CN116566987A - 一种基于工业互联网的新型边缘及云协同系统 - Google Patents

一种基于工业互联网的新型边缘及云协同系统 Download PDF

Info

Publication number
CN116566987A
CN116566987A CN202310535365.3A CN202310535365A CN116566987A CN 116566987 A CN116566987 A CN 116566987A CN 202310535365 A CN202310535365 A CN 202310535365A CN 116566987 A CN116566987 A CN 116566987A
Authority
CN
China
Prior art keywords
edge
task
cloud
node
edge 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.)
Pending
Application number
CN202310535365.3A
Other languages
English (en)
Inventor
张立峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Source Code Chengdu Service Robot Research Institute Co ltd
Original Assignee
Zhongke Source Code Chengdu Service Robot Research Institute Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongke Source Code Chengdu Service Robot Research Institute Co ltd filed Critical Zhongke Source Code Chengdu Service Robot Research Institute Co ltd
Priority to CN202310535365.3A priority Critical patent/CN116566987A/zh
Publication of CN116566987A publication Critical patent/CN116566987A/zh
Pending legal-status Critical Current

Links

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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • 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
    • G06F9/5044—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 hardware capabilities
    • 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
    • G06F9/505—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 load
    • 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
    • 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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/101—Server selection for load balancing based on network conditions
    • 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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
    • 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
    • G06F2209/505—Clust
    • 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
    • G06F2209/508—Monitor

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种基于工业互联网的新型边缘及云协同系统，涉及互联网边缘算法及云系统领域，包括：若干个底层边缘计算节点、若干个任务调度监控节点和云中心；所述底层边缘计算节点用于边缘任务的响应与执行；所述任务调度监控节点用于监视底层边缘计算节点的状态，当任务调度监控节点监视到底层边缘计算节点过载时，将边缘任务上传至云中心；所述云中心负责对上传来的边缘任务进行处理及运算；本发明，可将其长期部署于需要的物联网环境中，能耗适中，易于集中规模化建立小型中型物联网边缘计算集群。

Description

一种基于工业互联网的新型边缘及云协同系统
技术领域
本发明涉及互联网边缘算法及云系统领域，具体涉及一种基于工业互联网的新型边缘及云协同系统。
背景技术
本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。
边缘计算的特点是在网络的边缘，融合新型基础架构技术，为用户提供数据、服务和应用程序，相较于传统的集中式处理有很大不同，它使计算资源更加接近数据源，在此处集成了存储、计算、网络和具有核心能力的开放平台，根据不同的任务分层分配资源，将以大数据、物联网和人工智能为代表的新一代信息技术从云端下沉到用户，边缘计算己经在语音识别、图像识别、用户画像等方面得到应用，在算法、模型和架构等方面取得了较大的进展，边缘计算技术己经率先应用于多种第一、第二和第三产业中，尤其在制造、交通、医疗等方面优势明显。
在未来智能资产、智能网关、智能系统和智能服务的背景下，边缘计算将嫁接物理和数字世界，但想要在工业中灵活部署，设备的硬件大小、芯片工艺、电压频率调节技术等也受到实际应用场景的约束，资源受限的边缘节点不得不在某些情况下将自身的密集型计算任务卸载到云端执行。
现有方法主要基于仿真软件演示，并未考虑到实际设备之间的通信和计算，没有一个连接的实体设备平台演示边缘计算的结果和边缘计算任务的部署、卸载过程，这就导致了现有边缘计算实际演示开发平台的空白，导致了开发难度大，开发效率低下和不易可视化等多种问题。
云计算的提出，联合了多方网络并提出基础设施即服务、平台即服务和软件即服务，使得大量的计算资源可以共享并整合到云平台利用，然而，除了云计算带来的优势，也有很多挑战需要考虑，云计算的消极因素是它的网络可靠性和数据安全问题，此外，随着物联网的驱动，很多传感器与云平台物理上相距甚远，响应时间也往往很慢，不能满足延迟敏感应用的需求。
发明内容
本发明的目的在于：针对现有的边缘计算并未考虑到实际设备之间的通信和计算，没有一个连接的实体设备平台演示边缘计算的结果和边缘计算任务的部署、卸载过程，这就导致了现有边缘计算实际演示开发平台的空白，导致了开发难度大，开发效率低下和不易可视化等问题与云计算的网络可靠性和数据安全问题，此外，随着物联网的驱动，很多传感器与云平台物理上相距甚远，响应时间也往往很慢，不能满足延迟敏感应用的需求的问题，提供了一种基于工业互联网的新型边缘及云协同系统，可将其长期部署于需要的物联网环境中，能耗适中，易于集中规模化建立小型中型物联网边缘计算集群，从而解决了上述问题。
本发明的技术方案如下：
一种基于工业互联网的新型边缘及云协同系统，包括：若干个底层边缘计算节点、若干个任务调度监控节点和云中心；
所述底层边缘计算节点用于边缘任务的响应与执行；所述任务调度监控节点用于监视底层边缘计算节点的状态，当任务调度监控节点监视到底层边缘计算节点过载时，将边缘任务上传至云中心；所述云中心负责对上传来的边缘任务进行处理及运算。
进一步地，所述新型边缘及云协同系统为三层网络结构；
所述底层边缘计算节点位于底层，所述任务调度监控节点位于第二层，所述云中心位于顶层；
每个底层边缘计算节点最多连接一个任务调度监控节点，每个任务调度监控节点最多连接一个云中心。
进一步地，所述底层边缘计算节点基于边缘树莓派构成；
所述任务调度监控节点基于调度监控树莓派构成。
进一步地，所述底层边缘计算节点在本系统中负责执行边缘任务；
所述边缘任务，包括：人脸识别、目标检测、车牌识别、多媒体、智能家居、健康管理。
进一步地，所述任务调度监控节点通过web工具Pi Dashboard监视每个底层边缘计算节点的状态，当任务调度监控节点监视到底层边缘计算节点过载时，底层边缘计算节点将部分或全部边缘任务上传至云中心。
进一步地，所述底层边缘计算节点在执行边缘任务后，可得到执行该边缘任务所需的计算量、任务需求量、计算时延、底层边缘计算节点执行第i个边缘任务所需要的时间。
进一步地，所述任务调度监控节点根据事件的先后以及任务的优先级为各底层边缘计算节点安排边缘任务的执行；
同时，监控各个底层边缘计算节点的状态，所述状态，包括：CPU占用率、内存占用率、swap空间使用情况和网络流量使用情况；
当任务调度监控节点发现底层边缘计算节点接收到的该边缘任务后，占用了过多的物理内存，或需要加载深度学习模型，或处理任务时间过长造成用户等待时，则按照预先部署的算法执行分配调度任务策略，命令底层边缘计算节点将部分或全部边缘任务通过socket包和paramiko包将任务文件上传至云中心，同时底层边缘节点远程通知云中心运行启动对应的边缘任务；
否则，在所述底层边缘计算节点执行该边缘任务时，底层边缘计算节点因为自身资源有限将无法完成整个任务，任务调度监控节点发送终止进程指令终止该难以处理的边缘任务，并发送命令使底层边缘计算节点将难以处理的边缘任务传输到云数据中心，由云数据中心进行处理。
进一步地，所述云中心，包括：计算存储服务器、开发控制平台、网络应用程序和软件；
云中心继续执行传输上来的难以处理的边缘任务，并将结果展示在云端。
与现有的技术相比本发明的有益效果是：
1、一种基于工业互联网的新型边缘及云协同系统，由于树莓派的灵活部署特性和节点的运行稳定性，可以将其长期部署于需要的物联网环境中，能耗适中，易于集中规模化建立小型中型物联网边缘计算集群。
2、一种基于工业互联网的新型边缘及云协同系统，相比于云中心单独运行的帧速率，边缘－云协同的帧速率比仅边缘工作模式下的识别结果流畅，可以做到实时目标检测。
3、一种基于工业互联网的新型边缘及云协同系统，对于目标检测任务，由于深度学习模型的加载需要时间，底层边缘计算节点会耗费大量的时间和运行内存进行加载模型和调用，这就导致任务时延长，不能及时的进行捕获视频的目标检测处理，而且内存占用率较高，这吋任务调度监控节点检测到节点负载过重，会终止此过程并通过远程指令命令底层边缘计算节点将它捕获的视频流和相关文件卸载到云中，形成边缘－云协同过程，由于云中心算力较强且只运行部分任务，边缘－云协同模式下的响应时间相比于仅边缘或仅云都要快。
附图说明
图1为一种基于工业互联网的新型边缘及云协同系统架构示意图；
图2为一种基于工业互联网的新型边缘及云协同系统建模结构示意图。
具体实施方式
需要说明的是，术语“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。在没有更多限制的情况下，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。
下面结合实施例对本发明的特征和性能作进一步的详细描述。
实施例一
请参阅图1，一种基于工业互联网的新型边缘及云协同系统，包括：若干个底层边缘计算节点、若干个任务调度监控节点和云中心；
所述底层边缘计算节点用于边缘任务的响应与执行；所述任务调度监控节点用于监视底层边缘计算节点的状态，当任务调度监控节点监视到底层边缘计算节点过载时，将边缘任务上传至云中心；所述云中心负责对上传来的边缘任务进行处理及运算，优选地，所述处理及运算如云中心如神经网络训练和部署等，云中心具有高度虚拟化的特性。
在本实施例中，具体的，所述新型边缘及云协同系统为三层网络结构；
所述底层边缘计算节点位于底层，所述任务调度监控节点位于第二层，所述云中心位于顶层；即底层边缘计算节点在系统的最底层，靠近数据及任务端，用于数据的采集、处理及边缘轻量级任务的执行，例如，简单的摄像头采集人脸信息拍照并在本地进行模板匹配算法识别，或者外接温湿度传感器实现本地环境状态监控；
底层边缘计算节点相比较云中心，具有小型化、分布式和更贴近用户的特性，海量的数据无需再上传至云端进行处理，实现在网络边缘侧对数据的处理，减少请求响应时间、提升电池续肮能力、减少网络带宽同时保证数据的安全性和私密性；
每个底层边缘计算节点最多连接一个任务调度监控节点，每个任务调度监控节点最多连接一个云中心。
在本实施例中，具体的，所述底层边缘计算节点基于边缘树莓派构成；
所述任务调度监控节点基于调度监控树莓派构成；即通过树莓派实现各边缘任务的处理功能，需要说明的是，关于树莓派中的各程序编写以及相应系统的具体搭建，本领域技术人员能够根据任务需求进行相应设计。
在本实施例中，具体的，所述底层边缘计算节点在本系统中负责执行边缘任务；
所述边缘任务，包括但不限于：人脸识别、目标检测、车牌识别、多媒体、智能家居、健康管理。
在本实施例中，具体的，所述任务调度监控节点通过web工具Pi Dashboard监视每个底层边缘计算节点的状态，当任务调度监控节点监视到底层边缘计算节点过载时，底层边缘计算节点将部分或全部边缘任务上传至云中心。
在本实施例中，具体的，所述底层边缘计算节点在执行边缘任务后，可得到执行该边缘任务所需的计算量、任务需求量、计算时延、底层边缘计算节点执行第i个边缘任务所需要的时间。
在本实施例中，具体的，所述任务调度监控节点根据事件的先后以及任务的优先级为各底层边缘计算节点安排边缘任务的执行；
同时，监控各个底层边缘计算节点的状态，所述状态，包括：CPU占用率、内存占用率、swap空间使用情况和网络流量使用情况；
当任务调度监控节点发现底层边缘计算节点接收到的该边缘任务后，占用了过多的物理内存，或需要加载深度学习模型，或处理任务时间过长(例如该任务需要加载深度学习模型而边缘节点的CPU和CPU处理能力有限，难以加载数据量庞大且处理复杂的模型和算法)造成用户等待时，则按照预先部署的算法执行分配调度任务策略，命令底层边缘计算节点将部分或全部边缘任务通过socket包和paramiko包将任务文件上传至云中心，同时底层边缘节点远程通知云中心运行启动对应的边缘任务；需要说明的是，所述分配调度任务策略即为预设的计算机程序，具体为：当任务调度监控节点监测到底层边缘计算节点CPU占用率、内存占用率、swap空间使用情况和网络流量使用情况超过一定数值后，即命令底层边缘计算节点将部分或全部边缘任务通过socket包和paramiko包将任务文件上传至云中心；而其中具体的数值，本领域技术人员能够基于现实情况，进行适应性调整，同时关于具体计算机程序的编写同样属于本领域技术人员能够完成的，因此，在此不再进行赘述；
否则，在所述底层边缘计算节点执行该边缘任务时，底层边缘计算节点因为自身资源有限将无法完成整个任务，任务调度监控节点发送终止进程指令终止该难以处理的边缘任务，并发送命令使底层边缘计算节点将难以处理的边缘任务传输到云数据中心，由云数据中心进行处理。
在本实施例中，具体的，所述云中心，包括：计算存储服务器、开发控制平台、网络应用程序和软件；
云中心继续执行传输上来的难以处理的边缘任务，并将结果展示在云端；即用户可以按需调用各种资源，同时云中心具有高效的运算能力，在原有服务器基础上増加云计算功能可以使计算速度迅速提高，最终实现动态扩展虚拟化，达到对应用进行扩展的目的，云中心继续执行传输上来的难以处理的边缘任务，并将结果展示在云端，而简单任务只在底层边缘计算节点上执行。
实施例二
实施例二是对实施例一的说明，请参阅图2，实施例一种给出的一种基于工业互联网的新型边缘及云协同系统，在多任务场景中，当边缘任务到来时，首先底层边缘计算节点接收边缘任务，并开始执行部分或全部边缘任务后，可以得到执行相应边缘任务所需要的计算量等指标，随后，当任务量较大的边缘任务来临使底层边缘计算节点过载时，由任务调度监控节点监控感知到，然后将结束该边缘任务进程并使底层边缘计算节点将边缘任务上传到云中心，而简单任务仅在底层边缘计算节点上执行。
为了最小化任务完成时延，在系统建模中，考虑使用一个通用三层通信网络模型，该模型有一个云中心，M个任务调度监控节点用来监控，N个底层边缘计算节点作为用户节点；
底层边缘计算节点、任务调度监控节点、云中心之间通过无线网络连接，建模中预设一个底层边缘计算节点可以连接至多一个任务调度监控节点，同时一个任务调度监控节点可以至多连接一个云中心。
每一个底层边缘计算节点都负责一个特定的边缘任务，即底层边缘计算节点可表示为ERPi，i∈[1,N]；
每一个任务调度监控节点负责监控多个底层边缘计算节点，即任务调度监控节点表示为MSRPj，j∈[1,M]。
本实施例考虑上行边缘－云协作网络，不失一般性，所以任务图用有向无环图(DAG)＝(V，E)表示；其中，V，E分别代表顶点的集合和边的集合，每一个顶点用v表示，即表示第v个底层边缘计算节点，且v∈V，每个顶点处的任务计算量表示为Cv，每一个边用e表示且e∈E，任务调度监控节点与底层边缘计算节点之间的链路中间数据量用duv表示，底层边缘计算节点与云中心之间的链路中间数据量用dvc表示，duv和dvc的单位均为MB。
需要说明的是，底层边缘计算节点本地卸载任务上云所需要的时间如下：
式中：
表示底层边缘计算节点本地卸载任务上云所需要的时间；
Ivi表示第v个底层边缘计算节点执行的第i个任务，Ivj∈{0,1}，用于指示第v个底层边缘计算节点执行的第i个任务是底层边缘计算节点执行还是卸载到云中心执行，1表示本地执行，0表示卸载执行；
Pi表示底层边缘计算节点的处理速度。
一种基于工业互联网的新型边缘及云协同系统在本地执行模式下的算法结构示意如下：
式中：
Ti ERP表示底层边缘计算节点计算边缘任务所需的时间；
一种基于工业互联网的新型边缘及云协同系统在监控调度模式下的算法结构示意如下：
式中：
表示任务调度监控节点的监控时长；
Iu,j表示任务调度监控节点j是否与底层边缘计算节点通讯，Iu,j∈{0,1}，0表示不通讯，1表示通讯；
ri是分配给底层边缘计算节点的带宽；
一种基于工业互联网的新型边缘及云协同系统在云端执行模式下的算法结构示意如下：
式中：
表示云中心处理时长；
P0是云数据中心的处理速度。
实施例三
实施例三是对实施例一一次具体应用，本实施例构建了一个基于三个底层边缘计算节点、一个任务调度监控节点和一个云中心的边缘－云协作平台，平台由三种类型的Raspberry Pi 4s(不同的RAM，分别为4G、2G、1G)作为用户端，一个云中心(带有UTANX GPU处理器)与底层边缘计算节点和任务调度监控节点进行通信。
部署了两个典型任务应用场景：1)人脸识别，2)目标检测。
云中心采用Ubuntu系统，具有强大的计算存储能力，因为参与调度，采用性能较强的树莓派计算节点作为任务调度监控节点，剩下的底层边缘计算节点分别采用4G，2G和1G来作为边缘任务的响应设备，统一采用树莓派专用系统Raspbian。
以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。
提供本背景技术部分是为了大体上呈现本发明的上下文，当前所署名的发明人的工作、在本背景技术部分中所描述的程度上的工作以及本部分描述在申请时尚不构成现有技术的方面，既非明示地也非暗示地被承认是本发明的现有技术。

Claims (10)

1.一种基于工业互联网的新型边缘及云协同系统，其特征在于，包括：若干个底层边缘计算节点、若干个任务调度监控节点和云中心；
所述底层边缘计算节点用于边缘任务的响应与执行；所述任务调度监控节点用于监视底层边缘计算节点的状态，当任务调度监控节点监视到底层边缘计算节点过载时，将边缘任务上传至云中心；所述云中心负责对上传来的边缘任务进行处理及运算。
2.根据权利要求1所述的一种基于工业互联网的新型边缘及云协同系统，其特征在于，所述新型边缘及云协同系统为三层网络结构；
所述底层边缘计算节点位于底层，所述任务调度监控节点位于第二层，所述云中心位于顶层；
每个底层边缘计算节点最多连接一个任务调度监控节点，每个任务调度监控节点最多连接一个云中心。
3.根据权利要求1所述的一种基于工业互联网的新型边缘及云协同系统，其特征在于，所述底层边缘计算节点基于边缘树莓派构成；
所述任务调度监控节点基于调度监控树莓派构成。
4.根据权利要求2所述的一种基于工业互联网的新型边缘及云协同系统，其特征在于，所述底层边缘计算节点在本系统中负责执行边缘任务；
所述边缘任务，包括：人脸识别、目标检测、车牌识别、多媒体、智能家居、健康管理。
5.根据权利要求1所述的一种基于工业互联网的新型边缘及云协同系统，其特征在于，所述任务调度监控节点通过web工具Pi Dashboard监视每个底层边缘计算节点的状态，当任务调度监控节点监视到底层边缘计算节点过载时，底层边缘计算节点将部分或全部边缘任务上传至云中心。
6.根据权利要求4所述的一种基于工业互联网的新型边缘及云协同系统，其特征在于，所述底层边缘计算节点在执行边缘任务后，可得到执行该边缘任务所需的计算量、任务需求量、计算时延、底层边缘计算节点执行第i个边缘任务所需要的时间。
7.根据权利要求5所述的一种基于工业互联网的新型边缘及云协同系统，其特征在于，所述任务调度监控节点根据事件的先后以及任务的优先级为各底层边缘计算节点安排边缘任务的执行。
8.根据权利要求7所述的一种基于工业互联网的新型边缘及云协同系统，其特征在于，所述任务调度监控节点监控各个底层边缘计算节点的状态，所述状态，包括：CPU占用率、内存占用率、swap空间使用情况和网络流量使用情况。
9.根据权利要求8所述的一种基于工业互联网的新型边缘及云协同系统，其特征在于，当任务调度监控节点发现底层边缘计算节点接收到的该边缘任务后，占用了过多的物理内存，或需要加载深度学习模型，或处理任务时间过长造成用户等待时，则按照预先部署的算法执行分配调度任务策略，命令底层边缘计算节点将部分或全部边缘任务通过socket包和paramiko包将任务文件上传至云中心，同时底层边缘节点远程通知云中心运行启动对应的边缘任务；
否则，在所述底层边缘计算节点执行该边缘任务时，底层边缘计算节点因为自身资源有限将无法完成整个任务，任务调度监控节点发送终止进程指令终止该难以处理的边缘任务，并发送命令使底层边缘计算节点将难以处理的边缘任务传输到云数据中心，由云数据中心进行处理。
10.根据权利要求1所述的一种基于工业互联网的新型边缘及云协同系统，其特征在于，所述云中心，包括：计算存储服务器、开发控制平台、网络应用程序和软件；
云中心继续执行传输上来的难以处理的边缘任务，并将结果展示在云端。
CN202310535365.3A 2023-05-12 2023-05-12 一种基于工业互联网的新型边缘及云协同系统 Pending CN116566987A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310535365.3A CN116566987A (zh) 2023-05-12 2023-05-12 一种基于工业互联网的新型边缘及云协同系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310535365.3A CN116566987A (zh) 2023-05-12 2023-05-12 一种基于工业互联网的新型边缘及云协同系统

Publications (1)

Publication Number Publication Date
CN116566987A true CN116566987A (zh) 2023-08-08

Family

ID=87491203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310535365.3A Pending CN116566987A (zh) 2023-05-12 2023-05-12 一种基于工业互联网的新型边缘及云协同系统

Country Status (1)

Country Link
CN (1) CN116566987A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117032832A (zh) * 2023-08-25 2023-11-10 重庆邮电大学 一种基于移动边缘计算的最小化任务调用成本卸载方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117032832A (zh) * 2023-08-25 2023-11-10 重庆邮电大学 一种基于移动边缘计算的最小化任务调用成本卸载方法
CN117032832B (zh) * 2023-08-25 2024-03-08 重庆邮电大学 一种基于移动边缘计算的最小化任务调用成本卸载方法

Similar Documents

Publication Publication Date Title
CN110347500B (zh) 用于边缘计算环境中面向深度学习应用的任务卸载方法
CN112004239B (zh) 一种基于云边协同的计算卸载方法及系统
Samie et al. Computation offloading and resource allocation for low-power IoT edge devices
CN109302463B (zh) 一种面向边缘计算的自组云架构与优化方法及系统
CN112650585A (zh) 一种新型边缘-云协同边缘计算平台、方法及存储介质
CN110390246A (zh) 一种边云环境中的视频分析方法
CN111614769B (zh) 一种深度学习技术的行为智能分析引擎系统及控制方法
CN104657205B (zh) 一种基于虚拟化的视频内容分析方法及系统
Lee et al. IoT service classification and clustering for integration of IoT service platforms
CN106033476A (zh) 一种云计算环境中分布式计算模式下的增量式图计算方法
CN114520768B (zh) 一种用于工业物联网中随机任务的ai卸载优化方法
CN116566987A (zh) 一种基于工业互联网的新型边缘及云协同系统
CN112667400B (zh) 边缘自治中心管控的边云资源调度方法、装置及系统
CN112162863B (zh) 一种边缘卸载决策方法、终端及可读存储介质
CN108449383A (zh) 分布式实时移动微云计算系统
CN111796933A (zh) 资源调度方法、装置、存储介质和电子设备
CN113961264A (zh) 一种面向视频监控云边协同的智能卸载算法与系统
Alam et al. Communication-efficient distributed multi-resource allocation
Reffad et al. A dynamic adaptive bio-inspired multi-agent system for healthcare task deployment
CN114691372A (zh) 一种多媒体端边云系统的群体智能控制方法
Rashid et al. Edgestore: Towards an edge-based distributed storage system for emergency response
EP4311202A1 (en) End-edge-cloud coordination system and method based on digital retina, and device
CN114301911B (zh) 一种基于边边协同的任务管理方法和系统
CN116488344A (zh) 一种用于多类型电网设备量测数据的动态资源调度方法
CN105915910A (zh) 一种基于云平台的视频转码方法和装置

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