CN118170551A - 资源调度方法、装置及电子设备 - Google Patents
资源调度方法、装置及电子设备 Download PDFInfo
- Publication number
- CN118170551A CN118170551A CN202410581660.7A CN202410581660A CN118170551A CN 118170551 A CN118170551 A CN 118170551A CN 202410581660 A CN202410581660 A CN 202410581660A CN 118170551 A CN118170551 A CN 118170551A
- Authority
- CN
- China
- Prior art keywords
- edge node
- value
- service area
- scheduling
- edge
- 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
- 238000012216 screening Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 abstract description 7
- 238000013468 resource allocation Methods 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 38
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000452 restraining effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种资源调度方法、装置及电子设备,涉及多集群调度技术领域。方法包括:获取业务区域和约束时延;以约束时延为筛选条件,对业务区域中的边缘节点进行筛选,得到业务区域对应的边缘节点集合;利用边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值;基于每个边缘节点的调度均衡值,计算每个边缘节点的亲和值;根据亲和值,对边缘节点进行调度推荐。本申请将各边缘节点的多维属性纳入调度的考虑因素,综合计算各边缘节点的用于表征当前边缘节点的调度推荐程度的亲和值,进而根据亲和值来进行资源调度。从而改善目前的边缘云资源调度方案中不能满足多维度考察,存在各节点资源分配不够均衡的问题。
Description
技术领域
本申请涉及多集群调度技术领域,具体涉及一种资源调度方法、装置及电子设备。
背景技术
在当前的互联网时代中,计算资源的需求越来越高,而传统的中心云资源池往往无法满足用户对于计算资源分布更广、时延更低、价格更实惠的需求。因此,边缘云资源池逐渐得到了普及和应用,它们分布广泛,其属地化资源的部署优势,使得用户可以更方便地访问和使用近场计算资源。
对于边缘云资源节点的调度是指在边缘节点上部署的云服务,根据不同的调度策略和目标选择合适的节点进行部署,以达到最优的资源利用和性能表现的过程。目前,边缘云资源节点的调度方案主要包括基于规则的调度推荐、轮询调度、随机调度以及基于机器学习的调度方式。
但在上述调度方式中,基于某些规则(例如物理距离近、网络延迟低、节点负载小等因素)的调度规则过于死板,无法考虑到个体差异和特殊情况;轮询和随机调度没有考虑各节点的情况容易导致节点负载不均衡;基于机器学习的调度需要大量的数据进行训练且预测结果通常可能并不合理。综合来看,若调度推荐不合理,则会导致资源利用率相对较低,影响全局资源利用效率以及调度连续性。也即目前的边缘云资源调度方案中还没有能够满足多维度考察,使各节点资源分配更加均衡的调度策略。
发明内容
有鉴于此,本申请提供了一种资源调度方法、装置及电子设备,主要目的在于改善目前的边缘云资源调度方案中不能满足多维度考察,存在各节点资源分配不够均衡的问题。
第一方面,本申请提供了一种资源调度方法,包括:
获取业务区域和约束时延;所述业务区域中包括至少包含一个边缘节点,每一个所述边缘节点具有多维属性,用于表征当前所述业务区域中对应单位区域的资源状态;
以所述约束时延为筛选条件,对所述业务区域中的所述边缘节点进行筛选,得到所述业务区域对应的边缘节点集合;
利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值;
基于所述每个边缘节点的调度均衡值,计算所述每个边缘节点的亲和值;所述亲和值用于表征当前边缘节点的调度推荐程度;
根据所述亲和值,对所述边缘节点进行调度推荐。
可选地,所述利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值,包括:利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点各属性的偏离系数;根据每个边缘节点的所述偏离系数和多维属性,计算每个边缘节点的所述调度均衡值。
可选地,所述利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点各属性的偏离系数,包括:计算所述边缘节点集合中所有边缘节点的各属性平均值;利用所述各属性平均值和每个边缘节点的多维属性,计算每个边缘节点的各属性偏分值、偏分值占比以及偏分均值;基于所述偏分均值,计算每个边缘节点的有限值;根据所述有限值,得到每个边缘节点各属性的偏离系数。
可选地,所述业务区域为至少一个;所述基于所述每个边缘节点的调度均衡值,计算所述每个边缘节点的亲和值,包括:计算每个所述业务区域对应的边缘节点集合中,每个边缘节点的调度均衡值;对每个所述业务区域中的所述调度均衡值进行取平均处理,得到每个所述业务区域的调度均值;利用每个所述业务区域的所述调度均值,计算得到每个边缘节点的亲和值。
可选地,所述利用每个所述业务区域的所述调度均值,计算得到每个边缘节点的亲和值,包括:
式中,为亲和值,bji为第j个业务区域中第i个边缘节点,/>为第j个业务区域的调度均值,m为第j个业务区域中边缘节点个数的最大值,k为业务区域的最大值。
可选地,所述多维属性包括时延参数、资源价格和资源容量;所述以所述约束时延为筛选条件,对所述业务区域中的所述边缘节点进行筛选,得到所述业务区域对应的边缘节点集合,包括:获取所述业务区域中的每个边缘节点的时延参数;筛选出所述时延参数满足所述筛选条件的边缘节点,形成所述边缘节点集合。
可选地,所述根据所述亲和值,对所述边缘节点进行调度推荐,包括:依据所述亲和值,对边缘节点进行降序排列;根据排列结果,对所述边缘节点进行优先级推荐,所述优先级与所述亲和值正相关。
第二方面,本申请提供了一种资源调度装置,包括:
获取单元,被配置为获取业务区域和约束时延;所述业务区域中包括至少包含一个边缘节点,每一个所述边缘节点具有多维属性,用于表征当前所述业务区域中对应单位区域的资源状态;
筛选单元,被配置为以所述约束时延为筛选条件,对所述业务区域中的所述边缘节点进行筛选,得到所述业务区域对应的边缘节点集合;
第一计算单元,被配置为利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值;
第二计算单元,被配置为基于所述每个边缘节点的调度均衡值,计算所述每个边缘节点的亲和值;所述亲和值用于表征当前边缘节点的调度推荐程度;
调度单元,被配置为根据所述亲和值,对所述边缘节点进行调度推荐。
第三方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的资源调度方法。
第四方面,本申请提供了一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的资源调度方法。
借由上述技术方案,本申请提供的一种资源调度方法、装置及电子设备,本申请首先获取业务区域和约束时延,其中业务区域中包括至少包含一个边缘节点,每一个所述边缘节点具有多维属性,用于表征当前业务区域中对应单位区域的资源状态。进而以约束时延为筛选条件,对业务区域中的边缘节点进行筛选,得到业务区域对应的边缘节点集合,再利用边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值,基于每个边缘节点的调度均衡值,计算用于表征当前边缘节点的调度推荐程度的亲和值。最终根据亲和值,对边缘节点进行调度推荐。与相关技术相比而言,本申请将各边缘节点的多维属性纳入调度的考虑因素,综合计算各边缘节点的用于表征当前边缘节点的调度推荐程度的亲和值,进而根据亲和值来进行资源调度。从而改善目前的边缘云资源调度方案中不能满足多维度考察,存在各节点资源分配不够均衡的问题。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请实施例提供的一种资源调度方法的流程示意图;
图2示出了本申请实施例提供的另一种资源调度方法的流程示意图;
图3示出了本申请实施例提供的一种资源调度装置的结构示意图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面将对本申请的方案进行进一步描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
为了改善目前的边缘云资源调度方案中不能满足多维度考察,存在各节点资源分配不够均衡的问题,本实施例提供了一种资源调度方法,如图1所示,该方法包括:
S101,获取业务区域和约束时延。
业务区域和约束时延由用户的需求决定,例如用户在提出在3个省,且约束时延为用户期望时延在10ms或者20ms等以内某个范围内的时延值。那么业务区域为3个,约束时延为10ms或20ms。其中,业务区域中包括至少包含一个边缘节点,每一个边缘节点具有多维属性,用于表征当前业务区域中对应单位区域的资源状态。业务区域也称作业务开展区域,是指用户所要选择部署的边缘云场景区域,具体可包括大区、省和市三级。举例而言,每一个市级区域为最小单位,每个市至少对应有一个边缘云节点,那么在一个省中则包含有多个边缘节点,每个边缘节点的多维属性不同。
具体地,多维属性包括时延参数、资源价格和资源池内资源容量。时延参数是指用户业务开展区域到待调度边缘节点之间的网络时延,通过动态实时采集用户调度区域与备选调度节点之间的时延平均数作为时延参数,例如第i个业务区域到边缘节点的时延值为。资源价格:不同边缘云资源池内同种规格的计算资源价格受当地租金、电费等因素影响而有所区分,设第i个边缘云池内的资源价格为/>。资源池资源容量:指动态采集到的每个资源池内资源容量值,设第i个资源池内资源容量为/>。多维属性/>、/>、/>在谈论某一边缘节点的多维属性时可统一表示为/>(表示第j个业务区域对应的所有边缘节点中的第i个边缘节点对应的属性值)。
S102,以约束时延为筛选条件,对业务区域中的边缘节点进行筛选,得到业务区域对应的边缘节点集合。
这里通过约束时延,对用户所选择的业务区域和边缘节点进行筛选,得到可供选择的边缘节点集合。举例而言,用户选择了h个业务区域(以市级单元为一个业务区域,大区、省级区域仍以其包含的市级单位数量为统计单位),约束时延为s,则在h个业务开展区域中遍历筛选满足限定条件(即各业务区域内至少存在一个时延小于等于s的边缘节点),剩余k个业务区域(k<=h),并且得到k个业务区域中每个业务区域对应的满足约束时延要求的边缘节点集合。例如k=2,则有边缘节点集合a1和a2,且a1和a2中包含若干边缘节点。
S103,利用边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值。
进而利用边缘节点集合中每个边缘节点的多维属性,通过逆熵算法,计算不同属性的权重,得到每个边缘节点的调度均衡值。
S104,基于每个边缘节点的调度均衡值,计算每个边缘节点的亲和值。
其中,亲和值用于表征当前边缘节点的调度推荐程度。也即需要根据亲和值来对资源调度进行判断。
在S103和S104中,利用边缘节点集合中每个边缘节点的多维属性通过逆熵算法得到亲和值的过程具体包括:利用多维属性计算各边缘节点属性的偏分值、偏分值占比以及偏分均值,进而计算有限值和偏离系数,这里的偏离系数也即相当于调度权重,权重越大,则偏离程度越高。在计算偏离系数后,即可将各属性加权后得出理论均衡值,也即调度均衡值。
进而根据调度均衡值,计算每个业务区域对应的边缘节点集合中,每个边缘节点的调度均衡值;对每个业务区域中的调度均衡值进行取平均处理,得到每个业务区域的调度均值;利用每个业务区域的调度均值,计算得到每个边缘节点的亲和值。
S105,根据亲和值,对边缘节点进行调度推荐。
在本实施例中,首先获取业务区域和约束时延,其中业务区域中包括至少包含一个边缘节点,每一个所述边缘节点具有多维属性,用于表征当前业务区域中对应单位区域的资源状态。进而以约束时延为筛选条件,对业务区域中的边缘节点进行筛选,得到业务区域对应的边缘节点集合,再利用边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值,基于每个边缘节点的调度均衡值,计算用于表征当前边缘节点的调度推荐程度的亲和值。最终根据亲和值,对边缘节点进行调度推荐。与相关技术相比而言,本实施例将各边缘节点的多维属性纳入调度的考虑因素,综合计算各边缘节点的用于表征当前边缘节点的调度推荐程度的亲和值,进而根据亲和值来进行资源调度。从而改善目前的边缘云资源调度方案中不能满足多维度考察,存在各节点资源分配不够均衡的问题。
可选地,利用边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值,包括:利用边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点各属性的偏离系数;根据每个边缘节点的偏离系数和多维属性,计算每个边缘节点的调度均衡值。
在本实施例中,偏离系数是用以衡量各属性值的偏离程度,相当于调度权重,权重越大,偏离程度越高。在计算偏离系数后,即可将各属性加权后得出理论均衡值,也即调度均衡值。根据偏离系数,计算调度均衡值可采用公式一得出。
(公式一)
公式一中,为第j个业务区域中第i个边缘节点的调度均衡值,/>是偏离系数,为第j个业务区域对应的所有边缘节点中的第i个边缘节点对应的属性值。
可选地,利用边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点各属性的偏离系数,包括:计算边缘节点集合中所有边缘节点的各属性平均值;利用各属性平均值和每个边缘节点的多维属性,计算每个边缘节点的各属性偏分值、偏分值占比以及偏分均值;基于偏分均值,计算每个边缘节点的有限值;根据有限值,得到每个边缘节点各属性的偏离系数。
在本实施例中,计算偏离系数的步骤需要先计算偏分值、偏分值占比、偏分均值和有限值,具体计算各值的步骤可通过公式二至公式六得到。
(公式二)
公式二中,偏分值代表真实属性值与平均属性值的绝对差异,/>是对第j个业务区域对应的所有边缘节点/>的时延、资源价格和资源容量的平均值,/>为第j个业务区域对应的所有边缘节点中的第i个边缘节点对应的属性值,max(x)-min(x)为同一属性值最大值和最小值的差。
通过公式二计算出第j个业务区域对应边缘节点集中的/>、/>以及/>的所有偏分值{/>,/>,...,/>}(i=1,...,m,m表示第j个业务区域对应的边缘节点数量)。在计算了偏分值后,进而计算偏分值占比,可通过公式三获取。
(公式三)
公式三中,中的各边缘节点的属性值(/>、/>以及/>)的偏分值占比,为偏分值。
得出各边缘节点的属性值的偏分值占比后,通过公式四计算得出第j个业务区域中各边缘节点集/>内各属性(/>、/>以及/>)的偏分均值/>。
通过公式五,计算第j个业务区域中第i个边缘节点内各属性(、/>以及/>)的有限值/>。
计算得出有限值后,利用公式六分别计算第j个业务区域中第i个边缘节点内各属性的偏离系数/>,用以衡量属性值的偏离程度(相当于调度权重,权重越大,偏离程度越高)。
公式六中,m表示第j个业务区域对应的边缘节点数量,为该业务区域内各边缘节点有限值的和。
可选地,业务区域为至少一个;基于每个边缘节点的调度均衡值,计算每个边缘节点的亲和值,包括:计算每个业务区域对应的边缘节点集合中,每个边缘节点的调度均衡值;对每个业务区域中的调度均衡值进行取平均处理,得到每个业务区域的调度均值;利用每个业务区域的调度均值,计算得到每个边缘节点的亲和值。
在本实施例中,在计算得到了当前业务区域的每一个边缘节点的调度均衡值后,对如何计算亲和值的过程进行说明。首先重复上述步骤,通过上述公式一至公式六对每一个业务区域的边缘节点都计算调度均衡值,直至遍历k次(k个业务区域),得到k个业务区域对应的所有边缘节点的调度均衡值{}(j=1,..,k)。进而对每个业务区域中的调度均衡值进行取平均处理,得到每个业务区域的调度均值{/>}。最后利用每个业务区域的调度均值,计算得到每个边缘节点的亲和值。
进一步地,利用每个所述业务区域的所述调度均值,计算得到每个边缘节点的亲和值,可采用公式七。
(公式七)
式中,为亲和值,bji为第j个业务区域中第i个边缘节点,/>为第j个业务区域的调度均值,m为第j个业务区域中边缘节点个数的最大值,k为业务区域的最大值。
可选地,根据亲和值,对边缘节点进行调度推荐,包括:依据亲和值,对边缘节点进行降序排列;根据排列结果,对边缘节点进行优先级推荐,优先级与亲和值正相关。
在本实施例中,依据亲和值对边缘节点进行从大到小排序,亲和值最大的对应的边缘节点为优先推荐节点,优先级与g值为正相关。即可为用户调度满足其需求的边缘节点,也能满足各边缘节点池内资源更加均衡,保证调度连续性,一定程度提高资源使用率。
可选地,多维属性包括时延参数、资源价格和资源容量;以约束时延为筛选条件,对业务区域中的边缘节点进行筛选,得到业务区域对应的边缘节点集合,包括:获取业务区域中的每个边缘节点的时延参数;筛选出时延参数满足筛选条件的边缘节点,形成边缘节点集合。
在本实施例中,举例而言,用户选择了h个业务区域(以市级单元为一个业务区域,大区、省级区域仍以其包含的市级单位数量为统计单位),约束时延为s,则在h个业务开展区域中遍历筛选满足限定条件(即各业务区域内至少存在一个时延小于等于s的边缘节点),剩余k个业务区域(k<=h),并且得到k个业务区域中每个业务区域对应的满足约束时延要求的边缘节点集合。例如k=2,则有边缘节点集合a1和a2,且a1和a2中包含若干边缘节点。
图2示出了本申请实施例提供的另一种资源调度方法的流程示意图,主要展示了如何根据多维属性计算调度均衡值以及亲和值的过程,包括:
S201,获取用户选择部署的业务区域和约束时延。
业务区域和约束时延由用户的需求决定,具体可由用户所选择的套餐服务确定。
S202,利用约束时延对用户选择部署的业务区域进行筛选,确定符合约束时延要求的业务区域及每个业务区域对应的边缘节点集合。
在本实施例中,用户选择了5个业务区域,约束时延选为15ms,则在S202中,对这5个业务区域中的边缘节点进行筛选,判断每个业务区域中是否至少存在一个时延小于或等于15ms的边缘节点,并将每一个业务区域所对应的符合需求的边缘节点形成边缘节点集合。例如在筛选后剩余3个业务区域,3个业务区域各自对应有符合要求的边缘节点。
S203,计算各边缘节点属性值的偏分值、偏分值占比和偏分均值。
接下来需要按照“逆熵均衡”算法,计算偏分值、偏分值占比和偏分均值的公式可参照上述公式二至公式四,在此不再赘述。这里先计算第一个业务区域中的边缘节点的上述参数。
S204,计算边缘节点各属性的有限值。
S205,计算边缘节点各属性的偏离系数。
S206,计算边缘节点均衡值。
边缘节点的均衡值也称调度均衡值,调度均衡值是综合了各属性的偏离系数得到的均衡值,能够体现各边缘节点当前的调度均衡情况。
S207,计算每个业务区域内各边缘节点均衡值的调度均值。
在得到当前业务区域中每个边缘节点的调度均衡值后,按照此计算规则依次计算其他两个业务区域的每个边缘节点的调度均衡值。进而求得这三个业务区域中每个业务区域对应的调度均衡值的均值,得到三个调度均值。
S208,利用每个业务区域的调度均值,得到每个边缘节点的亲和值。
亲和值的计算公式可参照公式七,通过将每一个业务区域的调度均值和每个边缘节点的调度均衡值进行计算并求和,得到亲和值。这里需要说明的是,亲和值的个数和业务区域的数量一致。
区别于中心云式简单的资源调度方式,本实施例量化了边缘云场景下用户的多种调度需求,以及考虑到了边缘云资源池数量多、池内资源较少的特性,需要保证各资源池的调度连续性以及提高资源利用率,提出一种边缘云场景下的资源池调度方法。通过本实施例提出的一种“逆熵均衡”调度算法,旨在解决边缘云场景下如何满足用户多样化调度需求,也能实现各边缘节点资源容量较为均衡、提高全局资源利用率的问题。
进一步的,作为图1和图2所示方法的具体实现,本实施例提供了一种资源调度装置,如图3所示,该装置包括:获取单元31、筛选单元32、第一计算单元33、第二计算单元34和调度单元35。
获取单元31,被配置为获取业务区域和约束时延;所述业务区域中包括至少包含一个边缘节点,每一个所述边缘节点具有多维属性,用于表征当前所述业务区域中对应单位区域的资源状态;
筛选单元32,被配置为以所述约束时延为筛选条件,对所述业务区域中的所述边缘节点进行筛选,得到所述业务区域对应的边缘节点集合;
第一计算单元33,被配置为利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值;
第二计算单元34,被配置为基于所述每个边缘节点的调度均衡值,计算所述每个边缘节点的亲和值;所述亲和值用于表征当前边缘节点的调度推荐程度;
调度单元35,被配置为根据所述亲和值,对所述边缘节点进行调度推荐。
在具体的应用场景中,第一计算单元33,具体被配置为利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点各属性的偏离系数;根据每个边缘节点的所述偏离系数和多维属性,计算每个边缘节点的所述调度均衡值。
在具体的应用场景中,第一计算单元33,具体还被配置为计算所述边缘节点集合中所有边缘节点的各属性平均值;利用所述各属性平均值和每个边缘节点的多维属性,计算每个边缘节点的各属性偏分值、偏分值占比以及偏分均值;基于所述偏分均值,计算每个边缘节点的有限值;根据所述有限值,得到每个边缘节点各属性的偏离系数。
在具体的应用场景中,第二计算单元34,具体还被配置为计算每个所述业务区域对应的边缘节点集合中,每个边缘节点的调度均衡值;对每个所述业务区域中的所述调度均衡值进行取平均处理,得到每个所述业务区域的调度均值;利用每个所述业务区域的所述调度均值,计算得到每个边缘节点的亲和值。
在具体的应用场景中,筛选单元32,具体还被配置为获取所述业务区域中的每个边缘节点的时延参数;筛选出所述时延参数满足所述筛选条件的边缘节点,形成所述边缘节点集合。
在具体的应用场景中,调度单元35,具体还被配置为依据所述亲和值,对边缘节点进行降序排列;根据排列结果,对所述边缘节点进行优先级推荐,所述优先级与所述亲和值正相关。
需要说明的是,本实施例提供的一种资源调度装置所涉及各功能单元的其它相应描述,可以参考图1和图2中的对应描述,在此不再赘述。
基于上述如图1和图2所示方法,相应的,本实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述如图1和图2所示的方法。
基于这样的理解,本申请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,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景的方法。
基于上述如图1和图2所示的方法,以及图3所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种电子设备,可配置在计算机端侧等,该设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1和图2所示的方法。
基于上述如图1和图2所示的方法,以及图3所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种芯片,包括一个或多个接口电路和一个或多个处理器;所述接口电路用于从电子设备的存储器接收信号,并向所述处理器发送所述信号,所述信号包括存储器中存储的计算机指令;当所述处理器执行所述计算机指令时,使得所述电子设备执行上述如图1和图2所示的方法。
可选的,上述实体设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的上述实体设备结构并不构成对该实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述实体设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。通过应用本实施例的方案,与相关技术相比而言,本实施例将各边缘节点的多维属性纳入调度的考虑因素,综合计算各边缘节点的用于表征当前边缘节点的调度推荐程度的亲和值,进而根据亲和值来进行资源调度。从而改善目前的边缘云资源调度方案中不能满足多维度考察,存在各节点资源分配不够均衡的问题。
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”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。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。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申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所述的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种资源调度方法,其特征在于,包括:
获取业务区域和约束时延;所述业务区域中包括至少包含一个边缘节点,每一个所述边缘节点具有多维属性,用于表征当前所述业务区域中对应单位区域的资源状态;
以所述约束时延为筛选条件,对所述业务区域中的所述边缘节点进行筛选,得到所述业务区域对应的边缘节点集合;
利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值;
基于所述每个边缘节点的调度均衡值,计算所述每个边缘节点的亲和值;所述亲和值用于表征当前边缘节点的调度推荐程度;
根据所述亲和值,对所述边缘节点进行调度推荐。
2.根据权利要求1所述的方法,其特征在于,所述利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值,包括:
利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点各属性的偏离系数;
根据每个边缘节点的所述偏离系数和多维属性,计算每个边缘节点的所述调度均衡值。
3.根据权利要求2所述的方法,其特征在于,所述利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点各属性的偏离系数,包括:
计算所述边缘节点集合中所有边缘节点的各属性平均值;
利用所述各属性平均值和每个边缘节点的多维属性,计算每个边缘节点的各属性偏分值、偏分值占比以及偏分均值;
基于所述偏分均值,计算每个边缘节点的有限值;
根据所述有限值,得到每个边缘节点各属性的偏离系数。
4.根据权利要求1所述的方法,其特征在于,所述业务区域为至少一个;
所述基于所述每个边缘节点的调度均衡值,计算所述每个边缘节点的亲和值,包括:
计算每个所述业务区域对应的边缘节点集合中,每个边缘节点的调度均衡值;
对每个所述业务区域中的所述调度均衡值进行取平均处理,得到每个所述业务区域的调度均值;
利用每个所述业务区域的所述调度均值,计算得到每个边缘节点的亲和值。
5.根据权利要求4所述的方法,其特征在于,所述利用每个所述业务区域的所述调度均值,计算得到每个边缘节点的亲和值,包括:
式中,为亲和值,bji为第j个业务区域中第i个边缘节点,/>为第j个业务区域的调度均值,m为第j个业务区域中边缘节点个数的最大值,k为业务区域的最大值。
6.根据权利要求1所述的方法,其特征在于,所述多维属性包括时延参数、资源价格和资源容量;
所述以所述约束时延为筛选条件,对所述业务区域中的所述边缘节点进行筛选,得到所述业务区域对应的边缘节点集合,包括:
获取所述业务区域中的每个边缘节点的时延参数;
筛选出所述时延参数满足所述筛选条件的边缘节点,形成所述边缘节点集合。
7.根据权利要求1所述的方法,其特征在于,所述根据所述亲和值,对所述边缘节点进行调度推荐,包括:
依据所述亲和值,对边缘节点进行降序排列;
根据排列结果,对所述边缘节点进行优先级推荐,所述优先级与所述亲和值正相关。
8.一种资源调度装置,其特征在于,包括:
获取单元,被配置为获取业务区域和约束时延;所述业务区域中包括至少包含一个边缘节点,每一个所述边缘节点具有多维属性,用于表征当前所述业务区域中对应单位区域的资源状态;
筛选单元,被配置为以所述约束时延为筛选条件,对所述业务区域中的所述边缘节点进行筛选,得到所述业务区域对应的边缘节点集合;
第一计算单元,被配置为利用所述边缘节点集合中每个边缘节点的多维属性,计算每个边缘节点的调度均衡值;
第二计算单元,被配置为基于所述每个边缘节点的调度均衡值,计算所述每个边缘节点的亲和值;所述亲和值用于表征当前边缘节点的调度推荐程度;
调度单元,被配置为根据所述亲和值,对所述边缘节点进行调度推荐。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
10.一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410581660.7A CN118170551A (zh) | 2024-05-11 | 2024-05-11 | 资源调度方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410581660.7A CN118170551A (zh) | 2024-05-11 | 2024-05-11 | 资源调度方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118170551A true CN118170551A (zh) | 2024-06-11 |
Family
ID=91360457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410581660.7A Pending CN118170551A (zh) | 2024-05-11 | 2024-05-11 | 资源调度方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118170551A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210021619A1 (en) * | 2020-09-26 | 2021-01-21 | Ned M. Smith | Trust-based orchestration of an edge node |
CN113726846A (zh) * | 2021-07-14 | 2021-11-30 | 阿里巴巴新加坡控股有限公司 | 边缘云系统、资源调度方法、设备及存储介质 |
-
2024
- 2024-05-11 CN CN202410581660.7A patent/CN118170551A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210021619A1 (en) * | 2020-09-26 | 2021-01-21 | Ned M. Smith | Trust-based orchestration of an edge node |
CN113726846A (zh) * | 2021-07-14 | 2021-11-30 | 阿里巴巴新加坡控股有限公司 | 边缘云系统、资源调度方法、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
刘云毅;张蕾;张建敏;彭宁;杨峰义;: "基于MEC的边缘CDN业务调度方案及测试分析", 电子技术应用, no. 06, 6 June 2020 (2020-06-06) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108667878A (zh) | 服务器负载均衡方法及装置、存储介质、电子设备 | |
CN111045827B (zh) | 云雾环境中基于资源共享的时间有效性的任务调度方法 | |
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 | |
CN113938816A (zh) | 算力资源调度方法及其装置 | |
CN115220916A (zh) | 视频智能分析平台的自动算力调度方法、装置及系统 | |
Tiwary et al. | CPS: a dynamic and distributed pricing policy in cyber foraging systems for fixed state cloudlets | |
CN114676892A (zh) | 一种基于智能匹配的服务派单方法、系统及设备 | |
Khaledi et al. | Profitable task allocation in mobile cloud computing | |
CN110297959A (zh) | 数据存储方法、装置、存储介质及边缘服务器 | |
CN110856183B (zh) | 基于异构负载互补的边缘服务器部署方法及应用 | |
CN118170551A (zh) | 资源调度方法、装置及电子设备 | |
CN111651274A (zh) | 一种基于微服务架构的业务分发方法及相关装置 | |
CN116248676A (zh) | 边缘云节点组合确定方法及装置 | |
CN116546028A (zh) | 服务请求的处理方法、装置、存储介质及电子设备 | |
CN116339932A (zh) | 资源调度方法、装置和服务器 | |
CN116909758B (zh) | 算力任务的处理方法、装置及电子设备 | |
CN110633115A (zh) | 一种任务分发方法、装置、电子设备及存储介质 | |
CN110691362A (zh) | 站址确定方法及装置 | |
CN113411196B (zh) | 一种衡量智能代理协同效果的方法及系统 | |
CN109614038A (zh) | 一种多样化QoS约束的多速磁盘调度方法 | |
CN117278556A (zh) | 算力资源调度方法和装置 | |
CN117156495B (zh) | 一种边缘计算任务卸载方法、装置、电子设备和存储介质 | |
CN115118594B (zh) | 资源分配方法、装置、设备及计算机可读存储介质 | |
CN114500553B (zh) | 一种区块链网络的处理方法、系统、电子设备及存储介质 | |
CN114064191A (zh) | 资源调度方法及装置、设备、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |