本发明涉及工业物联网,具体涉及边缘网络资源分配方法、装置、计算机设备及介质。
背景技术:
1、现阶段,数据密集型物联网服务的激增,如工业自动化、智能医疗保健、无人驾驶和远程监控,正在推动工业4.0时代数据流量的飞速增长。因此,物联网需要具有强大的分析和计算能力去处理这种计算密集型的任务。为了适应智能和数字化日益增长的需求,结合先进的人工智能机制,物联网需要对大量数据进行分析,以检测、识别和发现环境状态。然而,人工智能-云物联网模式在时间敏感性、资源利用率和可靠性方面仍存在一些问题。
2、相关技术中,多访问边缘计算(mec)范式已被设想为在物联网接收器层上提供高可用性网络资源的潜在候选方案。然而,目前的物联网资源分配方法无法适应爆发式数据增长,存在边缘资源消耗较大的问题,导致物联网mec网络仍然遭受着极大的资源消耗压力。
技术实现思路
1、因此,本发明要解决的技术问题在于克服现有技术中物联网资源分配方法无法适应爆发式数据增长,存在边缘资源消耗较大的缺陷,从而提供边缘网络资源分配方法、装置、计算机设备及介质。
2、结合第一方面,本发明提供一种边缘网络资源分配方法,所述方法包括:
3、获取用户的计算请求;
4、基于所述计算请求,将所述计算请求映射至标识空间,得到标识空间映射模型,所述标识空间映射模型用于表征用户与服务器关系的映射;
5、基于所述标识空间映射模型,对所述计算请求对应的计算任务的能量成本及时间成本进行计算,构建多目标优化模型;
6、基于所述标识空间映射模型及所述多目标优化模型,确定所述计算任务的最优分配策略。
7、在该方式中,通过构建标识空间映射的系统模型,将边缘网络系统计算任务映射至标识空间,得到对边缘网络系统的能量成本和时间成本的优化模型,通过优化模型对资源编排策略进行调整优化,得到能量成本和时间成本最小的资源分配策略,用以支持高效和可靠的资源分配。在考虑了终端和服务的多维属性值的基础上,同时保证了边缘网络系统的可靠性和网络性能,并通过对供需之间的关系进行匹配,实现了对边缘网络系统的可靠性、能耗和能耗共同优化。
8、结合第一方面,在第一方面的第一实施例中,所述标识空间包括访问空间与匹配空间;
9、所述基于所述计算请求,将所述计算请求映射至标识空间映射模型,包括:
10、基于所述计算请求,确定计算任务,所述计算任务包括计算卸载任务及资源分配任务;
11、将所述计算卸载任务映射至所述访问空间,得到访问映射矩阵;
12、将所述资源分配任务映射至所述匹配空间,得到匹配映射矩阵;
13、基于访问映射矩阵匹配映射矩阵,得到所述标识空间映射模型。
14、结合第一方面的第一实施例,在第一方面的第二实施例中,所述基于所述标识空间映射模型,对所述计算请求对应的计算任务的能量成本及时间成本进行计算,构建多目标优化模型,包括:
15、基于所述访问映射矩阵,对所述计算任务中的用户端计算任务的能量成本及时间成本进行计算,得到用户端能量成本和时间成本优化问题;
16、基于所述匹配映射矩阵,对所述计算任务中的服务器端计算任务的能量成本及时间成本进行计算,得到服务器端能量成本和时间成本优化问题;
17、基于所述用户端能量成本和时间成本优化问题及所述服务器端能量成本和时间成本优化问题,构建得到多目标优化模型。
18、结合第一方面的第二实施例,在第一方面的第三实施例中,所述基于所述标识空间映射模型及所述多目标优化模型,确定所述计算任务的最优分配策略,包括:
19、基于所述访问映射矩阵,确定服务器端与用户端的资源供需关系;
20、基于所述服务器端与用户端的资源供需关系,确定最优匹配位置;
21、基于所述多目标优化模型及所述最优匹配位置,构建匹配策略优化模型;
22、基于所述匹配策略优化模型,确定所述计算任务的最优分配策略。
23、结合第一方面的第三实施例,在第一方面的第四实施例中,所述基于所述访问映射矩阵,确定服务器端与用户端的资源供需关系,包括:
24、获取供需关系模型;
25、将所述访问映射矩阵输入所述供需关系模型,得到所述服务器端与用户端的资源供需关系。
26、结合第一方面的第四实施例,在第一方面的第五实施例中,所述供需关系模型为预训练好的深度神经网络匹配模型。
27、结合第一方面的第三实施例,在第一方面的第六实施例中,所述基于所述匹配策略优化模型,确定所述计算任务的最优分配策略,包括:
28、基于所述多目标优化模型,确定初始匹配策略;
29、基于所述匹配策略优化模型,对初始匹配策略进行调整,以使得系统的能量成本和时间成本最小,得到所述计算任务的最优分配策略。
30、在本发明的第二方面,本发明还提供一种边缘网络资源分配装置,所述装置包括:
31、获取单元,用于获取用户的计算请求;
32、映射单元,用于基于所述计算请求,将所述计算请求映射至标识空间,得到标识空间映射模型,所述标识空间映射模型用于表征用户与服务器关系的映射;
33、计算单元,用于基于所述标识空间映射模型,对所述计算请求对应的计算任务的能量成本及时间成本进行计算,构建多目标优化模型;
34、确定单元,用于基于所述标识空间映射模型及所述多目标优化模型,确定所述计算任务的最优分配策略。
35、结合第二方面,在第二方面的第一实施例中,所述标识空间包括访问空间与匹配空间;
36、所述映射单元,包括:
37、第一确定单元,用于基于所述计算请求,确定计算任务,所述计算任务包括计算卸载任务及资源分配任务;
38、访问映射单元,用于将所述计算卸载任务映射至所述访问空间,得到访问映射矩阵;
39、匹配映射单元,用于将所述资源分配任务映射至所述匹配空间,得到匹配映射矩阵;
40、空间映射单元,用于基于访问映射矩阵匹配映射矩阵,得到所述标识空间映射模型。
41、结合第二方面的第一实施例,在第二方面的第二实施例中,所述计算单元,包括:
42、用户端计算单元,用于基于所述访问映射矩阵,对所述计算任务中的用户端计算任务的能量成本及时间成本进行计算,得到用户端能量成本和时间成本优化问题;
43、服务器端计算单元,用于基于所述匹配映射矩阵,对所述计算任务中的服务器端计算任务的能量成本及时间成本进行计算,得到服务器端能量成本和时间成本优化问题;
44、第一构建单元,用于基于所述用户端能量成本和时间成本优化问题及所述服务器端能量成本和时间成本优化问题,构建得到多目标优化模型。
45、结合第二方面的第二实施例,在第二方面的第三实施例中,所述确定单元,包括:
46、供需匹配单元,用于基于所述访问映射矩阵,确定服务器端与用户端的资源供需关系;
47、位置匹配单元,用于基于所述服务器端与用户端的资源供需关系,确定最优匹配位置;
48、第二构建单元,用于基于所述多目标优化模型及所述最优匹配位置,构建匹配策略优化模型;
49、策略确定单元,用于基于所述匹配策略优化模型,确定所述计算任务的最优分配策略。
50、结合第二方面的第三实施例,在第二方面的第四实施例中,所述供需匹配单元,包括:
51、第一获取单元,用于获取供需关系模型;
52、输入单元,用于将所述访问映射矩阵输入所述供需关系模型,得到所述服务器端与用户端的资源供需关系。
53、结合第二方面的第四实施例,在第二方面的第五实施例中,所述供需关系模型为预训练好的深度神经网络匹配模型。
54、结合第二方面的第三实施例,在第二方面的第六实施例中,所述策略确定单元,包括:
55、第一确定单元,用于基于所述多目标优化模型,确定初始匹配策略;
56、调整单元,用于基于所述匹配策略优化模型,对初始匹配策略进行调整,以使得系统的能量成本和时间成本最小,得到所述计算任务的最优分配策略。
57、根据第三方面,本发明实施方式还提供一种计算机设备,包括存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面及其可选实施方式中任一项的边缘网络资源分配方法。
58、根据第四方面,本发明实施方式还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行第一方面及其可选实施方式中任一项的边缘网络资源分配方法。