网络服务器的计算评估方法、系统、装置及可读存储介质与流程

本发明涉及互联网络系统领域，特别涉及一种网络服务器的计算评估方法、系统、装置及可读存储介质。

背景技术

现如今，用户终端的硬件尺寸大小和性能要求造成了不可调和的矛盾，使得其运行的服务质量受限。云计算的兴起是为了突破用户终端的硬件瓶颈，允许用户方便、按需地使用来自云提供商(如谷歌、微软等)的设施、平台和软件服务等。这有效地突破了用户终端计算、存储能力的硬件限制，同时也极大地节省能量开销和促进更多新型服务。而移动云计算是顺应广大移动应用服务的发展需求，将传统云计算带入移动环境(比如车载网络)中，促使移动用户可以随时随地接入云平台的资源和服务，利用云平台强大的处理能力和存储空间，为其进一步增强服务质量和提高用户体验提供稳定的技术保障。基于上述优点，移动云计算技术也在近年来逐渐被引入广大分布式网络，如车载网络、无线传感网络和物联网。

车联网是利用先进的传感技术、网络技术、计算技术、控制技术、智能技术，对道路和交通进行全面感知，实现多个交通系统间大范围、大容量的数据传输与交互，从而保证交通安全、提升交通效率和丰富车载服务。当移动云计算与车联网相结合时，移动的车载用户可以将繁重的数据存储、计算业务卸载至远端的云处理器，经一定网络时延(包括传输时延和计算时延等)，云处理器再反馈输出结果给车载用户。

然而，随着分布式网络日益发展、全球入网设备数量暴涨的时代背景下，移动云计算逐渐暴露出难以实现负载均衡、快速响应、大规模计算等缺陷。在未来，分布式网络在网络容量和用户流量这两方面都面临着巨大的挑战。据美国公司相关统计与预测，2014年，全球车辆的数量已到达12亿，并高速逐年递增，预计到2035年将高达20亿。伴随着车载用户的暴涨，车联网网络边际将会出现海量的用户流量等待及时处理。例如，当车载用户使用无人驾驶服务时，每秒将至少产生2gb的图像、音频和相关传感器数据等，为确保无人驾驶条件下车辆的安全行驶，传输和处理这些数据需要在1ms内完成。

而为解决上述问题，移动边缘计算便应运而生。以车联网为例，移动边缘计算主要的一方面工作是将车联网中的计算任务根据一定的评估标准分发到各种距离不同且计算能力各不相同的计算实体中，充分地利用网络中的计算资源，能够有效地降低计算时延，提高计算的实时性。因而，设备切换的评估标准在移动边缘计算中便起到了极其重要的作用，而在评估标准中，网络状态的评估和参数更新更是起到决定性作用的因素之一。

目前对于网络状态的评估一般是使用计算时延和带宽的因素进行考量选择。但是，计算时延和带宽并不能完全体现计算设备的能力，仅凭借计算时延和带宽去评估网络状态并不客观，不能有效地选择出与计算任务匹配的计算设备。

因此，如何提供一种解决上述技术问题的方案是目前本领域技术人员需要解决的问题。

技术实现要素：

有鉴于此，本发明的目的在于提供一种网络服务器的计算评估方法、系统、装置及可读存储介质，以获取对网络服务器准确客观的评价结果。其具体方案如下：

一种网络服务器的计算评估方法，包括：

获取网络服务器的第一状态信息；

获取移动终端的第二状态信息；

根据所述第一状态信息和所述第二状态信息，评估所述网络服务器对于所述移动终端的网络级别。

优选的，所述根据所述第一状态信息和所述第二状态信息，评估所述网络服务器对于所述移动终端的网络级别的过程，具体包括：

根据所述第一状态信息和所述第二状态信息，利用机器学习算法评估所述网络服务器对于所述移动终端的网络级别。

优选的，所述机器学习算法为xgboost算法或svm算法。

优选的，所述计算评估方法还包括：

根据所述网络级别和所述移动终端的计算能力，将所述移动终端上的计算任务的执行对象确定为所述移动终端或所述网络服务器。

优选的，所述第一状态信息包括所述网络服务器中可用计算资源、接入所述网络服务器的所述移动终端的个数；所述第二状态信息包括所述移动终端的gps信息、车速、信号时延、信号强度。

优选的，所述计算评估方法还包括：

根据所述网络服务器的网络级别，获取参数更新频率；

按照所述参数更新频率，执行所述计算评估方法。

优选的，所述根据所述网络服务器的网络级别，获取参数更新频率的过程，具体包括：

根据所述网络服务器的网络级别进行聚类分析，获取参数更新频率。

相应的，本发明还公开了一种网络服务器的计算评估系统，包括：

第一信息模块，用于获取网络服务器的第一状态信息，所述第一状态信息包括所述网络服务器中可用计算资源、接入所述网络服务器的所述移动终端的个数；

第二信息模块，用于获取移动终端的第二状态信息，所述第二状态信息包括所述移动终端的gps信息、车速、信号时延、信号强度；

评估模块，用于根据所述第一状态信息和所述第二状态信息，评估所述网络服务器对于所述移动终端的网络级别。

相应的，本发明还公开了一种网络服务器的计算评估装置，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上文所述网络服务器的计算评估方法的步骤。

相应的，本发明还公开了一种可读存储介质，所述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文所述网络服务器的计算评估方法的步骤。

本发明公开了一种网络服务器的计算评估方法，包括：获取网络服务器的第一状态信息；获取移动终端的第二状态信息；根据所述第一状态信息和所述第二状态信息，评估所述网络服务器对于所述移动终端的网络级别。本方案结合网络服务器的第一状态信息和移动终端的第二状态信息，综合多因素的考量对网络服务器进行评估，从而能够得到更为客观、有针对性的该网络服务器对该移动终端的网络级别，利用评估的该网络级别能够更适当有效地分配对移动终端内的计算任务。

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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例中一种网络服务器的计算评估方法的步骤流程图；

图2为本发明实施例中一种网络服务器的计算评估系统的结构分布图。

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做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。

本发明实施例公开了一种网络服务器的计算评估方法，参见图1所示，包括：

s1：获取网络服务器的第一状态信息；

具体的，所述第一状态信息包括所述网络服务器中可用计算资源、接入所述网络服务器的所述移动终端的个数；另外，第一状态信息还可以包括计算时延。根据第一状态信息，可以判断该网络服务器能够接受的计算任务大小。

s2：获取移动终端的第二状态信息；

具体的，所述第二状态信息包括所述移动终端的gps信息、车速、信号时延、信号强度。可以理解的是，该移动终端通常位于移动车辆上，因此移动终端的第二状态信息中gps信息、车速等代表移动车辆的信息；而信号时延也即传输时延，和信号强度则是移动终端和网络服务器的连接状态是否良好的体现。通常，所述第二状态信息可以以心跳包的形式发送。

s3：根据所述第一状态信息和所述第二状态信息，评估所述网络服务器对于所述移动终端的网络级别。

可以理解的是，步骤s1和步骤s2并没有明确的先后顺序，只要在步骤s3之前s1、s2均完成即可。

本发明公开了一种网络服务器的计算评估方法，包括：获取网络服务器的第一状态信息；获取移动终端的第二状态信息；根据所述第一状态信息和所述第二状态信息，评估所述网络服务器对于所述移动终端的网络级别。本方案结合网络服务器的第一状态信息和移动终端的第二状态信息，综合多因素的考量对网络服务器进行评估，从而能够得到更为客观、有针对性的该网络服务器对该移动终端的网络级别，利用评估的该网络级别能够更适当有效地分配对移动终端内的计算任务。

本发明实施例公开了一种具体的网络服务器的计算评估方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：

步骤s3具体包括：

根据所述第一状态信息和所述第二状态信息，利用机器学习算法评估所述网络服务器对于所述移动终端的网络级别。

更具体的，所述机器学习算法为xgboost算法或svm(supportvectormachine，支持向量机)算法。当然，本实施例中的机器学习算法还可以是其他算法，这里不作限定。

通常，机器学习算法配置在网络服务器中，将所述第一状态信息和所述第二状态信息放置到机器学习算法中进行结果的分类预测。这个过程既可以得到一个预测等级然后发送给移动终端，由移动终端对网络服务器进行评估网络级别，也可以在网络服务器中直接分类预测得到对移动终端的网络级别。

进一步的，所述计算评估方法还包括：

根据所述网络级别和所述移动终端的计算能力，将所述移动终端上的计算任务的执行对象确定为所述移动终端或所述网络服务器。

根据所述网络级别和所述移动终端的计算能力，利用决策判断公式将所述移动终端上的计算任务的执行对象确定为所述移动终端或所述网络服务器；

所述决策判断公式为s＝α*c+β*n+γ*m，其中α+β+γ＝1，s为判断结果，c为所述移动终端的计算能力，n为所述网络级别，m为所述计算任务的数据大小。

在上述实施例中，始终应用到机器学习算法，通过不断采集输入的各类状态信息和得到的网络级别、决策结果，对机器学习算法的模型进行修正调整，使得模型随着时间和用户数的增加更加精确。

本发明实施例公开了一种具体的网络服务器的计算评估方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的，所述计算评估方法还包括：

根据所述网络服务器的网络级别，获取参数更新频率；

按照所述参数更新频率，执行所述计算评估方法。

具体的，所述根据所述网络服务器的网络级别，获取参数更新频率的过程包括：

根据所述网络服务器的网络级别进行聚类分析，获取参数更新频率。

可以理解的是，网络服务器的网络级别，实际是对网络状态评估并分级的结果，将每个网络级别映射到相应的参数更新频率上。聚类分析是将训练集中的数据以网络级别作为标签，根据之前获得的第一状态信息和第二状态信息，主要是gps信息和车速等信息进行聚类学习，此处采用学习向量量化。

现有技术中，网络服务器与移动终端之间的参数更新频率固定，这在一些网络状态较高的场景下浪费了计算能力。而本实施例中的参数更新频率根据网络级别获取，灵活性较高，根据不同的网络级别实行不同频率的参数更新，从而实现自适应的参数更新，可以动态更新网络状态参数，从而避免移动终端频繁地向网络服务器请求网络状态更新，高效地利用资源。

相应的，本发明实施例还公开了一种网络服务器的计算评估系统，参见图2所示，包括：

第一信息模块01，用于获取网络服务器的第一状态信息，所述第一状态信息包括所述网络服务器中可用计算资源、接入所述网络服务器的所述移动终端的个数；

第二信息模块02，用于获取移动终端的第二状态信息，所述第二状态信息包括所述移动终端的gps信息、车速、信号时延、信号强度；

评估模块03，用于根据所述第一状态信息和所述第二状态信息，评估所述网络服务器对于所述移动终端的网络级别。

可以理解的是，本实施例具有与上述实施例相同的有益效果。

相应的，本发明还公开了一种网络服务器的计算评估装置，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上文所述网络服务器的计算评估方法的步骤。

具体的，本实施例中有关网络服务器的计算评估方法的具体细节可以参照上述实施例中的相关描述，此处不再赘述。

可以理解的是，本实施例具有与上述实施例相同的有益效果。

相应的，本发明还公开了一种可读存储介质，所述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文所述网络服务器的计算评估方法的步骤。

具体的，本实施例中有关网络服务器的计算评估方法的具体细节可以参照上述实施例中的相关描述，此处不再赘述。

可以理解的是，本实施例具有与上述实施例相同的有益效果。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种网络服务器的计算评估方法、系统、装置及可读存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理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及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。