CN108737268B - 软件定义工业物联网资源调度方法 - Google Patents

Abstract

本发明公开了一种软件定义工业物联网资源调度方法，其针对从任务源到计算节点的流量来进行计算节点的分配和路径规划，通过在全局视图之上引入sink节点来辅助算法的计算，对每一个任务的调度在全局网络视图上迭代，最后得到所有任务的分配方案。本发明可以在保证任务的时延的前提下，平衡任务对链路资源和计算资源的占用情况，一定程度上可以减缓链路拥塞的发生，同时使计算节点的负载尽可能均衡；并且可以在任务时延限制下尽可能地以最小代价来调度任务，降低计算卸载过程中对其他节点下的任务的影响；同时方法的复杂度低，可以有效地运用到实际的软件定义工业物联网的计算卸载中。

Description

软件定义工业物联网资源调度方法

技术领域

本发明属于网络资源调度技术领域，具体涉及一种软件定义工业物联网资源调度方法。

背景技术

计算卸载技术是指将计算任务放在远端设备完成，这些远端设备通常被称为计算节点。在实际的物联网应用中，考虑到物联网终端的能耗和移动性，这些终端的实际计算任务往往通过计算卸载完成。任务处理的实时性对于一个物联网应用，尤其是工业物联网应用是一个关键的指标，这就要求计算卸载过程中产生的时延要符合任务本身的需求。目前常见的计算卸载技术有云计算和雾计算，考虑到实时性，主流的解决方案是采用雾计算网络作为支撑。

针对一个大规模的雾计算网络，如何充分调度其中的资源是国内外的研究热点。雾计算网络包含两部分资源，一部分是链路资源，另外一部分是计算节点上的计算资源。目前国内外的调度方案主要集中在计算资源上的调度，在满足实时性要求的情况下，通过调度计算资源来优化时延或者优化能耗。但是考虑到网络的流特征，计算资源的调度往往需要牵扯到链路的选择，也就是链路资源的调度。忽略链路资源，只进行计算资源的调度无法充分利用网络中的所有链路资源，极端条件下，甚至会导致网络拥塞，从而使整个计算网络的任务吞吐量下降。

在传统工业物联网下，分布式资源调度策略的做法是每个计算节点尽可能地处理节点下方接入设备的任务，如果不能处理，则就近从周围计算节点中挑选一个负载较轻的节点负责处理。这种分布式的调度适合于Mesh状的无中心网络，但是往往由于信息的不对称性，造成资源利用率低下的特点。

而也有研究针对计算网络和接入网络设备动态变化的情况，提出了一种动态分配的集中式雾计算卸载方案。该方案假设任务和计算设备都是可以动态加入网络和动态移除，此时每个任务的完成时间等于任务发起时间加上任务计算耗时，任务计算耗时取决于参与计算过程的雾计算设备，保证任务的实时性就是保证任务的完成时间小于任务的截至时间。该方案从计算资源和任务的可用时隙出发，使用EDF(快超时优先)算法将任务调度到可用的计算资源。在满足实时性的要求下，优化了节点的计算负载。

EDF算法为：对于已产生的计算任务，根据其产生时间，寻找该时间下可用的节点，如果该节点能够满足任务的实时性要求，则将任务分配给当前节点，否则提示任务无法被命中。如果同时存在多个节点都可以满足实时性要求，则选一个能够尽快执行任务的节点。如果同时有多个任务调度到同一个节点，则节点优先服务超时时间较早的任务。

现有技术在进行资源调度时往往只针对单一的计算资源进行调度，忽略了计算资源对链路资源的影响。不同的计算节点会影响任务产生源到计算目的地的路径的选择，这些路径的不同对应了链路资源的使用情况。因此计算资源的调度和链路资源的调度是相互影响的，任何单一资源的调度都有可能导致最后资源利用不均，从而无法满足任务的实时性要求。

与此同时，大部分现有技术的调度具体提出如何在未知计算节点的情况下，为任务分配一条到达计算卸载目的地的路径。由于计算节点的选择和路径的分配是相互影响的，依靠穷举所有路径的算法复杂度太高，不具备工程的应用价值。

发明内容

本发明的发明目的是：为了解决现有技术中存在的以上问题，本发明提出了一种软件定义工业物联网资源调度方法。

本发明的技术方案是：一种软件定义工业物联网资源调度方法，包括以下步骤：

A、获取工业物联网中存放任务的优先队列，将其中的队首任务作为当前调度任务；

B、采用Generate Schedule算法对步骤A中当前调度任务进行处理，生成调度方案；

C、根据步骤B中生成的调度方案对全局网络视图进行修改；

D、将步骤A中当前调度任务从优先队列中出队，并返回步骤A。

进一步地，步骤B采用Generate Schedule算法对步骤A中当前调度任务进行处理，生成调度方案，具体包括以下分步骤：

B1、初始化代价、路径和最佳节点变量；

B2、对每个计算节点，判断计算节点的剩余计算量是否满足任务需求；若是，则选择一个剩余计算量最大的计算节点；若否，则进行步骤B4；

B3、采用Known-Node Shortest Path算法寻找经过步骤B2中剩余计算量最大计算节点的从任务产生源到sink节点的最短路；判断最短路的时延是否满足实时需求；若是，则计算该最短路的代价cost_one；若否，则进行步骤B4；

B4、寻找从任务产生源到sink节点的最短路，判断最短路是否存在；若是，则进行步骤B5；若否，则进行步骤B7；

B5、从最短路获取一个剩余计算量最大且剩余计算量满足任务需求的计算节点，判断计算节点是否存在；若是，则进行步骤B6；若否，则进行步骤B7；

B6；判断步骤B4中得到的最短路的时延是否满足实时需求；若是，则计算该最短路的代价cost_two；若否，则进行步骤B7；

B7、比较步骤B3得到的代价cost_one与步骤B6得到的代价cost_two大小，选取代价较小的对应的路径的计算节点作为调度方案。

进一步地，步骤B3中采用Known-Node Shortest Path算法寻找经过步骤B2中剩余计算量最大计算节点的从任务产生源到sink节点的最短路，具体包括以下分步骤：

B31、寻找从任务产生源到到剩余计算量最大计算节点的最短路P1；

B32、寻找从剩余计算量最大计算节点到sink节点的最短路P2；

B33、将步骤B31得到的最短路P1与步骤B32得到的最短路P2进行合并，得到经过剩余计算量最大计算节点的从任务产生源到sink节点的最短路。

进一步地，所述代价cost_one和代价cost_two的计算模型表示为：

其中，Global_cost表示全局代价，m表示链路，i表示计算节点，

表示链路对应的通信代价，

表示计算节点对应的计算代价，α表示通信代价权重，β表示计算代价权重，c_m表示链路剩余容量百分比，l_r表示任务链路消耗百分比，k_i表示计算节点可用计算容量百分比，w_r表示任务计算量消耗百分比。

进一步地，所述计算模型的优化模型表示为：

s.t.l_r＜c_m

w_r＜k_i

α+β＝1

η_i,x_i,j∈{0,1}

其中，E表示网络拓扑中所有边的集合，V表示网络拓扑中所有节点的集合，x_i,j表示调度结果是否选择(i,j)这条边，若为1则表示选择，若为0则表示不选择，η_i表示调度结果是否选择节点i，若为1则表示选择,若为0则表示不选择，s表示任务流的产生源，d表示任务流的目的地。

本发明的有益效果是：本发明结合新型软件定义工业物联网，可以在保证任务的时延的前提下，平衡任务对链路资源和计算资源的占用情况，一定程度上可以减缓链路拥塞的发生，同时使计算节点的负载尽可能均衡；并且可以在任务时延限制下尽可能地以最小代价来调度任务，降低计算卸载过程中对其他节点下的任务的影响；同时方法的复杂度低，可以有效地运用到实际的软件定义工业物联网的计算卸载中。

附图说明

图1是本发明的软件定义工业物联网资源调度方法的流程示意图。

图2是本发明实施例中Generate Schedule算法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，为本发明的软件定义工业物联网资源调度方法的流程示意图。一种软件定义工业物联网资源调度方法，包括以下步骤：

A、获取工业物联网中存放任务的优先队列，将其中的队首任务作为当前调度任务；

B、采用Generate Schedule算法对步骤A中当前调度任务进行处理，生成调度方案；

C、根据步骤B中生成的调度方案对全局网络视图进行修改；

D、将步骤A中当前调度任务从优先队列中出队，并返回步骤A。

在本发明的一个可选实施例中，上述步骤A按照超时时间将在优先队列中的任务进行排序，并将快要超时的任务放置在优先队列开头位置。

在本发明的一个可选实施例中，上述步骤B采用Generate Schedule算法对步骤A中当前调度任务进行处理，生成调度方案，具体包括以下分步骤：

B1、初始化代价、路径和最佳节点变量；

B2、对每个计算节点，判断计算节点的剩余计算量是否满足任务需求；若是，则选择一个剩余计算量最大的计算节点；若否，则进行步骤B4；

B3、采用Known-Node Shortest Path算法寻找经过步骤B2中剩余计算量最大计算节点的从任务产生源到sink节点的最短路；判断最短路的时延是否满足实时需求；若是，则计算该最短路的代价cost_one；若否，则进行步骤B4；

B4、寻找从任务产生源到sink节点的最短路，判断最短路是否存在；若是，则进行步骤B5；若否，则进行步骤B7；

B5、从最短路获取一个剩余计算量最大且剩余计算量满足任务需求的计算节点，判断计算节点是否存在；若是，则进行步骤B6；若否，则进行步骤B7；

B6；判断步骤B4中得到的最短路的时延是否满足实时需求；若是，则计算该最短路的代价cost_two；若否，则进行步骤B7；

B7、比较步骤B3得到的代价cost_one与步骤B6得到的代价cost_two大小，选取代价较小的对应的路径的计算节点作为调度方案。

由于在未知目的节点的情况下，对计算资源和通信资源的调度是很困难的，因为目的节点的选取会影响通信链路的选取，通信链路的选取又会反过来作用于目的节点的选取；因此，本发明利用sink节点结合代价驱动优化模型，在全局网络视图中创建一个虚拟的sink节点，sink节点与所有计算节点相连。那么所有任务在算法执行时都以sink节点作为目的，所有计算节点可以直接或间接地到达sink节点，使用sink节点可以在未知计算目的地的情况下实现调度。

在本发明的一个可选实施例中，上述步骤B2对每个计算节点，判断计算节点的剩余计算量是否满足任务需求，即计算节点的剩余计算量是否大于任务所需计算量；若是，则从满足任务需求的计算节点中选择一个剩余计算量最大的计算节点；若否，则进行步骤B4；

在本发明的一个可选实施例中，上述步骤B3采用Known-Node Shortest Path算法寻找经过步骤B2中剩余计算量最大计算节点的从任务产生源到sink节点的最短路，具体包括以下分步骤：

B31、寻找从任务产生源到到剩余计算量最大计算节点的最短路P1；

B32、寻找从剩余计算量最大计算节点到sink节点的最短路P2；

B33、将步骤B31得到的最短路P1与步骤B32得到的最短路P2进行合并，得到经过剩余计算量最大计算节点的从任务产生源到sink节点的最短路。

再判断最短路的时延是否满足实时需求，即最短路对应任务的完成时间是否小于截至时间；若是，则计算该最短路的代价cost_one；若否，则进行步骤B4；

本发明使用代价衡量任务调度方案对通信资源和链路资源的使用情况；对通信资源和链路资源消耗越大，则此方案的所对应的代价越大。对于每一个任务r，其计算卸载调度的策略由一个目的计算节点以及从任务产生源到目的计算节点的路径组成，使用全局代价来描述这个策略对通信资源和计算资源的使用情况，计算该最短路的代价cost_one的计算模型表示为：

其中，Global_cost表示全局代价，m表示链路，i表示计算节点，

表示链路对应的通信代价，

表示计算节点对应的计算代价，α表示通信代价权重，β表示计算代价权重，c_m表示链路剩余容量百分比，l_r表示任务链路消耗百分比，k_i表示计算节点可用计算容量百分比，w_r表示任务计算量消耗百分比。

全局代价越小意味着该调度方案对于通信与计算的加权代价越小，其物理含义为在尽可能少使用负载重的链路同时尽可能不去占用冗余链路的情况下将任务交给负载较轻的节点完成。在不同的拓扑结构下，由于图的节点的度不同，不同拓扑对应的通信资源和计算资源的重要程度也不同，通过调节α和β可以使全局代价模型自适应于不同的拓扑结构。当α值大于β时，通信代价所占权重增大，计算代价所占权重降低，此时模型会优先以通信代价最小来调度，反之，当β值大于α时，算法会优先以计算代价最小来调度。

计算模型的优化模型表示为：

s.t.l_r＜c_m

w_r＜k_i

α+β＝1

η_i,x_i,j∈{0,1}

其中，E表示网络拓扑中所有边的集合，V表示网络拓扑中所有节点的集合，x_i,j表示调度结果是否选择(i,j)这条边，若为1则表示选择，若为0则表示不选择，η_i表示调度结果是否选择节点i，若为1则表示选择,若为0则表示不选择，s表示任务流的产生源，d表示任务流的目的地。

在本发明的一个可选实施例中，上述步骤B4寻找从任务产生源到sink节点的最短路，判断满足条件的最短路是否存在，即最短路上的所有链路的链路容量是否均大于任务所消耗的带宽且链路上存在能够满足任务所需计算能力的计算节点；若是，则进行步骤B5；若否，则进行步骤B7；

在本发明的一个可选实施例中，上述步骤B5从步骤B4得到的最短路获取一个剩余计算量最大且剩余计算量满足任务需求的计算节点，判断计算节点是否存在；若是，则进行步骤B6；若否，则进行步骤B7；

在本发明的一个可选实施例中，上述步骤B6判断步骤B4得到的最短路的时延是否满足实时需求，即最短路对应任务的完成时间是否小于截至时间；若是，则计算该最短路的代价cost_two；若否，则进行步骤B7；

在本发明的一个可选实施例中，上述步骤B7比较步骤B3得到的代价cost_one与步骤B6得到的代价cost_two大小，选取代价较小的对应的路径的计算节点作为调度方案。当代价cost_one和代价cost_two均未空集时，返回无解，操作结束；当代价cost_one小于代价cost_two时，将代价cost_one的对应的路径的计算节点作为调度方案；当代价cost_two小于代价cost_one时，将代价cost_two的对应的路径的计算节点作为调度方案；当代价cost_one和代价cost_two相等且不为最大值，则随机选取一个代价对应的路径的计算节点作为调度方案；如果代价cost_one和代价cost_two均为最大值，则返回无解，操作结束。

在本发明的一个可选实施例中，上述步骤C在每生成一组调度方案后，相应地更改全局网络视图中链路的负载和节点的负载，并以更改后的网络视图为基础去调度下一个任务。

本发明以新型软件定义工业物联网为基础，能够在保证任务实时性的前提下，优化计算网络中的链路资源和计算节点的计算资源，有效避免了因没有考虑链路负载而造成的网路拥塞问题；同时基于软件定义网络(SDN)全局网络视图特性，在进行任务调度的时候可以充分考虑网络流量状况从而做出最佳分配方案。

本发明使用代价来衡量一个任务的计算卸载对通信资源和计算资源的占用情况，通信代价为路径上每条链路的剩余容量百分比的倒数，而计算代价为每个节点的剩余计算量百分比的倒数，通过最小化这两个代价，最终可以找到任务的分配方案。同时为了适应不同场景的需求，通过调节两个代价的权重比例来调节不同场景下的调度方案，最终使得网络当中的链路资源和节点计算资源的利用率达到一个最佳状态。

本发明针对从任务源到计算节点的流量来进行计算节点的分配和路径规划，通过在全局视图之上引入sink节点来辅助算法的计算，对每一个任务的调度在全局网络视图上迭代，最后得到所有任务的分配方案。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (2)

1.一种软件定义工业物联网资源调度方法，其特征在于，包括以下步骤：

A、获取工业物联网中存放任务的优先队列，将其中的队首任务作为当前调度任务；

B、采用Generate Schedule算法对步骤A中当前调度任务进行处理，生成调度方案；具体包括以下分步骤：

B1、初始化代价、路径和最佳节点变量；

B2、对每个计算节点，判断计算节点的剩余计算量是否满足任务需求；若是，则选择一个剩余计算量最大的计算节点；若否，则进行步骤B4；

B3、采用Known-Node Shortest Path算法寻找经过步骤B2中剩余计算量最大计算节点的从任务产生源到sink节点的最短路；判断最短路的时延是否满足实时需求；若是，则计算该最短路的代价cost_one；若否，则进行步骤B4；具体包括以下分步骤：

B31、寻找从任务产生源到到剩余计算量最大计算节点的最短路P1；

B32、寻找从剩余计算量最大计算节点到sink节点的最短路P2；

B33、将步骤B31得到的最短路P1与步骤B32得到的最短路P2进行合并，得到经过剩余计算量最大计算节点的从任务产生源到sink节点的最短路；

B4、寻找从任务产生源到sink节点的最短路，判断最短路是否存在；若是，则进行步骤B5；若否，则进行步骤B7；

B5、从最短路获取一个剩余计算量最大且剩余计算量满足任务需求的计算节点，判断计算节点是否存在；若是，则进行步骤B6；若否，则进行步骤B7；

B6；判断步骤B4中得到的最短路的时延是否满足实时需求；若是，则计算该最短路的代价cost_two；若否，则进行步骤B7；

B7、比较步骤B3得到的代价cost_one与步骤B6得到的代价cost_two大小，选取代价较小的对应的路径的计算节点作为调度方案；所述代价cost_one和代价cost_two的计算模型表示为：

其中，Global_cost表示全局代价，m表示链路，i表示计算节点，r表示任务，

表示链路对应的通信代价，

表示计算节点对应的计算代价，α表示通信代价权重，β表示计算代价权重，c_m表示链路剩余容量百分比，l_r表示任务链路消耗百分比，k_i表示计算节点可用计算容量百分比，w_r表示任务计算量消耗百分比；

C、根据步骤B中生成的调度方案对全局网络视图进行修改；

D、将步骤A中当前调度任务从优先队列中出队，并返回步骤A。

2.如权利要求1所述的软件定义工业物联网资源调度方法，其特征在于，所述计算模型的优化模型表示为：

s.t.l_r＜c_m

w_r＜k_i

α+β＝1

η_i,x_i,j∈{0,1}

其中，E表示网络拓扑中所有边的集合，V表示网络拓扑中所有节点的集合，x_i,j表示调度结果是否选择(i,j)这条边，若为1则表示选择，若为0则表示不选择，η_i表示调度结果是否选择节点i，若为1则表示选择,若为0则表示不选择，s表示任务流的产生源，d表示任务流的目的地。

Images