CN102196503B - 面向服务质量保障的认知网络服务迁移方法 - Google Patents
面向服务质量保障的认知网络服务迁移方法 Download PDFInfo
- Publication number
- CN102196503B CN102196503B CN201110176809.6A CN201110176809A CN102196503B CN 102196503 B CN102196503 B CN 102196503B CN 201110176809 A CN201110176809 A CN 201110176809A CN 102196503 B CN102196503 B CN 102196503B
- Authority
- CN
- China
- Prior art keywords
- service
- migration
- node
- services
- network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明的目的在于提供面向服务质量保障的认知网络服务迁移方法,若认知网络系统检测到了系统中存在工作节点服务失效的情况,则启动服务迁移机制:暂停服务失效的节点上当前正在执行的服务,同时创建一个服务迁移实例;对暂停的服务进行分层重构;计算迁移路径,然后向迁移节点发送服务迁移请求;迁移节点收到请求后,进行迁移并告知新的迁移位置,并在新的工作节点进行服务注册,激活挂起的迁移服务,原工作节点删除迁移服务的备份,本次服务迁移过程完成。本发明从根本上解决了网络环境下服务容错恢复开销大效果欠佳的技术难题,具有成本低,副作用小以及实施简单的特点,具有较好的市场应用前景。
Description
技术领域
本发明涉及的是一种网络系统的服务质量保障(quality of service,QoS)。
背景技术
认知网络(Cognitive Networks,CN)受认知无线电(Cognitive Radio,CR)技术启发而提出,其核心思想是使网络网络能够感知内外环境变化,实时调整网络网络的配置,动态智能地适应外界环境变化并指导未来的自主决策,也就是在网络层面引入生物自律性质,增强其环境适应能力和认知能力。目前对认知网络研究正处于起步阶段,由于认知网络应用环境的复杂程度远超过开发者在网络设计初期所预想的程度,已经成功地在传统IP网络层部署的综合服务IntServ和区分服务DiffServ等网络QoS体系结构仍不能满足以宽带、移动、IP化等为主要特征的认知网络QoS保障需求,不能适应认知网络中实时交互式流媒体业务的要求。如何建立保障通信的框架结构并提供高效的网络QoS以保证认知网络端到端性能成为认知网络的核心内容和研究热点。
目前对认知网络QoS的研究大致存在两种思路。一种思路是仍沿用传统互联网络的QoS体系,例如通过对IntServ和DiffServ的改进与融合来满足用户需求。IntServ需要在端到端传输路径上的每个节点为每一信息流建立并维持资源预留,因而导致连接建立和连接释放阶段的额外开销激增;DiffServ面向QoS参数加以区分应用,相比IntServ简化了信令,但由于DiffServ结构中网络和端网络之间缺乏信令通信,不能提供端到端的QoS保障。认知网络QoS研究的第二种思路则是试图建立具有自适应能力的认知网络QoS保障机制。Sheng-Wen H等人在文献《An adaptive QoS guarantee framework for SMILmultimedia presentations with ATM ABR service》中提出一个面向应用QoS的SMILe自适应框架,该框架定时检测SMILe媒体对象的ATM可用流量带宽,并自适应地调整现有SMILe对象的带宽分配以满足SMIL的实时异步需求。Gramm等人在文献《Adaptive QoS for Mobile Web Services through Cross-LayerCommunication》中提出一种基于跨层通信的移动Web服务自适应模型,研究服务接收终端如何利用该框架定义各种QoS标准,以及如何选择服务提供商等问题。Hsu-Yang K等人在文献《A configurable multicast multimedia frameworksupporting adaptive QoS》中从信息反馈和异构QoS的角度提出了一个可配置多播、多数据流和多媒体流的可配置网络,该网络使用动态反馈和定期反馈控制相结合的机制来适应异构网络实时动态的环境。辛明军等人在文献《基于多Agent的复合模型求解自适应QoS机制》中以代理技术为实现手段,提出一种复合模型协作求解的自适应QoS体系结构,以提高协同计算环境分布式问题协作求解的运行效率和服务水平。由于现有认知网络QoS保障方式本质上并没有改变传统控制模式,调节网络QoS质量的手段比较分散,缺乏一种形之有效的、网络化的、具有自适应能力的认知网络OoS保障方案,因此难以满足大规模认知网络中服务对QoS的特定需求。
发明内容
本发明的目的在于提供简单、高效、无需加大系统运行中备份容错的开销的面向服务质量保障的认知网络服务迁移方法。
本发明的目的是这样实现的:
本发明面向服务质量保障的认知网络服务迁移方法,其特征是:认知网络系统将服务迁移实例导入工作节点服务队列等待并执行,如果服务执行正常则服务迁移机制不启动;若系统检测到了系统中存在工作节点服务失效的情况,则启动服务迁移机制,步骤如下:
(1)暂停该服务失效的节点上当前正在执行的服务,并获取其他服务的执行情况,同时创建一个服务迁移实例,对于服务迁移实例的创建,均通过当前工作节点生成;
(2)对步骤(1)暂停的服务进行分层重构:
首先,服务集M由一个有向无环图DAG来表示,定义为其中H代表认知网络系统中的n个服务的集合, U表示拥有e条边的有向边集合,DAG中的每一个节点代表一个服务,是服务迁移中的最小单位,服务节点Hi的权重为计算成本、记作W(Hi),Uij表示服务之间存在的时间上的依赖关系,在DAG模型中,网络节点采用空间共享机制,DAG中的每一个节点代表一个计算子服务,假设网络中存在Mi个节点,n个子服务Hj,每一个子服务均分配给一个网络节点,并采用以下三个随机变量来描述计算服务Hj的执行情况,即服务计算时间服务开始时间和服务结束时间且满足设计算子服务Sj分配给了节点Mi,设网络失效服从指数分布,即失效的发生属于随机行为,则失效发生服从泊松分布,均值为μf,偏差为λf,而网络服务迁移时间则服从一般分布,所述的迁移时间指的是失效DAG子服务迁移至当前空闲工作节点并开始执行的时间,设ω为子服务负载,服务执行期间发生失效S次,则服务计算时间可由下式计算:
(3)计算迁移路径,然后向迁移节点发送服务迁移请求,服务迁移路径计算方法如下:
在t=0时刻,假设所有节点均正常,而当网络检测到处理节点Ni失效后,服务从Ni迁移Nj的路径可表示为其中K等于0或1,节点Ni的服务时间、失效时间与恢复时间分别服从参数为的指数分布,设Ni在t时刻失效,则Ni在后续时间内停止服务,共有个服务无法继续在失效节点上执行,而Nj执行服务的稳态概率为因此服务迁移数为当存在多个迁移目标位置满足可迁移标准时,利用步骤(2)
所述对DAG服务进行分层重构,并计算每一条迁移路径下的DAG服务执行时间期望,则DAG执行时间最短的目标位置具有当前最佳迁移路径;
(4)向迁移位置发送迁移请求,迁移节点收到请求后,依据自身资源运行状态的空闲与否,作出允许或暂缓迁移应答,认知网络系统收到目前迁移工作节点发来的允许迁移应答后,进行迁移并告知新的迁移位置,并在新的工作节点进行服务注册,激活挂起的迁移服务,在成功迁移后,原工作节点删除迁移服务的备份,同时释放迁移服务占用的资源,则本次服务迁移过程完成。
本发明还可以包括:
1、所述的创建的服务迁移实例中包括需要迁移的服务标识信息和迁移路径数据。
2、所述的迁移节点存在三种情况:①工作节点Mi已被分配服务,但尚未开始执行;②工作节点Mi已经执行完当前服务,并等待下一个服务开始执行;③工作节点Mi所有已分配服务已经执行完毕;只有处于第③种情况的节点才是空闲资源,可以实现服务迁移。
本发明的优势在于:
(1)本发明的面向QoS保障的认知网络服务迁移方法的步骤符合网络系统服务迁移的一般过程,在认知网络系统运行后无需人为干预,从而降低了系统管理维护成本,为企业应用节省人力资源费用,同时还可以提高系统可用性,提供了服务不间断运行能力;
(2)所采取的DAG服务分层重构方法具有坚实的理论基础,具有简单、合理、可行的特点,能够在可接受时间内获得较好的认知网络服务分布,保证了系统可用性的提高;
(3)面向QoS保障的认知网络服务迁移方法采取将总体服务利用DAG图划分为相互关联的DAG服务的思路,可以避免在服务迁移过程中可能出现的待迁移服务规模过大导致系统整体崩溃的现象,具有网络应用类型多、规模弹性较大的优势,为认知网络系统不间断提供服务提供一种新的解决思路;
(4)多面向QoS保障的认知网络服务迁移方法具有简单,高效特点,无需加大系统运行中备份容错的开销,能够实现基本的交互功能,这一机制是本发明公开的认知网络服务迁移方法具备实际的应用价值。
由于采用面向QoS保障的认知网络服务迁移方法,使得认知网络系统能够在服务失效后通过快速迁移至正常节点继续执行,从根本上解决了网络环境下服务容错恢复开销大效果欠佳的技术难题。该方法具有成本低,副作用小以及实施简单的特点,具有较好的市场应用前景。
附图说明
图1为本发明的迁移过程示意图;
图2为本发明的流程图。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
结合图1~2,认知网络系统核心节点首先根据设定好的初始服务分配方案,将不同的服务迁移实例导入不同的工作节点服务队列等待并执行,如果服务执行正常则服务迁移机制不启动;若系统检测到了系统中存在某工作节点服务失效的情况,则启动服务迁移机制,具体步骤如下:
(1)当发现有工作节点产生失效无法完成服务执行时,暂停该节点上当前正在执行的服务,并获取其他各个服务的执行情况,同时创建一个服务迁移实例。对于服务迁移实例的创建,均通过当前工作节点生成,服务迁移实例中包括需要迁移的服务标识信息和迁移路径相关数据。
(2)认知网络系统首先对步骤(1)暂停的服务进行分层重构。这一过程有如下步骤实现:
首先,服务集M由一个有向无环图DAG来表示,定义为其中代表认知网络系统中的n个服务的集合, 表示拥有e条边的有向边集合。DAG中的每一个节点代表一个服务,是服务迁移中的最小单位,服务节点Hi的权重为计算成本,记作W(Hi),Uij表示服务之间存在的时间上的依赖关系。在DAG模型中,网络节点采用空间共享机制,DAG中的每一个节点代表一个计算子服务。假设网络中存在Mi个节点,n个子服务Hj,为了实现合理迁移,每一个子服务均分配给一个网络节点,并采用以下三个随机变量来描述计算服务Hj的执行情况,即服务计算时间服务开始时间和服务结束时间且满足设计算子服务Sj分配给了节点Mi,根据网络可靠性理论,假设网络失效服从指数分布,即失效的发生属于随机行为,则失效发生服从泊松分布,均值为μf,偏差为λf,而网络服务迁移时间则服从一般分布,这里的迁移时间指的是失效DAG子服务迁移至当前空闲工作节点并开始执行的时间。设ω为子服务负载,服务执行期间发生失效S次,则服务计算时间可有下式计算:其中Xi(1}i}S)为网络宕机时间,Yi(1}i}S)表示网络恢复时间。
为保证在迁移中能够准确刻画服务之间的此类依赖关系,将迁移DAG图转化为层次化DAG图,具体算法见图2。
(3)认知网络系统计算迁移路径,然后向迁移节点发送服务迁移请求,服务迁移路径计算方法如下:
在t=0时刻,假设所有节点均正常,而当网络检测到处理节点Ni失效后,服务从Ni迁移Nj的路径可表示为其中K等于0或1。节点Ni的服务时间、失效时间与恢复时间分别服从参数为的指数分布,设Ni在t时刻失效,则Ni在后续时间内停止服务,由上文分析可知共有个服务无法继续在失效节点上执行,而Nj执行服务的稳态概率为因此服务迁移数为当存在多个迁移目标位置满足可迁移标准时,利用上文算法对DAG服务进行分层重构,并计算每一条迁移路径下的DAG服务执行时间期望,则DAG执行时间最短的目标位置具有当前最佳迁移路径
在计算出服务迁移路径之后,向待迁移目标节点发送迁移请求。
(4)向迁移位置发送迁移请求,目标节点收到请求后,依据自身资源运行状态的空闲与否,作出允许或暂缓迁移应答。用于服务迁移的资源存在三种情况:①工作节点Mi已被分配服务,但尚未开始执行;②工作节点Mi已经执行完当前服务,并等待下一个服务开始执行;③工作节点Mi所有已分配服务已经执行完毕。只有处于第三种情况的资源才是空闲资源,可以实现服务迁移。认知网络系统收到目前迁移工作节点发来的允许迁移应答后,进行迁移并告知新的迁移位置,并在新的工作节点进行服务注册,激活挂起的迁移服务。在成功迁移后,原工作节点删除迁移服务的备份,同时释放迁移服务占用的资源。则本次服务迁移过程完成。
本发明技术方案的基本技术原理如下:
(1)认知网络系统首先根据平均负载原则所设定好的服务分配方案,将不同的服务迁移实例导入不同的工作节点服务队列等待并执行;与传统的服务迁移方法不同,失效服务可迁移迁移是指在节点发生失效的情况后,指定原节点上的服务迁移路径及其时间属性,服务可迁移的目标是在不破坏节点间偏序关系且不产生死锁的情况下使得迁移后的服务执行期望时间最短。当服务被创建即处于初始态直到网络根据首次服务迁移方案为其分配一个工作节点,此时服务将在工作节点的服务队列中排队等待执行,即处于就绪态,在服务执行过程中,由于工作节点失效等原因,导致服务无法按照规定执行,则将服务迁移至其他工作节点执行,而当计算过程结束或者取消后,服务执行终止。
(2)认知网络系统核心节点检查当前服务的执行状态,当发现有工作节点产生失效无法完成服务执行时,暂停当前正在执行的服务,并获取各个子服务的执行情况,同时创建一个服务迁移实例;对于服务迁移实例的创建,均通过当前工作位置生成服务说明,包括迁移实例的服务集合、流程控制逻辑和数据存储。
(3)认知网络系统核心节点对服务进行分层重构,并计算迁移路径,向迁移位置发送迁移请求,目标位置受到请求后,依据自身状态,做出允许或暂缓迁移应答。其中,服务迁移路径的计算通过构建有向无环图来实现,构建方法如下:
可迁移服务集M可由一个有向无环图DAG来表示,定义为其中代表网络n个服务的集合, 表示拥有e条边的有向边集合。DAG中的每一个节点代表一个服务,是服务迁移中的最小单位,服务节点Hi的权重为计算成本,记作W(Hi),Uij表示服务之间存在的时间上的依赖关系。大部分计算密集型应用均在计算前预装数据,相对计算开销来说通信开销可以忽略不计,因此本文不考虑DAG执行中的通信开销问题。在本文DAG模型中,网络节点采用空间共享机制,DAG中的每一个节点代表一个计算子服务。假设网络中存在Mi个节点,n个子服务Hj,为了实现工作流失效可恢复的合理迁移,每一个子服务均分配给一个网络节点,并采用以下三个随机变量来描述计算服务Hj的执行情况,即服务计算时间服务开始时间和服务结束时间且满足
用于服务迁移的资源存在三种情况:①工作节点Mi已被分配服务,但尚未开始执行;②工作节点Mi已经执行完当前服务,并等待下一个服务开始执行;③工作节点Mi所有已分配服务已经执行完毕。只有处于第三种情况的资源才是空闲资源,可以实现服务迁移。
设计算子服务Sj分配给了节点Mi,网络失效服从指数分布,即失效的发生属于随机行为,则失效发生服从泊松分布,均值为μf,偏差为λf,而网络服务迁移时间则服从一般分布,这里的迁移时间指的是失效DAG子服务迁移至当前空闲工作节点并开始执行的时间。设ω为子服务负载,服务执行期间发生失效S次,则服务计算时间可有下式计算:
其中Xi(1}i}S)为网络宕机时间,Yi(1}i}S)表示网络恢复时间。
为了有效迁移失效后DAG服务的执行,就必须考察DAG中的子服务依赖关系。一般存在两种依赖关系:服务依赖和资源依赖。服务依赖反映DAG图中所规定的依赖关系,而资源依赖则反应网络节点上子服务之间的资源竞争关系。为保证在服务迁移中能够准确刻画服务之间的此类依赖关系,将DAG图转化为层次化DAG图,具体步骤见表1。
表1层次化DAG服务重构算法
(4)设定DAG服务σ的当前位置和迁移目标位置分别为NS和ND,则服务σ若由NS迁移至ND需满足两个条件:(1)迁移目标位置ND处于有效状态(2)迁移目标位置拥有空闲资源。认知网络系统收到目前迁移工作节点发来的允许迁移应答后,进行迁移并告知新的迁移位置,并在新的工作节点进行服务注册,激活挂起的迁移服务。在成功迁移后,原工作节点删除迁移服务的备份,同时释放迁移服务占用的计算资源。DAG服务的可迁移性判定以及可迁移服务目标状态的确定是服务迁移的环节。由于导致失效发生的故障的不确定性,使得恢复的时间难以确定,对于此类失效事件,应将服务迁移至当前空闲节点,如果没有则不迁移。
认知网络迁移目标节点关于可迁移性判定方法的原理如下:
在t=0时刻,假设所有节点均正常,而当网络检测到处理节点Ni失效后,服务从Ni迁移Nj的路径可表示为其中K等于0或1。节点Ni的服务时间、失效时间与恢复时间分别服从参数为的指数分布,设Ni在t时刻失效,则Ni在后续时间内停止服务,由上文分析可知共有个服务无法继续在失效节点上执行,而Nj执行服务的稳态概率为因此服务迁移数为当存在多个迁移目标位置满足可迁移标准时,利用上文所述的层次化DAG服务重构算法对DAG服务进行分层重构,并计算每一条迁移路径下的DAG服务执行时间期望,则DAG执行时间最短的目标位置具有当前最佳迁移路径。
本发明通过构建服务的DAG分配图来进行服务在认知网络内部节点之间的迁移;并在此基础上提出一种在认知网络中应用该方法来保障QoS的的技术方案,以克服现有网络服务QoS保障技术在新一代互联网络-认知网络中无法实现服务快速恢复执行的缺陷。本发明的面向QoS保障的认知网络服务迁移方法,包括利用DAG服务分层重构方法来生成DAG服务;利用服务迁移方法计算服务在网络内部节点之间迁移的基本路径。
Claims (3)
1.面向服务质量保障的认知网络服务迁移方法,其特征是:认知网络系统将服务迁移实例导入工作节点服务队列等待并执行,如果服务执行正常则服务迁移机制不启动;若系统检测到了系统中存在工作节点服务失效的情况,则启动服务迁移机制,步骤如下:
(1)暂停该服务失效的节点上当前正在执行的服务,并获取其他服务的执行情况,同时创建一个服务迁移实例,对于服务迁移实例的创建,均通过当前工作节点生成;
(2)对步骤(1)暂停的服务进行分层重构:
首先,服务集M由一个有向无环图DAG来表示,定义为M=(H,U),其中H={Hi|i=1,2,...n},H代表认知网络系统中的n个服务的集合,Uij={(Hi,Hj)|Hi,Hj∈H,i<j},|U|=e,U表示拥有e条边的有向边集合,DAG中的每一个节点代表一个服务,是服务迁移中的最小单位,服务节点Hi的权重为计算成本、记作W(Hi),Uij表示服务之间存在的时间上的依赖关系,在DAG模型中,网络节点采用空间共享机制,DAG中的每一个节点代表一个计算子服务,假设网络中存在Mi个节点,i=0,1,...,m-1,n个子服务Hj,j=0,1,...,n-1,每一个子服务均分配给一个网络节点,并采用以下三个随机变量来描述计算服务Hj的执行情况,即服务计算时间服务开始时间和服务结束时间且满足设计算子服务Sj分配给了节点Mi,设网络失效服从指数分布,即失效的发生属于随机行为,则失效发生服从泊松分布,均值为μf,偏差为λf,而网络服务迁移时间则服从一般分布,所述的迁移时间指的是失效DAG子服务迁移至当前空闲工作节点并开始执行的时间,设ω为子服务负载,服务执行期间发生失效S次,则服务计算时间可由下式计算: 其中Xi(1≤i≤S)为网络宕机时间,Yi(1≤i≤S)表示网络恢复时间;
(3)计算迁移路径,然后向迁移节点发送服务迁移请求,服务迁移路径计算方法如下:
在t=0时刻,假设所有节点均正常,而当网络检测到处理节点Ni失效后,服务从Ni迁移Nj的路径可表示为其中K等于0或1,节点Ni的服务时间、失效时间与恢复时间分别服从参数为的指数分布,设Ni在t时刻失效,则Ni在后续时间内停止服务,共有个服务无法继续在失效节点上执行,而Nj执行服务的稳态概率为因此服务迁移数为当存在多个迁移目标位置满足可迁移标准时,利用步骤(2)所述的对步骤(1)暂停的服务分层重构的方法对DAG服务进行分层重构,并计算每一条迁移路径下的DAG服务执行时间期望,则DAG执行时间最短的目标位置具有当前最佳迁移路径;
(4)向迁移位置发送迁移请求,迁移节点收到请求后,依据自身资源运行状态的空闲与否,作出允许或暂缓迁移应答,认知网络系统收到目前迁移工作节点发来的允许迁移应答后,进行迁移并告知新的迁移位置,并在新的工作节点进行服务注册,激活挂起的迁移服务,在成功迁移后,原工作节点删除迁移服务的备份,同时释放迁移服务占用的资源,则本次服务迁移过程完成。
2.根据权利要求1所述的面向服务质量保障的认知网络服务迁移方法,其特征是:所述的创建的服务迁移实例中包括需要迁移的服务标识信息和迁移路径数据。
3.根据权利要求1或2所述的面向服务质量保障的认知网络服务迁移方法,其特征是:所述的迁移节点存在三种情况:①工作节点Mi已被分配服务,但尚未开始执行;②工作节点Mi已经执行完当前服务,并等待下一个服务开始执行;③工作节点Mi所有已分配服务已经执行完毕;只有处于第③种情况的节点才是空闲资源,可以实现服务迁移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110176809.6A CN102196503B (zh) | 2011-06-28 | 2011-06-28 | 面向服务质量保障的认知网络服务迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110176809.6A CN102196503B (zh) | 2011-06-28 | 2011-06-28 | 面向服务质量保障的认知网络服务迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102196503A CN102196503A (zh) | 2011-09-21 |
CN102196503B true CN102196503B (zh) | 2014-04-16 |
Family
ID=44603720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110176809.6A Expired - Fee Related CN102196503B (zh) | 2011-06-28 | 2011-06-28 | 面向服务质量保障的认知网络服务迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102196503B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984009B (zh) * | 2012-12-06 | 2015-09-30 | 北京邮电大学 | 一种基于P2P的VoIP系统容灾备份方法 |
CN104852929B (zh) * | 2015-06-02 | 2018-01-30 | 上海斐讯数据通信技术有限公司 | 一种基于tcp/ip协议的长连接容错机制 |
CN104936225B (zh) * | 2015-06-18 | 2019-02-26 | 哈尔滨工程大学 | 一种面向混合式移动社会网络的消息分发优化控制方法 |
CN106452939B (zh) * | 2016-08-03 | 2019-05-21 | 哈尔滨工程大学 | 一种考虑冗余容错恢复的云计算系统计算资源可用性评估方法 |
CN109165095B (zh) * | 2018-08-16 | 2022-04-15 | 中科边缘智慧信息科技(苏州)有限公司 | 基于任务套餐的信息系统快速开设方法 |
WO2020055921A1 (en) | 2018-09-10 | 2020-03-19 | GigaIO Networks, Inc. | Methods and apparatus for high-speed data bus connection and fabric management |
US20210075745A1 (en) * | 2019-09-10 | 2021-03-11 | GigaIO Networks, Inc. | Methods and apparatus for improved polling efficiency in network interface fabrics |
US11403247B2 (en) | 2019-09-10 | 2022-08-02 | GigaIO Networks, Inc. | Methods and apparatus for network interface fabric send/receive operations |
US11593288B2 (en) | 2019-10-02 | 2023-02-28 | GigalO Networks, Inc. | Methods and apparatus for fabric interface polling |
CN112905352A (zh) * | 2021-01-29 | 2021-06-04 | 北京深演智能科技股份有限公司 | 节点死锁处理的方法和装置 |
CN117098065B (zh) * | 2023-08-25 | 2024-07-05 | 广东星云开物科技股份有限公司 | 设备迁移方法及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794869A (zh) * | 2005-07-09 | 2006-06-28 | 华为技术有限公司 | 一种基于资源优化实现r3接口迁移的方法及系统 |
CN101179830A (zh) * | 2006-11-07 | 2008-05-14 | 中兴通讯股份有限公司 | 业务承载信道迁移系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7369856B2 (en) * | 2004-11-24 | 2008-05-06 | Intel Corporation | Method and system to support fast hand-over of mobile subscriber stations in broadband wireless networks |
-
2011
- 2011-06-28 CN CN201110176809.6A patent/CN102196503B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794869A (zh) * | 2005-07-09 | 2006-06-28 | 华为技术有限公司 | 一种基于资源优化实现r3接口迁移的方法及系统 |
CN101179830A (zh) * | 2006-11-07 | 2008-05-14 | 中兴通讯股份有限公司 | 业务承载信道迁移系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102196503A (zh) | 2011-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102196503B (zh) | 面向服务质量保障的认知网络服务迁移方法 | |
CN111953526B (zh) | 一种分层算力网络编排方法、装置及存储介质 | |
CN103812949B (zh) | 一种面向实时云平台的任务调度与资源分配方法及系统 | |
CN103218233B (zh) | Hadoop异构集群中的数据分配策略 | |
CN102394925B (zh) | 远程监测诊断中心与地区调度中心的通讯方法及装置 | |
CN102469023A (zh) | 基于云计算的调度方法、单元及系统 | |
CN102572721B (zh) | 一种群组终端移动性管理方法、系统及设备 | |
CN109783225B (zh) | 一种多租户大数据平台的租户优先级管理方法及系统 | |
Munir et al. | Intelligent service fulfillment for software defined networks in smart city | |
CN113422803B (zh) | 一种基于端边云协同的无人机智能巡检任务无缝迁移方法 | |
CN110995470A (zh) | 基于区块链的网络功能分配方法及装置 | |
CN104539551B (zh) | 路由交换平台虚拟服务迁移方法 | |
Yin et al. | An advanced decision model enabling two-way initiative offloading in edge computing | |
WO2020185132A1 (en) | Method and current edge cloud manager for controlling resources | |
Guo et al. | Energy-efficient fault-tolerant scheduling algorithm for real-time tasks in cloud-based 5G networks | |
JPWO2012077390A1 (ja) | ネットワークシステム、及びそのサービス品質制御方法 | |
CN113840330A (zh) | 建立连接的方法、网关设备、网络系统及调度中心 | |
CN113032146A (zh) | 一种面向多接入边缘计算环境的健壮性服务供应方法 | |
CN108667956A (zh) | 一种5g系统中的ip地址池管理方法 | |
CN105046393A (zh) | 基于云计算的交通资源管理系统 | |
CN103281254A (zh) | 动态配置带宽的方法 | |
CN115865333A (zh) | 量子纠缠建立方法、装置及电子设备 | |
CN110502342A (zh) | 一种间歇网络环境下机动边缘信息服务网络 | |
Khalifa et al. | MobiCloud: A reliable collaborative mobilecloud management system | |
Zhang et al. | SARSA-Based Computation Offloading between Cloudlets with EON |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140416 Termination date: 20200628 |
|
CF01 | Termination of patent right due to non-payment of annual fee |