一种边缘协同计算的服务器计算资源分配方法及系统与流程

本发明涉及边缘计算场景下的资源分配，具体涉及一种边缘协同计算的服务器计算资源分配方法及系统。

背景技术：

1、边缘服务器是一种分布式计算的架构，用于执行边缘协同计算任务，这些服务器通常位于网络边缘，靠近数据产生源和终端用户，旨在通过网络边缘部署计算资源，在靠近数据生成的地方处理和分析数据，从而减少数据传输延迟，可以为数据中心提供更低的延迟和更高的实时性。

2、现有技术在对边缘服务器进行资源分配时，往往采用静态分配的策略，即预先将计算资源分配给边缘节点，但是由于边缘服务器所处的环境、服务器的任务需求以及服务器的状态等均在实时变化，所以静态分配的策略难以应对不断变化的动态需求，故会导致资源利用率不高，降低系统的整体效率，无法发挥出边缘协同计算的优势。

技术实现思路

1、为了解决静态分配策略难以应对边缘服务器不断变化的动态需求，会导致边缘服务器的资源利用率不高，降低系统的整体效率，无法发挥边缘协同计算的优势的技术问题，本发明的目的在于提供一种边缘协同计算的服务器计算资源分配方法及系统，所采用的技术方案具体如下：

2、获取每个边缘服务器在预设历史时段的每个周期中的温度时序数据、湿度时序数据；

3、在每个周期中，根据每个边缘服务器的温度时序数据中温度值的变化情况，以及预设温度阈值与温度值之间的差值，得到每个边缘服务器的温度影响特征值；根据每个边缘服务器的温度时序数据与湿度时序数据的变化同步性，以及每个边缘服务器的温度影响特征值，得到每个边缘服务器的资源分配置信度；

4、在每个周期中，基于每个边缘服务器的cpu使用率、内存使用量的占比情况、每条数据的响应时间，以及处理数据量，确定每个边缘服务器的负载冗余量；综合分析所有边缘服务器之间的处理数据量以及处理数据总时长的变化情况，得到每个边缘服务器的重要性参数；

5、在每个周期中，基于每个边缘服务器的资源分配置信度、负载冗余量、重要性参数以及处理数据量，确定每个边缘服务器的分配容错率；在预设历史时段的所有周期中，根据所有边缘服务器的分配容错率，对当前周期中的每个边缘服务器进行动态资源分配。

6、进一步地，所述温度影响特征值的获取方法包括：

7、对于任意一个边缘服务器，在每个周期中，将预设温度阈值与该边缘服务器的温度时序数据中每个时刻的温度值之间的差值，作为温度差异因子，将所有时刻对应的温度差异因子的均值作为第一温度因子；

8、计算所有时刻的温度值的均值，作为温度均值，将所述预设温度阈值与温度均值之间的差值作为第二温度因子；

9、将所述第一温度因子与第二温度因子进行融合，得到该边缘服务器在每个周期中的温度影响特征值，所述第一温度因子与第二温度因子均与所述温度影响特征值呈负相关。

10、进一步地，所述资源分配置信度的获取方法包括：

11、在每个周期中，基于每个边缘服务器的温度时序数据与湿度时序数据的数据值之间的相关情况，确定每个边缘服务器的环境影响因子；

12、根据每个边缘服务器的环境影响因子以及温度影响特征值，得到每个边缘服务器在每个周期中的资源分配置信度，所述环境影响因子以及温度影响特征值均与所述资源分配置信度呈负相关。

13、进一步地，所述基于每个边缘服务器的温度时序数据与湿度时序数据的数据值之间的相关情况，确定每个边缘服务器的环境影响因子，包括：

14、计算所述温度时序数据与湿度时序数据中数据值的皮尔逊相关系数，并将所述皮尔逊相关系数进行数值调整后的值，作为所述环境影响因子。

15、进一步地，所述负载冗余量的获取方法包括：

16、在每个周期中，对于任意一个边缘服务器，将该边缘服务器的内存使用量与内存总容量的比值作为内存使用量占比；

17、将该边缘服务器处理所有数据时的cpu使用率的均值作为平均使用率；将该边缘服务器所有数据的响应时间的均值作为响应均值，将所述响应均值与处理数据量的比值作为该边缘服务器的负载因子；

18、基于该边缘服务器的内存使用量占比、平均使用率以及负载因子，确定该边缘服务器在每个周期中的负载冗余量，且所述内存使用量占比、平均使用率以及负载因子均与所述负载冗余量呈正相关。

19、进一步地，所述重要性参数的获取方法包括：

20、在每个周期中，基于每个边缘服务器的处理数据总时长以及处理数据量，确定每个边缘服务器的计算速率；

21、任选一个边缘服务器作为目标服务器，计算目标服务器与其他各个边缘服务器的计算速率之间的差异，作为速率差异因子；将目标服务器的所有速率差异因子的均值作为目标服务器的显著性因子；

22、根据每个边缘服务器的显著性因子以及计算速率，确定每个边缘服务器在每个周期中的重要性参数，其中，显著性因子与计算速率均与所述重要性参数同向变动。

23、进一步地，所述分配容错率的获取方法包括：

24、在每个周期中，基于每个边缘服务器的负载冗余量、重要性参数以及处理数据量，确定每个边缘服务器容错率的惩罚项，且所述负载冗余量、重要性参数以及处理数据量均与所述惩罚项的数值呈正相关；

25、将每个边缘服务器的惩罚项以及资源分配置信度进行融合，得到每个边缘服务器在每个周期中的分配容错率，其中，所述惩罚项的数值以及资源分配置信度均与所述分配容错率同向变动。

26、进一步地，所述在预设历史时段的所有周期中，根据所有边缘服务器的分配容错率，对当前周期中的每个边缘服务器进行动态资源分配，包括：

27、对于任意一个边缘服务器，基于该边缘服务器在预设历史时段中的所有周期中的分配容错率，确定该边缘服务器的资源分配权重值；

28、基于各个边缘服务器的资源分配权重值计算得到每个边缘服务器在当前周期中所需的资源量。

29、进一步地，所述资源分配权重值的获取方法包括：

30、对于任意一个边缘服务器，将该边缘服务器在预设历史时段中的所有周期中的分配容错率的均值作为权重因子；

31、基于该边缘服务器的权重因子在所有边缘服务器的权重因子中的占比，确定该边缘服务器的资源分配权重值。

32、本发明还提出了一种边缘协同计算的服务器计算资源分配系统，所述系统包括：

33、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时可实现任意一项所述方法的步骤。

34、本发明具有如下有益效果：

35、本发明的目的在于对边缘服务器的计算资源实行动态分配，使得资源利用率提高，发挥出边缘协同计算的优势。由于环境因素会对边缘服务器的性能造成较大的影响，尤其是温度以及湿度变化情况，当影响程度较大时，会限制计算资源的分配，因此通过分析边缘服务器的温度时序数据以及湿度时序数据之间的关系以及数据变化特征，确定了边缘服务器的资源分配置信度，用于后续动态调整资源分配策略；进一步地，通过分析边缘服务器的cpu使用率、内存使用量、响应时间以及处理数据量，可以了解服务器的负载情况。基于这些数据，动态调整资源分配，可以确保服务器之间的负载均衡，提高整体系统的性能和稳定性。接着，综合分析了所有边缘服务器的处理数据量以及处理数据的总时长，可以量化边缘服务器在整体系统中的作用，得到重要性参数，保证了后续在进行资源分配时，能够优先考虑重要性较高的边缘服务器，从而提升数据处理效率。最后综合前述多个指标，确定每个边缘服务器的分配容错率，进而对每个边缘服务器进行动态资源分配。本发明综合考虑了多个因素，包括环境因素、边缘服务器的运行状态、负载情况、重要程度等，实现了资源的动态分配，有助于应对不断变化的动态需求，因此可以有效提高资源利用率以及系统的整体效率，更大程度上发挥出边缘协同计算的优势。