基于云边端混合计算模式系统的任务调度方法和系统与流程

技术特征：

1.一种基于云边端混合计算模式系统的任务调度方法，其特征在于，包括：

s1、获取云边端混合计算服务系统的参数包；

s2、获取云边端混合计算模式系统中的任务调度矩阵的约束条件和任务调度目标，所述任务调度矩阵包括业务实时计算任务的卸载执行计算设备调度决策矩阵和业务实时计算任务与应用更新计算任务在场景内中继边缘服务器调度决策矩阵，所述业务实时计算任务包括单体业务实时计算任务和微服务型业务实时计算任务；

s3、基于参数包、任务调度矩阵的约束条件和任务调度目标，采用两阶段优化算法获取云边端混合计算模式系统中的最佳任务调度方案。

2.如权利要求1所述的基于云边端混合计算模式系统的任务调度方法，其特征在于，所述参数包包括：

为了支持多场景系统的智能信息处理的智能工作场景数量，

所需连接的云计算中心资源数量，

每个云计算中心单位时间内能够提供的性能，

场景中所部署的边缘服务器数量和场景内终端数量，

以及每个具体的边缘服务器和终端设备单位时间内能够提供的算计算性能，

智能终端t和边缘服务器e间的总网络传输速度、e之间的网络传输速度、e和云计算中心c之间的网络传输速度，以及c之间的网络传输速度；

当前时刻已经达到计算设备的计算任务oc-ct、还在传输中的计算任务ot-ct和需要进行优化调度计算任务ct。

3.如权利要求1所述的基于云边端混合计算模式系统的任务调度方法，其特征在于，所述任务调度矩阵的约束条件包括：

满足x和y都为01矩阵且

bst卸载执行计算设备调度决策矩阵x应遵循bst卸载规则；

x可以取1的元素个数对应于每个bst依据卸载规则可以作为其候选执行计算设备的个数，y可以取1的元素个数对应于每个由t发出到e或者c的bst和ast在场景中所有边缘服务器的个数；

x和y中取1的元素对应的计算设备j就是bst候选执行计算设备和候选中继边缘服务器；

其中：

bst表示业务实时计算任务，ast表示应用更新计算任务；

x和y是计算任务的调度变量，x表示bst的卸载计算设备选择，y表示bst和ast在计算任务发出方计算设备所在场景内中继边缘服务器选择；

x和y中的元素和的i,j分别对应所在的行和列，或者为1表示计算任务i选择计算设备j来执行计算或者进行中继云计算调度系统，0表示计算任务i不在计算单元j上的执行计算或进行中继；

所述bst卸载规则表示t、e、c上产生的bst不卸载到t，bst包括单体业务实时计算任务ubst和微服务计算任务mbst，一个在t上产生的微服务计算任务mbst被触发，会激发同场景若干个e产生微服务子任务mbsst，一个e只产生一个mbsst，当执行完一个微服务计算任务mbst激发的所有微服务子任务mbsst后，通过对所有微服务子任务mbsst的结果耦合，完成微服务计算任务mbst；由t、e、c上产生的bst，包括t、e、c上产生的单体业务实时计算任务ubst和由t触发的在e上产生的微服务子任务mbsst的候选卸载执行计算设备为云边端混合计算模式系统中所有的e和c；

所述bst的卸载规则的传输类型集合包括7种卸载路径，所述7种卸载路径包括：同场景内t产生的bst到e的卸载、同场景内e产生的bst在e之间的卸载、不同场景内e产生的bst在e之间的卸载、e和c产生的bst在e和c之间的卸载、c产生的bst在c之间的卸载、一个场景t上产生的bst经过同场景的e再卸载到另一个场景e上、t上产生的bst经过同场景的e再卸载到c上；

ast任务的传输类型集合包括8种传递路径，8种传递路径包括：同场景内t产生的ast在不同t之间的传递、同场景内t和e产生的ast在t和e之间的传递、t和c产生的ast经过与t同场景的e在t和c之间的传递、同场景内e产生的ast在不同e之间的传递、e和c产生的ast在e和c之间的传递、c产生的ast在c之间的传递；

7种bst卸载路径和8种ast传递路径组成四种场景。

4.如权利要求1所述的基于云边端混合计算模式系统的任务调度方法，其特征在于，任务调度目标包括：

业务实时计算任务卸载执行计算设备调度决策矩阵和业务实时计算任务与应用更新计算任务在场景内中继边缘服务器调度决策矩阵下使得云边端混合计算模式系统中总计算任务运行时间和总微服务型业务实时计算任务运行时间都为都为帕累托最小优化；其中，总计算任务运行时间为所有计算设备上产生的单体业务实时计算任务、微服务子任务型业务实时计算任务和应用更新计算任务的总运行时间，总微服务型业务实时计算任务运行时间是指所有智能终端上的微服务型业务实时计算任务激发对应边缘服务器上产生的所有微服务子任务型业务实时计算任务的总运行时间。

5.如权利要求1～4任一项所述的基于云边端混合计算模式系统的任务调度方法，其特征在于，所述基于参数包、任务调度矩阵的约束条件和任务调度目标，采用两阶段优化算法获取云边端混合计算模式系统中的最佳任务调度方案，包括：

s301、获取两阶段优化算法的输入参数和执行参数，所述输入参数包括参数包中的参数，所述执行参数包括第一阶段迭代次数、第二阶段迭代次数、基因种群大小，转入s302；

s302、初始记录空间rs为空，整理应用更新计算任务ast传输类型集合，转入s303；

s303、依据业务实时计算任务的卸载执行计算设备调度决策矩阵x的约束条件随机生成bstpgn个决策矩阵x基因构成种群bstp，转步骤与304；

s304、判断第一阶段x决策矩阵优化是否达到迭代次数，若是转s328，否则转s305；

s305、对bstp进行交叉和变异操作，得到种群mcbstp，转s306；

s306、将交叉和变异后的种群mcbstp加入bstp中，构成mergebstp，转s307；

s307、取出mergebstp中的第一个基因作为目前计算的基因bstgene，转s308；

s308、判断bstgene是否为mergebstp最后一个基因且已经获得其任务总运行时间，若是转步骤s326，否则转步骤s309；

s309、判断bstgene是否在记录空间rs中，若是转s325，否则转s310；

s310、对bstgene对应的x决策矩阵进行解析获得bst传输类型集合，转步骤s311；

s311、融合bstgene对应的bst传输类型集合、s302获得的ast传输类型集合以及oc-ct，计算所有计算任务的计算时间和等待时间，转步骤s312；

s312、取出bstgene和ast对应的四种场景内中继边缘服务器选择的传输路径任务，分场景依据业务实时计算任务与应用更新计算任务在场景内中继边缘服务器调度决策矩阵y的约束条件随机生成linkpgn个决策矩阵y基因构成种群linkep，转步骤s313；

s313、判断第二阶段linkep进化是否达到迭代次数且已获得linkep对应任务总运行时间，若是转步骤s323，否则转步骤s314；

s314、对每个场景的linkep进行交叉和变异操作，得到种群mclinkep，转步骤s315；

s315、将交叉和变异后的种群加入对应场景的linkep中来构成相应的mergelinkep，转步骤s316；

s316、取出mergelinkep中的第一个基因作为目前计算的基因bstgene对应下的第二阶段场景内中继边缘服务器选择的目标基因linkegene，转步骤s317；

s317、判断linkegene是否为mergelinkep的最后一个基因，并且这个基因对应的总任务时间已经得到计算，那么转步骤s322，否则转步骤s318；

s318、结合步骤s307得到的bstgene和步骤s301输入的ast信息对linkegene进行解析对linkegene进行解析获得四种场景内需要选择中继e的传输路径，转步骤s319；

s319、结合参数包中的ot-ct计算linkegene对应下的所有计算任务的传输时间，转步骤s320；

s320、综合bstgene对应的计算时间、等待时间，和bstgene时linkegene对应的传输时间，获得在bstgene和linkegene对应下的任务总运行时间和mbst总运行时间，转步骤s321；

s321、取出mergelinkep中的下一个基因赋给linkegene，转步骤s317；

s322、依据任务总运行时间为适应值，采用竞标赛法对mergelinkep进行精英保留，留取找那个运行时间最小的linkep种群个数个基因存入linkep中，转步骤s313；

s323、将bstgene的第二阶段完成迭代后的对应种群linkep和总任务运行时间最小对应的基因，以及这个基因对应的总任务运行时间和总mbst运行时间都记入记录空间rs，转步骤s324；

s324、取出第一阶段的迭代种群mergebstp中的下一个基因赋给bstgene，转步骤s308；

s325、将上一次迭代记录在rs中的bstgene对应的第二阶段完成迭代后的对应种群linkep和对应的每个基因的总任务运行时间和总mbst运行时间重新赋给这个基因，转步骤s324；

s326、对mergebstp中每个基因对应的linkep种群中最小总任务运行时间和对应的mbst任务时间进行快速非支配排序,转步骤s327；

s327、结合非支配序和拥挤度对mergebstp中基因进行帕累托选优的精英选择，获得保留种群赋给bstp，转步骤s304；

s328、输出bstp中非支配序最优的帕累托最优解。

6.如权利要求5所述的基于云边端混合计算模式系统的任务调度方法，其特征在于，在s305中，所述对bstp进行交叉和变异操作，得到种群mcbstp，包括：

对第一阶段基因种群bstp，按照公式(15)对种群bstp中随机抽取两个基因gene1和gene2做交叉操作，做完后获得交叉后基因cgene1和cgene2，直到bstp中所有基因都成对进行交叉操作完成获得完成交叉操作的种群cbstp：

其中：xbrci为第一阶段bstp进化的随机生成的交叉点，交叉点个数brci是与基因长度正相关的获取的，bstgenepc是第一阶段bstp的交叉概率；

按照公式(16)对cbstp中的基因cgene进行变异操作，做完后获得基因mcgene，完成所有的变异后得到种群mcbstp：

其中：xbrmi为第一阶段bstp进化的随机生成的变异点，变异点个数brmi是与基因长度正相关的获取的，bstgenepm是第一阶段bstp的变异概率；

和/或

在s314中，所述对每个场景的linkep进行交叉和变异操作，得到种群mclinkep，包括：

对第二阶段基因种群linkep分场景，按照公式(17)对种群linkep中分场景随机抽取两个基因gene1和gene2做交叉操作，做完后获得交叉后基因cgene1和cgene2，直到linkep中所有基因都成对进行交叉操作完成获得完成交叉操作的种群clinkep：

其中：xlrci为第二阶段linkep进化的随机生成的交叉点，交叉点个数lrci是与分场景基因长度正相关的获取的，linkegenepc是第一阶段第二阶段linkep的交叉概率；

按照公式(18)对clinkep中的基因cgene进行变异操作，做完后获得基因mcgene，完成所有的变异后得到种群mclinkep：

其中：xlrmi为第二阶段linkep进化的随机生成的变异点，变异点个数lrmi是与基因长度正相关的获取的，bstgenepm是第二阶段linkep的变异概率；

获得mclinkep后，转步骤s315。

7.如权利要求5所述的基于云边端混合计算模式系统的任务调度方法，其特征在于，

在s311中，所述计算时间的计算方法包括：

根据三种计算设备t、e、c的计算性能和各个任务的计算量按照公式(10)-公式(12)得到所述的各个计算任务在三种计算设备t、e、c的计算时间ctime(ct_s(ns)t(nt))、ctime(ct_s(ns)e(ne))和ctime(ct_c(nc))：

ctime(ct_s(ns)t(nt))＝cp(s(ns)t(nt))/ca((ct_s(ns)t(nt)))(10)

ctime(ct_s(ns)e(ne))＝cp(s(ns)e(ne))/(ca(ct_s(ns)e(ne))×|ct_s(ns)e(ne)|)(11)

ctime(ct_c(nc))＝cp(c(nc))/(ca(c(nc)_ct)×|ct_c(nc)|)(12)

其中：

ct_s(ns)t(nt)、ct_s(ns)e(ne)和ct_c(nc)分别表示了在智能终端s(ns)t(nt)、边缘服务器s(ns)e(ne)和云计算中心c(nc)上进行计算的任务，ca((ct_s(ns)t(nt)))、ca(ct_s(ns)e(ne))、ca(c(nc)_ct)分别是对应任务的计算量，cp(s(ns)t(nt))、cp(s(ns)e(ne))和cp(c(nc))表示了终端s(ns)t(nt)、边缘服务器s(ns)e(ne)和云计算中心c(nc)的计算性能，|ct_s(ns)e(ne)|和|ct_c(nc)|是在边缘服务器s(ns)e(ne)和云计算中心c(nc)上进行计算的总个数；

在s311中，所述等待时间的计算方法包括：

得到的在终端s(ns)t(nt)上执行的计算任务的计算时间后，按照公式(13)得到在终端s(ns)t(nt)上执行的计算的第k个任务ct(k)_s(ns)t(nt)的所有排队情况的平均等待时间：

当nct为偶数时

当nct为奇数时

其中：

nct为在终端s(ns)t(nt)上执行的任务个数|ct(k)_s(ns)t(nt)|；

ct(i)_s(ns)t(nt)为除第k个在终端s(ns)t(nt)上执行的任务外的其他在终端s(ns)t(nt)上执行的任务。

8.如权利要求5所述的基于云边端混合计算模式系统的任务调度方法，其特征在于，在s320中，所述获得在bstgene和linkegene对应下的任务总运行时间的计算方法包括：

采用如下方式计算各个任务的运行时间，任务总运行时间为time(bst)和time(ast)之和：

time(bst)＝2·ttime(bst)+ctime(bst)+wtime(bst)

time(ast)＝ttime(ast)+ctime(ast)+wtime(ast)

其中：

time(bst)为每个bst的运行时间；time(ast)为每个ast的运行时间；ttime(bst)每个bst传输时间；ttime(ast)每个ast的传输时间；ctime(bst)每个bst的计算时间；与ctime(ast)每个ast的计算时间；wtime(bst)每个bst等待时间；wtime(ast)为每个ast的等待时间。

9.一种基于云边端混合计算模式系统的任务调度系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1～8任一所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时可实现如权利要求1～8任一项所述的方法。

技术总结

本发明提供一种基于云边端混合计算模式系统的任务调度方法和系统，涉及云计算领域。本发明基于参数包、任务调度矩阵的约束条件和任务调度目标，采用两阶段优化算法获取云边端混合计算模式系统中的最佳任务调度方案。其中，任务调度矩阵包括业务实时计算任务的卸载执行计算设备调度决策矩阵和业务实时计算任务与应用更新计算任务在场景内中继边缘服务器调度决策矩阵，业务实时计算任务包括单体业务实时计算任务和微服务型业务实时计算任务。本发明能将计算任务分为业务实时计算任务和应用更新计算任务，业务实时计算任务分为单体业务实时计算任务和微服务业务实时计算任务，对不同的任务进行不同的调配，从而满足业务实时计算任务对时效性的要求。

技术研发人员：徐健;梁昌勇;顾东晓;赵树平;陆文星;蒋丽;董骏峰;王彬有;马一鸣;张驰;邵建芳;王颖

受保护的技术使用者：合肥工业大学

技术研发日：2020.11.02

技术公布日：2021.03.16

（编辑：52站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!