基于云边协同系统的任务部署方法及装置制造方法及图纸

本发明专利技术提供了一种基于云边协同系统的任务部署方法及装置，涉及云边协同技术领域，所述云边协同系统包括多个边缘端节点；所述方法包括：获取当前待处理的任务类型和当前待处理的数据量大小；获取每个所述边缘端节点的当前剩余资源量；基于所述当前待处理的数据量大小和每个所述边缘端节点的当前剩余资源量，从所述多个边缘端节点中确定出目标节点；将与所述当前待处理的任务类型对应的任务部署至所述目标节点。本发明专利技术提供的技术方案，能够对待处理任务进行灵活部署，从而保证系统正常运行、且使集群资源得到最优化利用。且使集群资源得到最优化利用。且使集群资源得到最优化利用。

【技术实现步骤摘要】
基于云边协同系统的任务部署方法及装置


[0001]本专利技术涉及云边协同
，特别地涉及一种基于云边协同系统的任务部署方法及装置。

技术介绍

[0002]目前的工业设备管理模式正从云计算逐步转向以云边协同为主的设备管理模式。云计算(Cloud computing)是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。特点为云中心服务器运行所有任务处理所有数据。优势是计算资源丰富、云端服务器部署具备弹性好，灵活度高，便于管理。劣势是随着工业设备增多，异构数据增加，传统云计算已经不能满足一些对实时性比较敏感的应用，而且全部上传到云端会给网络带宽和云端数据库的压力增大，导致传输时延增加。
[0003]边缘计算(Edge computing)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。特点是在网络边缘执行计算，工业源数据可以就近处理，减少上传云端的数据量。优势是时延小、安全性强、缓解了网络带宽和云端服务器的压力。劣势是计算资源少，且可用于训练的数据量相较于云计算太少，导致模型不够精确。
[0004]于是很多专家学者提出云边协同系统运作模式，目的是结合两者优势，即既利用边缘计算时延小、传输快的特点，又利用云端中心服务器资源丰富特点。
[0005]在智能工业场景中，云边协同系统通常由云端和多个边缘端节点构成集群，边缘端节点资源和计算能力参差不齐，而现有的方案大都针对单一云边进行讨论，系统结构固定，无法根据业务需求灵活部署任务，不能使集群资源最优化利用，当有节点宕机或云端与边缘端业务连接断开时，系统无法正常运行。

技术实现思路

[0006]针对上述现有技术中的问题，本申请提出了一种基于云边协同系统的任务部署方法及装置，能够对待处理任务进行灵活部署，从而保证系统正常运行、且使集群资源得到最优化利用。
[0007]为达到上述目的，本专利技术的技术方案是这样实现的：
[0008]第一方面，本专利技术实施例提供了一种基于云边协同系统的任务部署方法，所述云边协同系统包括多个边缘端节点；所述方法包括：
[0009]获取当前待处理的任务类型和当前待处理的数据量大小；
[0010]获取每个所述边缘端节点的当前剩余资源量；
[0011]基于所述当前待处理的数据量大小和每个所述边缘端节点的当前剩余资源量，从所述多个边缘端节点中确定出目标节点；
[0012]将与所述当前待处理的任务类型对应的任务部署至所述目标节点。
[0013]优选地，获取当前待处理的任务类型，包括：
[0014]按照预设的pipeline任务顺序获取当前待处理的任务类型。
[0015]优选地，所述获取每个所述边缘端节点的当前剩余资源量，包括：
[0016]获取每个所述边缘端节点的当前内存大小和当前CPU大小。
[0017]优选地，所述基于所述当前待处理的数据量大小和每个所述边缘端节点的当前剩余资源量，从所述多个边缘端节点中确定出目标节点，包括：
[0018]基于所述当前待处理的数据量大小和每个所述边缘端节点的当前剩余资源量，判断所述多个边缘端节点中是否有能够处理所述当前待处理的数据量大小的边缘端节点；
[0019]当所述多个边缘端节点中有能够处理所述当前待处理的数据量大小的边缘端节点时，从所述多个边缘端节点中选取当前剩余资源量最大的边缘端节点作为所述目标节点。
[0020]优选地，所述方法应用于对设备故障的预测中；所述当前待处理的任务类型包括以下项目中的任意一项：数据采集任务、数据预处理任务、特征提取任务和故障预测任务；其中，
[0021]所述数据采集任务用于采集待预测设备的运行参数；
[0022]所述数据预处理任务用于对所述待预测设备的运行参数进行预处理，获得预处理后的数据；
[0023]所述特征提取任务用于对所述预处理后的数据进行特征提取，获得特征数据集；
[0024]所述故障预测任务用于将所述特征数据集输入预先训练好的故障预测模型中，以使所述故障预测模型输出所述待预测设备是否发生故障的预测结果。
[0025]优选地，所述对所述待预测设备的运行参数进行预处理，获得预处理后的数据，包括：
[0026]对所述待预测设备的运行参数依次进行数据清洗处理、数据归一化处理，获得所述预处理后的数据。
[0027]优选地，所述对所述预处理后的数据进行特征提取，获得特征数据集，包括：
[0028]基于预设时间窗将所述预处理后的数据划分为多个数据组；
[0029]对于每个所述数据组，执行以下操作，获得该数据组的特征数据：
[0030]对该数据组在时域上进行特征提取，获得时域特征值；
[0031]对该数据组在频域上进行特征提取，获得频域特征值；
[0032]对该数据组在时频域上进行特征提取，获得时频域特征值；
[0033]将所述时域特征值、所述频域特征值和所述时频域特征值组成数据集，获得该数据组的特征数据；
[0034]将每个所述数据组的特征数据组成数据集，获得所述特征数据集。
[0035]优选地，所述故障预测模型采用以下方式获得所述预测结果：
[0036]基于所述特征数据集，获得所述待预测设备的运行状态；
[0037]基于所述待预测设备的运行状态，判断所述待预测设备是否发生故障，以获得所述预测结果。
[0038]进一步地，所述当前待处理的任务类型还包括：
[0039]模型训练任务，用于基于预处理后的历史数据，对预先建立的网络模型进行训练，
获得所述故障预测模型；其中，所述历史数据为已经采集的所述待预测设备在预定历史时间段的运行参数；
[0040]所述预处理后的历史数据采用以下方式获得：
[0041]对所述历史数据依次进行所述数据清洗处理、所述数据归一化处理，获得所述预处理后的历史数据。
[0042]进一步地，所述故障预测模型有多个，所述方法还包括：
[0043]将多个所述故障预测模型进行融合，获得融合后的故障预测模型；
[0044]所述故障预测任务还用于将所述特征数据集输入所述融合后的故障预测模型中，以使所述融合后的故障预测模型输出所述待预测设备是否发生故障的预测结果。
[0045]第二方面，本专利技术实施例提供了一种基于云边协同系统的任务部署装置，所述云边协同系统包括多个边缘端节点；所述装置包括：
[0046]第一获取单元，用于获取当前待处理的任务类型和当前待处理的数据量大小；
[0047]第二获取单元，用于获取每个所述边缘端节点的当前剩余资源量；
[0048]节点确定单元，用于基于所述当前待处理的数据量大小和每个所述边缘端节点的当前剩余资源量，从所述多个边缘端节点中确定出目标节点；
[0049本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云边协同系统的任务部署方法，其特征在于，所述云边协同系统包括多个边缘端节点；所述方法包括：获取当前待处理的任务类型和当前待处理的数据量大小；获取每个所述边缘端节点的当前剩余资源量；基于所述当前待处理的数据量大小和每个所述边缘端节点的当前剩余资源量，从所述多个边缘端节点中确定出目标节点；将与所述当前待处理的任务类型对应的任务部署至所述目标节点。2.根据权利要求1所述的基于云边协同系统的任务部署方法，其特征在于，获取当前待处理的任务类型，包括：按照预设的pipeline任务顺序获取当前待处理的任务类型。3.根据权利要求1所述的基于云边协同系统的任务部署方法，其特征在于，所述获取每个所述边缘端节点的当前剩余资源量，包括：获取每个所述边缘端节点的当前内存大小和当前CPU大小。4.根据权利要求1所述的基于云边协同系统的任务部署方法，其特征在于，所述基于所述当前待处理的数据量大小和每个所述边缘端节点的当前剩余资源量，从所述多个边缘端节点中确定出目标节点，包括：基于所述当前待处理的数据量大小和每个所述边缘端节点的当前剩余资源量，判断所述多个边缘端节点中是否有能够处理所述当前待处理的数据量大小的边缘端节点；当所述多个边缘端节点中有能够处理所述当前待处理的数据量大小的边缘端节点时，从所述多个边缘端节点中选取当前剩余资源量最大的边缘端节点作为所述目标节点。5.根据权利要求1所述的基于云边协同系统的任务部署方法，其特征在于，所述方法应用于对设备故障的预测中；所述当前待处理的任务类型包括以下项目中的任意一项：数据采集任务、数据预处理任务、特征提取任务和故障预测任务；其中，所述数据采集任务用于采集待预测设备的运行参数；所述数据预处理任务用于对所述待预测设备的运行参数进行预处理，获得预处理后的数据；所述特征提取任务用于对所述预处理后的数据进行特征提取，获得特征数据集；所述故障预测任务用于将所述特征数据集输入预先训练好的故障预测模型中，以使所述故障预测模型输出所述待预测设备是否发生故障的预测结果。6.根据权利要求5所述的基于云边协同系统的任务部署方法，其特征在于，所述对所述待预测设备的运行参数进行预处理，获得预处理后的数据，包括：对所述待预测设备的运行参数依次进行数据清洗处理、数据归一化处理，获得所述预处理后的数据。7.根据权利要求5所述的基于云边协同系统的任务部署方法，其特征在于，所述对所述预处理后的数据进行特征提取，获得特征数据集，包括：基于预设时间窗将所述预处理后的数据划分为多个数据组；对于每个...

【专利技术属性】
技术研发人员：吴振宇，李麟杰，纪阳，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：