CN117579626B - 基于分布式实现边缘计算下的优化方法及系统 - Google Patents

Abstract

本发明涉及边缘计算优化领域，提出了基于分布式实现边缘计算下的优化方法及系统，所述方法包括：获取待计算任务和划分计算子任务，并识别边缘节点作为执行目标，然后查询执行目标的任务执行指令，执行计算子任务并检测任务过程中的监测参数，计算边缘节点的计算资源利用率，根据计算资源利用率动态调整任务过程，得到调整任务，并分配到任务节点，根据任务节点的权重比例确定最优节点，并实时监测最优节点中的负载信息，更新至预设的分布优化系统，基于负载变化对最优节点进行协调分配，得到分配节点，并将其返回给中央节点，最终确定中央节点的执行过程并生成最优结果。本发明可以提高优化边缘计算的计算效率。

Description

基于分布式实现边缘计算下的优化方法及系统

技术领域

本发明涉及边缘计算优化领域，尤其涉及基于分布式实现边缘计算下的优化方法及系统。

背景技术

边缘计算是一种新兴的计算架构，用于在离用户设备更近的地方处理数据和执行计算任务，其通过将计算能力移动到网络边缘，即靠近终端设备的地方，来减少延迟并提高系统性能，并且边缘计算可以在物理设备、无线通信和云计算等方面应用。

目前，基于分布式实现边缘计算下的优化方法通过利用分布式计算能力，将计算任务在边缘节点间进行协同处理，并引入机器学习和深度学习等智能算法，以实现边缘计算中的自适应资源分配和决策优化，然而，在分布式边缘计算中，由于多个边缘节点之间的网络延迟和不确定性，从而影响边缘计算的计算效率，因此，需要一种基于分布式实现边缘计算下的优化方法及系统，以提高优化边缘计算的计算效率。

发明内容

本发明提供基于分布式实现边缘计算下的优化方法及系统，其主要目的在于提高优化边缘计算的计算效率。

为实现上述目的，本发明提供的基于分布式实现边缘计算下的优化方法，包括：

获取待计算任务，将所述待计算任务划分为计算子任务，识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标；

查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，并检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率；

基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，基于所述权重值，计算所述任务节点对应的权重比例；

基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，将所述负载信息更新至预设的分布优化系统，实时监测所述分布优化系统中的负载变化；

基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果。

可选地，所述识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标，包括：

确定所述计算子任务对应的任务需求；

基于所述任务需求，识别所述计算子任务对应的边缘节点；

监测所述边缘节点的节点状态；

基于所述节点状态，将所述边缘节点作为所述待计算任务对应的执行目标。

可选地，所述检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，包括：

检测所述计算子任务对应的任务过程，查询所述任务过程对应的任务环节；

识别所述任务环节中对应的监测点；

基于所述监测点，确定所述计算子任务对应的监测指标；

基于所述监测指标，识别所述任务过程中的监测参数。

可选地，所述基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率，包括：

利用下述公式计算所述执行目标对应的边缘节点的计算资源利用率：

其中，ZL表示所述执行目标对应的边缘节点的计算资源利用率，Ri表示执行目标对应的第i个任务所占用的计算资源数量，Dj表示所述边缘节点对应的第j个计算资源总量。

可选地，所述基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，包括：

收集所述计算资源利用率对应的资源数据；

对所述资源数据进行性能数据分析，得到分析数据；

基于所述分析数据，确定所述任务过程中的任务方向；

基于所述任务方向，对所述任务过程进行动态调整，得到调整任务。

可选地，所述识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，包括：

查询所述调整任务对应的任务状态；

基于所述任务状态，识别所述调整任务对应的未完成任务；

识别所述未完成任务对应的任务进度；

基于所述任务进度，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值。

可选地，所述基于所述权重值，计算所述任务节点对应的权重比例，包括：

利用下述公式计算所述任务节点对应的权重比例：

其中，QL表示所述任务节点对应的权重比例，α表示所述任务节点的权重调整系数，β表示所述任务节点执行时间调整系数，γ表示所述任务节点本身权重的调整系数，n表示所述任务节点的总数，wj表示所述任务节点j的权重值，cj表示所述任务节点j的执行时间，wi表示所述任务节点i的权重值。

可选地，所述基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，包括：

确定所述权重比例对应的节点指标；

基于所述节点指标，计算所述任务节点对应的最优节点；

对所述最优节点分配任务负载，识别所述任务负载中对应的负载信息。

可选地，所述基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，包括：

确定所述权重比例对应的节点指标；

基于所述节点指标，计算所述任务节点对应的最优节点；

对所述最优节点分配任务负载，识别所述任务负载中对应的负载信息。

为了解决上述问题，本发明还提供基于分布式实现边缘计算下的优化系统，所述系统包括：

节点识别模块，用于获取待计算任务，将所述待计算任务划分为计算子任务，识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标；

资源利用率计算模块，用于查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，并检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率；

权重比例计算模块，用于基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，基于所述权重值，计算所述任务节点对应的权重比例；

实时监测模块，用于基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，将所述负载信息更新至预设的分布优化系统，实时监测所述分布优化系统中的负载变化；

结果生成模块，用于基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果。

本发明获取待计算任务，将所述待计算任务划分为计算子任务，可以提高计算效率、加快响应时间、增加可扩展性、提高容错性，并增强编程和调试的可行性，从而提高划分子任务成为处理大规模计算问题时的有效策略，本发明通过查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，可以提供更低的延迟、减少带宽需求、提高计算效率，增强数据安全性，并降低云计算成本，本发明基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，可以根据实际需求对计算资源进行合理利用，避免资源的浪费和闲置，从而提高整体的任务执行效率，本发明基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，可以更加合理地分配任务负载，将任务分配给最适合处理该任务的节点，能够有效减少系统的负载不平衡现象，提高系统整体性能，从而减少任务处理时间，本发明通过确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果，可以带来统一控制、任务优化、资源管理、协同效应和系统扩展性等益处，从而获得最优的结果。因此本发明提出的基于分布式实现边缘计算下的优化方法及系统，以提高优化边缘计算的计算效率。

附图说明

图1为本发明一实施例提供的基于分布式实现边缘计算下的优化方法的流程示意图；

图2为本发明一实施例提供的一种基于分布式实现边缘计算下的优化系统的模块示意图；

图3为本发明一实施例提供的基于分布式实现边缘计算下的优化方法的电子设备的内部结构示意图。

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。

本申请实施例提供基于分布式实现边缘计算下的优化方法。所述基于分布式实现边缘计算下的优化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，所述基于分布式实现边缘计算下的优化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基于分布式实现边缘计算下的优化方法的流程示意图。在本实施例中，所述基于分布式实现边缘计算下的优化方法包括：

S1、获取待计算任务，将所述待计算任务划分为计算子任务，识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标。

本发明获取待计算任务，将所述待计算任务划分为计算子任务，可以提高计算效率、加快响应时间、增加可扩展性、提高容错性，并增强编程和调试的可行性，从而提高划分子任务成为处理大规模计算问题时的有效策略。

其中，所述待计算任务是指需要进行计算的大型任务，通常包含多个子任务或操作；所述计算子任务是指将所述待计算任务划分为较小的、可独立执行的任务单元。

本发明通过识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标，可以提供低延迟、减少网络带宽消耗、提高隐私和安全性、缓解云端压力以及支持离线工作，并且可以降低对网络传输速度和稳定性的要求。

其中，所述边缘节点是指位于计算任务发生地点附近的计算设备，通常包括：边缘服务器、边缘网关、边缘设备等；所述执行目标是指将计算任务分配给边缘节点进行处理的目标。

作为本发明的一个实施例，所述识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标，包括：确定所述计算子任务对应的任务需求；基于所述任务需求，识别所述计算子任务对应的边缘节点；监测所述边缘节点的节点状态；基于所述节点状态，将所述边缘节点作为所述待计算任务对应的执行目标。

其中，所述任务需求是指所述计算子任务对计算、存储、网络等资源的需求；所述节点状态是指所述边缘节点的当前状态信息，包括：内存使用情况、存储空间、网络带宽等信息。

进一步地，所述任务需求可以通过任务规范工具实现获得，如：JIRA、Trello、Microsoft Project等工具；所述节点状态可以通过统计模型实现获得，如：正态分布、回归模型、时间序列模型等模型。

S2、查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，并检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率。

本发明通过查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，可以提供更低的延迟、减少带宽需求、提高计算效率，增强数据安全性，并降低云计算成本。

其中，所述任务执行指令是指一种包含具体操作步骤和参数的指令，如：指令、命令、脚本或程序等，可选地，所述任务执行指令可以通过分布式计算框架实现获得，如：Apache Spark、Hadoop等框架。

本发明通过检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，可以提供实时监测、效率优化、资源管理、故障诊断与恢复以及绩效评估和优化等方面的益处，帮助确保任务的顺利执行和最大化任务执行效能。

其中，所述任务过程是指完成一个任务所需要的一系列步骤、操作或流程，包括输入、处理、输出等环节；所述监测参数是指在所述任务执行过程中可以被检测和记录的各种指标或变量。

作为本发明的一个实施例，所述检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，包括：检测所述计算子任务对应的任务过程；查询所述任务过程对应的任务环节；识别所述任务环节中对应的监测点；基于所述监测点，确定所述计算子任务对应的监测指标；基于所述监测指标，识别所述任务过程中的监测参数。

其中，所述任务环节是指任务执行过程中的不同阶段或步骤，如：任务开始、数据准备、计算处理、结果输出等环节；所述监测点是指在所述任务环节中识别用于监测任务执行情况的关键点或节点；所述监测指标是指基于监测点确定的需要监测的参数或指标。

进一步地，所述任务环节可以通过流程图工具实现获得，如：Lucidchart、Microsoft Visio等工具；所述监测点可以通过监测系统和平台实现获得，如：物联网平台、大数据平台等；所述监测指标可以通过数据处理和分析工具实现获得，如：Excel、MATLAB、Python等工具。

本发明基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率，可以及时发现资源不足的情况，从而避免服务质量下降，并且通过合理分配计算任务，保证边缘节点的计算资源能够满足执行目标的需要，提高边缘节点的计算效率。

其中，所述计算资源利用率是指计算系统或设备在一定时间内实际使用的计算资源量与可提供的计算资源总量之间的比率。

作为本发明的一个实施例，所述基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率，包括：

利用下述公式计算所述执行目标对应的边缘节点的计算资源利用率：

其中，ZL表示所述执行目标对应的边缘节点的计算资源利用率，Ri表示执行目标对应的第i个任务所占用的计算资源数量，Dj表示所述边缘节点对应的第j个计算资源总量。

S3、基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，基于所述权重值，计算所述任务节点对应的权重比例。

本发明基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，可以根据实际需求对计算资源进行合理利用，避免资源的浪费和闲置，从而提高整体的任务执行效率。

其中，所述调整任务是指对当前正在进行或即将进行的任务进行修改、重新安排或重新设定目标等操作的任务。

作为本发明的一个实施例，所述基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，包括：收集所述计算资源利用率对应的资源数据；对所述资源数据进行性能数据分析，得到分析数据；基于所述分析数据，确定所述任务过程中的任务方向；基于所述任务方向，对所述任务过程进行动态调整，得到调整任务。

其中，所述资源数据是指从计算资源中收集的各种数据，如：内存使用情况、CPU利用率、磁盘IO速度等；所述分析数据是指对收集到的所述资源数据进行分析得到的结果数据；所述任务方向是指根据所述分析数据确定的需要调整的任务方向。

进一步地，所述资源数据可以通过监控工具实现获得，如：Zabbix、Nagios、Prometheus等工具；所述分析数据可以通过数据可视化工具实现获得，如：Tableau、PowerBI等工具；所述任务方向可以通过决策树算法实现获得，如：分析算法、回归树算法等。

本发明通过识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，可以提高任务执行效率，平衡任务负载，增强系统的弹性和可扩展性，以及优化资源利用率，从而有助于提升系统的性能和效果。

其中，所述未完成任务是指尚未完成或处理的任务，可以是在任务队列中等待执行的任务；所述任务节点是指系统中参与任务执行的各个节点或服务器；所述权重值是指用于评估任务节点优先级的值。

作为本发明的一个实施例，所述识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，包括：查询所述调整任务对应的任务状态；基于所述任务状态，识别所述调整任务对应的未完成任务；识别所述未完成任务对应的任务进度；基于所述任务进度，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值。

其中，所述任务状态是指任务当前所处的状态，如："未开始"、"进行中"、"暂停"、"已完成"等状态；所述任务进度是指一个百分比值或其他形式的进度指示。

进一步地，所述任务状态可以通过时间序列分析模型实现获得，如：ARIMA、LSTM等模型；所述任务进度可以通过进度识别工具实现获得，如：Tableau、Google Data Studio等工具。

本发明基于所述权重值，计算所述任务节点对应的权重比例，的益处，可以提供项目管理和决策层面的支持，帮助明确任务的优先级、资源分配、进度规划和风险管理，从而提高项目的成功率和效率。

其中，所述权重比例是指所述任务节点在整个项目中所占的相对重要性或优先级。

作为本发明的一个实施例，所述基于所述权重值，计算所述任务节点对应的权重比例，包括：

利用下述公式计算所述任务节点对应的权重比例：

其中，QL表示所述任务节点对应的权重比例，α表示所述任务节点的权重调整系数，β表示所述任务节点执行时间调整系数，γ表示所述任务节点本身权重的调整系数，n表示所述任务节点的总数，wj表示所述任务节点j的权重值，cj表示所述任务节点j的执行时间，wi表示所述任务节点i的权重值。

S4、基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，将所述负载信息更新至预设的分布优化系统，实时监测所述分布优化系统中的负载变化。

本发明基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，可以更加合理地分配任务负载，将任务分配给最适合处理该任务的节点，能够有效减少系统的负载不平衡现象，提高系统整体性能，从而减少任务处理时间。

其中，所述最优节点是指在系统中能够最合适地处理该任务的节点；所述负载信息是指每个节点的当前负载情况，包括:CPU利用率、内存利用率、网络带宽利用率等。

作为本发明的一个实施例，所述基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，包括：确定所述权重比例对应的节点指标；基于所述节点指标，计算所述任务节点对应的最优节点；对所述最优节点分配任务负载；识别所述任务负载中对应的负载信息。

其中，所述节点指标是指用于评估节点性能和资源利用率的指标；所述任务负载是指需要分配给节点执行的具体任务。

进一步地，所述节点指标可以通过指标识别工具实现获得，如：Zabbix、Nagios、Prometheus等工具；所述任务负载可以通过负载分析工具实现获得，如：ELK Stack、Splunk等工具。

本发明通过将所述负载信息更新至预设的分布优化系统，实时监测所述分布优化系统中的负载变化，可以实现即时响应和调整、负载均衡、故障检测和容错以及性能优化和资源利用率提升等益处，从而提升系统的性能、可靠性和效率。

其中，所述分布优化系统是指一种用于管理和优化分布式系统中负载分配和资源调度的系统；所述负载变化是指分布式系统中节点或服务器上的负载状态发生变化的信息；可选地，所述负载变化可以通过机器学习算法、时间序列分析算法等实现获得。

S5、基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果。

本发明基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，可以提高资源利用率、优化系统性能、提升故障容错性，可以获得更好的计算能力和吞吐量，从而提高了系统的整体性能。

其中，所述分配节点是指根据负载变化和优化策略所得到的需要执行任务或负载的具体节点；所述分配节点是指根据负载变化和协调算法计算出的最优节点，即被选定用于执行任务的节点；所述中央节点是指整个分布优化系统中的中央控制节点或管理节点。

作为本发明的一个实施例，所述基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，包括：识别所述负载变化对应的负载计算任务；基于所述负载计算任务，对所述最优节点进行协调分配，得到分配节点；查询所述分配节点对应的节点指令；执行所述节点指令，将所述分配节点返回给中央节点。

其中，所述负载计算任务是指待分配给节点进行计算的任务或工作，包括：数据处理、计算密集型任务、网络通信等；所述节点指令是指中央节点向分配节点发送的指令或命令，包括：启动计算任务、传输数据、执行算法、发送结果等。

进一步地，所述待计算任务可以通过数据分析工具实现获得，如：Python的Pandas、R语言的tidyverse等；所述节点指令可以通过智能算法实现获得，如：遗传算法、粒子群算法、模拟退火算法等。

本发明通过确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果，可以带来统一控制、任务优化、资源管理、协同效应和系统扩展性等益处，从而获得最优的结果。

其中，所述执行过程是指所述中央节点对计算任务进行调度和协调的过程；所述最优结果是指经过所述中央节点的计算和优化过程，生成的最佳计算结果。

可选地，所述执行过程可以通过调度工具实现获得，如：Apache Mesos、Kubernetes等工具；所述最优结果可以通过运筹学模型实现获得，如：线性规划、整数规划、动态规划等方法模型。

本发明获取待计算任务，将所述待计算任务划分为计算子任务，可以提高计算效率、加快响应时间、增加可扩展性、提高容错性，并增强编程和调试的可行性，从而提高划分子任务成为处理大规模计算问题时的有效策略，本发明通过查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，可以提供更低的延迟、减少带宽需求、提高计算效率，增强数据安全性，并降低云计算成本，本发明基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，可以根据实际需求对计算资源进行合理利用，避免资源的浪费和闲置，从而提高整体的任务执行效率，本发明基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，可以更加合理地分配任务负载，将任务分配给最适合处理该任务的节点，能够有效减少系统的负载不平衡现象，提高系统整体性能，从而减少任务处理时间，本发明通过确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果，可以带来统一控制、任务优化、资源管理、协同效应和系统扩展性等益处，从而获得最优的结果。因此本发明提出的基于分布式实现边缘计算下的优化方法及系统，以提高优化边缘计算的计算效率。

如图2所示，是本发明一实施例提供的基于分布式实现边缘计算下的优化方法及系统的功能模块图。

本发明所述基于分布式实现边缘计算下的优化系统200可以安装于电子设备中。根据实现的功能，所述基于分布式实现边缘计算下的优化系统200可以包括节点识别模块201、资源利用率计算模块202、权重比例计算模块203、实时监测模块204以及实时监测模块205。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：

所述节点识别模块201，用于获取待计算任务，将所述待计算任务划分为计算子任务，识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标；

所述资源利用率计算模块202，用于查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，并检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率；

所述权重比例计算模块203，用于基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，基于所述权重值，计算所述任务节点对应的权重比例；

所述实时监测模块204，用于基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，将所述负载信息更新至预设的分布优化系统，实时监测所述分布优化系统中的负载变化；

所述结果生成模块205，用于基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果。

详细地，本发明实施例中所述基于分布式实现边缘计算下的优化系统200中所述的各模块在使用时采用与附图中所述的基于分布式实现边缘计算下的优化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3所示，是本发明实现基于分布式实现边缘计算下的优化方法的电子设备的结构示意图。

所述电子设备1可以包括处理器30、存储器31、通信总线32以及通信接口33，还可以包括存储在所述存储器31中并可在所述处理器30上运行的计算机程序，如基于人工智能的工程安全监管程序。

其中，所述处理器30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30是所述电子设备1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31内的程序或者模块(例如执行基于人工智能的工程安全监管程序等)，以及调用存储在所述存储器31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31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31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31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31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31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，例如数据库配置化连接程序的代码等，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32可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，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31以及至少一个处理器30等之间的连接通信。

所述通信接口33用于上述电子设备1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，所述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3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3示出的结构并不构成对所述电子设备1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1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30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1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。

所述电子设备1中的所述存储器31存储的数据库配置化连接程序是多个计算机程序的组合，在所述处理器30中运行时，可以实现：

获取待计算任务，将所述待计算任务划分为计算子任务，识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标；

查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，并检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率；

基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，基于所述权重值，计算所述任务节点对应的权重比例；

基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，将所述负载信息更新至预设的分布优化系统，实时监测所述分布优化系统中的负载变化；

基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果。

具体地，所述处理器30对上述计算机程序的具体实现方法可参考图1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1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，可以存储在一个非易失性计算机可读取存储介质中。所述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：

获取待计算任务，将所述待计算任务划分为计算子任务，识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标；

查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，并检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率；

基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，基于所述权重值，计算所述任务节点对应的权重比例；

基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，将所述负载信息更新至预设的分布优化系统，实时监测所述分布优化系统中的负载变化；

基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果。

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。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.基于分布式实现边缘计算下的优化方法，其特征在于，所述方法包括：

获取待计算任务，将所述待计算任务划分为计算子任务，识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标；

查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，并检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率；

基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，基于所述权重值，计算所述任务节点对应的权重比例，包括：

利用下述公式计算所述任务节点对应的权重比例：

其中，QL表示所述任务节点对应的权重比例，α表示所述任务节点的权重调整系数，β表示所述任务节点执行时间调整系数，γ表示所述任务节点本身权重的调整系数，n表示所述任务节点的总数，wj表示所述任务节点j的权重值，cj表示所述任务节点j的执行时间，wi表示所述任务节点i的权重值；

基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，将所述负载信息更新至预设的分布优化系统，实时监测所述分布优化系统中的负载变化；

基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果。

2.如权利要求1所述的基于分布式实现边缘计算下的优化方法，其特征在于，所述识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标，包括：

确定所述计算子任务对应的任务需求；

基于所述任务需求，识别所述计算子任务对应的边缘节点；

监测所述边缘节点的节点状态；

基于所述节点状态，将所述边缘节点作为所述待计算任务对应的执行目标。

3.如权利要求1所述的基于分布式实现边缘计算下的优化方法，其特征在于，所述检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，包括：

检测所述计算子任务对应的任务过程，查询所述任务过程对应的任务环节；

识别所述任务环节中对应的监测点；

基于所述监测点，确定所述计算子任务对应的监测指标；

基于所述监测指标，识别所述任务过程中的监测参数。

4.如权利要求1所述的基于分布式实现边缘计算下的优化方法，其特征在于，所述基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率，包括：

利用下述公式计算所述执行目标对应的边缘节点的计算资源利用率：

其中，ZL表示所述执行目标对应的边缘节点的计算资源利用率，Ri表示执行目标对应的第 i 个任务所占用的计算资源数量，Dj表示所述边缘节点对应的第 j 个计算资源总量。

5.如权利要求1所述的基于分布式实现边缘计算下的优化方法，其特征在于，所述基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，包括：

收集所述计算资源利用率对应的资源数据；

对所述资源数据进行性能数据分析，得到分析数据；

基于所述分析数据，确定所述任务过程中的任务方向；

基于所述任务方向，对所述任务过程进行动态调整，得到调整任务。

6.如权利要求1所述的基于分布式实现边缘计算下的优化方法，其特征在于，所述识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，包括：

查询所述调整任务对应的任务状态；

基于所述任务状态，识别所述调整任务对应的未完成任务；

识别所述未完成任务对应的任务进度；

基于所述任务进度，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值。

7.如权利要求1所述的基于分布式实现边缘计算下的优化方法，其特征在于，所述基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，包括：

确定所述权重比例对应的节点指标；

基于所述节点指标，计算所述任务节点对应的最优节点；

对所述最优节点分配任务负载，识别所述任务负载中对应的负载信息。

8.如权利要求1所述的基于分布式实现边缘计算下的优化方法，其特征在于，所述基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，包括：

识别所述负载变化对应的负载计算任务；

基于所述负载计算任务，对所述最优节点进行协调分配，得到分配节点；

查询所述分配节点对应的节点指令；

执行所述节点指令，将所述分配节点返回给中央节点。

9.基于分布式实现边缘计算下的优化系统，其特征在于，用于执行如权利要求1-8中任意一项所述的基于分布式实现边缘计算下的优化方法，所述系统包括：

节点识别模块，用于获取待计算任务，将所述待计算任务划分为计算子任务，识别所述计算子任务对应的边缘节点，将所述边缘节点作为所述待计算任务对应的执行目标；

资源利用率计算模块，用于查询所述执行目标对应的任务执行指令，利用所述任务执行指令执行所述计算子任务，并检测所述计算子任务对应的任务过程，识别所述任务过程中的监测参数，基于所述监测参数，计算所述执行目标对应的边缘节点的计算资源利用率；

权重比例计算模块，用于基于所述计算资源利用率，对所述任务过程进行动态调整，得到调整任务，识别所述调整任务对应的未完成任务，将所述未完成任务分配到任务节点，查询所述任务节点对应的权重值，基于所述权重值，计算所述任务节点对应的权重比例，包括：

利用下述公式计算所述任务节点对应的权重比例：

其中，QL表示所述任务节点对应的权重比例，α表示所述任务节点的权重调整系数，β表示所述任务节点执行时间调整系数，γ表示所述任务节点本身权重的调整系数，n表示所述任务节点的总数，wj表示所述任务节点j的权重值，cj表示所述任务节点j的执行时间，wi表示所述任务节点i的权重值；

实时监测模块，用于基于所述权重比例，确定所述任务节点对应的最优节点，识别所述最优节点中的负载信息，将所述负载信息更新至预设的分布优化系统，实时监测所述分布优化系统中的负载变化；

结果生成模块，用于基于所述负载变化，对所述最优节点进行协调分配，得到分配节点，并将所述分配节点返回给中央节点，确定所述中央节点对应的执行过程，并生成所述待计算任务对应的最优结果。