边缘计算中基于容器层依赖关系的在线学习型调度方法

摘要

本发明提供一种边缘计算中基于容器层依赖关系的在线学习型调度方法。涉及边缘计算和分布式系统中的资源调度、机器学习的深度强化学习的方法，所采用的技术方案是：首先基于容器层的层面对边缘计算进行建模，考虑边缘计算中用户的任务完成时间，包括用户任务所需容器的下载时间，以及用户任务的运行时间。在此基础上，提出一个基于因式分解的算法，对边缘计算中容器层的依赖关系进行抽取，提取其中的高维和低维的稀疏依赖特征。最后，在基于提取的依赖关系以及任务、节点资源特征的基础上，设计一个基于策略梯度的学习型任务调度算法，并通过真实数据对整个流程进行验证。根据此发明所提供的方法可以对边缘计算中的资源进行更好的规划，减少边缘计算系统中的用户的任务的总体开销，以及边缘计算中容器运行时下载容器镜像文件所需开销。