[发明专利]一种智能动态优化的边缘计算方法

说明书

本发明提供一种智能动态优化的边缘计算方法，涉及边缘计算领域。该边缘计算方法，包括计算中心、资源调度和边缘节点，所述计算中心为云端计算服务器，其资源调度优化方法如下：资源调度设立任务类型库，同时存储边缘节点的地理位置、带宽和算力，和计算中心的地理位置、算力；根据计算中心和边缘节点的地理位置，分别获取当地电价(M值)；资源调度获取任务后，通过任务类型库计算完成任务后所消耗的算；获取计算中心和边缘节点以当前时间点算力分布和带宽分布；分别计算出任务在计算中心和每个边缘节点，完成时间、带宽满足、能耗费用，根据三者的权重，将任务安排。通过预估计算任务类型，计算并安排任务。

技术领域

本发明涉及边缘计算技术领域，具体为一种智能动态优化的边缘计算方法。

背景技术

边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。

但是边缘计算大多满足数据源头的计算需求，其算力一般不大，若出现数据量增大，而无法满足现有的需求。而通过设置计算中心，即云端计算平台，将无法处理的计算量传输至云端，满足计算需求。但是存在计算任务如何分配给边缘计算和云端的问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种智能动态优化的边缘计算方法，解决了边缘计算和云端减少任务分配的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种智能动态优化的边缘计算方法，包括计算中心、资源调度和边缘节点，所述计算中心为云端计算服务器，所述边缘节点为数据获取端计算服务器，所述资源调度用于将任务分配给计算中心和边缘节点，其资源调度优化方法如下：

步骤一：资源调度设立任务类型库，用于推测任务完成的时间，用于计算并安排任务，并分类统计每种类型任务的数据长度在单位算力下所需要的时间(T值)，即获取任务完成的需要的时间，同时存储边缘节点的地理位置、带宽和算力，和计算中心的地理位置、算力；

步骤二：根据计算中心和边缘节点的地理位置，分别获取当地电价(M值)，通过运行计算所消耗的电能和当地电价，获得该任务的耗能成本；

步骤三：资源调度获取任务后，通过任务类型库计算完成任务后所消耗的算力，即预估消耗的算力；

步骤四：获取计算中心和边缘节点以当前时间点算力分布和带宽分布，以边缘节点为例，算力分布为以此后的时间，对于该边缘节点的任务安排后，剩余的算力，即该边缘节点随时间变化的剩余算力分布，同理，带宽分布，是该边缘节点随时间变换的剩余宽度分布；

步骤五：在任务的完成期限之前，结合Q值和M值，分别计算出任务在计算中心和每个边缘节点，完成时间、带宽满足、能耗费用，根据三者的权重，将任务安排给计算中心或者边缘节点。完成时间即计算中心或者每个边缘节点根据当前情况完成所用的时间，带宽满足判断任务数据传输计算中心或者边缘节点所用的时间，能耗费用即为运算所消耗电能产生的费用。

优选的，所述步骤一中，任务类型库的数据采集来源于每次任务的记录。用于提高任务分配的准确性。

优选的，所述资源调度中，可将任务数据按照顺序批量打包，可边传输数据和边进行计算，在判断该计算中心或者边缘节点是否满足该任务时，由完成时间和带宽满足两者时间长的作于限定任务是否超出完成期限。

优选的，所述资源调度中，任务若只能传输后才能计算，则完成时间和带宽满足的时间之和于限定任务是否超出完成期限。