一种边缘计算设备数据协同的方法及装置

1.本发明涉及边缘数据协同领域，具体涉及一种边缘计算设备数据协同的方法及装置。


背景技术：

2.现有技术中，边缘节点由于部署在边缘侧，通常只有数台服务器组成的虚拟化资源池，但是终端的各类设备是通过边缘侧接入边缘平台的，因此通常来说，边缘侧的资源短缺的压力比较大。在很多如医疗、工业、车联网等场景中，许多终端、传感器通过网络接入到边缘平台中,但是目前中央云与各边端交互协同，各个边缘端缺少彼此协同，加之各个边缘端的算力和压力不同，造成了部分边缘端负载过大，其余边缘端处于资源闲置的状态。
3.现在的边缘数据协同技术存在如下缺点：1.边缘计算有组织的进行设备升级改造才能获得更多计算能力或存储空间。2.边缘计算机可能需要比服务器更多的维护，更多的意外事件和物理破坏的可能，无法做到边缘协同，边缘节点是一个独立的个体，没有形成有效的组织协作调度机制。3.边缘设备规格各异，边缘提供的算力和存储各不相同，目前存在着大量的算力分配不均衡的现象，部分边缘端负载过大，边缘设备更易损毁。现有技术中，由于边缘计算的边缘端的资源利用不均衡，过载的算力造成对于边缘端设备的使用寿命损坏的可能，并且不能均衡各个边缘端的负载压力。


技术实现要素：

4.本发明的目的在于：针对上述存在的问题，提供一种边缘计算设备数据协同的方法及装置，在现有云边协作的基础上，增加了边边协作的方法，由边缘之间进行算力分片，协作完成其他边缘的任务，动态实现边缘扩容，避免资源闲置，减少中央云的计算压力。
5.本发明的技术方案如下：
6.本发明一种边缘计算设备数据协同的方法，包括以下步骤：
7.步骤一：边缘端根据终端设备的计算任务请求，评估当前边缘端负载压力是否可以满足当前请求的计算任务；
8.步骤二：若边缘端负载属于正常范围，提供算力完成当前的计算任务；若边缘端算力无法满足当前计算任务，更新周边可用资源表，通过计算卸载分片策略广播询问周边边缘端是否可以提供计算卸载协作；
9.步骤三：若周边边缘端满足计算卸载协作，提供算力；若周边边缘端无法满足计算卸载协作，将计算任务提交到中央云完成。
10.进一步的，若边缘端负载可以提供算力，向周边广播当前边缘端富余算力。
11.进一步的，边缘端检测周边边缘端的运行状态；若周边边缘端状态正常，记录并周期性广播同步；若周边边缘端状态异常，记录并立即广播报告。
12.进一步的，边缘端接收周边的计算卸载任务的请求，如果无法完成计算卸载调度协作任务，立即返回协作请求拒绝；当接收到来自周边的边缘计算卸载任务请求，同步边缘
计算卸载任务资源表。
13.进一步的，中央云进行边缘端的算力检测，汇总边缘端上报的边缘端状态信息，并且记录计算卸载协同调度；分析并评估边缘端的算力负载压力，判断压力过载区域是否需要追加存储/计算资源；核算计算卸载调度记录，报告计算卸载调度的能耗/延迟资源占用等评估报告。
14.进一步的，边缘端之间广播的具体方法：
15.当前边缘端基于当前的基站，向邻近的边缘设备发起广播，寻找物理临近的边缘设备并通过网络隧道建立链接；
16.接受到广播信息的边缘设备端，同时以自己为中心发起广播寻址请求，从而建以自身为中心的广播网络，并将采集到的符合边缘设备的通讯地址返回给原请求；
17.通过定期探活检查，记录周边正常运行的边缘设备，如果边缘设备出现故障通讯终止，广播域内进行轮询检测；当周边设备检测失联超过半数则判定边缘设备为故障点，并同步边缘状态。
18.进一步的，边缘端之间算力协作的具体方法：
19.通过基站网络边缘记录以自己为中心，物理和网络空间相临近的边缘路由，基于边缘通信路由各个边缘的算力同步记录，将可用算力同步更新到算力路由表中；根据可用算力选择边缘端进行协作。
20.进一步的，若边缘端节点接收到无法独立处理的计算任务时，通过算力优算算法进行可以协作的边缘端的算力协同请求，将计算任务分为存储密集型、内存密集型、cpu密集型、gpu密集型，针对各个边缘端节点进行加权赋分，求出综合得分最高的进行算力协同。
21.进一步的，若边缘端接收到的计算任务过于庞大，在计算任务提交时进行计算任务的拆解，分配到多个边缘端节点进行并行计算，最后计算任务由主任务端进行将计算结果的合并；若还无法满足计算任务拆解时，再由边缘端向中央云端提交计算任务请求，由中央云集群完成计算任务。
22.本发明一种边缘计算设备数据协同的装置，包括中央云，以及分别与中央云进行通信的至少两个边缘端，边缘端之间通信；
23.所述中央云，用于算力检测，汇总边缘端上报的边缘端状态信息，并且记录计算卸载协同调度；分析并评估边缘端的算力负载压力，判断压力过载区域是否需要追加存储/计算资源；核算计算卸载调度记录，报告计算卸载调度的能耗/延迟资源占用等评估报告；
24.所述边缘端，用于为其边缘设备端的计算任务提供算力；若算力不足，向周边边缘端或中央云请求提供计算卸载协作；同时检测周边边缘端的运行状态，接收周边的计算卸载任务的请求，根据自身算力判断同意或拒绝协作。
25.综上所述，由于采用了上述技术方案，本发明的有益效果是：
26.1、本发明通过建立边缘端之间计算卸载协同调度，解决了现有边缘计算的边缘端的资源利用不均衡，中央云计算压力大的问题。
27.2、本发明实现了边缘端之间协作通信，边缘端彼此检测更新周边边缘的运行状态，并广播式上报，清楚边缘端的算力情况，进行调度协作，提高边缘端资源的有效利用率。
28.3、本发明的边缘端资源/算力协作，不破坏原有的“云-边-端”的协作机制之上，增加一层边边协作的检测逻辑，可以由边缘进行算力分片，协作完成大部分之前需要中央云
参与的计算任务。
29.4、本发明基于异构的分布式设备扩展，保留原有边缘设备，转移边缘算力，均衡各边缘端的负载压力，避免算力闲置或者负载压力，降低边缘设备更新升级成本。
附图说明
30.本发明将通过例子并参照附图的方式说明，其中：
31.图1是传统场景的边缘架构图。
32.图2是本发明一种边缘计算设备数据协同装置的架构图。
33.图3是本发明一种边缘计算边边协同计算卸载任务流程图。
34.图4是实施例中广播发现的示意图。
35.图5是实施例中算力协同的示意图。
具体实施方式
36.本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
37.本说明书(包括任何附加权利要求、摘要)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
38.下面结合实施例对本发明的特征和性能作进一步的详细描述。
39.如图1所示，传统场景的边缘架构，包括中央云和边缘端，中央云和边缘端分别进行通信，直接进行计算卸载任务：边缘端处理边缘端的计算任务，如果存在边缘端无法处理的计算任务提交中央云处理；各个边缘端仅处理所在边缘端的计算存储任务，相互之间不进行通信。
40.如图2所示，本发明公开一种边缘计算设备数据协同装置，包括中央云和边缘端，中央云位于云端，边缘云端通过以太网接入中央云，传统方案中，各个边缘一般不涉及边缘端的相互交互，本发明在“云-边”协同交互前通过边缘协作实现就近计算卸载。当边缘端无法处理的任务，或者边缘周边边缘同时无法提供协作的计算任务，提交中央云进行任务计算。边缘端之间进行边缘同步检测信息，发起计算任务协作请求。
41.中央云，用于算力检测，汇总边缘端上报的边缘端状态信息，并且记录计算卸载协同调度；分析并评估边缘端的算力负载压力，判断压力过载区域是否需要追加存储/计算资源；核算计算卸载调度记录，报告计算卸载调度的能耗/延迟资源占用等评估报告；
42.所述边缘端，用于为其边缘设备端的计算任务提供算力；若算力不足，向周边边缘端或中央云请求提供计算卸载协作；同时检测周边边缘端的运行状态，接收周边的计算卸载任务的请求，根据自身算力判断同意或拒绝协作。
43.如图3所示，本发明公开一种边缘计算设备数据协同方法，包括：
44.步骤一：边缘端根据终端设备的计算任务请求，评估当前边缘端负载压力是否可以满足当前请求的计算任务；
45.步骤二：若边缘端负载属于正常范围，提供算力完成当前的计算任务；若边缘端算力无法满足当前计算任务，更新周边可用资源表，通过计算卸载分片策略广播询问周边边
缘端是否可以提供计算卸载协作；
46.步骤三：若周边边缘端满足计算卸载协作，提供算力；若周边边缘端无法满足计算卸载协作，将计算任务提交到中央云完成。
47.具体包括以下：
48.边缘端流程(资源紧缺)：
49.s1：终端设备向边缘端发起计算任务请求，临近边缘端接收计算任务并评估；
50.s2：评估当前边缘端负载压力是否可以满足当前请求的计算任务；
51.s3：边缘端资源检测数据过滤，如果边缘端负载属于正常范围，并可以提供算力完成当前的计算任务，调度结束，当前边缘端完成计算任务，并向周边广播当前边缘端富余算力；
52.s4：如果边缘端算力无法满足当前计算任务，更新周边可用资源表，通过计算卸载分片策略广播询问经过过滤以后的临边边缘是否可以提供计算卸载协作；
53.s5：周边边缘端无法满足计算卸载协作，边缘端将计算任务提交到中央云端，中央云端处理完成返回用户设备端。
54.边缘端流程(资源充足)：
55.s10：检测周边的边缘端的运行状态，接收周边的计算卸载任务的请求；
56.s20：接收到来自周边的边缘计算卸载任务请求，同步边缘计算卸载任务资源表；
57.s30：如果需要参与计算卸载任务，当前计算卸载任务如果可以满足，提供算力，并广播同步自身可用算力资源到临边节点；
58.s40：如果无法完成计算卸载调度协作任务，立即返回协作请求拒绝，并广播自身可用算力资源到周边边缘端。
59.边缘端流程(中央云)：
60.s100：算力检测，汇总边缘端上报的边缘端状态信息，并且记录计算卸载协同调度；
61.s200：分析并评估边缘端的算力负载压力，判断压力过载区域是否需要追加存储/计算资源；s300：核算计算卸载调度记录，报告计算卸载调度的能耗/延迟资源占用等评估报告。
62.在实施例中，如图4所示，广播发现包括：
63.a.当前边缘端基于当前的基站，向邻近的边缘设备发起广播，寻找物理临近的边缘设备并通过网络隧道建立链接；
64.b.接受到广播信息的边缘设备端，同时以自己为中心发起广播寻址请求，从而建以自身为中心的广播网络，并将采集到的符合边缘设备的通讯地址返回给源请求；
65.c.通过定期探活检查的策略，记录周边正常运行的边缘设备，如果边缘设备出现故障通讯终止，广播域内进行轮询检测，当周边设备检测失联超过半数则认为边缘设备为故障点，并同步边缘状态。
66.如图5所示，算力协同包括：
67.a.通过基站网络边缘记录以自己为中心，物理和网络空间相临近的边缘路由，基于边缘通信路由各个边缘的算力同步记录，将可用算力同步更新到算力路由表中；
68.b.当前节点接收到无法独立处理的计算任务时，通过算力优算算法进行可以协作
的边缘端的算力协同请求，将计算任务分为存储密集型，内存密集型，cpu密集型，gpu密集型，针对各个边缘节点进行加权赋分，求出综合得分最高的进行算力协同；
69.c.如果边缘接收到的计算任务过于庞大，可以在计算任务提交时进行计算任务的拆解，分配到多个边缘节点进行并行计算，最后计算任务由主任务端进行将计算结果的合并；
70.d.当上述所有的步骤都无法满足计算任务拆解时，再由边缘端向中央云端提交计算任务请求，由算力强大的中央云集群完成计算任务。
71.现有技术中，当边缘端算力过载时，是通过边缘端和中央云直接进行计算卸载任务的，而本方案，在原有的基础上，增加了边缘计算卸载协同的一种可实现方法，可以通过变成实现也可以动态实现边缘扩容；与现有方案相比，本方案提供了很好的设备异构兼容性，实现边缘端的动态负载，边缘计算卸载协同调度，避免资源闲置，减少中央云端的计算压力,在之前各个边缘端相对独立，现在加入了组织协作管理。
72.以上所述实施例仅表达了本技术的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。