CN116401071A - 一种用于边缘计算的资源分配方法及系统 - Google Patents
一种用于边缘计算的资源分配方法及系统 Download PDFInfo
- Publication number
- CN116401071A CN116401071A CN202310670473.1A CN202310670473A CN116401071A CN 116401071 A CN116401071 A CN 116401071A CN 202310670473 A CN202310670473 A CN 202310670473A CN 116401071 A CN116401071 A CN 116401071A
- Authority
- CN
- China
- Prior art keywords
- task
- data packet
- server
- vector
- computing
- 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.)
- Granted
Links
- 238000013468 resource allocation Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 title claims description 42
- 239000013598 vector Substances 0.000 claims abstract description 113
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000005265 energy consumption Methods 0.000 claims abstract description 17
- 238000004088 simulation Methods 0.000 claims description 28
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000001934 delay Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001514 detection method Methods 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
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5017—Task decomposition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/509—Offload
-
- 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
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
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
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Yb,Yb=[Lb,Qb,Cb],其中Lb为计算任务对应任务类型的编码,Qb为计算任务对应的数据量,Cb为计算任务对应的计算量;
将计算任务对应的标识向量Yb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Wu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,Wu=[Lu,Qu,Cu],其中Lu指任务标准向量对应的任务类型的编码,Qu指任务标准向量对应的数据量,Cu指任务标准向量对应的计算量,任务标准向量Wu存在形式与标识向量Yrn的存在形式一致,输出匹配成功的任务标准向量Wu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Mj,j为任务数据包Mj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Pz为约束条件,计算每个任务数据包Mj对应的优先级,基于每个任务数据包Mj对应的优先级将任务数据包Mj传输至边缘服务器;
将传输至边缘服务器的任务数据包Mj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Wu,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Wu=[Lr,Qx,Cr],其中Lr为任务批次r对应任务类型的编码,Cr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;Qx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},Qx为0至Qmax之间的随机数,其中Qmax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Wu统一为[Lu,Qu,Cu],其中Lu指任务标准向量对应的任务类型的编码,Qu指任务标准向量对应的数据量,Cu指任务标准向量对应的计算量;对所有任务标准向量Wu生成模拟服务器节点分配策略GIu,GIu={(F1,q1),(F2,q2)…(Fi,qi)…(FI,qI)},其中i∈{1,2,3······I},i为拆分的程序块序号,I为Lu对应任务类型拆分的程序块数量,I∈{1,2,3······δ},δ为Lu对应任务类型拆分的程序块最大数量;Fi为拆分的程序块编码,qi为程序块编码Fi对应的数据量;逐个选择任务标准向量Wu,针对每一个任务标准向量Wu,逐个选择模拟服务器节点分配策略GIu,根据选择的模拟服务器节点分配策略GIu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GIu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GIu,获取完整过程中任务计算时延TIu,任务计算时延TIu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EIu,设备能耗EIu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Wu,获取所有任务计算时延TIu和设备能耗EIu,计算模拟服务器节点分配策略评价系数ζIu=ω1·TIu+ω2·EIu,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ζIu对应的模拟服务器节点分配策略GIu作为任务标准向量Wu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ζIu对应的任务计算时延TIu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Yb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Wu进行匹配具体包括如下步骤:逐个选择任务标准向量Wu,针对每个选择的任务标准向量Wu,计算标识向量Yb与任务标准向量Wu的相似度εu;选择最小的相似度εu对应的任务标准向量Wu作为匹配成功的任务标准向量Wu。
作为本发明优选的一个方面,将任务数据包Mj传输至边缘服务器具体包括如下步骤:
S1:获取任务数据包Mj内部服务器节点分配策略中对应的任务时延Tj,计算任务数据包Mj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,ψj为任务类型的重要性评级;
S2:将所有任务数据包Mj按照对应的优先级μj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;
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Mj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Mj的优先级μj,并将所有网络分配集合η中每个元素按照对应的优先级μj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Mj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Yb与任务标准向量Wu的相似度εu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Yb,Yb=[Lb,Qb,Cb],其中Lb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,Qb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,Cb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Yb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Wu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,Wu=[Lu,Qu,Cu],其中Lu指任务标准向量对应的任务类型的编码,Qu指任务标准向量对应的数据量,Cu指任务标准向量对应的计算量,任务标准向量Wu存在形式与标识向量Yrn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Wu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Mj,j为任务数据包Mj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Pz为约束条件,计算每个任务数据包Mj对应的优先级,基于每个任务数据包Mj对应的优先级将任务数据包Mj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Mj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Wu,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Wu=[Lr,Qx,Cr],其中Lr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”,Cr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;Qx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},Qx为0至Qmax之间的随机数,其中Qmax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Wu统一为[Lu,Qu,Cu],其中Lu指任务标准向量对应的任务类型的编码,Qu指任务标准向量对应的数据量,Cu指任务标准向量对应的计算量;对所有任务标准向量Wu生成模拟服务器节点分配策略GIu,GIu={(F1,q1),(F2,q2)…(Fi,qi)…(FI,qI)},其中i∈{1,2,3······I},i为拆分的程序块序号,I为Lu对应任务类型拆分的程序块数量,I∈{1,2,3······δ},δ为Lu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;Fi为拆分的程序块编码,qi为程序块编码Fi对应的数据量;逐个选择任务标准向量Wu,针对每一个任务标准向量Wu,逐个选择模拟服务器节点分配策略GIu,根据选择的模拟服务器节点分配策略GIu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GIu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GIu,获取完整过程中任务计算时延TIu,任务计算时延TIu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EIu,设备能耗EIu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Wu,获取所有任务计算时延TIu和设备能耗EIu,计算模拟服务器节点分配策略评价系数ζIu=ω1·TIu+ω2·EIu,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ζIu对应的模拟服务器节点分配策略GIu作为任务标准向量Wu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ζIu对应的任务计算时延TIu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Yb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Wu进行匹配具体包括如下步骤:逐个选择任务标准向量Wu,针对每个选择的任务标准向量Wu,通过余弦相似度算法计算标识向量Yb与任务标准向量Wu的相似度εu;选择最小的相似度εu对应的任务标准向量Wu作为匹配成功的任务标准向量Wu。
将任务数据包Mj传输至边缘服务器具体包括如下步骤:
S1:获取任务数据包Mj内部服务器节点分配策略中对应的任务时延Tj,计算任务数据包Mj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,ψj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Mj按照对应的优先级μj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Pk,判断是否成立,其中Pk+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Mj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Mj的优先级μj,并将所有网络分配集合η中每个元素按照对应的优先级μj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Yb,Yb=[Lb,Qb,Cb],其中Lb为计算任务对应任务类型的编码,Qb为计算任务对应的数据量,Cb为计算任务对应的计算量;
将计算任务对应的标识向量Yb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Wu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,Wu=[Lu,Qu,Cu],其中Lu指任务标准向量对应的任务类型的编码,Qu指任务标准向量对应的数据量,Cu指任务标准向量对应的计算量,任务标准向量Wu存在形式与标识向量Yrn的存在形式一致,输出匹配成功的任务标准向量Wu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Mj,j为任务数据包Mj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Pz为约束条件,计算每个任务数据包Mj对应的优先级,基于每个任务数据包Mj对应的优先级将任务数据包Mj传输至边缘服务器;
将传输至边缘服务器的任务数据包Mj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Wu,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Wu=[Lr,Qx,Cr],其中Lr为任务批次r对应任务类型的编码,Cr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;Qx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},Qx为0至Qmax之间的随机数,其中Qmax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Wu统一为[Lu,Qu,Cu],其中Lu指任务标准向量对应的任务类型的编码,Qu指任务标准向量对应的数据量,Cu指任务标准向量对应的计算量;对所有任务标准向量Wu生成模拟服务器节点分配策略GIu,GIu={(F1,q1),(F2,q2)…(Fi,qi)…(FI,qI)},其中i∈{1,2,3······I},i为拆分的程序块序号,I为Lu对应任务类型拆分的程序块数量,I∈{1,2,3······δ},δ为Lu对应任务类型拆分的程序块最大数量;Fi为拆分的程序块编码,qi为程序块编码Fi对应的数据量;逐个选择任务标准向量Wu,针对每一个任务标准向量Wu,逐个选择模拟服务器节点分配策略GIu,根据选择的模拟服务器节点分配策略GIu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GIu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GIu,获取完整过程中任务计算时延TIu,任务计算时延TIu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EIu,设备能耗EIu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Wu,获取所有任务计算时延TIu和设备能耗EIu,计算模拟服务器节点分配策略评价系数ζIu=ω1·TIu+ω2·EIu,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ζIu对应的模拟服务器节点分配策略GIu作为任务标准向量Wu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ζIu对应的任务计算时延TIu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Yb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Wu进行匹配具体包括如下步骤:逐个选择任务标准向量Wu,针对每个选择的任务标准向量Wu,计算标识向量Yb与任务标准向量Wu的相似度εu;选择最小的相似度εu对应的任务标准向量Wu作为匹配成功的任务标准向量Wu。
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Mj传输至边缘服务器具体包括如下步骤:
S1:获取任务数据包Mj内部服务器节点分配策略中对应的任务时延Tj,计算任务数据包Mj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,ψj为任务类型的重要性评级;
S2:将所有任务数据包Mj按照对应的优先级μj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;
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Mj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Mj的优先级μj,并将所有网络分配集合η中每个元素按照对应的优先级μj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Mj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Yb与任务标准向量Wu的相似度εu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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310670473.1A CN116401071B (zh) | 2023-06-07 | 2023-06-07 | 一种用于边缘计算的资源分配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310670473.1A CN116401071B (zh) | 2023-06-07 | 2023-06-07 | 一种用于边缘计算的资源分配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116401071A true CN116401071A (zh) | 2023-07-07 |
CN116401071B CN116401071B (zh) | 2023-08-29 |
Family
ID=87014628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310670473.1A Active CN116401071B (zh) | 2023-06-07 | 2023-06-07 | 一种用于边缘计算的资源分配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116401071B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9330168B1 (en) * | 2010-02-19 | 2016-05-03 | Go Daddy Operating Company, LLC | System and method for identifying website verticals |
CN110012508A (zh) * | 2019-04-10 | 2019-07-12 | 中南大学 | 一种面向超密集网络的边缘计算的资源分配方法及系统 |
CN110147929A (zh) * | 2019-04-15 | 2019-08-20 | 深圳壹账通智能科技有限公司 | 公益捐赠物资分配方法、装置、计算机设备及存储介质 |
CN110489229A (zh) * | 2019-07-17 | 2019-11-22 | 长沙学院 | 一种多目标任务调度方法及系统 |
CN112468547A (zh) * | 2020-11-13 | 2021-03-09 | 广州中国科学院沈阳自动化研究所分所 | 一种基于区域化的工业边缘计算任务云协同卸载方法 |
CN114968512A (zh) * | 2022-03-31 | 2022-08-30 | 广西玉林链向千禧大数据有限公司 | 一种基于区块链智能合约的能量感知调度方法 |
CN116233007A (zh) * | 2023-02-21 | 2023-06-06 | 华南理工大学 | 面向异构移动边缘计算负载均衡的分层分布式匹配方法 |
-
2023
- 2023-06-07 CN CN202310670473.1A patent/CN116401071B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9330168B1 (en) * | 2010-02-19 | 2016-05-03 | Go Daddy Operating Company, LLC | System and method for identifying website verticals |
CN110012508A (zh) * | 2019-04-10 | 2019-07-12 | 中南大学 | 一种面向超密集网络的边缘计算的资源分配方法及系统 |
CN110147929A (zh) * | 2019-04-15 | 2019-08-20 | 深圳壹账通智能科技有限公司 | 公益捐赠物资分配方法、装置、计算机设备及存储介质 |
CN110489229A (zh) * | 2019-07-17 | 2019-11-22 | 长沙学院 | 一种多目标任务调度方法及系统 |
CN112468547A (zh) * | 2020-11-13 | 2021-03-09 | 广州中国科学院沈阳自动化研究所分所 | 一种基于区域化的工业边缘计算任务云协同卸载方法 |
CN114968512A (zh) * | 2022-03-31 | 2022-08-30 | 广西玉林链向千禧大数据有限公司 | 一种基于区块链智能合约的能量感知调度方法 |
CN116233007A (zh) * | 2023-02-21 | 2023-06-06 | 华南理工大学 | 面向异构移动边缘计算负载均衡的分层分布式匹配方法 |
Non-Patent Citations (3)
Title |
---|
YI-CHEN WU: "A Robust Distributed Hierarchical Online Learning Approach for Dynamic MEC Networks", IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS ( VOLUME: 40, ISSUE: 2, FEBRUARY 2022), pages 641 * |
何文婷;崔慧敏;冯晓兵;: "HDAS:异构集群上Hadoop+框架中的动态亲和性调度", 高技术通讯, no. 04, pages 15 - 25 * |
罗斌: "移动边缘计算中基于粒子群优化的计算卸载策略", 计算机应用 2020年8期, pages 2293 - 2298 * |
Also Published As
Publication number | Publication date |
---|---|
CN116401071B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hegeman et al. | Toward optimal bounds in the congested clique: Graph connectivity and MST | |
CN111694656B (zh) | 基于多智能体深度强化学习的集群资源调度方法及系统 | |
CN111625593B (zh) | 基于区块链的数据处理方法、装置、计算机设备 | |
CN110570075B (zh) | 一种电力业务边缘计算任务分配方法及装置 | |
CN110489176B (zh) | 一种基于装箱问题的多接入边缘计算任务卸载方法 | |
CN110555079B (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN113220356A (zh) | 一种移动边缘计算中的用户计算任务卸载方法 | |
CN111556516A (zh) | 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 | |
CN112905312A (zh) | 边缘计算环境中基于深度q神经网络的工作流调度方法 | |
Zhang et al. | Dynamic DNN decomposition for lossless synergistic inference | |
CN113778550B (zh) | 一种基于移动边缘计算的任务卸载系统和方法 | |
CN116703601B (zh) | 基于区块链网络的数据处理方法、装置、设备及存储介质 | |
CN116401071B (zh) | 一种用于边缘计算的资源分配方法及系统 | |
Li et al. | Digital Twin-Enabled Service Provisioning in Edge Computing via Continual Learning | |
He et al. | Collaborative data offloading for earth observation satellite networks | |
Li | Optimization of task offloading problem based on simulated annealing algorithm in MEC | |
CN112738225B (zh) | 基于人工智能的边缘计算方法 | |
CN115604765A (zh) | 计算卸载优化方法和装置、电子设备和存储介质 | |
CN112272227B (zh) | 一种基于计算图的边缘计算任务调度方法 | |
CN111311150B (zh) | 配送任务分组方法、平台、电子设备及存储介质 | |
Han et al. | Opportunistic coded distributed computing: An evolutionary game approach | |
Ramezan et al. | A mining strategy for minimizing waiting time in blockchains for time-sensitive applications | |
Zhu et al. | Blockchain based on Reliable Task Offloading Strategy for Edge Computing in Smart Home | |
Shahin | Memetic elitist Pareto evolutionary algorithm for virtual network embedding | |
CN117221335B (zh) | 无线区块链网络分片方法及装置、电子设备、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |