边缘协作服务领域划分方法的流程示意图之三。参照图3，在一个实施例中，所述基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域的步骤包括：
步骤S2001，将各所述初始边缘节点分别与所述起始节点进行用户密度要求、距离要求、计算能力需求、存储能力需求和可靠性需求的对比，得到对比结果；
步骤S2002，根据所述对比结果从各所述初始边缘节点中确定目标边缘节点；
步骤S2003，由所述起始节点与所述目标边缘节点聚类形成初始边缘协作服务领域。
在得到初始节点后，对各初始边缘节点的用户密度进行降序排序，并确定降序排序结果中排在指定范围内的用户密度对应的初始边缘节点，本实施例中称为中间边缘节点。进一步地，确定各中间边缘节点与起始节点之间是否满足预先设定的距离要求、计算能力需求、存储能力需求、可靠性需求，得到各个中间边缘节点是否满足上述各要求/需求的对比结果。将各中间边缘节点中与对比结果中满足上述各要求/需求的中间边缘节点对应的边缘节点确定为目标边缘节点。进一步地，由起始节点对其对应的目标边缘节点进行聚类，具体可以为节点合并，并在节点合并完成后，由合并后的所有边缘节点所在服务区域形成初始边缘协作服务领域。需要说明的是，在合并边缘节点时，需要更新计算能力、存储能力、可靠性方面的服务要求。
本实施例通过在起始节点的基础上进行层次聚类，可以实现多边缘节点的协作服务能力的聚合，在此基础上进行移动业务边缘协作，可以有效提高资源效用。
图4为本申请实施例提供的边缘协作服务领域划分方法的流程示意图之四。参照图4，在一个实施例中，所述对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域的步骤包括：
步骤S3001，确定所述初始边缘协作服务领域中各边缘节点的服务能力；
步骤S3002，根据各所述服务能力从所述初始边缘协作服务领域的各边缘节点中确定域首节点；
步骤S3003，将所述初始边缘协作服务领域中所述域首节点之外的边缘节点确定为域成员节点；
步骤S3004，由所述域首节点与各所述域成员节点形成目标边缘协作服务领域。
在得到初始边缘协作服务领域后，分别确定初始边缘协作服务领域中各边缘节点的服务能力，其中服务能力具体可以通过边缘节点的负载条件、缓存空间、用户密度和计算能力等信息确定。在确定出初始边缘协作服务领域中各边缘节点的服务能力后，对各服务能力进行排序，具体可以采用降序排序，并将降序排序后排在首位的服务能力对应的边缘节点确定为域首节点。进一步地，若初始边缘协作服务领域为一个起始节点形成，则确定该初始边缘协作服务领域的域首节点，并将域首节点之外的所有节点确定为域成员节点，完成初始边缘协作服务领域的节点分类，并由域首节点与所有域成员节点形成目标边缘协作服务领域。
若初始边缘协作服务领域由多个服务区域组成，则分别确定每一服务领域对应的域首节点，并将各域首节点之外的所有边缘节点确定为域成员节点，由各域首节点与对应的域成员节点形成目标边缘协作服务领域。
进一步地，所述确定所述初始边缘协作服务领域中各边缘节点的服务能力的步骤包括：
步骤S30011，针对所述初始边缘协作服务领域中的各边缘节点，分别执行步骤S30012；
步骤S30012，根据当前边缘节点的负载条件、缓存空间、用户密度和计算能力，计算当前边缘节点的服务能力。
在确定初始边缘协作服务领域中各边缘节点的服务能力时，可以对各边缘节点进行排序，例如可以按确定时间或生成时间进行排序，并按照排序顺序逐一确定每一边缘节点的服务能力。对于初始边缘协作服务领域中各边缘节点，云服务器可以从节点服务能力模型中获取得到当前处理的边缘节点的负载条件、缓存空间、用户密度和计算能力等节点信息，并根据预设的服务能力计算公式结合该边缘节点的负载条件、缓存空间、用户密度和计算能力等节点信息，计算出该边缘节点的服务能力。其中，预设的服务能力计算公式如下所示：
其中，mn、θn和Cn分别表示边缘节点的负载条件、缓存空间、用户密度和计算能力，/>分别表示边缘节点的负载条件的平均值、缓存空间的平均值、用户密度的平均值和计算能力的平均值。ω1,ω2,ω3和ω4为加权参数。
本实施例通过在初始边缘协作服务领域的基础上进行节点分类，可以实现多边缘节点的协作服务能力的聚合，在此基础上进行移动业务边缘协作，可以有效提高资源效用。
参照图5，图5为本申请实施例提供的边缘协作服务领域划分方法的场景示意图。在一个实例中，目标边缘协作服务领域由服务区域1、服务区域2与服务区域3形成，其中，服务区域1中包括一个域首节点1与两个域成员节点(域成员节点1与域成员节点2)，服务区域2中包括一个域首节点2与一个域成员节点3，服务区域3中包括一个域首节点3与两个域成员节点(域成员节点4与域成员节点5)。其中，云服务器可以通过服务组件下发路径与各域首节点进行数据交互，而各域首节点可以通过可靠的回程链路从云服务器处获取服务组件。目标边缘协作服务领域中的各边缘节点可以通过光纤链路相互连接。
进一步地，本申请还提供一种边缘协作服务领域划分装置。
参照图6，图6为本申请边缘协作服务领域划分装置实施例的功能模块示意图。
所述边缘协作服务领域划分装置包括：
确定模块100，用于根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点；
聚类模块200，用于基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域；
分类模块300，用于对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域。
本申请实施例提供的边缘协作服务领域划分装置，通过从服务领域划分请求中各初始边缘节点中确定起始节点，可以基于起始节点在各初始边缘节点中进行层次聚类与节点分类，得到目标边缘协作服务领域，通过在起始节点的基础上进行层次聚类与节点分类，可以实现多边缘节点的协作服务能力的聚合，在此基础上进行移动业务边缘协作，可以有效提高资源效用。
在一个实施例中，确定模块100具体用于：
根据服务领域划分请求中各初始边缘节点的位置信息与连接度，分别确定各所述初始边缘节点的用户密度；
根据各所述用户密度从各所述初始边缘节点中确定起始节点。
在一个实施例中，确定模块100包括排序模块(图中未示出)，所述排序模块用于：
根据各所述用户密度对各所述初始边缘节点进行排序，得到排序结果；
根据所述排序结果从各所述初始边缘节点中确定起始节点。
在一个实施例中，聚类模块200具体用于：
将各所述初始边缘节点分别与所述起始节点进行用户密度要求、距离要求、计算能力需求、存储能力需求和可靠性需求的对比，得到对比结果；
根据所述对比结果从各所述初始边缘节点中确定目标边缘节点；
由所述起始节点与所述目标边缘节点聚类形成初始边缘协作服务领域。
在一个实施例中，分类模块300具体用于：
确定所述初始边缘协作服务领域中各边缘节点的服务能力；
根据各所述服务能力从所述初始边缘协作服务领域的各边缘节点中确定域首节点；
将所述初始边缘协作服务领域中所述域首节点之外的边缘节点确定为域成员节点；
由所述域首节点与各所述域成员节点形成目标边缘协作服务领域。
在一个实施例中，分类模块300包括计算模块(图中未示出)，所述计算模块用于：
针对所述初始边缘协作服务领域中的各边缘节点，分别执行以下步骤：
根据当前边缘节点的负载条件、缓存空间、用户密度和计算能力，计算当前边缘节点的服务能力。
在一个实施例中，分类模块300具体还用于：
基于所述目标边缘协作服务领域对用户的待计算任务进行任务卸载决策，并根据任务卸载决策得到的卸载方案进行所述待计算任务的计算。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)810、通信接口(Communication Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的计算机程序，以执行边缘协作服务领域划分方法的步骤，例如包括：
根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点；
基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域；
对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本申请实施例还提供一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行上述各实施例提供的方法的步骤，例如包括：
根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点；
基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域；
对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域。
所述计算机可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种边缘协作服务领域划分方法，其特征在于，包括：
根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点；
基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域；
对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域；
所述节点信息包括位置信息与连接度，所述根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点的步骤包括：
根据服务领域划分请求中各初始边缘节点的位置信息与连接度，分别确定各所述初始边缘节点的用户密度；
根据各所述用户密度从各所述初始边缘节点中确定起始节点；
所述对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域的步骤包括：
确定所述初始边缘协作服务领域中各边缘节点的服务能力；
根据各所述服务能力从所述初始边缘协作服务领域的各边缘节点中确定域首节点；
将所述初始边缘协作服务领域中所述域首节点之外的边缘节点确定为域成员节点；
由所述域首节点与各所述域成员节点形成目标边缘协作服务领域。
2.根据权利要求1所述的边缘协作服务领域划分方法，其特征在于，所述基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域的步骤包括：
将各所述初始边缘节点分别与所述起始节点进行用户密度要求、距离要求、计算能力需求、存储能力需求和可靠性需求的对比，得到对比结果；
根据所述对比结果从各所述初始边缘节点中确定目标边缘节点；
由所述起始节点与所述目标边缘节点聚类形成初始边缘协作服务领域。
3.根据权利要求1所述的边缘协作服务领域划分方法，其特征在于，所述根据各所述用户密度从各所述初始边缘节点中确定起始节点的步骤包括：
根据各所述用户密度对各所述初始边缘节点进行排序，得到排序结果；
根据所述排序结果从各所述初始边缘节点中确定起始节点。
4.根据权利要求1所述的边缘协作服务领域划分方法，其特征在于，所述确定所述初始边缘协作服务领域中各边缘节点的服务能力的步骤包括：
针对所述初始边缘协作服务领域中的各边缘节点，分别执行以下步骤：
根据当前边缘节点的负载条件、缓存空间、用户密度和计算能力，计算当前边缘节点的服务能力。
5.根据权利要求1所述的边缘协作服务领域划分方法，其特征在于，所述对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域的步骤之后，还包括：
基于所述目标边缘协作服务领域对用户的待计算任务进行任务卸载决策，并根据任务卸载决策得到的卸载方案进行所述待计算任务的计算。
6.一种边缘协作服务领域划分装置，其特征在于，包括：
确定模块，用于根据服务领域划分请求中各初始边缘节点的节点信息，从各所述初始边缘节点中确定起始节点；
聚类模块，用于基于所述起始节点在各所述初始边缘节点中进行层次聚类，得到初始边缘协作服务领域；
分类模块，用于对所述初始边缘协作服务领域进行节点分类，得到目标边缘协作服务领域；
所述确定模块，具体用于根据服务领域划分请求中各初始边缘节点的位置信息与连接度，分别确定各所述初始边缘节点的用户密度；根据各所述用户密度从各所述初始边缘节点中确定起始节点；
所述分类模块，具体用于确定所述初始边缘协作服务领域中各边缘节点的服务能力；根据各所述服务能力从所述初始边缘协作服务领域的各边缘节点中确定域首节点；将所述初始边缘协作服务领域中所述域首节点之外的边缘节点确定为域成员节点；由所述域首节点与各所述域成员节点形成目标边缘协作服务领域。
7.一种电子设备，包括处理器和存储有计算机程序的存储器，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5任一项所述的边缘协作服务领域划分方法的步骤。
8.一种存储介质，所述存储介质为计算机可读存储介质，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述的边缘协作服务领域划分方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210551555.XA CN115134410B (zh) | 2022-05-18 | 2022-05-18 | 边缘协作服务领域划分方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210551555.XA CN115134410B (zh) | 2022-05-18 | 2022-05-18 | 边缘协作服务领域划分方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115134410A CN115134410A (zh) | 2022-09-30 |
| CN115134410B true CN115134410B (zh) | 2023-11-10 |
Family
ID=83376216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210551555.XA Active CN115134410B (zh) | 2022-05-18 | 2022-05-18 | 边缘协作服务领域划分方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115134410B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117713382B (zh) * | 2024-02-04 | 2024-05-07 | 北京中电飞华通信有限公司 | 分布式电力服务提供方法及分布式电力服务系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110933000A (zh) * | 2019-10-25 | 2020-03-27 | 北京邮电大学 | 分布式数据多阶段聚合方法、设备、服务器和存储介质 |
| CN111552564A (zh) * | 2020-04-23 | 2020-08-18 | 中南大学 | 基于边缘缓存的任务卸载与资源优化的方法 |
| WO2020245835A1 (en) * | 2019-06-07 | 2020-12-10 | Telefonaktiebolaget Lm Ericsson (Publ) | Allocation of fog node resources |
| CN112187859A (zh) * | 2020-08-24 | 2021-01-05 | 国网浙江省电力有限公司信息通信分公司 | 物联网业务与边缘网络能力动态映射的方法及电子设备 |
| CN113115249A (zh) * | 2021-04-09 | 2021-07-13 | 中国工商银行股份有限公司 | 簇头节点的确定方法、装置及系统 |
| CN113315825A (zh) * | 2021-05-24 | 2021-08-27 | 康键信息技术（深圳）有限公司 | 分布式请求的处理方法、装置、设备及存储介质 |
| WO2021217942A1 (zh) * | 2020-04-27 | 2021-11-04 | 山东省科学院海洋仪器仪表研究所 | 基于边缘网关的水下自组织网络的任务迁移方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111865781B (zh) * | 2019-04-25 | 2022-10-11 | 伊姆西Ip控股有限责任公司 | 用于路径优化的方法、设备和计算机程序产品 |
-
2022
- 2022-05-18 CN CN202210551555.XA patent/CN115134410B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020245835A1 (en) * | 2019-06-07 | 2020-12-10 | Telefonaktiebolaget Lm Ericsson (Publ) | Allocation of fog node resources |
| CN110933000A (zh) * | 2019-10-25 | 2020-03-27 | 北京邮电大学 | 分布式数据多阶段聚合方法、设备、服务器和存储介质 |
| CN111552564A (zh) * | 2020-04-23 | 2020-08-18 | 中南大学 | 基于边缘缓存的任务卸载与资源优化的方法 |
| WO2021217942A1 (zh) * | 2020-04-27 | 2021-11-04 | 山东省科学院海洋仪器仪表研究所 | 基于边缘网关的水下自组织网络的任务迁移方法及系统 |
| CN112187859A (zh) * | 2020-08-24 | 2021-01-05 | 国网浙江省电力有限公司信息通信分公司 | 物联网业务与边缘网络能力动态映射的方法及电子设备 |
| CN113115249A (zh) * | 2021-04-09 | 2021-07-13 | 中国工商银行股份有限公司 | 簇头节点的确定方法、装置及系统 |
| CN113315825A (zh) * | 2021-05-24 | 2021-08-27 | 康键信息技术（深圳）有限公司 | 分布式请求的处理方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于密度聚类的协作学习群组构建方法;周梦熊;叶岩明;任一支;徐悦;;计算机工程与设计(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115134410A (zh) | 2022-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112020103B (zh) | 一种移动边缘云中的内容缓存部署方法 | |
| CN109710374A (zh) | 移动边缘计算环境下最小化任务卸载费用的vm迁移策略 | |
| CN113918240B (zh) | 任务卸载方法及装置 | |
| CN113315978B (zh) | 一种基于联邦学习的协作式在线视频边缘缓存方法 | |
| CN115134410B (zh) | 边缘协作服务领域划分方法、装置、电子设备及存储介质 | |
| CN115878227B (zh) | 一种基于人群分类的边缘计算任务卸载方法 | |
| CN113347267A (zh) | 一种移动边缘云计算网络中的mec服务器部署方法 | |
| Devi et al. | Optimization techniques for spectrum handoff in cognitive radio networks using cluster based cooperative spectrum sensing | |
| Zou et al. | ST-EUA: Spatio-temporal edge user allocation with task decomposition | |
| CN117202265A (zh) | 边缘环境下基于dqn的服务迁移方法 | |
| Zhao et al. | C-LSTM: CNN and LSTM Based Offloading Prediction Model in Mobile Edge Computing (MEC) | |
| CN116320000A (zh) | 协同缓存方法、装置、电子设备和存储介质 | |
| KR20240016572A (ko) | 지능형 영상 보안 환경에서 서비스 분류 기반의 클라우드-다중 엣지 서버간 협업 시스템 및 방법 | |
| CN112203309B (zh) | 一种基于服务器协作的联合任务卸载及缓存方法 | |
| CN115964091A (zh) | 任务卸载方法、装置、电子设备、及计算机程序产品 | |
| CN115297518A (zh) | 一种基于移动用户位置的网络切换方法及其系统 | |
| CN115567983A (zh) | 一种基于Stackelberg博弈的D2D计算卸载方法 | |
| CN116017570A (zh) | 一种基于区块链的边缘计算系统资源管理方法 | |
| CN115185658A (zh) | 一种基于时间和通信可靠的任务卸载调度方法及相关产品 | |
| Li et al. | Dqn-based collaborative computation offloading for edge load balancing | |
| Xu et al. | Edge aggregation placement for semi-decentralized federated learning in Industrial Internet of Things | |
| CN116016514B (zh) | 一种边缘计算服务的智能自适应编排方法 | |
| Cui et al. | Online container scheduling for low-latency iot services in edge cluster upgrade: A reinforcement learning approach | |
| CN114449604B (zh) | 基于图论和多属性决策联合的低轨卫星切换方法和装置 | |
| CN118101500B (zh) | 基于改进遗传算法的边缘环境下服务部署方法和系统 |
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 |