基于智能邊緣計算的物聯接入網關容錯機制研究

欒奇麒，程力涵，李春鵬，蔣峰，宋慶武

（1.江蘇方天電力技術有限公司，江蘇 南京 211100；2.國網江蘇省電力有限公司，江蘇 南京 211103）

信息智能化產業的不斷發展[1]，未來將引入大量異構終端設備進入網絡[2]，產生無法估量的網絡數據[3-4]。在物聯網傳輸過程中，資源節點若出現問題，會使網絡整體服務效率和質量下降[5-6]。

羅鑫輝等人提出改進自適應卡爾曼濾波的容錯控制方法[7]，通過故障信息技術制定容錯檢測，雖提高了檢測的準確性，但過程過于復雜，時間太久導致檢測效率低；任家東等人提出預測機制的事件檢測容錯方法[8]，利用KNN-PSOELM 預測機制實現即時網絡容錯檢測，雖然較為及時，但數據傳輸操作繁瑣，容錯檢測效果不佳。

為此，該文設計了一種基于智能邊緣計算的物聯接入網關容錯機制，緩解了云計算處理數據的壓力，加快數據處理速度，減少了數據傳輸冗余，降低了延遲，使數據延遲問題得到了有效解決。

1 物聯接入網關容錯機制設計

1.1 智能邊緣計算平臺設計

為物聯網網關基本框架構建智能邊緣計算平臺，如圖1 所示。

圖1 智能邊緣計算平臺

在邊緣計算服務基礎上，通過容錯機制實現網絡資源調度，實現網關注冊和網絡數據傳輸[9]。

1.2 基于自適應調度的物聯網絡容錯機制

采用容錯機制可解決網絡系統任務運行過程產生的一系列問題，容錯機制結構如圖2 所示。

圖2 容錯機制結構

為了提高檢測效率，在存儲節點上設置檢查點，對比文件存儲系統運行狀態，查出錯誤原因，利用錯誤恢復機制恢復系統正常狀態[10-12]。

結合螞蟻算法的自適應特性，研究基于自適應調度的網絡容錯機制，為明確網絡資源的信息濃度，需綜合以下因素：

用Mb表示網絡帶寬，用Mp表示CPU 數量，用Mr表示處理任務的成功率等因素，對網絡中各資源節點實施評估。資源節點信息素的初始化用式（1）描述：

其中，a+b+c=1，成功率占資源節點信息素比用c描述，CPU 處理能力用a描述，網絡帶寬用b描述。資源節點處理任務的成功率用Mr=Msuccess/Mall描述，其初始值[13]等于0。

為計算出所屬節點上分配任務的概率，按照各資源節點的信息素，通過式（2）實現求解：

其中，資源信息素的重要性用α描述，時間t時資源的信息素用Mi(t)描述，資源用i描述，資源節點的固有屬性用ηi=Mi(0)描述，資源固有屬性的重要性用β描述，全部資源數用m描述，針對不同的任務需求調整α和β的值。

信息素在資源實現后，信息素的變化如式（3）所示：

其中，在網絡資源任務處理成功時，滿足ΔMs=Ce×k，其中獎勵參數用Ce描述，此值為正數；在網絡資源被分配時，滿足ΔMs=-k，資源處理任務的消耗量用k描述；在網絡資源任務處理不成功時，滿足ΔMs=×k，懲罰參數用描述，其值為負數。

1.3 融合螞蟻算法檢測最優資源任務

為提高網絡資源利用率，螞蟻算法在網絡任務調度中需添加用λ表示負載均衡因子[14]。若出現新的資源，新節點任務分配概率用式（1）-（2）求解；若某資源失效時，則該節點的任務分配概率是零。螞蟻算法的資源選擇流程如圖3 所示。

圖3 螞蟻算法的資源選擇流程

2 實驗分析

2.1 實驗環境

為驗證該文機制有效性，通過Gridsim 平臺實施實驗。實驗操作系統為Windows 10 系統，其CPU 為3.6 GHz，系統最大運行內存為16 GB。

2.2 實驗方案

實驗對比機制為文獻[7]改進自適應卡爾曼濾波容錯控制機制、文獻[8]預測機制的檢測容錯機制。模擬構建包含9 個資源節點的物聯接入網關，資源節點信息如表1 所示。

表1 資源節點信息

實驗參數設置如表2 所示。

表2 參數設置

2.3 實驗結果分析

在不同網絡資源調度任務下，分別采用三種機制執行任務，得出三種機制的執行時間，如圖4所示。

由圖4 可知，在網絡任務數較少時，文獻[7]機制比該文機制執行任務的時間短，隨著調度任務數的增加，文獻[7]機制比該文機制執行時間長；而文獻[8]機制的執行時間最長，說明該文機制在任務執行初期需要一定的時間計算，在網絡任務數較少時不具有優勢，在任務數上升時，該文機制的任務時間最少。

圖4 不同機制任務執行時間

不同容錯機制處理網絡任務是衡量機制性能的關鍵因素[15-16]。為此，實驗分析了三種機制處理網絡任務數成功率，得到的實驗結果如圖5 所示。

圖5 處理網絡任務成功率對比

由圖5 可知，該文機制可選取最優網絡資源且選取的資源穩定，因此該文機制處理網絡任務成功率明顯高于其他兩種機制，平均成功率為95%，而其他兩種機制的平均成功率分別為79%、73%，且波動較大；隨著任務增加，該文機制處理成功率也隨之上升。

考慮到網絡系統會出現繁忙的情況，在總任務中選擇50 個執行資源，調度節點共有120 項作業任務，三種機制完成作業任務的平均時間如表3 所示。

表3 完成作業任務的平均時間

分析表3 可知，在資源出錯率為1%～3%時，三種機制完成作業任務的平均時間相差不大，在資源出錯率為4%～9%時，三種機制完成作業任務的平均時間與資源出錯率成正比。該文機制完成作業任務的平均時間為8 322 ms，分別比其他兩種機制節省611 ms、1 100 ms，表明該文機制可在繁忙的網絡系統下，快速實現作業任務的執行。

當網絡系統內存在容錯情況，統計采用三種機制實施容錯檢測與恢復的時間，具體結果如表4所示。

表4 容錯檢測與恢復時間

分析表4 可知，該文機制的容錯檢測與恢復時間，明顯優于其他兩種機制，隨著容錯數量的增加，該文機制的容錯檢測與恢復時間也隨之增加，當容錯數量為80 個時，此時檢測性能比較穩定，而其他兩種機制的容錯檢測與恢復時間始終趨于增長趨勢，需要耗時大量時間。

考慮網絡任務執行時需要保證較低風險率，在任務數量為200 個時，對比三種機制的能耗，結果如圖6 所示。

分析圖6 可知，在任務數量為200 個時，其他兩種機制能耗隨著風險率的增加而增加，而該文機制的能耗受風險率影響較小，說明該文機制的風險率較低，性能較優。

圖6 三種機制的能耗

3 結論

針對現存物聯網關接入網絡中存在容錯的現象，研究了基于智能邊緣計算的物聯接入網關容錯機制，提高處理網絡容錯現象的能力。利用智能邊緣計算的優勢，將螞蟻算法融入物聯接入網關容錯機制中，提高網絡資源優化調度，及時處理網絡中容錯現象。實驗結果表明，該文機制執行任務的耗時低，且具有較高成功率，可更好地檢測網絡中的容錯現象。