本發(fā)明涉及一種任務(wù)優(yōu)化調(diào)度方法，特別是一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法。該方法屬于人工智能領(lǐng)域。

背景技術(shù)：

1、隨著5g、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等產(chǎn)業(yè)規(guī)模化落地，集中式云計(jì)算已無法滿足在網(wǎng)絡(luò)時(shí)延、帶寬成本、數(shù)據(jù)安全、業(yè)務(wù)敏捷等方面需求。作為行業(yè)數(shù)字轉(zhuǎn)型的核心能力底座，邊緣計(jì)算獲得業(yè)界的廣泛關(guān)注。邊緣計(jì)算已由技術(shù)概念期進(jìn)入到期望峰值期，成為未來計(jì)算的重要趨勢之一。于此同時(shí)，隨著數(shù)字轉(zhuǎn)型的深入，邊緣計(jì)算在行業(yè)應(yīng)用深度和廣度上將得到進(jìn)一步加強(qiáng)，廣泛應(yīng)用于工業(yè)、醫(yī)療、交通、教育、能源等眾多領(lǐng)域，充分利用近用戶側(cè)的先天優(yōu)勢，為行業(yè)用戶提供低成本、高質(zhì)量的服務(wù)。

2、邊緣計(jì)算技術(shù)融合正成為邊緣計(jì)算產(chǎn)業(yè)落地的“助推器”。行業(yè)數(shù)字轉(zhuǎn)型要求邊緣計(jì)算應(yīng)面向特定行業(yè)具備差異化與定制化的能力，以滿足行業(yè)應(yīng)用在高效算力、海量接入、智能分析、安全防護(hù)等方面的需求。邊緣計(jì)算作為基礎(chǔ)能力底座，與人工智能、大數(shù)據(jù)、區(qū)塊鏈、5g等各類新興技術(shù)具有天然的親和性，通過將各類技術(shù)“邊緣計(jì)算化”，并逐漸程序云邊端一體化架構(gòu)，屏蔽底層分布式異構(gòu)資源，向上提供應(yīng)用統(tǒng)一運(yùn)行環(huán)境，實(shí)現(xiàn)應(yīng)用統(tǒng)一管理、業(yè)務(wù)敏捷部署、時(shí)延帶寬成本降低、數(shù)據(jù)安全存儲。

3、由于云、邊、端三者資源規(guī)模不同、位置分散，業(yè)務(wù)應(yīng)用對時(shí)延、性能、服務(wù)質(zhì)量、成本等方面需求各異，如何實(shí)現(xiàn)統(tǒng)一云邊端算力資源調(diào)度、應(yīng)用優(yōu)化編排和任務(wù)動(dòng)態(tài)調(diào)度，在保障用戶體驗(yàn)的同時(shí)最大化提升資源利用率、系統(tǒng)運(yùn)行穩(wěn)定性，成為主要挑戰(zhàn)。雖然目前業(yè)界從資源、流量、數(shù)據(jù)、應(yīng)用、算法等不同緯度探索云邊端資源優(yōu)化調(diào)度和任務(wù)優(yōu)化調(diào)度，但在實(shí)際業(yè)務(wù)場景下，由于業(yè)務(wù)多樣性和復(fù)雜性，接入延時(shí)、流量遷移、實(shí)時(shí)監(jiān)控等方面仍具備優(yōu)化提升空間。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提出一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，其目的是：構(gòu)建云邊端一體化機(jī)制，實(shí)現(xiàn)分布式應(yīng)用統(tǒng)一開發(fā)、部署、調(diào)度、管理，以及資源、流量、業(yè)務(wù)的統(tǒng)一全局調(diào)度管理；進(jìn)一步，融合知識圖譜、深度強(qiáng)化學(xué)習(xí)等技術(shù)，實(shí)現(xiàn)跨云、邊、端的應(yīng)用優(yōu)化編排、服務(wù)請求智能指派和任務(wù)動(dòng)態(tài)優(yōu)化調(diào)度，最大化應(yīng)用運(yùn)行效率、云邊節(jié)點(diǎn)資源利用率、系統(tǒng)運(yùn)行穩(wěn)定性，提升云邊端環(huán)境下系統(tǒng)的工程實(shí)用性。

2、本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是：

3、一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，包括以下步驟：

4、1)構(gòu)建云邊端協(xié)同機(jī)制；

5、2)構(gòu)建知識圖譜，并基于云邊端協(xié)同機(jī)制中的特征信息對知識圖譜的應(yīng)用進(jìn)行優(yōu)化編排；

6、3)對服務(wù)請求進(jìn)行智能指派；

7、4)基于深度強(qiáng)化學(xué)習(xí)算法對任務(wù)進(jìn)行動(dòng)態(tài)優(yōu)化調(diào)度。

8、所述步驟1)包括以下步驟：

9、1.1)基于kubernetes構(gòu)建云側(cè)云原生集群；

10、1.2)在云邊鏈路上，基于云側(cè)控制器與邊側(cè)控制器構(gòu)建用于實(shí)現(xiàn)跨云、邊的分布式應(yīng)用統(tǒng)一開發(fā)、部署、調(diào)度、管理，以及資源、流量、業(yè)務(wù)的統(tǒng)一全局調(diào)度管理的邊云協(xié)同引擎；

11、1.3)基于k3s構(gòu)建邊側(cè)云原生集群；

12、1.4)端側(cè)以邊緣網(wǎng)關(guān)、邊緣一體機(jī)為載體，并分布式部署在工業(yè)現(xiàn)場近設(shè)備側(cè)，進(jìn)行數(shù)據(jù)采集、預(yù)處理、控制指令執(zhí)行。

13、所述步驟2)包括以下步驟：

14、2.1)建立面向應(yīng)用編排調(diào)度的知識圖譜；

15、2.2)基于當(dāng)前云邊端協(xié)同機(jī)制的特征信息，進(jìn)行知識圖譜搜索決策，以實(shí)現(xiàn)面向不同負(fù)載類型的節(jié)點(diǎn)調(diào)度和副本伸縮；

16、2.3)基于機(jī)器學(xué)習(xí)端到端的實(shí)體識別、關(guān)系抽取和關(guān)系補(bǔ)全對知識圖譜進(jìn)行自動(dòng)補(bǔ)全和修正。

17、所述步驟2.1)具體為：

18、基于邊緣節(jié)點(diǎn)多資源異構(gòu)特征信息和發(fā)布應(yīng)用特征信息，以最大化系統(tǒng)吞吐率、最大化應(yīng)用穩(wěn)定性為優(yōu)化目標(biāo)，結(jié)合人工知識經(jīng)驗(yàn)抽取的方式構(gòu)建知識圖譜。

19、所述步驟3)包括以下步驟：

20、3.1)實(shí)時(shí)計(jì)算云邊端協(xié)同機(jī)制的網(wǎng)絡(luò)系統(tǒng)狀態(tài)、負(fù)載變化特性和資源使用情況；

21、3.2)根據(jù)服務(wù)請求的請求資源類型，從資源限制、應(yīng)用匹配度和負(fù)載狀態(tài)，對服務(wù)節(jié)點(diǎn)進(jìn)行初篩選；

22、3.3)以最大化請求服務(wù)質(zhì)量為目標(biāo)函數(shù)，在通過初篩選的服務(wù)節(jié)點(diǎn)中，尋找目標(biāo)函數(shù)最大的服務(wù)節(jié)點(diǎn)，并進(jìn)行服務(wù)請求指派。

23、所述步驟4)包括以下步驟：

24、4.1)實(shí)時(shí)計(jì)算并收集云邊端節(jié)點(diǎn)的網(wǎng)絡(luò)狀態(tài)和負(fù)載狀態(tài)指標(biāo)，采用arima時(shí)序預(yù)測模型對節(jié)點(diǎn)指標(biāo)進(jìn)行預(yù)測；

25、4.2)結(jié)合云邊端節(jié)點(diǎn)的網(wǎng)絡(luò)狀態(tài)和負(fù)載狀態(tài)的實(shí)時(shí)計(jì)算和預(yù)測指標(biāo)，采用深度強(qiáng)化學(xué)習(xí)算法進(jìn)行任務(wù)優(yōu)化調(diào)度分析；

26、4.3)結(jié)合任務(wù)優(yōu)化調(diào)度分析結(jié)果，執(zhí)行面向應(yīng)用遷移、資源伸縮任務(wù)的動(dòng)態(tài)調(diào)度決策。

27、所述步驟4.2)包括以下步驟：

28、4.2.1)構(gòu)建樣本池：

29、以節(jié)點(diǎn)資源異構(gòu)特征、網(wǎng)絡(luò)狀態(tài)、任務(wù)特征、應(yīng)用資源需求為狀態(tài)空間，應(yīng)用運(yùn)行效率、節(jié)點(diǎn)資源利用率為目標(biāo)價(jià)值，應(yīng)用遷移、資源伸縮為動(dòng)作空間，構(gòu)建樣本池；

30、4.2.2)構(gòu)建策略網(wǎng)絡(luò)和價(jià)值網(wǎng)絡(luò)：

31、采用基于注意力機(jī)制的深度強(qiáng)化學(xué)習(xí)算法，將樣本池的狀態(tài)空間作為輸入，動(dòng)作空間作為輸出，實(shí)現(xiàn)云邊端任務(wù)動(dòng)態(tài)優(yōu)化決策，并且不斷結(jié)合包括節(jié)點(diǎn)遷移調(diào)度、資源伸縮調(diào)度的歷史決策結(jié)果，對算法進(jìn)行優(yōu)化；

32、4.2.3)自適應(yīng)學(xué)習(xí)：

33、基于歷史任務(wù)優(yōu)化數(shù)據(jù)，進(jìn)行深度強(qiáng)化學(xué)習(xí)算法自適應(yīng)訓(xùn)練學(xué)習(xí)。

34、一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度系統(tǒng)，包括存儲器和處理器；所述存儲器，用于存儲計(jì)算機(jī)程序；所述處理器，用于當(dāng)執(zhí)行所述計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法。

35、一種計(jì)算機(jī)可讀存儲介質(zhì)，所述存儲介質(zhì)上存儲有計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法。

36、本發(fā)明具有以下有益效果及優(yōu)點(diǎn)：

37、1.本發(fā)明解決了云邊端協(xié)同中的應(yīng)用優(yōu)化編排問題，通過應(yīng)用負(fù)載的節(jié)點(diǎn)調(diào)度、副本伸縮，來提升系統(tǒng)吞吐率以及應(yīng)用穩(wěn)定性。

38、2.本發(fā)明結(jié)合網(wǎng)絡(luò)系統(tǒng)狀態(tài)、負(fù)載變化特性、請求資源類型等因素，進(jìn)行服務(wù)請求智能指派策略，提升服務(wù)請求質(zhì)量。

39、3.本發(fā)明通過基于深度強(qiáng)化學(xué)習(xí)的任務(wù)動(dòng)態(tài)優(yōu)化調(diào)度，提升應(yīng)用運(yùn)行效率、節(jié)點(diǎn)資源利用率。

技術(shù)特征：

1.一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，其特征在于，所述步驟1)包括以下步驟：

3.根據(jù)權(quán)利要求1所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，其特征在于，所述步驟2)包括以下步驟：

4.根據(jù)權(quán)利要求3所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，其特征在于，所述步驟2.1)具體為：

5.根據(jù)權(quán)利要求1所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，其特征在于，所述步驟3)包括以下步驟：

6.根據(jù)權(quán)利要求1所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，其特征在于，所述步驟4)包括以下步驟：

7.根據(jù)權(quán)利要求6所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，其特征在于，所述步驟4.2)包括以下步驟：

8.一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度系統(tǒng)，其特征在于，包括存儲器和處理器；所述存儲器，用于存儲計(jì)算機(jī)程序；所述處理器，用于當(dāng)執(zhí)行所述計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法。

9.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，所述存儲介質(zhì)上存儲有計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法。

技術(shù)總結(jié)
本發(fā)明涉及一種基于云邊端協(xié)同機(jī)制的任務(wù)優(yōu)化調(diào)度方法，其步驟如下：步驟一、云邊端協(xié)同機(jī)制構(gòu)建；步驟二、應(yīng)用優(yōu)化編排；步驟三、服務(wù)請求智能指派；步驟四、任務(wù)動(dòng)態(tài)優(yōu)化調(diào)度。與現(xiàn)有的邊緣計(jì)算任務(wù)調(diào)度方法相比，本發(fā)明通過基于知識圖譜的應(yīng)用優(yōu)化編排，實(shí)現(xiàn)了系統(tǒng)吞吐率、應(yīng)用穩(wěn)定性的最大化；基于深度強(qiáng)化學(xué)習(xí)任務(wù)動(dòng)態(tài)優(yōu)化調(diào)度，實(shí)現(xiàn)云邊端任務(wù)的動(dòng)態(tài)遷移和資源伸縮。按照本發(fā)明設(shè)計(jì)的任務(wù)優(yōu)化調(diào)度方法不僅效率高、性能強(qiáng)，而且可有效應(yīng)對云邊端資源利用率低、服務(wù)質(zhì)量低、網(wǎng)絡(luò)不穩(wěn)定等問題，為工業(yè)應(yīng)用提供了一種更加高效可靠的云邊端任務(wù)優(yōu)化調(diào)度方法。

技術(shù)研發(fā)人員：李歆,潘福成,于淼,羅賽,原文斌,房頔
受保護(hù)的技術(shù)使用者：中國科學(xué)院沈陽自動(dòng)化研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/19