[发明专利]雾计算环境下基于过滤及分配机制的节点低开销协作方法

说明书

本发明适用于云计算技术领域，提供了一种雾计算环境下基于过滤与分配机制的节点低开销协作方法，包括如下步骤：S1、服务器接收任务请求；S2、基于任务请求检测队列当前是否已满，若队列未满，则将任务插入队列；S3、基于任务的需求来选择协作节点；S4、基于最小延迟将子任务分配给协作节点。在选择协作节点之前，对雾节点的属性标签化，通过分析雾节点标签选择协作雾节点，可以降低雾节点间通信的开销；通过改进的Bloom Filter对所挑选的协作节点进行过滤，保证了节点的安全性；基于最小延迟的任务分配算法给各协作节点分配任务，减小了延迟。

技术领域

本发明属于云技术领域，提供了一种雾环境下基于过滤及分配机制的节点低开销协作方法。

背景技术

随着云计算(Cloud Computing)的发展和普及，云计算技术在分布式计算中起着日益重要的作用，但远程云计算服务面临着请求延迟长、数据传输耗时长等不足，导致降低了云服务效率。为此，思科(Cisco)在2011年提出了雾计算技术，以降低即时服务延迟。雾计算一经提出，便引起很多学者的广泛关注，逐渐成为目前服务计算和智能应用方向的研究热点。

雾计算的核心思想是智能前端化，即在云服务器和终端设备之间，利用网络设备或者专用设备提供计算、存储和网络通信等服务，使得数据和计算更靠近终端设备，以节约网络带宽、节省时间和经济成本，进而降低云计算服务的计算和存储开销。其中，低延迟是评价雾节点服务质量的重要指标之一。在雾计算模式中，即时需要处理的数据和应用程序集中在网络边缘的设备中，而需要长期保存和处理的数据才保存在云中。雾节点不同于提供强大计算能力的大规模分布式的云基础设施，其计算资源、存储资源、通信能力有限，因此如何实现较好地负载均衡、资源管理、信息架构、智能任务分析和隐私保护等，仍然是雾计算面临的重要研究问题。

通常情况下，由于单个雾节点往往无法完成一些复杂的任务，例如智能医疗、VR(Virtual reality)/AR(Augmented reality)、无人驾驶等，往往需要多个雾节点配合以分担负载和分析数据以更好地完成服务。雾系统处于云系统和物联网之间，具有承上启下的枢纽作用，雾节点间的高效协作可以保证整个云雾生态系统的稳定运行，下面对现有的协作节点选择方法和分配任务请求两个方面的研究展开分析。

1)选择协作节点

选择协作节点的方法有：(1)基于位置的节点选择：该方法通过判断节点间的距离选择节点协作；(2)基于相似性的节点选择：该方法通过节点的相似性计算得出节点的匹配程度；(3)基于预测的节点选择：该方法通过节点的历史服务偏好进行判断。以上基于位置的节点选择方法开销小但无法保证节点的安全性，而基于相似性和预测的方法均存在计算难度较大、存储开销大等不足。

2)分配任务

为了保证协作任务可以有条不紊地完成，雾节点间任务的分工十分重要。论文提出一种无线网络环境下的雾节点间协作传输策略，通过雾节点间串行协作以完成内容分发。论文提出一种基于F-RAN(Fog-Radio Access Network)的协作任务分配算法，实现计算和通信开销折中，该方法需要利用基站等基础设施联合多个雾节点近距离通信以实现低延迟。论文研究了一种跨雾计算服务提供商的分布式协作算法，通过分析协作节点的负载，设计负载均衡算法为雾节点分配任务。现有的任务分配算法存在通信开销高、存储成本高等不足，为此，需要设计低延迟和低开销的任务分配算法。

通过分析可知，目前雾环境中关于协作节点的选择与任务的分配方面还不够具体与深入，由于可能存在服务性能差的雾节点，如果直接选择使用这些节点，将可能导致数据丢失，降低服务质量，影响用户对服务的满意度。此外，如果任务随机地或者等量地分配给协作节点，可能会出现协作节点内存不足需要重新发给别的协作节点的问题，同时，协作节点的位置、任务的大小也会影响传输时间，如果将任务发送给较远的协作节点会造成通信时间和带宽资源的浪费。

发明内容