技术特征：
1.一种边缘计算的算力预测方法，其特征在于，所述方法包括：统计不同类型业务流的到达率，根据不同类型业务流的到达率设定业务流到达的分布函数；根据业务流到达的分布函数计算边缘计算的系统效率，以及计算各类业务流的系统效率占比；在预设的约束条件下，根据各类业务流的系统效率占比预测各类业务流所需的算力值。2.根据权利要求1所述的边缘计算的算力预测方法，其特征在于，所述业务流到达的分布函数为：其中，λ1为周期性业务到达率，λ2为随机性业务到达率，δ为冲击函数，t为时间；所述周期性业务和所述随机性业务是根据边缘计算的业务类型特性划分的。3.根据权利要求2所述的边缘计算的算力预测方法，其特征在于，所述根据业务流到达的分布函数计算边缘计算的系统效率，包括：对业务流到达的分布函数进行拉普拉斯变换，得到系统效率因子；根据系统效率因子计算得到边缘计算的系统效率。4.根据权利要求1所述的边缘计算的算力预测方法，其特征在于，所述计算各类业务流的系统效率占比，包括：统计不同类型业务流各自的占比，将各类业务流的占比分别乘以系统效率，得到各类业务流的系统效率占比。5.根据权利要求1所述的边缘计算的算力预测方法，其特征在于，所述在预设的约束条件下，根据各类业务流的系统效率占比预测各类业务流所需的算力值，包括：在业务丢失率约束条件和业务处理时延约束条件下，根据各类业务流的系统效率占比计算各类业务流所需的算力值的取值范围；在预先设定业务平均处理速率的条件下，计算所述算力值的取值范围内的最优算力值，将最优算力值作为业务流所需的算力值。6.一种边缘计算的算力编排方法，其特征在于，所述方法包括：获取多种终端设备的多个业务流；采用权利要求1所述的边缘计算的算力预测方法，预测边缘计算的各类业务流所需的算力值；根据各类业务流所需的算力值，将各类业务流映射到对应容器的应用程序。7.根据权利要求6所述的边缘计算的算力编排方法，其特征在于，所述根据各类业务流所需的算力值，将各类业务流映射到对应容器的应用程序，包括：确定各类业务流所属的应用程序，将属于同一个应用程序的业务流形成集合；根据应用程序的优先级属性，对属于该应用程序的业务流形成的集合进行排序，对集合标注权重值；根据集合的权重值将各个集合内的业务流映射到对应容器的应用程序。
8.根据权利要求7所述的边缘计算的算力编排方法，其特征在于，所述根据各类业务流所需的算力值，将各类业务流映射到对应容器的应用程序，还包括：根据各类业务流的实时性要求，对相应的集合的权重值进行修正；根据修正后的集合的权重值将集合内的业务流映射到对应容器的应用程序。9.根据权利要求7所述的边缘计算的算力编排方法，其特征在于，所述方法还包括：统计相同类型业务流对应的应用程序的总算力值；将相同类型业务流对应的应用程序归并到同一个容器中，为该容器配置与所述应用程序的总算力值相匹配的算力资源。10.根据权利要求6所述的边缘计算的算力编排方法，其特征在于，所述方法还包括：在获取多种终端设备的多个业务流之后，对多个业务流进行缓存，形成业务流混合队列。11.一种边缘计算的算力编排系统，其特征在于，所述系统包括：算力预测模块，用于根据边缘计算的不同业务流的特性，预测各类业务流所需的算力值；算力映射模块，用于根据各类业务流所需的算力值，将各类业务流映射到对应容器的应用程序。12.根据权利要求11所述的边缘计算的算力编排系统，其特征在于，所述根据边缘计算的不同业务流的特性，预测各类业务流所需的算力值，包括：统计不同类型业务流的到达率，根据不同类型业务流的到达率设定业务流到达的分布函数；根据业务流到达的分布函数计算边缘计算的系统效率，以及计算各类业务流的系统效率占比；在预设的约束条件下，根据各类业务流的系统效率占比预测各类业务流所需的算力值。13.根据权利要求12所述的边缘计算的算力编排系统，其特征在于，所述业务流到达的分布函数为：其中，λ1为周期性业务到达率，λ2为随机性业务到达率，δ为冲击函数，t为时间；所述周期性业务和所述随机性业务是根据边缘计算的业务类型特性划分的。14.根据权利要求13所述的边缘计算的算力编排系统，其特征在于，所述根据业务流到达的分布函数计算边缘计算的系统效率，包括：对业务流到达的分布函数进行拉普拉斯变换，得到系统效率因子；根据系统效率因子计算得到边缘计算的系统效率。15.根据权利要求12所述的边缘计算的算力编排系统，其特征在于，所述在预设的约束条件下，根据各类业务流的系统效率占比预测各类业务流所需的算力值，包括：在业务丢失率约束条件和业务处理时延约束条件下，根据各类业务流的系统效率占比计算各类业务流所需的算力值的取值范围；
在预先设定业务平均处理速率的条件下，计算所述算力值的取值范围内的最优算力值，将最优算力值作为业务流所需的算力值。16.根据权利要求11所述的边缘计算的算力编排系统，其特征在于，所述根据各类业务流所需的算力值，将各类业务流映射到对应容器的应用程序，包括：确定各类业务流所属的应用程序，将属于同一个应用程序的业务流形成集合；根据应用程序的优先级属性，对属于该应用程序的业务流形成的集合进行排序，对集合标注权重值；根据集合的权重值将各个集合内的业务流映射到对应容器的应用程序。17.根据权利要求11所述的边缘计算的算力编排系统，其特征在于，所述系统还包括：业务流缓存模块，用于在获取到多种终端设备的多个业务流之后，对多个业务流进行缓存，形成业务流混合队列。18.根据权利要求11所述的边缘计算的算力编排系统，其特征在于，所述系统还包括：业务接口模块，用于从多个通信端口接收来自多种终端设备的多个业务流。19.一种存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被执行时实现权利要求1-5中任一项所述的边缘计算的算力预测方法，或者权利要求6-10中任一项所述的边缘计算的算力编排方法。
技术总结
本发明涉及物联网领域，提供一种边缘计算的算力预测方法、算力编排方法及系统。所述算力预测方法包括：统计不同类型业务流的到达率，根据不同类型业务流的到达率设定业务流到达的分布函数；根据业务流到达的分布函数计算边缘计算的系统效率，以及计算各类业务流的系统效率占比；在预设的约束条件下，根据各类业务流的系统效率占比预测各类业务流所需的算力值。本发明的算力预测方法，可以精细化地估算边缘计算业务的算力资源需求。本发明采用算力预测方法对边缘计算的各类业务流所需的算力值进行预测，根据预测的算力值将各类业务流映射到对应容器的应用程序，为边缘计算提供灵活高效的算力分配方案，提高算力资源利用率。提高算力资源利用率。提高算力资源利用率。
技术研发人员：白晖峰 甄岩 霍超 陈文彬 郑利斌 张港红 尹志斌 苑佳楠 罗安琴 谢凡 陈雨新 刘全春
受保护的技术使用者：北京智芯微电子科技有限公司
技术研发日：2022.03.29
技术公布日：2022/8/5