1.本发明涉及数据通信技术领域，尤其是涉及一种边缘网络计算终端设备自动运维方法、装置和系统。
背景技术：2.边缘网络计算是为应用开发者和服务提供商在网络的边缘侧提供云服务和it环境服务而出现的，目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽。边缘网络计算在物理层面与数据源头相邻的网络边缘侧，其功能包括边云协同、运算、存储、应用支撑、采集等，属于一种可就近供应边缘智能服务执行运算的新型运算模式。其主要针对万物互联服务的上行数据及云服务的下行数据实施操作，可以对传统配电网的运行及管理控制等实现较大幅度的改善。
3.在传统的计算机系统部署和运行维护中，人都是处于被动状态，不管是系统部署，还是系统出现问题，一般都是等到系统或硬件出现问题后，再由运维人员采取相应的故障解决措施进行补救。这是一种被动的计算机运维管理模式，这样经常会让it的运维部门疲惫不堪。近年来，随着云计算、大数据等技术的影响力越来越大，自动化运维的概念也被推到了前台，即自动化系统部署和运行维护。通过传统方法对大规模的计算机集群进行系统部署和问题检测是一件很困难的事情，例如简单的服务器状态监控、报警和日常备份，效率也显的非常的低下，因而急需把自动化运维的发展起来。自动化运维目前有三阶段分别是纯手工阶段，脚本阶段，工具阶段。手工阶段就是靠人不断的对软件系统进行部署和运行维护；脚本阶段就是通过编写脚本、文档进行软件系统的部署和运行维护；工具阶段就是使用第三方开发的运维工具，对软件系统进行快速高效地部署和运行维护。但是还没有一种针对边缘网络计算终端设备的自动且安全的运维方案，边缘网络计算领域急需一种可以减少边缘网络计算参与，且高效安全的自动运维方案。
技术实现要素：4.有鉴于此，本发明提供一种边缘网络计算终端自动运维方法、装置和系统，以解决上述提及的至少一个问题。
5.为了实现上述目的，本发明采用以下方案：
6.根据本发明的第一方面，提供一种边缘网络计算终端自动运维方法，所述方法包括：采集终端设备的内核信息；根据所述内核信息通过遗传算法获得边缘计算卸载策略；将所述边缘计算卸载策略上传至云计算中心，并接收所述云计算中心根据所述边缘计算卸载策略得到的终端控制信息；将所述终端控制信息发送给控制节点，使得所述控制节点可以根据所述终端控制信息采用ansible工作流程实现对所述终端设备的自动化管控。
7.根据本发明的第二方面，提供一种边缘网络计算终端自动运维装置，所述装置包括：信息采集单元，用于采集终端设备的内核信息；卸载策略单元，用于根据所述内核信息通过遗传算法获得边缘计算卸载策略；策略上传单元，用于将所述边缘计算卸载策略上传
至云计算中心；控制信息接收单元，用于接收所述云计算中心根据所述边缘计算卸载策略得到的终端控制信息；控制信息发送单元，用于将所述终端控制信息发送给控制节点，使得所述控制节点可以根据所述终端控制信息采用ansible工作流程实现对所述终端设备的自动化管控。
8.根据本发明的第三方面，提供一种边缘网络计算终端自动运维系统，所述系统包括：多个终端设备，边缘计算节点，云计算中心和控制节点，所述边缘计算节点分别和所述终端设备、所述云计算中心及所述控制节点相连，所述边缘计算节点包括如上所述的边缘网络计算终端设备自动运维装置。
9.根据本发明的第四方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现上述方法的步骤。
10.根据本发明的第五方面，提供一种计算机可读存储介质，其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方法的步骤。
11.本技术通过遗传算法获得最优的边缘计算卸载策略，并通过ansible工作流程实现该策略的执行，因此可以实现对边缘网络计算终端设备的自动运维，而且运维过程更加高效，另外边缘计算与ansible相结合，减少了人机交互，运维过程更加客观准确。
附图说明
12.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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。在附图中：
13.图1是本技术实施例提供的一种边缘网络计算终端设备自动运维方法的流程示意图；
14.图2是本技术另一实施例提供的一种边缘网络计算终端设备自动运维方法的流程示意图；
15.图3是是本技术实施例提供的边缘计算节点与终端设备间的可信验证流程示意图；
16.图4是本技术实施例提供的一种边缘网络计算终端设备自动运维装置的结构示意图；
17.图5是本技术实施例提供的一种信息采集单元的结构示意图；
18.图6是本技术实施例提供的一种可信验证模块的结构示意图；
19.图7是本技术提供的一种边缘网络计算终端设备自动运维系统的结构示意图；
20.图8是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
21.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
22.下面首先对本技术涉及的一些技术术语进行简单的说明：
23.术语“ansible工作流程”：是一款开源的运维自动化工具，是基于python语言开发的，集合了众多运维工具的优点，实现了配置管理、应用部署、复杂任务编排等功能。
24.术语“遗传算法”：是根据大自然中生物体进化规律而设计提出的，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
25.如图1所示为本技术实施例提供的一种边缘网络计算终端设备自动运维方法的流程示意图，在本实施例中，该方法的实施主体为边缘计算节点，其可以是一台或多台边缘网关服务器，该方法包括如下步骤：
26.步骤s101：采集终端设备的内核信息。
27.步骤s102：根据所述内核信息通过遗传算法获得边缘计算卸载策略。目前的边缘计算系统，比如配电网系统中，集中器或者网关设备接入了海量的终端设备，但其存在处理能力不足、资源有限等问题，故需要边缘计算卸载来解决资源存储、计算性能、安全管控等方面的不足，将计算量大的任务合理分配给计算资源充足的服务器。在本实施例中所指的边缘计算卸载即使一些任务不在终端设备上执行，而改为云端执行。
28.步骤s103：将所述边缘计算卸载策略上传至云计算中心，并接收所述云计算中心根据所述边缘计算卸载策略得到的终端控制信息。
29.云计算中心在收到该边缘计算卸载策略后，可以根据该策略对终端设备进行有效的部署生成终端控制信息，并通过智能路由、动态适配等云分发技术将该终端控制信息返回给边缘计算节点。
30.步骤s104：将所述终端控制信息发送给控制节点，使得所述控制节点可以根据所述终端控制信息采用ansible工作流程实现对所述终端设备的自动化管控。
31.优选的，上述步骤s101中的内核信息可以包括终端设备需要执行的任务列表信息和此时终端设备拥有的空闲cpu资源。
32.优选的，上述步骤s102具体可以包括如下子步骤：
33.步骤a：对每个任务的卸载率进行随机分配以得到初始化的边缘计算卸载策略，将种群设定为由m条染色体组成，每个染色体上有n个基因，其中所述染色体对应一种边缘计算卸载策略，所述基因对应一个任务，所述任务的执行方式分为本地和云端两种，所述基因存储对应任务的卸载率，卸载率为0代表执行方式为本地执行，卸载率为1代表执行方式为云端执行。
34.步骤b：构造适应度函数对任务i用矩阵a进行表示，a＝[x
i q
i αi]，i∈n，xi代表任务i需要上传数据量的大小，qi代表任务i的密集型数据量与总数据量的比值，αi代表任务i的卸载率，t代表执行任务i的时间延迟，e代表执行任务i所需的能耗，若任务i在本地执行，能耗代表需要消耗的本地计算机cpu能量，若在云端执行，则表示上传过程中消耗的能量以及在本地等待任务上传时消耗的本地计算机cpu能量，其中：
[0035][0036]
[0037]
pi代表用户上传任务i的功率，p
wait
代表云端处理任务i时本地终端处于空闲时的功率，fi为本地计算机执行任务i的cpu占用率，zi为执行任务i服务器单位cpu周期内消耗的能量，si为任务i从本地上传至云端的速率。
[0038]
步骤c：将染色体随机选择放入备选组，根据入群概率p选择染色体放入种群，
[0039][0040]
其中fb表示染色体b上所有任务的适应度函数值之和。
[0041]
步骤d：将放入种群的染色体串中随机设定一个交叉点，实行交叉时将所述交叉点前后的两个染色体的部分结构进行互换，生成新染色体。
[0042]
步骤e：从所述新染色体中选择突变，以变异概率p改变染色体中某个基因的卸载率，重新计算所述新染色体的适应度，若适应度小于原值，则重新进行步骤d和步骤e，直到突变后染色体适应度大于或等于其原来的适应度为止，本步骤中变异概率p的公式和上述步骤c中入群概率p相同，具体来说，若染色体中有n个任务，以变异概率p改变染色体基因，即选择n*p个任务，改变其卸载率。
[0043]
步骤f：将适应度最大的染色体进行解码，得到边缘计算卸载策略。由于染色体上包括多个基因(多个任务)，而每个基因中又存储有对应任务的卸载率，因此只需要将适应度最大的染色体解码后就可以得到每个任务的卸载策略，即在本地或云端执行。
[0044]
本技术通过遗传算法获得最优的边缘计算卸载策略，并通过ansible工作流程实现该策略的执行，因此可以实现对边缘网络计算终端设备的自动运维，而且运维过程更加高效，另外边缘计算与ansible相结合，减少了人机交互，运维过程更加客观准确。
[0045]
如图2所示为本技术另一实施例提供的一种边缘网络计算终端设备自动运维方法的流程示意图，该方法包括如下步骤：
[0046]
步骤s201：通过可信报告信息与终端设备互相进行可信验证，以判断所述终端设备是否是本边缘计算节点的所属下级终端。在本实施例中，可以通过在边缘计算节点处增加控制部分，即一个边缘计算节点只能控制所属下级终端设备，其他的终端设备并不执行其下达的控制命令，具体可以根据控制节点里存储其所属下级终端信息来实现特定的控制。通过这种控制方式，当边缘计算节点遭受恶意攻击时，危害到的终端设备数量有限，可以避免更大的损失，增加了安全性。
[0047]
优选的，如图3所示，本步骤可以包括如下子步骤：
[0048]
步骤s2011：接收所述终端设备利用其可信密码模块(trusted cryptography module，tcm)调用钩子函数将自身的完整性度量报告以及可信属性进行封装而成的第一可信报告信息。
[0049]
在本实施例中，需要预先在边缘网络计算嵌入tcm，这里的完整性度量报告可以通过如下方式生成：从终端设备的系统启动开始，对基本输入输出系统(basic input output system，bios)、统一引导程序(grand unified bootloader，grub)、内核(kernel)以及操作系统启动后的应用程序等进行度量，tcm中使用平台配置寄存器(platform configure register,pcr)对度量结果进行记录。pcr主要操作有两种：重置与扩展。在系统上电时对24个pcr进行清零，此后每次度量结果的存储均依靠扩展运算sha1(pcr||new measurement)实现，同时将度量的文件名称、路径以及度量结果存入度量日志/列表，从而形成完整性度
量报告。
[0050]
在本实施例中，上述可信属性可以包括设备序列号、设备mac地址等。
[0051]
步骤s2012：通过计算所述第一可信报告信息的哈希值与预存第一可信报告哈希值进行对比来进行可信验证。边缘计算节点在收到上述第一可信报告信息后会计算第一可信报告信息的哈希值，并与其预存的哈希值进行对比来验证该终端设备是否是其所属下级终端。
[0052]
步骤s2013：将自身软件密码模块的安全参数信息封装成第二可信报告并发送给所述终端设备，由所述终端设备计算所述第二可信报告的哈希值，并与其预存的第二可信报告哈希值对比来进行可信验证，以判断该边缘计算节点是否是其所属上级计算节点。
[0053]
需要指出的是，上述步骤s2012和步骤s2013的执行顺序可以是依次执行的，也可以是同时执行的，本技术对此并不加以限定。
[0054]
步骤s202：所述可信验证通过后，下发信息采集指令至所述终端设备并进行内核信息的采集。
[0055]
在上述步骤s201中互相可信验证都通过后，边缘计算节点即可向终端设备下发采集指令以采集其内核信息。在本实施例中，该内核信息可以包括终端设备需要执行的任务列表信息和此时终端设备拥有的空闲cpu资源。
[0056]
步骤s203：根据所述内核信息通过遗传算法获得边缘计算卸载策略。
[0057]
步骤s204：将所述边缘计算卸载策略上传至云计算中心，并接收所述云计算中心根据所述边缘计算卸载策略得到的终端控制信息
[0058]
上述步骤s203和步骤s204与图1对应实施例中相应步骤相同，在此就不再进行赘述了。
[0059]
步骤s205：将所述终端控制信息发送给控制节点，使得所述控制节点可以根据所述终端控制信息采用ansible工作流程实现对所述终端设备的自动化管控。
[0060]
在本实施例中可以通过运行预先在剧本里编排好的任务集，按调度顺序执行任务，通过执行任务集实现对所述终端设备的自动化管控。在自动化运维系统里，剧本是用于配置、部署和管理被控节点的一个任务列表文件，通过执行在剧本中的一系列任务，让被控主机达到预期的状态。控制节点在接收到来自边缘计算节点的终端控制信息后，对终端设备进行控制。
[0061]
本技术通过遗传算法获得最优的边缘计算卸载策略，并通过ansible工作流程实现该策略的执行，因此可以实现对边缘网络计算终端设备的自动运维，而且运维过程更加高效，另外边缘计算与ansible相结合，减少了人机交互，运维过程更加客观准确。并且在控制节点对终端设备进行控制时，采用剧本管控的方式，控制节点运行预先在剧本里编排好的任务集，按调度顺序执行任务，通过执行相应的任务集实现对终端设备的控制。只需要控制节点进行相应的编排，被控制终端不需要任何操作，采用无客户端的方式，降低了终端被攻击的风险。
[0062]
如图4所示为本技术实施例提供的一种边缘网络计算终端设备自动运维装置的结构示意图，该装置包括：信息采集单元410、卸载策略单元420、策略上传单元430、控制信息接收单元440和控制信息发送单元450，其中卸载策略单元420分别和信息采集单元410及策略上传单元430相连，控制信息接收单元440和控制信息发送单元450相连。
[0063]
信息采集单元410用于采集终端设备的内核信息。
[0064]
卸载策略单元420用于根据信息采集单元410采集的内核信息通过遗传算法获得边缘计算卸载策略。
[0065]
策略上传单元430用于将卸载策略单元420计算得到的边缘计算卸载策略上传至云计算中心。
[0066]
控制信息接收单元440用于接收云计算中心根据边缘计算卸载策略得到的终端控制信息。
[0067]
控制信息发送单元450用于将终端控制信息发送给控制节点，使得所述控制节点可以根据所述终端控制信息采用ansible工作流程实现对所述终端设备的自动化管控。
[0068]
优选的，本实施例中信息采集单元410所采集的内核信息可以包括终端设备需要执行的任务列表信息和此时终端设备拥有的空闲cpu资源。
[0069]
优选的，本实施例中卸载策略单元420具体用于执行如下步骤：
[0070]
步骤a：对每个任务的卸载率进行随机分配以得到初始化的边缘计算卸载策略，将种群设定为由m条染色体组成，每个染色体上有n个基因，其中所述染色体对应一种边缘计算卸载策略，所述基因对应一个任务，所述任务的执行方式分为本地和云端两种，所述基因存储对应任务的卸载率，卸载率为0代表执行方式为本地执行，卸载率为1代表执行方式为云端执行；
[0071]
步骤b：构造适应度函数对任务i用矩阵a进行表示，a＝[x
i q
i αi]，i∈n，xi代表任务i需要上传数据量的大小，qi代表任务i的密集型数据量与总数据量的比值，αi代表任务i的卸载率，t代表执行任务i的时间延迟，e代表执行任务i所需的能耗，其中：
[0072][0073][0074]
pi代表用户上传任务i的功率，p
wait
代表云端处理任务i时本地终端处于空闲时的功率，fi为本地计算机执行任务i的cpu占用率，zi为执行任务i服务器单位cpu周期内消耗的能量，si为任务i从本地上传至云端的速率。
[0075]
步骤c：将染色体随机选择放入备选组，根据入群概率p选择染色体放入种群，
[0076][0077]
其中fb表示染色体b上所有任务的适应度函数值之和。
[0078]
步骤d：将放入种群的染色体串中随机设定一个交叉点，实行交叉时将所述交叉点前后的两个染色体的部分结构进行互换，生成新染色体；
[0079]
步骤e：从所述新染色体中选择突变，以变异概率p改变染色体中某个基因的卸载率，重新计算所述新染色体的适应度，若适应度小于原值，则重新进行步骤d和步骤e，直到突变后染色体适应度大于或等于其原来的适应度为止；
[0080]
步骤f：将适应度最大的染色体进行解码，得到边缘计算卸载策略。
[0081]
优选的，如图5所示，信息采集单元410可以包括可信验证模块411、采集指令模块412和采集模块413，其中采集指令模块412分别和可信验证模块411及采集模块413相连。
[0082]
可信验证模块411用于通过可信报告信息与终端设备互相进行可信验证，以判断所述终端设备是否是本边缘计算节点的所属下级终端。
[0083]
采集指令模块412用于在所述可信验证通过后，下发信息采集指令至所述终端设备。
[0084]
采集模块413用于采集终端设备的内核信息。
[0085]
优选的，如图6所示，上述可信验证模块411可以进一步包括：可信报告接收子模块4111、哈希对比子模块4112和可信报告发送子模块4113，其中可信报告接收子模块4111与哈希对比子模块4112相连。
[0086]
可信报告接收子模块4111用于接收所述终端设备利用其tcm可信模块调用钩子函数将自身的完整性度量报告以及可信属性进行封装而成的第一可信报告信息。
[0087]
哈希对比子模块4112用于通过计算所述第一可信报告信息的哈希值与预存第一可信报告哈希值进行对比来进行可信验证。
[0088]
可信报告发送子模块4113用于将自身软件密码模块的安全参数信息封装成第二可信报告并发送给所述终端设备，由所述终端设备计算所述第二可信报告的哈希值，并与其预存的第二可信报告哈希值对比来进行可信验证。
[0089]
优选的，本实施例中控制节点根据终端控制信息采用ansible工作流程实现对所述终端设备的自动化管控包括：运行预先在剧本里编排好的任务集，按调度顺序执行任务，通过执行任务集实现对所述终端设备的自动化管控。
[0090]
本自动运维装置各单元的详细描述可以参见前述对应方法实施例中的相关描述，在此就不再展开进行赘述了。
[0091]
本技术提供的边缘网络计算终端设备自动运维装置，通过遗传算法获得最优的边缘计算卸载策略，并通过ansible工作流程实现该策略的执行，因此可以实现对边缘网络计算终端设备的自动运维，而且运维过程更加高效，另外边缘计算与ansible相结合，减少了人机交互，运维过程更加客观准确。并且在控制节点对终端设备进行控制时，采用剧本管控的方式，控制节点运行预先在剧本里编排好的任务集，按调度顺序执行任务，通过执行相应的任务集实现对终端设备的控制。只需要控制节点进行相应的编排，被控制终端不需要任何操作，采用无客户端的方式，降低了终端被攻击的风险。
[0092]
如图7所示为本技术提供的一种边缘网络计算终端设备自动运维系统，该系统包括多个终端设备、边缘计算节点、云计算中心和控制节点，其中终端设备通过公网4g/5g或者无线虚拟专网与边缘计算节点进行通信，边缘计算节点通过光纤专线与云计算中心进行通信，控制节点通过光纤专线与边缘计算节点通信。边缘计算节点包括如上所述的边缘网络计算终端设备自动运维装置，其可以采集终端设备的内核信息，并根据该内核信息获得边缘计算卸载策略，云计算中心在收到边缘计算节点上传的边缘计算卸载策略后，得到对应的终端控制信息，并将该终端控制信息反馈给边缘计算节点，边缘计算节点再将该终端控制信息发送给控制节点，最后由控制节点采用ansible工作流程实现对所述终端设备的自动化管控。在本实施例中的终端设备可以包括但不限于传感器、控制器、摄像头等设备。
[0093]
图8是本发明实施例提供的电子设备的示意图。图8所示的电子设备为通用数据处理装置，其包括通用的计算机硬件结构，其至少包括处理器801和存储器802。处理器801和存储器802通过总线803连接。存储器802适于存储处理器801可执行的一条或多条指令或程
序。该一条或多条指令或程序被处理器801执行以实现上述边缘网络计算终端设备自动运维方法中的步骤。
[0094]
上述处理器801可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器801通过执行存储器802所存储的命令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其他装置的控制。总线803将上述多个组件连接在一起，同时将上述组件连接到显示控制器804和显示装置以及输入/输出(i/o)装置805。输入/输出(i/o)装置805可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出(i/o)装置805通过输入/输出(i/o)控制器806与系统相连。
[0095]
其中，存储器802可以存储软件组件，例如操作系统、通信模块、交互模块以及应用程序。以上所述的每个模块和应用程序都对应于完成一个或多个功能和在发明实施例中描述的方法的一组可执行程序指令。
[0096]
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以实现上述边缘网络计算终端设备自动运维方法的步骤。
[0097]
综上所述，本发明实施例提供的边缘网络计算终端设备自动运维方法、装置和系统，通过遗传算法获得最优的边缘计算卸载策略，并通过ansible工作流程实现该策略的执行，因此可以实现对边缘网络计算终端设备的自动运维，而且运维过程更加高效，另外边缘计算与ansible相结合，减少了人机交互，运维过程更加客观准确。并且在控制节点对终端设备进行控制时，采用剧本管控的方式，控制节点运行预先在剧本里编排好的任务集，按调度顺序执行任务，通过执行相应的任务集实现对终端设备的控制。只需要控制节点进行相应的编排，被控制终端不需要任何操作，采用无客户端的方式，降低了终端被攻击的风险。
[0098]
以上参照附图描述了本发明的优选实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的，因此权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本发明的实施方式限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。
[0099]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0100]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0101]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指
令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0102]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0103]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：1.一种边缘网络计算终端设备自动运维方法，其特征在于，所述方法包括：采集终端设备的内核信息；根据所述内核信息通过遗传算法获得边缘计算卸载策略；将所述边缘计算卸载策略上传至云计算中心，并接收所述云计算中心根据所述边缘计算卸载策略得到的终端控制信息；将所述终端控制信息发送给控制节点，使得所述控制节点可以根据所述终端控制信息采用ansible工作流程实现对所述终端设备的自动化管控。2.如权利要求1所述的边缘网络计算终端设备自动运维方法，其特征在于，所述采集终端设备的内核信息包括：通过可信报告信息与终端设备互相进行可信验证，以判断所述终端设备是否是本边缘计算节点的所属下级终端；所述可信验证通过后，下发信息采集指令至所述终端设备并进行内核信息的采集。3.如权利要求2所述的边缘网络计算终端设备自动运维方法，其特征在于，所述通过可信报告信息与终端设备互相进行可信验证包括：接收所述终端设备利用其可信密码模块调用钩子函数将自身的完整性度量报告以及可信属性进行封装而成的第一可信报告信息；通过计算所述第一可信报告信息的哈希值与预存第一可信报告哈希值进行对比来进行可信验证；将自身软件密码模块的安全参数信息封装成第二可信报告并发送给所述终端设备，由所述终端设备计算所述第二可信报告的哈希值，并与其预存的第二可信报告哈希值对比来进行可信验证。4.如权利要求1所述的边缘网络计算终端设备自动运维方法，其特征在于，所述内核信息包括所述终端设备需要执行的任务列表信息和此时所述终端设备拥有的空闲cpu资源。5.如权利要求4所述的边缘网络计算终端设备自动运维方法，其特征在于，所述根据所述内核信息通过遗传算法获得边缘计算卸载策略包括：步骤a：对每个任务的卸载率进行随机分配以得到初始化的边缘计算卸载策略，将种群设定为由m条染色体组成，每个染色体上有n个基因，其中所述每个染色体对应一种边缘计算卸载策略，每个基因对应一个任务，所述任务的执行方式分为本地和云端两种，所述基因存储对应任务的卸载率，卸载率为0代表执行方式为本地执行，卸载率为1代表执行方式为云端执行；步骤b：构造适应度函数对任务i用矩阵a进行表示，a＝[x
i q
i α
i
]，i∈n，x
i
代表任务i需要上传数据量的大小，q
i
代表任务i的密集型数据量与总数据量的比值，α
i
代表任务i的卸载率，t代表执行任务i的时间延迟，e代表执行任务i所需的能耗，其中：务i的卸载率，t代表执行任务i的时间延迟，e代表执行任务i所需的能耗，其中：p
i
代表用户上传任务i的功率，p
wait
代表云端处理任务i时本地终端处于空闲时的功率，f
i
为本地计算机执行任务i的cpu占用率，z
i
为执行任务i服务器单位cpu周期内消耗的能量，
s
i
为任务i从本地上传至云端的速率；步骤c：将染色体随机选择放入备选组，根据入群概率p选择染色体放入种群，其中f
b
表示染色体b上所有任务的适应度函数值之和；步骤d：将放入种群的染色体串中随机设定一个交叉点，实行交叉时将所述交叉点前后的两个染色体的部分结构进行互换，生成新染色体；步骤e：从所述新染色体中选择突变，以变异概率p改变染色体中某个基因的卸载率，重新计算所述新染色体的适应度，若适应度小于原值，则重新进行步骤d和步骤e，直到突变后染色体适应度大于或等于其原来的适应度为止；步骤f：将适应度最大的染色体进行解码，得到边缘计算卸载策略。6.如权利要求1所述的边缘网络计算终端设备自动运维方法，其特征在于，所述采用ansible工作流程实现对所述终端设备的自动化管控包括：运行预先在剧本里编排好的任务集，按调度顺序执行任务，通过执行任务集实现对所述终端设备的自动化管控。7.一种边缘网络计算终端设备自动运维装置，其特征在于，所述装置包括：信息采集单元，用于采集终端设备的内核信息；卸载策略单元，用于根据所述内核信息通过遗传算法获得边缘计算卸载策略；策略上传单元，用于将所述边缘计算卸载策略上传至云计算中心；控制信息接收单元，用于接收所述云计算中心根据所述边缘计算卸载策略得到的终端控制信息；控制信息发送单元，用于将所述终端控制信息发送给控制节点，使得所述控制节点可以根据所述终端控制信息采用ansible工作流程实现对所述终端设备的自动化管控。8.如权利要求7所述的边缘网络计算终端设备自动运维装置，其特征在于，所述信息采集单元包括：可信验证模块，用于通过可信报告信息与终端设备互相进行可信验证，以判断所述终端设备是否是本边缘计算节点的所属下级终端；采集指令模块，用于在所述可信验证通过后，下发信息采集指令至所述终端设备；采集模块，用于采集终端设备的内核信息。9.如权利要求8所述的边缘网络计算终端设备自动运维装置，其特征在于，所述可信验证模块包括：可信报告接收子模块：用于接收所述终端设备利用其可信密码模块调用钩子函数将自身的完整性度量报告以及可信属性进行封装而成的第一可信报告信息；哈希对比子模块，用于通过计算所述第一可信报告信息的哈希值与预存第一可信报告哈希值进行对比来进行可信验证；可信报告发送子模块，用于将自身软件密码模块的安全参数信息封装成第二可信报告并发送给所述终端设备，由所述终端设备计算所述第二可信报告的哈希值，并与其预存的第二可信报告哈希值对比来进行可信验证。10.如权利要求7所述的边缘网络计算终端设备自动运维装置，其特征在于，所述内核
信息包括所述终端设备需要执行的任务列表信息和此时所述终端设备拥有的空闲cpu资源。11.如权利要求10所述的边缘网络计算终端设备自动运维装置，其特征在于，所述卸载策略单元具体用于执行如下步骤：步骤a：对每个任务的卸载率进行随机分配以得到初始化的边缘计算卸载策略，将种群设定为由m条染色体组成，每个染色体上有n个基因，其中所述每个染色体对应一种边缘计算卸载策略，每个基因对应一个任务，所述任务的执行方式分为本地和云端两种，所述基因存储对应任务的卸载率，卸载率为0代表执行方式为本地执行，卸载率为1代表执行方式为云端执行；步骤b：构造适应度函数对任务i用矩阵a进行表示，a＝[x
i q
i α
i
]，i∈n，x
i
代表任务i需要上传数据量的大小，q
i
代表任务i的密集型数据量与总数据量的比值，α
i
代表任务i的卸载率，t代表执行任务i的时间延迟，e代表执行任务i所需的能耗，其中：务i的卸载率，t代表执行任务i的时间延迟，e代表执行任务i所需的能耗，其中：p
i
代表用户上传任务i的功率，p
wait
代表云端处理任务i时本地终端处于空闲时的功率，f
i
为本地计算机执行任务i的cpu占用率，z
i
为执行任务i服务器单位cpu周期内消耗的能量，s
i
为任务i从本地上传至云端的速率；步骤c：将染色体随机选择放入备选组，根据入群概率p选择染色体放入种群，其中f
b
表示染色体b上所有任务的适应度函数值之和；步骤d：将放入种群的染色体串中随机设定一个交叉点，实行交叉时将所述交叉点前后的两个染色体的部分结构进行互换，生成新染色体；步骤e：从所述新染色体中选择突变，以变异概率p改变染色体中某个基因的卸载率，重新计算所述新染色体的适应度，若适应度小于原值，则重新进行步骤d和步骤e，直到突变后染色体适应度大于或等于其原来的适应度为止；步骤f：将适应度最大的染色体进行解码，得到边缘计算卸载策略。12.如权利要求7所述的边缘网络计算终端设备自动运维装置，其特征在于，所述采用ansible工作流程实现对所述终端设备的自动化管控包括：运行预先在剧本里编排好的任务集，按调度顺序执行任务，通过执行任务集实现对所述终端设备的自动化管控。13.一种边缘网络计算终端设备自动运维系统，其特征在于，所述系统包括：多个终端设备，边缘计算节点，云计算中心和控制节点，所述边缘计算节点分别和所述终端设备、所述云计算中心及所述控制节点相连，所述边缘计算节点包括如权利要求7至12任一项所述的边缘网络计算终端设备自动运维装置。14.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任
一项所述边缘网络计算终端设备自动运维方法的步骤。15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述边缘网络计算终端设备自动运维方法的步骤。
技术总结本发明提供了一种边缘网络计算终端设备自动运维方法、装置和系统，方法包括：采集终端设备的内核信息；根据内核信息通过遗传算法获得边缘计算卸载策略；将边缘计算卸载策略上传至云计算中心，并接收云计算中心根据所述边缘计算卸载策略得到的终端控制信息；将终端控制信息发送给控制节点，使得控制节点可以根据终端控制信息采用ansible工作流程实现对终端设备的自动化管控。本申请通过遗传算法获得最优的边缘计算卸载策略，并通过ansible工作流程实现该策略的执行，因此可以实现对边缘网络计算终端设备的自动运维，而且运维过程更加高效，另外边缘计算与ansible相结合，减少了人机交互，运维过程更加客观准确。运维过程更加客观准确。运维过程更加客观准确。
技术研发人员：孙跃 陈乐然 司冠林 董彬 侯聪 陈威 徐小天
受保护的技术使用者：国家电网有限公司
技术研发日：2022.06.21
技术公布日：2022/11/1
