基于空间域的云边协同任务调度方法及系统技术方案

本发明专利技术提供了一种基于空间域的云边协同任务调度方法及系统，包括：将任一传感器和任一计算节点均赋予空间标签；获得设备的服务发现，并获得与设备的服务发现关联的传感器集合；按照延迟由低到高的顺序分别向任一传感器推荐一组计算节点；调配算力符合要求且空间内距离传感器延迟最低的计算节点处理传感器数据。本发明专利技术针对云

【技术实现步骤摘要】
基于空间域的云边协同任务调度方法及系统


[0001]本专利技术涉及信息
，具体地，涉及一种空间域的云边协同任务调度方法及系统。

技术介绍

[0002]数字孪生对高性能数据分析和处理提出了更高的要求，针对各类智慧应用，需要高性能以支持实时处理分析海量数据。通过云计算提供大规模计算和存储来进行诸如人工智能建模类型的工作、通过边缘计算支持实时数字孪生应用。作为优化分布式数据处理性能的一种技术，通过增强数据本地化，减少网络传输复杂，是实现将数据处理效率提升的有效方法。
[0003]专利文献CN114301924A公开了一种云边协同环境的应用任务调度方法，所述云边协同环境包括多个边缘端节点和至少一个云端主节点；应用任务调度方法包括：获取第一数量的任务；基于各任务遍历各边缘端节点，以确定满足各任务的候选节点；基于各候选节点的节点参数确定出与各任适配的目标节点，节点参数包括各任务和相应候选节点的时延相关参数；利用目标节点从对应的用户终端获取需要计算的数据。
[0004]但是专利文献CN114301924A通过遍历各边缘端节点确定出与各任适配的目标节点从对应的用户终端获取需要计算的数据，在实现数据本地化处理的过程中，难以保障计算实时性的基础上，减少网络传输的带宽消耗，网络传输的带宽消耗大，网络延迟高，存在待改进之处。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种空间域的云边协同任务调度方法及系统。
[0006]根据本专利技术提供的一种基于空间域的云边协同任务调度方法，包括：
[0007]步骤S1：将任一传感器和任一计算节点均赋予空间标签；
[0008]步骤S2：获得设备的服务发现，并获得与所述设备的服务发现关联的传感器集合；
[0009]步骤S3：按照延迟由低到高的顺序分别向任一传感器推荐一组计算节点；
[0010]步骤S4：调配算力符合要求且空间内距离传感器延迟最低的计算节点处理传感器数据。
[0011]优选地，所述步骤S1包括：
[0012]通过三维空间坐标确定坐标点，利用多个坐标点的空间数据向量形成空间标签。
[0013]优选地，所述步骤S3包括：计算传感器与计算节点的网络传输距离，计算公式如下：
[0014][0015]其中，delay表示传感器与计算节点的网络传输距离，n表示网段带宽的数量，Br表示预估网络拥塞程度，Bn表示网络带宽，Uc表示预估网络拥塞程度，Sf表示防火墙延迟，k表
示部署数量。
[0016]优选地，步骤S3中推荐一组计算节点包括如下子步骤：
[0017]步骤S3.1：预设部署数量k；
[0018]步骤S3.2：提取设备的服务发现关联的传感器集合S；
[0019]步骤S3.3：根据传感器的空间标签对所述传感器集合S中的传感器，进行以部署数量k为集群数量的聚类，得到传感器集合S
′
；
[0020]步骤S3.4：收集与传感器集合S中的每个传感器网络传输距离最近的m个计算节点，构成计算节点集合C；
[0021]步骤S3.5：针对所述传感器集合S
′
中的每个传感器，从所述计算节点集合C中选取网络传输距离最近的m个计算节点，并进行排序，得到k个长度为m的队列，形成一组计算节点。
[0022]优选地，步骤S4包括：
[0023]步骤S4.1：在云端对设备的服务发现进行打包处理，生成对应的容器镜像；
[0024]步骤S4.2：收集与所述设备的服务发现所对应的传感器集合S；
[0025]步骤S4.3：根据所述传感器集合S和预设的部署数量k，计算推荐的计算节点和传感器集合S
′
；
[0026]步骤S4.4：对每个传感器集合S
′
中的传感器，检索对应的计算节点序列E；
[0027]步骤S4.5：根据网络传输距离由近到远对所述计算节点序列E进行排序，得到排序后的计算节点序列Es；
[0028]步骤S4.6：检查所述计算节点序列Es中当前计算节点的算力资源，并判断当前计算节点是否达到设备的服务发现所需的计算资源，若是，将所述设备的服务发现对应的容器镜像发送至当前计算节点；若否，则搜索下一个计算节点，直至遍历计算节点序列Es。
[0029]根据本专利技术提供的一种基于空间域的云边协同任务调度系统，包括：
[0030]模块M1：将任一传感器和任一计算节点均赋予空间标签；
[0031]模块M2：获得设备的服务发现，并获得与所述设备的服务发现关联的传感器集合；
[0032]模块M3：按照延迟由低到高的顺序分别向任一传感器推荐一组计算节点；
[0033]模块M4：调配算力符合要求且空间内距离传感器延迟最低的计算节点处理传感器数据。
[0034]优选地，所述模块M1包括：
[0035]通过三维空间坐标确定坐标点，利用多个坐标点的空间数据向量形成空间标签。
[0036]优选地，所述模块M3包括：计算传感器与计算节点的网络传输距离，计算公式如下：
[0037][0038]其中，delay表示传感器与计算节点的网络传输距离，n表示网段带宽的数量，Br表示预估网络拥塞程度，Bn表示网络带宽，Uc表示预估网络拥塞程度，Sf表示防火墙延迟，k表示部署数量。
[0039]优选地，模块M3中推荐一组计算节点包括如下子模块：
[0040]模块M3.1：预设部署数量k；
[0041]模块M3.2：提取设备的服务发现关联的传感器集合S；
[0042]模块M3.3：根据传感器的空间标签对所述传感器集合S中的传感器，进行以部署数量k为集群数量的聚类，得到传感器集合S
′
；
[0043]模块M3.4：收集与传感器集合S中的每个传感器网络传输距离最近的m个计算节点，构成计算节点集合C；
[0044]模块M3.5：针对所述传感器集合S
′
中的每个传感器，从所述计算节点集合C中选取网络传输距离最近的m个计算节点，并进行排序，得到k个长度为m的队列，形成一组计算节点。
[0045]优选地，模块M4包括：
[0046]模块M4.1：在云端对设备的服务发现进行打包处理，生成对应的容器镜像；
[0047]模块M4.2：收集与所述设备的服务发现所对应的传感器集合S；
[0048]模块M4.3：根据所述传感器集合S和预设的部署数量k，计算推荐的计算节点和传感器集合S
′
；
[0049]模块M4.4：对每个传感器集合S
′
中的传感器，检索对应的计算节点序列E；
[0050]模块M4.5：根据网络传输距离由近到远对所述计算节点序列E进行排序，得到排序后的计算节点序列Es；
[0051]模块M4.6：检查所述计算节点序列Es中当前计算节点的算力资源，并判断当前计算节点是否达到设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空间域的云边协同任务调度方法，其特征在于，包括：步骤S1：将任一传感器和任一计算节点均赋予空间标签；步骤S2：获得设备的服务发现，并获得与所述设备的服务发现关联的传感器集合；步骤S3：按照延迟由低到高的顺序分别向任一传感器推荐一组计算节点；步骤S4：调配算力符合要求且空间内距离传感器延迟最低的计算节点处理传感器数据。2.根据权利要求1所述的基于空间域的云边协同任务调度方法，其特征在于，所述步骤S1包括：通过三维空间坐标确定坐标点，利用多个坐标点的空间数据向量形成空间标签。3.根据权利要求1所述的基于空间域的云边协同任务调度方法，其特征在于，所述步骤S3包括：计算传感器与计算节点的网络传输距离，计算公式如下：其中，delay表示传感器与计算节点的网络传输距离，n表示网段带宽的数量，Br表示预估网络拥塞程度，Bn表示网络带宽，Uc表示预估网络拥塞程度，Sf表示防火墙延迟，k表示部署数量。4.根据权利要求3所述的基于空间域的云边协同任务调度方法，其特征在于，步骤S3中推荐一组计算节点包括如下子步骤：步骤S3.1：预设部署数量k；步骤S3.2：提取设备的服务发现关联的传感器集合S；步骤S3.3：根据传感器的空间标签对所述传感器集合S中的传感器，进行以部署数量k为集群数量的聚类，得到传感器集合S
′
；步骤S3.4：收集与传感器集合S中的每个传感器网络传输距离最近的m个计算节点，构成计算节点集合C；步骤S3.5：针对所述传感器集合S
′
中的每个传感器，从所述计算节点集合C中选取网络传输距离最近的m个计算节点，并进行排序，得到k个长度为m的队列，形成一组计算节点。5.根据权利要求4所述的基于空间域的云边协同任务调度方法，其特征在于，步骤S4包括：步骤S4.1：在云端对设备的服务发现进行打包处理，生成对应的容器镜像；步骤S4.2：收集与所述设备的服务发现所对应的传感器集合S；步骤S4.3：根据所述传感器集合S和预设的部署数量k，计算推荐的计算节点和传感器集合S
′
；步骤S4.4：对每个传感器集合S
′
中的传感器，检索对应的计算节点序列E；步骤S4.5：根据网络传输距离由近到远对所述计算节点序列E进行排序，得到排序后的计算节点序列Es；步骤S4.6：检查所述计算节点序列Es中当前计算节点的算力资源，并判断当前计算节点是否达到设备的服务发现所需的计算资源，若是，将所述设备的服务发现对应的容器镜像发送至当前计算节点；若否，则搜索下一个计算节点，直至遍历计算节点序列Es。6.一种基于空...

【专利技术属性】
技术研发人员：赵继胜，
申请(专利权)人：上海孚典智能科技有限公司，
类型：发明
国别省市：