【技术实现步骤摘要】
本专利技术属于工业互联网及边缘计算，具体地说，是涉及一种基于云边协同的微服务调度方法及系统。
技术介绍
1、工业过程智能化建设是指利用新型技术对生产系统中的资源进行分析、整合和控制，使系统具备自运行、自组织、自优化的能力，对系统中的行为作出智能化响应。
2、随着信息化的逐步推进，智能工业过程的建设不是一蹴而就的，早期系统原有的架构无法适应不断变化的需求。在智能工业场景中，车牌识别、人脸识别、安防告警等应用对通信时延、计算速度和带宽要求较高。传统的通过传感器采集数据上传到云平台的计算方式已经不能满足现有的需求。因此，将工业过程应用服务部署到网络边缘，通过边缘计算在工业过程的边缘构建智能服务系统，为用户提供就近，满足智能工业的各种需求，对智能工业建设具有重要意义。然而，边缘侧资源有限，如何有效利用现存基础设施资源（如服务器、网关、摄像头等），对边缘侧资源进行构建，统一管理和分配，并在有限的资源条件下，实现边缘侧资源高效利用非常重要。
3、同时，工业过程中的需求变化频繁，新应用要求快速部署调整，需要管理者提供更加敏捷的构建服务能力。随着微服务架构的出现，基于微服务架构开发和部署工业应用，可以节省应用开发时间，并针对单个微服务进行扩缩容，可以提高系统的灵活性。在容器技术出现之前，微服务主要部署在虚拟机上，系统开销很高。容器技术相对于虚拟机减少了硬件系统的虚拟化层，更加轻量，可以作为微服务载体，实现微服务的快速部署。然而，由于容器粒度较小，因此容器的资源管理更加复杂。常用的 docker 调度工具，如 kubern
技术实现思路
1、本专利技术将研究重点聚焦到智能工业过程下资源构建及云边协同微服务调度问题上，提出一种基于云边协同的微服务调度方法及系统，采用轻量级容器技术与开源边缘计算框架对工业过程中的资源进行构建，通过边缘服务系统对资源进行管理以提高基础设施资源利用率，以容器间干扰最小化、提高集群资源利用率、减少服务响应时间为目标，将微服务调度问题转换为多目标优化问题，并提出了云边协同微服务调度算法进行求解，减少了容器间的干扰，提高边缘应用的服务质量。
2、本专利技术采用以下技术方案予以实现：
3、提出一种基于云边协同的微服务调度方法，包括：
4、获取用户任务请求，将其分解为多个待调度的微服务；
5、对每个待调度的微服务，筛选出满足其资源需求的边缘节点和/或云节点，构建候选节点集合；
6、以最小化服务延迟时间、最小化调度时间和最小化容器间干扰为目标构建目标函数；其中，容器间干扰最小化模型为：，为计算干扰指数，是容器请求的cpu资源，是节点可用的cpu资源；为网络干扰指数，是容器消耗的带宽，是节点可用的i/o资源；=为i/o干扰指数，是容器请求的 i/o 资源，是节点可用的 i/o 资源；
7、求解目标函数得到最优微服务调度结果。
8、在本专利技术一些实施例中，在分解得到多个待调度的微服务后，所述方法还包括：
9、生成微服务任务图，图中的节点表示微服务，边表示微服务之间的依赖关系；
10、针对每个待调度的微服务，最小化微服务之间的跨集群或跨主机调用。
11、在本专利技术一些实施例中，在容器间干扰最小化中，所述方法包括：
12、计算每个容器的干扰指数，并根据干扰种类对容器进行分类；其中，容器干扰类型包括计算资源干扰、网络资源干扰和i/o资源干扰；
13、为每个容器选择一个干扰最小的候选节点；
14、对于高干扰容器，使用目标优化算法进行优化以使容器间干扰最小。
15、在本专利技术一些实施例中，所述方法还包括：
16、对每个节点上运行的容器进行实时监控，获取当前的干扰指数变化；
17、在任一节点上的干扰指数超过设定阈值时，重新触发调度将高干扰容器迁移到其他节点。
18、在本专利技术一些实施例中，所述方法还包括：
19、通过机器学习算法对历史调度数据进行分析，找到不同场景下的最佳容器间干扰最小化调度方案，将其集成到调度器中以实现优化的反馈机制。
20、提出一种基于云边协同的微服务调度系统，包括：
21、任务分解单元，用于获取用户任务请求，将其分解为多个待调度的微服务；
22、节点筛选单元，用于对每个待调度的微服务，筛选出满足其资源需求的边缘节点和/或云节点，构建候选节点集合；
23、目标模型构建单元，用于以最小化服务延迟时间、最小化调度时间和最小化容器间干扰为目标构建目标函数；其中，容器间干扰最小化模型为：，为计算干扰指数，是容器请求的cpu资源，是节点可用的cpu资源；为网络干扰指数，是容器消耗的带宽，是节点可用的i/o资源；=为i/o干扰指数，是容器请求的 i/o 资源，是节点可用的 i/o 资源；
24、最优微服务调度计算单元，用于求解目标函数得到最优微服务调度结果。
25、在本专利技术一些实施例中，所述节点筛选单元还用于：
26、生成微服务任务图，图中的节点表示微服务，边表示微服务之间的依赖关系；
27、针对每个待调度的微服务，最小化微服务之间的跨集群或跨主机调用。
28、在本专利技术一些实施例中，在容器间干扰最小化中，所述最优微服务调度计算单元用于：
29、计算每个容器的干扰指数，并根据干扰种类对容器进行分类；其中，容器干扰类型包括计算资源干扰、网络资源干扰和i/o资源干扰；
30、为每个容器选择一个干扰最小的候选节点；
31、对于高干扰容器，使用目标优化算法进行优化以使容器间干扰最小。
32、在本专利技术一些实施例中，所述系统还包括：
33、自适应调度单元，用于对每个节点上运行的容器进行实时监控，获取当前的干扰指数变化；在任一节点上的干扰指数超过设定阈值时，重新触发调度将高干扰容器迁移到其他节点。
34、在本专利技术一些实施例中，所述系统还包括：
35、干扰学习与优化反馈单元，用于通过机器学习算法对历史调度数据进行分析，找到不同场景下的最佳容器间干扰最小化调度方案，将其集成到调度器中以实现优化的反馈机制。
36、与现有技术相比，本专利技术的优点和积极效果是：本专利技术提出的基于云边协同的微服务调度方法及系统中，针对智能工业过程场景，将用户任务请求分解为 多个待调度的微服务，针对每个待调度的微服务，筛选出满足其资源需求的边缘节点和/或云节点来构建候选节点集合，对容器间干扰类型进行细分与量化，针对每种容器间干扰类型构建干扰指数计算模型，以容器间干扰最小化、提高集群资源利用率、减少服务响应时间为目标构造目标函数，从而将微服务调度问题转化为多目标优化问题，不仅实现了对工业过程智能监控场景下的本文档来自技高网...
【技术保护点】
1.基于云边协同的微服务调度方法，其特征在于，包括：
2.根据权利要求1所述的基于云边协同的微服务调度方法，其特征在于，在分解得到多个待调度的微服务后，所述方法还包括：
3.根据权利要求1所述的基于云边系统的微服务调度方法，其特征在于，在容器间干扰最小化中，所述方法包括：
4.根据权利要求1所述的基于云边协同的微服务调度方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的基于云边协同的微服务调度方法，其特征在于，所述方法还包括：
6.基于云边协同的微服务调度系统，其特征在于，包括：
7.根据权利要求6所述的基于云边协同的微服务调度系统，其特征在于，所述节点筛选单元还用于：
8.根据权利要求6所述的基于云边协同的微服务调度系统，其特征在于，在容器间干扰最小化中，所述最优微服务调度计算单元用于：
9.根据权利要求6所述的基于云边协同的微服务调度系统，其特征在于，所述系统还包括：
10.根据权利要求6所述的基于云边协同的微服务调度系统，其特征在于，所述系统还包括：
【技术特征摘要】
1.基于云边协同的微服务调度方法，其特征在于，包括：
2.根据权利要求1所述的基于云边协同的微服务调度方法，其特征在于，在分解得到多个待调度的微服务后，所述方法还包括：
3.根据权利要求1所述的基于云边系统的微服务调度方法，其特征在于，在容器间干扰最小化中，所述方法包括：
4.根据权利要求1所述的基于云边协同的微服务调度方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的基于云边协同的微服务调度方法，其特征在于，所述方法还包括：
【专利技术属性】
技术研发人员：李松，刘洋，刘颜昕，程航，冷君阁，郭保琪，刘国强，周亚楠，苗心洋，胡啸，
申请(专利权)人：青岛海大新星软件咨询有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。