云边协同计算的资源调度案例
1.面向云边协同的资源调度优化策略
该案例介绍了一种面向云边协同的资源调度优化策略。为了提升服务质量，降低处理资源调度的时间，解决由于边缘积压导致的数据处理不及时、负载不均，以及将数据调度到云计算中心浪费资源的问题，提出改进的差分人工蜂群算法(differential)。当任务数增多时，完成时间降低效果较好，随着任务数的增长，后期完成时间的增长速度趋缓。利用空闲资源与带宽进行任务调度，分散整体任务，负载均衡度随任务数增长而提升。
2.面向边缘集群的云边协同资源优化与服务质量保障
王晓飞和王闻宇提出的“KaiS”和“EdgeMatrix”两项资源优化框架，解决了资源调度、服务编排与请求指派的联合优化问题。这些框架在真实数据集和场景中得到了测试，并在IEEE
INFOCOM
2021与2022会议上发表。他们的工作均已在CCFA类计算机领域顶级会议IEEE
International
Conference
on
Computer
Communications
(INFOCOM)中得到认可。基于学习的Kubernetes边云系统定制化调度框架KaiS，可以通过系统的运行经验自主学习复杂的调度策略，而无需依赖于有关系统执行参数和运行状态的假设。
3.南威软件的云边端协同的算力资源智能监控调度方法及系统专利
南威软件提出的一种云边端协同的算力资源智能监控调度方法及系统专利，包括通过云平台管理分布在边缘计算层中的边缘计算节点或边缘计算池，并实时监控边缘计算节点或边缘计算池的运行状态；云平台接收终端层上传的视频数据，基于视频数据生成所需的计算任务；同时，该方法还需要考虑网络状况、节点负载等因素，进行动态调度。
4.导航:X技术最新专利计算
另一种云边协同计算的资源调度案例是基于sla的云边协同资源编排与请求调度智能优化方法。这种方法通过使用云原生、边缘计算、人工智能技术，将深度强化学习和传统算法相结合，解决了复杂的边缘集群在竞争请求之间合理高效的分配有限资源的难题，同时可以有效的保证不同服务的sla。这种方法包括训练环境及训练参数初始化、获取系统初始观测值、动作获取、资源定制操作执行、服务编排***计算、服务编排操作执行和更新神经网络等步骤。
以上这些案例都是在不同的场景和需求下，针对云边协同计算的资源调度问题进行的研究和实践，它们都体现了云边协同计算的资源调度的重要性和挑战。
