CN110308995A - 一种边缘云计算服务系统边缘云节点部署装置 - Google Patents

一种边缘云计算服务系统边缘云节点部署装置 Download PDF

Info

Publication number
CN110308995A
CN110308995A CN201910607997.XA CN201910607997A CN110308995A CN 110308995 A CN110308995 A CN 110308995A CN 201910607997 A CN201910607997 A CN 201910607997A CN 110308995 A CN110308995 A CN 110308995A
Authority
CN
China
Prior art keywords
cloud computing
service system
computing service
user
data
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.)
Granted
Application number
CN201910607997.XA
Other languages
English (en)
Other versions
CN110308995B (zh
Inventor
袁小群
孙梦婷
童晓雯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910607997.XA priority Critical patent/CN110308995B/zh
Publication of CN110308995A publication Critical patent/CN110308995A/zh
Application granted granted Critical
Publication of CN110308995B publication Critical patent/CN110308995B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/502—Proximity

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Transfer Between Computers (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种边缘云计算服务系统边缘云节点部署装置，该装置包括：终端用户、备选云计算服务系统、第一预测器、分类树生成器、第二预测器和部署方案生成器，终端用户用于将用户数据和服务性能数据发送给第一预测器，通过第一预测器对用户的分布及资源需求进行预测，采用分类树生成器对用户数据进行分类，得到各类的质心坐标，部署方案生成器根据质心坐标从中心服务器存储单元存储的云计算服务系统列表中选择备选云计算服务系统，第二预测器对备选云计算服务系统的资源信息的分布进行预测，部署方案生成器根据设定的部署准则选择最优云计算服务系统，并将终端用户分配到相应的最优云计算服务系统，实现资源的合理分配，提高资源的利用率。

Description

一种边缘云计算服务系统边缘云节点部署装置
技术领域
本发明涉及计算机网络服务器部署技术领域，特别是涉及一种边缘云计算服务系统边缘云节点部署装置。
背景技术
随着移动终端的普及，物联网的出现和5G网络的启用，推动各种基于移动的网络应用出现。为了应对这些移动应用带来的各种网络服务问题，移动云计算，移动边缘计算和雾计算等技术被先后提出。它们利用虚拟化技术在网络边缘部署边缘云节点，从而将传统云计算系统由中央推到网络边缘，然后再选择离用户最近的边缘云节点，用即购即用的方式为终端用户提高各种网络应用服务，如数据备份，app应用等等，从而达到在提高系统资源利用率的前提下为用户提供高品质的网络应用服务。显然，边缘云节点的部署策略对上述各类架构的服务品质以及系统构建成本有决定性的影响。
但目前已有的关于服务器部署方案，如均建立在现有信息(包括用户信息，网络环境信息甚至硬件价格信息)基础上的，难以应用于上述各类移动网络环境。首先，由于移动用户的移动性，尤其快速的移动用户，如车载用户等等，导致基于现有用户信息获得的方案与执行时面对的用户信息存在较大差异，进而导致分配方案无法获得预期效果。其次，以往的解决方案多数在网络边缘部署服务器来构建节点，但受电池和计算能力等移动设备自身限制，用户呈现出较强的随机性，加之各类终端对网络应用的获取受用户生活习惯影响，使得移动应用在服务数量上存在较大的波动性，意味着在网络边缘部署服务器的方式会造成资源不足或者资源浪费的现象产生。最后，虽然有些解决方案提出利用其他云计算系统的资源来部署边缘云节点，这种方式虽然能动态调整边缘云节点的部署位置，也能节约部署成本。但这些利用已有数据的部署方案采用的on-demand或者pre-reserve的资源获取方式，依然会带来与部署服务器一样的效果，即要么会出现资源浪费，要么会出现资源不足。
发明内容
基于此，本发明的目的是提供一种边缘云计算服务系统边缘云节点部署装置，以解决因用户移动带来的各类问题，提高资源的利用率。
为实现上述目的，本发明提供了如下方案：
一种边缘云计算服务系统边缘云节点部署装置，所述边缘云计算服务系统边缘云节点部署装置包括：终端用户、备选云计算服务系统、第一预测器、分类树生成器、第二预测器和部署方案生成器；
所述终端用户，用于将用户数据和服务性能数据发送给所述第一预测器；
所述第一预测器，用于接收所述用户数据和服务性能数据，采用预测算法对所述用户数据和服务性能数据进行处理，预测用户的分布及资源需求；
所述分类树生成器，用于根据所述用户的分布及资源需求，利用聚类算法对所述用户数据进行分类，得到各类的质心坐标，并将分类后的数据及各所述质心坐标发送到所述部署方案生成器；
所述部署方案生成器，用于根据设定的服务品质要求，选择k类用户数据，根据各类的质心坐标找出相应的物理位置，根据所述物理位置从中心服务器存储单元存储的云计算服务系统列表中选择所述备选云计算服务系统，并向所述备选云计算服务系统发送资源请求信号，其中k＝1,2,3,...n，n表示聚类的总个数；
所述备选云计算服务系统，用于接收所述资源请求信号，并将资源信息发送给所述第二预测器；
所述第二预测器，用于接收所述资源信息，采用预测算法对所述资源信息进行处理，预测资源信息的分布；
所述部署方案生成器，还用于根据设定的部署准则，利用所述资源信息的分布，从所述备选云计算服务系统中选择最优云计算服务系统，并将所述终端用户分配到相应的最优云计算服务系统。
可选的，所述终端用户是移动的终端用户，所述部署方案生成器，还用于根据所述设定的服务品质要求，通过终端用户的用户数据对所述最优云计算服务系统进行验证，所述终端设备的用户数据是否满足设定的服务品质要求。
可选的，所述验证包括两种结果模式：
模式一：所述最优云计算服务系统中的终端用户的用户数据均能满足设定的服务品质要求，则所述终端用户分配合理；
模式二：所述最优云计算服务系统中的终端用户的用户数据不能满足设定的服务品质要求，则所述部署方案生成器，选择k+1类用户数据，根据各类的质心坐标找出相应的物理位置，根据所述物理位置从所述中心服务器存储单元存储的云计算服务系统列表中重新选择备选云计算服务系统。
可选的，所述系统还包括：边缘云节点和第一预处理器；
所述边缘云节点，用于将接收到的所述用户数据和所述服务性能数据生成相应的日志数据，并将所述日志数据发送到所述第一预处理器；
所述第一预处理器，用于将接收到的所述日志数据进行解析，将解析后的数据进行去冗和归一化处理，形成预处理后用户数据和服务性能数据，并将所述预处理后用户数据和服务性能数据发送给所述第一预测器。
可选的，所述系统还包括：第二预处理器，用于将接收到的所述资源信息进行解析及异构数据融合处理，并将处理后的资源信息进行去冗和归一化处理，形成预处理后资源信息，并将所述预处理后资源信息发送给所述第二预测器。
可选的，所述预测聚类算法。
可选的，所述服务品质要求为终端用户的画面清晰度、缓存的频率和/或网络响应时间。
可选的，所述部署准则为成本最低或响应时间最短。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的边缘云计算服务系统边缘云节点部署装置，通过第一预测器对用户的分布及资源需求进行预测，采用分类树生成器对用户数据进行分类，得到各类的质心坐标，部署方案生成器根据质心坐标从中心服务器存储单元存储的云计算服务系统列表中选择备选云计算服务系统，第二预测器对资源信息的分布进行预测，部署方案生成器根据设定的部署准则选择最优云计算服务系统，并将终端用户分配到相应的最优云计算服务系统，实现资源的合理分配，提高资源的利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种边缘云计算服务系统边缘云节点部署装置的原理示意图；
图2为本发明实施例一种边缘云计算服务系统边缘云节点部署装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种边缘云计算服务系统边缘云节点部署装置，以解决因用户移动带来的各类问题，提高资源的利用率。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例一种边缘云计算服务系统边缘云节点部署装置的原理示意图，图2为本发明实施例一种边缘云计算服务系统边缘云节点部署装置的结构示意图。参见图1-2，本发明实施例边缘云计算服务系统边缘云部署装置包括：终端用户101、备选云计算服务系统107、第一预测器104、分类树生成器105、第二预测器109和部署方案生成器106。
所述终端用户101，用于将用户数据和服务性能数据发送给所述第一预测器104。
具体的，所述终端用户101指各类网络用户，包括各类移动终端和各类有线接入设备，是边缘云节点提供服务的对象。用户数据包括用户信息和服务类型，如音视频，图文，网页等等，服务性能数据是指反映用户服务品质的数据，如响应延迟，播放流畅性，下载速度等等。
备选云计算服务系统107是指部署方案生成器106根据分类后的数据及各所述质心坐标和用户服务品质需求从中心服务器存储单元存储的云计算服务系统列表中选择出的分布在不同地区或不同位置的云计算服务系统。
所述第一预测器104，用于接收所述用户数据和服务性能数据，采用预测算法对所述用户数据和服务性能数据进行处理，预测用户的分布及资源需求；
所述分类树生成器105，用于根据所述用户的分布及资源需求，利用聚类算法对所述用户数据进行分类，得到各类的质心坐标，并将分类后的数据及各所述质心坐标发送到所述部署方案生成器106，质心坐标为各类的聚类中心坐标。
所述部署方案生成器106，用于根据设定的服务品质要求，选择k类用户数据，根据各类的质心坐标找出相应的物理位置，根据所述物理位置从中心服务器存储单元存储的云计算服务系统列表中选择备选云计算服务系统107，并向所述备选云计算服务系统107发送资源请求信号，其中k＝1,2,3,...n，n表示聚类的总个数。
具体的，根据预先设定的服务品质要求，如响应延迟，选择合适的聚类个数并获得各类的质心坐标，根据质心坐标找出相应的物理位置，然后根据所述物理位置从中心服务器存储单元存储的云计算服务系统列表中选择合适的作为备选云计算服务系统107。
所述备选云计算服务系统107，用于接收所述资源请求信号，并将资源信息发送给所述第二预测器109；
具体的，中心服务器根据选择的所述备选云计算服务系统107，激活所述备选云计算服务系统107并向他们发送资源请求信号；所述资源请求信号是指但不限于可以是所述备选云计算服务系统107所处位置，服务的资源类型，所述服务资源类能提供的资源量，以及所述服务类型的资源提供方式及对应的价格。所述备选云计算服务系统107即各地各类云计算服务系统，所述各地各类云计算服务系统收到所述资源请求信号后，向第二预测器109反馈所需请求信息。
所述第二预测器109，用于接收所述资源信息，采用预测算法对所述资源信息进行处理，预测资源信息的分布。
具体的，资源信息包括网络服务的信息资源，如带宽资源，计算资源和存储资源等。
所述部署方案生成器106，还用于根据设定的部署准则，利用所述资源信息的分布，从备选云计算服务系统107中选择最优云计算服务系统，并将所述终端用户101分配到相应的最优云计算服务系统。
具体的，备选云计算服务系统107是指分布在各地的各类云计算服务系统，能够以即购即用的商业模式提供各类所需的网络资源信息。
根据设定的部署准则从所述备选云计算服务系统107中选择出最优云计算服务系统作为备选边缘云节点，所述部署准则指但不限于服务性能最优，部署成本最低或者部署成本与服务性能联合最优等。
优选的，所述终端用户101是但不限于移动的终端用户，终端用户发送的物理位置和它的实际物理位置可能是不相同的，所述部署方案生成器106，还用于根据所述设定的服务品质要求，通过终端用户的用户数据对所述最优云计算服务系统进行验证，所述终端用户的用户数据是否满足设定的服务品质要求。
优选的，所述验证包括两种结果模式：
模式一：所述最优云计算服务系统中的终端用户101的用户数据均能满足设定的服务品质要求，则所述终端用户101分配合理；
模式二：所述最优云计算服务系统中的终端用户101的用户数据不能满足设定的服务品质要求，则所述部署方案生成器106，选择k+1类用户数据，根据各类的质心坐标找出相应的物理位置，根据所述物理位置从中心服务器存储单元存储的云计算服务系统列表中重新选择备选云计算服务系统107。
若终端用户101不能满足设定的服务品质要求，则将所选取的聚类数量加1，直至所有终端用户101均能获得不低于设定的服务品质要求，即为云计算服务系统部署方案。
优选的，所述系统还包括：边缘云节点102和第一预处理器103，所述边缘云节点102，用于将接收到的所述用户数据和所述服务性能数据生成相应的日志数据，并将所述日志数据发送到所述第一预处理器103，所述第一预处理器103，用于将接收到的所述日志数据进行解析，将解析后的数据进行去冗和归一化处理，形成预处理后用户数据和服务性能数据，并将所述预处理后用户数据和服务性能数据发送给所述第一预测器104。
具体的，所述边缘云节点102为部署在网络边缘靠近终端用户101的备选云计算服务系统107中的服务节点，构建该边缘云节点102的各类资源信息来自分布在该节点周围的各类边缘云计算服务系统，资源信息是通过即购即用的方式获得的，购买方式采用但不限于SpotInstance模式。
第一预处理器103汇聚和处理终端用户101的信息，为第一预测器104提供其所需的各种信息，包括但不限于终端用户101位置信息，终端用户101服务延迟信息，终端用户101服务类型信息等等，处理内容包括采集，清洗，去冗和归一化等步骤。
优选的，所述系统还包括：第二预处理器108，用于将接收到的所述资源信息进行解析及异构数据融合处理，并将处理后的资源信息进行去冗和归一化处理，形成预处理后资源信息，并将所述预处理后资源信息发送给所述第二预测器109。
第二预处理器108汇聚和处理备选的各地各类云计算服务系统信息，包括但不限于其位置信息，资源类型信息，各类型提供资源容量信息，资源提供方式及其价格信息等等，处理内容包括采集，异构数据融合，清洗，去冗和归一化等步骤。
具体的，中心服务器包括：第一预处理器103、第一预测器104、分类树生成器105、第二预处理器108、第二预测器109和部署方案生成器106。中心服务器是核心部件，是各类信息汇聚和处理的地方，也是边缘云节点102部署策略生成地。
优选的，所述预测算法为线性回归算法或LSTM算法。
具体的，预测算法采用线性回归算法或LSTM算法，但不仅限于这两种算法。
本发明实施例中所述预测算法采用长短期记忆网络(Long Short-Term Memory，LSTM)，所述用户信息包括但不限于用户响应延迟，用户请求服务类型，用户终端设备和位置等信息，预测过程中，先对终端用户101进行分区划分，然后以每个区的统计数据信息来代替各个用户信息输入到预测器中进行预测，预测后的信息被传送到分类树生成器105，划分规则依照N>>m>>L，其中N是所有终端用户101数量，M是划分的区域数，L是预先估计的最终边缘云节点102个数，>>表示远远大于，用但不限于用10代替>>。
预测后的信息被传送到分类树生成器105后，所述分类树生成器105利用聚类算法对用户数据进行聚类，并生成聚类树，本发明实施例聚类算法采用但不限于分层聚类，所述分层聚类在聚合的时候应满足非降特性，即d(A,B)≤d(A∪C,B)，其中d表示不同类别间的相似函数，A、B和C都是类名，这个特性表明，如果类A和类B之间的相似函数不小于类别A和类别C合并后生成的新类别与类别B之间的相似函数，应该将类别A和类别C先聚成一个类，所述新类的质心用但不限于(m1*Cena+m2*Cenc)/(m1+m2)来计算获取，其中，m1指类别A所有的样本个数，Cena为类别A的质心位置。同理，m2指类别C所有的样本个数，Cenc为类别C的质心位置，将上述非降特性融入到经典分层融合聚类算法，形成本发明实施例中的分层聚类算法并对预测数据进行聚类并最终生成聚类树，然后将聚类树传送到部署方案生成器106。
优选的，所述聚类算法为但不限于分层聚类算法。
优选的，所述服务品质要求为但不限于画面清晰度、缓存的频率和/或网络响应时间。
优选的，所述部署准则为但不限于成本最低或响应时间最短。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种边缘云计算服务系统边缘云节点部署装置，其特征在于，所述边缘云计算服务系统边缘节点部署装置包括：终端用户、备选云计算服务系统、第一预测器、分类树生成器、第二预测器和部署方案生成器；
所述终端用户，用于将用户数据和服务性能数据发送给所述第一预测器；
所述第一预测器，用于接收所述用户数据和服务性能数据，采用预测算法对所述用户数据和服务性能数据进行处理，预测用户的分布及资源需求；
所述分类树生成器，用于根据所述用户的分布及资源需求，利用聚类算法对所述用户数据进行分类，得到各类的质心坐标，并将分类后的数据及各所述质心坐标发送到所述部署方案生成器；
所述部署方案生成器，用于根据设定的服务品质要求，选择k类用户数据，根据各类的质心坐标找出相应的物理位置，根据所述物理位置从中心服务器存储单元存储的云计算服务系统列表中选择所述备选云计算服务系统，并向所述备选云计算服务系统发送资源请求信号，其中k＝1,2,3,...n，n表示聚类的总个数；
所述备选云计算服务系统，用于接收所述资源请求信号，并将资源信息发送给所述第二预测器；
所述第二预测器，用于接收所述资源信息，采用预测算法对所述资源信息进行处理，预测资源信息的分布；
所述部署方案生成器，还用于根据设定的部署准则，利用所述资源信息的分布，从所述备选云计算服务系统中选择最优云计算服务系统，并将所述终端用户分配到相应的最优云计算服务系统。
2.根据权利要求1所述的边缘云计算服务系统边缘节点部署装置，其特征在于，所述终端用户是移动的终端用户，所述部署方案生成器，还用于根据所述设定的服务品质要求，通过终端用户的用户数据对所述最优云计算服务系统行验证，所述终端设备的用户数据是否满足设定的服务品质要求。
3.根据权利要求2所述的边缘云计算服务系统边缘节点部署装置，其特征在于，所述验证包括两种结果模式：
模式一：所述最优云计算服务系统中的终端用户的用户数据均能满足设定的服务品质要求，则所述终端用户分配合理；
模式二：所述最优云计算服务系统中的终端用户的用户数据不能满足设定的服务品质要求，则所述部署方案生成器，选择k+1类用户数据，根据各类的质心坐标找出相应的物理位置，根据所述物理位置从所述中心服务器存储单元存储的云计算服务系统列表中重新选择备选云计算服务系统。
4.根据权利要求1所述的边缘云计算服务系统边缘节点部署装置，其特征在于，所述系统还包括：边缘云节点和第一预处理器；
所述边缘云节点，用于将接收到的所述用户数据和所述服务性能数据生成相应的日志数据，并将所述日志数据发送到所述第一预处理器；
所述第一预处理器，用于将接收到的所述日志数据进行解析，将解析后的数据进行去冗和归一化处理，形成预处理后用户数据和服务性能数据，并将所述预处理后用户数据和服务性能数据发送给所述第一预测器。
5.根据权利要求1所述的边缘云计算服务系统边缘节点部署装置，其特征在于，所述系统还包括：第二预处理器，用于将接收到的所述资源信息进行解析及异构数据融合处理，并将处理后的资源信息进行去冗和归一化处理，形成预处理后资源信息，并将所述预处理后资源信息发送给所述第二预测器。
6.根据权利要求1所述的边缘云计算服务系统边缘云节点部署装置，其特征在于，所述预测算法为线性回归算法或LSTM算法。
7.根据权利要求1所述的边缘云计算服务系统边缘云节点部署装置，其特征在于，所述聚类算法为分层聚类算法。
8.根据权利要求1所述的边缘云计算服务系统边缘云节点部署装置，其特征在于，所述服务品质要求为终端用户的画面清晰度、缓存的频率和/或网络响应时间。
9.根据权利要求1所述的边缘云计算服务系统边缘云节点部署装置，其特征在于，所述部署准则为成本最低或响应时间最短。
CN201910607997.XA 2019-07-08 2019-07-08 一种边缘云计算服务系统边缘云节点部署装置 Active CN110308995B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910607997.XA CN110308995B (zh) 2019-07-08 2019-07-08 一种边缘云计算服务系统边缘云节点部署装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910607997.XA CN110308995B (zh) 2019-07-08 2019-07-08 一种边缘云计算服务系统边缘云节点部署装置

Publications (2)

Publication Number Publication Date
CN110308995A true CN110308995A (zh) 2019-10-08
CN110308995B CN110308995B (zh) 2021-11-16

Family

ID=68079376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910607997.XA Active CN110308995B (zh) 2019-07-08 2019-07-08 一种边缘云计算服务系统边缘云节点部署装置

Country Status (1)

Country Link
CN (1) CN110308995B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274035A (zh) * 2020-01-20 2020-06-12 长沙市源本信息科技有限公司 边缘计算环境下的资源调度方法、装置和计算机设备
CN111552482A (zh) * 2020-04-21 2020-08-18 深圳市塔洛思技术有限公司 一种适用边缘计算的去中心化的服务动态部署方法及装置
CN111580978A (zh) * 2020-05-12 2020-08-25 中国联合网络通信集团有限公司 边缘计算服务器布局方法及任务分配方法
CN111610994A (zh) * 2020-05-20 2020-09-01 山东汇贸电子口岸有限公司 一种云数据中心的部署方法、装置、设备及存储介质
CN111629052A (zh) * 2020-05-26 2020-09-04 中国联合网络通信集团有限公司 基于mec的内容缓存方法、节点、设备及存储介质
CN111641520A (zh) * 2020-04-30 2020-09-08 深圳精匠云创科技有限公司 边缘计算节点装置
CN112700269A (zh) * 2020-12-28 2021-04-23 广东石油化工学院 一种基于异向强化学习的分布式数据中心选择方法
CN112764920A (zh) * 2021-01-08 2021-05-07 世纪龙信息网络有限责任公司 一种边缘应用部署方法、装置、设备和存储介质
CN112989894A (zh) * 2019-12-18 2021-06-18 阿里巴巴集团控股有限公司 目标检测方法、任务处理方法、装置、设备及存储介质
CN113316158A (zh) * 2020-02-27 2021-08-27 华为技术有限公司 一种部署应用实例的方法、装置及可读存储介质
CN113452751A (zh) * 2021-05-20 2021-09-28 国网江苏省电力有限公司信息通信分公司 基于云边协同的电力物联网任务安全迁移系统及方法
CN116483585A (zh) * 2023-06-16 2023-07-25 江西师范大学 一种基于边缘计算的多服务预部署方法
CN114826900B (zh) * 2022-04-22 2024-03-29 阿里巴巴（中国）有限公司 针对分布式云架构的服务部署处理方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2073463A1 (en) * 2007-12-21 2009-06-24 Nokia Siemens Networks S.p.A. Method and device for setting QoS parameters for predictive scheduling in wireless communication systems
CN104702667A (zh) * 2015-01-30 2015-06-10 武汉大学 一种应用服务系统扩展的方法及装置
US20160191651A1 (en) * 2014-12-29 2016-06-30 Akamai Technologies, Inc. Managing mobile device user subscription and service preferences to predictively pre-fetch content
CN106534302A (zh) * 2016-11-10 2017-03-22 北京航空航天大学 多任务需求服务组合方法和系统
CN107404523A (zh) * 2017-07-21 2017-11-28 中国石油大学(华东) 云平台自适应资源调度系统和方法
CN107622326A (zh) * 2017-09-13 2018-01-23 阿里巴巴集团控股有限公司 用户分类、可用资源预测方法、装置及设备
CN108984301A (zh) * 2018-07-04 2018-12-11 中国人民解放军国防科技大学 自适应云资源调配方法和装置
US20180359651A1 (en) * 2017-06-12 2018-12-13 Cisco Technology, Inc. Automatic characterization of ap behaviors

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2073463A1 (en) * 2007-12-21 2009-06-24 Nokia Siemens Networks S.p.A. Method and device for setting QoS parameters for predictive scheduling in wireless communication systems
US20160191651A1 (en) * 2014-12-29 2016-06-30 Akamai Technologies, Inc. Managing mobile device user subscription and service preferences to predictively pre-fetch content
CN104702667A (zh) * 2015-01-30 2015-06-10 武汉大学 一种应用服务系统扩展的方法及装置
CN106534302A (zh) * 2016-11-10 2017-03-22 北京航空航天大学 多任务需求服务组合方法和系统
US20180359651A1 (en) * 2017-06-12 2018-12-13 Cisco Technology, Inc. Automatic characterization of ap behaviors
CN107404523A (zh) * 2017-07-21 2017-11-28 中国石油大学(华东) 云平台自适应资源调度系统和方法
CN107622326A (zh) * 2017-09-13 2018-01-23 阿里巴巴集团控股有限公司 用户分类、可用资源预测方法、装置及设备
CN108984301A (zh) * 2018-07-04 2018-12-11 中国人民解放军国防科技大学 自适应云资源调配方法和装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
GUANGSHUN LI: "Method of Resource Estimation Based on QoS in Edge Computing", 《WIRELESS COMMUNICATIONS & MOBILE COMPUTING》 *
SHUANGGUANG WANG等: "QoS prediction for service recommendations in mobile edge computing", 《JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING》 *
XIAOQUN YUAN等: "DLECP: A Dynamic Learning-based Edge Cloud Placement Framework for Mobile Cloud Computing", 《IEEE INFOCOM 2019-IEEE CONFERENCE ON COMPUTER COMMUNICATIONS WORKSHOPS(INFOCOM WKSHPS)》 *
任丽芳等: "一种基于聚类的服务QoS值协同过滤预测算法", 《山西大学学报（自然科学版）》 *
李青等: "QoS保证的数据中心动态资源供应方法", 《计算机学报》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112989894B (zh) * 2019-12-18 2024-05-03 阿里巴巴集团控股有限公司 目标检测方法、任务处理方法、装置、设备及存储介质
CN112989894A (zh) * 2019-12-18 2021-06-18 阿里巴巴集团控股有限公司 目标检测方法、任务处理方法、装置、设备及存储介质
CN111274035B (zh) * 2020-01-20 2024-03-08 长沙市源本信息科技有限公司 边缘计算环境下的资源调度方法、装置和计算机设备
CN111274035A (zh) * 2020-01-20 2020-06-12 长沙市源本信息科技有限公司 边缘计算环境下的资源调度方法、装置和计算机设备
CN113316158A (zh) * 2020-02-27 2021-08-27 华为技术有限公司 一种部署应用实例的方法、装置及可读存储介质
CN111552482A (zh) * 2020-04-21 2020-08-18 深圳市塔洛思技术有限公司 一种适用边缘计算的去中心化的服务动态部署方法及装置
CN111641520A (zh) * 2020-04-30 2020-09-08 深圳精匠云创科技有限公司 边缘计算节点装置
CN111580978A (zh) * 2020-05-12 2020-08-25 中国联合网络通信集团有限公司 边缘计算服务器布局方法及任务分配方法
CN111580978B (zh) * 2020-05-12 2023-06-30 中国联合网络通信集团有限公司 边缘计算服务器布局方法及任务分配方法
CN111610994B (zh) * 2020-05-20 2023-10-20 山东汇贸电子口岸有限公司 一种云数据中心的部署方法、装置、设备及存储介质
CN111610994A (zh) * 2020-05-20 2020-09-01 山东汇贸电子口岸有限公司 一种云数据中心的部署方法、装置、设备及存储介质
CN111629052B (zh) * 2020-05-26 2021-12-07 中国联合网络通信集团有限公司 基于mec的内容缓存方法、节点、设备及存储介质
CN111629052A (zh) * 2020-05-26 2020-09-04 中国联合网络通信集团有限公司 基于mec的内容缓存方法、节点、设备及存储介质
CN112700269A (zh) * 2020-12-28 2021-04-23 广东石油化工学院 一种基于异向强化学习的分布式数据中心选择方法
CN112764920A (zh) * 2021-01-08 2021-05-07 世纪龙信息网络有限责任公司 一种边缘应用部署方法、装置、设备和存储介质
CN112764920B (zh) * 2021-01-08 2024-02-27 天翼数字生活科技有限公司 一种边缘应用部署方法、装置、设备和存储介质
CN113452751A (zh) * 2021-05-20 2021-09-28 国网江苏省电力有限公司信息通信分公司 基于云边协同的电力物联网任务安全迁移系统及方法
CN114826900B (zh) * 2022-04-22 2024-03-29 阿里巴巴（中国）有限公司 针对分布式云架构的服务部署处理方法及装置
CN116483585A (zh) * 2023-06-16 2023-07-25 江西师范大学 一种基于边缘计算的多服务预部署方法
CN116483585B (zh) * 2023-06-16 2023-09-15 江西师范大学 一种基于边缘计算的多服务预部署方法

Also Published As

Publication number Publication date
CN110308995B (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN110308995A (zh) 一种边缘云计算服务系统边缘云节点部署装置
CN110300184B (zh) 边缘节点分配方法、装置、调度服务器及存储介质
Guevara et al. Task scheduling in cloud-fog computing systems
Yang et al. Catalyzing cloud-fog interoperation in 5G wireless networks: An SDN approach
CN104850450B (zh) 一种面向混合云应用的负载均衡方法及系统
CN105103506B (zh) 用于为云计算网络中的非均匀带宽请求分配带宽的方法和系统
US8244874B1 (en) Edge-based resource spin-up for cloud computing
US20170142177A1 (en) Method and system for network dispatching
CN110336885B (zh) 边缘节点分配方法、装置、调度服务器及存储介质
US8291424B2 (en) Method and system of managing resources for on-demand computing
CN109857518A (zh) 一种网络资源的分配方法及设备
CN104115165A (zh) 使用机器学习来用于映射媒体组件的方法
CN105407004B (zh) 基于边缘无线热点进行内容分发的方法及装置
CN104796449B (zh) 内容分发方法、装置及设备
CN109788020A (zh) 一种坐席分配方法及相关设备
CN108696400A (zh) 网络监测方法和装置
Al Ridhawi et al. Comparing fog solutions for energy efficiency in wireless networks: Challenges and opportunities
CN109525426A (zh) 一种基于fv的开放式mec平台的服务控制系统及方法
Ruiz et al. Big data-backed video distribution in the telecom cloud
Wang et al. Intelligent edge learning for personalized crowdsourced livecast: Challenges, opportunities, and solutions
CN106686112A (zh) 云文件传输系统及方法
Fu et al. A distributed microservice-aware paradigm for 6G: Challenges, principles, and research opportunities
Bukhari et al. To transcode or not? A machine learning based edge video caching and transcoding strategy
CN110191362B (zh) 数据传输方法及装置、存储介质及电子设备
Ibn-Khedher et al. Cdnaas framework: Topsis as multi-criteria decision making for vcdn migration

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant