[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115242803B - 基于瓶颈资源依赖度的云化plc优化部署方法 - Google Patents

基于瓶颈资源依赖度的云化plc优化部署方法 Download PDF

Info

Publication number
CN115242803B
CN115242803B CN202210351915.1A CN202210351915A CN115242803B CN 115242803 B CN115242803 B CN 115242803B CN 202210351915 A CN202210351915 A CN 202210351915A CN 115242803 B CN115242803 B CN 115242803B
Authority
CN
China
Prior art keywords
bottleneck
application
industrial
resource
vplc
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210351915.1A
Other languages
English (en)
Other versions
CN115242803A (zh
Inventor
罗建桢
童至玄
蔡君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Polytechnic Normal University
Original Assignee
Guangdong Polytechnic Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Polytechnic Normal University filed Critical Guangdong Polytechnic Normal University
Priority to CN202210351915.1A priority Critical patent/CN115242803B/zh
Publication of CN115242803A publication Critical patent/CN115242803A/zh
Application granted granted Critical
Publication of CN115242803B publication Critical patent/CN115242803B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/02—Topology update or discovery
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/121—Shortest path evaluation by minimising delays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • H04L47/2408—Traffic characterised by specific attributes, e.g. priority or QoS for supporting different services, e.g. a differentiated services [DiffServ] type of service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • H04L47/2425—Traffic characterised by specific attributes, e.g. priority or QoS for supporting services specification, e.g. SLA
    • H04L47/2433—Allocation of priorities to traffic types
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/70—Admission control; Resource allocation
    • H04L47/80—Actions related to the user profile or the type of traffic
    • H04L47/805—QOS or priority aware
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于瓶颈资源依赖度的云化PLC优化部署方法，包括如下步骤：S1：根据应用的资源需求矩阵，计算所有应用的资源需求总量；S2：当网络资源总量不足时，移除过度依赖瓶颈资源的应用请求；S3：瓶颈资源依赖度排序，确定应用的处理优先度；S4：根据应用的处理优先度顺序，依次逐个部署应用请求；S5：每当确定一个vPLC的部署方案后，各节点为vPLC分配相应的资源，并更新所有节点的剩余资源量。本发明在瓶颈资源的感知与分类的基础上，协调并行工业应用之间的资源竞争，达到优化并发vPLC总体性能的目标。

Description

基于瓶颈资源依赖度的云化PLC优化部署方法
技术领域
本发明属于PLC优化部署技术领域，具体涉及一种基于瓶颈资源依赖度的云化PLC优化部署方法。
背景技术
在工业互联网中，工业应用通过部署在边缘计算服务器上的vPLC(即云化PLC)来监测和控制现场设备的状态和生产过程。由于工业应用使用的工业设备分布在边缘计算的不同域，为了降低与工业设备之间的交互时延，vPLC必须部署在离设备尽可能近的服务器上。为此，我们提出一种基于瓶颈资源依赖度的云化PLC优化部署方法，在瓶颈资源的感知与分类的基础上，协调并行工业应用之间的资源竞争，达到优化并发vPLC总体性能的目标。
发明内容
本发明的目的在于提供一种基于瓶颈资源依赖度的云化PLC优化部署方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于瓶颈资源依赖度的云化PLC优化部署方法，包括如下步骤：
S1：根据应用的资源需求矩阵，计算所有应用的资源需求总量；
S2：当网络资源总量不足时，移除过度依赖瓶颈资源的应用请求；
S3：瓶颈资源依赖度排序，确定应用的处理优先度；
S4：根据应用的处理优先度顺序，依次逐个部署应用请求；
S5：每当确定一个vPLC的部署方案后，各节点为vPLC分配相应的资源，并更新所有节点的剩余资源量。
所述步骤S2中，当网络资源总量不能满足所有vPLC应用需求时，过度依赖瓶颈资源的工业应用vPLC部署请求将被拒绝；先将需要占用瓶颈资源最多的工业应用移除，以保证现有的瓶颈资源可以满足过多的工业应用，统计每个应用的瓶颈资源依赖度，再逐一将依赖度最高的工业应用移除，直到所有工业应用的资源需求总量不超过网络资源总量。
所述步骤S3中，根据瓶颈资源依赖度的大小对工业应用进行排序，先部署瓶颈资源依赖度大的工业应用。
所述步骤S4中，根据应用的处理优先度顺序，依次逐个部署应用请求，最佳部署方法为每个应用选择最佳的MEC节点部署应用的vPLC，并计算vPLC到每个设备的最短路径。
与现有技术相比，本发明的有益效果是：本发明提供的一种基于瓶颈资源依赖度的云化PLC优化部署方法，本发明将磁鼓作为磁环压制胎芯，在磁环成型过程中实现磁环与磁鼓的紧密配合，通过该方案不仅可以避免对磁环内径与磁鼓外径的加工，而且省掉了磁环与磁鼓通过结构胶粘结固定的过程，达到了提高生产效率，降低生产成本的目的。
附图说明
图1为本发明基于MEC的vPLC应用场景的系统模型结构示意图；
图2为本发明的MEC节点连接的结构示意图；
图3为本发明的部署结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供了如图1-3的一种基于瓶颈资源依赖度的云化PLC优化部署方法，包括如下步骤：
S1：根据应用的资源需求矩阵，计算所有应用的资源需求总量；
S2：当网络资源总量不足时，移除过度依赖瓶颈资源的应用请求；
S3：瓶颈资源依赖度排序，确定应用的处理优先度；
S4：根据应用的处理优先度顺序，依次逐个部署应用请求；
S5：每当确定一个vPLC的部署方案后，各节点为vPLC分配相应的资源，并更新所有节点的剩余资源量。
所述步骤S2中，当网络资源总量不能满足所有vPLC应用需求时，过度依赖瓶颈资源的工业应用vPLC部署请求将被拒绝；先将需要占用瓶颈资源最多的工业应用移除，以保证现有的瓶颈资源可以满足过多的工业应用，统计每个应用的瓶颈资源依赖度，再逐一将依赖度最高的工业应用移除，直到所有工业应用的资源需求总量不超过网络资源总量。
所述步骤S3中，根据瓶颈资源依赖度的大小对工业应用进行排序，先部署瓶颈资源依赖度大的工业应用。
所述步骤S4中，根据应用的处理优先度顺序，依次逐个部署应用请求，最佳部署方法为每个应用选择最佳的MEC节点部署应用的vPLC，并计算vPLC到每个设备的最短路径。
1.1、系统模型：
考虑在基于边缘计算的工业生产环境中部署vPLC，以满足工业互联网柔性定制化生产的需求，系统模型如图1所示。边缘计算环境的网络拓扑表示为G＝(M,L)，其中M＝{m1,m2,…},L＝{l1,l2,…}分别表示边缘计算服务器集和链路集，其中mi为第i个MEC，li表示第i个链路。MEC服务器Mi到Mj之间的链路l(Mi,Mj)∈L的带宽容量为bl，链路l(Mi,Mj)的延时表示为
Figure BDA0003580935160000031
每个边缘计算服务器在本地连接了一定数量工业设备。假设一共有N种设备，则设备集合为DT＝{D1，D2，D3，…，DN}，其中/>
Figure BDA0003580935160000032
表示第i种设备类型。第j个边缘计算服务器连接的工业设备集合为/>
Figure BDA0003580935160000033
Figure BDA0003580935160000034
表示第j个边缘计算服务器连接的第i个工业设备，且每个设备都属于DT中某一种类型。边缘服务器上还部署vPLC，用于对工业设备的监控。云化PLC集合表示为V＝{v1,v2,…}，|V|为云化PLC的数量，vi表示第i个云化PLC。
工业边缘计算为大量工业应用提供灵活、廉价的vPLC，满足多样化、定制化工业应用对分布式工业设备资源的柔性生产需求。工业应用是工业互联网中为实现一定生产任务(如汽车制造、生产螺丝钉等)而组合起来的一系列软硬件服务，包含至少一个实现生产过程监测与控制的vPLC和一系列执行生产任务的工业设备。工业应用集合表示为A＝{a1,a2,…}，其中ai表示应用集合中的第i个应用。工业应用ai所需的设备列表记为ai＝{d(i,1),d(i,2),…}，其中d(i,j),表示应用ai的第j个设备。
当收到用户发出生产任务请求时，工业互联网平台为生必须的工业设备，并根据工业生产任务选择合适的vPLC模板，组成一个工业应用。接下来，工业互联网平台在工业边缘计算环境中选择所需要的设备，并选择一个边缘服务器部署vPLC。部署后的vPLC根据生产任务的工艺流程将生产指令转化成机器可以理解的语言，并通过网络传送到对应车间的设备上，设备接收到指令后开始工作，而工业现场数据则通过网络传输到vPLC上。
1.2、问题描述：
为了更好地描述vPLC的部署问题，本文定义了αm(i)、
Figure BDA0003580935160000041
等变量，表示部署过程中的相关资源配置问题。
αm(i)表示第i个vPLC是否部署在MEC节点m上，即：
Figure BDA0003580935160000042
Figure BDA0003580935160000043
表示第i个vPLC是否使用MEC节点m上的第j个设备，即：
Figure BDA0003580935160000051
在规划设备与应用的数据交互的路由路径时，需在网络中选择合适的节点和链路，最小化数据在路径中传输的时延。为此，定义以下变量：
Figure BDA0003580935160000052
表示第i个vPLC与其第j个设备通信的路径是否经过节点m，记第i个vPLC与其第j个设备通信的路径为/>
Figure BDA0003580935160000053
则有：
Figure BDA0003580935160000054
Figure BDA0003580935160000055
表示第i个vPLC与其第j个设备的通信路径是否经过链路l，即
Figure BDA0003580935160000056
工业应用ai的端到端传输时延为：
Figure BDA0003580935160000057
其中d(l)表示链路l的时延。
假设应用ai的容忍时延为tmax(i)，则有
Figure BDA0003580935160000058
vPLC的部署目标为最小化所有vPLC的平均端到端时延，即
Obj:
Figure BDA0003580935160000059
记节点m的资源总量为sm，那么以上目标函数必须满足以下限制条件：
Figure BDA00035809351600000510
当并发工业应用数量较大时，网络中部分节点的资源被耗尽。本文称这类节点为瓶颈节点，而瓶颈节点上的资源称为瓶颈资源。此时，新来的工业应用只能绕开瓶颈节点，选择其他资源充足的节点。然而，工业应用的容忍时延较小，如绕开瓶颈节点就可能导致时延过大而影响工业应用的正常运行。而部分已经获得瓶颈资源的工业应用，可能其容忍时延较大，即使绕开瓶颈节点，最大传输时延也不会超过最大容忍时延。因此，在部署工业应用时，应该解决工业应用之间对瓶颈资源的合理分配，让最需要节点的工业应用优先获得瓶颈资源的使用机会，从而提高网络资源的利用率和工业应用的整体服务质量。
1.3、解决思路：
为了解决工业应用之间对瓶颈资源的合理分配问题，本文通过对vPLC排序，优先最依赖瓶颈资源的vPLC，确保紧急依赖瓶颈节点的vPLC优先获得瓶颈资源。首先，本文通过计算每个vPLC的最佳部署方案，以定位所需的资源。当所有vPLC的部署方案都考虑之后，可以确定网络中的瓶颈资源。接着，评估每个vPLC对瓶颈资源的依赖程度，并根据按照依赖程度从高到低对所有vPLC排序，该排序结果将作为vPLC被处理的顺序。如果网络资源不足以提供所有的vPLC，本文将放弃一些过度依赖瓶颈资源的滥用vPLC。
2、瓶颈资源感知与量化：
主要分析vPLC应用需求资源的分布情况，构建vPLC应用对虚拟资源需求矩阵，并按照供需情况对虚拟资源进行分类，计算虚拟资源的瓶颈系数。首先，计算每个vPLC的最佳部署方案。在不考虑其他vPLC的情况下，为每个vPLC找到一个MEC节点，使得该节点到vPLC所有设备的距离之和最小。
为了计算vPLC的资源需求，本文设计了一种基于Dijkstra算法计算的vPLC部署方法，如算法1所示。该算法先基于Dijskra算法计算两两节点之间的最短距离及路径。再逐一对每个vPLC：计算每个节点到当前vPLC所有设备所在节点的距离之和，并选择距离之和最小的节点作为部署当前vPLC的候选节点。
算法1vPLC单独部署方法：
输入：工业应用集合A，工业边缘计算网络G
输出：αm(i)、
Figure BDA0003580935160000071
初始化αm(i)、
Figure BDA0003580935160000072
为0；
基于Dijskra算法计算两两节点之间的最短距离及路径；
对于集合A中每个应用a:
对网络G中每个节点m:
Figure BDA0003580935160000073
←计算m到a的所有设备所在节点的距离之和；
Figure BDA0003580935160000074
Figure BDA0003580935160000075
对于应用a的每个设备j:
由Dijskra算法得到m*到j所在节点的最短路径p＝{m1,m2,...}，
对p中每个节点m’:
Figure BDA0003580935160000076
对于p中每条l:
Figure BDA0003580935160000077
该方法在部署一个vPLC时，并未考虑其他vPLC的影响，假设网络中所有资源对该vPLC都是可用的。因此，该算法只用于统计vPLC对虚拟资源的需求分布情况，不能用于实际的vPLC部署。
举例1：如图2所示，m1,m2,…为MEC节点，m1具有D1、D2两种类型的设备，A1,A2,A3分别为3个工业应用，A1需要使用3种设备(D1,D2,D3)，……。
如图3所示，根据图2中的算法，部署结果为A1的vPLC部署在m1上，vPLC与D1的数据通信路径为m1->m1，D2的数据通信路径为m1->m1，D3的数据通信路径为m1->m3；……。
其次，计算vPLC应用对虚拟资源的需求。
每个应用进行工作时都需要调用底层的物理设备，由物理设备产生的流量称为虚拟资源，vPLC需要虚拟资源来进行计算，将设备流量与vPLC应用之间的对应关系称为应用的虚拟资源需求矩阵。
资源需求矩阵如下表1所示(以例子为例，给出他的资源需求矩阵)：
表1
Figure BDA0003580935160000081
接着，计算每个节点的节点瓶颈系数。网络中有些节点是必须提供给某些应用使用的，称为关键节点，否则该应用将无法运行。例如，应用a使用了设备D1，而设备D1属于节点m，那么节点m就是应用a的关键节点。节点m的瓶颈系数ρm定义为节点资源作为关键节点被应用所请求使用的资源占该节点总资源的比例。根据vPLC使用的设备所在节点分布情况，可统计各MEC节点必须被请求的资源总数，进而可以计算占节点资源总量的比例。例如，举例1中各节点的瓶颈系数为：
表2：vPLC的关键节点分布情况
Figure BDA0003580935160000082
Figure BDA0003580935160000091
表3：节点瓶颈系数
Figure BDA0003580935160000092
根据节点的瓶颈系数可将节点分为瓶颈节点和非瓶颈节点，如果节点瓶颈系数较大，则其为瓶颈节点，否则为非瓶颈节点。本文并未设定瓶颈节点与非瓶颈节点的瓶颈系数分界值，两者之间没有绝对的界限。但瓶颈系数可以在数值上衡量节点的瓶颈程度。
3、vPLC协同优化部署及路由规划机制：
根据网络中节点的瓶颈系数，首先，分析工业应用对不同等级的瓶颈资源偏好情况，评估它们对瓶颈资源依赖程度和滥用程度。
工业应用ai对瓶颈资源的依赖度定义为：
Figure BDA0003580935160000093
基于瓶颈资源的依赖程度，本文对vPLC应用进行排序，并优先部署处理瓶颈资源依赖程度最高的vPLC应用，以满足它们的资源需求。
移除过度依赖瓶颈资源的应用请求。当网络资源总量不能满足所有vPLC应用需求时，一些过度依赖瓶颈资源的工业应用vPLC部署请求将被拒绝。为了尽可能服务更多的工业应用，本文启发式地先将需要占用瓶颈资源最多的工业应用移除，以保证现有的瓶颈资源可以满足过多的工业应用。统计每个应用的瓶颈资源依赖度，再逐一将依赖度最高的工业应用移除，直到所有工业应用的资源需求总量不超过网络资源总量。
确定工业应用处理优先度。根据瓶颈资源依赖度的大小对工业应用进行排序，先部署瓶颈资源依赖度大的工业应用。
部署工业应用。根据应用的处理优先度顺序，依次逐个部署应用请求。为每个应用选择最佳的MEC节点部署应用的vPLC，并计算vPLC到每个设备的最短路径。
资源分配与更新。当确定vPLC的部署方案之后，根据vPLC的资源需求，各节点为vPLC分配相应的资源，并更新所有节点的剩余资源量。
综上所述，与现有技术相比，本发明在瓶颈资源的感知与分类的基础上，协调并行工业应用之间的资源竞争，达到优化并发vPLC总体性能的目标。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于瓶颈资源依赖度的云化PLC优化部署方法，其特征在于：具体为基于边缘计算的工业生产环境中部署vPLC方法，包括如下步骤：
S1：根据工业应用的资源需求矩阵，计算所有工业应用的资源需求总量，工业应用是工业互联网中为实现一定生产任务而组合起来的一系列软硬件服务，包含至少一个实现生产过程监测与控制的vPLC和一系列执行生产任务的工业设备；工业应用集合表示为
Figure QLYQS_5
，其中/>
Figure QLYQS_2
表示应用集合中的第i个应用，工业应用/>
Figure QLYQS_14
所需的设备列表记为/>
Figure QLYQS_7
，其中/>
Figure QLYQS_9
,表示应用/>
Figure QLYQS_3
的第j个设备；边缘计算环境的网络拓扑表示为/>
Figure QLYQS_15
，其中/>
Figure QLYQS_17
分别表示边缘计算服务器集和链路集，其中/>
Figure QLYQS_21
为第i个MEC，/>
Figure QLYQS_1
表示第i个链路；MEC服务器/>
Figure QLYQS_11
到/>
Figure QLYQS_6
之间的链路/>
Figure QLYQS_16
的带宽容量为/>
Figure QLYQS_20
，链路/>
Figure QLYQS_23
的延时表示为/>
Figure QLYQS_8
每个边缘计算服务器在本地连接了一定数量工业设备；假设一共有N种设备，则设备集合为
Figure QLYQS_12
，其中/>
Figure QLYQS_18
表示第i种设备类型；第j个边缘计算服务器连接的工业设备集合为/>
Figure QLYQS_22
，/>
Figure QLYQS_4
表示第j个边缘计算服务器连接的第i个工业设备，且每个设备都属于/>
Figure QLYQS_10
中某一种类型；边缘服务器上还部署vPLC，用于对工业设备的监控；云化PLC集合表示为/>
Figure QLYQS_13
，|V|为云化PLC的数量，/>
Figure QLYQS_19
表示第i个云化PLC；
S2：当网络资源总量不足时，移除过度依赖瓶颈资源的工业应用请求，当网络资源总量不能满足所有vPLC应用需求时，过度依赖瓶颈资源的工业应用vPLC部署请求将被拒绝；先将需要占用瓶颈资源最多的工业应用移除，以保证现有的瓶颈资源可以满足过多的工业应用，统计每个应用的瓶颈资源依赖度，再逐一将依赖度最高的工业应用移除，直到所有工业应用的资源需求总量不超过网络资源总量；
S3：瓶颈资源依赖度排序，确定工业应用的处理优先度，根据瓶颈资源依赖度的大小对工业应用进行排序，先部署瓶颈资源依赖度大的工业应用；
S4：根据工业应用的处理优先度顺序，依次逐个部署工业应用请求，根据应用的处理优先度顺序，依次逐个部署应用请求，最佳部署方法为每个应用选择最佳的MEC节点部署应用的vPLC，并计算vPLC到每个设备的最短路径；
S5：每当确定一个vPLC的部署方案后，各节点为vPLC分配相应的资源，并更新所有节点的剩余资源量；部署过程中的相关资源配置：
Figure QLYQS_24
表示第i个vPLC是否部署在MEC节点m上，即：
Figure QLYQS_25
,
Figure QLYQS_26
表示第i个vPLC是否使用MEC节点m上的第j个设备，即：
Figure QLYQS_27
,
在规划设备与应用的数据交互的路由路径时，需在网络中选择合适的节点和链路，最小化数据在路径中传输的时延，为此，定义以下变量：
Figure QLYQS_28
表示第i个vPLC与其第j个设备通信的路径是否经过节点m，记第i个vPLC与其第j个设备通信的路径为/>
Figure QLYQS_29
，则有：
Figure QLYQS_30
,
Figure QLYQS_31
表示第i个vPLC与其第j个设备的通信路径是否经过链路l，即
Figure QLYQS_32
,
工业应用
Figure QLYQS_33
的端到端传输时延为：
Figure QLYQS_34
,
其中
Figure QLYQS_35
表示链路l的时延；
假设应用
Figure QLYQS_36
的容忍时延为/>
Figure QLYQS_37
，则有
Figure QLYQS_38
,
vPLC的部署目标为最小化所有vPLC的平均端到端时延，即
Figure QLYQS_39
,
记节点m的资源总量为
Figure QLYQS_40
，那么以上目标函数必须满足以下限制条件：
Figure QLYQS_41
,
当并发工业应用数量较大时，网络中部分节点的资源被耗尽；这类节点为瓶颈节点，而瓶颈节点上的资源称为瓶颈资源；此时，新来的工业应用只能绕开瓶颈节点，选择其他资源充足的节点。
CN202210351915.1A 2022-04-02 2022-04-02 基于瓶颈资源依赖度的云化plc优化部署方法 Active CN115242803B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210351915.1A CN115242803B (zh) 2022-04-02 2022-04-02 基于瓶颈资源依赖度的云化plc优化部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210351915.1A CN115242803B (zh) 2022-04-02 2022-04-02 基于瓶颈资源依赖度的云化plc优化部署方法

Publications (2)

Publication Number Publication Date
CN115242803A CN115242803A (zh) 2022-10-25
CN115242803B true CN115242803B (zh) 2023-06-20

Family

ID=83667816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210351915.1A Active CN115242803B (zh) 2022-04-02 2022-04-02 基于瓶颈资源依赖度的云化plc优化部署方法

Country Status (1)

Country Link
CN (1) CN115242803B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110891093A (zh) * 2019-12-09 2020-03-17 中国科学院计算机网络信息中心 一种时延敏感网络中边缘计算节点选择方法及系统
CN111026387A (zh) * 2019-12-23 2020-04-17 北京东土科技股份有限公司 工业服务器的vplc配置方法、装置及可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110891093A (zh) * 2019-12-09 2020-03-17 中国科学院计算机网络信息中心 一种时延敏感网络中边缘计算节点选择方法及系统
CN111026387A (zh) * 2019-12-23 2020-04-17 北京东土科技股份有限公司 工业服务器的vplc配置方法、装置及可读存储介质

Also Published As

Publication number Publication date
CN115242803A (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
US11275609B2 (en) Job distribution within a grid environment
US10733026B2 (en) Automated workflow selection
US9141432B2 (en) Dynamic pending job queue length for job distribution within a grid environment
CN102724103B (zh) 代理服务器、分层次网络系统及分布式工作负载管理方法
CN108667657B (zh) 一种面向sdn的基于局部特征信息的虚拟网络映射方法
CN112486690A (zh) 一种适用于工业物联网的边缘计算资源分配方法
CN106095582A (zh) 云平台的任务执行方法
CN108270805A (zh) 用于数据处理的资源分配方法及装置
CN115473901A (zh) 一种分布式算力集群智慧调度方法、装置及计算机设备
CN106201681B (zh) Hadoop平台下基于预释放资源列表的任务调度方法
Namyar et al. Solving {Max-Min} Fair Resource Allocations Quickly on Large Graphs
CN115242803B (zh) 基于瓶颈资源依赖度的云化plc优化部署方法
CN111159859A (zh) 一种云容器集群的部署方法及系统
CN110958192B (zh) 一种基于虚拟交换机的虚拟数据中心资源分配系统及方法
WO2021000694A1 (zh) 一种部署业务的方法以及调度装置
CN116684291A (zh) 一种适用通用化平台的服务功能链映射资源智能分配方法
CN115827178A (zh) 边缘计算任务分配方法、装置、计算机设备及相关介质
Zhang et al. Load balancing in edge computing using integer linear programming based genetic algorithm and multilevel control approach
CN117201319B (zh) 一种基于边缘计算的微服务部署方法及系统
CN114385336B (zh) 一种流大数据处理任务的抗干扰调度方法和装置
CN117170870B (zh) 一种面向新能源消纳的数据中心算力的迁移方法及装置
CN113379161A (zh) 路径分配方法及装置、存储介质及电子设备
Patel et al. A new approach for grid load balancing among heterogeneous resources with bandwidth consideration
Yin et al. Cloud workflow scheduling algorithm based on multi-objective particle swarm optimisation
CN118051331A (zh) 资源分配方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant