The present invention relates to a container scheduling method based on edge computing framework, which is different from the existing container scheduling optimization algorithm. First, genetic algorithm makes full use of the advantage of flexible computing of edge computing platform, and can automatically expand the nodes with higher adaptability, so that container scheduling is no longer limited to the \best-in-the-best\ scheduling method; second, genetic algorithm's. Another bright point is that the system does not need to know how to \find\ the target node, but simply denies the low-fitness node. Thirdly, on the selection of step size, the algorithm of simulated annealing breaks the shackles of small-scale jump and jumps out of the local optimal solution that may be encountered in the jump process, so as to achieve the global optimal solution. In this way, the invention realizes an optimal container scheduling scheme, meets the actual use needs of users to a great extent while guaranteeing high-quality service, and creates higher benefits for container scheduling.
【技术实现步骤摘要】
一种基于边缘计算框架的容器调度方法
本专利技术涉及一种基于边缘计算框架的容器调度方法,属于边缘计算技术与物联网技术应用结合
技术介绍
边缘计算是一种按使用量付费的模式,不同于传统云计算,边缘计算在终端设备所产生的数据源及云计算数据中心之间增加了一层“边缘”层,边缘层主要由一些性能不一、更加分散的计算机系统组成,这些计算机系统被称为边缘节点。计算任务在接近数据源的边缘计算节点上执行,通过互联网共享计算、存储、数据及应用资源,为其他设备提供优化的计算服务。边缘计算架构下通过在网络边缘设备上部署实施数据处理的边缘计算平台对外提供一套完善可用的服务及功能接口,以在网络边缘侧处理终端设备所产生的数据,从而实现请求响应的实时性,不仅降低了服务时延,也减少了网络传输带宽负载,避免网络延迟。在实际数据处理过程中,部署到边缘节点的计算任务的系统资源需求较少,对于资源密集型计算任务,边缘节点因系统资源受限不支持其部署运行,故此类任务转移至云端执行。因此,边缘计算架构的管理系统需要一种高资源需求的任务部署算法以实现将高实时性需求的任务合理部署至边缘节点或云节点的任务分配与调度策略,以使得任务的调度部署达到最优化。边缘计算中的任务调度算法总体上实现两大功能:预选和优选。现有的大多数优选调度算法思想,如LeastRequestedPriority、ServiceSpreadingPriority和EqualPriority,多是对已有节点的调度优先级评判,并没有一种可以弹性扩展的调度方案。例如(1)LeastRequestedPriority算法基本思想是将容器调度到空闲 ...
【技术保护点】
1.一种基于边缘计算框架的容器调度方法,将用户终端上封装了待处理任务的待调度容器上传至云端服务器,由云端服务器根据设计调度策略决定将待调度容器调度至云端处理或调度至边缘节点服务器处理;其特征在于,云端服务器执行如下步骤:步骤A.分别针对与用户终端之间存在通信联系的各个候选边缘节点服务器,获取候选边缘节点服务器所对应各个指定类型指标的资源数据,然后进入步骤B;步骤B.分别针对与用户终端之间存在通信联系的各个候选边缘节点服务器,针对候选边缘节点服务器所对应的各个指定类型指标、分别进行浮点数编码处理,获得各候选边缘节点服务器分别对应各指定类型指标的编码数据,然后进入步骤C;步骤C.根据各指定类型指标的预设权重,分别针对各个候选边缘节点服务器,针对候选边缘节点服务器所对应的各指定类型指标编码数据进行加权处理,获得加权值,作为该候选边缘节点服务器所对应的适应度,进而获得各候选边缘节点服务器分别所对应的适应度,然后进入步骤D;其中,各指定类型指标的预设权重之和等于1;步骤D.根据最小适应度预设值MIN,删除所对应适应度小于最小适应度预设值MIN的各个候选边缘节点服务器,剩余各个候选边缘节点服务器构 ...
【技术特征摘要】
1.一种基于边缘计算框架的容器调度方法,将用户终端上封装了待处理任务的待调度容器上传至云端服务器,由云端服务器根据设计调度策略决定将待调度容器调度至云端处理或调度至边缘节点服务器处理;其特征在于,云端服务器执行如下步骤:步骤A.分别针对与用户终端之间存在通信联系的各个候选边缘节点服务器,获取候选边缘节点服务器所对应各个指定类型指标的资源数据,然后进入步骤B;步骤B.分别针对与用户终端之间存在通信联系的各个候选边缘节点服务器,针对候选边缘节点服务器所对应的各个指定类型指标、分别进行浮点数编码处理,获得各候选边缘节点服务器分别对应各指定类型指标的编码数据,然后进入步骤C;步骤C.根据各指定类型指标的预设权重,分别针对各个候选边缘节点服务器,针对候选边缘节点服务器所对应的各指定类型指标编码数据进行加权处理,获得加权值,作为该候选边缘节点服务器所对应的适应度,进而获得各候选边缘节点服务器分别所对应的适应度,然后进入步骤D;其中,各指定类型指标的预设权重之和等于1;步骤D.根据最小适应度预设值MIN,删除所对应适应度小于最小适应度预设值MIN的各个候选边缘节点服务器,剩余各个候选边缘节点服务器构成候选服务器集合,然后进入步骤E;步骤E.初始化i=1,然后进入步骤F;步骤F.由候选服务器集合中选取最大适应度的候选边缘节点服务器、以及次大适应度的候选边缘节点服务器,分别作为父边缘节点服务器与母边缘节点服务器;然后针对父边缘节点服务器、母边缘节点服务器分别所对应各指定类型指标的编码数据,随机选择n个指定类型指标,将父边缘节点服务器、母边缘节点服务器分别对应该n个指定类型指标的编码数据的彼此互换,新生成两组分别对应各指定类型指标的编码数据,即对应两个新候选边缘节点服务器,然后进入步骤G,其中,1≤n<N,N表示指定类型指标的总个数;步骤G.分别针对上一步骤中两个新候选边缘节点服务器,按预设步长动态变化规则,随机针对新候选边缘节点服务器所对应各指定类型指标的编码数据进行步长变化,进一步获得各个新候选边缘节点服务器,进而由上一步骤中两个新候选边缘节点服务器、进一步获得各个新候选边缘节点服务器;然后按步骤C的方法、获得各个新候选边缘节点服务器的适应度,并删除其中适应度小于最小适应度预设值MIN的新候选边缘节点服务器,将剩余各个新候选边缘节点服务器加入、并更新候选服务器集合,并进入步骤H;步骤H.判断候选服务器集合中是否存在适应度大于或等于最大适应度预设值MAX的候选边缘节点服务器,是则选择最大适应度所对应的候选边缘节点服务器,作为目标边缘节点服务器,并进入步骤J;否则进入步骤I;步骤I.判断i是否等于I,是则进入步骤K;否则针对i所对应的值进行加1更新,然后返回步骤F;其中,I表示预设最大迭代次数;步骤J.云端服务器将待调度容器调度在目标边缘节点服务器上进行处理,调度结束;...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。