一种潮汐算力调度方法、装置及可读存储介质与流程

本技术涉及网络资源，尤其涉及一种潮汐算力调度方法、装置及可读存储介质。

背景技术：

1、云计算资源与终端的距离往往比较远，一般无法满足一些有低延迟要求的应用，如此致使云计算资源存在计算能力较强、能耗较高、存在较高网络延迟的特性，由此，边缘计算技术应运而生。

2、相较而言，边缘计算设备是靠近数据源，集合计算、存储、网络以及ai(artificialintelligence，人工智能)能力的设备，相对于云计算有低时延、高带宽、本地包活、本地安全等优势。边缘计算的出现改变了传统云和网的相对独立性，使得计算进入网络内部，并更加贴近业务需求，边缘计算的效率、可信度与网络的带宽、时延、安全性、隔离度等都将发生深度耦合，实现算网一体的高效服务。

3、对边缘计算用户来说，如何对拥有的边缘节点进行充分利用，就涉及到对边缘节点的智能调度需求，不同的用户根据不同的业务场景，使用不同调度策略。

4、现有算力调度技术中，往往局限于边缘算力匹配度，也即单纯的提供足够算力以确保需求方的计算任务，然而，这种方法忽略了边缘算力节点潜在的可用算力起伏变化带来的风险，其基于单一维度的算力资源调度方法通常情况下并非最优，因此可能出现边缘计算任务无法正常完成的情况，从而需要进行二次边缘算力资源分配，导致边缘计算效率低下。

技术实现思路

1、本技术所要解决的技术问题是针对现有技术的上述不足，提供一种潮汐算力调度方法、装置及可读存储介质，用以解决现有技术存在的问题。

2、第一方面，本技术提供一种潮汐算力调度方法，所述方法包括：

3、s1.响应于接收到算力业务请求，确定所述算力业务请求对应的算力需求值及任务时长；

4、s2.从边缘算力资源池中确定算力值满足所述算力需求值、且实时资源占用率小于第一阈值的第一类型节点，所述边缘算力资源池包含所有算力节点的特征信息，所述特征信息包括算力节点为潮汐算力节点或者非潮汐算力节点，以及，所述潮汐算力节点对应的潮汐时段；

5、其中，所述潮汐算力节点在预设时段的平均资源占用率大于第二阈值，所述潮汐时段为所述潮汐算力节点平均资源占用率大于第二阈值的时段；

6、s3.根据所述任务时长以及所述潮汐算力节点对应的潮汐时段，从所述第一类型节点中选择潮汐算力节点或者非潮汐算力节点作为目标算力节点进行调度。

7、在一些实施例中，s3，包括：

8、s31.若所述任务时长可以确定，则从所述第一类型节点中筛选潮汐算力节点作为第二类型节点；

9、s32.判断所述第二类型节点中是否存在潮汐时段与任务时长涵盖时间范围不重合的潮汐算力节点，若存在，则将所述潮汐时段与任务时长涵盖时间范围不重合的潮汐算力节点作为目标算力节点进行调度。

10、在一些实施例中，若所述第二类型节点中不存在潮汐时段与任务时长涵盖时间范围不重合的潮汐算力节，则从所述第一类型节点中筛选非潮汐算力节点作为目标算力节点进行调度。

11、在一些实施例中，s3，包括：

12、s33.若所述任务时长无法确定，则从所述第一类型节点中筛选非潮汐算力节点作为目标算力节点并进行调度。

13、在一些实施例中，s2之前，还包括：

14、s01.获取算力域内各个算力节点的硬件资源信息，根据所述硬件资源信息确定各个算力节点的算力值；

15、s02.获取各个算力节点的实时资源占用率；

16、s03.将各个算力节点的硬件资源信息、实时资源占用率以及算力值对应保存至边缘算力资源池。

17、在一些实施例中，还包括：

18、s04.若算力节点在预设时段的平均资源占用率大于第二阈值，则确定所述算力节点为潮汐算力节点，并确定所述潮汐算力节点平均资源占用率大于第二阈值的时段为潮汐时段；

19、s05.若算力节点在预设时段的平均资源占用率小于或者等于第二阈值，则确定所述算力节点为非潮汐算力节点。

20、在一些实施例中，所述算力节点的资源包括中央处理器cpu、内存以及可用带宽；

21、s02，包括：

22、设置cpu在资源占用计算中的第一权重值、内存在资源占用计算中的第二权重值以及可用带宽在资源占用计算中的第三权重值；

23、根据所述算力节点的实时cpu占用率、所述第一权重值、所述算力节点的实时内存占用率、所述第二权重值、所述算力节点的实时网络带宽占用率以及所述第三权重值进行加权求和，得到所述算力节点的资源占用率。

24、第二方面，本技术提供一种潮汐算力调度装置，所述装置包括：

25、第一确定模块，其设置为响应于接收到算力业务请求，确定所述算力业务请求对应的算力需求值及任务时长；

26、第二确定模块，其设置为从边缘算力资源池中确定算力值满足所述算力需求值、且实时资源占用率小于第一阈值的第一类型节点，所述边缘算力资源池包含所有算力节点的特征信息，所述特征信息包括算力节点为潮汐算力节点或者非潮汐算力节点，以及，所述潮汐算力节点对应的潮汐时段；

27、其中，所述潮汐算力节点在预设时段的平均资源占用率大于第二阈值，所述潮汐时段为所述潮汐算力节点平均资源占用率大于第二阈值的时段；

28、节点调度模块，其设置为根据所述任务时长以及所述潮汐算力节点对应的潮汐时段，从所述第一类型节点中选择潮汐算力节点或者非潮汐算力节点作为目标算力节点进行调度。

29、第三方面，本技术提供一种潮汐算力调度装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述第一方面所述的潮汐算力调度方法。

30、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的潮汐算力调度方法。

31、本技术提供的潮汐算力调度方法、装置及可读存储介质，具体的，响应于接收到算力业务请求，确定所述算力业务请求对应的算力需求值及任务时长；从边缘算力资源池中确定算力值满足所述算力需求值、且实时资源占用率小于第一阈值的第一类型节点，所述边缘算力资源池包含所有算力节点的特征信息，所述特征信息包括算力节点为潮汐算力节点或者非潮汐算力节点，以及，所述潮汐算力节点对应的潮汐时段；其中，所述潮汐算力节点在预设时段的平均资源占用率大于第二阈值，所述潮汐时段为所述潮汐算力节点平均资源占用率大于第二阈值的时段；根据所述任务时长以及所述潮汐算力节点对应的潮汐时段，从所述第一类型节点中选择潮汐算力节点或者非潮汐算力节点作为目标算力节点进行调度。本技术在充分满足任务算力需求以及实时资源占用率的前提下，根据述任务时长以及所述潮汐算力节点对应的潮汐时段选择潮汐算力节点或者非潮汐算力节点作为目标算力节点进行调度，可以有效规避潮汐算力变化导致的边缘计算任务异常风险，以及由此引发的计算任务不可靠、异常退出导致边缘计算任务重分配以及相应时延增加的问题，从而可以保证边缘计算任务顺利完成，提高边缘计算效率。