[发明专利]基于回调机制的细粒度数据流可靠卸载方法

说明书

本发明属于任务卸载领域，具体涉及一种基于回调机制的细粒度数据流可靠卸载方法；所述卸载方法包括客户端设备与边缘云服务器按照MQTT建立连接；按照数据流类型所对应的第一特定帧片段提取粗粒度数据流；采用卷积神经网络从粗粒度数据流中的第二特定帧片段提取细粒度数据流；客户端将细粒度数据流上传至边缘云服务器中，向客户端设备返回上行回调消息；边缘云服务器进行数据处理后生成结果，并将结果回传至客户端设备中，向边缘云服务器返回下行回调信息；否则直接在客户端设备对细粒度数据流进行本地处理生成结果；本发明基于回调机制保证了数据上行至服务器以及结果下发至客户端，能够显著提升QoE；并提升了计算资源的利用率。

技术领域

本发明属于任务卸载领域，具体涉及一种基于回调机制的细粒度数据流可靠卸载方法。

背景技术

任务卸载技术是边缘计算进行数据处理的主要方式，通过任务卸载技术，使用边缘云的计算资源进行大数据的处理，可以达到减小终端设备的计算量，降低时延和能耗，节约成本的目的。在传统的物联网(Internet of Things，简称IoT)技术基础上，搭载边缘计算可以加快数据的处理速度，提升实时性，进而有效地优化体验质量(Quality ofExperience，简称QoE)。目前，主流的边缘计算任务卸载模型如图1所示，主要包括本地计算和边缘计算；在终端寻找可用的边缘计算节点，对程序进行切割，确定出是否需要进行卸载，若需要卸载则将卸载任务发送给边缘云，边缘云将寻找可用的边缘计算节点，通过可用的边缘计算节点执行卸载并将结果回传至终端，否则终端直接进行本地运算得到计算结果。

目前的任务卸载技术主要的应用场景为搭载移动边缘计算的移动终端，为了应对终端设备对数据处理能力不足、计算资源有限等问题，边缘计算任务卸载即用户终端将计算任务卸载到移动边缘计算网络中，通过边缘云的计算能力，解决了设备在资源存储、计算性能以及能效等方面的不足。

在常规的任务卸载技术中，通常会依据数据量的大小判断数据是否有必要卸载至边缘云，利用其计算能力进行处理，而这些未处理的数据中可能存在大量的冗余数据，这些冗余数据的存在可能会导致计算速度降低，或是影响结果的准确性。并且，在处理这类数据时，需要占用大量的计算资源，导致计算资源的利用率降低，增加了数据处理所用的时长，这对于使用的用户而言，他们更直观的感受就是时延增加所带来的影响，诸如，图像加载速度过慢，语音指令得不到及时的反应，或者是数据的精准程度较低，设备出现故障无法及时告警等；另外，常规的卸载过程在传输数据的过程中，可能会存在数据丢失或者数据发送超时等问题。此外，由于没有设置消息回调，开发者在排查错误的过程中，可能会无法立即确定问题的所在。

发明内容

基于现有技术存在的问题，本发明使用卷积神经网络处理任务数据流来获取其中的获取细粒度数据流，通过CNN提取数据流中的特征值，训练数据模型的方法，可以有效地从大量的数据中，提取用户所需的有效数据。这种方法通能够降低数据冗余度，提升数据精度，从而降低了数据的处理时间并提升了计算资源的利用率。相较于传统的任务卸载技术，本技术从数据来源的角度进行了改良，保证了数据的有效性与准确度，在卸载过程中添加了消息回调，保证了卸载过程中数据传输的可靠性，从而进一步达到了提升QoE的目的。

本发明解决上述技术问题所采用的技术方案具体包括：

一种基于回调机制的细粒度数据流可靠卸载方法，所述卸载方法包括以下步骤：

S1、客户端设备采集设备信息，并向边缘云服务器发送所述设备信息；

S2、所述边缘云设备对所述设备信息进行校验，校验通过后与所述客户端设备建立连接；

S3、根据设备信息，确定所述客户端设备的数据流类型，并按照所述数据流类型所对应的第一特定帧片段提取出粗粒度数据流；

S4、采用卷积神经网络从所述粗粒度数据流中的第二特定帧片段提取出细粒度数据流；

S5、所述客户端设备判断所述细粒度数据流是否需要卸载到服务器；