CN111045827B - 云雾环境中基于资源共享的时间有效性的任务调度方法 - Google Patents
云雾环境中基于资源共享的时间有效性的任务调度方法 Download PDFInfo
- Publication number
- CN111045827B CN111045827B CN201911303114.2A CN201911303114A CN111045827B CN 111045827 B CN111045827 B CN 111045827B CN 201911303114 A CN201911303114 A CN 201911303114A CN 111045827 B CN111045827 B CN 111045827B
- Authority
- CN
- China
- Prior art keywords
- fog
- resource
- cluster
- resources
- clusters
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000007246 mechanism Effects 0.000 claims abstract description 22
- 230000003595 spectral effect Effects 0.000 claims abstract description 14
- 230000008901 benefit Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 19
- 239000003595 mist Substances 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000013468 resource allocation Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 6
- 239000011159 matrix material Substances 0.000 description 9
- 238000012545 processing Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
- G06F9/4856—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration
- G06F9/4862—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration the task being a mobile agent, i.e. specifically designed to migrate
- G06F9/4875—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration the task being a mobile agent, i.e. specifically designed to migrate with migration policy, e.g. auction, contract negotiation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/544—Buffers; Shared memory; Pipes
-
- 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)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种云雾环境中基于资源共享的时间有效性的任务调度方法,在特定时间片下通过密封竞标双边拍卖建立基于合约的资源共享机制,根据资源共享机制进行资源分配,具体包括以下步骤:步骤S1:雾簇以一个租进资源价格和租出资源价格参与资源拍卖;步骤S2:根据其他雾簇的资源及租进、租出价格确定最优竞价策略;步骤S3:根据最优竞价策略参与拍卖,并根据拍卖结果与对应的雾簇建立合约,形成资源共享机制;步骤S4:在资源共享机制下,选取雾关键节点;步骤S5:雾关键节点通过谱聚类方法,完成雾功能域的划分,在不同的雾功能域之间进行任务调度。与现有技术相比,本发明具有充分利用雾层资源、减少云端工作负载、降低任务的响应时间等优点。
Description
技术领域
本发明涉及计算机边缘计算领域,尤其是涉及一种云雾环境中基于资源共享的时间有效性的任务调度方法。
背景技术
边缘计算(雾计算)是随着万物互联的飞速发展及广泛应用,数据规模的不断扩大以及数据处理计算需求的不断增加的情况下产生的。边缘计算让万物更智能,支持构建健硕的边缘应用生态。边缘计算是对云计算的补充和延伸,为移动计算、物联网等提供更好的计算平台。边缘计算需要云计算中心的强大计算能力和海量存储的支持,云计算也同样需要边缘计算中边缘设备对于海量数据及隐私数据的处理,从而满足实时性、隐私保护和降低能耗需求。
基于云计算离用户更远,而雾/边缘计算离用户更近的特点,现有的技术很多是关于如何将物联网层的应用请求迁移到雾或云上去执行,以此最小化应用任务的时间或者是使得应用请求在执行时的能耗尽可能最小,或者是同时考虑对该两个指标的优化。也有部分技术是关于用户的移动性(地理位置的切换)对应用请求完成的影响,如用户请求下载视频资源,若用户是在不断的移动的,则会对视频下载的性能产生很大影响。但现在的技术都是针对某一个区域/范围的雾层资源的调度,没有考虑不同区域的雾层资源(一个小区或城市的雾层资源可称为一个雾簇)之间的共享的情况。虽然雾计算以物理距离以及网络距离更近的优势,可以确保更快的任务响应时间,但是其资源相对而言也是有限的。因此,如何充分利用雾层的资源,同时降低任务的响应时间是一个关键的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的雾层资源利用不充分、任务响应时间较长的缺陷而提供一种云雾环境中基于资源共享的时间有效性的任务调度方法。
本发明的目的可以通过以下技术方案来实现:
一种云雾环境中基于资源共享的时间有效性的任务调度方法,在特定时间片下通过密封竞标双边拍卖的方式建立雾簇间基于合约的资源共享机制,并根据所述资源共享机制进行基于功能域构建的资源分配,具体包括以下步骤:
步骤S1:雾簇根据自身的本地资源以一个租进资源价格和租出资源价格参与雾簇资源拍卖;
步骤S2:所述雾簇根据其他雾簇的资源及所述租进资源价格和租出资源价格确定最优竞价策略;
步骤S3:所述雾簇根据所述最优竞价策略参与拍卖,并根据拍卖结果与对应的其他雾簇建立合约,形成所述资源共享机制;
步骤S4:在步骤S3形成的所述资源共享机制下,选取雾关键节点;
步骤S5:所述雾关键节点通过谱聚类方法,动态周期性的对剩余的雾节点进行聚类,完成雾功能域的划分,在不同的所述雾功能域之间进行任务调度。
雾簇在本地资源不足时,通过在所述合约中租赁的资源上执行任务所获得的收益具体为:
其中,Res为根据负载估计其对应的资源使用量的函数,为合约的最终租进资源价格,τ为时间片,k为资源类型,i为雾簇,ρi为使用单位资源的价格,λi(τ)为时间片τ中雾簇i的工作负载,Ci(τ)为雾簇i在时间片τ中的资源量,Vk为雾簇i在时间片τ中所包含的k类型资源量。
所述雾簇在本地资源的运行开销更大时,将部分负载分配到其它雾簇上的资源所获得的收益具体为:
其中,表示雾簇i中运行和管理类型为k的资源的开销。
所述雾簇的租进最优竞价策略具体为:
其中,为租进最优竞价策略。
所述雾簇在本地资源有剩余时,向其他雾簇出租资源所获得的收益具体为:
其中,为合约的最终租出资源价格。
所述雾簇的租出最优竞价策略具体为:
其中,Null表示空的投标,Mi(τ)为雾节点列表,Dk表示类型为k的资源。
所述合约的信息包括出租资源的雾簇、租进资源的雾簇、出租价格、租进价格、对应的时间片、合约中涵盖的雾节点列表。
所述选取雾关键节点的过程包括计算所述雾簇中每个雾节点的中间中心度、计算性能、到达物联网终端节点的通信延时,根据计算结果进行非支配排序,选出所述雾关键节点。
所述中间中心度的计算公式具体为:
其中,g(n)表示顶点n的中间中心度,σsd表示从顶点s到达顶点d的总的最短路径数目,σsd(n)表示从顶点s到顶点d的最短路径中经过顶点n的路径数目。
所述谱聚类方法的分组标准基于可用雾设备的可用计算和内存资源。
与现有技术相比,本发明具有以下有益效果:
1.本发明通过建立雾簇间的基于合约的资源共享机制,在雾簇资源共享的条件下,进行雾功能域划分和资源分配,实现有效的任务调度,充分利用雾层资源,使得更多的任务可以在雾端执行,降低用户与云端之间核心网络的压力,减少云端的工作负载,同时降低任务的响应时间。
2.本发明通过中心度方法来选取雾关键节点,某一顶点的中心度值越高通常表示该顶点可以凭借最短的可能延时到达其它顶点,同时也意味着该顶点是在很多的最短路由的路径上,提高选取雾关键节点的效率和准确性。
3.本发明在进行雾功能域划分时使用谱聚类方法,通过使用图相似度来寻找不同数据点之间的相似性,适用于如雾环境下网络图的遍历。
附图说明
图1为本发明的流程示意图;
图2为本发明雾端合约拍卖机制的示意图;
图3为本发明云雾环境资源共享的示意图
图4为本发明雾簇资源共享机制的流程示意图;
图5为本发明选取关键雾节点的流程示意图;
图6为本发明雾功能域划分的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,一种云雾环境中基于资源共享的时间有效性的任务调度方法,在特定时间片下通过密封竞标双边拍卖的方式建立雾簇间基于合约的资源共享机制,并根据资源共享机制进行基于功能域构建的资源分配,具体包括以下步骤:
步骤S1:雾簇根据自身的本地资源以一个租进资源价格和租出资源价格参与雾簇资源拍卖;
步骤S2:雾簇根据其他雾簇的资源及租进资源价格和租出资源价格确定最优竞价策略;
步骤S3:雾簇根据最优竞价策略参与拍卖,并根据拍卖结果与对应的其他雾簇建立合约,形成资源共享机制;
步骤S4:在步骤S3形成的资源共享机制下,选取雾关键节点;
步骤S5:雾关键节点通过谱聚类方法,动态周期性的对剩余的雾节点进行聚类,完成雾功能域的划分,在不同的雾功能域之间进行任务调度。
如图2和图3所示,云雾环境中基于合约的雾簇资源共享的***模型包含3个逻辑层。第一个逻辑层是云端层,主要是进行全局的资源调度、智能决策,在建立资源共享机制时充当第三方拍卖商,同时负责每个雾簇内部的关键雾节点的选择,也会执行部分用户请求;第二个逻辑层是雾端层,包含几个不同区域所对应的不同雾簇资源,每个雾簇是由多个相互连接的雾节点构成的,雾簇中资源主要负责智能感知、智能计算、数据分析、实时控制、过程优化以及进行不同功能域的构建,雾簇之间会进行资源的共享,以实现资源的充分利用及任务响应时间的最小化,雾簇中的雾节点会接受并处理来自底层的终端设备发送的任务请求,每个雾簇中可能会存在多个关键雾节点。云层与雾层需要进行数据协同、业务管理协同、智能协同和应用管理协同,以达到性能的最优化;最底层是终端设备层,该层的终端设备会向上层的雾端层或云端层发送任务处理请求,并接受来自的雾端层或云端层发送的设备控制信息。
如图4所示,雾簇间基于合约的资源共享机制的具体工作流程包括输入资源类型k、时间片t、雾簇个数n以及各个雾簇对类型k资源的买价Bq(t)和卖价Sq(t),输出类型k资源的买家集合Bs和卖家集合Ss及对应的租赁价格pr。某个特定时间片下,某个类型k的资源的合约建立过程包括将买价Bq(t)和卖价Sq(t)分别进行降序和升序排序,得到数组B和S,对数组进行初始化获得B(0)和S(0)以及数组的计数器v,若S(0)<B(0),则遍历数组B和S,寻找最接近的租进价格和出租价格计算租金,否则直接计算租金,租金m=[B(v+1)+S(v+1)]/2;若租金m不大于B(v)且不小于S(v),则将投标为相应价格的雾簇成为卖家与买家,建立租金为m的合约,否则将投标为相应价格的雾簇成为卖家与买家,建立租金为S(v)的合约。以上四个步骤在时间片为1至T时不断进行迭代,用于确定每个类型k资源的拍卖结果。
在资源共享机制中,每个雾簇都会根据自身的竞标策略以一个买价和卖价进行竞标,第三方则会在特定的时间片下考虑所有的类型k资源的买价Bk(b1,b2,...,bN)和卖价Sk(s1,s2,...,sN),决定最后的定价、买家和卖家。拍卖的结果记为/>和/>若xbi=1,表示bi是类型k资源的一个买家,若xsj=1,表示sj是类型k资源的一个卖家。商品拍卖的最终买价和卖价确定为/>和/>后,合约就会在最终的买家和卖家之间建立。
雾簇在本地资源不足时,通过在合约中租赁的资源上执行任务所获得的收益具体为:
其中,Res为根据负载估计其对应的资源使用量的函数,为合约的最终租进资源价格,τ为时间片,k为资源类型,i为雾簇,ρi为使用单位资源的价格,λi(τ)为时间片τ中雾簇i的工作负载,Ci(τ)为雾簇i在时间片τ中的资源量,Vk为雾簇i在时间片τ中所包含的k类型资源量。
雾簇在本地资源的运行开销更大时,将部分负载分配到其它雾簇上的资源所获得的收益具体为:
其中,表示雾簇i中运行和管理类型为k的资源的开销。
雾簇的租进最优竞价策略具体为:
其中,为租进最优竞价策略。
雾簇在本地资源有剩余时,向其他雾簇出租资源所获得的收益具体为:
其中,为合约的最终租出资源价格。
雾簇的租出最优竞价策略具体为:
其中,Null表示空的投标,Mi(τ)为雾节点列表,Dk表示类型为k的资源。
合约的信息包括出租资源的雾簇、租进资源的雾簇、出租价格、租进价格、对应的时间片、合约中涵盖的雾节点列表。合约建立后,每个雾簇更新自身所覆盖的雾节点列表,即移除在拍卖中出租的雾节点,添加租进来的雾节点。
在进行雾关键节点的选取时,使用图理论中的中心度方法来评估每个雾簇里的雾计算节点的中心度。在图理论的研究领域,中间中心度是用于衡量节点在一个图里面的中心性,主要是关于经过该节点的最短路径数目。在连通无权图中的每一对顶点之间至少存在一个最短路径,使得路由经过的边数可以是最小的。相应的,对于加权图,中间中心度则使用边上的权重和来寻找最短路径。顶点的中心度值越高通常表示该顶点可以凭借最短的可能延时到达其它顶点,同时也意味着该顶点是在很多的最短路由的路径上。中间中心度评估完成之后,基于NSGA-II对雾节点进行非支配排序,考虑每个雾节点的中间中心度、计算性能、到达终端节点的通信延时,根据结果选出雾关键节点。
中间中心度的计算公式具体为:
其中,g(n)表示顶点n的中间中心度,σsd表示从顶点s到达顶点d的总的最短路径数目,σsd(n)表示从顶点s到顶点d的最短路径中经过顶点n的路径数目。
如图5所示,选取关键雾节点的具体过程包括输入雾节点集合P={fn1,fn2,…,fnn}以及雾节点上的CPU和存储M等资源信息、雾节点间的连接拓扑Gr,然后遍历计算雾节点集合中所有雾节点的中间中心度值,基于NSGA-II对雾节点进行非支配排序,同时考虑每个雾节点的计算性能、到达终端节点的通信延时,选出雾关键节点,输出当前雾簇的雾关键节点集合{fnx},x为1到n之间的某些值。
每个雾簇内部会有1个或者多个关键雾节点,每个关键雾节点会动态周期性的对剩余的雾节点进行聚类即进行功能域的划分,将雾设备节点分成不同的类,用于不同类型应用的需求,如计算或内存或网络密集型应用。为了有效的进行雾簇里功能域的构建,采用无监督聚类技术中的谱聚类方法。谱聚类方法适用于通过使用图相似度的概念来寻找不同数据点之间的相似性,适用于雾环境中网络图的遍历。谱聚类中常用的相似度衡量是基于欧式距离和高斯内核的。在进行了维度约简之后,谱聚类则使用简单的聚类方法如k-means方法将数据点进行分组。聚类的过程是以连续自适应的方式进行的,主要是为了及时应对环境的变化,如雾簇里雾设备的移除或加入。
如图6所示,雾功能域划分的具体过程包括以下步骤:
步骤S501:输入雾簇中的节点数目N、每个雾节点对应的计算能力C和存储M等资源、近邻分类kNN类型、采用的高斯函数G以及更新步长s;
步骤S502:根据雾节点的资源信息计算雾节点间的相似度,并获得与雾节点相关的度矩阵D和相似矩阵W;
步骤S503:根据度矩阵D和相似矩阵W计算出拉普拉斯矩阵L=D-W,并对L进行标准化;
步骤S504:计算L中前k个最小特征值的特征向量,将k个特征向量组成m*k维的矩阵,并按标准化转换为矩阵Q;
步骤S505:将矩阵Q中m行每一行作为一个k维样本,进行k-means聚类;
步骤S506:输出当前雾簇中每类雾节点的集合S1,...,Sk。
聚类过程需要对逻辑上相似的雾设备进行分组,所以每个雾簇里的关键雾节点会执行一个有效的聚类方法,如谱聚类,考虑的因素为可用雾设备的可用计算和内存资源等。如一个雾控制节点目的是创建一个计算优化功能域,则相应的谱聚类将会识别所有相似的雾设备,这些雾设备有着充足的处理资源。每个关键雾节点创建自己的功能域类,一个有着充足的资源的雾节点可以属于多个功能域类。
此外,需要说明的是,本说明书中所描述的具体实施例,所取名称可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等小变化或者简单变化,均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (3)
1.一种云雾环境中基于资源共享的时间有效性的任务调度方法,其特征在于,在特定时间片下通过密封竞标双边拍卖的方式建立雾簇间基于合约的资源共享机制,并根据所述资源共享机制进行基于功能域构建的资源分配,具体包括以下步骤:
步骤S1:雾簇根据自身的本地资源以一个租进资源价格和租出资源价格参与雾簇资源拍卖;
步骤S2:所述雾簇根据其他雾簇的资源及所述租进资源价格和租出资源价格确定最优竞价策略;
步骤S3:所述雾簇根据所述最优竞价策略参与拍卖,并根据拍卖结果与对应的其他雾簇建立合约,形成所述资源共享机制;
步骤S4:在步骤S3形成的所述资源共享机制下,选取雾关键节点;
步骤S5:所述雾关键节点通过谱聚类方法,动态周期性的对剩余的雾节点进行聚类,完成雾功能域的划分,在不同的所述雾功能域之间进行任务调度;
所述雾簇在本地资源不足时,通过在所述合约中租赁的资源上执行任务所获得的收益具体为:
其中,Res为根据负载估计其对应的资源使用量的函数,为合约的最终租进资源价格,τ为时间片,k为资源类型,i为雾簇,ρi为使用单位资源的价格,λi(τ)为时间片τ中雾簇i的工作负载,Ci(τ)为雾簇i在时间片τ中的资源量,Vk为雾簇i在时间片τ中所包含的k类型资源量;
所述雾簇在本地资源的运行开销更大时,将部分负载分配到其它雾簇上的资源所获得的收益具体为:
其中,表示雾簇i中运行和管理类型为k的资源的开销;
所述雾簇的租进最优竞价策略具体为:
其中,为租进最优竞价策略;
所述雾簇在本地资源有剩余时,向其他雾簇出租资源所获得的收益具体为:
其中,为合约的最终租出资源价格;
所述雾簇的租出最优竞价策略具体为:
其中,Null表示空的投标,Mi(τ)为雾节点列表,Dk表示类型为k的资源;
所述选取雾关键节点的过程包括计算所述雾簇中每个雾节点的中间中心度、计算性能、到达物联网终端节点的通信延时,根据计算结果进行非支配排序,选出所述雾关键节点;
所述中间中心度的计算公式具体为:
其中,g(n)表示顶点n的中间中心度,σsd表示从顶点s到达顶点d的总的最短路径数目,σsd(n)表示从顶点s到顶点d的最短路径中经过顶点n的路径数目;
每个雾簇内部会有1个或者多个关键雾节点,每个关键雾节点会动态周期性的对剩余的雾节点进行聚类即进行功能域的划分,将雾设备节点分成不同的类,用于不同类型应用的需求,其中,应用的类型包括计算、内存或网络密集型应用;功能域的划分采用无监督聚类技术中的谱聚类方法。
2.根据权利要求1所述的一种云雾环境中基于资源共享的时间有效性的任务调度方法,其特征在于,所述合约的信息包括出租资源的雾簇、租进资源的雾簇、出租价格、租进价格、对应的时间片、合约中涵盖的雾节点列表。
3.根据权利要求1所述的一种云雾环境中基于资源共享的时间有效性的任务调度方法,其特征在于,所述谱聚类方法的分组标准基于可用雾设备的可用计算和内存资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303114.2A CN111045827B (zh) | 2019-12-17 | 2019-12-17 | 云雾环境中基于资源共享的时间有效性的任务调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303114.2A CN111045827B (zh) | 2019-12-17 | 2019-12-17 | 云雾环境中基于资源共享的时间有效性的任务调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111045827A CN111045827A (zh) | 2020-04-21 |
CN111045827B true CN111045827B (zh) | 2023-11-24 |
Family
ID=70237031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911303114.2A Active CN111045827B (zh) | 2019-12-17 | 2019-12-17 | 云雾环境中基于资源共享的时间有效性的任务调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111045827B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112769568B (zh) * | 2021-01-29 | 2022-07-22 | 华中师范大学 | 雾计算环境中的安全认证通信***、方法、物联网设备 |
CN112948116B (zh) * | 2021-03-05 | 2023-06-13 | 电子科技大学 | 一种基于在线激励的边缘计算合作计算资源分配方法 |
CN115967952A (zh) * | 2022-03-16 | 2023-04-14 | 云南升玥信息技术有限公司 | 一种基于fcm聚类算法和边缘计算工业物联网的资源分配管理*** |
CN115129466B (zh) * | 2022-03-31 | 2024-05-10 | 西安电子科技大学 | 云计算资源分层调度方法、***、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106850254A (zh) * | 2016-12-20 | 2017-06-13 | 国网新疆电力公司信息通信公司 | 一种电力通信网中关键节点识别方法 |
CN109005057A (zh) * | 2018-07-19 | 2018-12-14 | 华北电力大学 | 一种基于契约匹配理论的计算资源分配与任务卸载方案 |
CN109523243A (zh) * | 2018-11-19 | 2019-03-26 | 济南浪潮高新科技投资发展有限公司 | 一种雾计算环境下基于区块链的数据存储方法 |
CN109740870A (zh) * | 2018-12-17 | 2019-05-10 | 南京理工大学 | 云计算环境下Web应用的资源动态调度方法 |
CN110417872A (zh) * | 2019-07-08 | 2019-11-05 | 深圳供电局有限公司 | 一种面向移动区块链的边缘网络资源分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10924363B2 (en) * | 2018-04-13 | 2021-02-16 | The Curators Of The University Of Missouri | Method and system for secure resource management utilizing blockchain and smart contracts |
-
2019
- 2019-12-17 CN CN201911303114.2A patent/CN111045827B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106850254A (zh) * | 2016-12-20 | 2017-06-13 | 国网新疆电力公司信息通信公司 | 一种电力通信网中关键节点识别方法 |
CN109005057A (zh) * | 2018-07-19 | 2018-12-14 | 华北电力大学 | 一种基于契约匹配理论的计算资源分配与任务卸载方案 |
CN109523243A (zh) * | 2018-11-19 | 2019-03-26 | 济南浪潮高新科技投资发展有限公司 | 一种雾计算环境下基于区块链的数据存储方法 |
CN109740870A (zh) * | 2018-12-17 | 2019-05-10 | 南京理工大学 | 云计算环境下Web应用的资源动态调度方法 |
CN110417872A (zh) * | 2019-07-08 | 2019-11-05 | 深圳供电局有限公司 | 一种面向移动区块链的边缘网络资源分配方法 |
Non-Patent Citations (3)
Title |
---|
Resource Sharing and Task Offloading in IoT Fog Computing: A Contract-Learning Approach;Zhenyu Zhou;《IEEE Transactions on Emerging Topics in Computational Intelligence ( Volume: 4, Issue: 3, June 2020) 》;20191030;227 - 240 * |
基于同时向上叫价拍卖的云资源分配方法与竞价策略;王学毅等;《东北大学学报(自然科学版)》;20130415(第04期);28-31 * |
超密集网络中基于移动边缘计算的任务卸载和资源优化;张海波;《万方学术期刊数据库》;20190517(第5期);1194-1201 * |
Also Published As
Publication number | Publication date |
---|---|
CN111045827A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Wang et al. | A survey and taxonomy on task offloading for edge-cloud computing | |
Kong et al. | A belief propagation-based method for task allocation in open and dynamic cloud environments | |
Devarasetty et al. | Genetic algorithm for quality of service based resource allocation in cloud computing | |
CN109714797B (zh) | 一种基于拍卖理论的移动边缘网络资源分配方法 | |
WO2022171066A1 (zh) | 基于物联网设备的任务分配方法、网络训练方法及装置 | |
WO2011106950A1 (zh) | 复杂网络配置方法和***及服务器资源配置管理模块 | |
CN112491964B (zh) | 移动辅助边缘计算方法、装置、介质和设备 | |
CN106817401B (zh) | 一种云环境中的资源配置方法 | |
Li et al. | Energy efficient resource management and task scheduling for IoT services in edge computing paradigm | |
CN111611076B (zh) | 任务部署约束下移动边缘计算共享资源公平分配方法 | |
CN113615137A (zh) | Cdn优化平台 | |
Li et al. | Computation offloading and service allocation in mobile edge computing | |
He et al. | Intent-based resource matching strategy in cloud | |
Qin et al. | User‐Edge Collaborative Resource Allocation and Offloading Strategy in Edge Computing | |
de Souza Toniolli et al. | Resource allocation for multiple workflows in cloud-fog computing systems | |
CN103997515A (zh) | 一种分布式云中计算中心选择方法及其应用 | |
Asghari et al. | Multi-objective edge server placement using the whale optimization algorithm and game theory | |
Chen et al. | A pricing approach toward incentive mechanisms for participant mobile crowdsensing in edge computing | |
Huang et al. | Computation offloading for multimedia workflows with deadline constraints in cloudlet-based mobile cloud | |
Fan et al. | DRL-D: Revenue-aware online service function chain deployment via deep reinforcement learning | |
Zhang et al. | Offloading demand prediction-driven latency-aware resource reservation in edge networks | |
Rani et al. | Deep learning based dynamic task offloading in mobile cloudlet environments | |
Huang et al. | Cost-aware resource management based on market pricing mechanisms in edge federation environments | |
KR102544799B1 (ko) | 에지 컴퓨팅 서버의 최적 자원할당 운영 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |