[发明专利]一种基于改进蜂群算法的多策略边缘计算资源调度方法

说明书

本发明涉及一种基于改进蜂群算法的多策略边缘计算资源调度方法，主要体现在：第一，改进蜂群算法充分发挥边缘计算平台弹性扩展的优势，使得边缘节点服务器的选择范围不再受限；第二，采用两级更新的优选调度方式，先通过各候选边缘节点服务器的自扩展与替换，实现候选边缘节点服务器的一级更新；再通过系统随机扩展方式，实现候选边缘节点服务器的二级更新，及时填补候选边缘节点服务器集合中的空缺；第三，改进蜂群算法思想的引入，有效避免了某候选边缘节点服务器被频繁选中进行容器调度，从而导致该候选边缘节点服务器负载过大的情况，实现了各候选边缘节点服务器间的负载均衡，增强系统可用性与稳定性。

技术领域

本发明涉及一种基于改进蜂群算法的多策略边缘计算资源调度方法，属于边缘计算技术与物联网技术应用结合技术领域。

背景技术

边缘计算是一种按使用量付费的模式，不同于传统云计算，边缘计算在终端设备所产生的数据源及云计算数据中心之间增加了一层“边缘”层，边缘层主要由一些性能不一、更加分散的计算机系统组成，这些计算机系统被称为边缘节点。计算任务在接近数据源的边缘计算节点上执行，通过互联网共享计算、存储、数据及应用资源，为其他设备提供优化的计算服务。边缘计算架构下通过在网络边缘设备上部署实施数据处理的边缘计算平台对外提供一套完善可用的服务及功能接口，以在网络边缘侧处理终端设备所产生的数据，从而实现请求响应的实时性，不仅降低了服务时延，也减少了网络传输带宽负载，避免网络延迟。在实际数据处理过程中，部署到边缘节点的计算任务的系统资源需求较少，对于资源密集型计算任务，边缘节点因系统资源受限不支持其部署运行，故此类任务转移至云端执行。因此，边缘计算架构的管理系统需要一种高资源需求的任务部署算法以实现将高实时性需求的任务合理部署至边缘节点或云节点的任务分配与调度策略，以使得任务的调度部署达到最优化。

边缘计算中的任务调度算法总体上实现两大功能：预选和优选。现有的大多数优选调度算法思想，如LeastRequestedPriority、ServiceSpreadingPriority和EqualPriority，多是对已有节点的调度优先级评判，并没有一种可以弹性扩展的调度方案。例如(1)LeastRequestedPriority算法基本思想是将容器调度到空闲资源较多的节点上，包括CPU资源及内存资源占用情况的考量，并将两者剩余可用资源占总资源的比值求和再取算术平均值作为各节点的调度优先级，分值越高即调度优先级越高。(2)ServiceSpreadingPriority调度算法的原则是使隶属于同一服务的容器分散调度在不同的计算节点上运行，从而实现服务高可用以及流量负载均衡；(3)EqualPriority调度算法平等对待每一个候选节点，因该算法权值为0，故在实际调度过程中不会调用该优选算法判定节点优先级。由此可见，传统容器调度算法并未利用弹性计算这一大优势，而仅局限在现有节点间的调度。

发明内容

本发明所要解决的技术问题是提供一种基于改进蜂群算法的多策略边缘计算资源调度方法，充分利用边缘框架中的弹性计算优势，考虑到低时延的服务需求，引入改进蜂群算法，在众多候选节点中弹性的选中待扩展的节点，以保障请求及时反馈与系统高效运转。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于改进蜂群算法的多策略边缘计算资源调度方法，将用户终端上封装了待处理任务的待调度容器上传至云端服务器，由云端服务器根据所设计的调度策略决定将待调度容器调度至云端处理或调度至边缘节点服务器处理；云端服务器执行如下步骤：

步骤A.判断与用户终端之间存在通信联系的各个候选边缘节点服务器中，是否存在服务类型与待调度容器类型相同的候选边缘节点服务器，是则将该候选边缘节点服务器作为目标边缘节点服务器，并进入步骤M；否则进入步骤B；

步骤B.分别针对与用户终端之间存在通信联系的各个候选边缘节点服务器，获取候选边缘节点服务器所对应各个指定类型指标的资源数据，然后进入步骤C；