一种基于边缘计算环境的资源均衡调度方法与流程

本发明属于边缘计算技术领域，具体涉及一种基于边缘计算环境的资源均衡调度方法。

背景技术：

随着电力物联网建设的推进，电力物联网代表的云-边-端整体架构的电力系统的发展为电力数据采集提供了新的挑战和机会。电力物联网所要求实现的状态全面感知、信息高效处理、应用便捷灵活等需求的增强，必将造成连接到电力物联网的终端设备以及数据量呈指数级的增长、数据获取的方式的改变以及数据处理时效的提升。在现有的云-端架构的系统中，端侧的设备将采集到的数据上报到云侧分析和处理，然后将处理的结果返回到端侧进行响应，整个流程需要非常大的云-端带宽，数据产生-处理-响应的时延很难满足实时性。为此，在实际应用中，在以电力物联网为代表的云-边-端架构的基础上，发展边缘计算模式，将端侧设备采集到的数据上报到边缘侧，边缘侧负责对数据进行就近的预处理等操作，云侧则负责对整体数据的最终处理。

随着用户需求的日益多样化和网络流量的不断增长,边缘计算作为云计算及5g的一项关键技术将发挥重要作用。边缘计算是为了满足云计算及物联网、移动网络场景的需求,在终端以及云数据中心之间的网络节点部署计算功能,能降低数据中心的负担,节约能耗,还能提高数据处理的实时性，但现有的云计算相关技术已难以高效地处理网络边缘设备所产生的海量数据。

因此，需要探求一种基于边缘计算环境的资源均衡调度方法，能够动态的将海量数据调度至合适的计算服务提供者，使得系统整体性能达到最优。

技术实现要素：

为了解决上述问题，本发明提供一种基于边缘计算环境的资源均衡调度方法，能够动态的将海量数据调度至合适的计算服务提供者，使得系统资源空闲率最高，系统整体性能达到最优。

为了实现上述目的，本发明提供一种基于边缘计算环境的资源均衡调度方法，其步骤包括：

s1：对每台边缘节点服务器进行编号1-n；

s2：实时获取每台边缘节点服务器的内存空闲率、cpu空闲率以及网络带宽利用率；

s3：根据边缘节点的处理能力设定边缘节点的性能权值；

s4：根据任务类型的复杂度设定任务权值；

s5：对于每台边缘节点服务器，调度器计算出各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的比值，得到比值最小的边缘节点服务器；

s6：云计算中心接收到新的请求任务时，将新的请求任务分配到步骤s5中计算出的比值最小的边缘节点服务器上。

作为上述方案进一步的改进，步骤s5中，各边缘节点上的所有性能权值之和的计算方法如下：

设全体边缘节点的集合为u＝{u1,…,un}，

第i个边缘节点ui的内存容量用m(ui)表示，

内存空闲率用vm(ui)表示，

cpu处理速率用c(ui)表示，

cpu空闲率用vc(ui)表示，

cpu个数用cnt(ui)表示，

网络带宽用n(ui)表示，

网络带宽利用率用vn(ui)，

各边缘节点的所有性能权值w(ui)：

w(ui)＝k1*m(ui)*vm(ui)+k2*c(ui)*vc(ui)*cnt(ui)+k3*n(ui)*(1-vn(ui))(1)

其中，k1为内存空闲率vm(ui)对于w(ui)的权值系数，k2为cpu空闲率vc(ui)对于w(ui)的权值系数，k3为网络带宽利用率vn(ui)对于w(ui)的权值系数，k1+k2+k3＝1，vm(ui)∈(0,1)，vc(ui)∈(0,1)，vd(ui)∈(0,1)。

作为上述方案进一步的改进，步骤s5中，各边缘节点上所有任务权值之和的计算方法如下：

设多种任务的集合为r＝{r1,r2,…rt},其中，t为任务的种类总数；这些任务权值分别为m＝{m1,m2,……mt},

则边缘节点ui上所有任务权值之和：

其中bij为边缘节点ui上处理第j种任务的数量。

作为上述方案进一步的改进，所述步骤s6中，当且仅当服务器um满足式(3)的条件，

当前的新连接请求被发送至服务器um。

作为上述方案进一步的改进，最小比值通过式(4)的判断条件得到，

其中i为1,...n，w(ui)，均不为零。

作为上述方案进一步的改进，由于除法所需的cpu周期比乘法多，对公式(4)进行进一步的处理，改进的判断条件如式(5)所示，

此时各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的乘积最大值所在的边缘节点服务器即为各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的比值最小的边缘节点所在服务器。

作为上述方案进一步的改进，所述步骤s4中，根据任务类型的复杂度设定任务权值，具体的，根据任务中文件的类型为任务赋予相应的权值。

作为上述方案进一步的改进，根据任务中文件的扩展名确定文件的类型，从而确定任务的权值，任务中文件所需资源越多，任务权值越高。

作为上述方案进一步的改进，为简化处理，根据任务中不同文件类型所需资源不同，将任务分为五种类型，五种类型以及其对应的权值表示如下：

a、文本类型文件，对应权值为1；

b、可执行文件，对应权值为2；

b、图形文件，对应权值为3；

c、影像文件，对应权值为4；

d、声音文件，对应权值为5；

进一步的，公式(5)改进为：

作为上述方案进一步的改进，在每次分配任务之前，调度器均将计算出每个边缘节点上所有任务的权值之和、每个边缘节点的所有性能的权值之和，并根据式子(6)找到最佳的边缘节点服务器，将新任务分配给最佳的边缘节点服务器。

由于本发明采用了以上技术方案，使本申请具备的有益效果在于：

本发明提供的一种基于边缘计算环境的资源均衡调度方法，通过云计算中心尽可能多地接收请求任务，实时获取每台边缘节点服务器的内存空闲率、cpu空闲率以及网络带宽利用率；根据边缘节点的处理能力设定边缘节点的性能权值，并根据任务类型的复杂程度为任务赋予相应的权值；在每次分配任务之前，调度器计算出各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的比值，得到比值最小的边缘节点服务器；将新任务分配给比值最小的边缘节点服务器，使得这些任务能均衡地分配到系统中的边缘计算设备或处理节点上，且每个处理节点上的剩余资源最少，从而使得系统资源空闲率最高，提升系统整体性能，从而实现更好的负载均衡。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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1为本发明的一种基于边缘计算环境的资源均衡调度方法的流程图；

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，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示诸如第一、第二、上、下、左、右、前、后……仅用于解释在某一特定姿态如附图所示下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

以下面结合附图以对本发明作进一步描述:

参照图1，本发明提供一种基于边缘计算环境的资源均衡调度方法，其步骤包括：

s1：对每台边缘节点服务器进行编号1-n；

s2：边缘节点服务器的性能以及处理能力可以用几个指标综合量度：内存空闲率，cpu类型，cpu数量，cpu空闲率，磁盘iops，网络带宽利用率，进程数等。为了不给调度器增加过多的计算任务以避免其成为新的瓶颈，仅取可由边缘节点节点自身计算完成并且是描述边缘节点节点当前处理能力重要的参数，即为：内存空闲率、cpu空闲率和以及网络剩余带宽来描述边缘节点性能；

s3：为充分评估和利用各边缘节点服务器的剩余处理能力，在每次分配任务之前，调度器将收集每个边缘节点的内存空闲率、cpu空闲率以及网络带宽利用率并计算出各边缘节点的性能权值；

s4：根据任务类型的复杂度设定任务权值，根据任务中文件的类型为任务赋予相应的权值，在本实施例中根据任务中文件的扩展名可确定文件的类型，从而确定任务的权值。任务中文件所需资源越多，任务权值越高。边缘节点节点的实时负载即为边缘节点上所有任务的权值之和。在每次分配任务之前，调度器将计算出每个边缘节点上所有任务的权值之和；

s5：为保证系统在长时间运行状态下各个节点的负载不发生较大的倾斜，每次分配任务之前，对于每台边缘节点服务器，调度器计算出各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的比值，得到比值最小的边缘节点服务器；

各边缘节点上的所有性能权值之和的计算方法如下：

设全体边缘节点的集合为u＝{u1,…,un}，

第i个边缘节点ui的内存容量用m(ui)表示，

内存空闲率用vm(ui)表示，

cpu处理速率用c(ui)表示，

cpu空闲率用vc(ui)表示，

cpu个数用cnt(ui)表示，

网络带宽用n(ui)表示，

网络带宽利用率用vn(ui)，

各边缘节点的所有性能权值之和w(ui)：

w(ui)＝k1*m(ui)*vm(ui)+k2*c(ui)*vc(ui)*cnt(ui)+k3*n(ui)*(1-vn(ui))(1)

其中，k1为内存空闲率vm(ui)对于w(ui)的权值系数，k2为cpu空闲率vc(ui)对于w(ui)的权值系数，k3为网络带宽利用率vn(ui)对于w(ui)的权值系数，k1+k2+k3＝1，vm(ui)∈(0,1)，vc(ui)∈(0,1)，vd(ui)∈(0,1)；

显然k1、k2、k3不可能同时为0，且在实际应用中，内存与cpu以及网络带宽同时完全满载的概率也非常小，内存空闲率vm(ui)与cpu空闲率vc(ui)也不会同时为0，故由权值计算函数得出的权值w(ui)均不会为0，一般为0会出现在服务器得不到响应从而认为服务器宕机；

由权值表达函数可以看出k1、k2、k3的值实际在一定程度上代表cpu、内存、网络带宽在描述边缘节点服务器处理能力上的重要程度，根据服务器节点的当前负载情况，集群的服务不同，各参数的影响也各不相同。在本实施例中,设k1＝1/3，k2＝1/3，k3＝1/3，得到完整的各边缘节点的所有性能权值之和：

w(ui)＝1/3*m(ui)*vm(ui)+1/3*c(ui)*vc(ui)*cnt(ui)+1/3*n(ui)*(1-vn(ui))(1)＇

各边缘节点上所有任务权值之和的计算方法如下：

设多种任务的集合为r＝{r1,r2,…rt},其中，t为任务的种类总数；这些任务权值分别为m＝{m1,m2,……mt},

则边缘节点ui上所有任务权值之和：

其中bij为边缘节点ui上处理第j种任务的数量。

s6：边缘节点上己有的任务越简单，其任务权值越小；边缘节点服务器的处理能力越强，其权值越大。云计算中心接收到新的请求任务时，总是将新的请求任务分配到步骤s5中计算出的比值最小的边缘节点服务器上；当且仅当服务器um满足式(3)的条件，

当前的新连接请求被发送至对应服务器um；其中最小比值通过式(4)的判断条件得到，

其中i为1,...n，w(ui)，均不为零。

作为优选的实施例，由于除法所需的cpu周期比乘法多，对公式(4)进行进一步的处理，改进的判断条件如式(5)所示，

此时各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的乘积最大值所在的边缘节点服务器即为各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的比值最小的边缘节点所在服务器。

作为优选的实施例，所述步骤s4中，根据任务类型的复杂度设定任务权值，具体的，根据任务中文件的类型为任务赋予相应的权值。

作为优选的实施例，根据任务中文件的扩展名确定文件的类型，从而确定任务的权值，任务中文件所需资源越多，任务权值越高。

作为优选的实施例，为简化处理，根据任务中不同文件类型所需资源不同，将任务分为五种类型，五种类型以及其对应的权值表示如下：

a、文本类型文件，对应权值为1；

b、可执行文件，对应权值为2；

b、图形文件，对应权值为3；

c、影像文件，对应权值为4；

d、声音文件，对应权值为5；

以上必须满足同时保证边缘节点服务器的性能权值为零时，服务器不被调度。根据文件的扩展名判断文件的类型，从而确定任务的权值。此时，公式(5)变为：

根据公式(6)得到比值最小的边缘节点服务器，然后将任务分配给比值最小的边缘节点服务器，若有可用的边缘节点则整个流程结束。

需要说明的是，此时各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的乘积最大值所在的边缘节点服务器，即为各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的比值最小的边缘节点所在服务器，本实施例中将比值转化成乘积进行计算比较，能够减少cpu周期的计算周期，使得系统资源得到优化配置。

总之，本发明的一种基于边缘计算环境的资源均衡调度方法，通过云计算中心尽可能多地接收请求任务，实时获取每台边缘节点服务器的内存空闲率、cpu空闲率以及网络带宽利用率；根据边缘节点的处理能力设定边缘节点的性能权值，并根据任务类型的复杂程度为任务赋予相应的权值；在每次分配任务之前，调度器计算出各边缘节点上所有任务权值之和与各边缘节点上的所有性能权值之和的比值，得到比值最小的边缘节点服务器；将新任务分配给比值最小的边缘节点服务器，使得这些任务能均衡地分配到系统中的边缘计算设备或处理节点上，且每个处理节点上的剩余资源最少，从而使得系统资源空闲率最高，提升系统整体性能，从而实现更好的负载均衡。

以上是本发明的详细的介绍，本文中应用了具体个例对本发明的原理以及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法以及核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。