本发明涉及计算任务迁移技术领域,特别涉及一种计算任务迁移方法及计算任务迁移器。
背景技术
随着物联网迅猛发展,边缘终端设备的数量迅速增加,同时边缘终端设备所产生数据量已达到泽字节(zb)级别。集中式数据处理不能有效处理边缘终端设备所产生的海量数据,边缘计算已被业界普遍认定为下一代数字化转型的主要趋势之一。移动边缘计算(mobileedgecomputing,简称:mec)用于将传统云计算平台的部分计算任务迁移到接入域,并将传统业务与互联网业务进行深度融合,减少传统业务交付的端到端时延,进而给运营商的运作带来全新模式,并建立全新的产业链及生态圈。这种情况下,面对日益迫切的边缘计算及智能工业互联网发展需求,基于边缘计算的灾难救援计算任务迁移优化对于边缘计算及灾难救援的迅速持续发展具有重要意义。
现有技术中,随着边缘计算及灾难救援业务的快速增长,伴之产生的迁移高时延、负载不均衡、高流量成本等问题日益突出。现有云计算系统具有迁移高时延、负载不均衡、高流量成本等特性,未充分考虑到高时延、高流量成本、负载不均衡等方面问题。
技术实现要素:
本发明旨在至少解决上述现有技术中存在的技术问题之一,提供一种计算任务迁移方法及计算任务迁移器,用于实现计算任务迁移的低时延、低流量成本及负载均衡。
为实现上述目的,本发明提供了一种计算任务迁移方法,该计算任务迁移方法包括:
步骤s1、获取各计算任务迁移矩阵,所述计算任务迁移矩阵包括当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度;
步骤s2、根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度确定出最优计算任务迁移矩阵;
步骤s3、输出所述最优计算任务迁移矩阵。
可选地,步骤s2包括:
步骤s21、根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度生成各计算任务迁移矩阵的当前的判断参量;
步骤s22、对比各计算任务迁移矩阵的当前的判断参量,确定出当前具有最小判断参量的计算任务迁移矩阵;
步骤s23、根据当前具有最小判断参量的计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度生成当前具有最小判断参量的计算任务迁移矩阵的第一评价值、第二评价值和第三评价值;
步骤s24、判断所述第一评价值是否满足第一预设评价函数,所述第二评价值是否满足第二预设评价函数且所述第三评价值是否满足第三预设评价函数,若均判断为是,则执行步骤s27,否则,执行步骤s25;
步骤s25、根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度生成各计算任务迁移矩阵的迭代后的迁移距离成本、迭代后的迁移流量成本和迭代后的迁移负载均衡度;
步骤s26、以各计算任务迁移矩阵的迭代后的迁移距离成本作为当前的迁移距离成本,以迭代后的迁移流量成本作为当前的迁移流量成本并以迭代后的迁移负载均衡度作为当前的迁移负载均衡度,执行步骤s21;
步骤s27、确定当前具有最小判断参量的计算任务迁移矩阵为最优计算任务迁移矩阵并执行步骤s3。
可选地,步骤s21之前还包括:设置迭代初始参数k=0;
步骤s21包括:
步骤s21a、将当前迭代次数k进行加1处理;
步骤s21b、将当前的迁移距离成本、全局历史平均迁移距离成本、当前的迁移流量成本、全局历史平均迁移流量成本、当前的迁移负载均衡度和全局历史平均迁移负载均衡度代入判断参量公式:
其中,
可选地,步骤s23包括:
步骤s23a、将当前具有最小判断参量的计算任务迁移矩阵的当前的迁移距离成本代入第一评价值函数公式:
步骤s23b、将当前具有最小判断参量的计算任务迁移矩阵的当前的迁移流量成本代入第二评价值函数公式:
步骤s23c、将当前具有最小判断参量的计算任务迁移矩阵的当前的迁移负载均衡度代入第三评价值函数公式:
可选地,所述第一预设评价函数为
可选地,步骤s25包括:
步骤s25a、根据各计算任务迁移矩阵的当前的迁移距离成本
步骤s25b、将各计算任务迁移矩阵的当前的迁移距离成本
步骤s25c、将各计算任务迁移矩阵的当前的迁移距离成本
步骤s25d、将各计算任务迁移矩阵的当前的复合向量
步骤s25e、根据第k+1次迭代时各计算任务迁移矩阵的复合向量
可选地,步骤s26包括:以第k+1次迭代时各计算任务迁移矩阵的迁移距离成本作为各计算任务迁移矩阵的当前的迁移距离成本,以第k+1次迭代时各计算任务迁移矩阵的迁移流量成本作为各计算任务迁移矩阵的当前的迁移流量成本,并以第k+1次迭代时各计算任务迁移矩阵的迁移负载均衡度作为各计算任务迁移矩阵的当前的迁移负载均衡度,执行步骤s201。
可选地,步骤s25之后还包括:
步骤s25e、判断当前迭代次数k的值是否大于预设阈值d,若是,执行步骤s25f,若否,执行步骤s26;
步骤s25f、输出当前具有最小判断参量的计算任务迁移矩阵。
为实现上述目的,本发明提供一种计算任务迁移器,该计算任务迁移器包括:
获取模块,用于获取各计算任务迁移矩阵,所述计算任务迁移矩阵包括当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度;
确定模块,用于根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度确定出最优计算任务迁移矩阵;
输出模块,用于输出所述最优计算任务迁移矩阵。
本发明的有益效果:
本发明提供的计算任务迁移方法及计算任务迁移器的技术方案中,根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度确定出最优计算任务迁移矩阵,从而确定出与最优计算任务迁移矩阵对应的最优的计算任务迁移策略,实现了计算任务迁移的低时延、低流量成本及负载均衡。
附图说明
图1为本发明实施例一提供的一种计算任务迁移方法的流程图;
图2为本发明实施例二提供的一种计算任务迁移方法的流程图;
图3为计算任务迁移矩阵的结构示意图;
图4为本发明实施例二提供的计算任务迁移方法的应用示意图;
图5为本发明实施例三提供的计算任务迁移器的应用示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的计算任务迁移方法及计算任务迁移器进行详细描述。
图1为本发明实施例一提供的一种计算任务迁移方法的流程图,如图1所示,该计算任务迁移方法包括:
步骤s1、获取各计算任务迁移矩阵,计算任务迁移矩阵包括当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度。
步骤s2、根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度确定出最优计算任务迁移矩阵。
步骤s3、输出最优计算任务迁移矩阵。
本实施例所提供的计算任务迁移方法的技术方案中,根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度确定出最优计算任务迁移矩阵,从而确定出与最优计算任务迁移矩阵对应的最优的计算任务迁移策略,实现了计算任务迁移的低时延、低流量成本及负载均衡。
图2为本发明实施例二提供的一种计算任务迁移方法的流程图,如图2所示,该计算任务迁移方法包括:
步骤s201、获取计算任务迁移请求。
具体地,本实施例中,计算任务迁移请求可以通过感知层的接入终端,例如,灾难救援感知层的灾难监控传感器、灾难救援便携式边缘终端、灾难救援通信保障车中的通信终端、灾难救援现场指挥车的通信终端或者救援定位器等灾难救援感知设备,每隔预置时间主动上报获取,或者通过接入终端定期被询问机制询问获取,获取计算任务迁移请求后,将计算任务迁移请求进行汇总。
步骤s202、根据计算任务迁移请求进行计算任务迁移,生成初始的迁移距离成本、初始的迁移流量成本和初始的迁移负载均衡度。
具体地,以不同的计算任务迁移策略进行计算任务迁移,生成各计算任务迁移策略的迁移结果,迁移结果包括初始的迁移距离成本、初始的迁移流量成本和初始的迁移负载均衡度。
步骤s203、根据初始的迁移距离成本、初始的迁移流量成本和初始的迁移负载均衡度生成计算任务迁移矩阵。
具体地,根据各计算任务迁移策略对应的初始的迁移距离成本、初始的迁移流量成本和初始的迁移负载均衡度生成各计算任务迁移策略对应的计算任务迁移矩阵。
步骤s204、获取各计算任务迁移矩阵,计算任务迁移矩阵包括当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度。
优选地,当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度的数量均为多个。根据当前的迁移距离成本
步骤s205、建立迭代模型,所述迭代模型包括:
判断参量公式:
第一评价值函数公式:
第二评价值函数公式:
第三评价值函数公式:
第一预设评价函数:
其中,
步骤s206、设置迭代初始参数k=0和最大迭代次数d。
步骤s207、将当前迭代次数k进行加1处理。
步骤s208、根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度生成各计算任务迁移矩阵的当前的判断参量。
k=1时,计算任务迁移矩阵的初始的迁移距离成本即为计算任务迁移矩阵的当前的迁移距离成本,初始的迁移流量成本即为当前的迁移流量成本,初始的迁移负载均衡度即为当前的迁移负载均衡度。需要说明的是,之后的每次迭代后,各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度均会发生变化,例如,k=2时,则以第2次迭代时计算出的迁移距离成本、迁移流量成本和迁移负载均衡度分别作为当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度进行输入并执行步骤s208。以此类推,此处不再一一列举。
具体地,步骤s208包括:将当前的迁移距离成本、全局历史平均迁移距离成本、当前的迁移流量成本、全局历史平均迁移流量成本、当前的迁移负载均衡度和全局历史平均迁移负载均衡度代入判断参量公式:
其中,
步骤s209、对比各计算任务迁移矩阵的当前的判断参量,确定出当前具有最小判断参量的计算任务迁移矩阵。
具体地,根据判断参量公式,计算出各计算任务迁移矩阵的当前的判断参量后,通过对比各计算任务迁移矩阵的当前的判断参量即zk的值的大小,确定出当前具有最小的判断参量zk的值的计算任务迁移矩阵。
步骤s210、根据当前具有最小判断参量的计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度生成当前具有最小判断参量的计算任务迁移矩阵的第一评价值、第二评价值和第三评价值。
具体地,步骤s210包括:
步骤s210a、将当前具有最小判断参量的计算任务迁移矩阵的当前的迁移距离成本代入第一评价值函数公式:
步骤s210b、将当前具有最小判断参量的计算任务迁移矩阵的当前的迁移流量成本代入第二评价值函数公式:
步骤s210c、将当前具有最小判断参量的计算任务迁移矩阵的当前的迁移负载均衡度代入第三评价值函数公式:
步骤s211、判断所述第一评价值是否满足第一预设评价函数,第二评价值是否满足第二预设评价函数且第三评价值是否满足第三预设评价函数,若均判断为是,执行步骤s216,否则,执行步骤s212。
具体地,将步骤s210获得的第一评价值
步骤s212、根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度生成各计算任务迁移矩阵的迭代后的迁移距离成本、迭代后的迁移流量成本和迭代后的迁移负载均衡度。
具体地,步骤s212包括:
步骤s212a、根据各计算任务迁移矩阵的当前的迁移距离成本
步骤s212b、将各计算任务迁移矩阵的当前的迁移距离成本
步骤s212c、将各计算任务迁移矩阵的当前的迁移距离成本
步骤s212d、将各计算任务迁移矩阵的当前的复合向量
步骤s212e、根据第k+1次迭代时各计算任务迁移矩阵的复合向量
由于
步骤s213、判断当前迭代次数k的值是否大于预设阈值d,若是,执行步骤s214,若否,执行步骤s215。
本实施例中,d为50。
步骤s214、输出当前具有最小判断参量的计算任务迁移矩阵,并结束流程。
步骤s215、以各计算任务迁移矩阵的迭代后的迁移距离成本作为当前的迁移距离成本,以迭代后的迁移流量成本作为当前的迁移流量成本并以迭代后的迁移负载均衡度作为当前的迁移负载均衡度,执行步骤207。
具体地,步骤s215包括:以第k+1次迭代时各计算任务迁移矩阵的迁移距离成本作为各计算任务迁移矩阵的当前的迁移距离成本,以第k+1次迭代时各计算任务迁移矩阵的迁移流量成本作为各计算任务迁移矩阵的当前的迁移流量成本,并以第k+1次迭代时各计算任务迁移矩阵的迁移负载均衡度作为各计算任务迁移矩阵的当前的迁移负载均衡度,执行步骤s207。
步骤s216、确定当前具有最小判断参量的计算任务迁移矩阵为最优计算任务迁移矩阵。
步骤s217、输出最优计算任务迁移矩阵。
确定最优计算任务迁移矩阵,从而确定最优计算任务迁移策略,从而实现计算任务迁移的低时延、低流量成本及负载均衡。
需要说明的是,本实施例中,全文所出现的“当前”一词也可以理解为“第k次迭代时”,也就是说,全文中所出现的诸如“当前的迁移距离成本”、“当前的迁移流量成本”、“当前的迁移负载均衡”、“当前的判断参量”、“当前的复合向量”、“当前的第一评价值”、“当前的第二评价值”、“当前的第三评价值”及“当前具有最小判断参量的计算任务迁移矩阵”中的“当前”是表示“第k次迭代时”,因此,在计算“当前”的这些量时均是以第k次迭代时计算出的量对应代入求得。
本实施例所提供的计算任务迁移方法为基于边缘计算的计算任务迁移方法,图4为本发明实施例二提供的计算任务迁移化方法的应用示意图,如图4所示,基于边缘计算的计算任务迁移方法可应用于灾难救援场景,基于边缘计算的灾难救援计算任务迁移方法的应用系统主要分五个层面:灾难救援感知层、无人机基站边缘网络传输层、灾难救援边缘网关接入层、灾难救援边缘数据中心层和灾难救援指挥中心分析层。
其中,灾难救援感知层包括灾难监控传感器、灾难救援便携边缘终端、灾难救援通信保障车、灾难救援现场指挥车、救援定位器等灾难救援感知设备,实现数据采集及控制;无人机基站边缘网络传输层包括无人机基站和通信卫星,实现无人机基站和卫星网络的接入及数据传输;灾难救援边缘网关接入层由若干灾难救援边缘网关组成,实现来自运营商边缘网络、卫星网络的接入;灾难救援边缘数据中心层由若干救援边缘服务器组成,实现对来自灾难救援感知设备的灾难救援计算任务迁移请求进行部分处理及转发剩余部分计算任务迁移请求;灾难救援指挥中心分析层由若干救援分析处理器和灾难救援数据库组成,实现对来自灾难救援感知设备的计算任务迁移请求的处理及分析,主要处理和分析除迁移到救援边缘服务器外的剩余部分灾难救援感知设备的计算任务迁移请求。
其中,灾难监控传感器、灾难救援便携边缘终端、灾难救援通信保障车、灾难救援现场指挥车、救援定位器等灾难救援感知设备,用于接入无人机基站边缘网络传输层的无人机基站、通信卫星,并传送灾难救援计算任务迁移请求;无人机基站边缘网络传输层的无人机基站、通信卫星用于直接或间接通过因特网接入灾难救援边缘网关接入层的灾难救援边缘网关,并传送灾难救援计算任务迁移请求;灾难救援边缘网关用于接入到灾难救援边缘数据中心层的救援边缘服务器,并传送灾难救援计算任务迁移请求;灾难救援边缘数据中心层的救援边缘服务器用于根据部分灾难救援计算任务迁移请求获取相应部分灾难救援服务,将相应部分灾难救援服务通过运营商边缘网络、卫星网络、无人机基站、灾难救援感知设备提供给用户,并将剩余部分灾难救援计算任务迁移请求传送至灾难救援指挥中心分析层;灾难救援指挥中心分析层的救援分析处理器分析原灾难救援计算任务迁移请求中剩余的灾难救援分析服务请求,并从灾难救援数据库中提取剩余灾难救援分析服务所需灾难救援感知数据,将所需剩余部分灾难救援计算任务迁移请求的分析结果即最优计算任务迁移矩阵对应的计算任务迁移策略和灾难救援感知数据返回给救援边缘服务器,由救援边缘服务器通过灾难救援边缘网关、运营商边缘网络、无人机基站、卫星网络将剩余部分灾难救援计算任务迁移请求的分析结果即最优计算任务迁移矩阵对应的计算任务迁移策略和灾难救援感知数据返回给灾难监控传感器、灾难救援便携边缘终端、灾难救援通信保障车、灾难救援现场指挥车、救援定位器等灾难救援感知设备。
本实施例中,各计算任务迁移请求具有不同优先等级。当接收到计算任务迁移请求后,根据计算任务迁移请求通过不同的计算任务迁移策略进行计算任务迁移,得到包括初始的迁移距离成本、初始的迁移流量成本和初始的迁移负载均衡度的迁移结果,再通过本实施例中的迭代模型进行对该迁移结果进行数据分析、判断,从而确定出最优的计算任务迁移矩阵对应的最优计算任务迁移策略,最后输出该最优的计算任务迁移矩阵及其对应的计算任务迁移策略。本实施例中的迭代模型,结合多维空间多层隐藏递归神经网络负载均衡学习分析思想,基于多维空间、多层隐藏神经网络、负载均衡策略、概率论、生物学、运筹学、智能优化、机器学习等理论,实现了计算任务迁移的低时延、低迁移流量成本、低迁移距离成本和负载均衡的优势。
本实施例所提供的计算任务迁移方法的技术方案中,根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度确定出最优计算任务迁移矩阵,从而确定出与最优计算任务迁移矩阵对应的最优的计算任务迁移策略,实现了计算任务迁移的低时延、低流量成本及负载均衡。
本发明实施例三提供了一种计算任务迁移器,该计算任务迁移器包括:获取模块,用于获取各计算任务迁移矩阵,所述计算任务迁移矩阵包括当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度;确定模块,用于根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度确定出最优计算任务迁移矩阵;输出模块,用于输出所述最优计算任务迁移矩阵。
本实施例所提供的计算任务迁移器,用于实现上述实施例二提供的计算任务迁移方法,具体描述可参见上述实施例二,此处不再展开赘述。
图5为本发明实施例三提供的计算任务迁移器的应用示意图,如图5所示,当计算任务迁移器接收到m个计算任务迁移请求后,对每个计算任务迁移请求采用不同计算任务迁移策略进行计算任务迁移优化处理,生成迁移距离成本、迁移流量成本和迁移负载均衡度,根据迁移距离成本、迁移流量成本和迁移负载均衡度生成计算任务迁移矩阵,再根据迁移距离成本、迁移流量成本和迁移负载均衡度确定出最优计算任务迁移矩阵,从而确定出与最优计算任务迁移矩阵对应的最优计算任务迁移策略,最终得出各计算任务迁移请求最后的分析结果,分析结果同样为m个。其中,各计算任务迁移请求相互独立互不干扰,m为设定数量。
本实施例所提供的计算任务迁移器的技术方案中,根据各计算任务迁移矩阵的当前的迁移距离成本、当前的迁移流量成本和当前的迁移负载均衡度确定出最优计算任务迁移矩阵,从而确定出与最优计算任务迁移矩阵对应的最优的计算任务迁移策略,实现了计算任务迁移的低时延、低流量成本及负载均衡。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。