CN111491332A - 动态服务迁移方法及装置 - Google Patents
动态服务迁移方法及装置 Download PDFInfo
- Publication number
- CN111491332A CN111491332A CN202010312234.5A CN202010312234A CN111491332A CN 111491332 A CN111491332 A CN 111491332A CN 202010312234 A CN202010312234 A CN 202010312234A CN 111491332 A CN111491332 A CN 111491332A
- Authority
- CN
- China
- Prior art keywords
- edge server
- target mobile
- mobile user
- migration
- coverage
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0226—Traffic management, e.g. flow control or congestion control based on location or mobility
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
Abstract
本申请实施例提供一种动态服务迁移方法及装置,方法包括:根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率;并获取该目标移动用户对应的服务从第一边缘服务器移动至第二边缘服务器的覆盖范围所需的迁移总成本;根据概率和迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略。本申请能够在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,即能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性。
Description
技术领域
本申请涉及信息处理技术领域,具体涉及动态服务迁移方法及装置。
背景技术
随着移动终端和物联网IoT的普及,移动边缘计算MEC作为一种利用移动基站,将云计算服务扩展到网络边缘的新型架构应运而生。它集成了云计算和移动计算技术,并将部分应用程序、数据和服务从集中式云数据中心转移到部署了边缘服务器的网络边缘。由于本地边缘服务器比集中化的云数据中心更靠近用户和物联网设备,因此服务质量QoS(如响应时间和吞吐量)和隐私可以得到改善,并且可以减少开销。因此,移动边缘计算MEC在支持移动环境中的各种创新应用程序和服务方面越来越受欢迎。
在大多数移动边缘计算MEC场景中,边缘站点上的设备和用户只能访问边缘基站(或MEC服务器)信号覆盖范围内的服务。当它们移出时,它们必须重新连接到另一个MEC服务器或云服务器,从而导致QoS降低或服务中断。这时,需考虑是否进行服务迁移,以保证满意的服务质量。一方面,系统可以选择继续让服务在原边缘节点进行处理,由于过长的网络传输距离,这会导致较大的传输时延。另一方面,系统可以选择服务迁移,以此减小端到端的时延,但也会带来服务迁移导致的额外开销。因此,针对用户移动性导致的状态变化,以及对网络延迟、迁移开销等指标的复杂权衡,服务迁移技术成为了服务计算领域的重要研究内容。
现有的服务迁移技术一般采用随机移动模型预测用户的移动性,并且没有综合考虑网络延迟、迁移开销等服务迁移指标。因此,很难得到最优的服务迁移决策并应用到实际中。
发明内容
针对现有技术中的问题,本申请提供一种动态服务迁移方法及装置,能够在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,即能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性。
为解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种动态服务迁移方法,包括:
根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率;
基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本;
根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,以基于该目标动态服务迁移策略将所述目标移动用户对应的服务从第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围。
进一步地,在所述根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率之前,还包括:
在预设的时间间隙的初始时刻,获取目标移动用户当前的移动状态,其中,所述移动状态包含有所述目标移动用户当前的位置信息及移动速度;
边界判断步骤:根据所述目标移动用户当前的位置信息判断该目标移动用户当前是否处于第一边缘服务器的边界处,若是,则获取该目标移动用户当前的移动速度变化状态。
进一步地,还包括:
若经判断获知所述目标移动用户当前未处于第一边缘服务器的边界处,则在当前时间到达下一个预设的时间间隙的初始时刻时,再次获取所述目标移动用户当前的移动状态,并重新执行所述边界判断步骤。
进一步地,所述获取该目标移动用户当前的移动速度变化状态,包括:
判断所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值是否大于或等于预设的速度变化阈值,若是,则将所述目标移动用户当前的移动速度变化状态确定为第一移动速度变化状态。
进一步地,还包括:
若经判断获知所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值小于所述速度变化阈值,则将所述目标移动用户当前的移动速度变化状态确定为第二移动速度变化状态。
进一步地,所述根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率,包括:
若所述目标移动用户当前的移动速度变化状态为所述第一移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的高斯分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
进一步地,所述根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率,包括:
若所述目标移动用户当前的移动速度变化状态为所述第二移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的均匀分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
进一步地,所述基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本,包括:
根据第一边缘服务器的位置信息和第二边缘服务器的位置信息,确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所产生的服务的迁移成本;
基于所述目标移动用户当前的位置信息和所述第二边缘服务器的位置信息,确定该目标移动用户与预迁移到第二边缘服务器的所述服务之间产生的通信成本;
根据所述通信成本和所述迁移成本确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
进一步地,所述根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,包括:
根据所述概率和所述迁移总成本构建马尔可夫决策过程,得到该马尔可夫决策过程对应的值函数的线性方程;
将预设的初始迁移策略作为当前的动态服务迁移策略;
方程迭代求解步骤,根据当前的动态服务迁移策略求解所述线性方程,得到当前的初始迁移策略下的值函数的值,
应用预设的策略更新公式更新当前的动态服务迁移策略,并基于更新后的动态服务迁移策略重新执行所述方程迭代求解步骤,直至得到收敛的值函数的最优解之后,停止迭代;
将该最优解对应的动态服务迁移策略作为目标动态服务迁移策略。
第二方面,本申请提供一种动态服务迁移装置,包括:
概率获取模块,用于根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率;
成本获取模块,用于基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本;
策略确定模块,用于根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,以基于该目标动态服务迁移策略将所述目标移动用户对应的服务从第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围。
进一步地,还包括:
移动状态获取模块,用于在预设的时间间隙的初始时刻,获取目标移动用户当前的移动状态,其中,所述移动状态包含有所述目标移动用户当前的位置信息及移动速度;
边界判断模块,用于执行边界判断步骤:根据所述目标移动用户当前的位置信息判断该目标移动用户当前是否处于第一边缘服务器的边界处,若是,则获取该目标移动用户当前的移动速度变化状态。
进一步地,还包括:
重新判断模块,用于若经判断获知所述目标移动用户当前未处于第一边缘服务器的边界处,则在当前时间到达下一个预设的时间间隙的初始时刻时,再次获取所述目标移动用户当前的移动状态,并重新执行所述边界判断步骤。
进一步地,所述边界判断模块包括:
第一移动速度变化状态获取单元,用于判断所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值是否大于或等于预设的速度变化阈值,若是,则将所述目标移动用户当前的移动速度变化状态确定为第一移动速度变化状态。
进一步地,所述边界判断模块还包括:
第二移动速度变化状态获取单元,用于若经判断获知所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值小于所述速度变化阈值,则将所述目标移动用户当前的移动速度变化状态确定为第二移动速度变化状态。
进一步地,所述概率获取模块包括:
高斯分布状态下的概率获取单元,用于若所述目标移动用户当前的移动速度变化状态为所述第一移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的高斯分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
进一步地,所述概率获取模块包括:
均匀分布状态下的概率获取单元,用于若所述目标移动用户当前的移动速度变化状态为所述第二移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的均匀分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
进一步地,所述成本获取模块包括:
迁移成本获取单元,用于根据第一边缘服务器的位置信息和第二边缘服务器的位置信息,确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所产生的服务的迁移成本;
通信成本获取单元,用于基于所述目标移动用户当前的位置信息和所述第二边缘服务器的位置信息,确定该目标移动用户与预迁移到第二边缘服务器的所述服务之间产生的通信成本;
迁移总成本获取单元,用于根据所述通信成本和所述迁移成本确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
进一步地,所述策略确定模块包括:
马尔可夫决策构建单元,用于根据所述概率和所述迁移总成本构建马尔可夫决策过程,得到该马尔可夫决策过程对应的值函数的线性方程;
初始迁移策略获取单元,用于将预设的初始迁移策略作为当前的动态服务迁移策略;
方程迭代求解单元,用于执行方程迭代求解步骤,根据当前的动态服务迁移策略求解所述线性方程,得到当前的初始迁移策略下的值函数的值,
动态服务迁移策略更新单元,用于应用预设的策略更新公式更新当前的动态服务迁移策略,并基于更新后的动态服务迁移策略重新执行所述方程迭代求解步骤,直至得到收敛的值函数的最优解之后,停止迭代;
目标动态服务迁移策略确定单元,用于将所述最优解对应的动态服务迁移策略作为目标动态服务迁移策略。
第三方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的动态服务迁移方法的步骤。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的动态服务迁移方法的步骤。
由上述技术方案可知,本申请提供的一种动态服务迁移方法及装置,方法包括:根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率;基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本;根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,以基于该目标动态服务迁移策略将所述目标移动用户对应的服务从第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围,能够从用户移动的随机特性角度考虑服务迁移问题,解决了用户移动造成的QoS降低或服务中断的问题,同时兼顾了迁移数据开销等指标,能够在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,即能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性。同时能够为移动边缘计算的服务迁移技术提供理论保障和技术支持。另外,本申请实施例提供的动态服务迁移方法自动化程度高,易于部署和实施,可适于大规模物联网环境下使用。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请实施例中的动态服务迁移方法的流程示意图。
图2是本申请实施例中的动态服务迁移方法中步骤010至步骤040的流程示意图。
图3是本申请实施例中的动态服务迁移方法中步骤030的具体流程示意图。
图4是本申请实施例中的动态服务迁移方法中步骤100的第一种具体流程示意图。
图5是本申请实施例中的动态服务迁移方法中步骤100的第二种具体流程示意图。
图6是本申请实施例中的动态服务迁移方法中步骤200的具体流程示意图。
图7是本申请实施例中的动态服务迁移方法中步骤300的具体流程示意图。
图8是本申请应用实例提供的动态服务迁移方法流程图。
图9是本申请应用实例提供的动态服务迁移方法中预测用户从当前边缘服务器的覆盖范围移动到另一个覆盖范围的概率流程图。
图10是本申请应用实例提供的动态服务迁移方法中计算迁移服务需消耗的总成本流程图。
图11是本申请应用实例提供的动态服务迁移方法中得到服务迁移策略流程图。
图12是本申请实施例中的动态服务迁移装置的第一种结构示意图。
图13是本申请实施例中的动态服务迁移装置的第二种结构示意图。
图14是本申请实施例中的动态服务迁移装置中的边界判断模块02的结构示意图。
图15是本申请实施例中的动态服务迁移装置中的概率获取模块10的结构示意图。
图16是本申请实施例中的动态服务迁移装置中的成本获取模块20的结构示意图。
图17是本申请实施例中的动态服务迁移装置中的策略确定模块30的结构示意图。
图18是本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
对于大多数的MEC场景,边缘站点上的设备和用户只能访问边缘基站(或MEC服务器)信号覆盖范围内的服务。当它们移出时,它们必须重新连接到另一个MEC服务器或云服务器,从而导致QoS降低或服务中断。因此,针对用户移动的随机性,如何选择服务迁移策略以保证服务质量,已成为一个重要的问题。为了获得最优的服务迁移策略,对移动用户的转移概率进行预测,并综合考虑网络延迟、迁移开销等指标,做出最优的服务迁移决策,显得至关重要。
本申请实施例涉及信息技术的移动边缘计算MEC领域,具体涉及移动边缘计算中的移动感知动态服务迁移方法,针对用户移动的随机性,根据移动用户当前的移动状态,计算移动用户从当前边缘服务器的覆盖范围移动到另一个覆盖范围的概率;根据用户与服务的通信成本,以及迁移服务所需的迁移成本,计算得到迁移服务需消耗的总成本;根据状态转移概率以及总成本构建MDP,迭代求解优化问题,得到面向移动边缘计算的动态服务迁移策略。能够从用户移动的随机特性角度考虑服务迁移问题,解决了用户移动造成的QoS降低或服务中断的问题,同时兼顾了迁移数据开销等指标,能够在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,即能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性。同时能够为移动边缘计算的服务迁移技术提供理论保障和技术支持。另外,本申请实施例提供的动态服务迁移方法自动化程度高,易于部署和实施,可适于大规模物联网环境下使用。
具体通过下述多个实施例分别进行说明。
为了在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,本申请提供一种动态服务迁移方法的实施例,参见图1,所述动态服务迁移方法具体包含有如下内容:
步骤100:根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
在步骤100中,所述目标移动用户可以为任意移动中的用户,且所述用户是指用于在边缘服务器的覆盖范围内的终端设备,该终端设备可以为移动客户端设备,例如手机等;所述边缘服务器的具体实现可以为通信基站,且所述边缘服务器的覆盖范围是指通信基站的信号覆盖范围。在本申请的一个或多个实施例中,所述动态服务迁移可以均指动态通信服务迁移。
可以理解的是,所述第一边缘服务器为目标移动用户当前所处的边缘服务器。
步骤200:基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
在步骤200中,所述目标移动用户当前的位置信息可以在步骤100获取目标移动用户的移动状态时获取,且第一边缘服务器的位置信息和第二边缘服务器的位置信息均可以直接自预设的边缘服务器位置数据库中获取。
可以理解的是,所述第二边缘服务器为处于当前的第一边缘服务器的覆盖范围内的目标移动用户预计要迁移到的另一个边缘服务器,该第二边缘服务器在步骤200中仅为一个指代含义的目标边缘服务器,并未指定,其可以为第一边缘服务器相邻的多个边缘服务器中的任意一个。
步骤300:根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,以基于该目标动态服务迁移策略将所述目标移动用户对应的服务从第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围。
可以理解的是,所述目标动态服务迁移策略用于最终指定所述第二边缘服务器所对应的与第一边缘服务器相邻的一个边缘服务器,且所述目标动态服务迁移策略还可以包含有从第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的迁移方式。
从上述描述可知,本申请实施例提供的动态服务迁移方法,通过根据某移动用户当前的移动状态,计算移动用户从当前边缘服务器的覆盖范围移动到另一个覆盖范围的概率;获取用户与服务的通信成本,以及迁移服务所需的迁移成本,计算得到迁移服务需消耗的总成本;根据状态转移概率以及总成本构建马尔可夫决策过程(MDP),迭代求解优化问题,得到面向移动边缘计算的动态服务迁移策,能够在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,即能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性。
为了有效提高目标移动用户的移动状态的获取准确性,以进一步提高移动中的用户的动态通信服务迁移的准确性及可靠性,在本申请提供的动态服务迁移方法的一个实施例中,参见图2,所述动态服务迁移方法的步骤100之前还具体包含有如下内容:
步骤010:在预设的时间间隙的初始时刻,获取目标移动用户当前的移动状态,其中,所述移动状态包含有所述目标移动用户当前的位置信息及移动速度。
在步骤010中,所述的某移动用户当前的移动状态采用以下Xt表示:
Xt={xt,yt,vt}
其中,vt代表用户在t时刻的速度,(xt,yt)代表用户在t时刻的位置坐标。
步骤020-边界判断步骤:根据所述目标移动用户当前的位置信息判断该目标移动用户当前是否处于第一边缘服务器的边界处,若是,则执行步骤030。若否,则执行步骤040。
步骤030:获取该目标移动用户当前的移动速度变化状态。
步骤040:若经判断获知所述目标移动用户当前未处于第一边缘服务器的边界处,则在当前时间到达下一个预设的时间间隙的初始时刻时,再次获取所述目标移动用户当前的移动状态,并重新返回步骤020执行所述边界判断步骤,以进一步提高目标移动用户的移动状态的获取可靠性。
为了有效提高移动速度变化状态的获取准确性及可靠性,以进一步目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率获取的准确性及可靠性,在本申请提供的动态服务迁移方法的一个实施例中,参见图3,所述动态服务迁移方法的步骤030还具体包含有如下内容:
步骤031:判断所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值是否大于或等于预设的速度变化阈值,若是,则执行步骤032;若否,则执行步骤033。
步骤032:将所述目标移动用户当前的移动速度变化状态确定为第一移动速度变化状态。
步骤033:若经判断获知所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值小于所述速度变化阈值,则将所述目标移动用户当前的移动速度变化状态确定为第二移动速度变化状态,以进一步提高移动速度变化状态获取的全面性及准确性。
为了进一步提高目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率获取的准确性,在本申请提供的动态服务迁移方法的一个实施例中,参见图4,在所述动态服务迁移方法中的步骤032之后,所述动态服务迁移方法的步骤100具体包含有如下内容:
步骤110:若所述目标移动用户当前的移动速度变化状态为所述第一移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的高斯分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
在步骤110中,若所述目标移动用户当前的移动速度变化状态为所述第一移动速度变化状态,则近似为高斯分布,计算移动用户从当前边缘服务器的覆盖范围移动到另一个覆盖范围的概率公式如下:
其中,celli代表当前cell的第i个相邻的边缘服务器,cell表示边缘服务器;满足i=0,1,...,5。θ代表速度的方向,公式如下:
其中,Vt=(vx(t),vy(t))T代表用户在t时刻的速度矢量。
当用户移动速度变化大于某个阈值时,近似为高斯分布,则有:
θ≈g(V*)+G(ΔV)
为了进一步提高目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率获取的准确性,在本申请提供的动态服务迁移方法的一个实施例中,参见图5,在所述动态服务迁移方法中的步骤033之后,所述动态服务迁移方法的步骤100还具体包含有如下内容:
步骤120:若所述目标移动用户当前的移动速度变化状态为所述第二移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的均匀分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
在步骤120中,若所述目标移动用户当前的移动速度变化状态为所述第一移动速度变化状态,近似为均匀分布,近似为[0,2π)上的均匀分布。因此,根据如下公式计算可得概率:
为了有效提高目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围所需的迁移总成本获取准确性及可靠性,在本申请提供的动态服务迁移方法的一个实施例中,参见图6,所述动态服务迁移方法中的步骤200具体包含有如下内容:
步骤210:根据第一边缘服务器的位置信息和第二边缘服务器的位置信息,确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所产生的服务的迁移成本。
在步骤210中,根据如下公式计算迁移成本:
其中,δc,δl和μ一般情况下为非负参数,并且μ大于1,通常由服务提供者定义。w(t)为当前的第一边缘服务器的位置、w'(t)为预迁移到的第二边缘服务器的位置。
步骤220:基于所述目标移动用户当前的位置信息和所述第二边缘服务器的位置信息,确定该目标移动用户与迁移到第二边缘服务器的所述服务之间产生的通信成本。
在步骤220,根据如下公式计算通信成本:
步骤230:根据所述通信成本和所述迁移成本确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
在步骤230中,根据如下公式计算迁移服务需消耗的总成本:
C(s(t))=costcom(t)+costmig(t)
其中,costcom(t)为移动用户与服务的通信成本,costmig(t)为将服务从当前位置迁移到新位置所需的迁移成本。
可以理解的是,在本申请的一个或多个实施例中,所述通信成本、迁移成本和迁移总成本均为移动用户的数据通信成本,例如迁移用户的移动服务对应的基站所需消耗的数据等等。
为了能够提供更为优选的服务迁移决策,进而能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性,在本申请提供的动态服务迁移方法的一个实施例中,参见图7,所述动态服务迁移方法中的步骤300具体包含有如下内容:
步骤310:根据所述概率和所述迁移总成本构建马尔可夫决策过程,得到该马尔可夫决策过程对应的值函数的线性方程。
步骤320:将预设的初始迁移策略作为当前的动态服务迁移策略。
步骤330-方程迭代求解步骤:根据当前的动态服务迁移策略求解所述线性方程,得到当前的初始迁移策略下的值函数的值。
步骤340:应用预设的策略更新公式更新当前的动态服务迁移策略,并基于更新后的动态服务迁移策略重新执行所述步骤330的方程迭代求解步骤,直至得到收敛的值函数的最优解之后,停止迭代。
步骤350:将该最优解对应的动态服务迁移策略作为目标动态服务迁移策略。
可以理解的是,根据状态转移概率以及总成本构建马尔可夫决策过程(MDP)公式如下:
根据策略迭代求解优化问题,先给定初始策略,求解S31所述的线性方程,计算出该策略下相应的V(s);根据V(s)值按照以下公式更新策略:不断重复,直到收敛。最终收敛到的最优值,即为面向移动边缘计算的动态服务迁移策略。
为进一步说明本方案,参见图8,本申请应用实例提供了一种面向移动边缘计算的动态服务迁移方法,具体包含有如下内容:
S1,在预设的时间间隙的初始时刻,获取某移动用户当前的移动状态,计算移动用户从当前边缘服务器的覆盖范围移动到另一个覆盖范围的概率;S2,获取用户与服务的通信成本,以及迁移服务所需的迁移成本,计算得到迁移服务需消耗的总成本;S3,根据状态转移概率以及总成本构建马尔可夫决策过程(MDP),迭代求解优化问题,得到面向移动边缘计算的动态服务迁移策略。
具体地,参见图9,S1具体包括:
S11,在预设的时间间隙的初始时刻,获取某移动用户当前的移动状态;
S12,根据移动用户当前移动状态,判断用户是否处于当前cell的边界,若用户处于当前cell的边界,则执行S13,若用户不处于当前cell的边界,则进入下一时间间隙的初始时刻,执行S11;
S13,比较用户在当前时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度,若速度的变化大于某个阈值,则执行S14,若速度的变化小于某个阈值,则执行S15;
S14,当用户移动速度变化大于某个阈值时,近似为高斯分布,计算可得概率;
S15,当用户移动速度变化小于某个阈值时,近似为均匀分布,计算可得概率。
具体地,S11具体包括:所述的某移动用户当前的移动状态采用以下Xt表示:
Xt={xt,yt,vt}
其中,vt代表用户在t时刻的速度,(xt,yt)代表用户在t时刻的位置坐标。
具体地,S14具体包括:根据某移动用户当前的移动状态,计算移动用户从当前边缘服务器的覆盖范围移动到另一个覆盖范围的概率公式如下:
其中,celli代表当前cell的第i个邻居,满足i=0,1,...,5。θ代表速度的方向,公式如下:
其中,Vt=(vx(t),vy(t))T代表用户在t时刻的速度矢量。
具体地,S15具体包括:当用户移动速度变化小于某个阈值时,近似为[0,2π)上的均匀分布。因此,根据如下公式计算可得概率:
例如,在t时刻,当前用户处于cellj的边界,位置坐标为(xt,yt),并以速度vt运动着,那么,这个用户将以一定的概率运动到其周围的cell。假设cellj周围有6个cell,根据用户的移动速度变化可能的大小,选择采取高斯分布或均匀分布求解,计算得到用户在下一时刻转移到周围6个cell的概率预测结果{P0,P1,P2,P3,P4,P5}。
在上述实施例的基础上,参见图10,S2具体包括:
S21,获取当前的移动用户位置、预迁移到的服务位置,计算得到用户与预迁移到的位置后的对应服务之间产生的通信成本;
S22,获取当前的服务位置、预迁移到的服务位置,计算得到服务的迁移成本;
S23,根据通信成本以及迁移成本,计算得到迁移服务需消耗的总成本。
具体地,S21具体包括:根据如下公式计算通信成本:
具体地,S22具体包括:根据如下公式计算迁移成本:
其中,δc,δl和μ一般情况下为非负参数,并且μ大于1,通常由服务提供者定义。w(t)为当前的服务位置、w'(t)为预迁移到的服务位置、Size为用户当前请求的服务的大小。
具体地,S23具体包括:根据如下公式计算迁移服务需消耗的总成本:
C(s(t))=costcom(t)+costmig(t)
其中,costcom(t)为移动用户与服务的通信成本,costmig(t)为将服务从当前位置迁移到新位置所需的迁移成本。
例如,在t时刻系统预测到用户会以一定的概率Pi,在下一时间间隙的初始t+1时刻从cellj转移到达celli,计算cellj到celli的距离为||w(t)-w'(t)||,用户请求的服务的大小为Size,如果此时执行服务迁移动作,经计算,系统会耗费costmig(t)大小的成本将服务从cellj转移到达celli。同时,服务预迁移到新的位置后,用户与服务的距离变为||u(t)-w'(t)||,经计算,用户与服务会以costcom(t)与服务大小的成本进行通信。因此,二者相加可得迁移总成本。
在上述实施例的基础上,参见图11,S3具体包括:
S31,根据状态转移概率以及总成本构建马尔可夫决策过程(MDP);
S32,根据MDP迭代求解优化问题,得到面向移动边缘计算的动态服务迁移策略。
具体地,S31具体包括:根据状态转移概率以及总成本构建马尔可夫决策过程(MDP)公式如下:
具体地,S32具体包括:根据策略迭代求解优化问题,先给定初始策略,求解S31所述的线性方程,计算出该策略下相应的V(s);根据V(s)值按照以下公式更新策略:不断重复,直到收敛。最终收敛到的最优值,即为面向移动边缘计算的动态服务迁移策略。
例如,初始化所有状态的V(s')值,令折扣因子为γ。根据初始策略将服务从cellj迁移celli,通过S1求得一步迁移总成本分别为C。通过S2求得状态转移概率为分别为Pi。则更新在状态cellj下的值函数V(s)=C+γ(Pi·V(s'))。利用上述更新方式,通过多步迭代,得到每个状态稳定的值函数V(s)。通过计算出的稳定的值函数,让每个状态在选择下一步策略的时候,选择V(s)最小的策略。不断重复以上两个步骤直到收敛。
在本申请应用实例中,利用移动用户当前的移动状态,计算移动用户从当前边缘服务器的覆盖范围移动到另一个覆盖范围的概率;通过当前的移动用户位置以及预迁移到的服务位置,计算得到通信成本。通过当前的服务位置以及预迁移到的服务位置,计算得到迁移成本。二者相加得到迁移服务需消耗的总成本;根据状态转移概率以及总成本构建MDP,迭代求解优化问题,得到面向移动边缘计算的动态服务迁移策略。本实施例提供的移动感知动态服务迁移方法,能够从用户移动的随机特性角度考虑服务迁移问题,解决了用户移动造成的QoS降低或服务中断,同时兼顾了迁移开销等指标。为移动边缘计算的服务迁移技术提供理论保障和技术支持。本实施例提供的服务迁移方法自动化程度高,易于部署和实施,可适于大规模物联网环境下使用。
从软件层面来说,为了在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,本申请还提供一种用于实现所述动态服务迁移方法中全部或分部内容的动态服务迁移装置的实施例,参见图12,所述动态服务迁移装置具体包含有如下内容:
概率获取模块10,用于根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
成本获取模块20,用于基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
策略确定模块30,用于根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,以基于该目标动态服务迁移策略将所述目标移动用户对应的服务从第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围。
从上述描述可知,本申请实施例提供的动态服务迁移装置,通过根据某移动用户当前的移动状态,计算移动用户从当前边缘服务器的覆盖范围移动到另一个覆盖范围的概率;获取用户与服务的通信成本,以及迁移服务所需的迁移成本,计算得到迁移服务需消耗的总成本;根据状态转移概率以及总成本构建马尔可夫决策过程(MDP),迭代求解优化问题,得到面向移动边缘计算的动态服务迁移策,能够在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,即能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性。
为了有效提高目标移动用户的移动状态的获取准确性,以进一步提高移动中的用户的动态通信服务迁移的准确性及可靠性,在本申请提供的动态服务迁移装置的一个实施例中,参见图13,所述动态服务迁移装置还具体包含有如下内容:
移动状态获取模块01,用于在预设的时间间隙的初始时刻,获取目标移动用户当前的移动状态,其中,所述移动状态包含有所述目标移动用户当前的位置信息及移动速度。
边界判断模块02,用于执行边界判断步骤:根据所述目标移动用户当前的位置信息判断该目标移动用户当前是否处于第一边缘服务器的边界处,若是,则获取该目标移动用户当前的移动速度变化状态。
重新判断模块03,用于若经判断获知所述目标移动用户当前未处于第一边缘服务器的边界处,则在当前时间到达下一个预设的时间间隙的初始时刻时,再次获取所述目标移动用户当前的移动状态,并重新执行所述边界判断步骤,以进一步提高目标移动用户的移动状态的获取可靠性。
为了有效提高移动速度变化状态的获取准确性及可靠性,以进一步目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率获取的准确性及可靠性,在本申请提供的动态服务迁移装置的一个实施例中,参见图14,所述动态服务迁移装置的边界判断模块02具体包含有如下内容:
第一移动速度变化状态获取单元021,用于判断所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值是否大于或等于预设的速度变化阈值,若是,则将所述目标移动用户当前的移动速度变化状态确定为第一移动速度变化状态。
第二移动速度变化状态获取单元022,用于若经判断获知所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值小于所述速度变化阈值,则将所述目标移动用户当前的移动速度变化状态确定为第二移动速度变化状态,以进一步提高移动速度变化状态获取的全面性及准确性。
为了进一步提高目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率获取的准确性,在本申请提供的动态服务迁移装置的一个实施例中,参见图15,所述动态服务迁移装置的概率获取模块10具体包含有如下内容:
高斯分布状态下的概率获取单元11,用于若所述目标移动用户当前的移动速度变化状态为所述第一移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的高斯分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
为了进一步提高目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率获取的准确性,在本申请提供的动态服务迁移装置的一个实施例中,参见图15,所述动态服务迁移装置的概率获取模块10还具体包含有如下内容:
均匀分布状态下的概率获取单元12,用于若所述目标移动用户当前的移动速度变化状态为所述第二移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的均匀分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
为了有效提高目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本获取准确性及可靠性,在本申请提供的动态服务迁移装置的一个实施例中,参见图16,在所述动态服务迁移装置中的成本获取模块20具体包含有如下内容:
迁移成本获取单元21,用于根据第一边缘服务器的位置信息和第二边缘服务器的位置信息,确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所产生的服务的迁移成本。
通信成本获取单元22,用于基于所述目标移动用户当前的位置信息和所述第二边缘服务器的位置信息,确定该目标移动用户与迁移到第二边缘服务器的所述服务之间产生的通信成本。
迁移总成本获取单元23,用于根据所述通信成本和所述迁移成本确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
为了能够提供更为优选的服务迁移决策,进而能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性,在本申请提供的动态服务迁移装置的一个实施例中,参见图17,所述动态服务迁移装置中的策略确定模块30具体包含有如下内容:
马尔可夫决策构建单元31,用于根据所述概率和所述迁移总成本构建马尔可夫决策过程,得到该马尔可夫决策过程对应的值函数的线性方程。
初始迁移策略获取单元32,用于将预设的初始迁移策略作为当前的动态服务迁移策略。
方程迭代求解单元33,用于执行方程迭代求解步骤,根据当前的动态服务迁移策略求解所述线性方程,得到当前的初始迁移策略下的值函数的值。
动态服务迁移策略更新单元34,用于应用预设的策略更新公式更新当前的动态服务迁移策略,并基于更新后的动态服务迁移策略重新执行所述方程迭代求解步骤,直至得到收敛的值函数的最优解之后,停止迭代。
目标动态服务迁移策略确定单元35,用于将所述最优解对应的动态服务迁移策略作为目标动态服务迁移策略。
从硬件层面来说,为了在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,本申请提供一种用于实现所述动态服务迁移方法中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现电子设备与用户终端以及相关数据库等相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例中的动态服务迁移方法的实施例,以及,动态服务迁移装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图18为本申请实施例的电子设备9600的系统构成的示意框图。如图18所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图18是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在一实施例中,动态服务迁移功能可以被集成到中央处理器中。其中,中央处理器可以被配置为进行如下控制:
步骤100:根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
步骤200:基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
步骤300:根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,以基于该目标动态服务迁移策略将所述目标移动用户对应的服务从第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围。
从上述描述可知,本申请实施例提供的电子设备,能够从用户移动的随机特性角度考虑服务迁移问题,解决了用户移动造成的QoS降低或服务中断的问题,同时兼顾了迁移数据开销等指标,能够在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,即能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性。同时能够为移动边缘计算的服务迁移技术提供理论保障和技术支持。另外,本申请实施例提供的动态服务迁移方法自动化程度高,易于部署和实施,可适于大规模物联网环境下使用。
在另一个实施方式中,动态服务迁移装置可以与中央处理器9100分开配置,例如可以将动态服务迁移装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现动态服务迁移功能。
如图18所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图18中所示的所有部件;此外,电子设备9600还可以包括图18中没有示出的部件,可以参考现有技术。
如图18所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的动态服务迁移方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的动态服务迁移方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤100:根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
步骤200:基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
步骤300:根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,以基于该目标动态服务迁移策略将所述目标移动用户对应的服务从第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围。
从上述描述可知,本申请实施例提供的计算机可读存储介质,能够从用户移动的随机特性角度考虑服务迁移问题,解决了用户移动造成的QoS降低或服务中断的问题,同时兼顾了迁移数据开销等指标,能够在有效降低动态通信服务迁移中传输时延的基础上,还能够有效平衡迁移数据成本,进而能够提供更为优选的服务迁移决策,即能够有效提高移动中的用户的动态通信服务迁移的准确性及可靠性。同时能够为移动边缘计算的服务迁移技术提供理论保障和技术支持。另外,本申请实施例提供的动态服务迁移方法自动化程度高,易于部署和实施,可适于大规模物联网环境下使用。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施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 (20)
1.一种动态服务迁移方法,其特征在于,包括:
根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率;
基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本;
根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,以基于该目标动态服务迁移策略将所述目标移动用户对应的服务从第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围。
2.根据权利要求1所述的动态服务迁移方法,其特征在于,在所述根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率之前,还包括:
在预设的时间间隙的初始时刻,获取目标移动用户当前的移动状态,其中,所述移动状态包含有所述目标移动用户当前的位置信息及移动速度;
边界判断步骤:根据所述目标移动用户当前的位置信息判断该目标移动用户当前是否处于第一边缘服务器的边界处,若是,则获取该目标移动用户当前的移动速度变化状态。
3.根据权利要求2所述的动态服务迁移方法,其特征在于,还包括:
若经判断获知所述目标移动用户当前未处于第一边缘服务器的边界处,则在当前时间到达下一个预设的时间间隙的初始时刻时,再次获取所述目标移动用户当前的移动状态,并重新执行所述边界判断步骤。
4.根据权利要求2所述的动态服务迁移方法,其特征在于,所述获取该目标移动用户当前的移动速度变化状态,包括:
判断所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值是否大于或等于预设的速度变化阈值,若是,则将所述目标移动用户当前的移动速度变化状态确定为第一移动速度变化状态。
5.根据权利要求4所述的动态服务迁移方法,其特征在于,还包括:
若经判断获知所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值小于所述速度变化阈值,则将所述目标移动用户当前的移动速度变化状态确定为第二移动速度变化状态。
6.根据权利要求4所述的动态服务迁移方法,其特征在于,所述根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率,包括:
若所述目标移动用户当前的移动速度变化状态为所述第一移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的高斯分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
7.根据权利要求5所述的动态服务迁移方法,其特征在于,所述根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率,包括:
若所述目标移动用户当前的移动速度变化状态为所述第二移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的均匀分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
8.根据权利要求1所述的动态服务迁移方法,其特征在于,所述基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本,包括:
根据第一边缘服务器的位置信息和第二边缘服务器的位置信息,确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所产生的服务的迁移成本;
基于所述目标移动用户当前的位置信息和所述第二边缘服务器的位置信息,确定该目标移动用户与预迁移到第二边缘服务器的所述服务之间产生的通信成本;
根据所述通信成本和所述迁移成本确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
9.根据权利要求1所述的动态服务迁移方法,其特征在于,所述根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,包括:
根据所述概率和所述迁移总成本构建马尔可夫决策过程,得到该马尔可夫决策过程对应的值函数的线性方程;
将预设的初始迁移策略作为当前的动态服务迁移策略;
方程迭代求解步骤,根据当前的动态服务迁移策略求解所述线性方程,得到当前的初始迁移策略下的值函数的值,
应用预设的策略更新公式更新当前的动态服务迁移策略,并基于更新后的动态服务迁移策略重新执行所述方程迭代求解步骤,直至得到收敛的值函数的最优解之后,停止迭代;
将该最优解对应的动态服务迁移策略作为目标动态服务迁移策略。
10.一种动态服务迁移装置,其特征在于,包括:
概率获取模块,用于根据当前处于第一边缘服务器的边界处的目标移动用户的移动状态,获取该目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率;
成本获取模块,用于基于所述目标移动用户当前的位置信息、第一边缘服务器的位置信息和第二边缘服务器的位置信息,获取该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本;
策略确定模块,用于根据所述概率和所述迁移总成本构建马尔可夫决策过程,并迭代求解该马尔可夫决策过程对应的线性方程,得到对应的目标动态服务迁移策略,以基于该目标动态服务迁移策略将所述目标移动用户对应的服务从第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围。
11.根据权利要求10所述的动态服务迁移装置,其特征在于,还包括:
移动状态获取模块,用于在预设的时间间隙的初始时刻,获取目标移动用户当前的移动状态,其中,所述移动状态包含有所述目标移动用户当前的位置信息及移动速度;
边界判断模块,用于执行边界判断步骤:根据所述目标移动用户当前的位置信息判断该目标移动用户当前是否处于第一边缘服务器的边界处,若是,则获取该目标移动用户当前的移动速度变化状态。
12.根据权利要求11所述的动态服务迁移装置,其特征在于,还包括:
重新判断模块,用于若经判断获知所述目标移动用户当前未处于第一边缘服务器的边界处,则在当前时间到达下一个预设的时间间隙的初始时刻时,再次获取所述目标移动用户当前的移动状态,并重新执行所述边界判断步骤。
13.根据权利要求11所述的动态服务迁移装置,其特征在于,所述边界判断模块包括:
第一移动速度变化状态获取单元,用于判断所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值是否大于或等于预设的速度变化阈值,若是,则将所述目标移动用户当前的移动速度变化状态确定为第一移动速度变化状态。
14.根据权利要求13所述的动态服务迁移装置,其特征在于,所述边界判断模块还包括:
第二移动速度变化状态获取单元,用于若经判断获知所述目标移动用户在当前的时间间隙的初始时刻的移动速度与前一时间间隙的初始时刻的移动速度之间的差值小于所述速度变化阈值,则将所述目标移动用户当前的移动速度变化状态确定为第二移动速度变化状态。
15.根据权利要求13所述的动态服务迁移装置,其特征在于,所述概率获取模块包括:
高斯分布状态下的概率获取单元,用于若所述目标移动用户当前的移动速度变化状态为所述第一移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的高斯分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
16.根据权利要求14所述的动态服务迁移装置,其特征在于,所述概率获取模块包括:
均匀分布状态下的概率获取单元,用于若所述目标移动用户当前的移动速度变化状态为所述第二移动速度变化状态,则基于所述目标移动用户的移动状态,应用预设的均匀分布状态下的概率计算方式确定所述目标移动用户从所述第一边缘服务器的覆盖范围移动至第二边缘服务器的覆盖范围的概率。
17.根据权利要求10所述的动态服务迁移装置,其特征在于,所述成本获取模块包括:
迁移成本获取单元,用于根据第一边缘服务器的位置信息和第二边缘服务器的位置信息,确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所产生的服务的迁移成本;
通信成本获取单元,用于基于所述目标移动用户当前的位置信息和所述第二边缘服务器的位置信息,确定该目标移动用户与预迁移到第二边缘服务器的所述服务之间产生的通信成本;
迁移总成本获取单元,用于根据所述通信成本和所述迁移成本确定该目标移动用户对应的服务从所述第一边缘服务器的覆盖范围迁移至第二边缘服务器的覆盖范围所需的迁移总成本。
18.根据权利要求10所述的动态服务迁移装置,其特征在于,所述策略确定模块包括:
马尔可夫决策构建单元,用于根据所述概率和所述迁移总成本构建马尔可夫决策过程,得到该马尔可夫决策过程对应的值函数的线性方程;
初始迁移策略获取单元,用于将预设的初始迁移策略作为当前的动态服务迁移策略;
方程迭代求解单元,用于执行方程迭代求解步骤,根据当前的动态服务迁移策略求解所述线性方程,得到当前的初始迁移策略下的值函数的值,
动态服务迁移策略更新单元,用于应用预设的策略更新公式更新当前的动态服务迁移策略,并基于更新后的动态服务迁移策略重新执行所述方程迭代求解步骤,直至得到收敛的值函数的最优解之后,停止迭代;
目标动态服务迁移策略确定单元,用于将所述最优解对应的动态服务迁移策略作为目标动态服务迁移策略。
19.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至9任一项所述的动态服务迁移方法的步骤。
20.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至9任一项所述的动态服务迁移方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010312234.5A CN111491332B (zh) | 2020-04-20 | 2020-04-20 | 动态服务迁移方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010312234.5A CN111491332B (zh) | 2020-04-20 | 2020-04-20 | 动态服务迁移方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111491332A true CN111491332A (zh) | 2020-08-04 |
CN111491332B CN111491332B (zh) | 2021-08-27 |
Family
ID=71811060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010312234.5A Active CN111491332B (zh) | 2020-04-20 | 2020-04-20 | 动态服务迁移方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111491332B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112104737A (zh) * | 2020-09-17 | 2020-12-18 | 南方电网科学研究院有限责任公司 | 一种计算迁移方法、移动计算设备及边缘计算设备 |
CN112445617A (zh) * | 2020-11-25 | 2021-03-05 | 中国石油大学(华东) | 一种基于移动边缘计算的负载策略选择方法及系统 |
CN112600827A (zh) * | 2020-12-10 | 2021-04-02 | 中国科学院深圳先进技术研究院 | 基于增量式最小费用最大流的虚拟服务迁移方法及系统 |
CN112788109A (zh) * | 2020-12-29 | 2021-05-11 | 哈尔滨工业大学 | 一种基于移动预测和多层服务部署的服务迁移方法和系统 |
CN113014659A (zh) * | 2021-03-11 | 2021-06-22 | 北京邮电大学 | 微服务迁移方法、装置及存储介质和电子设备 |
CN113076177A (zh) * | 2021-04-12 | 2021-07-06 | 河北大学 | 一种边缘计算环境下的虚拟机动态迁移方法 |
CN113301169A (zh) * | 2021-07-23 | 2021-08-24 | 杭州雅观科技有限公司 | 一种基于动态移动装置行为预测的边缘转网方法 |
CN113377743A (zh) * | 2021-06-03 | 2021-09-10 | 北京邮电大学 | 车辆终端服务迁移方法及系统 |
CN113489787A (zh) * | 2021-07-06 | 2021-10-08 | 北京邮电大学 | 一种移动边缘计算的服务与数据协同迁移的方法和装置 |
CN113747450A (zh) * | 2021-07-27 | 2021-12-03 | 清华大学 | 一种移动网络中业务部署方法、装置及电子设备 |
CN114040016A (zh) * | 2021-11-02 | 2022-02-11 | 清华大学 | 卫星边缘智能代理的编排方法、系统、介质及计算设备 |
CN114090221A (zh) * | 2022-01-20 | 2022-02-25 | 浙江万雾信息科技有限公司 | 一种边缘计算环境中的任务的双重迁移方法 |
CN114756367A (zh) * | 2022-04-15 | 2022-07-15 | 中国电信股份有限公司 | 服务迁移方法、装置、介质及电子设备 |
CN115801529A (zh) * | 2023-01-18 | 2023-03-14 | 中冶南方(武汉)自动化有限公司 | 物联网边缘侧应用交互的方法和系统 |
CN116112865A (zh) * | 2023-01-17 | 2023-05-12 | 广州爱浦路网络技术有限公司 | 基于用户设备位置的边缘应用服务器选择方法、计算机装置和存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571913A (zh) * | 2010-12-08 | 2012-07-11 | 中国科学院声学研究所 | 一种基于网络传输开销的数据迁移方法 |
CN109167671A (zh) * | 2018-07-11 | 2019-01-08 | 国网信通亿力科技有限责任公司 | 一种面向量子密钥分发业务的配用通信系统均衡负载调度算法 |
CN109375999A (zh) * | 2018-10-23 | 2019-02-22 | 北京工业大学 | 一种基于贝叶斯网络的mec随机任务迁移方法 |
CN109391681A (zh) * | 2018-09-14 | 2019-02-26 | 重庆邮电大学 | 基于mec的v2x移动性预测与内容缓存卸载方案 |
CN109413676A (zh) * | 2018-12-11 | 2019-03-01 | 西北大学 | 一种超密异构网络中联合下上行的边缘计算迁移方法 |
CN109600178A (zh) * | 2018-12-07 | 2019-04-09 | 中国人民解放军军事科学院国防科技创新研究院 | 一种边缘计算中能耗与时延和最小化的优化方法 |
EP3462311A4 (en) * | 2016-06-27 | 2019-06-12 | Huawei Technologies Co., Ltd. | VIRTUAL NETWORK FUNCTIONAL APPLICATION, DEVICE AND SYSTEM WITH WEB EDGE CALCULATION |
CN109905888A (zh) * | 2019-03-21 | 2019-06-18 | 东南大学 | 移动边缘计算中联合优化迁移决策和资源分配方法 |
CN110290011A (zh) * | 2019-07-03 | 2019-09-27 | 中山大学 | 边缘计算中基于Lyapunov控制优化的动态服务放置方法 |
CN110324853A (zh) * | 2019-07-12 | 2019-10-11 | 中国科学院计算技术研究所 | 一种防卡顿移动通信网络切换方法及相应网络架构 |
CN110471621A (zh) * | 2019-07-29 | 2019-11-19 | 东南大学 | 一种异构边缘环境下面向实时数据处理应用的边缘协同存储方法 |
CN110662238A (zh) * | 2019-10-24 | 2020-01-07 | 南京大学 | 一种针对边缘网络下突发请求的强化学习调度方法及设备 |
US20200089214A1 (en) * | 2017-08-02 | 2020-03-19 | Strong Force Iot Portfolio 2016, Llc | Methods for data monitoring with changeable routing of input channels |
CN110912999A (zh) * | 2019-11-26 | 2020-03-24 | 航天科工网络信息发展有限公司 | 一种基于马尔可夫决策的服务迁移方法以及装置 |
CN111031102A (zh) * | 2019-11-25 | 2020-04-17 | 哈尔滨工业大学 | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 |
-
2020
- 2020-04-20 CN CN202010312234.5A patent/CN111491332B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571913A (zh) * | 2010-12-08 | 2012-07-11 | 中国科学院声学研究所 | 一种基于网络传输开销的数据迁移方法 |
EP3462311A4 (en) * | 2016-06-27 | 2019-06-12 | Huawei Technologies Co., Ltd. | VIRTUAL NETWORK FUNCTIONAL APPLICATION, DEVICE AND SYSTEM WITH WEB EDGE CALCULATION |
US20200089214A1 (en) * | 2017-08-02 | 2020-03-19 | Strong Force Iot Portfolio 2016, Llc | Methods for data monitoring with changeable routing of input channels |
CN109167671A (zh) * | 2018-07-11 | 2019-01-08 | 国网信通亿力科技有限责任公司 | 一种面向量子密钥分发业务的配用通信系统均衡负载调度算法 |
CN109391681A (zh) * | 2018-09-14 | 2019-02-26 | 重庆邮电大学 | 基于mec的v2x移动性预测与内容缓存卸载方案 |
CN109375999A (zh) * | 2018-10-23 | 2019-02-22 | 北京工业大学 | 一种基于贝叶斯网络的mec随机任务迁移方法 |
CN109600178A (zh) * | 2018-12-07 | 2019-04-09 | 中国人民解放军军事科学院国防科技创新研究院 | 一种边缘计算中能耗与时延和最小化的优化方法 |
CN109413676A (zh) * | 2018-12-11 | 2019-03-01 | 西北大学 | 一种超密异构网络中联合下上行的边缘计算迁移方法 |
CN109905888A (zh) * | 2019-03-21 | 2019-06-18 | 东南大学 | 移动边缘计算中联合优化迁移决策和资源分配方法 |
CN110290011A (zh) * | 2019-07-03 | 2019-09-27 | 中山大学 | 边缘计算中基于Lyapunov控制优化的动态服务放置方法 |
CN110324853A (zh) * | 2019-07-12 | 2019-10-11 | 中国科学院计算技术研究所 | 一种防卡顿移动通信网络切换方法及相应网络架构 |
CN110471621A (zh) * | 2019-07-29 | 2019-11-19 | 东南大学 | 一种异构边缘环境下面向实时数据处理应用的边缘协同存储方法 |
CN110662238A (zh) * | 2019-10-24 | 2020-01-07 | 南京大学 | 一种针对边缘网络下突发请求的强化学习调度方法及设备 |
CN111031102A (zh) * | 2019-11-25 | 2020-04-17 | 哈尔滨工业大学 | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 |
CN110912999A (zh) * | 2019-11-26 | 2020-03-24 | 航天科工网络信息发展有限公司 | 一种基于马尔可夫决策的服务迁移方法以及装置 |
Non-Patent Citations (3)
Title |
---|
SHIQIANG WANG: "Dynamic Service Migration in Mobile Edge Computing Based on Markov Decision Process", 《IEEE/ACM TRANSACTIONS ON NETWORKING, VOL. 27, NO. 3, JUNE 2019》 * |
TOHRU KONDO: "Development and Evaluation of the MEC Platform supporting the Edge Instance Mobility", 《2018 42ND IEEE INTERNATIONAL CONFERENCE ON COMPUTER SOFTWARE & APPLICATIONS CONFERENCE》 * |
吴大鹏: "移动性感知的边缘服务迁移策略", 《通信学报 第41卷第4期》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112104737A (zh) * | 2020-09-17 | 2020-12-18 | 南方电网科学研究院有限责任公司 | 一种计算迁移方法、移动计算设备及边缘计算设备 |
CN112104737B (zh) * | 2020-09-17 | 2022-08-30 | 南方电网科学研究院有限责任公司 | 一种计算迁移方法、移动计算设备及边缘计算设备 |
CN112445617A (zh) * | 2020-11-25 | 2021-03-05 | 中国石油大学(华东) | 一种基于移动边缘计算的负载策略选择方法及系统 |
CN112445617B (zh) * | 2020-11-25 | 2022-12-06 | 中国石油大学(华东) | 一种基于移动边缘计算的负载策略选择方法及系统 |
CN112600827B (zh) * | 2020-12-10 | 2021-10-29 | 中国科学院深圳先进技术研究院 | 基于增量式最小费用最大流的虚拟服务迁移方法及系统 |
CN112600827A (zh) * | 2020-12-10 | 2021-04-02 | 中国科学院深圳先进技术研究院 | 基于增量式最小费用最大流的虚拟服务迁移方法及系统 |
CN112788109B (zh) * | 2020-12-29 | 2022-04-19 | 哈尔滨工业大学 | 一种基于移动预测和多层服务部署的服务迁移方法和系统 |
CN112788109A (zh) * | 2020-12-29 | 2021-05-11 | 哈尔滨工业大学 | 一种基于移动预测和多层服务部署的服务迁移方法和系统 |
CN113014659A (zh) * | 2021-03-11 | 2021-06-22 | 北京邮电大学 | 微服务迁移方法、装置及存储介质和电子设备 |
CN113076177A (zh) * | 2021-04-12 | 2021-07-06 | 河北大学 | 一种边缘计算环境下的虚拟机动态迁移方法 |
CN113076177B (zh) * | 2021-04-12 | 2022-03-22 | 河北大学 | 一种边缘计算环境下的虚拟机动态迁移方法 |
CN113377743A (zh) * | 2021-06-03 | 2021-09-10 | 北京邮电大学 | 车辆终端服务迁移方法及系统 |
CN113377743B (zh) * | 2021-06-03 | 2022-09-09 | 北京邮电大学 | 车辆终端服务迁移方法及系统 |
CN113489787A (zh) * | 2021-07-06 | 2021-10-08 | 北京邮电大学 | 一种移动边缘计算的服务与数据协同迁移的方法和装置 |
CN113301169A (zh) * | 2021-07-23 | 2021-08-24 | 杭州雅观科技有限公司 | 一种基于动态移动装置行为预测的边缘转网方法 |
CN113747450A (zh) * | 2021-07-27 | 2021-12-03 | 清华大学 | 一种移动网络中业务部署方法、装置及电子设备 |
CN114040016B (zh) * | 2021-11-02 | 2022-08-12 | 清华大学 | 卫星边缘智能代理的编排方法、系统、介质及计算设备 |
CN114040016A (zh) * | 2021-11-02 | 2022-02-11 | 清华大学 | 卫星边缘智能代理的编排方法、系统、介质及计算设备 |
CN114090221A (zh) * | 2022-01-20 | 2022-02-25 | 浙江万雾信息科技有限公司 | 一种边缘计算环境中的任务的双重迁移方法 |
CN114756367A (zh) * | 2022-04-15 | 2022-07-15 | 中国电信股份有限公司 | 服务迁移方法、装置、介质及电子设备 |
CN114756367B (zh) * | 2022-04-15 | 2024-02-23 | 中国电信股份有限公司 | 服务迁移方法、装置、介质及电子设备 |
CN116112865A (zh) * | 2023-01-17 | 2023-05-12 | 广州爱浦路网络技术有限公司 | 基于用户设备位置的边缘应用服务器选择方法、计算机装置和存储介质 |
CN116112865B (zh) * | 2023-01-17 | 2023-10-03 | 广州爱浦路网络技术有限公司 | 基于用户设备位置的边缘应用服务器选择方法、计算机装置和存储介质 |
CN115801529A (zh) * | 2023-01-18 | 2023-03-14 | 中冶南方(武汉)自动化有限公司 | 物联网边缘侧应用交互的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111491332B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111491332B (zh) | 动态服务迁移方法及装置 | |
US11132608B2 (en) | Learning-based service migration in mobile edge computing | |
JP7422856B2 (ja) | ノードデータ同期方法及び装置、システム、電子機器、記憶媒体並びにコンピュータプログラム | |
US10491535B2 (en) | Adaptive data synchronization | |
EP2878139B1 (en) | Methods and apparatuses for facilitating utilization of cloud services | |
CN112422644B (zh) | 计算任务卸载方法及系统、电子设备和存储介质 | |
CN110268749B (zh) | 基于动态准则的网络接入点之间的漫游 | |
US20190141193A1 (en) | METHOD, SYSTEM, AND NON-TRANSITORY COMPUTER READABLE MEDIUM FOR SELECTING OPTIMAL NETWORK PATH FOR MEDIA TRANSMISSION IN VoIP | |
CN113645637B (zh) | 超密集网络任务卸载方法、装置、计算机设备和存储介质 | |
CN111736772A (zh) | 分布式文件系统的存储空间数据处理方法及装置 | |
WO2018053838A1 (zh) | 一种负载均衡的方法及相关设备 | |
US11564063B2 (en) | Intelligent dynamic communication handoff for mobile applications | |
US20210211979A1 (en) | Control Method of Beacon Receiving Time and Station Using the Method | |
MR et al. | A survey on mobile cloud computing architecture, applications and challenges | |
US11593166B2 (en) | User presence prediction driven device management | |
CN115955685B (zh) | 多智能体协同路由方法、设备及计算机存储介质 | |
US20230198591A1 (en) | Establishing and Refining Beams in MIMO Sessions | |
US11743790B2 (en) | 5G and SDN powered virtualized personal device framework | |
JP2010081103A (ja) | 配信速度制御装置および配信速度制御方法 | |
WO2019000778A1 (zh) | 一种虚拟小区的构建方法和装置 | |
US9578131B2 (en) | Virtual machine migration based on communication from nodes | |
Liu et al. | Towards mobility-aware dynamic service migration in mobile edge computing | |
CN112766698B (zh) | 应用业务压力确定方法及装置 | |
CN116521377B (zh) | 业务计算卸载方法、系统、装置、设备及介质 | |
US9882835B2 (en) | Programming method and apparatus for core routing and switching system |
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 |