面向医疗大数据任务低时延需求的路径计算方案

摘要

cqvip:针对云计算应用于医疗大数据处理时存在的通信高负荷及任务处理高时延的问题,提出一种面向低时延任务需求的路径计算方案。该方案首先将医疗大数据任务构建为由多个具有输入输出关系的子任务所组成的有向无环图;然后,设计了一种云雾网络架构,利用医院中的交换机、路由器等网络边缘设备组成雾计算层,在端到端的定向数据传输过程中利用雾节点的计算能力逐步完成医疗大数据任务计算。为将医疗大数据任务部署至医院网络,提出一种基于离散二值粒子群优化(BPSO)算法的任务映射策略,将有向无环图形式的大数据任务映射至医院雾网络拓扑图,为任务数据寻找合适的计算路径,并最小化医疗大数据任务处理时延。仿真结果表明,当数据量取5~10 Mb时,应用路径计算方案的任务处理时延相比云计算可降低50%以上。