CN111901435B - 一种负载感知的云边协同服务部署方法 - Google Patents

一种负载感知的云边协同服务部署方法 Download PDF

Info

Publication number
CN111901435B
CN111901435B CN202010762062.1A CN202010762062A CN111901435B CN 111901435 B CN111901435 B CN 111901435B CN 202010762062 A CN202010762062 A CN 202010762062A CN 111901435 B CN111901435 B CN 111901435B
Authority
CN
China
Prior art keywords
service
edge
edge node
priority
load
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.)
Active
Application number
CN202010762062.1A
Other languages
English (en)
Other versions
CN111901435A (zh
Inventor
李鑫
滕美艳
秦小麟
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202010762062.1A priority Critical patent/CN111901435B/zh
Publication of CN111901435A publication Critical patent/CN111901435A/zh
Application granted granted Critical
Publication of CN111901435B publication Critical patent/CN111901435B/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
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/61—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources taking into account QoS or priority requirements
    • 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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • 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
    • 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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/24—Negotiating SLA [Service Level Agreement]; Negotiating QoS [Quality of Service]

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明揭示了一种负载感知的云边协同服务部署方法，包括：S1、根据移动边缘计算系统的系统参数，获取优先级变量，移动边缘计算系统包括若干边缘节点和一个集中云；S2、根据优先级变量，对服务进行动态调整部署。本发明以服务负载分布为主因素，定义节点和服务优先级，根据已部署情况，对优先级进行动态调整，能够最小化服务请求的响应时间，提高服务质量。

Description

一种负载感知的云边协同服务部署方法
技术领域
本发明属于边缘计算领域，具体涉及一种负载感知的云边协同服务部署方法。
背景技术
移动边缘计算(MEC)作为一种有效的解决网络延时问题和改善现有网络结构的方法，受到了越来越多的关注。MEC采用在网络边缘部署服务器的方式，实现将云资源卸载到数据源附近，降低了网络传输带来的延迟，满足了众多服务的低延迟需求。此技术既减少了云服务器的负担，也提高服务质量。然而，随着万物互联时代的逐渐发展，对于数据密集型应用，不仅对服务的低延迟响应提出更高的需求，而且还消耗大量的资源(如存储、计算和通信带宽)。这些服务的最大的特征是低延迟响应和数据量大。边缘节点存在资源有限的问题，远程集中云则存在响应延迟高的不足。目前网络带宽的增长速度往往赶不上数据的增长速度，网络带宽成本的下降速度要比CPU、内存这些硬件资源成本的下降速度慢很多，同时复杂的网络环境让网络延迟很难有突破性提升。在这种情况下，引出MEC的一个待解决的问题：如何在有限资源环境下，得到一个近似最优的服务部署策略，使得每个服务的响应时间最小，提高服务质量(QoS)。
因此，针对上述技术问题，有必要提供一种负载感知的云边协同服务部署方法。
发明内容
有鉴于此，本发明的目的在于提供一种负载感知的云边协同服务部署方法，以实现对优先级进行动态调整，能够最小化服务请求的响应时间。
为了实现上述目的，本发明一实施例提供的技术方案如下：
一种负载感知的云边协同服务部署方法，包括：
S1、根据移动边缘计算系统的系统参数，获取优先级变量，移动边缘计算系统包括若干边缘节点和一个集中云；
所述步骤S1中系统参数包括：
移动边缘计算系统内的边缘节点集合N，每个边缘节点n∈N的性能属性为Nn<Rn,Wn>，其中，Rn为边缘节点n的资源容量，Wn为边缘节点n与集中云的通信延迟；
移动边缘计算系统内的服务集合S，每个服务l∈S的性能属性为Sl<rl,Pl>，其中，rl为服务l响应时需要占用的资源，Pl为移动边缘计算系统内服务l的副本个数；
移动边缘计算系统内服务副本上限个数δ；
服务l在边缘节点n覆盖范围内的请求负载量Φl,n；
边缘节点n区域内的服务l的请求调度到边缘节点m∈N上被服务时产生的总延迟时间
Figure GDA0003055571720000021
所述步骤S1中“获取优先级变量”具体为：
根据输入变量T和服务负载分布Φ，获取每种服务请求的平均响应时间
Figure GDA0003055571720000022
Figure GDA0003055571720000023
根据每种服务请求的平均响应时间
Figure GDA0003055571720000024
获取每个服务l的理想边缘节点序列Gl，
Figure GDA0003055571720000025
S2、根据优先级变量，对服务进行动态调整部署。
所述步骤S2具体为：
S21、根据理想边缘节点序列Gl确定边缘节点候选服务集合Ln，
Figure GDA0003055571720000026
S22、根据|Ln|数值大小进行边缘节点优先级的部署；
S23、判断是否满足
Figure GDA0003055571720000031
若满足，则执行步骤S25；若不满足，则执行步骤S24；
S24、根据边缘节点优先级|Ln|最高的边缘节点n执行服务优先级的部署；
S25、对每个服务l，判断是否满足
Figure GDA0003055571720000032
若满足，则将请求调度到集中云；若不满足，则将请求调度到响应时间最短的边缘节点上。
一实施例中，所述步骤S25中的响应时间定义为：
Figure GDA0003055571720000033
如果E为真，则Θ(E)：＝1；否则，Θ(E)：＝0。
一实施例中，所述步骤S24包括：
S241、根据服务优先级Ωl,n对边缘节点n的服务候选集合Ln进行排序，
Figure GDA0003055571720000034
如果Gl,i＝n且Gl,i+1＝e,则
Figure GDA0003055571720000035
k为Pl的调整系数，e为理想边缘节点；
S242、判断服务候选集合Ln中服务是否满足全部决策，若满足，则跳转执行步骤246；若不满足，则执行步骤243；
S243、依次选择优先级最高的服务l，根据约束条件决定是否部署；
S244、判断是否满足Pl＜δ，若满足，则执行步骤S245；若不满足，返回执行步骤S242；
S245、根据理想边缘节点序列Gl选择服务l的下一个理想边缘节点e，更新服务l的优先级Ωl，并将服务l添加到理想边缘节点e的服务候选集合Le中，返回执行步骤S242；
S246、清空边缘节点n的服务候选集合Ln，令|L|＝0，跳转执行步骤S23。
一实施例中，所述步骤S243具体为：
S2431、判断服务l的资源需求是否满足rl≤Rn，若满足，令xl,n＝1且跳转执行步骤S2432；若不满足，xl,n＝0且执行步骤S244；
S2432、更新边缘节点资源容量，令Rn＝Rn-rl，更新服务l的副本数量Pl++，执行步骤S244。
一实施例中，所述步骤S22中，|Ln|数值越大，边缘节点n的优先级越高。
一实施例中，所述步骤S2后还包括：S3、获取所有请求的响应时间总和。
与现有技术相比，本发明具有以下优点：
本发明以服务负载分布为主因素，定义节点和服务优先级，根据已部署情况，对优先级进行动态调整，能够最小化服务请求的响应时间，提高服务质量。
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，下面描述中的附图仅仅是本申请中记载的一些实施例，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为本发明中负载感知的云边协同服务部署方法的流程图。
图2为本发明一具体实施例中负载感知的云边协同服务部署方法的另一流程图。
图3为本发明一具体实施例中负载感知的云边协同服务部署方法的移动边缘计算系统的系统架构图；
图4为本发明一具体实施例中负载感知的云边协同服务部署方法的功能架构图；
图5为本发明一具体实施例中优先级服务部署方法的整体流程图；
图6为本发明一具体实施例中单一节点n的服务候选集合Ln的部署流程图；
图7为本发明一具体实施例中根据约束条件决定是否部署的流程图。
具体实施方式
以下将结合附图所示的各实施方式对本发明进行详细描述。但该等实施方式并不限制本发明，本领域的普通技术人员根据该等实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
参图1所示，本发明公开了一种负载感知的云边协同服务部署方法，包括：
S1、根据移动边缘计算系统的系统参数，获取优先级变量，移动边缘计算系统包括若干边缘节点和一个集中云；
S2、根据优先级变量，对服务进行动态调整部署。
以下结合具体实施例对本发明作进一步说明。
参图2所示，一种负载感知的云边协同服务部署方法包括：
S1、根据移动边缘计算系统的系统参数，获取优先级变量，移动边缘计算系统包括若干边缘节点和一个集中云；
S2、根据优先级变量，对服务进行动态调整部署；
S3、获取所有请求的响应时间总和，先通过计算服务请求的响应延迟时间，通过将服务请求调度到响应延迟最低的边缘节点上，求出整个系统响应时间总和，作为衡量算法性能的标准。
参图3所示，本实施例中的移动边缘计算系统包括若干边缘节点和一个集中云，对于集中云，有充足的计算/存储资源部署服务，计算速度快，但由于与数据源的距离远以及通信带宽的限制，通信延迟较高；对于边缘节点，他具有有限的资源来部署服务，计算速度相对较慢，但减少了通信延迟，服务的请求可以在边缘节点之间相互调度，由于节点之间的网络条件以及服务大小等因素不同导致传输过程中延迟程度不同。
参图2并结合图4所示，本实施例的执行过程包括三个方法过程，首先，根据移动边缘计算系统的参数配置，进行移动边缘计算系统的边缘节点和服务优先级定义；接着基于优先级提出服务部署方法；最后根据得到部署方案计算服务请求的响应延迟时间；其中基于优先级提出服务部署方法包括：分组、排序、选择和插入这四种操作方法。
本实施例中，“S1、根据移动边缘计算系统的系统参数，获取优先级变量”具体包括：
初始情况下，已知移动边缘计算系统的系统参数如下：
移动边缘计算系统内的边缘节点集合N，每个边缘节点n∈N的性能属性为Nn<Rn,Wn>，移动边缘计算系统内的边缘节点n的节点性能是异构的，其中，Rn为边缘节点n的资源容量，Wn为边缘节点n与集中云的通信延迟；
移动边缘计算系统内的服务集合S，每个服务l∈S的性能属性为Sl<rl,Pl>，移动边缘计算系统内的服务l性能是异构的，其中，rl为服务l响应时需要占用的资源，Pl为移动边缘计算系统内服务l的副本个数，初始时为0；
移动边缘计算系统内服务副本上限个数δ；
服务l在边缘节点n覆盖范围内的请求负载量Φl,n；
服务请求在边缘节点之间相互调度响应时间T；
边缘节点n区域内的服务l的请求调度到边缘节点m∈N上被服务时产生的总延迟时间
Figure GDA0003055571720000061
首先，根据输入变量T和服务负载分布Φ，获取每种服务请求的平均响应时间
Figure GDA0003055571720000062
Figure GDA0003055571720000063
根据每种服务请求的平均响应时间
Figure GDA0003055571720000064
获取每个服务l的理想边缘节点序列Gl，
Figure GDA0003055571720000065
其中，
Figure GDA0003055571720000069
表示服务l第一理想节点是
Figure GDA00030555717200000610
Figure GDA00030555717200000611
表示服务l的第二理想节点是
Figure GDA0003055571720000066
依次类推，
Figure GDA0003055571720000067
表示服务l第i理想节点是
Figure GDA0003055571720000068
本实施例中，“S2、根据优先级变量，对服务进行动态调整部署”具体包括：
在完成以上两个参数定义的基础上，接下来实施根据优先级变量，对服务进行动态调整部署，参图5所示，执行服务部署，具体步骤包括：
S21、分组：根据理想边缘节点序列Gl确定边缘节点候选服务集合Ln，
Figure GDA0003055571720000071
初始时，将第一理想节点是n的服务放到集合Ln内。
S22、边缘节点排序：边缘节点n的优先级定义为|Ln|，根据|Ln|数值大小进行边缘节点优先级的部署，|Ln|数值越大，边缘节点n的优先级越高，按照优先级由高到低的顺序对移动边缘计算系统内边缘节点n进行排序，优先级高的边缘节点n优先部署。
S23、判断是否满足
Figure GDA0003055571720000072
若满足，则执行步骤S25；若不满足，则执行步骤S24。
S24、选择：执行选择操作时，根据边缘节点优先级|Ln|最高的边缘节点n执行服务优先级的部署。
参图6所示，S24的具体步骤包括：
S241、服务排序：根据服务优先级Ωl,n对边缘节点n的服务候选集合Ln进行排序，根据服务请求的平均响应时间Q、服务负载分布Φ以及服务副本个数P，定义服务优先级Ωl,n，
Figure GDA0003055571720000073
如果Gl,i＝n且Gl,i+1＝e,则
Figure GDA0003055571720000074
k为Pl的调整系数，e为理想边缘节点。
S242、判断服务候选集合Ln中服务是否满足全部决策，若满足，则跳转执行步骤246；若不满足，则执行步骤243。
S243、选择：依次选择优先级最高的服务l，根据约束条件决定是否部署。
参图7所示，步骤S243具体为：
S2431、判断服务l的资源需求是否满足rl≤Rn，若满足，令xl,n＝1且跳转执行步骤S2432；若不满足，xl,n＝0且执行步骤S244。
S2432、更新边缘节点资源容量，令Rn＝Rn-rl，更新服务l的副本数量Pl++，执行步骤S244。
S244、判断是否满足Pl＜δ，若满足，则执行步骤S245；若不满足，返回执行步骤S242。
S245、根据理想边缘节点序列Gl选择服务l的下一个理想边缘节点e，更新服务l的优先级Ωl，并将服务l添加到理想边缘节点e的服务候选集合Le中，返回执行步骤S242。
S246、清空边缘节点n的服务候选集合Ln，令|Ln|＝0，跳转执行步骤S23。
S25、对每个服务l，判断是否满足
Figure GDA0003055571720000081
若满足，则将请求调度到集中云；若不满足，则将请求调度到响应时间最短的边缘节点上，响应时间定义为：
Figure GDA0003055571720000082
其中，如果E为真，则Θ(E)：＝1；否则，Θ(E)：＝0。
本实施例中，“S3、获取所有请求的响应时间总和”具体包括：获取所有请求的响应时间总和τ，
Figure GDA0003055571720000083
由以上技术方案可以看出，本发明具有以下有益效果：
本发明以服务负载分布为主因素，定义节点和服务优先级，根据已部署情况，对优先级进行动态调整，能够最小化服务请求的响应时间，提高服务质量。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施例加以描述，但并非每个实施例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种负载感知的云边协同服务部署方法，其特征在于，所述方法包括：
S1、根据移动边缘计算系统的系统参数，获取优先级变量，移动边缘计算系统包括若干边缘节点和一个集中云；
所述步骤S1中系统参数包括：
移动边缘计算系统内的边缘节点集合N，每个边缘节点n∈N的性能属性为Nn<Rn,Wn>，其中，Rn为边缘节点n的资源容量，Wn为边缘节点n与集中云的通信延迟；
移动边缘计算系统内的服务集合S，每个服务l∈S的性能属性为Sl<rl,Pl>，其中，rl为服务l响应时需要占用的资源，Pl为移动边缘计算系统内服务l的副本个数；
移动边缘计算系统内服务副本上限个数δ；
服务l在边缘节点n覆盖范围内的请求负载量Φl,n；
边缘节点n区域内的服务l的请求调度到边缘节点m∈N上被服务时产生的总延迟时间
Figure FDA0003055571710000011
所述步骤S1中“获取优先级变量”具体为：
根据输入变量T和服务负载分布Φ，获取每种服务请求的平均响应时间
Figure FDA0003055571710000012
Figure FDA0003055571710000013
根据每种服务请求的平均响应时间
Figure FDA0003055571710000014
获取每个服务l的理想边缘节点序列Gl，
Figure FDA0003055571710000015
S2、根据优先级变量，对服务进行动态调整部署；
所述步骤S2具体为：
S21、根据理想边缘节点序列Gl确定边缘节点候选服务集合Ln，
Figure FDA0003055571710000016
S22、根据|Ln|数值大小进行边缘节点优先级的部署；
S23、判断是否满足
Figure FDA0003055571710000021
若满足，则执行步骤S25；若不满足，则执行步骤S24；
S24、根据边缘节点优先级|Ln|最高的边缘节点n执行服务优先级的部署；
S25、对每个服务l，判断是否满足
Figure FDA0003055571710000022
若满足，则将请求调度到集中云；若不满足，则将请求调度到响应时间最短的边缘节点上。
2.根据权利要求1所述的负载感知的云边协同服务部署方法，其特征在于，所述步骤S25中的响应时间定义为：
Figure FDA0003055571710000023
如果E为真，则Θ(E)：＝1；否则，Θ(E)：＝0。
3.根据权利要求1所述的负载感知的云边协同服务部署方法，其特征在于，所述步骤S24包括：
S241、根据服务优先级Ωl,n对边缘节点n的服务候选集合Ln进行排序，
Figure FDA0003055571710000024
如果Gl,i＝n且Gl,i+1＝e,则
Figure FDA0003055571710000025
k为Pl的调整系数，e为理想边缘节点；
S242、判断服务候选集合Ln中服务是否满足全部决策，若满足，则跳转执行步骤246；若不满足，则执行步骤243；
S243、依次选择优先级最高的服务l，根据约束条件决定是否部署；
S244、判断是否满足Pl＜δ，若满足，则执行步骤S245；若不满足，返回执行步骤S242；
S245、根据理想边缘节点序列Gl选择服务l的下一个理想边缘节点e，更新服务l的优先级Ωl，并将服务l添加到理想边缘节点e的服务候选集合Le中，返回执行步骤S242；
S246、清空边缘节点n的服务候选集合Ln，令|Ln|＝0，跳转执行步骤S23。
4.根据权利要求3所述的负载感知的云边协同服务部署方法，其特征在于，所述步骤S243具体为：
S2431、判断服务l的资源需求是否满足rl≤Rn，若满足，令xl,n＝1且跳转执行步骤S2432；若不满足，令xl,n＝0且执行步骤S244；
S2432、更新边缘节点资源容量，令Rn＝Rn-rl，更新服务l的副本数量Pl++，执行步骤S244。
5.根据权利要求1所述的负载感知的云边协同服务部署方法，其特征在于，所述步骤S22中，|Ln|数值越大，边缘节点n的优先级越高。
6.根据权利要求1所述的负载感知的云边协同服务部署方法，其特征在于，所述步骤S2后还包括：
S3、获取所有请求的响应时间总和。
CN202010762062.1A 2020-07-31 2020-07-31 一种负载感知的云边协同服务部署方法 Active CN111901435B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010762062.1A CN111901435B (zh) 2020-07-31 2020-07-31 一种负载感知的云边协同服务部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010762062.1A CN111901435B (zh) 2020-07-31 2020-07-31 一种负载感知的云边协同服务部署方法

Publications (2)

Publication Number Publication Date
CN111901435A CN111901435A (zh) 2020-11-06
CN111901435B true CN111901435B (zh) 2021-09-17

Family

ID=73183041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010762062.1A Active CN111901435B (zh) 2020-07-31 2020-07-31 一种负载感知的云边协同服务部署方法

Country Status (1)

Country Link
CN (1) CN111901435B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112905327B (zh) * 2021-03-03 2024-03-22 湖南第一师范学院 一种任务调度方法、边缘服务器、计算机介质及边云协同计算系统
CN113033109B (zh) * 2021-04-26 2022-07-26 上海交通大学 一种基于学习的工业网络系统边缘感知与控制设计方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101645797A (zh) * 2009-08-25 2010-02-10 华为技术有限公司 自动保护倒换方法、设备和系统
CN106487889A (zh) * 2016-10-09 2017-03-08 南京航空航天大学 一种面向云数据中心的任务与数据联合部署方法
CN109684083A (zh) * 2018-12-11 2019-04-26 北京工业大学 一种面向边缘-云异构下的多级事务调度分配策略

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101675818B1 (ko) * 2012-01-27 2016-11-14 엠파이어 테크놀로지 디벨롭먼트 엘엘씨 클라우드 마이그레이션을 위한 파라미터화된 다이나믹 모델
CN108512880B (zh) * 2017-02-28 2021-02-23 上海诺基亚贝尔股份有限公司 通信方法和通信设备
CN108541027B (zh) * 2018-04-24 2022-05-31 南京邮电大学 一种基于边缘云网络的通信计算资源置换方法
CN110069325B (zh) * 2018-09-05 2020-12-15 西南民族大学 基于任务分类的移动边缘计算任务调度方法
CN110896344B (zh) * 2019-11-15 2021-03-19 北京邮电大学 一种冗余服务部署方法及装置
CN111427679B (zh) * 2020-03-25 2023-12-22 中国科学院自动化研究所 面向边缘计算的计算任务调度方法、系统、装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101645797A (zh) * 2009-08-25 2010-02-10 华为技术有限公司 自动保护倒换方法、设备和系统
CN106487889A (zh) * 2016-10-09 2017-03-08 南京航空航天大学 一种面向云数据中心的任务与数据联合部署方法
CN109684083A (zh) * 2018-12-11 2019-04-26 北京工业大学 一种面向边缘-云异构下的多级事务调度分配策略

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《边缘计算可信协同服务策略建模》;乐光学;《计算机研究与发展》;20200515;1080-1102 *

Also Published As

Publication number Publication date
CN111901435A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN111459617B (zh) 基于云平台的容器化应用自动分配优化系统及其方法
CN112039965B (zh) 一种时间敏感网络中的多任务卸载方法及系统
CN111722910B (zh) 一种云作业调度及资源配置的方法
CN113064712B (zh) 基于云边环境的微服务优化部署控制方法、系统及集群
CN111901435B (zh) 一种负载感知的云边协同服务部署方法
CN111538570B (zh) 一种面向节能和QoS保障的VNF部署方法及装置
CN113918240B (zh) 任务卸载方法及装置
CN106775949B (zh) 感知复合应用特征与网络带宽的虚拟机在线迁移优化方法
CN113315669B (zh) 基于云边协同的吞吐量优化的机器学习推断任务部署方法
CN113641417B (zh) 一种基于分支定界法的车辆安全任务卸载方法
CN114691372A (zh) 一种多媒体端边云系统的群体智能控制方法
CN113010317B (zh) 联合服务部署与任务卸载方法、装置、计算机设备及介质
CN113159539B (zh) 多层边缘计算系统中联合绿色能量调度和动态任务分配方法
CN114201180A (zh) 微服务部署方法、可读存储介质及设备
CN113821317A (zh) 一种边云协同的微服务调度方法、装置及设备
CN112130927A (zh) 一种可靠性增强的移动边缘计算任务卸载方法
CN116996941A (zh) 基于配网云边端协同的算力卸载方法、装置及系统
CN115190121B (zh) 基于跨地域的微服务过量负载调度系统、方法及设备
CN114978913B (zh) 一种基于切链的服务功能链跨域部署方法及系统
CN116302578A (zh) 一种QoS约束的流应用延迟确保方法及系统
CN116781532A (zh) 融合网络架构中服务功能链的优化映射方法及相关设备
Huang et al. Qos-based resource discovery in intermittently available environments
CN114741191A (zh) 一种面向计算密集型任务关联性的多资源分配方法
CN115051998A (zh) 自适应边缘计算卸载方法、装置及计算机可读存储介质
Vo et al. Reinforcement-Learning-Based Deadline Constrained Task Offloading Schema for Energy Saving in Vehicular Edge Computing 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