面向端边云协同计算的任务调度方法及装置

本发明涉及数据处理领域，具体涉及一种面向端边云协同计算的任务调度方法及装置。

背景技术：

1、端边云协同计算系将终端的计算任务调度至端边云三层中合适的位置进行处理，以实现更好更快的任务处理效果。为了进一步减少任务处理时延并有效利用边缘节点的存储能力，通过在边缘节点中建立缓存系统存储动态数据程序，以将计算任务所需的资源或者程序进行缓存。当任务相似度较高或者资源需求一致时，通过调用缓存来减少资源的重复调用和数据传输的消耗。但是由于边缘节点异构性和分布式结构，导致边缘节点上缓存的数据同样具备异构性，给任务调度带来了额外的负担。此外，由于终端接入端边云协同计算的网络方式多种多样，接入的终端安全性难以保证，因此有必要提供一种新的面向端边云协同计算的任务调度方法及装置。

技术实现思路

1、本发明的目的在于提供一种面向端边云协同计算的任务调度方法及装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的上述问题。

2、根据本发明的一个方面，提供一种面向端边云协同计算的任务调度方法，包括以下步骤：

3、获取计算任务的属性信息，其中所述属性信息包括所述计算任务的资源索引；

4、根据所述资源索引确定具有所述计算任务所需资源的至少一边缘节点，并构建包含终端、云服务器及所述至少一边缘节点的调度模型；

5、通过求解所述调度模型确定所述计算任务的目标调度位置，并将所述计算任务调度至所述目标调度位置进行处理。

6、在一实施例中所述根据所述资源索引确定具有所述计算任务所需资源的至少一边缘节点包括：

7、在根据所述资源索引确定边缘节点的缓存中存在缓存资源时，将该边缘节点作为具有所述计算任务所需资源的边缘节点；

8、以及在根据所述资源索引确定边缘节点的缓存中不存在缓存资源时，根据智能合约划分的等级权限通过区块链网络申请调度云服务器中的计算资源。

9、在一实施例中所述根据智能合约划分的等级权限通过区块链网络申请调度云服务器中的计算资源包括：

10、获取边缘节点的基础属性，其中所述基础属性包括边缘节点的计算能力、计算资源、存储空间大小、边缘节点的安全度及事件的及时性；

11、根据所述基础属性的权重确定所述边缘节点的安全度评分；

12、根据所述评分将服务器划分为不同的等级，并设置可获得资源的数量以及等级。

13、在一实施例中还包括：

14、当所述边缘节点的缓存中的数据不存在后，边缘节点根据自身划分的安全等级通过区块链从云服务器进行资源调度；

15、根据边缘节点的安全等级确定边缘节点可以得到的任务资源，并根据可获得的资源数量确定任务调度状态。

16、在一实施例中所述计算任务的调度决策为其中ai,bi,xij∈{0,1}，ai表示将任务i调度至终端进行计算，bi表示将任务i调度至云服务器进行计算，xij表示将任务i调度至边缘节点j进行计算，n表示任务的数量，s表示变云服务器的数量。

17、在一实施例中构建所述调度决策的约束条件包括：

18、确定所述计算任务由终端调度至边缘节点的传输时延和能耗；

19、确定所述计算任务由边缘节点传输至云服务器的传输时延和能耗；

20、以及确定云服务器传输数据到边缘节点的下行传输时延和能耗。

21、在一实施例中向云服务器申请计算剩余任务所需的资源包括：

22、收集边缘节点的基本信息其中fie、分别为边缘节点的计算能力、存储能力、功耗及安全等级；

23、确定边缘节点的安全度；其中边缘节点的安全度可以描述为向量{ati,dti,uti}，ati,dti,uti∈[0,1]，ati+dti+uti＝1，分别表示安全、不确定和不安全。设置sei为安全执行任务数，usei表示任务未完成或不安全的事件数，pri表示任务将被安全地处理的概率，则边缘节点的安全状态可以表示为

24、

25、确定边缘节点的事件及时性；其中边缘节点的安全性随时间而变化，最近发生的事件对节点的影响较大，而过去发生的事件对这种局部观点的影响较小，以便进行更准确可靠的信誉计算。设置最近和过去事件的时间尺度tper。此外，负面事件在节点上的权重高于正面事件。设置ι(ι≥0.5)表示不安全事件的权重，1-ι表示积极事件对节点的影响，θ(θ≥0.5)代表近期事件对节点属性的影响，1-θ是过去事件对系统的影响，设置为一段时间内安全事件的数量，是一段时间内不安全事件的数量，则事件时效性对节点安全性的影响可以表示为

26、

27、边缘节点的安全状态更新为

28、

29、结合事件及时性、安全性和节点属性确定边缘节点的最终评分

30、

31、在一实施例中所述的面向端边云协同计算的任务调度方法还包括：

32、将离散的二元变量转为连续变量：将ai,xij,yij,hij和bi的二元变量松弛为连续决策变量0≤hi≤1,0≤xij≤1,0≤yj≤1,0≤bi≤1,0≤ai≤1，松弛变量可以解释为相关计算任务数据中可以调度到边缘节点或远程云服务器，或者缓存在边缘节点的部分资源数据；

33、将非凸约束转化为凸条件约束，将存在的二元离散变量相乘进行替换；

34、将目标函数包含的相乘项进行替换，定义辅助变量来替换这个乘积项xijyij，并在模型中加入新的约束条件保证原始目标函数的有效性。

35、在一实施例中所述通过求解所述调度模型确定所述计算任务的目标调度位置包括：

36、采用线性放缩的非凸优化方法将优化问题转化为凸优化问题；

37、根据所述凸优化问题的求解结果确定所述计算任务的调度位置。

38、根据本发明另一方面提供一种面向端边云协同计算的任务调度装置，包括：

39、信息获取模块，用于获取计算任务的属性信息，其中所述属性信息包括所述计算任务的资源索引；

40、模型构建模块，用于根据所述资源索引确定具有所述计算任务所需资源的至少一边缘节点，并构建包含终端、云服务器及所述至少一边缘节点的调度模型；

41、任务处理模块，用于通过求解所述调度模型确定所述计算任务的目标调度位置，并将所述计算任务调度至所述目标调度位置进行处理。

42、本发明提供一种端边云协同计算任务调度方法及装置，具有以下优点：

43、1.针对任务对计算资源的各种要求，充分利用边缘节点的缓存能力将任务所需的资源存储在边缘节点中，并扩大了缓存资源的类型和数量；同时为了提高缓存池的资源命中率，将任务索引共享在区块链上，设备可以通过区块链进行资源调度，保证数据通信安全。

44、2.为了加强整个边缘计算任务调度模型的安全性，建立了一个安全增强的节点划分机制，该机制根据边缘节点存储资源的大小、计算能力和安全处理任务的次数等因素对边缘节点是否能够安全处理任务的能力进行分级。

45、3.综合考虑任务缓存、任务调度和安全性的因素，将该问题表述为一个混合整数非线性优化问题，旨在以最小化任务调度的能耗和计算延迟的加权和。由于该问题是非凸的，采用线性化和二元松弛的方法可以将该问题转化为更容易解决的凸问题。

46、4.采用基于交替方向乘子算法的任务调度算法，对计算任务做出近乎最优的调度决策，所建模型具备显著的性能优势，其中最为明显的是得到符合需求的系统时延和成本的加权和，该模型不仅能够保证缓存数据的存储和共享的安全，还能提升异构设备的安全性。