CN116567089A - 基于分布式网内协同计算的物联网交互***及方法 - Google Patents

基于分布式网内协同计算的物联网交互***及方法 Download PDF

Info

Publication number
CN116567089A
CN116567089A CN202310517824.5A CN202310517824A CN116567089A CN 116567089 A CN116567089 A CN 116567089A CN 202310517824 A CN202310517824 A CN 202310517824A CN 116567089 A CN116567089 A CN 116567089A
Authority
CN
China
Prior art keywords
task
switch
internet
things
data packet
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
Application number
CN202310517824.5A
Other languages
English (en)
Inventor
任智源
吴涵
程文驰
李丹萍
张海林
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.)
Xidian University
Original Assignee
Xidian 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 Xidian University filed Critical Xidian University
Priority to CN202310517824.5A priority Critical patent/CN116567089A/zh
Publication of CN116567089A publication Critical patent/CN116567089A/zh
Pending legal-status Critical Current

Links

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
    • H04L67/50—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
    • H04L67/63—Routing a service request depending on the request content or context
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/04—Network management architectures or arrangements
    • H04L41/042—Network management architectures or arrangements comprising distributed management centres cooperatively managing the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0894—Policy-based network configuration management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/121—Shortest path evaluation by minimising delays
    • 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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • 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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
    • 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
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于分布式网内协同计算的物联网交互***及方法，***中包括物联网云平台、传感器节点，可编程P4交换机网络拓扑以及响应终端。方法是物联网云平台将接收到的任务请求通过任务映射策略映射至可编程P4交换机网络拓扑，通过调度算法对路径上的交换机进行协同计算，为每台交换机提供计算处理和传输。本发明解决了物联网交互中传感器节点产生的传感数据在往返响应终端通信时的高时延消耗、网络堵塞、巨大传输消耗，导致响应端发出错误信息的问题。

Description

基于分布式网内协同计算的物联网交互***及方法
技术领域
本发明属于通信技术领域，更进一步涉及物联网通信中数据交换技术领域中的一种基于分布式网内协同计算的物联网交互***及方法。本发明可以用于物联网中IoT响应终端、物联网云平台、可编程P4交换机、传感器节点之间的互相通信。
背景技术
近年来，无线传感器网络的迅速发展，推动物联网(Internet of Things,IoT)技术在医疗、交通、电网、智能安防等领域的应用。海量轻量级设备的分布特性为异构任务的远程现场监测和控制带来极大的便利，而这些设备对网络的处理能力与稳定性都提出了更高的要求，传统这些海量数据通常会交付给本地或云服务器的应用层进行集中处理。尽管单个服务器集群的计算性能优越，但无线传感网络、响应端与服务器通信时，较远的通信距离给时延敏感型任务带来巨大挑战，传统集中式的计算范式将难以应对。一方面，传感设备频繁采集数据进行参数更新，服务器间隔性接收序列数据包，一旦发生网络堵塞或巨大传输消耗，服务器则无法保证当前获取数据的有效性，致使响应段发出错误信息；另一方面，当面临环境恶劣情况，若耗时较长，由于传感设备电池供电的局限性，将严重影响数据包正常传送。因此，为满足物联网中海量传感数据在往返服务器应用层时通信的超低时延的业务需求，需要在传输过程进行协同计算分担服务器计算压力从而为用户提供低时延服务。
重庆邮电大学在其申请的专利文献“一种物联网环境下的云边协同计算任务卸载方法”(申请号202111480882.2，申请公布号CN 114301910 A)中提供了一种物联网环境下的云边协同计算任务卸载方法。该方法通过构建物联网的协同计算***模型，构建的协同计算***模型包括设备层、边缘节点层和云节点层。该方法的具体步骤为：第一步，构建物联网的协同计算***模型，构建的协同计算***模型包括设备层、边缘节点层和云节点层；模型的设备层、边缘节点层和云节点层分别选取排队***模型；第二步，根据协同计算***模型构建所有任务的总完成时延期望函数；第三步，将最小总完成时延期望作为目标函数，采用位置参数优化蜜獾算法对目标函数进行求解，得到各排队***需要调整的容量大小，各排队***根据需要调整的容量大小对排队***容量进行调整；第四步，根据各排队***调整后的容量大小得到最优卸载策略，根据最优卸载策略进行任务卸载。该方法存在的不足之处是，当该方法应用于分布式网内协同计算的物联网时，海量轻量级设备所带来的海量数据还是需要交付给云服务器的应用层进行处理，但当传感设备频繁采集数据进行参数更新，服务器间隔性接收序列数据包，一旦发生网络堵塞或巨大传输消耗，服务器则无法保证当前获取数据的有效性，致使响应端发出错误信息。
成都秦川物联网科技股份有限公司在其申请的专利文献“物联网跨网数据交互方法及***”(申请号202110682957.9，申请公布号CN 113141381 A)中提供物联网跨网数据交互方法及***。该专利申请公开的方法的实现步骤：第一步，建立物联网；第二步，将服务平台、管理平台和传感网络平台中的任意一个或多个平台建立于云平台上形成网内云平台；第三步，多个物联网通过网内云平台交互于至少一个网外云平台时，网外云平台获取多个物联网的数据生成第一数据库；第四步，当物联网向网外云平台请求数据时，网外云平台根据物联网发出的请求信息从第一数据库中提取数据作为第一数据发送至物联网。该方法实现了跨行业跨领域的大数据形成，同时为大数据的应用方式提供了可靠的参考，将不同的物联网形成的信息孤岛连接为一个整体。但是，该方法仍然存在的不足之处是，该方法仅考虑多个平台之间数据交互的问题，而在海量轻量级传感器设备的情况下，由于传感网络平台数量众多，尽管单个服务器集群的计算性能优越，但无线传感网络、响应端与服务器通信时，较远的通信距离在面临环境恶劣情况时，若耗时较长，由于传感设备电池供电的局限性，将严重影响数据包正常传送。该专利申请公开的***的模块包括用户模块、服务模块、管理模块、传感网络模块和对象模块，该***存在的不足之处是，所有数据都汇聚在网外云平台，任何模块请求数据都需要从网外云平台获取，这对数据之间的交互带来了巨大的时延。
发明内容
本发明的目的在于针对上述已有技术的不足，提出一种基于分布式网内协同计算的物联网交互的***及方法，用于解决物联网交互中传感数据在往返响应终端通信时的高时延消耗、网络堵塞、巨大传输消耗，导致响应端发出错误信息的问题。
为实现上述目的，本发明物联网交互***包括物联网云平台、传感器节点，可编程P4交换机网络拓扑以及响应终端。其中：
物联网交互***，包括物联网云平台、传感器节点以及响应终端；其特征在于，还包括可编程P4交换机网络拓扑，其中：
所述物联网云平台，用于物联网云平台接收用户向平台下达的满足自身需求的任务请求，将接收到的任务请求映射至可编程P4交换机网络拓扑中；实时获取网络拓扑信息和每台交换机的节点状态；当接收到用户向物联网云平台下达的满足自身需求的任务信息时，云平台向所有P4可编程交换机部署任务映射策略，将用户任务下发至由所有P4可编程交换机组成的网络拓扑；
所述传感器节点，用于将每个传感器节点搜集到的满足任务请求的信号，以数据包的形式上传到网络拓扑中；
所述可编程P4交换机网络拓扑，由分布在用户附近的N个P4交换机组成，N≥3；通过异构最早完成时间HEFT算法，预先评估所有设备处理数据包和通信的能力，在满足任务请求的同时，将每个子任务映射到计算和通信资源集中的路径设备上；对传感器上传的每个数据包进行解析，解析后进行动作匹配处理，将处理后更新的数据包发送到响应终端或下一跳交换机；
所述响应终端，用于收到P4交换机传输的数据包指令时，控制响应对象做出相应动作。
本发明的物联网交互的方法的步骤包括如下：
步骤1，物联网云平台接收用户任务请求获取网络拓扑信息和每台交换机的节点状态：
物联网云平台接收用户向平台下达的满足自身需求的任务请求，将接收到的任务请求映射至可编程P4交换机网络拓扑中；物联网云平台实时获取网络拓扑信息和每台交换机的节点状态，该网络拓扑由N台P4可编程交换机组成，N≥3；当接收到用户向物联网云平台下达的满足自身需求的任务信息时，云平台向所有P4可编程交换机部署任务映射策略，将用户任务下发至由所有P4可编程交换机组成的网络拓扑；
步骤2，将每个传感器节点搜集到的满足任务请求的信号，以数据包的形式上传到网络拓扑中；
步骤3，通过调度算法对路径上的交换机进行协同计算：
通过异构最早完成时间HEFT算法，预先评估所有设备处理数据包和通信的能力，在满足任务请求的同时，将每个子任务映射到计算和通信资源集中的路径设备上；
步骤4，为每台交换机提供计算处理和传输：
对传感器上传的每个数据包进行解析，解析后进行动作匹配处理，将处理后更新的数据包发送到响应终端或下一跳交换机；
步骤5，响应终端收到P4交换机传输的数据包指令时，控制响应对象做出相应动作。
本发明与现有技术相比具有如下优点：
第一，本发明的***采用可编程P4交换机的网络拓扑，该拓扑由分布在用户附近的N个P4交换机设备组成，通过调度算法将任务请求中的每个子任务映射到计算和通信资源集中的路径设备上，对传感器上传的每个数据包进行协同计算处理和传输，克服了现有技术中海量轻量级设备所带来的海量数据还是需要交付给云服务器的应用层进行处理从而带来的高时延和高传输消耗的不足，使得本发明实现了低延迟、低功耗及高吞吐量的从海量设备中采集、处理和传输数据。
第二，本发明的方法采用了调度算法对路径上的交换机进行协同计算，通过调度算法，预先评估所有设备处理数据包和通信的能力，在满足任务请求的同时，将每个子任务映射到计算和通信资源集中的路径设备上克服了海量通信处理数据所带来的网络堵塞缺点，使得本发明的方法能够提高了交互质量。
第三，本发明的方法采用了一种物联网云平台将接收到的任务请求通过任务映射策略映射至可编程P4交换机网络拓扑，通过节点映射和边映射将任务请求映射到最短路径下的特定交换机节点，克服了现有技术较远的通信距离带来的高时延的缺点，使得本发明的方法能够对通信数据进行最优调配。
附图说明
图1为本发明***的结构示意图；
图2为本发明方法的流程图；
图3为本发明仿真实验的任务模型示意图；
图4为本发明仿真实验的P4网络拓扑图；
图5为本发明仿真实验三种计算范式的时延比较图；
图6为本发明仿真实验不同算法的时延对比图；图6(a)为本发明仿真实验中基于不同数据包大小的时延比较图，图6(b)为本发明仿真实验中基于不同任务的时延比较图。
具体实施方式
以下结合附图和实施例对本发明进行进一步的详细说明。
参照图1对本发明的***进行进一步的详细说明。
本发明物联网交互***包括物联网云平台、传感器节点，可编程P4交换机网络拓扑以及响应终端。其中：
所述物联网云平台，用于物联网云平台接收用户向平台下达的满足自身需求的任务请求，将接收到的任务请求映射至可编程P4交换机网络拓扑中；实时获取网络拓扑信息和每台交换机的节点状态。当接收到用户向物联网云平台下达的满足自身需求的任务信息时，云平台向所有P4可编程交换机部署任务映射策略，将用户任务下发至由所有P4可编程交换机组成的网络拓扑。
所述传感器节点，用于将每个传感器节点搜集到的满足任务请求的信号，以数据包的形式上传到网络拓扑中。
所述可编程P4交换机网络拓扑，由分布在用户附近的N个P4交换机设备组成，N≥3；P4交换机作为更便捷的网络计算元素，主要表现为低延迟、低功耗及高吞吐量，且具有分布范围广、部署成本低的特点，这表明任务可随时随地卸载到交换机，设备可以接收分散的情报数据，基于可编程P4的数据面编程策略，以数据包拆包、处理、封包、传输的方式，在靠近数据源的网络层优先完成包计算包转发任务，与上传至服务器相比，缩短任务包的接收和反馈时间。
对于P4交换机而言，其工作原理可使用其抽象转发模型来描述，主要包含由元数据总线连接的解析器、逆解析器、匹配动作表。当数据包载入交换机端口时，首先被解析器拦截，然后依赖解析图的解析手段，将包头和包头以外的载荷分开。包头与载荷不同，包头中还定义了许多不同类型的数据，这些数据被提取出来并参与后续匹配。此外，可以根据任务请求所需的任务数据，灵活定义包头结构和解析流程。解析完成后得数据再经过多级流水线处理，多级流水线是多级匹配动作表在控制流(排队、复制以及调度)基础上的逻辑连接，记录数据在表之间的状态变化，需通过控制平面来驱动。匹配动作表中包含了关键字、动作及操作数据，其中关键字与提取的头部字段匹配时会触发对应动作，从而使头部数据得到修改、添加或删除，修改字段部分作为临时变量存储在元数据中。当这一阶段完成后，逆解析器重新组装数据包，以便在逆解析阶段传输。
针对P4交换机的开发流程步骤如下：
第一步，根据P4标准，自定义相关的任务程序，包括数据帧解析、匹配动作表定义和包的流控制过程，特别地，任务处理行为被定义在匹配动作表中。
第二步，编译P4程序，得到交换机的二进制配置文件和运行时API(交换机功能驱动)。
第三步，将配置文件加载到对应交换机芯片Tofino，更新数据帧解析的状态和匹配动作表的内容。
第四步，交换机接收外部数据包，对更新后的匹配动作表遍历并执行指令动作。同时，在流控制下增加、删除、修改、查询表项。
以单个传感器、单个交换机、单个响应端为主线进行举例，当任务请求下达后，P4交换机对任务的逻辑处理流程可以表述为：当传感器发送任务数据为data1的原数据包时，data1经交换机处理后得到触发指令为data2的现数据包，并在任务结束前转发至响应端。需要注意的是，现数据包中data2的格式与响应端的预命令格式一致时指令生效，否则不生效。因此，交换机作为任务包处理的执行者，同时需要对包数据进行格式判断和重塑。交换机的查找表中定义了格式和任务数据字段；动作集中定义了格式判断(If)、生成(Generate)和具体任务执行(IoT Action)动作，且分别被存储在不同的表当中。其中，If操作用来判断包格式是否满足一致要求；Generate负责将不满足要求的数据包格式重塑为新数据包格式；IoT Action包含了具体的任务处理操作。当交换机收到原数据包时，会解析出头部和载荷，首先将头部的格式字段与查找表中的字段进行匹配，并执行对应的if动作。如果不满足if判断条件，则继续匹配表当中的generate字段，并执行Generate动作；如果满足if判断条件，则包头其他字段与表中对应的任务数据字段相匹配，然后进行IoT Action操作，最后，逆解析后的现数据包被发送到响应端或下一跳交换机。
通过异构最早完成时间HEFT算法，预先评估所有设备处理数据包和通信的能力，在满足任务请求的同时，将每个子任务映射到计算和通信资源集中的路径设备上。对传感器上传的每个数据包进行解析，解析后进行动作匹配处理，将处理后更新的数据包发送到响应终端或下一跳交换机。
所述响应终端，用于收到P4交换机传输的数据包指令时，控制响应对象做出相应动作。
参照图2对本发明的方法进行进一步的详细说明。
步骤1，物联网云平台接收用户任务请求获取网络拓扑信息和每台交换机的节点状态。
物联网云平台接收用户向平台下达的满足自身需求的任务请求，将接收到的任务请求映射至可编程P4交换机网络拓扑中。物联网云平台实时获取网络拓扑信息和每台交换机的节点状态，该网络拓扑由N台P4可编程交换机组成，N≥3。当接收到用户向物联网云平台下达的满足自身需求所需要的测量数据和对数据的计算方式这些任务信息后，云平台向所有P4可编程交换机下发计算任务。
一般而言，一个完整的计算任务有多个相互独立的功能模块，每个模块相当于一个逻辑上完整的子任务。特别地，子任务之间的任务依赖约束，即前置和后置任务在时间上的执行优先级关系，可以用一个DAG来明确表示，将DAG驱动的IoT监测任务抽象描述为G＝(M,E)，M和E分别被定义为IoT子任务集合和关联IoT子任务的有向边集合。其中，M＝{w1,w2,…,ws,ws+1,…,wl-1,wl|s≥1,l>s+1}，w1,w2,…,ws表征入口任务；ws+1,…,wl-1表征中继任务，wl表征出口任务。入口、中继、出口任务间相互独立，且每个子任务的处理逻辑不同于其他任务。此外，中继或目标任务的前向子任务集合表征为Φ↑(wi)＝{wj|(wj,wi)∈E}。E中边的权重表示任务处理时延，边的方向表示数据包的转发方向。
由一组P4交换机组网生成的网络拓扑图可以用UG表示，即N＝(V,K)。其中，V＝{v1,v2,…,vs,vs+1,…,vt-1,vt|s≥1,t>s+1}为所有P4处理节点集合，K为N的边集合。为便于DAG任务映射，将v1,v2,…,vs作为起始处理节点，vs+1,…,vt-1作为中继处理节点，vt作为目标处理节点。节点间的边为无向边，允许双向转发数据包。若图N为连通图，其点割集用表示，其边割集用/>表示，其连通分支数用ω(N)表示。当移除图N中的最小点割集或最小边割集使其不连通，移除的顶点或边的数量分别称为点连通度或边连通度，点连通度或边连通度通常被用来衡量网络拓扑的抗毁性能。其中，点连通度用/>表示，边连通度用/>表示。此外，给定从vi到vj传输单位量数据的最低时延，即/>并将/>称为基于/>获得的最短路径。因此，相应地得到最短路径集，即/>考虑节点间直接或间接连通，利用其边权重和节点依赖关系，再依托单源最短路径Dijkstra算法可得到/>和/>其次，起始节点到目标节点的最长路径称为关键路径。
基于上述定义，在云平台部署一种以处理层交换机为目标设备的任务映射策略，包括节点映射和边映射规则。
所述节点映射，即IoT任务在P4集群的部署策略。定义ζ:M→V，其中ζ表示IoT任务部署节点集。映射结果表示为：
该映射结果旨在将入口任务w1,w2,…,ws映射到P4的起始处理节点v1,v2,…,vs；中继任务ws+1,…,wl-1映射到中继处理节点vs+1,…,vt-1；出口任务wl映射到目标处理节点vt。
所述边映射，即DAG表示任务的有向边映射到UG的无向边。定义ψ:E→K，其中ψ表示边映射集合，满足如下关系：
其中：ψ将E中的所有有向边映射到节点的最短路径。
通过上述任务映射策略，云平台将用户任务下发至由所有P4可编程交换机组成的网络拓扑
步骤2，将每个传感器节点搜集到的满足任务请求的信号，以数据包的形式上传到网络拓扑中。
步骤3，通过调度算法对路径上的交换机进行协同计算。
由于任务映射多样性而带来的波动延迟需要优化，构建一个以时延为优化目标的数学模型。在任务处理期间，某个P4交换机执行到下一跳交换机或目标交换机的总时延Tsum是其最短路径上的最大时间跨度，具体包含处理时延、累积时延。其时延模型表示为：
Tsum(wi)＝Tproc(wi)+Taccu(wi)
其中：处理时延Tproc(wi)是设备处理任务wi时所消耗的时间，表示为：
其中：为处理的数据包大小，α为任务的逻辑复杂度，/>为设备的处理能力，累积时延Taccu(wi)表示子任务在当前交换机节点开始处理前所消耗的时间，具体为前向子任务的总时延、传输时延、队列时延之和，表示为：
其中：Ttrans表示传输时延，可表示为：
其中：表示两映射节点间传输单位数据量的最小延迟，/>表示当前传输数据包的数据量大小，队列时延Tque指数据包在传送前在队列中等待的时间，可表示为：
其中：L为数据包长度，Ique为队列平均长度，B为传输速率。由于多个交换机协同计算时的通信距离较短，因此，传播时延的影响可忽略不计。
通过上述时延模型可知，目标节点的输出时延即为任务图G所消耗的总时延，可表示为：
Tsum(G)＝Tsum(wl)
考虑DAG至UG映射结果的随机因素，定义映射矩阵来统一表示所有的映射关系，映射矩阵表示为：
其中：表征全部子任务与P4交换机的映射结果，若其值为1，则该子任务wp被部署到网络拓扑的vq节点；若其值为0，则子任务wp未被部署到vq节点，即
结合映射原理，时延模型的表示形式更新为：
因此，Tsum(G)可表示为X的函数，即Tsum(G)＝F(X)；
综上所述，为了从映射矩阵中找到最佳的映射结果，建立如下时延优化模型：
在映射优化的基础上，为了进一步完成优化目标，采用基于异构最早完成时间HEFT算法的表调度算法，该算法适用于解决多设备协同工作场景中具有任务依赖性约束和低复杂度的多任务调度问题，能够预先评估所有设备处理数据包和通信的能力，在满足整个任务依赖的同时，将每个任务映射到计算和通信资源集中的路径交换机上，从而减少连续任务的总完成时间。其设计思想分为两个阶段：同级任务的优先级排序和任务的调度。
在任务排序阶段，需要参考的平均处理时间表示为：
其中：表示任务wi的平均处理时间，m为交换机总数，ei,j为在交换机vj上运行任务wi的时间；需要参考的平均通信成本表示为：/>其中：/>表示子任务wi执行到wj时数据包传输所花费的平均通信成本。其中/>为设备的平均启动时间，/>为数据包的数据量大小，/>为设备间的平均传输速率。
任务的排序值表示为：
其中：r(wi)表示子任务wi与出口任务间的关键路径长度，其中具有高排序值的任务优先被调度。s(wi)表示子任务wi的一组直接后继子任务；对于出口任务而言，其排名值可以表示为：
在任务调度阶段，通过映射优化模型和时延模型表示形式，得到任务wi在每个设备执行时的最早完成时间eft，并选择最小eft所对应的设备进行任务调度。
所述的调度算法的步骤如下：
第一步，得到当前任务请求下所有子任务的平均处理时间和平均通信成本；
第二步，遍历所有子任务的排序值，排序值高的优先被调度，以非递增的方式排序后存储在任务排序列表中；
第三步，挑选出任务排序列表中的未被安排的第一个子任务，为该子任务找到能最短时间完成该子任务的交换机，将该子任务安排到该交换机上；
第四步，判断任务排序列表是否还存在未被安排的子任务，若是，则执行第三步；否则，执行第五步；
第五步，所有子任务都已被安排在特定交换机上，实现最短时间完成当前任务请求下所有子任务的调度。
步骤4，为每台交换机提供计算处理和传输：
对传感器上传的每个数据包进行解析，解析后进行动作匹配处理，将处理后更新的数据包发送到响应终端或下一跳交换机。
所述的对每个数据包进行解析步骤如下：在识别包头后提取相关字段，将数据包拆分成包头和包头以外的载荷。
所述动作匹配处理的步骤是：
第一步，将包头关键字输入到由关键字和动作组合的匹配动作表中进行匹配，丢弃匹配失败的数据包；
第二步，按匹配动作表对应的动作，对匹配成功的数据包中的载荷进行计算处理；
第三步，将分别处理后的包头和静荷组装成更新后的数据包。
所述的将处理后更新的数据包发送到响应端或下一跳交换机的步骤是：当一个数据包载入交换机端口时，将包头和包头以外的载荷分开，将包头目的地址与目的地址和交换机组合的路由表进行匹配，将匹配成功的更新后数据包发送到响应端或下一跳交换机。
步骤5，响应终端收到P4交换机传输的数据包指令时，控制响应对象做出相应动作。
所述的相应动作包含显示、保护、报警、启动和停机其中任意一种动作。
本发明的效果可以通过下面的仿真得到进一步证明。
1.仿真实验条件。
本次仿真基于Python的软件平台来模拟，以验证网内协同计算方法的可行性。用于测试的计算机CPU为i5-7200U，配置内存为8.00GB。
在本发明的仿真实验的应用场景中，不同任务内部的逻辑处理方式多样化。为不失一般性，对照真实的任务范例，设计了3种具有不同依赖关系的DAG任务模型，如图3所示，图中不同数字分别代表不同的节点。
为符合实际场景中交换机随机分布的特点，利用Python平台产生边连通度划分的4种按不规则网络拓扑结构，该网络拓扑结构是由10个交换机组成的，如图4所示。图中每个交换机上的数字标记了与其关联的边的条数。由边连通度的定义得知，网络拓扑Ⅰ、Ⅱ、Ⅲ、Ⅳ的边连通度依次为4、3、2、1。
本发明的仿真实验所用参数如链路传输速率和设备处理能力参数，基本参照交换机在4G(10～100Mbps)网络下工作的实际需求设置，但没有考虑传输过程中丢包后重传的时延消耗。
本发明仿真实验参数的具体设置如表1所示。
表1仿真参数表Tab.1Simulation parameters table
2.仿真内容与结果分析。
本发明的仿真实验1是采用本发明基于HEFT算法的协同计算和两个现有技术(本地计算和云计算)，采用图3所示的任务2模型和图4所示的网络拓扑Ⅱ，对三种计算方法的时延进行评估。设置每个P4节点接收数据包大小相同，对时延进行测试评估，当随着数据包大小由小变大时，三种方法及其链路的时延结果如图5所示，图5中的横坐标为数据包的大小，纵坐标为时延，以圆形标示的实线表示使用协同计算方法所得时延的仿真结果，以圆形标示的圆形虚线表示网内计算传输链路，以三角形标示的实线表示本地计算，三角形虚线表示本地计算传输链路，竖形实线表示云计算，竖形虚线表示云计算传输链路。
图5的结果表明，在相同负载下，与其他两种计算模式相比，网内协同计算的延时最小，链路时延的降低幅度最大，如包负载为1000Byte时，其链路时延分别比本地计算和云计算降低约28.27ms和69.91ms。当负载较小时，由于本地和云的计算能力超过网内协同计算，可以在一定程度上弥补传输距离远带来的不足，但随着包负载的增加，其计算优势明显降低，传输消耗逐渐增加。而网内协同计算的时延情况则相反，当包负载从200Byte增加到1000Byte，时延仅上升3.27ms。因此，本发明所提方法解决了包转发的传输损耗问题，更能满足包计算任务的低时延需求。
本发明的仿真实验2是采用本发明基于HEFT算法的调度算法和三个现有调度算法(加权循环WRR算法、贪婪负载均衡Greedy-LB算法和随机动态Pick-KX算法)，对四种算法从两方面进行了时延评估：一是处理的数据包大小，二是不同的任务类型。采用图4拓扑Ⅲ结构进行仿真，结果如图6所示，图6中紫色柱形表示贪婪负载均衡(Greedy-LB)算法，蓝色柱形表示加权循环(WRR)算法，绿色柱形表示随机动态(Pick-KX)算法，红色柱形表示HEFT任务调度算法。其中图6(a)是采用任务2模型所得结果。
在仿真实验2中，采用的三个现有技术是指：
现有技术1是指，刘林东在其发表的论文“一种改进的WRR独立任务调度算法研究”(广东第二师范学院学报，2020,40(03):89-93)中提出的一种改进的WRR独立任务调度算法，简称加权循环(WRR)算法。
现有技术2是指，郑忠斌等在其发表的论文“基于边缘计算的5G云网络架构计算卸载策略研究”(粘接，2021,47(08):97-101)中提到的一种贪婪负载均衡算法，为贪婪负载均衡(Greedy-LB)算法。
现有技术3是指，何秀丽等人在其发表的论文“面向医疗大数据的云雾网络及其分布式计算方案”(西安交通大学学报，2016，50(10):71-77)中提到的一种随机动态负载均衡算法，简称随机动态(Pick-KX)算法。
图6(a)的结果表明，无论数据包大小多大，HEFT算法的时延始终要低于其他3种调度算法。如包大小为1200Byte时，HEFT算法的延迟性能比Greedy-LB算法、WRR算法和Pick-KX算法分别改善25.6％、47.9％和54.3％。
为了证明本发明算法针对不同任务模型均适用，在图6(b)中给出对应仿真结果，可以看出，4种算法应用到3种任务模型(子任务数量相同)下的时延有一定差距，其中任务3的时延最低，任务1的时延最高。该结果由关键路径上的子任务数量所导致，与任务1和任务2相比，任务3在该路径下的子任务数量最少，因此所消耗的时间最短。此外，无论采用何种任务模型，HEFT算法相对于其他算法具有更低的延迟。主要原因是Pick-KX算法将子任务调度至节点时，未考虑设备的包转发能力。而WRR算法和Greedy-LB算法尽管在该问题上有所提升，然而却忽略了设备网络链路的通信开销问题。与其相反，本发明所用的HEFT算法以设备的计算和通信开销为优化指标，综合提高了资源的利用率，从而弥补了上述缺陷。

Claims (9)

1.一种基于分布式网内协同计算的物联网交互***，包括物联网云平台、传感器节点以及响应终端；其特征在于，还包括可编程P4交换机网络拓扑，其中：
所述物联网云平台，用于物联网云平台接收用户向平台下达的满足自身需求的任务请求，将接收到的任务请求映射至可编程P4交换机网络拓扑中；实时获取网络拓扑信息和每台交换机的节点状态；当接收到用户向物联网云平台下达的满足自身需求的任务信息时，云平台向所有P4可编程交换机部署任务映射策略，将用户任务下发至由所有P4可编程交换机组成的网络拓扑；
所述传感器节点，用于将每个传感器节点搜集到的满足任务请求的信号，以数据包的形式上传到网络拓扑中；
所述可编程P4交换机网络拓扑，由分布在用户附近的N个P4交换机组成，N≥3；通过异构最早完成时间HEFT算法，预先评估所有设备处理数据包和通信的能力，在满足任务请求的同时，将每个子任务映射到计算和通信资源集中的路径设备上；对传感器上传的每个数据包进行解析，解析后进行动作匹配处理，将处理后更新的数据包发送到响应终端或下一跳交换机；
所述响应终端，用于收到P4交换机传输的数据包指令时，控制响应对象做出相应动作。
2.根据权利要求1所述交互***的一种基于分布式网内协同计算的物联网交互的方法，其特征在于，物联网云平台将接收到的任务请求通过任务映射策略映射至可编程P4交换机网络拓扑，通过调度算法对路径上的交换机进行协同计算，为每台交换机提供计算处理和传输；该方法的步骤包括如下：
步骤1，物联网云平台接收用户任务请求获取网络拓扑信息和每台交换机的节点状态：
物联网云平台接收用户向平台下达的满足自身需求的任务请求，将接收到的任务请求映射至可编程P4交换机网络拓扑中；物联网云平台实时获取网络拓扑信息和每台交换机的节点状态，该网络拓扑由N台P4可编程交换机组成，N≥3；当接收到用户向物联网云平台下达的满足自身需求的任务信息时，云平台向所有P4可编程交换机部署任务映射策略，将用户任务下发至由所有P4可编程交换机组成的网络拓扑；
步骤2，将每个传感器节点搜集到的满足任务请求的信号，以数据包的形式上传到网络拓扑中；
步骤3，通过调度算法对路径上的交换机进行协同计算：
通过异构最早完成时间HEFT算法，预先评估所有设备处理数据包和通信的能力，在满足任务请求的同时，将每个子任务映射到计算和通信资源集中的路径设备上；
步骤4，为每台交换机提供计算处理和传输：
对传感器上传的每个数据包进行解析，解析后进行动作匹配处理，将处理后更新的数据包发送到响应终端或下一跳交换机；
步骤5，响应终端收到P4交换机传输的数据包指令时，控制响应对象做出相应动作。
3.根据权利要求2所述的基于分布式网内协同计算的物联网交互方法，其特征在于，步骤1中所述的满足自身需求的任务信息指的是用户达到自身需求所需要的测量数据和对数据的计算方式。
4.根据权利要求2所述的基于分布式网内协同计算的物联网交互方法，其特征在于，步骤1中所述的任务映射策略是一种以P4交换机为目标设备的映射策略，该策略包括节点映射和边映射规则，任务节点映射是将入口任务映射到P4的起始处理节点、中继任务映射到中继处理节点、出口任务映射到目标处理节点，边映射表示所有有向边映射到节点的最短路径。
5.根据权利要求2所述的基于分布式网内协同计算的物联网交互方法，其特征在于，步骤3中所述的调度算法的步骤如下：
第一步，得到当前任务请求下所有子任务的平均计算开销和平均通信开销；
第二步，遍历所有子任务的排序值，排序值高的优先被调度，以非递增的方式排序后存储在任务排序列表中；
第三步，挑选出任务排序列表中的未被安排的第一个子任务，为该子任务找到能最短时间完成该子任务的交换机，将该子任务安排到该交换机上；
第四步，判断任务排序列表是否还存在未被安排的子任务，若是，则执行第三步；否则，执行第五步；
第五步，所有子任务都已被安排在特定交换机上，实现最短时间完成当前任务请求下所有子任务的调度。
6.根据权利要求2所述的基于分布式网内协同计算的物联网交互方法，其特征在于，步骤4中所述的对每个数据包进行解析步骤如下：在识别包头后提取相关字段，将数据包拆分成包头和包头以外的载荷。
7.根据权利要求2所述的基于分布式网内协同计算的物联网交互方法，其特征在于，步骤4中所述动作匹配处理的步骤是：
第一步，将包头关键字输入到由关键字和动作组合的匹配动作表中进行匹配，丢弃匹配失败的数据包；
第二步，按匹配动作表对应的动作，对匹配成功的数据包中的载荷进行计算处理；
第三步，将分别处理后的包头和静荷组装成更新后的数据包。
8.根据权利要求2所述的基于分布式网内协同计算的物联网交互方法，其特征在于，步骤4中所述的将处理后更新的数据包发送到响应端或下一跳交换机的步骤是：当一个数据包载入交换机端口时，将包头和包头以外的载荷分开，将包头目的地址与目的地址和交换机组合的路由表进行匹配，将匹配成功的更新后数据包发送到响应端或下一跳交换机。
9.根据权利要求2所述的基于分布式网内协同计算的物联网交互方法，其特征在于，步骤5中所述的相应动作包含显示、保护、报警、启动和停机其中任意一种动作。
CN202310517824.5A 2023-05-09 2023-05-09 基于分布式网内协同计算的物联网交互***及方法 Pending CN116567089A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310517824.5A CN116567089A (zh) 2023-05-09 2023-05-09 基于分布式网内协同计算的物联网交互***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310517824.5A CN116567089A (zh) 2023-05-09 2023-05-09 基于分布式网内协同计算的物联网交互***及方法

Publications (1)

Publication Number Publication Date
CN116567089A true CN116567089A (zh) 2023-08-08

Family

ID=87492612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310517824.5A Pending CN116567089A (zh) 2023-05-09 2023-05-09 基于分布式网内协同计算的物联网交互***及方法

Country Status (1)

Country Link
CN (1) CN116567089A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117440026A (zh) * 2023-12-22 2024-01-23 国网四川省电力公司信息通信公司 基于电力物联网的终端连接与数据交互管控方法和***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117440026A (zh) * 2023-12-22 2024-01-23 国网四川省电力公司信息通信公司 基于电力物联网的终端连接与数据交互管控方法和***
CN117440026B (zh) * 2023-12-22 2024-03-15 国网四川省电力公司信息通信公司 基于电力物联网的终端连接与数据交互管控方法和***

Similar Documents

Publication Publication Date Title
Li et al. Adaptive transmission optimization in SDN-based industrial Internet of Things with edge computing
CN109818865B (zh) 一种sdn增强路径装箱装置及方法
CN103346922B (zh) 基于sdn的确定网络状态的控制器及其确定方法
CN108809857A (zh) 一种基于sdn的流量监控与业务服务质量保障策略的方法
CN112491619B (zh) 一种基于sdn的服务定制网络资源自适应分配方法
CN106537824B (zh) 用于减少信息中心网络的响应时间的方法和装置
CN112350949B (zh) 软件定义网络中基于流调度的重路由拥塞控制方法及***
CN114327526B (zh) 一种移动边缘计算环境中的任务卸载方法及其应用
CN116567089A (zh) 基于分布式网内协同计算的物联网交互***及方法
CN113472659B (zh) 转发路径的确定方法、装置及sdn控制器
Villota-Jacome et al. Admission control for 5G core network slicing based on deep reinforcement learning
CN115277574B (zh) 一种sdn架构下数据中心网络负载均衡方法
CN116032767A (zh) 一种面向智融标识网络的算力服务链管控***架构
Zheng et al. Minimizing the latency of embedding dependence-aware SFCs into MEC network via graph theory
CN116991500A (zh) 一种基于改进海鸥算法的边/云任务卸载方法
Chai et al. A parallel placement approach for service function chain using deep reinforcement learning
Gribaudo et al. Analysis of on-off policies in sensor networks using interacting markovian agents
Kuchuk et al. Traffic Modeling for the Industrial Internet of NanoThings
Si et al. Joint resource management in cognitive radio and edge computing based industrial wireless networks
Ren et al. A memetic algorithm for cooperative complex task offloading in heterogeneous vehicular networks
CN111245701B (zh) 一种基于最大加权匹配的链路优先虚拟网络映射方法
CN117579701A (zh) 一种移动边缘网络计算卸载方法及***
CN115604311B (zh) 一种面向服务网络的云端融合计算***及自适应路由方法
CN108040018B (zh) 一种网络功能虚拟化下的细粒度网络流调度方法及***
Feng et al. Analysis of edge computing model for real-time self-organizing push of data in wireless LAN environment

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