[发明专利]基于边缘计算的边云协同需求的优化方法和系统

说明书

本发明实施例涉及一种基于边缘计算的边云协同需求的优化方法和系统，其中，方法包括：获取终端发送的边云协同需求，对边云协同需求进行分析，生成计算流分配信息，将计算流分配信息发送至终端。通过本发明实施例提供的技术方案，避免了现有技术中数据处理时间长，且精确度不高的技术问题，实现了高效且精准的对数据进行处理的技术效果。

技术领域

本发明实施例涉及物联网技术领域，尤其涉及一种基于边缘计算的边云协同需求的优化方法和系统。

背景技术

随着互联网和移动边缘计算的迅猛发展，边缘终端设备的数量迅速增加，同时边缘终端设备所产生数据量已达到泽字节(ZB)级别。

在现有技术中，是通过集中式数据处理的方式对边云协同需求进行处理的。

然而，发明人在实现本发明的过程中，发现通过集中式数据处理方式对边云协同需求进行处理，至少存在：数据处理时间长，且精度不高的技术弊端。

发明内容

本发明所要解决的技术问题是针对现有技术中所存在的上述缺陷，提供基于边缘计算的边云协同需求的优化方法和系统，用以解决现有技术中存在数据处理时间长，且精度不高的问题。

根据本发明实施例的一个方面，本发明实施例提供了基于边缘计算的边云协同需求的优化方法，包括：

获取终端发送的边云协同需求；

对所述边云协同需求进行分析，生成计算流分配信息；

将所述计算流分配信息发送至所述终端。

进一步地，所述对所述边云协同需求进行分析，生成计算流分配信息，包括：

根据预设的第一迭代分析规则对所述边云协同需求进行迭代分析处理，得到多个需求信息；

对多个所述需求信息进行汇总处理，得到请求信息；

根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理，得到所述计算流分配信息。

进一步地，所述根据预设的第一迭代分析规则对所述边云协同需求进行迭代分析处理，得到多个需求信息，包括：

根据预设的多层神经网络模型、蒙特卡洛搜索树、回归模型、多层卷积网络模型中的一种或多种对所述边云协同需求中的第一需求进行分析，得到与其对应的第一需求信息；

根据所述第一需求和预设的迭代参数确定所述边云协同需求中的第二需求；

根据所述多层神经网络模型、蒙特卡洛搜索树、回归模型、多层卷积网络模型中的一种或多种对所述第二需求进行分析，得到与其对应的第二需求信息。

进一步地，所述根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理，得到所述计算流分配信息，包括：

判断所述第一需求信息是否满足预设的深度分析评价条件，得到判断结果；

如果所述判断结果为否，则根据所述第一需求信息和所述迭代参数确定所述第二需求信息；

根据所述多层神经网络模型、蒙特卡洛搜索树、回归模型、多层卷积网络模型中的一种或多种对所述第二需求信息进行分析，得到与所述第二需求信息对应的计算流分配信息。

进一步地，所述方法还包括：

获取所述第一需求信息对应的协同时延、所述第一需求信息对应的协同计算能耗成本比和所述第一需求信息对应的协同宽带能耗成本比；

其中，所述判断所述第一需求信息是否满足预设的深度分析评价条件，包括：