CN109561148B - 边缘计算网络中基于有向无环图的分布式任务调度方法 - Google Patents

Abstract

本发明提出了边缘计算网络中基于有向无环图的分布式任务调度方法。首先按照中心式节点调度模式从移动终端和边缘网络中心控制节点中分别得到基于有向无环图的所需调度任务的各项数据参数和边缘节点处理器的性能参数；然后将有向无环图中入度为0的任务组成一个任务序列，并在图中删除这些任务，然后更新有向无环图，重复该步骤直至原图中所有任务都被包含在各不同层任务序列中为止；最后以优化任务调度时间、任务通信时间、排队时间为目标把各层任务序列中任务分配到节点处理器上执行。本发明能适用于不同规模大小的边缘计算网络数据处理，能够线性化处理有向无环图中具有前后约束关系的任务，能够优化总体调度时间。

Description

边缘计算网络中基于有向无环图的分布式任务调度方法

技术领域

本发明属于移动边缘计算领域，特别是涉及到边缘计算网络中基于有向无环图的分布式任务调度方法。

背景技术

物联网(Internet Of Things)是新一代信息技术的重要组成部分，也是信息化时代的重要发展阶段。然而，随着移动设备数目增多、边缘设备计算性能的增强以及用户需求的不断增长，边缘计算已经成为了物联网的一种重要扩展形式。边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供服务。边缘计算与云计算的最大不同就是把边缘设备利用起来为用户提供服务，这些边缘设备可能是智能终端、汽车、电器、工厂、无线基站等。边缘计算旨在利用这些边缘设备来缓解云计算的压力、减少数据计算的能耗、提高数据传输的流畅性和快捷性，满足客户端与服务端的实时性要求。

随着边缘计算在物联网应用中的快速发展，越来越多的终端设备加入到了边缘计算的模式中。对于传统的终端应用程序处理模式，如果复杂应用程序完全靠本地计算，则任务执行时间过长、能耗过大、计算精度低，无法满足复杂应用程序的运行要求。对于集中式云计算模式，如果将所有终端复杂应用程序数据传输到距离较远的云计算中心进行处理，虽然它可以支持复杂应用程序的精确计算，但是大量终端将数据传输到云数据中心进行处理，这将增大云数据中心和网络链路的负载，也增加了终端的通信能耗；而且终端与云服务器之间的长距离、不稳定的骨干网也将导致较高的传输延迟，难以满足终端应用的低延迟要求。

综上所述，为了满足用户复杂应用的服务质量(Quality Of Service)要求，利用边缘计算平台，将云服务推向网络边缘，当终端处理复杂应用时，做出卸载(offloading)决策，应用的一部分在终端执行，而计算量大另一部分将被卸载到就近的边缘设备上执行，这样既提高了应用的执行效率保障了数据处理的实时性也节省了网络带宽资源降低了终端运行能耗。为了实现复杂应用的边缘计算处理，将终端上待执行程序分解成任务序列，任务序列由有向无环图(Directed Acyclic Graph,DAG)反映任务前后依赖关系，并依据任务负载均衡模型，将任务序列分配到不同的边缘设备处理器上运行，从而降低终端复杂程序执行能耗和程序执行时间。

发明内容

本发明提出了一种边缘计算网络中基于有向无环图的分布式任务调度方法，主要优点是能够线性化处理有向无环图中具有前后约束关系的任务，能够优化总体调度时间。

1.边缘计算网络中基于有向无环图的分布式任务调度方法，其特征在于所述方法至少包括以下步骤：

步骤1、布置边缘计算网络场景，网络中各边缘服务节点处理器由P＝{p₁,p₂,...,p_t,...,p_m}表示，P₁表示本地终端处理器，处理器p_t的数据处理速度用C_t表示，终端与节点处理器之间的信道带宽为W_vp，对C_t按从大到小排序形成队列Y；

步骤2、输入终端待处理任务的有向无环图(DAG)，G＝{V,E},其中节点集合V＝{v₁,v₂,...,v_i,...,v_n}表示待边缘计算网络处理的任务，边集合E表示任务间的依赖关系，后序任务必须等待前序任务完成以后才能开始处理；

步骤3、遍历图G中的节点，找出入度为0的节点即没有前置任务的任务v_i，将这些任务依据其数据规模S_i从大到小进行排序，组成一个任务序列Q_j，Q_j中的任务间不再具有先后依赖关系，其中j表示该任务序列层号，j越小表示该序列内的任务优先级越高，j的初始值为1，K_j表示该任务序列中的任务数目；

步骤4、在图G中删除Q_j中任务所对应的节点，更新剩余节点入度，生成新的图G，j＝j+1；

步骤5、重复步骤3，直至图G中不存在节点为止；

步骤6、以优化任务调度时间为目标，使用基于负载均衡的任务调度方法将上述步骤得到的任务序列集合中的任务分配到边缘计算网络中节点处理器上，调度成功则用a_i,t＝1表示，否则a_i,t＝0。

2.根据权利要求1中所述的边缘计算网络中基于有向无环图的分布式任务调度方法，其特征在于通过寻找节点入度为0的节点将DAG中的任务分割成层内没有先后依赖关系的任务序列集合，如果任务序列层号x＜y,则Q_y内的任务必须等待Q_x内的任务全部处理完毕以后才能处理。

3.根据权利要求1中所述的边缘计算网络中基于有向无环图的分布式任务调度方法，其特征在于为了减少单层任务序列的调度时间，使用负载均衡方法将任务分配到不同节点处理器上并行处理，从而优化每层任务的最迟完成时间。

4.根据权利要求1中所述的边缘计算网络中基于有向无环图的分布式任务调度方法，其特征在于负载均衡的任务调度方法至少包含如下步骤：

1)设置层号j初始值j＝1；

2)比较Q_j中的任务数目与处理器总数，如果Q_j中的待处理任务数目K_j小于等于处理器总数m，则选取队列Y中前K_j个节点处理器执行4)，否则执行3)；

3)按照处理器总数m取Q_j前m个任务处理；

4)计算当前层待处理任务传输到不同节点处理器的传输时间

r_i,t表示信道传输速率，r_i,t＝W_vplog₂(1+H_i,tg_i,t/σ²)；H_i,t表示传输功率，g_i,t表示信道增益，σ²表示噪声功率，W_vp表示信道带宽；

5)计算当前层待处理任务在不同节点处理器上的处理时间

6)计算当前层待处理任务排队时等待的平均时间，X_i＝S_i/λ，λ表示子信道平均速率；

7)得到当前层待处理任务与当前可用节点处理器关于调度总时间

的矩阵B，

8)从矩阵第1行开始，选取该行调度总时间最小的列，把该列所对应的处理器作为该行任务的执行处理器，如果某行任务选取的处理器已被上行任务所选取，则选取未被选取的处理器作为该行任务的执行处理器，选取完毕以后，跳转下一行并重复这个步骤，直至矩阵内所有行所对应的任务都完成了执行处理器的选取；

9)在任务处理过程中，如果Q_j中还存在未被处理的任务，则当有空闲处理器出现时，依次将Q_j中的未处理任务分配到空闲处理器上运行；

10)如果Q_j不再存在未被处理的任务，则j＝j+1，跳转步骤2进行下一层的任务分配过程，直至Q中所有任务都被处理完毕为止。

与现有技术相比，本方法的优点在于：

提出了边缘计算网络中基于有向无环图的分布式任务调度方法，使有向无环图中具有前后约束关系的任务线性化，然后考虑通信时间、处理时间、排队时间总体优化，把任务调度到最合适的节点处理器上。

附图说明

图1是本发明的摘要流程图；

图2是本发明中的任务分层流程图；

图3是本发明中的任务分配方法图；

图4是边缘计算任务调度模型。

具体实施方式

下面结合附图对本发明作进一步的详细描述。

并行任务：智能终端上所运行的复杂应用可以用有向无环图DAG来表示，定义为G{V,E}。

并行任务调度一般分为三步，首先确定任务节点的优先级，然后确定任务调度总体目标，最后按照任务调度总体目标把优先级从高到低的任务依次分配到合适的处理器上。

假设以智能终端上运行的游戏应用为例，图4中的DAG图为游戏应用的任务分解图，三个接收点为就近的边缘计算设备。

步骤一、确定任务优先级，本发明采用DAG任务分层确定任务的优先级，构造方法如下：

a)遍历图G中的节点，找出入度为0的节点即没有前置任务的任务v_i，将这些任务依据其数据规模S_i从大到小进行排序，组成一个任务序列Q_j，Q_j中的任务间不再具有先后依赖关系，其中j表示该任务序列层号，j越小表示该序列内的任务优先级越高，j的初始值为1，K_j表示该任务序列中的任务数目；找到入度为0的任务的具体方法：在DAG图中，任务与任务之间存在关于度的矩阵，任务1与任务2有入度关系则标记为1，任务1与任务2有出度关系则标记为0，没有关系标记为∞；根据矩阵来记录任务与任务之间度的关系；此时入度为0的节点为n₁，放入Q₁，第一层任务为{n₁}；

b)在图G中删除Q_j中任务所对应的节点，更新剩余节点入度，生成新的图G，j＝j+1；

c)重复步骤a)、b)，直至图G中不存在节点为止。

经过上述步骤第一层任务为{n₁}；第二层任务为{n₆,n₂,n₅,n₄,n₃}；第三层任务为{n₇,n₈,n₉}；第四层任务为{n₁₀}。

步骤二、确定任务总体调度目标：

整个任务调度过程的目标即最小化任务调度时间，任务调度时间包括任务的传输时间、处理时间和排队时间。

步骤三、按照分层结果将任务分配到合适节点处理器上：

a)将节点处理器依据计算速度由快到慢排序，然后确定每层需要调度的任务数目与处理器数目之间的关系，当处理器数目大于当前任务数目时：例如第一层、第三层和第四层任务，比较每层任务总数与处理器总数，如果该层的待分配任务数目小于等于处理器数目，则选取与当前任务数目相同的节点处理器作为调度处理器，选取规则是优先选取处理能力强的节点处理器；

b)当处理器数目小于当前任务数目时：例如第二层，按照处理器数目p_m执行该层前p_m个任务；

c)计算当前层每个任务与当前每个可用处理器的传输时间，计算时间，排队时间：

当前层每个任务与当前每个可用处理器的传输时间公式为

当前层每个任务与当前每个可用处理器的处理时间公式为

当前层待处理任务排队时等待的平均时间公式为X_i＝S_i/λ；

d)得到当前层待处理任务与当前可用节点处理器关于调度总时间

的矩阵B，

e)从矩阵第1行开始，选取该行调度总时间最小的列，把该列所对应的处理器作为该行任务的执行处理器，如果某行任务选取的处理器已被上行任务所选取，则选取未被选取的处理器作为该行任务的执行处理器，选取完毕以后，跳转下一行并重复这个步骤，直至矩阵内所有行所对应的任务都完成了执行处理器的选取；

f)在任务处理过程中，如果Q_j中还存在未被处理的任务，则当有空闲处理器出现时，依次将Q_j中的未处理任务分配到空闲处理器上运行；

g)如果Q_j不再存在未被处理的任务，则j＝j+1，进行下一层的任务分配过程，直至Q中所有任务都处理完毕。

Claims (4)

1.边缘计算网络中基于有向无环图的分布式任务调度方法，其特征在于所述方法至少包括以下步骤：

步骤1、布置边缘计算网络场景，网络中各边缘服务节点处理器由P＝{p₁,p₂,...,p_t,...,p_m}表示，P₁表示本地终端处理器，处理器p_t的数据处理速度用C_t表示，终端与节点处理器之间的信道带宽为W_vp，对C_t按从大到小排序形成队列Y；

步骤2、输入终端待处理任务的有向无环图(DAG)，G＝{V,E},其中节点集合V＝{v₁,v₂,...,v_i,...,v_n}表示待边缘计算网络处理的任务，边集合E表示任务间的依赖关系，后序任务必须等待前序任务完成以后才能开始处理；

步骤3、遍历图G中的节点，找出入度为0的节点即没有前置任务的任务v_i，将这些任务依据其数据规模S_i从大到小进行排序，组成一个任务序列Q_j，Q_j中的任务间不再具有先后依赖关系，其中j表示该任务序列层号，j越小表示该序列内的任务优先级越高，j的初始值为1，K_j表示该任务序列中的任务数目；

步骤4、在图G中删除Q_j中任务所对应的节点，更新剩余节点入度，生成新的图G，j＝j+1；

步骤5、重复步骤3，直至图G中不存在节点为止；

步骤6、以优化任务调度时间为目标，使用基于负载均衡的任务调度方法将上述步骤得到的任务序列集合中的任务分配到边缘计算网络中节点处理器上，调度成功则用a_i,t＝1表示，否则a_i,t＝0。

2.根据权利要求1中所述的边缘计算网络中基于有向无环图的分布式任务调度方法，其特征在于通过寻找节点入度为0的节点将DAG中的任务分割成层内没有先后依赖关系的任务序列集合，如果任务序列层号x＜y,则Q_y内的任务必须等待Q_x内的任务全部处理完毕以后才能处理。

3.根据权利要求1中所述的边缘计算网络中基于有向无环图的分布式任务调度方法，其特征在于为了减少单层任务序列的调度时间，使用负载均衡方法将任务分配到不同节点处理器上并行处理，从而优化每层任务的最迟完成时间。

4.根据权利要求1中所述的边缘计算网络中基于有向无环图的分布式任务调度方法，其特征在于负载均衡的任务调度方法至少包含如下步骤：

1)设置层号j初始值j＝1；

2)比较Q_j中的任务数目与处理器总数，如果Q_j中的待处理任务数目K_j小于等于处理器总数m，则选取队列Y中前K_j个节点处理器执行4)，否则执行3)；

3)按照处理器总数m取Q_j前m个任务处理；

4)计算当前层待处理任务传输到不同节点处理器的传输时间

r_i,t表示信道传输速率，r_i,t＝W_vplog₂(1+H_i,tg_i,t/σ²)；H_i,t表示传输功率，g_i,t表示信道增益，σ²表示噪声功率，W_vp表示信道带宽；

5)计算当前层待处理任务在不同节点处理器上的处理时间

6)计算当前层待处理任务排队时等待的平均时间，X_i＝S_i/λ，λ表示子信道平均速率；

7)得到当前层待处理任务与当前可用节点处理器关于调度总时间

的矩阵B，

8)从矩阵第1行开始，选取该行调度总时间最小的列，把该列所对应的处理器作为该行任务的执行处理器，如果某行任务选取的处理器已被上行任务所选取，则选取未被选取的处理器作为该行任务的执行处理器，选取完毕以后，跳转下一行并重复这个步骤，直至矩阵内所有行所对应的任务都完成了执行处理器的选取；

9)在任务处理过程中，如果Q_j中还存在未被处理的任务，则当有空闲处理器出现时，依次将Q_j中的未处理任务分配到空闲处理器上运行；

10)如果Q_j不再存在未被处理的任务，则j＝j+1，跳转步骤2进行下一层的任务分配过程，直至Q中所有任务都被处理完毕为止。

Images