一种基于边缘计算的数据采集终端资源适配方法组成比例

本发明专利技术公开了一种基于边缘计算的数据采集终端资源适配方法，包括以下步骤：S1、建立云边协作的任务模型；S2、分析任务模型中各节点的任务执行延迟和各节点之间的数据传输延迟；S3、根据终端发起的具有不同延迟限度的计算任务采取不同计算任务卸载策略。本发明专利技术通过云计算中心和边缘节点协同处理的方式，在边缘服务器端部署任务调度算法，针对终端发起的具有不同延迟限度的计算任务采取不同计算任务卸载策略，以获得更短的计算和传输延迟，从而提高抽水蓄能电站中辅助决策任务的及时性。

【技术实现步骤摘要】
一种基于边缘计算的数据采集终端资源适配方法
本专利技术涉及通信
，尤其涉及一种基于边缘计算的数据采集终端资源适配方法。
技术介绍
截至2018年底，国内抽水蓄能电站的装机规模已达2999万kW，并且在建规模也达到4400万kW。随着抽水蓄能电站的建设规模逐步扩大，为了便于管理和监测，各电站陆续建成数据采集、调度控制、生产管理等较为完整的自动化体系，然而由于数据采集终端的处理能力有限，限制了抽水蓄能电站自动化系统的智能化程度。云计算由于其强大的计算能力，在一定程度解决了一些终端设备的计算能力不足的问题，但是云计算需要克服远距离物理的传输路线限制，因此云计算可能会引入比较高的传输延迟。例如，中国专利文献CN106412075A公开了“一种基于云计算的资源配置方法及装置无”，利用虚拟化技术将计算机资源转化为虚拟机，运行在网络化的物理服务器上；获取云计算当前运行过程中的各项性能指标数据；根据性能指标数据，利用动态拓展算法确定所需的虚拟服务器的数量以及所需的WEB应用组件的数量；根据所需的虚拟服务器的数量以及所需的WEB应用组件的数量，对虚拟服务器以及WEB应用组件进行扩展或缩减；将接收到的用户访问请求路由到不同的所述虚拟服务器上。上述专利的不足之处在于资源配置的过程中具有较高的传输延迟。
技术实现思路
本专利技术主要解决原有的资源配置方法具有较高的传输延迟的技术问题；提供一种基于边缘计算的数据采集终端资源适配方法，通过云计算中心和边缘节点协同处理的方式，在边缘服务器端部署任务调度算法，针对终端发起的具有不同延迟限度的计算任务采取不同计算任务卸载策略，以获得更短的计算和传输延迟，从而提高抽水蓄能电站中辅助决策任务的及时性。本专利技术的上述技术问题主要是通过下述技术方案得以解决的：本专利技术包括以下步骤：S1、建立云边协作的任务模型；S2、分析任务模型中各节点的任务执行延迟和各节点之间的数据传输延迟；S3、根据终端发起的具有不同延迟限度的计算任务采取不同计算任务卸载策略。本专利技术通过云计算中心和边缘节点协同处理的方式，在边缘服务器端部署任务调度算法，针对终端发起的具有不同延迟限度的计算任务采取不同计算任务卸载策略，以获得更短的计算和传输延迟，从而提高抽水蓄能电站中辅助决策任务的及时性。作为优选，所述的任务模型包括终端层、边缘层和云层，其中：所述终端层包括若干传感器和若干终端，所述传感器用于数据采集，所述终端用于收集传感器数据、生成计算任务并判断终端是否能在最大延迟限度内完成计算任务，若能完成则终端对计算任务进行本地任务数据处理，若不能完成则确定卸载的任务数据、本地计算的任务数据以及卸载的主边缘节点；所述边缘层包括内干边缘节点，所述边缘节点作为主边缘节点时判断是否能在计算任务所对应的最大延迟限度能完成终端所卸载的任务数据，若能则主边缘节点对任务数据进行处理，若不能，则确定卸载的任务数据以及卸载的辅助边缘节点和/或云端；所述边缘节点作为辅助边缘节点时，接收主边缘节点卸载的任务数据并进行处理；所述云层包括云端，云端接收主边缘节点卸载的任务数据并进行处理。作为优选，所述的终端设有终端任务模型：其中，Di(t)表示在时隙t，第i个终端生成的计算任务的任务数据，表示第i个终端本地计算的任务数据，当终端能在最大延迟限度内完成计算任务，则μi,j表示第i个终端卸载决策变量，若第i个终端选择第j个边缘节点作为主边缘节点，则μi,j＝1，反之则μi,j＝0，表示第i个终端卸载到第j个主边缘节点的任务数据。如果终端估计任务无法在本地任务执行最大延迟限度内完成处理，则终端的任务调度程序将把任务数据卸载到主边缘节点与本地任务并行处理。作为优选，所述的边缘层设有边缘节点任务模型：其中，表示第i个终端卸载到第j个主边缘节点的任务数据，表示第i个终端卸载到第j个主边缘节点的任务数据中能自身处理的任务数据，βi,j,p表示辅助决策变量，若第j个主边缘节点将第i个终端卸载的任务数据分流到第p个辅助边缘节点，则βi,j,p＝1，反之则βi,j,p＝0，表示第j个主边缘节点分流到第p个辅助边缘节点的任务数据，λi,j表示云卸载变量，若第j个主边缘节点将第i个终端卸载的任务数据卸载到云端，则λi,j＝1，反之则λi,j＝0，表示第j个主边缘节点卸载到云端的任务数据。主边缘节点在其覆盖范围内从终端接收任务数据。但是，由于资源的限制，主边缘节点无法处理终端在不同任务的延迟限度内所完成的所有任务数据。因此，主边缘节点必须将部分任务分配给具有足够资源量的辅助边缘节点和/或云端。作为优选，所述的任务执行延迟包括：i)第i个终端的本地任务执行延迟为：其中，La表示任务的处理密度，fi表示第i个终端的CPU时钟速度，表示第i个终端本地计算的任务数据；ii)第j个主边缘节点处第i个终端的任务执行延迟为：其中，fi,j表示第j个主边缘节点分配给第i个终端的CPU时钟速度，表示第i个终端卸载到第j个主边缘节点的任务数据中能自身处理的任务数据；iii)分流到第p个辅助边缘节点的任务执行延迟为：其中，fi,p表示第p个辅助边缘节点分配给第i个终端的CPU时钟速度，表示第j个主边缘节点分流到第p个辅助边缘节点的任务数据。本专利技术认定云端配备了足够数量的计算和存储资源，因此本专利技术无需考虑云端的任务执行时间，故可以忽略云端的任务执行延迟。作为优选，所述的数据传输延迟包括：i)第i个终端与第j个主边缘节点之间的数据传输延迟为：其中，ri,j表示第i个终端与第j个主边缘节点之间的数据传输速率，μi,j表示第i个终端卸载决策变量，若第i个终端选择第j个边缘节点作为主边缘节点，则μi,j＝1，反之则μi,j＝0，表示第i个终端卸载到第j个主边缘节点的任务数据；ii)第i个终端卸载在第j个主边缘节点的任务数据从第j个主边缘节点到云端之间的数据传输延迟为：其中，ri,j,c表示第i个终端卸载在第j个主边缘节点的任务数据从第j个主边缘节点到云端之间的数据传输速率，λi,j表示云卸载变量，若第j个主边缘节点将第i个终端卸载的任务数据卸载到云端，则λi,j＝1，反之则λi,j＝0，表示第j个主边缘节点卸载到云端的任务数据；iii)总数据传输延迟为本地任务执行延迟的最大值以及需要卸载的任务数据的传输延迟和任务执行延迟的总和：其中，表示第i个终端的本地任务执行延迟，表示第i个终端与第j个主边缘节点之间的数据传输延迟，表示第j个主边缘节点处第i个终端的任务执行延迟，表示分流到第p个辅助边缘节点的任务执行延迟，表示第i个终端卸载在第j个主边缘节点的任务数据从第j个主边缘节点到云端之间的数据传输延迟。数据传输延迟主要取决于传输速率。通常，数据总传输延迟包括任务卸载和返回的时间。在本专利技术的任务模型中，由于结果数据的大小较小，与从终端本文档来自技高网...

【技术保护点】
1.一种基于边缘计算的数据采集终端资源适配方法，其特征在于，包括以下步骤：/nS1、建立云边协作的任务模型；/nS2、分析任务模型中各节点的任务执行延迟和各节点之间的数据传输延迟；/nS3、根据终端发起的具有不同延迟限度的计算任务采取不同计算任务卸载策略。/n

【技术特征摘要】
1.一种基于边缘计算的数据采集终端资源适配方法，其特征在于，包括以下步骤：
S1、建立云边协作的任务模型；
S2、分析任务模型中各节点的任务执行延迟和各节点之间的数据传输延迟；
S3、根据终端发起的具有不同延迟限度的计算任务采取不同计算任务卸载策略。


2.根据权利要求1所述的一种基于边缘计算的数据采集终端资源适配方法，其特征在于，所述任务模型包括终端层、边缘层和云层，其中：
所述终端层包括若干传感器和若干终端，所述传感器用于数据采集，所述终端用于收集传感器数据、生成计算任务并判断终端是否能在最大延迟限度内完成计算任务，若能完成则终端对计算任务进行本地任务数据处理，若不能完成则确定卸载的任务数据、本地计算的任务数据以及卸载的主边缘节点；
所述边缘层包括内干边缘节点，所述边缘节点作为主边缘节点时判断是否能在计算任务所对应的最大延迟限度能完成终端所卸载的任务数据，若能则主边缘节点对任务数据进行处理，若不能，则确定卸载的任务数据以及卸载的辅助边缘节点和/或云端；所述边缘节点作为辅助边缘节点时，接收主边缘节点卸载的任务数据并进行处理；
所述云层包括云端，云端接收主边缘节点卸载的任务数据并进行处理。


3.根据权利要求2所述的一种基于边缘计算的数据采集终端资源适配方法，其特征在于，所述终端设有终端任务模型：



其中，Di(t)表示在时隙t，第i个终端生成的计算任务的任务数据，表示第i个终端本地计算的任务数据，当终端能在最大延迟限度内完成计算任务，则μi,j表示第i个终端卸载决策变量，若第i个终端选择第j个边缘节点作为主边缘节点，则μi,j＝1，反之则μi,j＝0，表示第i个终端卸载到第j个主边缘节点的任务数据。


4.根据权利要求2或3所述的一种基于边缘计算的数据采集终端资源适配方法，其特征在于，
所述边缘层设有边缘节点任务模型：



其中，表示第i个终端卸载到第j个主边缘节点的任务数据，表示第i个终端卸载到第j个主边缘节点的任务数据中能自身处理的任务数据，βi,j,p表示辅助决策变量，若第j个主边缘节点将第i个终端卸载的任务数据分流到第p个辅助边缘节点，则βi,j,p＝1，反之则表示第j个主边缘节点分流到第p个辅助边缘节点的任务数据，λi,j表示云卸载变量，若第j个主边缘节点将第i个终端卸载的任务数据卸载到云端，则λi,j＝1，反之则λi,j＝0，表示第j个主边缘节点卸载到云端的任务数据。


5.根据权利要求1所述的一种基于边缘计算的数据采集终端资源适配方法，其特征在于，所述任务执行延迟包括：
i)第i个终端的本地任务执行延迟为：



其中，La表示任务的处理密度，fi表示第i个终端的CPU时钟速度，表示第i个终端本地计算的任务数据；
ii)第j个主边缘节点处第i个终端的任务执行延迟为：



其中，fi,j表示第j个主边缘节点分配给第i个终端的CPU时钟速度，表示第i个终端卸载到第j个主边缘节点的任务数据中能自身处理的任务数据；
iii)分流到第p个辅助边缘节点的任务执行延迟为：



其中，fi,p表示第p个辅助边缘节点分配给第i个终端的CPU时钟速度...

【专利技术属性】
技术研发人员：阎峻，李雪强，董梦然，李耕赜，曹新立，陈勤，徐国华，王梓琪，许威，张文鹏，沈耀威，
申请(专利权)人：华东桐柏抽水蓄能发电有限责任公司，国网新源控股有限公司，南京南瑞信息通信科技有限公司，
类型：发明
国别省市：浙江;33