[发明专利]异构资源调度方法和系统

说明书

本公开提供一种异构资源调度方法和系统。异构资源调度系统响应于移动边缘计算平台上的每个边缘应用发送的资源请求，解析边缘应用的加速需求文件，以便对边缘应用的所需异构资源进行预分配；利用深度学习网络提取各边缘应用的关键特征；使用分类器对各边缘应用的关键特征和所需异构资源进行匹配，以得到各边缘应用所需各类异构资源的配比；根据各边缘应用所需各类异构资源的配比确定实时应用资源分配策略；通过对各边缘应用的资源利用情况进行回归预测，以得到预定时间范围内的总体异构资源分配策略；根据实时应用资源分配策略和总体异构资源分配策略对异构资源进行统一分配调度。本公开能够对异构资源进行精确化分析、分配和实时调度。

技术领域

本公开涉及边缘计算领域，特别涉及一种异构资源调度方法和系统。

背景技术

OpenStack(由Rackspace和NASA共同开发的云计算平台)通过Cyborg对异构资源进行管理。对于MEC(Mobile Edge Computing，移动边缘计算)系统，现有的ETSI(EuropeanTelecommunications Standards Institute，欧洲电信标准化协会)方案要点在于，以Cyborg为代表的异构计算资源管理平台只是对各类异构资源本身进行了简单的生命周期管理，目前仍需要人工的方式去理解边缘计算应用对异构资源的需求以及手动预估的方式分配异构资源给各类应用。

由于目前MEC系统不支持各类异构资源的精确化的分配，因此无法满足边缘计算应用对多类异构计算资源的需求。

发明内容

本公开提供一种对异构资源进行精确化分析、分配和实时调度的方案。

根据本公开实施例的第一方面，提供一种异构资源调度方法，包括：响应于移动边缘计算平台上的每个边缘应用发送的资源请求，解析所述边缘应用的加速需求文件，以便对所述边缘应用的所需异构资源进行预分配；利用深度学习网络提取各边缘应用的关键特征；使用分类器对各边缘应用的关键特征和所需异构资源进行匹配，以得到各边缘应用所需各类异构资源的配比；根据各边缘应用所需各类异构资源的配比确定实时应用资源分配策略；通过对各边缘应用的资源利用情况进行回归预测，以得到预定时间范围内的总体异构资源分配策略；根据所述实时应用资源分配策略和所述总体异构资源分配策略对异构资源进行统一分配调度。

在一些实施例中，解析所述边缘应用的加速需求文件包括：通过需求文件库调用所述边缘应用的加速需求文件；利用需求解析器对所述加速需求文件进行解析，以得到所述边缘应用所需异构资源的预分配策略；根据所述预分配策略对所述边缘应用的所需异构资源进行预分配。

在一些实施例中，通过对各边缘应用的资源利用情况进行回归预测包括：利用梯度提升决策树GBDT回归预测器对各边缘应用的资源利用情况进行回归预测，以得到各边缘应用的资源需求在预定时间范围内的分布情况；根据所得到的分布情况确定预定时间范围内的异构资源总体分配策略。

在一些实施例中，所述深度学习网络为卷积神经网络CNN特征提取网络；所述分类器为Softmax分类器。

根据本公开实施例的第二方面，提供一种异构资源调度系统，包括：预分配模块，被配置为响应于移动边缘计算平台上的每个边缘应用发送的资源请求，解析所述边缘应用的加速需求文件，以便对所述边缘应用的所需异构资源进行预分配；实时分配模块，被配置为利用深度学习网络提取各边缘应用的关键特征，使用分类器对各边缘应用的关键特征和所需异构资源进行匹配，以得到各边缘应用所需各类异构资源的配比，根据各边缘应用所需各类异构资源的配比确定实时应用资源分配策略；总体分配模块，被配置为通过对各边缘应用的资源利用情况进行回归预测，以得到预定时间范围内的总体异构资源分配策略；异构资源调度模块，被配置为根据所述实时应用资源分配策略和所述总体异构资源分配策略对异构资源进行统一分配调度。