一种基于终端触发式的边缘算力资源调度方法及系统与流程

本发明属于边缘计算技术领域，具体涉及一种基于终端触发式的边缘算力资源调度方法及系统。

背景技术：

当前网络边缘的设备数量和产生的数据都快速增长，以云计算模型为核心的集中式处理模式将无法高效处理边缘设备产生的数据。集中式处理模式将所有数据通过网络传输到云计算中心，利用云计算中心超强的计算能力来集中式解决计算和存储问题，这使得云服务能够创造出较高的经济效益，但存在如下技术问题和缺陷：(1)实时性不够；(2)带宽不足；(3)能耗较大；(4)时延较大等问题。这种情况下在网络的边缘节点去处理、分析数据会解决云计算模式所面临的实时性、带宽、时延等诸多问题，促使了边缘计算快速发展。边缘计算是对云计算的一种补充，边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能等方面的关键需求。

部署边缘计算节点为了实现边缘数据的采集、计算，当前边缘计算的应用场景，大多边缘数据的采集仅仅是采集数据供数据计算使用，采集好的数据经过本地初步计算处理后，上传云计算中心或者根据计算结果进行本地业务处理，采集的数据不会直接触发边缘计算内部的业务调度处理逻辑，导致终端用户的实时性达不到预期效果。

边缘计算节点可以在云计算中心的统一管控下，对数据或者部分数据进行处理和存储，用以节约资源，降低成本，以及提高效率和业务连续性，满足数据本地存储与处理等要求。在实际场景应用中，边缘计算往往用来进行本地数据管理及本地算力资源调度，跨边缘节点间算力资源调度一般由云中心进行管理，边缘节点很少具备边缘节点间算力资源调度能力，在一些边缘计算节点间存在算力资源调度请求的场景下，边缘节点数据上传到云中心，由云计算中心统一进行数据计算结果分析并处理边缘节点间的算力资源协同调度，此种方式会导致边缘节点和云计算中心之间带宽消耗大，业务实时性达不到要求，还会出现云计算中心网络不可达时边缘计算节点无法正常工作等问题。

而现有边缘云计算平台的算力调度一般通过两类算法实现，一类算法是基于业务模型和用户规模双因子估算，另一类是把终端设备和边缘计算设备绑定；这两类现有边缘计算平台算力调度算法的技术缺点包括：(1)业务模型在项目生命周期内，对算力的需求相对稳定，对算力需求的估算可以按照常数k对待，对于不同的业务模型k取值不同，例如存储、加密解密、图像识别和vr视频渲染等，操作起来繁琐；(2)用户规模在项目生命周期内，增长趋势波动小，对算力需求的长周期估算影响较大，例如以月和年为估算周期，但是无法满足短周期算力需求的估算要求，例如无法满足以小时、天和周等为估算周期的要求；(3)生产环境中影响算力需求的因子较多，例如用户行为偏好、业务推广活动规模、节假日、热点事件、天气、交通和网络故障等，现有算力需求估算算法已经无法满足实际的算力调度要求；(4)把终端设备和边缘计算设备绑定的情况下，算力得不到灵活分配和调度，导致高级别的业务算力需求得不到充分满足，同时低级别的业务算力需求不足造成算力浪费。

技术实现要素：

鉴于上述，本发明提出了一种基于终端触发式的边缘算力资源调度方法及系统，以满足边缘节点内和边缘节点间的算力资源便捷调度，解决边缘计算中现有技术应用的局限性。

一种基于终端触发式的边缘算力资源调度方法，包括如下步骤：

(1)终端设备通过专有网络通道向附近的边缘节点进行算力资源申请；

(2)靠近终端设备的边缘节点根据申请对本地的算力资源进行分配；

(3)当边缘节点本地不存在终端设备所请求的算力资源，则发起算力资源远程调用，向邻近的边缘节点进行算力资源申请，从而实现边缘节点之间的算力资源调度。

进一步地，所述步骤(1)的具体实现方式为：首先在终端设备中安装相应的客户端软件并运行，由该客户端软件向附近的边缘节点发送算力资源申请，请求获取算力资源，如未获取到算力资源则重新发送算力资源申请；获取到算力资源后，监测算力资源状态是否正常，如果不正常上报此算力资源状态异常信息并重新发送算力资源申请，如果连续申请次数超过三次，则上报异常状态由软件平台异常处理模块统一处理。

进一步地，所述步骤(2)中边缘节点利用服务软件实时监测附近所有终端设备的算力资源请求，识别、捕捉、提取终端设备的资源请求数据，分析资源请求数据以确定算力资源的请求类型，根据请求类型触发对应算力资源请求的调度逻辑，为终端设备分配算力资源。

进一步地，边缘节点实时接收终端设备的算力资源请求，并根据请求数据判断出算力资源的请求类型，进而根据请求类型对算力资源进行寻找匹配，如果匹配申请的算力资源在边缘节点本地存在余量，则执行流程a，否则执行流程b；若本地以及远端边缘节点都不存在终端设备所要求的算力资源，则执行流程c；

流程a：首先收集本地算力资源池内的算力资源信息，找出符合申请类型的可用算力资源列表；根据预定义的算力资源分配优先级规则从表中选择可用的算力资源，填写算力资源相关分配信息，并通知终端设备为其分配的算力资源信息，同时对本地算力资源池进行信息更新，将分配的算力资源标记为已分配状态；

流程b：首先检查远端边缘节点存在的算力资源，确定能够提供相应算力资源的远端边缘节点并利用服务软件通过安全通道向其发起请求，远端边缘节点接收算力资源请求并向本地算力资源池申请算力进行分配，若远端算力资源分配返回正常，则通知终端设备分配的算力资源信息；

流程c：若本地以及远端边缘节点都不存在终端设备所要求的算力资源类型，则直接返回终端设备资源申请失败，并收集此类错误待终端设备修改或者新增算力资源；若本地或远端边缘节点存在终端设备所要求的算力资源类型，但该算力资源已经被分配完，则进入排队并通知终端设备算力资源排队的状态。

进一步地，远端边缘节点向本地算力资源池申请算力的具体过程为：实时接收邻近边缘节点的算力资源申请，并为其寻找类型匹配的算力资源，若本地算力资源池内存在有对应的算力资源，则进行算力资源分配，并且更新算力资源状态即算力资源申请成功，进而将算力资源的详细信息发送给提出申请的边缘节点，待终端设备连接使用算力资源；如果算力资源类型匹配失败或者类型匹配的算力资源已经被分配完，则通知提出申请的边缘节点申请失败，返回对应的失败原因供其进行后续的调度选择。

一种基于终端触发式的边缘算力资源调度系统，包括终端设备和边缘节点，边缘节点之间通过网络相互连接，所述客户终端包括：

终端请求发送模块，根据用户需要使用的算力资源，通过终端设备在算力资源申请或释放场景下向附近的边缘节点发送算力资源请求；

终端设备维护模块，用于对终端设备进行维护管理以及终端异常信息的上报管理；

所述边缘节点包含有服务软件，其用于根据网络位置信息计算出边缘节点间的最优路径，保障网络延时，实现边缘节点间的算力资源即时调度。

进一步地，所述边缘节点的服务软件具备处理多个终端设备同时发起算力资源请求的能力，且能够即时调度其他多个边缘节点下的算力资源。

进一步地，所述边缘节点还包含有算力资源申请接口管理模块，其用于处理对于本边缘节点算力资源的请求，该模块集成了一套算力资源的管理方法，用以实现算力资源的分配、释放及维护。

本发明通过实时捕捉终端用户数据，触发算力资源调度，解决了边缘计算框架下的边缘个体、边缘间协同等统一管理问题，能够快速实时进行终端用户算力资源申请的跨边缘节点调度，使算力资源可被更加充分、更加灵活的调用。

本发明基于端侧触发的边缘算力资源调度方法突出了触发式的实时算力资源调度以及跨边缘节点间的算力资源调度，此种方式不用数据中心进行参与，完全由边缘算力资源节点之间完成一次算力资源调度。本发明方法的好处是能够通过终端设备实时捕捉用户对于算力资源的请求，快速在边缘算力资源池节点以及靠近此边缘算力资源池节点的其他边缘算力池节点上寻找算力资源，并分配匹配的算力资源。

附图说明

图1为本发明边缘算力资源调度系统组成架构示意图。

图2为终端设备触发边缘算力资源调度流程示意图。

图3为本地边缘节点算力资源调度流程示意图。

图4为远端边缘节点算力资源申请流程示意图。

具体实施方式

为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。

如图1所示，本发明边缘算力资源调度系统包括终端设备和边缘节点，终端设备包括：终端请求发送模块，具体用于用户需要使用算力资源，通过终端设备对算力资源申请或者释放场景下，边缘终端设备发送算力资源请求；终端设备维护模块，具体用于涉及到的对终端设备进行维护管理以及终端异常信息的上报管理。

终端设备通过网络连接到附近的边缘算力资源池节点，用户通过终端设备直接发起算力资源请求，终端设备连接的边缘节点服务软件具备处理多个终端设备同时发起算力资源请求的能力。

边缘算力资源池节点之间通过网络相互连接，终端设备连接的边缘算力资源池节点可以即时调度多个其他边缘算力资源池节点下的算力资源。

终端设备连接的边缘节点服务软件负责根据网络位置信息等计算出边缘算力池节点间的最优路径，保障网络延时，实现边缘算力资源池节点服务间的算力资源最优即时调度。

如图2所示，用户触发终端设备的算力资源申请开关，通过网络请求向边缘节点服务软件进行算力资源的算力申请，具体流程如下：

step1：提供终端设备，终端设备中安装客户端软件。

step2：用户通过终端设备开机开关触发终端设备开机，终端设备自动运行客户端软件。

step3：终端设备的客户端软件发送算力资源申请，请求获取算力资源。

step4：如果获取到算力资源进入到下一个步骤，如果未获取到算力资源且重新进行资源申请次数低于三次(可根据实际情况自行定义)，则再进行算力资源申请，如果连续申请次数超过三次就上报异常状态由异常模块统一处理。

step5：获取到算力资源后，监测算力资源状态是否正常，如果不正常上报此算力资源状态异常信息并重新申请资源次数低于三次，那么就再进行算力资源申请；申请次数多于三次，上报异常信息。

如图3所示，边缘节点服务软件实时接收终端设备请求并进行算力资源的调度，算力资源的调度覆盖本地算力资源池的算力资源以及相邻的边缘算力资源池的算力资源，具体流程如下：

step1：边缘节点服务软件实时接收终端设备算力资源的申请，并根据终端设备信息判断出申请的算力资源类型，进而根据类型进行下一步的算力资源的寻找匹配。

step2：如果匹配申请的算力资源类型本地边缘算力池算力资源存在余量，进入step3，否则进入step4进行远端边缘算力池节点进行算力资源申请。

step3：进行本地边缘算力池内的算力资源的分配，并且更新边缘算力池内的算力资源状态。

3.1本地边缘算力池内算力资源信息收集，找出符合申请的算力资源类型的可用算力资源列表；

3.2根据预定义的算力资源分配的优先级规则(如未定义规则则随机你选择)选择可用的算力资源，同时填写分配算力资源相关信息；

3.3通知终端设备分配的算力资源信息；

3.4本地边缘算力池状态信息更新，分配的算力资源标记为已分配状态。

step4：进行远端算力资源分配，向远端边缘节点服务进行算力资源申请。

4.1检查远端边缘节点存在的算力资源，确定需要进行算力资源远端申请的远端边缘算力池节点信息；

4.2远端边缘节点服务接收算力申请请求，并进行算力资源分配；

4.3本地边缘节点服务软件通过安全通道发送算力资源申请的请求；

4.4如远端算力资源分配返回正常，通知终端设备分配的算力资源信息，否则进入step5。

step5：本地边缘算力池和远端的边缘算力池都不存在算力资源，进行算力资源申请排队或者失败，并通知终端设备。

5.1如是算力池不存在终端设备对应的算力资源类型，则直接返回终端设备资源申请失败，并收集此类错误待终端设备修改或者新增算力资源；

5.2如算力资源池中存在申请的算力资源，但算力资源已经被分配完，则进入排队，并通知终端设备算力资源排队的状态。

如图4所示，远端边缘节点服务向算力池申请算力的具体流程如下：

step1：实时接收远端边缘服务软件的算力资源的申请，寻找类型匹配的算力资源。

step2：算力资源池内存在算力资源，进行算力资源的分配，并且更新算力资源状态，算力资源申请成功，进入step3，如果算力资源类型匹配失败或者类型匹配的算力资源已经被分配完，进入step4。

step3：通知算力资源申请的远端边缘服务软件算力资源的详细信息，待终端设备连接使用算力资源。

step4：通知算力资源申请的远端软件算力资源申请失败，返回对应的失败原因，供远端边缘服务软件进行后续的调度选择。

上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。