CN111327677A - 一种基于边缘计算的工业物联网资源调度***及方法 - Google Patents

Abstract

本发明提出了一种基于边缘计算的工业物联网资源调度***，包括终端数据采集层用于采集实时检测的工业数据并传输工业物联网的优化请求；边缘数据处理层用于将终端数据采集层的优化请求传输至云处理中心并且优化云计算中心传输来的工业数据，再将优化结果返回终端数据采集层；云计算中心用于储存和分析终端数据采集层传输而来的优化请求，在所含边缘数据处理层中寻找最适合处理该请求的边缘设备，将上述终端数据采集层的物理地址传输至边缘数据处理层。本发明将工业物联网的优化请求部署到云计算中心，根据不同优化请求的应用场景和服务类型查找适合该请求的最佳边缘设备，来提高边缘平台层的资源利用效率，降低整个工业物联网***的带宽和总时延。

Description

一种基于边缘计算的工业物联网资源调度***及方法

技术领域

本发明涉及一种基于边缘计算的工业物联网资源调度***及方法。

背景技术

目前，物联网与工业融合创新已是大势所趋，据估计，到2020 年，工业物联网在整体物联网产业的占比将达25％，规模将突破4500 亿元。随着工业物联网的迅速发展，终端设备的数量与其产生的数 据量迅速增加，以云计算为核心的数据处理模型已经难以高效处理 边缘终端设备产生的海量数据。边缘计算已被业界普遍认为是下一 代数字化转型的主要趋势之一。

边缘计算是物联网领域的一项新兴技术。传统的云计算数据传输具有有限的网络性能，集中式云计算结构对于分析和处理从物联网设备收集的大量数据变得低效。边缘计算将计算任务从集中式云卸载到物联网设备附近的边缘，因此预处理过程极大地减少了传输的数据。当中间数据大小小于输入数据大小时，边缘计算可以很好地执行。

另外，边缘计算充分利用网络边缘设备有限的计算能力，对原始数据进行处理，得到中间结果，减少传输数据量。从而满足用户实时响应、安全隐私、高带宽等需求。因此，基于边缘计算的工业物联网资源调度***对于工业物联网的发展具有重要意义。

经检索发现，公开号为CN108924228A的中国专利申请提供了一种基于边缘计算的工业互联网的优化***，该***包括边缘接入层，用于采集实时监测的工业数据；工业互联边缘平台层，用于优化及传输所采集的工业数据，将优化的工业数据返回边缘层，并且将未处理的工业物联网的优化请求和工业数据传输至核心云；核心云，用于对未处理的优化请求和工业数据进行处理，并将处理结果返回至边缘接入层。上述文献是关于工业互联网的基础性专利，该发明的核心是对工业互联网优化请求和工业数据中的部分内容在当前边缘层进行处理，其余部分传输给核心云进行处理。然而，不同任务的应用场景和服务类型具有多样性，当前边缘平台层并不一定适合处理终端的优化请求。例如，有些任务具有较强的局部、实时的特性，需要在邻近边缘设备处理优化请求；有些任务则具有一定的计算资源需求，同时有较大的交互频率和传输数据量，需要计算能力强的边缘设备来优化处理。因此，针对不同的任务类型，整个互联网***中大概率存在最佳的边缘设备。直接在当前边缘平台层处理会造成较高的时延，对于边缘平台层的资源也是一种浪费。

发明内容

本发明所要解决的技术问题是，克服现有技术存在的工业互联网边缘层效率低的不足而提供一种基于边缘计算的工业物联网资源调度***及方法，通过一种更为完善的方法，将工业物联网的优化请求部署到云计算中心，根据不同优化请求的应用场景和服务类型，通过云计算中心查找适合该请求的最佳边缘设备，来提高边缘平台层的资源利用效率，进一步降低整个工业物联网***的带宽和总时延。

本发明提供一种基于边缘计算的工业物联网资源调度***，包括终端数据采集层、边缘数据处理层和云计算中心；

所述终端数据采集层，用于采集实时检测的工业数据，并传输工业物联网的优化请求；

所述边缘数据处理层，用于将终端数据采集层的优化请求传输至云处理中心，并且优化云计算中心传输来的工业数据，再将优化结果返回终端数据采集层；

所述云计算中心，用于储存和分析终端数据采集层传输而来的优化请求，然后在所含边缘数据处理层中寻找最适合处理该请求的边缘设备，最后将上述终端数据采集层的物理地址传输至边缘数据处理层。

本发明还提供了一种基于边缘计算的工业物联网资源调度方法，包括以下步骤：

步骤1、将终端数据采集层的优化请求和所需要处理的工业数据定义为任务Si，所有任务Si构成任务集合S，再将任务集合S通过边缘数据处理层部署到云计算中心；转至步骤2；

步骤2、云计算中心分析任务集合S中各项任务的紧急程度和任务类型，根据任务类型将任务集合S分为N个子集合[S1，S2，S3...Sn]，然后根据任务优先级将子集合从高到低依次排列；转至步骤3；

步骤3、云计算中心根据子集合的分组，并按照任务优先级，依次分析任务Si所需要的各项资源，并在下属边缘数据处理层中寻找最适合处理该任务的边缘设备，并将该设备记作最佳边缘设备；转至步骤4；

步骤4、元计算中心将找到最佳边缘设备的任务所属的终端数据采集层的物理地址传输至其所找到的最佳边缘设备；转至步骤5；

步骤5、最佳边缘设备接受到云计算中心传输而来的物理地址后，根据物理地址寻找终端数据采集层的设备并采集详细的工业数据（记作Hi）进行分析和优化处理，再将优化结果（记作Pi）返回至相应的终端数据采集层；转至步骤6；

步骤6、将剩余未部署的任务在云计算中心进行分析和优化处理，将优化结果返回至相应终端数据采集层。

所述步骤3中，寻找最佳边缘设备的具体操作方法如下：

步骤301、云计算中心收到终端数据采集层的优化请求后，根据任务Si确定终端数据采集层的物理地址以得出终端数据采集层与最佳边缘设备之间的路由跳数，判断该路由跳数是否小于给定路由跳数（假设给定路由跳数为5），若路由跳数小于给定路由跳数，则将该任务Si标记为能找到最佳边缘设备，转至步骤302；否则将该任务标记为未找到最佳边缘设备；

步骤302、云计算中心按照邻近度由低到高依次判断边缘数据处理层的计算时延和服务能力是否符合该任务的要求；转至步骤303；

步骤303、若该边缘数据处理层的计算时延和服务能力符合任务要求，则云计算中心进一步判断该边缘数据处理层的环境感知能力是否符合该任务的要求，否则，将路由跳数加1后返回步骤301重新判断现在路由跳数是否小于给定路由跳数；

步骤304、若该边缘数据处理层的环境感知能力符合任务要求，则将该边缘数据处理层记为该任务的最佳边缘设备，否则，将路由跳数加1后返回步骤301重新判断现在路由跳数是否小于给定路由跳数。

上述方法中，邻近度是指终端和边缘层的邻近度，其包含两层含义。第一，逻辑上的邻近度，代表终端和边缘层之间的路由跳数，跳数越多，代表传输过程中遭到堵塞的几率越大，时延也就越高。第二，物理上的邻近度，取决于终端与边缘层的物理距离以及边缘数据处理层的计算能力。倘若边缘数据处理层周围部署大量终端且超过该边缘处理层的服务容量，则该边缘处理层就会拒绝接受优化请求。

计算时延和服务能力直接取决于边缘数据处理层的计算能力，是边缘数据处理层的一项重要参数。

所述步骤301中，所有未找到最佳边缘设备的任务构成集合T，针对未找到最佳边缘设备的任务Ti，进行如下操作：

步骤a、云计算中心统计空闲边缘设备并根据空闲边缘设备所能处理的数据量做降序排列，将未找到最佳边缘设备的任务集合T中的任务根据数据量和优先级分配到相应的空闲边缘设备，然后云计算中心将未找到最佳边缘设备的任务所属的终端数据采集层的物理地址传输至该空闲边缘设备；转至步骤b；

步骤b、空闲边缘设备接受到云计算中心传输而来的物理地址后，根据物理地址寻找终端数据采集层的设备并采集详细的工业数据进行分析和优化处理，再将优化结果返回至相应的终端数据采集层，转至步骤6。

所述步骤303中，环境感知能力包括网络的链路状况、负载以及网络带宽。

环境感知是将网络的参数和周围终端的位置信息暴露给边缘层，边缘处理层通常分布在网络控制器附近，实时监测网络的链路状况、负载以及网络带宽，接受终端的位置信息。因此，边缘数据处理层的环境感知能力十分重要。

本发明采用以上技术方案与现有技术相比，具有以下技术效果 ：本发明将终端数据采集层的优化请求和工业数据部署到云计算中心，通过云计算中心分析和处理，寻找最佳边缘设备，将任务部署到最佳边缘设备进行优化处理，提高了边缘处理层的工作效率和运载能力。同时，本发明的***将一部分任务卸载至边缘层进行优化处理，对于边缘层无法处理的大型任务，调度至云计算中心进行运算，减轻了云计算中心的计算任务，使得整个***的时延大大降低。

附图说明

图1为本发明工业物联网资源调度***的原理图。

图2为本发明中寻找最佳边缘设备的流程图。

图3为本发明一个实施例的原理图。

具体实施方式

本发明基于边缘计算的工业物联网资源调度***，包括终端数据采集层、边缘数据处理层和云计算中心（见图1）。终端数据采集层，用于采集实时检测的工业数据，并传输工业物联网的优化请求；边缘数据处理层，用于将终端数据采集层的优化请求传输至云处理中心，并且优化云计算中心传输来的工业数据，再将优化结果返回终端数据采集层；云计算中心，用于储存和分析终端数据采集层传输而来的优化请求，然后在所含边缘数据处理层中寻找最适合处理该请求的边缘设备，最后将上述终端数据采集层的物理地址传输至边缘数据处理层。

下面结合附图对本发明的技术方案做进一步的详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护权限不限于下述的实施例。

实施例1

本实施例提出了一种基于边缘计算的工业物联网资源调度***，如图3所示，***中有一台云计算中心，三台边缘数据处理设备（所有边缘数据处理设备组成边缘数据处理层），每台边缘数据处理设备包括三台终端数据采集设备（所有终端数据采集设备组成终端数据采集层）。终端数据采集层的参数如下表1所示：

表1

编 号	数据传输量	时间需求	紧急程度
				1	10GB	5ms	一般
2	200GB	15ms	一般
				3	30GB	8ms	紧急
4	40GB	0.5ms	非常紧急
				5	300GB	12ms	一般
6	60GB	6ms	一般
				7	70GB	0.4ms	非常紧急
8	80GB	20ms	紧急
				9	90GB	14ms	一般

边缘数据处理层的参数如下表2所示：

表2

编 号	数据处理能力	计算时延	环境感知能力
				A	50GB	5ms	一般
B	100GB	8ms	一般
				C	2TB	0.2ms	优秀

本实施例基于边缘计算的工业物联网资源调度方法，包括以下步骤：

步骤1、将终端数据采集层的优化请求和所需要处理的工业数据定义为任务Si，所有任务Si构成任务集合S，再将任务集合S通过边缘数据处理层部署到云计算中心。

步骤2、云计算中心分析任务集合S中各项任务的紧急程度和任务类型，根据任务类型将任务集合S分为N个子集合[S1，S2，S3...Sn]，然后根据任务优先级将子集合从高到低依次排列。

步骤3、云计算中心根据子集合的分组，并按照任务优先级，依次分析任务Si所需要的各项资源，并在下属边缘数据处理层中寻找最适合处理该任务的边缘设备，并将该设备记作最佳边缘设备。

寻找最佳边缘设备的具体操作方法如下：

步骤301、云计算中心收到终端数据采集层的优化请求后，根据任务Si确定其终端数据采集层的物理地址以得出终端数据采集层与最佳边缘设备之间的路由跳数，判断该路由跳数是否小于给定路由跳数（假设给定路由跳数为5），若路由跳数小于给定路由跳数，则将该任务Si标记为能找到最佳边缘设备，转至步骤302；否则将该任务标记为未找到最佳边缘设备；

步骤302、云计算中心按照邻近度由低到高依次判断边缘数据处理层的计算时延和服务能力是否符合该任务的要求；转至步骤303；

步骤303、若该边缘数据处理层的计算时延和服务能力符合任务要求，则云计算中心进一步判断该边缘数据处理层的环境感知能力是否符合该任务的要求（环境感知能力包括网络的链路状况、负载以及网络带宽），否则，将路由跳数加1后返回步骤301重新判断现在路由跳数是否小于给定路由跳数；

步骤304、若该边缘数据处理层的环境感知能力符合任务要求，则将该边缘数据处理层记为该任务的最佳边缘设备，否则，将路由跳数加1后返回步骤301重新判断现在路由跳数是否小于给定路由跳数。

由此可知，若找到最佳边缘设备，将该任务所属的终端数据采集层的物理地址传输至最佳边缘设备；若未找到最佳边缘设备，则将该任务记作Ti，所有Ti构成集合T。

步骤4、元计算中心将找到最佳边缘设备的任务所属的终端数据采集层的物理地址传输至其所找到的最佳边缘设备。

步骤5、最佳边缘设备接受到云计算中心传输而来的物理地址后，根据物理地址寻找终端数据采集层的设备并采集详细的工业数据（记作Hi）进行分析和优化处理，再将优化结果（记作Pi）返回至相应的终端数据采集层。

步骤6、将剩余未部署的任务在云计算中心进行分析和优化处理，将优化结果返回至相应终端数据采集层。

另外，所有未找到最佳边缘设备的任务构成集合T，针对未找到最佳边缘设备的任务Ti，进行如下操作：

步骤a、云计算中心统计空闲边缘设备并根据空闲边缘设备所能处理的数据量做降序排列，将未找到最佳边缘设备的任务集合T中的任务根据数据量和优先级分配到相应的空闲边缘设备，然后云计算中心将未找到最佳边缘设备的任务所属的终端数据采集层的物理地址传输至该空闲边缘设备；转至步骤b；

步骤b、空闲边缘设备接受到云计算中心传输而来的物理地址后，根据物理地址寻找终端数据采集层的设备并采集详细的工业数据进行分析和优化处理，再将优化结果返回至相应的终端数据采集层，转至步骤6。

综上所述，按照传统资源调度***，每台边缘处理设备处理所包含终端数据采集设备的数据，那么2号终端和5号终端的优化请求无法在边缘层处理，将被传输至云计算中心进行优化处理，然后再将结果通过边缘层传输回来，传输过程耗费大量时间。按照本实施例的方法，2号终端和5号终端的优化请求在边缘设备C即可完成，并且根据紧急程度可以优先处理，整个***的工作效率得到提高，从而满足用户实时响应、安全隐私、高带宽等需求。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种基于边缘计算的工业物联网资源调度***，其特征在于：包括终端数据采集层、边缘数据处理层和云计算中心；所述终端数据采集层，用于采集实时检测的工业数据，并传输工业物联网的优化请求；

所述边缘数据处理层，用于将终端数据采集层的优化请求传输至云处理中心，并且优化云计算中心传输来的工业数据，再将优化结果返回终端数据采集层；

所述云计算中心，用于储存和分析终端数据采集层传输而来的优化请求，然后在所含边缘数据处理层中寻找最适合处理该请求的边缘设备，最后将上述终端数据采集层的物理地址传输至边缘数据处理层。

2.一种基于边缘计算的工业物联网资源调度方法，其特征在于，包括以下步骤：

步骤1、将终端数据采集层的优化请求和所需要处理的工业数据定义为任务Si，所有任务构成任务集合S，再将任务集合S通过边缘数据处理层部署到云计算中心；转至步骤2；

步骤2、云计算中心分析任务集合S中各项任务的紧急程度和任务类型，根据任务类型将任务集合S分为N个子集合[S1，S2，S3...Sn]，然后根据任务优先级将子集合从高到低依次排列；转至步骤3；

步骤3、云计算中心根据子集合的分组，并按照任务优先级，依次分析任务Si所需要的各项资源，并在下属边缘数据处理层中寻找最适合处理该任务的边缘设备，并将该设备记作最佳边缘设备；转至步骤4；

步骤4、元计算中心将找到最佳边缘设备的任务所属的终端数据采集层的物理地址传输至其所找到的最佳边缘设备；转至步骤5；

步骤5、最佳边缘设备接受到云计算中心传输而来的物理地址后，根据物理地址寻找终端数据采集层并采集详细的工业数据进行分析和优化处理，再将优化结果返回至相应的终端数据采集层；转至步骤6；

步骤6、将剩余未部署的任务在云计算中心进行分析和优化处理，将优化结果返回至相应终端数据采集层。

3.根据权利要求2所述一种基于边缘计算的工业物联网资源调度方法，其特征在于，所述步骤3中，寻找最佳边缘设备的具体操作方法如下：

步骤301、云计算中心收到终端数据采集层的优化请求后，根据任务Si确定终端数据采集层的物理地址以得出终端数据采集层与最佳边缘设备之间的路由跳数，判断该路由跳数是否小于给定路由跳数，若路由跳数小于给定路由跳数，则将该任务Si标记为能找到最佳边缘设备，转至步骤302；否则将该任务标记为未找到最佳边缘设备；

步骤302、云计算中心按照邻近度由低到高依次判断边缘数据处理层的计算时延和服务能力是否符合该任务的要求；转至步骤303；

步骤303、若该边缘数据处理层的计算时延和服务能力符合任务要求，则云计算中心进一步判断该边缘数据处理层的环境感知能力是否符合该任务的要求，否则，将路由跳数加1后返回步骤301重新判断现在路由跳数是否小于给定路由跳数；

步骤304、若该边缘数据处理层的环境感知能力符合任务要求，则将该边缘数据处理层记为该任务的最佳边缘设备，否则，将路由跳数加1后返回步骤301重新判断现在路由跳数是否小于给定路由跳数。

4.根据权利要求3所述一种基于边缘计算的工业物联网资源调度方法，其特征在于，所述步骤301中，所有未找到最佳边缘设备的任务构成集合T，针对未找到最佳边缘设备的任务Ti，进行如下操作：

步骤a、云计算中心统计空闲边缘设备并根据空闲边缘设备所能处理的数据量做降序排列，将未找到最佳边缘设备的任务集合中的任务根据数据量和优先级分配到相应的空闲边缘设备，然后云计算中心将未找到最佳边缘设备的任务所属的终端数据采集层的物理地址传输至该空闲边缘设备；转至步骤b；

步骤b、空闲边缘设备接受到云计算中心传输而来的物理地址后，根据物理地址寻找终端数据采集层并采集详细的工业数据进行分析和优化处理，再将优化结果返回至相应的终端数据采集层，转至步骤6。

5.根据权利要求3所述一种基于边缘计算的工业物联网资源调度方法，其特征在于，所述步骤303中，环境感知能力包括网络的链路状况、负载以及网络带宽。

Images