【技术实现步骤摘要】
本专利技术属于边缘计算和绿色计算的计算机，主要涉及了一种边缘计算场景下在线任务和离线任务的混合部署方法。
技术介绍
1、伴随着人脸识别、虚拟现实或增强现实、移动医疗等一系列移动应用的兴起和普及，消费者为了追求顺畅愉快的使用体验，对设备的计算和存储能力提出了更严格的要求。然而，移动设备的计算资源和电池续航能力都有很大的限制，可能无法独立处理所有的计算密集型任务。在这种背景下，移动云计算(mobile cloud computing，mcc)被广泛的认可为一种有效的解决办法。云服务器可以提供无限和弹性的计算资源来处理用户的计算任务。通过将部分任务卸载至云服务器上执行，可以在一定程度有效的上移动设备的计算负载和电池能耗，同时提高了用户的使用体验。虽然mcc能够有效缓解移动设备的计算能力和电池容量的限制，但由于云服务器通常离用户设备较远，用户在接受服务时可能会遭遇较长的时延和受限的网络带宽，尤其是在需要向服务器上传或下载大量数据的场景时，这种延迟问题更为突出。为了解决这一延迟问题，移动边缘计算(mobile edge computing，mec)应运而生。由于边缘服务器的地理位置更靠近移动设备，相较于云端，其时延更低，能更迅速将结果反馈给用户。
2、在离线任务混合部署是一种将在线服务和离线任务部署在同一系统中的计算模型。在线服务是延时敏感型，需要实时响应用户请求的服务，如在线购物、社交网络、即时通讯等，是延时敏感型；离线任务是指资源需求较多，对延时敏感低，可容忍一定延迟的批处理的任务，如数据备份、批量数据分析、模型训练等。目
3、在离线任务混合部署在云计算有个很广泛的应用，但是在边缘计算系统场景下，在离线混合部署是一个很少人关注的问题。在边缘计算场景下，边缘服务器的在线服务由于地域和时间因素存在的峰谷现象，对于资源是采用过度配置，会造成资源利用率低的现象，而且边缘服务器通常是不会关闭的，所以将离线任务部署到边缘服务器会提高资源利用率。
技术实现思路
1、本专利技术正是针对现有技术中基于边缘计算场景存在资源利用不足的问题，将数据并行作业部署到边缘服务器上，设计一种边缘计算场景下在线任务和离线任务的混合部署方法，通过在线任务的多队列模型性能分析获取边缘节点资源曲线图，将离线任务转化成工作流，划分子任务，根据边缘节点资源曲线匹配合适的节点，并对在线任务进行性能分析，动态迁移请求，保证在线任务qos不受影响；当边缘节点无法通过迁移来保证qos则挂起离线任务，适用于工作负载具有峰谷现象的边缘计算系统，例如：智能家居、智能城市、智能健康等领域。
2、为了实现上述目的，本专利技术采取的技术方案是：一种边缘计算场景下在线任务和离线任务的混合部署方法，包括如下步骤：
3、s1：针对边缘节点上在线任务，先通过边缘节点的覆盖位置，划分边缘节点的覆盖区域，根据在线请求的到达分布情况，设定处理器的执行模式和排队规则，对每个边缘节点设定队列模型；基于排队模型和处理器数量定义系统状态空间，计算系统各个状态下的稳态概率；根据稳态概率分析系统性能，调整队列模型:所述在线任务请求到达的分布情况包括泊松分布或一般分布；
4、s2：对离线任务，考虑边缘层的传输时间，为离线任务的工作流提出子截止时间划分算法，构建执行队列，再根据高效额启发式调度算法，分配离线任务；
5、s3：基于在线任务的多队列模型，根据性能分析在线任务所需资源，将多余的资源分配给离线任务后，对在线任务的多队列模型重新进行性能分析，调整在线任务的请求分配，将在线任务请求迁移到其余边缘节点；当所有边缘节点都无法满足在线任务的qos,则挂起离线任务以保证在线任务的qos。
6、作为本专利技术的一种改进，步骤s1具体包括如下步骤：
7、s11:对每个边缘节点初始化一个队列，设置任务到达率和任务处理时间符合泊松分布和指数分布，采用先到先服务的处理方式；
8、s12：每个时间间隔内，根据任务到达数量依次分配给空闲队列，对每个边缘节点的队列根据拉格朗日乘子法计算队列优先级，任务选择高优先级的队列来处理；更新边缘节点的资源利用率情况，并更新队列中的任务数量；
9、s13：根据拉格朗日乘子法的结果，调整队列中的任务数量来实现负载均衡:更新边缘节点的资源利用情况和队列的任务数量；
10、s14：计算和记录每个时间间隙内的资源利用率和任务延迟指标，进行性能分析，分配在线任务下个时间间隔所需资源。
11、作为本专利技术的一种改进，步骤s2具体包括如下步骤：
12、s21:根据离线任务的子任务之间的偏序关系，将离线任务进行分解，并确定子任务之间的依赖关系，计算每个子任务的最早开始时间、最早结束时间、最晚开始时间和最晚结束时间；
13、s22:基于子任务的最早开始时间和最晚结束时间，为每个子任务划分截止时间；
14、s23：根据子任务的执行顺序和截止时间，生成就绪队列，再根据边缘节点的资源利用情况和任务的要求，进行资源匹配和调度优化。
15、作为本专利技术的另一种改进，步骤s3具体包括如下步骤：
16、s31：实时监测边缘节点的资源利用情况；
17、s32：对在线任务进行性能分析:通过性能分析，对在线任务容器进行垂直扩缩容，保证满足在线任务qos；
18、s33：根据边缘节点的资源利用情况、离线任务的子任务资源占用情况和在线任务性能分析结果，动态调整边缘节点队列中的请求数目；
19、s34:将在线任务的请求迁移到能够满足最大响应时间要求的边缘节点上；s35：调整离线任务的就绪队列中子任务的截止期限，以重新安排离线任务的执行顺序。
20、与现有技术相比，本专利技术具有的有益效果：
21、(1)本专利技术方法提高了边缘计算系统整体资源利用率：边缘节点往往因为地域和时间因素，资源利用有峰谷现象，将离线任务混部到边缘节点有效得提高了边缘节点利用率。
22、(2)本专利技术方法中对离线任务，解析其dags，转化为工作流，有效的提高了离线任务的并发执行，并将离线任务更细化成小任务地建立性能干扰模型，更有效的提高了资源利用，并减少了资源碎片化问题。
本文档来自技高网...【技术保护点】
1.一种边缘计算场景下在线任务和离线任务的混合部署方法，其特征在于：通过在线任务的多队列模型性能分析获取边缘节点资源曲线图，将离线任务转化成工作流，划分子任务，根据边缘节点资源曲线匹配合适的节点，并对在线任务进行性能分析，动态迁移请求，保证在线任务QoS不受影响；当边缘节点无法通过迁移来保证QoS则挂起离线任务。
2.如权利要求1所述的一种边缘计算场景下在线任务和离线任务的混合部署方法，其特征在于，包括如下步骤：
3.如权利要求2所述的一种边缘计算场景下在线任务和离线任务的混合部署方法，其特征在于：步骤S1具体包括如下步骤：
4.如权利要求2所述的一种边缘计算场景下在线任务和离线任务的混合部署方法，其特征在于：步骤S2具体包括如下步骤：
5.如权利要求2所述的一种边缘计算场景下在线任务和离线任务的混合部署方法，其特征在于：步骤S3具体包括如下步骤：
【技术特征摘要】
1.一种边缘计算场景下在线任务和离线任务的混合部署方法，其特征在于：通过在线任务的多队列模型性能分析获取边缘节点资源曲线图，将离线任务转化成工作流，划分子任务，根据边缘节点资源曲线匹配合适的节点，并对在线任务进行性能分析，动态迁移请求，保证在线任务qos不受影响；当边缘节点无法通过迁移来保证qos则挂起离线任务。
2.如权利要求1所述的一种边缘计算场景下在线任务和离线任务的混合部署方法，其...
【专利技术属性】
技术研发人员：陈龙，钱天纯，李小平，王爽，朱夏，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。