数据计算任务的卸载方法及装置、存储介质、设备制造方法及图纸

本公开是关于一种数据计算任务的卸载方法及装置、存储介质、设备，设计无线通信技术领域，该方法包括：根据网络状态图模块中包括的网络状态图模型，计算多接入边缘计算网络的当前网络状态流信息；根据当前网络状态流信息，计算所述计算卸载请求中包括的数据计算任务在请求节点进行本地执行的第一时延，以及卸载在协作节点上执行的第二时延；根据所述第一时延以及第二时延构建卸载费用流模型，并根据卸载费用流模型计算所述数据计算任务的卸载决策；将所述卸载决策发送至所述请求节点，以使得所述请求节点将所述数据计算任务发送至所述卸载决策中包括的协作节点，实现所述数据计算任务的卸载。本公开实现了请求节点与协作节点之间的负载均衡。点之间的负载均衡。点之间的负载均衡。

【技术实现步骤摘要】
数据计算任务的卸载方法及装置、存储介质、设备


[0001]本公开实施例涉及无线通信
，具体而言，涉及一种数据计算任务的卸载方法、数据计算任务的卸载装置、计算机可读存储介质以及电子设备。

技术介绍

[0002]5G技术的实践落地与物联网技术的飞速发展，催生了大量具有时延敏感与计算密集型任务的高级应用。为满足5G应用场景的低时延需求，计算卸载技术在孤立的边缘设备之间建立协同管理能力，将计算任务调度至最佳的计算节点，按需分配网络资源，满足用户业务需求，最大化网络资源利用率，实现网络的负载均衡。
[0003]然而，由于边缘设备本身的算力不强，且链路质量不稳定，当用户业务的时延容忍度较低时，对任务调度与资源分配的要求将更为严格。传统的计算卸载技术不能较好地对网络状况与业务特性进行充分利用，是的数据计算任务的处理效率较低，很难按时满足用户需求。
[0004]为了解决上述技术问题，在一些方案中，可以基于随机卸载策略为数据计算任务重新分配边缘设备。也即，在整个网络中随机寻找一个计算节点，将数据计算任务的输入数据传输到该节点上。
[0005]但是，上述方案虽然能避免数据计算任务无法在本地按时完成的情形，但由于计算节点为随机寻找的，无法保证该随机节点对数据计算任务的处理效率，进而使得数据计算任务的处理效率较低。
[0006]因此，需要提供一种新的数据计算任务的卸载方法及装置。
[0007]需要说明的是，在上述
技术介绍
部分专利技术的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0008]本公开的目的在于提供一种数据计算任务的卸载方法、数据计算任务的卸载装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的数据计算任务的处理效率较低的问题。
[0009]根据本公开的一个方面，提供一种数据计算任务的卸载方法，包括：
[0010]通过计算卸载模块接收请求节点发送的计算卸载请求，并根据网络状态图模块中包括的网络状态图模型，计算多接入边缘计算网络的当前网络状态流信息；
[0011]根据所述当前网络状态流信息，计算所述计算卸载请求中包括的数据计算任务在请求节点进行本地执行的第一时延，以及卸载在协作节点上执行的第二时延；
[0012]根据所述第一时延以及第二时延构建卸载费用流模型，并根据所述卸载费用流模型计算所述数据计算任务的卸载决策；
[0013]将所述卸载决策发送至所述请求节点，以使得所述请求节点将所述数据计算任务发送至所述卸载决策中包括的协作节点，实现所述数据计算任务的卸载。
[0014]在本公开的一种示例实施例中，根据网络状态图模块中包括的网络状态图模型，计算多接入边缘计算网络的当前网络状态流信息，包括：
[0015]获取网络状态图模块中包括的网络状态图模型，以及所述网络状态图模型中包括的各节点的节点性能信息以及链路状态信息；
[0016]根据各节点的节点性能信息以及链路状态信息，计算所述多接入边缘计算网络的当前网络状态流信息；
[0017]其中，所述节点性能信息中包括节点的第一顶标以及第一二元组，所述第一顶标为所述请求节点和/或协作节点的节点索引，所述第一二元组为所述请求节点和/或协作节点的计算资源总量以及存储资源总量；
[0018]所述链路状态信息中包括第二顶标以及第二二元组，所述第二顶标为从请求节点到协作节点的有向路径，所述第二二元组为所述有向路径的平均链路速率以及连接建立时间。
[0019]在本公开的一种示例实施例中，根据所述当前网络状态流信息，计算所述计算卸载请求中包括的数据计算任务在请求节点进行本地执行的第一时延，以及卸载在协作节点上执行的第二时延，包括：
[0020]从所述当前网络状态流信息中获取所述请求节点的第一计算速度、所述协作节点的第二计算速度以及从所述请求节点到协作节点之间的有向路径的平均链路速率；
[0021]根据所述数据计算任务的任务工作量以及第一计算速度，计算所述数据计算任务在请求节点进行本地执行的第一时延；
[0022]根据所述数据计算任务的输入数据量、任务工作量、第二计算速度以及平均链路速率，计算所述数据计算任务卸载在协作节点上执行的第二时延。
[0023]在本公开的一种示例实施例中，根据所述第一时延以及第二时延构建卸载费用流模型，并根据所述卸载费用流模型计算所述数据计算任务的卸载决策，包括：
[0024]利用所述计算卸载模块根据所述卸载费用流模型，以最小化所述多接入边缘计算网络中所有任务处理的总时延为第一目标，以使用支持高并发的改进最小费用最大流为第二目标，计算所述数据计算任务的卸载决策；
[0025]其中，所述卸载费用流模型用于表征在某个时刻的任务卸载效用的模型，所述卸载费用流模型包括源点、汇点、节点集合以及链路集合；
[0026]所述节点集合包括左部以及右部两个子部，左部包括所有的请求节点以及协作节点，右部包括请求节点；
[0027]所述源点与所有协作节点相连得到第一连接边，每条第一连接边的容量为1，费用为0；所述汇点与所有请求节点相连得到第二连接边，每条第二连接边的容量为1，费用为0；每个请求节点与协作节点相连得到第三连接边，每条第三连接边的容量为1，费用为所述第二时延；
[0028]每个请求节点与该请求节点的复制节点相连，每条边的容量为1，时延为所述第一时延，复制节点与每个协作节点不相连。
[0029]在本公开的一种示例实施例中，利用所述计算卸载模块根据所述卸载费用流模型，以最小化所述多接入边缘计算网络中所有任务处理的总时延为第一目标，以使用支持高并发的改进最小费用最大流为第二目标，计算所述数据计算任务的卸载决策，包括：
[0030][0031]其中，表示最小化将计算任务卸载到协作节点的总时延，M表示请求节点的第一节点数量，N表示协作节点的第二节点数量，x
m,n
表示卸载决策，x
m,n
＝1表示请求节点m将数据计算任务卸载至协作节点n；x
m,N+m
＝1表示数据计算任务在请求节点本地执行；为第二时延，为第一时延；D
m
为数据计算任务的输入数据量、R
m,n
为平均链路速率，W
m
为任务工作量，F
n
为第二计算速度，F
m
为第一计算速度。
[0032]在本公开的一种示例实施例中，所述数据计算任务的卸载方法还包括：
[0033]判断所述卸载费用流模型中包括的第二节点数量是否大于第一节点数量；
[0034]若所述第二节点数量大于等于所述第一节点数量，则一个协作节点最多被分配一个数据计算任务；
[0035]若所述二节点数量小于所述第一节点数量，则根据所述第一节点数量以及第二节点数量计算所述请求节点的第一虚拟节点数量以及协作节点的第二虚拟本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据计算任务的卸载方法，其特征在于，包括：通过计算卸载模块接收请求节点发送的计算卸载请求，并根据网络状态图模块中包括的网络状态图模型，计算多接入边缘计算网络的当前网络状态流信息；根据所述当前网络状态流信息，计算所述计算卸载请求中包括的数据计算任务在请求节点进行本地执行的第一时延，以及卸载在协作节点上执行的第二时延；根据所述第一时延以及第二时延构建卸载费用流模型，并根据所述卸载费用流模型计算所述数据计算任务的卸载决策；将所述卸载决策发送至所述请求节点，以使得所述请求节点将所述数据计算任务发送至所述卸载决策中包括的协作节点，实现所述数据计算任务的卸载。2.根据权利要求1所述的数据计算任务的卸载方法，其特征在于，根据网络状态图模块中包括的网络状态图模型，计算多接入边缘计算网络的当前网络状态流信息，包括：获取网络状态图模块中包括的网络状态图模型，以及所述网络状态图模型中包括的各节点的节点性能信息以及链路状态信息；根据各节点的节点性能信息以及链路状态信息，计算所述多接入边缘计算网络的当前网络状态流信息；其中，所述节点性能信息中包括节点的第一顶标以及第一二元组，所述第一顶标为所述请求节点和/或协作节点的节点索引，所述第一二元组为所述请求节点和/或协作节点的计算资源总量以及存储资源总量；所述链路状态信息中包括第二顶标以及第二二元组，所述第二顶标为从请求节点到协作节点的有向路径，所述第二二元组为所述有向路径的平均链路速率以及连接建立时间。3.根据权利要求1所述的数据计算任务的卸载方法，其特征在于，根据所述当前网络状态流信息，计算所述计算卸载请求中包括的数据计算任务在请求节点进行本地执行的第一时延，以及卸载在协作节点上执行的第二时延，包括：从所述当前网络状态流信息中获取所述请求节点的第一计算速度、所述协作节点的第二计算速度以及从所述请求节点到协作节点之间的有向路径的平均链路速率；根据所述数据计算任务的任务工作量以及第一计算速度，计算所述数据计算任务在请求节点进行本地执行的第一时延；根据所述数据计算任务的输入数据量、任务工作量、第二计算速度以及平均链路速率，计算所述数据计算任务卸载在协作节点上执行的第二时延。4.根据权利要求1所述的数据计算任务的卸载方法，其特征在于，根据所述第一时延以及第二时延构建卸载费用流模型，并根据所述卸载费用流模型计算所述数据计算任务的卸载决策，包括：利用所述计算卸载模块根据所述卸载费用流模型，以最小化所述多接入边缘计算网络中所有任务处理的总时延为第一目标，以使用支持高并发的改进最小费用最大流为第二目标，计算所述数据计算任务的卸载决策；其中，所述卸载费用流模型用于表征在某个时刻的任务卸载效用的模型，所述卸载费用流模型包括源点、汇点、节点集合以及链路集合；所述节点集合包括左部以及右部两个子部，左部包括所有的请求节点以及协作节点，右部包括请求节点；
所述源点与所有协作节点相连得到第一连接边，每条第一连接边的容量为1，费用为0；所述汇点与所有请求节点相连得到第二连接边，每条第二连接边的容量为1，费用为0；每个请求节点与协作节点相连得到第三连接边，每条第三连接边的容量为1，费用为所述第二时延；每个请求节点与该请求节点的复制节点相连，每条边的容量为1，时延为所述第一时延，复制节点与每个协作节点不相连。5.根据权利要求4所述的数据计算任务的卸载方法，其特征在于，利用所述计算卸载模块根据所述卸载费用流模型，以最小化所述多接入边缘计算网络中所有任务处理的总时延为第一目标，以使用支持高并发的改进最小费用最大流为第二目标，计算所述数据计算任务的卸载决策，包括：其中，表示最小化将计算任务卸载到协作节点的总时延，M表示请求节点的第一节点数量，N表示协作节点的第二节点数量，x
m,n
表示卸载决策，x
m,n
＝1表示请求节点m将数据计算任务卸载至协作节点n；x
m,N+m
...

【专利技术属性】
技术研发人员：范广灿，彭竞，孙健，张兴，刘君临，李昕，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：