CN116708445A - 边缘计算任务的分配方法、配电网系统、装置及存储介质 - Google Patents
边缘计算任务的分配方法、配电网系统、装置及存储介质 Download PDFInfo
- Publication number
- CN116708445A CN116708445A CN202310990227.4A CN202310990227A CN116708445A CN 116708445 A CN116708445 A CN 116708445A CN 202310990227 A CN202310990227 A CN 202310990227A CN 116708445 A CN116708445 A CN 116708445A
- Authority
- CN
- China
- Prior art keywords
- task
- data
- task data
- target
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 44
- 238000001514 detection method Methods 0.000 claims description 29
- 230000005540 biological transmission Effects 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004146 energy storage Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- 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
-
- 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
-
- 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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种边缘计算任务的分配方法、配电网系统、装置及存储介质。该方法包括:获取端侧终端设备的任务数据,并确定任务数据的任务信息和任务优先级;根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;若根据任务卸载权重值确定任务数据需要被卸载,则确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。通过本申请,解决了相关技术中边缘计算算力不足时,对应的终端设备上传任务的处理效率较低的问题。
Description
技术领域
本申请涉及边缘计算技术领域,具体而言,涉及一种边缘计算任务的分配方法、配电网系统、装置及存储介质。
背景技术
现有配电网云-边-端协同需要对云、边、端各层的通信、计算、能量、存储等多维异构资源进行智能协同调度。然而,传统集中式智能资源调度算法存在通信成本高、计算复杂度大,在边缘设备自身算力资源不足以满足端设备上传任务的算力需求时,分布式智能资源调度算法难以充分融合全局信息,使得任务数据的卸载无法实现高效决策,进一步降低了对任务数据的处理效率。
针对相关技术中边缘计算算力不足时,对应的终端设备上传任务的处理效率较低的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种边缘计算任务的分配方法、配电网系统、装置及存储介质,以解决相关技术中边缘计算算力不足时,对应的终端设备上传任务的处理效率较低的问题。
为了实现上述目的,根据本申请的第一方面,提供了一种边缘计算任务的分配方法。该方法包括:获取端侧终端设备的任务数据,并确定任务数据的任务信息和任务优先级;根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;若根据任务卸载权重值确定任务数据需要被卸载,则确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。
进一步地,根据任务优先级和任务信息确定任务数据的任务卸载权重值,包括:获取任务信息中的任务提交时间和任务实时指标;将任务优先级、任务提交时间和任务实时指标分别进行归一化处理,得到相应归一化任务数据;根据相应归一化任务数据与目标约束函数构建卸载优先级模型,其中,目标约束函数是通过任务数据的质量指标确定的;根据卸载优先级模型确定任务卸载权重值。
进一步地,在获取端侧终端设备的任务数据之后,方法还包括:对任务数据进行资源匹配计算,得到任务数据的资源匹配度,以便根据资源匹配度和任务卸载权重值判断任务数据是否需要被卸载。
进一步地,对任务数据进行资源匹配计算,包括:确定任务数据的数据传输时间和任务执行时间;对数据传输时间与任务执行时间之和进行归一化处理,得到任务数据的资源匹配度。
进一步地,数据传输时间根据任务数据的数据量以及端侧终端设备与当前边缘终端设备之间的通信有效带宽确定,任务执行时间根据任务数据的算力需求量和当前边缘终端设备的剩余算力确定。
进一步地,根据资源匹配度和任务卸载权重值判断任务数据是否需要被卸载,包括:在根据资源匹配度确定当前边缘终端设备的剩余算力不满足任务数据的算力需求的情况下,如果任务卸载权重值大于等于预设阈值,则确定任务数据需要被卸载,并将任务数据存储到任务卸载队列。
进一步地,在根据资源匹配度和任务卸载权重值确定任务数据不需要被卸载的情况下,方法还包括:将任务数据存储到本地计算队列,以便当前边缘终端设备处理。
进一步地,确定当前边缘终端设备的设备利用率信息,包括:将自身设备利用率发送给云主站,以便云主站根据各边缘终端设备的利用率和负载情况确定每个边缘终端设备的设备利用率信息;接收云主站下发的设备利用率信息。
进一步地,根据设备利用率信息确定目标卸载设备,包括:在根据设备利用率信息确定其他边缘终端设备中存在至少一个第一目标设备的情况下,将剩余算力最大的第一目标设备作为目标卸载设备,其中,第一目标设备的剩余算力满足任务数据的算力需求;在根据设备利用率信息确定其他边缘终端设备中没有第一目标设备的情况下,将云主站作为目标卸载设备。
进一步地,在获取端侧终端设备的任务数据之后,方法还包括:对任务数据进行处理,得到任务处理结果;根据任务处理结果数据确定端侧终端设备的运行状态指标;对运行状态指标中是否存在异常指标数据进行检测,得到检测结果;根据检测结果确定对端侧终端设备执行目标策略。
进一步地,根据检测结果确定对端侧终端设备执行目标策略,包括:若检测结果指示运行状态指标中存在异常指标数据,则触发对端侧终端设备的故障预警指令,并根据故障预警指令从端侧终端设备中获取故障数据,以及对故障数据进行分析;若检测结果指示运行状态指标中不存在异常指标数据,则确定端侧终端设备中与运行状态指标对应的数据采集节点,并将数据采集节点设置为休眠状态。
为了实现上述目的,根据本申请的第二方面,提供了一种配电网系统。该系统包括:云主站、多个端侧终端设备、多个边缘终端设备,其中,边缘终端设备,用于获取多个端侧终端设备中相应端侧设备的任务数据,并确定任务数据的任务信息和任务优先级,以及根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;边缘终端设备,还用于在根据任务卸载权重值确定任务数据需要被卸载的情况下,通过与云主站进行信息交互,以确定自身的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:多个边缘终端设备中的其他边缘终端设备、云主站。
为了实现上述目的,根据本申请的第三方面,提供了一种边缘计算任务的分配装置,应用于边缘终端设备,分配装置包括:获取单元,用于获取端侧终端设备的任务数据;第一确定单元,用于确定任务数据的任务信息和任务优先级,并根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;卸载单元,用于在根据任务卸载权重值确定任务数据需要被卸载的情况下,确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。
根据本申请实施例的第四方面,提供了一种边缘终端设备,包括:处理器;以及存储器,存储器上存储有计算机可读指令,计算机可读指令被处理器执行时实现上述任意一项的边缘计算任务的分配方法。
根据本申请实施例的第五方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现根据上述任意一项的边缘计算任务的分配方法。
通过本申请,采用以下步骤:获取端侧终端设备的任务数据,并确定任务数据的任务信息和任务优先级;根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;若根据任务卸载权重值确定任务数据需要被卸载,则确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。通过本申请,解决了相关技术中边缘计算算力不足时,对应的终端设备上传任务的处理效率较低的问题,通过根据设备利用率信息确定目标卸载设备,将任务数据卸载至目标卸载设备,进而达到了提升了对应的端设备上传任务的处理效率的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的边缘计算任务的分配方法的流程图;
图2是根据本申请实施例提供的边缘计算任务的云边端控制机制的示意图;
图3是根据本申请实施例提供的配电网系统的示意图;
图4是根据本申请实施例提供的边缘计算任务的云边端网络结构的示意图;
图5是根据本申请实施例提供的边缘计算任务的分配装置的示意图;
图6是根据本申请实施例提供的边缘终端设备的网络架构示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请的实施例,提供了一种边缘计算任务的分配方法。
图1是根据本申请实施例的边缘计算任务的分配方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,应用于边缘终端设备,包括:获取端侧终端设备的任务数据,并确定任务数据的任务信息和任务优先级。
具体的,边缘终端设备可以包括边缘智能网关设备、智能融合终端等,具备低能耗、低时延、高速读写等特性,可满足电力业务对实时性、高可靠性的需求,端侧终端设备的任务数据可以来源于分布式能源数据、负载数据、储能数据,任务信息可以是任务提交时间和任务实时指标,任务优先级可以是任务被边缘终端设备所执行的顺序优先级。
步骤S102,根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级。
其中,任务卸载权重越高,证明任务数据被卸载的优先级越高,也即任务数据优先被目标卸载设备所执行,本申请通过任务卸载权重的确定,将优先需要被卸载的任务卸载至目标卸载设备上执行,以实现边缘计算高效协同决策。
具体的,根据任务优先级和任务信息确定任务数据的任务卸载权重值,可以通过以下步骤实现:获取任务信息中的任务提交时间和任务实时指标;将任务优先级、任务提交时间和任务实时指标分别进行归一化处理,得到相应归一化任务数据;根据相应归一化任务数据与目标约束函数构建卸载优先级模型,其中,目标约束函数是通过任务数据的质量指标确定的;根据卸载优先级模型确定任务卸载权重值。
示例性的,端侧终端设备可以是终端设备A,该终端设备A上传多条任务数据至边缘终端设备,例如,任务数据可以是任务数据1、任务数据2、任务数据3,分别获取每个任务数据对应的将任务优先级a、任务实时性指标b和任务提交时间Ts进行归一化处理,并且根据端侧数据任务的QoS(服务质量指标)要求与QoE(体验质量指标)要求,建立任务质量约束函数F,最后构建的卸载优先级模型可以通过以下公式表示:
Y=Normalize(a)+ Normalize(b)+Normalize(Ts)+ Normalize(F)。其中,卸载优先级越高的任务,越容易被卸载到其他设备上。
根据上述得到的卸载优先级模型可以对每个任务数据的任务卸载权重值进行预测,且本申请通过对任务卸载权重的预测,将优先需要被卸载的任务卸载至目标卸载设备上执行,以实现边缘计算高效协同决策。
为了评估边缘终端设备对任务数据的接收能力,以提升对任务数据的高效处理,在获取端侧终端设备的任务数据之后,方法还包括:对任务数据进行资源匹配计算,得到任务数据的资源匹配度,以便根据资源匹配度和任务卸载权重值判断任务数据是否需要被卸载。
示例性的,边缘终端设备可以包括设备A、设备B、设备C,分别计算任务数据与每个边缘终端设备的资源匹配度,其中,资源匹配度可以评估边缘终端设备对任务数据的接收能力,若设备剩余算力资源不能满足任务需求时,该数据任务无法在该设备执行,两者匹配度为0,此时需将任务数据卸载至其他边缘设备或者云平台,本申请通过资源匹配度的确定,能够有效评估任务数据是否需要被卸载,进而实现边缘计算高效协同决策。
其中,对任务数据进行资源匹配计算,可以通过以下步骤实现:确定任务数据的数据传输时间和任务执行时间;对数据传输时间与任务执行时间之和进行归一化处理,得到任务数据的资源匹配度。
示例性的,Q表示边缘终端设备的算力总量,Pij表示第i个端侧设备上传的第j个任务的算力需求量,Dij表示该任务数据量,Cij表示端设备i上传数据j时的有效带宽。该任务总的执行时间可简化为任务执行时间Tp与数据传输时间Tc之和,T=Tp+Tc。其中,Tp=Pij/Q,Tc=Dij/Cij。对T进行归一化处理,可得资源适匹配度指标M=1-Normalize(T)。其中,M越大,表示任务数据的资源匹配度越高。
其中,数据传输时间根据任务数据的数据量以及端侧终端设备与当前边缘终端设备之间的通信有效带宽确定,任务执行时间根据任务数据的算力需求量和当前边缘终端设备的剩余算力确定。
示例性的,Dij表示该任务数据量,Cij表示端设备i上传数据j时的有效带宽,数据传输时间Tc可以为:Tc=Dij/Cij其中,任务执行时间Tp,若当前边缘终端设备的剩余算力充足,且该剩余算力给任务数据分配的算力能够满足任务数据的算力需求量时,任务执行时间Tp相对较短,也即该任务数据被执行的效率高,反之,当前边缘终端设备的剩余算力充足,且该剩余算力给任务数据分配的算力不能够满足任务数据的算力需求量时,任务执行时间Tp相对较长,也即该任务数据被执行的效率低。
在确定资源匹配度以及任务卸载权重值之后,根据资源匹配度和任务卸载权重值判断任务数据是否需要被卸载,可以通过以下步骤实现:在根据资源匹配度确定当前边缘终端设备的剩余算力不满足任务数据的算力需求的情况下,如果任务卸载权重值大于等于预设阈值,则确定任务数据需要被卸载,并将任务数据存储到任务卸载队列。
示例性的,若当前边缘终端设备A上存在数据任务1、数据任务2、数据任务3,其中,上述的任务数据对应于数据任务1,如果数据任务1的任务卸载权重值大于等于预设阈值,数据任务2以及数据任务3对应的任务卸载权重值小于预设阈值,则确定数据任务1在当前边缘终端设备A上的任务优先级低于数据任务2、数据任务3,也即,在当前边缘终端设备A算力不足时,数据任务1对应的任务数据优先被边缘设备卸载,并将任务数据存储至任务卸载队列。本申请通过对任务数据是否需要被卸载至其它设备的判断机制,进一步提升了对任务数据的执行效率。
其中,在根据资源匹配度和任务卸载权重值确定任务数据不需要被卸载的情况下,方法还包括:将任务数据存储到本地计算队列,以便当前边缘终端设备处理。
具体的,由于计算、能量资源有限,在确定任务数据不需要被卸载的情况下,通过设备本地缓存队列中的数据根据任务匹配程度分流决策,分别进入本地计算队列以便当前边缘终端设备处理,本申请通过本地计算队列和任务卸载队列,实现动态优化任务分流决策,进一步平衡了本地计算和任务卸载能耗、时延等成本,保障电力业务需求的同时降低终端能耗。
步骤S103,若根据任务卸载权重值确定任务数据需要被卸载,则确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。
其中,设备利用率信息可以表示代表当前边缘设备使用情况,例如图2所示,目标卸载设备包含两种情况,在边缘侧包括边缘设备卸载至边缘设备,在云主站一侧包括边缘设备卸载至云主站。
具体的,确定当前边缘终端设备的设备利用率信息,可以通过以下步骤得到:将自身设备利用率发送给云主站,以便云主站根据各边缘终端设备的利用率和负载情况确定每个边缘终端设备的设备利用率信息;接收云主站下发的设备利用率信息。
示例性的,根据当前边缘设备使用情况,建立设备利用率矩阵U,边缘侧设备定期将自身利用率信息发送至云主站,云主站配置负载均衡模块,通过计算各设备资源利用率的离散程度即方差σ确定任务分配的均衡度,设定利用率阈值,并向各边缘终端设备下发各个利用率高及各个利用率低的设备信息。本申请通过利用率和负载情况确定每个边缘终端设备的设备利用率信息,进一步使得各边缘侧设备在一定限度内合理分配任务。
其中,根据设备利用率信息确定目标卸载设备,可以通过以下步骤得到:在根据设备利用率信息确定其他边缘终端设备中存在至少一个第一目标设备的情况下,将剩余算力最大的第一目标设备作为目标卸载设备,其中,第一目标设备的剩余算力满足任务数据的算力需求;在根据设备利用率信息确定其他边缘终端设备中没有第一目标设备的情况下,将云主站作为目标卸载设备。
示例性的,若当前边缘终端设备A接收到云主站下发的其它边缘设备B、C、D的利用率信息,边缘设备B、C的利用率信息高于利用率阈值,边缘设备D的利用率信息低于利用率阈值,也即将边缘设备D的剩余算力最大,且边缘设备D的剩余算力满足任务数据的算力需求,并将边缘设备D作为本申请的目标卸载设备。
再例如,若边缘设备B、C、D的利用率信息都高于利用率阈值时,也即本申请中,根据设备利用率信息确定其他边缘终端设备中没有第一目标设备的情况下,则将任务数据卸载至云主站,本申请根据利用率信息确定将任务数据卸载至目标卸载设备中,以动态调配机制形式,进一步使得任务数据的执行效率提升。
可选地,在获取端侧终端设备的任务数据之后,方法还包括:对任务数据进行处理,得到任务处理结果;根据任务处理结果数据确定端侧终端设备的运行状态指标;对运行状态指标中是否存在异常指标数据进行检测,得到检测结果;根据检测结果确定对端侧终端设备执行目标策略。
具体的,通过根据任务结果数据确定端侧终端设备的运行状态指标,并对运行状态指标是否存在异常的检测机制,能够实时的对端侧终端设备进行维护与更新,提升数据处理效率。
其中,根据检测结果确定对端侧终端设备执行目标策略,可以通过以下步骤实现:若检测结果指示运行状态指标中存在异常指标数据,则触发对端侧终端设备的故障预警指令,并根据故障预警指令从端侧终端设备中获取故障数据,以及对故障数据进行分析;若检测结果指示运行状态指标中不存在异常指标数据,则确定端侧终端设备中与运行状态指标对应的数据采集节点,并将数据采集节点设置为休眠状态。
具体的,端侧终端设备在接收到边缘侧故障预警指令后,通过采集单元上传故障警报数据。接收并执行来自边缘终端设备的控制,实现对分类型分布式电源、储能设备和多元化负荷等接入元素的控制功能。
例如,如图2所示,本申请采用云边端分级监控机制,通过端侧配置两组采集单元及边端同交互,实现配电网内各节点设备的精准采集,在预测故障期,通过边缘终端设备对故障数据进行分析,在非预测故障期,对运行状态指标对应的数据采集单元B进行休眠,进一步有效节省能耗。
本申请实施例还提供了一种配电网系统,图3是本申请一种配电网系统的示意图,如图3所示,该系统包括:云主站301、多个端侧终端设备302、多个边缘终端设备303。
其中,边缘终端设备,用于获取多个端侧终端设备中相应端侧设备的任务数据,并确定任务数据的任务信息和任务优先级,以及根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;边缘终端设备,还用于在根据任务卸载权重值确定任务数据需要被卸载的情况下,通过与云主站进行信息交互,以确定自身的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:多个边缘终端设备中的其他边缘终端设备、云主站。
示例性的,如图4所示,边缘侧可以包括边缘智能网关设备、智能融合终端等,其具备低能耗、低时延、高速读写等特性,可满足电力业务对实时性、高可靠性的需求。通过汇聚端侧终端设备多个节点状态信息数据,实现信息集中处理和网络拓扑实时分析,通过综合分析多个节点的电气信息实时监控整个台区的运行状态。当预测或监测端侧有可能出现故障或异常状况,边缘侧向端侧发出故障预警指令,端侧上报故障警报数据,边缘装置及时分析判断故障或异常元件,根据故障结果制定相关动作策略,向相应的端侧智能终端发送跳/合开关控制指令,迅速切除故障或异常元件。
其中,端侧终端设备由智能监控设备、新型智能传感器、能源路由器/控制器等终端设备组成。安装于分布式光伏、储能设备、杆塔、开关柜、变压器、电动汽车充电桩、等多种电气设备上的传感器及采集终端分为两组,采集单元组A实现电流/电压、开关状态量等电力数据的周期化采集及上传,在接收到边缘侧故障预警指令后,采集单元组B上传故障警报数据。接收并执行来自边缘终端设备的控制指令,实现对分类型分布式电源、储能设备和多元化负荷等接入元素的控制功能。
综上,本申请实施例提供的边缘计算任务的分配方法,通过获取端侧终端设备的任务数据,并确定任务数据的任务信息和任务优先级;根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;若根据任务卸载权重值确定任务数据需要被卸载,则确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。通过本申请,解决了相关技术中边缘计算算力不足时,对应的终端设备上传任务的处理效率较低的问题,通过根据设备利用率信息确定目标卸载设备,将任务数据卸载至目标卸载设备,进而达到了提升了对应的端设备上传任务的处理效率的效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种边缘计算任务的分配装置,需要说明的是,本申请实施例的边缘计算任务的分配装置可以用于执行本申请实施例所提供的用于边缘计算任务的分配方法。以下对本申请实施例提供的边缘计算任务的分配装置进行介绍。
图5是根据本申请实施例的边缘计算任务的分配装置的示意图。如图5所示,该装置包括:获取单元501、第一确定单元502、卸载单元503。
具体的,获取单元501,用于获取端侧终端设备的任务数据;
第一确定单元502,用于确定任务数据的任务信息和任务优先级,并根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;
卸载单元503,用于在根据任务卸载权重值确定任务数据需要被卸载的情况下,确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,第一确定单元,包括:获取模块,用于获取任务信息中的任务提交时间和任务实时指标;第一处理模块,用于将任务优先级、任务提交时间和任务实时指标分别进行归一化处理,得到相应归一化任务数据;构建模块,用于根据相应归一化任务数据与目标约束函数构建卸载优先级模型,其中,目标约束函数是通过任务数据的质量指标确定的;第一确定模块,用于根据卸载优先级模型确定任务卸载权重值。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,在获取端侧终端设备的任务数据之后,装置还包括:计算单元,用于在获取端侧终端设备的任务数据之后,对任务数据进行资源匹配计算,得到任务数据的资源匹配度,以便根据资源匹配度和任务卸载权重值判断任务数据是否需要被卸载。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,计算单元,包括:第二确定模块,用于确定任务数据的数据传输时间和任务执行时间;第二处理模块,用于对数据传输时间与任务执行时间之和进行归一化处理,得到任务数据的资源匹配度。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,数据传输时间根据任务数据的数据量以及端侧终端设备与当前边缘终端设备之间的通信有效带宽确定,任务执行时间根据任务数据的算力需求量和当前边缘终端设备的剩余算力确定。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,计算单元,包括:第三确定模块,用于在根据资源匹配度确定当前边缘终端设备的剩余算力不满足任务数据的算力需求的情况下,如果任务卸载权重值大于等于预设阈值,则确定任务数据需要被卸载,并将任务数据存储到任务卸载队列。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,装置还包括:存储单元,用于在根据资源匹配度和任务卸载权重值确定任务数据不需要被卸载的情况下,将任务数据存储到本地计算队列,以便当前边缘终端设备处理。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,卸载单元,包括:发送模块,用于将自身设备利用率发送给云主站,以便云主站根据各边缘终端设备的利用率和负载情况确定每个边缘终端设备的设备利用率信息;接收模块,用于接收云主站下发的设备利用率信息。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,卸载单元,包括:第四确定模块,用于在根据设备利用率信息确定其他边缘终端设备中存在至少一个第一目标设备的情况下,将剩余算力最大的第一目标设备作为目标卸载设备,其中,第一目标设备的剩余算力满足任务数据的算力需求;第五确定模块,用于在根据设备利用率信息确定其他边缘终端设备中没有第一目标设备的情况下,将云主站作为目标卸载设备。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,装置还包括:处理单元,用于在获取端侧终端设备的任务数据之后,对任务数据进行处理,得到任务处理结果;第二确定单元,用于根据任务处理结果数据确定端侧终端设备的运行状态指标;检测单元,用于对运行状态指标中是否存在异常指标数据进行检测,得到检测结果;第三确定单元,用于根据检测结果确定对端侧终端设备执行目标策略。
可选地,在本申请实施例提供的边缘计算任务的分配装置中,第三确定单元,包括:触发模块,用于若检测结果指示运行状态指标中存在异常指标数据,则触发对端侧终端设备的故障预警指令,并根据故障预警指令从端侧终端设备中获取故障数据,以及对故障数据进行分析;第六确定模块,用于若检测结果指示运行状态指标中不存在异常指标数据,则确定端侧终端设备中与运行状态指标对应的数据采集节点,并将数据采集节点设置为休眠状态。
边缘计算任务的分配装置包括处理器和存储器,上述获取单元501、第一确定单元502、卸载单元503等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来进行边缘计算任务的分配。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
在本申请示例性实施方式中,还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本申请的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤,如,可以执行如下的步骤:获取端侧终端设备的任务数据,并确定任务数据的任务信息和任务优先级;根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;若根据任务卸载权重值确定任务数据需要被卸载,则确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。
在一种可选的实施方式中:获取任务信息中的任务提交时间和任务实时指标;将任务优先级、任务提交时间和任务实时指标分别进行归一化处理,得到相应归一化任务数据;根据相应归一化任务数据与目标约束函数构建卸载优先级模型,其中,目标约束函数是通过任务数据的质量指标确定的;根据卸载优先级模型确定任务卸载权重值。
在一种可选的实施方式中:对任务数据进行资源匹配计算,得到任务数据的资源匹配度,以便根据资源匹配度和任务卸载权重值判断任务数据是否需要被卸载。
在一种可选的实施方式中:确定任务数据的数据传输时间和任务执行时间;对数据传输时间与任务执行时间之和进行归一化处理,得到任务数据的资源匹配度。
在一种可选的实施方式中:数据传输时间根据任务数据的数据量以及端侧终端设备与当前边缘终端设备之间的通信有效带宽确定,任务执行时间根据任务数据的算力需求量和当前边缘终端设备的剩余算力确定。
在一种可选的实施方式中:在根据资源匹配度确定当前边缘终端设备的剩余算力不满足任务数据的算力需求的情况下,如果任务卸载权重值大于等于预设阈值,则确定任务数据需要被卸载,并将任务数据存储到任务卸载队列。
在一种可选的实施方式中:将任务数据存储到本地计算队列,以便当前边缘终端设备处理。
在一种可选的实施方式中:将自身设备利用率发送给云主站,以便云主站根据各边缘终端设备的利用率和负载情况确定每个边缘终端设备的设备利用率信息;接收云主站下发的设备利用率信息。
在一种可选的实施方式中:在根据设备利用率信息确定其他边缘终端设备中存在至少一个第一目标设备的情况下,将剩余算力最大的第一目标设备作为目标卸载设备,其中,第一目标设备的剩余算力满足任务数据的算力需求;在根据设备利用率信息确定其他边缘终端设备中没有第一目标设备的情况下,将云主站作为目标卸载设备。
在一种可选的实施方式中:对任务数据进行处理,得到任务处理结果;根据任务处理结果数据确定端侧终端设备的运行状态指标;对运行状态指标中是否存在异常指标数据进行检测,得到检测结果;根据检测结果确定对端侧终端设备执行目标策略。
在一种可选的实施方式中:若检测结果指示运行状态指标中存在异常指标数据,则触发对端侧终端设备的故障预警指令,并根据故障预警指令从端侧终端设备中获取故障数据,以及对故障数据进行分析;若检测结果指示运行状态指标中不存在异常指标数据,则确定端侧终端设备中与运行状态指标对应的数据采集节点,并将数据采集节点设置为休眠状态。
在一种可选的实施方式中,本申请的实施方式还可以包括一种用于实现上述方法的程序产品,该程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,在本申请的示例性实施例中,还提供了一种能够实现上述方法的边缘终端设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本申请的这种实施方式的边缘终端设备600。图6显示的边缘终端设备600仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,边缘终端设备600以通用计算设备的形式表现。边缘终端设备600的组件可以包括但不限于:上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630以及显示单元640。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。例如,处理单元610可以执行如下所示的步骤:获取端侧终端设备的任务数据,并确定任务数据的任务信息和任务优先级;根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;若根据任务卸载权重值确定任务数据需要被卸载,则确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。
在一种可选的实施方式中:获取任务信息中的任务提交时间和任务实时指标;将任务优先级、任务提交时间和任务实时指标分别进行归一化处理,得到相应归一化任务数据;根据相应归一化任务数据与目标约束函数构建卸载优先级模型,其中,目标约束函数是通过任务数据的质量指标确定的;根据卸载优先级模型确定任务卸载权重值。
在一种可选的实施方式中:对任务数据进行资源匹配计算,得到任务数据的资源匹配度,以便根据资源匹配度和任务卸载权重值判断任务数据是否需要被卸载。
在一种可选的实施方式中:确定任务数据的数据传输时间和任务执行时间;对数据传输时间与任务执行时间之和进行归一化处理,得到任务数据的资源匹配度。
在一种可选的实施方式中:数据传输时间根据任务数据的数据量以及端侧终端设备与当前边缘终端设备之间的通信有效带宽确定,任务执行时间根据任务数据的算力需求量和当前边缘终端设备的剩余算力确定。
在一种可选的实施方式中:在根据资源匹配度确定当前边缘终端设备的剩余算力不满足任务数据的算力需求的情况下,如果任务卸载权重值大于等于预设阈值,则确定任务数据需要被卸载,并将任务数据存储到任务卸载队列。
在一种可选的实施方式中:将任务数据存储到本地计算队列,以便当前边缘终端设备处理。
在一种可选的实施方式中:将自身设备利用率发送给云主站,以便云主站根据各边缘终端设备的利用率和负载情况确定每个边缘终端设备的设备利用率信息;接收云主站下发的设备利用率信息。
在一种可选的实施方式中:在根据设备利用率信息确定其他边缘终端设备中存在至少一个第一目标设备的情况下,将剩余算力最大的第一目标设备作为目标卸载设备,其中,第一目标设备的剩余算力满足任务数据的算力需求;在根据设备利用率信息确定其他边缘终端设备中没有第一目标设备的情况下,将云主站作为目标卸载设备。
在一种可选的实施方式中:对任务数据进行处理,得到任务处理结果;根据任务处理结果数据确定端侧终端设备的运行状态指标;对运行状态指标中是否存在异常指标数据进行检测,得到检测结果;根据检测结果确定对端侧终端设备执行目标策略。
在一种可选的实施方式中:若检测结果指示运行状态指标中存在异常指标数据,则触发对端侧终端设备的故障预警指令,并根据故障预警指令从端侧终端设备中获取故障数据,以及对故障数据进行分析;若检测结果指示运行状态指标中不存在异常指标数据,则确定端侧终端设备中与运行状态指标对应的数据采集节点,并将数据采集节点设置为休眠状态。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
边缘终端设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该边缘终端设备600交互的设备通信,和/或与使得该边缘终端设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,边缘终端设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器660通过总线630与边缘终端设备600的其它模块通信。应当明白,尽管图中未示出,可以结合边缘终端设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
此外,上述附图仅是根据本申请示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其他实施例。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求指出。
Claims (23)
1.一种边缘计算任务的分配方法,其特征在于,应用于边缘终端设备,所述方法包括:
获取端侧终端设备的任务数据,并确定所述任务数据的任务信息和任务优先级;
根据所述任务优先级和所述任务信息确定所述任务数据的任务卸载权重值,其中,所述任务卸载权重值用于评估所述任务数据被卸载的优先级;
若根据所述任务卸载权重值确定所述任务数据需要被卸载,则确定当前边缘终端设备的设备利用率信息,并根据所述设备利用率信息确定目标卸载设备,以便将所述任务数据卸载至所述目标卸载设备,其中,所述目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。
2.根据权利要求1所述的方法,其特征在于,根据所述任务优先级和所述任务信息确定所述任务数据的任务卸载权重值,包括:
获取所述任务信息中的任务提交时间和任务实时指标;
将所述任务优先级、所述任务提交时间和所述任务实时指标分别进行归一化处理,得到相应归一化任务数据;
根据相应归一化任务数据与目标约束函数构建卸载优先级模型,其中,所述目标约束函数是通过所述任务数据的质量指标确定的;
根据所述卸载优先级模型确定所述任务卸载权重值。
3.根据权利要求1或2所述的方法,其特征在于,在获取端侧终端设备的任务数据之后,所述方法还包括:
对所述任务数据进行资源匹配计算,得到所述任务数据的资源匹配度,以便根据所述资源匹配度和所述任务卸载权重值判断所述任务数据是否需要被卸载。
4.根据权利要求3所述的方法,其特征在于,对所述任务数据进行资源匹配计算,包括:
确定所述任务数据的数据传输时间和任务执行时间;
对所述数据传输时间与所述任务执行时间之和进行归一化处理,得到所述任务数据的资源匹配度。
5.根据权利要求4所述的方法,其特征在于,所述数据传输时间根据所述任务数据的数据量以及所述端侧终端设备与当前边缘终端设备之间的通信有效带宽确定,所述任务执行时间根据所述任务数据的算力需求量和当前边缘终端设备的剩余算力确定。
6.根据权利要求3所述的方法,其特征在于,根据所述资源匹配度和所述任务卸载权重值判断所述任务数据是否需要被卸载,包括:
在根据所述资源匹配度确定当前边缘终端设备的剩余算力不满足所述任务数据的算力需求的情况下,如果所述任务卸载权重值大于等于预设阈值,则确定所述任务数据需要被卸载,并将所述任务数据存储到任务卸载队列。
7.根据权利要求3所述的方法,其特征在于,在根据所述资源匹配度和所述任务卸载权重值确定所述任务数据不需要被卸载的情况下,所述方法还包括:
将所述任务数据存储到本地计算队列,以便当前边缘终端设备处理。
8.根据权利要求1所述的方法,其特征在于,确定当前边缘终端设备的设备利用率信息,包括:
将自身设备利用率发送给云主站,以便所述云主站根据各边缘终端设备的利用率和负载情况确定每个边缘终端设备的设备利用率信息;
接收所述云主站下发的设备利用率信息。
9.根据权利要求8所述的方法,其特征在于,根据所述设备利用率信息确定目标卸载设备,包括:
在根据所述设备利用率信息确定其他边缘终端设备中存在至少一个第一目标设备的情况下,将剩余算力最大的第一目标设备作为所述目标卸载设备,其中,所述第一目标设备的剩余算力满足所述任务数据的算力需求;
在根据所述设备利用率信息确定其他边缘终端设备中没有第一目标设备的情况下,将所述云主站作为所述目标卸载设备。
10.根据权利要求1所述的方法,其特征在于,在获取端侧终端设备的任务数据之后,所述方法还包括:
对所述任务数据进行处理,得到任务处理结果;
根据所述任务处理结果数据确定所述端侧终端设备的运行状态指标;
对所述运行状态指标中是否存在异常指标数据进行检测,得到检测结果;
根据所述检测结果确定对所述端侧终端设备执行目标策略。
11.根据权利要求10所述的方法,其特征在于,根据所述检测结果确定对所述端侧终端设备执行目标策略,包括:
若所述检测结果指示所述运行状态指标中存在异常指标数据,则触发对所述端侧终端设备的故障预警指令,并根据所述故障预警指令从所述端侧终端设备中获取故障数据,以及对所述故障数据进行分析;
若所述检测结果指示所述运行状态指标中不存在异常指标数据,则确定所述端侧终端设备中与所述运行状态指标对应的数据采集节点,并将所述数据采集节点设置为休眠状态。
12.一种配电网系统,其特征在于,包括:云主站、多个端侧终端设备、多个边缘终端设备,其中,
所述边缘终端设备,用于获取多个端侧终端设备中相应端侧设备的任务数据,并确定所述任务数据的任务信息和任务优先级,以及根据所述任务优先级和所述任务信息确定所述任务数据的任务卸载权重值,其中,所述任务卸载权重值用于评估所述任务数据被卸载的优先级;
所述边缘终端设备,还用于在根据所述任务卸载权重值确定所述任务数据需要被卸载的情况下,通过与所述云主站进行信息交互,以确定自身的设备利用率信息,并根据所述设备利用率信息确定目标卸载设备,以便将所述任务数据卸载至所述目标卸载设备,其中,所述目标卸载设备包括以下至少之一:多个边缘终端设备中的其他边缘终端设备、云主站。
13.一种边缘计算任务的分配装置,其特征在于,应用于边缘终端设备,所述分配装置包括:
获取单元,用于获取端侧终端设备的任务数据;
第一确定单元,用于确定所述任务数据的任务信息和任务优先级,并根据所述任务优先级和所述任务信息确定所述任务数据的任务卸载权重值,其中,所述任务卸载权重值用于评估所述任务数据被卸载的优先级;
卸载单元,用于在根据所述任务卸载权重值确定所述任务数据需要被卸载的情况下,确定当前边缘终端设备的设备利用率信息,并根据所述设备利用率信息确定目标卸载设备,以便将所述任务数据卸载至所述目标卸载设备,其中,所述目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。
14.根据权利要求13所述的装置,其特征在于,所述第一确定单元,包括:
获取模块,用于获取所述任务信息中的任务提交时间和任务实时指标;
第一处理模块,用于将所述任务优先级、所述任务提交时间和所述任务实时指标分别进行归一化处理,得到相应归一化任务数据;
构建模块,用于根据相应归一化任务数据与目标约束函数构建卸载优先级模型,其中,所述目标约束函数是通过所述任务数据的质量指标确定的;
第一确定模块,用于根据所述卸载优先级模型确定所述任务卸载权重值。
15.根据权利要求13或14所述的装置,其特征在于,所述装置还包括:
计算单元,用于在获取端侧终端设备的任务数据之后,对所述任务数据进行资源匹配计算,得到所述任务数据的资源匹配度,以便根据所述资源匹配度和所述任务卸载权重值判断所述任务数据是否需要被卸载。
16.根据权利要求15所述的装置,其特征在于,所述计算单元,包括:
第二确定模块,用于确定所述任务数据的数据传输时间和任务执行时间;
第二处理模块,用于对所述数据传输时间与所述任务执行时间之和进行归一化处理,得到所述任务数据的资源匹配度。
17.根据权利要求16所述的装置,其特征在于,所述数据传输时间根据所述任务数据的数据量以及所述端侧终端设备与当前边缘终端设备之间的通信有效带宽确定,所述任务执行时间根据所述任务数据的算力需求量和当前边缘终端设备的剩余算力确定。
18.根据权利要求15所述的装置,其特征在于,所述计算单元,包括:
第三确定模块,用于在根据所述资源匹配度确定当前边缘终端设备的剩余算力不满足所述任务数据的算力需求的情况下,如果所述任务卸载权重值大于等于预设阈值,则确定所述任务数据需要被卸载,并将所述任务数据存储到任务卸载队列。
19.根据权利要求15所述的装置,其特征在于,所述装置还包括:
存储单元,用于在根据所述资源匹配度和所述任务卸载权重值确定所述任务数据不需要被卸载的情况下,将所述任务数据存储到本地计算队列,以便当前边缘终端设备处理。
20.根据权利要求13所述的装置,其特征在于,所述卸载单元,包括:
发送模块,用于将自身设备利用率发送给云主站,以便所述云主站根据各边缘终端设备的利用率和负载情况确定每个边缘终端设备的设备利用率信息;
接收模块,用于接收所述云主站下发的设备利用率信息。
21.根据权利要求20所述的装置,其特征在于,所述卸载单元,包括:
第四确定模块,用于在根据所述设备利用率信息确定其他边缘终端设备中存在至少一个第一目标设备的情况下,将剩余算力最大的第一目标设备作为所述目标卸载设备,其中,所述第一目标设备的剩余算力满足所述任务数据的算力需求;
第五确定模块,用于在根据所述设备利用率信息确定其他边缘终端设备中没有第一目标设备的情况下,将所述云主站作为所述目标卸载设备。
22.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序被处理器执行时,执行权利要求1至11中任意一项所述的边缘计算任务的分配方法。
23.一种边缘终端设备,其特征在于,包括:一个或多个处理器,存储器,显示装置以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行权利要求1至11中任意一项所述的边缘计算任务的分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990227.4A CN116708445B (zh) | 2023-08-08 | 2023-08-08 | 边缘计算任务的分配方法、配电网系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990227.4A CN116708445B (zh) | 2023-08-08 | 2023-08-08 | 边缘计算任务的分配方法、配电网系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116708445A true CN116708445A (zh) | 2023-09-05 |
CN116708445B CN116708445B (zh) | 2024-05-28 |
Family
ID=87834308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310990227.4A Active CN116708445B (zh) | 2023-08-08 | 2023-08-08 | 边缘计算任务的分配方法、配电网系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116708445B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905470A (zh) * | 2019-02-18 | 2019-06-18 | 南京邮电大学 | 一种基于边缘网关系统的开销优化任务调度方法 |
CN111262906A (zh) * | 2020-01-08 | 2020-06-09 | 中山大学 | 分布式边缘计算服务系统下的移动用户终端任务卸载方法 |
CN113645273A (zh) * | 2021-07-06 | 2021-11-12 | 南京邮电大学 | 基于业务优先级的车联网任务卸载方法 |
US20220028185A1 (en) * | 2020-07-27 | 2022-01-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for improving task offload scheduling in an edge-computing environment |
CN114595049A (zh) * | 2022-03-15 | 2022-06-07 | 国网智能电网研究院有限公司 | 一种云边协同任务调度方法及装置 |
CN115562824A (zh) * | 2022-09-22 | 2023-01-03 | 国网冀北电力有限公司张家口供电公司 | 一种算力资源协同调度系统、方法、装置及存储介质 |
CN116541106A (zh) * | 2023-07-06 | 2023-08-04 | 闽南理工学院 | 计算任务卸载方法、计算设备及存储介质 |
-
2023
- 2023-08-08 CN CN202310990227.4A patent/CN116708445B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905470A (zh) * | 2019-02-18 | 2019-06-18 | 南京邮电大学 | 一种基于边缘网关系统的开销优化任务调度方法 |
CN111262906A (zh) * | 2020-01-08 | 2020-06-09 | 中山大学 | 分布式边缘计算服务系统下的移动用户终端任务卸载方法 |
US20220028185A1 (en) * | 2020-07-27 | 2022-01-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for improving task offload scheduling in an edge-computing environment |
CN113645273A (zh) * | 2021-07-06 | 2021-11-12 | 南京邮电大学 | 基于业务优先级的车联网任务卸载方法 |
CN114595049A (zh) * | 2022-03-15 | 2022-06-07 | 国网智能电网研究院有限公司 | 一种云边协同任务调度方法及装置 |
CN115562824A (zh) * | 2022-09-22 | 2023-01-03 | 国网冀北电力有限公司张家口供电公司 | 一种算力资源协同调度系统、方法、装置及存储介质 |
CN116541106A (zh) * | 2023-07-06 | 2023-08-04 | 闽南理工学院 | 计算任务卸载方法、计算设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116708445B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102111337B (zh) | 任务调度方法和系统 | |
US9432794B2 (en) | Techniques for mobility-aware dynamic service placement in mobile clouds | |
CN109324875B (zh) | 一种基于强化学习的数据中心服务器功耗管理与优化方法 | |
US20210042578A1 (en) | Feature engineering orchestration method and apparatus | |
Bashar | Autonomic scaling of cloud computing resources using BN-based prediction models | |
CN112261120B (zh) | 一种配电物联网云边协同任务卸载方法及装置 | |
Liu et al. | Workload forecasting based elastic resource management in edge cloud | |
CN115794407A (zh) | 计算资源分配方法、装置、电子设备及非易失性存储介质 | |
Brzoza-Woch et al. | Holistic approach to urgent computing for flood decision support | |
CN110875838B (zh) | 一种资源部署方法、装置和存储介质 | |
CN115016923A (zh) | 基于边缘网关的物联网数据智能处理方法 | |
Tekiyehband et al. | An efficient dynamic service provisioning mechanism in fog computing environment: A learning automata approach | |
CN116302469A (zh) | 一种任务处理的方法和装置 | |
CN108897673B (zh) | 系统容量评估方法与装置 | |
CN116708445B (zh) | 边缘计算任务的分配方法、配电网系统、装置及存储介质 | |
CN117014389A (zh) | 算网资源配置方法及系统、电子设备、存储介质 | |
CN116109058A (zh) | 一种基于深度强化学习的变电站巡视管理方法和装置 | |
CN115168042A (zh) | 监控集群的管理方法及装置、计算机存储介质、电子设备 | |
CN115080363A (zh) | 一种基于业务日志的系统容量评估方法及装置 | |
CN114683908B (zh) | 换电站的换电能力评估方法、系统、电子设备和介质 | |
CN114741200A (zh) | 面向数据中台的计算资源分配方法、装置及电子设备 | |
CN113760541A (zh) | 边缘资源分配的方法及装置 | |
Okonor et al. | Intelligent agent-based technique for virtual machine resource allocation for energy-efficient cloud data centre | |
CN112288506B (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN116881106B (zh) | 业务系统容量运营分析管理方法、装置、存储介质及设备 |
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 |