孫毓聰，豆龍龍，楊勤勝，許杰雄

摘 要：文章針對傳統(tǒng)集中式云數(shù)據(jù)中心的問題，提出了云邊融合的3層網(wǎng)絡(luò)架構(gòu)，以實現(xiàn)海量本地數(shù)據(jù)的即時處理。利用邊緣層的多個分布式邊緣服務(wù)器開展協(xié)同任務(wù)處理，提供并行計算的能力。針對如何在多個服務(wù)器中進行任務(wù)調(diào)度的問題，文章提出了一個基于隊列的任務(wù)調(diào)度框架。

關(guān)鍵詞：云邊融合;協(xié)同任務(wù)處理;任務(wù)調(diào)度

1 數(shù)據(jù)分析和智能化處理

隨著萬物互聯(lián)的發(fā)展及廣泛應(yīng)用，網(wǎng)絡(luò)邊緣的移動設(shè)備及應(yīng)用程序呈爆炸式增長，網(wǎng)絡(luò)流量及服務(wù)數(shù)據(jù)量也隨之迅速增長，數(shù)據(jù)計算密集性應(yīng)用被拓展到移動端，用戶對數(shù)據(jù)處理速率和優(yōu)良的服務(wù)質(zhì)量體驗（Quality of Services，QoS）需求也日益增長。然而，用戶設(shè)備（User Equipment，UE）的能量和計算資源有限，難以在短時間內(nèi)處理、計算大量的任務(wù)。

在物聯(lián)網(wǎng)技術(shù)迅速發(fā)展的背景下，雖然可以利用云計算平臺來存儲數(shù)據(jù)和計算，但在面對海量用戶設(shè)備的連接、爆炸式增長的數(shù)據(jù)流量及用戶對服務(wù)質(zhì)量越來越高的需求，傳統(tǒng)集中式云計算模式存在響應(yīng)時延高、帶寬壓力大、云端負載過重等問題，而邊緣計算在大量數(shù)據(jù)和終端設(shè)備下的低時延、高帶寬的優(yōu)點，表明邊緣計算更適應(yīng)當前邊緣式大數(shù)據(jù)處理時代[1]。邊緣計算模型的興起并不代表云計算模型的沒落，兩者并不是二選一的狀態(tài)，邊緣計算實際上可以看作是對集中式云計算的補充，為用戶提供更好的服務(wù)質(zhì)量。中心云對比邊緣云能存儲更多的數(shù)據(jù)，處理對實時性要求不高的作業(yè)，方便全局查詢對比與分析。邊緣計算模型更適用于實時性強的本地作業(yè)，能更好地實現(xiàn)實時數(shù)據(jù)的分析和智能化處理。兩者是相輔相成、相互結(jié)合的關(guān)系，二者的結(jié)合能更好地提供服務(wù)。

2 云邊融合的邊緣計算網(wǎng)絡(luò)架構(gòu)

對于用戶設(shè)備來說，最適合進行計算任務(wù)卸載的應(yīng)用程序，往往是對計算資源有著急切需求的應(yīng)用程序。同時，該任務(wù)卸載只需要耗費UE的少量能量用于數(shù)據(jù)傳輸，需要傳送大量數(shù)據(jù)的任務(wù)更適合在UE本地進行處理[2]。隨著機器學習、人工智能的發(fā)展，攝像頭獲取到的數(shù)據(jù)經(jīng)過處理可以用于人臉識別、智能監(jiān)控、圖像識別等場景。用戶智能設(shè)備的普及使應(yīng)用程序中使用人臉識別變得常見，例如，刷臉支付、人臉登錄認證、人臉美容等，在UE上進行人臉識別已是一股新潮[3]。

本文提出一種云邊融合的邊緣計算網(wǎng)絡(luò)架構(gòu)，如圖1所示。在傳統(tǒng)云計算架構(gòu)的基礎(chǔ)上，移動邊緣計算（Mobile Edge Computing，MEC）利用靠近邊緣設(shè)備的、具有計算與存儲能力的MEC服務(wù)器，為邊緣設(shè)備提供云服務(wù)，從而能支持實時人臉識別應(yīng)用，降低響應(yīng)時延。UE把計算任務(wù)卸載到單個MEC服務(wù)器上，考慮到面對大量密集性的計算任務(wù)，MEC服務(wù)器的處理能力相對于云服務(wù)器仍有局限。因此，本文提出利用多個地理分布的MEC服務(wù)器共同完成業(yè)務(wù)，綜合考慮各個服務(wù)器的負載情況和傳輸時延，研究出MEC中的地理分布式計算任務(wù)調(diào)度機制（Multi-Server Cloud Edge，MS-CE），將人臉識別作業(yè)中多個計算密集的任務(wù)合理地在各個MEC服務(wù)器中調(diào)度。

3 云邊融合架構(gòu)下的任務(wù)調(diào)度框架

為了達到低延時的目標，需要解決如何在多個MEC服務(wù)器之間進行任務(wù)調(diào)度的問題。由于有向無環(huán)圖（Directed Acyclic Graph，DAG）作業(yè)中的每個子任務(wù)，都需要其前驅(qū)任務(wù)的中間數(shù)據(jù)。每個前驅(qū)任務(wù)可能在不同的服務(wù)器上執(zhí)行，因此，需要考慮前驅(qū)任務(wù)的中間數(shù)據(jù)傳輸?shù)疆斍叭蝿?wù)所在服務(wù)器需要的時延。服務(wù)器上分配到的任務(wù)數(shù)量不同，其負載的情況也不同。為了實現(xiàn)MEC層處理作業(yè)低延時的目標，如何考慮每個服務(wù)器的負載情況，盡量將任務(wù)分配到傳輸時延低且負載較輕的服務(wù)器上，是提出的任務(wù)調(diào)度機制需要考慮的問題。

本文提出了一種基于隊列的任務(wù)調(diào)度框架，其基本思路如圖2所示。該系統(tǒng)是一個集群架構(gòu)，由一個主服務(wù)結(jié)點（master）和多個從服務(wù)結(jié)點（slave）組成，master和slave都為MEC層中分布式的MEC服務(wù)器。接收到來自UE的識別作業(yè)的MEC服務(wù)器作為master，執(zhí)行任務(wù)同時還可進行任務(wù)調(diào)度;其他MEC服務(wù)器作為slave，只負責任務(wù)的執(zhí)行。每個MEC服務(wù)器中，維護一個等待隊列（Task Queue，TQ）和預(yù)備隊列（Standby Queue，SQ），TQ為MEC服務(wù)器正在等待執(zhí)行的任務(wù)隊列，SQ為分配到MEC服務(wù)器的任務(wù)，但其輸入數(shù)據(jù)未傳輸完成的任務(wù)隊列。此外，master還需維護整個作業(yè)的信息，例如各任務(wù)節(jié)點之間的依賴關(guān)系、任務(wù)是否已經(jīng)處理完成。基于該調(diào)度框架，其基本處理流程如下：

（1）UE向附近基站提交DAG作業(yè)及上傳輸入數(shù)據(jù)，MEC服務(wù)器通過基站接收到作業(yè)和數(shù)據(jù)，該服務(wù)器將作為master進行任務(wù)調(diào)度，其他MEC服務(wù)器作為salve。

（2）master根據(jù)每個服務(wù)器中的TQ 排隊情況和數(shù)據(jù)傳輸時延，為當前階段可以執(zhí)行的任務(wù)分配 MEC服務(wù)器。

（3）每個MEC服務(wù)器接收到master分配的任務(wù)后，先查看本地是否有全部輸入數(shù)據(jù)。若沒有數(shù)據(jù)或數(shù)據(jù)缺失，則該任務(wù)先進入SQ等待數(shù)據(jù)的到來;若已有全部輸入數(shù)據(jù)，任務(wù)直接進入TQ等待時間片去執(zhí)行。

（4）MEC服務(wù)器中SQ的任務(wù)的輸入數(shù)據(jù)全部接收到后，任務(wù)從SQ彈出，進入TQ等待執(zhí)行。

（5）MEC服務(wù)器的TQ的隊頭任務(wù)執(zhí)行完后，從隊列中彈出，并告知master該任務(wù)已經(jīng)執(zhí)行完畢。

當master接收到當前階段全部已分配任務(wù)的完成信息后，繼續(xù)執(zhí)行（2—5）步驟的操作，直至整個作業(yè)完成。

4 結(jié)語

本文以降低數(shù)據(jù)處理時延為目標，提出了一種云邊端融合的3層網(wǎng)絡(luò)數(shù)據(jù)處理架構(gòu)，以實現(xiàn)海量本地數(shù)據(jù)的即時處理為出發(fā)點，提出了一種基于隊列的云邊融合的任務(wù)調(diào)度框架，優(yōu)化數(shù)據(jù)處理過程。

作者簡介：孫毓聰（1989— ），男，江蘇南京人，助理工程師，學士;研究方向：數(shù)據(jù)分析，高品質(zhì)用戶體驗，UI設(shè)計開發(fā)。

[參考文獻]

[1]施巍松，張星洲，王一帆，等.邊緣計算：現(xiàn)狀與展望[J].計算機研究與發(fā)展，2019（1）：69-89.

[2]MACH P，BECVAR Z.Mobile edge computing：a survey on architecture and computation off loading[J].IEEE Communications Surveys&Tutorials，2017（3）：1628-1656.

[3]WANG S，ZAFER M，LEUNG K K.Online placement of multi-component applications in edge computing environments[J].IEEE Access，2017（5）：2514-2533.

Research on a task scheduling method based on edge cloud cooperation

Sun Yucong， Dou Longlong， Yang Qinsheng， Xu Jiexiong

（JiangSu Frontier Electric Technology Co.， Ltd.， Nanjing 210000， China）

Abstract：In order to solve the problem of the traditional centralized cloud data center， the three-layer network architecture of the cloud edge is proposed to realize the real-time processing of the massive local data. A plurality of distributed edge servers of the edge layer are utilized for carrying out collaborative task processing， and the capability of parallel computing is provided. In order to solve the task scheduling problem in multiple servers， this paper presents a queue-based task scheduling framework.

Key words：cloud edge fusion; collaborative task processing; task scheduling