CN111082997A - 移动边缘计算平台中基于业务识别的网络功能编排方法 - Google Patents

移动边缘计算平台中基于业务识别的网络功能编排方法 Download PDF

Info

Publication number
CN111082997A
CN111082997A CN201911389416.6A CN201911389416A CN111082997A CN 111082997 A CN111082997 A CN 111082997A CN 201911389416 A CN201911389416 A CN 201911389416A CN 111082997 A CN111082997 A CN 111082997A
Authority
CN
China
Prior art keywords
network
edge computing
mobile edge
data stream
service
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
CN201911389416.6A
Other languages
English (en)
Other versions
CN111082997B (zh
Inventor
赵力强
殷清玉
李婷
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN201911389416.6A priority Critical patent/CN111082997B/zh
Publication of CN111082997A publication Critical patent/CN111082997A/zh
Application granted granted Critical
Publication of CN111082997B publication Critical patent/CN111082997B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种移动边缘计算平台中基于业务识别的网络功能编排方法，本发明实现的具体步骤是：(1)抓取已知业务类型的用户服务请求数据流；(2)生成训练集；(3)构建BP神经网络；(4)训练BP神经网络；(5)抓取待识别类型的用户服务请求数据流；(6)识别用户服务请求的业务类型；(7)编排移动边缘计算网络功能；(8)实现业务服务。本发明在设计移动边缘计算网络功能编排过程中，利用BP神经网络实现对用户服务请求业务类型的识别，提高了网络功能编排速度，保证了用户的服务质量。

Description

移动边缘计算平台中基于业务识别的网络功能编排方法
技术领域
本发明属于通信技术领域，更进一步涉及网络通信技术领域中的一种移动边缘计算平台中基于业务识别的网络功能编排方法。利用本发明的方法，可以支持移动边缘计算平台在实现业务类型识别的基础上通过平台设置的容器管理器kubernetes调度相应的移动边缘计算网络功能，为用户提供多样化业务服务。
背景技术
移动边缘计算平台具有提供低时延、大计算和高带宽的能力，应用范围广阔，但由于复杂的业务需求移动边缘计算平台应容纳多种业务服务。为了使移动边缘计算平台能够更全面地发挥其优势，根据业务特征、用户特征、移动边缘计算服务方式及服务提供商的不同，需要为每种类型的业务提供定制化的移动边缘计算服务，即编排移动边缘计算平台的网络功能。同时，由于不同类型的业务对服务质量的要求不同，如速度、安全性、可靠性等，在网络资源有限时，网络设备需要对业务类型进行识别并保证用户所需业务的服务质量。因此，移动边缘计算平台为满足未来第五代移动通信网络5G(the fifth generation)中超高速、超低延时的业务需求，需要一种必要的管理系统来调度不同类型的移动边缘计算网络功能为用户提供高质量服务。
上海数讯信息技术有限公司在其申请的专利文献“基于SDN的Kubernetes网络管理系统与方法”(申请号201710965670.0，公开号CN 107947961A)中提供了一种基于软件定义网络SDN(Software Defined Network)的kubernetes网络管理方法。该方法的具体步骤为：第一步，系统控制装置中的分析模块监听kubernetes应用中的北向接口API信息；第二步，在接收到kubernetes应用中的北向接口API信息时，系统分析模块解析API信息获取对虚拟网络的操作请求；第三步，系统分析模块将解析得到的虚拟网络操作请求提交给系统控制装置中的控制模块；第四步，系统控制模块通过虚拟路由装置将虚拟网络映射到物理网络，并在相应物理网络设备上执行网络请求。该方法实现了网络服务的自动化，降低了运营商对资深技术人员的依赖和人员管理成本，极大提升了运维管理的工作效率。但是，该方法仍然存在的不足之处是，现有技术中搭建SDN平台时标准不统一，导致某些SDN平台不支持容器管理器kubernetes，故在进行实际操作时无法实现大规模应用及后续维护升级工作，平台局限性大。
重庆邮电大学在其申请的专利文献“一种虚拟化网络功能的编排方法及装置”(申请号201810018263.3，公开号CN 107948006A)中公开了一种虚拟化网络功能的编排方法。该方法的具体步骤为：第一步，网络功能虚拟化编排器根据网络请求制定网络功能生命周期操作指令及网络功能编排模板并发送给虚拟化网络功能管理器；第二步，虚拟化网络功能管理器依据所接收的网络功能虚拟化编排器的网络功能编排模板或网络功能生命周期操作指令信息，制定用于编排网络功能的网络功能编排规则和虚拟资源编排规则；第三步，虚拟化网络功能管理器依据网络功能的编排规则和虚拟资源编排规则，执行用于编排网络功能的编排规则和虚拟资源编排规则。该方法合能够实现网络服务端到端的灵活编排能力和配置能力，满足运营商快速按需的业务部署需求，同时也减少了网络维护的人工运营成本以及网络更新的时间和成本。但是，该方法仍然存在的不足之处是，未考虑到对用户服务请求进行业务识别，造成网络功能编排处理时间较长，难以满足用户对于多样化业务的低时延服务质量要求。
发明内容
本发明的目的在于针对上述已有技术的不足，提供一种移动边缘计算平台中基于业务识别的网络功能编排方法，用于解决现有网络功能编排处理时间较长，难以满足用户对于多样化业务的低时延服务质量要求，无法实现大规模应用及后续维护升级工作，平台局限性大的问题。
实现本发明目的的思路是：移动边缘计算平台对已知业务类型的用户服务请求抓取网络流量数据，并对网络流量数据进行特征提取，利用提取的训练集训练BP神经网络；当平台接收到实时用户服务请求后，从实时抓取的网络流量数据中提取特征集，将特征集输入至训练好的BP神经网络中得到业务类型，平台设置的容器管理器kubernetes根据业务类型调度对应的移动边缘计算网络功能，为用户提供服务。
为实现上述目的，本发明具体实现步骤包括如下：
(1)接收已知业务类型的用户服务请求：
(1a)从可连入运营商通信网络的用户终端中随机选取与已知业务类型数目相同的用户终端；
(1b)每个所选用户终端向移动边缘计算平台发送一种与其它用户终端不同类型的业务请求；
(2)抓取不同类型业务的网络流量：
移动边缘计算平台从每个类型业务中每隔一秒抓取20秒的网络流量，将每秒抓取的网络流量组成一个数据流；
(3)生成训练集：
移动边缘计算平台从每个数据流中提取所有的数据流特征，将每个数据流的数据流特征组成一个数据流特征集合，从每个数据流特征集合中选取元素属性相同的所有数据流特征组成一个训练集；
(4)构建BP神经网络：
搭建一个由输入层、隐含层、输出层组成的BP神经网络，按照训练集中的元素个数设置输入层神经元数目，按照已知业务类型数目设置输出层的节点数目，隐含层的节点数目设置为
Figure BDA0002344540160000031
隐含层的激活函数选择Log-sigmoid传输函数，其中，P表示输入层神经元数目，Q表示输出层节点数目；
(5)训练BP神经网络：
将训练集输入到BP神经网络中，利用梯度下降法迭代更新BP神经网络的均方误差，直至均方误差小于0.05时得到训练好的BP神经网络；
(6)接收待识别类型的实时用户服务请求：
移动边缘计算平台实时接收一个待识别类型的用户服务请求，平台在接收用户服务请求的过程中抓取一秒的网络流量组成一个数据流；
(7)识别用户服务请求的业务类型：
(7a)移动边缘计算平台从步骤(6)所抓取的数据流中提取与步骤(3)中元素属性相同的数据流特征组成一个数据流特征集；
(7b)将数据流特征集输入到训练好的BP神经网络中，得到用户服务请求的业务类型；
(8)编排移动边缘计算网络功能：
移动边缘计算平台中设置的容器管理器kubernetes，根据识别的用户服务请求的业务类型，从移动边缘计算平台的所有网络功能中选取对应的网络功能，容器管理器kubernetes对所选取的网络功能进行参数配置，并将完成参数配置的网络功能封装成一个调度单元Pod；
(9)实现业务服务：
容器管理器kubernetes为每个调度单元Pod分配相应的资源，并向用户终端提供应用程序编程接口API，用户终端通过编程接口API得到业务服务。
本发明与现有技术相比具有如下优点：
第一，本发明方法的实现步骤全部在移动边缘计算平台上实现，克服了现有技术中的SDN平台不支持容器管理器kubernetes，平台局限性大的缺点，使得本发明能够在所有的移动边缘计算平台上实现容器管理器kubernetes的设置及使用，保障了本发明方法的大规模应用。
第二，本发明搭建并训练BP神经网络，将待识别类型的实时用户服务请求进行业务类型识别，克服了现有技术中网络功能编排处理时间较长，难以满足用户对于多样化业务的低时延服务质量要求的缺点，使得本发明加快了网络功能编排速度，提高了用户服务质量。
附图说明
图1为本发明的流程图。
具体实施方式
以下结合附图对本发明进行进一步的详细说明。
参照附图1，对本发明的实现步骤做进一步的描述。
步骤1，接收已知业务类型的用户服务请求。
从可连入运营商通信网络的用户终端中随机选取与已知业务类型数目相同的用户终端。
每个所选用户终端向移动边缘计算平台发送一种与其它用户终端不同类型的业务请求。
步骤2，抓取不同类型业务的网络流量。
移动边缘计算平台从每个类型业务中每隔一秒抓取20秒的网络流量，将每秒抓取的网络流量组成一个数据流。
步骤3，生成训练集。
移动边缘计算平台利用网络流量特征提取工具从每个数据流中提取所有的数据流特征，将每个数据流的数据流特征组成一个数据流特征集合，从每个数据流特征集合中选取元素属性相同的所有数据流特征组成一个训练集。
步骤4，构建BP神经网络。
搭建一个由输入层、隐含层、输出层组成的BP神经网络，按照训练集中的元素个数设置输入层神经元数目，按照已知业务类型数目设置输出层的节点数目，隐含层的节点数目设置为
Figure BDA0002344540160000051
隐含层的激活函数选择Log-sigmoid传输函数，其中，P表示输入层神经元数目，Q表示输出层节点数目。
步骤5，训练BP神经网络。
将训练集输入到BP神经网络中，利用梯度下降法迭代更新BP神经网络的均方误差，直至均方误差小于0.05时得到训练好的BP神经网络。
步骤6，接收待识别类型的实时用户服务请求。
移动边缘计算平台实时接收一个待识别类型的用户服务请求，平台在接收用户服务请求的过程中抓取一秒的网络流量组成一个数据流。
步骤7，识别用户服务请求的业务类型。
移动边缘计算平台从步骤6所抓取的数据流中提取与步骤3中元素属性相同的数据流特征组成一个数据流特征集。
将数据流特征集输入到训练好的BP神经网络中，得到用户服务请求的业务类型。
步骤8，编排移动边缘计算网络功能。
移动边缘计算平台中设置的容器管理器kubernetes，根据识别的用户服务请求的业务类型，从移动边缘计算平台的所有网络功能中选取对应的网络功能，容器管理器kubernetes对所选取的网络功能进行参数配置，并将完成参数配置的网络功能封装成一个调度单元Pod。
步骤9，实现业务服务。
容器管理器kubernetes为每个调度单元Pod分配相应的计算、存储和通信资源，并向用户终端提供应用程序编程接口API，用户终端通过编程接口API得到业务服务。
下面结合实验例对本发明做进一步的说明：
步骤1，接收已知业务类型的用户服务请求。
从可连入运营商通信网络的用户终端中随机选取四个型号相同的用户终端，每个用户终端向移动边缘计算平台发送一种与其它用户终端不同类型的业务请求，所述不同类型的业务请求包括人脸识别、OFDM仿真、视频在线观看和音频缓存。
步骤2，抓取不同类型业务的网络流量。
移动边缘计算平台从每个类型业务中每隔一秒抓取20秒的网络流量，共抓取80次，将每秒抓取的网络流量组成一个数据流。
步骤3，生成训练集。
移动边缘计算平台利用网络流量特征提取工具WireShark从每个数据流中提取所有的数据流特征，将每个数据流的数据流特征组成一个数据流特征集合，从每个数据流特征集合中选取元素属性相同的所有数据流特征组成一个训练集，所述元素属性包括端口号、协议、数据流中数据包的数目、数据流中数据包的平均长度、上下行数据包比例、上下行数据包平方差、数据流的TCP协议包比例、数据流的UDP协议包比例、上下行字节流比例和数据流中数据包的峰均比，共10个元素属性。
步骤4，构建BP神经网络。
搭建一个由输入层、隐含层、输出层组成的BP神经网络，输入层神经元的数目设置为10，输出层的节点数目设置为4，隐含层节点数设置为8，隐含层的激活函数选择Log-sigmoid传输函数。
步骤5，训练BP神经网络。
将训练集输入到BP神经网络中，利用梯度下降法迭代更新BP神经网络的均方误差，直至均方误差小于0.05时得到训练好的BP神经网络。
步骤6，接收待识别类型的实时用户服务请求。
移动边缘计算平台实时接收一个待识别类型的用户服务请求，平台在接收用户服务请求的过程中抓取一秒的网络流量组成一个数据流。
步骤7，识别用户服务请求的业务类型。
移动边缘计算平台从步骤6所抓取的数据流中提取与步骤3中元素属性相同的数据流特征组成一个数据流特征集。
将数据流特征集输入到训练好的BP神经网络中，得到用户服务请求的业务类型。
步骤8，编排移动边缘计算网络功能。
移动边缘计算平台中设置的容器管理器kubernetes，根据识别的用户服务请求的业务类型，从移动边缘计算平台的所有网络功能中选取对应的网络功能，容器管理器kubernetes对所选取的网络功能进行参数配置，并将完成参数配置的网络功能封装成一个调度单元Pod。
所述参数配置包括服务类型、服务名称、服务状态、服务计费、计算资源、缓存资源、通信资源、IP地址、端口号等。
其中对于人脸识别和OFDM仿真业务类型的用户服务请求，其资源分配参数配置如表1：
表1两种业务的资源分配参数配置
服务名称 OFDM仿真 人脸识别
数据/计算密度 低/高 高/高
计算资源(CPU) 60％ 100％
存储资源(存储Memory) 4MB 8MB
缓存资源(内存Storage) 750MB 1.1GB
通信资源(带宽Bandwidth) 1KB/s 4MB/s
对于视频在线观看业务类型的用户服务请求，其资源分配参数配置如表2：
表2在线观看业务资源分配参数配置
Figure BDA0002344540160000071
所述移动边缘计算平台的所有网络功能包括11种，即MEC接入和移动性管理功能MEC AMF(Access and Mobility Management Function)、MEC会话管理功能MEC SMF(Session Management Function)、MEC统一数据管理功能MEC UDM(Unified DataManagement)、MEC鉴权服务功能MEC AUSF(Authentication Server Function)、MEC网络开放功能MEC NEF(Network Exposure Function)、MEC网络功能贮存功能MEC NRF(NFRepository Function)、MEC网络切片选择功能MEC NSSF(Network Slice SelectionFunction)、MEC策略管控功能MEC PCF(Policy Control Function)、MEC用户面功能MECUPF(User Plane Function)、MEC应用功能MEC AF(Application Function)和MEC管理功能MEC MF(MEC Management Function)，共11种网络功能。
步骤9，实现业务服务。
容器管理器kubernetes中的资源分配单元为每个调度单元Pod分配相应的计算、存储和通信资源，并向用户终端提供应用程序编程接口API，用户终端通过编程接口API得到业务服务。

Claims (1)

1.一种移动边缘计算平台中基于业务识别的网络功能编排方法，其特征在于，移动边缘计算平台根据接收到的实时用户服务请求，提取数据流特征并输入至训练好的BP神经网络得到业务类型，利用平台设置的容器管理器kubernetes选取对应的移动边缘计算平台网络功能；该方法的具体步骤包括如下：
(1)接收已知业务类型的用户服务请求：
(1a)从可连入运营商通信网络的用户终端中随机选取与已知业务类型数目相同的用户终端；
(1b)每个所选用户终端向移动边缘计算平台发送一种与其它用户终端不同类型的业务请求；
(2)抓取不同类型业务的网络流量：
移动边缘计算平台从每个类型业务中每隔一秒抓取20秒的网络流量，将每秒抓取的网络流量组成一个数据流；
(3)生成训练集：
移动边缘计算平台从每个数据流中提取所有的数据流特征，将每个数据流的数据流特征组成一个数据流特征集合，从每个数据流特征集合中选取元素属性相同的所有数据流特征组成一个训练集；
(4)构建BP神经网络：
搭建一个由输入层、隐含层、输出层组成的BP神经网络，按照训练集中的元素个数设置输入层神经元数目，按照已知业务类型数目设置输出层的节点数目，隐含层的节点数目设置为
Figure FDA0002344540150000011
隐含层的激活函数选择Log-sigmoid传输函数，其中，P表示输入层神经元数目，Q表示输出层节点数目；
(5)训练BP神经网络：
将训练集输入到BP神经网络中，利用梯度下降法迭代更新BP神经网络的均方误差，直至均方误差小于0.05时得到训练好的BP神经网络；
(6)接收待识别类型的实时用户服务请求：
移动边缘计算平台实时接收一个待识别类型的用户服务请求，平台在接收用户服务请求的过程中抓取一秒的网络流量组成一个数据流；
(7)识别用户服务请求的业务类型：
(7a)移动边缘计算平台从步骤(6)所抓取的数据流中提取与步骤(3)中元素属性相同的数据流特征组成一个数据流特征集；
(7b)将数据流特征集输入到训练好的BP神经网络中，得到用户服务请求的业务类型；
(8)编排移动边缘计算网络功能：
移动边缘计算平台中设置的容器管理器kubernetes，根据识别的用户服务请求的业务类型，从移动边缘计算平台的所有网络功能中选取对应的网络功能，容器管理器kubernetes对所选取的网络功能进行参数配置，并将完成参数配置的网络功能封装成一个调度单元Pod；
(9)实现业务服务：
容器管理器kubernetes为每个调度单元Pod分配相应的资源，并向用户终端提供应用程序编程接口API，用户终端通过编程接口API得到业务服务。
CN201911389416.6A 2019-12-30 2019-12-30 移动边缘计算平台中基于业务识别的网络功能编排方法 Active CN111082997B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911389416.6A CN111082997B (zh) 2019-12-30 2019-12-30 移动边缘计算平台中基于业务识别的网络功能编排方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911389416.6A CN111082997B (zh) 2019-12-30 2019-12-30 移动边缘计算平台中基于业务识别的网络功能编排方法

Publications (2)

Publication Number Publication Date
CN111082997A true CN111082997A (zh) 2020-04-28
CN111082997B CN111082997B (zh) 2021-05-14

Family

ID=70319665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911389416.6A Active CN111082997B (zh) 2019-12-30 2019-12-30 移动边缘计算平台中基于业务识别的网络功能编排方法

Country Status (1)

Country Link
CN (1) CN111082997B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112104486A (zh) * 2020-08-31 2020-12-18 中国—东盟信息港股份有限公司 一种基于Kubernetes容器的网络端点切片的方法及其系统
CN113517988A (zh) * 2021-04-13 2021-10-19 北京思特奇信息技术股份有限公司 基于动态场景化编排计费流程方法及系统
CN114024855A (zh) * 2020-07-16 2022-02-08 中国联合网络通信集团有限公司 一种网络切片和边缘云的融合方法和装置
CN114363367A (zh) * 2021-12-09 2022-04-15 广东电网有限责任公司 一种基于边缘物联代理的业务处理方法及系统
US11343315B1 (en) 2020-11-23 2022-05-24 International Business Machines Corporation Spatio-temporal social network based mobile kube-edge auto-configuration
CN115514641A (zh) * 2022-08-29 2022-12-23 中国移动通信集团广东有限公司 一种基于dpi技术的网络业务动态控制方法
WO2023016460A1 (zh) * 2021-08-10 2023-02-16 维沃移动通信有限公司 计算任务的策略确定或资源分配方法、装置、网元及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040220900A1 (en) * 2002-04-19 2004-11-04 Qian Yang Using neural networks for data mining
CN107578101A (zh) * 2017-09-25 2018-01-12 电子科技大学 一种数据流负载预测方法
CN107947961A (zh) * 2017-10-17 2018-04-20 上海数讯信息技术有限公司 基于SDN的Kubernetes网络管理系统与方法
CN108111335A (zh) * 2017-12-04 2018-06-01 华中科技大学 一种调度和链接虚拟网络功能的方法及系统
CN108513318A (zh) * 2018-02-09 2018-09-07 南京邮电大学 一种基于边缘计算的用户业务排队优化方法
CN108809694A (zh) * 2018-04-27 2018-11-13 广州西麦科技股份有限公司 业务编排方法、系统、装置与计算机可读存储介质
CN109167835A (zh) * 2018-09-13 2019-01-08 重庆邮电大学 一种基于kubernetes的物理资源调度方法及系统
CN109495476A (zh) * 2018-11-19 2019-03-19 中南大学 一种基于边缘计算的数据流差分隐私保护方法及系统
CN110351145A (zh) * 2019-07-18 2019-10-18 重庆电子工程职业学院 一种基于经济效益的虚拟化的无线网络功能编排方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040220900A1 (en) * 2002-04-19 2004-11-04 Qian Yang Using neural networks for data mining
CN107578101A (zh) * 2017-09-25 2018-01-12 电子科技大学 一种数据流负载预测方法
CN107947961A (zh) * 2017-10-17 2018-04-20 上海数讯信息技术有限公司 基于SDN的Kubernetes网络管理系统与方法
CN108111335A (zh) * 2017-12-04 2018-06-01 华中科技大学 一种调度和链接虚拟网络功能的方法及系统
CN108513318A (zh) * 2018-02-09 2018-09-07 南京邮电大学 一种基于边缘计算的用户业务排队优化方法
CN108809694A (zh) * 2018-04-27 2018-11-13 广州西麦科技股份有限公司 业务编排方法、系统、装置与计算机可读存储介质
CN109167835A (zh) * 2018-09-13 2019-01-08 重庆邮电大学 一种基于kubernetes的物理资源调度方法及系统
CN109495476A (zh) * 2018-11-19 2019-03-19 中南大学 一种基于边缘计算的数据流差分隐私保护方法及系统
CN110351145A (zh) * 2019-07-18 2019-10-18 重庆电子工程职业学院 一种基于经济效益的虚拟化的无线网络功能编排方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张开元 等: "移动边缘网络中计算迁移与内容缓存研究综述", 《软件学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114024855A (zh) * 2020-07-16 2022-02-08 中国联合网络通信集团有限公司 一种网络切片和边缘云的融合方法和装置
CN114024855B (zh) * 2020-07-16 2023-05-30 中国联合网络通信集团有限公司 一种网络切片和边缘云的融合方法和装置
CN112104486A (zh) * 2020-08-31 2020-12-18 中国—东盟信息港股份有限公司 一种基于Kubernetes容器的网络端点切片的方法及其系统
US11343315B1 (en) 2020-11-23 2022-05-24 International Business Machines Corporation Spatio-temporal social network based mobile kube-edge auto-configuration
WO2022105527A1 (en) * 2020-11-23 2022-05-27 International Business Machines Corporation Mobile kube-edge auto-configuration
GB2616752B (en) * 2020-11-23 2024-03-20 Ibm Mobile kube-edge auto-configuration
GB2616752A (en) * 2020-11-23 2023-09-20 Ibm Mobile kube-edge auto-configuration
CN113517988B (zh) * 2021-04-13 2024-01-26 北京思特奇信息技术股份有限公司 基于动态场景化编排计费流程方法及系统
CN113517988A (zh) * 2021-04-13 2021-10-19 北京思特奇信息技术股份有限公司 基于动态场景化编排计费流程方法及系统
WO2023016460A1 (zh) * 2021-08-10 2023-02-16 维沃移动通信有限公司 计算任务的策略确定或资源分配方法、装置、网元及介质
CN114363367A (zh) * 2021-12-09 2022-04-15 广东电网有限责任公司 一种基于边缘物联代理的业务处理方法及系统
CN114363367B (zh) * 2021-12-09 2023-12-01 广东电网有限责任公司 一种基于边缘物联代理的业务处理方法及系统
CN115514641A (zh) * 2022-08-29 2022-12-23 中国移动通信集团广东有限公司 一种基于dpi技术的网络业务动态控制方法

Also Published As

Publication number Publication date
CN111082997B (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN111082997B (zh) 移动边缘计算平台中基于业务识别的网络功能编排方法
Wang et al. A smart home gateway platform for data collection and awareness
JP6587330B2 (ja) ランダムフォレストモデルの訓練方法、電子装置及び記憶媒体
CN104125167A (zh) 一种流量控制方法和装置
CN109327493A (zh) 一种基于云的远程医疗监控系统及监控方法
CN108632558A (zh) 一种视频通话的方法和装置
CN106254379B (zh) 网络安全策略的处理系统及处理方法
CN104615765A (zh) 一种移动用户上网记录的数据处理方法及装置
CN105262703A (zh) 一种基于双重优先级的路由带宽分配方法
CN108924228B (zh) 基于边缘计算的工业互联网优化系统
Le et al. Applying big data, machine learning, and SDN/NFV for 5G early-stage traffic classification and network QoS control
CN108924007A (zh) 通信运营信息的大数据采集及存储系统和方法
CN110245020A (zh) 基于多个取证设备的手机内容取证方法和系统
US20190097945A1 (en) Predictive scheduler
Zhang et al. Intelligent and application-aware network traffic prediction in smart access gateways
CN110034970A (zh) 网络设备区分判别方法及装置
CN103260190A (zh) 基于演进分组系统网路的安全审计系统及其方法
CN106100928A (zh) 应用于数据中心的监控数据的传输方法和装置
CN108600564A (zh) 客户服务的方法和装置
CN104602142B (zh) 基于神经网络学习的业务分类方法
CN114253710A (zh) 计算请求的处理方法、智能终端、云服务器、设备及介质
CN111539281B (zh) 分布式人脸识别方法及系统
CN111245878A (zh) 一种基于混合云计算和雾计算的计算卸载通信网络的方法
CN107749843A (zh) 一种电子画板共享方法
CN113887495A (zh) 基于迁移学习的视频标注方法及装置

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