一种数据协同处理方法及装置制造方法及图纸

本申请提供了一种数据协同处理方法及装置，应用于数据协调处理系统，所述数据协调处理系统包括：移动设备和雾节点，该方法包括：所述移动设备获取待处理数据，并将所述待处理数据发送给覆盖范围包括所述移动设备的当前位置的多个雾节点；所述多个雾节点在接收到所述待处理数据之后，从所述多个雾节点中选取距离所述移动设备最近的目标雾节点，并在所述目标雾节点中建立所述待处理数据的处理任务；若所述目标雾节点的当前处理资源无法处理所述处理任务时，根据所述当前处理资源的故障类型，通过预设深度强化学习网络DQN算法，确定针对所述处理任务的处理方案；所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务。

【技术实现步骤摘要】
一种数据协同处理方法及装置
本申请涉及物联网数据处理领域，具体而言，涉及一种数据协同处理方法及装置。
技术介绍
雾计算是一种水平的系统级体系结构，可将计算，存储，控制和网络功能分布在更靠近用户的云和物之间的中继点上。物联网系统通常需要大数据分析、异常检测和实时响应，才能可靠地提供“智能”服务。雾计算可以更好地推进这些工作，使数据处理可以在最合适的位置进行，从而最大程度地减少了延迟与能量损耗，减少的延迟还可以为物联网应用程序提供移动性支持。而由于每个雾节点能够托管的云服务有限，并且能够负载的处理请求也有限，当请求无法由本地的雾节点处理时，为了保证请求处理的时效性，低能耗等问题，往往会采用横向卸载任务及纵向迁移服务。现有技术中，使用启发式算法来进行卸载任务和迁移服务的时间和能耗的合理优化，但在实时的服务请求处理过程中，任务卸载环境往往是动态变化的，每次进行卸载都需要重新做一次调度决策，而传统的启发式算法时间复杂度高，无法在实时性强的场景下进行快速决策。并且启发式算法难以考虑未来网络环境的变化，导致该算法在当前时间片做出的较优决策，可能在执行过程中因为网络情况的变化反而变成效率底下的决策。
技术实现思路
有鉴于此，本申请的目的在于提供一种数据协同处理方法及装置，用于解决现有技术中如何降低雾计算系统整体的处理延迟及能量损耗的问题。第一方面，本申请实施例提供了一种数据协同处理方法，应用于数据协调处理系统，所述数据协调处理系统包括：移动设备和雾节点，该方法包括：所述移动设备获取待处理数据，并将所述待处理数据发送给覆盖范围包括所述移动设备的当前位置的多个雾节点；所述多个雾节点在接收到所述待处理数据之后，从所述多个雾节点中选取距离所述移动设备最近的目标雾节点，并在所述目标雾节点中建立所述待处理数据的处理任务；若所述目标雾节点的当前处理资源无法处理所述处理任务时，根据所述当前处理资源的故障类型，通过预设深度强化学习网络DQN算法，确定针对所述处理任务的处理方案；所述当前处理资源包括当前处理负载和当前服务类型；所述处理方案包括处理方式和至少一个协作雾节点；所述处理方案中处理方式包括任务卸载、服务迁移以及任务卸载与服务迁移混合；所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务。在一些实施例中，所述多个雾节点在接收到所述待处理数据之后，从所述多个雾节点中选取距离所述移动设备最近的目标雾节点，包括：在各雾节点在接收到所述待处理数据之后，各雾节点根据所述待处理数据携带的移动设备位置信息以及所有雾节点的位置信息，计算每个雾节点与移动设备的距离，以确定距离所述移动设备最近的目标雾节点；所述每个雾节点都存储有所有雾节点的位置信息。在一些实施例中，若所述目标雾节点的当前处理资源无法处理所述处理任务时，根据所述当前处理资源的故障类型，通过预设深度强化学习网络DQN算法，确定针对所述处理任务的处理方案，包括：若所述目标雾节点的当前处理资源的故障类型为当前处理负载饱和，则确定处理方式为任务卸载；所述目标雾节点通过DQN算法，确定第一协作雾节点，并生成所述处理方案；所述第一协作雾节点为当前处理负载未饱和，且与所述处理任务对应的服务类型相匹配的雾节点；所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务，包括：所述目标雾节点将所述处理任务转交至所述第一协作雾节点进行处理。在一些实施例中，若所述目标雾节点的当前处理资源无法处理所述处理任务时，根据所述当前处理资源的故障类型，通过预设深度强化学习网络DQN算法，确定针对所述处理任务的处理方案，包括：若所述目标雾节点的当前处理资源的故障类型为当前服务类型与所述处理任务不匹配，则判断所述目标雾节点的当前处理负载是否饱和；若所述目标雾节点的当前处理负载未饱和，则确定处理方式为服务迁移；所述目标雾节点通过DQN算法，确定第二协作雾节点，并生成所述处理方案；所述第二协作雾节点为可以提供所述处理任务对应的服务类型的配置资源的雾节点；所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务，包括：所述目标雾节点从所述第二协作雾节点获取所述处理任务对应的服务类型的配置资源，更新所述目标雾节点的服务类型，并进行所述处理任务的处理。在一些实施例中，在确定处理方式为服务迁移之后，还包括：所述目标雾节点通过DQN算法，确定第二协作雾节点，判断所述第二协作雾节点与所述目标雾节点的距离是否超过预设距离；若所述第二协作雾节点与所述目标雾节点的距离超过预设距离，则重新确定处理方式为任务卸载与服务迁移混合；所述目标雾节点通过DQN算法，确定第三协作雾节点，并生成所述处理方案；所述第三协作雾节点为当前当前处理负载未饱和，且与所述处理任务对应的服务类型不匹配的雾节点；所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务，包括：所述目标雾节点将所述处理任务转交至所述第三协作雾节点；所述第三协作雾节点从所述第二协作雾节点获取所述处理任务对应的服务类型的配置资源，更新所述目标雾节点的服务类型，并进行所述处理任务的处理。第二方面，本申请实施例提供了一种数据协同处理装置，应用于数据协调处理系统，所述数据协调处理系统包括：移动设备和雾节点，该装置包括：传输模块，用于所述移动设备获取待处理数据，并将所述待处理数据发送给覆盖范围包括所述移动设备的当前位置的多个雾节点；选取模块，用于所述多个雾节点在接收到所述待处理数据之后，从所述多个雾节点中选取距离所述移动设备最近的目标雾节点，并在所述目标雾节点中建立所述待处理数据的处理任务；分析模块，用于若所述目标雾节点的当前处理资源无法处理所述处理任务时，根据所述当前处理资源的故障类型，通过预设深度强化学习网络DQN，确定针对所述处理任务的处理方案；所述当前处理资源包括当前处理负载和当前服务类型；所述处理方案包括处理方式和至少一个协作雾节点；所述处理方案中处理方式包括任务卸载、服务迁移以及任务卸载与服务迁移混合；处理模块，用于所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务。在一些实施例中，所述分析模块，包括：第一判断单元，用于若所述目标雾节点的当前处理资源的故障类型为当前处理负载饱和，则确定处理方式为任务卸载；第一分析单元，用于所述目标雾节点通过DQN算法，确定第一协作雾节点，并生成所述处理方案；所述第一协作雾节点为当前处理负载未饱和，且与所述处理任务对应的服务类型相匹配的雾节点；所述处理模块，包括：任务卸载单元，用于所述目标雾节点将所述处理任务转交至所述第一协作雾节点进行处理。在一些实施例中，所述分析模块，包括：第二判断单元，用于若所述目标雾节点的当前处理资源的故障类型为当前服务类型与所述处理任务不匹本文档来自技高网...

【技术保护点】
1.一种数据协同处理方法，其特征在于，应用于数据协调处理系统，所述数据协调处理系统包括：移动设备和雾节点，该方法包括：/n所述移动设备获取待处理数据，并将所述待处理数据发送给覆盖范围包括所述移动设备的当前位置的多个雾节点；/n所述多个雾节点在接收到所述待处理数据之后，从所述多个雾节点中选取距离所述移动设备最近的目标雾节点，并在所述目标雾节点中建立所述待处理数据的处理任务；/n若所述目标雾节点的当前处理资源无法处理所述处理任务时，根据所述当前处理资源的故障类型，通过预设深度强化学习网络DQN算法，确定针对所述处理任务的处理方案；所述当前处理资源包括当前处理负载和当前服务类型；所述处理方案包括处理方式和至少一个协作雾节点；所述处理方案中处理方式包括任务卸载、服务迁移以及任务卸载与服务迁移混合；/n所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务。/n

【技术特征摘要】
1.一种数据协同处理方法，其特征在于，应用于数据协调处理系统，所述数据协调处理系统包括：移动设备和雾节点，该方法包括：
所述移动设备获取待处理数据，并将所述待处理数据发送给覆盖范围包括所述移动设备的当前位置的多个雾节点；
所述多个雾节点在接收到所述待处理数据之后，从所述多个雾节点中选取距离所述移动设备最近的目标雾节点，并在所述目标雾节点中建立所述待处理数据的处理任务；
若所述目标雾节点的当前处理资源无法处理所述处理任务时，根据所述当前处理资源的故障类型，通过预设深度强化学习网络DQN算法，确定针对所述处理任务的处理方案；所述当前处理资源包括当前处理负载和当前服务类型；所述处理方案包括处理方式和至少一个协作雾节点；所述处理方案中处理方式包括任务卸载、服务迁移以及任务卸载与服务迁移混合；
所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务。


2.如权利要求1所述的方法，其特征在于，所述多个雾节点在接收到所述待处理数据之后，从所述多个雾节点中选取距离所述移动设备最近的目标雾节点，包括：
在各雾节点在接收到所述待处理数据之后，各雾节点根据所述待处理数据携带的移动设备位置信息以及所有雾节点的位置信息，计算每个雾节点与移动设备的距离，以确定距离所述移动设备最近的目标雾节点；所述每个雾节点都存储有所有雾节点的位置信息。


3.如权利要求1所述的方法，其特征在于，若所述目标雾节点的当前处理资源无法处理所述处理任务时，根据所述当前处理资源的故障类型，通过预设深度强化学习网络DQN算法，确定针对所述处理任务的处理方案，包括：
若所述目标雾节点的当前处理资源的故障类型为当前处理负载饱和，则确定处理方式为任务卸载；
所述目标雾节点通过DQN算法，确定第一协作雾节点，并生成所述处理方案；所述第一协作雾节点为当前处理负载未饱和，且与所述处理任务对应的服务类型相匹配的雾节点；
所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务，包括：
所述目标雾节点将所述处理任务转交至所述第一协作雾节点进行处理。


4.如权利要求1所述的方法，其特征在于，若所述目标雾节点的当前处理资源无法处理所述处理任务时，根据所述当前处理资源的故障类型，通过预设深度强化学习网络DQN算法，确定针对所述处理任务的处理方案，包括：
若所述目标雾节点的当前处理资源的故障类型为当前服务类型与所述处理任务不匹配，则判断所述目标雾节点的当前处理负载是否饱和；
若所述目标雾节点的当前处理负载未饱和，则确定处理方式为服务迁移；
所述目标雾节点通过DQN算法，确定第二协作雾节点，并生成所述处理方案；所述第二协作雾节点为可以提供所述处理任务对应的服务类型的配置资源的雾节点；
所述目标雾节点根据所述处理方案中的处理方式，与所述协作雾节点协同处理所述处理任务，包括：
所述目标雾节点从所述第二协作雾节点获取所述处理任务对应的服务类型的配置资源，更新所述目标雾节点的服务类型，并进行所述处理任务的处理。


5.如权利要求4所述的方法，其特征在于，在确定处理方式为服务迁移之后，还包括：
所述目标雾节点通过DQN算法，确定第二协作雾节点，判断所述第二协作雾节点与所述目标雾节点的距离是否超过预设距离；
若所述第二协作雾节点与所述目标雾节点的距离超...

【专利技术属性】
技术研发人员：方兴，黄泽锋，杨永斌，闫振宇，周长兵，
申请(专利权)人：北京中科金马科技股份有限公司，
类型：发明
国别省市：北京;11