基于智能边缘计算的物联接入网关容错机制研究

栾奇麒，程力涵，李春鹏，蒋峰，宋庆武

（1.江苏方天电力技术有限公司，江苏 南京 211100；2.国网江苏省电力有限公司，江苏 南京 211103）

信息智能化产业的不断发展[1]，未来将引入大量异构终端设备进入网络[2]，产生无法估量的网络数据[3-4]。在物联网传输过程中，资源节点若出现问题，会使网络整体服务效率和质量下降[5-6]。

罗鑫辉等人提出改进自适应卡尔曼滤波的容错控制方法[7]，通过故障信息技术制定容错检测，虽提高了检测的准确性，但过程过于复杂，时间太久导致检测效率低；任家东等人提出预测机制的事件检测容错方法[8]，利用KNN-PSOELM 预测机制实现即时网络容错检测，虽然较为及时，但数据传输操作繁琐，容错检测效果不佳。

为此，该文设计了一种基于智能边缘计算的物联接入网关容错机制，缓解了云计算处理数据的压力，加快数据处理速度，减少了数据传输冗余，降低了延迟，使数据延迟问题得到了有效解决。

1 物联接入网关容错机制设计

1.1 智能边缘计算平台设计

为物联网网关基本框架构建智能边缘计算平台，如图1 所示。

图1 智能边缘计算平台

在边缘计算服务基础上，通过容错机制实现网络资源调度，实现网关注册和网络数据传输[9]。

1.2 基于自适应调度的物联网络容错机制

采用容错机制可解决网络系统任务运行过程产生的一系列问题，容错机制结构如图2 所示。

图2 容错机制结构

为了提高检测效率，在存储节点上设置检查点，对比文件存储系统运行状态，查出错误原因，利用错误恢复机制恢复系统正常状态[10-12]。

结合蚂蚁算法的自适应特性，研究基于自适应调度的网络容错机制，为明确网络资源的信息浓度，需综合以下因素：

用Mb表示网络带宽，用Mp表示CPU 数量，用Mr表示处理任务的成功率等因素，对网络中各资源节点实施评估。资源节点信息素的初始化用式（1）描述：

其中，a+b+c=1，成功率占资源节点信息素比用c描述，CPU 处理能力用a描述，网络带宽用b描述。资源节点处理任务的成功率用Mr=Msuccess/Mall描述，其初始值[13]等于0。

为计算出所属节点上分配任务的概率，按照各资源节点的信息素，通过式（2）实现求解：

其中，资源信息素的重要性用α描述，时间t时资源的信息素用Mi(t)描述，资源用i描述，资源节点的固有属性用ηi=Mi(0)描述，资源固有属性的重要性用β描述，全部资源数用m描述，针对不同的任务需求调整α和β的值。

信息素在资源实现后，信息素的变化如式（3）所示：

其中，在网络资源任务处理成功时，满足ΔMs=Ce×k，其中奖励参数用Ce描述，此值为正数；在网络资源被分配时，满足ΔMs=-k，资源处理任务的消耗量用k描述；在网络资源任务处理不成功时，满足ΔMs=×k，惩罚参数用描述，其值为负数。

1.3 融合蚂蚁算法检测最优资源任务

为提高网络资源利用率，蚂蚁算法在网络任务调度中需添加用λ表示负载均衡因子[14]。若出现新的资源，新节点任务分配概率用式（1）-（2）求解；若某资源失效时，则该节点的任务分配概率是零。蚂蚁算法的资源选择流程如图3 所示。

图3 蚂蚁算法的资源选择流程

2 实验分析

2.1 实验环境

为验证该文机制有效性，通过Gridsim 平台实施实验。实验操作系统为Windows 10 系统，其CPU 为3.6 GHz，系统最大运行内存为16 GB。

2.2 实验方案

实验对比机制为文献[7]改进自适应卡尔曼滤波容错控制机制、文献[8]预测机制的检测容错机制。模拟构建包含9 个资源节点的物联接入网关，资源节点信息如表1 所示。

表1 资源节点信息

实验参数设置如表2 所示。

表2 参数设置

2.3 实验结果分析

在不同网络资源调度任务下，分别采用三种机制执行任务，得出三种机制的执行时间，如图4所示。

由图4 可知，在网络任务数较少时，文献[7]机制比该文机制执行任务的时间短，随着调度任务数的增加，文献[7]机制比该文机制执行时间长；而文献[8]机制的执行时间最长，说明该文机制在任务执行初期需要一定的时间计算，在网络任务数较少时不具有优势，在任务数上升时，该文机制的任务时间最少。

图4 不同机制任务执行时间

不同容错机制处理网络任务是衡量机制性能的关键因素[15-16]。为此，实验分析了三种机制处理网络任务数成功率，得到的实验结果如图5 所示。

图5 处理网络任务成功率对比

由图5 可知，该文机制可选取最优网络资源且选取的资源稳定，因此该文机制处理网络任务成功率明显高于其他两种机制，平均成功率为95%，而其他两种机制的平均成功率分别为79%、73%，且波动较大；随着任务增加，该文机制处理成功率也随之上升。

考虑到网络系统会出现繁忙的情况，在总任务中选择50 个执行资源，调度节点共有120 项作业任务，三种机制完成作业任务的平均时间如表3 所示。

表3 完成作业任务的平均时间

分析表3 可知，在资源出错率为1%～3%时，三种机制完成作业任务的平均时间相差不大，在资源出错率为4%～9%时，三种机制完成作业任务的平均时间与资源出错率成正比。该文机制完成作业任务的平均时间为8 322 ms，分别比其他两种机制节省611 ms、1 100 ms，表明该文机制可在繁忙的网络系统下，快速实现作业任务的执行。

当网络系统内存在容错情况，统计采用三种机制实施容错检测与恢复的时间，具体结果如表4所示。

表4 容错检测与恢复时间

分析表4 可知，该文机制的容错检测与恢复时间，明显优于其他两种机制，随着容错数量的增加，该文机制的容错检测与恢复时间也随之增加，当容错数量为80 个时，此时检测性能比较稳定，而其他两种机制的容错检测与恢复时间始终趋于增长趋势，需要耗时大量时间。

考虑网络任务执行时需要保证较低风险率，在任务数量为200 个时，对比三种机制的能耗，结果如图6 所示。

分析图6 可知，在任务数量为200 个时，其他两种机制能耗随着风险率的增加而增加，而该文机制的能耗受风险率影响较小，说明该文机制的风险率较低，性能较优。

图6 三种机制的能耗

3 结论

针对现存物联网关接入网络中存在容错的现象，研究了基于智能边缘计算的物联接入网关容错机制，提高处理网络容错现象的能力。利用智能边缘计算的优势，将蚂蚁算法融入物联接入网关容错机制中，提高网络资源优化调度，及时处理网络中容错现象。实验结果表明，该文机制执行任务的耗时低，且具有较高成功率，可更好地检测网络中的容错现象。