一种边缘计算平台算力分配调度方法及系统

技术领域

本发明涉及数据处理技术领域，尤其涉及一种边缘计算平台算力分配调度方法及系统。

背景技术

边缘计算是为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务，但是边缘计算平台算力往往是有限的，如果分配调度不合理，反而会使得边缘计算算力下降，从而影响用户体验。

现有边缘计算平台的算力调度方案，一般是基于边缘设备处理的业务和用户规模进行预先的估算，然后根据估算结果进行算力分配。但是业务和用户规模是不会一层不变的，例如用户行为偏好、业务推广活动规模、节假日、热点事件、天气、交通和网络故障等，使得边缘设备需要处理的数据量是在实时产生变化，使得现有算力需求估算方案已经无法满足实际的算力调度要求，导致算力得不到灵活分配和调度，降低了边缘计算平台的数据处理效率。

发明内容

本发明的目的在于提供一种边缘计算平台算力分配调度方法及系统，旨在解决现有的调度方案的调度不灵活，降低了边缘计算平台的数据处理效率的问题。

为实现上述目的，第一方面，本发明提供了一种边缘计算平台算力分配调度系统，包括采样子系统、评估子系统、分配调度子系统和可视化子系统，所述采样子系统、所述评估子系统、所述分配调度子系统和所述可视化子系统依次连接；所述采样子系统，用于对边缘计算平台进行数据采样，得到数据信息；述评估子系统，用于对所述数据信息进行评估，得到能力分配百分比；所述分配调度子系统，基于所述能力分配百分比对所述边缘计算平台的所有移动边缘设备进行算力分配调度，得到调度结果；所述可视化子系统，用于对所述调度结果进行可视化。

其中，所述采样子系统包括周期设置模块和采样模块，所述周期设置模块与所述采样模块连接；所述周期设置模块，用于设置采样周期；所述采样模块，基于所述采样周期对边缘计算平台进行数据采样，得到数据信息。

其中，所述评估子系统包括数据平均模块、数据去重模块和数据计算模块，所述数据平均模块和所述数据去重模块均与所述数据计算模块连接；所述数据平均模块，用于计算预设时间内所述数据信息的数据平均变化量；所述数据去重模块，用于将所述数据信息去重后计算在所述预设时间内的数据平均采集量；所述数据计算模块，基于所述数据平均变化量和所述数据平均采集量计算能力分配百分比。

其中，所述数据去重模块包括模型构建子模块、预处理子模块、训练子模块和计算子模块，所述预处理子模块、所述训练子模块和所述计算子模块依次连接，所述模型构建子模块与所述训练子模块连接；所述模型构建子模块，用于构建多维点阵数据空间模型；所述预处理子模块，用于对所述数据信息进行预处理，得到数据点集；所述训练子模块，用于将所述数据点集输入所述多维点阵数据空间模型中进行训练，得到去重数据；所述计算子模块，用于计算所述去重数据在预设时间内的数据平均采集量。

其中，所述预处理子模块包括转换单元和分割单元，所述转换单元与所述分割单元连接；所述转换单元，用于对所述数据信息进行格式转换，得到转换数据；所述分割单元，用于将所述转换数据分割成数据点，得到数据点集。

其中，所述可视化子系统包括模型生成模块和显示模块，所述模型生成模块和所述显示模块连接；所述模型生成模块，基于所述调度结果生成调度模型；所述显示模块，用于将所述调度模型进行显示。

第二方面，本发明提供了一种边缘计算平台算力分配调度方法，包括以下步骤：

通过所述采样子系统对边缘计算平台进行数据采样，得到数据信息；通过评估子系统对所述数据信息进行评估，得到能力分配百分比；通过分配调度子系统基于所述能力分配百分比对所述边缘计算平台的所有移动边缘设备进行算力分配调度，得到调度结果；通过可视化子系统对所述调度结果进行可视化。

本发明的一种边缘计算平台算力分配调度系统，首先，所述采样子系统对边缘计算平台进行数据采样，得到数据信息；其次，所述评估子系统对所述数据信息进行评估，得到能力分配百分比；然后，所述分配调度子系统基于所述能力分配百分比对所述边缘计算平台的所有移动边缘设备进行算力分配调度，得到调度结果；最后，所述可视化子系统对所述调度结果进行可视化。本发明通过所述评估子系统对所述数据信息的数据量实时产生变化进行评估提高了调度的灵活度，解决了现有的调度方案的调度不灵活，降低了边缘计算平台的数据处理效率的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种边缘计算平台算力分配调度系统的结构示意图。

图2是采样子系统的结构示意图。

图3是评估子系统的结构示意图。

图4是数据去重模块的结构示意图。

图5是预处理子模块的结构示意图。

图6是可视化子系统的结构示意图。

图7是本发明提供的一种边缘计算平台算力分配调度方法的流程图。

1-采样子系统、2-评估子系统、3-分配调度子系统、4-可视化子系统、5-周期设置模块、6-采样模块、7-数据平均模块、8-数据去重模块、9-数据计算模块、10-模型构建子模块、11-预处理子模块、12-训练子模块、13-计算子模块、14-转换单元、15-分割单元、16-模型生成模块、17-显示模块、18-目标检测模块、19-角度调整模块、20-光照检测模块、21-参数调整模块。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

请参阅图1至图6，第一方面，本发明提供一种边缘计算平台算力分配调度系统，包括采样子系统1、评估子系统2、分配调度子系统3和可视化子系统4，所述采样子系统1、所述评估子系统2、所述分配调度子系统3和所述可视化子系统4依次连接。

所述采样子系统1，用于对边缘计算平台进行数据采样，得到数据信息。

所述评估子系统2，用于对所述数据信息进行评估，得到能力分配百分比。

所述分配调度子系统3，基于所述能力分配百分比对所述边缘计算平台的所有移动边缘设备进行算力分配调度，得到调度结果。

所述可视化子系统4，用于对所述调度结果进行可视化。

具体的，首先，所述采样子系统1对边缘计算平台进行数据采样，得到数据信息。其次，所述评估子系统2对所述数据信息进行评估，得到能力分配百分比。然后，所述分配调度子系统3基于所述能力分配百分比对所述边缘计算平台的所有移动边缘设备进行算力分配调度，得到调度结果。最后，所述可视化子系统4对所述调度结果进行可视化。本发明通过所述评估子系统2对所述数据信息的数据量实时产生变化进行评估提高了调度的灵活度，解决了现有的调度方案的调度不灵活，降低了边缘计算平台的数据处理效率的问题。

进一步的，所述采样子系统1包括周期设置模块5和采样模块6，所述周期设置模块5与所述采样模块6连接。

所述周期设置模块5，用于设置采样周期。

所述采样模块6，基于所述采样周期对边缘计算平台进行数据采样，得到数据信息。

具体的，首先，通过所述周期设置模块5设置采样周期。所述采样周期设置包括分钟、小时、天、周和月。然后，所述采样模块6基于所述采样周期对边缘计算平台进行数据采样，得到数据信息，提高数据采集的精确度和准确度。

进一步的，所述评估子系统2包括数据平均模块7、数据去重模块8和数据计算模块9，所述数据平均模块7和所述数据去重模块8均与所述数据计算模块9连接。

所述数据平均模块7，用于计算预设时间内所述数据信息的数据平均变化量。

所述数据去重模块8，用于将所述数据信息去重后计算在所述预设时间内的数据平均采集量。

所述数据计算模块9，基于所述数据平均变化量和所述数据平均采集量计算能力分配百分比。

所述数据去重模块8包括模型构建子模块10、预处理子模块11、训练子模块12和计算子模块13，所述预处理子模块11、所述训练子模块12和所述计算子模块13依次连接，所述模型构建子模块10与所述训练子模块12连接。

所述模型构建子模块10，用于构建多维点阵数据空间模型。

所述预处理子模块11，用于对所述数据信息进行预处理，得到数据点集。

所述训练子模块12，用于将所述数据点集输入所述多维点阵数据空间模型中进行训练，得到去重数据。

所述计算子模块13，用于计算所述去重数据在预设时间内的数据平均采集量。

所述预处理子模块11包括转换单元14和分割单元15，所述转换单元14与所述分割单元15连接。

所述转换单元14，用于对所述数据信息进行格式转换，得到转换数据。

所述分割单元15，用于将所述转换数据分割成数据点，得到数据点集。

具体的，首先，所述数据平均模块7计算预设时间内所述数据信息的数据平均变化量。同时，所述模型构建子模块10构建多维点阵数据空间模型。所述转换单元14对所述数据信息进行格式转换，得到转换数据。所述分割单元15将所述转换数据分割成数据点，得到数据点集。接着，所述训练子模块12将所述数据点集输入所述多维点阵数据空间模型中进行训练，得到去重数据。所述计算子模块13计算所述去重数据在预设时间内的数据平均采集量。最后，所述数据计算模块9，基于所述数据平均变化量和所述数据平均采集量计算能力分配百分比。

进一步的，所述可视化子系统4包括模型生成模块16和显示模块17，所述模型生成模块16和所述显示模块17连接。

所述模型生成模块16，基于所述调度结果生成调度模型。

所述显示模块17，用于将所述调度模型进行显示。

具体的，所述模型生成模块16基于所述调度结果生成调度模型。所述显示模块17将所述调度模型进行显示，便于工作人员或监管人员对所述调度结果的理解。

进一步的，所述可视化子系统4还包括目标检测模块18和角度调整模块19，所述目标检测模块18与所述角度调整模块19连接。

所述目标检测模块18，用于采集所述显示模块17显示范围内的人群密度。

所述角度调整模块19，基于所述人群密度对所述显示模块17的角度进行调整。

具体的，所述目标检测模块18采集所述显示模块17显示范围内的人群密度。所述角度调整模块19基于所述人群密度的中心点对所述显示模块17的角度进行调整，使得所述显示模块17往人群密集的地方转动，使得更多人能观看所述显示模块17，提高所述显示模块17的显示效果。

进一步的，所述可视化子系统4还包括光照检测模块20和参数调整模块21，所述光照检测模块20与所述参数调整模块21连接。

所述光照检测模块20，用于检测所述显示模块17当前环境的光照强度。

所述参数调整模块21，基于所述光照强度对所述显示模块17的显示亮度进行调整。

具体的，所述光照检测模块20检测所述显示模块17当前环境的光照强度。所述参数调整模块21基于所述光照强度对所述显示模块17的显示亮度进行调整。具体为，当所述光照强度高于预设强度时，则将所述显示模块17的显示亮度调亮，增加所述显示模块17显示的清晰度，当所述光照强度低于所述预设强度时，则将所述显示模块17的显示亮度调暗，使得所述显示模块17显示清晰度不受影响的同时，对电能进行节约。

请参阅图7，第二方面，本发明提供了一种边缘计算平台算力分配调度方法，包括以下步骤：

S1通过所述采样子系统1对边缘计算平台进行数据采样，得到数据信息。

具体的，首先，通过所述周期设置模块5设置采样周期。所述采样周期设置包括分钟、小时、天、周和月。然后，所述采样模块6基于所述采样周期对边缘计算平台进行数据采样，得到数据信息，提高数据采集的精确度和准确度。

S2通过评估子系统2对所述数据信息进行评估，得到能力分配百分比。

具体的，首先，所述数据平均模块7计算预设时间内所述数据信息的数据平均变化量。同时，所述模型构建子模块10构建多维点阵数据空间模型。所述转换单元14对所述数据信息进行格式转换，得到转换数据。所述分割单元15将所述转换数据分割成数据点，得到数据点集。接着，所述训练子模块12将所述数据点集输入所述多维点阵数据空间模型中进行训练，得到去重数据。所述计算子模块13计算所述去重数据在预设时间内的数据平均采集量。最后，所述数据计算模块9，基于所述数据平均变化量和所述数据平均采集量计算能力分配百分比。

在将所述数据点集输入所述多维点阵数据空间模型中进行训练时，通过所述多维点阵数据空间模型检索数据点即是定位数据点在数据模型所对应维面的坐标，检索数据点由数据第1位开始，逐位向下进行，若发现该数据点在数据模型中不存在，则在数据模型中刻画该数据点，同时标识不存在此数据。重复执行检索数据点的过程，直到最后一个数据点检索完成，1个数据遍历数据点完成后，如该数据已标识过不存在，则输出缓存，检索下一个数据，直至全部数据检索完毕。所述多维点阵数据空间模型的维面是行和列都等于16的矩阵，格式化后数据的数据点由两个0至F的16位数字组成的坐标表示，所有格式化后数据的长度相等，每个数据点二进制的长度限定为8的倍数。多维点阵数据空间模型的维面数量与格式化后数据数据点的数量相同。数据在格式化过程中需要进行填充，填充后二进制数据的长度为512的整数倍，即N×512+448+64，其中，N为一个非负整数，可以是零。填充的方法如下，在原有数据信息的后面填充至少1个数个或更多的“0”，以满足数据长度等于N×512+448，然后在填充“0”的数据后面附加1个以64位二进制数表示的填充“0”以前的信息长度。

S3通过分配调度子系统3基于所述能力分配百分比对所述边缘计算平台的所有移动边缘设备进行算力分配调度，得到调度结果。

S4通过可视化子系统4对所述调度结果进行可视化。

具体的，所述模型生成模块16基于所述调度结果生成调度模型。所述显示模块17将所述调度模型进行显示，便于工作人员或监管人员对所述调度结果的理解。同时，所述目标检测模块18采集所述显示模块17显示范围内的人群密度。所述角度调整模块19，基于所述人群密度的中心点对所述显示模块17的角度进行调整，使得所述显示模块17往人群密集的地方转动，使得更多人能观看所述显示模块17，提高所述显示模块17的显示效果。所述光照检测模块20检测所述显示模块17当前环境的光照强度。所述参数调整模块21基于所述光照强度对所述显示模块17的显示亮度进行调整。具体为，当所述光照强度高于预设强度时，则将所述显示模块17的显示亮度调亮，增加所述显示模块17显示的清晰度，当所述光照强度低于所述预设强度时，则将所述显示模块17的显示亮度调暗，使得所述显示模块17显示清晰度不受影响的同时，对电能进行节约。

以上所揭露的仅为本发明一种边缘计算平台算力分配调度方法及系统较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。