CN113542316B - 算力共享方法及相关设备 - Google Patents
算力共享方法及相关设备 Download PDFInfo
- Publication number
- CN113542316B CN113542316B CN202010288252.4A CN202010288252A CN113542316B CN 113542316 B CN113542316 B CN 113542316B CN 202010288252 A CN202010288252 A CN 202010288252A CN 113542316 B CN113542316 B CN 113542316B
- Authority
- CN
- China
- Prior art keywords
- computing
- calculation
- demand
- information
- power
- 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
Images
Classifications
-
- 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
-
- 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
-
- 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
- G06F9/505—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 considering the load
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- 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)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开一种算力共享方法及相关设备,本发明实施例中,算力共享网元与网络连接以进行控制面传输和数据面传输,或者,算力共享网元与网络连接以进行控制面传输;其中,算力共享网元获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息;再根据算力需求信息和可提供算力信息,确定为计算需求端提供算力的计算协作端,并直接或间接指示提供算力的计算协作端完成计算需求端的计算任务,实现算力共享,提高计算速度,减少计算所需时间。
Description
技术领域
本发明涉及计算技术领域,尤其涉及一种算力共享方法及相关设备。
背景技术
随着大数据时代的到来,算力在数字经济时代成为一种重要的生产力。在新兴科技不断突破的过程中,算力作为驱动技术进步的“燃料”,成为一种新兴“能源”。
现有技术中,有些应用需要使用巨大的计算能力才能完成,如果采用集中式计算,需要耗费相当长的时间,亟需解决这一技术问题。
发明内容
本发明实施例提供了一种算力共享方法及相关设备,可以实现算力共享。
第一方面,本发明实施例提供了一种算力共享方法,应用于算力共享网元中,所述算力共享网元与网络连接以进行控制面传输和数据面传输,或者,所述算力共享网元与网络连接以进行控制面传输;
所述方法包括:
获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息;
根据所述算力需求信息和所述可提供算力信息,确定为所述计算需求端提供算力的计算协作端,并直接或间接指示所述提供算力的计算协作端完成所述计算需求端的计算任务。
可选地,所述获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息,包括:
接收所述计算需求端发送的算力请求,所述算力请求包括所述计算需求端的ID、算力需求信息,所述计算需求端期望参与算力共享时,所述算力请求还包括所述计算需求端的可参与算力信息,所述计算需求端期望在算力共享时对所述计算任务进行任务分配和信息整合时,所述算力请求还包括和所述计算需求端的整合能力信息;
向所述计算协作端发送协作询问,所述协作询问包括可提供算力上报请求;所述算力共享网元与网络连接以进行控制面传输时,根据所述整合能力信息确定所述计算需求端不具备信息整合能力时,所述协作询问还包括整合能力上报请求;
接收所述计算协作端响应所述协作询问返回的协作询问响应信息,所述协作询问响应信息包括响应所述可提供算力上报请求时返回的所述计算协作端的ID和可提供算力信息,以及响应所述整合能力上报请求时返回的所述计算协作端的整合能力信息。
可选地,所述获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息,包括:
接收所述计算协作端发送的算力提供请求,所述算力提供请求包括所述计算协作端的ID、可提供算力信息,所述计算协作端期望在算力共享时对所述计算任务进行任务分配和信息整合时,所述算力提供请求还包括整合能力信息;
向所述计算需求端发送需求询问,所述需求询问包括算力需求上报请求,期望所述计算需求端参与算力共享时,所述需求询问还包括算力上报请求,期望所述计算需求端在算力共享时对所述计算任务进行任务分配和信息整合时,所述需求询问还包括整合能力上报请求;
接收所述计算需求端响应所述需求询问返回的需求询问响应信息,所述需求询问响应信息包括响应所述算力需求上报请求时返回的所述计算需求端的ID和算力需求信息,响应所述算力上报请求时返回的所述计算需求端的可参与算力信息,以及响应所述整合能力上报请求时返回的所述计算需求端的整合能力信息。
可选地,所述根据所述算力需求信息和所述可提供算力信息,确定为所述计算需求端提供算力的计算协作端,包括:
根据所述算力需求信息、所述算力共享网元的可参与算力信息、所述计算需求端的可参与算力信息和所述计算协作端的可提供算力信息确定是否为所述计算需求端提供算力;
当所述可参与算力信息、所述可提供算力信息可满足由所述算力需求信息确定的算力需求时,为所述计算需求端提供算力并确定为所述计算需求端提供算力的第一终端,所述第一终端包括所述算力共享网元、所述计算需求端和所述计算协作端中至少一种。
可选地,所述直接或间接指示所述提供算力的计算协作端完成所述计算需求端的计算任务,包括:
所述算力共享网元与网络连接以进行控制面传输和数据面传输时,根据所述计算需求端的整合能力信息,从所述算力共享网元、所述计算需求端中确定进行任务分配和信息整合的第二终端;或者,所述算力共享网元与网络连接以进行控制面传输时,根据所述计算需求端的整合能力信息和所述计算协作端的整合能力信息,从所述计算需求端和所述计算协作端中确定进行任务分配和信息整合的第二终端;
发送所述第一终端的ID和对应的可使用算力信息至所述第二终端,以使所述第二终端获取所述计算需求端发送的计算任务,并根据所述可使用算力信息将所述计算任务分配至所述第一终端,以及接收所述第一终端返回的子处理结果,整合所述子处理结果得到所述计算任务的总处理结果。
可选地,确定进行任务分配和信息整合的第二终端后,所述第二终端为计算需求端或计算协作端时,所述方法还包括:
根据所述算力需求信息和对应的所述第一终端的可使用算力信息进行算力调度,得到算力分配清单,所述算力分配清单为所述第一终端的ID和分配的算力的对应关系;
发送所述算力分配清单至所述第二终端,以使所述第二终端获取所述计算需求端发送的计算任务,并根据所述算力分配清单将所述计算任务分配至所述第一终端,以及接收所述第一终端返回的子处理结果,整合所述子处理结果得到所述计算任务的总处理结果。
可选地,所述方法还包括:
获取并存储各所述第一终端为所述计算任务所提供的算力大小和所花费的时间。
可选地,所述网络包括核心网;
所述算力共享网元通过第一参考点与所述核心网的统一数据管理网元交互,所述算力共享网元通过第二参考点与所述核心网的接入和移动性管理网元交互,所述算力共享网元通过第三参考点与所述核心网的用户平面网元交互;
或者,
所述算力共享网元通过第一参考点与所述核心网的统一数据管理网元交互,所述算力共享网元通过第二参考点与所述核心网的接入和移动性管理网元交互。
可选地,所述算力需求信息包括所述计算任务所需的计算量。
可选地,所述算力需求信息还包括完成所述计算任务可接受的最长计算时间,最大任务并行度,计算任务的算法复杂度、指定采集数据类型中的至少一种。
第二方面,本发明实施例提供了一种算力共享网元,所述算力共享网元与网络连接以进行控制面传输和数据面传输,或者,所述算力共享网元与网络连接以进行控制面传输;
所述算力共享网元包括:
获取模块,用于获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息;
处理模块,用于根据所述算力需求信息和所述可提供算力信息,确定为所述计算需求端提供算力的计算协作端,并直接或间接指示所述提供算力的计算协作端完成所述计算需求端的计算任务。
可选地,所述网络包括核心网;
所述算力共享网元通过第一参考点与所述核心网的统一数据管理网元交互,所述算力共享网元通过第二参考点与所述核心网的接入和移动性管理网元交互,所述算力共享网元通过第三参考点与所述核心网的用户平面网元交互;
或者,
所述算力共享网元通过第一参考点与所述核心网的统一数据管理网元交互,所述算力共享网元通过第二参考点与所述核心网的接入和移动性管理网元交互。
第三方面,本发明实施例提供了一种算力共享网元,包括:收发器、处理器、存储器以及存储在存储器上并由所述处理器执行的计算机程序;
所述处理器分别与所述收发器、所述存储器相连,用于通过执行所述计算机程序,实现第一方面所述的算力共享方法。
第四方面,本发明实施例提供了一种算力共享***,包括计算需求端、计算协作端和第二方面或第三方面所述的算力共享网元。
第五方面,本发明实施例提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如第一方面所述的算力共享方法。
本发明实施例中,算力共享网元与网络连接以进行控制面传输和数据面传输,或者,算力共享网元与网络连接以进行控制面传输;其中,算力共享网元获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息;再根据算力需求信息和可提供算力信息,确定为计算需求端提供算力的计算协作端,并直接或间接指示提供算力的计算协作端完成计算需求端的计算任务,实现算力共享,提高计算速度,减少计算所需时间。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是本发明实施例提供的一种算力共享网元和核心网的连接示意图;
图1b、图1c是本发明实施例提供的一种算力共享网元和核心网的参考点连接示意图;
图2是本发明实施例提供的一种算力共享方法的流程示意图;
图3是本发明实施例提供的一种算力共享方法的申请授权流程示意图;
图4是本发明实施例提供的一种算力共享方法的申请授权流程示意图;
图5是本发明实施例提供的一种算力共享方法的调度分配流程示意图;
图6是本发明实施例提供的一种算力共享方法的调度分配流程示意图;
图7是本发明实施例提供的一种算力共享方法的调度分配流程示意图;
图8是本发明实施例提供的一种算力共享网元的结构示意图;
图9是本发明实施例提供的一种算力共享网元的结构示意图;
图10是本发明实施例提供的一种算力共享***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
应当理解,本申请的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本发明中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本发明所描述的实施例可以与其它实施例相结合。
现有技术中,由于单一计算体的算力有限,无法快速完成计算量巨大的计算任务,因此,本申请提出一种算力共享方法,可以实现算力共享,以便快速完成计算任务。
本申请中,计算需求端可以是智能体,用户设备(User Equipment,UE),计算服务器,基站等,任何需要算力服务或者能够提供算力服务的载体,计算协作端可以是智能体,用户设备(User Equipment,UE),计算服务器,基站等,任何需要算力服务或者能够提供算力服务的载体。计算需求端和计算协作端均具有唯一识别ID,ID可以是由数字、字母、特殊字符中的至少一种组成的序列。其中,计算需求端和计算协作端之间可以建立有3GPP(the3rd Generation partnership project,第三代合作伙伴计划)连接以进行数据传输。
本申请提供一种算力共享方法,应用于算力共享网元中,算力共享网元与网络连接,网络包括核心网,算力共享网元是核心网的一个用于算力共享的新的网元,是属于运营商部署的实体,算力共享网元和核心网连接,参考图1a,是本发明实施例提供的一种算力共享网元和核心网的连接示意图,算力共享网元通过新增的第四接口。例如Nai接口连接核心网中其他网元的接口,以实现和核心网其他网元的交互。
在一个可能的实施例中,参考图1b、图1c,本发明实施例提供的一种算力共享网元和核心网的参考点连接示意图;图1b中,算力共享网元与核心网连接以进行控制面传输和数据面传输,具体地,算力共享网元通过新增的第一参考点N60与统一数据管理(UnifiedData Management,UDM)网元实现交互,算力共享网元通过新增的第二参考点N59与接入和移动性管理(Access and Mobility Management Function,AMF)网元实现交互,以此实现控制面传输,算力共享网元具有调度能力。而算力共享网元通过新增的第三参考点N61与用户平面(User Plane Function,UPF)网元实现交互,以此实现数据面传输,即算力共享网元可以与其他终端设备实现大数据量传输,例如传输训练模型或训练集等,算力共享网元具有信息整合能力。
在另一个可能的实施例中,参考图1c,算力共享网元与核心网连接以进行控制面传输;具体地,算力共享网元通过新增的第一参考点N60与统一数据管理(Unified DataManagement,UDM)网元实现交互,算力共享网元通过新增的第二参考点N59与接入和移动性管理(Access and Mobility Management Function,AMF)网元实现交互,以此实现控制面传输,算力共享网元具有调度能力。
请参见图2,是本发明实施例提供的一种算力共享方法的流程示意图;所述算力共享方法,包括:
201、获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息;
具体地,算力共享网元获取计算需求端的算力需求信息,以及计算协作端的可提供算力信息,算力需求信息包括其计算任务所需的计算量大小,还可以包括完成计算任务可接受的最长计算时间,最大任务并行度N(指定最多可将计算任务分配给N个终端去处理),计算任务的算法复杂度、指定采集数据类型中的至少一种。指定采集数据类型用于指定计算过程中,计算协作端需要采集的数据类型。以模型训练场景为例,如果指定的采集数据类型为速度,则计算协作端在计算过程中,需要收集自身的速度,以辅助其完成本地的训练任务。而可提供算力信息包括计算协作端可提供的计算量大小,可提供算力信息还可以包括提供上述计算量所需的时间、可以接受的最大任务并行度,以及可以处理的算法复杂度中的至少一种。
202、根据算力需求信息和可提供算力信息,确定为计算需求端提供算力的计算协作端,并直接或间接指示提供算力的计算协作端完成计算需求端的计算任务。
具体地,为计算需求端提供算力的计算协作端的数目可以是一个以上。算力共享网元可以直接指示提供算力的计算协作端去完成计算需求端的计算任务,也可以是间接指示提供算力的计算协作端去完成计算需求端的计算任务,以实现计算协作端的算力共享。间接指示时,算力共享网元可以指示计算需求端或计算协作端去控制提供算力的计算协作端完成计算需求端的计算任务。利用图2的方法,网络不再只是作为通信管道,而是具有调度功能,算力共享网元可以统筹调度计算需求端和计算协作端,以实现共享算力的目的,提高计算速度,减少计算任务所需的计算时间,提高计算效率,而且基于算力共享网元的算力共享方法,其信任度更高。
特别地,以算力共享网元直接指示提供算力的计算协作端完成计算需求端的计算任务为例,算力共享网元将计算任务分配给计算协作端,当计算协作端完成分配的任务后,可以得到计算任务的子处理结果,可以由具有信息整合能力的算力共享网元来整合计算协作端的子处理结果,以得到计算任务的总处理结果,当总处理结果不满足要求时,算力共享网元将新的需要处理的任务发送给计算协作端,计算协作端重新进行任务处理,直到总处理结果符合规定为止,则算力共享网元将总处理结果返回给计算需求端。实际上,当计算需求端或计算协作端具有信息整合能力时,它们也能代替算力共享网元进行任务分配,以及进行信息整合得到计算任务的总处理结果。同理,当计算需求端或算力共享网元具有计算能力时,它们相当于计算协作端,也能参与算力共享。
在一个可能的实施例中,参考图3,图3是本发明实施例提供的一种算力共享方法的申请授权流程示意图;步骤201包括:
301、接收计算需求端发送的算力请求,算力请求包括计算需求端的ID、算力需求信息,计算需求端期望参与算力共享时,算力请求还包括计算需求端的可参与算力信息,计算需求端期望在算力共享时对计算任务进行任务分配和信息整合时,算力请求还包括计算需求端的整合能力信息;
具体地,算力共享网元接收计算需求端发送的算力请求,其中,算力请求必须包括计算需求端的唯一识别ID以及算力需求信息。而对于可参与算力信息、整合能力信息而言,是否在算力请求中携带是可选的。当计算需求端具有多余的计算力时,可以选择在算力请求中携带可参与算力信息以表示计算需求端期望参与算力共享,也可以选择不携带。可参与算力信息为计算需求端用于算力共享的算力大小信息,可以包括计算需求端可提供的计算量大小,还可以包括提供上述计算量所需的时间、可以接受的任务并行度,以及可以处理的算法复杂度中的至少一种。当计算需求端不具有多余计算力时,可以直接不携带可参与算力信息,或者是可参与算力信息用“0”来代替。同理,当计算需求端具有信息整合能力时,可以选择在算力请求中携带整合能力信息以表示计算需求端期望在算力共享时对计算任务进行任务分配和信息整合,也可以选择不携带。整合能力信息可以用“1”来表示具有信息整合能力。本实施例中,算力需求信息包括所需的计算量大小,还可以包括可接受的最长计算时间,任务并行度和算法复杂度中的至少一种。
特别地,为了激励算力共享,算力请求中还可以携带签约信息,例如为该算力需求信息所支付的代价,代价可以是现金或者计算能力,或者是其他具有价值的奖励。
302、向计算协作端发送协作询问,协作询问包括可提供算力上报请求;算力共享网元与网络连接以进行控制面传输时,根据整合能力信息确定计算需求端不具备信息整合能力时,协作询问还包括整合能力上报请求;
具体地,算力共享网元接收到算力请求后,接着根据算力请求向计算协作端(例如计算协作端-1、计算协作端-2、计算协作端-3)发送协作询问,协作询问包括可提供算力上报请求,以使计算协作端根据可提供算力上报请求返回其ID和可提供算力信息。
特别地,当根据整合能力信息确定计算需求端不具备信息整合能力时,即算力请求不携带整合能力信息时,协作询问还包括整合能力上报请求,以请求计算协作端向算力共享网元上报其整合能力信息。
由于在计算需求端进行信息整合,可以提高计算任务的信息保密性,还可以减小算力共享网元的计算压力,因此,不管算力共享网元是否具备信息整合能力,当计算需求端具备信息整合能力时,都不需要计算协作端进行信息整合,也即不需要其上报自身的整合能力信息。
303、接收计算协作端响应协作询问返回的协作询问响应信息,协作询问响应信息包括响应可提供算力上报请求时返回的计算协作端的ID和可提供算力信息,以及响应整合能力上报请求时返回的计算协作端的整合能力信息。
具体地,计算协作端具有可提供的算力时,响应可提供算力上报请求返回计算协作端的ID和可提供算力信息,计算协作端具有信息整合能力时,响应整合能力上报请求返回计算协作端的整合能力信息。
可见,算力共享过程可以是响应计算需求端发起的算力请求而启动的,是主动发起的,适用于实际的需求场景,需求方自主发起请求。
在一个可能的实施例中,参考图4,图4是本发明实施例提供的一种算力共享方法的申请授权流程示意图;步骤201包括:
401、接收计算协作端发送的算力提供请求,算力提供请求包括计算协作端的ID、可提供算力信息,计算协作端期望在算力共享时对计算任务进行任务分配和信息整合时,算力提供请求还包括整合能力信息;
具体地,算力共享网元接收计算协作端发送的算力提供请求,其中,算力提供请求中是否携带整合能力信息是可选的,当计算协作端具有信息整合能力时,可以选择携带或者不携带。计算协作端期望在算力共享时对计算任务进行任务分配和信息整合时,则在算力提供请求中携带其整合能力信息。
402、向计算需求端发送需求询问,需求询问包括算力需求上报请求,期望计算需求端参与算力共享时,需求询问还包括算力上报请求,期望计算需求端在算力共享时对计算任务进行任务分配和信息整合时,需求询问还包括整合能力上报请求;
具体地,算力共享网元根据算力提供请求向计算需求端(例如计算需求端-1、计算需求端-2、计算需求端-3)发送需求询问,需求询问包括算力需求上报请求,当期望计算需求端参与算力共享时,需求询问中还可以包括算力上报请求,当期望计算需求端在算力共享时对计算任务进行任务分配和信息整合时,需求询问还可以包括整合能力上报请求,即算力上报请求和整合能力上报请求是否携带是可选的。算力需求上报请求用于请求计算需求端返回其ID和算力需求信息,算力上报请求用于请求计算需求端返回其可参与算力信息,整合能力上报请求用于请求计算需求端返回其整合能力信息。
403、接收计算需求端响应需求询问返回的需求询问响应信息,需求询问响应信息包括响应算力需求上报时返回的计算需求端的ID和算力需求信息,响应算力上报请求时返回的计算需求端的可参与算力信息,以及响应整合能力上报请求时返回的计算需求端的整合能力信息。
具体地,计算需求端在响应算力需求上报时返回其ID和算力需求信息,也可以选择不响应;计算需求端在响应算力上报请求时返回其可参与算力信息,也可以选择不响应;计算需求端在响应整合能力上报请求时返回其整合能力信息,也可以选择不响应。
可见,利用上述方法,通过计算协作端主动发起算力提供请求,以启动算力共享过程。
在一个可能的实施例中,步骤202包括:
501、根据算力需求信息、算力共享网元的可参与算力信息、计算需求端的可参与算力信息和计算协作端的可提供算力信息确定是否为计算需求端提供算力;具体地,当可参与算力信息、可提供算力信息可满足由算力需求信息确定的算力需求时,为计算需求端提供算力并确定为计算需求端提供算力的第一终端,第一终端包括算力共享网元、计算需求端和计算协作端中至少一种。
具体地,参考图3和图4,算力共享网元确定是否为计算需求端提供算力,即确定可利用的算力(算力共享网元可参与的算力、计算协作端可提供的算力以及计算需求端可参与的算力)是否可以满足计算需求端的算力需求,为其提供算力帮助。其中,算力共享网元的可参与算力信息可以包括算力共享网元可提供的计算量大小、提供上述计算量所需的时间、可以接受的最大任务并行度,以及可以处理的算法复杂度。
因此,算力共享网元通过匹配算力需求信息、可参与算力信息和可提供算力信息,来确定是否能满足算力需求信息所确定的算力需求。
例如,假设当前时刻,算力共享网元接收到一个算力需求信息,其中,要求的计算量大小为20M,可接受的最长计算时间为20分钟,任务并行度为3,算法复杂度以时间复杂度为例,时间复杂度为O(n),就代表数据量增大几倍,耗时也增大几倍。
而算力共享网元可提供的计算量为1M。所需时间为10分钟,任务并行度为3,算法复杂度为O(n)。算力共享网元接收到的计算需求端的可参与算力信息为:计算量为15M。所需时间为5分钟,任务并行度为3,算法复杂度为O(n)。而算力共享网元接收到的计算协作端的可提供算力信息为:第一计算协作端的计算量为50M,所需时间为20分钟,任务并行度为3,算法复杂度为O(n);第二计算协作端的计算量为5M,所需时间为20分钟,任务并行度为2,算法复杂度为O(n);第三计算协作端的计算量为15M,所需时间为20分钟,任务并行度为2,算法复杂度为O(n)。如表1所示。
表1
计算量/M | 所需时间/分钟 | 任务并行度 | 算法复杂度 | |
算力共享网元 | 1 | 10 | 3 | O(n) |
计算需求端 | 15 | 5 | 3 | O(n) |
第一计算协作端 | 50 | 20 | 3 | O(n) |
第二计算协作端 | 5 | 20 | 2 | O(n) |
第三计算协作端 | 15 | 20 | 2 | O(n) |
算力共享网元通过计算各种符合算力需求的可能的算力共享方案,根据预设选择条件从中选择一个方案作为最终的算力共享方案,预设选择条件可以是任务并行度最大(即选择参与算力共享过程的终端数目最大的那个方案)、任务并行度最小、花费时间最少等;可以根据具体需要确定选择条件。例如,以选择条件为任务并行度最大威力,根据表1可以确定两种算力共享方案,第一种是由算力共享网元、计算需求端和第一计算协作端来为计算需求端提供算力,第二种是由第二计算协作端和第三计算协作端来为计算需求端提供算力。由于第一种方案有三方参与算力共享,而第二种方案只有两方参与算力共享,因此,可以确定最终的算力共享方案为第一种方案,为计算需求端提供算力的终端,即第一终端为算力共享网元、计算需求端和第一计算协作端。而假设利用表1无法计算得到符合算力需求信息的要求的方案时,确定不能为计算需求端提供算力帮助,则不响应计算需求端的算力请求,或者不响应计算协作端的算力提供请求。
502、算力共享网元与网络连接以进行控制面传输和数据面传输时,根据计算需求端的整合能力信息,从算力共享网元、计算需求端中确定进行任务分配和信息整合的第二终端;或者,算力共享网元与网络连接以进行控制面传输时,根据计算需求端的整合能力信息和计算协作端的整合能力信息,从计算需求端和计算协作端中确定进行任务分配和信息整合的第二终端;
具体地,利用步骤501确定了能为计算需求端提供算力后,需要根据整合能力信息确定算力共享过程中进行任务分配和信息整合的第二终端。算力共享网元与网络连接以进行控制面传输和数据面传输时,即算力共享网元具有信息整合能力,则根据计算需求端的整合能力信息,从算力共享网元、计算需求端中确定进行任务分配和信息整合的第二终端,当计算需求端的整合能力信息表明计算需求端不具备信息整合能力时,此时的第二终端为算力共享网元。而当计算需求端有信息整合能力时,可以预先设置规则,设定优先选择计算需求端作为第二终端;为了减少计算需求端的计算量,也可以是设定优先选择算力共享网元作为第二终端,根据实际情况进行选择。
而当算力共享网元与网络连接以进行控制面传输时,即算力共享网元不具备信息整合能力,则根据计算需求端的整合能力信息和计算协作端的整合能力信息,从计算需求端和计算协作端中确定进行任务分配和信息整合的第二终端,假设计算需求端具有信息整合能力,则计算协作端不上报整合能力信息,此时的第二终端为计算需求端。而当计算需求端不具备信息整合能力时,则需要从上报了整合能力信息的计算协作端中(至少一个)选择一个作为第二终端。可以是选择最先上报整合能力信息的那个计算协作端作为第二终端,也可以是根据计算协作端的性能选择更适合的那个计算协作端作为第二终端。
在一个可能的实施例中,确定了进行任务分配和信息整合的第二终端后,第二终端为计算需求端或计算协作端时,方法还包括:
601、根据算力需求信息和对应的第一终端的可使用算力信息进行算力调度,得到算力分配清单,算力分配清单为所述第一终端的ID和分配的算力的对应关系;
具体地,算力共享网元根据算力需求信息和对应的第一终端的可使用算力信息进行算力调度,得到算力分配清单。例如,计算任务为20M的计算量,第一终端为算力共享网元、计算需求端和计算协作端,算力共享网元根据第一终端的可使用算力信息,为算力共享网元、计算需求端和计算协作端分配的计算量分别为2M、10M和8M。
602、发送算力分配清单至第二终端,以使第二终端获取计算需求端发送的计算任务,并根据算力分配清单将计算任务分配至第一终端,以及接收第一终端返回的子处理结果,整合子处理结果得到计算任务的总处理结果。
具体地,在确定了第二终端和得到算力分配清单后,参考图3,对于计算需求端主动发起的算力请求而言,此时授权第一终端(假设为计算协作端-1、计算协作端-2)提供计算服务,算力共享网元向第一终端发送授权信息,授权信息包括计算需求端的ID和算力需求信息,当有算力请求中有签约信息时,授权信息还包括签约信息。第一终端返回第一终端的ID至算力共享网元作为授权接受响应。
另外,当第二终端不为算力共享网元时,第二终端为计算需求端或者计算协作端,此时还需要授权第二终端提供整合服务,当计算协作端为第二终端时,授权信息包括计算需求端的ID、算力需求信息以及算力分配清单。当该计算协作端同时也作为第一终端时,在授权其提供计算服务时,同时授权其提供整合服务,授权信息包括计算需求端的ID、算力需求信息以及算力分配清单。当计算需求端为第二终端时,授权信息包括算力分配清单。计算协作端或计算需求端返回各自的ID至算力共享网元作为授权接受响应。
至此,计算需求端的算力请求处理完毕,当能为计算需求端提供算力帮助时,算力共享网元返回同意信息至计算需求端,同意信息包括第一终端的ID和第二终端的ID,当计算需求端作为第二终端时,则同意信息不需要包括第二终端的ID。如果不能为计算需求端提供算力帮助,则不响应算力请求。
参考图4,对于计算协作端发起的提供算力请求而言,在确定了第二终端和得到算力分配清单后,此时授权计算需求端进行算力申请服务,算力共享网元向计算需求端发送授权信息,授权信息包括第二终端的ID、第一终端的ID和可使用算力信息。第一终端返回其ID至算力共享网元作为授权接受响应。
另外,当第二终端不为算力共享网元时,第二终端为计算需求端或者计算协作端,此时还需要授权第二终端提供整合服务,当计算协作端为第二终端时,授权信息包括计算需求端的ID、算力需求信息以及算力分配清单。当计算需求端为第二终端时,授权信息包括算力分配清单。计算协作端或计算需求端返回各自的ID至算力共享网元作为授权接受响应。
至此,计算协作端的算力提供请求处理完毕,当能为计算需求端提供算力帮助时,算力共享网元返回同意信息至计算协作端,同意信息包括计算需求端的ID。如果不能为计算需求端提供算力帮助,则不响应算力提供请求。
完成申请授权后,第二终端获取计算需求端发送的计算任务,并根据算力分配清单将计算任务分配至第一终端,以及接收第一终端返回的子处理结果,整合子处理结果得到计算任务的总处理结果,并将总处理结果返回给计算需求端。
第一种情况,第二终端为计算需求端,参考图5,图5是本发明实施例提供的一种算力共享方法的调度分配流程示意图;图5中,计算任务以训练模型为例,计算需求端根据训练模型和算力分配清单进行处理,完成任务分配,例如计算需求端将训练模型和各自的训练任务下发给计算协作端-1和计算协作端-2。计算协作端-1和计算协作端-2完成训练后,上传子处理结果,例如局域模型至计算需求端。计算需求端基于计算协作端-1和计算协作端-2上传的权重更新训练模型后,判断训练结果是否收敛,如果没有收敛,则计算协作端-1和计算协作端-2继续进行训练和上传子处理结果,直到训练结果为收敛,则计算需求端发送训练结束通知给计算协作端-1和计算协作端-2,并将各个第一终端为该计算任务所提供的算力和所花费的时间发送给算力共享网元。
第二种情况,第二终端为某一计算协作端,参考图6,图6是本发明实施例提供的一种算力共享方法的调度分配流程示意图;图6中,假设第二终端为计算协作端-1,计算需求端发送计算任务至计算协作端-1,计算任务以训练模型为例,计算协作端-1根据训练模型和算力分配清单进行处理,完成任务分配,例如,计算协作端-1将训练模型和各自的训练任务下发给计算需求端和计算协作端-2。计算需求端和计算协作端-2完成训练后,上传子处理结果,例如局域模型至计算协作端-1。计算协作端-1基于计算需求端和计算协作端-2上传的权重更新训练模型后,判断训练结果是否收敛,如果没有收敛,则计算需求端和计算协作端-2继续进行训练和上传子处理结果,直到训练结果为收敛,则计算协作端-1发送训练结束通知给计算需求端和计算协作端-2。并将各个第一终端为该计算任务所提供的算力和所花费的时间发送给算力共享网元,还将发送训练结果给计算需求端,训练结果即为训练好的模型。
通过在算力共享网元中进行调度得到算力分配清单,以减轻第二终端的计算量。上述调度分配过程中,以训练模型场景为例,假设算力需求信息中包括需要采集的数据类型,则第一终端将需要采集的数据作为子处理结果的一部分返回第二终端。
特别指出的是,除了第二终端根据算力分配清单进行任务分配的方法之外,在一个可能的实施例中,确定进行任务分配和信息整合的第二终端后,方法还包括:
701、发送第一终端的ID和对应的可使用算力信息至第二终端,以使第二终端获取计算需求端发送的计算任务,并根据可使用算力信息将计算任务分配至第一终端,以及接收第一终端返回的子处理结果,整合子处理结果得到计算任务的总处理结果。
具体地,第一终端的可使用算力信息包括算力共享网元可提供的计算量大小、计算需求端可提供的计算量大小和计算协作端可提供的计算量大小中的至少一个。由于算力共享网元具有所有终端的ID和算力信息,即具有第一终端的ID和可使用算力信息,因此,当算力共享网元为第二终端时,不需要发送第一终端的ID和可使用算力信息给第二终端。
以第二终端为算力共享网元为例,参考图7,图7是本发明实施例提供的一种算力共享方法的调度分配流程示意图;计算需求端发送计算任务至算力共享网元,图7中,计算任务以训练模型为例,算力共享网元根据训练模型和第一终端的可使用算力信息进行处理,完成任务分配,例如,训练模型所需的计算量为20M,此时的第一终端为计算协作端-1和计算协作端-2,它们的可使用算力信息分别为3M和20M,此时,可以分配计算量为2M的任务给计算协作端-1,分配计算量为18M的任务给计算协作端-2。算力共享网元将训练模型和各自的训练任务下发给计算协作端-1和计算协作端-2。计算协作端-1和计算协作端-2完成训练后,上传子处理结果,例如局域模型至算力共享网元。算力共享网元基于计算协作端-1和计算协作端-2上传的权重更新训练模型后,判断训练结果是否收敛,如果没有收敛,则计算协作端-1和计算协作端-2继续进行训练和上传子处理结果,直到训练结果为收敛,则算力共享网元发送训练结果给计算需求端,即训练好的模型。
第二终端为计算需求端或计算协作端时,参考图5和图6,此时将第一终端的ID和可使用算力信息发送给第二终端的方法和前述算力分配清单的发送方法类似,此处不再赘述。计算需求端和计算协作端接收到第一终端的ID和可使用算力信息后,根据可使用算力信息进行任务分配以及信息整合。
在一个可能的实施例中,算力共享方法还包括:
获取并存储各第一终端为计算任务所提供的算力大小和所花费的时间。
具体地,算力共享网元获取第一终端为计算任务所提供的算力大小和所花费的时间,其中,第二终端可以从下发任务给第一终端时开始计时,接收到第一终端返回的子处理结果停止计时,若计算任务只需执行一次即可,则将得到的统计时间作为第一终端为计算任务所花费的时间,将第一终端为完成分配的任务所提供的计算量作为该第一终端为计算任务所提供的算力大小。若计算任务重复执行了X次,则需要将X个统计时间的时间之和作为该第一终端为计算任务所花费的时间,同理,将X个计算量之和作为该第一终端为计算任务所提供的算力大小。如图7中第5点,需要重复执行时,假设重复执行了3次,则需要累计3次统计的时间之和作为计算协作端-2为计算任务所花费的时间,3次所花费的计算量之和为计算协作端-2为计算任务所提供的总的算力大小。
基于上述算力共享方法实施例的描述,本发明实施例还公开了一种算力共享网元,参考图8,图8是本发明实施例提供的一种算力共享网元的结构示意图,算力共享网元与网络连接以进行控制面传输和数据面传输,或者,算力共享网元与网络连接以进行控制面传输;算力共享网元包括:
获取模块801,用于获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息;
处理模块802,用于根据算力需求信息和可提供算力信息,确定为计算需求端提供算力的计算协作端,并直接或间接指示提供算力的计算协作端完成计算需求端的计算任务。
在一个可能的实施例中,网络包括核心网;
算力共享网元通过第一参考点与核心网的统一数据管理网元交互,算力共享网元通过第二参考点与核心网的接入和移动性管理网元交互,算力共享网元通过第三参考点与核心网的用户平面网元交互;
或者,
算力共享网元通过第一参考点与核心网的统一数据管理网元交互,算力共享网元通过第二参考点与核心网的接入和移动性管理网元交互。
在一个可能的实施例中,获取模块包括:
第一接收子模块,用于接收计算需求端发送的算力请求,算力请求包括计算需求端的ID、算力需求信息,计算需求端期望参与算力共享时,算力请求还包括计算需求端的可参与算力信息,计算需求端期望在算力共享时对计算任务进行任务分配和信息整合时,算力请求还包括计算需求端的整合能力信息;
第一发送子模块,用于向计算协作端发送协作询问,协作询问包括可提供算力上报请求;算力共享网元与网络连接以进行控制面传输时,根据整合能力信息确定计算需求端不具备信息整合能力时,协作询问还包括整合能力上报请求;
第一接收子模块,还用于接收计算协作端响应协作询问返回的协作询问响应信息,协作询问响应信息包括响应可提供算力上报请求时返回的计算协作端的ID和可提供算力信息,以及响应整合能力上报请求时返回的计算协作端的整合能力信息。
在另一个可能的实施例中,获取模块包括:
第二接收子模块,用于接收计算协作端发送的算力提供请求,算力提供请求包括计算协作端的ID、可提供算力信息,计算协作端期望在算力共享时对计算任务进行任务分配和信息整合时,算力提供请求还包括整合能力信息;
第二发送子模块,用于向计算需求端发送需求询问,需求询问包括算力需求上报请求,期望计算需求端参与算力共享时,需求询问还包括算力上报请求,期望计算需求端在算力共享时对计算任务进行任务分配和信息整合时,需求询问还包括整合能力上报请求;
第二接收子模块,还用于接收计算需求端响应需求询问返回的需求询问响应信息,需求询问响应信息包括响应算力需求上报请求时返回的计算需求端的ID和算力需求信息,响应算力上报请求时返回的计算需求端的可参与算力信息,以及响应整合能力上报请求时返回的计算需求端的整合能力信息。
在一个可能的实施例中,处理模块包括:
第一处理子模块,用于根据算力需求信息、算力共享网元的可参与算力信息、计算需求端的可参与算力信息和计算协作端的可提供算力信息确定是否为计算需求端提供算力;具体地,当可参与算力信息、可提供算力信息可满足由算力需求信息确定的算力需求时,为计算需求端提供算力并确定为计算需求端提供算力的第一终端,第一终端包括算力共享网元、计算需求端和计算协作端中至少一种。
在一个可能的实施例中,处理模块包括:
第二处理子模块,用于算力共享网元与网络连接以进行控制面传输和数据面传输时,根据计算需求端的整合能力信息,从算力共享网元、计算需求端中确定进行任务分配和信息整合的第二终端;或者,用于算力共享网元与网络连接以进行控制面传输时,根据计算需求端的整合能力信息和计算协作端的整合能力信息,从计算需求端和计算协作端中确定进行任务分配和信息整合的第二终端;
第三处理子模块,用于发送第一终端的ID和对应的可使用算力信息至第二终端,以使第二终端获取计算需求端发送的计算任务,并根据可使用算力信息将计算任务分配至第一终端,以及接收第一终端返回的子处理结果,整合子处理结果得到计算任务的总处理结果。
在一个可能的实施例中,第二终端为计算需求端或计算协作端时,处理模块包括:
第四处理子模块,用于根据算力需求信息和对应的第一终端的可使用算力信息进行算力调度,得到算力分配清单,算力分配清单为第一终端的ID和分配的算力的对应关系;
第五处理子模块,用于发送算力分配清单至第二终端,以使第二终端获取计算需求端发送的计算任务,并根据算力分配清单将计算任务分配至第一终端,以及接收第一终端返回的子处理结果,整合子处理结果得到计算任务的总处理结果。
在一个可能的实施例中,算力共享网元还包括:
存储模块,用于获取并存储各第一终端为计算任务所提供的算力大小和所花费的时间。
在一个可能的实施例中,算力需求信息包括计算任务所需的计算量。算力需求信息还包括完成计算任务可接受的最长计算时间,最大任务并行度,计算任务的算法复杂度、指定采集数据类型中的至少一种。
值得指出的是,其中,算力共享网元的具体功能实现方式可以参见上述算力共享方法的描述,这里不再进行赘述。所述的算力共享网元中的各个单元或模块可以分别或全部合并为一个或若干个另外的单元或模块来构成,或者其中的某个(些)单元或模块还可以再拆分为功能上更小的多个单元或模块来构成,这可以实现同样的操作,而不影响本发明的实施例的技术效果的实现。上述单元或模块是基于逻辑功能划分的,在实际应用中,一个单元(或模块)的功能也可以由多个单元(或模块)来实现,或者多个单元(或模块)的功能由一个单元(或模块)实现。
基于上述方法实施例的描述,参考图9,图9是本发明实施例提供的一种算力共享网元的结构示意图。本发明实施例还提供一种算力共享网元,包括:收发器903、处理器902、存储器901存储在存储器901上并由处理器执行的计算机程序;处理器902分别与收发器903、存储器901相连,用于通过执行计算机程序,实现上述的算力共享方法。
收发器903可包括收发天线,或者,网卡等各种具有信息收发功能的物理结果。存储器901可包括各种存储介质的存储器件。处理器902可为中央处理器、微处理器、数字信号处理器、应用处理器、可编程阵列、专用集成电路等各种处理器件。处理器902可以通过集成电路总线等,与收发器903及存储器901连接,可以通过计算机程序执行,实现前述的算力共享方法。应当理解,本发明实施例中所描述的算力共享网元可执行前文所述算力共享方法,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
基于上述方法实施例的描述,参考图10,图10是本发明实施例提供的一种算力共享***的结构示意图,一种算力共享***,包括计算需求端101、计算协作端103和前述的算力共享网元102。
此外,这里需要指出的是:本发明实施例还提供了一种计算机存储介质,且所述计算机存储介质中存储有前文提及的算力共享网元所执行的计算机程序,且所述计算机程序包括程序指令,当所述处理器执行所述程序指令时,能够执行前文所述算力共享方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本发明所涉及的计算机存储介质实施例中未披露的技术细节,请参照本发明方法实施例的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (14)
1.一种算力共享方法,其特征在于,应用于算力共享网元中,所述算力共享网元与网络连接以进行控制面传输和数据面传输,或者,所述算力共享网元与网络连接以进行控制面传输;
所述方法包括:
获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息;
根据所述算力需求信息和所述可提供算力信息,确定为所述计算需求端提供算力的计算协作端,并直接或间接指示所述提供算力的计算协作端完成所述计算需求端的计算任务;
所述根据所述算力需求信息和所述可提供算力信息,确定为所述计算需求端提供算力的计算协作端,包括:
根据所述算力需求信息、所述算力共享网元的可参与算力信息、所述计算需求端的可参与算力信息和所述计算协作端的可提供算力信息确定是否为所述计算需求端提供算力;
当所述可参与算力信息、所述可提供算力信息可满足由所述算力需求信息确定的算力需求时,为所述计算需求端提供算力并确定为所述计算需求端提供算力的第一终端,所述第一终端包括所述算力共享网元、所述计算需求端和所述计算协作端中至少一种。
2.根据权利要求1所述的方法,其特征在于,所述获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息,包括:
接收所述计算需求端发送的算力请求,所述算力请求包括所述计算需求端的ID、算力需求信息,所述计算需求端期望参与算力共享时,所述算力请求还包括所述计算需求端的可参与算力信息,所述计算需求端期望在算力共享时对所述计算任务进行任务分配和信息整合时,所述算力请求还包括所述计算需求端的整合能力信息;
向所述计算协作端发送协作询问,所述协作询问包括可提供算力上报请求;所述算力共享网元与网络连接以进行控制面传输时,根据所述整合能力信息确定所述计算需求端不具备信息整合能力时,所述协作询问还包括整合能力上报请求;
接收所述计算协作端响应所述协作询问返回的协作询问响应信息,所述协作询问响应信息包括响应所述可提供算力上报请求时返回的所述计算协作端的ID和可提供算力信息,以及响应所述整合能力上报请求时返回的所述计算协作端的整合能力信息。
3.根据权利要求1所述的方法,其特征在于,所述获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息,包括:
接收所述计算协作端发送的算力提供请求,所述算力提供请求包括所述计算协作端的ID、可提供算力信息,所述计算协作端期望在算力共享时对所述计算任务进行任务分配和信息整合时,所述算力提供请求还包括整合能力信息;
向所述计算需求端发送需求询问,所述需求询问包括算力需求上报请求,期望所述计算需求端参与算力共享时,所述需求询问还包括算力上报请求,期望所述计算需求端在算力共享时对所述计算任务进行任务分配和信息整合时,所述需求询问还包括整合能力上报请求;
接收所述计算需求端响应所述需求询问返回的需求询问响应信息,所述需求询问响应信息包括响应所述算力需求上报请求时返回的所述计算需求端的ID和算力需求信息,响应所述算力上报请求时返回的所述计算需求端的可参与算力信息,以及响应所述整合能力上报请求时返回的所述计算需求端的整合能力信息。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述直接或间接指示所述提供算力的计算协作端完成所述计算需求端的计算任务,包括:
所述算力共享网元与网络连接以进行控制面传输和数据面传输时,根据所述计算需求端的整合能力信息,从所述算力共享网元、所述计算需求端中确定进行任务分配和信息整合的第二终端;或者,所述算力共享网元与网络连接以进行控制面传输时,根据所述计算需求端的整合能力信息和所述计算协作端的整合能力信息,从所述计算需求端和所述计算协作端中确定进行任务分配和信息整合的第二终端;
发送所述第一终端的ID和对应的可使用算力信息至所述第二终端,以使所述第二终端获取所述计算需求端发送的计算任务,并根据所述可使用算力信息将所述计算任务分配至所述第一终端,以及接收所述第一终端返回的子处理结果,整合所述子处理结果得到所述计算任务的总处理结果。
5.根据权利要求4所述的方法,其特征在于,确定进行任务分配和信息整合的第二终端后,所述第二终端为计算需求端或计算协作端时,所述方法还包括:
根据所述算力需求信息和对应的所述第一终端的可使用算力信息进行算力调度,得到算力分配清单,所述算力分配清单为所述第一终端的ID和分配的算力的对应关系;
发送所述算力分配清单至所述第二终端,以使所述第二终端获取所述计算需求端发送的计算任务,并根据所述算力分配清单将所述计算任务分配至所述第一终端,以及接收所述第一终端返回的子处理结果,整合所述子处理结果得到所述计算任务的总处理结果。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取并存储各所述第一终端为所述计算任务所提供的算力大小和所花费的时间。
7.根据权利要求1、2、3或5所述的方法,其特征在于,所述网络包括核心网;
所述算力共享网元通过第一参考点与所述核心网的统一数据管理网元交互,所述算力共享网元通过第二参考点与所述核心网的接入和移动性管理网元交互,所述算力共享网元通过第三参考点与所述核心网的用户平面网元交互;
或者,
所述算力共享网元通过第一参考点与所述核心网的统一数据管理网元交互,所述算力共享网元通过第二参考点与所述核心网的接入和移动性管理网元交互。
8.根据权利要求1、2、3或5所述的方法,其特征在于,所述算力需求信息包括所述计算任务所需的计算量。
9.根据权利要求8所述的方法,其特征在于,所述算力需求信息还包括完成所述计算任务可接受的最长计算时间,最大任务并行度,计算任务的算法复杂度、指定采集数据类型中的至少一种。
10.一种算力共享网元,其特征在于,所述算力共享网元与网络连接以进行控制面传输和数据面传输,或者,所述算力共享网元与网络连接以进行控制面传输;
所述算力共享网元包括:
获取模块,用于获取计算需求端发送的算力需求信息以及计算协作端发送的可提供算力信息;
处理模块,用于根据所述算力需求信息和所述可提供算力信息,确定为所述计算需求端提供算力的计算协作端,并直接或间接指示所述提供算力的计算协作端完成所述计算需求端的计算任务;
所述根据所述算力需求信息和所述可提供算力信息,确定为所述计算需求端提供算力的计算协作端,包括:
根据所述算力需求信息、所述算力共享网元的可参与算力信息、所述计算需求端的可参与算力信息和所述计算协作端的可提供算力信息确定是否为所述计算需求端提供算力;
当所述可参与算力信息、所述可提供算力信息可满足由所述算力需求信息确定的算力需求时,为所述计算需求端提供算力并确定为所述计算需求端提供算力的第一终端,所述第一终端包括所述算力共享网元、所述计算需求端和所述计算协作端中至少一种。
11.根据权利要求10所述的算力共享网元,其特征在于,所述网络包括核心网;
所述算力共享网元通过第一参考点与所述核心网的统一数据管理网元交互,所述算力共享网元通过第二参考点与所述核心网的接入和移动性管理网元交互,所述算力共享网元通过第三参考点与所述核心网的用户平面网元交互;
或者,
所述算力共享网元通过第一参考点与所述核心网的统一数据管理网元交互,所述算力共享网元通过第二参考点与所述核心网的接入和移动性管理网元交互。
12.一种算力共享网元,其特征在于,包括:收发器、处理器、存储器以及存储在存储器上并由所述处理器执行的计算机程序;
所述处理器分别与所述收发器、所述存储器相连,用于通过执行所述计算机程序,实现权利要求1-9任一项所述的算力共享方法。
13.一种算力共享***,其特征在于,包括计算需求端、计算协作端和权利要求10、11或12所述的算力共享网元。
14.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如权利要求1-9任一项所述的算力共享方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010288252.4A CN113542316B (zh) | 2020-04-13 | 2020-04-13 | 算力共享方法及相关设备 |
PCT/CN2021/086931 WO2021208915A1 (zh) | 2020-04-13 | 2021-04-13 | 算力共享方法及相关设备 |
JP2022562579A JP7518916B2 (ja) | 2020-04-13 | 2021-04-13 | 計算力共有方法及び関連デバイス |
US17/918,464 US11876856B2 (en) | 2020-04-13 | 2021-04-13 | Method for computational-power sharing and related device |
KR1020227036077A KR20230035516A (ko) | 2020-04-13 | 2021-04-13 | 컴퓨팅 파워 공유 방법 및 관련 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010288252.4A CN113542316B (zh) | 2020-04-13 | 2020-04-13 | 算力共享方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113542316A CN113542316A (zh) | 2021-10-22 |
CN113542316B true CN113542316B (zh) | 2022-11-25 |
Family
ID=78084679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010288252.4A Active CN113542316B (zh) | 2020-04-13 | 2020-04-13 | 算力共享方法及相关设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11876856B2 (zh) |
KR (1) | KR20230035516A (zh) |
CN (1) | CN113542316B (zh) |
WO (1) | WO2021208915A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116669062A (zh) * | 2022-02-21 | 2023-08-29 | 华为技术有限公司 | 算力能力感知方法和装置 |
CN114265703B (zh) * | 2022-03-02 | 2022-05-20 | 梯度云科技(北京)有限公司 | 云服务器跨区域算力调度方法、***及设备 |
WO2023178567A1 (zh) * | 2022-03-23 | 2023-09-28 | 北京小米移动软件有限公司 | 一种上报方法/装置/设备及存储介质 |
CN117097618A (zh) * | 2022-05-12 | 2023-11-21 | 华为技术有限公司 | 信息处理的方法和装置 |
WO2023226030A1 (zh) * | 2022-05-27 | 2023-11-30 | 北京小米移动软件有限公司 | 一种多设备协同的控制方法、装置及可读存储介质 |
CN117278409A (zh) * | 2022-06-14 | 2023-12-22 | 大唐移动通信设备有限公司 | 算网融合方法和相关设备 |
CN117320081A (zh) * | 2022-06-21 | 2023-12-29 | 维沃移动通信有限公司 | 算力处理方法、装置及通信设备 |
WO2024016143A1 (zh) * | 2022-07-19 | 2024-01-25 | 华为技术有限公司 | 一种计算协作方法及相关装置 |
CN117499995A (zh) * | 2022-07-21 | 2024-02-02 | 中兴通讯股份有限公司 | 基站算力编排方法、装置、电子设备及存储介质 |
CN115695523A (zh) * | 2022-10-25 | 2023-02-03 | 北京星网锐捷网络技术有限公司 | 一种数据传输控制方法、装置、电子设备及存储介质 |
CN117998518A (zh) * | 2022-11-07 | 2024-05-07 | ***通信有限公司研究院 | 一种通信方法、装置、相关设备和存储介质 |
CN116016378A (zh) * | 2022-12-05 | 2023-04-25 | 国网山东省电力公司电力科学研究院 | 面向配电网多业务异质资源即时调度的边边协同方法 |
CN118193181A (zh) * | 2022-12-13 | 2024-06-14 | 维沃移动通信有限公司 | 算力处理方法及通信设备 |
CN116074541B (zh) * | 2023-03-09 | 2023-06-02 | 新华三工业互联网有限公司 | 一种资源处理方法、***、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109769207A (zh) * | 2018-12-29 | 2019-05-17 | 驭势科技(北京)有限公司 | 一种移动设备动态组网分享算力的***与方法 |
CN109818868A (zh) * | 2017-11-20 | 2019-05-28 | 中兴通讯股份有限公司 | 一种实现边缘网络能力开放的方法、装置、设备及存储介质 |
CN110225129A (zh) * | 2019-06-18 | 2019-09-10 | 余俊龙 | 基于区块链应用扩展控制方法及智能终端、私有云服务器 |
CN110231987A (zh) * | 2019-06-21 | 2019-09-13 | 深圳市网心科技有限公司 | 一种数据处理方法及相关装置 |
CN110782343A (zh) * | 2018-07-30 | 2020-02-11 | 中移(苏州)软件技术有限公司 | 分布式网络中基于区块链的算力流通方法及*** |
CN110851529A (zh) * | 2019-11-01 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 算力调度方法及相关设备 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6463457B1 (en) * | 1999-08-26 | 2002-10-08 | Parabon Computation, Inc. | System and method for the establishment and the utilization of networked idle computational processing power |
US10491662B2 (en) * | 2011-01-27 | 2019-11-26 | Computenext, Inc. | Dynamically organizing cloud computing resources to facilitate discovery |
US11327811B2 (en) * | 2017-07-06 | 2022-05-10 | Centurylink Intellectual Property Llc | Distributed computing mesh |
US10742728B2 (en) * | 2018-06-07 | 2020-08-11 | At&T Intellectual Property I, L.P. | Edge sharing orchestration system |
CN108874526A (zh) | 2018-07-05 | 2018-11-23 | 天使翼(武汉)科技创业发展有限公司 | 一种基于网络通讯的算力共享平台及方法 |
CN108985937B (zh) | 2018-07-10 | 2021-09-10 | 陈曦 | 一种基于区块链技术的计算资源共享方法及区块链*** |
US11108856B2 (en) * | 2018-08-31 | 2021-08-31 | Nakamoto & Turing Labs Inc | Methods and apparatus for performing distributed computing using blockchain |
CN109242637A (zh) | 2018-09-26 | 2019-01-18 | 亿邦客科技有限公司 | 一种算力共享智能*** |
CN109960575B (zh) * | 2019-03-26 | 2023-09-15 | 深圳市网心科技有限公司 | 一种计算能力共享方法、***及相关设备 |
CN110928685B (zh) | 2019-11-20 | 2023-09-05 | 圆通速递有限公司 | 一种智能协同计算***和方法 |
-
2020
- 2020-04-13 CN CN202010288252.4A patent/CN113542316B/zh active Active
-
2021
- 2021-04-13 KR KR1020227036077A patent/KR20230035516A/ko unknown
- 2021-04-13 WO PCT/CN2021/086931 patent/WO2021208915A1/zh active Application Filing
- 2021-04-13 US US17/918,464 patent/US11876856B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109818868A (zh) * | 2017-11-20 | 2019-05-28 | 中兴通讯股份有限公司 | 一种实现边缘网络能力开放的方法、装置、设备及存储介质 |
CN110782343A (zh) * | 2018-07-30 | 2020-02-11 | 中移(苏州)软件技术有限公司 | 分布式网络中基于区块链的算力流通方法及*** |
CN109769207A (zh) * | 2018-12-29 | 2019-05-17 | 驭势科技(北京)有限公司 | 一种移动设备动态组网分享算力的***与方法 |
CN110225129A (zh) * | 2019-06-18 | 2019-09-10 | 余俊龙 | 基于区块链应用扩展控制方法及智能终端、私有云服务器 |
CN110231987A (zh) * | 2019-06-21 | 2019-09-13 | 深圳市网心科技有限公司 | 一种数据处理方法及相关装置 |
CN110851529A (zh) * | 2019-11-01 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 算力调度方法及相关设备 |
Non-Patent Citations (1)
Title |
---|
"基于云、网、边融合的边缘计算新方案:算力网络";雷波 等;《电信科学》;20190920;全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2021208915A1 (zh) | 2021-10-21 |
KR20230035516A (ko) | 2023-03-14 |
JP2023521222A (ja) | 2023-05-23 |
CN113542316A (zh) | 2021-10-22 |
US11876856B2 (en) | 2024-01-16 |
US20230144062A1 (en) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113542316B (zh) | 算力共享方法及相关设备 | |
CN111819872B (zh) | 信息传输方法、装置、通信设备及存储介质 | |
Chen et al. | Exploiting massive D2D collaboration for energy-efficient mobile edge computing | |
CN108540568B (zh) | 计算能力共享方法及智能设备 | |
US11558476B2 (en) | Method and apparatus for renewing subscription for network data analysis in wireless communication system | |
WO2022022584A1 (zh) | 算力共享方法及相关设备 | |
CN114281521B (zh) | 优化深度学习异构资源通信效率方法、***、设备及介质 | |
CN112465615B (zh) | 账单数据的处理方法、装置及*** | |
CN110381500A (zh) | 一种双卡寻呼冲突的测试方法、装置及计算机可读存储介质 | |
CN106131788A (zh) | 一种获取位置信息的方法、相关设备及集群通信*** | |
CN113535630A (zh) | 一种跨节点通信方法、装置、设备及可读存储介质 | |
Liu et al. | Distributed computation offloading with low latency for artificial intelligence in vehicular networking | |
CN107592626A (zh) | 信道接入方法、装置及*** | |
JP7518916B2 (ja) | 計算力共有方法及び関連デバイス | |
Wang et al. | Energy-efficient admission of delay-sensitive tasks for multi-mobile edge computing servers | |
CN212344066U (zh) | 一种可实现共享对讲机快速组队的*** | |
CN114925119A (zh) | 联邦学习方法、装置、***、设备、介质和程序产品 | |
CN113268340A (zh) | 一种虚拟资源包的生成方法、装置、电子设备及存储介质 | |
CN116016095A (zh) | 一种合约管理方法、装置及*** | |
CN113242457B (zh) | 一种资源分发方法、装置、电子设备及存储介质 | |
CN116112306B (zh) | 一种去中心化的网络交互方法、装置、设备及存储介质 | |
JP7518967B2 (ja) | 計算力共有方法及び関連デバイス | |
Guo et al. | Collaborative pipeline using opportunistic mobile resources via D2D for computation-intensive tasks | |
CN115861662B (zh) | 基于组合神经网络模型的预测方法、装置、设备及介质 | |
CN116744457A (zh) | 智能任务处理方法、装置、通信设备及存储介质 |
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 |