CN116647560A - 物联网计算机集群协调优化控制方法、装置、设备及介质 - Google Patents
物联网计算机集群协调优化控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116647560A CN116647560A CN202310565620.9A CN202310565620A CN116647560A CN 116647560 A CN116647560 A CN 116647560A CN 202310565620 A CN202310565620 A CN 202310565620A CN 116647560 A CN116647560 A CN 116647560A
- Authority
- CN
- China
- Prior art keywords
- computer
- task
- internet
- computing
- things
- 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.)
- Withdrawn
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 109
- 230000006870 function Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000544061 Cuculus canorus Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F9/505—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
-
- 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
-
- 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
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multi Processors (AREA)
Abstract
本发明涉及计算机集群控制技术领域,揭露了一种物联网计算机集群协调优化控制方法,包括:对物联网计算机集群的待处理任务列表进行分类,得到任务分类集;根据任务分类集对物联网计算机集群进行集群划分,得到计算机分类集,并计算每个计算机的初始计算负载;根据初始计算负载对计算任务进行任务分配,得到匹配计算机;根据匹配计算机计算每个计算机的计算负载率;根据计算负载率对计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案。本发明还提出一种物联网计算机集群协调优化控制装置、电子设备以及存储介质。本发明可以提高物联网计算机集群的协调控制能力。
Description
技术领域
本发明涉及计算机集群控制技术领域,尤其涉及一种物联网计算机集群协调优化控制方法、装置、设备及介质。
背景技术
物联网计算机集群是一种基于物联网的计算机系统,通过一组松散集成的计算机软件或硬件连接起来高度紧密地协作完成计算工作。计算机集群通常一套系统集群架构,只需要几台或数十台服务器主机即可,与专用超级计算机相比具有更高的性价比,同时能够将负载均匀分布到计算机集群下的计算机网络资源,提高数据计算的数据量,因此计算机集群具有高性能、可拓展性等特点,能够同时处理不同的数据,提高数据处理的效率,在物联网信息计算中成为主流。
但为了保证计算机集群中各个计算机有序运行,需要对计算机集群中的计算机进行统一管理。目前通常是通过一个总控制器对计算机集群中的各个计算机进行管理,例如,使用总控制器确定计算机集群中的主机和从机等。由于需要总控制器管理计算机集群,在安装计算机集群时不仅需要安装各个计算机还需要安装一个总控制器,提高了计算机集群的复杂性,导致计算机集群之间的协调控制能力较差。
发明内容
本发明提供一种物联网计算机集群协调优化控制方法、装置、设备及介质,其主要目的在于解决计算机集群的协调控制能力较差的问题。
为实现上述目的,本发明提供的一种物联网计算机集群协调优化控制方法,包括:
获取物联网计算机集群的待处理任务列表,对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集;
根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,并计算所述计算机分类集中每个计算机的初始计算负载;
根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机;
根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率;
根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案。
可选地,所述对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集,包括:
获取所述待处理任务列表中每个计算任务的任务请求报文;
对所述任务请求报文进行报文解析,得到所述任务请求报文对应的请求业务;
根据所述请求业务对所述计算任务进行业务划分,根据所述业务划分的结果得到所述待处理任务列表的任务分类集。
可选地,所述根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,包括:
获取所述物联网计算机集群中每个计算机的配置信息,根据所述配置信息计算每个所述计算机的计算能力;
利用下述公式计算每个所述计算机的计算能力:
P=α1*PC+α2*Pm+α3*Pb+α4*PI
其中,P表示计算机的计算能力,PC表示配置信息中的中央处理器的频率,α1表示中央处理器的频率对应的预设权重,Pm表示配置信息中的内存容量,α2表示内存容量对应的预设权重,Pb表示配置信息中的宽带速度,α3表示宽带速度对应的预设权重,PI表示配置信息中的读写速度,α4表示读写速度对应的预设权重;
根据所述任务分类集中的计算任务对所述任务分类集进行等级划分,得到所述任务分类集的计算等级;
根据所述计算能力及所述计算等级将所述物联网计算集群中的计算机与所述任务分类集进行初始匹配,得到所述任务分类集对应的计算机分类集。
可选地,所述计算所述计算机分类集中每个计算机的初始计算负载,包括:
获取所述计算机分类集中每个计算机的配置使用信息;
对所述配置使用信息进行加权计算,得到所述计算机分类集中每个计算机的初始计算负载。
可选地,所述根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机,包括:
计算所述计算任务的预测任务量,根据所述预测任务量及所述初始计算负载计算每个所述计算机的任务处理负载;
利用如下公式计算每个所述计算机的任务处理负载:
其中,tj表示第j个计算机的任务处理负载,r表示所述预测任务量,Pj表示第j个计算机的计算能力,Cj表示第j个计算机的初始计算负载;
利用预设的负载阈值根据所述任务处理负载对所述任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机。
可选地,所述根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率,包括:
根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算任务负载;
根据所述计算任务负载与所述每个计算机的初始计算负载确定每个所述计算机的总负载;
计算所述总负载与每个所述计算机对应的计算能力之间的比值,得到每个所述计算机的计算负载率。
可选地,所述根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案,包括:
根据所述计算负载率计算所述物联网计算机集群的平均负载率;
根据所述平均负载率与所述计算负载率生成目标函数,并初始化初始优化迭代参数;
目标函数如下式所示:
其中,F表示目标函数,J表示所述物联网计算机集群中计算机的总数,ηj表示第j个计算机的计算负载率,表示所述平均负载率;
基于所述目标函数及所述初始优化迭代参数对所述计算任务进行优化迭代,得到所述物联网计算机集群的协调优化方案。
为了解决上述问题,本发明还提供一种物联网计算机集群协调优化控制装置,所述装置包括:
任务分类模块,用于获取物联网计算机集群的待处理任务列表,对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集;
集群划分及负载计算模块,用于根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,并计算所述计算机分类集中每个计算机的初始计算负载;
匹配计算机分配模块,用于根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机;
计算负载率计算模块,用于根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率;
协调优化方案生成模块,用于根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的物联网计算机集群协调优化控制方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的物联网计算机集群协调优化控制方法。
本发明实施例通过对物联网计算机集群的待处理任务列表进行分类,以进一步地对物联网计算机集群的中计算机进行分类,得到任务分类集对应的计算机分类集,以提高后续计算机分配到的计算任务的准确度,保证待处理任务的计算效果;再通过每个计算机的初始计算负载对计算任务进行任务分配,得到每个计算任务的匹配计算机,使得每个计算任务分配到负载较小的计算机,进一步地提高计算任务的处理效果;根据匹配计算机计算每个计算机的负载率,通过负载率对计算任务进行优化分配,使得物联网计算机集群中的计算机负载均衡,以提高物联网计算机集群的整体协调控制能力。因此本发明提出的物联网计算机集群协调优化控制方法、装置、电子设备及计算机可读存储介质,可以解决物联网计算机集群协调控制能力较差的问题。
附图说明
图1为本发明一实施例提供的物联网计算机集群协调优化控制方法的流程示意图;
图2为本发明一实施例提供的对物联网计算集群进行集群划分的流程示意图;
图3为本发明一实施例提供的生成协调优化方案的流程示意图;
图4为本发明一实施例提供的物联网计算机集群协调优化控制装置的功能模块图;
图5为本发明一实施例提供的实现所述物联网计算机集群协调优化控制方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种物联网计算机集群协调优化控制方法。所述物联网计算机集群协调优化控制方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述物联网计算机集群协调优化控制方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的物联网计算机集群协调优化控制方法的流程示意图。在本实施例中,所述物联网计算机集群协调优化控制方法包括:
S1、获取物联网计算机集群的待处理任务列表,对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集。
本发明实施例中,所述物联网计算机集群是应用于物联网的计算机集群,通过物联网计算机集群可以对物联网的待处理任务进行集中处理,其中,所述待处理列表可以包含不同物联网设备的多个不同计算任务,例如,控制任务、查询任务、分类任务等不同的待处理计算任务。
本发明实施例中,所述对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集,包括:
获取所述待处理任务列表中每个计算任务的任务请求报文;
对所述任务请求报文进行报文解析,得到所述任务请求报文对应的请求业务;
根据所述请求业务对所述计算任务进行业务划分,根据所述业务划分的结果得到所述待处理任务列表的任务分类集。
本发明实施例中,所述任务请求报文是每个计算任务向物联网计算机集群进行任务请求时的请求交互协议,根据请求交互协议规定的内容去解析报文,提取任务请求报文中包含的业务信息,通过业务信息能够获取每个计算任务的请求业务,进而能够通过请求业务对计算任务进行分类,例如,请求业务为控制、查询等业务,进而通过请求业务的不同将计算任务进行业务划分,得到控制业务对应的任务分类集、查询业务对应的任务分类集、数据分析对应的任务分类集等。
S2、根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,并计算所述计算机分类集中每个计算机的初始计算负载。
本发明实施例中,计算机分类集是根据计算任务的业务分类对物联网计算机集群进行分类,使得每个计算机能够对应分配到更高匹配度的计算任务,进而保证物联网计算机集群的效率。
本发明实施例中,参阅图2所示,所述根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,包括:
S21、获取所述物联网计算机集群中每个计算机的配置信息,根据所述配置信息计算每个所述计算机的计算能力;
S22、根据所述任务分类集中的计算任务对所述任务分类集进行等级划分,得到所述任务分类集的计算等级;
S23、根据所述计算能力及所述计算等级将所述物联网计算集群中的计算机与所述任务分类集进行初始匹配,得到所述任务分类集对应的计算机分类集。
本发明实施例中,计算机的配置信息是每个计算机进行基础配置时的配置数据,表示每个计算机自身的计算性能,例如,计算机中央处理器(CentralProcessing Unit,简称CPU)的频率,计算机的内存容量、宽带速度、以及读写速度等,通过配置信息能够综合分析计算机的计算性能,从而得到每个计算机的计算能力。
本发明实施例中,可以利用下述公式计算每个所述计算机的计算能力:
P=α1*PC+α2*Pm+α3*Pb+α4*PI
其中,P表示计算机的计算能力,PC表示配置信息中的中央处理器的频率,α1表示中央处理器的频率对应的预设权重,Pm表示配置信息中的内存容量,α2表示内存容量对应的预设权重,Pb表示配置信息中的宽带速度,α3表示宽带速度对应的预设权重,PI表示配置信息中的读写速度,α4表示读写速度对应的预设权重。
本发明实施例中,配置信息对应的权重表示每个配置信息对计算机计算能力的影响权重,配置信息越高,权重越大,其中,配置信息对应的权重总和为1,通过配置信息能够计算每个计算机的计算能力,进而根据计算能力对物联网计算机集群进行分类。
本发明另一可选实施例中,根据任务分类集中计算任务是动态任务还是静态任务对任务分类集进行等级划分,其中,动态任务是需要根据不同的任务生成信息块并组合成对应的任务处理组件,需要更高的计算负载,静态任务可从数据库或数据文件等读取,占用的计算负载就小,本发明实施例中可根据预设的计算任务负载等级对任务分类集中的计算任务进行等级划分,进而得到任务分类集的计算等级,将计算能力较高的计算机依次分配给计算等级高的任务分类集,直至每个计算机均与任务分类集进行匹配,得到任务分类集对应的计算机分类集。
本发明实施例中,初始计算负载是计算机分类集中每个计算机在未进行待处理任务列表计算时的计算机负载,通过初始计算负载能够判断每个计算机能够计算承担的计算负载,进而对对应的计算任务进行分配。
本发明实施例中,所述计算所述计算机分类集中每个计算机的初始计算负载,包括:
获取所述计算机分类集中每个计算机的配置使用信息;
对所述配置使用信息进行加权计算,得到所述计算机分类集中每个计算机的初始计算负载。
本发明实施例中,可根据上述计算计算机的计算能力的公式对配置使用信息记性加权计算,得到初始计算负载。
本发明实施例中,由于在对计算任务进行处理前,每个计算机也承担着不同的历史分配任务,产生初始计算负载,所述配置使用信息表示每个计算机配置信息的当前使用情况,例如,中央处理器的使用情况,内存的使用情况,宽度的速度变化等配置信息的使用情况,通过配置使用信息计算当前计算机的计算能力消耗数据,进而得到每个计算机的计算负载。
本发明实施例中,通过对物联网计算机集群进行集群划分并计算每个计算及的初始计算负载,能够将物联网计算机集群与任务分类集进行匹配,从而对物联网计算机集群中的计算机进行分类,以提高物联网计算机集群的任务处理能力。
S3、根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机。
本发明实施例中,任务分配是根据计算机的初始计算负载对计算机分类集对应的任务分类集中的计算任务进行任务分配,将任务分类集中的计算任务逐一分配到对应的计算机分类集中的计算机,从而将每个计算任务分配到最优的计算机,提高计算任务的处理效果。
本发明实施例中,所述根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机,包括:
计算所述计算任务的预测任务量,根据所述预测任务量及所述初始计算负载计算每个所述计算机的任务处理负载;
利用预设的负载阈值根据所述任务处理负载对所述任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机。
本发明实施例中,所述预测任务量是每个计算任务在计算机上计算时需要耗费的计算机资源,从而能够计算每个计算机在处理计算任务时所增加的任务处理负载,进而根据预设的负载阈值对计算任务进行分配,使得每个计算机分配的计算任务的任务处理负载都小于负载阈值,从而保证物联网计算机集群中每个计算机不会过载,本发明可选实施例中,可以根据计算任务的任务类型确定预测计算量,例如,根据任务类型查找对应的任务处理时间,根据任务时间在预设的任务量对照表中查找计算任务的预测任务量,其中,可以根据每个任务类型的历史计算时间确定对应任务处理时间,任务量对照表是预设的任务处理时间与任务量之间的映射关系,可以根据历史的任务处理经验总结得到,用于确定待处理计算任务的预测计算量。
本发明其中一可选实施例中,通过任务处理负载得到每个计算机处理计算任务时的负载,例如,计算机1处理计算任务1的任务处理负载为20,计算机2处理计算任务1的任务处理负载为50,计算机3处理计算任务1的任务处理负载为80,负载阈值为50,则将计算任务1分配给计算机1,保证计算机不会过载同时保证计算任务的处理效果。
本发明实施例中,利用如下公式计算每个所述计算机的任务处理负载:
其中,tj表示第j个计算机的任务处理负载,r表示所述预测任务量,Pj表示第j个计算机的计算能力,Cj表示第j个计算机的初始计算负载。
本发明实施例中,通过对计算任务进行分配能够将每个计算任务针对性地分配给对应的任务处理负载较小的计算机,从而保证每个计算机不会过载或任务处理的时间较长,从而提高物联网计算机集群的协调控制能力。
S4、根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率。
本发明实施例中,所述计算负载率是物联网计算机集群中每个计算机分配计算任务后的计算负载占计算机计算能力的比值,计算机的计算负载率越大,表示计算机可能承担了过多的计算任务,反之,部分计算机可能存在负载率过小的问题,从而导致物联网计算机集群的整体协调性较差,因此需要通过计算每个计算机的计算负载率进而使得物联网计算机集群中每个计算机的负载均衡,提高物联网计算机集群的协调效果。
本发明实施例中,所述根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率,包括:
根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算任务负载;
根据所述计算任务负载与所述每个计算机的初始计算负载确定每个所述计算机的总负载;
计算所述总负载与每个所述计算机对应的计算能力之间的比值,得到每个所述计算机的计算负载率。
本发明实施例中,根据每个匹配计算机匹配到的计算任务的任务处理负载相加得到每个所述计算机的计算任务负载,从而通过计算任务负载以及每个计算机对应的初始计算负载相加确定每个计算机所承担的计算总负载,进一步地通过总负载占计算能力之间的比值得到每个计算机的计算负载率,确定每个计算机的计算承载能力,以更好的对物联网计算机集群进行总体协调控制。
S5、根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案。
本发明实施例中,物联网计算机集群协调优化是使得物联网计算机集群的每个计算机的负载均衡,不论是计算能力高的计算机还是计算能力低的计算机,每个计算机的负载率基本一致,实现物联网计算机集群的负载均衡,提高待处理任务的处理时间以及物联网计算机集群的服务性能。
本发明实施例中,参阅图3所示,所述根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案,包括:
S31、根据所述计算负载率计算所述物联网计算机集群的平均负载率;
S32、根据所述平均负载率与所述计算负载率生成目标函数,并初始化初始优化迭代参数;
S33、基于所述目标函数及所述初始优化迭代参数对所述计算任务进行优化迭代,得到所述物联网计算机集群的协调优化方案。
本发明实施例中,平均负载率是物联网计算机集群均衡负载下每个计算机的计算负载率,通过平均负载率以及计算负载率生成目标函数,使得每个计算机的计算负载率与平均负载率之间的误差最小,实现物联网计算机集群的任务协调优化。
本发明实施例中,目标函数如下式所示:
其中,F表示目标函数,J表示所述物联网计算机集群中计算机的总数,ηj表示第j个计算机的计算负载率,表示所述平均负载率。
本发明实施例中,初始优化迭代参数包括初始种群、迭代次数等初始参数以进行差分优化或基于布谷鸟搜索的多目标优化,初始种群为物联网计算机集群中的协调方案组合,通过对初始总群进行交叉变异,以及根据目标函数选取初始总群中目标函数值小于预设目标阈值的协调方案组成更新总群,基于更新总群进行迭代优化,直至迭代优化的次数到初始优化迭代参数的迭代次数,得到目标函数值最小的协调优选方案。
本发明实施例中,,根据协调优化方案将待处理任务列表中的计算任务分配给物联网计算机集群中的计算机,例如,将待处理任务列表中的计算任务1、2分配给计算机1,计算任务5分配给计算机3,计算任务3分配给计算机2,计算任务4分配给计算机4,实现物联网计算机集群的负载均衡,以提高物联网计算机集群的协调控制能力。
本发明实施例通过对物联网计算机集群的待处理任务列表进行分类,以进一步地对物联网计算机集群的中计算机进行分类,得到任务分类集对应的计算机分类集,以提高后续计算机分配到的计算任务的准确度,保证待处理任务的计算效果;再通过每个计算机的初始计算负载对计算任务进行任务分配,得到每个计算任务的匹配计算机,使得每个计算任务分配到负载较小的计算机,进一步地提高计算任务的处理效果;根据匹配计算机计算每个计算机的负载率,通过负载率对计算任务进行优化分配,使得物联网计算机集群中的计算机负载均衡,以提高物联网计算机集群的整体协调控制能力。因此本发明提出的物联网计算机集群协调优化控制方法,可以解决物联网计算机集群协调控制能力较差的问题。
如图4所示,是本发明一实施例提供的物联网计算机集群协调优化控制装置的功能模块图。
本发明所述物联网计算机集群协调优化控制装置400可以安装于电子设备中。根据实现的功能,所述物联网计算机集群协调优化控制装置400可以包括任务分类模块401、集群划分及负载计算模块402、匹配计算机分配模块403、计算负载率计算模块404协调优化方案生成模块405。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述任务分类模块401,用于获取物联网计算机集群的待处理任务列表,对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集;
所述集群划分及负载计算模块402,用于根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,并计算所述计算机分类集中每个计算机的初始计算负载;
所述匹配计算机分配模块403,用于根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机;
所述计算负载率计算模块404,用于根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率;
所述协调优化方案生成模块405,用于根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案。
详细地,本发明实施例中所述物联网计算机集群协调优化控制装置400中所述的各模块在使用时采用与上述图1至图3中所述的物联网计算机集群协调优化控制方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现物联网计算机集群协调优化控制方法的电子设备的结构示意图。
所述电子设备500可以包括处理器501、存储器502、通信总线503以及通信接口504,还可以包括存储在所述存储器502中并可在所述处理器501上运行的计算机程序,如物联网计算机集群协调优化控制程序。
其中,所述处理器501在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器501是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器502内的程序或者模块(例如执行物联网计算机集群协调优化控制程序等),以及调用存储在所述存储器502内的数据,以执行电子设备的各种功能和处理数据。
所述存储器502至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器502在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器502在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器502还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器502不仅可以用于存储安装于电子设备的应用软件及各类数据,例如物联网计算机集群协调优化控制程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线503可以是外设部件互连标准(PeripheralComponentInterconnect,简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandard Architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器502以及至少一个处理器501等之间的连接通信。
所述通信接口504用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图中示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器501逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备500中的所述存储器502存储的物联网计算机集群协调优化控制程序是多个指令的组合,在所述处理器501中运行时,可以实现:
获取物联网计算机集群的待处理任务列表,对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集;
根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,并计算所述计算机分类集中每个计算机的初始计算负载;
根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机;
根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率;
根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案。
具体地,所述处理器501对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备500集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取物联网计算机集群的待处理任务列表,对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集;
根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,并计算所述计算机分类集中每个计算机的初始计算负载;
根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机;
根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率;
根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种物联网计算机集群协调优化控制方法,其特征在于,所述方法包括:
获取物联网计算机集群的待处理任务列表,对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集;
根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,并计算所述计算机分类集中每个计算机的初始计算负载;
根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机;
根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率;
根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案。
2.如权利要求1所述的物联网计算机集群协调优化控制方法,其特征在于,所述对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集,包括:
获取所述待处理任务列表中每个计算任务的任务请求报文;
对所述任务请求报文进行报文解析,得到所述任务请求报文对应的请求业务;
根据所述请求业务对所述计算任务进行业务划分,根据所述业务划分的结果得到所述待处理任务列表的任务分类集。
3.如权利要求1所述的物联网计算机集群协调优化控制方法,其特征在于,所述根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,包括:
获取所述物联网计算机集群中每个计算机的配置信息,根据所述配置信息计算每个所述计算机的计算能力;
利用下述公式计算每个所述计算机的计算能力:
P=α1*PC+α2*Pm+α3*Pb+α4*PI
其中,P表示计算机的计算能力,PC表示配置信息中的中央处理器的频率,α1表示中央处理器的频率对应的预设权重,Pm表示配置信息中的内存容量,α2表示内存容量对应的预设权重,Pb表示配置信息中的宽带速度,α3表示宽带速度对应的预设权重,PI表示配置信息中的读写速度,α4表示读写速度对应的预设权重;
根据所述任务分类集中的计算任务对所述任务分类集进行等级划分,得到所述任务分类集的计算等级;
根据所述计算能力及所述计算等级将所述物联网计算集群中的计算机与所述任务分类集进行初始匹配,得到所述任务分类集对应的计算机分类集。
4.如权利要求1所述的物联网计算机集群协调优化控制方法,其特征在于,所述计算所述计算机分类集中每个计算机的初始计算负载,包括:
获取所述计算机分类集中每个计算机的配置使用信息;
对所述配置使用信息进行加权计算,得到所述计算机分类集中每个计算机的初始计算负载。
5.如权利要求1所述的物联网计算机集群协调优化控制方法,其特征在于,所述根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机,包括:
计算所述计算任务的预测任务量,根据所述预测任务量及所述初始计算负载计算每个所述计算机的任务处理负载;
利用如下公式计算每个所述计算机的任务处理负载:
其中,tj表示第j个计算机的任务处理负载,r表示所述预测任务量,Pj表示第j个计算机的计算能力,Cj表示第j个计算机的初始计算负载;
利用预设的负载阈值根据所述任务处理负载对所述任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机。
6.如权利要求1所述的物联网计算机集群协调优化控制方法,其特征在于,所述根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率,包括:
根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算任务负载;
根据所述计算任务负载与所述每个计算机的初始计算负载确定每个所述计算机的总负载;
计算所述总负载与每个所述计算机对应的计算能力之间的比值,得到每个所述计算机的计算负载率。
7.如权利要求1所述的物联网计算机集群协调优化控制方法,其特征在于,所述根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案,包括:
根据所述计算负载率计算所述物联网计算机集群的平均负载率;
根据所述平均负载率与所述计算负载率生成目标函数,并初始化初始优化迭代参数;
目标函数如下式所示:
其中,F表示目标函数,J表示所述物联网计算机集群中计算机的总数,ηj表示第j个计算机的计算负载率,表示所述平均负载率;
基于所述目标函数及所述初始优化迭代参数对所述计算任务进行优化迭代,得到所述物联网计算机集群的协调优化方案。
8.一种物联网计算机集群协调优化控制装置,其特征在于,所述装置包括:
任务分类模块,用于获取物联网计算机集群的待处理任务列表,对所述待处理任务列表中的计算任务进行分类,得到所述待处理任务列表的任务分类集;
集群划分及负载计算模块,用于根据所述任务分类集对所述物联网计算集群进行集群划分,得到所述任务分类集对应的计算机分类集,并计算所述计算机分类集中每个计算机的初始计算负载;
匹配计算机分配模块,用于根据所述初始计算负载对每个所述计算机对应的任务分类集中的计算任务进行任务分配,得到每个所述计算任务的匹配计算机;
计算负载率计算模块,用于根据所述匹配计算机计算所述物联网计算机集群中每个计算机的计算负载率;
协调优化方案生成模块,用于根据所述计算负载率对所述计算任务进行优化分配,得到所述物联网计算机集群的协调优化方案。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的物联网计算机集群协调优化控制方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的物联网计算机集群协调优化控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310565620.9A CN116647560A (zh) | 2023-05-17 | 2023-05-17 | 物联网计算机集群协调优化控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310565620.9A CN116647560A (zh) | 2023-05-17 | 2023-05-17 | 物联网计算机集群协调优化控制方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116647560A true CN116647560A (zh) | 2023-08-25 |
Family
ID=87642800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310565620.9A Withdrawn CN116647560A (zh) | 2023-05-17 | 2023-05-17 | 物联网计算机集群协调优化控制方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116647560A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117194020A (zh) * | 2023-09-04 | 2023-12-08 | 北京宝联之星科技股份有限公司 | 一种云计算的原始大数据处理方法、系统和存储介质 |
-
2023
- 2023-05-17 CN CN202310565620.9A patent/CN116647560A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117194020A (zh) * | 2023-09-04 | 2023-12-08 | 北京宝联之星科技股份有限公司 | 一种云计算的原始大数据处理方法、系统和存储介质 |
CN117194020B (zh) * | 2023-09-04 | 2024-04-05 | 北京宝联之星科技股份有限公司 | 一种云计算的原始大数据处理方法、系统和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107548549B (zh) | 分布式计算环境中的资源平衡 | |
CN109753356A (zh) | 一种容器资源调度方法、装置及计算机可读存储介质 | |
Rahimikhanghah et al. | Resource scheduling methods in cloud and fog computing environments: a systematic literature review | |
CN111768096A (zh) | 基于算法模型的评级方法、装置、电子设备及存储介质 | |
CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
CN116647560A (zh) | 物联网计算机集群协调优化控制方法、装置、设备及介质 | |
CN113204429A (zh) | 一种数据中心的资源调度方法及系统、调度设备、介质 | |
US8819239B2 (en) | Distributed resource management systems and methods for resource management thereof | |
CN112445623A (zh) | 多集群管理方法、装置、电子设备及存储介质 | |
CN108833592A (zh) | 云主机调度器优化方法、装置、设备及存储介质 | |
CN114490086A (zh) | 资源动态调整方法、装置、电子设备、介质和程序产品 | |
US20210217083A1 (en) | Method and system for optimizing resource redistribution | |
CN113791890B (zh) | 容器分配方法及装置、电子设备、存储介质 | |
CN116610731B (zh) | 一种大数据分布式存储方法、装置、电子设备及存储介质 | |
Guo et al. | Multi-objective optimization for data placement strategy in cloud computing | |
CN112988383A (zh) | 一种资源分配方法、装置、设备以及存储介质 | |
CN114817408B (zh) | 调度资源识别方法、装置、电子设备及存储介质 | |
CN107589980A (zh) | 一种云计算资源的调度方法 | |
CN115827179B (zh) | 一种物理机设备的算力调度方法、装置、设备及存储介质 | |
CN114743003B (zh) | 基于图像分类的因果解释方法、装置、设备及存储介质 | |
CN116089367A (zh) | 动态分桶方法、装置、电子设备和介质 | |
Li et al. | Dynamic data replacement and adaptive scheduling policies in spark | |
CN113407322B (zh) | 多终端的任务分配方法、装置、电子设备及可读存储介质 | |
CN113435746B (zh) | 用户工作量的评分方法、装置、电子设备及存储介质 | |
CN111652741B (zh) | 用户偏好分析方法、装置及可读存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230825 |