[发明专利]一种融合边缘设施的云服务综合调度优化系统及方法

权利要求书

1.一种融合边缘设施的云服务综合调度优化系统，其特征在于，包括终端设备、与所述终端设备连接的边缘服务器以及分别与所述边缘服务器连接的若干个边缘资源设备和云端服务器；

所述终端设备，用于通过提交任务数据至云端服务器触发边缘服务器的调度行为，并分别提取所述任务数据与补充的任务数据的初始特征向量，并融合提取的初始特征向量得到最终的特征向量；

所述边缘服务器，用于根据最终的特征向量对任务进行分类，并利用DAG调度图对不同的任务类别进行子任务拆分处理，将所述子任务下发至边缘资源设备或上传至云端服务器；

所述边缘资源设备，用于对不同的任务类别进行并行化运算；以及用于收集子任务的运行态特征及消耗量，并融合至提取的初始特征向量中，形成新的特征向量，并存储新的特征向量；

所述云端服务器，用于根据新的特征向量对边缘资源设备的资源用量进行Q-table建模，并利用Q-table模型的行为效益完成对云服务综合调度的优化。

2.根据权利要求1所述的融合边缘设施的云服务综合调度优化系统，其特征在于，所述边缘资源设备包括计算资源单元、存储单元以及监控单元；

所述计算资源单元，用于对不同的任务类别进行并行化运算，以及用于收集子任务的运行态特征以及消耗量，并融合至初始特征向量中，形成新的特征向量；

所述存储单元，用于存储新的特征向量；

所述监控单元，用于监控当前边缘资源设备的资源用量。

3.一种融合边缘设施的云服务综合调度优化方法，其特征在于，包括以下步骤：

S1、通过终端设备提交任务数据至云端服务器触发边缘服务器的调度行为；

S2、利用边缘服务器在数据历史库中对所述任务数据进行检索，判断是否存在相同的任务数据，若是，则预先调用对应的历史调度信息作为补充的任务数据，并进入步骤S3，否则，直接进入步骤S3；

S3、由边缘资源设备在边缘服务器上进行注册，并利用边缘服务器对边缘资源设备进行监控；

S4、分别提取所述任务数据与补充的任务数据的初始特征向量，并融合提取的初始特征向量得到最终的特征向量；

S5、利用机器学习算法对所述最终的特征向量进行聚类分析，并根据分析结果得到不同的任务类别；

S6、利用DAG调度图对所述不同的任务类别进行子任务拆分处理，并将子任务按照不同的分配方式运行；

S7、预测子任务的消耗量，并利用边缘服务器对子任务的消耗量进行监控和反馈；

S8、根据子任务的消耗量获取子任务的运行态特征，并将子任务的运行态特征以及消耗量融合至提取的初始特征向量中，形成新的特征向量；

S9、根据所述新的特征向量对边缘资源设备的资源用量进行Q-table建模；

S10、判断Q-table模型的行为效益是否低于预设的阈值，若是，则进入步骤S11，否则，结束流程，完成对云服务综合调度的优化；

S11、重新触发边缘服务器的调度，并利用Q-table模型分配任务类别，更新边缘资源设备的资源用量，判断是否有下一个子任务的拆分，若是，则返回步骤S6，否则，结束流程，完成对云服务综合调度的优化。

4.根据权利要求3所述的融合边缘设施的云服务综合调度优化方法，其特征在于，所述步骤S4中任务数据的初始特征向量的表达式如下：

F_i＝{f₁,f₂,....f_n}

其中，F_i表示任务数据的初始特征向量，f_n表示当前特征向量的第n个特征；

所述最终的特征向量的表达式如下：

其中，F_i^*表示最终的特征向量，F_hi表示补充任务数据的特征向量，embedding(·)表示特征融合，表示当前特征向量的第m个特征。