(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211381753.2 (22)申请日 2022.11.07 (71)申请人 山东海量信息技 术研究院 地址 250000 山东省济南市高新 技术开发 区国家信息通信国际创新园 (72)发明人 张亚强　李茹杨　邓琪　李雪雷　 赵雅倩　李仁刚　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 王华 (51)Int.Cl. G06F 9/50(2006.01) G06N 20/00(2019.01) (54)发明名称 任务处理方法、 系统、 装置、 设备及计算机可 读存储介质 (57)摘要 本申请公开了一种任务处理方法、 系统、 装 置、 设备及计算机可读存储介质， 应用于资源调 度技术领域， 方法应用于边缘网络中的计算节 点， 每一计算节点设置有一种或多种异构资源， 包括接收边缘网络下发的资源分配策略； 资源分 配策略包括每一种异构资源被分配的关于目标 任务的处理量； 将资源分配策略和本地资源信息 输入至预设策略学习模型进行处理， 获得资源共 享策略； 资源共享策略包括各异构资源的可提供 资源， 预设策略学习模型以计算节 点的任务处理 价值为优化目标训练获得； 利用资源共享策略执 行目标任务。 应用本申请所提供的技术方案， 可 以为计算任务进行更为合理的资源分配， 实现任 务请求者和资源提供者的双赢。 权利要求书3页 说明书17页 附图3页 CN 115421930 A 2022.12.02 CN 115421930 A 1.一种任务处理方法， 其特征在于， 应用于边缘网络 中的计算节点， 每一所述计算节点 设置有一种或多种异构资源， 所述方法包括： 接收所述边缘网络下发的资源分配策略； 所述资源分配策略包括每一种所述异构资源 被分配的关于目标任务的处 理量； 将所述资源分配策略和本地资源信 息输入至预设策略学习 模型进行处理， 获得资源共 享策略； 所述资源共享策略包括各所述异构资源的可提供资源， 所述预设策略学习模型以 所述计算节点的任务处 理价值为优化目标训练获得； 利用所述资源 共享策略执 行所述目标任务。 2.根据权利要求1所述的方法， 其特征在于， 所述利用所述资源共享策略执行所述目标 任务之后， 还 包括： 获取所述目标任务的执 行结果； 将所述执 行结果上报至所述 边缘网络。 3.根据权利 要求1所述的方法， 其特征在于， 所述异构 资源包括CPU资源、 GPU资源、 FP GA 资源。 4.根据权利要求1至 3任一项所述的方法， 其特 征在于， 还 包括： 对所述本地资源信息进行实时监控； 当所述本地资源信息满足预设条件时， 将所述本地资源信息发布至所述 边缘网络。 5.根据权利要求4所述的方法， 其特征在于， 所述当所述本地资源信息满足预设条件 时， 将所述本地资源信息发布至所述 边缘网络， 包括： 根据所述本地资源信息确定可用资源； 当所述可用资源的资源占比达到预设阈值 时， 将所述本地资源信 息发布至所述边缘网 络。 6.根据权利要求4所述的方法， 其特征在于， 所述本地资源信 息包括可用资源和资源提 供时间， 所述可用资源 包括各所述异构资源的当前 可用资源。 7.一种任务处理方法， 其特征在于， 应用于边缘网络， 所述边缘网络 中的每一计算节点 设置有一种或多种异构资源， 所述方法包括： 根据目标任务的任务信 息和各所述计算节点的本地资源信 息， 确定目标计算节点和资 源分配策略； 所述资源分配策略包括每一种所述异构资源被分配的关于所述目标任务的处 理量； 将所述资源分配策略发送至各所述目标计算节点， 以使各所述目标计算节点利用预设 策略学习模型对所述资源分配策略和所述本地资源信息进行处理， 获得资源共享策略， 并 利用所述资源共享策略执行所述目标任务； 所述资源共享策略包括各所述异构资源的可提 供资源， 所述预设策略学习模型以所述计算节点的任务处 理价值为优化目标训练获得。 8.根据权利要求7所述的方法， 其特征在于， 所述根据目标任务的任务信 息和各所述计 算节点的本地资源信息， 确定目标计算节点， 包括： 根据所述本地资源信息确定资源提供时间和可用资源； 当所述资源提供时间和所述可用资源均满足所述任务信 息指示的任务需求 时， 确定所 述计算节点 为所述目标计算节点。 9.根据权利要求7所述的方法， 其特征在于， 所述根据目标任务的任务信 息和各所述计权　利　要　求　书 1/3 页 2 CN 115421930 A 2算节点的本地资源信息， 确定目标计算节点和资源分配策略之前， 还 包括： 统计各所述计算节点发布的所述本地资源信息； 其中， 所述本地资源信息由所述计算 节点在所述本地资源信息满足预设条件时发布至所述 边缘网络。 10.根据权利要求7 所述的方法， 其特 征在于， 还 包括： 获取所述目标计算节点上传的所述目标任务的执 行结果； 将所述执 行结果反馈 至所述目标任务的发起端。 11.一种任务处理系统， 其特征在于， 包括边缘网络和部署于所述边缘网络 中的计算节 点， 每一所述计算节点设置有一种或多种异构资源， 其中， 所述边缘网络， 用于根据目标任务的任务信息和各所述计算节点的本地资源信息， 确 定目标计算节点和资源分配策略， 并将所述资源分配策略发送至各所述 目标计算节点； 所 述资源分配策略包括每一种所述异构资源被分配的关于所述目标任务的处 理量； 所述目标计算节点， 用于利用预设策略学习 模型对所述资源分配策略和所述本地资源 信息进行处理， 获得资源共享策略， 并利用所述资源共享策略执行所述目标任务； 所述资源 共享策略包括各所述异构资源的可提供资源， 所述预设策略学习模型以所述计算节点的任 务处理价值为优化目标训练获得。 12.一种任务处理装置， 其特征在于， 应用于边缘网络中的计算节点， 每一所述计算节 点设置有一种或多种异构资源， 所述装置包括： 接收模块， 用于接收所述边缘网络下发的资源分配策略； 所述资源分配策略包括每一 种所述异构资源被分配的关于目标任务的处 理量； 处理模块， 用于将所述资源分配策略和本地资源信 息输入至预设策略学习模型进行处 理， 获得资源共享策略； 所述资源共享策略包括各所述异构资源的可提供资源， 所述预设策 略学习模型以所述计算节点的任务处 理价值为优化目标训练获得； 执行模块， 用于利用所述资源 共享策略执 行所述目标任务。 13.一种任务处理装置， 其特征在于， 应用于边缘网络， 所述边缘网络中的每一计算节 点设置有一种或多种异构资源， 所述装置包括： 确定模块， 用于根据目标任务的任务信息和各所述计算节点的本地资源信息， 确定目 标计算节点和资源分配策略； 所述资源分配策略包括每一种所述异构资源被分配的关于所 述目标任务的处 理量； 发送模块， 用于将所述资源分配策略发送至各所述目标计算节点， 以使各所述目标计 算节点利用预设策略学习模型对所述资源分配策略和所述本地资源信息进 行处理， 获得资 源共享策略， 并利用所述资源共享策略执行所述 目标任务； 所述资源共享策略包括各所述 异构资源的可提供资源， 所述预设策略学习模型以所述计算节点的任务处理价值为优化目 标训练获得。 14.一种任务处 理设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至10任一项所述的任务处理方 法的步骤。 15.一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至10任一项所述的任务处理方法权　利　要　求　书 2/3 页 3 CN 115421930 A 3