CN116939044A - 一种基于区块链技术的算力路由规划方法和装置 - Google Patents
一种基于区块链技术的算力路由规划方法和装置 Download PDFInfo
- Publication number
- CN116939044A CN116939044A CN202310244821.9A CN202310244821A CN116939044A CN 116939044 A CN116939044 A CN 116939044A CN 202310244821 A CN202310244821 A CN 202310244821A CN 116939044 A CN116939044 A CN 116939044A
- Authority
- CN
- China
- Prior art keywords
- node
- computing
- power
- calculation
- task
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 174
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 33
- RYAUSSKQMZRMAI-YESZJQIVSA-N (S)-fenpropimorph Chemical compound C([C@@H](C)CC=1C=CC(=CC=1)C(C)(C)C)N1C[C@H](C)O[C@H](C)C1 RYAUSSKQMZRMAI-YESZJQIVSA-N 0.000 claims abstract description 32
- 238000003860 storage Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 11
- 230000008447 perception Effects 0.000 abstract description 9
- 238000005457 optimization Methods 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012546 transfer Methods 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
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- 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
- H04L41/12—Discovery or management of network topologies
-
- 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
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- 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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于区块链技术的算力路由规划方法和装置，该方法包括：获取当前算力任务，在区块链网络中调取算力节点集合，依据当前算力任务的任务类型确定在当前所处时间段内的负载门限；依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定第一路径算力节点；查询第一路径算力节点的计算负载，若第一路径算力节点的计算负载小于或等于负载门限，则将第一路径算力节点确定为目标算力节点；将当前算力任务调度至目标算力节点进行处理。本发明基于区块链提供的信息，将用户业务算力需求以及整个算力网络算力分布信息进行整合，生成动态按需算力调度策略，实现算力感知基础上的算力任务协同调度。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于区块链技术的算力路由规划方法和装置。
背景技术
算力路由控制是算力感知网络的核心功能，算力路由规划实现针对不同用户需求的网络算力分配和调度。在算力感知网络中，算力路由规划体现的是执行相关的能力。但是网络中对实时算力信息的获取、以及实时用户应用变化的感知，实际上也需要算力路由控制子层中的算力感知调度模块进行操作。
现有技术中移动网络中的算力感知网络，包括公网和各类专网，网络算力资源层中的异构节点和各类计算能力随着网络规模的扩大正呈现出快速增长的趋势；在传统数据中心和云中心基础上，边缘节点的算力分布随边缘计算技术的普及在迅速增长，对于大量端侧设备，例如智能手机、海量物联网终端等，随着端侧处理能力的提升，端节点的算力也呈现出不断增长的势头。
现有技术中，通常考虑采用路径优化类型的方法，如Floyd算法等，将算力节点选择问题建模为一个在给定加权图中进行多源节点最短路径搜索的方法。但是，在最短路径搜索过程中，鉴于算力网络调度是从单个任务出发，其调度方案只考虑最短传输时延，而非从如何使全网计算能力最大化的角度进行优化，算力网络调度优化过程会因算力任务请求的地理位置不均匀性，造成网络负载失衡，即网内部分计算节点任务拥塞，而另一部分计算节点却在同一时间段内存在较长时间的空闲。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于区块链技术的算力路由规划方法和装置。
根据本发明的一个方面，提供了一种基于区块链技术的算力路由规划方法，包括：
获取当前算力任务，在区块链网络中调取算力节点集合，依据所述当前算力任务的任务类型确定在当前所处时间段内的负载门限；
依据所述算力节点集合内各个算力节点的节点信息和所述当前算力任务通过预设路径算法确定第一路径算力节点；
查询所述第一路径算力节点的计算负载，若所述第一路径算力节点的计算负载小于或等于所述负载门限，则将所述第一路径算力节点确定为目标算力节点；
将所述当前算力任务调度至所述目标算力节点进行处理。
根据本发明的另一方面，提供了一种基于区块链技术的算力路由规划装置，包括：
任务获取模块，用于获取当前算力任务，在区块链网络中调取算力节点集合，依据所述当前算力任务的任务类型确定在当前所处时间段内的负载门限；
路径规划模块，用于依据所述算力节点集合内各个算力节点的节点信息和所述当前算力任务通过预设路径算法确定第一路径算力节点；查询所述第一路径算力节点的计算负载，若所述第一路径算力节点的计算负载小于或等于所述负载门限，则将所述第一路径算力节点确定为目标算力节点；
调度模块，用于将所述当前算力任务调度至所述目标算力节点进行处理。
根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述一种基于区块链技术的算力路由规划方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述一种基于区块链技术的算力路由规划方法对应的操作。
根据本发明的一种基于区块链技术的算力路由规划方法和装置，通过获取当前算力任务，在区块链网络中调取算力节点集合，依据当前算力任务的任务类型确定在当前所处时间段内的负载门限；依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定第一路径算力节点；查询第一路径算力节点的计算负载，若第一路径算力节点的计算负载小于或等于负载门限，则将第一路径算力节点确定为目标算力节点；将当前算力任务调度至目标算力节点进行处理。本发明基于区块链共识方式，实现一定区域内各异构算力节点的信息同步，通过该同步过程进行算力拓扑发现和信息更新，基于该区块链，为随机发生的应用请求进行算力节点规划和分配，利用区块链更新全网的算力拓扑信息，并由算力路由选择算法为当前用户应用需求提供算力感知路由表，算力路由控制面基于区块链提供的信息，将用户业务算力需求以及整个算力网络算力分布信息进行整合，生成动态按需算力调度策略，实现算力感知基础上的算力任务协同调度。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种基于区块链技术的算力路由规划方法流程图；
图2示出了本发明实施例的算力节点网络示意图；
图3示出了本发明实施例提供的一种基于区块链技术的算力路由规划装置的结构示意图；
图4示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
异构算力是指采用不同技术实现的计算能力，不同的技术包括：不同的系统架构，不同的指令集，不同的技术类型，不同的计算能力提供方式；在算力管理方面，计算卸载技术作为边缘计算的一项关键技术，在边缘计算概念被提出之后，便有许多研究者提出基于单用户多节点、多用户单节点以及多用户多节点的任务卸载策略，这些策略实质上都是将终端任务与边缘计算节点进行完美匹配。
但是在实际应用场景下，算力网络将以异构组网方式存在；在多任务、多路由节点、多边缘服务器的边缘算力网络场景下，现有的算力调度需要分别基于用户业务侧、网络侧、边缘计算资源池侧，构建算力需求、网络状态、算力资源的感知信息模型；基于感知信息模型，在计算资源和存储资源的约束限制下，选定一个或多个优化目标，例如：以用户业务的调度传输时延最小化为优化目标，联合优化路由控制、计算节点的选择和存储、算力资源的分配；以基于Floyd算法的算力感知路由分配策略为例，Floyd算法能有效地将算力与网络进行协同管理，缓解网络负载不均衡的问题。但是，当处于异构算力网络环境下时，由于网络复杂性造成的网络信息收集的一致性和实时性问题，会造成实际算力调度效果的下降。
在本发明中，对算力网络模型的一种表述为：
设算力任务需求节点(终端)集合用M表示：M＝{m|1,2，……，M}，m∈M。这里设每个终端只发起单个算力任务请求。
设当前存在的算力任务请求个数为K，K＝{k|1,2,……，K}，k∈K。
将终端的算力任务k用下式表示为下式(1)：
Sk(Ak,Xk,Ck,Dkmax,Dka,Bk)；(1)
其中，Ak表示终端k接入的路由节点；Xk表示终端k需要存储资源的量化值；Ck表示k需要的计算资源的量化值；Dkmax表示k可接受的最大完成业务处理的时延；Dka表示k接入路由节点的时延；Bk表示k需要传输的数据量大小。
对于终端k，将k的数据传输到节点Ak的速率表示为下式(2)：
Rk,Ak＝Bk,Ak lb(1+γk,Ak)； (2)
其中，Bk,Ak表示k向Ak传输时的信道带宽；γk,Ak表示k向Ak传输时的信噪比；γk,Ak＝(pk,Ak-hk,Ak)/N0；pk,Ak表示k到Ak的发送功率；N0表示高斯白噪声；hk,Ak表示k到Ak的路损。
在模型评估时，通常不对无线传输路损做精准建模，而是将用户业务到接入路由节点的数据传输速率做统一的量化表示。
则将k接入Ak的时延表示为式(3)：
Dk0＝Bk/Rk,AK； (3)
对于节点数量有限的算力网络，设各节点之间数据传输带宽为式(4)：
其中，wi,j表示从节点i到节点j之间数据传输的速率。
设wi,j＝∞，当i＝j时，wi,j＝limited rate；当i≠j，但i和j之间有链路连接，wi,j＝0，当i≠j时，则k在路由节点i和路由节点j之间传输时延为式(5)：
Dk,i,j＝Bk/wi,j； (5)
路由节点与计算节点之间通过固定链路传输，路由节点i到计算节点n之间的数据传输速率设为：若Ri,n＝∞,i和n之间存在直接链路；若Ri,n＝limited rate，i和n之间不存在直接链路。
则k选择计算节点n时，经路由节点i传输到n的时延表示为式(6)：
Dk,n,a＝Bk/Ri,n； (6)
算力感知网络中的计算和存储资源可用以下方式表示，设网络中共有N个计算节点，用集合N表示为式(7)：
N＝{n|n＝1,2,……,N}； (7)
其中，n∈N，第n个计算节点用Zn(An,Xn,Cn,R)表示。
其中，An表示计算节点n连接的路由节点；Xn表示该计算节点有多大的存储资源；Cn表示该计算节点的计算资源；Rn表示从计算节点n到路由节点i的传输速率。
则当该计算节点的存储资源和计算资源满足用户业务需求时，用户业务的计算耗时可表示为式(8)：
tk,C＝Ck/Bk； (8)
基于上述算力感知网络系统架构模型、任务模型、通信模型、计算和存储模型、可将单个任务的总处理时延表示为式(9)：
单个任务的总处理时延＝任务接入时延+任务传输时延+任务到达计算节点时延+任务处理时延+任务等待时延；(9)
其中可设任务处理时延+任务等待时延在确定算力需求条件下具有一致性，因此可在算法的优化模型中不予体现，则终端k的算力任务被调度到计算节点n进行计算的传输时延可简化表示为式(10)：
tk,t＝Dka+Dt+Dk,n,a； (10)
对于业务k的联合优化任务，其中包括对路由策略和算力资源的分配，将该优化任务表示为式(11)：
按下式(12)表示约束条件为
∑k∈KnCk≤Cn；且∑k∈KnXk≤Xn； (12)
其中，Kn表示到计算节点n的所有用户集合，对Ck的约束表示到计算节点n的用户业务需要的计算资源不能超过该节点的计算资源的上限；Xn表示到计算节点n的用户业务需要的存储资源不能超过该节点的存储资源的上限。
当算力节点为云中心或者计算资源强大的边缘节点时，对于算力计算任务，每个算力节点的计算资源都相对充足，上述计算模型未包含根据并行计算规则将大的计算任务分割为符合计算粒度要求的小任务的过程。
现有技术中通常考虑采用路径优化类型的方法，如Floyd算法等，将算力节点选择问题建模为一个在给定加权图中进行多源节点最短路径搜索的方法，在基于上述最短路径搜索过程中，算力网络调度优化过程会因算力任务请求的地理位置不均匀性，造成网络负载失衡，即网内部分计算节点任务拥塞，而另一部分计算节点却在同一时间段内存在较长空闲，造成这种现象的原因是由于算力优化目标是从单个算力任务角度出发，只看最短传输时延，没有从整个算力网络的全网角度出发，使全网计算能力利用率最大化角度进行优化造成的。
图1示出了本发明一种基于区块链技术的算力路由规划方法实施例的流程图，如图1所示，该方法包括以下步骤：
步骤S110：获取当前算力任务，在区块链网络中调取算力节点集合，依据当前算力任务的任务类型确定在当前所处时间段内的负载门限。
为了在基于单个算力任务粒度最优化调度的基础上，使整个算力网络的资源利用率最大化，本实施例针对应用场景是基于异构算力网络的多节点算力任务调度，将算力网络内当前时间片内需要算力服务的用户的等待时间进行联合优化，使当前时间片内用户的总等待时间以及每个用户的最长等待时间最小化，同时通过Floyd算法选择使全网各算力节点负载均衡度或者均衡度评分最高的方案，进行算力调度。
在一种可选的方式中，该方法还包括：依据算力节点的节点参与请求，将算力节点的节点信息存储至区块链中，更新算力网络的算力资源和存储资源；依据多个算力节点构建算力节点集合。
具体地，图2示出了本发明实施例的算力节点网络示意图，如图2所示，依据多个异构算力节点(图中仅示出部分异构算力节点)的节点参与请求，将这些算力节点的节点信息存储至区块链中，形成算力路由控制区块链，每个异构算力节点下可以部署其节点信息，在一种可选的方式中，节点信息至少包括：节点算力资源和节点存储资源，根据每个异构算力节点的节点算力资源信息和节点存储资源更新算力网络的算力资源和存储资源；依据多个算力节点构建算力节点集合。
具体地说，区块链的数据层封装了各个算力节点的基础数据区块信息，包括当前区块链网络中每个算力节点的实时负载情况、每个算力节点针对不同类型业务的负载门限L等信息、以及相关的数据加密和时间戳等基础数据和基本算法；区块链的网络层则包括该区块链的分布式组网机制、数据传播机制和数据验证机制等；区块链的共识层主要封装网络节点的各类共识算法；区块链的激励层将算力任务调度的经济因素集成到区块链技术体系中，主要包括经济激励的发行机制和分配机制等；区块链的合约层主要封装各类脚本、算法和智能合约，在确定使用该算力节点进行计算时，通过执行该算力节点上的智能合约，即可自动完成与区块链相关的全部操作；区块链的应用层可以为使用当前算力网络的多种应用提供入口，即需要使用算力的不同应用都可通过应用层入口接入并调用算力资源池中的算力。
区块链的算力路由控制子层周期性获取各算力节点的算力资源和存储资源占用情况，为当前算力任务k计算最优的业务路径，优化目标是使当前算力任务k的处理时延最小化。由于随着算力任务数量的增加，网络可能出现负载不平衡情况，调度给某些计算节点的业务量会超过该节点当前的处理能力，即任务数量超限；或者实际任务处理时延超时，无法满足时延敏感类型业务的要求，而同一时间段内，网络另一部分节点可能没有被分配计算任务，或者处于轻载状态，因此本实施例当一个计算节点收到一组由算力路由控制子层调度来的任务列表时，算力节点将基于第一步中的调度时间片更新本节点的计算负载门限L。在本发明中，算力节点的负载等相关信息将通过区块链机制进行保存、发布和查询。每个计算节点都会根据第一步中的调度时间片的粒度周期性更新本节点的负载信息。基于区块链共识方式，算力节点的节点信息和负载门限等相关信息将通过区块链机制进行保存、发布和查询，每个算力节点都会根据预设时间粒度周期性更新本节点的负载信息，实现一定区域内各异构算力节点的信息同步，通过该同步过程进行算力拓扑发现和信息更新。
在本实施例中，对每一个算力节点的计算负载进行评估的预设历史时间段是根据算力网络所支持的业务中最短响应时延需求的粒度制定的，在该算力网络中，通常设定该网络是一个异构算力网络。
在每一个算力节点加入过程中，设当前异构算力网络的算力总资源为P，存储总资源为Q；算力资源和存储资源在实际使用时均基于一定的量化粒度进行调度，算力总资源和存储总资源如下式(13)和(14)：
其中，算力总资源为P，存储总资源为Q；pCP为区块链中每一个算力节点的算力资源；qSV为每一个算力节点的存储资源。
对于区块链中的每个算力节点，其算力资源和存储资源存在差异，本算法基于的区块链模型，将参与该网络的各节点的算力资源和存储资源等能力均做上链处理，上链内容还可包括专门的内存资源等，可根据异构算力网络能力做弹性扩展。
需要说明的是，在实际异构分布式算力网络中，实体节点存储量是有限的，算力调度器需要在处理时利用类似装箱方式考虑当前物理节点计算和存储等资源不超限。
当一个新的算力节点加入网络时，基于本实施例的区块链机制，该算力节点将自己的算力资源和存储资源添加到区块链中；当该算力节点的节点信息上链后，可通过查询该区块链的最新节点发现当前算力网络的算力资源更新为下式(15)：
存储资源更新为下式(16)：
其中，增量部分即为新加入算力节点的能力贡献。
需要说明的是，当有算力节点因故障等原因退出服务，该区块链的最新节点将体现新的算力节点分布；各算力节点在发生算力资源或存储资源等的总能力变化时，也需要利用上述机制进行能力更新。基于数据信息一旦被写入区块中就不能更改撤销，算力交易以及其他相关信息均可从区块链中查到，因此算力节点工作过程中的相关信息不可篡改。
在算力使用方面，新的区块中带有当前各算力节点的算力资源占用和存储资源占用等信息；对于分布式算力网络，在有算力任务的算力需求到达某个算力节点时，算力节点根据当前最新区块得到当前各算力节点的节点信息的占用状态，进行算力路径规划计算；在区块链机制中，区块信息在极短时间内会被复制到网络中的所有区块，实现全网数据同步，每个节点都能回溯交易双方过去的所有交易信息，便于实时查询以及异构算力网络中多个路由控制子层协调工作。
步骤S120：依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定第一路径算力节点。
在本实施例中，预设路径算法选用Floyd算法，根据各个异构算力节点的节点算力资源信息和节点存储资源通过Floyd算法为当前算力任务k计算最优的业务路径，具体地说，在通过Floyd算法最优路径规划时，保留参数配置约束的预设数量个(例如v个)随优调度路径，基于现有技术中的优化步骤，计算最适合当前算力任务k的最优计算节点n，将该最优计算节点n确定为第一路径算力节点。
步骤S130：查询第一路径算力节点的计算负载，若第一路径算力节点的计算负载小于或等于负载门限，则将第一路径算力节点确定为目标算力节点。
具体地，每个算力节点的计算负载预先存储于区块链中，可在区块链中查询第一路径算力节点n的计算负载，若第一路径算力节点n的计算负载小于或等于负载门限L，算力任务调度不需要做调整，将第一路径算力节点确定为目标算力节点。
在一种可选的方式中，负载门限根据算力网络在预设历史时间段内的历史算力任务的算力消耗平均值和/或历史算力任务的算力消耗范围而确定。
具体地说，对第一路径算力节点的计算负载进行评估的时长可采用与预设历史时间段内的历史算力任务的算力消耗平均值T相关联的时长，例如采用1.5×T等。这里的T对于时延敏感类型的算力任务可能很短，而对于物联网类型的算力任务处理允许时延可能大很多。
针对任一算力节点，其负载门限L是根据算力网络在预设历史时间段内的历史算力任务的算力消耗平均值和/或历史算力任务的算力消耗范围而确定；具体地，对于没有规范算力任务规模的算力网络，负载门限L可以为算力网络在预设历史时间段内的历史算力任务的算力消耗平均值，而对于规范了单个算力任务规模的算力网络，该类型的算力网络对于已分割好的算力任务，计算负载门限L可取历史算力任务的算力消耗范围上下限之间的一个值。例如，对于物联网类型的算力业务，一个算力任务可能是多个子任务的合并，该算力任务对当前计算节点处理时延的敏感性不高；而对于一个时延敏感类型业务，通常情况下，如果处理超时，就会造成该部分数据失效，并影响相关数据的处理。
在一种可选的方式中，该方法还包括：若第一路径算力节点的计算负载大于负载门限，则从算力节点集合中去除第一路径算力节点；依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定预设数量的第二路径算力节点作为候选节点添加至候选节点列队；根据当前算力任务的预设时延阈值，从候选节点列队中筛选得到目标算力节点。
在一种可选的方式中，依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定预设数量的第二路径算力节点作为候选节点添加至候选节点列队进一步包括步骤1-步骤5：
步骤1，依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定一个第二路径算力节点。
步骤2，判断第二路径算力节点的计算负载是否小于或等于负载门限；若是，则执行步骤3；若否，则执行步骤5。
步骤3，将第二路径算力节点确定为候选节点并添加至候选节点列队。
步骤4，判断候选节点队列中的候选节点的数量是否达到预设数量；若是，则停止候选节点的查找；若否，则执行步骤5。
步骤5，从算力节点集合中去除第二路径算力节点，跳转执行步骤1。
具体地，当区块链算力网络的算力路由控制子层准备为当前算力任务选择适合的目标算力节点时，如果调度算法计算第一路径算力节点的计算负载大于负载门限L时，则需要重新寻优，具体地，重复上述Floyd算法寻优步骤，只是每一次重新寻优时，需要从算力节点集合N中将前一步选出的第一路径算力节点n从算力节点集合N中去除，也就是重新搜索一个次优的算力节点作为第二路径算力节点，可以预先设定为当前算力任务搜索出共tk个候选节点，tk个候选节点形成候选节点队列，且tk个候选节点均满足当前时间片内的计算负载不超过负载门限L。
在一种可选的方式中，根据当前算力任务的预设时延阈值，从候选节点列队中筛选得到目标算力节点进一步包括：根据将当前算力任务调度至候选节点列队中任一候选节点的调度时延以及任一候选节点的处理时延，计算任一候选节点的总时延；若任一候选节点的总时延小于或等于当前算力任务的预设时延阈值，则将任一候选节点确定为目标算力节点。
具体地，形成候选节点列队后，确定当前算力任务的预设时延阈值Dkmax，其中，Dkmax表示当前算力任务k可接受的最大完成业务处理的时延，当当前算力任务k的预设时延阈值Dkmax≥将当前算力任务k调度到第二候选算力节点的调度时延+处理时延时，则将任一候选节点确定为目标算力节点。
步骤S140：将当前算力任务调度至目标算力节点进行处理。
需要说明的是，当目标算力节点收到一组由算力路由控制子层调度来的算力任务列表时，算力节点将基于预设历史时间段更新本算力节点的负载门限L。
采用本实施例的方法，基于该区块链，为随机发生的应用请求进行算力节点规划和分配，利用区块链更新全网的算力拓扑信息，并由算力路由选择算法为当前用户应用需求提供算力感知路由表，算力路由控制面基于区块链提供的信息，将用户业务算力需求以及整个算力网络算力分布信息进行整合，生成动态按需算力调度策略，实现算力感知基础上的算力任务协同调度；算力节点利用区块链机制加入算力网络，实现与异构算力网络内不同算力节点平等地为用户提供算力服务，在异构算力网络以及由多种算力资源构成的算力服务体系中，各算力节点都能通过该区块链获取可靠的算力信息，每个符合要求的节点都可以对该区块链进行维护，保证该链信息的实时、可靠和安全性；另外，基于区块链信息的不可篡改性，决定了异构算力网络中的众多参与者都能公平参与算力服务的交易，确保交易数据等信息的完整性、真实性和安全性。
图3示出了本发明一种基于区块链技术的算力路由规划装置实施例的结构示意图。如图3所示，该装置包括：区块链构建模块310、任务获取模块320、路径规划模块330和调度模块340。
区块链构建模块310，用于依据算力节点的节点参与请求，将算力节点的节点信息存储至区块链中，更新算力网络的算力资源和存储资源；依据多个算力节点构建算力节点集合。
任务获取模块320，用于获取当前算力任务，在区块链网络中调取算力节点集合，依据当前算力任务的任务类型确定在当前所处时间段内的负载门限。
路径规划模块330，用于依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定第一路径算力节点；查询第一路径算力节点的计算负载，若第一路径算力节点的计算负载小于或等于负载门限，则将第一路径算力节点确定为目标算力节点。
在一种可选的方式中，路径规划模块330进一步用于：若第一路径算力节点的计算负载大于负载门限，则从算力节点集合中去除第一路径算力节点；依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定预设数量的第二路径算力节点作为候选节点添加至候选节点列队；根据当前算力任务的预设时延阈值，从候选节点列队中筛选得到目标算力节点。
在一种可选的方式中，路径规划模块330进一步用于执行下述步骤：
步骤1，依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定一个第二路径算力节点。
步骤2，判断第二路径算力节点的计算负载是否小于或等于负载门限；若是，则执行步骤3；若否，则执行步骤5。
步骤3，将第二路径算力节点确定为候选节点并添加至候选节点列队；
步骤4，判断候选节点队列中的候选节点的数量是否达到预设数量；若是，则停止候选节点的查找；若否，则执行步骤5。
步骤5，从算力节点集合中去除第二路径算力节点，跳转执行步骤1。
在一种可选的方式中，路径规划模块330进一步用于：根据将当前算力任务调度至候选节点列队中任一候选节点的调度时延以及任一候选节点的处理时延，计算任一候选节点的总时延；若任一候选节点的总时延小于或等于当前算力任务的预设时延阈值，则将任一候选节点确定为目标算力节点。
在一种可选的方式中，负载门限根据算力网络在预设历史时间段内的历史算力任务的算力消耗平均值和/或历史算力任务的算力消耗范围而确定。
在一种可选的方式中，节点信息至少包括：节点算力资源和节点存储资源。
调度模块340，用于将当前算力任务调度至目标算力节点进行处理。
采用本实施例的装置，通过获取当前算力任务，在区块链网络中调取算力节点集合，依据当前算力任务的任务类型确定在当前所处时间段内的负载门限；依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定第一路径算力节点；查询第一路径算力节点的计算负载，若第一路径算力节点的计算负载小于或等于负载门限，则将第一路径算力节点确定为目标算力节点；将当前算力任务调度至目标算力节点进行处理。本装置基于区块链共识方式，实现一定区域内各异构算力节点的信息同步，通过该同步过程进行算力拓扑发现和信息更新，基于该区块链，为随机发生的应用请求进行算力节点规划和分配，利用区块链更新全网的算力拓扑信息，并由算力路由选择算法为当前用户应用需求提供算力感知路由表，算力路由控制面基于区块链提供的信息，将用户业务算力需求以及整个算力网络算力分布信息进行整合，生成动态按需算力调度策略，实现算力感知基础上的算力任务协同调度。
本发明实施例提供了一种非易失性计算机存储介质，计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的一种基于区块链技术的算力路由规划方法。
可执行指令具体可以用于使得处理器执行以下操作：
获取当前算力任务，在区块链网络中调取算力节点集合，依据当前算力任务的任务类型确定在当前所处时间段内的负载门限；
依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定第一路径算力节点；
查询第一路径算力节点的计算负载，若第一路径算力节点的计算负载小于或等于负载门限，则将第一路径算力节点确定为目标算力节点；
将当前算力任务调度至目标算力节点进行处理。
图4示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示，该计算设备可以包括：
处理器(processor)、通信接口(Communications Interface)、存储器(memory)、以及通信总线。
其中：处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口，用于与其它设备比如客户端或其它服务器等的网元通信。处理器，用于执行程序，具体可以执行上述一种基于区块链技术的算力路由规划方法实施例中的相关步骤。
具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU，或者是特定集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器，用于存放程序。存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序具体可以用于使得处理器执行以下操作：
获取当前算力任务，在区块链网络中调取算力节点集合，依据当前算力任务的任务类型确定在当前所处时间段内的负载门限；
依据算力节点集合内各个算力节点的节点信息和当前算力任务通过预设路径算法确定第一路径算力节点；
查询第一路径算力节点的计算负载，若第一路径算力节点的计算负载小于或等于负载门限，则将第一路径算力节点确定为目标算力节点；
将当前算力任务调度至目标算力节点进行处理。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
Claims (10)
1.一种基于区块链技术的算力路由规划方法，其特征在于，包括：
获取当前算力任务，在区块链网络中调取算力节点集合，依据所述当前算力任务的任务类型确定在当前所处时间段内的负载门限；
依据所述算力节点集合内各个算力节点的节点信息和所述当前算力任务通过预设路径算法确定第一路径算力节点；
查询所述第一路径算力节点的计算负载，若所述第一路径算力节点的计算负载小于或等于所述负载门限，则将所述第一路径算力节点确定为目标算力节点；
将所述当前算力任务调度至所述目标算力节点进行处理。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
依据算力节点的节点参与请求，将所述算力节点的节点信息存储至区块链中，更新算力网络的算力资源和存储资源；
依据多个算力节点构建算力节点集合。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述第一路径算力节点的计算负载大于所述负载门限，则从所述算力节点集合中去除所述第一路径算力节点；
依据所述算力节点集合内各个算力节点的节点信息和所述当前算力任务通过预设路径算法确定预设数量的第二路径算力节点作为候选节点添加至候选节点列队；
根据所述当前算力任务的预设时延阈值，从所述候选节点列队中筛选得到目标算力节点。
4.根据权利要求3所述的方法，其特征在于，所述依据所述算力节点集合内各个算力节点的节点信息和所述当前算力任务通过预设路径算法确定预设数量的第二路径算力节点作为候选节点添加至候选节点列队进一步包括：
步骤1，依据所述算力节点集合内各个算力节点的节点信息和所述当前算力任务通过预设路径算法确定一个第二路径算力节点；
步骤2，判断所述第二路径算力节点的计算负载是否小于或等于所述负载门限；若是，则执行步骤3；若否，则执行步骤5；
步骤3，将所述第二路径算力节点确定为候选节点并添加至候选节点列队；
步骤4，判断所述候选节点队列中的候选节点的数量是否达到预设数量；若是，则停止候选节点的查找；若否，则执行步骤5；
步骤5，从所述算力节点集合中去除所述第二路径算力节点，跳转执行步骤1。
5.根据权利要求3所述的方法，其特征在于，所述根据所述当前算力任务的预设时延阈值，从所述候选节点列队中筛选得到目标算力节点进一步包括：
根据将所述当前算力任务调度至所述候选节点列队中任一候选节点的调度时延以及所述任一候选节点的处理时延，计算所述任一候选节点的总时延；
若所述任一候选节点的总时延小于或等于所述当前算力任务的预设时延阈值，则将所述任一候选节点确定为目标算力节点。
6.根据权利要求1-5任一项中所述的方法，其特征在于，所述负载门限根据算力网络在预设历史时间段内的历史算力任务的算力消耗平均值和/或历史算力任务的算力消耗范围而确定。
7.根据权利要求1-5任一项中所述的方法，其特征在于，所述节点信息至少包括：节点算力资源和节点存储资源。
8.一种基于区块链技术的算力路由规划装置，其特征在于，包括：
任务获取模块，用于获取当前算力任务，在区块链网络中调取算力节点集合，依据所述当前算力任务的任务类型确定在当前所处时间段内的负载门限；
路径规划模块，用于依据所述算力节点集合内各个算力节点的节点信息和所述当前算力任务通过预设路径算法确定第一路径算力节点；查询所述第一路径算力节点的计算负载，若所述第一路径算力节点的计算负载小于或等于所述负载门限，则将所述第一路径算力节点确定为目标算力节点；
调度模块，用于将所述当前算力任务调度至所述目标算力节点进行处理。
9.一种计算设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的一种基于区块链技术的算力路由规划方法对应的操作。
10.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的一种基于区块链技术的算力路由规划方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310244821.9A CN116939044A (zh) | 2023-03-14 | 2023-03-14 | 一种基于区块链技术的算力路由规划方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310244821.9A CN116939044A (zh) | 2023-03-14 | 2023-03-14 | 一种基于区块链技术的算力路由规划方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116939044A true CN116939044A (zh) | 2023-10-24 |
Family
ID=88381625
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310244821.9A Pending CN116939044A (zh) | 2023-03-14 | 2023-03-14 | 一种基于区块链技术的算力路由规划方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116939044A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117785482A (zh) * | 2024-02-26 | 2024-03-29 | 广州尚航信息科技股份有限公司 | 一种算力网络的算力调度系统及方法 |
-
2023
- 2023-03-14 CN CN202310244821.9A patent/CN116939044A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117785482A (zh) * | 2024-02-26 | 2024-03-29 | 广州尚航信息科技股份有限公司 | 一种算力网络的算力调度系统及方法 |
| CN117785482B (zh) * | 2024-02-26 | 2024-05-24 | 广州尚航信息科技股份有限公司 | 一种算力网络的算力调度系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Joint computation partitioning and resource allocation for latency sensitive applications in mobile edge clouds | |
| CN109788046B (zh) | 一种基于改进蜂群算法的多策略边缘计算资源调度方法 | |
| CN111459628B (zh) | 基于改进量子蚁群算法的Spark平台任务调度方法 | |
| CN112039965B (zh) | 一种时间敏感网络中的多任务卸载方法及系统 | |
| US20050055694A1 (en) | Dynamic load balancing resource allocation | |
| CN112000388B (zh) | 基于多边缘集群协同的并发任务调度方法及装置 | |
| CN111614754B (zh) | 面向雾计算的成本效率优化的动态自适应任务调度方法 | |
| CN112799823B (zh) | 边缘计算任务的在线分派调度方法和系统 | |
| CN115190033B (zh) | 一种基于强化学习的云边融合网络任务卸载方法 | |
| CN107291544A (zh) | 任务调度的方法及装置、分布式任务执行系统 | |
| CN109005211B (zh) | 一种无线城域网环境下的微云部署及用户任务调度方法 | |
| CN115629865B (zh) | 一种基于边缘计算的深度学习推理任务调度方法 | |
| CN116939044A (zh) | 一种基于区块链技术的算力路由规划方法和装置 | |
| CN113535393A (zh) | 异构边缘计算中卸载dag任务的计算资源分配方法 | |
| CN112256413A (zh) | 基于物联网的边缘计算任务的调度方法和装置 | |
| CN116886703A (zh) | 一种基于优先级和强化学习的云边端协作计算卸载方法 | |
| CN113190342B (zh) | 用于云-边协同网络的多应用细粒度卸载的方法与系统架构 | |
| CN117579701A (zh) | 一种移动边缘网络计算卸载方法及系统 | |
| Nguyen et al. | EdgePV: collaborative edge computing framework for task offloading | |
| Zhao et al. | Optimizing allocation and scheduling of connected vehicle service requests in cloud/edge computing | |
| CN114968512A (zh) | 一种基于区块链智能合约的能量感知调度方法 | |
| CN113448707A (zh) | 在边缘计算中在线批并行任务调度方法 | |
| CN114866612B (zh) | 一种电力微服务卸载方法及装置 | |
| Zhang et al. | Task assignment optimization in geographically distributed data centers | |
| CN117707797B (zh) | 基于分布式云平台的任务调度方法、装置及相关设备 |
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 |