CN112650581A - 一种面向智能楼宇的云边协同任务调度方法 - Google Patents

一种面向智能楼宇的云边协同任务调度方法 Download PDF

Info

Publication number
CN112650581A
CN112650581A CN202011517127.2A CN202011517127A CN112650581A CN 112650581 A CN112650581 A CN 112650581A CN 202011517127 A CN202011517127 A CN 202011517127A CN 112650581 A CN112650581 A CN 112650581A
Authority
CN
China
Prior art keywords
task
computing
cloud
edge
intelligent
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.)
Withdrawn
Application number
CN202011517127.2A
Other languages
English (en)
Inventor
易灵芝
冯晓东
高谢毅
谭貌
刘江永
苏永新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiangtan University
Original Assignee
Xiangtan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiangtan University filed Critical Xiangtan University
Priority to CN202011517127.2A priority Critical patent/CN112650581A/zh
Publication of CN112650581A publication Critical patent/CN112650581A/zh
Withdrawn legal-status Critical Current

Links

Images

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
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/62—Establishing a time schedule for servicing the requests

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multi Processors (AREA)

Abstract

本发明公开了一种面向智能楼宇的云边协同任务调度方法。所述智能楼宇云边协同架构包括云计算层，边缘计算层和智能设备层。可克服云计算和边缘计算存在的缺陷，将二者的优势充分结合。这种调度方法先利用任务管理器收集智能设备产生的任务数据大小、任务种类和计算密集型程度，再收集***中所有设备资源和网络信息，然后建立***模型和任务模型，将现有的技术问题转化成数学优化问题。最后，根据任务计算的密集程度，对任务进行分割处理后，由任务调度器及内置优化算法寻找最优调度方案，再将任务调度方案分发下去。这一套运行机制，可以快速响应智能楼宇的请求，大幅降低任务完成时间，对计算资源达到合理的配置且用户隐私不易泄露。

Description

一种面向智能楼宇的云边协同任务调度方法
技术领域
本发明涉及一种智能计算技术领域。特别是一种面向智能楼宇云计算和边缘计算协同的任务调度方法。
背景技术
由于通信技术和物联网技术的快速发展，越来越多的智能设备受到人们的青睐。随着边缘计算的发展和家庭用户生活水平的提高，智能楼宇逐渐成为边缘计算一个重要的应用场合。海量的网络设备部署到楼宇中，会导致网络数据呈***式增长。将数据处理从云端转移到边缘端正成为一个重要的趋势，可有效降低***延迟。边缘计算更加靠近物或数据源头，可以为家庭用户提供实时、动态和智能的服务计算，产生更快的网络服务响应，从而满足家庭用户的各类需求。
现有云计算和边缘计算存在的缺陷：基于云服务的计算平台中，虽然存在大规模的并行计算架构，计算能力强，但是，仍然会存在延迟高、资源利用率低、隐私泄露风险高的缺点；边缘计算响应速度快，但是计算能力弱是其主要短板，处理计算密集型任务耗时较长。
为了实现智能设备的快速响应，减少数据通信时间和任务排队时间，现将云计算和边缘计算融合应用到智能楼宇中，建立智能楼宇的云边协同任务调度模型，制定任务调度方案，解决云计算延迟高和边缘节点计算能力弱的问题，从而减小任务完成时间。
发明内容
针对智能楼宇中网络设备多，数据量大，易造成网络拥堵，***延迟高的问题，本发明公开一种面向智能楼宇的云边协同任务调度方法，将任务分割策略应用到任务调度模型中，寻求最优调度方案，降低***延迟。
本发明所采取的技术方案是：一种面向智能楼宇的云边协同任务调度方法。该方法具体步骤如下：
步骤1：利用任务管理器收集智能设备产生的任务数据大小、任务种类和计算密集型程度；
步骤2：在路由器上收集云边协同***中所有设备的资源和网络状态信息。包括CPU计算能力，网络带宽，数据传输速率等参数；
步骤3：建立任务模型和***模型，将n个任务用集合J＝{J1，J2，…，Jn}表示，m台边缘服务器用集合e＝{e1，e2，…，em}表示，C代表云服务器。任务的完成时间由两部分组成，包括数据传输时间和任务计算时间；
步骤4：根据任务计算密集程度制定任务分割策略，将计算密集型的任务调度到云端处理，利用云端强大的计算资源处理任务，降低任务计算时间。将非计算密集型的任务分配到各个边缘节点，减少任务排队时间，满足任务快速响应的需求。将计算密集型和非计算密集型混合的任务进行分割处理，将计算密集型的部分和非计算密集型的部分分别调度到云端和边缘端处理，这里定义任务分割比为μi；
步骤5：基于步骤1-3的数据构造任务调度模型，以最小化任务完成时间为目标，制定调度策略寻求最优解；
步骤6：将寻优过程中的可行解和约束条件比对，过滤不满足约束条件的调度方案，在满足约束条件的可行解中寻找任务完成时间最小的方案，作为最优解；
步骤7：根据最优调度方案把任务分发至云边协同***中执行；
步骤8：待任务执行完成后，计算结果将返回至终端智能设备。
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：本发明将云计算和边缘计算融合应用到智能楼宇***中，实现了多个任务的协同调度，根据计算密集程度制定任务分割策略，充分利用云端计算能力强和边缘侧响应速度快的特点，避免智能楼宇***中因数据量大造成网络拥堵的情况，最小化任务完成时间，满足家庭用户日益增长的高质量需求。
附图说明
图1为本发明面向智能楼宇的***架构图。
图2为本发明任务调度的工作流程图。
图3为本发明任务生成序列示意图。
具体实施方式
下面结合附图，进一步阐明本发明具体实施方式。
本发明提供一种面向智能楼宇的云边协同任务调度方法，具体步骤如下：
步骤1：利用任务管理器收集智能设备产生的任务数据大小、任务种类和计算密集型程度。每个任务被抽象出三个计算参数Ji＝{vi，Li，di}，其中vi表示计算第i个任务的一位数据所需要的CPU周期数(单位：CPU周期/bit)，Li表示第i个任务的输入数据大小(单位：bit)，di表示处理任务Ji需要的CPU周期数；
步骤2：在路由器上收集云边协同***中所有设备的资源和网络状态信息。包括CPU计算能力，网络带宽，数据传输速率等参数。每个用户设备已经关联到一个基站和边缘服务器，所有任务先上传到对应的边缘节点，再由制定的调度方案分发下去。定义第j个边缘节点的计算能力为
Figure BDA0002847776520000031
云节点计算能力为fc，B是***带宽，δj是第j个边缘节点处的噪声功率，pk,j表示第j个边缘节点所服务的第k个设备的传输功率。Xij是状态变量，Xij＝1表示任务Ji分配给了边缘服务器ej，Xij＝0表示任务Ji未分配给边缘服务器。数据传输速率可以用香农公式表示：
Figure BDA0002847776520000032
步骤3：建立任务模型和***模型，将n个任务用集合J＝{J1，J2，…，Jn}表示，m台边缘服务器用集合e＝{e1，e2，…，em}表示，C代表云服务器。任务上传到边缘服务器时间如公式(2)所示。任务卸载到云服务器时间如公式(3)所示。
Figure BDA0002847776520000033
通常，各个边缘节点是通过不同的回程链路与云端建立连接的，云服务器距离设备和边缘节点会更远，任务传输到云服务器往往可能会消耗更长时间，Wj为回程链路的传输功率。任务卸载时间如公式(3)所示。
Figure BDA0002847776520000034
步骤4：根据任务计算密集程度制定任务分割策略，将计算密集型的任务调度到云端处理，利用云端强大的计算资源处理任务，降低任务计算时间。将非计算密集型的任务分配到各个边缘节点，减少任务排队时间，满足任务快速响应的需求。将计算密集型和非计算密集型混合的任务进行分割处理，将计算密集型的部分和非计算密集型的部分分别调度到云端和边缘端处理，这里定义任务分割比为μi。
步骤5：基于步骤1-3的数据构造任务调度模型，以最小化任务完成时间为目标，制定调度策略寻求最优解。
1)根据任务计算类型确定任务处理方式。
①当任务Ji为非计算密集类型即μi＝1时，任务由智能设备所关联的边缘服务器单独处理，计算时间如公式(4)所示。
Figure BDA0002847776520000035
②当任务Ji为计算密集类型即μi＝0时，任务将卸载到云端处理，计算时间如公式(5)所示。
Figure BDA0002847776520000041
③当任务Ji为二者混合类型即0<μi<1时，将任务分割后由云服务器和边缘服务器协同处理，这里还要考虑任务卸载到云端的时间，因此可将云边协同的任务计算时间表示为公式(6)。
Figure BDA0002847776520000042
最终单个任务完成时间由传输时间和计算时间组成，如公式(7)所述。
Figure BDA0002847776520000043
在某个时间段内任务的总完成时间如公式(8)所示。
Tcomplete＝max{T1,T2,…,Tj,…,Tm} (8)
2)将一个时间段内上传的n个任务分配到m个边缘服务器和云服务器上，可以根据任务调度器的优化算法找到可行解，在m个边缘节点生成m个任务序列以及云端的一个任务序列。
3)根据任务完成时间的计算方式和任务的调度方案，可以确定目标优化函数，如公式(9)所示。
ρ:min{max{T1,T2,…,Tm}} (9)
4)执行约束条件
①任意边缘节点上分配的资源总量不应超过该节点上的可用资源容量，即，
Figure BDA0002847776520000044
②到达任意边缘节点的总流量应该小于边缘节点能够承受的带宽容量，即，
Figure BDA0002847776520000045
③每个任务一次只能分配给一个边缘节点，即:
Figure BDA0002847776520000046
Figure BDA0002847776520000047
④确保每个边缘节点一次处理不超过一个任务，即:
Figure BDA0002847776520000048
步骤6：将寻优过程中的可行解和约束条件(10)-(14)比对，过滤不满足约束条件的调度方案，在满足约束条件的可行解中寻找任务完成时间最小的方案，作为最优解。
步骤7：根据最优调度方案把任务分发至云边协同***中执行。
步骤8：待任务执行完成后，计算结果将返回至终端智能设备。

Claims (6)

1.一种面向智能楼宇的云边协同任务调度方法，其特征是在***架构上采用了三层架构，云计算层、边缘计算层和智能设备层；
在所述的云计算层可提供处理、存储、网络和其他基本的计算资源，拥有并行计算资源，计算能力强；
在所述的边缘计算层由核心基础设施、边缘计算中心、边缘网络和边缘设备，它更加靠近用户侧，各边缘节点在自主运行的同时又相互协作，并且和云端连接进行必要的交互，能通过融合多种通信网络来实现物联网设备和传感器的互联，实时响应用户需求；
在所述的智能设备层包括部署在智能楼宇内的各类智能设备，这些智能设备可为用户提供更加便捷的服务，这些设备关联到对应的基站和边缘服务器，智能设备产生的数据会先上传至边缘节点，再作下一步处理。
2.根据权利要求1所述的***架构可以确定云边协同处理的工作流程，某一个时间段内上传到边缘层的任务，利用现有技术手段获取到任务的数据类型、大小和其他相关参数后，即可进行下一步处理。
3.一种面向智能楼宇的云边协同任务调度方法，该方法包括：
步骤1：利用任务管理器批量处理获取到的参数，对任务进行编码；
步骤2：在路由器上收集云边协同***中所有设备的资源和网络状态信息。包括CPU计算能力，网络带宽，数据传输速率等参数；
步骤3：建立任务模型和***模型，将n个任务用集合J＝{J1，J2，…，Jn}表示，m台边缘服务器用集合e＝{e1，e2，…，em}表示，C代表云服务器。任务的完成时间由两部分组成，包括数据传输时间和任务计算时间；
步骤4：根据任务计算密集程度制定任务分割策略，将计算密集型的任务调度到云端处理，利用云端强大的计算资源处理任务，降低任务计算时间。将非计算密集型的任务分配到各个边缘节点，减少任务排队时间，满足任务快速响应的需求。将计算密集型和非计算密集型混合的任务进行分割处理，将计算密集型的部分和非计算密集型的部分分别调度到云端和边缘端处理，这里定义任务分割比为μi；
步骤5：基于步骤1-3的数据构造任务调度模型，以最小化任务完成时间为目标，制定调度策略寻求最优解；
步骤6：将寻优过程中的可行解和约束条件比对，过滤不满足约束条件的调度方案，在满足约束条件的可行解中寻找任务完成时间最小的方案，作为最优解；
步骤7：根据最优调度方案把任务分发至云边协同***中执行；
步骤8：待任务执行完成后，计算结果将返回至终端智能设备。
4.根据权利要求2所述的方法，其特征在于，智能楼宇产生的数据参数信息是可以由现有技术手段获取的，然后再根据***的数学模型对参数加以利用。
5.根据权利要求3所述的具体步骤，其特征在于，提交的任务经过编码处理后，根据任务计算密集程度，对任务进行分割处理，再经任务调度器内置的优化算法寻优，得出任务调度策略。
6.根据权利要求5所述的方法，任务调度器内置的优化算法可以有很多种，元启发算法和群智能算法都可以内嵌到任务调度器，再根据权利要求3所述的步骤执行任务调度的操作。
CN202011517127.2A 2020-12-21 2020-12-21 一种面向智能楼宇的云边协同任务调度方法 Withdrawn CN112650581A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011517127.2A CN112650581A (zh) 2020-12-21 2020-12-21 一种面向智能楼宇的云边协同任务调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011517127.2A CN112650581A (zh) 2020-12-21 2020-12-21 一种面向智能楼宇的云边协同任务调度方法

Publications (1)

Publication Number Publication Date
CN112650581A true CN112650581A (zh) 2021-04-13

Family

ID=75358511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011517127.2A Withdrawn CN112650581A (zh) 2020-12-21 2020-12-21 一种面向智能楼宇的云边协同任务调度方法

Country Status (1)

Country Link
CN (1) CN112650581A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113037877A (zh) * 2021-05-26 2021-06-25 深圳大学 云边端架构下时空数据及资源调度的优化方法
CN113452751A (zh) * 2021-05-20 2021-09-28 国网江苏省电力有限公司信息通信分公司 基于云边协同的电力物联网任务安全迁移***及方法
CN113553160A (zh) * 2021-08-03 2021-10-26 上海紫邦电气技术有限公司 用于人工智能物联网的边缘计算节点任务调度方法及***
CN113553146A (zh) * 2021-04-25 2021-10-26 北京航空航天大学 一种基于云边协同计算任务并合调度方法
CN113590324A (zh) * 2021-07-30 2021-11-02 郑州轻工业大学 一种面向云边端协同计算的启发式任务调度方法和***
CN113988627A (zh) * 2021-10-28 2022-01-28 广东工业大学 基于深度强化学习的协同云排产方法及***
CN114139823A (zh) * 2021-12-08 2022-03-04 重庆大学 面向智能制造车间生产与计算任务的耦合调度模型与耦合调度方法
CN114928653A (zh) * 2022-04-19 2022-08-19 西北工业大学 面向群智感知的数据处理方法及装置
WO2022227105A1 (zh) * 2021-04-30 2022-11-03 广州中国科学院软件应用技术研究所 一种基于端云融合的协同控制***及方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113553146A (zh) * 2021-04-25 2021-10-26 北京航空航天大学 一种基于云边协同计算任务并合调度方法
WO2022227105A1 (zh) * 2021-04-30 2022-11-03 广州中国科学院软件应用技术研究所 一种基于端云融合的协同控制***及方法
CN113452751A (zh) * 2021-05-20 2021-09-28 国网江苏省电力有限公司信息通信分公司 基于云边协同的电力物联网任务安全迁移***及方法
CN113037877A (zh) * 2021-05-26 2021-06-25 深圳大学 云边端架构下时空数据及资源调度的优化方法
CN113037877B (zh) * 2021-05-26 2021-08-24 深圳大学 云边端架构下时空数据及资源调度的优化方法
CN113590324A (zh) * 2021-07-30 2021-11-02 郑州轻工业大学 一种面向云边端协同计算的启发式任务调度方法和***
CN113553160A (zh) * 2021-08-03 2021-10-26 上海紫邦电气技术有限公司 用于人工智能物联网的边缘计算节点任务调度方法及***
CN113988627A (zh) * 2021-10-28 2022-01-28 广东工业大学 基于深度强化学习的协同云排产方法及***
CN114139823A (zh) * 2021-12-08 2022-03-04 重庆大学 面向智能制造车间生产与计算任务的耦合调度模型与耦合调度方法
CN114139823B (zh) * 2021-12-08 2023-08-01 重庆大学 面向智能制造车间生产与计算任务的耦合调度方法
CN114928653A (zh) * 2022-04-19 2022-08-19 西北工业大学 面向群智感知的数据处理方法及装置
CN114928653B (zh) * 2022-04-19 2024-02-06 西北工业大学 面向群智感知的数据处理方法及装置

Similar Documents

Publication Publication Date Title
CN112650581A (zh) 一种面向智能楼宇的云边协同任务调度方法
CN110187973B (zh) 一种面向边缘计算的服务部署优化方法
CN111475274B (zh) 云协同多任务调度方法及装置
CN111930436B (zh) 一种基于边缘计算的随机型任务排队卸载优化方法
CN110493360B (zh) 多服务器下降低***能耗的移动边缘计算卸载方法
CN107766135B (zh) 移动朵云中基于粒子群和模拟退火优化的任务分配方法
Sun et al. Autonomous resource slicing for virtualized vehicular networks with D2D communications based on deep reinforcement learning
WO2023040022A1 (zh) 一种在随机网络中基于算网协同的分布式计算卸载方法
CN111538587B (zh) 一种基于负载均衡的服务功能链重配置方法
CN111741054B (zh) 一种移动用户深度神经网络计算卸载时延最小化方法
CN110234127B (zh) 一种基于sdn的雾网络任务卸载方法
CN113011678B (zh) 基于边缘计算的虚拟运营平台运行控制方法
CN114138373B (zh) 一种基于强化学习的边缘计算任务卸载方法
CN111711962B (zh) 一种移动边缘计算***子任务协同调度方法
CN112118312B (zh) 一种面向边缘服务器的网络突发负载疏散方法
CN111556516B (zh) 面向时延和能效敏感业务的分布式无线网络任务协同分配方法
CN116489708B (zh) 面向元宇宙的云边端协同的移动边缘计算任务卸载方法
CN112162789A (zh) 一种基于软件定义的边缘计算随机卸载决策方法及***
CN114745383A (zh) 一种移动边缘计算辅助多层联邦学习方法
Ren et al. Multi-objective optimization for task offloading based on network calculus in fog environments
CN112148381A (zh) 一种基于软件定义的边缘计算优先级卸载决策方法及***
CN109348486A (zh) 一种异构无线网络资源分配方法
CN113032146A (zh) 一种面向多接入边缘计算环境的健壮***供应方法
CN113238814A (zh) 基于多用户和分类任务的mec任务卸载***及优化方法
CN114615705B (zh) 一种基于5g网络下单用户资源分配策略方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210413

WW01 Invention patent application withdrawn after publication