CN116841754B - 一种低轨卫星边缘计算服务系统及方法 - Google Patents
一种低轨卫星边缘计算服务系统及方法 Download PDFInfo
- Publication number
- CN116841754B CN116841754B CN202311115815.XA CN202311115815A CN116841754B CN 116841754 B CN116841754 B CN 116841754B CN 202311115815 A CN202311115815 A CN 202311115815A CN 116841754 B CN116841754 B CN 116841754B
- Authority
- CN
- China
- Prior art keywords
- edge computing
- computing node
- target
- data
- node
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 130
- 238000012545 processing Methods 0.000 claims abstract description 87
- 238000012163 sequencing technique Methods 0.000 claims description 17
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 abstract description 17
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18513—Transmission in a satellite or space-based system
-
- 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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Environmental Sciences (AREA)
- Atmospheric Sciences (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种低轨卫星边缘计算服务系统及方法,通过对目标卫星的传感信息进行聚类后进行数据提取得到目标待计算传感数据后,将目标待计算传感数据根据其属性信息分配到对应的边缘计算节点;通过各个边缘计算节点的目标待计算传感数据的数据量确定出待卸载边缘计算节点;进而根据待卸载边缘计算节点与所有边缘计算节点的拓扑距离及所有边缘计算节点的属性信息进行获取目标装载边缘计算节点;进而将待卸载边缘计算节点中的超容数据量对应的数据卸载后装载至目标装载边缘计算节点;最终对各个边缘计算节点执行边缘计算任务从而得到目标数据,提高目标卫星的数据处理效率。
Description
技术领域
本发明涉及边缘计算领域,尤其涉及一种低轨卫星边缘计算服务系统及方法。
背景技术
随着时代的进步和科技的发展,云数据中心的使用率剧增,传统低轨卫星通信系统受限于云数据中心距离远的约束,在进行获取数据与计算过程中导致响应迟滞等问题;低轨卫星对装载的传感数据往往无法及时计算从而得到目标数据,进而对科研工作及人们正常生活带来极大不便;
举例来说,如图7所示,气象卫星通过接收红外卫星云图、可见光卫星云图等云图信息,发送至云数据中心后通过运算得到气象预警信息;在气象卫星进行接收、发送、运算过程中,会因为网络原因、距离原因等的影响,导致气象预警信息运算迟缓;因此,如何使低轨卫星计算效率提升,从而保障在获取初始数据的最短时间内计算得到低轨卫星的目标数据是一项亟待解决的严重问题。
发明内容
本发明的目的在于提供一种低轨卫星边缘计算服务系统及方法,解决了现有技术中指出的上述技术问题。
本发明提供了一种低轨卫星边缘计算服务系统,包括特征获取模块、数据提取模块、边缘计算模块;
其中,所述特征获取模块,用于对目标卫星的传感信息进行聚类分析,得到传感信息对应的待计算传感特征信息;
所述数据提取模块,用于基于所述待计算传感特征信息提取所述目标卫星中目标待计算传感数据;
所述边缘计算模块,用于根据所述目标待计算传感数据以及传感信息的属性信息,通过边缘计算获取得到所述目标卫星的目标数据。
较佳的,所述边缘计算模块,包括属性获取子模块、数据分配子模块、待卸载边缘计算节点获取子模块、目标装载边缘计算节点获取子模块、装载子模块、计算子模块;
所述属性获取子模块,用于基于所述目标待计算传感数据,获取各个所述目标待计算传感数据的属性信息;
所述目标待计算传感数据的属性信息包括目标待计算传感数据的数据类型;
所述数据分配子模块,用于根据所述目标待计算传感数据的属性信息及所述目标卫星中的边缘计算节点对应的属性信息,将所述目标待计算传感数据进行分配至对应的所述边缘计算节点;
所述边缘计算节点对应的属性信息包括边缘计算节点对应的数据计算类型、边缘计算节点的数据量最大阈值;
所述待卸载边缘计算节点获取子模块,用于根据各个所述边缘计算节点的目标待计算传感数据的数据量S1与预设的数据量最大阈值S获取待卸载边缘计算节点;
所述目标装载边缘计算节点获取子模块,用于根据各个边缘计算节点与当前待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,获取当前所述待卸载边缘计算节点对应的目标装载边缘计算节点;
所述装载子模块,用于根据判断所述待卸载边缘计算节点中的所述目标待计算传感数据是否可拆分的判断结果,计算获取当前所述待卸载边缘计算节点对应的超容数据量Sc;将所述超容数据量Sc对应的多个目标待计算传感数据发送至所述目标装载边缘计算节点;
所述计算子模块,用于在各个所述边缘计算节点上执行边缘计算任务,得到目标数据。
较佳的,所述目标装载边缘计算节点获取子模块具体实施中,还用于根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,计算获取各个所述边缘计算节点的排序评分值;
将所有所述边缘计算节点根据所述边缘计算节点的排序评分值从高到低进行排序,获取边缘计算节点评分序列集;
从所述边缘计算节点评分序列集中第一个边缘计算节点开始依次遍历所有边缘计算节点,获取当前所述边缘计算节点的剩余可容纳数据量S2;并计算获取所述待卸载边缘计算节点的超容数据量Sc;
根据判断所述超容数据量是否小于或等于所述剩余可容纳数据量S2的判断结果获取目标装载边缘计算节点。
较佳的,所述所述目标装载边缘计算节点获取子模块,还用于根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离,建立拓扑距离集合P={p1,p2,p3,...,pi};其中,pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;
获取各个所述边缘计算节点的数据处理权重值,基于所述数据处理权重值,构建节点权重集合W={w1,w2,w3,...,wi};其中,wi为第i个边缘计算节点的数据处理权重值;
获取各个所述边缘计算节点的计算带宽;根据所有所述计算带宽,构建计算带宽集合D={d1,d2,d3,...di};其中,di为第i个边缘计算节点的计算带宽;
根据所述计算带宽集合、所述拓扑距离集合以及所述节点权重集合,计算获取各个所述边缘计算节点的排序评分值。
较佳的,所述边缘计算节点的排序评分值的计算方式为:;
式中,Li为边缘计算节点的排序评分值;wi为边缘计算节点的数据处理权重值;pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;di为第i个边缘计算节点的计算带宽。
较佳的, 所述目标装载边缘计算节点获取子模块,还用于获取各个所述边缘计算节点的状态信息,基于各个所述边缘计算节点的状态信息,构建边缘计算节点状态集合K={k1,k2,k3,...kj};其中,kj为第j个边缘计算节点的状态信息;
所述边缘计算节点的状态信息包括边缘计算节点的负载等级、数据处理速率、可靠性等级;
对各个所述边缘计算节点的状态信息进行设置评估标准并进行归一化,得到各个所述状态信息对应的评分值;基于各个所述状态信息对应的评分值,构建边缘计算节点状态评分集合H={h1(xyz),h2(xyz),h3(xyz),...,hr(xyz)};
其中,hr(xyz)为第r个边缘计算节点的状态信息对应的评分值;
为各个所述边缘计算节点的状态信息设置权重系数,获取所述负载等级评分值对应的权重系数α、所述数据处理速率评分值对应的权重系数β、所述可靠性等级评分值对应的权重系数γ;
基于所述状态信息对应的评分值及所述权重系数计算各个所述边缘计算节点的数据处理权重值w。
相应地,本发明还提出了一种低轨卫星边缘计算服务方法,包括如下操作步骤:
对目标卫星的传感信息进行聚类分析,得到传感信息对应的待计算传感特征信息;
基于所述待计算传感特征信息提取所述目标卫星中目标待计算传感数据;
根据所述目标待计算传感数据以及传感信息的属性信息,通过边缘计算获取得到所述目标卫星的目标数据。
较佳的,所述根据所述目标待计算传感数据以及传感信息的属性信息,通过边缘计算获取得到所述目标卫星的目标数据,包括如下操作步骤:
基于所述目标待计算传感数据,获取各个所述目标待计算传感数据的属性信息;
所述目标待计算传感数据的属性信息包括目标待计算传感数据的数据类型;
根据所述目标待计算传感数据的属性信息及所述目标卫星中的边缘计算节点对应的属性信息,将所述目标待计算传感数据进行分配至对应的所述边缘计算节点;
所述边缘计算节点对应的属性信息包括边缘计算节点对应的数据计算类型、边缘计算节点的数据量最大阈值;
根据各个所述边缘计算节点的目标待计算传感数据的数据量S1与预设的数据量最大阈值S获取待卸载边缘计算节点;
根据各个边缘计算节点与当前待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,获取当前所述待卸载边缘计算节点对应的目标装载边缘计算节点;
根据判断所述待卸载边缘计算节点中的所述目标待计算传感数据是否可拆分的判断结果,计算获取当前所述待卸载边缘计算节点对应的超容数据量Sc;将所述超容数据量Sc对应的多个目标待计算传感数据发送至所述目标装载边缘计算节点;
在各个所述边缘计算节点上执行边缘计算任务,得到目标数据。
较佳的,所述根据各个所述边缘计算节点与当前所述待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,获取当前所述待卸载边缘计算节点对应的目标装载边缘计算节点,包括如下操作步骤:
根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,计算获取各个所述边缘计算节点的排序评分值;
将所有所述边缘计算节点根据所述边缘计算节点的排序评分值从高到低进行排序,获取边缘计算节点评分序列集;
从所述边缘计算节点评分序列集中第一个边缘计算节点开始依次遍历所有边缘计算节点,获取当前所述边缘计算节点的剩余可容纳数据量S2;并计算获取所述待卸载边缘计算节点的超容数据量Sc;
根据判断所述超容数据量是否小于或等于所述剩余可容纳数据量S2的判断结果获取目标装载边缘计算节点。
较佳的, 所述计算获取各个所述边缘计算节点的排序评分值,包括如下操作步骤:
根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离,建立拓扑距离集合P={p1,p2,p3,...,pi};其中,pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;
获取各个所述边缘计算节点的数据处理权重值,基于所述数据处理权重值,构建节点权重集合W={w1,w2,w3,...,wi};其中,wi为第i个边缘计算节点的数据处理权重值;
获取各个所述边缘计算节点的计算带宽;根据所有所述计算带宽,构建计算带宽集合D={d1,d2,d3,...di};其中,di为第i个边缘计算节点的计算带宽;
根据所述计算带宽集合、所述拓扑距离集合以及所述节点权重集合,计算获取各个所述边缘计算节点的排序评分值。
较佳的,所述边缘计算节点的排序评分值的计算方式为:;
式中,Li为边缘计算节点的排序评分值;wi为边缘计算节点的数据处理权重值;pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;di为第i个边缘计算节点的计算带宽。
较佳的,所述获取各个所述边缘计算节点的数据处理权重值,包括如下操作步骤:
获取各个所述边缘计算节点的状态信息,基于各个所述边缘计算节点的状态信息,构建边缘计算节点状态集合K={k1,k2,k3,...kj};其中,kj为第j个边缘计算节点的状态信息;
所述边缘计算节点的状态信息包括边缘计算节点的负载等级、数据处理速率、可靠性等级;
对各个所述边缘计算节点的状态信息进行设置评估标准并进行归一化,得到各个所述状态信息对应的评分值;基于各个所述状态信息对应的评分值,构建边缘计算节点状态评分集合H={h1(xyz),h2(xyz),h3(xyz),...,hr(xyz)};
其中,hr(xyz)为第r个边缘计算节点的状态信息对应的评分值;
为各个所述边缘计算节点的状态信息设置权重系数,获取所述负载等级评分值对应的权重系数α、所述数据处理速率评分值对应的权重系数β、所述可靠性等级评分值对应的权重系数γ;
基于所述状态信息对应的评分值及所述权重系数计算各个所述边缘计算节点的数据处理权重值w。
与现有技术相比,本发明实施例至少存在如下方面的技术优势:
分析本发明提供的上述一种低轨卫星边缘计算服务系统及方法可知,在具体应用时,通过对初始的目标卫星的传感信息进行聚类分析,得到传感信息对应的待计算传感特征信息;可将大量杂乱的数据进行聚类整合,提高数据处理效率;进一步对待计算传感特征信息提取目标卫星中目标待计算传感数据;保障数据可直接用于计算,降低服务器处理压力;进而根据目标待计算传感数据以及传感信息的属性信息,把目标待计算传感数据进行分配至对应的边缘计算节点;首先保障专属类型节点处理专属类型的目标待计算传感数据,可提高数据处理效率;进一步根据各个节点的目标待计算传感数据量进行判断得到待卸载边缘计算节点后计算得到目标装载边缘计算节点;通过目标装载边缘计算节点装载待卸载边缘计算节点上的超容数据量,保障最短时间内完成计算任务;
最终通过边缘计算获取得到目标卫星的目标数据,采用上述低轨卫星边缘计算服务方法可显著提高数据处理效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种低轨卫星边缘计算服务系统的整体架构示意图;
图2为本发明实施例二提供的一种低轨卫星边缘计算服务方法的操作步骤示意图;
图3为本发明实施例二提供的一种低轨卫星边缘计算服务方法中得到目标卫星的目标数据的操作步骤示意图;
图4为本发明实施例二提供的一种低轨卫星边缘计算服务方法的得到目标装载边缘计算节点的操作步骤示意图;
图5为本发明实施例二提供的一种低轨卫星边缘计算服务方法的计算获取排序评分值的操作步骤示意图;
图6为本发明实施例二提供的一种低轨卫星边缘计算服务方法的获取数据处理权重值的操作步骤示意图;
图7为现有技术中低轨卫星计算得到目标数据的模拟示意图;
图8为本发明实施例二提供的一种低轨卫星边缘计算服务方法的卸载及装载操作模拟示意图。
附图标记:特征获取模块10;数据提取模块20;边缘计算模块30;属性获取子模块31;数据分配子模块32;待卸载边缘计算节点获取子模块33;目标装载边缘计算节点获取子模块34;装载子模块35;计算子模块36。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
基于本发明中的实施例,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,都属于本发明保护的范围。
下面通过具体的实施例并结合附图对本发明做进一步的详细描述。
实施例一
如图1所示,本发明提出了一种低轨卫星边缘计算服务系统,包括特征获取模块10、数据提取模块20、边缘计算模块30;
其中,所述特征获取模块10,用于基于目标卫星中设置的数据传感器获取所述目标卫星的传感信息,并对所述传感信息进行聚类分析,确定所述传感信息对应的待计算传感特征信息;
所述数据提取模块20,用于基于所述待计算传感特征信息根据预先构建的数据提取模型,确定所述目标卫星中目标待计算传感数据;
所述边缘计算模块30,用于根据所述目标待计算传感数据以及传感信息的属性信息,通过边缘计算获取得到所述目标卫星的目标数据;
较佳的,所述边缘计算模块30,包括属性获取子模块31、数据分配子模块32、待卸载边缘计算节点获取子模块33、目标装载边缘计算节点获取子模块34、装载子模块35、计算子模块36;
其中,所述属性获取子模块31,用于基于所述目标待计算传感数据,获取各个所述目标待计算传感数据的属性信息;
所述目标待计算传感数据的属性信息包括目标待计算传感数据的数据类型;
所述数据分配子模块32,用于获取所述目标卫星中的边缘计算节点及所述边缘计算节点对应的属性信息;根据所述目标待计算传感数据的属性信息及所述边缘计算节点对应的属性信息,将所述目标待计算传感数据进行分配至对应的所述边缘计算节点;
所述边缘计算节点对应的属性信息包括边缘计算节点对应的数据计算类型、边缘计算节点的数据量最大阈值;
所述待卸载边缘计算节点获取子模块33,用于获取各个所述边缘计算节点的目标待计算传感数据的数据量S1;判断所述边缘计算节点中的目标待计算传感数据是否大于预设的数据量最大阈值S;若是,则确定所述边缘计算节点为待卸载边缘计算节点;
所述目标装载边缘计算节点获取子模块34,用于获取各个所述边缘计算节点与当前所述待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息;根据各个所述边缘计算节点与当前所述待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,获取当前所述待卸载边缘计算节点对应的目标装载边缘计算节点;
所述装载子模块35,用于判断所述待卸载边缘计算节点中的所述目标待计算传感数据是否可拆分;若是,则计算获取当前所述待卸载边缘计算节点对应的超容数据量Sc(若否,则直接将所述待卸载边缘计算节点中的所有所述目标待计算传感数据的数据量确定为超容数据量Sc);将所述超容数据量Sc对应的多个目标待计算传感数据发送至所述目标装载边缘计算节点;
所述超容数据量Sc的计算方式为:
Sc=S1-S;
式中,Sc为超容数据量;S1为待卸载边缘计算节点的目标待计算传感数据的数据量;S为数据量最大阈值;
所述计算子模块36,用于在各个所述边缘计算节点上执行边缘计算任务,得到目标数据。
较佳的,所述目标装载边缘计算节点获取子模块34,还用于根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,计算获取各个所述边缘计算节点的排序评分值;
将所有所述边缘计算节点根据所述边缘计算节点的排序评分值从高到低进行排序,获取边缘计算节点评分序列集;
从所述边缘计算节点评分序列集中第一个边缘计算节点开始依次遍历所有边缘计算节点,获取当前所述边缘计算节点的剩余可容纳数据量S2;并计算获取所述待卸载边缘计算节点的超容数据量Sc;
判断所述超容数据量是否小于或等于所述剩余可容纳数据量S2;若是,则确定第一个判断得到所述超容数据量小于或等于所述剩余可容纳数据量S2对应的所述边缘计算节点为目标装载边缘计算节点;
较佳的, 所述目标装载边缘计算节点获取子模块34,还用于根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离,建立拓扑距离集合P={p1,p2,p3,...,pi};其中,pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;
获取各个所述边缘计算节点的数据处理权重值,基于所述数据处理权重值,构建节点权重集合W={w1,w2,w3,...,wi};其中,wi为第i个边缘计算节点的数据处理权重值;
获取各个所述边缘计算节点的计算带宽;根据所有所述计算带宽,构建计算带宽集合D={d1,d2,d3,...di};其中,di为第i个边缘计算节点的计算带宽;
根据所述计算带宽集合、所述拓扑距离集合以及所述节点权重集合,计算获取各个所述边缘计算节点的排序评分值;
所述边缘计算节点的排序评分值的计算方式为:;
式中,Li为边缘计算节点的排序评分值;wi为边缘计算节点的数据处理权重值;pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;di为第i个边缘计算节点的计算带宽;
较佳的, 所述目标装载边缘计算节点获取子模块,还用于获取各个所述边缘计算节点的状态信息,基于各个所述边缘计算节点的状态信息,构建边缘计算节点状态集合K={k1,k2,k3,...kj};其中,kj为第j个边缘计算节点的状态信息;
所述边缘计算节点的状态信息包括边缘计算节点的负载等级、数据处理速率、可靠性等级;
对各个所述边缘计算节点的状态信息进行设置评估标准,并使用归一化方法将所有所述评分值映射在[0,1]范围内,得到各个所述状态信息对应的评分值;基于各个所述状态信息对应的评分值,构建边缘计算节点状态评分集合H={h1(xyz),h2(xyz),h3(xyz),...,hr(xyz)};
其中,hr(xyz)为第r个边缘计算节点的状态信息对应的评分值;
为各个所述边缘计算节点的状态信息设置权重系数,获取所述负载等级评分值对应的权重系数α、所述数据处理速率评分值对应的权重系数β、所述可靠性等级评分值对应的权重系数γ;
基于所述状态信息对应的评分值及所述权重系数计算各个所述边缘计算节点的数据处理权重值w;
所述边缘计算节点的数据处理权重值w的计算方式为:
w=α×x+β×y+γ×z;
式中,w为边缘计算节点的数据处理权重值w;α为负载等级评分值对应的权重系数;β为数据处理速率评分值对应的权重系数;γ为可靠性等级评分值对应的权重系数;x为边缘计算节点的负载等级评分值;y为边缘计算节点的数据处理速率评分值;z为边缘计算节点的可靠性等级评分值。
综上,本发明提供的上述一种低轨卫星边缘计算服务系统,通过特征获取模块基于目标卫星中设置的数据传感器获取目标卫星的传感信息,并对传感信息进行聚类分析,确定传感信息对应的待计算传感特征信息;将大量杂乱的数据进行聚类整合,提高数据处理效率;
进而利用数据提取模块基于待计算传感特征信息根据预先构建的数据提取模型,确定目标卫星中目标待计算传感数据;从大量数据中提取可直接用于计算的目标待计算传感数据,降低服务器处理压力;
进而利用属性获取子模块基于目标待计算传感数据,获取各个目标待计算传感数据的属性信息;与数据分配子模块获取目标卫星中的边缘计算节点及边缘计算节点对应的属性信息进行匹配;将目标待计算传感数据进行分配至对应的边缘计算节点;可保障专属类型节点处理专属类型的目标待计算传感数据,可提高数据处理效率;
进一步通过待卸载边缘计算节点获取子模块获取各个边缘计算节点的目标待计算传感数据的数据量S1进行判断得到待卸载边缘计算节点;
进一步通过目标装载边缘计算节点获取子模块根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息;并通过边缘计算节点的属性信息得到边缘计算节点的状态信息,利用边缘计算节点的状态信息进行动态调整边缘计算节点的权重值,可根据各个边缘计算节点的状态进行实时变化,从而保障最终进行确定目标装载边缘计算节点的结果更加精确;
进而利用拓扑距离、权重值以及计算带宽进行计算获取各个所述边缘计算节点的排序评分值;
进一步地将所有所述边缘计算节点根据所述边缘计算节点的排序评分值从高到低进行排序,获取边缘计算节点评分序列集后遍历边缘计算节点评分序列集,从边缘计算节点评分序列集中选取目标装载边缘计算节点;
进一步利用装载子模块将超容数据量Sc对应的多个目标待计算传感数据发送至目标装载边缘计算节点;
最终利用计算子模块在各个边缘计算节点上执行边缘计算任务,得到目标数据;保障待计算目标传感数据可被同一时间进行边缘计算得到目标数据,从而保障计算的效率,进而提高当前卫星的工作效率。
实施例二
如图2所示,相应地,本发明还提出了一种低轨卫星边缘计算服务方法,包括如下操作步骤:
步骤S10:基于目标卫星中设置的数据传感器获取所述目标卫星的传感信息,并对所述传感信息进行聚类分析,确定所述传感信息对应的待计算传感特征信息;
需要说明的是,上述本申请实施例所采用的技术方案,将大量杂乱的数据进行聚类整合,提高数据处理效率。
步骤S20:基于所述待计算传感特征信息根据预先构建的数据提取模型,确定所述目标卫星中目标待计算传感数据;
所述数据提取模型基于卷积神经网络模型构建,在构建所述卷积神经网络模型之后所述数据提取模型提取传感信息的特征,得到目标待计算传感数据;
需要说明的是,上述本申请实施例所采用的技术方案中的数据提取模型是预先构建完成的,是采用卷积神经网络进行构建,卷积神经网络可适应多维输入,并且特征提取能力强;利用卷积神经网络进行构建数据提取模型的方式为现有技术,本申请实施例不再赘述;
上述本申请实施例所采用的技术方案对待计算传感特征信息提取目标卫星中目标待计算传感数据;保障数据可直接用于计算,降低服务器处理压力;
步骤S30:根据所述目标待计算传感数据以及传感信息的属性信息,通过边缘计算获取得到所述目标卫星的目标数据;
需要说明的是,上述本申请实施例所采用的技术方案中,传感信息是指卫星上装载的传感器监测的原始传感器信息;
然而,目标待计算传感数据指的是当前卫星上装载的各个传感器初始获取的各个待计算传感特征信息通过预先构建的数据提取模型提取得到的各个可以直接用于计算的传感数据;
举例说明:通过卫星上装载的红外传感器,获取初始的待计算传感特征信息为红外光谱图,通过数据提取模型提取后得到可以直接进行计算的传感数据为红外光谱图上对应的多个温度值;
上述本申请实施例中的目标卫星的目标数据指的是基于目标待计算传感数据通过边缘计算后得到目标卫星最终的处理数据;
举例说明:基于目标卫星的目标待计算传感数据多个温度值,通过边缘计算后得到目标卫星最终的处理数据为气象信息。
上述本申请实施例所采用的技术方案,通过对初始的目标卫星的传感信息进行聚类分析,得到传感信息对应的待计算传感特征信息;可将大量杂乱的数据进行聚类整合,提高数据处理效率;进一步对待计算传感特征信息提取目标卫星中目标待计算传感数据;保障数据可直接用于计算,降低服务器处理压力;进而根据目标待计算传感数据以及传感信息的属性信息,把目标待计算传感数据进行分配至对应的边缘计算节点,首先保障专属类型节点处理专属类型的目标待计算传感数据,可提高数据处理效率;进一步根据各个节点的目标待计算传感数据量进行判断得到待卸载边缘计算节点后计算得到目标装载边缘计算节点;通过目标装载边缘计算节点装载待卸载边缘计算节点上的超容数据量,保障最短时间内完成计算任务;最终通过边缘计算获取得到目标卫星的目标数据,提高数据处理效率。
具体地,如图3所示,在步骤S30中,根据所述目标待计算传感数据以及传感信息的属性信息,通过边缘计算获取得到所述目标卫星的目标数据,包括如下操作步骤:
步骤S31:基于所述目标待计算传感数据,获取各个所述目标待计算传感数据的属性信息;
所述目标待计算传感数据的属性信息包括目标待计算传感数据的数据类型;
步骤S32:获取所述目标卫星中的边缘计算节点及所述边缘计算节点对应的属性信息;根据所述目标待计算传感数据的属性信息及所述边缘计算节点对应的属性信息,将所述目标待计算传感数据进行分配至对应的所述边缘计算节点;
所述边缘计算节点对应的属性信息包括边缘计算节点对应的数据计算类型、边缘计算节点的数据量最大阈值(即各个边缘计算节点预设的数据量最大阈值不同);
需要说明的是,上述本申请实施例所采用的技术方案,根据目标待计算传感数据以及传感信息的属性信息,把目标待计算传感数据进行分配至对应的边缘计算节点,可保障专属类型节点处理专属类型的目标待计算传感数据,可提高数据处理效率。
步骤S33:获取各个所述边缘计算节点的目标待计算传感数据的数据量S1;判断所述边缘计算节点中的目标待计算传感数据是否大于预设的数据量最大阈值S;若是,则确定所述边缘计算节点为待卸载边缘计算节点;
步骤S34:获取各个所述边缘计算节点与当前所述待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息;根据各个所述边缘计算节点与当前所述待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,获取当前所述待卸载边缘计算节点对应的目标装载边缘计算节点;
步骤S35:判断所述待卸载边缘计算节点中的所述目标待计算传感数据是否可拆分;若是,则计算获取当前所述待卸载边缘计算节点对应的超容数据量Sc(若否,则直接将所述待卸载边缘计算节点中的所有所述目标待计算传感数据的数据量确定为超容数据量Sc);将所述超容数据量Sc对应的多个目标待计算传感数据发送至所述目标装载边缘计算节点;
所述超容数据量Sc的计算方式为:
Sc=S1-S;
式中,Sc为超容数据量;S1为待卸载边缘计算节点的目标待计算传感数据的数据量;S为数据量最大阈值;
步骤S36:在各个所述边缘计算节点上执行边缘计算任务,得到目标数据。
需要说明的是,上述本申请实施例所采用的技术方案,通过待计算目标传感数据的属性信息及当前卫星上的各个边缘计算节点的属性信息,将各个待计算目标传感数据分配至与其属性相匹配的边缘计算节点上;各个边缘计算节点可进行计算相应的传感数据,本申请实施例所采用的技术方案可利用各个单一功能的边缘计算节点进行处理相应的传感数据,提高数据处理能力与速度;通过各个边缘计算节点上被分配的待计算目标传感数据的数据量与各个节点预设的数据量最大阈值进行对比,直接对各个边缘计算节点上被分配的待计算目标传感数据的数据量小于或等于预设的数据量最大阈值的待计算目标传感数据进行边缘计算从而得到目标数据;
而对于边缘计算节点上被分配的待计算目标传感数据的数据量大于预设的数据量最大阈值的待计算目标传感数据进行另一种处理方式,即首先将当前的边缘计算节点确定为待卸载边缘计算节点,因其加载的数据量过大,无法在第一时间对所有被分配的待计算目标传感数据进行边缘计算从而得到目标数据,会导致较大的时间差,从而影响计算效率,进而影响当前卫星的正常运行工作;
因此,需将当前边缘计算节点上的所有待计算目标传感数据进行卸载处理(至于是全部卸载还是部分卸载,则需要进一步的判断);进一步的判断当前待卸载边缘计算节点上的所有待计算目标传感数据是否可以被拆分,若是,则直接将当前待卸载边缘计算节点上超过预设的数据量最大阈值的数量的待计算目标传感数据进行卸载后分配至于当前待卸载边缘计算节点拓扑距离最近的边缘计算节点(此时的拓扑距离最近的边缘计算节点的选择需要进一步判断,详见后续内容)上,可保障当前待卸载边缘计算节点上的原有的待计算目标传感数据可被第一时间进行边缘计算得到目标数据,从而加快数据分析操作,进而提高当前卫星的工作效率;
进一步地,若判断当前待卸载边缘计算节点上的所有待计算目标传感数据不可以被拆分,则需要将当前待卸载边缘计算节点上的所有待计算目标传感数据全部进行卸载操作,并重新发送至与当前待卸载边缘计算节点拓扑距离最近的一个边缘计算节点上,保障当前的这些待计算目标传感数据可被同一时间进行边缘计算得到目标数据,从而保障计算的效率,进而提高当前卫星的工作效率;
举例说明:如图8所示,当前卫星有5个边缘计算节点,分别表示为边缘计算节点J1、边缘计算节点J2、边缘计算节点J3、边缘计算节点J4、边缘计算节点J5;
其中,边缘计算节点J1为待卸载边缘计算节点,边缘计算节点J1对应的目标装载边缘计算节点为边缘计算节点J2;边缘计算节点J3为待卸载边缘计算节点,边缘计算节点J3的目标装载边缘计算节点为边缘计算节点J4;边缘计算节点J5为正常运行边缘计算节点(即边缘计算节点J5的待计算目标传感数据的数据量大小小于或等于边缘计算节点J5的数据量最大阈值);
其中,边缘计算节点J1中的待计算目标传感数据可拆分,即拆分边缘计算节点J1中超容数据量对应的多个待计算目标传感数据装载到目标装载边缘计算节点(边缘计算节点J2)中;
边缘计算节点J3中的待计算目标传感数据不可拆分,即将边缘计算节点J3中所有待计算目标传感数据全部装载到目标装载边缘计算节点(边缘计算节点J4)中。
具体地,如图4所示,在步骤S34中,根据各个所述边缘计算节点与当前所述待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,获取当前所述待卸载边缘计算节点对应的目标装载边缘计算节点,包括如下操作步骤:
步骤S341:根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,计算获取各个所述边缘计算节点的排序评分值;
步骤S342:将所有所述边缘计算节点根据所述边缘计算节点的排序评分值从高到低进行排序,获取边缘计算节点评分序列集;
步骤S343:从所述边缘计算节点评分序列集中第一个边缘计算节点开始依次遍历所有边缘计算节点,获取当前所述边缘计算节点的剩余可容纳数据量S2;并计算获取所述待卸载边缘计算节点的超容数据量Sc;
步骤S344:判断所述超容数据量是否小于或等于所述剩余可容纳数据量S2;若是,则确定第一个判断得到所述超容数据量小于或等于所述剩余可容纳数据量S2对应的所述边缘计算节点为目标装载边缘计算节点;
具体地,如图5所示,在步骤S341中,计算获取各个所述边缘计算节点的排序评分值,包括如下操作步骤:
步骤S3411:根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离,建立拓扑距离集合P={p1,p2,p3,...,pi};其中,pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;
步骤S3412:获取各个所述边缘计算节点的数据处理权重值,基于所述数据处理权重值,构建节点权重集合W={w1,w2,w3,...,wi};其中,wi为第i个边缘计算节点的数据处理权重值;
需要说明的是,上述本申请实施例中的数据处理权重值是根据当前卫星上各个边缘计算节点的状态进行实时调整的,具体调整方式详见如下操作步骤S34121-步骤S34124。
步骤S3413:获取各个所述边缘计算节点的计算带宽;根据所有所述计算带宽,构建计算带宽集合D={d1,d2,d3,...di};其中,di为第i个边缘计算节点的计算带宽;
需要说明的是,上述本申请实施例中的计算带宽并不是带宽平均值也不是带宽实时数值,而指的是各个节点分别对应初始设置的最大带宽;最大带宽可用于表示处理数据的速率;同时,最大带宽可作为边缘计算节点排序的其中一个因素。
步骤S3414:根据所述计算带宽集合、所述拓扑距离集合以及所述节点权重集合,计算获取各个所述边缘计算节点的排序评分值;
所述边缘计算节点的排序评分值的计算方式为:;
式中,Li为边缘计算节点的排序评分值;wi为边缘计算节点的数据处理权重值;pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;di为第i个边缘计算节点的计算带宽;
需要说明的是,上述本申请实施例中的边缘计算节点的排序评分值实际上是针对当前待卸载边缘计算节点至所有边缘计算节点之间的量化数值;因此说,对于每一个待卸载边缘计算节点,其对应得到的边缘计算节点的排序评分值不同。
需要说明的是,上述本申请实施例所采用的技术方案,通过当前卫星上的各个边缘计算节点分别至当前待卸载边缘计算节点的拓扑距离以及各个边缘计算节点被预先设置的权重及各个边缘计算节点对应的计算带宽进行计算获取边缘计算节点的排序评分;
其中,距离当前待卸载边缘计算节点的拓扑距离越近,则其评分可能会更高,因为其被认定为目标装载边缘计算节点后,进行转发数据的拓扑距离会更短,进而使计算更加及时;
各个边缘计算节点的权重值越高,则其排序评分可能会更高,因为其权重值越高,则其处理对应的待卸载边缘计算节点的目标待计算传感数据的速度会更快;各个边缘计算节点的计算带宽越高,则其排序评分可能会更高,因为其最大带宽越大,则其计算处理数据的速度更快,进而其对第一时间处理相应的目标待计算传感数据的计算效果更加可靠;
进而根据各个边缘计算节点的排序评分将各个边缘计算节点进行排序得到边缘计算节点评分序列集;进而遍历边缘计算节点评分序列集,从中选择第一个判断得到剩余可容纳数据量大于或等于当前待卸载边缘计算节点上的目标待计算传感数据的超容数据量对应的边缘计算节点作为目标装载边缘计算节点,用以装载超容数据量对应的目标待计算传感数据,从而保障卫星在第一时间可通过边缘计算的操作计算得到目标数据,进而提高计算效率。
需要说明的是,研究人员针对本发明实施例中的,数据处理权重值是重要的影响因子,同时在本发明实施例中其数据处理权重值设置为动态调整因子;
自适应动态调节权重可保障实时以各个边缘计算节点的状态为基础对各个边缘计算节点进行设置动态调节的权重,从而保障最终进行确定目标装载边缘计算节点的结果更加精确。
具体地,如图6所示,在步骤S3412中,获取各个所述边缘计算节点的数据处理权重值,包括如下操作步骤:
步骤S34121:获取各个所述边缘计算节点的状态信息,基于各个所述边缘计算节点的状态信息,构建边缘计算节点状态集合K={k1,k2,k3,...kj};其中,kj为第j个边缘计算节点的状态信息;
所述边缘计算节点的状态信息包括边缘计算节点的负载等级、数据处理速率、可靠性等级;
需要说明的是,上述本申请实施例所采用的技术方案中的负载等级指的是边缘计算节点的工作负荷程度等级;数据处理速率指的是边缘计算节点每时间周期内处理数据量的大小;可靠性等级指的是自初始状态至当前时刻边缘计算节点出现故障的次数;
其中,若负载等级越高,则意味着当前边缘计算节点的符合高,则其权重值可能会越小;若数据处理速率越高,则意味着当前边缘计算节点每时间周期内处理数据量越大,则其权重值可能会越大;若可靠性等级越高,则意味着当前边缘计算节点自初始状态至当前时刻边缘计算节点出现故障次数越少,则其权重值可能会越大。
步骤S34122:对各个所述边缘计算节点的状态信息进行设置评估标准,并使用归一化方法将所有所述评分值映射在[0,1]范围内,得到各个所述状态信息对应的评分值;基于各个所述状态信息对应的评分值,构建边缘计算节点状态评分集合H={h1(xyz),h2(xyz),h3(xyz),...,hr(xyz)};
其中,hr(xyz)为第r个边缘计算节点的状态信息对应的评分值(即为边缘计算节点h的状态信息对应的负载等级评分值x、数据处理速率评分值y、可靠性等级评分值z);
步骤S34123:为各个所述边缘计算节点的状态信息设置权重系数(权重系数即为表示各个状态因素的重要程度),获取所述负载等级评分值对应的权重系数α、所述数据处理速率评分值对应的权重系数β、所述可靠性等级评分值对应的权重系数γ;
步骤S34124:基于所述状态信息对应的评分值及所述权重系数计算各个所述边缘计算节点的数据处理权重值w;
所述边缘计算节点的数据处理权重值w的计算方式为:
w=α×x+β×y+γ×z;
式中,w为边缘计算节点的数据处理权重值w;α为负载等级评分值对应的权重系数;β为数据处理速率评分值对应的权重系数;γ为可靠性等级评分值对应的权重系数;x为边缘计算节点的负载等级评分值;y为边缘计算节点的数据处理速率评分值;z为边缘计算节点的可靠性等级评分值;
需要说明的是,上述本申请实施例通过对各个边缘计算节点的状态信息进行设置评估标准后进行归一化得到各个边缘计算节点对应的状态信息的评分值(即为负载等级评分值x、数据处理速率评分值y、可靠性等级评分值z);根据系统需求和性能优化目标,定义一组权重评估指标,将每个边缘计算节点的状态数据和权重评估指标进行标准化处理,以确保它们在相同的尺度上进行比较;并为每个权重计算因素(权重计算因素即为负载等级评分值x、数据处理速率评分值y、可靠性等级评分值z)赋予权重系数,表示各个权重计算因素的重要程度;进而计算得到各个边缘计算节点的数据处理权重值,可根据各个边缘计算节点的状态进行实时变化,从而保障最终进行确定目标装载边缘计算节点的结果更加精确。
综上所述,本发明实例提出的一种低轨卫星边缘计算服务系统及方法,通过首先基于目标卫星中设置的数据传感器获取目标卫星的传感信息,并对传感信息进行聚类分析,确定传感信息对应的待计算传感特征信息;将大量杂乱的数据进行聚类整合,提高数据处理效率;
进而基于待计算传感特征信息根据预先构建的数据提取模型,确定目标卫星中目标待计算传感数据;从大量数据中提取可直接用于计算的目标待计算传感数据,降低服务器处理压力;
进一步基于目标待计算传感数据,获取各个目标待计算传感数据的属性信息;与数据分配子模块获取目标卫星中的边缘计算节点及边缘计算节点对应的属性信息进行匹配;将目标待计算传感数据进行分配至对应的边缘计算节点;可保障专属类型节点处理专属类型的目标待计算传感数据,可提高数据处理效率;
进一步根据获取各个边缘计算节点的目标待计算传感数据的数据量S1进行判断得到待卸载边缘计算节点;
进一步根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息;并通过边缘计算节点的属性信息得到边缘计算节点的状态信息,利用边缘计算节点的状态信息进行动态调整边缘计算节点的权重值,可根据各个边缘计算节点的状态进行实时变化,从而保障最终进行确定目标装载边缘计算节点的结果更加精确;进而利用拓扑距离、权重值以及计算带宽进行计算获取各个所述边缘计算节点的排序评分值;
进一步地将所有所述边缘计算节点根据所述边缘计算节点的排序评分值从高到低进行排序,获取边缘计算节点评分序列集后遍历边缘计算节点评分序列集,从边缘计算节点评分序列集中选取目标装载边缘计算节点;
进一步将超容数据量Sc对应的多个目标待计算传感数据发送至目标装载边缘计算节点;
最终各个边缘计算节点上执行边缘计算任务,得到目标数据;保障待计算目标传感数据可被同一时间进行边缘计算得到目标数据,从而保障计算的效率,进而提高当前卫星的工作效率。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;本领域的普通技术人员可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (2)
1.一种低轨卫星边缘计算服务方法,其特征在于,包括如下操作步骤:
对目标卫星的传感信息进行聚类分析,得到传感信息对应的待计算传感特征信息;
基于所述待计算传感特征信息提取所述目标卫星中目标待计算传感数据;
根据所述目标待计算传感数据以及传感信息的属性信息,通过边缘计算获取得到所述目标卫星的目标数据;
所述根据所述目标待计算传感数据以及传感信息的属性信息,通过边缘计算获取得到所述目标卫星的目标数据,包括如下操作步骤:
基于所述目标待计算传感数据,获取各个所述目标待计算传感数据的属性信息;
根据所述目标待计算传感数据的属性信息及所述目标卫星中的边缘计算节点对应的属性信息,将所述目标待计算传感数据进行分配至对应的所述边缘计算节点;
根据各个所述边缘计算节点的目标待计算传感数据的数据量S1与预设的数据量最大阈值S获取待卸载边缘计算节点;
根据各个边缘计算节点与当前待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,获取当前所述待卸载边缘计算节点对应的目标装载边缘计算节点;
根据判断所述待卸载边缘计算节点中的所述目标待计算传感数据是否可拆分的判断结果,计算获取当前所述待卸载边缘计算节点对应的超容数据量Sc;将所述超容数据量Sc对应的多个目标待计算传感数据发送至所述目标装载边缘计算节点;
在各个所述边缘计算节点上执行边缘计算任务,得到目标数据;
所述目标待计算传感数据的属性信息包括目标待计算传感数据的数据类型;
所述边缘计算节点对应的属性信息包括边缘计算节点对应的数据计算类型、边缘计算节点的数据量最大阈值;
所述根据各个所述边缘计算节点与当前所述待卸载边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,获取当前所述待卸载边缘计算节点对应的目标装载边缘计算节点,包括如下操作步骤:
根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离及所有所述边缘计算节点的属性信息,计算获取各个所述边缘计算节点的排序评分值;
将所有所述边缘计算节点根据所述边缘计算节点的排序评分值从高到低进行排序,获取边缘计算节点评分序列集;
从所述边缘计算节点评分序列集中第一个边缘计算节点开始依次遍历所有边缘计算节点,获取当前所述边缘计算节点的剩余可容纳数据量S2;并计算获取所述待卸载边缘计算节点的超容数据量Sc;
根据判断所述超容数据量是否小于或等于所述剩余可容纳数据量S2的判断结果获取目标装载边缘计算节点;
所述计算获取各个所述边缘计算节点的排序评分值,包括如下操作步骤:
根据当前所述待卸载边缘计算节点分别至各个所述边缘计算节点的拓扑距离,建立拓扑距离集合P={p1,p2,p3,...,pi};其中,pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;
获取各个所述边缘计算节点的数据处理权重值,基于所述数据处理权重值,构建节点权重集合W={w1,w2,w3,...,wi};其中,wi为第i个边缘计算节点的数据处理权重值;
获取各个所述边缘计算节点的计算带宽;根据所有所述计算带宽,构建计算带宽集合D={d1,d2,d3,...di};其中,di为第i个边缘计算节点的计算带宽;
根据所述计算带宽集合、所述拓扑距离集合以及所述节点权重集合,计算获取各个所述边缘计算节点的排序评分值;
所述边缘计算节点的排序评分值的计算方式为:;
式中,Li为边缘计算节点的排序评分值;wi为边缘计算节点的数据处理权重值;pi为当前所述待卸载边缘计算节点至第i个边缘计算节点的拓扑距离;di为第i个边缘计算节点的计算带宽;
所述获取各个所述边缘计算节点的数据处理权重值,包括如下操作步骤:
获取各个所述边缘计算节点的状态信息,基于各个所述边缘计算节点的状态信息,构建边缘计算节点状态集合K={k1,k2,k3,...kj};其中,kj为第j个边缘计算节点的状态信息;
对各个所述边缘计算节点的状态信息进行设置评估标准并进行归一化,得到各个所述状态信息对应的评分值;基于各个所述状态信息对应的评分值,构建边缘计算节点状态评分集合H={h1(xyz),h2(xyz),h3(xyz),...,hr(xyz)};
其中,hr(xyz)为第r个边缘计算节点的状态信息对应的评分值;
所述第r个边缘计算节点的状态信息对应的评分值hr(xyz)包括负载等级评分值x、数据处理速率评分值y、可靠性等级评分值z;
为各个所述边缘计算节点的状态信息设置权重系数,获取所述负载等级评分值对应的权重系数α、所述数据处理速率评分值对应的权重系数β、所述可靠性等级评分值对应的权重系数γ;
基于所述状态信息对应的评分值及所述权重系数计算各个所述边缘计算节点的数据处理权重值w;
所述边缘计算节点的数据处理权重值w的计算方式为:w=α×x+β×y+γ×z;
式中,w为边缘计算节点的数据处理权重值w;α为负载等级评分值对应的权重系数;β为数据处理速率评分值对应的权重系数;γ为可靠性等级评分值对应的权重系数;x为边缘计算节点的负载等级评分值;y为边缘计算节点的数据处理速率评分值;z为边缘计算节点的可靠性等级评分值。
2.根据权利要求1所述的一种低轨卫星边缘计算服务方法,其特征在于,所述边缘计算节点的状态信息包括边缘计算节点的负载等级、数据处理速率、可靠性等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311115815.XA CN116841754B (zh) | 2023-08-31 | 2023-08-31 | 一种低轨卫星边缘计算服务系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311115815.XA CN116841754B (zh) | 2023-08-31 | 2023-08-31 | 一种低轨卫星边缘计算服务系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116841754A CN116841754A (zh) | 2023-10-03 |
CN116841754B true CN116841754B (zh) | 2023-12-15 |
Family
ID=88165546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311115815.XA Active CN116841754B (zh) | 2023-08-31 | 2023-08-31 | 一种低轨卫星边缘计算服务系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116841754B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109284619A (zh) * | 2018-11-07 | 2019-01-29 | 重庆光电信息研究院有限公司 | 异源城市物联网的区域定置式边缘计算系统及方法 |
CN110300159A (zh) * | 2019-06-10 | 2019-10-01 | 华侨大学 | 一种基于边缘计算的传感云数据安全低成本存储方法 |
CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
CN112130927A (zh) * | 2020-09-21 | 2020-12-25 | 安阳师范学院 | 一种可靠性增强的移动边缘计算任务卸载方法 |
CN113391824A (zh) * | 2021-06-29 | 2021-09-14 | 中国农业银行股份有限公司 | 计算卸载方法、电子设备、存储介质以及计算机程序产品 |
CN114338675A (zh) * | 2021-12-30 | 2022-04-12 | 六安市空间数据应用有限公司 | 一种基于边缘计算的遥感卫星大数据处理方法及系统 |
CN115484264A (zh) * | 2022-07-07 | 2022-12-16 | 航天行云科技有限公司 | 基于卫星通信网络的计算卸载方法、装置及卫星通信终端 |
WO2023008145A1 (ja) * | 2021-07-28 | 2023-02-02 | 三菱電機株式会社 | クラウドコンピューティングシステム及びエッジコンピューティングシステム |
CN116095089A (zh) * | 2023-04-11 | 2023-05-09 | 云南远信科技有限公司 | 遥感卫星数据处理方法及系统 |
-
2023
- 2023-08-31 CN CN202311115815.XA patent/CN116841754B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109284619A (zh) * | 2018-11-07 | 2019-01-29 | 重庆光电信息研究院有限公司 | 异源城市物联网的区域定置式边缘计算系统及方法 |
CN110300159A (zh) * | 2019-06-10 | 2019-10-01 | 华侨大学 | 一种基于边缘计算的传感云数据安全低成本存储方法 |
CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
CN112130927A (zh) * | 2020-09-21 | 2020-12-25 | 安阳师范学院 | 一种可靠性增强的移动边缘计算任务卸载方法 |
CN113391824A (zh) * | 2021-06-29 | 2021-09-14 | 中国农业银行股份有限公司 | 计算卸载方法、电子设备、存储介质以及计算机程序产品 |
WO2023008145A1 (ja) * | 2021-07-28 | 2023-02-02 | 三菱電機株式会社 | クラウドコンピューティングシステム及びエッジコンピューティングシステム |
CN114338675A (zh) * | 2021-12-30 | 2022-04-12 | 六安市空间数据应用有限公司 | 一种基于边缘计算的遥感卫星大数据处理方法及系统 |
CN115484264A (zh) * | 2022-07-07 | 2022-12-16 | 航天行云科技有限公司 | 基于卫星通信网络的计算卸载方法、装置及卫星通信终端 |
CN116095089A (zh) * | 2023-04-11 | 2023-05-09 | 云南远信科技有限公司 | 遥感卫星数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116841754A (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020248228A1 (zh) | 一种Hadoop平台计算节点负载预测方法 | |
CN112261120B (zh) | 一种配电物联网云边协同任务卸载方法及装置 | |
CN116668380B (zh) | 汇聚分流器设备的报文处理方法及装置 | |
CN113408087A (zh) | 一种基于云边系统和视频智能分析的变电站巡视方法 | |
CN110046048A (zh) | 一种基于工作量自适应快速重分配的负载均衡方法 | |
CN110705685A (zh) | 一种神经网络量化分类方法与系统 | |
CN113553160A (zh) | 用于人工智能物联网的边缘计算节点任务调度方法及系统 | |
CN116362325A (zh) | 一种基于模型压缩的电力图像识别模型轻量化应用方法 | |
CN115269342A (zh) | 一种基于边缘计算的监测云平台及其监测方法 | |
CN114513470A (zh) | 网络流量控制方法、装置、设备及计算机可读存储介质 | |
CN116841754B (zh) | 一种低轨卫星边缘计算服务系统及方法 | |
CN114510871A (zh) | 基于思维进化和lstm的云服务器性能衰退预测方法 | |
TW202001611A (zh) | 多元流動網路之可靠度計算方法及其系統 | |
CN116069618A (zh) | 一种面向应用场景的国产化系统评估方法 | |
CN111984637B (zh) | 数据建模中的缺失值处理方法和装置、设备及存储介质 | |
CN115001147B (zh) | 一种光伏发电数据采集方法、系统及云平台 | |
CN116523384B (zh) | 基于独立否决和联合否决的无人机效能确定方法及系统 | |
CN115640106B (zh) | 一种面向多无人机指挥控制的人机功能分配方法及系统 | |
CN116233026B (zh) | 一种用于数据中心的智能管理方法及系统 | |
CN117331908B (zh) | 一种实时数据库在线扩容方法及系统装置 | |
CN117032972B (zh) | 一种基于云网边端的边坡监测系统 | |
CN115618743B (zh) | 一种瞄准镜系统的状态评估方法及状态评估系统 | |
CN116521335A (zh) | 一种倾斜影像模型生产的分布式任务调度方法及系统 | |
CN117633473A (zh) | 基于人工智能的气象预报方法和系统 | |
Zhang et al. | Adaptive Splitting Algorithm for Neural Network Modelling in AMP |
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 |