一种云服务器服务调度方法及装置与流程

1.本技术涉及云服务器管理技术领域，为一种云服务器管理技术，具体涉及一种云服务器服务调度方法及装置。


背景技术：

2.移动云计算（mobile cloud computing, mcc）由于其自身拥有强大的移动数据采集计算和信息存储技术，在近些年被广泛认为是当前解决移动终端设备数据资源严重占用受限制等问题的一项重要关键性基础技术。mcc的一个服务核心思想就是将存在智能手机移动终端设备上的高密集型的任务进行卸载后放到新的云计算服务器上进行任务执行,以有效解决自身计算资源有限的服务问题。然而在面对海量服务请求和高服务质量需求的请求时，mcc呈现出了一些方面的不足。由于智能移动设备距离云服务器的物理通信距离较长，使得服务请求的传输成本和时延增加。此外，海量的请求到达中心化的云服务器会使得核心网络的负载激增，导致网络出现拥塞。因此，现有的mcc不能适用海量设备的任务请求以及诸如无人驾驶等低延时性要求的服务。
3.在mec中，为了提升自身的计算能力，智能移动设备会将工作负载卸载到边缘服务器中进行处理。近些年来，移动边缘计算卸载（mobile edge computing offloading, meco）被视为了处理其问题的有效方案。通过将复杂任务卸载到处理能力更强、效用更高的边缘服务器，可以使智能移动设备高效的完成任务处理。虽然mec可以减轻智能移动设备在处理复杂任务时的负担，但在任务卸载过程中会消耗边缘服务器中额外的计算资源和额外的无线带宽资源。


技术实现要素：

4.为了解决以上的技术问题，本技术提供一种云服务器服务调度方法及装置，能够实现对于云服务器在进行数据上传、处理以及下载中的效率低下问题。
5.为了达到上述目的，本技术实施例采用的技术方案如下：第一方面，提供一种云服务器服务调度方法，所述方法应用于云服务系统，所述云服务系统与终端进行通信，所述云服务系统包括多个边缘云和中心云，所述终端与所述边缘云通信，多个所述边缘云与所述中心云通信，多个所述边缘云包括多个本地边缘云和多个异地边缘云，所述本地边缘云用于将终端发起的应用调度至所述异地边缘云或所述中心云，并将所述异地边缘云或所述中心云处理结果发送至所述终端；所述方法包括：对所述终端发起的应用进行soot转换并构建所述应用的加权调用图，所述加权调用图用于表征所述应用中多个微服务之间的关系；获取所述微服务至多个所述本地边缘云的距离，多个所述本地边缘云的能耗数据，以及多个所述本地边缘云部署微服务的平均时间请求到达数量，并基于所述距离以及所述到达数量获取多个所述本地边缘云部署微服务的多个处理成本，比较多个所述处理成本中最小为最优边缘云；获取所述最优边缘云与多个所述异地边缘云、中心云的多个时间代价，比较多个所述时间代价中最小为目标云节点，并将所述目标云
节点所对应的云、与最优边缘云的通信路径作为所述微服务的数据通路，将多个所述微服务所对应的数据通路作为调度通路。
6.进一步的，对所述终端发起的应用进行soot转换并构建所述应用的加权调用图，包括：对所述应用中的多个类中的内容进行转换得到多个类表示，并基于所述类表示的传输关系得到图模型；并对多个所述类表示进行赋值得到关于每一类表示的权重，并基于所述权重对所述图模型加权处理得到所述加权调用图。
7.进一步的，处理成本基于下式表示：；其中为所述本地边缘云的能耗数据，为所述本地边缘云部署微服务的平均时间请求到达数量，为所述微服务至多个所述本地边缘云的距离。
8.进一步的，所述本地边缘云的能耗数据基于下式进行确定：，其中v表示指数参数且v≥1，(1
−
α)表示空闲本地边缘云的标准能耗且，其中表示调度函数，由下式进行表示：；为优化函数基于下式进行表示：，其中表示在 t时刻队列积压基于下式表示：；其中，i表示第i个微服务，j表示第j个本地边缘云。
9.进一步的，所述本地边缘云部署微服务的平均时间请求到达数量基于下式进行确定：，其中t为时间序列的单位时间数，j表示本地边缘云；表示微服务种类i与本地边缘云的关系，基于下式进行表示：。
10.进一步的，所述时间代价包括传输时间代价、处理时间代价和反馈时间代价。
11.进一步的，所述最优边缘云与多个所述异地边缘云的时间代价基于下式进行表示：，其中te表示异地边缘云，为输入数据，为相对异地边缘云的数据传输率；所述最优边缘云与所述中心云的时间代价基于下式进行表示：，其中表示中心云，为输入数据，为相对中心云的数据传输率。
12.进一步的，多个所述异地边缘云的处理时间代价基于下式进行确定：，其中表示计算工作量，表示异地边缘云的计算能力；中心云的处理时间代价基于下式进行确定：，其中表示中心云的计算能力。
13.进一步的，所述异地边缘云的反馈时间代价基于下式进行确定：，其
中表示传输数据量，为相对异地边缘云的数据传输率；所述中心云的反馈时间代价基于下式进行确定：，其中为相对中心云的数据传输率。
14.第二方面，提供一种云服务器服务调度装置，所述装置应用于云服务系统，所述云服务系统与终端进行通信，所述云服务系统包括多个边缘云和中心云，所述终端与所述边缘云通信，多个所述边缘云与所述中心云通信，多个所述边缘云包括多个本地边缘云和多个异地边缘云，所述本地边缘云用于将终端发起的应用调度至所述异地边缘云或所述中心云，并将所述异地边缘云或所述中心云处理结果发送至所述终端；所述装置包括：拆分模块，用于对所述终端发起的应用进行soot转换并构建所述应用的加权调用图，所述加权调用图用于表征所述应用中多个微服务之间的关系；最优边缘云确定模块，用于获取所述微服务至多个所述本地边缘云的距离，多个所述本地边缘云的能耗数据，以及多个所述本地边缘云部署微服务的平均时间请求到达数量，并基于所述距离以及所述到达数量获取多个所述本地边缘云部署微服务的多个处理成本，比较多个所述处理成本中最小为最优边缘云；最终调度模块，获取所述最优边缘云与多个所述异地边缘云、中心云的多个时间代价，比较多个所述时间代价中最小为目标云节点，并将所述目标云节点所对应的云、与最优边缘云的通信路径作为所述微服务的数据通路，将多个所述微服务所对应的数据通路作为调度通路。
15.第三方面，提供一种终端设备，包括存储器、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实现上述任一项所述的方法。
16.第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求上述任一项所述的方法。
17.本技术实施例提供的技术方案中，通过对服务器系统中多个本地边缘云进行筛选得到最优本地边缘云作为本地服务器，并通过对综合时间成本的计算得到最优时间成本所对应的最优异地边缘云或者中心云，通过最终确定的最优异地边缘云或者中心云以及本地边缘云构成调度通路实现对于服务的整体调度。
附图说明
18.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中示例数字在附图的各个视图中代表相似的机构。
20.图1是本技术实施例提供的云服务器服务调度方法流程图；图2是本技术实施例提供的云服务器服务调度装置结构图；图3是本技术实施例提供的云服务器调度设备结构示意图。
具体实施方式
21.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
22.在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本技术。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本技术的方面。
23.本技术中使用流程图说明根据本技术的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
24.对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。
25.（1）响应于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。
26.（2）基于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。
27.本技术实施例提供的云服务器服务调度方法以及装置应用于服务器系统中，其中服务器系统与终端进行通信，终端发送服务或者应用至服务器系统进行数据的处理。本技术实施例所应用的服务器系统包括本地边缘云、异地边缘云和中心云，其中本地边缘云用于将终端发起的应用调度至所述异地边缘云或所述中心云，并将所述异地边缘云或所述中心云处理结果发送至所述终端。
28.移动边缘计算（mobile edge computing, mec)的基础概念。作为一种新的范式，mec已被越来越多地用来适应这些需求。mec的核心思想是将计算资源移动到网络的逻辑边缘，从而使移动用户能够通过wifi或者蜂窝网络访问到平台。这为边缘用户提供了快速且强大的计算、能效、存储容量、移动性、位置和上下文感知支持。现如今，这样的边缘服务供应场景不再只是个设想，而是成为了现实。
29.在mec中智能移动设备通过wifi或者蜂窝网络将任务卸载到附近的接入节点，之后接入节点将相对应的任务调度到合适的mec服务器上进行处理，并在处理完成后将处理结果返回给智能移动设备。其中，如何更安全高效的将用户任务卸载和将任务调度到合适的mec服务器成为了时下mec的研究热点。就安全性而言，信任度在所有的商业云环境中都扮演着重要的角色，信任管理是mec商业方面不可或缺的一部分。在mec中，提供同种类型的服务提供商会将其服务部署在不同的边缘服务器上供用户选择。通常而言，智能移动设备用户往往选择服务质量（quality of service, qos）较高的服务。一个不诚实的服务提供商可能会提供虚假的qos值来吸取更多的服务请求从而获得更高的收入。因此，设计出一个
具有信任保证的调度算法显得十分必要。就高效性而言，在mec中，智能移动设备将任务卸载到接入节点，之后接入节点再根据需求调度到相应的边缘服务器上。这其中就可能会发生任务卸载和任务调度不协调的情况。通常情况下，wifi的传输速率更高，相应的开销更小。因此，如果wifi可用的情况下，智能移动设备更青睐于通过wifi来卸载任务。然而由于用户信道特点和移动性，持续与wifi连接是不可行的。因此，为了最大限度地提高系统的卸载效用以尽量多的使用wifi，一些任务负载会积压在队列中。然而在任务调度中，由于一些任务积压在了卸载队列中，使得mec服务器的计算资源冗余，从而造成资源浪费。
30.在mec中，为了提升自身的计算能力，智能移动设备会将工作负载卸载到边缘服务器中进行处理。近些年来，移动边缘计算卸载（mobile edge computing offloading, meco）被视为了处理其问题的有效方案。通过将复杂任务卸载到处理能力更强、效用更高的边缘服务器，可以使智能移动设备高效的完成任务处理。虽然mec可以减轻智能移动设备在处理复杂任务时的负担，但在任务卸载过程中会消耗边缘服务器中额外的计算资源和额外的无线带宽资源。针对这些资源消耗问题，现有研究从最小化能耗、最小化时延和能耗时延权衡等方面进行了优化。
31.因此，为了平衡应用服务的计算程序在不同位置执行带来的不同影响，必须使用合理的应用服务调度策略，来确定服务是在本地服务器上执行还是在移动或者远程服务器上执行。在过去边缘计算服务调度的研究中，往往采用的是一种粗粒度的服务调度方法，这种粗粒度的调度以整个移动应用程序为调度对象，不会根据它的功能将应用进行划分，而是直接将整个应用服务调度到目标服务器，这种方法通常不考虑整个应用程序的传输延迟和传输消耗。但是随着分布式程序架构的不断发展，当前的应用和服务不再只局限于单体架构，也不局限的运行在单一服务器上，而是将一个应用程序解耦成多个微服务与数据依赖，划分后的微服务在执行时只需要更少的计算复杂度和传输的数据量，也可以同时执行在不同的服务器上，可以很好的缓解单一服务器的计算压力，这种架构的出现也为应用服务的调度提供了一种细粒度调度的新思路。可以将部分或全部微服务调度到多个移动服务器或远程服务器进行处理，节省了计算时间和传输时间，提高计算服务器集群的资源利用率。
32.目前在基于微服务架构的应用划分研究中，大多数都是考虑在云计算环境中的，微服务在划分到不同分区时，由于都在云中心内部进行执行，和边缘计算中的调度相比，往往忽略了各个微服务之间在执行时的数据传输和通信的时间损耗。而目前基于边缘计算的研究中，大多数还是以粗粒度的调度为主，在调度的目标选择上，往往只考虑了云中心和本地边缘设备之间，粗粒度的调度方法也不适用于引入了大量轻量级计算节点的新型边缘计算场景，比如无人机辅助边缘计算场景。本文针对边缘计算的实际情况，基于微服务架构，研究如何通过合理的应用划分算法以及调度策略，来降低服务的时间开销，提升服务的效率。
33.针对于以上的背景信息，本技术实施例提供一种云服务器服务调度方法，具体包括以下方法：步骤s110.对所述终端发起的应用进行soot转换并构建所述应用的加权调用图。
34.在本技术实施例中，针对于服务的调度首先对终端发起的应用进行分类，并根据分类结果构建加权调用图，其中加权调用图用于表征所述应用中多个微服务之间的关系。
35.而针对于获取加权调用图的过程主要是通过分区的方式进行实现，具体的处理郭成伟对所述应用中的多个类中的内容进行转换得到多个类表示，并基于所述类表示的传输关系得到图模型，并对多个所述类表示进行赋值得到关于每一类表示的权重，并基于所述权重对所述图模型加权处理得到所述加权调用图。
36.步骤s120.获取所述微服务至多个所述本地边缘云的距离，多个所述本地边缘云的能耗数据，以及多个所述本地边缘云部署微服务的平均时间请求到达数量，并基于所述距离以及所述到达数量获取多个所述本地边缘云部署微服务的多个处理成本，比较多个所述处理成本中最小为最优边缘云。
37.针对于本步骤主要对本地边缘云进行筛选，筛选出对于服务进行处理的最优本地边缘云。
38.其中，针对于处理成本基于下式进行确定：；其中为所述本地边缘云的能耗数据，为所述本地边缘云部署微服务的平均时间请求到达数量，为所述微服务至多个所述本地边缘云的距离。
39.具体的，针对于本地边缘云的能耗数据基于下式进行确定：，其中v表示指数参数且v≥1，(1
−
α)表示空闲本地边缘云的标准能耗且，其中表示调度函数，由下式进行表示：；为优化函数基于下式进行表示：
40.，其中表示在 t时刻队列积压基于下式表示：；其中，i表示第i个微服务，j表示第j个本地边缘云。
41.具体的针对于本地边缘云部署微服务的平均时间请求到达数量基于下式进行确定：，其中t为时间序列的单位时间数，j表示本地边缘云；表示微服务种类i与本地边缘云的关系，基于下式进行表示：。
42.步骤s130.获取所述最优边缘云与多个所述异地边缘云、中心云的多个时间代价，比较多个所述时间代价中最小为目标云节点，并将所述目标云节点所对应的云、与最优边缘云的通信路径作为所述微服务的数据通路，将多个所述微服务所对应的数据通路作为调
度通路。
43.针对于步骤s120中获取到最优的本地边缘云后，对于后续的边缘处理通过异地边缘云或者中心云进行，而如何在多个异地边缘云以及中心云中获取最优的处理单元则通过异地边缘云和中心云的时间代价进行比较。其中在本技术实施例中，时间代价包括传输时间代价、处理时间代价和反馈时间代价。
44.在处理过程中为最优本地边缘云向异地边缘云或中心云的进行数据传输的传输时间代价，异地边缘云或中心云的处理时间代价，异地边缘云或中心云向最优本地边缘云进行数据传输的传输时间代价。
45.而针对于以上时间代价的具体获取基于以下公式进行确定：针对于最优边缘云与多个所述异地边缘云的时间代价基于下式进行表示：，其中te表示异地边缘云，为输入数据，为相对异地边缘云的数据传输率。
46.针对于最优边缘云与所述中心云的时间代价基于下式进行表示：，其中表示中心云，为输入数据，为相对中心云的数据传输率。
47.针对于所述异地边缘云的处理时间代价基于下式进行确定：，其中表示计算工作量，表示异地边缘云的计算能力。
48.针对于中心云的处理时间代价基于下式进行确定：，其中表示中心云的计算能力。
49.针对于异地边缘云的反馈时间代价基于下式进行确定：，其中表示传输数据量，为相对异地边缘云的数据传输率。
50.针对于中心云的反馈时间代价基于下式进行确定：，其中为相对中心云的数据传输率。
51.通过以上时间代价中的最小代价为最优边缘云单元，通过时间作为判断维度降低了评价的难度，提高了评价的效率。
52.参阅图2，提供一种云服务器服务调度装置200，其中装置包括：拆分模块210，用于对所述终端发起的应用进行soot转换并构建所述应用的加权调用图，所述加权调用图用于表征所述应用中多个微服务之间的关系；最优边缘云确定模块220，用于获取所述微服务至多个所述本地边缘云的距离，多个所述本地边缘云的能耗数据，以及多个所述本地边缘云部署微服务的平均时间请求到达数量，并基于所述距离以及所述到达数量获取多个所述本地边缘云部署微服务的多个处理成本，比较多个所述处理成本中最小为最优边缘云；最终调度模块230，获取所述最优边缘云与多个所述异地边缘云、中心云的多个时间代价，比较多个所述时间代价中最小为目标云节点，并将所述目标云节点所对应的云、与最优边缘云的通信路径作为所述微服务的数据通路，将多个所述微服务所对应的数据通路作为调度通路。
53.参阅图3，还可以将上述方法集成于提供的云服务器服务调度设备300中，针对于
设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器301和存储器302，存储器302中可以存储有一个或一个以上存储应用程序或数据。其中，存储器302可以是短暂存储或持久存储。存储在存储器302的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括云服务器服务调度设备中的一系列计算机可执行指令。更进一步地，处理器301可以设置为与存储器302通信，云服务器服务调度设备上执行存储器302中的一系列计算机可执行指令。云服务器服务调度设备还可以包括一个或一个以上电源303，一个或一个以上有线或无线网络接口304，一个或一个以上输入/输出接口305，一个或一个以上键盘306等。
54.在一个具体的实施例中，云服务器服务调度设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对云服务器服务调度设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：对所述终端发起的应用进行soot转换并构建所述应用的加权调用图；获取所述微服务至多个所述本地边缘云的距离，多个所述本地边缘云的能耗数据，以及多个所述本地边缘云部署微服务的平均时间请求到达数量，并基于所述距离以及所述到达数量获取多个所述本地边缘云部署微服务的多个处理成本，比较多个所述处理成本中最小为最优边缘云；获取所述最优边缘云与多个所述异地边缘云、中心云的多个时间代价，比较多个所述时间代价中最小为目标云节点，并将所述目标云节点所对应的云、与最优边缘云的通信路径作为所述微服务的数据通路，将多个所述微服务所对应的数据通路作为调度通路。
55.下面对处理器的各个构成部件进行具体的介绍：其中，在本实施例中，处理器是特定集成电路（application specific integrated circuit，asic），或者是被配置成实施本技术实施例的一个或多个集成电路，例如：一个或多个微处理器（digital signal processor，dsp），或，一个或者多个现场可编程门阵列（field programmable gate array，fpga）。
56.可选地，处理器可以通过运行或执行存储在存储器内的软件程序，以及调用存储在存储器内的数据，执行各种功能，例如执行上述图1所示的方法。
57.在具体的实现中，作为一种实施例，处理器可以包括一个或多个微处理器。
58.其中，所述存储器用于存储执行本技术方案的软件程序，并由处理器来控制执行，具体实现方式可以参考上述方法实施例，此处不再赘述。
59.可选地，存储器可以是只读存储器（read-only memory，rom）或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器（random access memory，ram）或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器（electrically erasable programmable read-only memory，eeprom）、只读光盘（compact disc read-only memory，cd-rom）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以和处理器集成在一起，也可以独立存在，并通过处理器的接口电路与
处理单元进行耦合，本技术实施例对此不作具体限定。
60.需要说明的是，在本实施例中示出的处理器的结构并不构成对该装置的限定，实际的装置可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
61.此外，处理器的技术效果可以参考上述方法实施例所述的方法的技术效果，此处不再赘述。
62.应理解，在本技术实施例中的处理器可以是其他通用处理器、数字信号处理器（digital signal processor，dsp）、专用集成电路（application specific integrated circuit，asic）、现成可编程门阵列（field programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
63.还应理解，本技术实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器（read-only memory，rom）、可编程只读存储器（programmable rom，prom）、可擦除可编程只读存储器（erasable prom，eprom）、电可擦除可编程只读存储器（electrically eprom，eeprom）或闪存。易失性存储器可以是随机存取存储器（random access memory，ram），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器（random access memory，ram）可用，例如静态随机存取存储器（static ram，sram）、动态随机存取存储器（dram）、同步动态随机存取存储器（synchronous dram，sdram）、双倍数据速率同步动态随机存取存储器（double data rate sdram，ddr sdram）、增强型同步动态随机存取存储器（enhanced sdram，esdram）、同步连接动态随机存取存储器（synchlink dram，sldram）和直接内存总线随机存取存储器（direct rambus ram，dr ram）。
64.上述实施例，可以全部或部分地通过软件、硬件（如电路）、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，dvd）、或者半导体介质。半导体介质可以是固态硬盘。
65.本技术中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b,或c中的至少一项（个），可以表示：a, b, c, a-b, a-c, b-c, 或a-b-c，其中a,b,c可以是单个，也可以是多个。
66.应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施
过程构成任何限定。
67.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
68.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
69.在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
70.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
71.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
72.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（read-only memory，rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。
73.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种云服务器服务调度方法，其特征在于，所述方法应用于云服务系统，所述云服务系统与终端进行通信，所述云服务系统包括多个边缘云和中心云，所述终端与所述边缘云通信，多个所述边缘云与所述中心云通信，多个所述边缘云包括多个本地边缘云和多个异地边缘云，所述本地边缘云用于将终端发起的应用调度至所述异地边缘云或所述中心云，并将所述异地边缘云或所述中心云处理结果发送至所述终端；所述方法包括：对所述终端发起的应用进行soot转换并构建所述应用的加权调用图，所述加权调用图用于表征所述应用中多个微服务之间的关系；获取所述微服务至多个所述本地边缘云的距离，多个所述本地边缘云的能耗数据，以及多个所述本地边缘云部署微服务的平均时间请求到达数量，并基于所述距离以及所述到达数量获取多个所述本地边缘云部署微服务的多个处理成本，比较多个所述处理成本中最小为最优边缘云；获取所述最优边缘云与多个所述异地边缘云、中心云的多个时间代价，比较多个所述时间代价中最小为目标云节点，并将所述目标云节点所对应的云、与最优边缘云的通信路径作为所述微服务的数据通路，将多个所述微服务所对应的数据通路作为调度通路。2.根据权利要求1所述的云服务器服务调度方法，其特征在于，对所述终端发起的应用进行soot转换并构建所述应用的加权调用图，包括：对所述应用中的多个类中的内容进行转换得到多个类表示，并基于所述类表示的传输关系得到图模型；并对多个所述类表示进行赋值得到关于每一类表示的权重，并基于所述权重对所述图模型加权处理得到所述加权调用图。3.根据权利要求1所述的云服务器服务调度方法，其特征在于，所述处理成本基于下式表示：；其中为所述本地边缘云的能耗数据，为所述本地边缘云部署微服务的平均时间请求到达数量，为所述微服务至多个所述本地边缘云的距离。4.根据权利要求3所述的云服务器服务调度方法，其特征在于，所述本地边缘云的能耗数据基于下式进行确定：，其中v表示指数参数且v≥1，(1
−
α)表示空闲本地边缘云的标准能耗且，其中表示调度函数，由下式进行表示：；为优化函数基于下式进行表示：，其中表示在 t时刻队列积压基于下式表示：；其中，i表示第i个微服务，j表示第j个本地边缘云。
5.根据权利要求3所述的云服务器服务调度方法，其特征在于，所述本地边缘云部署微服务的平均时间请求到达数量基于下式进行确定：，其中t为时间序列的单位时间数，j表示本地边缘云；表示微服务种类i与本地边缘云的关系，基于下式进行表示：。6.根据权利要求1所述的云服务器服务调度方法，其特征在于，所述时间代价包括传输时间代价、处理时间代价和反馈时间代价。7.根据权利要求6所述的云服务器服务调度方法，其特征在于，所述最优边缘云与多个所述异地边缘云的时间代价基于下式进行表示：，其中te表示异地边缘云，为输入数据，为相对异地边缘云的数据传输率；所述最优边缘云与所述中心云的时间代价基于下式进行表示：，其中表示中心云，为输入数据，为相对中心云的数据传输率。8.根据权利要求6所述的云服务器服务调度方法，其特征在于，多个所述异地边缘云的处理时间代价基于下式进行确定：，其中表示计算工作量，表示异地边缘云的计算能力；中心云的处理时间代价基于下式进行确定：，其中表示中心云的计算能力。9.根据权利要求6所述的云服务器服务调度方法，其特征在于，所述异地边缘云的反馈时间代价基于下式进行确定：，其中表示传输数据量，为相对异地边缘云的数据传输率；所述中心云的反馈时间代价基于下式进行确定：，其中为相对中心云的数据传输率。10.一种云服务器服务调度装置，其特征在于，所述装置应用于云服务系统，所述云服务系统与终端进行通信，所述云服务系统包括多个边缘云和中心云，所述终端与所述边缘云通信，多个所述边缘云与所述中心云通信，多个所述边缘云包括多个本地边缘云和多个异地边缘云，所述本地边缘云用于将终端发起的应用调度至所述异地边缘云或所述中心云，并将所述异地边缘云或所述中心云处理结果发送至所述终端；所述装置包括：拆分模块，用于对所述终端发起的应用进行soot转换并构建所述应用的加权调用图，所述加权调用图用于表征所述应用中多个微服务之间的关系；最优边缘云确定模块，用于获取所述微服务至多个所述本地边缘云的距离，多个所述本地边缘云的能耗数据，以及多个所述本地边缘云部署微服务的平均时间请求到达数量，并基于所述距离以及所述到达数量获取多个所述本地边缘云部署微服务的多个处理成本，
比较多个所述处理成本中最小为最优边缘云；最终调度模块，获取所述最优边缘云与多个所述异地边缘云、中心云的多个时间代价，比较多个所述时间代价中最小为目标云节点，并将所述目标云节点所对应的云、与最优边缘云的通信路径作为所述微服务的数据通路，将多个所述微服务所对应的数据通路作为调度通路。

技术总结
本申请涉及云服务器管理技术领域，为一种云服务器管理技术，具体涉及一种云服务器服务调度方法及装置；方法包括：对终端发起的应用进行soot转换并构建所述应用的加权调用图；获取微服务至多个本地边缘云的距离，多个本地边缘云的能耗数据，以及多个本地边缘云部署微服务的平均时间请求到达数量，并基于距离以及到达数量获取多个本地边缘云部署微服务的多个处理成本，比较多个处理成本中最小为最优边缘云；获取最优边缘云与多个异地边缘云、中心云的多个时间代价，比较多个时间代价中最小为目标云节点，并将目标云节点所对应的云、与最优边缘云的通信路径作为服务的数据通路，将多个微服务所对应的数据通路作为调度通路。微服务所对应的数据通路作为调度通路。微服务所对应的数据通路作为调度通路。


技术研发人员：刘明辉 高立勇
受保护的技术使用者：山东智拓大数据有限公司
技术研发日：2023.08.25
技术公布日：2023/10/11