[发明专利]面向雾计算的成本效率优化的动态自适应任务调度方法

说明书

本发明涉及雾计算技术领域，具体涉及一种面向雾计算的成本效率优化的动态自适应任务调度方法，包括：根据预估的任务需求资源、时间要求计算节点的延迟以及吞吐量，并根据节点的延迟以及吞吐量获得QoS违反率R_qos；根据QoS违反率R_qos的值，将系统QoS状态划分不可用状态、可容忍状态和不易察觉状态；不可用状态下采用最大化QoS策略，可容忍状态采用最大化单位成本策略，不易察觉状态下采用成本最低策略；根据具体任务调度策略请求雾节点，通过使用FFD算法为任务分配合适的雾节点；本发明能够更精确地衡量系统实际运行的成本，通过该调度策略框架，实现雾计算平台在保障系统QoS的前提下自适应准确降低成本。

技术领域

本发明涉及雾计算技术领域，具体涉及一种面向雾计算的成本效率优化的动态自适应任务调度方法。

背景技术

随着信息系统的日益复杂化、数据的急剧增加和网络的飞速发展，人们对计算、存储的需求越来越高，传统的计算存储模式已经不能满足用户的需求。作为回应，云计算的“随用随付”模式使人们能够以相对较低的价格访问所需的各种资源。渐渐成为人们存储、管理数据的一种主流方式。然而传统云计算需要将数据发送至集中的云数据中心进行处理和存储，这对于当今车联网等移动物联网来说是不可接受的，同时，传输数据带来的高时延也使得云计算不适用于时延敏感的场景。

为了克服了这一限制，人们提出了雾计算模式，通过在云服务层和用户层之间引入中间雾层，其作用是在雾节点处理时延敏感的任务请求或者将数据传输至云层进行计算和存储，从而将云服务扩展到网络边缘，以减少延迟和网络拥塞。

作为一个新兴的研究热点，雾计算自提出以来，人们就对其进行了广泛的研究，研究的重点主要集中在雾计算体系架构和任务资源选择调度策略两方面。从总体来说，雾计算体系架构分为云-雾-终端的三层架构和雾-终端的两级架构，在任务资源选择调度上，则考虑的是如何安排和放置任务从而将收益最大化。

为了保证良好的用户体验，现阶段服务提供商通常都会维持最大化QoS的资源调度策略,在造成不必要的资源浪费的同时还存在着用户QoS和成本无法平衡的问题，因此，研究面向雾计算的成本模型和QoS状态感知的资源调度方法具有重要意义。

发明内容

为了在于保障用户QoS的前提下准确减少运行成本，本发明提出一种面向雾计算的成本效率优化的动态自适应任务调度方法，包括：

S1、根据预估的任务需求资源、时间要求计算节点的延迟以及吞吐量，并根据节点的延迟以及吞吐量获得QoS违反率R_qos；

S2、根据QoS违反率R_qos的值，将系统QoS状态划分不可用状态、可容忍状态和不易察觉状态；

S3、不可用状态下采用最大化QoS策略，可容忍状态采用最大化单位成本策略，不易察觉状态下采用成本最低策略；

S4、根据具体任务调度策略请求雾节点，通过使用FFD算法为任务分配合适的雾节点。

进一步的，QoS违反率R_qos表示为：

其中，v_k为参数k的冲突次数，s_k为参数k的成功次数，t_k代表总次数。

进一步的，步骤S3具体包括：

其中，F_g是策略函数；C_total为不易察觉状态采用的调度策略；QoS_total为不可用状态采用的调度策略；QpC为可容忍状态采用的调度策略。

进一步的，不易察觉状态采用的调度策略C_total表示为：