CN115334079A - 资源协同调度方法、装置、设备、介质及计算机程序产品 - Google Patents

Abstract

本发明提供一种资源协同调度方法、装置、设备、介质及计算机程序产品，该方法包括：获取历史任务的决策元组；执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。本发明考虑了云边端任务调度，对节点的负载能力进行考量，研究网络的负载均衡情况，保证了资源节点的诚实和可信服务。

Description

资源协同调度方法、装置、设备、介质及计算机程序产品

技术领域

本发明涉及区块链技术领域，尤其涉及一种资源协同调度方法、装置、设备、介质及计算机程序产品。

背景技术

现有基于区块链的任务调度系统实时监测节点负载，需要进行任务迁移时，通过外部负载检测系统获取外部负载并确定迁移对象，通过节点路由系统确定迁移路由，再通过节点任务迁移系统完成整个任务的迁移实现任务调度，但没有考虑云边端任务调度，缺少对初始任务调度的研究，没有对节点的负载能力进行考量，也没有研究网络的负载均衡情况，不能保证节点的诚实和可信服务。

发明内容

本发明提供一种资源协同调度方法、装置、设备、存储介质及计算机程序产品，用以解决现有基于区块链的任务调度系统存在的无法保证节点的诚实和可信服务的技术问题。

本发明提供一种资源协同调度方法，包括：

获取历史任务的决策元组；

执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；

根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；

将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。

根据本发明提供的一种资源协同调度方法，所述获取历史任务的决策元组的步骤包括：

获取执行所述历史任务的资源节点的序号，所述历史任务的执行位置，所述资源节点提供的资源量，为所述历史任务分配通信资源的边缘通信节点以及所述边缘通信节点分配的通信带宽；

将所述资源节点的序号、所述执行位置、所述资源量、所述边缘通信节点和所述通信带宽加入目标元组，得到所述历史任务的决策元组。

根据本发明提供的一种资源协同调度方法，所述执行所述历史任务，根据所述决策元组中的资源数据，计算得到用户满意度约束的步骤包括：

执行所述历史任务，根据所述决策元组中的所述资源节点的序号、所述执行位置、所述资源量、所述边缘通信节点和所述通信带宽，计算所述历史任务的执行时间，执行所述历史任务的终端能耗以及发起所述历史任务的终端的资源花费；

获取执行所述历史任务的实际资源数据，根据所述执行时间、所述终端能耗、所述资源花费和所述实际资源数据，计算得到用户满意度约束。

根据本发明提供的一种资源协同调度方法，所述根据所述决策元组中的资源数据，计算得到资源约束的步骤包括：

获取预设带宽阈值、预设花费阈值和预设内存需求约束；

根据所述通信带宽与所述预设带宽阈值的第一对比结果，所述资源花费与所述预设花费阈值的第二对比结果以及所述预设内存需求约束，计算得到资源约束。

根据本发明提供的一种资源协同调度方法，所述根据所述决策元组中的资源数据，计算得到负载约束的步骤包括：

获取所述资源节点的当前已用资源和资源权重，以及所述资源节点运行所述历史任务的容器集合；

根据所述资源权重，计算得到第一加权负载率和第二加权负载率，将所述第一加权负载率和所述第二加权负载率相加得到单节点负载率；

根据所述通信带宽计算得到资源节点负载率；

根据所述单节点负载率和所述资源节点负载率，计算得到负载约束。

根据本发明提供的一种资源协同调度方法，所述将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略的步骤包括：

根据所述资源约束、所述用户满意度约束和所述负载约束，确定待调度资源任务的任务执行节点和待迁移容器；

根据所述任务执行节点和所述待迁移容器，确定所述待调度资源任务对应的资源调度策略。

本发明还提供一种资源协同调度装置，包括：

决策元组获取模块，用于获取历史任务的决策元组；

约束计算模块，用于执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；

模型训练模块，用于根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；

资源调度策略获得模块，用于将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述资源协同调度方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述资源协同调度方法。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述资源协同调度方法。

本发明提供的资源协同调度方法、装置、设备、存储介质及计算机程序产品，通过获取历史任务的包含资源数据的决策元组，在执行历史任务时，根据决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束，进而根据资源约束、用户满意度约束和负载约束，训练得到可以在任务执行时生成资源调度策略的资源协同调度模型，最终通过训练好的资源协同调度模型，得到待调度资源任务的资源调度策略，本发明考虑了云边端任务调度，对节点的负载能力进行考量，研究网络的负载均衡情况，保证了资源节点的诚实和可信服务。

附图说明

为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的资源协同调度方法的流程示意图之一；

图2是本发明提供的资源协同调度方法的流程示意图之二；

图3是本发明提供的资源协同调度装置的结构示意图；

图4是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

下面结合图1-图2描述本发明的资源协同调度方法。

请参照图1，本发明提供一种资源协同调度方法，包括：

步骤S100，获取历史任务的决策元组；

具体地，本实施例公开的资源协同调度方法应用于基于区块链的分布式资源协同调度架构，其中，基于区块链的分布式资源协同调度架构分为三层：物联网资源层、共享资源调度决策层及应用层。物联网终端随机分布，部分终端有需要执行的计算任务，部分终端资源富足对外共享资源，定义终端i的计算任务为三元组Ti(Fi，Di，Ri)，Fi描述执行任务Ti(即本实施例中的历史任务)所需总体CPU循环数，Di代表任务卸载时需传输到其他资源节点的数据量，Ri是任务执行时延、能耗和花销期望。R_i＝(rt_i，re_i，rc_i)，其中，rt_i表示任务执行时延，re_i表示任务执行能耗，rc_i表示任务执行花销期望。定义同类任务具有相同的Ri，终端任务的卸载目的地包括边缘服务器和云服务器，边缘服务器部署在网络边缘的基站或路由器附近，可以近距离为终端提供服务，云服务器较边缘服务器来说地理位置较远。定义K个边缘服务器，J个云服务器。K个边缘服务器对应配置在K个边缘通信节点处，通信节点所拥有的信道带宽为Bi，用户通过正交频分复用信道卸载任务到边缘服务器，保证通信之间不存在干扰。边缘通信节点到云资源的数据传输通过核心骨干网络实现。

物联网终端、边缘服务器、云服务器为资源节点，每个资源节点拥有d类资源，包括CPU能力与内存大小，定义资源节点的服务能力为C_i＝(s_i,m_i)。

任务Ti的调度决策五元组为

其中，num_i代表执行任务Ti的资源节点的序号，取值范围受a_i取值影响。

代表序号为num_i的对应资源节点为任务Ti分配的不同种类资源量，本实施例中d＝2。num_i代表为任务Ti分配通信资源的边缘通信节点，B_i表示边缘通信节点为终端分配的通信带宽。a_i＝{0,1,2}代表任务Ti执行的可选位置，a_i＝0表示物联网终端在本地范围内执行任务，即在本地或以D2D(Device—to—Device Communication)的通信方式卸载任务到其他物联网终端资源节点，此时num_i∈N；a_i＝1表示卸载任务至边缘服务器，此时num_i∈K；a_i＝2表示卸载任务Ti至云服务器，此时num_i∈J。上述调度决策五元组即是本实施例中的决策元组。

步骤S200，执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；

具体地，a_i＝0，num_i＝j，任务在终端j上执行。此时任务发起者为D2D发送端，任务执行者为D2D接收端。假设终端的D2D通信限制距离为

D2D对复用蜂窝小区的下行链路，通过基站分配的正交信号进行通信，j分配的容器资源为C_j＝(s_j,m_j)，则Ti计算时延定义为

其中D_i≤m_i为内存需求约束。若j为Ti发起终端i，Ti被执行时不存在传输时延的花销，故本地任务执行时间

P_i ^d为终端i的计算功率，i能耗为

此时执行任务Ti租用资源的花费pay_i＝0。若j为其他终端资源节点，在本地范围内以D2D模式完成任务执行。终端i与j之间的地理距离为

路径损耗与距离的α(α＞2)次方成反比，链路都会经历独立同分布的锐利衰落，且衰落系数服从均值E[h]＝1的指数分布，则接收端j的功率为P_j＝P_ihdis_ij ^-α，其中P_i为终端i的发送功率。可计算得到终端j收到到小区基站干扰信号的信噪比为

其中I_BD为小区基站对接收端的干扰，σ²为链路加性白噪声。则D2D模式下，ij间传输速率为

其中

为D2D对分配获得的链路带宽。可得到Ti数据传输时间为

以D2D模式完成任务执行的计算时间花销为

其中

为计算时延，

为数据传输时延。任务Ti的总体执行时延为

得到i的能耗为

若终端j的单位资源价格为p_j，则终端i租用资源的花费为pay_i＝p_js_j。

本实施例以资源约束为例，根据决策元组中的资源数据，计算得到资源约束的过程为：若边缘服务器j执行任务集合为W_j，则定义资源约束为

和

步骤S300，根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；

具体地，用户满意度模型中认为资源节点提供令用户满意的服务需要满足任务执行时延约束、尽可能少的资源租赁花销以及尽可能少的终端能耗。基于上述内容认为任务无法完成时满意度为0，任务完成时基于以下模型计算用户满意度。时延、花销、能耗取值越小，用户满意度越高。因此，设计单因素满意度量化函数如下：

其中。x_i为任务Ti的实际执行情况，r_i(r_i∈R_i)为预期完成约束，r_i/x_i的取值在[0,+∞]范围内。当x_i＜r_i时，用户满意任务的执行，此时r_i/x_i＞1，对应S(x_i)取值在(0.5,1]范围内；当t_i＝R_i时，任务恰好在约束点完成，对应S(x_i)＝0.5；当t_i＞R_i时，任务的执行超过预期约束，用户满意度下降，r_i/x_i＜1，对应S(x_i)取值在[0,0.5)范围内。r_i/x_i的取值越小，用户满意度越低。得到用户对任务执行的时间、能耗及花销满意度分别为S(t_i)＝arctan(rt_i/t_i)/π/2，S(t_i)＝arctan(re_i/e_i)/π/2，S(t_i)＝arctan(rc_i/pay_i)/π/2，总体用户满意度定义为

ρ₁，ρ₂，ρ₃是用户满意度倾向指数，其取值范围为[0,1]，满足ρ₁+ρ₂+ρ₃＝1。

本实施例中的任务调度，任务执行的总体用户满意度满足如下约束S(t_i,e_i,pay_i)≥0.5。

通过资源约束、用户满意度约束和负载约束，训练资源协同调度模型。

步骤S400，将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。

将待调度资源任务输入到训练好的资源协同调度模型中，得到待调度资源任务对应的资源调度策略，其中，资源调度策略包括任务执行节点和待迁移容器。

本实施例通过获取历史任务的包含资源数据的决策元组，在执行历史任务时，根据决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束，进而根据资源约束、用户满意度约束和负载约束，训练得到可以在任务执行时生成资源调度策略的资源协同调度模型，最终通过训练好的资源协同调度模型，得到待调度资源任务的资源调度策略，本发明考虑了云边端任务调度，对节点的负载能力进行考量，研究网络的负载均衡情况，保证了资源节点的诚实和可信服务。

在一个实施例中，本申请实施例提供的资源协同调度方法，还可以包括：

步骤S110，获取执行所述历史任务的资源节点的序号，所述历史任务的执行位置，所述资源节点提供的资源量，为所述历史任务分配通信资源的边缘通信节点以及所述边缘通信节点分配的通信带宽；

步骤S120，将所述资源节点的序号、所述执行位置、所述资源量、所述边缘通信节点和所述通信带宽加入目标元组，得到所述历史任务的决策元组。

具体地，本实施例中的资源节点包括物联网终端、边缘服务器和云服务器，历史任务Ti的调度决策五元组被定义为

其中，num_i代表执行任务Ti的资源节点的序号(即本实施例中的执行历史任务的资源节点的序号)，取值范围受a_i取值影响。

代表序号为num_i的对应资源节点为任务Ti分配的不同种类资源量(即本实施例中的资源节点提供的资源量)，本实施例中d＝2。num_i代表为历史任务Ti分配通信资源的边缘通信节点，B_i表示边缘通信节点为终端分配的通信带宽。a_i＝{0,1,2}代表任务Ti执行的可选位置(即本实施例中的历史任务的执行位置，包括本地执行，边缘服务器执行和云服务器执行)，a_i＝0表示物联网终端在本地范围内执行任务，即在本地或以D2D(Device—to—Device Communication)的通信方式卸载任务到其他物联网终端资源节点，此时num_i∈N；a_i＝1表示卸载任务至边缘服务器，此时num_i∈K；a_i＝2表示卸载任务Ti至云服务器，此时num_i∈J。上述资源节点的序号、执行位置、资源量、边缘通信节点和通信带宽组成了历史任务的决策元组。

本实施例通过定义任务的决策元组，充分考虑了云边端任务调度，对节点的负载能力进行考量，研究网络的负载均衡情况，保证了资源节点的诚实和可信服务。

在一个实施例中，本申请实施例提供的资源协同调度方法，还可以包括：

步骤S210，执行所述历史任务，根据所述决策元组中的所述资源节点的序号、所述执行位置、所述资源量、所述边缘通信节点和所述通信带宽，计算所述历史任务的执行时间，执行所述历史任务的终端能耗以及发起所述历史任务的终端的资源花费；

步骤S220，获取执行所述历史任务的实际资源数据，根据所述执行时间、所述终端能耗、所述资源花费和所述实际资源数据，计算得到用户满意度约束。

具体地，用户满意度模型中认为资源节点提供令用户满意的服务需要满足任务执行时延约束、尽可能少的资源租赁花销以及尽可能少的终端能耗。基于上述内容认为任务无法完成时满意度为0，任务完成时基于以下模型计算用户满意度。时延、花销、能耗取值越小，用户满意度越高。因此，设计单因素满意度量化函数如下：

其中，x_i为任务Ti的实际执行情况(即本实施例中的实际资源数据)，r_i(r_i∈R_i)为预期完成约束，r_i/x_i的取值在[0,+∞]范围内。当x_i＜r_i时，用户满意任务的执行，此时r_i/x_i＞1，对应S(x_i)取值在(0.5,1]范围内；当t_i＝R_i时，任务恰好在约束点完成，对应S(x_i)＝0.5；当t_i＞R_i时，任务的执行超过预期约束，用户满意度下降，r_i/x_i＜1，对应S(x_i)取值在[0,0.5)范围内。r_i/x_i的取值越小，用户满意度越低。根据执行时间、终端能耗和资源花费，计算得到用户对任务Ti执行的时间、能耗及花销满意度分别为S(t_i)＝arctan(rt_i/t_i)/π/2，S(t_i)＝arctan(re_i/e_i)/π/2，S(t_i)＝arctan(rc_i/pay_i)/π/2，总体用户满意度定义为

ρ₁，ρ₂，ρ₃是用户满意度倾向指数，其取值范围为[0,1]，满足ρ₁+ρ₂+ρ₃＝1。

本实施例中的任务调度，任务执行的总体用户满意度满足如下约束S(t_i,e_i,pay_i)≥0.5。

本实施例通过执行时间、终端能耗和资源花费，计算得到用户满意度约束，充分考虑了云边端任务调度，对节点的负载能力进行考量，研究网络的负载均衡情况，保证了资源节点的诚实和可信服务。

在一个实施例中，本申请实施例提供的资源协同调度方法，还可以包括：

步骤S230，获取预设带宽阈值、预设花费阈值和预设内存需求约束；

步骤S240，根据所述通信带宽与所述预设带宽阈值的第一对比结果，所述资源花费与所述预设花费阈值的第二对比结果以及所述预设内存需求约束，计算得到资源约束。

具体地，a_i＝0，num_i＝j，任务Ti被卸载至边缘服务器j执行，Ti计算时延为

为j执行任务Ti分配的资源量。边缘无线通信网络中终端i到边缘服务器j的数据率为

节点通过OFDM(OrthogonalFrequency Division Multiplexing，正交频分复用技术)方式通信，节点间不相互影响，但节点通信受D2D模式下的节点对的影响。因此

其中I_DB为D2D通信对基站的影响。P_j＝P_ihdis_ij ^-α为边缘服务器的接收功率，

为边缘服务器j到终端i的距离，

为任务Ti分配的通信带宽。若基站的最大接入范围

则Ti的数据传输时延为

任务Ti的总体执行时延为

终端i的能耗为

j的资源单价为p_j，则终端i租用资源的花销为

若边缘服务器j执行任务集合为W_j，则定义资源约束为

和

本实施例通过决策元组中的资源数据，计算资源约束，考虑了云边端任务调度，保证了资源节点的诚实和可信服务。

请参照图2，在一个实施例中，本申请实施例提供的资源协同调度方法，还可以包括：

步骤S201，获取所述资源节点的当前已用资源和资源权重，以及所述资源节点运行所述历史任务的容器集合；

步骤S202，根据所述资源权重，计算得到第一加权负载率和第二加权负载率，将所述第一加权负载率和所述第二加权负载率相加得到单节点负载率；

步骤S203，根据所述通信带宽计算得到资源节点负载率；

步骤S204，根据所述单节点负载率和所述资源节点负载率，计算得到负载约束。

云、边、端资源节点i的资源为C_i＝(s_i,m_i)，完成资源调度后，单个资源节点的计算资源和内存资源负载率分别为

其中，

为节点当前已使用资源(即本实施例中的当前已用资源)，EC_i为资源节点i运行任务的容器集合，定义资源

在节点i中的资源权重为

节点i中计算资源和内存资源的加权负载率分别为

(即本实施例中的第一加权负载率)，

(即本实施例中的第二加权负载率)，单节点的资源负载率u_i(即本实施例中的单节点负载率)为

总体计算资源节点集合为RS＝H∪K∪J，定义云边端资源节点总体负载率方差为

若通过边缘通信节点i转发至边缘服务器i的任务集合为W_i，转发到云服务器的任务集合为

则i的负载率(即本实施例中的资源节点负载率)

其中，

分别表示为边缘服务器、云服务器执行任务分配的带宽。定义负载约束为

本实施例通过决策元组中的资源数据，计算负载约束，对节点的负载能力进行考量，研究网络的负载均衡情况，保证了资源节点的诚实和可信服务。

在一个实施例中，本申请实施例提供的资源协同调度方法，还可以包括：

步骤S410，根据所述资源约束、所述用户满意度约束和所述负载约束，确定待调度资源任务的任务执行节点和待迁移容器；

步骤S420，根据所述任务执行节点和所述待迁移容器，确定所述待调度资源任务对应的资源调度策略。

具体地，根据边缘通信节点负载率，描述K个边缘通信节点间负载率方差为

决策变量

决定了服务任务Ti的对应资源调度方案，定义全局奖励为全网负载率方差值(即上述负载率方差)的倒数，当负载率方差值越小，全局奖励越大，促进网络负载均衡，马尔科夫决策模型的目标是找到一个策略π_θ(s,a)，假设马尔科夫决策过程从初始状态S₀∈S开始，根据策略π_θ(s,a)执行决策，得到一个发展轨迹，考虑折扣因子λ，得到奖励的期望，即状态动作价值函数为

则最优策略为

通过深度学习训练

的近似最优函数模型，可以获得近似最优策略。

本实施例考虑了云边端任务调度，对节点的负载能力进行考量，研究网络的负载均衡情况，保证了资源节点的诚实和可信服务。

下面对本发明提供的资源协同调度装置进行描述，下文描述的资源协同调度装置与上文描述的资源协同调度方法可相互对应参照。

请参照图3，本发明还提供一种资源协同调度装置，包括：

决策元组获取模块301，用于获取历史任务的决策元组；

约束计算模块302，用于执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；

模型训练模块303，用于根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；

资源调度策略获得模块304，用于将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。

可知地，所述决策元组获取模块，包括：

资源数据获取单元，用于获取执行所述历史任务的资源节点的序号，所述历史任务的执行位置，所述资源节点提供的资源量，为所述历史任务分配通信资源的边缘通信节点以及所述边缘通信节点分配的通信带宽；

决策元组获得单元，用于将所述资源节点的序号、所述执行位置、所述资源量、所述边缘通信节点和所述通信带宽加入目标元组，得到所述历史任务的决策元组。

可知地，所述约束计算模块，包括：

第一计算单元，用于执行所述历史任务，根据所述决策元组中的所述资源节点的序号、所述执行位置、所述资源量、所述边缘通信节点和所述通信带宽，计算所述历史任务的执行时间，执行所述历史任务的终端能耗以及发起所述历史任务的终端的资源花费；

第二计算单元，用于获取执行所述历史任务的实际资源数据，根据所述执行时间、所述终端能耗、所述资源花费和所述实际资源数据，计算得到用户满意度约束。

可知地，所述约束计算模块，还包括：

第一获取单元，用于获取预设带宽阈值、预设花费阈值和预设内存需求约束；

第三计算单元，用于根据所述通信带宽与所述预设带宽阈值的第一对比结果，所述资源花费与所述预设花费阈值的第二对比结果以及所述预设内存需求约束，计算得到资源约束。

可知地，所述约束计算模块，还包括：

第二获取单元，用于获取所述资源节点的当前已用资源和资源权重，以及所述资源节点运行所述历史任务的容器集合；

负载率计算单元，用于根据所述资源权重，计算得到第一加权负载率和第二加权负载率，将所述第一加权负载率和所述第二加权负载率相加得到单节点负载率；

资源节点负载率计算单元，用于根据所述通信带宽计算得到资源节点负载率；

负载约束计算单元，用于根据所述单节点负载率和所述资源节点负载率，计算得到负载约束。

可知地，所述资源调度策略获得模块，包括：

任务执行节点确定单元，用于根据所述资源约束、所述用户满意度约束和所述负载约束，确定待调度资源任务的任务执行节点和待迁移容器；

资源调度策略确定单元，用于根据所述任务执行节点和所述待迁移容器，确定所述待调度资源任务对应的资源调度策略。

图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行资源协同调度方法，该方法包括：获取历史任务的决策元组；执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。

此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的资源协同调度方法，该方法包括：获取历史任务的决策元组；执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的资源协同调度方法，该方法包括：获取历史任务的决策元组；执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种资源协同调度方法，其特征在于，包括：

获取历史任务的决策元组；

执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；

根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；

将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。

2.根据权利要求1所述的资源协同调度方法，其特征在于，所述获取历史任务的决策元组的步骤包括：

获取执行所述历史任务的资源节点的序号，所述历史任务的执行位置，所述资源节点提供的资源量，为所述历史任务分配通信资源的边缘通信节点以及所述边缘通信节点分配的通信带宽；

将所述资源节点的序号、所述执行位置、所述资源量、所述边缘通信节点和所述通信带宽加入目标元组，得到所述历史任务的决策元组。

3.根据权利要求2所述的资源协同调度方法，其特征在于，所述执行所述历史任务，根据所述决策元组中的资源数据，计算得到用户满意度约束的步骤包括：

执行所述历史任务，根据所述决策元组中的所述资源节点的序号、所述执行位置、所述资源量、所述边缘通信节点和所述通信带宽，计算所述历史任务的执行时间，执行所述历史任务的终端能耗以及发起所述历史任务的终端的资源花费；

获取执行所述历史任务的实际资源数据，根据所述执行时间、所述终端能耗、所述资源花费和所述实际资源数据，计算得到用户满意度约束。

4.根据权利要求3所述的资源协同调度方法，其特征在于，所述根据所述决策元组中的资源数据，计算得到资源约束的步骤包括：

获取预设带宽阈值、预设花费阈值和预设内存需求约束；

根据所述通信带宽与所述预设带宽阈值的第一对比结果，所述资源花费与所述预设花费阈值的第二对比结果以及所述预设内存需求约束，计算得到资源约束。

5.根据权利要求2所述的资源协同调度方法，其特征在于，所述根据所述决策元组中的资源数据，计算得到负载约束的步骤包括：

获取所述资源节点的当前已用资源和资源权重，以及所述资源节点运行所述历史任务的容器集合；

根据所述资源权重，计算得到第一加权负载率和第二加权负载率，将所述第一加权负载率和所述第二加权负载率相加得到单节点负载率；

根据所述通信带宽计算得到资源节点负载率；

根据所述单节点负载率和所述资源节点负载率，计算得到负载约束。

6.根据权利要求1所述的资源协同调度方法，其特征在于，所述将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略的步骤包括：

根据所述资源约束、所述用户满意度约束和所述负载约束，确定待调度资源任务的任务执行节点和待迁移容器；

根据所述任务执行节点和所述待迁移容器，确定所述待调度资源任务对应的资源调度策略。

7.一种资源协同调度装置，其特征在于，包括：

决策元组获取模块，用于获取历史任务的决策元组；

约束计算模块，用于执行所述历史任务，根据所述决策元组中的资源数据，计算得到资源约束、用户满意度约束和负载约束；

模型训练模块，用于根据所述资源约束、所述用户满意度约束和所述负载约束，训练资源协同调度模型；

资源调度策略获得模块，用于将待调度资源任务输入训练好的资源协同调度模型，得到资源调度策略。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述资源协同调度方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述资源协同调度方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述资源协同调度方法。

Images