KCES：一种云边协同框架下的工作流容器化调度方案

该文档主要探讨了云边协同环境下的工作流调度问题，提出了一种名为KCES的工作流容器化调度方案，旨在优化云边协同模式下的任务调度。以下是对该文档的详细总结：

1. 引言与背景

文档首先介绍了云边协同的背景，指出云边协同是当前研究和工业界最为关注的协作形式。云边协同通过结合云计算的强大处理能力和边缘计算的低延迟特性，能够有效提升物联网（IoT）应用的性能。然而，现有的云边协同框架更多关注于异构资源管理、应用交付和运维，而缺乏高效的工作流任务调度框架。

2. 相关工作

文档综述了与云边协同和容器化工作流调度相关的研究进展。KubeEdge和OpenYurt等框架被提及为云边协同的代表性产品，但它们主要解决的是大规模应用交付和运维问题，而非工作流调度。学术界也有一些研究关注云边协同框架的设计，如Haja等人设计的具有边缘拓扑感知的K8s调度器，以及Wang等人提出的基于KubeEdge的边缘AI框架，但这些框架不适用于具有依赖关系的工作流应用场景。

3. 系统模型与问题表述

文档详细描述了云边场景下的工作流调度模型。KubeEdge集群中的主节点不参与负载，仅负责管理集群。云节点和边缘节点分别用一组可用的CPU核心和内存容量来表示其可用资源。工作流被抽象为一组任务，每个任务具有唯一标识符、所需数据、镜像地址、CPU和内存需求以及任务持续时间。工作流的服务级别协议（SLA）定义了工作流或任务的服务级别目标（SLO）。

4. KCES方案

KCES方案充分利用了K8s和KubeEdge的技术优势，实现了物联网工作流在真实云边环境中的容器化执行。KCES解决了云边资源协作和应用协作的问题，最大化了云边资源的使用。其核心在于任务水平漫游和垂直卸载的调度能力，以实现云边集群的负载均衡。

5. 算法实现

文档进一步介绍了KCES的算法实现。任务水平漫游和垂直卸载算法旨在解决云边之间的应用协作问题。通过分布式功能角色和计算能力的层次划分，KCES能够在云边环境中高效地调度工作流任务。

6. 实验分析

实验结果验证了KCES的有效性。通过云边实验平台，KCES在不同的工作流到达模式下表现出色，显著降低了总工作流持续时间和平均工作流持续时间。实验还展示了KCES在资源使用率方面的稳定性和可靠性。

7. 结论

文档最后总结了KCES的贡献，强调其在云边协同模式下的工作流调度优化能力。未来的研究方向包括扩展云边集群的规模，结合强化学习方法进一步提升KCES的性能。

术语解释

• 云边协同：结合云计算和边缘计算的优势，通过协同工作提升系统性能。
• KubeEdge：一个基于K8s的开源智能边缘框架，支持云原生边缘计算。
• 容器化：利用容器技术实现应用的快速部署和资源共享。
• 任务水平漫游：在云边环境中，任务可以在不同节点间水平移动以实现负载均衡。
• 垂直卸载：将任务从资源紧张的节点卸载到资源充足的节点。

通过上述总结，读者可以全面理解该文档的内容、方法和贡献，尤其是KCES在云边协同工作流调度中的创新之处。