一种基于动态时变性的卫星边缘计算卸载方法和装置制造方法及图纸

本发明专利技术公开了一种基于动态时变性的卫星边缘计算卸载方法和装置。其中，该方法包括：在每次任务卸载开始之前，任务源通过任务结构分析器提取任务的特征信息；任务源将特征信息发送至距离最近的簇头卫星，以供簇头卫星根据任务的特征信息确定进行任务卸载的目标卫星；任务源将任务卸载至所述目标卫星上执行，并接收所述目标卫星的任务执行结果。本发明专利技术针对卫星网络动态时变特性，通过合理的选择执行卫星节点、对可能出现的信号失联情况进行判断，来实现任务在动态时变性卫星中的可靠执行。现任务在动态时变性卫星中的可靠执行。现任务在动态时变性卫星中的可靠执行。

【技术实现步骤摘要】
一种基于动态时变性的卫星边缘计算卸载方法和装置


[0001]本专利技术实施例涉及卫星协同计算
，尤其涉及一种基于动态时变性的卫星边缘计算卸载方法和装置。

技术介绍

[0002]近年来，随着物联网与人工智能技术的发展，涌现出大量计算场景(例如智能摄像头、自动驾驶等)，客户端产生的计算请求量呈指数增长。尽管云计算中心具备超大规模的计算能力，但是云计算需在云端采取集中式处理方式，海量请求和数据上传至云中心会面临网络延时和抖动的风险。此外，一些终端设备可能处于复杂边缘环境且距离云中心较远，数据上传效率受网络信号环境影响严重。因此，低轨卫星因其网络覆盖广、计算能力强等特点逐渐成为边缘计算研究的热点。一些研究通过将卫星作为网络中继，拓展用户设备连接边缘计算服务器的通信距离。一些研究还通过将计算任务卸载在卫星上执行，进一步减少访问延迟。但是在这些研究中，每个卫星都只作为独立个体参与任务进行，忽略了协同计算的方式，因此存在一定的局限性。
[0003]首先，卫星的计算资源和内存能力不足，导致大量的任务无法在星侧执行，任务需发送至地面云中心平台中处理，造成卫星下行带宽过载的问题。其次，地球表面的人口分布不均匀，边缘设备任务请求集中在地表局部范围，因此，大量的卫星在大部分时间处于闲置状态，卫星资源利用率低。最后，在轨卫星数量繁多，以单颗卫星作为资源纳管和任务分配的最小单位，系统设计十分复杂。现已有大量研究证明，卫星协同边缘计算具备以下的优势：任务可划分为多个子任务后在多个卫星中并行执行，加快了任务处理的速度。卫星集群可形成一个资源池，卫星间动态的共享硬件资源，接收更多的任务。以卫星集群为任务分配最小单位，可大大缩小问题解空间规模，提高求解效率。
[0004]然而，在轨卫星协同计算往往面临着硬件资源受限、任务实时性约束以及卫星动态时变性等挑战。
[0005]1、大量任务集中时间卸载易受到硬件资源限制
[0006]卫星集群在某段时间内接收到来自通信范围内设备发送的大量的任务请求时，卸载策略设置不当易在集群中产生大量的硬件资源碎片，导致更多的任务需等待资源释放而造成任务完成时间推后，从而造成任务执行效率低。
[0007]2、任务实时性要求约束
[0008]任务往往具有实时性要求。在轨卫星因其任务负载情况不一，这可能导致相同任务在卫星集群中不同卫星中等待时间相差较大，因此如何在卫星节点建立一个任务负载分析尤为重要。
[0009]3、卫星时刻运动导致与设备失联
[0010]卫星等边端设备的地理位置具有很强的时变特性，这导致不同节点间面临着相对位置不固定、网络拓扑高动态时变、连接不稳定等问题。

技术实现思路

[0011]为了解决现有技术的问题，本专利技术提供一种基于动态时变性的卫星边缘计算卸载方法和装置，该方法允许节点动态掉队、重连，能够同时满足任务实时性要求和实现资源优化。
[0012]第一方面，本专利技术实施例提供了一种基于动态时变性的卫星边缘计算卸载方法，包括：
[0013]S110、在每次任务卸载开始之前，任务源通过任务结构分析器提取任务的特征信息；
[0014]S120、任务源将特征信息发送至距离最近的簇头卫星，以供簇头卫星根据任务的特征信息确定进行任务卸载的目标卫星；
[0015]S130、任务源将任务卸载至所述目标卫星上执行，并接收所述目标卫星的任务执行结果。
[0016]可选的，所述簇头卫星根据任务的特征信息确定进行任务卸载的目标卫星，包括：
[0017]根据任务申请资源量和各卫星节点剩余资源量，确定各卫星节点与任务之间的匹配度；
[0018]引入神经网络相似度建模分析技术，对任务在不同卫星节点的执行时间进行预测；
[0019]根据所述簇头卫星和各卫星节点以及任务源之间的距离，确定任务在不同卫星节点的通信距离；
[0020]根据所述匹配度、预测的执行时间以及所述通信距离确定进行任务卸载的目标卫星。
[0021]可选的，根据任务申请资源量和各卫星节点剩余资源量，确定各卫星节点与任务之间的匹配度，包括：
[0022]根据任务申请资源量和各卫星节点已使用的资源之和在当前卫星的占比、以及任务申请资源量与各卫星节点剩余资源的方差，确定各卫星节点与任务之间的匹配度；
[0023]所述占比和所述方差之差越大，则所述匹配度越高。
[0024]可选的，引入神经网络相似度建模分析技术，对任务在不同卫星节点的执行时间进行预测，包括：
[0025]当所述簇头卫星接收到特征信息后，联合簇内各卫星节点的性能表征网络预测该任务在每个卫星上的运行时间；
[0026]当簇内卫星无空闲资源可执行时，将当前任务先加入任务等待队列，利用贪心算法计算该任务在每个卫星节点中需要等待资源释放的预计等待时间。
[0027]可选的，根据所述匹配度、预测的执行时间以及所述通信距离确定进行任务卸载的目标卫星，包括：
[0028]根据任务特性为分别为所述匹配度、预测的执行时间以及所述通信距离对应的设置权重；
[0029]根据所述匹配度、预测的执行时间以及所述通信距离与对应权重乘积的和确定进行任务卸载的目标卫星。
[0030]可选的，该方法还包括：
[0031]对任务执行过程中目标卫星与任务源之间的通信距离进行预测；
[0032]当预测到在任务执行完成前所述目标卫星将脱离任务源通信范围，任务源向所述目标卫星发送任务卸载信号，并再次从簇中的其他卫星节点中确定目标迁移卫星；
[0033]将所述目标卫星上的卸载至所述目标迁移卫星上继续执行。
[0034]第二方面，本专利技术实施例还提供一种基于动态时变性的卫星边缘计算卸载装置，包括：
[0035]特征信息提取模块，用于在每次任务卸载开始之前，任务源通过任务结构分析器提取任务的特征信息；
[0036]任务调度模块，用于通过任务源将特征信息发送至距离最近的簇头卫星，以供簇头卫星根据任务的特征信息确定进行任务卸载的目标卫星；
[0037]任务执行模块，用于通过任务源将任务卸载至所述目标卫星上执行，并接收所述目标卫星的任务执行结果。
[0038]可选的，所述任务调度模块具体用于：
[0039]根据任务申请资源量和各卫星节点剩余资源量，确定各卫星节点与任务之间的匹配度；
[0040]引入神经网络相似度建模分析技术，对任务在不同卫星节点的执行时间进行预测；
[0041]根据所述簇头卫星和各卫星节点以及任务源之间的距离，确定任务在不同卫星节点的通信距离；
[0042]根据所述匹配度、预测的执行时间以及所述通信距离确定进行任务卸载的目标卫星。
[0043]可选的，该装置还包括任务迁移模块，用于执行：
[0044]对任务执行过程中目标卫星与任务源之间的通信距离进行预测；
[0045]当预测到在任务执行完成前所述目标卫星将脱离任务源通信范围，任务源向所述目标卫星发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态时变性的卫星边缘计算卸载方法，其特征在于，包括：S110、在每次任务卸载开始之前，任务源通过任务结构分析器提取任务的特征信息；S120、任务源将特征信息发送至距离最近的簇头卫星，以供簇头卫星根据任务的特征信息确定进行任务卸载的目标卫星；S130、任务源将任务卸载至所述目标卫星上执行，并接收所述目标卫星的任务执行结果。2.根据权利要求1所述的方法，其特征在于，所述簇头卫星根据任务的特征信息确定进行任务卸载的目标卫星，包括：根据任务申请资源量和各卫星节点剩余资源量，确定各卫星节点与任务之间的匹配度；引入神经网络相似度建模分析技术，对任务在不同卫星节点的执行时间进行预测；根据所述簇头卫星和各卫星节点以及任务源之间的距离，确定任务在不同卫星节点的通信距离；根据所述匹配度、预测的执行时间以及所述通信距离确定进行任务卸载的目标卫星。3.根据权利要求2所述的方法，其特征在于，根据任务申请资源量和各卫星节点剩余资源量，确定各卫星节点与任务之间的匹配度，包括：根据任务申请资源量和各卫星节点已使用的资源之和在当前卫星的占比、以及任务申请资源量与各卫星节点剩余资源的方差，确定各卫星节点与任务之间的匹配度；所述占比和所述方差之差越大，所述匹配度越高。4.根据权利要求2所述的方法，其特征在于，引入神经网络相似度建模分析技术，对任务在不同卫星节点的执行时间进行预测，包括：当所述簇头卫星接收到特征信息后，联合簇内各卫星节点的性能表征网络预测该任务在每个卫星上的运行时间；当簇内卫星无空闲资源可执行时，将当前任务先加入任务等待队列，利用贪心算法计算该任务在每个卫星节点中需要等待资源释放的预计等待时间。5.根据权利要求2所述的方法，其特征在于，根据所述匹配度、预测的执行时间以及所述通信距离确定进行任务卸载的目标卫星，包括：根据任务特性为分别为所述...

【专利技术属性】
技术研发人员：王超，宋海鑫，朱宗卫，周学海，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：