[發(fā)明專(zhuān)利]面向云邊端協(xié)同查詢(xún)的深度學(xué)習(xí)代價(jià)估計(jì)系統(tǒng)、方法及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202210319734.0
• 申請(qǐng)日: 2022-03-29
• 公開(kāi)（公告）號(hào): CN114911823A
• 公開(kāi)（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 王宏志;張愷欣;崔雙雙;丁小歐
• 申請(qǐng)（專(zhuān)利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06F16/2453
• 分類(lèi)號(hào): G06F16/2453;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 哈爾濱華夏松花江知識(shí)產(chǎn)權(quán)代理有限公司 23213
• 代理人: 時(shí)起磊

面向云邊端協(xié)同查詢(xún)的深度學(xué)習(xí)代價(jià)估計(jì)系統(tǒng)、方法及設(shè)備，屬于計(jì)算機(jī)技術(shù)領(lǐng)域。為了解決于目前還沒(méi)有一種針對(duì)云、邊、端三種設(shè)備聯(lián)合查詢(xún)優(yōu)化的方法的問(wèn)題。本發(fā)明所述系統(tǒng)中以云邊端系統(tǒng)的系統(tǒng)節(jié)點(diǎn)元信息和協(xié)同查詢(xún)計(jì)劃樹(shù)確定面向云邊端協(xié)同查詢(xún)的深度學(xué)習(xí)代價(jià)估計(jì)模型的模型輸入，代價(jià)估計(jì)模型根據(jù)模型輸入進(jìn)行代價(jià)估計(jì)；代價(jià)估計(jì)模型采用殘差連接的m個(gè)樹(shù)卷積模塊，對(duì)協(xié)同查詢(xún)計(jì)劃樹(shù)編碼進(jìn)行特征融合和特征提取，進(jìn)而得到針對(duì)每個(gè)云/邊/端節(jié)點(diǎn)的查詢(xún)計(jì)劃特征；然后使用GCN和樹(shù)卷積高效融合了查詢(xún)特征和云邊端數(shù)據(jù)庫(kù)系統(tǒng)特征，實(shí)現(xiàn)了對(duì)云邊端數(shù)據(jù)庫(kù)的準(zhǔn)確代價(jià)估計(jì)。本發(fā)明主要用于面向云邊端協(xié)同查詢(xún)的深度學(xué)習(xí)代價(jià)估計(jì)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種面向云邊端協(xié)同查詢(xún)的代價(jià)估計(jì)系統(tǒng)及方法，屬于計(jì)算機(jī)技術(shù)領(lǐng)域。

背景技術(shù)

隨著互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的普及，邊緣應(yīng)用的數(shù)據(jù)量呈幾何級(jí)數(shù)上漲。在云邊端系統(tǒng)中，數(shù)據(jù)在終端形成、積累，傳送到云端，進(jìn)行數(shù)據(jù)處理，再返回到終端指導(dǎo)業(yè)務(wù)。這一系列動(dòng)作將對(duì)網(wǎng)絡(luò)帶寬產(chǎn)生數(shù)百Gbps每秒的超高需求，不僅會(huì)存在延遲，還需要面臨弱網(wǎng)卡頓、連接成功率低等諸多問(wèn)題，用戶(hù)體驗(yàn)無(wú)法保障。同時(shí)，大帶寬對(duì)回傳網(wǎng)絡(luò)、業(yè)務(wù)中心造成巨大傳輸壓力，也會(huì)讓用戶(hù)面臨著巨額的帶寬成本。這意味著集中式的數(shù)據(jù)存儲(chǔ)、管理和處理將面臨難解的瓶頸和壓力。傳統(tǒng)云計(jì)算架構(gòu)無(wú)法滿(mǎn)足這種爆發(fā)式的海量數(shù)據(jù)計(jì)算需求，將云計(jì)算的能力下沉到邊緣側(cè)、設(shè)備側(cè)，并通過(guò)中心進(jìn)行統(tǒng)一交付、運(yùn)維、管控，將是重要發(fā)展趨勢(shì)；

可以說(shuō)，云邊端協(xié)同是云計(jì)算的延伸，兩者各有其特點(diǎn)：云計(jì)算能夠把握全局，處理大量數(shù)據(jù)，在商業(yè)決策等非實(shí)時(shí)數(shù)據(jù)處理場(chǎng)景發(fā)揮著重要作用；云邊端協(xié)同能夠更好地在小規(guī)模、實(shí)時(shí)的智能數(shù)據(jù)管理中發(fā)揮作用，如滿(mǎn)足局部企業(yè)的實(shí)時(shí)需求。因此，云計(jì)算更適合大規(guī)模數(shù)據(jù)的集中處理，而云邊端協(xié)同可以用于小規(guī)模的智能數(shù)據(jù)管理和本地服務(wù)。云邊端協(xié)同與云計(jì)算相輔相成、協(xié)調(diào)發(fā)展，更大程度上助力行業(yè)的數(shù)字化轉(zhuǎn)型。

盡管云邊端協(xié)同數(shù)據(jù)管理具有諸多優(yōu)勢(shì)，但是由于云、邊和端的計(jì)算、存儲(chǔ)資源狀況和對(duì)數(shù)據(jù)協(xié)同管理的需求，現(xiàn)有的云端數(shù)據(jù)庫(kù)查詢(xún)優(yōu)化難以適應(yīng)云邊端數(shù)據(jù)庫(kù)系統(tǒng)數(shù)據(jù)高維異構(gòu)，架構(gòu)復(fù)雜的特性。

當(dāng)前的數(shù)據(jù)管理理論和技術(shù)難以滿(mǎn)足云邊端協(xié)同數(shù)據(jù)管理的需求，同時(shí)當(dāng)前研究主要集中在云上的數(shù)據(jù)管理，邊緣和端上的數(shù)據(jù)管理研究較少，云邊端協(xié)同的數(shù)據(jù)管理理論和技術(shù)的研究更是鳳毛麟角。

在端側(cè)的查詢(xún)上，數(shù)據(jù)庫(kù)系統(tǒng)Cougar和TinyDB在他們的設(shè)計(jì)中使用擴(kuò)展的SQL語(yǔ)言來(lái)描述查詢(xún)。在查詢(xún)優(yōu)化方面，他們的優(yōu)化方法以能耗和傳輸成本為關(guān)鍵指標(biāo)，以節(jié)點(diǎn)分組和算子重排序等方法作為優(yōu)化查詢(xún)計(jì)劃的主要手段。

具體來(lái)講，在上述兩個(gè)數(shù)據(jù)庫(kù)系統(tǒng)的優(yōu)化方案中，數(shù)據(jù)庫(kù)系統(tǒng)首先將SQL解析為查詢(xún)計(jì)劃，查詢(xún)計(jì)劃指定了每個(gè)傳感器(端側(cè)設(shè)備)要執(zhí)行的計(jì)算、采樣速率和傳感器之間的通信結(jié)構(gòu)。

查詢(xún)計(jì)劃生成后，方案的查詢(xún)優(yōu)化算法根據(jù)元數(shù)據(jù)做出查詢(xún)優(yōu)化決策。其中的元數(shù)據(jù)包括傳感器位置、類(lèi)型、內(nèi)存量、每個(gè)操作的能耗等靜態(tài)信息，以及有關(guān)傳感器剩余電池壽命和查詢(xún)謂詞選擇性的動(dòng)態(tài)統(tǒng)計(jì)信息。

因此查詢(xún)優(yōu)化算法是基于成本模型的，這是現(xiàn)有技術(shù)中方案的核心所在，基于成本模型的查詢(xún)優(yōu)化算法是將能耗和傳輸成本作為主要考量指標(biāo)。

令N為傳感器類(lèi)型的數(shù)量，k為謂詞數(shù)量，E_i為傳感器類(lèi)型i的采樣代價(jià)，E_trans、E_recv分別為發(fā)送和接收一條消息的能量，為評(píng)估謂詞i'所消耗的能力，E_agg為計(jì)算(部分)聚集的能量開(kāi)銷(xiāo)，C為通過(guò)該節(jié)點(diǎn)連接的子節(jié)點(diǎn)的數(shù)量。節(jié)點(diǎn)s采集一個(gè)樣本，并傳輸他的部分聚集結(jié)果的能量開(kāi)銷(xiāo)的估計(jì)公式如下：

假設(shè)傳感器s的剩余電池電量為B_s焦耳，s有足夠的功率來(lái)持續(xù)采樣個(gè)樣本集合。為了延長(zhǎng)系統(tǒng)的使用周期需要生成一個(gè)計(jì)劃以最大化這個(gè)值。設(shè)有P個(gè)計(jì)劃，則此過(guò)程可以描述為：