CN112148449A - 一种局域网的基于边缘计算的调度算法及系统 - Google Patents
一种局域网的基于边缘计算的调度算法及系统 Download PDFInfo
- Publication number
- CN112148449A CN112148449A CN202011004140.8A CN202011004140A CN112148449A CN 112148449 A CN112148449 A CN 112148449A CN 202011004140 A CN202011004140 A CN 202011004140A CN 112148449 A CN112148449 A CN 112148449A
- Authority
- CN
- China
- Prior art keywords
- edge computing
- task
- edge
- calculation
- tasks
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 93
- 238000007618 network scheduling algorithm Methods 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims abstract description 4
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 102100021164 Vasodilator-stimulated phosphoprotein Human genes 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 108010054220 vasodilator-stimulated phosphoprotein Proteins 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—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
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/48—Indexing scheme relating to G06F9/48
- G06F2209/484—Precedence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multi Processors (AREA)
Abstract
本发明提出了一种局域网的基于边缘计算的调度算法及系统，该方法包括以下步骤:获取边缘计算网络中的计算任务量X、计算场景数N,确定每个计算任务的优先级；将X个计算任务根据优先级高低分配到不同优先级等级的队列中，形成Y个不同优先级等级的就绪队列，Y为大于1的正整数；执行就绪队列中的任务，每个任务执行时选择最优的n个边缘计算节点，n为正整数；监听任务执行过程，每次计算时间不超过设定的计算周期，如在设定的计算周期内，存在未完成的任务，则暂停该任务，并将其放到该优选级等级的就绪队列末。该调度算法使不同场景的计算任务不同队列，任务不会长时间阻塞，确保所有任务得到正常执行。
Description
技术领域
本发明涉及计算机领域，具体涉及一种局域网的基于边缘计算的调度算法及系统。
背景技术
边缘计算是指在靠近物、用户、数据源的一侧，采用网络、计算、存储等核心能力，为用户提供更低成本、更快速、更实时、更安全的一体化开放平台。其应用在云端发起，其逻辑在边缘侧执行，其数据在终端产生，从而满足行业在实时业务、应用智能、安全与隐私保护等方面的需求。
边缘计算是一种分布式运算的架构，通过选择最合适的边缘节点，将大型服务、数据和计算加以分解切割成更小、更容易管理的部分，分散到边缘节点去执行，最后形成计算结果。
一般来说，边缘计算采用“大二层”结构，包括调度框架和执行框架两个部分，调度是中心节点，执行是广泛分布在不同地域、不同类型、不同规模的边缘计算节点ECN。所以边缘调度算法(Edge Scheduling Algorithm，ESA)在边缘计算中具有非常重要的作用，它主要实现如下两个任务：如何确定任务执行的先后顺序，如何选择最优的边缘计算节点，从而满足不同场景的计算任务的要求。
目前，在如何确定任务执行的先后顺序方面，常用的方法有先来先服务调度算法，按照任务到达的先后顺序进行调度，即优先考虑在系统中等待时间最长的作业，利用这种方法排在长任务后的短任务的等待时间大，而且带权周转时间大，不利于短任务执行。另一种常用的方法为优先级调度算法，系统调度时选择优先级最高的任务，为其分配计算节点，利用这种方法时如果有源源不断的高优先级任务到来，那么低优先级的任务可能会长期得不到执行。
发明内容
为了克服上述现有技术中存在的缺陷，本发明的目的是提供一种局域网的基于边缘计算的调度算法及系统。
为了实现本发明的上述目的，本发明提供了一种局域网的基于边缘计算的调度算法，包括以下步骤:
获取边缘计算网络中的计算任务量X、计算场景数N,确定每个计算任务的优先级，所述X和N为正整数；
将所述X个计算任务根据优先级高低分配到不同优先级等级的队列中，形成Y个不同优先级等级的就绪队列，所述Y为大于1的正整数；
执行就绪队列中的任务，每个任务执行时选择最优的n个边缘计算节点，所述n为正整数；
监听任务执行过程，每次计算时间不超过设定的计算周期，如在设定的计算周期内，存在未完成的任务，则暂停该任务，并将其放到该优先级等级的就绪队列末，然后选取下一优先级等级列首的任务执行，如此将每个优先级队列任务依次轮询调用。
本发明在先来先服务和优先级调度算法基础上添加了时间周期轮转，并且将不同场景的计算任务不同队列，区分了任务类型，公平的、轮流的为各个任务服务，让每个任务在一定时间间隔内都可以得到响应，使得任务不会长时间阻塞，确保所有任务得到正常执行。
本发明的一种优选方案，最优的n个边缘计算节点的计算方法为：计算当前系统各边缘计算节点的服务能力值、当前系统的边缘计算整体服务能力值以及各边缘计算节点在各计算场景方面的当前服务能力值；
根据各边缘计算节点的服务能力值得到各边缘计算节点整体服务能力值，确定需要给任务分配的边缘计算节点数量n，根据各边缘计算节点在各计算场景方面的当前服务能力值的大小对边缘计算节点排序，并返回排序靠前的n台边缘计算节点执行计算待分配任务。
边缘计算整体服务能力值表示统计全网每个节点的综合算力使用情况的总和，并通过该服务能力值确定是否需要给任务多分配计算节点，并满足边缘计算在算力空闲的情况下，最大化利用资源。
本发明的一种优选方案，第i台边缘计算节点服务能力值S[i]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(1-节点接受任务数/全网任务数)*P[i]，0<i<m，m为边缘计算节点的总数，P1、P2、P3、P4是权重系数，P1+P2+P3+P4＝1，其中P[i]为第i台边缘计算节点当前的综合指数，P[i]＝∑Fn(0<n<N)，Fn为当前边缘计算节点的第n个计算场景的计算能力；
当前系统的边缘计算整体服务能力值的计算方法为：边缘计算整体服务能力值S[I]＝∑S[i](0<i<m)；
任务需要的边缘计算节点数量n＝d+[(1+S[I])/k]，其中，d为系统默认分配边缘计算节点数量，k为系统边缘计算整体服务能力基本水平值，为常数；
第i台边缘计算节点在F[n]计算场景方面的当前服务能力值S[in]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(1-节点接受任务数/全网任务数)*(P[i]*F[n])，F[n]指第n个计算场景，对第i台边缘计算节点在F[n]计算场景方面的当前服务能力值进行从大到小排序，并根据任务需要的边缘计算节点数量n依次选取边缘计算节点并得到任务需要的边缘计算节点列表。
通过数学公式量化了边缘计算节点的服务能力，保证用户任务选择最优的节点来执行。
本发明的一种优选方案，边缘计算节点的服务能力值的计算方法为：第i台边缘计算节点服务能力值S[i]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(成功任务数/失败任务数/最大任务数量)*P[i]，0<i<m，m为边缘计算节点的总数，P1、P2、P3、P4是权重系数，P1+P2+P3+P4＝1,其中P[i]为第i台边缘计算节点当前的综合指数，P[i]＝∑Fn(0<n<N)，Fn为当前边缘计算节点的第n个计算场景的计算能力；
当前系统的边缘计算整体服务能力值的计算方法为：边缘计算整体服务能力值S[I]＝∑S[i](0<i<m)，任务需要的边缘计算节点数量n＝d+[(1+S[I])/k]，其中，d为系统默认分配边缘计算节点数量，k为系统边缘计算整体服务能力基本水平值，为常数；
第i台边缘计算节点在F[n]计算场景方面的当前服务能力值S[in]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(成功任务数/失败任务数/最大任务数量)*(P[i]*F[n])，F[n]指第n个计算场景，对第i台边缘计算节点在F[n]计算场景方面的当前服务能力值进行从大到小排序，并根据任务需要的边缘计算节点数量n依次选取边缘计算节点并得到任务需要的边缘计算节点列表。
通过数学公式量化了边缘计算节点的服务能力，保证用户任务选择最优的节点来执行。
本发明的一种优选方案，不同优先等级队列的任务执行时间周期相同或者不同或不完全相同。通过设置任务执行时间周期的长短，可以根据任务量动态调整不同场景任务的执行时间，提高效率。
本发明的一种优选方案，不同优先等级队列的任务执行时间周期的长短与优先级等级高低成正比。优先等级高，执行时间长，保证优先级高的任务先执行完成。
本发明还提供了一种边缘计算调度系统，其包括资源调度节点和多个边缘计算节点，所述资源调度节点接收客户的多个计算任务并按照本发明所述的方法将控制每个任务的执行，任务执行时选择最优的n个边缘计算节点。
本发明的边缘计算调度系统使不同优先级的任务位于不同的队列中，轮询执行，任务不会长时间阻塞，确保所有任务得到正常执行。
另外还能够量化边缘计算节点的服务能力，保证用户任务选择最优的节点来执行。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一种优选实施方式中边缘计算调度算法的流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
如图1所示，本发明提供了一种局域网的基于边缘计算的调度算法，如图1所示，包括以下步骤:
获取边缘计算网络中的计算任务量X、计算场景数N,确定每个计算任务的优先级，所述X和N为正整数。例如根据不同的任务类型(或者计算场景)设置优先权等级，例如有多个计算场景(包括深度学习，加强学习，生成对抗，物联网，大数据，云渲染，VASP等，可根据实际需要设置它们的优先级，例如将深度学习，加强学习设置为一级，将生成对抗，物联网设置为二级，将大数据，云渲染，VASP设置为三级，技术越高优先级越高)。
将所述X个计算任务根据优先级高低分配到不同优先级等级的队列中，形成Y个不同优先级等级的就绪队列，所述Y为大于1的正整数。
执行就绪队列中的任务，每个任务执行时选择最优的n个边缘计算节点，所述n为正整数。
监听任务执行过程，每次计算时间不超过设定的计算周期，如在设定的计算周期内，存在未完成的任务，则暂停该任务，并将其放到该优先级等级的就绪队列末，然后选取下一优先级等级列首的任务执行，如此将每个优先级队列任务依次轮询调用。待最后一个优先级列首的任务被执行后，回到第一个优先级的列首选取任务执行。
具体计算时，执行每个优先级队列最前面的任务，每个优先级队列任务依次轮询调用，若当前全网空闲节点不支持该任务类型或无法满足当前任务要求的将自动跳转到下一个优先级队列进行选取，直到当前有可用节点满足任务需求位置或用户主动取消任务为止。
这里最优的n个边缘计算节点的计算方法为：计算当前系统各边缘计算节点的服务能力值、当前系统的边缘计算整体服务能力值以及各边缘计算节点在各计算场景方面的当前服务能力值；
根据各边缘计算节点的服务能力值得到各边缘计算节点整体服务能力值，确定需要给任务分配的边缘计算节点数量n，根据各边缘计算节点在各计算场景方面的当前服务能力值的大小对边缘计算节点排序，并返回排序靠前的n台边缘计算节点执行计算待分配任务。
用Q[ij]表示第i个队列的第j个任务，任务t＝Q[ij]需要在n(m>n)台节点处理。
这里至少提供两种计算当前系统每个边缘计算节点的服务能力值和当前系统的边缘计算整体服务能力值的计算方法。
第一种计算方法：第i台边缘计算节点服务能力值S[i]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(1-节点接受任务数/全网任务数)*P[i]，0<i<m，m为边缘计算节点的总数，P1、P2、P3、P4是权重系数，P1+P2+P3+P4＝1，其中P[i]为第i台边缘计算节点当前的综合指数，P[i]＝∑Fn(0<n<N)，Fn为当前边缘计算节点的第n个计算场景的计算能力。
支持不同计算场景的边缘计算节点综合指数不一样，一般来说，专业性越强综合指数值越低。假如深度学习是F1＝0.2，增强学习是F2＝0.2，生成对抗是F3＝0.15，物联网是F4＝0.3,大数据是F5＝0.35，云渲染是F6＝0.2，VASP是F7＝0.1，如果第i台节点所有应用场景都支持，那么该节点综合指数为P[i]＝∑Fn(0<n<N)＝1.5。
当前系统的边缘计算整体服务能力值的计算方法为：边缘计算整体服务能力值S[I]＝∑S[i](0<i<m)。
通常，执行当前任务需要的节点数n由两部分组成，一部分由用户在下发任务时指定，一部分由平台自行分配；当用户指定的节点数量小于系统默认分配边缘计算节点数量d时，n＝d；当用户指定的节点数量大于系统默认分配边缘计算节点数量d时，n＝用户指定的节点数量；只有当用户指定的节点数量等于系统默认分配边缘计算节点数量d时，才额外分配更多的节点，系统分配的多余节点会根据当前边缘计算整体服务能力值进行动态变化，当系统服务能力达到系统边缘计算整体服务能力基本水平值k时将才分配多余节点，此时n＝d+[(1+S[I])/k]，k是常数；如果系统服务能力未达到系统边缘计算整体服务能力基本水平值k时，将不分配多余节点。
第i台边缘计算节点在F[n]计算场景方面的当前服务能力值S[in]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(1-节点接受任务数/全网任务数)*(P[i]*F[n])，F[n]指第n个计算场景，对第i台边缘计算节点在F[n]计算场景方面的当前服务能力值进行从大到小排序，并根据任务需要的边缘计算节点数量n依次选取边缘计算节点并得到任务需要的边缘计算节点列表。
该计算方法根据任务条件筛选全网可用的边缘计算节点，并根据可用的边缘计算节点的任务接受情况对其根据计算比例加权计算，从而得到当前系统每个边缘计算节点的服务能力值，再对当前系统每个边缘计算节点的服务能力值进行汇总得到当前系统的边缘计算整体服务能力值。
第二种计算方法：第i台边缘计算节点服务能力值S[i]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(成功任务数/失败任务数/最大任务数量)*P[i]，0<i<m，m为边缘计算节点的总数，P1、P2、P3、P4是权重系数，P1+P2+P3+P4＝1,其中P[i]为第i台边缘计算节点当前的综合指数，P[i]＝∑Fn(0<n<N)，Fn为当前边缘计算节点的第n个计算场景的计算能力。
当前系统的边缘计算整体服务能力值的计算方法为：边缘计算整体服务能力值S[I]＝∑S[i](0<i<m)。
通常，执行当前任务需要的节点数n由2部分组成，一部分由用户在下发任务时指定，一部分由平台自行分配；当用户指定的节点数量小于系统默认分配边缘计算节点数量d时，n＝d；当用户指定的节点数量大于系统默认分配边缘计算节点数量d时，n＝用户指定的节点数量；只有当用户指定的节点数量等于系统默认分配边缘计算节点数量d时，才额外分配更多的节点，系统分配的多余节点会根据当前边缘计算整体服务能力值进行动态变化，当系统服务能力达到系统边缘计算整体服务能力基本水平值k时将才分配多余节点，此时n＝d+[(1+S[I])/k]，k是常数；如果系统服务能力未达到系统边缘计算整体服务能力基本水平值k时，将不分配多余节点。
第i台边缘计算节点在F[n]计算场景方面的当前服务能力值S[in]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(成功任务数/失败任务数/最大任务数量)*(P[i]*F[n])，F[n]指第n个计算场景，对第i台边缘计算节点在F[n]计算场景方面的当前服务能力值进行从大到小排序，并根据任务需要的边缘计算节点数量n依次选取边缘计算节点并得到任务需要的边缘计算节点列表。
该计算方法根据任务条件筛选全网可用的边缘计算节点，计算各可用的边缘计算节点的成功率，从而得到当前系统每个边缘计算节点的服务能力值和当前系统的边缘计算整体服务能力值。
本发明通过量化边缘计算节点的服务能力，保证了用户任务选择最优的节点来执行。
根据本发明的一种优选实施方式，不同优先等级队列的任务执行时间周期相同或者不同或不完全相同。通过设置任务执行时间Ty的长短，可以根据任务量动态调整不同场景任务的执行时间，提高效率。根据本发明的另一种优选实施方式，不同优先等级队列的任务执行时间周期的长短与优先级等级高低成正比。优先等级高，执行时间长，保证优先级高的任务先执行完成。根据本发明的一种优选实施方式，不同场景的计算任务的优先级等级不同。例如：将深度学习、加强学习设置为一级，将生成对抗、物联网设置为二级，将大数据、云渲染、VASP设置为三级，技术越高优先级越高。
本发明还提供了一种边缘计算调度系统，其包括资源调度节点和多个边缘计算节点，所述资源调度节点接收客户的多个计算任务并按照本发明所述的方法将控制每个任务的执行，任务执行时选择最优的n个边缘计算节点。本发明的边缘计算调度系统使不同优先级的任务位于不同的队列中，轮询执行，任务不会长时间阻塞，确保所有任务得到正常执行。另外还能够量化边缘计算节点的服务能力，保证用户任务选择最优的节点来执行。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (9)
1.一种局域网的基于边缘计算的调度算法，其特征在于，包括以下步骤:
获取边缘计算网络中的计算任务量X、计算场景数N,确定每个计算任务的优先级，所述X和N为正整数；
将所述X个计算任务根据优先级高低分配到不同优先级等级的队列中，形成Y个不同优先级等级的就绪队列，所述Y为大于1的正整数；
执行就绪队列中的任务，每个任务执行时选择最优的n个边缘计算节点，所述n为正整数；
监听任务执行过程，每次计算时间不超过设定的计算周期，如在设定的计算周期内，存在未完成的任务，则暂停该任务，并将其放到该优先级等级的就绪队列末，然后选取下一优先级等级列首的任务执行，如此将每个优先级队列任务依次轮询调用。
2.根据权利要求1所述的一种局域网的基于边缘计算的调度算法，其特征在于，最优的n个边缘计算节点的计算方法为：计算当前系统各边缘计算节点的服务能力值、当前系统的边缘计算整体服务能力值以及各边缘计算节点在各计算场景方面的当前服务能力值；
根据各边缘计算节点的服务能力值得到各边缘计算节点整体服务能力值，确定需要给任务分配的边缘计算节点数量n，根据各边缘计算节点在各计算场景方面的当前服务能力值的大小对边缘计算节点排序，并返回排序靠前的n台边缘计算节点执行计算待分配任务。
3.根据权利要求2所述的一种局域网的基于边缘计算的调度算法，其特征在于，边缘计算节点的服务能力值的计算方法为：第i台边缘计算节点服务能力值S[i]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(1-节点接受任务数/全网任务数)*P[i]，0<i<m，m为边缘计算节点的总数，P1、P2、P3、P4是权重系数，P1+P2+P3+P4＝1，其中P[i]为第i台边缘计算节点当前的综合指数，P[i]＝∑Fn(0<n<N)，Fn为当前边缘计算节点的第n个计算场景的计算能力；
当前系统的边缘计算整体服务能力值的计算方法为：边缘计算整体服务能力值S[I]＝∑S[i](0<i<m)；
任务需要的边缘计算节点数量n＝d+[(1+S[I])/k]，其中，d为系统默认分配边缘计算节点数量，k为系统边缘计算整体服务能力基本水平值，为常数；
第i台边缘计算节点在F[n]计算场景方面的当前服务能力值S[in]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(1-节点接受任务数/全网任务数)*(P[i]*F[n])，F[n]指第n个计算场景，对第i台边缘计算节点在F[n]计算场景方面的当前服务能力值进行从大到小排序，并根据任务需要的边缘计算节点数量n依次选取边缘计算节点并得到任务需要的边缘计算节点列表。
4.根据权利要求2所述的一种局域网的基于边缘计算的调度算法，其特征在于，边缘计算节点的服务能力值的计算方法为：第i台边缘计算节点服务能力值S[i]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(成功任务数/失败任务数/最大任务数量)*P[i]，0<i<m，m为边缘计算节点的总数，P1、P2、P3、P4是权重系数，P1+P2+P3+P4＝1,其中P[i]为第i台边缘计算节点当前的综合指数，P[i]＝∑Fn(0<n<N)，Fn为当前边缘计算节点的第n个计算场景的计算能力；
当前系统的边缘计算整体服务能力值的计算方法为：边缘计算整体服务能力值S[I]＝∑S[i](0<i<m)；
任务需要的边缘计算节点数量n＝d+[(1+S[I])/k]，其中，d为系统默认分配边缘计算节点数量，k为系统边缘计算整体服务能力基本水平值，为常数；
第i台边缘计算节点在F[n]计算场景方面的当前服务能力值S[in]＝(服务器CPU核数*P1+服务器GPU核数*P2+内存*P3+磁盘剩余容量*P4)*(成功任务数/失败任务数/最大任务数量)*(P[i]*F[n])，F[n]指第n个计算场景，对第i台边缘计算节点在F[n]计算场景方面的当前服务能力值进行从大到小排序，并根据任务需要的边缘计算节点数量n依次选取边缘计算节点并得到任务需要的边缘计算节点列表。
5.如权利要求1所述的一种局域网的基于边缘计算的调度算法，其特征在于，不同优先等级队列的任务执行时间周期相同或者不同或不完全相同。
6.如权利要求1所述的一种局域网的基于边缘计算的调度算法，其特征在于，不同优先等级队列的任务执行时间周期的长短与优先级等级高低成正比。
7.如权利要求1所述的一种局域网的基于边缘计算的调度算法，其特征在于，不同场景的计算任务的优先级等级不同。
8.如权利要求1所述的一种局域网的基于边缘计算的调度算法，其特征在于，若当前全网空闲节点不支持该任务类型或无法满足当前任务要求时，将自动跳转到下一个优先级队列进行选取，直到当前有可用节点满足任务需求位置或用户主动取消任务为止。
9.一种边缘计算调度系统，其特征在于，包括资源调度节点和多个边缘计算节点，所述资源调度节点接收客户的多个计算任务并按照权利要求1-8之一所述的方法将控制每个任务的执行，任务执行时选择最优的n个边缘计算节点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011004140.8A CN112148449B (zh) | 2020-09-22 | 2020-09-22 | 一种局域网的基于边缘计算的调度算法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011004140.8A CN112148449B (zh) | 2020-09-22 | 2020-09-22 | 一种局域网的基于边缘计算的调度算法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112148449A true CN112148449A (zh) | 2020-12-29 |
| CN112148449B CN112148449B (zh) | 2024-06-04 |
Family
ID=73897753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011004140.8A Active CN112148449B (zh) | 2020-09-22 | 2020-09-22 | 一种局域网的基于边缘计算的调度算法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112148449B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114567560A (zh) * | 2022-01-20 | 2022-05-31 | 国网江苏省电力有限公司信息通信分公司 | 基于生成对抗模仿学习的边缘节点动态资源分配方法 |
| CN117176728A (zh) * | 2023-07-04 | 2023-12-05 | 北京百星电子系统有限公司 | 基于云边协同技术的工业物联网调度方法及调度系统 |
| CN118963946A (zh) * | 2024-07-30 | 2024-11-15 | 北京科杰科技有限公司 | 一种分布式去中心化的任务调度系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8151272B2 (en) * | 2008-04-07 | 2012-04-03 | At&T Intellectual Property I, Lp | Optimized usage of collector resources for performance data collection through even task assignment |
| CN111597043A (zh) * | 2020-05-14 | 2020-08-28 | 行星算力(深圳)科技有限公司 | 一种全场景边缘计算方法、装置及系统 |
| CN111597025A (zh) * | 2020-05-14 | 2020-08-28 | 行星算力(深圳)科技有限公司 | 一种边缘计算调度算法及系统 |
-
2020
- 2020-09-22 CN CN202011004140.8A patent/CN112148449B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8151272B2 (en) * | 2008-04-07 | 2012-04-03 | At&T Intellectual Property I, Lp | Optimized usage of collector resources for performance data collection through even task assignment |
| CN111597043A (zh) * | 2020-05-14 | 2020-08-28 | 行星算力(深圳)科技有限公司 | 一种全场景边缘计算方法、装置及系统 |
| CN111597025A (zh) * | 2020-05-14 | 2020-08-28 | 行星算力(深圳)科技有限公司 | 一种边缘计算调度算法及系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114567560A (zh) * | 2022-01-20 | 2022-05-31 | 国网江苏省电力有限公司信息通信分公司 | 基于生成对抗模仿学习的边缘节点动态资源分配方法 |
| CN114567560B (zh) * | 2022-01-20 | 2024-07-12 | 国网江苏省电力有限公司信息通信分公司 | 基于生成对抗模仿学习的边缘节点动态资源分配方法 |
| CN117176728A (zh) * | 2023-07-04 | 2023-12-05 | 北京百星电子系统有限公司 | 基于云边协同技术的工业物联网调度方法及调度系统 |
| CN117176728B (zh) * | 2023-07-04 | 2024-07-05 | 钟漍标 | 基于云边协同技术的工业物联网调度方法及调度系统 |
| CN118963946A (zh) * | 2024-07-30 | 2024-11-15 | 北京科杰科技有限公司 | 一种分布式去中心化的任务调度系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112148449B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111427679B (zh) | 面向边缘计算的计算任务调度方法、系统、装置 | |
| CN112148449A (zh) | 一种局域网的基于边缘计算的调度算法及系统 | |
| CN112148454A (zh) | 一种支持串行和并行的边缘计算方法及电子设备 | |
| CN106445675B (zh) | 一种b2b平台分布式应用调度与资源分配方法 | |
| CN108345501A (zh) | 一种分布式资源调度方法和系统 | |
| JP2001103120A (ja) | 通信ネットワークにおいてトラフィックをスケジュールする方法及び装置 | |
| CN113127170B (zh) | 用于在联系人中心系统中配对的方法、系统和制品 | |
| CN111131421A (zh) | 一种工业互联网现场大数据与云端信息互联互通的方法 | |
| CN109039953B (zh) | 带宽调度方法及装置 | |
| US7969884B1 (en) | Method and system for weight and rate scheduling | |
| CN113157443A (zh) | 一种基于边缘计算环境的资源均衡调度方法 | |
| KR100479306B1 (ko) | 작업 흐름 관리 방법 및 장치 및 수행 명령어를 포함하는 컴퓨터 판독가능 매체 | |
| Glazebrook et al. | On the optimal allocation of service to impatient tasks | |
| CN112988354A (zh) | 一种卫星通信系统出站资源优化管理方法 | |
| CN117407160A (zh) | 一种边缘计算场景下在线任务和离线任务的混合部署方法 | |
| CN111597025B (zh) | 一种边缘计算调度算法及系统 | |
| Dharwadkar et al. | A heuristic for dynamic bandwidth allocation with preemption and degradation for prioritized requests | |
| CN109783236B (zh) | 用于输出信息的方法和装置 | |
| CN118484287A (zh) | 一种面向多级时空分析任务的边云动态调度方法 | |
| Kryvinska et al. | An analytical approach to the efficient real-time events/services handling in converged network environment | |
| Sharifnia | Instability of the join-the-shortest-queue and FCFS policies in queueing systems and their stabilization | |
| US7801152B2 (en) | Method and system for scheduling utilization of resources, related communication network and computer program product | |
| Stavrinides et al. | Multi-criteria scheduling of complex workloads on distributed resources | |
| US8316372B2 (en) | Method for multiclass task allocation | |
| CN115840632A (zh) | 基于时序数据库的分布式调度管理方法及系统 |
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 |