一种面向视频分析任务的边缘节点资源分配方法组成比例

本发明专利技术公开了一种面向视频分析任务的边缘节点资源分配方法，在所有应用的视频分析任务发布后，将整个服务过程切分为多个时间区间，基于李雅普诺夫优化为每个时间区间确定一个优化问题；在每个时间区间内，通过求解优化问题，为所有应用选择视频分辨率，并在多个边缘节点上分配资源；各个应用选择相应的视频分辨率，将视频分析任务卸载到预先设定的边缘节点；边缘节点部署服务，处理卸载至其上的任务，并将处理完的任务发送给应用或者其他边缘节点。本发明专利技术能够有效缩短所有任务完成时间之和，并且能够使视频分析准确率满足应用要求。

【技术实现步骤摘要】
一种面向视频分析任务的边缘节点资源分配方法
本专利技术属于边缘计算
，具体涉及一种面向视频分析任务的边缘节点资源分配方法。
技术介绍
城市中安装了成千上万的监控摄像头，这些摄像头被用于交通管制、安全监控、工厂流水线监控等场景。特别的，在电力物联网中，监控摄像头被用于设备巡检、智慧工地等领域。由于高昂的人力成本等原因，用肉眼来实现对这些视频的分析是不现实的。随着卷积神经网络等技术的快速进步，大幅提高了计算机完成物体识别、图像分类等任务的准确率，甚至在某些方面超过了人类的准确率。因此，大量针对性的视频分析算法开始用于实时视频流的处理，实现实时智能化监控。虽然基于神经网络的视频分析算法及其应用能实现相当高的视频分析准确率，但对计算资源的要求非常苛刻，难以在手机、摄像头等小型设备上直接运行。因此，往往需要将视频流导入远程云数据中心，进行相关视频分析与处理，但由于视频流数据量较大，不仅造成较长的系统响应时延，更大大增加了网络传输的压力与开销。边缘计算是一种将计算资源部署到网络边缘的新型计算模型。相比云计算，边缘计算具有时延更小、网络负担更小的优点，同时边缘计算有较高的资源利用率，因此有希望用于完成多个摄像头的视频分析任务。运用边缘计算完成视频分析任务的一个典型应用场景是：一个智慧工地部署边缘节点和若干摄像头，摄像头不断产生视频数据，利用边缘节点来实时处理视频，及时地发现并解决存在的问题（如安全帽检测、危险行为识别、物资安全保障等）。图1为多个边缘节点处理多个应用任务的示意图；展示了2个应用共享3个边缘节点的例子，应用利用边缘节点完成视频分析任务的过程分为5个步骤：(1)应用产生任务及其数据，准备交付给边缘节点处理。(2)应用的数据从终端设备被发送到接入点。(3)接入点把数据转发到边缘节点。(4)边缘节点处理任务，若还有后续处理步骤，将数据发送给下一个边缘节点；否则将数据发送给接入点。(5)接入点把任务结果返回给应用。值得注意的是，边缘计算并非简单地将数据中心的资源推向网络边缘，设计资源分配策略是边缘计算的关键问题之一，解决该问题要考虑以下因素：(1)相比数据中心，边缘节点的计算资源更少。考虑这样一种情景：每个应用“自私地”把任务提交给距离自己最近的边缘节点，当应用的地理位置分布不均匀时，一些边缘节点负载过高，另一些边缘节点处于空闲状态，此时应用体验到的服务质量不高。因此，从整体上进行资源分配的规划才能提高用户体验。(2)资源分配不是一成不变的。由于网络的波动，一个好的资源分配可能在一段时间之后变差，故资源分配应该随着网络状态的改变而持续调整。(3)部署服务是有成本的。一方面，函数即服务（FunctionasaService，FaaS）、软件即服务（SoftwareasaService，SaaS）等服务的部署会消耗时间。若频繁地调整资源分配，高额的部署时延会严重影响用户体验。另一方面，一个服务的部署涉及到数据中心的若干个设备，会增加这些设备的能耗。如今数据中心的能耗巨大，人们希望尽可能地节约能源，从经济的角度考虑，我们也应避免频繁地部署服务。现阶段已经有不少针对边缘计算环境中的资源分配问题的研究成果，一般的边缘计算资源分配问题主要关注减小应用的时延。由于视频分析任务的特殊性，将视频分析任务的资源分配问题等价于一般的问题是不可取的，原因在于：(1)应用对视频分析的准确性有一定要求。视频分析的准确率与视频帧的分辨率高度相关，更高的分辨率很有希望提高卷积神经网络物体识别的准确率。与此同时，传输时延也与视频帧的分辨率成正相关，因此提高准确率与降低时延在一定程度上是相互矛盾的两个目标。仔细地在两个目标之间做权衡取舍，才能提供更好的服务质量。(2)一个视频分析任务可能包含若干个子任务。这些子任务之间存在依赖关系，我们用有向无环图（DirectedAcyclicGraph，DAG）来表示。图2是Facebook的视频处理应用示意图，其中多个有依赖关系的子任务共同组成了一项视频处理任务。类似地，一个应用的视频分析任务可能由多个边缘节点共同完成，用户感受到的时延包括边缘节点的计算时延，以及边缘节点之间数据流的网络时延。由于视频分析任务的资源分配问题与一般的资源分配问题之间存在差异，目前的研究成果中还没有见到有效的解决方法。
技术实现思路
为了解决现有技术中提到的问题，本专利技术的目的是提出一种面向视频分析任务的边缘节点资源分配方法，旨在将多个边缘节点的资源合理地分配给多个应用，在尽可能满足应用对视频分析准确率要求的前提下减少所有任务时延之和。为了达到上述专利技术目的，本专利技术采用如下技术方案：一种面向视频分析任务的边缘节点资源分配方法，其特征在于，包括以下步骤：1）在所有应用的视频分析任务发布后，将整个服务过程切分为多个时间区间，基于李雅普诺夫优化为每个时间区间确定一个优化问题；2）在每个时间区间内，通过求解优化问题，为所有应用选择视频分辨率，并在多个边缘节点上分配资源；各个应用选择相应的视频分辨率，将视频分析任务卸载到预先设定的边缘节点；3）边缘节点部署服务，处理卸载至其上的任务，并将处理完的任务发送给应用或者其他边缘节点。进一步，步骤1）中，所述基于李雅普诺夫优化为每个时间区间确定一个优化问题包括：（1）根据每个视频分析任务所包含的子任务之间的依赖关系，确定每个子任务的执行顺序；（2）以最小化总时延为目标，以应用的视频分析准确率要求为约束，构建一个涉及所有时间区间的全局优化问题；（3）将（2）中的全局优化问题转化为长期时间内的全局优化问题；（4）为（3）的全局优化问题构建虚拟队列，将全局优化问题解耦，产生每个时间区间上的独立优化问题。所述步骤（2）包括：网络时延由应用设备到接入点的传输时延、接入点到边缘节点的传播时延、边缘节点之间的传播时延组成；计算时延为边缘节点计算一项任务所花费的时间，通过事先进行实验测量得出；服务部署时延由边缘节点下载服务的时延和安装服务的时延组成，安装服务的时延通过实验测出；在每个时间区间内，每个应用的时延包含网络时延、计算时延和服务部署时延三部分；总时延为每个应用在每个区间上的时延之和。步骤2）中，所述通过求解优化问题，为所有应用选择视频分辨率，并在多个边缘节点上分配资源包括：（a）测量当前时间区间的网络状态；（b）求解当前时间区间内的优化问题，得到边缘节点的资源分配方案和应用的分辨率选择方案；（c）实时调整边缘节点的资源分配和应用的分辨率；（d）计算下一个时间区间的虚拟队列。相比于现有技术，本专利技术具有以下有益效果：针对多个边缘节点、多个应用的系统，首次提出面向视频分析任务的边缘节点资源分配和应用分辨率选择算法，该算法考虑了子任务之间的依赖关系，通过在维持视频分析准确率和降低时延之间取得平衡，实现了在长期时间内满足应用准确率需求并有效降低时延的效本文档来自技高网...

【技术保护点】
1.一种面向视频分析任务的边缘节点资源分配方法，其特征在于，包括以下步骤：/n1）在所有应用的视频分析任务发布后，将整个服务过程切分为多个时间区间，基于李雅普诺夫优化为每个时间区间确定一个优化问题；/n2）在每个时间区间内，通过求解优化问题，为所有应用选择视频分辨率，并在多个边缘节点上分配资源；各个应用选择相应的视频分辨率，将视频分析任务卸载到预先设定的边缘节点；/n3）边缘节点部署服务，处理卸载至其上的任务，并将处理完的任务发送给应用或者其他边缘节点。/n

【技术特征摘要】
1.一种面向视频分析任务的边缘节点资源分配方法，其特征在于，包括以下步骤：
1）在所有应用的视频分析任务发布后，将整个服务过程切分为多个时间区间，基于李雅普诺夫优化为每个时间区间确定一个优化问题；
2）在每个时间区间内，通过求解优化问题，为所有应用选择视频分辨率，并在多个边缘节点上分配资源；各个应用选择相应的视频分辨率，将视频分析任务卸载到预先设定的边缘节点；
3）边缘节点部署服务，处理卸载至其上的任务，并将处理完的任务发送给应用或者其他边缘节点。


2.根据权利要求1所述的面向视频分析任务的边缘节点资源分配方法，其特征在于，步骤1）中，所述基于李雅普诺夫优化为每个时间区间确定一个优化问题包括以下步骤：
（1）根据每个视频分析任务所包含的子任务之间的依赖关系，确定每个子任务的执行顺序；
（2）以最小化总时延为目标，以应用的视频分析准确率要求为约束，构建一个涉及所有时间区间的全局优化问题；
（3）将（2）中的全局优化问题转化为长期时间内的全局优化问题；
（4）为（3）的全局优化问题构建虚拟队列，将全局优化问题解耦...

【专利技术属性】
技术研发人员：杨定坤，王全强，马红双，赵南，杨加圣，
申请(专利权)人：江苏电力信息技术有限公司，
类型：发明
国别省市：江苏;32