【技术实现步骤摘要】
本申请涉及边缘计算，特别涉及一种基于边缘计算的计算模式生成方法、系统及存储介质。
技术介绍
1、随着物联网、人工智能、5g等高新技术的大规模应用，算力基础设施不足的问题愈发显现。一般来说，基于上述技术的智慧城市、智慧园区、智慧交通等上层应用的规模和精度依赖于算力基础设施的计算能力。除了搭建大型算力中心外，将尽可能多的空闲边缘设备纳入边缘计算网络以提供新型算力也是解决算力不足的主要途径。针对海量边缘设备，如何设计出一种通用的节点联合方式以进行任务分发与算力调度是使边缘计算网络充分发挥算力集群优势的重要研究方向。
2、人工智能算法特别是深度学习的推广为各个技术应用领域带来了不少创新应用，目前已有不少学者提出了一些基于深度学习的边缘计算节点算力的调度分配算法，其通常以海量计算任务下不同的节点组合方式的计算性能作为训练样本，训练出一个具有较高准确性的预测模型。这种方法的优点是训练好的模型具有较高的复用性，只需一次训练过程。缺点是训练时间过长，实时性不足；如果训练集数量较小且样本间差异不明显的话，模型的精度损失还会比较大。另外，对于边缘计算网络这种节点可以随时加入或退出的动态网络，模型的通用性相对不足。因此需要研究一种性能相当或精度损失较少的在线算力调度算法。
技术实现思路
1、本申请为解决上述技术问题，提供一种基于边缘计算的计算模式生成方法、系统及存储介质。
2、具体的，本申请提供一种基于边缘计算的计算模式生成方法，包括以下步骤：
3、s100：计算边缘
4、s200：分别根据所述运算性能指数和通信负载指数获取运算主集和通信主集，并根据所述运算主集和通信主集获取枢纽节点集。
5、s300：计算所述枢纽节点集中各枢纽节点的计算饱和度，以根据各计算饱和度生成计算模式。
6、进一步的，在执行步骤s100之前，包括：
7、调度节点将指令集的指令随机组合成n个指令模式，并将各指令模式分别发给各边缘节点执行。
8、获取各指令模式对应的执行时间和占用资源，以根据所述执行时间、占用资源和指令模式计算各边缘节点对其对应的指令模式的适配指数。
9、根据各适配指数获取最大适配指数，并将该最大适配指数对应的指令模式判定为特征模式。
10、进一步的，所述步骤s100中的计算运算性能指数，包括：
11、计算各适配指数的均值，以将该均值作为运算性能指数。
12、进一步的，所述步骤s100中的计算通信负载指数，包括：
13、调度节点随机生成预设个数据包，计算各数据包的哈希值并将各数据包分别发给各边缘节点，以获取从调度节点发出数据包到边缘节点返回响应的时长。
14、同时，当边缘节点接收到数据包时，计算所接收到的数据包的哈希值，以将所述哈希值和接收到的数据包组合成元组返回给调度节点，以使得调度节点将接收到的数据包与发出的数据包进行按位比较，进而获取相同的位的数量，并比较接收到的哈希值与发出的数据包对应的哈希值，若一致，则记标识符为1，否则记所述标识符为-1。
15、获取所接收到的数据包大小，并根据所述数量、数据包大小、时长和标识符计算各边缘节点的通信负载指数。
16、进一步的，所述步骤s200还包括：
17、调度节点对各运算性能指数进行降序排序，并按顺序重新对各边缘节点进行第一标号。
18、根据第一标号、运算性能指数获取第一分割节点，以根据所述第一分割节点获取运算主集和初始弱运算节点集。
19、以及，调度节点对各通信负载指数进行降序排序，并按顺序重新对各边缘节点进行第二标号。
20、根据第二标号、通信负载指数获取第二分割节点，以根据所述第二分割节点获取通信主集和初始弱通信节点集。
21、进一步的，在执行步骤s300之前，包括：
22、根据所述运算主集和枢纽节点集获取初始强运算节点集，以及根据所述通信主集和枢纽节点集获取初始强通信节点集。
23、根据所述初始弱运算节点集和初始弱通信节点集的交集获取目标弱运算节点集和目标弱通信节点集。
24、进一步的，在执行步骤s300之前，还包括：
25、调度节点将枢纽节点集的枢纽节点按其运算性能指数与通信负载指数的和进行降序排序，以根据排序后的枢纽节点进行任务分发，进而根据任务分发结果获取目标强运算节点集和目标强通信节点集。
26、进一步的，所述步骤s300包括：
27、调度节点将目标强运算节点集、目标弱运算节点集、目标强通信节点集、目标弱通信节点集的各节点分发给各枢纽节点。
28、获取各枢纽节点被分配的子任务的难度总值，以及各枢纽节点对应的运算性能指数和通信负载指数，以计算各枢纽节点的计算饱和度，并根据各计算饱和度获取饱和度集合。
29、计算饱和度集合的均方差为最小的节点分配方案，并将该节点分配方案作为计算模式。
30、基于同一构思，本申请还提供一种基于边缘计算的计算模式生成系统，所述系统包括：
31、计算模块：用于计算边缘节点的运算性能指数和通信负载指数。
32、获取模块：用于分别根据所述运算性能指数和通信负载指数获取运算主集和通信主集，并根据所述运算主集和通信主集获取枢纽节点集。
33、生成模块：用于计算所述枢纽节点集中各枢纽节点的计算饱和度，以根据各计算饱和度生成计算模式。
34、基于同一构思，本申请还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述的基于边缘计算的计算模式生成方法。
35、与现有技术相比，本申请的有益效果在于：
36、本申请能够通过计算各个边缘节点的运算性能指数和通信负载指数较为准确地将海量边缘计算节点进行归类，并基于计算饱和度快速地获得待计算任务的最优计算模式，特别适用于网络动态变化、对实时性要求高的边缘计算场景。基于深度学习的算法往往需要大量训练时间，实时性不足，训练样本往往需要经过人工精心挑选，不适用于网络拓扑动态变化的大规模边缘计算场景。本申请通过求取使计算饱和度获取最优的匹配模式，从而以较小的资源消耗获得较为准确的边缘计算模式，有助于确保不同计算任务的快速匹配与结果响应，拓展边缘计算的应用领域。
本文档来自技高网...【技术保护点】
1.一种基于边缘计算的计算模式生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于边缘计算的计算模式生成方法，其特征在于，在执行步骤S100之前，包括：
3.根据权利要求2所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤S100中的计算运算性能指数，包括：
4.根据权利要求3所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤S100中的计算通信负载指数，包括：
5.根据权利要求4所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤S200还包括：
6.根据权利要求5所述的基于边缘计算的计算模式生成方法，其特征在于，在执行步骤S300之前，包括：
7.根据权利要求6所述的基于边缘计算的计算模式生成方法，其特征在于，在执行步骤S300之前，还包括：
8.根据权利要求7所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤S300包括：
9.一种采用如权利要求1-8任一项所述的基于边缘计算的计算模式生成方法的系统，其特征在于，所述系统包括：
<...【技术特征摘要】
1.一种基于边缘计算的计算模式生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于边缘计算的计算模式生成方法，其特征在于，在执行步骤s100之前，包括：
3.根据权利要求2所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤s100中的计算运算性能指数，包括：
4.根据权利要求3所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤s100中的计算通信负载指数，包括：
5.根据权利要求4所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤s200还包括：
6.根据权利要求5所述的基于边...
【专利技术属性】
技术研发人员：郑皓桦，刘海锋，邓雪芳，
申请(专利权)人：广州优刻谷科技有限公司，
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。