一种以边缘调度自由度为核心的联合优化调度方法
文献发布时间:2024-04-18 19:58:53
技术领域
本发明属于任务优化调度的技术领域,尤其涉及一种以边缘调度自由度为核心的联合优化调度方法。
背景技术
在异构多核的分布式智能测试系统中,能够解决一些简单的测试计算任务的边缘感知节点和能够执行一些相对复杂的智能测试任务的边缘计算节点相互补充。
异构多核的分布式智能测试任务种类和数量的快速增长,给任务调度策略带来了新的挑战,合理的调度策略应当充分考虑系统的资源约束、能量限制以及智能测试任务实时性的要求,以大幅提高智能测试系统的资源利用率、延长智能测试系统的续航时间、降低智能测试任务的整体时延。但目前的任务调度策略难以同时保障任务优化调度求解的速度和任务调度的全局优化效果。
发明内容
为克服现有技术的缺陷,本发明要解决的技术问题是提供了一种以边缘调度自由度为核心的联合优化调度方法,其能够在保证任务优化求解速度的基础上,充分考虑全局优化效果。
本发明的技术方案是:这种以边缘调度自由度为核心的联合优化调度方法,其包括以下步骤:
(1)边缘感知节点EDa对本节点上的智能测试任务采用任务优先调度排序方法进行排序;
(2)从智能测试系统通常关注的整体功耗最小和综合续航最长两个优化目标,设计了对应的边缘调度自由度参数α;
(3)在完成任务优先调度综合排序和边缘调度自由度的基础上,对边缘感知节点上的智能测试任务进行快速自调度;
(4)当每一个任务调度完成后,均将调度策略写入决策矩阵,降低决策矩阵中待优化的未知决策数量;
(5)本地任务调度完成后,将本地的任务决策和未决策的待调度任务发送至边缘计算节点进行综合优化调度;
其中步骤(1)包括以下分步骤:
(1.1)边缘感知节点EDa,获取本地处理器资源Pna、本地出现的任务T
(1.2)对优先本地执行的智能测试任务进行排序,形成优先本地执行队列;
(1.3)对优先卸载执行的智能测试任务进行排序,形成优先卸载执行队列;
(1.4)对根据优先本地执行和优先卸载执行的排序结果,对智能测试任务优先级进行综合排序。
本发明首先采用任务优先调度排序方法,根据测试任务的隐私程度、任务的截止时间约束、任务与处理器的适应程度等特性对边缘感知节点出现的测试任务进行任务优先调度排序;然后针对整体功耗最小和综合续航最长两种优化目标计算不同的边缘调度自由度参数,以控制边缘感知节点调度任务的程度,保证全局的优化效果;最后为保证任务优化调度的求解速度,根据任务优先调度排序和边缘调度自由度在边缘感知节点进行测试任务的自调度,未能在边缘感知节点完成调度的任务上传至边缘计算节点,进行综合优化调度,完成测试任务的联合优化调度;因此能够在保证任务优化求解速度的基础上,充分考虑全局优化效果。
附图说明
图1为根据本发明的以边缘调度自由度为核心的联合优化调度方法的流程图。
图2为根据本发明的以边缘调度自由度为核心的联合优化调度方法的架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本揭示内容的叙述更加详尽与完备,下文针对本发明的实施方式与具体实施例提出了说明性的描述;但这并非实施或运用本发明具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而,亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。
如图1所示,这种以边缘调度自由度为核心的联合优化调度方法,其包括以下步骤:
(1)边缘感知节点EDa对本节点上的智能测试任务采用任务优先调度排序方法进行排序;
(2)从智能测试系统通常关注的整体功耗最小和综合续航最长两个优化目标,设计了对应的边缘调度自由度参数α;
(3)在完成任务优先调度综合排序和边缘调度自由度的基础上,对边缘感知节点上的智能测试任务进行快速自调度;
(4)当每一个任务调度完成后,均将调度策略写入决策矩阵,降低决策矩阵中待优化的未知决策数量;
(5)本地任务调度完成后,将本地的任务决策和未决策的待调度任务发送至边缘计算节点进行综合优化调度;
其中步骤(1)包括以下分步骤:
(1.1)边缘感知节点EDa,获取本地处理器资源Pna、本地出现的任务T
(1.2)对优先本地执行的智能测试任务进行排序,形成优先本地执行队列;
(1.3)对优先卸载执行的智能测试任务进行排序,形成优先卸载执行队列;
(1.4)对根据优先本地执行和优先卸载执行的排序结果,对智能测试任务优先级进行综合排序。
本发明首先采用任务优先调度排序方法,根据测试任务的隐私程度、任务的截止时间约束、任务与处理器的适应程度等特性对边缘感知节点出现的测试任务进行任务优先调度排序;然后针对整体功耗最小和综合续航最长两种优化目标计算不同的边缘调度自由度参数,以控制边缘感知节点调度任务的程度,保证全局的优化效果;最后为保证任务优化调度的求解速度,根据任务优先调度排序和边缘调度自由度在边缘感知节点进行测试任务的自调度,未能在边缘感知节点完成调度的任务上传至边缘计算节点,进行综合优化调度,完成测试任务的联合优化调度;因此能够在保证任务优化求解速度的基础上,充分考虑全局优化效果。
优选地,所述步骤(1.2)中排序方法为:
(1.2.1)对于有隐私和数据安全要求的智能测试任务,优先本地执行,作为任务排序的第一梯队,表示为:Tlf1=[Tlf1
(1.2.2)对于上传至边缘计算节点任务执行时间无法满足执行最小时间Tfsmin要求的任务,优先本地执行,作为任务排序的第二梯队,该部分任务表示为:Tlf2=[Tlf2
(1.2.3)对于适合本地处理器的智能测试任务,优先本地执行,作为任务排序的第三梯队,采用任务适应度Tfit对任务在不同处理器上执行的适合程度进行评价,该参数的通过如下方法计算:
计算各个任务在不同处理器上执行所需的总能耗Te
对Te
不同处理器对任务的加速程度不同,对任务适应度考虑在不同处理器上的加速程度差异Tar:
新的任务适应度表示为:
其中Pmaxr代表的是任务在不同处理器上可能存在的最大的差异比。此时任务适应度Tfit
按照Tfit
排序后的任务表示为Tlf3=[Tlf3
最终形成优先本地执行队列为Tlf=[Tlf1,Tlf2,Tlf3]。
优选地,所述步骤(1.3)中排序方法为:
对于本地节点任务执行时间无法满足执行最小时间Tfsmin要求的任务,优先卸载至边缘计算节点执行,作为任务排序的第一梯队,该部分任务表示为Tof1=[Tof1
对于适合边缘计算节点的智能测试任务,优先卸载执行,作为任务排序的第二梯队,按照Tfit
以边缘计算节点的任务适应度进行排序,任务适应度大的优先在边缘计算节点执行,该部分任务表示为Tof2=[Tof2
优选地,所述步骤(1.4)中:
首先对必须本地执行或必须卸载的任务进行排序,优先本地执行排序队列的第一、第二梯度的任务和优先卸载执行排序队列的第一梯队,本地执行任务和卸载任务无先后顺序,表示为:Tsf1=[Tlf1,Tlf2,Tof1];
根据优先本地执行的ΔTfit
最终任务优先调度综合排序队列为:Tsf=[Tsf1,Tsf2]。
优选地,所述步骤(2)包括:
(2.1)针对整体功耗最小的优化目标,能效比越高的给予更多优先本地执行的权限;
首先在边缘计算节点计算不同任务在不同处理器上执行的总功耗Ptp
然后计算某处理器P
最后边缘处理器优先调度系数P
当P
其中β是边缘计算节点控制边缘感知节点调度任务权力的一个调度系数,在实际应用过程中可以根据实际情况调整,该参数越大,边缘感知节点能够调度的任务越多,综合优化调度的速度就会越快,但是最终优化的结果可能会变差;
(2.2)针对综合续航最优的调度场景,增加对于边缘感知节点能源的考虑,在该处理器上执行全部任务所需要的能源消耗情况Psum为:
增加边缘感知节点能量的考量,使得优先本地调度的权力更加倾向于能源充裕、性能优异的处理器,也使得优先卸载调度的权力更加倾向于能源匮乏、性能较弱的处理器。
优选地,所述步骤(3)包括:
(3.1)如果本节点上可以调度的任务数量小于优先决策综合排序的Tsf1,那么边缘感知节点的智能测试任务快速自决策方法就是对
(3.2)如果本节点上可以调度的任务大于优先决策综合排序的Tsf1,那么首先将Tsf1中的所有任务按照上述策略进行优先调度;然后依次对Tsf2中的任务进行调度,并将该部分任务放置在任务适应度Tfit最高的处理器上,如果当前决策不满足处理器的资源约束,那么将其放置在任务适应度次高的处理器上,直到任务被成功调度。
优选地,所述步骤(3)中,当每一个任务调度完成后,均将调度策略写入决策矩阵,降低决策矩阵中待优化的未知决策数量,随着待求解未知决策数量的下降,求解时间将整体上呈现大幅下降的趋势;在边缘感知节点上进行任务快速自调度。
优选地,所述步骤(4)中,综合优化调度的目标函数为最长续航和最小功耗的多目标优化问题:
其中a+b=1,且a<
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
- 一种边缘环境下数据缓存与任务调度的联合优化方法
- 一种车联网云端和边缘联合任务调度的Lyapunov优化方法