私有云环境下云边协同计算资源分配系统与方法

1.本发明属于云计算-边缘计算协同计算领域，涉及一种私有云环境下云边协同计算资源分配系统，具体涉及一种基于深度强化学习的私有云环境下云边协同计算资源分配系统。


背景技术：

2.近年来，手机、可穿戴设备、传感器等移动设备的数量迅速增长。思科的数据显示，全球移动设备将从2018年的88亿部增长到2023年的131亿部。移动设备数量的爆炸式增长其结果是，越来越多的复杂应用程序对计算力有更高的需求。由于移动设备的计算力、内存及电池大小等限制，通常无法满足如今复杂的计算任务的需求，因此它们通常依赖云服务提供的计算资源。
3.由于云计算中心通常较为集中，对移动应用提出低延迟、实时运行和高服务质量的要求无法满足。为了向移动用户提供低延迟、实时的服务，一种新的计算范式——边缘计算被提出来解决云计算的以上问题。由于临近终端用户和地理分布部署，边缘计算可以为用户提供低延迟、位置感知、高移动性、高服务质量的服务。
4.然而，与云计算提供几乎无限的计算资源相比，边缘服务器在处理海量移动设备数据时往往没有足够的存储和计算资源。移动设备数量的快速增长导致其无法满足大量的计算资源需求从而造成了用户体验的下降。因此，云计算-边缘计算协同计算被提出，云计算和边缘计算相互协作，为用户提供协同计算服务。当用户的计算请求动态到达时，边缘节点可租用云计算资源并支付相应成本来满足用户的计算请求。同时，边缘节点计算成本根据其工作负载动态变化。云边协同计算提供服务时若没有策略地对动态到达的用户任务进行资源分配操作，计算成本相对较低的边缘节点中的计算资源无法被合理地利用，其租用云服务进行协同的成本增加势必会造成企业负担加重。
5.因此，云边协同计算中在满足用户动态的计算需求前提下降低长期运行成本是一个关键问题，有效分配资源以降低长期运行成本对于企业持续健康发展和提升市场竞争力有重要意义。


技术实现要素：

6.为了解决上述技术问题，本发明提供了一种私有云环境下云边协同计算资源分配系统与方法。
7.本发明的系统所采用的技术方案是：一种私有云环境下云边协同计算资源分配系统与方法，包括用户提交任务信息单元、系统边缘节点计算资源统计单元、系统任务资源决策单元、系统资源成本计算单元、系统资源分配单元、用户任务执行单元；
8.所述用户提交任务信息单元，用于系统获取用户随机到达并提交任务信息到边缘节点请求计算资源；
9.所述系统边缘节点计算资源统计单元，用于系统统计当前剩余的边缘节点资源容
量；
10.所述系统任务资源决策单元，用于系统对其任务进行资源分配的决策过程，其中任务的一部分由边缘节点本身承担计算任务，另外一部分由边缘节点向云节点租赁并承担计算任务，从而最小化云边协同计算的长期成本；
11.所述系统资源成本计算单元，用于资源分配决策决定后，计算私有云节点为协作边缘节点进行计算提供给边缘节点的计算资源的物理成本；
12.所述系统资源分配单元，用于根据系统任务资源决策单元的决策结果对计算任务进行资源分配；
13.所述用户任务执行单元，用于用户请求的计算任务获得系统所分配的计算资源，并完成任务计算。
14.本发明的方法所采用的技术方案是：一种私有云环境下云边协同计算资源分配系统与方法，其特征在于，包括以下步骤：
15.步骤1：用户向私有云环境下云边协同资源分配系统提交计算任务的信息；
16.步骤2：私有云环境下云边协同资源分配系统收到用户提交的任务，并统计当前系统中边缘节点的剩余资源；
17.步骤3：私有云环境下云边协同资源分配系统根据当前边缘节点的剩余资源和任务信息、此时长槽内私有云的计算成本及边缘节点剩余容量情况，决定有多少任务由边缘节点进行处理，有多少任务由私有云进行处理；
18.步骤4：私有云环境下云边协同资源分配系统计算私有云节点为协作边缘节点进行计算提供给边缘节点的计算资源的物理成本；
19.步骤5：私有云环境下云边协同资源分配系统使用“私有云协同环境下的资源分配算法”进行计算资源分配；
20.步骤6：用户获得系统所分配的计算资源，对任务进行计算处理，得到任务实现结果。
21.本发明私有云环境下云边协同资源分配系统，其中系统把云边协同计算在其服务时长被离散化为各个时长槽；在每个时长槽开始时，用户将计算任务信息提交至边缘节点，边缘节点自身拥有一定数量的虚拟机处理用户的请求，然而边缘节点的虚拟机容量是有限的，边缘节点可使用云服务去扩展其计算能力。边缘节点接收到用户的请求信息后根据其资源分配策略进行决策，决定到达的请求有多少在边缘节点本身进行处理及需要向私有云租赁多少虚拟机以在云服务上进行计算，并计算所需云节点的物理成本。在系统的边缘节点通过其资源分配策略进行资源分配分配后，系统转入下一个时长槽接收新的计算任务，而用户提交的任务完成计算。
附图说明
22.图1为本发明实施例提供的私有云环境下云边协同计算资源分配系统原理示意图；
23.图2为本发明实施例提供的私有云环境下云边协同计算资源分配系统框架示意图；
24.图3为本发明实施例提供的私有云环境下云边协同计算资源分配方法流程示意
图。
具体实施方式
25.为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
26.请见图1和图2，本发明的主要目的在于提供一种私有云环境下云边协同计算资源分配系统与方法，私有云环境下云边协同资源分配系统获取动态用户提交的任务信息，根据当前系统的边缘节点剩余计算容量和私有云计算成本，进行任务资源决策，即决定有多少任务由边缘节点进行处理，有多少任务由私有云进行处理；然后使用基于深度强化学习的资源分配算法，生成私有云环境下的资源分配，并将资源分配结果返回给用户提交的任务，进行计算，最后用户提交任务得到计算结果。
27.请见图3，本发明提供的种私有云环境下云边协同计算资源分配系统与方法，其特征在于，包括以下步骤：
28.步骤1：用户向私有云环境下云边协同资源分配系统提交计算任务的信息。具体实现步骤包括以下子步骤：
29.步骤1.1：本实例将系统服务周期内的时长离散化为t个时长槽；
30.步骤1.2：在每个时长槽t，用户随机到达并提交任务信息到边缘节点请求计算资源。在时长槽t，用户提交的任务信息表示为：
31.d
t
＝(d
t
,l
t
)
ꢀꢀ
(1)
32.其中，d
t
表示用户提交的任务信息中请求的虚拟机数量，l
t
表示计算任务持续的时长。
33.步骤2：私有云环境下云边协同资源分配系统收到用户提交的任务，统计当前系统中边缘节点的剩余资源。
34.本实例中，系统的边缘节点本身拥有的计算资源使用e表示，其指明了系统的边缘节点在初始状态时的虚拟机的总数量；使用e
t
表示在t时刻边缘节点剩余的容量。具体实现步骤包括以下子步骤：
35.步骤2.1：确定t-1时刻任务边缘节点处理的虚拟机数量则由云节点协同处理的虚拟机数量表示为需要注意的是，若在执行资源分配操作时边缘节点已无可用资源时会将到达的计算任务全部交由云服务进行处理，容易得到如下关系：
[0036][0037]
步骤2.2：记录每个边缘节点处理一个任务的记录：
[0038][0039]
上述公式表示一个分配记录h
t-1
由两个部分构成，描述上一个时长槽t-1中用户提出的任务中分配由边缘节点提供的虚拟机数量，l
t-1
表示此任务剩余的计算时长。
[0040]
步骤2.3：将其分配记录添加到一个分配记录列表h中：
[0041]
h＝《h1,h2,
…
,hm》
ꢀꢀ
(4)
[0042]
步骤2.4：在每一个时长槽结束时，边缘节点将分配记录列表h中的m个分配记录进行遍历并将其hi中的剩余计算时长l
t-1
减去1。如果在访问并修改一个分配记录后其记录的剩余计算时长为0则表明此计算任务已经完成，边缘节点需要根据其记录释放相应的虚拟机并将分配记录从列表中删除。将时长槽t结束时已完成计算的任务并等待释放的虚拟机数量表示为η
t-1
，则有：
[0043][0044]
步骤2.5：进一步地，计算出下一个时长槽t开始时边缘节点剩余的容量为时长槽t-1开始时的剩余容量减去时长槽t-1内分配的容量，加上时长槽t-1内因计算任务完成释放的容量，则时长槽t开始时边缘节点的剩余容量e
t
可以写作：
[0045][0046]
步骤3：私有云环境下云边协同资源分配系统根据当前边缘节点的剩余资源和任务信息、此时长槽内私有云的计算成本及边缘节点剩余容量情况，作出有多少任务由边缘节点进行处理，有多少任务由私有云进行处理的资源分配策略。具体实现步骤包括以下子步骤：
[0047]
步骤3.1：在每个时长槽开始时，系统边缘节点收集环境信息以获取状态值。在本实例中，状态可表示为s＝(e
t
,η
t-1
,d
t
,pc)。其中，e
t
为t时长槽时边缘节点内的剩余资源，η
t-1
为上一个时长槽归还的资源，d
t
为用户的需求信息向量，pc为使用私有云服务器的成本。
[0048]
步骤3.2：当边缘节点获取到环境的状态后，将会根据其资源分配策略进行决策，生成相应的分配动作。在本实例中，定义动作值为分配到私有云与总的请求数的比率，即因此，可以通过动作值容易地算出需要使用的私有云虚拟机数量为：剩余部分的任务由边缘节点本身进行处理，其虚拟机数量为：
[0049]
步骤3.3：根据策略生成的动作值所需的资源超过边缘节点的剩余资源e
t
，则将所有任务交由私有云服务器处理
[0050]
步骤4：私有云环境下云边协同资源分配系统计算私有云节点为协作边缘节点进行计算提供给边缘节点的计算资源的物理成本。具体实现步骤包括以下子步骤：
[0051]
步骤4.1：计算边缘节点的计算成本。在本实例中：边缘节点的计算成本由边缘节点的待机成本和计算成本组成。
[0052]
令边缘节点中单位虚拟机的待机成本为pe，边缘节点中单位虚拟机的工作时成本pf，可以计算出在时长槽t内的边缘节点计算成本为：
[0053][0054]
公式的前一部分表示时长槽t内，边缘节点的待机成本，后一部分为边缘节点的计算成本。
[0055]
步骤4.2：私有云通常为企业所拥有的有限容量的云资源池，为整个企业提供云计算服务而不仅仅为边缘节点提供计算服务。因此，本实例中所提到的私有云的计算成本指的是：在t个时长槽内云节点为协作边缘节点进行计算提供给边缘节点的计算资源的物理成本。私有云中的物理计算成本变化与t时刻私有云的动态的电力成本有关。
[0056]
假设边缘节点提交的计算任务为高优先级任务，私有云资源调度器会保障其资源申请成功，且在计算时长内保障其服务不中断。为了描述这一特征，本系统的私有云计算成本含义即其动态的物理计算成本。
[0057]
由公式(1)可知，边缘节点通过其分配策略将任务分成两部分处理，在时长槽t，由云节点进行协同处理所需的虚拟机数量为则本实例中，私有云运行单位虚拟机所需的物理成本为pc，时长槽t内使用私有云与边缘节点进行协同计算的成本可以表示为：
[0058][0059]
需要注意的是，私有云的单位计算成本与边缘计算单位计算成本需要满足关系p
p
》pf，因为若p
p
≤pf，则私有云的计算成本低于边缘节点，为最小化成本，所有的计算任务都应在云节点上处理。
[0060]
步骤5：私有云环境下云边协同资源分配系统使用“基于深度强化学习的私有云协同环境下的资源分配算法”进行计算资源分配，具体实现步骤包括以下子步骤：
[0061]
步骤5.1：接收用户任务信息，并获取云边协同计算环境状态；
[0062]
步骤5.2：获得根据步骤4中所定义的资源分配决策数量：即由边缘节点进行处理和私有云处理的任务数量：和
[0063]
步骤5.3：根据这两个数量为用户提出的任务分配资源；
[0064]
步骤5.4：系统的边缘节点根据分配操作生成分配记录hi，并加入到分配记录列表h中；
[0065]
步骤5.5：系统将其以上步骤以元组存储到经验回放池中作为其学习的数据；
[0066]
步骤5.6：系统存储完成后，环境将会进入下一个状态；边缘节点将会根据其资源分配历史记录列表h释放已完成计算任务的资源以供后续任务使用。
[0067]
步骤6：用户获得系统所分配的计算资源，对任务进行计算处理，得到任务实现结果。
[0068]
因此，本实例私有云环境下云边协同资源分配系统，在满足用户计算请求的前提下，针对用户的动态请求、私有云的计算成本及边缘节点计算成本动态变化的问题，为用户的计算请求分配计算资源，同时降低私有云协同环境下的长期运行成本。
[0069]
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
[0070]
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。