面向电力数据处理的自适应智能任务调度方法及应用与流程

1.本发明是关于电力技术领域，特别是关于一种面向电力数据处理的自适应智能任务调度方法及应用。


背景技术：

2.伴随着信息化时代的到来，物联网技术、人工智能、图像处理等领域的快速发展，智能设备终端数量呈井喷式增长态势。一些智能应用正在兴起并引起了极大的关注，例如人脸识别、自然语言处理、互动游戏和增强现实。这些应用程序所发出的任务通常是计算密集型和延迟敏感型的。虽然如今移动设备的中央处理器速度有了很大的提高，个人电脑的速度也有了很大的改善，但在面对那些需要在短时间内获得大量计算资源的应用时仍然无能为力，如何提高数据处理速率和任务完成质量成为当前的一个研究重点。
3.云计算通过网络向终端提供动态可扩展的计算和存储资源，允许将终端产生的任务卸载到云进行集中处理。作为一种具有高计算能力的解决方案，云计算有效的减小了任务的处理时间，提高了移动终端的续航能力。然而，云计算同样具有一定的局限性。一些物联网应用发出的延迟敏感任务需要非常短的响应时间，同时可能产生大量数据，这给网络带宽带来沉重的负担，而云计算的效率不足以支持这些应用程序。为了解决云计算带来的高传输时延问题，用于计算网络终端产生的大量数据的边缘计算模型随之诞生。
4.边缘计算虽然减少了数据传输距离，弥补了云计算的不足，但其有限的资源在处理计算密集型应用时仍面临巨大阻力。云计算与边缘计算是互补的，二者必须密切配合，才能适应各种应用情况。边缘计算的主要功能是处理那些短期的实时数据；云计算负责边缘节点难以处理的计算任务，二者相辅相成，应用于云计算中心和边缘节点的大数据处理，产生了一种“云边协同”的系统架构，较好地解决了万物互联时代大数据处理中所存在的问题。这一新的计算模式使得智能任务的处理变得更加灵活，能够更好地满足用户的需求。但云边协同这一新的环境同样面临着一些问题。首先，边缘服务器拥有的资源通常是非常有限的，不能满足大量任务的计算需求，而任务卸载到不同的边缘节点对系统效益的影响不同，在此基础上，不同时刻终端设备发出的任务之间是异构的，对资源的需求量以及传输所需的带宽都是不同的，因此，任务的卸载策略需要动态变化。
5.近年来，任务卸载和资源分配问题引发了许多学者的关注并已取得了大量的研究成果，但大多数研究都是在移动边缘计算环境下进行。关于任务卸载问题，目前大部分研究以最小化响应时间为目标，将卸载问题抽象为凸规划、混合整数线性规划模型，实现异构边缘节点的任务卸载。由于云层和边缘层地理位置和带宽等特性的差异，将任务卸载到不同的位置会导致不同的传输延迟时间，这种卸载策略有效地降低了任务的响应时间。也有研究者提出了一种带有混合遗传算子的自适应粒子族优化算法，通过考虑边缘层和云层的数据分布特点以及边缘节点的系统带宽、计算资源和存储容量等影响因素，有效降低了任务卸载时的数据传输延迟。
6.关于资源分配问题，目前已有的工作通过分析边缘节点的能耗和资源利用率之间
的关系，推断出任务执行的能耗和最佳资源利用率，结合搜索优化方法和贪心策略，解决资源分配问题，提高了该算法的全局优化性能，降低了处理任务的资源消耗。
7.以上大多数研究都是针对移动边缘计算的，但是在一些场景下，例如工业互联网中，大多数设备都是有线供电，移动边缘计算的模型不再适用。同时，这些工作没有联合优化任务卸载和资源分配策略问题，也没有针对任务属性的动态变化进行研究，缺少对任务的延迟敏感度进行分类的相关研究。


技术实现要素：

8.本发明的目的在于提供一种面向电力数据处理的任务调度方法及应用，用以解决现有的关于任务卸载或资源分配的方法中大部分延迟是在边缘环境下进行的，且其中一部分研究忽略了节点的异构性以及任务之间的差异属性，以及缺少针对任务属性的动态变化进行研究等问题。
9.为实现上述目的，本发明的实施例提供了一种面向电力数据处理的任务调度方法，应用于云边协同系统中，所述云边协同系统包括云计算中心以及多个边缘节点。
10.在本发明的一个或多个实施方式中，所述方法包括：获取多个待调度任务的延迟上限，以确定所述多个待调度任务的任务类型，其中，所述任务类型包括延迟容忍型任务、延迟高敏感型任务以及延迟低敏感型任务；依据预设卸载顺序将所述多个待调度任务卸载至云计算中心或边缘节点，其中，所述预设卸载顺序为依次卸载所述延迟容忍型任务、延迟高敏感型任务以及延迟低敏感型任务。
11.在本发明的一个或多个实施方式中，依据预设卸载顺序将所述多个待调度任务卸载至云计算中心或边缘节点，具体包括：在预设带宽范围内，将所述多个待调度任务中的延迟容忍型任务卸载至云计算中心。
12.在本发明的一个或多个实施方式中，依据预设卸载顺序将所述多个待调度任务卸载至云计算中心或边缘节点，具体包括：基于预设规则确定所述多个待调度任务中延迟高敏感型任务的第一目标边缘节点；计算所述延迟高敏感型任务卸载至所述第一目标边缘节点所需的最小带宽；基于计算的所述最小带宽和当前剩余带宽，确定将所述延迟高敏感型任务卸载至所述第一目标边缘节点或云计算中心。
13.在本发明的一个或多个实施方式中，基于预设规则确定所述多个待调度任务中延迟高敏感型任务的第一目标边缘节点，具体包括：计算所述多个待调度任务中延迟高敏感型任务与所述多个边缘节点之间的距离；依照所述距离从小到大的顺序，查询所述边缘节点是否存在剩余计算容量；若是，将所述边缘节点确定为第一目标边缘节点；
14.和/或，基于计算的所述最小带宽和当前剩余带宽，确定将所述延迟高敏感型任务卸载至所述第一目标边缘节点或云计算中心，具体包括：在计算的所述最小带宽小于当前剩余带宽时，将所述延迟高敏感型任务卸载至所述第一目标边缘节点；以及，在计算的所述最小带宽大于当前剩余带宽时，在所述预设带宽范围内，将所述延迟高敏感型任务卸载至所述云计算中心。
15.在本发明的一个或多个实施方式中，在将所述延迟高敏感型任务卸载至所述第一目标边缘节点后，所述方法还包括：对当前剩余带宽和/或所述第一目标边缘节点的剩余计算容量执行更新。
16.在本发明的一个或多个实施方式中，依据预设卸载顺序将所述多个待调度任务卸载至云计算中心或边缘节点，具体包括：基于预设规则确定所述多个待调度任务中延迟低敏感型任务的第二目标边缘节点；计算所述延迟低敏感型任务卸载至所述第二目标边缘节点所需的理想带宽；基于计算的所述理想带宽和当前剩余带宽的比例，确定所述延迟低敏感型任务的实际分配带宽；基于所述实际分配带宽计算所述延迟低敏感型任务卸载至所述第二目标边缘节点的第一响应时间；计算在预设带宽范围内，将所述延迟低敏感型任务卸载至云计算中心的的第二响应时间；基于所述第一响应时间和第二响应时间，确定将所述延迟低敏感型任务卸载至所述第二目标边缘节点或云计算中心。
17.在本发明的一个或多个实施方式中，基于预设规则确定所述多个待调度任务中延迟低敏感型任务的第二目标边缘节点，具体包括：计算所述多个待调度任务中延迟低敏感型任务与所述多个边缘节点之间的距离；依照所述距离从小到大的顺序，查询所述边缘节点是否存在剩余计算容量；若是，将所述边缘节点确定为第二目标边缘节点；
18.和/或，基于所述第一响应时间和第二响应时间，确定将所述延迟低敏感型任务卸载至所述第二目标边缘节点或云计算中心，具体包括：在所述第一响应时间小于第二响应时间时，将所述延迟低敏感型任务卸载至所述第二目标边缘节点；以及，在所述第一响应时间大于第二响应时间时，在所述预设带宽范围内，将所述延迟低敏感型任务卸载至所述云计算中心。
19.在本发明的另一个方面当中，提供了一种面向电力数据处理的任务调度装置，所述装置包括获取模块和卸载模块。
20.获取模块，用于获取多个待调度任务的延迟上限，以确定所述多个待调度任务的任务类型，其中，所述任务类型包括延迟容忍型任务、延迟高敏感型任务以及延迟低敏感型任务；
21.卸载模块，用于依据预设卸载顺序将所述多个待调度任务卸载至云计算中心或边缘节点，其中，所述预设卸载顺序为依次卸载所述延迟容忍型任务、延迟高敏感型任务以及延迟低敏感型任务。
22.在本发明的一个或多个实施方式中，所述卸载模块还用于：在预设带宽范围内，将所述多个待调度任务中的延迟容忍型任务卸载至云计算中心。
23.在本发明的一个或多个实施方式中，所述卸载模块还用于：基于预设规则确定所述多个待调度任务中延迟高敏感型任务的第一目标边缘节点；计算所述延迟高敏感型任务卸载至所述第一目标边缘节点所需的最小带宽；基于计算的所述最小带宽和当前剩余带宽，确定将所述延迟高敏感型任务卸载至所述第一目标边缘节点或云计算中心。
24.在本发明的一个或多个实施方式中，所述卸载模块还用于：计算所述多个待调度任务中延迟高敏感型任务与所述多个边缘节点之间的距离；依照所述距离从小到大的顺序，查询所述边缘节点是否存在剩余计算容量；若是，将所述边缘节点确定为第一目标边缘节点；
25.和/或，基于计算的所述最小带宽和当前剩余带宽，确定将所述延迟高敏感型任务卸载至所述第一目标边缘节点或云计算中心，具体包括：在计算的所述最小带宽小于当前剩余带宽时，将所述延迟高敏感型任务卸载至所述第一目标边缘节点；以及，在计算的所述最小带宽大于当前剩余带宽时，在所述预设带宽范围内，将所述延迟高敏感型任务卸载至
所述云计算中心。
26.在本发明的一个或多个实施方式中，所述卸载模块还用于：对当前剩余带宽和/或所述第一目标边缘节点的剩余计算容量执行更新。
27.在本发明的一个或多个实施方式中，所述卸载模块还用于：基于预设规则确定所述多个待调度任务中延迟低敏感型任务的第二目标边缘节点；计算所述延迟低敏感型任务卸载至所述第二目标边缘节点所需的理想带宽；基于计算的所述理想带宽和当前剩余带宽的比例，确定所述延迟低敏感型任务的实际分配带宽；基于所述实际分配带宽计算所述延迟低敏感型任务卸载至所述第二目标边缘节点的第一响应时间；计算在预设带宽范围内，将所述延迟低敏感型任务卸载至云计算中心的第二响应时间；基于所述第一响应时间和第二响应时间，确定将所述延迟低敏感型任务卸载至所述第二目标边缘节点或云计算中心。
28.在本发明的一个或多个实施方式中，所述卸载模块还用于：计算所述多个待调度任务中延迟低敏感型任务与所述多个边缘节点之间的距离；依照所述距离从小到大的顺序，查询所述边缘节点是否存在剩余计算容量；若是，将所述边缘节点确定为第二目标边缘节点；
29.和/或，基于所述第一响应时间和第二响应时间，确定将所述延迟低敏感型任务卸载至所述第二目标边缘节点或云计算中心，具体包括：在所述第一响应时间小于第二响应时间时，将所述延迟低敏感型任务卸载至所述第二目标边缘节点；以及，在所述第一响应时间大于第二响应时间时，在所述预设带宽范围内，将所述延迟低敏感型任务卸载至所述云计算中心。
30.在本发明的另一个方面当中，提供了一种电子设备，所述电子设备包括：至少一个处理器；以及存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的面向电力数据处理的任务调度方法。
31.在本发明的另一个方面当中，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如上所述的面向电力数据处理的任务调度方法的步骤。
32.与现有技术相比，根据本发明实施方式的面向电力数据处理的任务调度方法及应用，其根据任务延迟敏感度的不同对任务类型进行划分，并针对不同类型任务的卸载和资源分配机制进行优化，降低了系统任务响应时间，并提高了系统性能。
附图说明
33.图1是根据本发明一实施方式的面向电力数据处理的任务调度方法的流程图；
34.图2是根据本发明一实施方式的云边协同系统的网络拓扑图；
35.图3是根据本发明一实施方式的云边协同系统的任务卸载和资源分配机制示意图；
36.图4是根据本发明一实施方式的延迟容忍型任务卸载和资源分配机制示意图；
37.图5是根据本发明一实施方式的延迟高敏感型任务卸载和资源分配机制示意图；
38.图6是根据本发明一实施方式的延迟低敏感型任务卸载和资源分配机制示意图；
39.图7是根据本发明一实施方式的面向电力数据处理的任务调度的装置的结构图；
40.图8是根据本发明一实施方式的面向电力数据处理的任务调度的电子设备的硬件
结构图。
具体实施方式
41.下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
42.除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
43.以下结合附图，详细说明本发明各实施例提供的技术方案。
44.参图2，本发明面向电力数据处理的任务调度方法的一个典型应用场景可以是云边协同系统。
45.云边协同系统是一个异构式系统，包括云计算中心以及多个边缘节点，终端设备发出的任务通过无线访问接入点(ap，access point)发送到云计算中心或边缘服务器节点。不同的边缘服务器节点之间拥有的资源量及其计算能力可能不同，且每个终端设备到各个边缘服务器节点的距离也可能不同。
46.示范性地，设边缘服务器节点集合为n＝{1,2,...,n}，终端设备集合为m＝{1,2,...,m}。其中，边缘服务器节点n在t时刻的属性描述为一个二元组fn表示边缘服务器节点n的计算能力，表示边缘服务器节点n在t时刻的计算容量。
47.终端设备发出的任务请求通过ap传输到边缘服务器节点n或云中心计算，ap拥有的带宽资源用w表示。通常情况下，ap的带宽资源有限，因此，本发明期望基于该云边协同系统，研究可行的任务调度方法。
48.如图1所示，介绍本发明面向电力数据处理的任务调度方法的一实施方式。本实施方式中，该方法包括如下步骤。
49.在步骤s101中，获取多个待调度任务的延迟上限，以确定所述多个待调度任务的任务类型。
50.将云边协同系统面向的每个终端设备在同一时刻发出的任务记为m，任务m的属性描述为一个三元组pm＝{dm,rm,hm}。其中，dm表示任务m需要传输的数据量，rm表示任务m需要的资源量，hm为任务m的延迟上限。
51.本实施方式中，可以设定两个系统任务延迟阈值，分别为h1和h2，通过比较任务m的延迟上限hm和两个系统任务延迟阈值h1和h2的大小，将任务m分为延迟容忍型、延迟高敏感型和延迟低敏感型。具体地：若hm≥h2，则将任务m确定为延迟容忍型任务；若hm≤h1，则将任务m确定为延迟高敏感型任务；若h1《hm《h2，则将任务m确定为延迟低敏感型任务。
52.在步骤s102中，依据预设卸载顺序将所述多个待调度任务卸载至云计算中心或边缘节点。
53.参图3，本实施方式中，该预设卸载顺序为依次卸载所述延迟容忍型任务、延迟高敏感型任务以及延迟低敏感型任务。
54.为了描述任务m的卸载情况，首先定义卸载矩阵y。对于卸载变量(m∈m,n
∈n)，如果表示t时隙任务m卸载到边缘服务器节点n；如果表示t时隙边缘服务器节点n处未卸载任务m。
55.卸载每个待调度任务时所产生的响应时间均包括任务数据从终端设备传输到边缘服务器节点或云计算中心产生的传输时延，以及边缘服务器节点或云计算中心对接收的任务数据进行计算所产生的计算时延。进而，根据传输时延与计算时延进行求和，即可得到每个待调度任务的响应时间。
56.示范性地，设定任务m的响应时间为tm，则有：
57.tm＝ttm+ctmꢀꢀꢀ
(1)
58.其中，ttm表示任务m从终端设备传输到边缘服务器节点n产生的传输时延，其计算公式为：
[0059][0060]
其中，为任务m和边缘服务器节点n之间的卸载变量的值，dm为任务m需要传输的数据量；为t时刻任务m传输到边缘服务器节点n的传输速率，可以根据终端设备与边缘服务器节点n之间的距离以及任务传输过程中无线访问接入点所分配的带宽量计算得到，其计算公式为：
[0061][0062]
其中，l
mn
表示发出任务m的终端设备与边缘服务器节点n之间的距离；表示t时刻ap分配给任务m的带宽量。
[0063]
ctm表示边缘服务器节点n对接收的任务m进行计算所产生的计算时延，其计算公式为：
[0064][0065]
其中，为任务m和边缘服务器节点n之间的卸载变量的值，rm为任务m需要的带宽；fn为边缘服务器节点n的计算能力。
[0066]
如果一个任务被决定卸载到边缘服务器节点，则需要计算这个任务的计算时间ctm和传输时间ttm；若这个任务被决定卸载到云计算中心，由于云计算中心的资源十分充足，这一任务的计算时间ctm可以忽略不计。
[0067]
本发明研究的是云边协同环境下任务实时卸载和资源分配策略，以最小化系统内任务的响应时间为目标，其目标函数为：
[0068][0069]
其约束条件包括：
[0070][0071]
[0072][0073]
其中，公式(6)所示的约束条件为卸载在边缘服务器节点n上的任务个数不超过边缘服务器节点n的计算容量；公式(7)所示的约束条件表示分配给每个任务的带宽之和不超过云边协同系统当前拥有的总带宽；公式(8)所示的约束条件表示卸载变量只能取0或1。
[0074]
由于云边协同环境下的任务属性pm会随着时间的改变而改变，而云边协同系统的状态包括ap的剩余带宽、边缘服务器节点的计算容量等在每一时刻也都是不一样的，因此需要根据ap的剩余带宽、边缘服务器节点的计算容量等的变化对不同任务类型的任务卸载和资源分配策略进行动态调整。
[0075]
参图4，介绍待调度任务中延迟容忍型任务的卸载方法。
[0076]
本实施方式中，对于t时刻终端设备发出的延迟容忍型任务，在预设带宽范围内，全部将它们卸载到云计算中心。这里，考虑到云边协同系统的带宽限制，给卸载到云计算中心的任务分配固定的带宽资源量，即预设带宽。
[0077]
在此过程中，还可以计算待调度任务中延迟容忍型任务卸载至云计算中心的响应时间。通常情况下，云计算中心的计算资源充足且计算能力较强。因此，可以将任务m在云计算中心的计算时间ctm近似为0，设为ctm＝0。但云计算中心和终端设备之间的距离通常较远，导致任务的传输时间较长。
[0078]
具体地，可以结合上述的预设带宽、以及发出任务m的终端设备和云计算中心之间的距离l
mn
，根据公式(3)计算出这一终端设备和云计算中心之间的传输速度随后，结合传输速度和任务m需要传输的数据量，基于公式(2)计算出任务m的传输时间ttm。最后，根据公式(1)计算任务m最终的响应时间。
[0079]
由于延迟容忍型任务全部卸载到了云计算中心，不占用边缘服务器节点的容量，因此需要更新任务m在边缘服务器节点的卸载变量使得使得
[0080]
参图5，介绍待调度任务中延迟高敏感型任务的卸载方法。
[0081]
对于t时刻终端设备发出的延迟高敏感型任务，在系统带宽和边缘服务器节点资源都充足的情况下，首选是将它们卸载到边缘服务器节点中，若没有足够的边缘服务器节点资源或系统带宽，则将这一任务卸载到云计算中心。
[0082]
本实施方式中，可以首先基于预设规则确定多个待调度任务中延迟高敏感型任务的第一目标边缘节点。示范性地，预设规则可以是采用贪心算法找到距离发出延迟高敏感型任务的终端设备最近的且有剩余计算容量的边缘节点n作为卸载延迟高敏感型任务的第一目标边缘节点。
[0083]
具体地，可以首先计算多个待调度任务中延迟高敏感型任务与多个边缘节点之间的距离，并依照距离从小到大的顺序，查询边缘节点是否存在剩余计算容量；若是，则将该边缘节点确定为第一目标边缘节点，并计算第一目标边缘节点处的计算时间ctm。
[0084]
随后，计算延迟高敏感型任务卸载至第一目标边缘节点所需的最小带宽。根据延迟高敏感型任务的响应时间上限hm和计算得到的计算时间ctm，按照公式(1)计算任务传输时间上限；然后通过公式(2)和公式(3)得到在满足任务m传输时间需求的同时，至少需要分配的ap带宽w。
[0085]
最后，基于计算的最小带宽和当前剩余带宽，确定将延迟高敏感型任务卸载至第一目标边缘节点或云计算中心。
[0086]
具体地，可以将需求的带宽资源w与边缘服务器节点当前剩余的带宽w进行比较，若w≥w，则将w的带宽分配给任务m，更新卸载变量同时，更新w的值以及边缘服务器节点n的剩余计算容量，计算任务m的响应时延。若w＜w，表示没有足够的系统带宽可以分配给这一任务m，则将任务m卸载到云计算中心。确定任务m的卸载位置之后，根据任务m的属性pm和卸载位置等因素计算出这一任务m的响应时间，完成这部分任务的卸载。
[0087]
这里，将延迟高敏感型任务卸载至云计算中心的具体方法可以参考上述延迟容忍型任务卸载至云计算中心的实施方式，在此不再赘述。并且，在将延迟高敏感型任务卸载至云计算中心时，所占用的带宽可以为分配给延迟容忍型任务的预设带宽，即在预设带宽范围内将延迟高敏感型任务卸载至云计算中心。
[0088]
由于云边协同系统已经分配了一部分带宽用于传输延迟高敏感型任务，所剩余的带宽已经不能满足剩余任务的传输需求，因此在卸载延迟低敏感型任务时需要重新决定资源分配，即需要对系统当前剩余带宽和/或第一目标边缘节点的剩余计算容量执行更新。
[0089]
参图6，介绍待调度任务中延迟低敏感型任务的卸载方法。
[0090]
本实施方式中，也可以首先基于预设规则确定多个待调度任务中延迟低敏感型任务的第二目标边缘节点。也即，基于贪心算法找到距离发出延迟低敏感型任务的终端设备最近的且有剩余计算容量的边缘服务器节点n作为卸载延迟低敏感型任务的第二目标边缘节点。
[0091]
具体地，可以首先计算多个待调度任务中延迟低敏感型任务与多个边缘节点之间的距离，并依照距离从小到大的顺序，查询边缘节点是否存在剩余计算容量；若是，则将该边缘节点确定为第二目标边缘节点，并计算边缘服务器节点n的计算时间ctm，进而得到任务m的传输时间需求。
[0092]
随后，根据公式(2)和公式(3)计算延迟低敏感型任务卸载至第二目标边缘节点所需的理想带宽再计算t时刻系统带宽资源的剩余量占这部分任务m需要的理想带宽总和的比例ratio，并根据公式计算出任务m实际的带宽分配量。
[0093]
最后，根据公式(1)～(4)分别计算出延迟低敏感型任务卸载到边缘服务器节点的第一响应时间te和延迟低敏感型任务卸载到云计算中心的第二响应时间tc。比较任务在边缘服务器节点的响应时间te和任务在云计算中心的响应时间tc的大小，若tc《te，则将任务m卸载到云计算中心；否则，将任务m卸载到边缘服务器节点n，并分配带宽资源最后确定任务m的卸载位置之后，根据任务m的属性pm和卸载位置等因素计算出这一任务m的响应时间，完成这部分任务的卸载。
[0094]
类似地，将延迟低敏感型任务卸载至云计算中心的具体方法可以参考上述延迟容忍型任务卸载至云计算中心的实施方式，在此不再赘述。并且，在将延迟低敏感型任务卸载至云计算中心时，所占用的带宽也可以为分配给延迟容忍型任务的预设带宽，即在预设带宽范围内将延迟低敏感型任务卸载至云计算中心。
[0095]
如图7所示，根据本发明优选实施方式的一种面向电力数据处理的任务调度装置。
[0096]
在本发明的实施方式中，面向电力数据处理的任务调度装置包括获取模块201和卸载模块202。
[0097]
获取模块201，用于获取多个待调度任务的延迟上限，以确定所述多个待调度任务的任务类型，其中，所述任务类型包括延迟容忍型任务、延迟高敏感型任务以及延迟低敏感型任务；
[0098]
卸载模块202，用于依据预设卸载顺序将所述多个待调度任务卸载至云计算中心或边缘节点，其中，所述预设卸载顺序为依次卸载所述延迟容忍型任务、延迟高敏感型任务以及延迟低敏感型任务。
[0099]
卸载模块202还用于：在预设带宽范围内，将所述多个待调度任务中的延迟容忍型任务卸载至云计算中心。
[0100]
卸载模块202还用于：基于预设规则确定所述多个待调度任务中延迟高敏感型任务的第一目标边缘节点；计算所述延迟高敏感型任务卸载至所述第一目标边缘节点所需的最小带宽；基于计算的所述最小带宽和当前剩余带宽，确定将所述延迟高敏感型任务卸载至所述第一目标边缘节点或云计算中心。
[0101]
卸载模块202还用于：计算所述多个待调度任务中延迟高敏感型任务与所述多个边缘节点之间的距离；依照所述距离从小到大的顺序，查询所述边缘节点是否存在剩余计算容量；若是，将所述边缘节点确定为第一目标边缘节点；
[0102]
和/或，基于计算的所述最小带宽和当前剩余带宽，确定将所述延迟高敏感型任务卸载至所述第一目标边缘节点或云计算中心，具体包括：在计算的所述最小带宽小于当前剩余带宽时，将所述延迟高敏感型任务卸载至所述第一目标边缘节点；以及，在计算的所述最小带宽大于当前剩余带宽时，在所述预设带宽范围内，将所述延迟高敏感型任务卸载至所述云计算中心。
[0103]
卸载模块202还用于：对当前剩余带宽和/或所述第一目标边缘节点的剩余计算容量执行更新。
[0104]
卸载模块202还用于：基于预设规则确定所述多个待调度任务中延迟低敏感型任务的第二目标边缘节点；计算所述延迟低敏感型任务卸载至所述第二目标边缘节点所需的理想带宽；基于计算的所述理想带宽和当前剩余带宽的比例，确定所述延迟低敏感型任务的实际分配带宽；基于所述实际分配带宽计算所述延迟低敏感型任务卸载至所述第二目标边缘节点的第一响应时间；计算在预设带宽范围内，将所述延迟低敏感型任务卸载至云计算中心的的第二响应时间；基于所述第一响应时间和第二响应时间，确定将所述延迟低敏感型任务卸载至所述第二目标边缘节点或云计算中心。
[0105]
卸载模块202还用于：计算所述多个待调度任务中延迟低敏感型任务与所述多个边缘节点之间的距离；依照所述距离从小到大的顺序，查询所述边缘节点是否存在剩余计算容量；若是，将所述边缘节点确定为第二目标边缘节点；
[0106]
和/或，基于所述第一响应时间和第二响应时间，确定将所述延迟低敏感型任务卸载至所述第二目标边缘节点或云计算中心，具体包括：在所述第一响应时间小于第二响应时间时，将所述延迟低敏感型任务卸载至所述第二目标边缘节点；以及，在所述第一响应时间大于第二响应时间时，在所述预设带宽范围内，将所述延迟低敏感型任务卸载至所述云计算中心。
[0107]
图8示出了根据本说明书的实施例的用于面向电力数据处理的任务调度的电子设备30的硬件结构图。如图8所示，电子设备30可以包括至少一个处理器301、存储器302(例如非易失性存储器)、内存303和通信接口304，并且至少一个处理器301、存储器302、内存303和通信接口304经由总线305连接在一起。至少一个处理器301执行在存储器302中存储或编码的至少一个计算机可读指令。
[0108]
应该理解，在存储器302中存储的计算机可执行指令当执行时使得至少一个处理器301进行本说明书的各个实施例中以上结合图1-6描述的各种操作和功能。
[0109]
在本说明书的实施例中，电子设备30可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理(pda)、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。
[0110]
根据一个实施例，提供了一种比如计算机可读存储介质的程序产品。计算机可读存储介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被计算机执行时，使得计算机执行本说明书的各个实施例中以上结合图1-6描述的各种操作和功能。具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
[0111]
根据本发明实施方式的面向电力数据处理的任务调度方法及应用，其首先根据任务延迟敏感度的不同对任务进行划分，然后分别对不同延迟类型任务的卸载和资源分配机制进行了研究以及优化，得到每个任务的卸载位置和资源分配量，并计算出每个任务的响应时间；最后对各个任务的响应时间进行最小化，降低了任务响应时间，并提高了系统性能。
[0112]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0113]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0114]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0115]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0116]
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。