[发明专利]一种算力网络中节点任务调度方法

权利要求书

1.一种算力网络中节点任务调度方法，其特征在于，包括以下步骤：

步骤1、对节点的计算资源监控信息、网络资源监控信息进行实时获取，构建边缘算网模型并对外进行数据发布：

步骤1.1、获取每个节点上计算资源监控信息、网络资源监控信息，计算资源监控信息包括节点的cpu、内存使用情况，网络资源监控信息包含节点间的链路带宽；

步骤1.2、根据步骤1.1获得的计算资源监控信息、网络资源监控信息的数据信息，构建边缘算网模型，基于图结构构建边缘算网模型，包括代表计算资源的节点以及代表网络资源的拓扑连接；

步骤1.3、将生成的边缘算网模型信息进行对外发布，算网模型采取一种集中分发的发布模式；

步骤2、各个节点根据接入设备的数据采集情况生成任务，其中每个任务包括任务id、任务类型、任务发起节点以及任务数据四种信息，每个节点均能够进行各种类型任务的发起，任务id作为任务在分布式集群的唯一标识是全局唯一且随时间趋势递增：

步骤2.1、设备数据采集与筛选，节点定时对接入的设备进行数据采集并对采集的设备数据进行有效性判断，筛选冗余、无效数据，在设备数据筛选过程中，针对筛选的设备数据类型的不同采取不同的数据筛选机制，对于视频帧数据则采取基于活动物体检测算法对数据进行筛选；

步骤2.2、对步骤2.1中得到的设备数据生成任务id以标识数据和任务的处理流程，基于snowflake算法进行任务id生成，每个id由64位bit组成且包括一位标志位、41位时间戳、5位节点标识、5位任务标识、12位序列号标识以实现任务id的全局唯一性和时间趋势递增性；

步骤2.3、根据步骤2.2获得的任务id，联合任务类型信息、任务发起节点信息、任务数据信息封装为任务结构体；

步骤3、设定固定的时间帧大小，统计时间帧内所有节点上的任务发起情况，加入待调度队列，所述时间帧表示一个设定的时间区间，时间帧内到达的任务为同时到达；

步骤4、在步骤3的基础上，当一帧间隔的时间帧结束后请求本地缓存的算网模型信息并结合调度队列中的任务信息，基于任务调度算法和服务伸缩算法来计算任务的调度决策、服务的伸缩决策结果，其中，上述算法的优化目标为最小化任务的平均完成时延，如以下公式(1)所示：

其中，t^cal_j表示任务j的计算时延，t^trans_j表示任务的数据传输时延，a表示任务调度变量，σ表示服务伸缩决策变量，K表示待调度任务的数量，对于优化目标有以下约束条件，

1.每个任务只能被调度至一个边缘节点进行任务执行；

2.同一时刻一个容器只能执行一个任务；

3.每个节点上部署的容器数量有限制；

4.容器服务所需资源总和不能超过边缘算网模型中节点的资源限制；

步骤5、获取步骤4中得到的任务调度决策结果以及容器伸缩决策结果，根据任务调度决策结果将任务转发至对应的节点，根据容器伸缩决策结果对容器服务副本执行开启或关闭操作，对于每种类型的容器，当伸缩决策结果大于0，则请求节点上的容器引擎进行副本开启操作，否则，执行容器副本关闭操作；

步骤6、节点缓存接收到的任务并将其按照时间先后顺序以及类型信息在不同的队列中排队，然后轮询排队队列，将任务与容器服务副本进行逐一匹对并最终在容器中处理。

2.根据权利要求1所述的一种算力网络中节点任务调度方法，其特征在于，所述步骤1.3.包括以下步骤：

步骤1.3.1、将生成的边缘算网模型信息通过消息队列的topic(标题)进行发布，每隔设定的时间对步骤1.1和步骤1.2进行重复执行；

步骤1.3.2、边缘节点通过订阅topic的方式获取当前最新的算网模型信息，当本地无缓存数据执行缓存操作；当本地已有缓存数据则根据获取的最新的算网模型信息对缓存进行更新。