CN112162837B

CN112162837B - 一种基于软件定义的边缘计算调度方法及***

Info

Publication number: CN112162837B
Application number: CN202010982716.1A
Authority: CN
Inventors: 罗万明; 周旭; 任勇毛; 覃毅芳; 范鹏飞
Original assignee: Computer Network Information Center of CAS
Current assignee: Computer Network Information Center of CAS
Priority date: 2020-09-17
Filing date: 2020-09-17
Publication date: 2022-08-23
Anticipated expiration: 2040-09-17
Also published as: CN112162837A

Abstract

本发明公开了一种基于软件定义的边缘计算调度方法及***。本发明方法为：1)本地计算单元收集本地的计算任务i^th并上传至分布式控制器；2)分布式控制器根据二元组(v_L[t],v_C[t])的取值确定i^th在本地计算或卸载到边缘计算服务节点执行；其中，v_L[t]＝1表示第t时隙将i^th在本地执行，v_C[t]＝1表示第t时隙将i^th卸载到边缘计算服务节点执行；引入

用于确定二元组(v_L[t],v_C[t])的取值；其中

S＝{0,1,…,Q}×{0,1,…,M}×{0,1,…,N‑1}，Q表示任务队列缓冲区的最大容量，M表示i^th包含的数据包个数，N表示i^th在本地计算所需的时隙数。

Description

一种基于软件定义的边缘计算调度方法及***

技术领域

本发明属于计算机网络的边缘计算领域，具体为一种基于软件定义的边缘计算调度方法及***。

背景技术

21世纪以来，信息网络技术的不断发展、演进，为基础通信、金融经济、传统制造等各行各业各领域都带了新的机遇和发展，极大地促进了跨行业间交叉融合。随着物联网的快速发展和无线网络的普及，万物互联的时代已经到来，网络边缘设备数量的迅速增加，使得该类设备所产生的数据已达到泽字节(ZB)级别。以云计算模型为核心的集中式大数据处理时代，其关键技术已经不能高效处理边缘设备所产生的数据，主要表现在：1)线性增长的集中式云计算能力无法匹配***式增长的海量边缘数据；2)从网络边缘设备传输海量数据到云中心致使网络传输带宽的负载量急剧增加，造成较长的网络延迟；3)网络边缘数据涉及个人隐私，使得隐私安全问题变得尤为突出；4)有限电能的网络边缘设备传输数据到云中心消耗较大电能。现有网络设备支持的协议体系庞大，导致高度复杂，不仅限制了IP网络的技术发展，更无法满足当前云计算、大数据和服务器虚拟化等应用趋势，用户对流量的需求不断扩大，各种新型服务不断出现，增加了网络运维成本。

本发明基于软件定义网络(Software Defined Network,SDN)和边缘计算(EdgeComputing,EC)的出现，提供了有效的解决方案。SDN具有网络全局拓扑视野，并通过控制器管理数据流转发，能够实现设备和数据流的集中管理；简化数据平面传输，统一的南北向接口在提升架构扩展性的同时，还实现了网络的可编程化。边缘计算作为新兴计算模型，通过将计算资源以分布式计算节点的方式部署在靠近数据源的一端，能够提供云计算无法实现的稳定、时效***，主要应用于时延和数据安全要求高的场景。

发明内容

为了克服传统的网络有限的原始数据存储和计算能力的挑战，本发明提出一种基于软件定义的边缘计算调度方法及***。该***结合了分层云和边缘计算以及内容感知缓存技术，在SDN架构下，考虑不同场景和服务需求，设计了边缘计算卸载方案。该发明充分利用了SDN对网络的集中控制能力，对不同的调度卸载方案进行全局最优选择，以获得最佳性能。

本发明的技术方案为：

一种基于软件定义的边缘计算调度方法，其步骤包括：

1)本地计算单元收集本地的计算任务i^th并生成计算任务请求，将其上传至分布式控制器；

2)用一个二元组(v_L[t]，v_C[t])表示第t个时隙的计算任务调度决策；其中，v_L[t]，v_C[t]∈{0，1}，v_L[t]＝1表示第t时隙将计算任务i^th在该本地计算单元执行，v_C[t]＝1表示第t时隙将计算任务i^th卸载到边缘计算服务节点执行；即可选决策方案v＝{(v_L[t]，v_C[t])|(0，1)，(1，0)，(1，1)，(0，0)}；引入一组概率参数

用于确定二元组(v_L[t]，v_C[t])的取值；其中

概率参数中

表示四种可能的调度决策：(0，1)、(1，0)、(1，1)、(0，0)；状态空间S＝{0，1，...，Q}×{0，1，...，M}×{0，1，...，N-1}，其中“×”表示笛卡尔积，Q表示任务队列缓冲区的最大容量，M表示计算任务i^th包含的数据包个数，N表示计算任务i^th在本地计算单元计算下所需的时隙数；

3)分布式控制器根据二元组(v_L[t]，v_C[t])的取值确定计算任务i^th在本地计算单元执行或卸载到边缘计算服务节点执行。

进一步的，确定二元组(v_L[t]，v_C[t])取值的方法为：当本地计算单元和卸载传输单元均空闲时，选取两个计算任务，其中一个计算任务在本地计算单元执行，一个计算任务卸载到边缘计算服务节点执行；

其中，i＝0，1，...，Q；m＝0，1，...，M；n＝0，1，...，N-1。

进一步的，确定二元组(v_L[t]，v_C[t])取值的方法为：当本地CPU空闲，卸载传输单元被占用时，

进一步的，确定二元组(v_L[t]，v_C[t])取值的方法为：当本地CPU占用，卸载传输单元空闲时，

进一步的，确定二元组(v_L[t]，v_C[t])取值的方法为：当本地CPU和卸载传输单元均被占用时，

一种基于软件定义的边缘计算调度***，其特征在于，包括多个本地计算单元、多个边缘计算服务节点和一分布式控制器；其中各本地计算单元通过域控制器与各边缘计算服务节点和该分布式控制器连接，各边缘计算服务节点与该分布式控制器通过网络连接；

所述本地计算单元，用于收集本地的计算任务i^th并生成计算任务请求，将其上传至分布式控制器；

所述分布式控制器，用一个二元组(v_L[t]，v_C[t])表示第t个时隙的计算任务调度决策，根据二元组(v_L[t]，v_C[t])的取值确定计算任务i^th在本地计算单元执行或卸载到边缘计算服务节点执行；其中，v_L[t]，v_C[t]∈{0，1}，v_L[t]＝1表示第t时隙将计算任务i^th在该本地计算单元执行，v_C[t]＝1表示第t时隙将计算任务i^th卸载到边缘计算服务节点执行；即可选决策方案v＝{(v_L[t]，v_C[t])|(0，1)，(1，0)，(1，1)，(0，0)}；引入一组概率参数

用于确定二元组(v_L[t]，v_C[t])的取值；其中

概率参数中

表示四种可能的调度决策：(0，1)、(1，0)、(1，1)、(0，0)；状态空间S＝{0，1，...，Q}×{0，1，...，M}×{0，1，...，N-1}，其中“×”表示笛卡尔积，Q表示任务队列缓冲区的最大容量，M表示计算任务i^th包含的数据包个数，N表示计算任务i^th在本地计算单元计算下所需的时隙数。

架构图如图1所示，本方案可以形成本地采集+边缘计算+云端增强三位一体的工作模式，通过提供多层级、多区分度的服务模式，可以显著缓解核心网络中的流量和计算负载，并且加速计算过程。而对于发起的计算任务，如何判决是交给本地计算单元还是计算任务卸载到边缘服务器由本地域控制器和分布式SDN控制器共同完成。本发明***架构分为五层：基础设备层、数据传输层、边缘计算服务平台、SDN中控层和云服务主控平台，按照业务划分，自底向上分别代表着数据源、传输介质、计算与控制服务。一般的计算卸载流程为：基础设备层收集到的各项数据，通过各类接入介质的接入点APs进入内部SDN网络，域控制器与分布式控制器协商任务判决结果，再由域控制器下发判决结果指令到交换机完成计算任务的转发，整个过程中，由***架构保证各项服务的服务质量QoS。

与现有技术相比，本发明的积极效果为：

该随机调度方案大大减少了计算延迟，优化了本地和边缘两类资源的使用和编排，提高了多任务计算的QoS。

附图说明

图1为SDN架构边缘计算卸载***图。

图2为***架构计算卸载流程图。

具体实施方式

下面结合附图对本发明进行进一步详细描述。

本地任务的边缘计算卸载过程如图2所示。

1)请求收集阶段

该***架构的最下层基础设备层负责使用各类型传感器对各项数据进行收集，经过各自的接入点AP进入到内部的数据传输层。在数据传输层中，会对采集到的数据进行一些筛选和汇聚处理，具体的执行逻辑通过区域SDN控制器下发。对于需要进行借助边缘计算服务的任务，区域SDN控制器负责收集任务的请求，并将包含任务参数的请求统一上传给上层分布式控制器等待边缘计算卸载判决。

2)边缘计算卸载判决

该架构中的分布式控制器主要负责边缘计算服务集群中服务器节点的监控，它们会周期性的获取所管辖网络中边缘计算节点的状态，这里的状态包括边缘计算节点是否可用、节点空闲资源信息、任务队列长度等。

分布式控制器通过计算卸载算法，评估第一阶段收集到的请求所需资源，和各边缘计算节点状态，决定当前请求是否需要执行计算卸载；若需要进行计算卸载，分布式控制器会根据当前计算任务分布，选择合适的卸载方案，同时给出最终执行计算任务的边缘计算节点路由信息，并把信息回传给第一阶段中的本地控制器节点，再由本地控制器结合CPS执行，否则本次计算任务会执行本地计算。

3)任务计算与更新

本地控制器接收分布式控制器返回的计算卸载决策结果，若需要进行计算卸载，本地控制器会从返回结果中解析出卸载的边缘计算节点信息，然后将任务相关数据传递到分布式控制器指定的计算卸载服务器；否则，则将任务交由本地计算单元进行计算。计算完成后，本地控制器接收最终的计算结果，由控制器将结果交付信息物理***进行相应操作，同时将结果写入日志完成持久化存储，便于后续需要数据的离线分析任务的使用。

本发明解决其技术问题所采用的卸载技术方案如下：

由于计算任务通常为离散型，且输入数据流为独立随机的，本方案使用泊松到达流模拟输入数据，通过多种计算卸载算法，对离散型网络的边缘计算任务进行卸载判决。本方案主要考虑的卸载时延可分为：本地计算时延(D_Local)、数据传输时延(T_TranData)、边缘计算时延(D_Remote)、队列等待时延(D_Queue)、结果回传时延(D_Result)共五部分。对于本地收集的计算任务请求，本方案使用一个三元组来表示：

其中，

表示在本地收集到的计算任务i^th的量化结果；D_i表示当前计算任务i^th的数据量，单位Kbytes；C_i表示当前计算任务i^th所需要的CPU时钟周期数，单位Cycle，T_i表示当前计算任务i^th的整体时延约束，单位Second。

随机调度方案

为了使每个计算任务的平均时延最小，本方案提出了一种对每个时隙进行任务调度的随机裁决算法。为了描述调度策略，用一个二元组(v_L[t]，v_C[t])表示第t个时隙的计算任务调度决策，其中，v_L[t]，v_C[t]∈{0，1}，分别表示第t时隙将计算任务本地计算或卸载到边缘计算，因此，共有四种可能的决策方案，v＝{(v_L[t]，v_C[t])|(0，1)，(1，0)，(1，1)，(0，0)}。引入一组概率参数

其中

引入状态空间S＝{0，1，...，Q}×{0，1，...，M}×{0，1，...，N-1}，其中“×”表示笛卡尔积，Q表示任务队列缓冲区的最大容量，M表示任务包含的数据包个数，即N表示任务在本地计算下所需的时隙数。概率参数中

表示四种可能的调度决策：(0，1)、(1，0)、(1，1)、(0，0)。

当本地CPU或传输单元空闲时，任务可以被调度到本地计算或卸载到边缘计算，当任务队列缓冲区为空时，则没有需要被调度的任务，则k＝1，2，3时，

k＝4时，

下面将以任务队列缓冲区非空时的四种实例对任务进行调度。

实例1：当本地CPU和卸载传输单元均空闲时，最多可以处理两个计算任务，即一个本地计算，一个计算卸载。则此时的任务调度决策为

其中，i＝0，1，...，Q；m＝0，1，...，M；n＝0，1，...，N-1。后续同理。

为在任务缓冲区任务数为i、任务包含数据包个数为m、任务在本地计算下所需时隙为n时，调度方案为k的概率，这是一个马尔科夫链的优化决策问题。

实例2：当本地CPU空闲，卸载传输单元被占用时，可以开始本地计算任务或者保持。

则此时的任务调度决策为

实例3：当本地CPU占用，卸载传输单元空闲时，则可以传输一个卸载任务或保持。则此时的任务调度决策为

实例4：当本地CPU和卸载传输单元均被占用时，

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求所述为准。

Claims

1.一种基于软件定义的边缘计算调度方法，其步骤包括：

2)用一个二元组(v_L[t],v_C[t])表示第t个时隙的计算任务调度决策；其中，v_L[t],v_C[t]∈{0,1}，v_L[t]＝1表示第t时隙将计算任务i^th在该本地计算单元执行，v_C[t]＝1表示第t时隙将计算任务i^th卸载到边缘计算服务节点执行；即可选决策方案v＝{(v_L[t],v_C[t])|(0,1),(1,0),(1,1),(0,0)}；引入一组概率参数

用于确定二元组(v_L[t],v_C[t])的取值；其中

概率参数中

k＝1,2,3,4，表示四种可能的调度决策：(0,1)、(1,0)、(1,1)、(0,0)；状态空间S＝{0,1,…,Q}×{0,1,…,M}×{0,1,…,N-1}，其中“×”表示笛卡尔积，Q表示任务队列缓冲区的最大容量，M表示计算任务i^th包含的数据包个数，N表示计算任务i^th在本地计算单元计算下所需的时隙数；其中，确定二元组(v_L[t],v_C[t])取值的方法为：当本地计算单元和卸载传输单元均空闲时，选取两个计算任务，其中一个计算任务在本地计算单元执行，一个计算任务卸载到边缘计算服务节点执行；

其中，i＝0,1,…,Q；m＝0,1,…,M；n＝0,1,…,N-1；

为在任务缓冲区任务数为i、任务包含数据包个数为m、任务在本地计算下所需时隙为n时，调度方案为k的概率；

3)分布式控制器根据二元组(v_L[t],v_C[t])的取值确定计算任务i^th在本地计算单元执行或卸载到边缘计算服务节点执行。

2.如权利要求1所述的方法，其特征在于，确定二元组(v_L[t],v_C[t])取值的方法为：当本地CPU空闲，卸载传输单元被占用时，

其中，i＝0,1,…,Q；m＝0,1,…,M；n＝0,1,…,N-1。

3.如权利要求1所述的方法，其特征在于，确定二元组(v_L[t],v_C[t])取值的方法为：当本地CPU占用，卸载传输单元空闲时，

其中，i＝0,1,…,Q；m＝0,1,…,M；n＝0,1,…,N-1。

4.如权利要求1所述的方法，其特征在于，确定二元组(v_L[t],v_C[t])取值的方法为：当本地CPU和卸载传输单元均被占用时，

其中，i＝0,1,…,Q；m＝0,1,…,M；n＝0,1,…,N-1。

5.一种基于软件定义的边缘计算调度***，其特征在于，包括多个本地计算单元、多个边缘计算服务节点和一分布式控制器；其中各本地计算单元通过域控制器与各边缘计算服务节点和该分布式控制器连接，各边缘计算服务节点与该分布式控制器通过网络连接；

所述分布式控制器，用一个二元组(v_L[t],v_C[t])表示第t个时隙的计算任务调度决策，根据二元组(v_L[t],v_C[t])的取值确定计算任务i^th在本地计算单元执行或卸载到边缘计算服务节点执行；其中，v_L[t],v_C[t]∈{0,1}，v_L[t]＝1表示第t时隙将计算任务i^th在该本地计算单元执行，v_C[t]＝1表示第t时隙将计算任务i^th卸载到边缘计算服务节点执行；即可选决策方案v＝{(v_L[t],v_C[t])|(0,1),(1,0),(1,1),(0,0)}；引入一组概率参数

用于确定二元组(v_L[t],v_C[t])的取值；其中

概率参数中

k＝1,2,3,4，表示四种可能的调度决策：(0,1)、(1,0)、(1,1)、(0,0)；状态空间S＝{0,1,…,Q}×{0,1,…,M}×{0,1,…,N-1}，其中“×”表示笛卡尔积，Q表示任务队列缓冲区的最大容量，M表示计算任务i^th包含的数据包个数，N表示计算任务i^th在本地计算单元计算下所需的时隙数；

其中，所述分布式控制器确定二元组(v_L[t],v_C[t])取值的方法为：当本地计算单元和卸载传输单元均空闲时，选取两个计算任务，其中一个计算任务在本地计算单元执行，一个计算任务卸载到边缘计算服务节点执行；

其中，i＝0,1,…,Q；m＝0,1,…,M；n＝0,1,…,N-1；

为在任务缓冲区任务数为i、任务包含数据包个数为m、任务在本地计算下所需时隙为n时，调度方案为k的概率。

6.如权利要求5所述的***，其特征在于，所述分布式控制器确定二元组(v_L[t],v_C[t])取值的方法为：当本地CPU空闲，卸载传输单元被占用时，

其中，i＝0,1,…,Q；m＝0,1,…,M；n＝0,1,…,N-1。

7.如权利要求5所述的***，其特征在于，所述分布式控制器确定二元组(v_L[t],v_C[t])取值的方法为：当本地CPU占用，卸载传输单元空闲时，

其中，i＝0,1,…,Q；m＝0,1,…,M；n＝0,1,…,N-1。

8.如权利要求5所述的***，其特征在于，所述分布式控制器确定二元组(v_L[t],v_C[t])取值的方法为：当本地CPU和卸载传输单元均被占用时，

其中，i＝0,1,…,Q；m＝0,1,…,M；n＝0,1,…,N-1。