[发明专利]面向SLA的云边协同资源编排与请求调度智能优化方法

说明书

本发明公开了一种面向SLA的云边协同资源编排与请求调度智能优化方法，包括如下步骤：S1，对神经网络的训练参数及边缘集群内边缘节点状态进行初始化；S2，获取当前时间尺度下服务请求的相关数据、资源通道内资源单元的状态；S3，获取每个边缘节点预分配给资源单元的资源；S4，根据预分配资源分配相应的资源给资源单元；S5，基于最大化系统整体吞吐量问题对每个资源通道并行求解获取服务编排集合；S6，根据服务编排集合进行服务编排，将当前边云系统下的吞吐率作为奖励；S7，更新神经网络；S8，按照以上方法依次迭代直至训练收敛。本发明为边云系统的服务编排和请求指派提供了智能化策略有效的保证了各种用户服务的SLA。

技术领域

本发明属于边缘计算技术领域，特别是涉及一种面向SLA的云边协同资源编排与请求调度智能优化方法。

背景技术

随着万物互联时代的到来和无线网络的不断发展，网络边缘的设备数量和产生的数据都快速增长。以云计算模型为核心的集中式处理模式将无法高效处理边缘设备产生的数据，为此我们在云原生技术的基础上引入边缘计算技术。边缘计算技术旨在利用云计算的计算能力，而不会在访问云端时产生较大的通信延迟，但要实现边缘计算的全部潜力，仍旧需要将有限的边缘云资源分配给竞争请求的智能策略。

作为云计算的延伸，边云系统有力的减轻了主干网络和云中心的负载压力，降低了请求的排队时延和传输时延。然而，边云系统依旧面临：(1)边缘节点的资源和系统架构的异构性；(2)多种服务对不同资源的恶性竞争；(3)网络资源和请求负载的随机动态变化。因此，广泛分布的边缘节点和相互异构的边缘集群在竞争的用户请求之间分配有限的资源并给用户提供可靠的服务方面带来了重大挑战。

发明内容

针对复杂的边缘集群在竞争请求之间分配有限资源不合理的技术问题，本发明提出一种面向SLA的云边协同资源编排与请求调度智能优化方法，通过使用云原生、边缘计算、人工智能技术，将深度强化学习和传统算法相结合解决了复杂的边缘集群在竞争请求之间合理高效的分配有限资源的难题，同时可以有效的保证不同服务的SLA。

一种面向SLA的云边协同资源编排与请求调度智能优化方法，包括如下步骤：

S1，训练环境及训练参数初始化：对神经网络的训练参数及边缘集群内边缘节点的状态进行初始化；

S2，获取系统初始观测值：获取当前时间尺度下服务请求的相关数据、与服务请求相对应的资源通道内资源单元的状态；

S3，动作获取：获取每个边缘节点预分配给资源单元的资源；

S4，资源定制操作执行：根据步骤S3得到的预分配资源分配相应的资源给到资源单元完成资源定制；

S5，服务编排集合计算：基于当前时间尺度和最大化系统整体吞吐量问题对每个资源通道并行求解获取服务编排集合；

S6，服务编排操作执行：根据步骤S5得到的服务编排集合进行服务编排，将当前边云系统下的吞吐率作为奖励，获取下一状态的观测值；

S7，更新神经网络：根据当前时间尺度下的观测值、动作、奖励及下一状态的观测值更新神经网络的参数；

S8，按照步骤S3-S7的方法依次进行迭代直至训练收敛。

在步骤S1中，所述训练参数包括深度强化学习模型中的学习率、折扣因子、神经网络层数、神经元个数，所述边缘节点的状态包括边缘节点的资源计算能力、内存大小、边缘节点的集合。

在步骤S2中，所述相关数据包括服务请求的数量及种类、服务请求到达边缘节点的资源需求及延迟需求、服务请求的SLA集合；所述资源单元的状态包括资源单元的资源计算能力和内存大小。

所述步骤S5包括如下步骤：