一种面向巨型低轨星座的无服务器边缘计算任务编排方法及装置

1.本发明涉及低轨卫星通信技术领域，尤其涉及一种面向巨型低轨星座的无服务器边缘计算任务编排方法及装置。


背景技术：

2.随着5g、wi-fi6等新一代通信和网络技术蓬勃发展，产生了大量诸如车联网、vr(virtual reality，虚拟现实)/ar(augmented reality，增强现实)、4k/8k、智慧城市等新型用户业务，这些业务大大改善了人们的生活质量、促进了社会发展。然而，与此形成鲜明对比的是，电信运营商往往不会选择在偏远山区以及欠发达的村庄建设成本较高的全覆盖地面网络来提供电信能力，这使得这些地区的用户越来越难以被迅速发展的高质量通信和网络提供服务。
3.在此情况下，卫星通信因其在射频资源丰富、覆盖范围大、通信距离长、地面干扰小等方面的良好性能被认为是解决上述挑战的有效技术。尤其是近些年来，随着航天工业和自动化技术的快速发展，巨型低轨星座网络得到了迅速发展。其全球覆盖的特性可以大幅度提高卫星通信能力，在通信宽带方面潜力巨大；另外，巨型低轨星座能够以较低的信号传播延迟来提高服务质量，这意味着将巨型低轨星座有潜力快速精确地处理来自移动用户的时延敏感型和计算密集型业务。因此，通过巨型低轨星座的部署与应用以提供网络业务处理能力成为了业界进一步提供大规模业务的重点发展方向。
4.虽然巨型低轨星座网络具有传播延迟短、开发成本低等优点，但为了提供高质量的网络服务，巨型低轨星座仍存在以任务编排方面为代表的诸多挑战问题需要解决。首先，为确保全球范围无缝覆盖，巨型低轨星座的构型往往采用密集混合星座设计方法，这些异构卫星的资源部署方式各异，单星对大规模服务处理能力有限，传统的任务编排方式主要为将接收到的请求统一发送到一个卫星控制器，由控制器分配某个卫星完成请求的任务，因此，对于一个请求每次都要传递到控制器完成任务分配，处理效率较低。


技术实现要素：

5.鉴于此，本发明的实施例提供了一种面向巨型低轨星座的无服务器边缘计算任务编排方法，以消除或改善现有技术中存在的一个或更多个缺陷。
6.本发明的一个方面提供了一种面向巨型低轨星座的无服务器边缘计算任务编排方法，所述方法的步骤包括：
7.由低轨星座中的任一卫星接收用户请求，以该卫星作为基准卫星构建虚拟卫星子网，所述虚拟卫星子网中包括临近基准卫星的多个附属卫星；
8.基准卫星将用户请求所对应的请求任务拆分为多个函数服务子任务，将每个函数服务子任务分别发送至虚拟卫星子网中不同的卫星；
9.虚拟卫星子网中的卫星基于请求任务的服务类型构建冷启动函数环境或热启动
函数环境；
10.基于请求任务中函数服务子任务的执行顺序，分别启动函数服务子任务所在的卫星执行函数服务子任务，使数据在虚拟卫星子网中的多个卫星之间传递；
11.由执行末端函数服务子任务的卫星输出请求任务的任务结果，并将任务结果传输至基准卫星，由基准卫星向用户端发送任务结果。
12.采用上述方案，一方面，本方案无需将接收到的用户请求再发送到卫星控制器进行任务编排，可以直接由接收到的卫星完成任务编排的工作，且基准卫星能够将用户请求所对应的请求任务拆分为多个函数服务子任务，并发送至不同的卫星执行，相比于传统仅由一个卫星处理任务的方式，提高任务处理效率；另一方面，本方案能够满足不同的服务类型，如时延敏感型、计算密集型业务的需求，构建不同的函数环境，提供多种解决思路，提高对不同服务类型的适用性。
13.在本发明的一些实施方式中，由低轨星座中的任一卫星接收用户请求，以该卫星作为基准卫星构建虚拟卫星子网的步骤包括：
14.获取低轨星座中的卫星与基准卫星的距离，将与基准卫星的距离小于预设距离阈值的卫星作为虚拟卫星子网中的卫星。
15.在本发明的一些实施方式中，基准卫星将用户请求所对应的请求任务拆分为多个函数服务子任务，将每个函数服务子任务分别发送至虚拟卫星子网中不同的卫星的步骤包括：
16.基于函数服务子任务和虚拟卫星子网的卫星构建多种预选方案；
17.计算每个预选方案的计算资源总成本和时延总成本，基于资源总成本和时延总成本计算总成本；
18.将总成本小于预设成本阈值的预选方案作为最终分配方案。
19.在本发明的一些实施方式中，计算每个预选方案的计算资源总成本和时延总成本，基于资源总成本和时延总成本计算总成本的步骤包括：
20.分别获取将函数服务子任务发送至卫星的传输时延成本和卫星的处理时延成本，基于传输时延成本和处理时延成本，计算每个预选方案的时延总成本。
21.在本发明的一些实施方式中，计算每个预选方案的计算资源总成本和时延总成本，基于资源总成本和时延总成本计算总成本的步骤包括：
22.计算预选方案中每个附属卫星处理函数服务子任务的计算资源成本，得到每个预选方案的计算资源总成本。
23.在本发明的一些实施方式中，根据如下公式，计算每个预选方案的计算资源总成本和时延总成本，基于资源总成本和时延总成本计算总成本：
[0024][0025]
x表示函数服务子任务的总数；m表示虚拟卫星子网中附属卫星的数量；a
ij
表示判断参数，在预选方案中是否将函数服务子任务xi分配给卫星mj，是则a
ij
＝1，否则a
ij
＝0；α表示时延成本权重，β表示计算成本权重，α和β均大于0，α+β＝1；pi表示函数服务子任务xi的比特大小；qi表示函数服务子任务xi所需cpu资源大小；l
rj
表示基准卫星与虚拟卫星子网中任
一卫星mj的传输时延成本；t
ji
表示执行函数服务子任务xi的卫星mj的处理时延成本；γ
ij
表示执行参数，函数服务子任务的执行需要满足执行顺序，若将任务xi分配给低轨卫星边缘计算节点mj满足执行顺序，则γ
ij
＝1，若不满足，则γ
ij
→
∞；r
ji
表示执行本次函数服务子任务的卫星mj的计算资源成本；δ表示总成本。
[0026]
在本发明的一些实施方式中，为时延总成本，为资源总成本。
[0027]
在本发明的一些实施方式中，虚拟卫星子网中的卫星基于请求任务的服务类型构建冷启动函数环境或热启动函数环境的步骤包括：
[0028]
所述基准卫星获取用户请求的时延要求，若时延要求的参数小于预设的时延阈值，则确定请求任务的服务类型为时延敏感型；
[0029]
对于时延敏感型的请求任务，所述附属卫星采用热启动函数环境。
[0030]
在本发明的一些实施方式中，虚拟卫星子网中的卫星基于请求任务的服务类型构建冷启动函数环境或热启动函数环境的步骤包括：
[0031]
所述基准卫星获取用户请求所需的计算资源大小，若所需的计算资源大小大于预设的资源阈值，则确定请求任务的服务类型为计算密集型；
[0032]
对于计算密集型的请求任务，所述附属卫星采用冷启动函数环境。
[0033]
在本发明的一些实施方式中，在计算每个预选方案的计算资源总成本和时延总成本，基于资源总成本和时延总成本计算总成本的公式中，
[0034]
若请求任务的服务类型为时延敏感型，则时延成本权重大于计算成本权重；
[0035]
若请求任务的服务类型为计算密集型，则计算成本权重大于时延成本权重。
[0036]
本发明的另一方面还提供一种面向巨型低轨星座的无服务器边缘计算任务编排装置，该装置包括计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如前所述方法所实现的步骤。
[0037]
本发明的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出并获得。
[0038]
本领域技术人员将会理解的是，能够用本发明实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
[0039]
此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，并不构成对本发明的限定。
[0040]
图1为本发明面向巨型低轨星座的无服务器边缘计算任务编排方法一种实施方式的示意图；
[0041]
图2为本发明面向巨型低轨星座的无服务器边缘计算任务编排方法另一种实施方式的示意图；
[0042]
图3为函数服务子任务拆分和执行的示意图；
[0043]
图4为现有技术1的结构示意图；
[0044]
图5为现有技术2的结构示意图；
[0045]
图6为本技术的结构示意图。
具体实施方式
[0046]
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
[0047]
在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
[0048]
应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
[0049]
在此，还需要说明的是，如果没有特殊说明，术语“连接”在本文不仅可以指直接连接，也可以表示存在中间物的间接连接。
[0050]
在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。
[0051]
现有技术介绍：
[0052]
现有技术1
[0053]
将卫星作为边缘计算网络节点的低轨卫星边缘计算lec(low-orbitedgecomputing)网络在低轨卫星上部署边缘计算资源，物联网设备生成的数据可以直接由低轨卫星处理。当物联网设备的接入卫星(或其相邻卫星)具有请求的处理功能时，物联网设备与提供处理功能的卫星之间的端到端路径不包括过多的卫星间链路。因此，可以节省这些卫星间链路的带宽。此外，数据处理延迟将大大减少，因为用户可以直接从卫星(lec节点)获得计算服务。
[0054]
如图4所示，lec系统由低轨卫星星座、卫星网络网关和用户端组成。为了实现卫星间的多跳通信，在卫星上安装了交换和路由设备。卫星网络网关部署在地面。它提供了地面网络和卫星网络之间的互连。低轨卫星控制器放置在卫星网络网关中，本地控制代理部署在每颗卫星上。用户终端可以从lec系统获得边缘计算服务，例如，物联网设备生成的数据可以由lec卫星节点处理。
[0055]
现有技术1的缺点
[0056]
1、lec方案的任务编排决策过程过于依赖卫星网络网关的集中式决策，虽然用户端可以直接获得卫星节点提供的服务，但计算任务的编排决策还需要拥有全局拓扑信息的卫星网络网关决定。这种方式不仅带来了网关单点故障问题，还增加了传输链路长度和冗余流量。另外，通过全局优化的方法进行编排决策的方法在现有的巨型低轨星座场景中不具备很强的实际应用意义，因为受移动性和强干扰的限制任务一般只能被邻近的较少数卫星协同处理，因此仅需求解距用户较近的卫星的局部最优即可实现高性能的协同任务编排决策。
[0057]
2、卫星资源的分配和使用方式是传统边缘计算的预请求—分配模式，根据业务请
求的资源量进行分配和编排，这可能会造成业务并未充分使用被分配的资源的情况，造成高成本的卫星计算存储资源的浪费。另外，当业务运行在接近满载的节点上并且实际使用资源超出预分配量时，无法进行资源扩容和协同处理，造成任务处理失败的同时浪费资源的问题。
[0058]
3、难以使用多星分布式协同的方式处理计算密集型任务。lec对基于容器粒度的子任务的划分和调度机制非常复杂，因为需要考虑很多因素，例如所有卫星的可用计算资源和剩余能量、所有卫星之间的链路延迟和容量。此外，可能有不同的优化目标，例如最小化任务完成延迟、平衡卫星负载和最小化通信开销。
[0059]
现有技术2
[0060]
如图5所示，在面向云计算与边缘计算混合的巨型低轨卫星星座任务编排方案中，根据不同的需求，用户计算任务以不同的方式编排处理计算。对于地面用户无法处理的计算密集型任务，计算任务可以通过无线链路卸载到巨型低轨星座，或通过低轨卫星转发到云服务器进行处理。对于地面用户有能力处理的计算任务，它可以自行计算。
[0061]
现有技术2的缺点
[0062]
1、这种任务编排方式要求每个地面用户只有一个要计算的计算任务，并且计算任务不能被划分，不仅不符合实际情况中的用户服务特征和需求，另外也在机制原理上无法对计算密集型任务的拆分以及卫星间对其协同编排处理。
[0063]
2、这种方案主要考虑编排方式对任务处理时间和能量消耗的影响，但是低轨卫星部分的处理效率的提升在原理上是依靠云计算和本地计算分担计算任务而实现的，但这种编排方式并没有在本质上提高巨型低轨星座的资源利用率，反而因为云和本地优先处理造成卫星计算存储资源空置的问题，另外这种任务编排方式在本地处理能力极弱的偏远地区不适用。
[0064]
为解决以上问题，如图1、2、6所示，本发明提出一种面向巨型低轨星座的无服务器边缘计算任务编排方法，所述方法的步骤包括：
[0065]
步骤s100，由低轨星座中的任一卫星接收用户请求，以该卫星作为基准卫星构建虚拟卫星子网，所述虚拟卫星子网中包括临近基准卫星的多个附属卫星；
[0066]
终端用户包括所有使用巨型低轨星座无服务器边缘计算网络服务的单个设备或设备集群，不仅包括陆地设备，也包括海洋上的和空中的终端设备。终端用户向巨型低轨星座无服务器边缘计算网络发出服务请求，巨型低轨星座中的某个低轨卫星收到此请求后就作为一个无服务器边缘计算节点对该任务进行编排，经由巨型低轨星座网络处理后再向终端用户反馈结果，完成计算任务。
[0067]
在本发明的一些实施方式中，所述用户请求为服务请求，可以为定位服务或者数据筛选服务等。
[0068]
巨型低轨星座中的所有低轨卫星共同组成完整的巨型低轨星座分布式边缘网络。每个低轨卫星都搭载低轨卫星无服务器边缘计算平台，用来处理终端用户请求的无服务器计算业务以及从网络中拉取并部署函数及其配置及维护处理环境等。另外，由于巨型低轨星座可以覆盖全球范围的终端用户，因此无论终端用户向巨型低轨星座网络中的任何一颗卫星发出请求，该卫星都能作为基准卫星，卫星上的无服务器边缘计算平台都可以立刻自主地响应服务、编排任务及启动函数操作处理。这种分布式管控的网络架构与能力可以保
障巨型低轨星座分布式边缘网络的动态自治能力，卫星网络通过协作编排、共同处理函数任务，提高全局处理效率和资源利用率。
[0069]
在本发明的一些实施方式中，所述低轨星座中的任一卫星上的无服务器边缘计算平台均设置有网络控制器和编排控制器，所述网络控制器用于感知网络链路拓扑和实现网络管控，包括自身的网络状态信息和可以转发的下一跳卫星中继等路由信息的维护；所述编排控制器执行终端用户服务的函数拆分及任务编排工作，与网络控制器协作划分服务处理虚拟卫星子网，之后按照编排策略执行任务编排过程，并接收和组合该子网内各低轨卫星协同处理后的无服务器计算服务处理结果，最后通过平台向用户反馈处理结果以完成整个任务处理过程。
[0070]
步骤s200，基准卫星将用户请求所对应的请求任务拆分为多个函数服务子任务，将每个函数服务子任务分别发送至虚拟卫星子网中不同的卫星；
[0071]
在本发明的一些实施方式中，所述请求任务可以为模型训练任务，则模型训练任务对应的多个函数服务子任务可以包括顺序执行的数据收集、数据筛选和模型训练等，可以将函数服务子任务分别发送至虚拟卫星子网中不同的卫星进行执行，进一步地，若数据收集包括多个步骤，则也可以将数据收集再次划分为多个函数服务子任务。
[0072]
在本发明的一些实施方式中，若需要同时需要两种数据筛选方式，则也可以将两种不同的筛选方式作为函数服务子任务分别分配给不同的卫星。
[0073]
在本发明的一些实施方式中，对函数服务子任务的划分方式均可以有技术人员根据需求进行预设。
[0074]
步骤s300，虚拟卫星子网中的卫星基于请求任务的服务类型构建冷启动函数环境或热启动函数环境；
[0075]
在本发明的一些实施方式中，若请求任务的服务类型为时延敏感型，如自动驾驶中的定位服务，则对时延要求较高，采用热启动函数环境，若构建热启动函数环境，则卫星在接收到需要完成的任务时，即开始从网络中拉取各自处理函数操作所需要的函数镜像并配置其运行环境，如定位服务中下载地图；若构建冷启动函数环境，则只需在请求任务执行到该卫星所负责的函数服务子任务时，再开始从网络中拉取各自处理函数操作所需要的函数镜像并配置其运行环境。
[0076]
采用上述方案，能够保证对于时延敏感型的请求任务的处理及时性，提高处理速度；但对于时延要求较低的请求任务，不需要提前构建环境，且提前构建环境会加重工作负担。
[0077]
步骤s400，基于请求任务中函数服务子任务的执行顺序，分别启动函数服务子任务所在的卫星执行函数服务子任务，使数据在虚拟卫星子网中的多个卫星之间传递；
[0078]
在本发明的一些实施方式中，若请求任务为模型训练任务，模型训练任务对应的多个函数服务子任务可以包括顺序执行的数据收集、数据筛选和模型训练，将数据收集、数据筛选和模型训练分别发送至a、b、c三个卫星，则a收集的数据发送至b，b筛选后将数据发送至c，c基于数据进行训练，将训练完成的模型反馈至客户端。
[0079]
将请求任务根据其需要实现的功能进行无服务器函数业务拆分，得到函数服务子任务，其意义是将一个完整的服务拆分成一组函数操作，每个低轨卫星边缘计算节点可配置部分或全部函数执行所需的运行环境以进行相关函数的处理，最后处理完的所有函数操
作组合成完整的服务结果提供给终端用户。函数服务的拆分在数学上是一个有向无环图(directed acyclic graph,dag)问题，如图3所示，将f拆分为若干个函数服务子任务{x1,x2,
…
,xi,
…
}，可以看出这些函数服务子任务之间可能存在调用顺序，即一个函数服务子任务的输出可能会作为另一个函数服务子任务的输入，图中有向路集合d＝{d1,d2,
…
,di,
…
,dn}则表示了函数服务子任务之间的依赖关系，例如有向路d1表示函数服务子任务x1的输出作为函数服务子任务x2的输入，因此函数服务子任务x2必须在函数服务子任务x1运行结束后触发。
[0080]
步骤s500，由执行末端函数服务子任务的卫星输出请求任务的任务结果，并将任务结果传输至基准卫星，由基准卫星向用户端发送任务结果。
[0081]
在本发明的一些实施方式中，末端的函数服务子任务为函数服务子任务的执行顺序中，最后一个函数服务子任务。
[0082]
采用上述方案，一方面，本方案无需将接收到的用户请求再发送到卫星控制器进行任务编排，可以直接由接收到的卫星完成任务编排的工作，且基准卫星能够将用户请求所对应的请求任务拆分为多个函数服务子任务，并发送至不同的附属卫星执行，相比于传统仅由一个卫星处理任务的方式，提高任务处理效率；另一方面，本方案能够满足不同的服务类型，如时延敏感型、计算密集型业务的需求，构建不同的函数环境，提供多种解决思路，提高不同对服务类型的适用性。
[0083]
在本发明的一些实施方式中，由低轨星座中的任一卫星接收用户请求，以该卫星作为基准卫星构建虚拟卫星子网的步骤包括：
[0084]
获取低轨星座中的卫星与基准卫星的距离，将与基准卫星的距离小于预设距离阈值的卫星作为虚拟卫星子网中的卫星。
[0085]
低轨卫星之间相对运动可能会导致链路不稳定，从而导致动态网络拓扑和频繁的路由更新影响星间任务协同编排的稳定性，传统全局范围的任务编排方法复杂性过高且难以适配星座网络大规模时变的状态；
[0086]
巨型低轨星座具有低轨卫星数量众多、网络呈现分布式结构、快速动态变化、星间交互频繁等特征。实际应用场景中除在本地卫星单独完成处理之外，低轨卫星往往仅能选择与周边距离较近的其他少数卫星协同处理计算服务，而一般不会选择通过多次转发与链路距离较远的卫星协同处理，这样可以避免星间信道干扰较强且较远距离卫星位置移动带来的网络抖动和数据丢失。
[0087]
在本发明的一些实施方式中，基准卫星将用户请求所对应的请求任务拆分为多个函数服务子任务，将每个函数服务子任务分别发送至虚拟卫星子网中不同的卫星的步骤包括：
[0088]
基于函数服务子任务和虚拟卫星子网的卫星构建多种预选方案；
[0089]
计算每个预选方案的计算资源总成本和时延总成本，基于资源总成本和时延总成本计算总成本；
[0090]
将总成本小于预设成本阈值的预选方案作为最终分配方案。
[0091]
在本发明的一些实施方式中，在构建预选方案的步骤中，每个预选方案中的卫星和函数服务子任务的匹配中，卫星能够满足函数服务子任务所需的时延要求和计算资源要求。
[0092]
在本发明的一些实施方式中，在基于函数服务子任务和虚拟卫星子网的卫星构建多种预选方案的步骤中，可以采用排列组合的方式得到多个预选方案，每个预选方案都可以表示为一个决策矩阵a＝[a
ij
]
x
×m，a
ij
表示判断参数，在预选方案中是否将函数服务子任务xi分配给卫星mj，是则a
ij
＝1，否则a
ij
＝0，x表示函数服务子任务的总数，m表示虚拟卫星子网中附属卫星的数量，i从1开始计算即函数服务子任务包括(x1、x2……
)，j从0开始计算即虚拟卫星子网的卫星包括(m0、m1……
)，m0可以表示基准卫星。
[0093]a10
＝1表示将函数服务子任务x1分配到基准卫星m0执行，决策矩阵可以确保为每个函数服务子任务都会被分配且仅被分配给唯一的低轨卫星边缘计算节点。
[0094]
在本方案中基准卫星也可以被分配函数服务子任务。
[0095]
在本发明的一些实施方式中，计算每个预选方案的计算资源总成本和时延总成本，基于资源总成本和时延总成本计算总成本的步骤包括：
[0096]
分别获取将函数服务子任务发送至卫星的传输时延成本和卫星的处理时延成本，基于传输时延成本和处理时延成本，计算每个预选方案的时延总成本。
[0097]
在本发明的一些实施方式中，所述传输时延成本可以由基准卫星基于距离进行估算的得到，卫星的处理时延成本可以根据函数服务子任务的大小和卫星的cpu参数估算得到。
[0098]
在本发明的一些实施方式中，计算每个预选方案的计算资源总成本和时延总成本，基于资源总成本和时延总成本计算总成本的步骤包括：
[0099]
计算预选方案中每个附属卫星处理函数服务子任务的计算资源成本，得到每个预选方案的计算资源总成本。
[0100]
在本发明的一些实施方式中，每个附属卫星的计算资源成本可以为附属卫星处理函数服务子任务所需的cpu大小。
[0101]
在本发明的一些实施方式中，根据如下公式，计算每个预选方案的计算资源总成本和时延总成本，基于资源总成本和时延总成本计算总成本：
[0102][0103]
x表示函数服务子任务的总数；m表示虚拟卫星子网中附属卫星的数量；a
ij
表示判断参数，在预选方案中是否将函数服务子任务xi分配给卫星mj，是则a
ij
＝1，否则a
ij
＝0；α表示时延成本权重，β表示计算成本权重，α和β均大于0，α+β＝1；pi表示函数服务子任务xi的比特大小；qi表示函数服务子任务xi所需cpu资源大小；l
rj
表示基准卫星与虚拟卫星子网中任一卫星mj的传输时延成本；t
ji
表示执行函数服务子任务xi的卫星mj的处理时延成本；γ
ij
表示执行参数，函数服务子任务的执行需要满足执行顺序，若将任务xi分配给低轨卫星边缘计算节点mj满足执行顺序，则γ
ij
＝1，若不满足，则γ
ij
→
∞；r
ji
表示执行本次函数服务子任务的卫星mj的计算资源成本；δ表示总成本。
[0104]
在本发明的一些实施方式中，为时延总成本，为资源总成本。
[0105]
在本发明的一些实施方式中，上述公式也可以表示为
edge computing,mec)的思想，在巨型低轨星座中引入无服务器边缘计算技术为解决上述问题，并为满足时延敏感型、计算密集型业务的需求提供解决思路。其核心思想一方面是利用无服务器计算中函数即服务(functions as a service，faas)的方法将用户服务拆解为功能独立的无状态函数，通过事件触发的方式动态地处理，进而实现资源的按需分配和部署，提高资源利用率。另一方面，利用边缘计算将网络编排功能下沉到异构的低轨卫星网络边缘，快速响应用户的计算处理请求并进行邻近星间灵活的任务编排，提升用户的服务体验质量(qoe，quality of experience)。
[0120]
当前在巨型低轨星座边缘网络中应用无服务器计算技术尚处于起步阶段，现有的大多数方案聚焦在巨型低轨星座中单独构建边缘计算系统或云—边缘结合的平台架构设计、移动性管理以及编排调度方面，如何更进一步的发明巨型低轨星座的无服务器边缘计算任务编排方案以实现星座资源的高效利用尚处于空白。因此，本发明方案聚焦巨型低轨星座场景，设计无服务器边缘计算任务编排网络及方法，实现对巨型低轨星座中无服务器计算服务的灵活部署和异构卫星计算资源的高效利用。
[0121]
本方案的有益效果
[0122]
1、本方案提出了在巨型低轨星座中的每个卫星上实现网络的分布式管理及决策能力，解决了在传统集中式管控的星座边缘网络中，终端用户和低轨卫星都不可避免地与集中管控编排控制器频繁交互造成的服务流程复杂，冗余流量大的问题。
[0123]
2、本发明提出了在巨型低轨星座中的所有低轨卫星上部署具有网络控制、编排控制和无服务器计算业务处理功能的低轨卫星无服务器边缘计算平台的方案，以实现将边缘计算和无服务器计算在巨型低轨星座中结合以迅速高效地处理终端用户服务，该方案解决了无服务器计算任务处理方式在低轨巨型星座网络中的部署实现问题。
[0124]
3、本发明将终端用户的请求任务拆分为一组函数服务子任务对应的函数操作，并考虑服务的时延及资源需求划分处理该服务的虚拟卫星子网，将函数操作编排给虚拟子网内的多个低轨卫星协同处理，实现服务性能的提升和资源的高效利用。
[0125]
4、本发明完整提出了巨型低轨星座无服务器边缘计算分布式网络结构的整体架构及其功能模块和这些模块之间的通信流程和组织关系。
[0126]
5、本发明提出了完整的在巨型低轨星座网络中无服务器边缘计算任务处理的全流程机制，包括以下几大流程：终端用户发起服务请求、划分服务处理虚拟卫星子网、拆分函数服务、分布式编排决策、配置函数操作启动环境、协同函数操作并组合处理结果、释放资源并解散虚拟子网。
[0127]
6、本发明考虑到终端用户服务需求是属于时延敏感型还是计算密集型，灵活选择函数环境启动方式以及时延成本和计算资源成本的权重占比，并需要符合函数操作依赖关系的匹配性，求得优化任务编排模型的近似解以做出无服务器边缘计算任务编排决策，满足终端用户服务时延和资源的高性能需求。
[0128]
本发明实施例还提供一种面向巨型低轨星座的无服务器边缘计算任务编排装置，该装置包括计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如前所述方法所实现的步骤。
[0129]
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算
机程序被处理器执行时以实现前述面向巨型低轨星座的无服务器边缘计算任务编排方法所实现的步骤。该计算机可读存储介质可以是有形存储介质，诸如随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、软盘、硬盘、可移动存储盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质。
[0130]
本领域普通技术人员应该可以明白，结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法，能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。
[0131]
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，做出各种改变、修改和添加，或者改变步骤之间的顺序。
[0132]
本发明中，针对一个实施方式描述和/或例示的特征，可以在一个或更多个其它实施方式中以相同方式或以类似方式使用，和/或与其他实施方式的特征相结合或代替其他实施方式的特征。
[0133]
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。