CN116401071A - 一种用于边缘计算的资源分配方法及系统 - Google Patents

Abstract

本发明涉及边缘计算领域，更具体的说，它涉及一种用于边缘计算的资源分配方法及系统。一种用于边缘计算的资源分配系统，包括：计算任务获取模块；标识向量生成模块；资源分配策略库；计算任务匹配模块；任务数据包生成模块；任务数据包传输模块；服务器资源分配模块。本发明通过预先对各个设备节点内部的计算任务对应的服务器节点分配策略进行模拟，并且选用最低时延和最低能耗的服务器节点分配策略进行存储，当进行边缘计算时可以直接采用对应的服务器节点分配策略，无需采用额外时间来生成资源分配方案，提升边缘计算的效率。

Description

一种用于边缘计算的资源分配方法及系统

技术领域

本发明涉及边缘计算领域，更具体的说，它涉及一种用于边缘计算的资源分配方法及系统。

背景技术

随着网络智能化的不断普及，接入智能网络的终端设备越来越多，同时终端设备所要处理的任务数量也在指数级增长，受限于终端设备本身性能的限制，终端设备无法满足庞大的数据计算量以及合理的时延。因此，边缘计算突破终端设备的限制，通过将大量的任务送入至边缘服务器进行计算，从而实现在兼顾短时延的条件下实现对大量数据的处理。与此同时，为了提升边缘计算的效率，制定相应的任务卸载及资源分配策略也是非常重要的，目前对于资源分配的策略一般是根据处理的任务进行现场的求解，需要付出额外的时间。

发明内容

本发明提供一种用于边缘计算的资源分配方法及系统，通过预先对各个设备节点内部的计算任务对应的服务器节点分配策略进行模拟，并且选用最低时延和最低能耗的服务器节点分配策略进行存储，当进行边缘计算时可以直接采用对应的服务器节点分配策略，无需采用额外时间来生成资源分配方案，提升边缘计算的效率。

一种用于边缘计算的资源分配方法，包括：

获取设备节点生成的计算任务，设备节点是指接入边缘计算网络的终端设备，生成计算任务对应的标识向量Y_b，Y_b=[L_b，Q_b，C_b]，其中L_b为计算任务对应任务类型的编码，Q_b为计算任务对应的数据量，C_b为计算任务对应的计算量；

将计算任务对应的标识向量Y_b依次与设备节点内置的资源分配策略库中的任务标准向量W_u进行匹配，u为任务标准向量对应的编码，u∈{1，2，3······U}，U为任务标准向量的总个数，W_u=[L_u，Q_u，C_u]，其中L_u指任务标准向量对应的任务类型的编码，Q_u指任务标准向量对应的数据量，C_u指任务标准向量对应的计算量，任务标准向量W_u存在形式与标识向量Y_rn的存在形式一致，输出匹配成功的任务标准向量W_u对应的服务器节点分配策略；

执行服务器节点分配策略，对计算任务进行任务卸载，并生成对应的任务数据包，任务数据包包括任务类型、服务器节点分配策略和拆分后的任务数据及程序块编码；

通过网络中转站接收所有由设备节点发出的任务数据包M_j，j为任务数据包M_j对应的编码，j∈{1，2，3······J}，其中J为同一时间到达网络中转站的所有任务数据包总个数；以边缘服务器总带宽P_z为约束条件，计算每个任务数据包M_j对应的优先级，基于每个任务数据包M_j对应的优先级将任务数据包M_j传输至边缘服务器；

将传输至边缘服务器的任务数据包M_j按照服务器节点分配策略分配至服务器节点处，并分配对应的服务器资源。

作为本发明优选的一个方面，资源分配策略库的建立具体包括如下步骤：设置任务标准向量W_u，规则如下，获取设备节点内部任务类型的总数R，建立任务批次r，r∈{1，2，3······R}，计算每个任务批次r对应的任务数量X=U/R，依次遍历任务批次r从1至R，针对每一个选择的任务批次r，建立X个任务标准向量W_u=[L_r，Q_x，C_r]，其中L_r为任务批次r对应任务类型的编码，C_r为任务批次r对应任务类型的计算量，是任务类型的固定属性；Q_x为任务批次r对应的模拟数据量，x为模拟数据量的编码，x∈{1，2，3······X}，Q_x为0至Q_max之间的随机数，其中Q_max为任务批次r对应任务类型所处理的最大模拟数据量；将所有任务标准向量W_u统一为[L_u，Q_u，C_u]，其中L_u指任务标准向量对应的任务类型的编码，Q_u指任务标准向量对应的数据量，C_u指任务标准向量对应的计算量；对所有任务标准向量W_u生成模拟服务器节点分配策略G_Iu，G_Iu={（F₁，q₁），（F₂，q₂）…（F_i，q_i）…（F_I，q_I）}，其中i∈{1，2，3······I}，i为拆分的程序块序号，I为L_u对应任务类型拆分的程序块数量，I∈{1，2，3······δ}，δ为L_u对应任务类型拆分的程序块最大数量；F_i为拆分的程序块编码，q_i为程序块编码F_i对应的数据量；逐个选择任务标准向量W_u，针对每一个任务标准向量W_u，逐个选择模拟服务器节点分配策略G_Iu，根据选择的模拟服务器节点分配策略G_Iu生成对应模拟任务数据包，模拟任务数据包包括任务类型、模拟服务器节点分配策略G_Iu和拆分后的任务数据及程序块编码，在边缘服务器针对模拟任务数据包执行对应的模拟服务器节点分配策略G_Iu，获取完整过程中任务计算时延T_Iu，任务计算时延T_Iu指设备节点发出模拟任务数据包到接收到边缘服务器的反馈经过的时间，获取完整过程中设备节点对应的设备能耗E_Iu，设备能耗E_Iu指设备节点发出模拟任务数据包到接收到边缘服务器的反馈的过程中设备节点消耗的电能；针对每一个任务标准向量W_u，获取所有任务计算时延T_Iu和设备能耗E_Iu，计算模拟服务器节点分配策略评价系数ζ_Iu=ω₁·T_Iu+ω₂·E_Iu，其中ω₁和ω₂分别为任务计算时延权重系数和设备能耗权重系数，且满足ω₁+ω₂=1，选择最低的模拟服务器节点分配策略评价系数ζ_Iu对应的模拟服务器节点分配策略G_Iu作为任务标准向量W_u的服务器节点分配策略，选择最低的模拟服务器节点分配策略评价系数ζ_Iu对应的任务计算时延T_Iu作为任务时延存储于服务器节点分配策略中。

作为本发明优选的一个方面，将计算任务对应的标识向量Y_b依次与设备节点内置的资源分配策略库中的任务标准向量W_u进行匹配具体包括如下步骤：逐个选择任务标准向量W_u，针对每个选择的任务标准向量W_u，计算标识向量Y_b与任务标准向量W_u的相似度ε_u；选择最小的相似度ε_u对应的任务标准向量W_u作为匹配成功的任务标准向量W_u。

作为本发明优选的一个方面，将任务数据包M_j传输至边缘服务器具体包括如下步骤：

S1：获取任务数据包M_j内部服务器节点分配策略中对应的任务时延T_j，计算任务数据包M_j对应的优先级

，其中α₁为时延权重系数，α₂为任务类型的任务权重系数，且满足α₁+α₂=1，/>

为等待时间，ψ_j为任务类型的重要性评级；

S2：将所有任务数据包M_j按照对应的优先级μ_j从小到大依次存入网络分配集合η；

S3：令k=1，k用于作为编号选择网络分配集合η中的元素；

S4：选择网络分配集合η中第k个元素对应的需求带宽P_k，判断

是否成立，其中P_k+1是网络分配集合η中第k+1个元素对应的需求带宽，若是

成立，进入S5；若是/>

不成立，进入S6；

S5：将k+1赋值给k，回到S4；

S6：将网络分配集合η中第1个元素至第k元素对应的任务数据包M_j传输至边缘服务器，并将网络分配集合η中第1个元素至第k元素从网络分配集合η中删除，进入S7；

S7：当步骤S6中的网络传输服务完成后，判断网络分配集合η中的元素个数是否为零，若是，说明任务数据包已经全部完成传输，停止传输服务；否则，重新计算网络分配集合η中每个元素对应的任务数据包M_j的优先级μ_j，并将所有网络分配集合η中每个元素按照对应的优先级μ_j从小到大进行重新排列，进入S3。

作为本发明优选的一个方面，包括：将任务数据包M_j传输至边缘服务器时采用TCP协议。

作为本发明优选的一个方面，包括：计算标识向量Y_b与任务标准向量W_u的相似度ε_u采用余弦相似度算法。

一种用于边缘计算的资源分配系统，包括：

计算任务获取模块，用于获取设备节点生成的计算任务；

标识向量生成模块，用于生成计算任务对应的标识向量；

资源分配策略库，用于存储任务标准向量及其对应的服务器节点分配策略；

计算任务匹配模块，用于将计算任务对应的标识向量依次与设备节点内置的资源分配策略库中的任务标准向量进行匹配，并输出匹配成功的任务标准向量对应的服务器节点分配策略；

任务数据包生成模块，用于根据服务器节点分配策略对计算任务进行任务卸载，并生成对应的任务数据包；

任务数据包传输模块，用于将任务数据包传输至边缘服务器；

服务器资源分配模块，用于将传输至边缘服务器的任务数据包按照服务器节点分配策略分配至服务器节点处，并分配对应的服务器资源。

作为本发明优选的一个方面，任务数据包传输模块还包括：

优先级计算单元，用于计算任务数据包对应的优先级；

网络传输单元，用于根据任务数据包对应的优先级将任务数据包传输至边缘服务器。

本发明具有以下优点：

1、本发明通过预先对各个设备节点内部的计算任务对应的服务器节点分配策略进行模拟，并且选用最低时延和最低能耗的服务器节点分配策略进行存储，当进行边缘计算时可以直接采用对应的服务器节点分配策略，无需采用额外时间来生成资源分配方案，提升边缘计算的效率。

2、本发明中，任务数据包的优先级计算决定于经过时间（任务时延+等待时间）和任务类型的重要评级，前期等待时间较短时，优先级更侧重于任务类型的重要评级，期望更快得到计算结果，但是如果任务量太大，导致等待时间不断增加，为了增加用户服务质量，则会更侧重于经过时间，避免任务一直得不到反馈。

附图说明

图1为本发明实施例采用的用于边缘计算的资源分配系统的结构示意图。

图2为本发明实施例采用的任务数据包传输模块的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，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。

实施例1，一种用于边缘计算的资源分配方法，包括：

获取设备节点生成的计算任务，设备节点是指接入边缘计算网络的终端设备，例如部署在道路上的交通监控设备，其对应的计算任务则可以为目标检测和人脸识别等；生成计算任务对应的标识向量Y_b，Y_b=[L_b，Q_b，C_b]，其中L_b为计算任务对应任务类型的编码，任务类型是指上述的目标检测或者人脸识别，具体指在进行计算任务所调用的程序，Q_b为计算任务对应的数据量，即为执行此计算任务所需的存储空间大小，C_b为计算任务对应的计算量，由计算任务所调用的程序对应的时间复杂度决定。

将计算任务对应的标识向量Y_b依次与设备节点内置的资源分配策略库中的任务标准向量W_u进行匹配，u为任务标准向量对应的编码，u∈{1，2，3······U}，U为任务标准向量的总个数，W_u=[L_u，Q_u，C_u]，其中L_u指任务标准向量对应的任务类型的编码，Q_u指任务标准向量对应的数据量，C_u指任务标准向量对应的计算量，任务标准向量W_u存在形式与标识向量Y_rn的存在形式一致，前者是资源分配策略库中已经存储的，后者是实时获取的，输出匹配成功的任务标准向量W_u对应的服务器节点分配策略。

执行服务器节点分配策略，对计算任务进行任务卸载，并生成对应的任务数据包，任务数据包包括任务类型、服务器节点分配策略和拆分后的任务数据及程序块编码。

通过网络中转站接收所有由设备节点发出的任务数据包M_j，j为任务数据包M_j对应的编码，j∈{1，2，3······J}，其中J为同一时间到达网络中转站的所有任务数据包总个数；以边缘服务器总带宽P_z为约束条件，计算每个任务数据包M_j对应的优先级，基于每个任务数据包M_j对应的优先级将任务数据包M_j通过TCP协议传输至边缘服务器。

将传输至边缘服务器的任务数据包M_j按照服务器节点分配策略分配至服务器节点处，并分配对应的服务器资源，服务器资源包括缓存空间、CPU核心等；服务器节点在具体实施中指在边缘服务器中建立虚拟机，通过虚拟机执行任务的计算。

资源分配策略库的建立具体包括如下步骤：设置任务标准向量W_u，规则如下，获取设备节点内部任务类型的总数R，建立任务批次r，r∈{1，2，3······R}，计算每个任务批次r对应的任务数量X=U/R，依次遍历任务批次r从1至R，针对每一个选择的任务批次r，建立X个任务标准向量W_u=[L_r，Q_x，C_r]，其中L_r为任务批次r对应任务类型的编码，由用户在设备节点内部通过配置文件设定，例如目标识别任务的编码可以为“0001”，C_r为任务批次r对应任务类型的计算量，是任务类型的固定属性；Q_x为任务批次r对应的模拟数据量，x为模拟数据量的编码，x∈{1，2，3······X}，Q_x为0至Q_max之间的随机数，其中Q_max为任务批次r对应任务类型所处理的最大模拟数据量；将所有任务标准向量W_u统一为[L_u，Q_u，C_u]，其中L_u指任务标准向量对应的任务类型的编码，Q_u指任务标准向量对应的数据量，C_u指任务标准向量对应的计算量；对所有任务标准向量W_u生成模拟服务器节点分配策略G_Iu，G_Iu={（F₁，q₁），（F₂，q₂）…（F_i，q_i）…（F_I，q_I）}，其中i∈{1，2，3······I}，i为拆分的程序块序号，I为L_u对应任务类型拆分的程序块数量，I∈{1，2，3······δ}，δ为L_u对应任务类型拆分的程序块最大数量，在此说明，一个任务类型对应一个程序，在通过边缘计算时，可以选择将此程序完整卸载至一个服务器节点进行计算，也可以选择将此程序拆分成多块，送入至不同服务器节点进行计算，例如目标检测程序，可以将图片分类和图片目标区域标注等对应程序拆分开来分别计算，以实现最低时延和最低能耗为目标；F_i为拆分的程序块编码，q_i为程序块编码F_i对应的数据量；逐个选择任务标准向量W_u，针对每一个任务标准向量W_u，逐个选择模拟服务器节点分配策略G_Iu，根据选择的模拟服务器节点分配策略G_Iu生成对应模拟任务数据包，模拟任务数据包包括任务类型、模拟服务器节点分配策略G_Iu和拆分后的任务数据及程序块编码，在边缘服务器针对模拟任务数据包执行对应的模拟服务器节点分配策略G_Iu，获取完整过程中任务计算时延T_Iu，任务计算时延T_Iu指设备节点发出模拟任务数据包到接收到边缘服务器的反馈经过的时间，获取完整过程中设备节点对应的设备能耗E_Iu，设备能耗E_Iu指设备节点发出模拟任务数据包到接收到边缘服务器的反馈的过程中设备节点消耗的电能；针对每一个任务标准向量W_u，获取所有任务计算时延T_Iu和设备能耗E_Iu，计算模拟服务器节点分配策略评价系数ζ_Iu=ω₁·T_Iu+ω₂·E_Iu，其中ω₁和ω₂分别为任务计算时延权重系数和设备能耗权重系数，且满足ω₁+ω₂=1，选择最低的模拟服务器节点分配策略评价系数ζ_Iu对应的模拟服务器节点分配策略G_Iu作为任务标准向量W_u的服务器节点分配策略，选择最低的模拟服务器节点分配策略评价系数ζ_Iu对应的任务计算时延T_Iu作为任务时延存储于服务器节点分配策略中。

由于考虑到例如监控系统这类的边缘计算网络中，监控设备内置的任务类型是有限的，并且处理的任务在长期来看也是大体不变的，因此本发明通过预先对各个设备节点内部的计算任务对应的服务器节点分配策略进行模拟，并且选用最低时延和最低能耗的服务器节点分配策略进行存储，当进行边缘计算时可以直接采用对应的服务器节点分配策略，无需采用额外时间来生成资源分配方案，提升边缘计算的效率。

将计算任务对应的标识向量Y_b依次与设备节点内置的资源分配策略库中的任务标准向量W_u进行匹配具体包括如下步骤：逐个选择任务标准向量W_u，针对每个选择的任务标准向量W_u，通过余弦相似度算法计算标识向量Y_b与任务标准向量W_u的相似度ε_u；选择最小的相似度ε_u对应的任务标准向量W_u作为匹配成功的任务标准向量W_u。

将任务数据包M_j传输至边缘服务器具体包括如下步骤：

S1：获取任务数据包M_j内部服务器节点分配策略中对应的任务时延T_j，计算任务数据包M_j对应的优先级

，其中α₁为时延权重系数，α₂为任务类型的任务权重系数，且满足α₁+α₂=1，/>

为等待时间，ψ_j为任务类型的重要性评级，由用户提前进行设定，一般采用五级，根据任务类型所分析的数据结果重要性设定；

S2：将所有任务数据包M_j按照对应的优先级μ_j从小到大依次存入网络分配集合η；

S3：令k=1，k用于作为编号选择网络分配集合η中的元素；

S4：选择网络分配集合η中第k个元素对应的需求带宽P_k，判断

是否成立，其中P_k+1是网络分配集合η中第k+1个元素对应的需求带宽，若是

成立，说明网络带宽允许下一个任务数据包一起通过，进入S5；直接若是

不成立，说明网络带宽不允许下一个任务数据包一起通过，进入S6；当然，也考虑到网络分配集合η中第k+1个元素不存在的情况，若是网络分配集合η中第k+1个元素不存在，进入S6；

S5：将k+1赋值给k，回到S4；

S6：将网络分配集合η中第1个元素至第k元素对应的任务数据包M_j传输至边缘服务器，并将网络分配集合η中第1个元素至第k元素从网络分配集合η中删除，进入S7；

S7：当步骤S6中的网络传输服务完成后，判断网络分配集合η中的元素个数是否为零，若是，说明任务数据包已经全部完成传输，停止传输服务；否则，重新计算网络分配集合η中每个元素对应的任务数据包M_j的优先级μ_j，并将所有网络分配集合η中每个元素按照对应的优先级μ_j从小到大进行重新排列，进入S3；任务数据包的优先级计算决定于经过时间（任务时延+等待时间）和任务类型的重要评级，前期等待时间较短时，优先级更侧重于任务类型的重要评级，期望更快得到计算结果，但是如果任务量太大，导致等待时间不断增加，为了增加用户服务质量，则会更侧重于经过时间，避免任务一直得不到反馈。

实施例2，参见图1，一种用于边缘计算的资源分配系统，包括：

计算任务获取模块，用于获取设备节点生成的计算任务；

标识向量生成模块，用于生成计算任务对应的标识向量；

资源分配策略库，用于存储任务标准向量及其对应的服务器节点分配策略；

计算任务匹配模块，用于将计算任务对应的标识向量依次与设备节点内置的资源分配策略库中的任务标准向量进行匹配，并输出匹配成功的任务标准向量对应的服务器节点分配策略；

任务数据包生成模块，用于根据服务器节点分配策略对计算任务进行任务卸载，并生成对应的任务数据包；

任务数据包传输模块，用于将任务数据包传输至边缘服务器；

服务器资源分配模块，用于将传输至边缘服务器的任务数据包按照服务器节点分配策略分配至服务器节点处，并分配对应的服务器资源。

一种用于边缘计算的资源分配系统，如图2所示，任务数据包传输模块还包括：

优先级计算单元，用于计算任务数据包对应的优先级；

网络传输单元，用于根据任务数据包对应的优先级将任务数据包传输至边缘服务器。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。

Claims (8)

1.一种用于边缘计算的资源分配方法，其特征在于，包括：

获取设备节点生成的计算任务，设备节点是指接入边缘计算网络的终端设备，生成计算任务对应的标识向量Y_b，Y_b=[L_b，Q_b，C_b]，其中L_b为计算任务对应任务类型的编码，Q_b为计算任务对应的数据量，C_b为计算任务对应的计算量；

将计算任务对应的标识向量Y_b依次与设备节点内置的资源分配策略库中的任务标准向量W_u进行匹配，u为任务标准向量对应的编码，u∈{1，2，3······U}，U为任务标准向量的总个数，W_u=[L_u，Q_u，C_u]，其中L_u指任务标准向量对应的任务类型的编码，Q_u指任务标准向量对应的数据量，C_u指任务标准向量对应的计算量，任务标准向量W_u存在形式与标识向量Y_rn的存在形式一致，输出匹配成功的任务标准向量W_u对应的服务器节点分配策略；

执行服务器节点分配策略，对计算任务进行任务卸载，并生成对应的任务数据包，任务数据包包括任务类型、服务器节点分配策略和拆分后的任务数据及程序块编码；

通过网络中转站接收所有由设备节点发出的任务数据包M_j，j为任务数据包M_j对应的编码，j∈{1，2，3······J}，其中J为同一时间到达网络中转站的所有任务数据包总个数；以边缘服务器总带宽P_z为约束条件，计算每个任务数据包M_j对应的优先级，基于每个任务数据包M_j对应的优先级将任务数据包M_j传输至边缘服务器；

将传输至边缘服务器的任务数据包M_j按照服务器节点分配策略分配至服务器节点处，并分配对应的服务器资源。

2.根据权利要求1所述的一种用于边缘计算的资源分配方法，其特征在于，资源分配策略库的建立具体包括如下步骤：设置任务标准向量W_u，规则如下，获取设备节点内部任务类型的总数R，建立任务批次r，r∈{1，2，3······R}，计算每个任务批次r对应的任务数量X=U/R，依次遍历任务批次r从1至R，针对每一个选择的任务批次r，建立X个任务标准向量W_u=[L_r，Q_x，C_r]，其中L_r为任务批次r对应任务类型的编码，C_r为任务批次r对应任务类型的计算量，是任务类型的固定属性；Q_x为任务批次r对应的模拟数据量，x为模拟数据量的编码，x∈{1，2，3······X}，Q_x为0至Q_max之间的随机数，其中Q_max为任务批次r对应任务类型所处理的最大模拟数据量；将所有任务标准向量W_u统一为[L_u，Q_u，C_u]，其中L_u指任务标准向量对应的任务类型的编码，Q_u指任务标准向量对应的数据量，C_u指任务标准向量对应的计算量；对所有任务标准向量W_u生成模拟服务器节点分配策略G_Iu，G_Iu={（F₁，q₁），（F₂，q₂）…（F_i，q_i）…（F_I，q_I）}，其中i∈{1，2，3······I}，i为拆分的程序块序号，I为L_u对应任务类型拆分的程序块数量，I∈{1，2，3······δ}，δ为L_u对应任务类型拆分的程序块最大数量；F_i为拆分的程序块编码，q_i为程序块编码F_i对应的数据量；逐个选择任务标准向量W_u，针对每一个任务标准向量W_u，逐个选择模拟服务器节点分配策略G_Iu，根据选择的模拟服务器节点分配策略G_Iu生成对应模拟任务数据包，模拟任务数据包包括任务类型、模拟服务器节点分配策略G_Iu和拆分后的任务数据及程序块编码，在边缘服务器针对模拟任务数据包执行对应的模拟服务器节点分配策略G_Iu，获取完整过程中任务计算时延T_Iu，任务计算时延T_Iu指设备节点发出模拟任务数据包到接收到边缘服务器的反馈经过的时间，获取完整过程中设备节点对应的设备能耗E_Iu，设备能耗E_Iu指设备节点发出模拟任务数据包到接收到边缘服务器的反馈的过程中设备节点消耗的电能；针对每一个任务标准向量W_u，获取所有任务计算时延T_Iu和设备能耗E_Iu，计算模拟服务器节点分配策略评价系数ζ_Iu=ω₁·T_Iu+ω₂·E_Iu，其中ω₁和ω₂分别为任务计算时延权重系数和设备能耗权重系数，且满足ω₁+ω₂=1，选择最低的模拟服务器节点分配策略评价系数ζ_Iu对应的模拟服务器节点分配策略G_Iu作为任务标准向量W_u的服务器节点分配策略，选择最低的模拟服务器节点分配策略评价系数ζ_Iu对应的任务计算时延T_Iu作为任务时延存储于服务器节点分配策略中。

3.根据权利要求2所述的一种用于边缘计算的资源分配方法，其特征在于，将计算任务对应的标识向量Y_b依次与设备节点内置的资源分配策略库中的任务标准向量W_u进行匹配具体包括如下步骤：逐个选择任务标准向量W_u，针对每个选择的任务标准向量W_u，计算标识向量Y_b与任务标准向量W_u的相似度ε_u；选择最小的相似度ε_u对应的任务标准向量W_u作为匹配成功的任务标准向量W_u。

4.根据权利要求3所述的一种用于边缘计算的资源分配方法，其特征在于，将任务数据包M_j传输至边缘服务器具体包括如下步骤：

S1：获取任务数据包M_j内部服务器节点分配策略中对应的任务时延T_j，计算任务数据包M_j对应的优先级

，其中α₁为时延权重系数，α₂为任务类型的任务权重系数，且满足α₁+α₂=1，/>

为等待时间，ψ_j为任务类型的重要性评级；

S2：将所有任务数据包M_j按照对应的优先级μ_j从小到大依次存入网络分配集合η；

S3：令k=1，k用于作为编号选择网络分配集合η中的元素；

S4：选择网络分配集合η中第k个元素对应的需求带宽P_k，判断

是否成立，其中P_k+1是网络分配集合η中第k+1个元素对应的需求带宽，若是/>

成立，进入S5；若是/>

不成立，进入S6；

S5：将k+1赋值给k，回到S4；

S6：将网络分配集合η中第1个元素至第k元素对应的任务数据包M_j传输至边缘服务器，并将网络分配集合η中第1个元素至第k元素从网络分配集合η中删除，进入S7；

S7：当步骤S6中的网络传输服务完成后，判断网络分配集合η中的元素个数是否为零，若是，说明任务数据包已经全部完成传输，停止传输服务；否则，重新计算网络分配集合η中每个元素对应的任务数据包M_j的优先级μ_j，并将所有网络分配集合η中每个元素按照对应的优先级μ_j从小到大进行重新排列，进入S3。

5.根据权利要求4所述的一种用于边缘计算的资源分配方法，其特征在于，包括：将任务数据包M_j传输至边缘服务器时采用TCP协议。

6.根据权利要求5所述的一种用于边缘计算的资源分配方法，其特征在于，包括：计算标识向量Y_b与任务标准向量W_u的相似度ε_u采用余弦相似度算法。

7.一种用于边缘计算的资源分配系统，其特征在于，包括：

计算任务获取模块，用于获取设备节点生成的计算任务；

标识向量生成模块，用于生成计算任务对应的标识向量；

资源分配策略库，用于存储任务标准向量及其对应的服务器节点分配策略；

计算任务匹配模块，用于将计算任务对应的标识向量依次与设备节点内置的资源分配策略库中的任务标准向量进行匹配，并输出匹配成功的任务标准向量对应的服务器节点分配策略；

任务数据包生成模块，用于根据服务器节点分配策略对计算任务进行任务卸载，并生成对应的任务数据包；

任务数据包传输模块，用于将任务数据包传输至边缘服务器；

服务器资源分配模块，用于将传输至边缘服务器的任务数据包按照服务器节点分配策略分配至服务器节点处，并分配对应的服务器资源。

8.根据权利要求7所述的一种用于边缘计算的资源分配系统，其特征在于，任务数据包传输模块包括：

优先级计算单元，用于计算任务数据包对应的优先级；

网络传输单元，用于根据任务数据包对应的优先级将任务数据包传输至边缘服务器。

Images