一种基于中介节点任务分配的负载均衡方法技术

本发明专利技术涉及一种基于中介节点任务分配的负载均衡方法根据边缘节点的固有属性和实时属性，将其分为轻负载、正常负载和重负载三类，然后利用任务分配模型，将新的任务分配给负载相对较轻的节点，能够平衡边缘节点间的负载，减少任务的完成时间。

A load balancing method based on task allocation of mediation nodes

【技术实现步骤摘要】
一种基于中介节点任务分配的负载均衡方法
本专利技术涉及通信领域，特别是涉及一种基于中介节点任务分配的负载均衡方法。
技术介绍
物联网(IoT)具有跨地域连接大量智能设备的能力，并且已成为许多先进应用程序基础设施的一部分。物联网还旨在生成大量数据，这些数据将在未来几年继续增长。然而，设备的局限性使得解决当前范例(如大数据或深度学习)变得非常复杂。在过去几年中，物联网与云计算等颠覆性技术的集成提供了物联网所需的功能，以解决这些范例。云计算技术的出现为提供了构建各种复杂业务应用程序的轻量级解决方案。但是，云计算中心通常位于远离移动用户的位置，用户和远端云之间的数据延迟可能是漫长且是不可预测的。并且访问远端云会产生很高的访问延迟，严重影响了网络性能。为了应对用户和远端云之间的数据延迟，边缘计算正在缓慢地将云计算应用程序、数据和服务从集中式节点转移到网络边缘，通过在最靠近数据源的网络边缘执行数据处理来优化云计算系统。它位于终端设备和传统与计算数据中心之间，用于处理低延迟和实时任务。该服务被视为靠近终端用户的云，以提供更少延迟的计算和服务。虽然边缘计算能大大降低延迟，但任务分配的不合理性导致了各节点的负载不均衡。并且由于边缘计算节点的多样性和不均匀性，普通的负载均衡算法不能直接应用于边缘计算。
技术实现思路
本专利技术的目的是提供一种基于中介节点任务分配的负载均衡方法及系统，能够平衡边缘节点间的负载，减少任务的完成时间。为实现上述目的，本专利技术提供了如下方案：一种基于中介节点任务分配的负载均衡方法，所述方法包括：获取边缘节点的负载属性值；根据所述负载属性值，利用朴素贝叶斯算法将所述边缘节点进行分类，得到分类结果；所述分类结果包括：轻负载、正常负载和重负载；根据所述分类结果，选择目标节点利用任务分配模型对任务进行分配。可选的，所述获取边缘节点的负载属性值，具体包括：获取任务请求信号和所述边缘节点的固有属性；将所述任务请求信号发送至所述边缘节点，并接收所述边缘节点返回的实时属性；根据所述固有属性对应的固有属性值和所述实时属性对应的实时属性值构成边缘节点i的负载属性值Li。可选的，所述边缘节点的负载属性值具体为：Li＝(L1,L2,L3,L4)；L1为内存属性值，其中为无量纲化处理后的物理内存值，Ri为节点i的内存大小，为边缘节点i的内存利用率，σ1+σ2＝1；L2为CPU属性值，其中为无量纲化处理后的CPU主频*核数值，Ci为节点i的CPU主频*核数值，为节点i的CPU占用率，ε1+ε2＝1；L3为磁盘属性值，其中为无量纲化处理后节点i的磁盘大小，Di为节点i的磁盘大小，为节点i的磁盘占用率，δ1+δ2＝1；L4为网络属性值，其中为无量纲化处理后节点i的带宽大小，Bi为节点i的带宽。为节点i的带宽利用率，ω1+ω2＝1。可选的，所述根据所述负载属性值，利用朴素贝叶斯算法将所述边缘节点进行分类，得到分类结果，具体包括：根据公式Pr(Tj)(j＝1,2,3)计算所述边缘节点的Tj类的先验概率；根据公式计算所述边缘节点的Tj类的后验概率；其中，nx为未知边缘节点，Tj为未知边缘节点的类，Pr(Tj)(j＝1,2,3)为Tj类边缘节点的先验概率，为未知边缘节点nx的第k个负载属性值属于Tj分类时的概率，为未知边缘节点nx的第k个属性值；以所述后验概率乘以所述先验概率的最大项为未知边缘节点nx的所属类，所述最大项为根据得到未知边缘节点nx的分类状态可选的，根据所述分类结果，利用任务分配模型对任务进行任务分配，具体包括：当一个或多个任务同时到达节点ni时，将这些任务合并，形成聚合后的任务U；根据目标节点的信息，将聚合任务U分解为多个子任务uj＝αjU，分别由不同的目标节点和任务到达的节点进行处理。可选的，所述任务的传输时间为：或t1为边缘节点ni到目标节点nj的传输时间，为边缘节点ni到目标节点nj的数据传输速率，并且当ni＝nj时为∞；t2为边缘节点ni到云服务器d的传输时间，为边缘节点ni到云服务器d的数据传输速率。可选的，所述子任务的传输时间为或其中，为子任务在目标节点nj的计算时间，为目标节点nj的计算速率；为目标节点nj的当前任务计算时间，为边缘节点ni与nj之间是否存在任务分配关系，当等于1时，为关系存在；当等于0时，为关系不存在；为目标节点nj当前任务大小；为子任务在云服务器d的计算时间，fd为云服务器d的计算速率；为云服务器d的当前任务计算时间，为边缘节点ni与云服务器d之间是否存在任务分配关系，当于1时，为关系存在；当等于0时，为关系不存在；Nd为目标节点nj当前任务大小。可选的，根据公式计算所述聚合任务U的最小化完成时间T(α)。可选的，所述计算聚合任务U的最小化完成时间T(α)，具体包括：根据公式计算子任务在边缘节点间的完成时间；根据公式计算子任务在云服务器的完成时间；根据公式计算所述聚合任务U的总完成时间；利用优化模型对所述聚合任务U总完成时间进行优化，得到所述最小化完成时间T(α)。可选的，利用以下模型对任务进行分配：s.t.0≤αj≤10≤αd≤1根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术根据边缘节点的固有属性和实时属性，将其分为轻负载、正常负载和重负载三类，然后利用任务分配模型，将新的任务分配给负载相对较轻的节点，能够平衡边缘节点间的负载，减少任务的完成时间。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本发专利技术基于中介节点任务分配的负载均衡方法的流程示意图；图2为本专利技术基于中介节点的边缘计算网络架构；图3为目标节点个数对完成时间的影响；图4为云服务器对完成时间的影响；图5为节点总个数对任务分布情况的影响；图6为不同方法对任务完成时间的影响；图7为不同方法对负载分布标准差的影响。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的目的是提供一种基于中介节点任务分配的负载均衡方法，能够平衡边缘节点间的负载，减少任务的完成时间。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。...

【技术保护点】
1.一种基于中介节点任务分配的负载均衡方法，其特征在于，所述方法包括：/n获取边缘节点的负载属性值；/n根据所述负载属性值，利用朴素贝叶斯算法将所述边缘节点进行分类，得到分类结果；所述分类结果包括：轻负载、正常负载和重负载；/n根据所述分类结果，选择目标节点，并利用任务分配模型对任务进行任务分配。/n

【技术特征摘要】
1.一种基于中介节点任务分配的负载均衡方法，其特征在于，所述方法包括：
获取边缘节点的负载属性值；
根据所述负载属性值，利用朴素贝叶斯算法将所述边缘节点进行分类，得到分类结果；所述分类结果包括：轻负载、正常负载和重负载；
根据所述分类结果，选择目标节点，并利用任务分配模型对任务进行任务分配。


2.根据权利要求1所述的基于中介节点任务分配的负载均衡方法，其特征在于，所述获取边缘节点的负载属性值，具体包括：
获取任务请求信号和所述边缘节点的固有属性；
将所述任务请求信号发送至所述边缘节点，并接受所述边缘节点返回的实时属性；
根据所述固有属性对应的固有属性值和所述实时属性对应的实时属性值构成边缘节点i的负载属性值Li。


3.根据权利要求2所述的基于中介节点任务分配的负载均衡方法，其特征在于，所述边缘节点的负载属性值具体为：Li＝(L1,L2,L3,L4)；
L1为内存属性值，L1＝σ1Ri1+σ2(1-Ri2)；其中Ri1为无量纲化处理后的物理内存值，Ri为节点i的内存大小，Ri2为边缘节点i的内存利用率，σ1+σ2＝1；
L2为CPU属性值，其中为无量纲化处理后的CPU主频*核数值，Ci为节点i的CPU主频*核数值，Di2为节点i的CPU占用率，ε1+ε2＝1；
L3为磁盘属性值，L３＝δ1Ｄi1+δ2(1-Ｄi2)；其中Ｄi1为无量纲化处理后节点i的磁盘大小，Di为节点i的磁盘大小，Di2为节点i的磁盘占用率，δ1+δ2＝1；
L4为网络属性值，其中为无量纲化处理后节点i的带宽大小，Bi为节点i的带宽。为节点i的带宽利用率，ω1+ω2＝1。


4.根据权利要求1所述的基于中介节点任务分配的负载均衡方法，其特征在于，所述根据所述负载属性值，利用朴素贝叶斯算法将所述边缘节点进行分类，得到分类结果，具体包括：
根据公式Pr(Tj)(j＝1,2,3)计算所述边缘节点的Tj类的先验概率；
根据公式计算所述边缘节点的Tj类的后验概率；其中，nx为未知边缘节点，Tj为未知边缘节点的类，Pr(Tj)(j＝1,2,3)为Tj类边缘节点的先验概率，为未知边缘节点nx的第k个负载属性值属于Tj分类时的概率，为未知边缘节点nx的第k个属性值；
以所述后验概率乘以所述先验概率的最大项为未知边缘节点n...

【专利技术属性】
技术研发人员：李光顺，姚永慧，生晓斐，张颖，吴俊华，王茂励，吴一，林青燕，赵雅倩，成秀珍，王艺筱，赵学鑫，刘钦宇，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：山东;37