1.本发明涉及一种算力资源调度方法、装置及计算机可读存储介质。
背景技术：2.边缘计算的出现改变了传统云和网的相对独立性，使得计算进入网络内部，边缘计算的效率、可信度与网络的带宽、时延、安全性、隔离度等都将发生深度耦合，实现算网一体的高效服务，可以有效补充单节点无法满足的大部分算力需求。现有的使用边缘计算的算力调度方法，存在借助第三方算力有数据泄漏隐患，并且仍然有部分计算任务受到网络带宽以及时延限制的问题。
技术实现要素：3.本发明所要解决的技术问题是针对现有技术的上述不足，提供一种算力资源调度方法、装置及计算机可读存储介质，在保证区域内设备正常运行的前提下对区域内的自有算力进行整合，用以解决现有的使用边缘计算的算力调度方法，存在借助第三方算力有数据泄漏隐患，并且仍然有部分计算任务受到网络带宽以及时延限制的问题。
4.第一方面，本发明提供一种算力资源调度方法，包括：
5.接收预设范围内算力需求方节点发送的业务请求；
6.根据所述业务请求获取对应的业务类型以及所述算力需求方节点的地理位置；
7.根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备；
8.若是，则选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度。
9.优选地，所述超边缘算力注册表中包括预设范围内各个算力提供设备的算力值、算力类型、地理位置以及各个时间段的平均负载。
10.优选地，所述根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备之前，所述方法还包括：
11.获取预设范围内各个算力提供设备上报的算力资源信息以及各个时间段的负载信息；
12.根据所述算力资源信息获取每个所述算力提供设备的算力值、算力类型以及地理位置；
13.根据所述各个时间段的负载信息计算每个所述算力提供设备在各个时间段的平均负载；
14.根据每个所述算力提供设备的算力值、算力类型、地理位置以及各个时间段的平均负载建立所述超边缘算力注册表。
15.优选地，所述算力资源信息包括：芯片类型、主频、总线位宽、一级缓存、核心数、内存中的至少一种；
16.所述负载信息包括芯片的利用率以及内存的使用率中的至少一种。
17.优选地，所述根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备，具体包括以下步骤：
18.步骤s1，根据所述地理位置对所述超边缘算力注册表中的各个算力提供设备按照与算力需求方节点的距离从小到大进行排序；
19.步骤s2，将排序后的超边缘算力注册表中算力类型与所述业务类型不匹配的算力提供设备移除以获得待选择列表；
20.步骤s3，将所述待选择列表中排在第一位的算力提供设备作为当前设备；
21.步骤s4，获取所述当前设备的实时负载以及当前时间段的平均负载；
22.步骤s5，根据所述当前设备的实时负载以及当前时间段的平均负载判断所述当前设备的算力冗余是否大于第一预设阈值，若是，则执行步骤s6，否则将所述待选择列表中排序在当前设备下一位的算力提供设备作为新的当前设备，并返回步骤s4；
23.步骤s6，根据所述当前设备的算力值以及所述当前时间段的平均负载判断所述当前设备的可用算力是否满足所述业务请求，若是，则将所述当前设备作为目标算力提供设备，否则将所述待选择列表中排序在当前设备下一位的算力提供设备作为新的当前设备，并返回步骤s4。
24.优选地，步骤s5中，根据所述当前设备的实时负载以及当前时间段的平均负载判断所述当前设备的算力冗余是否大于第一预设阈值，具体包括：
25.将所述当前设备的当前时间段的平均负载减去实时负载，得到所述算力冗余；
26.判断所述算力冗余是否大于第一预设阈值。
27.优选地，步骤s6中，所述根据所述当前设备的算力值以及所述当前时间段的平均负载判断所述当前设备的可用算力是否满足所述业务请求，具体包括：
28.根据以下公式计算所述当前设备的可用算力；
29.d＝(a-b)
×c30.其中，d为所述当前设备的可用算力，a为所述当前设备的算力值，b为所述当前设备在当前时间段的平均负载，c为第二预设阈值；
31.判断所述可用算力是否满足所述业务请求。
32.优选地，还包括：
33.将预设范围内的各个算力提供设备进行容器化部署以提供算力。
34.优选地，所述选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度，具体包括：
35.获取所述业务请求对应的业务数据以及业务运行环境；
36.将所述业务数据以及业务运行环境转发至目标算力提供设备，以使所述目标算力提供设备通过容器化部署建立业务运行环境并执行计算，以及将得到的计算结果返回至算力需求方节点。
37.优选地，还包括：
38.当预设范围内不存在可用算力资源满足所述业务请求的目标算力提供设备时，将所述业务请求转发至预设范围外的边缘计算中心或云计算中心以进行算力资源调度。
39.第二方面，本发明提供一种算力资源调度装置，包括：
40.接收模块，用于接收预设范围内算力需求方节点发送的业务请求；
41.获取模块，与所述接收模块连接，用于根据所述业务请求获取对应的业务类型以及所述算力需求方节点的地理位置；
42.判断模块，与所述获取模块连接，用于根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备；
43.调度模块，与所述判断模块连接，用于当判断模块判定为是时，选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度。
44.第三方面，本发明提供一种算力资源调度装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述第一方面所述的算力资源调度方法。
45.第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的算力资源调度方法。
46.本发明提供的算力资源调度方法、装置及计算机可读存储介质，在接收到预设范围内算力需求方节点发送的业务请求后，根据业务请求获取对应的业务类型和算力需求方节点的地理位置，然后根据业务类型、地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备，若是，则选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度，由于本发明在预设的范围内选择目标算力提供设备，相较于现有的使用边缘计算的算力调度方法，能够实现对预设范围内的空闲算力的整合，避免借助第三方算力，从而解决了借助第三方算力有数据泄漏隐患，并且仍然有部分计算任务受到网络带宽以及时延限制的问题。
附图说明
47.图1为本发明实施例1的一种算力资源调度方法的流程图；
48.图2为图1中步骤s103的流程示意图；
49.图3为本发明实施例2的一种算力资源调度装置的结构示意图；
50.图4为本发明实施例3的一种算力资源调度装置的结构示意图。
具体实施方式
51.为使本领域技术人员更好地理解本发明的技术方案，下面将结合附图对本发明实施方式作进一步地详细描述。
52.可以理解的是，此处描述的具体实施例和附图仅仅用于解释本发明，而非对本发明的限定。
53.可以理解的是，在不冲突的情况下，本发明中的各实施例及实施例中的各特征可相互组合。
54.可以理解的是，为便于描述，本发明的附图中仅示出了与本发明相关的部分，而与本发明无关的部分未在附图中示出。
55.可以理解的是，本发明的实施例中所涉及的每个单元、模块可仅对应一个实体结构，也可由多个实体结构组成，或者，多个单元、模块也可集成为一个实体结构。
56.可以理解的是，在不冲突的情况下，本发明的流程图和框图中所标注的功能、步骤可按照不同于附图中所标注的顺序发生。
57.可以理解的是，本发明的流程图和框图中，示出了按照本发明各实施例的系统、装置、节点、方法的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可代表一个单元、模块、程序段、代码，其包含用于实现规定的功能的可执行指令。而且，框图和流程图中的每个方框或方框的组合，可用实现规定的功能的基于硬件的系统实现，也可用硬件与计算机指令的组合来实现。
58.可以理解的是，本发明实施例中所涉及的单元、模块可通过软件的方式实现，也可通过硬件的方式来实现，例如单元、模块可位于处理器中。
59.实施例1：
60.本实施例提供一种算力资源调度方法，如图1所示，该方法包括：
61.步骤s101：接收预设范围内算力需求方节点发送的业务请求。
62.在本实施例中，算力需求方节点为在算力网络中进行计算任务但是自身可用算力不足的节点，该算力网络可以由预设范围内一个或多个算力需求方节点以及算力提供设备组成，接收业务请求的预设范围可以是一个工业园区覆盖的范围。
63.步骤s102：根据所述业务请求获取对应的业务类型以及所述算力需求方节点的地理位置；
64.在本实施例中，考虑到算力需求方与算力提供方之间的距离对数据传输的时延有影响，因此在获取到业务请求后，根据业务请求进一步获取算力需求方节点的地理位置。
65.步骤s103：根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备。
66.所述超边缘算力注册表中包括预设范围内各个算力提供设备的算力值、算力类型、地理位置以及各个时间段的平均负载。
67.在本实施例中，预存的超边缘算力注册表中记录算力提供设备的算力资源信息，并且记录的各个算力提供设备都在预设范围内，以保证算力需求方节点和算力提供设备之间的数据传输在预设范围之内，降低数据泄露的风险。
68.可选地，所述根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备之前，所述方法还包括：
69.获取预设范围内各个算力提供设备上报的算力资源信息以及各个时间段的负载信息；
70.根据所述算力资源信息获取每个所述算力提供设备的算力值、算力类型以及地理位置；
71.根据所述各个时间段的负载信息计算每个所述算力提供设备在各个时间段的平均负载；
72.根据每个所述算力提供设备的算力值、算力类型、地理位置以及各个时间段的平均负载建立所述超边缘算力注册表。
73.可选地，所述算力资源信息包括：芯片类型、主频、总线位宽、一级缓存、核心数、内存中的至少一种；
74.所述负载信息包括芯片的利用率以及内存的使用率中的至少一种。
75.在本实施例中，算力提供设备可以是本地服务器设备以及网络设备，本地服务器设备可以包括服务器、边缘智能站、以及dpu(data processing unit，处理单元)，网络设备可以包括网关、交换机、路由器以及智能网卡。
76.在建立超边缘算力注册表时，由于网络设备只能提供cpu(central processing unit，中央处理器)算力，而本地服务器设备可以提供多种算力，可以将网络设备和本地服务器设备分别进行注册，能够将二者的算力类型与算力能力进行分离。
77.可选地，如图2所述，步骤s103具体包括以下步骤：
78.步骤s1，根据所述地理位置对所述超边缘算力注册表中的各个算力提供设备按照与算力需求方节点的距离从小到大进行排序；
79.步骤s2，将排序后的超边缘算力注册表中算力类型与所述业务类型不匹配的算力提供设备移除以获得待选择列表；
80.步骤s3，将所述待选择列表中排在第一位的算力提供设备作为当前设备；
81.步骤s4，获取所述当前设备的实时负载以及当前时间段的平均负载；
82.步骤s5，根据所述当前设备的实时负载以及当前时间段的平均负载判断所述当前设备的算力冗余是否大于第一预设阈值，若是，则执行步骤s6，否则将所述待选择列表中排序在当前设备下一位的算力提供设备作为新的当前设备，并返回步骤s4；
83.步骤s6，根据所述当前设备的算力值以及所述当前时间段的平均负载判断所述当前设备的可用算力是否满足所述业务请求，若是，则将所述当前设备作为目标算力提供设备，否则将所述待选择列表中排序在当前设备下一位的算力提供设备作为新的当前设备，并返回步骤s4。
84.在本实施例中，将超边缘算力注册表中的各个算力提供设备按照与算力需求方节点的距离从小到大进行排序，进而根据排序结果选取算力提供设备能够降低在算力调度时数据传输的时延。
85.考虑到算力提供设备的算力存在被占用的可能，因此在算力调度时获取算力提供设备的实时负载能够避免算力提供设备因可用算力不足而导致的算力调度失败。
86.可选地，步骤s5中，根据所述当前设备的实时负载以及当前时间段的平均负载判断所述当前设备的算力冗余是否大于第一预设阈值，具体包括：
87.将所述当前设备的当前时间段的平均负载减去实时负载，得到所述算力冗余；
88.判断所述算力冗余是否大于第一预设阈值。
89.在本实施例中，由于预设范围内的算力提供设备有限，存在部分算力提供设备正在执行计算任务，若当前设备的实时负载减去当前时间段的平均负载大于第一预设阈值，说明当前设备的实时负载较重导致没有足够的算力冗余，则当前设备无法完成算力请求。
90.可选地，步骤s6中，所述根据所述当前设备的算力值以及所述当前时间段的平均负载判断所述当前设备的可用算力是否满足所述业务请求，具体包括：
91.根据以下公式计算所述当前设备的可用算力；
92.d＝(a-b)
×c93.其中，d为所述当前设备的可用算力，a为所述当前设备的算力值，b为所述当前设备在当前时间段的平均负载，c为第二预设阈值；
94.判断所述可用算力是否满足所述业务请求。
95.在本实施例中，第二预设阈值用于对算力提供设备进行冗余保护，避免出现过载，第二预设阈值可以设为0.8。
96.可选地，所述方法还包括：
97.将预设范围内的各个算力提供设备进行容器化部署以提供算力。
98.可选地，所述选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度，具体包括：
99.获取所述业务请求对应的业务数据以及业务运行环境；
100.将所述业务数据以及业务运行环境转发至目标算力提供设备，以使所述目标算力提供设备通过容器化部署建立业务运行环境并执行计算，以及将得到的计算结果返回至算力需求方节点。
101.在本实施例中，容器化用于使算力提供设备简化执行业务请求时的运行环境构建、配置部署和计算执行，以接口的形式对外提供算力服务。
102.可选地，所述方法还包括：
103.当预设范围内不存在可用算力资源满足所述业务请求的目标算力提供设备时，将所述业务请求转发至预设范围外的边缘计算中心或云计算中心以进行算力资源调度。
104.在本实施例中，当预设范围内的算力提供设备无法满足业务请求，则将业务请求转发至远程计算中心以获取算力。
105.实施例1提供的算力资源调度方法，在接收到预设范围内算力需求方节点发送的业务请求后，根据业务请求获取对应的业务类型和算力需求方节点的地理位置，然后根据业务类型、地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备，若是，则选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度，由于本发明在预设的范围内选择目标算力提供设备，相较于现有的使用边缘计算的算力调度方法，能够实现对预设范围内的空闲算力的整合，避免借助第三方算力，从而解决了借助第三方算力有数据泄漏隐患，并且仍然有部分计算任务受到网络带宽以及时延限制的问题。
106.实施例2：
107.如图3所示，本实施例提供一种算力资源调度装置，用于执行上述算力资源调度方法，包括：
108.接收模块11，用于接收预设范围内算力需求方节点发送的业务请求；
109.获取模块12，与接收模块11连接，用于根据业务请求获取对应的业务类型以及算力需求方节点的地理位置；
110.判断模块13，与获取模块12连接，用于根据业务类型、地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足业务请求的目标算力提供设备；
111.调度模块14，与判断模块13连接，用于当判断模块13判定为是时，选择目标算力提供设备为算力需求方节点进行算力资源调度。
112.优选地，超边缘算力注册表中包括预设范围内各个算力提供设备的算力值、算力
类型、地理位置以及各个时间段的平均负载。
113.优选地，所述装置还包括：
114.上报模块，用于获取预设范围内各个算力提供设备上报的算力资源信息以及各个时间段的负载信息；
115.算力模块，用于根据算力资源信息获取每个算力提供设备的算力值、算力类型以及地理位置；
116.计算模块，用于根据各个时间段的负载信息计算每个算力提供设备在各个时间段的平均负载；
117.注册模块，用于根据每个算力提供设备的算力值、算力类型、地理位置以及各个时间段的平均负载建立超边缘算力注册表。
118.优选地，算力资源信息包括：芯片类型、主频、总线位宽、一级缓存、核心数、内存中的至少一种；
119.负载信息包括芯片的利用率以及内存的使用率中的至少一种。
120.优选地，判断模块13具体包括：
121.排序单元，用于根据地理位置对超边缘算力注册表中的各个算力提供设备按照与算力需求方节点的距离从小到大进行排序；
122.选择单元，用于将排序后的超边缘算力注册表中算力类型与业务类型不匹配的算力提供设备移除以获得待选择列表；
123.当前单元，用于将待选择列表中排在第一位的算力提供设备作为当前设备；
124.获取单元，用于获取当前设备的实时负载以及当前时间段的平均负载；
125.第一判断单元，用于根据当前设备的实时负载以及当前时间段的平均负载判断当前设备的算力冗余是否大于第一预设阈值，若是，则执行第二判断单元，否则将待选择列表中排序在当前设备下一位的算力提供设备作为新的当前设备，并返回获取单元；
126.第二判断单元，用于根据当前设备的算力值以及当前时间段的平均负载判断当前设备的可用算力是否满足业务请求，若是，则将当前设备作为目标算力提供设备，否则将待选择列表中排序在当前设备下一位的算力提供设备作为新的当前设备，并返回获取单元。
127.优选地，第一判断单元具体包括：
128.冗余单元，用于将当前设备的当前时间段的平均负载减去实时负载，得到算力冗余；
129.第三判断单元，用于判断算力冗余是否大于第一预设阈值。
130.优选地，第二判断单元具体包括：
131.可用算力单元，用于根据以下公式计算当前设备的可用算力；
132.d＝(a-b)
×c133.其中，d为当前设备的可用算力，a为当前设备的算力值，b为当前设备在当前时间段的平均负载，c为第二预设阈值；
134.第四判断单元，用于判断可用算力是否满足业务请求。
135.优选地，所述装置还包括：
136.容器化模块，用于将预设范围内的各个算力提供设备进行容器化部署以提供算力。
137.优选地，调度模块14具体包括：
138.业务单元，用于获取业务请求对应的业务数据以及业务运行环境；
139.返回单元，用于将业务数据以及业务运行环境转发至目标算力提供设备，以使目标算力提供设备通过容器化部署建立业务运行环境并执行计算，以及将得到的计算结果返回至算力需求方节点。
140.优选地，所述装置还包括：
141.远程模块，用于当预设范围内不存在可用算力资源满足业务请求的目标算力提供设备时，将业务请求转发至预设范围外的边缘计算中心或云计算中心以进行算力资源调度。
142.实施例3：
143.如图4所示，本实施例提供一种算力资源调度装置，用于执行上述算力资源调度方法，包括存储器21和处理器22，存储器21中存储有计算机程序，处理器22被设置为运行所述计算机程序以执行实施例1中的算力资源调度方法。
144.其中，存储器21与处理器22连接，存储器21可采用闪存或只读存储器或其他存储器，处理器22可采用中央处理器或单片机。
145.实施例4：
146.本实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例1中的算力资源调度方法。
147.该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于ram(random access memory，随机存取存储器)，rom(read-only memory，只读存储器)，eeprom(electrically erasable programmable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、cd-rom(compact disc read-only memory，光盘只读存储器)，数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
148.实施例2至实施例4提供的算力资源调度装置及计算机可读存储介质，在接收到预设范围内算力需求方节点发送的业务请求后，根据业务请求获取对应的业务类型和算力需求方节点的地理位置，然后根据业务类型、地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备，若是，则选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度，由于本发明在预设的范围内选择目标算力提供设备，相较于现有的使用边缘计算的算力调度方法，能够实现对预设范围内的空闲算力的整合，避免借助第三方算力，从而解决了借助第三方算力有数据泄漏隐患，并且仍然有部分计算任务受到网络带宽以及时延限制的问题。
149.可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
技术特征：1.一种算力资源调度方法，其特征在于，包括：接收预设范围内算力需求方节点发送的业务请求；根据所述业务请求获取对应的业务类型以及所述算力需求方节点的地理位置；根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备；若是，则选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度。2.根据权利要求1所述的算力资源调度方法，其特征在于，所述超边缘算力注册表中包括预设范围内各个算力提供设备的算力值、算力类型、地理位置以及各个时间段的平均负载。3.根据权利要求2所述的算力资源调度方法，其特征在于，所述根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备之前，所述方法还包括：获取预设范围内各个算力提供设备上报的算力资源信息以及各个时间段的负载信息；根据所述算力资源信息获取每个所述算力提供设备的算力值、算力类型以及地理位置；根据所述各个时间段的负载信息计算每个所述算力提供设备在各个时间段的平均负载；根据每个所述算力提供设备的算力值、算力类型、地理位置以及各个时间段的平均负载建立所述超边缘算力注册表。4.根据权利要求3所述的算力资源调度方法，其特征在于，所述算力资源信息包括：芯片类型、主频、总线位宽、一级缓存、核心数、内存中的至少一种；所述负载信息包括芯片的利用率以及内存的使用率中的至少一种。5.根据权利要求2所述的算力资源调度方法，其特征在于，所述根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备，具体包括以下步骤：步骤s1，根据所述地理位置对所述超边缘算力注册表中的各个算力提供设备按照与算力需求方节点的距离从小到大进行排序；步骤s2，将排序后的超边缘算力注册表中算力类型与所述业务类型不匹配的算力提供设备移除以获得待选择列表；步骤s3，将所述待选择列表中排在第一位的算力提供设备作为当前设备；步骤s4，获取所述当前设备的实时负载以及当前时间段的平均负载；步骤s5，根据所述当前设备的实时负载以及当前时间段的平均负载判断所述当前设备的算力冗余是否大于第一预设阈值，若是，则执行步骤s6，否则将所述待选择列表中排序在当前设备下一位的算力提供设备作为新的当前设备，并返回步骤s4；步骤s6，根据所述当前设备的算力值以及所述当前时间段的平均负载判断所述当前设备的可用算力是否满足所述业务请求，若是，则将所述当前设备作为目标算力提供设备，否则将所述待选择列表中排序在当前设备下一位的算力提供设备作为新的当前设备，并返回步骤s4。6.根据权利要求5所述的算力资源调度方法，其特征在于，步骤s5中，根据所述当前设
备的实时负载以及当前时间段的平均负载判断所述当前设备的算力冗余是否大于第一预设阈值，具体包括：将所述当前设备的当前时间段的平均负载减去实时负载，得到所述算力冗余；判断所述算力冗余是否大于第一预设阈值。7.根据权利要求5所述的算力资源调度方法，其特征在于，步骤s6中，所述根据所述当前设备的算力值以及所述当前时间段的平均负载判断所述当前设备的可用算力是否满足所述业务请求，具体包括：根据以下公式计算所述当前设备的可用算力；d＝(a-b)
×
c其中，d为所述当前设备的可用算力，a为所述当前设备的算力值，b为所述当前设备在当前时间段的平均负载，c为第二预设阈值；判断所述可用算力是否满足所述业务请求。8.根据权利要求1所述的算力资源调度方法，其特征在于，还包括：将预设范围内的各个算力提供设备进行容器化部署以提供算力。9.根据权利要求8所述的算力资源调度方法，其特征在于，所述选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度，具体包括：获取所述业务请求对应的业务数据以及业务运行环境；将所述业务数据以及业务运行环境转发至目标算力提供设备，以使所述目标算力提供设备通过容器化部署建立业务运行环境并执行计算，以及将得到的计算结果返回至算力需求方节点。10.根据权利要求1所述的算力资源调度方法，其特征在于，还包括：当预设范围内不存在可用算力资源满足所述业务请求的目标算力提供设备时，将所述业务请求转发至预设范围外的边缘计算中心或云计算中心以进行算力资源调度。11.一种算力资源调度装置，其特征在于，包括：接收模块，用于接收预设范围内算力需求方节点发送的业务请求；获取模块，与所述接收模块连接，用于根据所述业务请求获取对应的业务类型以及所述算力需求方节点的地理位置；判断模块，与所述获取模块连接，用于根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备；调度模块，与所述判断模块连接，用于当判断模块判定为是时，选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度。12.一种算力资源调度装置，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现如权利要求1-10中任一项所述的算力资源调度方法。13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-10中任一项所述的算力资源调度方法。
技术总结本发明提供一种算力资源调度方法、装置及计算机可读存储介质，所述方法包括：接收预设范围内算力需求方节点发送的业务请求；根据所述业务请求获取对应的业务类型以及所述算力需求方节点的地理位置；根据所述业务类型、所述地理位置以及预存的超边缘算力注册表判断预设范围内是否存在可用算力资源满足所述业务请求的目标算力提供设备；若是，则选择所述目标算力提供设备为所述算力需求方节点进行算力资源调度。该方法、装置及计算机可读存储介质能够解决现有的使用边缘计算的算力调度方法，存在借助第三方算力有数据泄漏隐患，并且仍然有部分计算任务受到网络带宽以及时延限制的问题。限制的问题。限制的问题。
技术研发人员：李希金 唐雄燕 安岗 周晓龙
受保护的技术使用者：中国联合网络通信集团有限公司
技术研发日：2022.06.20
技术公布日：2022/11/1
