【技术实现步骤摘要】
本专利技术涉及边缘云计算领域，尤其涉及一种边缘计算智能调度方法。
技术介绍
1、在边缘云计算平台中，客户会根据实际需求进行资源的创建，比如创建一台虚机，从而搭建自己的业务环境，实现云计算的应用。传统的云计算系统大多数是在底层的基础上做业务的开发，所以在创建资源的时候通常都是上层调用opentack或者k8s底层相关的接口进行资源的拉取及创建。当一个用户纳管了多个底层的时候，就存在创建资源调用哪一个底层更能高速、快捷、稳定地创建出资源的问题。
2、传统的解决方案是借助任务队列的调度，量化边缘计算节点的服务能力，辅助用户选择最优节点，但这种方案无法动态调整任务权重，在实现的过程中不够稳定快捷，无法高效地决策出最优节点，且精确度不高。
技术实现思路
1、鉴于上述问题，提出了本专利技术以便提供克服上述问题或者至少部分地解决上述问题的一种边缘计算智能调度方法。
2、根据本专利技术的一个方面，提供了一种边缘计算智能调度方法，所述调度方法包括：
3、步骤s1：获取边缘节点的资源数据和探测点到边缘节点的时延数据；
4、步骤s2：分析调度任务，获得分析结果；
5、步骤s3：过滤掉不符合条件的节点；
6、步骤s4：确定边缘节点的评分公式；
7、步骤s5：计算节点最终评分，再结合节点能源效率数据推选最终节点。
8、可选的，所述步骤s1：获取边缘节点的资源数据和探测点到边缘节点的时延数据具体包括：
10、获取探测点到边缘节点的时延数据；
11、所述时延数据包括：探测点的坐标和ip；边缘节点的坐标和ip；探测点向边缘节点发送请求的时间戳；探测点向边缘节点发送请求的时延。
12、可选的，所述步骤s2：分析调度任务，获得分析结果具体包括：
13、任务要服务的地点,为终端用户的地点；
14、任务请求的资源量；
15、根据任务请求的资源量进行任务特征智能分析。
16、可选的，所述根据任务请求的资源量进行任务特征智能分析具体包括：
17、查看该任务是否带有特征分类标识；
18、如果任务中给出了相关特征，则直接使用；如果未给出时延特征，则默认为时延通用型；如果未给出资源特征，则进行分析任务的资源特征，计算cpu和内存的比值；
19、如果是1:4，认为是资源通用型；
20、如果大于1:4，认为是资源计算型；
21、如果小于1:4，认为资源是内存型。
22、可选的，所述步骤s3：过滤掉不符合条件的节点具体包括：
23、特殊资源过滤,若任务要求特殊资源，不是所有的边缘计算节点都有这些资源，所以要先做过滤，排除掉不满足条件的节点；
24、资源量过滤,若任务需要的资源数量超过阈值，先做过滤，排除掉不满足条件的节点。
25、可选的，所述步骤s4：确定边缘节点的评分公式具体包括：
26、评分公式，公式中：s是score的缩写，为评分；w是weight的缩写，为权重；latency为时延；resource为资源；
27、本模型中，节点评分公式如下：
28、公式一：s(node)＝w(latency)*s(latency)+w(resource)*s(resource)
29、公式表示：最终节点的得分＝时延的权重*时延的分数+资源的权重*资源的分数；
30、其中s(latency)的取值方式在下文步骤5阐述；
31、w(latency)、w(resource)的取值方式，会在下文步骤7中进行阐述；
32、其中，公式里的s(resource)评分公式如下：
33、公式二：s(resource)＝w(cpu)*s(cpu)+w(memory)*s(memory)+w(storage)*s(storage)
34、计算资源的得分情况：
35、资源得分＝cpu权重*cpu得分+内存权重*内存得分+存储权重*存储得分。
36、可选的，所述公式一中s(latency)计算方式包括：
37、获取任务中的坐标信息，和所有探测点的坐标信息比对，计算出直线距离最短的那个探测点，使用数据作为样本数据；
38、获取探测点到各个边缘节点的时延性能，获得时延值：
39、根据得到的时延值，和常用的时延判断标准，给出一个自定义的得分s(latency)。
40、可选的，所述公式二中s(cpu)、s(memory)、s(storage)计算方式：
41、公式二：s(resource)＝w(cpu)*s(cpu)+w(memory)*
42、s(memory)+w(storage)*s(storage)
43、其中，cpu评分s(cpu)、memory评分s(memory)、storage评分s(storage)的计算方式如下：
44、本模型中挑选cpu、内存、存储作为模型里的基本评分因子；
45、采用空余资源比例越高，得分越高的方式进行计算，公式如下：
46、s(cpu)＝节点cpu剩余量/节点cpu总量*100；
47、s(memory)＝节点内存剩余量/节点内存总量*100；
48、s(storage)＝节点存储剩余量/节点存储总量*100；
49、模型根据实际需要添加其他资源作为基本评分因子，计算公式一致。
50、可选的，所述公式一中w(latency)、w(resource)定义方式为：
51、公式一：s(node)＝w(latency)*s(latency)+w(resource)*s(resource)
52、有两个权重参数w(latency)和w(resource),w(latency)+w(resource)＝1；
53、权重取值范围是[0.3,0.7],管理页面调整步长为0.05；
54、初始默认值：w(latency)＝0.5,w(resource)＝0.5；
55、默认计算公式为：s(node)＝0.5*s(latency)+0.5*s(resource)；
56、结合对任务类型的分析，在默认值基础上，动态调整权重值：
57、如果是时延敏感型任务，则在给定的默认值上，w(latency)增加0.1，需在[0.3,0.7]的范围内，同时w(resource)＝1-w(latency)；
58、如果是时延普通型任务，则保持默认值不变；
59、如果是时延不敏感型任务，则在给定的默认值上，w(latency)减少0.1，但需在[0.3,0.7]的范围，同时w(resour本文档来自技高网...
【技术保护点】
1.一种边缘计算智能调度方法，其特征在于，所述调度方法包括：
2.根据权利要求1所述的一种边缘计算智能调度方法，其特征在于，所述步骤S1：获取边缘节点的资源数据和探测点到边缘节点的时延数据具体包括：
3.根据权利要求1所述的一种边缘计算智能调度方法，其特征在于，所述步骤S2：分析调度任务，获得分析结果具体包括：
4.根据权利要求3所述的一种边缘计算智能调度方法，其特征在于，所述根据任务请求的资源量进行任务特征智能分析具体包括：
5.根据权利要求1所述的一种边缘计算智能调度方法，其特征在于，所述步骤S3：过滤掉不符合条件的节点具体包括：
6.根据权利要求1所述的一种边缘计算智能调度方法，其特征在于，所述步骤S4：确定边缘节点的评分公式具体包括：
7.根据权利要求6所述的一种边缘计算智能调度方法，其特征在于，所述公式一中S(latency)计算方式包括：
8.根据权利要求6所述的一种边缘计算智能调度方法，其特征在于，所述公式二中S(cpu)、S(memory)、S(storage)计算方式：
<...【技术特征摘要】
1.一种边缘计算智能调度方法，其特征在于，所述调度方法包括：
2.根据权利要求1所述的一种边缘计算智能调度方法，其特征在于，所述步骤s1：获取边缘节点的资源数据和探测点到边缘节点的时延数据具体包括：
3.根据权利要求1所述的一种边缘计算智能调度方法，其特征在于，所述步骤s2：分析调度任务，获得分析结果具体包括：
4.根据权利要求3所述的一种边缘计算智能调度方法，其特征在于，所述根据任务请求的资源量进行任务特征智能分析具体包括：
5.根据权利要求1所述的一种边缘计算智能调度方法，其特征在于，所述步骤s3：过滤掉不符合条件的节点具体包括：
6.根据权利要求1所述的一种边缘计算智能...
【专利技术属性】
技术研发人员：李丹，荆留清，
申请(专利权)人：浙江九州未来信息科技有限公司，
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。