CN112231097B - 电容型压力变送器边缘计算工作***和工作方法 - Google Patents
电容型压力变送器边缘计算工作***和工作方法 Download PDFInfo
- Publication number
- CN112231097B CN112231097B CN202011032940.0A CN202011032940A CN112231097B CN 112231097 B CN112231097 B CN 112231097B CN 202011032940 A CN202011032940 A CN 202011032940A CN 112231097 B CN112231097 B CN 112231097B
- Authority
- CN
- China
- Prior art keywords
- task
- computing
- resource
- module
- starting
- 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 30
- 238000004364 calculation method Methods 0.000 claims description 62
- 238000004891 communication Methods 0.000 claims description 29
- 238000011002 quantification Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000011161 development Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 238000013139 quantization Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000013178 mathematical model Methods 0.000 claims description 7
- 238000012856 packing Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000004092 self-diagnosis Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5022—Mechanisms to release resources
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开一种电容型压力变送器边缘计算工作***和工作方法,包括:任务启停模块,根据压力变送器的工况,决策当前需启动或者停止的压力变送器工作任务;并向任务量化模块发送压力变送器工作任务启动请求;任务量化模块,根据计算任务的时延要求,建模任务在不同计算设备下所需计算资源量;并发送给资源管理模块;资源管理模块,负责为任务分配计算资源,并对设备的计算资源进行管理。本发明便于不同复杂度的算法在资源限制性设备上的部署,可以降低压力变送器的硬件成本,便于压力变送器的自诊断、自学习、自决策任务的部署。
Description
技术领域
本发明涉及一种工业边缘计算设备,具体公开一种电容型压力变送器边缘计算功能的软件工作***和工作方法,属于工业过程控制技术领域。
背景技术
传统的工业设备的故障诊断方法多采用机理建模的方法进行,但是由于工业过程的复杂性,机理模型很难适用于不同的工业现场。近年了,随着电子技术的发展,计算机性能不断增强,以深度学习技术为代表的数据驱动技术,逐渐成了工业数据分析的重要工具。这为压力变送器的智能运维提供的新的途径,通过在压力变送器中部署机器学习模型,使得仪表可以根据工况变化完成自学习、自诊断和自决策等功能。
机器学习算法需要高性能的计算设备,而工业现场的仪表由于现场环境的约束,其功率和计算资源往往是受限的。因此,如何在资源受限的环境中部署此类算法是现在研究的重点。云计算是一种可以提供高性能计算设备的技术,但是由于网络带宽、时延和安全性等问题,云计算无法获取海量的数据,因此,具有边缘计算功能的压力变送器仪表是一种很好的解决方案。
边缘计算不仅仅是将部分计算下沉到边缘侧,更重要的是在边缘侧提供计算服务,使工业设备可以动态的使用边缘侧的计算资源。如压力变送器监测到压力信号非正常变化需要进一步分析或设备长期运行需要重新学习参数时,仪表本身计算资源无法满足此类任务,可以向其他边缘设备请求计算资源进行任务处理。
现有的压力变送器设备主要以传统的MCU为主要计算单元,其软件架构无法满足边缘计算的需求。因此,如何构建可以利用边缘设备计算资源的压力变送器软件方案,使仪表的计算任务可以在其他边缘设备上运行,并保证任务的实时性、可靠性等,从而完成复杂算法在有限资源的仪表中运行,是现在亟需解决的问题。
现有压力变送器诊断设备单体难以支持边缘智能功能的问题,从功能研究方面解决智能设备缺乏远程管理和运维,如何构建压力变送器诊断电路边缘计算能力,解决传统仪表本体的管控和智能化程度较低问题;而且传统仪表的有限资源、软硬件载体基础上,利用扩资源、扩软硬件、构建三级智能协同,如何突破压力变送器本体自诊断、基于工况趋势变化率的自学习、基于诊断和学习实现自决策等边缘计算功能。这就亟需本领域技术人员解决相应的技术问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种电容型压力变送器边缘计算工作***和工作方法。
为了实现本发明的上述目的,本发明提供了一种电容型压力变送器边缘计算工作***,包括:
任务启停模块,根据压力变送器的工况,决策当前需启动或者停止的压力变送器工作任务;并向任务量化模块发送压力变送器工作任务启动请求;任务成功启动后,任务启停模块监听任务心跳,保证任务意外失效后重启启动;当任务正常结束时,任务启停模块向资源管理模块发送任务结束消息;
任务量化模块,根据计算任务的时延要求,建模任务在不同计算设备下所需计算资源量;当接收到任务启动请求时,根据任务时延约束和设备详情,计算任务所需资源,并发送给资源管理模块;
资源管理模块,负责为任务分配计算资源,并对设备的计算资源进行以下之一或者任意组合管理:
当任务请求资源时为其分配计算资源,并获取任务镜像,启动任务;
当任务结束时,回收任务的计算资源;
当本地计算资源无法满足任务需求时,资源管理模块负责向其他边缘设备如边缘服务器发出计算卸载请求。
在本发明的一种优选实施方式中,包括:所述任务启停模块中的任务启动停止功能通过任务启动停止程序实时查询设置任务启停表完成,任务启停方式有时间触发、信号触发、人工触发之一或者任意组合,任务启停表保存所有任务启停的条件,任务启停程序实时查询任务启停条件,满足条件后发出启停请求。
在本发明的一种优选实施方式中,包括:所述任务启停模块判断任务启动成功方式是通过监控任务心跳信号完成,任务成功启动后,定时向任务启停模块发送心跳信号,当一定时间未收到任务心跳信号时,任务监控模块向资源管理模块发送任务重新启动请求;当任务正常结束时,会向任务监控模块发送任务结束信号,任务监控模块收到停止信号后重新设置其任务启停表。
在本发明的一种优选实施方式中,还包括:所述任务量化模块接收到任务请求ID和时延约束后,根据其存储的数学模型返回任务在不同计算设备下的资源需求。
在本发明的一种优选实施方式中,所述任务量化模块中的任务数学模型在每种设备上通过多项式拟合的方式在部署时获得,主要拟合方式为两个二阶一元多项式拟合,任务时延分解为计算时延或/和通信时延,分别通过处理器百分比和带宽速度进行拟合。
在本发明的一种优选实施方式中,还包括:所述资源管理模块的资源分配通过containerd接口完成,资源管理模块获得需要启动的任务ID和计算资源需求时,如果判断当前设备可以满足计算资源需求,则通过任务ID从镜像仓库获取containerd镜像,为其分配计算资源并启动;所述资源管理模块为任务分配的处理器和网络资源由任务量化模块给出,所需外存资源不做限制,所需内存资源由资源管理模块动态提供。
在本发明的一种优选实施方式中,任务通过containerd打包为任务镜像,并存储在containerd仓库中,存储内容包括任务唯一ID,任务镜像本体,任务内存需求,任务外存需求;任务启停模块启动后,向任务量化模块发送任务ID,时延约束,以获取任务所需计算资源;任务量化模块在任务开发时完成任务模型的构建,通过二阶多项式拟合来量化CPU与计算时延和带宽与通信时延的关系,总的任务时延及计算时延与通信时延的和;任务量化模块完成任务量化后,将任务资源需求和约束发送给资源管理模块,资源管理模块通过containerd API为其分配计算资源并启动任务;任务结束后向任务启停模块发送任务结束标识,或者由任务启停模块主动结束任务,资源管理模块接收到任务停止信号后,结束任务,回收任务资源。
在本发明的一种优选实施方式中,还包括:
镜像存储仓库,负责存储所有可以动态执行的任务的容器镜像,包括不同计算架构下的多个版本的镜像,每个镜像具有唯一的任务ID。
本发明还公开了一种电容型压力变送器边缘计算工作方法,包括如下步骤:
S1,任务开发过程中,将任务打包为容器镜像,并根据处理器架构打包多种containerd镜像,并设置任务时延约束,任务触发条件,所需内存、外存资源信息;
S2,任务开发过程中,对任务时延与计算资源关系进行建模;任务时延主要分为计算时延和通信时延,拟合先测得多组任务在不同计算资源和通信资源下的计算时延和通信时延,然后根据两个二阶多项式,建模出计算资源与计算时延、通信资源与通信时延的关系;
S3,任务启停模块实时检查任务启停表,当检测到需要启动任务时,将任务ID及时延约束发送给任务建模模块;
S4,任务建模模块收到任务启动请求后,根据任务时延约束计算资源需求,并发送给资源管理模块;
S5,资源管理模块接收到任务启动请求后,若本地资源可以满足任务需求,则通过containerd接口为其分配计算资源;若本地计算资源无法满足任务需求,则向其他边缘计算节点发出计算卸载请求;
S6,任务成功部署后,实时向任务启停模块发送心跳信号,任务启停模块监控任务心跳,当任务意外结束时,任务启停模块重新启动任务;
S7,任务成功部署后,资源管理模块实时监控任务内存使用量,并动态为其分配内存;
S8,任务执行完毕后,由任务本身或者任务启停模块决定任务的停止,任务停止后资源管理模块回收任务资源。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明改变了传统的电容型压力变送器的设计方式,将计算设备硬件与采集硬件进行解耦,使得硬件设计时不必在考虑CPU,RAM,FLASH等资源的性能,只需考虑相关的电源、采集等硬件设计,有助于硬件设计的规范化和模块化。
2、本发明为电容型压力变送器的计算任务提供了动态的计算资源,这极大的提高了设备计算资源的利用率,又可以在资源限制性的设备上部署复杂的算法。
3、本发明通过资源虚拟化的形式对计算任务进行部署,有助于软件的开发部署,并且方便后续升级。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明整体的***结构示意图。
图2为本发明硬件结构示意图。
图3为本发明软件结构示意图。
图4为本发明硬件开发流程示意图。
图5为本发明软件开发流程示意图。
图6为本发明任务启动流程示意图。
图7为本发明任务建模模块工作流程示意图。
图8为本发明资源管理模块工作流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
电容型压力变送器边缘计算功能软件方案,包括任务启停模块,所述任务启停模块包括任务启停表,所述任务启停表保存任务启动条件,任务时延约束及任务内存和外存需求。所述任务启停模块包括任务启停表检测程序,根据人工触发,信号触发,周期触发的方式控制任务启动。所述任务启停模块与任务量化模块进行通信,将任务ID,任务约束,任务内存需求,任务外存需求发送给资源量化模块。所述任务ID为任务仓库中任务镜像的唯一标识符。所述任务量化模块在任务部署时完成任务量化建模。
所谓本发明的一种优选技术方案,所述任务通过containerd打包为任务镜像,并存储在containerd仓库中,存储内容包括任务唯一ID,任务镜像本体,任务内存需求,任务外存需求。
作为本发明一种优选技术方案,任务启停模块启动后,向任务量化模块发送任务ID,时延约束,以获取任务所需计算资源。
作为本发明一种优选技术方案,所述任务量化模块在任务开发时完成任务模型的构建,通过二阶多项式拟合来量化CPU与计算时延和带宽与通信时延的关系,总的任务时延及计算时延与通信时延的和。
作为本发明一种优选技术方案,所述任务量化模块完成任务量化后,将任务资源需求和约束发送给资源管理模块,资源管理模块通过containerd API为其分配计算资源并启动任务。
作为本发明一种优选技术方案,所述任务结束后向任务启停模块发送任务结束标识,或者由任务启停模块主动结束任务,资源管理模块接受到任务停止信号后,结束任务,回收任务资源。
如图1至8所示,本发明公开的内容为:基于进程级别的资源虚拟化技术,用于为压力变送器的计算任务提供资源管理、分配、任务调度功能,包括:
任务启停模块,根据压力变送器的工况,决策当前需启动或者停止的任务。并向任务量化模块发送任务启动请求。任务成功启动后,任务启停模块监听任务心跳,保证任务意外失效后重启启动。当任务正常结束时,任务监管模型向资源管理模块发送任务结束消息。
任务量化模块,根据计算任务的时延要求,建模任务在不同计算设备下所需计算资源量。此处建模任务为所有需要在仪表上运行的任务,例如,仪表的诊断任务、显示任务、通信任务等。不同的计算设备主要指的是边缘服务器、边缘网关和仪表本身。当接收到任务启动请求时,根据任务时延约束和设备详情,计算任务所需资源,并发送给资源管理模块。
资源管理模块,负责为任务分配计算资源,并对设备的计算资源进行管理。当任务请求资源时为其分配计算资源,并获取任务镜像,启动任务。当任务结束时,回收任务的计算资源。当本地计算资源无法满足任务需求时,资源管理模块负责向其他边缘设备如边缘服务器发出计算卸载请求。其包括:
S61,以本地服务器(即任务启停模块、任务量化模块和资源管理模块等组成的***)为中心,圈定至少一个边缘服务器在内;
若同时存在M个边缘服务器在圈定区域内,分别为第1圈定边缘服务器D1、第2圈定边缘服务器D2、第3圈定边缘服务器D3、……、第M圈定边缘服务器DM,所述M为大于或者等于2的正整数,即d1=d2=d3=…=dM,dm表示本地服务器至第m圈定边缘服务器的距离;m=1,2,3,...,M;
其本地服务器至各圈定边缘服务器的服务距离的计算方法为:
其中,(x0,y0,z0)表示本地服务器的位置坐标,(xm,ym,zm)表示第m圈定边缘服务器的位置坐标;
S62,以圈定区域内的边缘服务器为中心,以边缘服务器至本地服务器的距离为边缘计算协作区域;统计边缘计算协作区域内的其它本地服务器的数量集合S;
S63,利用客户端(即压力变送器)的计算缓存任务资源需求或/和计算任务资源需求判断本地服务器是否满足客户端的计算缓存任务资源需求或/和计算任务资源需求;
其客户端的计算缓存任务资源需求的计算方法为:
其中,εη表示调和第一参数,εη∈(0,1];
νφ表示第s边缘服务器的时延值;
表示本地服务器的时延值;
X表示边缘服务器的缓存剩余资源;
Qwr,s表示第r客户端第对第s边缘服务器的调用缓存量;
R表示客户端集合,R={r1,r2,r3,...,rp},r∈{r1,r2,r3,...,rp},rp′表示圈定区域内的第p′客户端,p′=1,2,3,...,p;
S表示边缘服务器集合,S={s1,s2,s3,...,sg},sg′表示圈定区域内的第g′圈定边缘服务器,g′=1,2,3,...,g,s∈{s1,s2,s3,...,sg};
其计算任务资源需求的计算方法为:
其中,表示调和第二参数,/>H表示边缘服务器的剩余计算资源;
Qur,s表示第r客户端第对第s边缘服务器的调用计算量;
其本地服务器是否满足客户端的计算缓存任务资源需求的计算方法为:
其中,μβ表示缓存资源调用率,μβ∈(0,1];
Ar,s表示第r客户端是否从边缘服务器调用缓存资源;
若Ar,s=1表示第r客户端从边缘服务器调用缓存资源;
若Ar,s=0表示第r客户端未从边缘服务器调用缓存资源;
若成立,则本地服务器满足客户端的计算缓存任务资源需求;
若不成立,则本地服务器不满足客户端的计算缓存任务资源需求;
其本地服务器是否满足客户端的计算任务资源需求的计算方法为:
其中,χβ表示计算资源调用率,χβ∈(0,1];
Or,s表示第r客户端是否从第s边缘服务器调用计算资源;
若Or,s=1表示第r客户端从第s边缘服务器调用计算资源;
若Or,s=0表示第r客户端未从第s边缘服务器调用计算资源;
若成立,则本地服务器满足客户端的计算任务资源需求;
若不成立,则本地服务器不满足客户端的计算任务资源需求;
若本地服务器满足客户端的计算缓存任务资源需求或/和任务资源需求,即若对应满足或/和/>则由本地服务器为客户端提供服务;
若本地服务器不能满足客户端的计算缓存任务资源需求或/和任务资源需求,则由本地服务器向圈定边缘服务器发出资源调用命令请求,利用圈定边缘服务器为客户端提供服务。
还包括步骤S64,
S64,利用客户端的计算缓存任务资源需求或/和任务资源需求判断圈定边缘服务器是否满足客户端的计算缓存任务资源需求或/和任务资源需求:
若圈定边缘服务器满足客户端的计算缓存任务资源需求或/和任务资源需求,则由边缘服务器为客户端提供服务;
若圈定边缘服务器不满足客户端计算的缓存任务资源需求或/和任务资源需求,则由边缘服务器向云服务器发出资源调用命令请求;利用云服务器为客户端提供服务。
镜像存储仓库,负责存储所有可以动态执行的任务的容器镜像,包括不同计算架构下的多个版本的镜像,每个镜像具有唯一的任务ID。
所述任务启停模块中的任务启动停止功能通过任务启动停止程序实时查询设置任务启停表完成,任务启停方式有时间触发、信号触发、人工触发等三种,任务启停表保存所有任务启停的条件,任务启停程序实时查询任务启停条件,满足条件后发出启停请求。任务启动条件根据任务启停条件决定,如,时间触发任务则定时启动,满足的条件为计时值到,信号触发的任务,检测到压力信号异常进行启动,人工触发则是人工通过按键或者其他方法手动启动。
所述任务启停表存储任务唯一ID,任务时延约束等信息。
所述任务启停请求中,任务启动信号发送给任务量化模块,任务停止信号发送给资源管理模块。
所述任务启停模块判断任务启动成功方式是通过监控任务心跳信号完成,任务成功启动后,定时向任务启停模块发送心跳信号,当一定时间未收到任务心跳信号时,任务监控模块向资源管理模块发送任务重新启动请求。当任务正常结束时,会向任务监控模块发送任务结束信号,任务监控模块收到停止信号后重新设置其任务启停表。
所述任务量化模块接收到任务请求ID和时延约束后,根据其存储的数学模型返回任务在不通计算设备下的资源需求。
所述任务量化模块中的任务数学模型在每种设备上通过多项式拟合的方式在部署时获得,主要拟合方式为两个二阶一元多项式拟合,任务时延分解为计算时延和通信时延,分别通过处理器百分比和带宽速度进行拟合。
所述任务量化模块将任务所需计算资源发送给资源管理模块的内容包括任务ID,各个计算设备下的处理器需求和网络带宽需求。
所述资源管理模块的资源分配通过containerd接口完成,资源管理模块获得需要启动的任务ID和资源需求时,如果判断当前设备可以满足资源需求,则通过任务ID从镜像仓库获取containerd镜像,为其分配计算资源并启动。
所述资源管理模块为任务分配的处理器和网络资源由资源量化模块给出,所需外存资源不做限制,所需内存资源由资源管理模块动态提供。
数学模型为两个一多二次多项式,用来拟合任务的执行时间,包括计算时间和通信时间。计算时间为t=w0+w1*cpu+w2*cpu^2,通信时间为t=w0+w1*network+w2*network^2。
请参阅图3,本发明提供了一种电容型压力变送器边缘计算软件方案,包括任务启停模块,任务量化模块和资源管理模块。任务启停模块包括任务启停表,任务启停表保存任务启动条件,任务时延约束及任务内存和外存需求。任务启停模块包括任务启停表检测程序,根据人工触发,信号触发,周期触发的方式控制任务启动。任务启停模块与任务量化模块进行通信,将任务ID,任务约束,任务内存需求,任务外存需求发送给资源量化模块。任务ID为任务仓库中任务镜像的唯一标识符。任务量化模块在任务部署时完成任务量化建模。
任务通过containerd打包为任务镜像,并存储在containerd仓库中,存储内容包括任务唯一ID,任务镜像本体,任务内存需求,任务外存需求。任务启停模块启动后,向任务量化模块发送任务ID,时延约束,以获取任务所需计算资源。任务量化模块在任务开发时完成任务模型的构建,通过二阶多项式拟合来量化CPU与计算时延和带宽与通信时延的关系,总的任务时延及计算时延与通信时延的和。任务量化模块完成任务量化后,将任务资源需求和约束发送给资源管理模块,资源管理模块通过containerd API为其分配计算资源并启动任务。任务结束后向任务启停模块发送任务结束标识,或者由任务启停模块主动结束任务,资源管理模块接受到任务停止信号后,结束任务,回收任务资源。
本发明电容型压力变送器边缘计算工作方法,其主要步骤如下:
S1,任务开发过程中,将任务打包为容器镜像,并根据可能的处理器架构打包多种container镜像,并设置任务时延约束,任务触发条件,所需内存、外存等资源信息;多种任务镜像指的是不同的处理机架构下的任务镜像,如,仪表为ARM架构,边缘服务器为x86架构,如果任务想可以在这两中计算设备上都可以运行,则在开发的过程中需要打包成两种containerd镜像,但是,这不是必须的,如果任务采用跨平台语言开发且不涉及处理器架构的内容,可以以一种containerd镜像部署。
S2,任务开发过程中,对任务时延与计算资源关系进行建模。任务时延主要分为计算时延和通信时延,拟合先测得多组任务在不同计算资源和通信资源下的计算时延和通信时延,然后根据两个二阶多项式,建模出计算资源与计算时延、通信资源与通信时延的关系;
S3,任务启停模块实时检查任务启停表,当检测到需要启动任务时,将任务ID及时延约束发送给任务建模模块;
S4,任务建模模块收到任务启动请求后,根据任务时延约束计算资源需求,并发送给资源管理模块;
S5,资源管理模块接收到任务启动请求后,若本地资源可以满足任务需求,则通过containerd接口为其分配计算资源。若本地计算资源无法满足任务需求,则向其他边缘计算节点发出计算卸载请求;
S6,任务成功部署后,实时向任务启停模块发送心跳信号,任务启停模块监控任务心跳,当任务意外结束时,任务启停模块重新启动任务;
S7,任务成功部署后,资源管理模块实时监控任务内存使用量,并动态为其分配内存;
S8,任务执行完毕后,由任务本身或者任务启停模块决定任务的停止,任务停止后资源管理模块回收任务资源。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (9)
1.一种电容型压力变送器边缘计算工作***,其特征在于,包括:
任务启停模块,根据压力变送器的工况,决策当前需启动或者停止的压力变送器工作任务;并向任务量化模块发送压力变送器工作任务启动请求;
任务成功启动后,任务启停模块监听任务心跳,保证任务意外失效后重启启动;当任务正常结束时,任务启停模块向资源管理模块发送任务结束消息;
任务量化模块,根据计算任务的时延要求,建模任务在不同计算设备下所需计算资源量;当接收到任务启动请求时,根据任务时延约束和设备详情,计算任务所需资源,并发送给资源管理模块;
资源管理模块,负责为任务分配计算资源,并对设备的计算资源进行以下管理:
当任务请求资源时为其分配计算资源,并获取任务镜像,启动任务;
当任务结束时,回收任务的计算资源;
当本地计算资源无法满足任务需求时,资源管理模块负责向边缘服务器发出计算卸载请求,当本地计算资源无法满足任务需求时,资源管理模块负责向边缘服务器发出计算卸载请求具体包括以下步骤:
S61,以本地服务器为中心,圈定至少一个边缘服务器在内;
其本地服务器至各圈定边缘服务器的服务距离的计算方法为:
其中,(x0,y0,z0)表示本地服务器的位置坐标,(xm,ym,zm)表示第m圈定边缘服务器的位置坐标;
S62,以圈定区域内的边缘服务器为中心,以边缘服务器至本地服务器的距离为边缘计算协作区域;统计边缘计算协作区域内的其它本地服务器的数量集合S;
S63,利用客户端的计算缓存任务资源需求或/和计算任务资源需求判断本地服务器是否满足客户端的计算缓存任务资源需求或/和计算任务资源需求:
若本地服务器满足客户端的计算缓存任务资源需求或/和计算任务资源需求,则由本地服务器为客户端提供服务;
若本地服务器不能满足客户端的计算缓存任务资源需求或/和计算任务资源需求,则由本地服务器向圈定边缘服务器发出资源调用命令请求,利用圈定边缘服务器为客户端提供服务;
S64,利用客户端的计算缓存任务资源需求或/和计算任务资源需求判断圈定边缘服务器是否满足客户端的计算缓存任务资源需求或/和计算任务资源需求:
若圈定边缘服务器满足客户端的计算缓存任务资源需求或/和计算任务资源需求,则由边缘服务器为客户端提供服务;
若圈定边缘服务器不满足客户端的计算缓存任务资源需求或/和计算任务资源需求,则由边缘服务器向云服务器发出资源调用命令请求;利用云服务器为客户端提供服务。
2.根据权利要求1所述的电容型压力变送器边缘计算工作***,其特征在于,包括:所述任务启停模块中的任务启动停止功能通过任务启动停止程序实时查询设置任务启停表完成,任务启停方式有时间触发、信号触发、人工触发之一或者任意组合,任务启停表保存所有任务启停的条件,任务启停程序实时查询任务启停条件,满足条件后发出启停请求。
3.根据权利要求1所述的电容型压力变送器边缘计算工作***,其特征在于,包括:所述任务启停模块判断任务启动成功方式是通过监控任务心跳信号完成,任务成功启动后,定时向任务启停模块发送心跳信号,当一定时间未收到任务心跳信号时,任务监控模块向资源管理模块发送任务重新启动请求;当任务正常结束时,会向任务监控模块发送任务结束信号,任务监控模块收到停止信号后重新设置其任务启停表。
4.根据权利要求3所述的电容型压力变送器边缘计算工作***,其特征在于,还包括:所述任务量化模块接收到任务请求ID和时延约束后,根据其存储的数学模型返回任务在不同计算设备下的资源需求。
5.根据权利要求1所述的电容型压力变送器边缘计算工作***,其特征在于,所述任务量化模块中的任务数学模型在每种设备上通过多项式拟合的方式在部署时获得,任务时延分解为计算时延或/和通信时延,分别通过处理器百分比和带宽速度进行拟合。
6.根据权利要求1所述的电容型压力变送器边缘计算工作***,其特征在于,还包括:所述资源管理模块的资源分配通过containerd接口完成,资源管理模块获得需要启动的任务ID和计算资源需求时,如果判断当前设备可以满足计算资源需求,则通过任务ID从镜像仓库获取containerd镜像,为其分配计算资源并启动;所述资源管理模块为任务分配的处理器和网络资源由任务量化模块给出,所需外存资源不做限制,所需内存资源由资源管理模块动态提供。
7.根据权利要求1所述的电容型压力变送器边缘计算工作***,其特征在于,任务通过containerd打包为任务镜像,并存储在containerd仓库中,存储内容包括任务唯一ID,任务镜像本体,任务内存需求,任务外存需求;任务启停模块启动后,向任务量化模块发送任务ID,时延约束,以获取任务所需计算资源;任务量化模块在任务开发时完成任务模型的构建,通过二阶多项式拟合来量化CPU与计算时延和带宽与通信时延的关系,总的任务时延及计算时延与通信时延的和;任务量化模块完成任务量化后,将任务资源需求和约束发送给资源管理模块,资源管理模块通过containerd API为其分配计算资源并启动任务;任务结束后向任务启停模块发送任务结束标识,或者由任务启停模块主动结束任务,资源管理模块接收到任务停止信号后,结束任务,回收任务资源。
8.根据权利要求1所述的电容型压力变送器边缘计算工作***,其特征在于,还包括:
镜像存储仓库,负责存储所有可以动态执行的任务的容器镜像,包括不同计算架构下的多个版本的镜像,每个镜像具有唯一的任务ID。
9.一种电容型压力变送器边缘计算工作方法,其特征在于,包括如下步骤:
S1,任务开发过程中,将任务打包为容器镜像,并根据处理器架构打包多种containerd镜像,并设置任务时延约束,任务触发条件,所需内存、外存资源信息;
S2,任务开发过程中,对任务时延与计算资源关系进行建模;任务时延分为计算时延和通信时延,先拟合测得多组任务在不同计算资源和通信资源下的计算时延和通信时延,然后根据两个二阶多项式,建模出计算资源与计算时延、通信资源与通信时延的关系;
S3,任务启停模块实时检查任务启停表,当检测到需要启动任务时,将任务ID及时延约束发送给任务建模模块;
S4,任务建模模块收到任务启动请求后,根据任务时延约束计算资源需求,并发送给资源管理模块;
S5,资源管理模块接收到任务启动请求后,若本地资源可以满足任务需求,则通过containerd接口为其分配计算资源;若本地计算资源无法满足任务需求,则向边缘服务器发出计算卸载请求;当本地计算资源无法满足任务需求时,资源管理模块负责向边缘服务器发出计算卸载请求具体包括以下步骤:
S61,以本地服务器为中心,圈定至少一个边缘服务器在内;
其本地服务器至各圈定边缘服务器的服务距离的计算方法为:
其中,(x0,y0,z0)表示本地服务器的位置坐标,(xm,ym,zm)表示第m圈定边缘服务器的位置坐标;
S62,以圈定区域内的边缘服务器为中心,以边缘服务器至本地服务器的距离为边缘计算协作区域;统计边缘计算协作区域内的其它本地服务器的数量集合S;
S63,利用客户端的计算缓存任务资源需求或/和计算任务资源需求判断本地服务器是否满足客户端的计算缓存任务资源需求或/和计算任务资源需求:
若本地服务器满足客户端的计算缓存任务资源需求或/和计算任务资源需求,则由本地服务器为客户端提供服务;
若本地服务器不能满足客户端的计算缓存任务资源需求或/和计算任务资源需求,则由本地服务器向圈定边缘服务器发出资源调用命令请求,利用圈定边缘服务器为客户端提供服务;
S64,利用客户端的计算缓存任务资源需求或/和计算任务资源需求判断圈定边缘服务器是否满足客户端的计算缓存任务资源需求或/和计算任务资源需求:
若圈定边缘服务器满足客户端的计算缓存任务资源需求或/和计算任务资源需求,则由边缘服务器为客户端提供服务;
若圈定边缘服务器不满足客户端的计算缓存任务资源需求或/和计算任务资源需求,则由边缘服务器向云服务器发出资源调用命令请求;利用云服务器为客户端提供服务;
S6,任务成功部署后,实时向任务启停模块发送心跳信号,任务启停模块监控任务心跳,当任务意外结束时,任务启停模块重新启动任务;
S7,任务成功部署后,资源管理模块实时监控任务内存使用量,并动态为其分配内存;
S8,任务执行完毕后,由任务本身或者任务启停模块决定任务的停止,任务停止后资源管理模块回收任务资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011032940.0A CN112231097B (zh) | 2020-09-27 | 2020-09-27 | 电容型压力变送器边缘计算工作***和工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011032940.0A CN112231097B (zh) | 2020-09-27 | 2020-09-27 | 电容型压力变送器边缘计算工作***和工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112231097A CN112231097A (zh) | 2021-01-15 |
CN112231097B true CN112231097B (zh) | 2024-05-24 |
Family
ID=74107827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011032940.0A Active CN112231097B (zh) | 2020-09-27 | 2020-09-27 | 电容型压力变送器边缘计算工作***和工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112231097B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032120B (zh) * | 2021-03-26 | 2023-06-30 | 重庆大学 | 一种基于边缘计算的工业现场大数据任务协同调度方法 |
CN114048040B (zh) * | 2021-11-29 | 2022-05-13 | 中南大学 | 基于内存与图像分类模型时延关系的任务调度方法 |
CN113886094B (zh) * | 2021-12-07 | 2022-04-26 | 浙江大云物联科技有限公司 | 一种基于边缘计算的资源调度方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002344504A (ja) * | 2001-05-14 | 2002-11-29 | Nippon Telegr & Teleph Corp <Ntt> | コンピュータネットワーク資源割当方法及び資源管理型コンピュータネットワークシステム及びリソース管理サーバ及びエッジスイッチ及びコンピュータネットワーク資源割当プログラム及びコンピュータネットワーク資源割当プログラムを格納した記憶媒体 |
WO2015003420A1 (zh) * | 2013-07-09 | 2015-01-15 | 国云科技股份有限公司 | 一种云计算环境的资源部署方法 |
CN105373431A (zh) * | 2015-10-29 | 2016-03-02 | 武汉联影医疗科技有限公司 | 一种计算机***资源的管理方法及计算机资源管理*** |
CN105704458A (zh) * | 2016-03-22 | 2016-06-22 | 北京邮电大学 | 基于容器技术的视频监控云服务的平台实现方法及*** |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN110928691A (zh) * | 2019-12-26 | 2020-03-27 | 广东工业大学 | 一种面向交通数据的端边协同计算卸载方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10438253B2 (en) * | 2015-11-29 | 2019-10-08 | International Business Machines Corporation | Reuse of computing resources for cloud managed services |
US10938736B2 (en) * | 2017-10-18 | 2021-03-02 | Futurewei Technologies, Inc. | Dynamic allocation of edge computing resources in edge computing centers |
CN109729106B (zh) * | 2017-10-27 | 2021-07-16 | 伊姆西Ip控股有限责任公司 | 处理计算任务的方法、***和计算机程序产品 |
US10936374B2 (en) * | 2018-05-17 | 2021-03-02 | International Business Machines Corporation | Optimizing dynamic resource allocations for memory-dependent workloads in disaggregated data centers |
US11824784B2 (en) * | 2019-12-20 | 2023-11-21 | Intel Corporation | Automated platform resource management in edge computing environments |
-
2020
- 2020-09-27 CN CN202011032940.0A patent/CN112231097B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002344504A (ja) * | 2001-05-14 | 2002-11-29 | Nippon Telegr & Teleph Corp <Ntt> | コンピュータネットワーク資源割当方法及び資源管理型コンピュータネットワークシステム及びリソース管理サーバ及びエッジスイッチ及びコンピュータネットワーク資源割当プログラム及びコンピュータネットワーク資源割当プログラムを格納した記憶媒体 |
WO2015003420A1 (zh) * | 2013-07-09 | 2015-01-15 | 国云科技股份有限公司 | 一种云计算环境的资源部署方法 |
CN105373431A (zh) * | 2015-10-29 | 2016-03-02 | 武汉联影医疗科技有限公司 | 一种计算机***资源的管理方法及计算机资源管理*** |
CN105704458A (zh) * | 2016-03-22 | 2016-06-22 | 北京邮电大学 | 基于容器技术的视频监控云服务的平台实现方法及*** |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN110928691A (zh) * | 2019-12-26 | 2020-03-27 | 广东工业大学 | 一种面向交通数据的端边协同计算卸载方法 |
Non-Patent Citations (2)
Title |
---|
Elastic offloading of multitasking applications to mobile edge computing;Mazouzi H etal.;《22nd International ACM Conference on Modeling,Analysis and Simulation of Wireless and Mobile Systems》;第307- 314页 * |
面向智能装备的工业互联网平台参考架构;杨祖业 等;《中国仪器仪表》(第第6期期);第31-36页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112231097A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112231097B (zh) | 电容型压力变送器边缘计算工作***和工作方法 | |
CN105357038B (zh) | 监控虚拟机集群的方法和*** | |
US8713163B2 (en) | Monitoring cloud-runtime operations | |
CN103201724B (zh) | 在高可用性虚拟机环境中提供高可用性应用程序 | |
CN111913818B (zh) | 一种确定服务间依赖关系的方法及相关装置 | |
US7761487B2 (en) | Predicting out of memory conditions using soft references | |
WO2021143155A1 (zh) | 模型训练方法及装置 | |
CN112631725A (zh) | 一种基于云边端协同的智慧城市的管理***及方法 | |
Liu et al. | Availability prediction and modeling of high mobility oscar cluster | |
CN115115030A (zh) | ***监控方法、装置、电子设备及存储介质 | |
CN110971480A (zh) | 计算机网络状况监控方法、装置、计算机设备及存储介质 | |
CN114138501B (zh) | 用于现场安全监控的边缘智能服务的处理方法和装置 | |
CN111209333A (zh) | 数据更新方法、装置、终端及存储介质 | |
CN114968947B (zh) | 一种故障文件保存方法及相关装置 | |
CN116149701A (zh) | 一种面向边缘终端的软件在线升级方法和*** | |
CN115686813A (zh) | 一种资源调度方法、装置、电子设备和存储介质 | |
CN115168042A (zh) | 监控集群的管理方法及装置、计算机存储介质、电子设备 | |
CN116166413A (zh) | 针对异构基础设施上的工作负载的生命周期管理 | |
CN110457087A (zh) | 多平台配置数据同步方法、装置及*** | |
CN110826824A (zh) | 一种面向风险管控的电网企业相关方关系监测*** | |
CN111899858B (zh) | 一种医院流量的限制方法、装置、计算机设备和存储介质 | |
CN110392078B (zh) | 一种维护共享文件的底层资源数据的方法和设备 | |
CN114792184A (zh) | 一种基于scrum人工智能调度方法、***及平台 | |
Baier | Towards Zero Maintenance Operation of an MQTT Broker with a Kubernetes Operator | |
CN117950855A (zh) | 一种任务处理***、方法、电子设备及存储介质 |
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 |