技术特征：
1.一种任务处理方法，其特征在于，应用于边缘网络中的计算节点，每一所述计算节点设置有一种或多种异构资源，所述方法包括：接收所述边缘网络下发的资源分配策略；所述资源分配策略包括每一种所述异构资源被分配的关于目标任务的处理量；将所述资源分配策略和本地资源信息输入至预设策略学习模型进行处理，获得资源共享策略；所述资源共享策略包括各所述异构资源的可提供资源，所述预设策略学习模型以所述计算节点的任务处理价值为优化目标训练获得；利用所述资源共享策略执行所述目标任务。2.根据权利要求1所述的方法，其特征在于，所述利用所述资源共享策略执行所述目标任务之后，还包括：获取所述目标任务的执行结果；将所述执行结果上报至所述边缘网络。3.根据权利要求1所述的方法，其特征在于，所述异构资源包括cpu资源、gpu资源、fpga资源。4.根据权利要求1至3任一项所述的方法，其特征在于，还包括：对所述本地资源信息进行实时监控；当所述本地资源信息满足预设条件时，将所述本地资源信息发布至所述边缘网络。5.根据权利要求4所述的方法，其特征在于，所述当所述本地资源信息满足预设条件时，将所述本地资源信息发布至所述边缘网络，包括：根据所述本地资源信息确定可用资源；当所述可用资源的资源占比达到预设阈值时，将所述本地资源信息发布至所述边缘网络。6.根据权利要求4所述的方法，其特征在于，所述本地资源信息包括可用资源和资源提供时间，所述可用资源包括各所述异构资源的当前可用资源。7.一种任务处理方法，其特征在于，应用于边缘网络，所述边缘网络中的每一计算节点设置有一种或多种异构资源，所述方法包括：根据目标任务的任务信息和各所述计算节点的本地资源信息，确定目标计算节点和资源分配策略；所述资源分配策略包括每一种所述异构资源被分配的关于所述目标任务的处理量；将所述资源分配策略发送至各所述目标计算节点，以使各所述目标计算节点利用预设策略学习模型对所述资源分配策略和所述本地资源信息进行处理，获得资源共享策略，并利用所述资源共享策略执行所述目标任务；所述资源共享策略包括各所述异构资源的可提供资源，所述预设策略学习模型以所述计算节点的任务处理价值为优化目标训练获得。8.根据权利要求7所述的方法，其特征在于，所述根据目标任务的任务信息和各所述计算节点的本地资源信息，确定目标计算节点，包括：根据所述本地资源信息确定资源提供时间和可用资源；当所述资源提供时间和所述可用资源均满足所述任务信息指示的任务需求时，确定所述计算节点为所述目标计算节点。9.根据权利要求7所述的方法，其特征在于，所述根据目标任务的任务信息和各所述计
算节点的本地资源信息，确定目标计算节点和资源分配策略之前，还包括：统计各所述计算节点发布的所述本地资源信息；其中，所述本地资源信息由所述计算节点在所述本地资源信息满足预设条件时发布至所述边缘网络。10.根据权利要求7所述的方法，其特征在于，还包括：获取所述目标计算节点上传的所述目标任务的执行结果；将所述执行结果反馈至所述目标任务的发起端。11.一种任务处理系统，其特征在于，包括边缘网络和部署于所述边缘网络中的计算节点，每一所述计算节点设置有一种或多种异构资源，其中，所述边缘网络，用于根据目标任务的任务信息和各所述计算节点的本地资源信息，确定目标计算节点和资源分配策略，并将所述资源分配策略发送至各所述目标计算节点；所述资源分配策略包括每一种所述异构资源被分配的关于所述目标任务的处理量；所述目标计算节点，用于利用预设策略学习模型对所述资源分配策略和所述本地资源信息进行处理，获得资源共享策略，并利用所述资源共享策略执行所述目标任务；所述资源共享策略包括各所述异构资源的可提供资源，所述预设策略学习模型以所述计算节点的任务处理价值为优化目标训练获得。12.一种任务处理装置，其特征在于，应用于边缘网络中的计算节点，每一所述计算节点设置有一种或多种异构资源，所述装置包括：接收模块，用于接收所述边缘网络下发的资源分配策略；所述资源分配策略包括每一种所述异构资源被分配的关于目标任务的处理量；处理模块，用于将所述资源分配策略和本地资源信息输入至预设策略学习模型进行处理，获得资源共享策略；所述资源共享策略包括各所述异构资源的可提供资源，所述预设策略学习模型以所述计算节点的任务处理价值为优化目标训练获得；执行模块，用于利用所述资源共享策略执行所述目标任务。13.一种任务处理装置，其特征在于，应用于边缘网络，所述边缘网络中的每一计算节点设置有一种或多种异构资源，所述装置包括：确定模块，用于根据目标任务的任务信息和各所述计算节点的本地资源信息，确定目标计算节点和资源分配策略；所述资源分配策略包括每一种所述异构资源被分配的关于所述目标任务的处理量；发送模块，用于将所述资源分配策略发送至各所述目标计算节点，以使各所述目标计算节点利用预设策略学习模型对所述资源分配策略和所述本地资源信息进行处理，获得资源共享策略，并利用所述资源共享策略执行所述目标任务；所述资源共享策略包括各所述异构资源的可提供资源，所述预设策略学习模型以所述计算节点的任务处理价值为优化目标训练获得。14.一种任务处理设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至10任一项所述的任务处理方法的步骤。15.一种计算机可读存储介质，其特征在于，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权利要求1至10任一项所述的任务处理方法
的步骤。
技术总结
本申请公开了一种任务处理方法、系统、装置、设备及计算机可读存储介质，应用于资源调度技术领域，方法应用于边缘网络中的计算节点，每一计算节点设置有一种或多种异构资源，包括接收边缘网络下发的资源分配策略；资源分配策略包括每一种异构资源被分配的关于目标任务的处理量；将资源分配策略和本地资源信息输入至预设策略学习模型进行处理，获得资源共享策略；资源共享策略包括各异构资源的可提供资源，预设策略学习模型以计算节点的任务处理价值为优化目标训练获得；利用资源共享策略执行目标任务。应用本申请所提供的技术方案，可以为计算任务进行更为合理的资源分配，实现任务请求者和资源提供者的双赢。务请求者和资源提供者的双赢。务请求者和资源提供者的双赢。
技术研发人员：张亚强 李茹杨 邓琪 李雪雷 赵雅倩 李仁刚
受保护的技术使用者：山东海量信息技术研究院
技术研发日：2022.11.07
技术公布日：2022/12/1