CN115827178A - 边缘计算任务分配方法、装置、计算机设备及相关介质 - Google Patents
边缘计算任务分配方法、装置、计算机设备及相关介质 Download PDFInfo
- Publication number
- CN115827178A CN115827178A CN202211090762.6A CN202211090762A CN115827178A CN 115827178 A CN115827178 A CN 115827178A CN 202211090762 A CN202211090762 A CN 202211090762A CN 115827178 A CN115827178 A CN 115827178A
- Authority
- CN
- China
- Prior art keywords
- edge server
- task
- context
- internet
- data
- 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
Landscapes
- Computer And Data Communications (AREA)
Abstract
本发明公开了边缘计算任务分配方法、装置、计算机设备及存储介质,该方法包括:监控并获取网络信息;对所述网络信息提取上下文信息;其中,所述上下文信息包括设备上下文、资源上下文和应用程序上下文;基于所述上下文信息对存储于各边缘服务器上的数据副本进行分布策略优化;以及基于所述上下文信息对各物联网设备的任务调度策略优化;将优化后的数据副本分布策略和任务调度策略下发至边缘服务器和物联网设备,以使边缘服务器和物联网设备执行相应的操作。本发明基于上下文感知,对数据和任务分配过程进行解耦,如此可以优化对于不同边缘服务器的任务分配策略,以及优化任务执行延迟和数据管理开销之间的权衡。
Description
技术领域
本发明涉及边缘计算技术领域,特别涉及边缘计算任务分配方法、装置、计算机设备及相关介质。
背景技术
当前,物联网应用程序的计算密集型任务可以卸载到边缘服务器上运行,从而减少能源消耗并提高性能。然而,使用人脸识别、机器学习或图像渲染等应用程序都会依赖于大量的数据,而这些数据的传输则会导致高的延迟,这与许多应用程序所需的快速响应相矛盾。在这种情况下,现有技术采用一种新的可应用的解决方案,即将任务和数据分离,在实际任务执行之前将数据放置在远程设备上,这一技术在网格计算中得到了有效的利用。然而,将这一技术引入边缘计算面临着更多的挑战,例如边缘多样化边缘设备导致的网络异构性,以及动态化环境下的设备波动行为等,并且边缘网络的特性还会增加数据任务分布调度策略的复杂性。
发明内容
本发明实施例提供了一种边缘计算任务分配方法、装置、计算机设备及存储介质,旨在优化对于不同边缘服务器的任务分配策略,以及优化任务执行延迟和数据管理开销之间的权衡。
第一方面,本发明实施例提供了一种边缘计算任务分配方法,包括:
监控并获取网络信息;其中,所述网络信息包括边缘服务器和/或物联网设备发送的请求信息,以及计算通信资源信息;
对所述网络信息提取上下文信息;其中,所述上下文信息包括设备上下文、资源上下文和应用程序上下文;
基于所述上下文信息对存储于各边缘服务器上的数据副本进行分布策略优化;
以及基于所述上下文信息对各物联网设备的任务调度策略优化;
将优化后的数据副本分布策略和任务调度策略下发至边缘服务器和物联网设备,以使边缘服务器和物联网设备执行相应的操作。
第二方面,本发明实施例提供了一种边缘计算任务分配装置,包括:
信息监控单元,用于监控并获取网络信息;其中,所述网络信息包括边缘服务器和/或物联网设备发送的请求信息,以及计算通信资源信息;
信息提取单元,用于对所述网络信息提取上下文信息;其中,所述上下文信息包括设备上下文、资源上下文和应用程序上下文;
第一优化单元,用于基于所述上下文信息对存储于各边缘服务器上的数据副本进行分布策略优化;
第二优化单元,用于以及基于所述上下文信息对各物联网设备的任务调度策略优化;
策略下发单元,用于将优化后的数据副本分布策略和任务调度策略下发至边缘服务器和物联网设备,以使边缘服务器和物联网设备执行相应的操作。
第三方面,本发明实施例提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上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如第一方面所述的边缘计算任务分配方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的边缘计算任务分配方法。
本发明实施例提供了一种边缘计算任务分配方法、装置、计算机设备及存储介质,该方法包括:监控并获取网络信息;其中,所述网络信息包括边缘服务器和/或物联网设备发送的请求信息,以及计算通信资源信息;对所述网络信息提取上下文信息;其中,所述上下文信息包括设备上下文、资源上下文和应用程序上下文;基于所述上下文信息对存储于各边缘服务器上的数据副本进行分布策略优化;以及基于所述上下文信息对各物联网设备的任务调度策略优化;将优化后的数据副本分布策略和任务调度策略下发至边缘服务器和物联网设备,以使边缘服务器和物联网设备执行相应的操作。本发明实施例基于上下文感知,对数据和任务分配过程进行解耦,并考虑多个上下文维度,在任务运行前将数据放置在相应的边缘服务器上,如此可以优化对于不同边缘服务器的任务分配策略,以及优化任务执行延迟和数据管理开销之间的权衡。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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为本发明实施例提供的一种边缘计算任务分配方法的流程示意图;
图2为本发明实施例提供的一种边缘计算任务分配方法的网络架构图;
图3为本发明实施例提供的一种边缘计算任务分配装置的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
下面请参见图1,图1为本发明实施例提供的一种边缘计算任务分配方法的流程示意图,具体包括:步骤S101~S105。
S101、监控并获取网络信息;其中,所述网络信息包括边缘服务器和/或物联网设备发送的请求信息,以及计算通信资源信息;
S102、对所述网络信息提取上下文信息;其中,所述上下文信息包括设备上下文、资源上下文和应用程序上下文;
S103、基于所述上下文信息对存储于各边缘服务器上的数据副本进行分布策略优化;
S104、以及基于所述上下文信息对各物联网设备的任务调度策略优化;
S105、将优化后的数据副本分布策略和任务调度策略下发至边缘服务器和物联网设备,以使边缘服务器和物联网设备执行相应的操作。
本实施例中,对于获取的网络信息,提取包括设备上下文、资源上下文和应用程序上下文等上下文信息,从而根据所述上下文信息对存储于各边缘服务器上的数据副本的分布策略进行优化,以及对各物联网设备的任务调度策略进行优化,然后将数据副本的分布策略和任务调度策略下发至边缘服务器和物联网设备,使二者根据下发的策略执行相应的操作,并在任务处理完成后由边缘服务器返回处理结果至相应的物联网设备。
本实施例基于上下文感知,对数据和任务分配过程进行解耦,并考虑多个上下文维度,在任务运行前将数据放置在相应的边缘服务器上,如此可以优化对于不同边缘服务器的任务分配策略,以及优化任务执行延迟和数据管理开销之间的权衡。
结合图2,在实际应用场景中,基于本实施例提供的边缘计算任务分配方法构建,包含云端、边缘层和设备层的三层网络架构。其中,云端包含云服务器,调度器部署于云服务器上以对整个网络进行感知调度。边缘层由边缘服务器构成,这些边缘服务器向调度器发送其处理能力和存储能力的信息,并接收调度器的命令,以及进行数据存放和任务处理等工作。设备层由物联网设备构成,包括计算机以及通过异构网络连接的通信设备等,其位于架构的最底层。具体而言,本实施例考虑K个物联网设备M={m1,m2,...,mK},J个边缘服务器E={e1,e2,...,ej},物联网设备与边缘服务器之间通过基站进行通信。
调度器作为网络的核心,负责资源的管理以及收集来自所有物联网设备的任务请求,并根据所收集的信息进行数据和任务的调度。具体而言,本发明考虑MAPE调度流程,其中主要包括监控、分析、计划、执行这四个模块。监控模块负责对网络整体情况进行感知,包括计算通信资源、任务请求情况、应用需求等。监控模块收集到的信息会存储在数据库中,再经过进一步的处理提取出资源和应用的上下文信息。之后,调度算法通过数据库中的上下文信息对数据和任务分配策略进行分析,并得到最优的分配策略。最终,执行模块将最优分配策略下发到边缘层以及设备层执行。
在一实施例中,所述设备上下文包括边缘服务器稳定性上下文、数据副本队列大小上下文和物联网设备的数据积压量上下文;
所述资源上下文包括计算资源上下文、存储资源上下文和通信资源上下文;
所述应用程序上下文包括任务数据量上下文和程序并行任务参数上下文。
进一步的,所述步骤S102包括:
通过边缘服务器在线时间的平均数和方差以及边缘服务器当前已停留时间刻画所述边缘稳定性上下文和数据副本队列大小上下文;
按照下式计算所述物联网设备的数据积压量上下文:
Qk(t+1)=max{Qk(t)-Uk(t),0}+γkAk(t)
式中,Qk(t)为时隙t的数据积压量,Qk(t+1)为时隙t+1的数据积压量,Uk(t)表示时隙t流出数据副本队列的任务大小,Ak(t)表示物联网设备mk需要执行的任务,γk表示需要执行的任务大小;
通过边缘服务器的计算能力和物联网设备的计算能力刻画所述计算资源上下文;通过边缘服务器的剩余存储容量系数和存储负载刻画所述存储资源上下文;以及通过信道带宽、数据传输功率、信道增益和背景噪声刻画所述存储资源上下文;
其中,所述剩余存储容量系数Ccap按照下式计算:
按照下式计算所述任务数据量上下文:
式中,sd表示应用程序所需数据大小,smax表示应用程序中所允许的最大数据大小;
按照下式计算所述程序并行任务参数上下文:
式中,fava表示平均的应用程序的数据可用因子,fpar表示应用程序的并行因子。
本实施例中,将监控收集到的网络信息存储于数据库中,并根据数据库中存储的网络信息提取后续步骤需要的上下文信息。具体而言,根据数据库中存储的网络信息提取调度算法可用的上下文信息。本实施例考虑的上下文包括设备上下文、资源上下文以及应用程序上下文。
设备上下文:网络中的设备包含边缘服务器和物联网设备。本实施例考虑边缘服务器的稳定性和数据副本队列大小qe这两个上下文信息,用以判断服务器是否可用,以及物联网设备的数据积压量上下文。边缘服务器的稳定性通过边缘服务器在线时间的平均数μe、方差以及边缘服务器当前已停留时间te来刻画。此外,物联网设备的任务数据积压量这一上下文信息用于刻画物联网设备的任务需求。具体而言,本实施例考虑时隙模型,将任务处理总周期分为T个等长为τ的时隙。在每个时隙,物联网设备mk有Ak(t)个大小均为γk的任务需要执行。这些任务首先存储在本地缓存池中,之后传输到边缘服务器上执行或者在本地执行。对于存储在本地缓存区的任务可以建模为一个队列k,γkAk(t)表示进入队列的任务大小,Uk(t)为时隙t离开队列的任务大小。同时使用Qk(1)表示初始数据积压量,Qk(t)为时隙t的数据积压量,则Qk(t)的演化可以由下式给出:
Qk(t+1)=max{Qk(t)-Uk(t),0}+γkAk(t)
资源上下文:资源上下文包含计算资源、存储资源以及通信资源上下文。计算资源上下文包括边缘服务器计算能力大小cj、物联网设备的计算能力大小ck,存储资源上下文通过边缘服务器的剩余存储容量系数Ccap以及存储负载ce来刻画,ce可以直接从边缘服务器得到,Ccap计算方式如下:
应用程序上下文:主要包含任务数据量大小,程序的并行任务参数上下文。数据量大小系数计算如下:
其中,sd为应用程序所需数据大小,smax为系统中所允许的最大数据大小。程序的并行任务参数为:
其中,fava为平均应用程序的数据可用因子,fpar为并行因子。
上述所有的上下文信息都存储在调度器的数据库中,以便后续进行数据和任务分配策略的优化。
在一实施例中,所述步骤S103包括:
按照下式计算数据副本数量n:
式中,Cdata表示任务数据量上下文,Ccap表示边缘服务器的剩余存储容量系数,Capp表示应用程序并行任务参数上下文,l表示当前可用的边缘服务器数量,l0表示初始边缘服务器数量,α1,α2,α3分别表示权重参数;
按照下式计算各边缘服务器的数据副本存储性能Ue:
式中,μe表示边缘服务器在线时间的平均数,表示边缘服务器在线时间的方差,te表示边缘服务器当前已停留时间,ce表示边缘服务器存储负载,qe表示边缘服务器上的数据副本队列大小,β1、β2、β3和β4分别表示权重参数;
基于数据副本数量和各边缘服务器的数据副本存储性能确定数据副本的分布策略。
本实施例中,根据上述步骤提取的上下文信息,可以实现任务分配策略的优化。在本实施例中,数据和任务分配过程的解耦使得可以在任务实际执行之前将数据放置在合适的边缘服务器上,从而减少任务执行时的数据传输,加快任务处理速度。根据应用程序的实际需求,可能需要有多个数据副本存储在不同的边缘服务器上,而不同的任务特征和系统条件会影响数据副本的分布策略。故本实施例根据提取到的上下文信息调优数据副本分布策略的参数,即通过数据在不同服务器上的副本管理,可以优化系统中的数据分布,从而缩短任务的周转时间,减少数据的管理成本。数据副本分布策略的优化包含以下两部分:
(1)确定数据副本数量:
数据副本数量取决于任务数据量大小上下文Cdata、边缘服务器的剩余存储容量上下文Ccap以及应用程序的并行任务上下文Capp这三个上下文变量。根据系统和应用程序状态的不同,上述系数的相对重要性可能不同。因此,数据副本数n的计算如下:
其中,l为当前系统中可用的边缘服务器数量,而l0为系统的初始边缘服务器数量,α1、α2和α3分别为三个上下文系数的权重参数。此规则允许数据复制策略的动态调整。比如执行时间紧迫任务且带宽较大的系统中,α1可能是正值,而在低带宽或存储容量有限的系统中可以使用负的α1来降低数据传输开销。
(2)选择数据副本存储服务器:
对于数据副本存储服务器的选择,首先需要考虑边缘服务器的稳定性,以保证在任务执行时边缘服务器可以提供可用的服务。边缘服务器的稳定性与设备上下文中边缘服务器的在线时间平均数μe、方差以及边缘服务器当前已停留时间te有关。数据副本存储于边缘服务器的选择也和边缘服务器的存储负载ce这一资源上下文相关,如果边缘服务器面临高存储负载,在此边缘服务器上存储数据副本对于应用程序来说是无益的。此外,边缘服务器上的数据副本队列大小qe也需要考虑在内,以避免长时间的排队等待。最终,边缘服务器的副本存储性能可以由下式给出:
上下文感知调度策略将数据副本放置在具有最高实用值的n个边缘服务器上,等待后续任务的上传执行。
在一实施例中,所述步骤S104包括:
按照下式计算任务上传至边缘服务器或者物联网设备的数据上传速率Rk,j,t:
式中,Bj为信道带宽,P为数据传输功率,Hk,j,t为信道增益,δ2为背景噪声,j=1,2,...,n表示任务上传到边缘服务器上执行,j=0表示任务在物联网设备本地执行;
按照下式,根据数据上传速率计算时隙t流出任务队列的任务大小:
Uk(t)=min{Qk(t),τ·Rk,j,t}
式中,τ表示将任务处理总周期划分为T个等长为τ的时隙。
本实施例中,任务调度决定任务执行的边缘服务器。各个物联网设备分别选择其任务调度策略,基于步骤S3中的数据放置策略,每个设备有n+1种选择,即将任务上传到边缘服务器上执行或本地执行。
在一实施例中,所述步骤S104还包括:
按照下式,根据时隙t流出任务队列的任务大小以及边缘服务器和/或物联网设备的处理能力,计算任务执行延迟:
式中,ck,j,t表示边缘服务器j的计算能力大小,ck,t表示物联网设备mk的计算能力大小;
按照下式计算任务数据传输延迟:
对各物联网设备的任务处理延迟tk,j,t进行排序,并将排序结果作为各物联网设备的边缘服务器匹配偏好列表;
在时隙t内,根据所述边缘服务器匹配偏好列表对物联网设备和边缘服务器进行暂定匹配;
完成暂定匹配后,判断当前的所述第二集合是否为空集;
若判定当前的所述第二集合则对于当前的所述第二集合中的每一边缘服务器,结合匹配任务的资源占用重新计算物联网设备的任务处理延迟tk,j,t,并根据计算后的物联网设备的任务处理延迟tkj,t更新对应的边缘服务器匹配偏好列表,以根据更新后的边缘服务器匹配偏好列表进行交换匹配;
如果更新后的边缘服务器匹配偏好列表中的最优边缘服务器与当前边缘服务器不同,且交换匹配的边缘服务器符合关联的物联网设备,则允许本次交换匹配操作,否则,拒绝本次交换匹配操作;
重复上述暂定匹配和交换匹配步骤,直至交换匹配动机消失,并将对应的任务分配策略作为最优分配策略输出。
本实施例中,当更多物联网设备同时使用相同的边缘服务器处理任务时,由于边缘服务器计算压力增加,任务处理速度会变慢。在这种情况下,每个任务的处理延迟和边缘服务器偏好顺序受到其他任务-边缘服务器匹配的强烈影响。如果这一问题没有得到很好的管理,那么物联网设备必须持续改变它们的偏好顺序,从而响应其他任务-边缘服务器的变化,并且很难得到稳定的结果。为了解决这一外部性的影响,本实施例提出了一种基于交换匹配的算法,即假设M个物联网设备的数据副本所在的边缘服务器集合为nk,边缘服务器的选择问题涉及物联网设备和边缘服务器之间的一对一匹配,算法的具体步骤如下:
(1)初始化阶段:所有队列和所有选择指示符的初始值均设置为空集或0,初始化其中φ是一个字典集合(即所示第一结合),φ(mk)=ej代表物联网设备mk和边缘服务器ej匹配,Ω代表有多个物联网设备选择的边缘服务器集合,即所述第二集合。
(2)偏好列表构造:每个时隙t内,需要执行任务的物联网设备计算Uk(t)并根据nk中边缘服务器/物联网设备的处理能力计算任务的执行延迟:
其中ck,j,t为nk中边缘服务器j的计算能力大小,ck,t为物联网设备mk的计算能力大小。根据每个物联网设备需要执行且可传输的任务请求以及其数据副本所在的n个边缘服务器信息,计算任务数据传输延迟:
判断边缘服务器匹配偏好列表中的首位是否为jk=0;
若边缘服务器匹配偏好列表中的首位为jk=0,则在此时间间隙t内,设定物联网设备mk在设备本地处理计算任务;
若边缘服务器匹配偏好列表中的首位不为jk=0,则在边缘服务器匹配偏好列表中删除选项jk=0。
也就是说,如果jk=0的选项在Fk中排在首位,说明在此时间间隙t内设备mk偏向于在设备本地处理计算任务,不需要与其他物联网设备竞争边缘服务器资源,因此在后续匹配过程中不考虑设备mk,即Mt←Mt\{mk}。
如果jk=0的选项在Fk中没有排在首位,则在Fk中删除选项jk=0,即Fk←Fk\{jk=0};
(3)暂定匹配:在时隙t内,根据偏好列表Fk初步进行物联网设备和边缘服务器之间的匹配,具体步骤如下:
判断所述第一集合是否为空集,并在判定所述第一集合为空集后,将所述边缘服务器匹配偏好列表中的首位边缘服务器与物联网设备相匹配,以及对所述第一集合进行更新;
对于任一边缘服务器,若只被一个物联网设备选择,则将对应的边缘服务器和物联网设备直接匹配;若同时被多个物联网设备选择,则将对应的边缘服务器更新至所述第二集合中。
对于任一边缘服务器ej,如果只有一个物联网设备选择了此边缘服务器,则将两者直接匹配,即φ(mk)=ej;反之,如果有多个物联网设备选择了此边缘服务器,则添加ej到第二集合Ω中;
(4)交换匹配:判断第二集合Ω是否为空,如果结束匹配过程,输出当前匹配策略φ。如果则对于第二集合Ω中的每个边缘服务器,调度器考虑服务器上所有匹配任务的资源占用重新计算任务处理延迟tk,j,t,并根据设备的任务处理延迟更新其匹配优先级列表Fk。如果更新的优先权列表中最优先的边缘服务器不是当前的边缘服务器,并且交换对所有涉及的物联网设备都有利,则交换操作将被批准。否则,交换操作将被拒绝。
迭代:重复本实施例中的步骤(3)和(4),直到没有物联网设备存在从当前匹配策略进行交换匹配的动机,此时输出当前任务分配策略作为最优策略。
图3为本发明实施例提供的一种边缘计算任务分配装置300示意性框图,该装置300包括:
信息监控单元301,用于监控并获取网络信息;其中,所述网络信息包括边缘服务器和/或物联网设备发送的请求信息,以及计算通信资源信息;
信息提取单元302,用于对所述网络信息提取上下文信息;其中,所述上下文信息包括设备上下文、资源上下文和应用程序上下文;
第一优化单元303,用于基于所述上下文信息对存储于各边缘服务器上的数据副本进行分布策略优化;
第二优化单元304,用于以及基于所述上下文信息对各物联网设备的任务调度策略优化;
策略下发单元305,用于将优化后的数据副本分布策略和任务调度策略下发至边缘服务器和物联网设备,以使边缘服务器和物联网设备执行相应的操作。
在一实施例中,所述设备上下文包括边缘服务器稳定性上下文、数据副本队列大小上下文和物联网设备的数据积压量上下文;
所述资源上下文包括计算资源上下文、存储资源上下文和通信资源上下文;
所述应用程序上下文包括任务数据量上下文和程序并行任务参数上下文。
在一实施例中,所述信息提取单元302包括:
第一刻画单元,用于通过边缘服务器在线时间的平均数和方差以及边缘服务器当前已停留时间刻画所述边缘稳定性上下文和数据副本队列大小上下文;
第一计算单元,用于按照下式计算所述物联网设备的数据积压量上下文:
Qk(t+1)=max{Qk(t)-Uk(t),0}+γkAk(t)
式中,Qk(t)为时隙t的数据积压量,Qk(t+1)为时隙t+1的数据积压量,Uk(t)表示时隙t流出数据副本队列的任务大小,Ak(t)表示物联网设备mk需要执行的任务,γk表示需要执行的任务大小;
第二刻画单元,用于通过边缘服务器的计算能力和物联网设备的计算能力刻画所述计算资源上下文;通过边缘服务器的剩余存储容量系数和存储负载刻画所述存储资源上下文;以及通过信道带宽、数据传输功率、信道增益和背景噪声刻画所述存储资源上下文;
其中,所述剩余存储容量系数Ccap按照下式计算:
第二计算单元,用于按照下式计算所述任务数据量上下文:
式中,sd表示应用程序所需数据大小,Smax表示应用程序中所允许的最大数据大小;
第三计算单元,用于按照下式计算所述程序并行任务参数上下文:
式中,fava表示平均的应用程序的数据可用因子,fpar表示应用程序的并行因子。
在一实施例中,所述第一优化单元303包括:
数量计算单元,用于按照下式计算数据副本数量n:
式中,Cdata表示任务数据量上下文,Ccap表示边缘服务器的剩余存储容量系数,Capp表示应用程序并行任务参数上下文,l表示当前可用的边缘服务器数量,l0表示初始边缘服务器数量,α1,α2,α3分别表示权重参数;
性能计算单元,用于按照下式计算各边缘服务器的数据副本存储性能Ue:
式中,μe表示边缘服务器在线时间的平均数,表示边缘服务器在线时间的方差,te表示边缘服务器当前已停留时间,ce表示边缘服务器存储负载,qe表示边缘服务器上的数据副本队列大小,β1、β2、β3和β4分别表示权重参数;
策略确定单元,用于基于数据副本数量和各边缘服务器的数据副本存储性能确定数据副本的分布策略。
在一实施例中,所述第二优化单元304包括:
速率计算单元,用于按照下式计算任务上传至边缘服务器或者物联网设备的数据上传速率Rk,j,t:
式中,Bj为信道带宽,P为数据传输功率,Hk,j,t为信道增益,δ2为背景噪声,j=1,2,...,n表示任务上传到边缘服务器上执行,j=0表示任务在物联网设备本地执行;
任务计算单元,用于按照下式,根据数据上传速率计算时隙t流出任务队列的任务大小:
Uk(t)=min{Qk(t),τ·Rk,j,t}
式中,τ表示将任务处理总周期划分为T个等长为τ的时隙。
在一实施例中,所述第二优化单元304还包括:
第一延迟计算单元,用于按照下式,根据时隙t流出任务队列的任务大小以及边缘服务器和/或物联网设备的处理能力,计算任务执行延迟:
式中,ck,j,t表示边缘服务器j的计算能力大小,ck,t表示物联网设备mk的计算能力大小;
第二延迟计算单元,用于按照下式计算任务数据传输延迟:
列表设置单元,用于对各物联网设备的任务处理延迟tk,j,t进行排序,并将排序结果作为各物联网设备的边缘服务器匹配偏好列表;
第一匹配单元,用于在时隙t内,根据所述边缘服务器匹配偏好列表对物联网设备和边缘服务器进行暂定匹配;
集合判断单元,用于完成暂定匹配后,判断当前的所述第二集合是否为空集;
第二判定单元,用于若判定当前的所述第二集合则对于当前的所述第二集合中的每一边缘服务器,结合匹配任务的资源占用重新计算物联网设备的任务处理延迟tk,j,t,并根据计算后的物联网设备的任务处理延迟tk,j,t更新对应的边缘服务器匹配偏好列表,以根据更新后的边缘服务器匹配偏好列表进行交换匹配;
第二匹配单元,用于如果更新后的边缘服务器匹配偏好列表中的最优边缘服务器与当前边缘服务器不同,且交换匹配的边缘服务器符合关联的物联网设备,则允许本次交换匹配操作,否则,拒绝本次交换匹配操作;
策略输出单元,用于重复上述暂定匹配和交换匹配步骤,直至交换匹配动机消失,并将对应的任务分配策略作为最优分配策略输出。
在一实施例中,所述列表设置单元包括:
首位判断单元,用于判断边缘服务器匹配偏好列表中的首位是否为jk=0;
任务设定单元,用于若边缘服务器匹配偏好列表中的首位为jk=0,则在此时间间隙t内,设定物联网设备mk在设备本地处理计算任务;
选项删除单元,用于若边缘服务器匹配偏好列表中的首位不为jk=0,则在边缘服务器匹配偏好列表中删除选项jk=0;
所述第一匹配单元包括:
集合更新单元,用于判断所述第一集合是否为空集,并在判定所述第一集合为空集后,将所述边缘服务器匹配偏好列表中的首位边缘服务器与物联网设备相匹配,以及对所述第一集合进行更新;
匹配或更新单元,用于对于任一边缘服务器,若只被一个物联网设备选择,则将对应的边缘服务器和物联网设备直接匹配;若同时被多个物联网设备选择,则将对应的边缘服务器更新至所述第二集合中。
由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
本发明实施例还提供了一种计算机可读存储介质,其上存有计算机程序,该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供了一种计算机设备,可以包括存储器和处理器,存储器中存有计算机程序,处理器调用存储器中的计算机程序时,可以实现上述实施例所提供的步骤。当然计算机设备还可以包括各种网络接口,电源等组件。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。在没有更多限制的状况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种边缘计算任务分配方法,其特征在于,包括:
监控并获取网络信息;其中,所述网络信息包括边缘服务器和/或物联网设备发送的请求信息,以及计算通信资源信息;
对所述网络信息提取上下文信息;其中,所述上下文信息包括设备上下文、资源上下文和应用程序上下文;
基于所述上下文信息对存储于各边缘服务器上的数据副本进行分布策略优化;
以及基于所述上下文信息对各物联网设备的任务调度策略优化;
将优化后的数据副本分布策略和任务调度策略下发至边缘服务器和物联网设备,以使边缘服务器和物联网设备执行相应的操作。
2.根据权利要求1所述的边缘计算任务分配方法,其特征在于,所述设备上下文包括边缘服务器稳定性上下文、数据副本队列大小上下文和物联网设备的数据积压量上下文;
所述资源上下文包括计算资源上下文、存储资源上下文和通信资源上下文;
所述应用程序上下文包括任务数据量上下文和程序并行任务参数上下文。
3.根据权利要求2所述的边缘计算任务分配方法,其特征在于,所述对所述网络信息提取上下文信息,包括:
通过边缘服务器在线时间的平均数和方差以及边缘服务器当前已停留时间刻画所述边缘稳定性上下文和数据副本队列大小上下文;
按照下式计算所述物联网设备的数据积压量上下文:
Qk(t+1)=max{Qk(t)-Uk(t),0}+γkAk(t)
式中,Qk(t)为时隙t的数据积压量,Qk(t+1)为时隙t+1的数据积压量,Uk(t)表示时隙t流出数据副本队列的任务大小,Ak(t)表示物联网设备mk需要执行的任务,γk表示需要执行的任务大小;
通过边缘服务器的计算能力和物联网设备的计算能力刻画所述计算资源上下文;通过边缘服务器的剩余存储容量系数和存储负载刻画所述存储资源上下文;以及通过信道带宽、数据传输功率、信道增益和背景噪声刻画所述存储资源上下文;
其中,所述剩余存储容量系数Ccap按照下式计算:
按照下式计算所述任务数据量上下文:
式中,sd表示应用程序所需数据大小,smax表示应用程序中所允许的最大数据大小;
按照下式计算所述程序并行任务参数上下文:
式中,fava表示平均的应用程序的数据可用因子,fpar表示应用程序的并行因子。
4.根据权利要去3所述的边缘计算任务分配方法,其特征在于,所述基于所述上下文信息对存储于各边缘服务器上的数据副本进行分布策略优化,包括:
按照下式计算数据副本数量n:
式中,Cdata表示任务数据量上下文,Ccap表示边缘服务器的剩余存储容量系数,Capp表示应用程序并行任务参数上下文,l表示当前可用的边缘服务器数量,l0表示初始边缘服务器数量,α1,α2,α3分别表示权重参数;
按照下式计算各边缘服务器的数据副本存储性能Ue:
式中,μe表示边缘服务器在线时间的平均数,表示边缘服务器在线时间的方差,te表示边缘服务器当前已停留时间,ce表示边缘服务器存储负载,qe表示边缘服务器上的数据副本队列大小,β1、β2、β3和β4分别表示权重参数;
基于数据副本数量和各边缘服务器的数据副本存储性能确定数据副本的分布策略。
6.根据权利要求5所述的边缘计算任务分配方法,其特征在于,所述基于所述上下文信息对各物联网设备的任务调度策略优化,还包括:
按照下式,根据时隙t流出任务队列的任务大小以及边缘服务器和/或物联网设备的处理能力,计算任务执行延迟:
式中,ck,j,t表示边缘服务器j的计算能力大小,ck,t表示物联网设备mk的计算能力大小;
按照下式计算任务数据传输延迟:
对各物联网设备的任务处理延迟tk,j,t进行排序,并将排序结果作为各物联网设备的边缘服务器匹配偏好列表;
在时隙t内,根据所述边缘服务器匹配偏好列表对物联网设备和边缘服务器进行暂定匹配;
完成暂定匹配后,判断当前的所述第二集合是否为空集;
若判定当前的所述第二集合则对于当前的所述第二集合中的每一边缘服务器,结合匹配任务的资源占用重新计算物联网设备的任务处理延迟tk,j,t,并根据计算后的物联网设备的任务处理延迟tk,j,t更新对应的边缘服务器匹配偏好列表,以根据更新后的边缘服务器匹配偏好列表进行交换匹配;
如果更新后的边缘服务器匹配偏好列表中的最优边缘服务器与当前边缘服务器不同,且交换匹配的边缘服务器符合关联的物联网设备,则允许本次交换匹配操作,否则,拒绝本次交换匹配操作;
重复上述暂定匹配和交换匹配步骤,直至交换匹配动机消失,并将对应的任务分配策略作为最优分配策略输出。
7.根据权利要求6所述的边缘计算任务分配方法,其特征在于,所述对各物联网设备的任务处理延迟tk,j,t进行排序,并将排序结果作为各物联网设备的边缘服务器匹配偏好列表,包括:
判断边缘服务器匹配偏好列表中的首位是否为jk=0;
若边缘服务器匹配偏好列表中的首位为jk=0,则在此时间间隙t内,设定物联网设备mk在设备本地处理计算任务;
若边缘服务器匹配偏好列表中的首位不为jk=0,则在边缘服务器匹配偏好列表中删除选项jk=0;
所述在时隙t内,根据所述边缘服务器匹配偏好列表对物联网设备和边缘服务器进行暂定匹配,包括:
判断所述第一集合是否为空集,并在判定所述第一集合为空集后,将所述边缘服务器匹配偏好列表中的首位边缘服务器与物联网设备相匹配,以及对所述第一集合进行更新;
对于任一边缘服务器,若只被一个物联网设备选择,则将对应的边缘服务器和物联网设备直接匹配;若同时被多个物联网设备选择,则将对应的边缘服务器更新至所述第二集合中。
8.一种边缘计算任务分配装置,其特征在于,包括:
信息监控单元,用于监控并获取网络信息;其中,所述网络信息包括边缘服务器和/或物联网设备发送的请求信息,以及计算通信资源信息;
信息提取单元,用于对所述网络信息提取上下文信息;其中,所述上下文信息包括设备上下文、资源上下文和应用程序上下文;
第一优化单元,用于基于所述上下文信息对存储于各边缘服务器上的数据副本进行分布策略优化;
第二优化单元,用于以及基于所述上下文信息对各物联网设备的任务调度策略优化;
策略下发单元,用于将优化后的数据副本分布策略和任务调度策略下发至边缘服务器和物联网设备,以使边缘服务器和物联网设备执行相应的操作。
9.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上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如权利要求1至7任一项所述的边缘计算任务分配方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的边缘计算任务分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211090762.6A CN115827178A (zh) | 2022-09-07 | 2022-09-07 | 边缘计算任务分配方法、装置、计算机设备及相关介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211090762.6A CN115827178A (zh) | 2022-09-07 | 2022-09-07 | 边缘计算任务分配方法、装置、计算机设备及相关介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115827178A true CN115827178A (zh) | 2023-03-21 |
Family
ID=85523428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211090762.6A Pending CN115827178A (zh) | 2022-09-07 | 2022-09-07 | 边缘计算任务分配方法、装置、计算机设备及相关介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115827178A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116170846A (zh) * | 2023-04-25 | 2023-05-26 | 天津市工业和信息化研究院(天津市节能中心、天津市工业和信息化局教育中心) | 一种用于数据通信的分布式边缘计算系统及边缘计算方法 |
-
2022
- 2022-09-07 CN CN202211090762.6A patent/CN115827178A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116170846A (zh) * | 2023-04-25 | 2023-05-26 | 天津市工业和信息化研究院(天津市节能中心、天津市工业和信息化局教育中心) | 一种用于数据通信的分布式边缘计算系统及边缘计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107888669B (zh) | 一种基于深度学习神经网络的大规模资源调度系统及方法 | |
CN110321222B (zh) | 基于决策树预测的数据并行作业资源分配方法 | |
Wang et al. | Maptask scheduling in mapreduce with data locality: Throughput and heavy-traffic optimality | |
US20190324819A1 (en) | Distributed-system task assignment method and apparatus | |
CN109885397B (zh) | 一种边缘计算环境中时延优化的负载任务迁移算法 | |
US8266289B2 (en) | Concurrent data processing in a distributed system | |
WO2018176385A1 (en) | System and method for network slicing for service-oriented networks | |
TW201820165A (zh) | 用於雲端巨量資料運算架構之伺服器及其雲端運算資源最佳化方法 | |
US20110072436A1 (en) | Resource optimization for real-time task assignment in multi-process environments | |
CN109189563B (zh) | 资源调度方法、装置、计算设备及存储介质 | |
CN106919449A (zh) | 一种计算任务的调度控制方法及电子设备 | |
CN110069341B (zh) | 边缘计算中结合功能按需配置的有依赖关系任务的调度方法 | |
CN103701886A (zh) | 一种云计算环境下的服务及资源分层调度方法 | |
CN111225050B (zh) | 云计算资源分配方法及装置 | |
CN112148468B (zh) | 一种资源调度方法、装置、电子设备及存储介质 | |
CN109783225B (zh) | 一种多租户大数据平台的租户优先级管理方法及系统 | |
CN111813523A (zh) | 时长预估模型生成方法、系统资源调度方法、装置、电子设备和存储介质 | |
CN113946431B (zh) | 一种资源调度方法、系统、介质及计算设备 | |
CN113821318A (zh) | 一种物联网跨域子任务组合协同计算方法及系统 | |
CN105373426A (zh) | 一种基于Hadoop的车联网内存感知实时作业调度方法 | |
CN113342477A (zh) | 一种容器组部署方法、装置、设备及存储介质 | |
CN115827178A (zh) | 边缘计算任务分配方法、装置、计算机设备及相关介质 | |
CN115586961A (zh) | 一种ai平台计算资源任务调度方法、装置及介质 | |
CN115129463A (zh) | 算力调度方法及装置、系统及存储介质 | |
CN116915869A (zh) | 基于云边协同的时延敏感型智能服务快速响应方法 |
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 |