本公开提供了一种边缘自治中心管控的边云资源调度方法，该方法包括：接收来自终端的服务请求；获取边缘集群的状态空间，其中，状态空间用于表征边缘集群的资源状态；将所述边缘集群的状态空间输入到服务请求指派模型，得到用于指派服务请求动作的状态转移概率；其中，所述服务请求指派模型包括深度强化学习网络；以及根据所述状态转移概率确定用于响应所述服务请求的目标集群，其中，所述目标集群包括所述边缘集群或云集群，边缘集群包括边缘节点。本公开还提供了一种边缘自治中心管控的边云资源调度装置和边缘自治中心管控的边云资源调度系统。源调度系统。源调度系统。
【技术实现步骤摘要】
边缘自治中心管控的边云资源调度方法、装置及系统
[0001]本公开涉及资源调度
，更具体地，涉及一种边缘自治中心管控的边云资源调度方法、装置及系统。
技术介绍
[0002]作为互联网的重要支撑技术，云计算技术已经应用在了人类生活生产的方方面面，诸如教育、医疗、金融、政务、出行等。通俗的来讲，目前所有需要在互联网中运行的应用都离不开云计算的支持。然而，随着物联网、大数据、人工智能等新技术迅速兴起，各种类型的云应用在产生海量数据、占用网络带宽的同时，对服务的响应延迟也有着较为严格的需求，如智慧工厂、灾害预测、自动驾驶等领域，这些应用给通信网络和云集群造成了巨大的压力。
[0003]边缘计算有望在云计算的基础上成为下一代计算模式，但是这两者的融合过程依然困难重重。
[0004]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题：仅靠云集群对海量的数据进行计算、处理，增加了云集群的计算压力，且无法满足云集群对响应延迟的严格需求。
技术实现思路
[0005]有鉴于此，本公开提供了一种边缘自治中心管控的边云资源调度方法、装置及系统。
[0006]本公开的一个方面提供了一种边缘自治中心管控的边云资源调度方法，包括：接收来自终端的服务请求；获取边缘集群的状态空间，其中，上述状态空间用于表征边缘集群的资源状态；将上述边缘集群的状态空间输入到服务请求指派模型，得到用于指派服务请求动作的状态转移概率；其中，上述服务请求指派模型包括深度强化学习网络；以及根据上述状态转移概率确定用于响应上述服务请求的目标集群，其中，上述目标集群包括上述边缘集群或云集群，上述边缘集群包括边缘节点。
[0007]根据本公开的实施例，还包括：向上述云集群发送上述边缘集群的状态空间，以便上述云集群基于上述边缘集群的状态空间，确定上述边缘节点的状态值，并基于上述边缘节点的状态值，对上述边缘节点配置服务资源和/或对单个上述边缘节点扩展服务资源副本。
[0008]根据本公开的实施例，上述以便上述云集群基于上述边缘集群的状态空间，确定上述边缘节点的状态值，并基于上述边缘节点的状态值，对上述边缘节点配置服务资源和/或对单个上述边缘节点扩展服务资源副本包括：获取上述边缘集群的状态空间；将上述边缘集群的状态空间输入至服务资源编排模型中，得到边缘节点的状态值；其中，上述服务资源编排模型包括图神经网络和深度强化学习网络；以及基于上述边缘节点的状态值，对上述边缘节点配置上述服务资源和/或对上述单个边缘节点扩展服务资源副本。
[0009]根据本公开的实施例，将边缘集群的状态空间输入至服务资源编排模型中，得到边缘节点的状态值包括：将上述边缘集群的上述状态空间输入上述服务资源编排模型的图神经网络中，以获取上述边缘集群的编码信息；将上述边缘集群的编码信息输入上述服务资源编排模型的深度强化学习网络中，得到上述边缘节点的状态值；将上述边缘节点的状态值输入softmax函数，得到边缘节点的选择概率值：对上述边缘节点基于上述选择概率值进行降序排列，确定对应的前个边缘节点，其中，使用动作
‑
评价函数对上述前个边缘节点进行评价，得到服务资源编排的动作值；其中，上述基于所述边缘节点的状态值，对上述边缘节点配置上述服务资源和/或对所述单个边缘节点扩展服务资源副本包括：将上述服务资源编排的动作值输入softmax函数，得到上述前个边缘节点执行每个服务资源编排的动作概率值；其中，上述服务资源编排动作包括对上述边缘节点配置上述服务资源和/或对上述单个边缘节点扩展服务资源副本；确定上述动作概率值最大的服务资源编排动作，并执行。
[0010]根据本公开的实施例，上述将上述边缘集群的状态空间输入到服务请求指派模型，得到用于指派服务请求动作的状态转移概率包括：将上述边缘集群的状态空间输入至服务请求指派模型的动作策略网络中，输出初始状态转移概率；基于上述边缘节点的边缘节点状态参数确定资源上下文；基于初始状态转移概率和资源上下文，确定用于指派服务请求动作的状态转移概率。
[0011]根据本公开的实施例，状态空间包括服务请求状态参数、边缘接入点状态参数、边缘节点状态参数、边缘接入点与云集群的网络延迟状态参数中的一种或多种。
[0012]根据本公开的实施例，上述服务请求状态参数包括上述服务请求的类型和/或上述服务请求对延迟的需求；上述边缘接入点状态参数包括上述边缘接入点的任务队列的队列信息；上述边缘节点状态参数包括上述边缘节点未处理的上述服务请求的数量、上述边缘节点的服务资源类型、上述边缘节点的服务资源副本的数量、上述边缘节点的数量中的一种或多种；上述边缘接入点与上述云集群的网络延迟状态参数包括上述边缘接入点与上述云集群之间的传输延迟。根据本公开的实施例，确定上述边缘自治中心管控的边云资源调度方法能够实现的最大化吞吐率；其中，上述最大化吞吐率的公式如下：
[0013][0014]其中，τ表示时帧，表示边缘集群中所有边缘接入点组成的集合，b表示集合中的边缘接入点，表示在时帧τ到达边缘接入点b的请求数量，表示随时帧变化的指派策略，Φ表示边缘集群及云集群实际处理的服务请求数量。
[0015]本公开的另一个方面提供了一种边缘自治中心管控的边云资源调度装置，包括：接收模块，用于接收来自终端的服务请求；获取模块，用于获取边缘集群的状态空间，其中，所述状态空间用于表征边缘集群的资源状态；第一确定模块，用于将所述边缘集群的状态空间输入到服务请求指派模型，得到用于指派服务请求动作的状态转移概率，其中，上述服务请求指派模型包括深度强化学习网络；以及第二确定模块，用于根据上述状态转移概率确定用于响应上述服务请求的目标集群，其中，上述目标集群包括上述边缘集群或云集群，上述边缘集群包括边缘节点。
[0016]本公开的另一个方面提供了一种边缘自治中心管控的边云资源调度系统，包括：边缘集群，边缘集群包括：边缘接入点，用于接收来自终端的服务请求；获取边缘集群的状态空间，其中，上述状态空间用于表征边缘集群的资源状态；将上述边缘集群的状态空间输入到服务请求指派模型，得到用于指派服务请求动作的状态转移概率；其中，上述服务请求指派模型包括深度强化学习网络；以及根据上述状态转移概率确定用于响应上述服务请求的目标集群，其中，上述目标集群包括上述边缘集群或云集群，上述边缘集群包括边缘节点；边缘节点，用于接收上述边缘接入点发送的服务请求，执行具体的计算任务；云集群，用于接收上述边缘接入点发送的服务请求。
[0017]根据本公开的实施例，因为采用了一种边缘自治中心管控的边云资源调度方法，包括：接收来自终端的服务请求；获取边缘集群的状态空间，其中，状态空间用于表征边缘集群的资源状态；将边缘集群的状态空间输入到服务请求指派模型，得到用于指派服务请求动作的状态转移概率；其中，服务请求指派模型包括深度强化学习网络；以及根据状态转移概率确定用于响应服务请求的目标集群，其中，目标集群包括边缘集群或云集群，边缘集群包括边缘节点的技术手段，在用户终端以及云集群中间搭建了边缘本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种边缘自治中心管控的边云资源调度方法，包括：接收来自终端的服务请求；获取边缘集群的状态空间，其中，所述状态空间用于表征边缘集群的资源状态；将所述边缘集群的状态空间输入到服务请求指派模型，得到用于指派服务请求动作的状态转移概率；其中，所述服务请求指派模型包括深度强化学习网络；以及根据所述状态转移概率确定用于响应所述服务请求的目标集群，其中，所述目标集群包括所述边缘集群或云集群，其中，所述边缘集群包括边缘节点。2.根据权利要求1所述的方法，还包括：向所述云集群发送所述边缘集群的状态空间，以便所述云集群基于所述边缘集群的状态空间，确定所述边缘节点的状态值，并基于所述边缘节点的状态值，对所述边缘节点配置服务资源和/或对单个所述边缘节点扩展服务资源副本。3.根据权利要求2所述的方法，所述以便所述云集群基于所述边缘集群的状态空间，确定所述边缘节点的状态值，并基于所述边缘节点的状态值，对所述边缘节点配置服务资源和/或对单个所述边缘节点扩展服务资源副本包括：获取所述边缘集群的状态空间；将所述边缘集群的状态空间输入至服务资源编排模型中，得到边缘节点的状态值；其中，所述服务资源编排模型包括图神经网络和深度强化学习网络；以及基于所述边缘节点的状态值，对所述边缘节点配置所述服务资源和/或对所述单个边缘节点扩展服务资源副本。4.根据权利要求3所述的方法，其中，所述将所述边缘集群的状态空间输入至服务资源编排模型中，得到边缘节点的状态值包括：将所述边缘集群的所述状态空间输入所述服务资源编排模型的图神经网络中，以获取所述边缘集群的编码信息；将所述边缘集群的编码信息输入所述服务资源编排模型的深度强化学习网络中，得到所述边缘节点的状态值；将所述边缘节点的状态值输入softmax函数，得到边缘节点的选择概率值：对所述边缘节点基于所述选择概率值进行降序排列，确定对应的前个边缘节点，其中，使用动作
‑
评价函数对所述前个边缘节点进行评价，得到服务资源编排的动作值；其中，所述基于所述边缘节点的状态值，对所述边缘节点配置所述服务资源和/或对所述单个边缘节点扩展服务资源副本包括：将所述服务资源编排的动作值输入所述softmax函数，得到所述前个边缘节点执行每个服务资源编排动作的动作概率值，其中，所述服务资源编排动作包括对所述边缘节点配置所述服务资源和/或对所述单个边缘节点扩展服务资源副本；确定所述动作概率值最大的服务资源编排动作，并执行。5.根据权利要求1所述的方法，其中，所述将所述边缘集群的状态空间输入到服务请求指派模型，得到用于指派服务请求动作的状态转移概率包括：将所述边缘集群...
【专利技术属性】
技术研发人员：王晓飞，任远铭，沈仕浩，韩溢文，齐洪旺，刘立群，
申请(专利权)人：天津大学，
类型：发明
国别省市：
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。