[发明专利]一种分层协同决策的网内资源调度方法及系统、存储介质

说明书

一种分层协同决策的网内资源调度方法及系统、存储介质，其中网内资源调度方法包括：获取算力网络内上游网络节点请求的算力需求兴趣包；判断当前网络节点是否满足所述算力需求兴趣包的算力需求，若是则根据部署的功能函数为算力需求兴趣包内的数据提供算力服务，若否则为算力需求兴趣包提供转发服务。本申请技术方案借助全局信息优化细粒度局部调度层的调度决策机制，从而提高了算力网络的全局算力、存储等资源的利用率，实现网内资源的负载均衡；此外，通过粗粒度全局调度层和细粒度局部调度层相结合的方式，提供非端到端的分层协同决策的网内资源调度能力，利于从技术层面实现高效、均衡的网内资源调度功能，也提高算力网络的整体性能。

技术领域

本发明涉及网络信息处理技术领域，具体涉及一种分层协同决策的网内资源调度方法及系统、存储介质。

背景技术

传统的数据处理方式是在核心云中执行具体的任务，然而通过云计算架构中的集中式编排层进行数据处理，该方式的往返时延较长，不能满足各类新型应用(如VR、自动驾驶等)的高实时性要求。凭借着更接近用户的计算、存储等网络资源，边缘计算将内容和服务推送到了离用户更近的位置，有效缓解了云计算架构中时延过高的问题。边缘计算具有低时延、高带宽和邻近用户等优势，边缘计算的发展促进了基础资源层面网络与计算的融合，在云计算、边缘计算的发展趋势下，未来社会中在靠近用户的不同距离将遍布大量不同规模的算力，为用户提供多类型的个性化服务，算力网络(Computing First Network，CFN)因此应运而生。

算力网络要求协同考虑网络和计算融合演进的需求，实现算力的灵活调度，给现有的资源调度机制提出了新的挑战。在算力网络中，算力调度面临着如下几个挑战：1)实时性是目前所有资源调度方法共同面临的挑战，由于现有的资源调度策略大多是集中式的，存在收敛慢且可扩展性差的问题，通过离线训练得到的解决方案无法对环境变化进行实时响应。2)网络和算力的全局优化，由于算力网络中单边缘站点资源有限，多边缘站点间缺乏协同，调度策略需要综合网络和算力状况进行合理地调度，实现算网全局优化和负载均衡。3)大规模调度，目前的调度方式在应对大规模的资源量和任务量时存在严重的局限性，集中式的端到端的调度策略在解决大规模调度问题时存在包括搜索格局过于复杂和局部最优解太多等缺点，如何解决大规模调度问题是调度策略设计的关键。 4)高效的路由寻址，静态预先配置或基于DNS解析的路由寻址方式存在效率低、开销大的问题，不适用于轻量级的计算资源。

发明内容

本发明主要解决的技术问题是如何高效、均衡地对算力网络的网内资源进行调度。为解决上述技术问题，本申请提供一种分层协同决策的网内资源调度方法及系统、存储介质。

根据第一方面，一种实施例中提供一种分层协同决策的网内资源调度方法，其包括：获取算力网络内上游网络节点请求的算力需求兴趣包；所述算力需求兴趣包内包括数据和所需的运算配置参数；判断当前网络节点是否满足所述算力需求兴趣包的算力需求，若是则根据部署的功能函数为所述算力需求兴趣包内的数据提供算力服务，若否则为所述算力需求兴趣包提供转发服务；在所述算力服务中，将运算结果形成第一算力服务响应包，并通过原路径将所述第一算力服务响应包发送至上游网络节点；在所述转发服务中，根据当前网络节点的路由信息表查找所述算力需求兴趣包对应的可选网络接口，以及根据配置的网络接口偏好顺序确定其中一个网络接口作为转发接口，并通过所述转发接口将所述算力需求兴趣包转发至所述算力网络内的下游网络节点。

所述判断当前网络节点是否满足所述算力需求兴趣包的算力需求，包括：判断当前网络节点上部署的功能函数、自身剩余的空闲算力资源和空闲存储资源与所述算力需求兴趣包内的运算配置参数相适配，并且判断相适配的功能函数当前没有执行计算任务或者能够结束执行当前计算任务的情况下，则认定判断结果为是。

所述根据当前网络节点的路由信息表查找所述算力需求兴趣包对应的可选网络接口，包括：检查当前网络节点的路由信息表，并从中找到与所述算力需求兴趣包相适配的功能函数所对应的路由条目；根据所述路由条目选定一个或多个网络接口作为所述算力需求兴趣包对应的可选网络接口。