一种基于边缘计算的数据处理方法、设备及可读存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种基于边缘计算的数据处理方法、设备及可读存储介质。


背景技术：

2.云游戏是指游戏在远程服务器上运行，并将渲染完毕后的游戏画面压缩编码后，通过网络以音视频流方式下发到终端的过程。云游戏不需要考虑终端配置，彻底解决了终端性能不足无法运行重度游戏的技术问题。不过云游戏对网络延时的要求非常高，为了给对象提供更加稳定的网络条件，一般都会通过大规模部署边缘计算节点的方式，让云游戏的服务器离对象更近。
3.然而，游戏对象的在线是有比较明显的潮汐现象的，为了给对象提供更好的体验，一般都是按照游戏对象的最高在线数来设置边缘计算节点的运行频率，为最高在线数的游戏对象准备算力，而在非高峰时段时，游戏对象的实际在线数远不到最高在线数，那么这部分算力资源在非高峰时段就会产生空闲。
4.也就是说，按照最高在线数设置运行频率的方式，在非高峰时段，边缘计算节点并不需要以最高在线数对应的运行频率运行，此时边缘计算节点的运行频率会过大，那么边缘计算节点的功耗也会较大，造成边缘计算节点的运行成本的浪费。通过上述可知，按照游戏对象的最高在线数来准备算力的方式，运行成本会大大增加。


技术实现要素：

5.本技术实施例提供一种基于边缘计算的数据处理方法、设备以及可读存储介质，可以在满足算力需求的同时，降低边缘计算节点的运行成本。
6.本技术实施例一方面提供了一种基于边缘计算的数据处理方法，包括：
7.获取目标应用针对边缘计算节点的已占用算力资源信息；已占用算力资源信息为在运行目标应用时，所占用的边缘计算节点的算力资源信息；
8.预测目标时间段内针对目标应用的新增业务对象、下线业务对象以及场景切换业务对象，根据新增业务对象、下线业务对象以及场景切换业务对象确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息；
9.获取边缘计算节点的当前运行频率，根据当前运行频率对应的最大算力资源信息、已占用算力资源信息以及期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率；目标运行频率对应的最大算力资源信息满足期望需求算力资源信息。
10.本技术实施例一方面提供了一种基于边缘计算的数据处理装置，包括：
11.已用算力获取模块，用于获取目标应用针对边缘计算节点的已占用算力资源信息；已占用算力资源信息为在运行目标应用时，所占用的边缘计算节点的算力资源信息；
12.对象预测模块，用于预测目标时间段内针对目标应用的新增业务对象、下线业务对象以及场景切换业务对象；
13.期望算力确定模块，用于根据新增业务对象、下线业务对象以及场景切换业务对象确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息；
14.频率确定模块，用于获取边缘计算节点的当前运行频率；
15.频率确定模块，还用于根据当前运行频率对应的最大算力资源信息、已占用算力资源信息以及期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率；目标运行频率对应的最大算力资源信息满足期望需求算力资源信息。
16.在一个实施例中，频率确定模块包括：
17.空闲算力确定单元，用于根据当前运行频率对应的最大算力资源信息与已占用算力资源信息确定边缘计算节点的当前空闲算力资源信息；
18.运行状态确定单元，用于根据当前空闲算力资源信息确定边缘计算节点的运行状态；
19.目标频率确定单元，用于若边缘计算节点的运行状态为满载运行状态，则根据已占用算力资源信息与期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率；
20.目标频率确定单元，还用于若边缘计算节点的运行状态为未满载运行状态，且期望需求算力资源信息大于已占用算力资源信息，则根据当前空闲算力资源信息、已占用算力资源信息以及期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率。
21.在一个实施例中，运行状态确定单元包括：
22.匹配子单元，用于将当前空闲算力资源信息与空闲资源阈值进行匹配；
23.状态确定子单元，用于若当前空闲算力资源信息大于空闲资源阈值，则将边缘计算节点的运行状态确定为未满载运行状态；
24.状态确定子单元，还用于若当前空闲算力资源信息小于空闲资源阈值，则将边缘计算节点的运行状态确定为满载运行状态。
25.在一个实施例中，目标频率确定单元包括：
26.算力比较子单元，用于若边缘计算节点的运行状态为满载运行状态，则将期望需求算力资源信息与已占用算力资源信息进行比较；
27.频率获取子单元，用于若期望需求算力资源信息大于已占用算力资源信息，则获取映射表；映射表中包括n个映射关系；一个映射关系包括一个配置运行频率与一个配置最大算力资源信息之间的对应关系；
28.频率获取子单元，还用于在映射表中，将大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率，确定为目标运行频率；
29.第一频率调整子单元，用于将边缘计算节点的运行频率从当前运行频率，调整至目标运行频率。
30.在一个实施例中，目标频率确定单元还包括：
31.第一频率确定子单元，用于若期望需求算力资源信息小于已占用算力资源信息，则将当前运行频率确定为目标运行频率。
32.在一个实施例中，目标频率确定单元包括：
33.差值确定子单元，用于若边缘计算节点的运行状态为未满载运行状态，且期望需
求算力资源信息大于已占用算力资源信息，则确定期望需求算力资源信息与已占用算力资源信息之间的资源差值绝对值；
34.差值比较子单元，用于若当前空闲算力资源信息小于资源差值绝对值，则获取映射表；映射表中包括n个映射关系；一个映射关系包括一个配置运行频率与一个配置最大算力资源信息之间的对应关系；
35.差值比较子单元，还用于在映射表中，将大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率，确定为目标运行频率；
36.第二频率调整子单元，用于将边缘计算节点的运行频率从当前运行频率，调整至目标运行频率。
37.在一个实施例中，目标频率确定单元还包括：
38.第二频率确定子单元，还用于若当前空闲算力资源信息大于资源差值绝对值，则将当前运行频率确定为目标运行频率。
39.在一个实施例中，该频率确定模块还包括：
40.表获取单元，用于若边缘计算节点的运行状态为未满载运行状态，且期望需求算力资源信息小于已占用算力资源信息，则获取映射表；映射表中包括n个映射关系；一个映射关系包括一个配置运行频率、一个配置最大算力资源信息与一个配置运行消耗之间的对应关系；
41.消耗获取单元，用于将映射表中当前运行频率所对应的配置运行消耗确定为待比较配置运行消耗；
42.消耗获取单元，还用于根据待比较配置运行消耗确定边缘计算节点在目标时间段内的目标运行频率。
43.在一个实施例中，消耗获取单元，还具体用于在映射表中，将大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行消耗，确定为目标运行消耗；
44.消耗获取单元，还具体用于将目标运行消耗与待比较配置运行消耗进行比较；
45.消耗获取单元，还具体用于若目标运行消耗小于待比较配置运行消耗，则将目标运行消耗对应的配置运行频率确定为目标运行频率，将边缘计算节点的运行频率从当前运行频率调整至目标运行频率；
46.消耗获取单元，还具体用于若目标运行消耗大于配置运行消耗，则将当前运行频率确定为目标运行频率。
47.在一个实施例中，已用算力获取模块，包括：
48.运行信息获取单元，用于获取目标应用的n个当前运行信息；一个当前运行信息包括一个在线业务对象所在的应用活动场景，以及在应用活动场景中的业务对象占用资源信息；
49.已用资源统计单元，用于获取每个当前运行信息对应的业务对象占用资源信息，得到n个业务对象占用资源信息；
50.已用资源统计单元，还用于将n个业务对象占用资源信息的总和，确定为目标应用针对边缘计算节点的已占用算力资源信息。
51.在一个实施例中，n个当前运行信息包括的应用活动场景的数量为一个或多个；一个或多个应用活动场景包括应用活动场景m
i
；i为正整数；
52.期望算力确定模块，包括：
53.对象算力统计单元，用于将n个在线业务对象中，所在应用活动场景为应用活动场景m
i
的在线业务对象确定为待统计业务对象；
54.对象算力统计单元，还用于统计待统计业务对象在应用活动场景m
i
中的业务对象总占用资源信息；
55.平均算力确定单元，用于获取待统计业务对象对应的对象数量，根据业务对象总占用资源信息与对象数量，确定应用活动场景m
i
对应的平均算力需求信息；
56.期望算力确定单元，用于当确定出一个或多个应用活动场景分别对应的平均算力需求信息时，根据一个或多个应用活动场景分别对应的平均算力需求信息、新增业务对象、下线业务对象以及场景切换业务对象确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
57.在一个实施例中，期望算力确定单元，还具体用于获取新增业务对象对应的新增数量、下线业务对象对应的下线数量、场景切换对象对应的切换数量；
58.期望算力确定单元，还具体用于预测新增业务对象所对应的初始登录场景；一个或多个应用活动场景包括初始登录场景；
59.期望算力确定单元，还具体用于将下线业务对象在发生下线行为时所处的应用活动场景，确定为下线应用活动场景；
60.期望算力确定单元，还具体用于将场景切换对象在进行场景切换前所处的应用活动场景，确定为初始应用活动场景，将场景切换对象在进行场景切换后所处的应用活动场景，确定为目标应用活动场景；
61.期望算力确定单元，还具体用于根据初始登录场景、下线应用活动场景、初始应用活动场景、目标应用活动场景分别对应的平均算力需求信息，以及切换数量、下线数量、新增数量，确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
62.在一个实施例中，期望算力确定单元，还具体用于根据新增数量与初始登录场景对应的平均算力需求信息，确定新增业务对象对应的第一变化算力资源信息；
63.期望算力确定单元，还具体用于根据下线数量与在线应用活动场景对应的平均算力需求信息，确定下线业务对象对应的第二变化算力资源信息；
64.期望算力确定单元，还具体用于根据初始应用活动场景对应的平均算力需求信息、目标应用活动场景对应的平均算力需求信息以及切换数量，确定场景切换对象对应的第三变化算力资源信息；
65.期望算力确定单元，还具体用于根据第一变化算力资源信息、第二变化算力资源信息、第三变化算力资源信息以及边缘计算节点的已占用算力资源信息，确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
66.本技术实施例一方面提供了一种计算机设备，包括：处理器和存储器；
67.存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行本技术实施例中的方法。
68.本技术实施例一方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时，执行本技术实施例中的方法。
69.本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本技术实施例中一方面提供的方法。
70.在本技术实施例中，由于影响边缘计算节点的算力资源变化的主要因素为业务对象的在线、下线、上线等因素，则本技术可以对目标时间段内，针对目标应用的新增业务对象、下线业务对象以及场景切换对象进行预测，随后可以根据新增业务对象、下线业务对象以及场景切换业务对象确定出目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。由此，可以根据目标时间段的期望需求算力资源信息、边缘计算节点的已占用算力资源信息、边缘计算节点的当前运行频率所对应的最大算力资源信息，来确定在目标时间段内是否要对当前运行频率进行升高、降低或保持不变(即确定目标时间段内的目标运行频率)。通过对目标时间段内目标运行频率的预测，可以预先确定目标时间段内的目标运行频率，从而可以对边缘计算节点的当前运行频率进行自适应调整，使得边缘计算节点在目标时间段内的运行频率能够满足目标运行频率，即边缘计算节点在目标时间段内所提供的算力资源是与期望需求算力资源信息相匹配的。通过对目标时间段内的目标运行频率的预测，可以对边缘计算节点的运行频率进行自适应动态调整，从而可以减少功耗的浪费情况，由此可以减少运行成本的浪费情况；同时，通过动态调整运行频率，也可以使得期望需求算力资源信息得到满足。即，本技术可以通过动态调整边缘计算节点的运行频率，使得边缘计算节点可在满足算力需求的同时，降低边缘计算节点的运行成本。
附图说明
71.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。
72.图1是本技术实施例提供的一种网络架构示意图；
73.图2a
‑
图2b是本技术实施例提供的一种预测目标时间段内的目标运行频率的场景图；
74.图3是本技术实施例提供的一种基于边缘计算的数据处理方法的流程示意图；
75.图4是本技术实施例提供的一种调整边缘计算节点的运行频率的逻辑流程图；
76.图5是本技术实施例提供的一种确定目标时间段内的目标运行频率的流程示意图；
77.图6是本技术实施例提供的一种系统架构图；
78.图7是本技术实施例提供的一种基于边缘计算的数据处理装置的结构示意图；
79.图8是本技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
80.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于
本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
81.本技术涉及到云计算、云游戏以及边缘计算等技术，以下将首先对云计算、云游戏以及边缘计算等相关概念进行阐述。
82.云计算(cloud computing)指it基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源；广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是it和软件、互联网相关，也可是其他服务。云计算是网格计算(grid computing)、分布式计算(distributedcomputing)、并行计算(parallel computing)、效用计算(utility computing)、网络存储(network storage technologies)、虚拟化(virtualization)、负载均衡(load balance)等传统计算机和网络技术发展融合的产物。
83.随着互联网、实时数据流、连接设备多样化的发展，以及搜索服务、社会网络、移动商务和开放协作等需求的推动，云计算迅速发展起来。不同于以往的并行分布式计算，云计算的产生从理念上将推动整个互联网模式、企业管理模式发生革命性的变革。
84.云游戏(cloud gaming)又可称为游戏点播(gaming on demand)，是一种以云计算技术为基础的在线游戏技术。云游戏技术使图形处理与数据运算能力相对有限的轻端设备(thin client)能运行高品质游戏。在云游戏场景下，游戏并不在玩家游戏终端，而是在云端服务器中运行，并由云端服务器将游戏场景渲染为视频音频流，通过网络传输给玩家游戏终端。玩家游戏终端无需拥有强大的图形运算与数据处理能力，仅需拥有基本的流媒体播放能力与获取玩家输入指令并发送给云端服务器的能力即可。
85.边缘计算，指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足在实时业务、应用智能、安全与隐私保护等方面的基本需求。
86.云游戏边缘计算节点，用于进行边缘计算的节点，一般由多台具备图形处理器(graphics processing unit，gpu)运算能力的服务器组成。其中的单台服务器可称之为计算节点。
87.算力，顾名思义就是设备的计算能力，小至手机、电脑，大到超级计算机，算力存在于各种硬件设备。算力资源就是设备执行计算任务时所需要占用的硬件或者网络资源，通常可以包括中央处理器(central processing unit，cpu)算力资源、gpu算力资源、内存资源、网络带宽资源、磁盘资源。
88.本技术实施例提供的方案涉及云技术领域的云计算和云游戏技术，具体过程通过如下实施例进行说明。
89.请参见图1，图1是本技术实施例提供的一种网络架构示意图。如图1所示，该网络架构可以包括管理服务器100和边缘节点11、边缘节点12、
…
、边缘节点1n，其中，边缘节点11可以包括计算服务器11a、计算服务器11b等多个计算服务器，边缘节点12可以包括计算服务器12a、计算服务器12b等多个计算服务器。如图1所示，边缘节点11中的计算服务器11a、计算服务器11b等计算服务器之间可以相互进行通信，边缘节点12中的计算服务器12a、计算服务器12b等计算服务器之间可以相互进行通信，边缘节点11中的任一计算服务器、边缘节点12中的任一计算服务器、
…
、边缘节点1n中的任一计算服务器可以分别与上述
管理服务器100进行网络连接，以便于每个计算服务器可以通过网络连接与管理服务器100进行数据交互，以便于每个计算服务器可以接收到来自于上述管理服务器100的管理数据。可以理解的是，边缘节点中的计算服务器通常部署在同一地区，而不同边缘节点通常部署在不同地区。
90.如图1所示，上述边缘节点中的计算服务器均可以对应终端设备集群，终端设备集群中的每个终端设备上均可以集成安装有目标应用，当该目标应用运行于各终端设备中时，可以与管理服务器100为之分配的计算服务器之间进行数据交互。其中，该目标应用可以包括游戏应用、视频编辑应用、社交应用、即时通信应用、直播应用、短视频应用、视频应用、音乐应用、购物应用、小说应用、支付应用、浏览器等具有显示文字、图像、音频以及视频等数据信息功能的应用中的一个或多个应用。计算服务器为终端设备中运行的目标应用提供对应的功能服务，但同时会消耗对应的算力资源，一个计算服务器的算力资源可以同时对应不同的终端设备，当接入计算服务器的终端设备运行有目标应用(例如，云游戏应用)时，该目标应用会占用该计算服务器的算力资源。每个计算服务器也可称之为边缘计算节点。
91.为了使用目标应用的对象能够顺利运行目标应用，通常计算服务器会按照目标应用的最高在线数(登录目标应用的对象的数量)，来为目标应用准备算力资源(根据最高在线数来设置运行频率，根据运行频率准备算力资源)；其中，运行频率可以是指计算服务器中的运算模块(如cpu、gpu等等)在运行时的频率。例如，通常目标应用的最高在线数为500，那么该计算服务器为目标应用所设置的运行频率为能够为500个对象提供功能服务的频率，所准备的算力资源即该运行频率对应的算力资源，倘若在一个时间段内，目标应用的在线对象数远少于最高在线数500，那么该计算服务器的运行频率则是过大的(为最高在线数500对应的运行频率)，实际上所需要的运行频率可以较小，那么此时会造成计算服务器的算力资源的浪费，也会造成计算服务器过大的功耗；同理，倘若在一个时间段内，目标应用的在线对象数远多于最高在线数500，那么此时该计算服务器的运行频率所能够提供的功能服务，可能并不够支撑目标应用运行，那么此时会造成无法满足目标应用需求的情况。为了使得计算服务器可以更好地在满足目标应用对于算力资源的需求的同时，降低计算服务器的功耗消耗，管理服务器100会与每个计算服务器进行数据交互，获取到每个计算服务器的当前运行频率，以获取到该当前运行频率对应的算力总资源信息(即最大算力资源信息)；管理服务器100也可获取到计算服务器的已占用算力资源信息(即目标应用在运行时，所占用的计算服务器的算力资源，如在运行目标应用时，目标应用所占用的计算服务器的cpu算力资源)，并预测在目标时间段内目标应用针对计算服务器的期望需求算力资源信息(即，在目标时间段内，目标应用预计会占用的计算服务器的算力资源，如预计目标应用在目标时间段内运行时，目标应用可能会占用的计算服务器的cpu算力资源)；随后，管理服务器100可以根据该期望需求算力资源信息、已占用算力资源信息以及当前运行频率(当前运行频率可以是指计算服务器中的运算模块(如cpu、gpu等等)在当前运行时的频率。当已占用算力资源信息与期望需求算力资源信息是指cpu算力资源时，该当前运行频率可以是指计算服务器中的cpu在当前运行时的频率)对应的最大算力资源信息，确定出计算服务器在目标时间段内的目标运行频率(该目标运行频率可以是指计算服务器在目标时间段内的预计运行频率，对当前运行频率进行升高或降低后可得到目标运行频率，目标运行频率也可
以与当前运行频率相等)。需要说明的是，该目标运行频率对应的最大算力资源信息是满足于该期望需求算力资源信息的。也就是说，可以通过动态调整计算服务器的运行频率，使得计算服务器在目标时间段内的目标运行频率所对应的最大算力资源信息可以满足期望需求算力资源信息，由此减少计算服务器在目标时间段内的运行频率过大或过小，继而造成功耗消耗过大或无法满足算力资源需求的情况。
92.为便于理解，以管理服务器100确定计算服务器11a在目标时间段内的目标运行频率为例进行说明，如图1所示，管理服务器100会获取目标应用针对计算服务器11a的已占用算力资源信息(即，在运行该目标应用时，所占用的该计算服务器11a的算力资源信息)。其中，该已占用算力资源信息可以是指计算服务器11a为目标应用提供功能服务时，所占用的算力资源的量化指标信息。其中，量化指标信息可以包括中央处理器算力信息(cpu)、图形处理器算力信息(gpu)、内存使用信息、网络带宽使用信息、磁盘读写能力信息等多个指标信息中的一个或多个指标信息。以量化指标信息包括cpu算力与gpu算力为例，已占用算力资源信息即是统计在运行目标应用时，所占用的计算服务器11a的cpu算力与gpu算力的数值。
93.随后，管理服务器100可以预测目标应用在目标时间段内，针对计算服务器11a的期望需求算力资源信息(即，在目标时间段内运行目标应用时，预计会占用的计算服务器11a的算力资源信息)，管理服务器100可以获取计算服务器11a的当前运行频率，根据当前运行频率对应的最大算力资源信息、已占用算力资源信息以及期望算力需求资源信息，管理服务器100可以确定出计算服务器11a在目标时间段内的目标运行频率。其中，该目标运行频率对应的最大算力资源信息是满足于该期望需求算力资源信息的。那么当处于该目标时间段时，可将该计算服务器11a的运行频率从当前运行频率调整至该目标运行频率，从而可使得计算服务器11a在目标时间段内为目标应用所提供的算力资源不会过大或过小。其中，对于预测目标应用在目标时间段内，针对计算服务器11a的期望需求算力资源信息，以及确定目标时间段内的目标运行频率的具体实现方式，可以参见后续图3所对应实施例中的描述。
94.可以理解的是，上述处理过程可以由管理服务器单独执行，也可以由计算服务器单独执行，也可以由管理服务器和计算服务器共同执行，具体实现可以根据实际需求来调整，这里不作限制。
95.可以理解的是，本技术实施例提供的方法可以由计算机设备执行，计算机设备包括但不限于终端设备、计算服务器或管理服务器。其中，管理服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。
96.可以理解的是，上述设备(如上述管理服务器100、计算服务器11a、计算服务器11b、计算服务器12a、
…
、计算服务器12b等)可以是一个分布式系统中的一个节点，其中，该分布式系统可以为区块链系统，该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中，节点之间可以组成的点对点(p2p，peer to peer)网络，p2p协议是一个运行在传输控制协议(tcp，transmission control protocol)协议之上的应用层协议。在分布式系统中，任意形式的计算机设备，比如服务器、终端设备等电子设备都可以
通过加入该点对点网络而成为该区块链系统中的一个节点。
97.其中，上述终端设备集群中的终端设备可以包括手机、平板电脑、笔记本电脑、掌上电脑、智能音响、移动互联网设备(mid，mobile internet device)、pos(point of sales，销售点)机、可穿戴设备(例如智能手表、智能手环等)、车载设备等。
98.为便于理解，请参见图2a
‑
图2b，图2a
‑
图2b是本技术实施例提供的一种预测目标时间段内的目标运行频率的场景图。如图2a所示的场景以目标应用为一款多人竞技类的云游戏应用为例，业务对象a可以通过对应的终端设备10a运行该云游戏应用、业务对象b可以通过对应的终端设备10b运行该云游戏应用、
…
、业务对象n可以通过对应的终端设备10n运行该云游戏应用。而为终端设备10a、终端设备10b、
…
、终端设备10n中的云游戏应用提供服务支持的为计算服务器11b，其中，计算服务器11b也可以称为云游戏服务器或边缘计算节点。
99.可以理解的是，该云游戏应用中可以包括有不同的应用活动场景，登录该云游戏应用的业务对象(如业务对象a、业务对象b、
…
、业务对象n；业务对象可以是指使用终端设备运行云游戏应用的业务用户在云游戏应用中的绑定账号，业务用户可以使用绑定账号登录云游戏应用，而云游戏应用也可以通过绑定账号判断业务用户是否登录)可以进入不同的应用活动场景，并在不同的应用活动场景中进行游戏，而不同的应用活动场景所需求的算力资源通常不同。其中，应用活动场景可以是指云游戏应用运行在终端设备时，在终端设备显示的画面所属的场景类型，一个应用活动场景可以为云游戏应用提供相应的应用功能。例如，该应用活动场景可以包括游戏主页大厅场景(即业务用户在登录或打开云游戏应用时，云游戏应用通常会呈现一个默认的画面，可以用于进行游戏角色呈现、角色服装更换、竞技模式选择等，该默认的呈现画面通常称为游戏主页大厅)、单人竞技场景(即云游戏应用中可进行单人作战的模式，该单人竞技场景用于进行单人跳伞、单人闯关等)、多人竞技场景(即云游戏应用中可进行多人作战的模式，该多人竞技场景可以用于进行多人组队打怪提升游戏等级、多人组队闯关等)等等。通常在游戏主页大厅场景中，需要向业务对象呈现游戏背景、业务对象的游戏角色介绍、游戏竞技模式选择等简单的画面及控件，则游戏主页大厅场景所需求的算力资源也会较小(计算服务器11b可以以较小的频率运行)；而在单人竞技场景中，业务对象可以进行单人的竞技游戏(例如，单人操作游戏角色以增长游戏经验或获取游戏金币等)，与游戏主页大厅场景相比，在单人竞技场景中业务对象的操作指令会更多，则对应的计算也会更多，那么在单人竞技场景中需求的算力资源也会更多(计算服务器11b需要以更大的频率运行)；而在多人竞技场景中，业务对象可以进行大量的游戏操作(如滑动方向轮盘、释放游戏角色的技能、点击撤退控件)，除此之外，业务对象之间还可以进行语音通信交流、文字通信交流等，也就是说，多人竞技场景需要满足业务对象的游戏操作指令以外，还需要为业务对象提供通信交流的计算服务，则相比于单人竞技场景，多人竞技场景需求的算力资源会更多(计算服务器11b需要以更大的频率运行)。
100.如图2a所示，以业务对象a、业务对象b、
…
、业务对象n包括业务对象1、业务对象2、业务对象3、
…
、业务对象10为例，该业务对象1、业务对象2、业务对象3、
…
、业务对象10均处于在线状态，业务对象1、业务对象2、业务对象3、
…
、业务对象10可称为当前在线业务对象。管理服务器100可获取到业务对象1、业务对象2、业务对象3、
…
、业务对象10中的每一个业务对象所处的应用活动场景，并获取到每个业务对象处于对应的应用活动场景中时，所占
用的算力资源(以下将称之为业务对象占用资源信息)；以业务对象1
‑
业务对象5所在的应用活动场景为游戏大厅场景、业务对象6
‑
业务对象8所在的应用活动场景为单人竞技场景、业务对象9
‑
业务对象10所在的应用活动场景为多人竞技场景为例，其中，业务对象1所对应的业务对象占用资源信息为70、业务对象2所对应的业务对象占用资源信息为71、业务对象3所对应的业务对象占用资源信息为72、业务对象4所对应的业务对象占用资源信息为70、业务对象5所对应的业务对象占用资源信息为73，则管理服务器100可以将业务对象1
‑
业务对象5所对应的业务对象占用资源信息进行相加处理，由此可得到该游戏主页大厅场景的总占用算力资源为356(即70 71 72 70 73)。
101.其中，业务对象6所对应的业务对象占用资源信息为101、业务对象7所对应的业务对象占用资源信息为110、业务对象8所对应的业务对象占用资源信息为108，则管理服务器100可以将业务对象6
‑
业务对象8所对应的业务对象占用资源信息进行相加处理，由此可得到该单人竞技场景的总占用算力资源为319(即101 110 108)；业务对象9所对应的业务对象资源信息为200、业务对象10所对应的业务对象占用资源信息为208，则管理服务器100可以将业务对象9
‑
业务对象10所对应的业务对象占用资源信息进行相加处理，由此可得到该多人竞技场景的总占用算力资源为408(即200 208)。进一步地，管理服务器100可将游戏主页大厅场景、单人竞技场景、多人竞技场景分别对应的总占用算力资源进行相加处理，由此可得到计算服务器11b的已占用算力资源信息为1083。
102.进一步地，如图2b所示，管理服务器100可以预测目标时间段内，针对该云游戏应用的新增业务对象(即在目标时间段内才登录或打开云游戏应用的业务用户所对应的绑定账号，该新增业务对象不属于上述当前在线业务对象)、下线业务对象(即在上述当前在线业务对象中，在目标时间段内退出云游戏应用的业务用户所对应的绑定账号)、场景切换业务对象(即上述当前在线业务对象中，在目标时间段内切换应用活动场景的业务用户所对应的绑定账号，这些场景切换业务对象在当前所处的应用活动场景与在目标时间段内所处的应用活动场景不同，如在当前所处的应用活动场景为游戏主页大厅场景，但在目标时间段内所处的应用活动场景为单人竞技场景)。以目标时间段内的新增业务对象包括业务对象11与业务对象12(业务对象11与业务对象12均不属于当前在线的业务对象1
‑
业务对象10)、下线业务对象包括当前在线的业务对象1
‑
业务对象10中的业务对象7与业务对象8、场景切换对象包括当前在线的业务对象1
‑
在线业务对象10中的业务对象9为例，通常情况下，在新增业务对象在通过终端设备开始运行云游戏应用时，终端设备所显示的场景通常为游戏主页大厅场景，也就是说，业务对象11与业务对象12在登录云游戏应用时，所处的初始登录场景为游戏主页大厅场景；此时，可以通过该游戏主页大厅场景对应的总占用算力资源(即356)与业务对象11、业务对象12确定出新增业务对象所对应的第一变化算力资源信息，该第一变化算力资源信息即业务对象11与业务对象12所对应的新增需求算力资源信息。
103.确定第一变化算力资源信息的具体方法可为：首先可获取业务对象1
‑
业务对象5的对象总数量(即5)，通过游戏主页大厅场景对应的总占用算力资源(即356)，以及该对象总数量5，可确定出该游戏主页大厅场景的平均算力需求信息(即356/5＝71.2)，该平均算力需求信息即是指业务对象1
‑
业务对象5中的平均每个业务对象在该游戏主页大厅场景中，所需求的算力资源信息；随后，可获取新增业务对象(包括业务对象11与业务对象12)的新增数量(即2)，可将该新增数量与游戏主页大厅场景的平均算力需求信息71.2与新增数
量2进行相乘处理，由此可得到第一变化算力资源信息为142.4。
104.应当理解，管理服务器100可获取业务对象7、业务对象8在发生下线行为时分别所处的应用活动场景(通过上述可知，均处于单人竞技场景)，在业务对象7与业务对象8下线后，计算服务器11b无需再为其提供算力资源，则计算服务器11b可释放对应的算力资源，那么此时管理服务器100可确定出下线业务对象所对应的第二变化算力资源信息，该第二变化算力资源信息即业务对象7与业务对象8所对应的应释放的算力资源信息。
105.确定第二变化算力资源信息的具体方法可为：首先可获取业务对象6
‑
业务对象8的对象总数量(即3)，通过单人竞技场景对应的总占用算力资源(即319)，以及该对象总数量3，可确定出该单人竞技场景的平均算力需求信息(即319/3＝106.3)，该平均算力需求信息即是指业务对象6
‑
业务对象8中的每个业务对象在该单人竞技场景中，所需求的平均算力资源信息；随后，可获取下线业务对象(包括业务对象7与业务对象8)的下线数量(即2)，可将该下线数量与单人竞技场景的平均算力需求信息106.3与下线数量2进行相乘处理，由此可得到第二变化算力资源信息为212.6。
106.应当理解，管理服务器100可获取业务对象9在发生场景切换行为时所处的应用活动场景(通过上述可知，为多人竞技场景)，以及在发生场景切换行为后所处的应用活动场景(如，切换后所处的场景为游戏主页大厅场景)。因为不同的应用活动场景所需的算力资源不同，那么在业务对象9进行场景切换后，业务对象9所需求的算力资源也会发生变化，此时管理服务器100可确定出业务对象9所对应的第三变化算力资源信息。该第三变化算力资源信息即是在进行场景切换后，所对应的变化算力资源信息(该变化算力资源信息可以为正值也可为负值，当该变化算力资源信息为正值时可表征在进行场景切换后该计算服务器11b应该新增算力资源；当该变化算力资源信息为负值时可表征在进行场景切换后，计算服务器11b应该释放算力资源)。
107.确定第三变化算力资源信息的具体方法可为：首先可获取业务对象9
‑
业务对象10的对象总数量(即2)，通过多人竞技场景对应的总占用算力资源(即408)，以及该对象总数量2，可确定出该多人竞技场景的平均算力需求信息(即408/2＝204)，该平均算力需求信息即是指业务对象9
‑
业务对象10中的每个业务对象在多人竞技场景中，所需求的平均算力资源信息；随后，可获取场景切换业务对象(包括业务对象9)的切换数量(即1)，可将该切换数量与多人竞技场景的平均算力需求信息204与切换数量1进行相乘处理，由此可得到多人竞技场景应该释放的算力资源为204；随后，通过上述可知，游戏主页大厅场景的平均算力需求信息为71.2，则管理服务器100可将该游戏主页大厅场景的平均算力需求信息为71.2与切换数量1进行相乘处理，由此可得到游戏主页大厅场景应该增加的需求的算力资源为71.2。通过上述可知，因为业务对象9在进行场景切换后，应该释放的算力资源要大于应该增加的算力资源，则业务对象9所对应的总的变化算力资源信息(即第三变化算力资源信息)应该为
‑
132.8(即71.2
‑
204)。
108.进一步地，管理服务器100可将上述确定的已占用算力资源信息(1083)与第一变化算力资源信息(即142.4)、第三变化算力资源信息(即
‑
132.8)进行相加处理，并将相加得到的结果(1092.6)减去第二变化算力资源信息(即212.6)，得到的结果(即880)即可确定为目标时间段内，云游戏应用针对计算服务器11b所需的期望需求算力资源信息。
109.进一步地，管理服务器100可获取计算服务器11b的当前运行频率，根据当前运行
频率可确定计算服务器11b的当前最大算力资源信息，管理服务器100可根据当前运行频率对应的最大算力资源信息、上述期望需求算力资源信息以及已占用算力资源信息，确定出计算服务器11b在目标时间段内的目标运行频率。其中，该目标运行频率所对应的最大算力资源信息是满足于期望需求算力资源信息。对于确定目标运行频率的具体实现方式，可以参见后续图4所对应实施例中的描述。
110.在确定出目标运行频率后，可将计算服务器11b在目标时间段内的运行频率，从当前运行频率调整至目标运行频率，而通过动态调整计算服务器的运行频率，可以使得计算服务器11b在目标时间段内的目标运行频率所对应的最大算力资源信息可以满足期望需求算力资源信息，由此减少计算服务器在目标时间段内的运行频率过大或过小的情况，造成计算服务器11b的功耗消耗过大或无法满足云游戏应用的算力资源需求的情况。
111.需要说明的是，上述各个算力资源的数值(如71、70、110、108等等)，均是为便于理解所作出的举例说明，并不具备实际参考意义。
112.进一步地，请参见图3，图3是本技术实施例提供的一种基于边缘计算的数据处理方法的流程示意图。其中，该方法可由上述图1所对应实施例中的计算机设备执行，即可以由图1中的管理服务器100执行，也可以由图1中的边缘节点集群中的计算服务器(也包括计算服务器11a、计算服务器11b、计算服务器12a以及计算服务器12b)执行。如图3所示，该基于边缘计算的数据处理方法可以包括如下步骤s101
‑
步骤s103：
113.步骤s101，获取目标应用针对边缘计算节点的已占用算力资源信息；已占用算力资源信息为在运行目标应用时，所占用的边缘计算节点的算力资源信息。
114.本技术中，边缘计算节点可以是指能够提供计算或者应用服务的计算机设备，比如服务器(例如，上述图1所示的计算服务器11a、计算服务器11b、计算服务器12a或者计算服务器12b)。目标应用可以是指边缘计算节点需要为其完成相关计算任务的应用，比如，目标应用可以为云游戏应用，基于云计算技术，云游戏通常在远程服务器上运行，终端设备只需要接收远程服务器发送的音视频流，然后解码播放运行即可，此时，远程服务器就可为边缘计算节点。
115.应当理解，目标应用在终端设备上运行时，边缘计算节点可为其提供相应的计算服务，而当边缘计算节点为其提供相应的计算服务时，会目标应用会占用边缘计算节点的算力资源。其中，算力可以是指边缘计算节点的计算能力，在本技术中，对边缘计算节点的算力的衡量通常可以采用cpu算力与gpu算力。其中，cpu算力一般使用每秒运算次数(operations per second，ops)来衡量；而gpu算力根据计算类型可以有多种衡量指标，一般从运算能力(根据运算的类型，通过每秒所执行的浮点运算次数(floating
‑
point operations per second，flops)、ops、半精度峰值运算能力和双精度峰值运算能力来进行衡量)和数据读取吞吐量两个指标来进行衡量。对于算力资源，除cpu算力资源与cpu算力资源以外，当然还可以包括其他算力资源，例如内存资源、网络带宽资源、磁盘资源等等。本技术对于算力资源包括的内容不进行限制。以下将以算力资源包括cpu算力资源与gpu算力资源为例进行说明。
116.具体的，目标应用可以包括一个或多个应用活动场景，应用活动场景可以是指目标应用运行在终端设备时，在终端设备显示的画面所属的场景类型，一个应用活动场景可以为目标应用提供相应的应用功能，例如，目标应用为社交应用时，应用活动场景可以包括
语音通话场景、视频通话场景、文字聊天场景，当业务用户通过社交应用的绑定账号(可称之为业务对象)登录社交应用后，在语音通话场景中，社交应用提供不同业务对象之间的语音通信功能(即业务用户之间可进行语音通信)；在视频通话场景中，社交应用提供不同业务对象之间的视频通信功能(即业务用户可进行视频通信)；在文字聊天场景中，社交应用提供不同业务对象之间的文字通信功能(即业务用户可进行文字通信)。例如，目标应用为云游戏应用时，应用活动场景可包括游戏主页大厅场景、单人竞技场景、多人竞技场景，在游戏主页大厅场景中，云游戏应用为业务对象提供游戏背景介绍、游戏角色介绍、资料显示、竞技模式选择等功能；在单人竞技场景中，云游戏应用为业务对象提供单人作战竞技功能；在多人竞技场景中，云游戏应用为业务对象提供多人作战竞技功能、多人通信功能等。
117.可以理解的是，当业务对象在目标应用中所处的应用活动场景不同时，通常所需的算力资源也不同，因此，本技术可获取到在线业务对象在目标应用中所处的应用活动场景，并获取到每个在线业务对象在所处的应用活动场景中所占用的算力资源，由此可统计得到所有的在线业务对象所占用的边缘计算节点的算力资源，所有的在线业务对象总共所占用的边缘计算节点的算力资源可称之为已占用算力资源信息。对于确定边缘计算节点的已占用算力资源信息的具体方法可为：可获取目标应用的n个当前运行信息；其中，一个当前运行信息可包括一个在线业务对象所在的应用活动场景，以及在应用活动场景中的业务对象占用资源信息；获取每个当前运行信息对应的业务对象占用资源信息，得到n个业务对象占用资源信息；将n个业务对象占用资源信息的总和，确定为目标应用针对边缘计算节点的已占用算力资源信息。
118.应当理解，上述业务对象占用资源信息即可理解为一个在线业务对象处于某个应用活动场景时，所占用的边缘计算节点的算力资源；每个业务用户在通过绑定账号(以下将称为业务对象)登录目标应用后，其业务对象在目标应用中的登录状态即为在线状态、此时业务对象也可称为在线业务对象。计算机设备会实时获取到每个在线业务对象在目标应用中的应用活动场景，并统计该在线业务对象在处于某个应用活动场景时，所占用的算力资源，一个在线业务对象在当前所处的应用活动场景以及处于应用活动场景时所占用的算力资源，可组成一个当前运行信息。因为一个当前运行信息包括有一个在线业务对象所处的应用活动场景、以及处于该应用活动场景时，所占用的算力资源；那么n个当前运行信息就可以包括n个在线业务对象分别所处的应用活动场景、以及n个在线业务对象处于对应的应用活动场景时，所分别占用的算力资源，将这n个业务对象占用资源信息(即n个在线业务对象处于对应的应用活动场景时，所分别占用的算力资源)进行相加求和，即可得到n个在线业务对象所占用的边缘计算节点的总的算力资源(即已占用算力资源信息)。
119.应当理解，算力资源包括cpu算力资源与gpu算力资源，那么在统计已占用算力资源信息时，可统计n个在线业务对象所占用的边缘计算节点的cpu算力资源以及gpu算力资源，所占用的cpu算力资源与gpu算力资源均可称之为已占用算力资源信息。
120.步骤s102，预测目标时间段内针对目标应用的新增业务对象、下线业务对象以及场景切换业务对象，根据新增业务对象、下线业务对象以及场景切换业务对象确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
121.本技术中，新增业务对象可以是指在目标时间段内启动目标应用的业务用户在目标应用中的绑定账号(业务对象)，该边缘计算节点可为其提供功能服务；下线业务对象可
以指上述n个在线业务对象对应的业务用户中，会在目标时间段内关闭目标应用的业务用户对应的业务对象；场景切换业务对象可以是指在上述n个在线业务对象中，在目标时间段内会切换应用活动场景的业务对象(例如，针对云游戏应用，某个在线业务对象在当前时刻下处于单人竞技场景，在目标时间段内会退出单人竞技场景，并进入至游戏主页大厅场景，该在线业务对象即可称之为场景切换对象)。本技术可以预测目标时间段内的新增业务对象、下线业务对象以及场景切换对象，并根据新增业务对象、下线业务对象以及场景切换对象确定出目标时间段内的期望需求算力资源信息。
122.其中，对于预测目标时间段内的新增业务对象、下线业务对象以及场景切换对象的具体方法可为：计算机设备会获取目标应用的历史业务行为数据，然后会获取目标应用的在目标时间段内的运营活动信息；根据目标时间段内的运营活动信息、历史业务行为数据，可以确定边缘计算节点在目标时间段内针对目标应用的新增业务对象；根据业务对象所在的应用活动场景、目标时间段内的运营活动信息、历史业务行为数据，可以确定边缘计算节点在目标时间段内针对目标应用的下线业务对象和场景切换业务对象。其中，历史业务行为数据可以包括目标应用的在历史时间段内每个时间节点的历史在线业务对象、历史上线业务对象、历史下线业务对象以及历史场景切换业务对象的相关行为数据等等。其中，相关行为数据可以包括所在的应用活动场景、操作行为、应用运行时长等等。
123.应当理解，目标时间段内的运营活动信息可以是指在节假日(如五一节、七夕节、端午节)、特定节日、版本发布日等时间段，在目标应用中所上线的特殊活动，例如，以目标应用为云游戏应用为例，当在端午节时，在云游戏应用中会上线新的端午限时活动(如游戏角色赛跑活动)以及角色服装限时购买活动，业务对象很大概率会根据这些运营活动信息，在目标时间段内选择登录云游戏应用来参加这个端午限时活动、购买角色服装等等，这些在统计已占用算力资源信息时并未登录云游戏应用(即不属于n个在线业务对象中)、但在目标时间段内预测会登录云游戏应用的业务对象，即可称之为新增业务对象。同时，计算机设备可根据运营活动信息与历史业务行为数据，预测出在n个在线业务对象中，在目标时间段内会关闭运行目标应用的业务对象，这些业务对象即可称之为下线业务对象；计算机设备也可根据运营活动信息与历史业务行为数据，预测出在n个在线业务对象中，会切换场景的业务对象，这些业务对象即可称之为场景切换业务对象。
124.可选的，本技术实施例提供的方案可以涉及人工智能的机器学习技术，机器学习(machine learning,ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。具体通过如下实施例进行说明：计算机设备在预测边缘计算节点在目标时间段内针对目标应用的下线业务用户时，可以根据下线预测模型生成业务用户所在的应用活动场景、目标应用对应的运营活动信息、业务用户发生下线行为时对应的下线行为特征，然后在下线预测模型中输出与该下线行为特征对应的预测下线标签，然后根据该预测下线标签，确定下线业务用户。其中，下线预测模型是根据历史业务行为数据训练得到的机器学习模型，用于模拟业务用户在不同时间段内的下线行为，推测用户处于什么应用活动场景、时间节点等
行为状态时会下线。相应的，计算机设备预测场景切换业务用户也可以通过相应的机器学习模型来实现。
125.进一步地，根据新增业务对象、下线业务对象以及场景切换业务对象，可确定出目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。以下将以n个当前运行信息包括的应用活动场景的数量为一个或多个、一个或多个应用活动场景包括应用活动场景m
i
(i为正整数)为例，对确定期望需求算力资源信息的具体方法进行说明，其具体方法可为：可将n个在线业务对象中，所在应用活动场景为应用活动场景m
i
的在线业务对象确定为待统计业务对象；随后，可统计待统计业务对象在应用活动场景m
i
中的业务对象总占用资源信息；随后，可获取待统计业务对象对应的对象数量，根据业务对象总占用资源信息与对象数量，可确定应用活动场景m
i
对应的平均算力需求信息；当确定出一个或多个应用活动场景分别对应的平均算力需求信息时，可根据一个或多个应用活动场景分别对应的平均算力需求信息、新增业务对象、下线业务对象以及场景切换业务对象确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
126.其中，根据一个或多个应用活动场景分别对应的平均算力需求信息、新增业务对象、下线业务对象以及场景切换业务对象确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息的具体方法可为：可获取新增业务对象对应的新增数量、下线业务对象对应的下线数量、场景切换对象对应的切换数量；可预测新增业务对象所对应的初始登录场景；其中，一个或多个应用活动场景包括初始登录场景；随后，可将下线业务对象在发生下线行为时所处的应用活动场景，确定为下线应用活动场景；随后，可将场景切换对象在进行场景切换前所处的应用活动场景，确定为初始应用活动场景，将场景切换对象在进行场景切换后所处的应用活动场景，确定为目标应用活动场景；根据初始登录场景、下线应用活动场景、初始应用活动场景、目标应用活动场景分别对应的平均算力需求信息，以及切换数量、下线数量、新增数量，可确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
127.其中，根据初始登录场景、下线应用活动场景、初始应用活动场景、目标应用活动场景分别对应的平均算力需求信息，以及切换数量、下线数量、新增数量，确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息的具体方法可为：可根据新增数量与初始登录场景对应的平均算力需求信息，确定新增业务对象对应的第一变化算力资源信息；根据下线数量与在线应用活动场景对应的平均算力需求信息，可确定下线业务对象对应的第二变化算力资源信息；根据初始应用活动场景对应的平均算力需求信息、目标应用活动场景对应的平均算力需求信息以及切换数量，可确定场景切换对象对应的第三变化算力资源信息；根据第一变化算力资源信息、第二变化算力资源信息、第三变化算力资源信息以及边缘计算节点的已占用算力资源信息，即可确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
128.应当理解的是，业务对象在登录或者打开目标应用时，通常会进入一个默认界面，这个默认界面对应的场景即可称之为初始登录场景；其中，目标应用所包括的一个或多个应用活动场景，是包括该初始登录场景的。例如，业务对象在登录云游戏应用时，通常会进入游戏主页大厅场景，该游戏主页大厅场景即可称为初始登录场景。计算机设备可以获取到初始登录场景对应的平均算力需求信息(即，初始登录场景中，平均每个在线业务对象所
需求的算力资源)，根据新增业务对象的新增数量以及该初始登录场景对应的平均算力需求信息(例如，将新增数量与初始登录场景对应的平均算力需求信息进行相乘处理)，可确定新增业务对象对应的新增算力资源信息(如，新增数量与初始登录场景对应的平均算力需求信息的乘积结果)，该新增算力资源信息即可为边缘计算节点需要为新增业务对象提供功能服务时，需要增加的算力资源；该新增算力资源信息可称之为第一变化算力资源信息。
129.应当理解，计算机设备也可以获取到下线业务对象在发生下线行为(如退出或关闭目标应用行为)时所处的应用活动场景(以下将称之为下线应用活动场景)，根据该下线应用活动场景对应的平均算力需求信息(即，下线应用活动场景中，平均每个在线业务对象所需求的算力资源)以及下线业务对象的下线数量，即可确定出下线业务对象对应的释放算力资源信息。也就是说，当这些下线业务用户关闭目标应用时，边缘计算节点无需再为其提供功能服务，可以释放对应的算力资源。这些释放的算力资源可称之为第二变化算力资源信息。该第二变化算力资源信息可以为下线数量与该下线应用活动场景对应的平均算力需求信息的乘积。
130.应当理解，因为不同的应用活动场景所需求的算力资源通常不同，那么当业务对象发生场景切换时，所需求的算力资源也会发生变化(或许会增加、也或许会减少)。那么，计算机设备可以预测n个在线业务对象中，在目标时间段内会进行场景切换的业务对象，并预测这些场景切换对象在进行场景切换前所处的应用活动场景(可称之为初始应用活动场景)，以及在进行场景切换后所处的应用活动场景(可称之为目标应用活动场景)；针对初始应用活动场景，边缘计算节点可不再继续为这些场景切换用户提供对应的算力资源，应该释放掉对应的算力资源；而针对目标应用活动场景，边缘计算节点又需要为其提供对应的算力资源，应该新增算力资源。那么可获取到初始应用活动场景对应的平均算力需求信息(初始应用活动场景中，平均每个在线业务对象所需求的算力资源)以及目标应用活动场景对应的平均算力需求信息，可将初始应用活动场景对应的平均算力需求信息与该场景切换用户的切换数量之间的乘积，确定为初始应用活动场景对应的应该释放掉的算力资源；可将目标应用活动场景对应的平均算力需求信息(目标应用活动场景中，平均每个在线业务对象所需求的算力资源)与该场景切换用户的切换数量之间的乘积，确定为目标应用活动场景对应的应该新增的算力资源。可将初始应用活动场景对应的应该释放掉的算力资源、以及目标应用活动场景对应的应该新增的算力资源进行相加处理，得到的结果即可作为场景切换用户对应的第三变化算力资源信息(可能为正值、也可能为负值)。
131.进一步地，可将上述已占用算力资源信息与新增的算力资源进行相加处理，并将相加得到的结果再减去应该释放掉的算力资源，即可得到最终的期望需求算力资源信息。即，可将已占用算力资源信息、第一变化算力资源信息、第三变化算力资源信息进行相加处理，再使用相加后的结果减去第二变化算力资源信息，由此可得到目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
132.步骤s103，获取边缘计算节点的当前运行频率，根据当前运行频率对应的最大算力资源信息、已占用算力资源信息以及期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率；目标运行频率对应的最大算力资源信息满足期望需求算力资源信息。
133.本技术中，计算机设备可以获取边缘计算节点的当前运行频率，随后，可以根据当前运行频率获取到当前运行频率所对应的最大算力资源信息。根据当前运行频率对应的最大算力资源信息、已占用算力资源信息以及期望需求算力资源信息，可确定边缘计算节点在目标时间段内的目标运行频率。其中，确定边缘计算节点的目标运行频率，即是判断是要将当前运行频率在目标时间段内进行增大调整、降低调整、或者保持不变。为便于理解，请一并参见图4，图4是本技术实施例提供的一种调整边缘计算节点的运行频率的逻辑流程图，如图4所示，该逻辑流程可以包括至少以下步骤s41
‑
步骤s49：
134.步骤s41，判断边缘计算节点的算力是否满载。
135.具体的，可将边缘计算节点的已占用算力资源信息与当前运行频率对应的最大算力资源信息进行比较；若已占用算力资源信息小于当前运行频率对应的最大算力资源信息、且该已占用算力资源信息与当前运行频率对应的最大算力资源信息之间的差值绝对值大于阈值(可为人工设定)时，则可确定该边缘计算节点的算力还未满载，存在多余的空闲的算力资源；而若该已占用算力资源小于当前运行频率对应的最大算力资源信息、但该已占用算力资源信息与当前运行频率对应的最大算力资源信息之间的差值绝对值小于阈值，则可确定该边缘计算节点的算力处于满载状态，不存在多余的空闲的算力资源；可选的，若该已占用算力资源等于了当前运行频率对应的最大算力资源信息，则也可确定该边缘计算节点的算力处于满载状态，不存在多余的空闲的算力资源。
136.若判断出边缘计算节点的算力处于满载状态，则可执行后续步骤s42；而若判断出边缘计算节点的算力未处于满载状态(即处于未满载状态)，则可执行后续步骤s45。
137.步骤s42，判断期望算力是否增长。
138.具体的，可将已占用算力资源信息与期望需求算力资源信息进行比较，从而可确定相比于已占用算力资源信息，该期望需求算力资源信息是增长了还是降低(或未发生变化)了。若该期望需求算力资源信息为增长情况，则可执行后续步骤s44；而若该期望需求算力资源信息为未增长情况，则可执行后续步骤s43。
139.步骤s43，保持当前运行频率不变。
140.具体的，当边缘计算节点的算力为满载状态，且期望需求算力资源信息为未增长情况时，表明该边缘计算节点在当前运行频率下所提供的算力资源，足够满足期望需求算力资源，为减少运行频率的调整次数、从而减少调整频率带来的损耗，此时可以保持运行频率不变，该不变的当前运行频率即是目标时间段内的目标运行频率。
141.可选的，也可以将当前运行频率进行适当降低(如，降低至期望需求算力资源对应的运行频率)。
142.步骤s44，升高运行频率。
143.具体的，当边缘计算节点的算力为满载状态，且期望需求算力资源信息为增长情况时，表明该边缘计算节点在当前运行频率下，所提供的算力资源，并不足以满足期望需求算力资源，可以适当提高运行频率(例如，提高至期望需求算力资源对应的运行频率)。该提高后的运行频率即是目标时间段内的目标运行频率。
144.步骤s45，判断期望算力是否增长。
145.具体的，当确定边缘计算节点的算力处于未满载状态时，也可将已占用算力资源信息与期望需求算力资源信息进行比较，从而可确定相比于已占用算力资源信息，该期望
需求算力资源信息是增长了还是降低(或未发生变化)了。若该期望需求算力资源信息为增长情况，则可执行后续步骤s46；而若该期望需求算力资源信息为未增长情况，则可执行后续步骤s48。
146.步骤s46，判断空闲算力是否满足期望算力。
147.具体的，当确定边缘计算节点的算力处于未满载状态、且期望需求算力资源信息处于增长情况时，可将当前运行频率对应的最大算力资源信息与已占用算力资源信息进行相减处理，由此可得到该边缘计算节点的空闲算力资源信息。随后，可统计上述第一变化算力资源信息、第二变化算力资源信息以及第三变化算力资源信息的资源总和，这里的总和即是边缘计算节点需要新增的需求算力资源；可将空闲算力资源信息与该资源总和进行比较，若该空闲算力资源信息大于该资源总和，则可确定该空闲算力资源信息可以满足新增的需求算力资源，可执行步骤s43(即保持当前运行频率不变)；而若该空闲算力资源信息小于该资源总和，则可确定该空闲算力资源信息不足以满足新增的需求算力资源，可执行后续步骤s47。可选的，若该空闲算力资源信息等于了该资源总和，也可确定该空闲算力资源信息可以满足新增的需求算力资源，可执行步骤s43。
148.步骤s47，升高运行频率。
149.具体的，当空闲算力资源信息不足以满足新增的需求算力资源时，可以适当提高运行频率(如，提高至目标时间段内的期望需求算力资源对应的运行频率)。该提高后的运行频率即是目标时间段内的目标运行频率。
150.步骤s48，判断降频后功耗是否发生变化。
151.具体的，当确定边缘计算节点的算力处于未满载状态、且该期望需求算力资源信息处于未增长情况时，此时当前运行频率对应的最大算力资源已足以满足期望需求算力资源信息，可以适当降低运行频率。但是，可选的，为了减少运行频率的调整次数(避免频繁调整运行频率)、从而减少频繁的频率调整带来的系统运行不稳定的问题，本技术在进行降低频率前，可以先确定降低频率后，边缘计算节点的功耗有无变化(即是否会降低)，在功耗存在变化时，再将运行频率进行降低。在功耗并不存在变化时，可以保持频率不变，虽然此时没有降低运行频率，但因为在调整频率的整个过程中，避免了频繁调整运行频率的情况(并非一到需要降低频率的时候，就一定降低运行频率)，由此可以提高系统运行的稳定性，这同样也是一种减少运行成本的方式。
152.然而，因为运行频率的降低和功耗的降低并不是线性关系(即不是运行频率降低了，功耗就一定会降低)，由于硬件实现的不同，当运行频率小幅降低时，可能并不会跟着降低功耗。因此，为了准确地统计出各个不同型号硬件频率和功耗的关系，可以根据历史数据及实时运行情况，不断地对运行频率与功耗的对应关系进行修正，从而可以得到硬件(包括cpu与gpu)的算力、频率、和功耗的关系映射表。该关系映射表可如以下表1所示。
153.表1
[0154][0155]
其中，如表1所示的关系映射表中可包括cpu的运行频率、运行频率对应的最大算力、以及运行频率对应的功耗之间的映射关系；也可包括gpu的运行频率、运行频率对应的最大算力、以及运行频率对应的功耗之间的映射关系。在确定出目标时间段内的期望需求算力资源信息时，可根据关系映射表，获取到该期望需求算力资源信息对应的运行频率是多少，在边缘计算节点的算力处于未满载状态、且期望需求算力资源并没有增长时，此时可以适当对运行频率进行降低，但在此之前，可以通过关系映射表，确定频率降低时，功耗是否也会降低。若与当前运行频率对应的功耗相比，在降低频率后，该期望需求算力资源信息所对应的功耗并不会降低，那么此时可以不用降低运行频率，可以保持运行频率不变；继续将当前运行频率作为目标时间段内的目标运行频率。
[0156]
其中，若与当前运行频率对应的功耗相比，在降低频率后，该期望需求算力资源信息所对应的功耗是会发生变化的(如降低)，那么此时可以降低运行频率(如通过关系映射表，将运行频率降低至期望需求算力资源对应的运行频率)；降低后的运行频率可作为目标
时间段内的目标运行频率。
[0157]
应当理解，本技术通过判断功耗是否存在变化，来动态调整边缘计算节点的运行频率，可以减少频繁改变运行频率但又无明显收益的情况，同时可以提高系统运行的稳定性。
[0158]
在本技术实施例中，由于影响边缘计算节点的算力资源变化的主要因素为对象的在线、下线、上线等因素，则本技术可以对目标时间段内，针对目标应用的新增业务对象、下线业务对象以及场景切换对象进行预测，随后可以根据新增业务对象、下线业务对象以及场景切换业务对象确定出目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。由此，可以根据目标时间段的期望需求算力资源信息、边缘计算节点的已占用算力资源信息、边缘计算节点的当前运行频率所对应的最大算力资源信息，来确定在目标时间段内是否要对当前运行频率进行升高、降低或保持不变(即确定目标时间段内的目标运行频率)。因为边缘计算节点的最大算力资源信息，是与边缘计算节点的运行频率相对应的(如运行频率越大，最大算力资源信息也越大)，同时，运行频率与边缘计算节点的运行消耗(即功耗)也是存在对应关系的，那么通过对边缘计算节点的运行频率进行及时调整(升高、降低或保持不变)，可以使得目标时间段内的目标运行频率所对应的最大算力资源信息，能够满足于期望需求算力资源信息，由此可以减少边缘计算节点所提供的算力资源与实际需求的算力资源不匹配的问题(如可以减少边缘计算节点提供的算力资源过大，但实际所需的算力资源很小的问题)，使得目标时间段内，边缘计算节点所提供的算力资源与需求的算力资源相匹配，由此也可以使得边缘计算节点的运行消耗不会过大，减少运行成本。即本技术可以通过调整边缘节点的运行频率，来使得边缘计算节点所提供的算力资源不会远大于期望需求算力资源信息(即减少运行成本)，也不会远小于期望需求算力资源信息导致需求得不到满足，由此可以动态平衡算力需求与运行成本。即，本技术可以满足算力需求的同时，降低边缘计算节点的运行成本。
[0159]
进一步地，请参见图5，图5是本技术实施例提供的一种确定目标时间段内的目标运行频率的流程示意图。该流程可以对应于上述图3所对应实施例中，步骤s103中确定目标运行频率的流程。如图5所示，该流程可以包括以下步骤s201
‑
步骤s203：
[0160]
步骤s201，根据当前运行频率对应的最大算力资源信息与已占用算力资源信息确定边缘计算节点的当前空闲算力资源信息(即，在当前运行目标应用时，目标应用未占用到的边缘计算节点的算力资源，也就是边缘计算节点中未被使用的算力资源信息)，根据当前空闲算力资源信息确定边缘计算节点的运行状态。
[0161]
具体的，可将当前运行频率对应的最大算力资源信息与已占用算力资源信息进行相减处理(如使用当前运行频率对应的最大算力资源信息，减去已占用算力资源信息)，由此可得到边缘计算节点的当前空闲算力资源信息。根据当前空闲算力资源信息，可确定边缘计算节点的运行状态。其具体方法可为：将当前空闲算力资源信息与空闲资源阈值进行匹配；若当前空闲算力资源信息大于空闲资源阈值，则将边缘计算节点的运行状态确定为未满载运行状态；若当前空闲算力资源信息小于空闲资源阈值，则将边缘计算节点的运行状态确定为满载运行状态。可选的，若当前空闲算力资源信息等于空闲资源阈值，也可将边缘计算节点的运行状态确定为未满载运行状态。其中，这里的空闲资源阈值可对应于上述图4所对应实施例中的阈值，该未满载运行状态即可理解为上述算力未满载状态；该满载运
行状态即可理解为上述算力满载状态。对于其具体确定方法，可参见上述图4所对应实施例中步骤s41的描述，这里将不再进行赘述。
[0162]
步骤s202，若边缘计算节点的运行状态为满载运行状态，则根据已占用算力资源信息与期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率。
[0163]
具体的，若边缘计算节点的运行状态为满载运行状态，则可以将期望需求算力资源信息与已占用算力资源信息进行比较；若期望需求算力资源信息大于已占用算力资源信息，则可获取映射表；其中，映射表中包括n个映射关系；一个映射关系包括一个配置运行频率(配置运行频率可以是指映射表中的运行频率)与一个配置最大算力资源信息之间的对应关系(在映射表中，一个运行频率对应于一个最大算力资源信息，映射表中的运行频率可称为配置运行频率，每个配置运行频率对应的最大算力资源信息可称为配置最大算力资源信息)；在映射表中，可将大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率，确定为目标运行频率(可选的，也可将等于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率，确定为目标运行频率)；随后，可将边缘计算节点的运行频率从当前运行频率，调整至目标运行频率。其中，需要说明的是，这里若将映射表中大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率确定为目标运行频率时，这里的大于期望需求算力资源信息的配置最大算力资源信息应当为略大于期望需求算力资源信息(例如，映射表中大于期望需求算力资源信息的配置最大算力资源信息中的最小的一个)，由此可避免目标时间段内所提供的算力资源过于大(即避免边缘计算节点在目标时间段内以过大的运行频率运行)。
[0164]
可选的，可以理解的是，将期望需求算力资源信息与已占用算力资源信息进行比较后，若期望需求算力资源信息小于已占用算力资源信息，则可将当前运行频率确定为目标运行频率。可选的，将期望需求算力资源信息与已占用算力资源信息进行比较后，若期望需求算力资源信息等于已占用算力资源信息，此时也可将当前运行频率确定为目标运行频率。
[0165]
步骤s203，若边缘计算节点的运行状态为未满载运行状态，且期望需求算力资源信息大于已占用算力资源信息，则根据当前空闲算力资源信息、已占用算力资源信息以及期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率。
[0166]
具体的，若边缘计算节点的运行状态为未满载运行状态，且期望需求算力资源信息大于已占用算力资源信息，则可确定期望需求算力资源信息与已占用算力资源信息之间的资源差值绝对值；若当前空闲算力资源信息小于资源差值绝对值，则可获取映射表；映射表中包括n个映射关系；一个映射关系包括一个配置运行频率与一个配置最大算力资源信息之间的对应关系；在映射表中，可将大于(或等于)期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率，确定为目标运行频率；将边缘计算节点的运行频率从当前运行频率，调整至目标运行频率。其中，需要说明的是，这里若将映射表中大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率确定为目标运行频率时，这里的大于期望需求算力资源信息的配置最大算力资源信息应当为略大于期望需求算力资源信息(例如，映射表中大于期望需求算力资源信息的配置最大算力资源信息中的最小的一个)，由此可避免目标时间段内所提供的算力资源过于大。
[0167]
可选的，可以理解的是，确定期望需求算力资源信息与已占用算力资源信息之间
的资源差值绝对值后，若当前空闲算力资源信息大于或等于资源差值绝对值，则将当前运行频率确定为目标运行频率。
[0168]
可选的，可以理解的是，若边缘计算节点的运行状态为未满载运行状态，且期望需求算力资源信息小于已占用算力资源信息，则可获取映射表；映射表中包括n个映射关系；一个映射关系包括一个配置运行频率、一个配置最大算力资源信息与一个配置运行消耗(通常情况下，边缘计算节点在以一定频率运行时，会产生功耗(功率的损耗，通常以瓦为单位)，而不同的运行频率会产生不同的功耗，这里的运行消耗可以是指功耗，而映射表中每个配置运行频率所对应的运行消耗即可称为配置运行消耗)之间的对应关系；将映射表中当前运行频率所对应的配置运行消耗确定为待比较配置运行消耗，根据待比较配置运行消耗确定边缘计算节点在目标时间段内的目标运行频率。
[0169]
其中，根据待比较配置运行消耗确定边缘计算节点在目标时间段内的目标运行频率的具体方法可为：在映射表中，可将大于或等于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行消耗，确定为目标运行消耗；可将目标运行消耗与待比较配置运行消耗进行比较；若目标运行消耗小于待比较配置运行消耗，则将目标运行消耗对应的配置运行频率确定为目标运行频率，将边缘计算节点的运行频率从当前运行频率调整至目标运行频率；若目标运行消耗大于或等于配置运行消耗，则将当前运行频率确定为目标运行频率。其中，需要说明的是，这里若将映射表中大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率确定为目标运行频率时，这里的大于期望需求算力资源信息的配置最大算力资源信息应当为略大于期望需求算力资源信息(例如，映射表中大于期望需求算力资源信息的配置最大算力资源信息中的最小的一个)，由此可避免目标时间段内所提供的算力资源过于大(即边缘计算节点在目标时间段内的运行频率过于大)。
[0170]
可选的，若边缘计算节点的运行状态为未满载运行状态，且期望需求算力资源信息等于已占用算力资源信息，则可保持当前运行频率不变(即将当前运行频率作为目标时间段内的目标运行频率)。
[0171]
其中，运行消耗即可理解为边缘计算节点的功耗，映射表可理解为关系映射表，对于步骤s201
‑
步骤s203的具体实现方式，可以参见上述图4所对应实施例中步骤s41
‑
步骤s49的描述，这里将不再进行赘述。
[0172]
进一步地，请参见图6，图6是本技术实施例提供的一种系统架构图。如图6所示，该系统整体可以包括管理服务器与边缘计算节点，其中，该边缘计算节点可以包括算力信息收集模块、频率控制模块、算力保障模块、功耗信息收集模块。为便于理解，以下将对各个模块对应的功能进行阐述。
[0173]
算力信息收集模块：主要可以包括cpu算力信息收集、gpu算力信息收集以及本机信息收集，其中，cpu算力信息收集主要收集cpu型号，当前的运行频率、当前能够达到的最大算力、当前实际使用算力(即已占用的算力)、cpu本身的功耗等；而gpu算力信息收集主要收集gpu型号，当前的运行频率、当前能够达到的最大算力、当前实际使用算力和gpu本身的功耗；本机信息收集主要收集边缘计算节点的本机型号以及本机当前整体功耗。
[0174]
频率控制模块：主要用于cpu频率控制与gpu频率控制；其中，cpu频率控制主要为：根据算力保障模块的需求调高或调低cpu的运行频率；gpu频率控制主要为：根据算力保障模块的需求调高或调低cpu的运行频率。
[0175]
算力保障模块，根据管理服务器的指令并综合本机实际算力情况向频率控制模块下发cpu、gpu频率调整指令。算力保障模块主要用于频率调整以及基础算力保障。其中，频率调整主要为：根据管理服务器的指令调高或调低cpu、gpu的运行频率：当需要调高时，可以直接执行；当需要调低时，可判断当前cpu、gpu功耗的变化情况，若降低频率后功耗并不会降低，则不进行降频操作，并把对应信息通知管理服务器。其中，基础算力保障主要为：定时检查当前cpu、gpu的负载情况，如果已经达到满负荷，则实时提升运行频率。
[0176]
功耗信息收集模块：主要用于cpu功耗收集(收集cpu的实时功耗)、gpu功耗收集(收集gpu的实时功耗)、整机功耗收集(收集整机的实时功耗)、算力数据。并在收集后汇总上报管理服务器。
[0177]
管理服务器可以包括数据分析模块、算力预测模块、频率调整策略模块，为便于理解，以下将对各个模块对应的功能进行阐述。
[0178]
数据分析模块：用于接收边缘计算节点的数据上报，并进行初步的分析供其他模块使用。
[0179]
算力预测模块：用于根据新进用户及历史趋势预测下一阶段算力的变化情况，即预测下一阶段的期望需求算力资源信息。
[0180]
频率调整策略模块：根据当前算力使用情况以及cpu、gpu的运行频率确定是否需要提高或降低cpu、gpu的运行频率。
[0181]
进一步地，请参见图7，图7是本技术实施例提供的一种基于边缘计算的数据处理装置的结构示意图。该基于边缘计算的数据处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如该基于边缘计算的数据处理装置为一个应用软件；该基于边缘计算的数据处理装置可以用于执行图3所示的方法。如图7所示，该基于边缘计算的数据处理装置1可以包括：已用算力获取模块11、对象预测模块12、期望算力确定模块13以及频率确定模块14。
[0182]
已用算力获取模块11，用于获取目标应用针对边缘计算节点的已占用算力资源信息；已占用算力资源信息为在运行目标应用时，所占用的边缘计算节点的算力资源信息；
[0183]
对象预测模块12，用于预测目标时间段内针对目标应用的新增业务对象、下线业务对象以及场景切换业务对象；
[0184]
期望算力确定模块13，用于根据新增业务对象、下线业务对象以及场景切换业务对象确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息；
[0185]
频率确定模块14，用于获取边缘计算节点的当前运行频率；
[0186]
频率确定模块14，还用于根据当前运行频率对应的最大算力资源信息、已占用算力资源信息以及期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率；目标运行频率对应的最大算力资源信息满足期望需求算力资源信息。
[0187]
其中，已用算力获取模块11、对象预测模块12、期望算力确定模块13以及频率确定模块14的具体实现方式，可以参见上述图3所对应实施例中步骤s101
‑
步骤s103的描述，这里将不再进行赘述。
[0188]
在一个实施例中，频率确定模块14可以包括：空闲算力确定单元141、运行状态确定单元142以及目标频率确定单元143。
[0189]
空闲算力确定单元141，用于根据当前运行频率对应的最大算力资源信息与已占
用算力资源信息确定边缘计算节点的当前空闲算力资源信息；
[0190]
运行状态确定单元142，用于根据当前空闲算力资源信息确定边缘计算节点的运行状态；
[0191]
目标频率确定单元143，用于若边缘计算节点的运行状态为满载运行状态，则根据已占用算力资源信息与期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率；
[0192]
目标频率确定单元143，还用于若边缘计算节点的运行状态为未满载运行状态，且期望需求算力资源信息大于已占用算力资源信息，则根据当前空闲算力资源信息、已占用算力资源信息以及期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率。
[0193]
其中，空闲算力确定单元141、运行状态确定单元142以及目标频率确定单元143的具体实现方式，可以参见上述图3所对应实施例中步骤s103的描述，这里将不再进行赘述。
[0194]
在一个实施例中，运行状态确定单元142可以包括：匹配子单元1421以及状态确定子单元1422。
[0195]
匹配子单元1421，用于将当前空闲算力资源信息与空闲资源阈值进行匹配；
[0196]
状态确定子单元1422，用于若当前空闲算力资源信息大于空闲资源阈值，则将边缘计算节点的运行状态确定为未满载运行状态；
[0197]
状态确定子单元1422，还用于若当前空闲算力资源信息小于空闲资源阈值，则将边缘计算节点的运行状态确定为满载运行状态。
[0198]
其中，匹配子单元1421以及状态确定子单元1422的具体实现方式，可以参见上述图3所对应实施例中步骤s103的描述，这里将不再进行赘述。
[0199]
在一个实施例中，目标频率确定单元143可以包括：算力比较子单元1431、频率获取子单元1432以及第一频率调整子单元1433。
[0200]
算力比较子单元1431，用于若边缘计算节点的运行状态为满载运行状态，则将期望需求算力资源信息与已占用算力资源信息进行比较；
[0201]
频率获取子单元1432，用于若期望需求算力资源信息大于已占用算力资源信息，则获取映射表；映射表中包括n个映射关系；一个映射关系包括一个配置运行频率与一个配置最大算力资源信息之间的对应关系；
[0202]
频率获取子单元1432，还用于在映射表中，将大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率，确定为目标运行频率；
[0203]
第一频率调整子单元1433，用于将边缘计算节点的运行频率从当前运行频率，调整至目标运行频率。
[0204]
其中，算力比较子单元1431、频率获取子单元1432以及第一频率调整子单元1433的具体实现方式，可以参见上述图3所对应实施例中步骤s103的描述，这里将不再进行赘述。
[0205]
在一个实施例中，目标频率确定单元143还可以包括：第一频率确定子单元1434。
[0206]
第一频率确定子单元1434，用于若期望需求算力资源信息小于已占用算力资源信息，则将当前运行频率确定为目标运行频率。
[0207]
在一个实施例中，目标频率确定单元143可以包括：差值确定子单元1435、差值比
较子单元1436以及第二频率调整子单元1437。
[0208]
差值确定子单元1435，用于若边缘计算节点的运行状态为未满载运行状态，且期望需求算力资源信息大于已占用算力资源信息，则确定期望需求算力资源信息与已占用算力资源信息之间的资源差值绝对值；
[0209]
差值比较子单元1436，用于若当前空闲算力资源信息小于资源差值绝对值，则获取映射表；映射表中包括n个映射关系；一个映射关系包括一个配置运行频率与一个配置最大算力资源信息之间的对应关系；
[0210]
差值比较子单元1436，还用于在映射表中，将大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行频率，确定为目标运行频率；
[0211]
第二频率调整子单元1437，用于将边缘计算节点的运行频率从当前运行频率，调整至目标运行频率。
[0212]
其中，差值确定子单元1435、差值比较子单元1436以及第二频率调整子单元1437的具体实现方式，可以参见上述图3所对应实施例中步骤s103的描述，这里将不再进行赘述。
[0213]
在一个实施例中，目标频率确定单元143还可以包括：第二频率确定子单元1438。
[0214]
第二频率确定子单元1438，还用于若当前空闲算力资源信息大于资源差值绝对值，则将当前运行频率确定为目标运行频率。
[0215]
在一个实施例中，该频率确定模块14还可以包括：表获取单元144以及消耗获取单元145。
[0216]
表获取单元144，用于若边缘计算节点的运行状态为未满载运行状态，且期望需求算力资源信息小于已占用算力资源信息，则获取映射表；映射表中包括n个映射关系；一个映射关系包括一个配置运行频率、一个配置最大算力资源信息与一个配置运行消耗之间的对应关系；
[0217]
消耗获取单元145，用于将映射表中当前运行频率所对应的配置运行消耗确定为待比较配置运行消耗；
[0218]
消耗获取单元145，还用于根据待比较配置运行消耗确定边缘计算节点在目标时间段内的目标运行频率。
[0219]
其中，表获取单元144以及消耗获取单元145的具体实现方式，可以参见上述图3所对应实施例中步骤s103的描述，这里将不再进行赘述。
[0220]
在一个实施例中，消耗获取单元145，还具体用于在映射表中，将大于期望需求算力资源信息的配置最大算力资源信息所对应的配置运行消耗，确定为目标运行消耗；
[0221]
消耗获取单元145，还具体用于将目标运行消耗与待比较配置运行消耗进行比较；
[0222]
消耗获取单元145，还具体用于若目标运行消耗小于待比较配置运行消耗，则将目标运行消耗对应的配置运行频率确定为目标运行频率，将边缘计算节点的运行频率从当前运行频率调整至目标运行频率；
[0223]
消耗获取单元145，还具体用于若目标运行消耗大于配置运行消耗，则将当前运行频率确定为目标运行频率。
[0224]
在一个实施例中，已用算力获取模块11可以包括：运行信息获取单元111以及已用资源统计单元112。
[0225]
运行信息获取单元111，用于获取目标应用的n个当前运行信息；一个当前运行信息包括一个在线业务对象所在的应用活动场景，以及在应用活动场景中的业务对象占用资源信息；
[0226]
已用资源统计单元112，用于获取每个当前运行信息对应的业务对象占用资源信息，得到n个业务对象占用资源信息；
[0227]
已用资源统计单元112，还用于将n个业务对象占用资源信息的总和，确定为目标应用针对边缘计算节点的已占用算力资源信息。
[0228]
其中，运行信息获取单元111以及已用资源统计单元112的具体实现方式，可以参见上述图3所对应实施例中步骤s101的描述，这里将不再进行赘述。
[0229]
在一个实施例中，n个当前运行信息包括的应用活动场景的数量为一个或多个；一个或多个应用活动场景包括应用活动场景m
i
；i为正整数；
[0230]
期望算力确定模块13可以包括：对象算力统计单元131、平均算力确定单元132以及期望算力确定单元133。
[0231]
对象算力统计单元131，用于将n个在线业务对象中，所在应用活动场景为应用活动场景m
i
的在线业务对象确定为待统计业务对象；
[0232]
对象算力统计单元131，还用于统计待统计业务对象在应用活动场景m
i
中的业务对象总占用资源信息；
[0233]
平均算力确定单元132，用于获取待统计业务对象对应的对象数量，根据业务对象总占用资源信息与对象数量，确定应用活动场景m
i
对应的平均算力需求信息；
[0234]
期望算力确定单元133，用于当确定出一个或多个应用活动场景分别对应的平均算力需求信息时，根据一个或多个应用活动场景分别对应的平均算力需求信息、新增业务对象、下线业务对象以及场景切换业务对象确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
[0235]
其中，对象算力统计单元131、平均算力确定单元132以及期望算力确定单元133的具体实现方式，可以参见上述图3所对应实施例中步骤s102的描述，这里将不再进行赘述。
[0236]
在一个实施例中，期望算力确定单元133，还具体用于获取新增业务对象对应的新增数量、下线业务对象对应的下线数量、场景切换对象对应的切换数量；
[0237]
期望算力确定单元133，还具体用于预测新增业务对象所对应的初始登录场景；一个或多个应用活动场景包括初始登录场景；
[0238]
期望算力确定单元133，还具体用于将下线业务对象在发生下线行为时所处的应用活动场景，确定为下线应用活动场景；
[0239]
期望算力确定单元133，还具体用于将场景切换对象在进行场景切换前所处的应用活动场景，确定为初始应用活动场景，将场景切换对象在进行场景切换后所处的应用活动场景，确定为目标应用活动场景；
[0240]
期望算力确定单元133，还具体用于根据初始登录场景、下线应用活动场景、初始应用活动场景、目标应用活动场景分别对应的平均算力需求信息，以及切换数量、下线数量、新增数量，确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
[0241]
在一个实施例中，期望算力确定单元133，还具体用于根据新增数量与初始登录场
景对应的平均算力需求信息，确定新增业务对象对应的第一变化算力资源信息；
[0242]
期望算力确定单元133，还具体用于根据下线数量与在线应用活动场景对应的平均算力需求信息，确定下线业务对象对应的第二变化算力资源信息；
[0243]
期望算力确定单元133，还具体用于根据初始应用活动场景对应的平均算力需求信息、目标应用活动场景对应的平均算力需求信息以及切换数量，确定场景切换对象对应的第三变化算力资源信息；
[0244]
期望算力确定单元133，还具体用于根据第一变化算力资源信息、第二变化算力资源信息、第三变化算力资源信息以及边缘计算节点的已占用算力资源信息，确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。
[0245]
在本技术实施例中，由于影响边缘计算节点的算力资源变化的主要因素为对象的在线、下线、上线等因素，则本技术可以对目标时间段内，针对目标应用的新增业务对象、下线业务对象以及场景切换对象进行预测，随后可以根据新增业务对象、下线业务对象以及场景切换业务对象确定出目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息。由此，可以根据目标时间段的期望需求算力资源信息、边缘计算节点的已占用算力资源信息、边缘计算节点的当前运行频率所对应的最大算力资源信息，来确定在目标时间段内是否要对当前运行频率进行升高、降低或保持不变(即确定目标时间段内的目标运行频率)。因为边缘计算节点的最大算力资源信息，是与边缘计算节点的运行频率相对应的(如运行频率越大，最大算力资源信息也越大)，同时，运行频率与边缘计算节点的运行消耗(即功耗)也是存在对应关系的，那么通过对边缘计算节点的运行频率进行及时调整(升高、降低或保持不变)，可以使得目标时间段内的目标运行频率所对应的最大算力资源信息，能够满足于期望需求算力资源信息，由此可以减少边缘计算节点所提供的算力资源与实际需求的算力资源不匹配的问题(如可以减少边缘计算节点提供的算力资源过大，但实际所需的算力资源很小的问题)，使得目标时间段内，边缘计算节点所提供的算力资源与需求的算力资源相匹配，由此也可以使得边缘计算节点的运行消耗不会过大，减少运行成本。即本技术可以通过调整边缘节点的运行频率，来使得边缘计算节点所提供的算力资源不会远大于期望需求算力资源信息(即减少运行成本)，也不会远小于期望需求算力资源信息导致需求得不到满足，由此可以动态平衡算力需求与运行成本。即，本技术可以满足算力需求的同时，降低边缘计算节点的运行成本。
[0246]
进一步地，请参见图8，图8是本技术实施例提供的一种计算机设备的结构示意图。如图8所示，上述图7所对应实施例中的装置1可以应用于上述计算机设备1000，上述计算机设备1000可以包括：处理器1001，网络接口1004和存储器1005，此外，上述计算机设备1000还包括：对象接口1003，和至少一个通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。其中，对象接口1003可以包括显示屏(display)、键盘(keyboard)，可选对象接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi
‑
fi接口)。存储器1005可以是高速ram存储器，也可以是非不稳定的存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图8所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、对象接口模块以及设备控制应用程序。
[0247]
在图8所示的计算机设备1000中，网络接口1004可提供网络通讯功能；而对象接口
1003主要用于为对象提供输入的接口；而处理器1001可以用于调用存储器1005中存储的设备控制应用程序，以实现：
[0248]
获取目标应用针对边缘计算节点的已占用算力资源信息；已占用算力资源信息为在运行目标应用时，所占用的边缘计算节点的算力资源信息；
[0249]
预测目标时间段内针对目标应用的新增业务对象、下线业务对象以及场景切换业务对象，根据新增业务对象、下线业务对象以及场景切换业务对象确定目标应用在目标时间段内，针对边缘计算节点的期望需求算力资源信息；
[0250]
获取边缘计算节点的当前运行频率，根据当前运行频率对应的最大算力资源信息、已占用算力资源信息以及期望需求算力资源信息，确定边缘计算节点在目标时间段内的目标运行频率；目标运行频率对应的最大算力资源信息满足期望需求算力资源信息。
[0251]
应当理解，本技术实施例中所描述的计算机设备1000可执行前文图3到图5所对应实施例中对该基于边缘计算的数据处理方法的描述，也可执行前文图7所对应实施例中对该基于边缘计算的数据处理装置1的描述，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。
[0252]
此外，这里需要指出的是：本技术实施例还提供了一种计算机可读存储介质，且上述计算机可读存储介质中存储有前文提及的数据处理的计算机设备1000所执行的计算机程序，且上述计算机程序包括程序指令，当上述处理器执行上述程序指令时，能够执行前文图3到图5所对应实施例中对上述数据处理方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本技术方法实施例的描述。
[0253]
上述计算机可读存储介质可以是前述任一实施例提供的基于边缘计算的数据处理装置或者上述计算机设备的内部存储单元，例如计算机设备的硬盘或内存。该计算机可读存储介质也可以是该计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，该计算机可读存储介质还可以既包括该计算机设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该计算机设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
[0254]
本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本技术实施例中一方面提供的方法。
[0255]
本技术实施例的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、装置、产品或设备固有的其他步骤单元。
[0256]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件
和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0257]
本技术实施例提供的方法及相关装置是参照本技术实施例提供的方法流程图和/或结构示意图来描述的，具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或结构示意一个方框或多个方框中指定的功能的步骤。
[0258]
以上所揭露的仅为本技术较佳实施例而已，当然不能以此来限定本技术之权利范围，因此依本技术权利要求所作的等同变化，仍属本技术所涵盖的范围。