CN115809148B - 一种面向边缘计算的负载均衡任务调度方法及装置 - Google Patents
一种面向边缘计算的负载均衡任务调度方法及装置 Download PDFInfo
- Publication number
- CN115809148B CN115809148B CN202310062560.9A CN202310062560A CN115809148B CN 115809148 B CN115809148 B CN 115809148B CN 202310062560 A CN202310062560 A CN 202310062560A CN 115809148 B CN115809148 B CN 115809148B
- Authority
- CN
- China
- Prior art keywords
- node
- task
- target
- edge
- traversing
- 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 28
- 238000012545 processing Methods 0.000 claims abstract description 53
- 238000012546 transfer Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000000903 blocking effect Effects 0.000 claims description 45
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000007562 laser obscuration time method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Multi Processors (AREA)
Abstract
本申请提出了一种面向边缘计算的负载均衡任务调度方法及装置,涉及边缘计算领域,包括以下步骤:初始化边缘节点并遍历边缘节点,确定边缘节点的第一CPU使用率和第一内存使用率,计算边缘节点的处理能力,根据处理能力将边缘节点加入处理能力优先级队列;获取任务拓扑图并对任务拓扑图进行拓扑分析,构建边缘节点的任务邻接表;根据任务邻接表获取任务拓扑图的遍历情况,在任务拓扑图中未分配任务为空时,再一次遍历边缘节点,确定超载节点集合;遍历超载节点集合中的超载节点直至超载节点没有资源超过阈值,结束流程。本申请通过将超载节点中资源需求最大的任务依据转移时间与单节点计算时间的比较和对目标节点的资源预测进行任务调度,提高效率。
Description
技术领域
本申请涉及边缘计算领域,尤其涉及一种面向边缘计算的负载均衡任务调度方法及装置。
背景技术
受益于互联网的广泛普及以及大量有线和无线连接设备的快速发展,越来越多的设备终端接入网络,数据呈井喷式增长,在传统的云计算模型中,采用的是中心化网络架构,大量的数据会传输到云数据中心,集中化处理这些海量的数据逐渐不能满足企业的需求,高时延,低效率等特点慢慢的显现出来,对传统的能力带来了新的挑战,因此将数据迁移至边缘侧网络进行处理的边缘计算架构应运而生。
边缘计算指的是在靠近边缘设备端和数据的产生侧,采用网络-计算-存储的核心架构开放平台,进而就近提供最近端的计算服务,所有的终端不直接和云数据中心进行数据通信,不同的终端分别与就近的不同边缘节点进行通信,这减少了云中心的压力,减少网络拥塞、提高资源优化以及用户体验和网络整体性能。
而目前边缘计算还不够成熟,在边缘计算的任务卸载处理过程中,由于异构环境的存在,各个边缘节点的处理能力与和中心节点之间的距离各不相同,这就导致了任务卸载的不均匀,当前缺少一种能够选择合适的边缘节点来卸载任务的节点选择方法,以及能够在节点处于高负载的环境下对该节点中的任务队列进行合适的调度方案。
发明内容
针对上述问题,提出了一种面向边缘计算的负载均衡任务调度方法及装置
本申请第一方面提出了一种面向边缘计算的负载均衡任务调度方法,包括:
初始化边缘节点并遍历所述边缘节点,确定所述边缘节点的第一CPU使用率和第一内存使用率,计算所述边缘节点的处理能力,根据所述处理能力将所述边缘节点加入处理能力优先级队列;
获取任务拓扑图并对所述任务拓扑图进行拓扑分析,构建所述边缘节点的任务邻接表;
根据所述任务邻接表获取所述任务拓扑图的遍历情况,在所述任务拓扑图中未分配任务为空时,再一次遍历所述边缘节点,确定超载节点集合;
遍历所述超载节点集合中的超载节点直至所述超载节点没有资源超过阈值,结束流程。
可选的,所述初始化边缘节点,包括:
确定所述边缘节点的CPU使用率阈值和内存使用率阈值,确定所述处理能力优先级队列,其中,所述处理能力优先级队列的默认按照每个节点的处理能力从大到小排序,确定任务去重哈希集合,确定任务工作节点哈希表,其中,键为所述任务,值为所述边缘节点。
可选的,以如下公式计算所述边缘节点的处理能力,所述公式为:
,
其中,和为固定参数,为所述边缘节点的CPU使用率阈值,为所述边缘节点的内存使用率阈值,为所述边缘节点的CPU使用率,为所述边缘节点的内存使用率。
可选的,在所述任务拓扑图中未分配任务不为空时,包括:
根据关键路径对所述任务拓扑图中剩余的任务进行求解,得到关键子任务集合;
处理所述能力优先级队列弹出队首的工作节点,遍历所述关键子任务集合中的任务,并根据所述任务去重哈希集合判断所述任务是否已经存在;
若所述任务存在,则继续遍历其余任务,否则,将所述任务分配至所述工作节点,并将键值对存入所述任务工作节点哈希表,将所述任务加入所述任务去重哈希集合;
在所述关键子任务集合遍历结束后,计算所述工作节点的处理能力,并将所述工作节点的处理能力加入处理能力优先级队列。
可选的,所述在所述任务拓扑图中未分配任务为空时,再一次遍历所述边缘节点,确定超载节点集合,包括:
再一次遍历所述边缘节点,获取所述边缘节点的第二CPU使用率,若所述第二CPU使用率超过所述CPU使用率阈值,向资源超载节点哈希表中添加键为所述边缘节点,值为CPU的键值对,并将当前的所述边缘节点加入所述超载节点集合;
获取所述边缘节点的第二内存使用率,若所述第二内存使用率超过所述内存使用率阈值,通过所述资源超载节点哈希表判断当前所述边缘节点是否加入所述资源超载节点哈希表;
若当前所述边缘节点未加入所述资源超载节点哈希表,向所述资源超载节点哈希表中添加键为所述边缘节点,值为MEM的键值对,并将当前的所述边缘节点加入所述超载节点集合。
可选的,所述遍历所述超载节点集合中的超载节点直至所述超载节点没有资源超过阈值,包括:
将所述超载节点集合内超载节点的阻塞任务按照任务资源占用率进行排序,并根据所述任务邻接表确定所述阻塞任务的相邻任务链表;
遍历所述相邻任务链表,根据任务工作节点哈希表获取所述任务所在的工作节点中,确定目标节点集合;
初始化最小传输时间,获取所述阻塞任务在所述超载节点中的单节点计算时间;
遍历所述目标节点集合中的所述目标节点,获取所述目标节点转移时间,若所述目标节点转移时间小于所述单节点计算时间,计算调度任务后所述目标节点的CPU使用率和内存使用率,否则,继续遍历所述目标节点集合中的所述目标节点;
若所述目标节点的CPU使用率和内存使用率超过阈值,遍历所述目标节点集合中的所述目标节点,否则,将所述目标节点转移时间赋值给所述最小传输时间,并将所述目标节点赋值给最终目标节点,继续遍历所述目标节点集合中的所述目标节点;
在所述遍历所述目标节点集合中的所述目标节点结束后,将所述阻塞任务调度到所述最终目标节点,更新所述最终目标节点的资源使用率,判断所述超载节点内是否有资源超过阈值。
可选的,以如下公式获取所述阻塞任务在所述超载节点中的单节点计算时间,所述公式为:
,
其中,为所述超载节点和目标节点之间的数据流大小,为所述超载节点和所述目标节点之间的传输带宽,为所述超载节点和所述目标节点之间的距离。
可选的,以如下公式获取所述目标节点转移时间,所述公式为:
,
其中,表示从所述超载节点转移到所述目标节点的时间,表示所述阻塞任务的数据量。
可选的,以如下公式计算调度任务后所述目标节点的CPU使用率和内存使用率,所述公式为:
,
其中,表示所述阻塞任务在所述目标节点中的CPU使用率,表示所述阻塞任务在所述超载节点中的CPU使用率,表示所述目标节点调度所述阻塞任务后的CPU使用率,表示所述目标节点调度所述阻塞任务前的CPU使用率,表示所述目标节点的CPU式中频率,表示所述目标节点的CPU核心数,表示所述超载节点调度所述阻塞任务后的内存使用率,表示所述超载节点调度所述阻塞任务前的内存使用率,表示所述超载节点的CPU式中频率,表示所述超载节点的CPU核心数,表示所述阻塞任务的内存使用率。
本申请第二方面提出了一种面向边缘计算的负载均衡任务调度装置,包括:
初始化模块,用于初始化边缘节点并遍历所述边缘节点,确定所述边缘节点的第一CPU使用率和第一内存使用率,计算所述边缘节点的处理能力,根据所述处理能力将所述边缘节点加入处理能力优先级队列;
拓扑模块,获取任务拓扑图并对所述任务拓扑图进行拓扑分析,构建所述边缘节点的任务邻接表;
超载模块,根据所述任务邻接表获取任务拓扑图的遍历情况,在所述任务拓扑图中未分配任务为空时,再一次遍历所述边缘节点,确定超载节点集合;
循环模块,遍历所述超载节点集合中的超载节点直至所述超载节点没有资源超过阈值,结束流程。
本申请的实施例提供的技术方案至少带来以下有益效果:
获取边缘节点的资源使用情况并且计算处理能力,利用关键路径对任务拓扑图进行求解,并将该路径中任务分配到高处理能力的边缘节点中,对高负载边缘节点定义为超载节点,依次将超载节点中资源需求最大的任务依据转移时间与单节点计算时间的比较和对目标节点的资源预测重新进行任务调度,提高了了整个业务的处理能力和效率。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本申请示例性实施例示出的一种面向边缘计算的负载均衡任务调度方法的流程图;
图2是根据本申请示例性实施例示出的一种面向边缘计算的负载均衡任务调度方法的流程图;
图3是根据本申请示例性实施例示出的一种面向边缘计算的负载均衡任务调度方法的流程图;
图4是根据本申请示例性实施例示出的一种面向边缘计算的负载均衡任务调度方法的流程图;
图5是根据本申请示例性实施例示出的一种面向边缘计算的负载均衡任务调度装置的框图。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
图1是根据本申请示例性实施例示出的一种面向边缘计算的负载均衡任务调度方法的流程图,如图1所示,包括:
步骤101,初始化边缘节点并遍历边缘节点,确定边缘节点的第一CPU使用率和第一内存使用率,计算边缘节点的处理能力,根据处理能力将边缘节点加入处理能力优先级队列。
本申请实施例子,初始化边缘节点包括:
确定边缘节点的CPU使用率阈值和内存使用率阈值,确定一个处理能力优先级队列,其中,处理能力优先级队列默认按照每个节点的处理能力从大到小排序,确定任务去重哈希集合,确定任务工作节点哈希表,其中,键为任务,值为边缘节点。
以如下公式计算边缘节点的处理能力,公式为:
,
其中,和为固定参数,为边缘节点的CPU使用率阈值,为边缘节点的内存使用率阈值,为边缘节点的CPU使用率,为边缘节点的内存使用率。
一种可能的实施例中,=0.7,=0.3。
步骤102,获取任务拓扑图并对任务拓扑图进行拓扑分析,构建边缘节点的任务邻接表。
本申请实施例中,任务邻接表的键为任务,值为当前任务对应的相邻任务链表,遍历任务拓扑图中的每个任务,并根据任务从任务邻接表中获取相邻任务链表,将与当前任务相邻的任务都加入相邻任务链表中。
步骤103,根据任务邻接表获取任务拓扑图的遍历情况,在任务拓扑图中未分配任务为空时,再一次遍历边缘节点,确定超载节点集合。
本申请实施例中,首先在任务拓扑图未遍历完成时,需要进行如图2所示的如下操作:
步骤201,根据关键路径对任务拓扑图中剩余的任务进行求解,得到关键子任务集合;
步骤202,处理能力优先级队列弹出队首的工作节点,遍历关键子任务集合中的任务,并根据任务去重哈希集合判断任务是否已经存在;
步骤203,若任务存在,则继续遍历其余任务,否则,将任务分配至工作节点,并将键值对存入任务工作节点哈希表,将任务加入任务去重哈希集合;
步骤204,在关键子任务集合遍历结束后,计算工作节点的处理能力,并将工作节点的处理能力加入处理能力优先级队列。
本申请实施例中,在任务拓扑图中未分配任务为空时,即任务拓扑图遍历结束后,再一次遍历边缘节点,确定超载节点集合,如图3所示,包括:
步骤301,再一次遍历边缘节点,获取边缘节点的第二CPU使用率,若第二CPU使用率超过CPU使用率阈值,向资源超载节点哈希表中添加键为边缘节点,值为CPU的键值对,并将当前的边缘节点加入超载节点集合;
步骤302,获取边缘节点的第二内存使用率,若第二内存使用率超过内存使用率阈值,通过资源超载节点哈希表判断当前边缘节点是否加入资源超载节点哈希表;
步骤303,若当前边缘节点未加入资源超载节点哈希表,向资源超载节点哈希表中添加键为边缘节点,值为MEM的键值对,并将当前的边缘节点加入超载节点集合。
步骤104,遍历超载节点集合中的超载节点直至超载节点没有资源超过阈值,结束流程。
步骤104具体的流程图如图4所示,包括:
步骤401,将超载节点集合内超载节点的阻塞任务按照任务资源占用率进行排序,并根据任务邻接表确定阻塞任务的相邻任务链表。
本申请实施例中,将超载节点中的阻塞任务按照任务资源占用率从大到小排序,弹出资源占用率最大的阻塞任务。
步骤402,遍历相邻任务链表,根据任务工作节点哈希表获取任务所在的工作节点中,确定目标节点集合。
本申请实施例中,如果超载节点集合中存在边缘节点则跳过,否则将不符合要求的边缘节点加入到目标节点集合中。
步骤403,初始化最小传输时间,获取阻塞任务在超载节点中的单节点计算时间。
一种可能的实施例中,定义最小传输时间为1000。
本申请实施例中,以如下公式获取阻塞任务在超载节点中的单节点计算时间:
,
其中,为超载节点和目标节点之间的数据流大小,为超载节点和目标节点之间的传输带宽,为超载节点和目标节点之间的距离。
步骤404,遍历目标节点集合中的目标节点,获取目标节点转移时间,若目标节点转移时间小于单节点计算时间,计算调度任务后目标节点的CPU使用率和内存使用率,否则,继续遍历目标节点集合中的目标节点。
本申请实施例中,以如下公式获取目标节点转移时间:
,
其中,表示从超载节点转移到目标节点的时间,表示阻塞任务的数据量。
以如下公式计算调度任务后目标节点的CPU使用率和内存使用率:
,
其中,表示阻塞任务在目标节点中的CPU使用率,表示阻塞任务在超载节点中的CPU使用率,表示目标节点调度阻塞任务后的CPU使用率,表示目标节点调度阻塞任务前的CPU使用率,表示目标节点的CPU式中频率,表示目标节点的CPU核心数,表示超载节点调度阻塞任务后的内存使用率,表示超载节点调度阻塞任务前的内存使用率,表示超载节点的CPU式中频率,表示超载节点的CPU核心数,表示阻塞任务的内存使用率。
步骤405,若目标节点的CPU使用率和内存使用率超过阈值,遍历目标节点集合中的目标节点,否则,将目标节点转移时间赋值给最小传输时间,并将目标节点赋值给最终目标节点,继续遍历目标节点集合中的目标节点。
步骤406,在遍历目标节点集合中的目标节点结束后,将阻塞任务调度到最终目标节点,更新最终目标节点的资源使用率,判断超载节点内是否有资源超过阈值。
本申请实施例将中心节点和边缘节点进行信息绑定,根据边缘节点的资源使用情况计算边缘节点的处理能力,并依次将任务拓扑图中的任务根据数据流关键路径将数据流大的任务流分配到处理能力强的边缘节点中,接着将超载的边缘节点加入到超载节点集合中,依次遍历超载节点,并依据贪心算法找到超载节点中的资源需求较大的任务,计算该任务的单节点计算时间以及与该任务有直接相连拓扑关系的其他任务所在节点的转移时间,并如果单节点计算时间大于转移时间,并且预测目标节点被转移该任务后资源使用不会超载,则找到最小转移时间的相邻任务所在节点作为最终目标节点,将该任务调度到最终目标节点,直至所有的超载节点都负载均衡,提高效率。
图5是根据本申请示例性实施例示出的一种面向边缘计算的负载均衡任务调度装置500的框图,包括初始化模块510、拓扑模块520、超载模块530和循环模块540。
初始化模块510,用于初始化边缘节点并遍历边缘节点,确定边缘节点的第一CPU使用率和第一内存使用率,计算边缘节点的处理能力,根据处理能力将边缘节点加入处理能力优先级队列;
拓扑模块520,获取任务拓扑图并对任务拓扑图进行拓扑分析,构建边缘节点的任务邻接表;
超载模块530,根据任务邻接表获取任务拓扑图的遍历情况,在任务拓扑图中未分配任务为空时,再一次遍历边缘节点,确定超载节点集合;
循环模块540,遍历超载节点集合中的超载节点直至超载节点没有资源超过阈值,结束流程。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (9)
1.一种面向边缘计算的负载均衡任务调度方法,其特征在于,包括:
初始化边缘节点并遍历所述边缘节点,确定所述边缘节点的第一CPU使用率和第一内存使用率,计算所述边缘节点的处理能力,根据所述处理能力将所述边缘节点加入处理能力优先级队列;
获取任务拓扑图并对所述任务拓扑图进行拓扑分析,构建所述边缘节点的任务邻接表;
根据所述任务邻接表获取所述任务拓扑图的遍历情况,在所述任务拓扑图中未分配任务为空时,再一次遍历所述边缘节点,确定超载节点集合;
遍历所述超载节点集合中的超载节点直至所述超载节点没有资源超过阈值,结束流程,其中,所述遍历所述超载节点集合中的超载节点直至所述超载节点没有资源超过阈值,包括:将所述超载节点集合内超载节点的阻塞任务按照任务资源占用率进行排序,并根据所述任务邻接表确定所述阻塞任务的相邻任务链表;遍历所述相邻任务链表,根据任务工作节点哈希表获取所述任务所在的工作节点中,确定目标节点集合;初始化最小传输时间,获取所述阻塞任务在所述超载节点中的单节点计算时间;遍历所述目标节点集合中的所述目标节点,获取所述目标节点转移时间,若所述目标节点转移时间小于所述单节点计算时间,计算调度任务后所述目标节点的CPU使用率和内存使用率,否则,继续遍历所述目标节点集合中的所述目标节点;若所述目标节点的CPU使用率和内存使用率超过阈值,遍历所述目标节点集合中的所述目标节点,否则,将所述目标节点转移时间赋值给所述最小传输时间,并将所述目标节点赋值给最终目标节点,继续遍历所述目标节点集合中的所述目标节点;以及在所述遍历所述目标节点集合中的所述目标节点结束后,将所述阻塞任务调度到所述最终目标节点,更新所述最终目标节点的资源使用率,判断所述超载节点内是否有资源超过阈值。
2.根据权利要求1所述的方法,其特征在于,所述初始化边缘节点,包括:
确定所述边缘节点的CPU使用率阈值和内存使用率阈值,确定所述处理能力优先级队列,其中,所述处理能力优先级队列默认按照每个节点的处理能力从大到小排序,确定任务去重哈希集合,确定任务工作节点哈希表,其中,键为所述任务,值为所述边缘节点。
3.根据权利要求1所述的方法,其特征在于,以如下公式计算所述边缘节点的处理能力,所述公式为:
,
其中,和为固定参数,为所述边缘节点的CPU使用率阈值,为所述边缘节点的内存使用率阈值,为所述边缘节点的CPU使用率,为所述边缘节点的内存使用率。
4.根据权利要求1所述的方法,其特征在于,在所述任务拓扑图中未分配任务不为空时,包括:
根据关键路径对所述任务拓扑图中剩余的任务进行求解,得到关键子任务集合;
处理所述能力优先级队列弹出队首的工作节点,遍历所述关键子任务集合中的任务,并根据所述任务去重哈希集合判断所述任务是否已经存在;
若所述任务存在,则继续遍历其余任务,否则,将所述任务分配至所述工作节点,并将键值对存入所述任务工作节点哈希表,将所述任务加入所述任务去重哈希集合;
在所述关键子任务集合遍历结束后,计算所述工作节点的处理能力,并将所述工作节点的处理能力加入处理能力优先级队列。
5.根据权利要求2所述的方法,其特征在于,所述在所述任务拓扑图中未分配任务为空时,再一次遍历所述边缘节点,确定超载节点集合,包括:
再一次遍历所述边缘节点,获取所述边缘节点的第二CPU使用率,若所述第二CPU使用率超过所述CPU使用率阈值,向资源超载节点哈希表中添加键为所述边缘节点,值为CPU的键值对,并将当前的所述边缘节点加入所述超载节点集合;
获取所述边缘节点的第二内存使用率,若所述第二内存使用率超过所述内存使用率阈值,通过所述资源超载节点哈希表判断当前所述边缘节点是否加入所述资源超载节点哈希表;
若当前所述边缘节点未加入所述资源超载节点哈希表,向所述资源超载节点哈希表中添加键为所述边缘节点,值为MEM的键值对,并将当前的所述边缘节点加入所述超载节点集合。
6.根据权利要求1所述的方法,其特征在于,以如下公式获取所述阻塞任务在所述超载节点中的单节点计算时间,所述公式为:
,
其中,为所述超载节点和目标节点之间的数据流大小,为所述超载节点和所述目标节点之间的传输带宽,为所述超载节点和所述目标节点之间的距离。
7.根据权利要求6所述的方法,其特征在于,以如下公式获取所述目标节点转移时间,所述公式为:
,
其中,表示从所述超载节点转移到所述目标节点的时间,表示所述阻塞任务的数据量。
8.根据权利要求5所述的方法,其特征在于,以如下公式计算调度任务后所述目标节点的CPU使用率和内存使用率,所述公式为:
,
其中,表示所述阻塞任务在所述目标节点中的CPU使用率,表示所述阻塞任务在所述超载节点中的CPU使用率,表示所述目标节点调度所述阻塞任务后的CPU使用率,表示所述目标节点调度所述阻塞任务前的CPU使用率,表示所述目标节点的CPU式中频率,表示所述目标节点的CPU核心数,表示所述超载节点调度所述阻塞任务后的内存使用率,表示所述超载节点调度所述阻塞任务前的内存使用率,表示所述超载节点的CPU式中频率,表示所述超载节点的CPU核心数,表示所述阻塞任务的内存使用率。
9.一种面向边缘计算的负载均衡任务调度装置,其特征在于,包括:
初始化模块,用于初始化边缘节点并遍历所述边缘节点,确定所述边缘节点的第一CPU使用率和第一内存使用率,计算所述边缘节点的处理能力,根据所述处理能力将所述边缘节点加入处理能力优先级队列;
拓扑模块,获取任务拓扑图并对所述任务拓扑图进行拓扑分析,构建所述边缘节点的任务邻接表;
超载模块,根据所述任务邻接表获取任务拓扑图的遍历情况,在所述任务拓扑图中未分配任务为空时,再一次遍历所述边缘节点,确定超载节点集合;
循环模块,遍历所述超载节点集合中的超载节点直至所述超载节点没有资源超过阈值,结束流程,其中,所述遍历所述超载节点集合中的超载节点直至所述超载节点没有资源超过阈值,包括:将所述超载节点集合内超载节点的阻塞任务按照任务资源占用率进行排序,并根据所述任务邻接表确定所述阻塞任务的相邻任务链表;遍历所述相邻任务链表,根据任务工作节点哈希表获取所述任务所在的工作节点中,确定目标节点集合;初始化最小传输时间,获取所述阻塞任务在所述超载节点中的单节点计算时间;遍历所述目标节点集合中的所述目标节点,获取所述目标节点转移时间,若所述目标节点转移时间小于所述单节点计算时间,计算调度任务后所述目标节点的CPU使用率和内存使用率,否则,继续遍历所述目标节点集合中的所述目标节点;若所述目标节点的CPU使用率和内存使用率超过阈值,遍历所述目标节点集合中的所述目标节点,否则,将所述目标节点转移时间赋值给所述最小传输时间,并将所述目标节点赋值给最终目标节点,继续遍历所述目标节点集合中的所述目标节点;以及在所述遍历所述目标节点集合中的所述目标节点结束后,将所述阻塞任务调度到所述最终目标节点,更新所述最终目标节点的资源使用率,判断所述超载节点内是否有资源超过阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310062560.9A CN115809148B (zh) | 2023-01-16 | 2023-01-16 | 一种面向边缘计算的负载均衡任务调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310062560.9A CN115809148B (zh) | 2023-01-16 | 2023-01-16 | 一种面向边缘计算的负载均衡任务调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115809148A CN115809148A (zh) | 2023-03-17 |
CN115809148B true CN115809148B (zh) | 2023-05-16 |
Family
ID=85487722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310062560.9A Active CN115809148B (zh) | 2023-01-16 | 2023-01-16 | 一种面向边缘计算的负载均衡任务调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115809148B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116954930B (zh) * | 2023-09-20 | 2023-11-28 | 成都拓林思软件有限公司 | 一种基于边缘计算的操作系统数据处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020206705A1 (zh) * | 2019-04-10 | 2020-10-15 | 山东科技大学 | 一种基于集群节点负载状态预测的作业调度方法 |
WO2022123581A1 (en) * | 2020-12-11 | 2022-06-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Network node and method for handling operations in a communications network |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108958916B (zh) * | 2018-06-29 | 2021-06-22 | 杭州电子科技大学 | 一种移动边缘环境下工作流卸载优化方法 |
CN110290556B (zh) * | 2019-05-15 | 2022-10-25 | 江苏大学 | 一种基于最优控制变分法的资源负载均衡调度方法 |
CN112738272B (zh) * | 2021-01-12 | 2022-07-15 | 浙江工业大学 | 一种最小化网络时延的边缘节点负载均衡方法 |
CN113132497B (zh) * | 2021-06-18 | 2021-09-10 | 杭州天舰信息技术股份有限公司 | 一种移动边缘运算的负载平衡和调度方法 |
-
2023
- 2023-01-16 CN CN202310062560.9A patent/CN115809148B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020206705A1 (zh) * | 2019-04-10 | 2020-10-15 | 山东科技大学 | 一种基于集群节点负载状态预测的作业调度方法 |
WO2022123581A1 (en) * | 2020-12-11 | 2022-06-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Network node and method for handling operations in a communications network |
Non-Patent Citations (2)
Title |
---|
Prediction Based Dynamic Resource Allocation Method for Edge Computing First Networking;Zhang Luying等;《The Journal of China Universities of Posts and Telecommunications》;第1-9页 * |
异构边缘资源的任务卸载和协同调度;李小平等;《计算机研究与发展》;第1-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115809148A (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111240701B (zh) | 一种端-边-云协同计算的任务卸载优化方法 | |
CN110493360B (zh) | 多服务器下降低系统能耗的移动边缘计算卸载方法 | |
CN111132235B (zh) | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 | |
WO2019072162A1 (zh) | 虚拟网络映射方法、设备和存储介质 | |
CN111538570B (zh) | 一种面向节能和QoS保障的VNF部署方法及装置 | |
CN113115252B (zh) | 延迟敏感任务分布式移动边缘计算资源调度方法及系统 | |
CN112286677A (zh) | 一种面向资源受限边缘云的物联网应用优化部署方法 | |
WO2023039965A1 (zh) | 流量疏导的云边计算网络计算资源均衡调度方法及系统 | |
CN115809148B (zh) | 一种面向边缘计算的负载均衡任务调度方法及装置 | |
CN111988787B (zh) | 一种任务的网络接入和服务放置位置选择方法及系统 | |
CN111953547B (zh) | 一种基于业务的异构基站重叠分组及资源配置方法及装置 | |
CN113391647B (zh) | 多无人机边缘计算服务部署及调度方法和系统 | |
CN112860337B (zh) | 在多接入边缘计算中卸载依赖任务的方法及系统 | |
CN111263401A (zh) | 一种基于移动边缘计算的多用户协作计算卸载方法 | |
CN114595049A (zh) | 一种云边协同任务调度方法及装置 | |
Wen et al. | Load balancing job assignment for cluster-based cloud computing | |
Jia et al. | A highly efficient data locality aware task scheduler for cloud-based systems | |
CN112256413A (zh) | 基于物联网的边缘计算任务的调度方法和装置 | |
CN113329053B (zh) | 一种基于电力业务特征的5g网络虚拟映射方法及装置 | |
CN112235387B (zh) | 一种基于能量消耗最小化的多节点协作计算卸载方法 | |
Huang et al. | Wena: Deterministic run-time task mapping for performance improvement in many-core embedded systems | |
Al-Abbasi et al. | On the information freshness and tail latency trade-off in mobile networks | |
Zhang et al. | Differcloudstor: Differentiated quality of service for cloud storage | |
Sheng | A resource collaborative scheduling strategy based on cloud edge framework | |
CN114615705A (zh) | 一种基于5g网络下单用户资源分配策略方法 |
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 |