CN115269176A - 任务分配方法、装置、计算机设备、存储介质和产品 - Google Patents
任务分配方法、装置、计算机设备、存储介质和产品 Download PDFInfo
- Publication number
- CN115269176A CN115269176A CN202210719718.0A CN202210719718A CN115269176A CN 115269176 A CN115269176 A CN 115269176A CN 202210719718 A CN202210719718 A CN 202210719718A CN 115269176 A CN115269176 A CN 115269176A
- Authority
- CN
- China
- Prior art keywords
- edge
- resource
- cluster
- server
- edge server
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 40
- 238000012423 maintenance Methods 0.000 claims description 22
- 230000003993 interaction Effects 0.000 abstract description 8
- 230000004044 response Effects 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- 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
-
- 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
- G06F9/5038—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 execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Power Sources (AREA)
Abstract
本申请涉及一种任务分配方法、装置、计算机设备、存储介质和产品。方法包括:通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息;基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标;根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。通过上述任务分配方法,能够实现电力调度***中云端***与边缘集群***的交互,提高电力调度***对复杂工况的响应水平,进一步构建智能的电力调度平台,从而能够高效处理电力调度任务。
Description
技术领域
本申请涉及电力***技术领域,特别是涉及一种任务分配方法、装置、计算机设备、存储介质和产品。
背景技术
电力调度是为了保证电力***安全稳定运行、对外可靠供电、各类电力生产工作有序进行而采用的一种有效的管理手段。电力调度是依据采集设备获取的数据信息,结合电力***的实际运行参数,对电力***的安全状态及运行状态进行判断,从而对电力***进行调整的过程。因此,电力调度在保证电力***安全运行的过程中显得至关重要。
传统技术中,在对电力***进行电力调度时,通常是通过本地服务器对电力***中的大量电力数据进行分析,以实现电力调度。然而,随着越来越多的新能源电动汽车、储能设备等多种新型设备加入电力***,使得电力***的复杂程度呈指数级增长。随之,复杂的电力***中就产生了海量的电力数据,而由于本地服务器的数据处理能力非常有限,因此,通过本地服务器对海量的电力数据进行处理的效率非常低下。
因此,传统方法在对电力***进行电力调度时,存在处理效率低下的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够高效处理电力调度任务的任务分配方法、装置、计算机设备、存储介质和产品。
第一方面,本申请提供了一种任务分配方法。应用于云服务器,所述方法包括:
通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息;
基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标;
根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。
在其中一个实施例中,所述边缘集群包括多个边缘服务器;所述通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息,包括:
确定与所述边缘集群中的各边缘服务器对应的多个电力设备;
针对所述边缘集群中的各边缘服务器,从与所述边缘服务器对应的多个电力设备中,获取所述边缘服务器的资源使用信息;
基于所述边缘集群中各所述边缘服务器的资源使用信息,得到所述边缘集群的资源使用信息。
在其中一个实施例中,所述从与所述边缘服务器对应的多个电力设备中,获取所述边缘服务器的资源使用信息,包括:
从与所述边缘服务器对应的电力设备中,获取所述电力设备的模型信息、数据信息、运维管控信息及服务信息;
根据所述电力设备的模型信息、数据信息、运维管控信息及服务信息,生成所述边缘服务器的资源使用信息。
在其中一个实施例中,所述负载均衡指标包括所述边缘集群中的所述边缘服务器的资源平均利用率及所述边缘服务器上各类资源的资源利用率的标准差,所述资源利用率用于表征与所述边缘服务器对应的多个电力设备对所述边缘服务器上各资源的使用率;所述基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标,包括:
针对所述边缘集群中的各边缘服务器,基于所述边缘服务器的资源使用信息,计算所述边缘服务器的资源平均利用率;所述资源平均利用率用于表征所述边缘服务器中各类资源的资源利用率的平均值;
基于所述边缘服务器的资源使用信息及所述资源平均利用率,计算所述边缘服务器中各类资源的资源利用率的标准差。
在其中一个实施例中,所述边缘服务器的资源使用信息包括所述边缘服务器上各类资源的总量及所述边缘服务器上所述各类资源的使用量;所述针对所述边缘集群中的各边缘服务器,基于所述边缘服务器的资源使用信息,计算所述边缘服务器的资源平均利用率,包括:
获取所述边缘服务器中各类资源的资源总量及所述边缘服务器中所述各类资源的资源使用量;
根据所述各类资源的资源总量及所述各类资源的资源使用量,计算所述边缘服务器的资源平均利用率;
所述基于所述边缘服务器的资源使用信息及所述资源平均利用率,计算所述边缘服务器中各类资源的资源利用率的标准差,包括:
根据所述边缘服务器中各类资源的资源总量、所述边缘服务器中所述各类资源的资源使用量以及所述资源平均利用率,计算所述边缘服务器中各类资源的资源利用率的标准差。
在其中一个实施例中,所述根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配,包括:
根据所述边缘集群的负载均衡指标,确定所述边缘集群中的各边缘服务器的优先级;
根据所述边缘集群中的各边缘服务器的优先级,将电力调度任务在所述边缘集群中进行任务分配。
第二方面,本申请还提供了一种任务分配装置。应用于云服务器,所述装置包括:
资源使用信息获取模块,用于通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息;
负载均衡指标确定模块,用于基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标;
任务分配模块,用于根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面中任一项实施例中的方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项实施例中的方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一项实施例中的方法的步骤。
上述任务分配方法、装置、计算机设备、存储介质和产品,通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息;基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标;根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。通过上述任务分配方法,边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息,云服务器通过与数据网相连的边缘集群传送的资源使用信息,获取所述边缘集群的资源使用信息,以确定所述边缘集群的负载均衡指标,进而将电力调度任务在所述边缘集群中进行任务分配,从而实现电力调度***中云端***与边缘集群***的交互,提高电力调度***对复杂工况的响应水平,进一步构建智能的电力调度平台,从而能够高效处理电力调度任务。
附图说明
图1为一个实施例中任务分配方法的应用环境图;
图2为一个实施例中任务分配方法的流程示意图;
图3为一个实施例中资源使用信息获取步骤的流程示意图;
图4为一个实施例中资源使用信息预取步骤的流程示意图;
图5为一个实施例中负载均衡指标确定步骤的流程示意图;
图6为一个实施例中负载均衡指标计算步骤的流程示意图;
图7为一个实施例中任务分配步骤的流程示意图;
图8为一个实施例中任务分配装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
电力调度是为了保证电力***安全稳定运行、对外可靠供电、各类电力生产工作有序进行而采用的一种有效的管理手段。电力调度是依据采集设备获取的数据信息,结合电力***的实际运行参数,对电力***的安全状态及运行状态进行判断,从而对电力***进行调整的过程。因此,电力调度在保证电力***安全运行的过程中显得至关重要。
传统技术中,在对电力***进行电力调度时,通常是通过本地服务器对电力***中的大量电力数据进行分析,以实现电力调度。然而,随着越来越多的新能源电动汽车、储能设备等多种新型设备加入电力***,使得电力***的复杂程度呈指数级增长。随之,复杂的电力***中就产生了海量的电力数据,而由于本地服务器的数据处理能力非常有限,因此,通过本地服务器对海量的电力数据进行处理的效率非常低下。
本申请实施例提供的任务分配方法,可以应用于如图1所示的应用环境中。其中,云服务器102通过数据网与边缘集群104进行通信。边缘集群104内包含一个或多个边缘服务器,且一个云服务器102可以管理多个边缘服务器。每个边缘服务器对应多个电力设备106,且每个边缘服务器与其对应的电力设备通过网络连接。通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息;基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标;根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配。其中,电力设备106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。边缘集群104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。此外,边缘集群104包括网级边缘集群、省级边缘集群、地级边缘集群,其中,省级边缘集群、地级边缘集群与云服务器通过调度数据网或调度专网实现纵向通讯,网级边缘集群与云服务器通过防火墙实现横向通讯。
在一个实施例中,如图2所示,提供了一种任务分配方法,以该方法应用于图1中的云服务器102为例进行说明,包括以下步骤:
步骤220,通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息。
其中,边缘集群是针对边缘计算场景,进行统一的资源调度以及应用的生命周期管理的***。电力设备主要包括发电设备和供电设备两类,发电设备主要包括电站锅炉、蒸汽轮机、燃气轮机、水轮机、发电机、变压器等,供电设备主要包括各种电压等级的输电线路、互感器、接触器等。资源使用信息为边缘集群的各服务器中各类资源的资源使用情况。
具体地,与边缘集群对应的电力设备可以将边缘集群的资源使用信息传送至边缘集群中,从而使得边缘集群获取边缘集群的资源使用信息。由于边缘集群与云服务器通过数据网连接,因此,边缘集群可以将获取的边缘集群的资源使用信息传输至云服务器,从而使云服务器获得边缘集群的资源使用信息。
其中,边缘集群与云服务器之间的通信通道具有主备冗余功能,即当通信主通道数据传输发生故障后,相应的通信备通道能立即自动升为主通道运行,且当通信主通道与通信备通道进行切换时,通过主备通道切换机制和数据保全机制,可以保证在主备通道切换期间通信数据不丢失。此外,在云服务器与边缘集群之间的交互通道上,部署电力专用纵向加密认证网关、加密认证装置或加密软件,为通讯双方提供双向身份认证、数据加密和访问控制服务。
步骤240,基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标。
具体地,云服务器获取边缘集群的资源使用信息之后,云服务器可以基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标。负载均衡指标反映了边缘服务器中负载的使用情况。负载均衡指标包括所述边缘集群中的所述边缘服务器的资源平均利用率及所述边缘服务器上各类资源的资源利用率的标准差。
步骤260,根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配。
具体地,负载均衡指标为进行任务分配的依据,云服务器可以根据获得的边缘集群的负载均衡指标,对边缘集群中的各服务器进行优先级的排序,进而根据优先级的排序将电力调度任务在边缘集群中进行任务分配。
上述任务分配方法中,通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息;基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标;根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。通过上述任务分配方法,边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息,云服务器通过与数据网相连的边缘集群传送的资源使用信息,获取所述边缘集群的资源使用信息,以确定所述边缘集群的负载均衡指标,进而将电力调度任务在所述边缘集群中进行任务分配,从而实现电力调度***中云端***与边缘集群***的交互,提高电力调度***对复杂工况的响应水平,进一步构建智能的电力调度平台,从而能够高效处理电力调度任务。
在一个实施例中,如图3所示,边缘集群包括多个边缘服务器;通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息,包括:
步骤320,确定与边缘集群中的各边缘服务器对应的多个电力设备。
具体地,由于每个边缘集群中包括多个边缘服务器,且每个边缘服务器对应多个电力设备。因此,云服务器可以确定与边缘集群中的各边缘服务器对应的多个电力设备。多个电力设备包括包括发电设备和供电设备,发电设备主要包括电站锅炉、蒸汽轮机、燃气轮机、水轮机、发电机、变压器等,供电设备主要包括各种电压等级的输电线路、互感器、接触器等。
步骤340,针对边缘集群中的各边缘服务器,从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息。
具体地,由于每个边缘服务器对应多个电力设备,且与边缘服务器对应的多个电力设备中含有各边缘服务器的资源使用信息,因此,根据确定好的与边缘集群中的各边缘服务器对应的多个电力设备,边缘集群可以从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息。
步骤360,基于边缘集群中各边缘服务器的资源使用信息,得到边缘集群的资源使用信息。
具体地,边缘集群可以基于边缘集群中各边缘服务器的资源使用信息,得到边缘集群的资源使用信息。由于边缘集群与云服务器通过数据网连接,因此,边缘集群可以将获取的边缘集群的资源使用信息传输至云服务器,从而使云服务器获得边缘集群的资源使用信息。
本实施例中,通过确定与边缘集群中的各边缘服务器对应的多个电力设备,针对边缘集群中的各边缘服务器,从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息,再基于边缘集群中各边缘服务器的资源使用信息,得到边缘集群的资源使用信息,从而使云服务器获取边缘集群的资源使用信息,为实现电力调度***中云端***与边缘集群***的交互做好准备,从而提高电力调度***对复杂工况的响应水平,进一步构建智能的电力调度平台,从而能够高效处理电力调度任务。
在一个实施例中,如图4所示,从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息,包括:
步骤420,从与边缘服务器对应的电力设备中,获取电力设备的模型信息、数据信息、运维管控信息及服务信息。
具体地,云服务器从与边缘服务器对应的电力设备中,获取电力设备的模型信息、数据信息、运维管控信息及服务信息。其中,电力设备的模型信息包括常规电网模型、集中式新能源、分布式新能源、虚拟电厂、综合园区、充电设施等新型电力***模型等;
电力设备的数据信息包括边缘集群上送至云服务器的常规电网设备、新型电力***设备等的遥测、遥信、遥脉等实时数据信息,遥控、遥调等控制信息,主配网、新能源设备等的标志牌状态等文件信息,常规电网设备、集中式新能源、分布式新能源、虚拟电厂、综合园区、充电设施等新型电力***设备的设备状态及设备告警信息,预测数据、错峰预警等信息,能量市场、辅助服务市场的报价、出清等数据信息,告警信息以及人工智能模型参数信息;
电力设备的运维管控信息包括边缘集群运行主机CPU、网络、存储等硬件使用率、内存使用率、磁盘使用率、网络端口状态、网络端口出入流量、网络端口丢包率等运行状态信息,主机、网络、存储等物理硬件告警信息,虚拟主机、虚拟网络和虚拟存储的告警信息,容器集群、容器实例、关键应用的CPU使用率、内存使用率和在线或离线等应用程序运行状态信息,应用容器实例、应用容器集群等的告警信息,容器管理集群、数据库集群、微服务网关、消息总线等的告警信息,云端***与边缘集群的容器镜像信息,容器集群信息、虚拟机信息、应用程序版本信息等应用程序部署情况信息;
电力设备的服务信息包括边缘集群调用云端***所提供的基础及应用服务信息,以及云端***调用边缘集群所提供的应用服务信息,云端资源服务信息,如云主机、容器集群等,基于大数据分析及AI引擎的应用服务信息,资源服务信息,如边缘侧的虚拟主机、容器集群等,边缘计算服务信息等。
步骤440,根据电力设备的模型信息、数据信息、运维管控信息及服务信息,生成边缘服务器的资源使用信息。
具体地,云服务器根据电力设备的模型信息、数据信息、运维管控信息及服务信息,计算边缘集群在传输电力设备的模型信息、数据信息、运维管控信息及服务信息的过程中,使用边缘集群中各边缘服务器的各类资源的资源使用情况,从而根据各边缘服务器中各类资源的资源使用情况,生成边缘服务器的资源使用信息。
本实施例中,通过从与边缘服务器对应的电力设备中,获取电力设备的模型信息、数据信息、运维管控信息及服务信息,再根据电力设备的模型信息、数据信息、运维管控信息及服务信息,生成边缘服务器的资源使用信息,从而能够根据边缘服务器的资源使用信息将电力调度任务进行重新分配,实现电力调度***中云端***与边缘集群***的交互,提高电力调度***对复杂工况的响应水平,进一步构建智能的电力调度平台,从而能够高效处理电力调度任务。
在一个实施例中,如图5所示,负载均衡指标包括边缘集群中的边缘服务器的资源平均利用率及边缘服务器上各类资源的资源利用率的标准差,资源利用率用于表征与边缘服务器对应的多个电力设备对边缘服务器上各资源的使用率;基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标,包括:
步骤520,针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率;资源平均利用率用于表征边缘服务器中各类资源的资源利用率的平均值。
具体地,针对边缘集群中的各边缘服务器,可以基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率。资源平均利用率用于表征边缘服务器中各类资源的资源利用率的平均值,资源平均利用率的计算公式如下式(1)所示:
其中,i为第i个服务器;l为第l类资源;N为考虑的资源类型数;Ci,l为第i个服务器上第l类资源总量;ui,l为第i个服务器上第l类资源使用量。
步骤540,基于边缘服务器的资源使用信息及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差。
具体地,基于边缘服务器的资源使用信息及资源平均利用率,可以计算出边缘服务器中各类资源的资源利用率的标准差。边缘服务器中各类资源的资源利用率的标准差的计算公式如下式(2)所示:
其中,i为第i个服务器;l为第l类资源;N为考虑的资源类型数;Ci,l为第i个服务器上第l类资源总量;ui,l为第i个服务器上第l类资源使用量。
本实施例中,通过针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率;之后,基于边缘服务器的资源使用信息及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差,从而确定负载均衡指标,进而可以根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。
在一个实施例中,如图6所示,边缘服务器的资源使用信息包括边缘服务器上各类资源的总量及边缘服务器上各类资源的使用量;针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率,包括:
步骤620,获取边缘服务器中各类资源的资源总量及边缘服务器中各类资源的资源使用量。
具体地,获取边缘服务器中各类资源的资源总量及边缘服务器中各类资源的资源使用量。其中,各类资源包括云服务器从边缘集群中获取的边缘集群中各边缘服务器的CPU、网络、内存、硬盘四个类型的资源。那么,边缘服务器中各类资源的资源总量指的是CPU资源的资源总量、网络资源的资源总量、内存资源的资源总量、硬盘资源的资源总量。其中,CPU资源的资源总量包括CPU内部的寄存器、控制器以及存储器等部件的资源总量,网络资源的资源总量包括通信设备传播以及网络软件管理的信息资源总量,内存资源的资源总量包括内存可用的***资源总量,硬盘资源的资源总量包括硬盘读写的资源总量。边缘服务器中各类资源的资源使用量指的是CPU资源的资源使用量、网络资源的资源使用量、内存资源的资源使用量、硬盘资源的资源使用量。其中,CPU资源的资源使用量包括CPU内部的寄存器、控制器以及存储器等部件的资源使用量,网络资源的资源使用量包括通信设备传播以及网络软件管理的信息资源使用量,内存资源的资源总量包括内存可用的***资源使用量,硬盘资源的资源总量包括硬盘读写的资源使用量。
步骤640,根据各类资源的资源总量及各类资源的资源使用量,计算边缘服务器的资源平均利用率。
具体地,根据CPU、网络、内存、硬盘四个类型资源的资源总量及各类资源的资源使用量,使用公式(1),即可计算出边缘服务器的资源平均利用率。
其中,i为第i个服务器;l为第l类资源;N为考虑的资源类型数;Ci,l为第i个服务器上第l类资源总量;ui,l为第i个服务器上第l类资源使用量。
基于边缘服务器的资源使用信息及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差,包括:
步骤660,根据边缘服务器中各类资源的资源总量、边缘服务器中各类资源的资源使用量以及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差。
具体地,根据边缘服务器中CPU、网络、内存、硬盘四个类型资源的资源总量、边缘服务器中各类资源的资源使用量以及资源平均利用率,使用公式(2),即可计算出边缘服务器中各类资源的资源利用率的标准差。
其中,i为第i个服务器;l为第l类资源;N为考虑的资源类型数;Ci,l为第i个服务器上第l类资源总量;ui,l为第i个服务器上第l类资源使用量。
本实施例中,通过获取边缘服务器中各类资源的资源总量及边缘服务器中各类资源的资源使用量;根据各类资源的资源总量及各类资源的资源使用量,计算边缘服务器的资源平均利用率;根据边缘服务器中各类资源的资源总量、边缘服务器中各类资源的资源使用量以及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差,从而确定负载均衡指标,进而可以根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。
在一个实施例中,如图7所示,根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配,包括:
步骤720,根据边缘集群的负载均衡指标,确定边缘集群中的各边缘服务器的优先级。
具体地,根据边缘集群的负载均衡指标,确定边缘集群中的各边缘服务器的优先级。当边缘集群中的边缘服务器的资源平均利用率及边缘服务器上各类资源的资源利用率的标准差的计算值都为最小时,所在边缘服务器的优先级最高。反之,当边缘集群中的边缘服务器的资源平均利用率及边缘服务器上各类资源的资源利用率的标准差的计算值都为最大时,所在边缘服务器的优先级最低。
当然,还可以为边缘服务器的资源平均利用率及边缘服务器上各类资源的资源利用率的标准差分别配置权重,基于权重对边缘服务器的资源平均利用率及边缘服务器上各类资源的资源利用率的标准差进行求和之后,得到求和结果。对求和结果按照从小到大进行排序,得到排序结果。将排序结果中最小的求和结果对应的边缘服务器的优先级设置为最高,依次类推得到边缘集群中所有边缘服务器的优先级。
步骤740,根据边缘集群中的各边缘服务器的优先级,将电力调度任务在边缘集群中进行任务分配。
具体地,根据得到的边缘集群中所有边缘服务器的优先级,按照所有边缘服务器的优先级从高到低的顺序,在边缘集群中对所有边缘服务器进行电力调度任务的分配。其中,最先对优先级最高的边缘服务器分配电力调度任务。
本实施例中,通过根据边缘集群的负载均衡指标,确定边缘集群中的各边缘服务器的优先级,根据边缘集群中的各边缘服务器的优先级,将电力调度任务在边缘集群中进行任务分配,从而实现电力调度***中云端***与边缘集群***的交互,提高电力调度***对复杂工况的响应水平,进一步构建智能的电力调度平台,从而能够高效处理电力调度任务。
在一个具体的实施例中,提供了一种任务分配方法,应用于云服务器,包括:
第一步,由于每个边缘集群中包括多个边缘服务器,且每个边缘服务器对应多个电力设备。因此,云服务器可以确定与边缘集群中的各边缘服务器对应的多个电力设备;
第二步,针对边缘集群中的各边缘服务器,边缘集群从与边缘服务器对应的电力设备中,获取电力设备的模型信息、数据信息、运维管控信息及服务信息;
第三步,根据电力设备的模型信息、数据信息、运维管控信息及服务信息,生成边缘服务器的资源使用信息;
第四步,边缘集群基于边缘集群中各边缘服务器的资源使用信息,得到边缘集群的资源使用信息。由于边缘集群与云服务器通过数据网连接,因此,边缘集群可以将获取的边缘集群的资源使用信息传输至云服务器,从而使云服务器获得边缘集群的资源使用信息;
第五步,针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,获取边缘服务器中各类资源的资源总量及边缘服务器中各类资源的资源使用量。其中,各类资源包括云服务器从边缘集群中获取的CPU、网络、内存、硬盘四个类型的资源;
第六步,根据各类资源的资源总量及各类资源的资源使用量,计算边缘服务器的资源平均利用率;资源平均利用率用于表征边缘服务器中各类资源的资源利用率的平均值;
第七步,根据边缘服务器上各类资源的资源总量、边缘服务器中各类资源的资源使用量以及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差,从而得到边缘集群的负载均衡指标;
第八步,根据边缘集群的负载均衡指标,确定边缘集群中的各边缘服务器的优先级。当边缘集群中的边缘服务器的资源平均利用率及边缘服务器上各类资源的资源利用率的标准差的计算值都为最小时,所在边缘服务器的优先级最高;
第九步,根据边缘集群中的各边缘服务器的优先级,将电力调度任务在边缘集群中进行任务分配。
本具体实施例中,通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息;基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标;根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。通过上述任务分配方法,边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息,云服务器通过与数据网相连的边缘集群传送的资源使用信息,获取所述边缘集群的资源使用信息,以确定所述边缘集群的负载均衡指标,进而将电力调度任务在所述边缘集群中进行任务分配,从而实现电力调度***中云端***与边缘集群***的交互,提高电力调度***对复杂工况的响应水平,进一步构建智能的电力调度平台,从而能够高效处理电力调度任务。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的任务分配方法的任务分配装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个任务分配装置实施例中的具体限定可以参见上文中对于任务分配方法的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种任务分配装置800,包括:资源使用信息获取模块820、负载均衡指标确定模块840和任务分配模块860,其中:
资源使用信息获取模块820,用于通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息;
负载均衡指标确定模块840,用于基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标;
任务分配模块860,用于根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配。
在其中一个实施例中,资源使用信息获取模块820,包括:
电力设备确定单元,用于确定与所述边缘集群中的各边缘服务器对应的多个电力设备;
资源使用信息预取单元,用于针对所述边缘集群中的各边缘服务器,从与所述边缘服务器对应的多个电力设备中,获取所述边缘服务器的资源使用信息;
资源使用信息获取单元,用于基于所述边缘集群中各所述边缘服务器的资源使用信息,得到所述边缘集群的资源使用信息。
在其中一个实施例中,资源使用信息预取单元,包括:
类型信息获取单元,用于从与所述边缘服务器对应的电力设备中,获取所述电力设备的模型信息、数据信息、运维管控信息及服务信息;
资源使用信息生成单元,用于根据所述电力设备的模型信息、数据信息、运维管控信息及服务信息,生成所述边缘服务器的资源使用信息。
在其中一个实施例中,负载均衡指标确定模块840,包括:
资源平均利用率获取单元,用于针对所述边缘集群中的各边缘服务器,基于所述边缘服务器的资源使用信息,计算所述边缘服务器的资源平均利用率;所述资源平均利用率用于表征所述边缘服务器中各类资源的资源利用率的平均值;
标准差获取单元,用于基于所述边缘服务器的资源使用信息及所述资源平均利用率,计算所述边缘服务器中各类资源的资源利用率的标准差。
在其中一个实施例中,所述边缘服务器的资源使用信息包括所述边缘服务器上各类资源的总量及所述边缘服务器上所述各类资源的使用量;资源平均利用率获取单元,包括:
资源使用量获取单元,用于获取所述边缘服务器中各类资源的资源总量及所述边缘服务器中所述各类资源的资源使用量;
资源平均利用率计算单元,用于根据所述各类资源的资源总量及所述各类资源的资源使用量,计算所述边缘服务器的资源平均利用率;
标准差获取单元,包括:
标准差计算单元,用于根据所述边缘服务器中各类资源的资源总量、所述边缘服务器中所述各类资源的资源使用量以及所述资源平均利用率,计算所述边缘服务器中各类资源的资源利用率的标准差。
在其中一个实施例中,任务分配模块860,包括:
优先级确定单元,用于根据所述边缘集群的负载均衡指标,确定所述边缘集群中的各边缘服务器的优先级;
任务分配单元,用于根据所述边缘集群中的各边缘服务器的优先级,将电力调度任务在所述边缘集群中进行任务分配。
上述任务分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储任务分配数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种任务分配方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种任务分配方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息;
基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标;
根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配。
在一个实施例中,边缘集群包括多个边缘服务器;通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息,处理器执行计算机程序时还实现以下步骤:
确定与边缘集群中的各边缘服务器对应的多个电力设备;
针对边缘集群中的各边缘服务器,从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息;
基于边缘集群中各边缘服务器的资源使用信息,得到边缘集群的资源使用信息。
在一个实施例中,从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息,处理器执行计算机程序时还实现以下步骤:
从与边缘服务器对应的电力设备中,获取电力设备的模型信息、数据信息、运维管控信息及服务信息;
根据电力设备的模型信息、数据信息、运维管控信息及服务信息,生成边缘服务器的资源使用信息。
在一个实施例中,负载均衡指标包括边缘集群中的边缘服务器的资源平均利用率及边缘服务器上各类资源的资源利用率的标准差,资源利用率用于表征与边缘服务器对应的多个电力设备对边缘服务器上各资源的使用率;基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标,处理器执行计算机程序时还实现以下步骤:
针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率;资源平均利用率用于表征边缘服务器中各类资源的资源利用率的平均值;
基于边缘服务器的资源使用信息及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差。
在一个实施例中,边缘服务器的资源使用信息包括边缘服务器上各类资源的总量及边缘服务器上各类资源的使用量;针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率,处理器执行计算机程序时还实现以下步骤:
获取边缘服务器中各类资源的资源总量及边缘服务器中各类资源的资源使用量;
根据各类资源的资源总量及各类资源的资源使用量,计算边缘服务器的资源平均利用率;
基于边缘服务器的资源使用信息及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差,包括:
根据边缘服务器中各类资源的资源总量、边缘服务器中各类资源的资源使用量以及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差。
在一个实施例中,根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配,处理器执行计算机程序时还实现以下步骤:
根据边缘集群的负载均衡指标,确定边缘集群中的各边缘服务器的优先级;
根据边缘集群中的各边缘服务器的优先级,将电力调度任务在边缘集群中进行任务分配。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息;
基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标;
根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配。
在一个实施例中,边缘集群包括多个边缘服务器;通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息,计算机程序被处理器执行时还实现以下步骤:
确定与边缘集群中的各边缘服务器对应的多个电力设备;
针对边缘集群中的各边缘服务器,从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息;
基于边缘集群中各边缘服务器的资源使用信息,得到边缘集群的资源使用信息。
在一个实施例中,从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息,计算机程序被处理器执行时还实现以下步骤:
从与边缘服务器对应的电力设备中,获取电力设备的模型信息、数据信息、运维管控信息及服务信息;
根据电力设备的模型信息、数据信息、运维管控信息及服务信息,生成边缘服务器的资源使用信息。
在一个实施例中,负载均衡指标包括边缘集群中的边缘服务器的资源平均利用率及边缘服务器上各类资源的资源利用率的标准差,资源利用率用于表征与边缘服务器对应的多个电力设备对边缘服务器上各资源的使用率;基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标,计算机程序被处理器执行时还实现以下步骤:
针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率;资源平均利用率用于表征边缘服务器中各类资源的资源利用率的平均值;
基于边缘服务器的资源使用信息及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差。
在一个实施例中,边缘服务器的资源使用信息包括边缘服务器上各类资源的总量及边缘服务器上各类资源的使用量;针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率,计算机程序被处理器执行时还实现以下步骤:
获取边缘服务器中各类资源的资源总量及边缘服务器中各类资源的资源使用量;
根据各类资源的资源总量及各类资源的资源使用量,计算边缘服务器的资源平均利用率;
基于边缘服务器的资源使用信息及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差,包括:
根据边缘服务器中各类资源的资源总量、边缘服务器中各类资源的资源使用量以及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差。
在一个实施例中,根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配,计算机程序被处理器执行时还实现以下步骤:
根据边缘集群的负载均衡指标,确定边缘集群中的各边缘服务器的优先级;
根据边缘集群中的各边缘服务器的优先级,将电力调度任务在边缘集群中进行任务分配。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息;
基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标;
根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配。
在一个实施例中,边缘集群包括多个边缘服务器;通过边缘集群从与边缘集群对应的电力设备中,获取边缘集群的资源使用信息,计算机程序被处理器执行时还实现以下步骤:
确定与边缘集群中的各边缘服务器对应的多个电力设备;
针对边缘集群中的各边缘服务器,从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息;
基于边缘集群中各边缘服务器的资源使用信息,得到边缘集群的资源使用信息。
在一个实施例中,从与边缘服务器对应的多个电力设备中,获取边缘服务器的资源使用信息,计算机程序被处理器执行时还实现以下步骤:
从与边缘服务器对应的电力设备中,获取电力设备的模型信息、数据信息、运维管控信息及服务信息;
根据电力设备的模型信息、数据信息、运维管控信息及服务信息,生成边缘服务器的资源使用信息。
在一个实施例中,负载均衡指标包括边缘集群中的边缘服务器的资源平均利用率及边缘服务器上各类资源的资源利用率的标准差,资源利用率用于表征与边缘服务器对应的多个电力设备对边缘服务器上各资源的使用率;基于边缘集群的资源使用信息,确定边缘集群的负载均衡指标,计算机程序被处理器执行时还实现以下步骤:
针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率;资源平均利用率用于表征边缘服务器中各类资源的资源利用率的平均值;
基于边缘服务器的资源使用信息及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差。
在一个实施例中,边缘服务器的资源使用信息包括边缘服务器上各类资源的总量及边缘服务器上各类资源的使用量;针对边缘集群中的各边缘服务器,基于边缘服务器的资源使用信息,计算边缘服务器的资源平均利用率,计算机程序被处理器执行时还实现以下步骤:
获取边缘服务器中各类资源的资源总量及边缘服务器中各类资源的资源使用量;
根据各类资源的资源总量及各类资源的资源使用量,计算边缘服务器的资源平均利用率;
基于边缘服务器的资源使用信息及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差,包括:
根据边缘服务器中各类资源的资源总量、边缘服务器中各类资源的资源使用量以及资源平均利用率,计算边缘服务器中各类资源的资源利用率的标准差。
在一个实施例中,根据边缘集群的负载均衡指标,将电力调度任务在边缘集群中进行任务分配,计算机程序被处理器执行时还实现以下步骤:
根据边缘集群的负载均衡指标,确定边缘集群中的各边缘服务器的优先级;
根据边缘集群中的各边缘服务器的优先级,将电力调度任务在边缘集群中进行任务分配。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种任务分配方法,其特征在于,应用于云服务器;所述方法包括:
通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息;
基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标;
根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。
2.根据权利要求1所述的方法,其特征在于,所述边缘集群包括多个边缘服务器;所述通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息,包括:
确定与所述边缘集群中的各边缘服务器对应的多个电力设备;
针对所述边缘集群中的各边缘服务器,从与所述边缘服务器对应的多个电力设备中,获取所述边缘服务器的资源使用信息;
基于所述边缘集群中各所述边缘服务器的资源使用信息,得到所述边缘集群的资源使用信息。
3.根据权利要求2所述的方法,其特征在于,所述从与所述边缘服务器对应的多个电力设备中,获取所述边缘服务器的资源使用信息,包括:
从与所述边缘服务器对应的电力设备中,获取所述电力设备的模型信息、数据信息、运维管控信息及服务信息;
根据所述电力设备的模型信息、数据信息、运维管控信息及服务信息,生成所述边缘服务器的资源使用信息。
4.根据权利要求2或3所述的方法,其特征在于,所述负载均衡指标包括所述边缘集群中的所述边缘服务器的资源平均利用率及所述边缘服务器上各类资源的资源利用率的标准差,所述资源利用率用于表征与所述边缘服务器对应的多个电力设备对所述边缘服务器上各资源的使用率;所述基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标,包括:
针对所述边缘集群中的各边缘服务器,基于所述边缘服务器的资源使用信息,计算所述边缘服务器的资源平均利用率;所述资源平均利用率用于表征所述边缘服务器中各类资源的资源利用率的平均值;
基于所述边缘服务器的资源使用信息及所述资源平均利用率,计算所述边缘服务器中各类资源的资源利用率的标准差。
5.根据权利要求4所述的方法,其特征在于,所述边缘服务器的资源使用信息包括所述边缘服务器上各类资源的总量及所述边缘服务器上所述各类资源的使用量;所述针对所述边缘集群中的各边缘服务器,基于所述边缘服务器的资源使用信息,计算所述边缘服务器的资源平均利用率,包括:
获取所述边缘服务器中各类资源的资源总量及所述边缘服务器中所述各类资源的资源使用量;
根据所述各类资源的资源总量及所述各类资源的资源使用量,计算所述边缘服务器的资源平均利用率;
所述基于所述边缘服务器的资源使用信息及所述资源平均利用率,计算所述边缘服务器中各类资源的资源利用率的标准差,包括:
根据所述边缘服务器中各类资源的资源总量、所述边缘服务器中所述各类资源的资源使用量以及所述资源平均利用率,计算所述边缘服务器中各类资源的资源利用率的标准差。
6.根据权利要求1至3任意一项所述的方法,其特征在于,所述根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配,包括:
根据所述边缘集群的负载均衡指标,确定所述边缘集群中的各边缘服务器的优先级;
根据所述边缘集群中的各边缘服务器的优先级,将电力调度任务在所述边缘集群中进行任务分配。
7.一种任务分配装置,其特征在于,应用于云服务器;所述装置包括:
资源使用信息获取模块,用于通过边缘集群从与所述边缘集群对应的电力设备中,获取所述边缘集群的资源使用信息;
负载均衡指标确定模块,用于基于所述边缘集群的资源使用信息,确定所述边缘集群的负载均衡指标;
任务分配模块,用于根据所述边缘集群的负载均衡指标,将电力调度任务在所述边缘集群中进行任务分配。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210719718.0A CN115269176A (zh) | 2022-06-23 | 2022-06-23 | 任务分配方法、装置、计算机设备、存储介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210719718.0A CN115269176A (zh) | 2022-06-23 | 2022-06-23 | 任务分配方法、装置、计算机设备、存储介质和产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115269176A true CN115269176A (zh) | 2022-11-01 |
Family
ID=83760470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210719718.0A Pending CN115269176A (zh) | 2022-06-23 | 2022-06-23 | 任务分配方法、装置、计算机设备、存储介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115269176A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116302581A (zh) * | 2023-05-25 | 2023-06-23 | 北京智芯微电子科技有限公司 | 一种新型智能配电终端及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543890A (zh) * | 2018-11-09 | 2019-03-29 | 山大地纬软件股份有限公司 | 基于负载预测均衡的电网费控优化调度方法、装置及*** |
CN112799789A (zh) * | 2021-03-22 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 一种节点集群管理方法、装置、设备及存储介质 |
CN113157443A (zh) * | 2021-03-29 | 2021-07-23 | 威胜信息技术股份有限公司 | 一种基于边缘计算环境的资源均衡调度方法 |
CN113806089A (zh) * | 2021-09-17 | 2021-12-17 | 中国联合网络通信集团有限公司 | 集群负载资源调度方法、装置、电子设备及可读存储介质 |
CN114500543A (zh) * | 2022-01-13 | 2022-05-13 | 徐工汉云技术股份有限公司 | 一种基于分布式的弹性边缘采集***及其应用方法 |
-
2022
- 2022-06-23 CN CN202210719718.0A patent/CN115269176A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543890A (zh) * | 2018-11-09 | 2019-03-29 | 山大地纬软件股份有限公司 | 基于负载预测均衡的电网费控优化调度方法、装置及*** |
CN112799789A (zh) * | 2021-03-22 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 一种节点集群管理方法、装置、设备及存储介质 |
CN113157443A (zh) * | 2021-03-29 | 2021-07-23 | 威胜信息技术股份有限公司 | 一种基于边缘计算环境的资源均衡调度方法 |
CN113806089A (zh) * | 2021-09-17 | 2021-12-17 | 中国联合网络通信集团有限公司 | 集群负载资源调度方法、装置、电子设备及可读存储介质 |
CN114500543A (zh) * | 2022-01-13 | 2022-05-13 | 徐工汉云技术股份有限公司 | 一种基于分布式的弹性边缘采集***及其应用方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116302581A (zh) * | 2023-05-25 | 2023-06-23 | 北京智芯微电子科技有限公司 | 一种新型智能配电终端及*** |
CN116302581B (zh) * | 2023-05-25 | 2023-12-22 | 北京智芯微电子科技有限公司 | 一种新型智能配电终端及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Optimal cloud resource auto-scaling for web applications | |
Chen et al. | Electric demand response management for distributed large-scale internet data centers | |
Lin et al. | A reinforcement learning-based power management framework for green computing data centers | |
CN107450855B (zh) | 一种用于分布式存储的模型可变的数据分布方法及*** | |
CN103581339A (zh) | 基于云计算的存储资源分配监控处理方法 | |
US11461210B2 (en) | Real-time calculation of data center power usage effectiveness | |
CN112801331B (zh) | 利用虚拟容量和优选位置实时调度进行计算负载的整形 | |
Nguyen et al. | Two-stage robust edge service placement and sizing under demand uncertainty | |
CN109614227A (zh) | 任务资源调配方法、装置、电子设备及计算机可读介质 | |
Li et al. | Resource scheduling based on improved spectral clustering algorithm in edge computing | |
CN103595815A (zh) | 基于云计算的存储资源分配方法 | |
CN116991558B (zh) | 算力资源的调度方法及多架构集群、装置、存储介质 | |
CN113487084A (zh) | 一种设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质 | |
CN114817985A (zh) | 一种用电数据的隐私保护方法、装置、设备及存储介质 | |
CN115269176A (zh) | 任务分配方法、装置、计算机设备、存储介质和产品 | |
CN117271100B (zh) | 算法芯片集群调度方法、装置、计算机设备和存储介质 | |
Qi et al. | SHIELD: Sustainable hybrid evolutionary learning framework for carbon, wastewater, and energy-aware data center management | |
CN117791618A (zh) | 电力调度方法、装置、计算机设备和存储介质 | |
CN114243681B (zh) | 电力***的用电调控方法、装置、设备和存储介质 | |
CN115481767A (zh) | 面向配电网检修的运行数据处理方法、装置和计算机设备 | |
CN115952054A (zh) | 一种仿真任务资源管理方法、装置、设备及介质 | |
CN115269145A (zh) | 一种面向海上无人设备的高能效异构多核调度方法及装置 | |
CN114154793A (zh) | 基于可再生能源的盈余资源分析方法、装置和计算机设备 | |
Rayan et al. | Resource Prediction for Big Data Processing in a Cloud Data Center: A Machine Learning Approach: A Machine Learning Approach | |
Vasudevan | Profile-based application management for green data centres |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221101 |