CN112073542B - 雾节点调度方法、装置、计算机设备和存储介质 - Google Patents

雾节点调度方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112073542B
CN112073542B CN202011258119.0A CN202011258119A CN112073542B CN 112073542 B CN112073542 B CN 112073542B CN 202011258119 A CN202011258119 A CN 202011258119A CN 112073542 B CN112073542 B CN 112073542B
Authority
CN
China
Prior art keywords
fog
fog node
nodes
node
effective
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
CN202011258119.0A
Other languages
English (en)
Other versions
CN112073542A (zh
Inventor
闫秦怀
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202011258119.0A priority Critical patent/CN112073542B/zh
Publication of CN112073542A publication Critical patent/CN112073542A/zh
Application granted granted Critical
Publication of CN112073542B publication Critical patent/CN112073542B/zh
Priority to PCT/CN2021/122151 priority patent/WO2022100318A1/zh
Priority to US17/950,977 priority patent/US11838387B2/en
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
    • H04L67/01—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
    • 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
    • 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
    • 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

Abstract

本申请涉及一种雾节点调度方法、装置、计算机设备和存储介质。所述方法包括：当接收到客户端发起的雾节点调度请求时，查找存储有所述雾节点调度请求所指定资源的候选雾节点；对所述候选雾节点进行有效性过滤，获得有效雾节点；获取所收集到的所述有效雾节点的负载信息；基于所述负载信息在所述有效雾节点中进行调度，得到调度结果；所述调度结果包括调度得到的目标雾节点的标识和分配给所述目标雾节点的业务流量；向所述客户端反馈所述调度结果，以使所述客户端根据所述标识从所述目标雾节点按照所述业务流量获取所述资源。采用本方法能够得到确保服务能可靠且稳定进行的雾节点。

Description

雾节点调度方法、装置、计算机设备和存储介质
技术领域
本申请涉及互联网技术领域，特别是涉及一种雾节点调度方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术的高速发展，互联网用户熟练急剧增加，由此给云服务器带来了越来越大的压力，而云服务器越来越大的压力也将影响到业务的服务质量。为了更好地服务用户，行业技术人员将目光集中到更接近用户的雾节点上，将雾节点有效的组织起来，整合成雾计算服务。
传统的方案中，用户端需要使用雾节点进行服务时，会向后台服务器发送服务请求，后台服务器会根据服务请求查询对应的雾节点，然后将查询的雾节点反馈给用户端，从而用户端根据反馈的雾节点进行相应的服务。然而，采用传统的方案所得到的雾节点，可能无法确保用户的服务能够可靠且稳定地进行。
发明内容
基于此，有必要针对上述技术问题，提供一种雾节点调度方法、装置、计算机设备和存储介质，以使用户能够得到确保服务能可靠且稳定进行的雾节点。
一种雾节点调度方法，所述方法包括：
当接收到客户端发起的雾节点调度请求时，查找存储有所述雾节点调度请求所指定资源的候选雾节点；
对所述候选雾节点进行有效性过滤，获得有效雾节点；
获取所收集到的所述有效雾节点的负载信息；
基于所述负载信息在所述有效雾节点中进行调度，得到调度结果；所述调度结果包括调度得到的目标雾节点的标识和分配给所述目标雾节点的业务流量；
向所述客户端反馈所述调度结果，以使所述客户端根据所述标识从所述目标雾节点按照所述业务流量获取所述资源。
一种雾节点调度装置，所述装置包括：
查找模块，用于当接收到客户端发起的雾节点调度请求时，查找存储有所述雾节点调度请求所指定资源的候选雾节点；
过滤模块，用于对所述候选雾节点进行有效性过滤，获得有效雾节点；
获取模块，用于获取所收集到的所述有效雾节点的负载信息；
调度模块，用于基于所述负载信息在所述有效雾节点中进行调度，得到调度结果；所述调度结果包括调度得到的目标雾节点的标识和分配给所述目标雾节点的业务流量；
反馈模块，用于向所述客户端反馈所述调度结果，以使所述客户端根据所述标识从所述目标雾节点按照所述业务流量获取所述资源。
在其中一个实施例中，所述查找模块，还用于获取所述雾节点调度请求所指定资源的资源信息；基于预存储的从资源信息到雾节点信息的映射关系，以所述资源信息为索引查找所映射的雾节点信息，获得候选雾节点。
在其中一个实施例中，所述查找模块，还用于当本地缓存了与所述雾节点调度请求对应的资源信息时，则根据所述雾节点调度请求获取本地缓存的所述资源信息；当本地未缓存与所述雾节点调度请求对应的资源信息时，则向索引服务器发送查询请求，以使所述索引服务器基于所述查询请求查询所述资源对应的资源信息；接收所述索引服务器反馈的所述资源信息。
在其中一个实施例中，所述装置还包括：
确定模块，用于在对所述候选雾节点进行有效性过滤，获得有效雾节点之前，确定所述候选雾节点所处网络的网络类型、提供方标识和所处的区域；
筛选模块，用于依据所述网络类型、所述提供方标识和所述区域对所述有效雾节点进行筛选，得到筛选后的有效雾节点。
在其中一个实施例中，所述过滤模块，还用于获取所述候选雾节点的网络信息；在所述候选雾节点中，将出现异常的所述网络信息所对应的雾节点滤除；基于滤除后的所述候选雾节点与所述客户端之间的连通性，对所述候选雾节点进行过滤。
在其中一个实施例中，所述调度模块，还用于按照所述负载信息对所述有效雾节点进行排序，得到有效雾节点序列；计算所述有效雾节点序列中各雾节点的分配概率；根据所述分配概率对所述有效雾节点序列进行调度，得到调度结果。
在其中一个实施例中，所述调度模块，还用于基于所述上行容量计算所述有效雾节点的权重值；在预设区间内选取变量值；根据所述权重值和所述变量值计算所述有效雾节点的特征值；根据所述特征值对所述有效雾节点进行排序。
在其中一个实施例中，所述负载信息包括上行容量和实时上行带宽值；所述调度模块，还用于获取所述有效雾节点序列中各雾节点的初始分配概率；基于所述上行容量和所述实时上行带宽值，计算所述有效雾节点序列中各雾节点的实时带宽利用率；根据所述初始分配概率、所述实时带宽利用率和目标概率参数，计算所述有效雾节点序列中各雾节点的分配概率。
在其中一个实施例中，所述调度模块，还用于将所述初始分配概率、所述实时带宽利用率和目标概率参数输入分配概率计算式，通过所述分配概率计算式计算所述有效雾节点序列中各雾节点的分配概率；其中，所述分配概率计算式为：
Figure 7852DEST_PATH_IMAGE001
p0表示所述初始分配概率、k表示所述目标概率参数和η表示所述实时带宽利用率。
在其中一个实施例中，所述装置还包括：
所述获取模块，还用于获取所述有效雾节点序列中的雾节点在目标历史时段内的带宽利用率；
计算模块，用于基于所述带宽利用率计算下一采样时间的带宽利用率预测值；
调整模块，用于根据所述带宽利用率预测值的大小和调整因子对初始概率参数进行调整，得到所述目标概率参数。
在其中一个实施例中，所述调度模块，还用于当所述有效雾节点序列中的雾节点为单线路雾节点时，基于所述上行容量和所述实时上行带宽值计算各所述单线路雾节点的实时带宽利用率；当所述有效雾节点序列中的雾节点为多线路聚合雾节点时，依次从各所述多线路聚合雾节点对应的线路中选取至少两条线路，分别计算所述至少两条线路的实时带宽利用率，将最大的实时带宽利用率作为对应多线路聚合雾节点的实时带宽利用率。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
当接收到客户端发起的雾节点调度请求时，查找存储有所述雾节点调度请求所指定资源的候选雾节点；
对所述候选雾节点进行有效性过滤，获得有效雾节点；
获取所收集到的所述有效雾节点的负载信息；
基于所述负载信息在所述有效雾节点中进行调度，得到调度结果；所述调度结果包括调度得到的目标雾节点的标识和分配给所述目标雾节点的业务流量；
向所述客户端反馈所述调度结果，以使所述客户端根据所述标识从所述目标雾节点按照所述业务流量获取所述资源。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
当接收到客户端发起的雾节点调度请求时，查找存储有所述雾节点调度请求所指定资源的候选雾节点；
对所述候选雾节点进行有效性过滤，获得有效雾节点；
获取所收集到的所述有效雾节点的负载信息；
基于所述负载信息在所述有效雾节点中进行调度，得到调度结果；所述调度结果包括调度得到的目标雾节点的标识和分配给所述目标雾节点的业务流量；
向所述客户端反馈所述调度结果，以使所述客户端根据所述标识从所述目标雾节点按照所述业务流量获取所述资源。
上述雾节点调度方法、装置、计算机设备和存储介质，当接收到客户端发起的雾节点调度请求时，查找拥有雾节点调度请求所指定资源的候选雾节点，然后对候选雾节点进行有效性过滤，从而可以得到有效的雾节点，确保被调度的雾节点均为可用的有效雾节点。此外，通过获取有效雾节点的负载信息，基于负载信息在有效雾节点中进行调度，得到调度结果，确保了被调度的雾节点均具有负载能力，从而用户可以得到可用的、且具有负载能力的雾节点。向客户端反馈调度结果，以使客户端根据调度结果中的标识从目标雾节点按照业务流量获取资源，由于被调度的雾节点均是可用的、且具有负载能力，从而客户端在获取资源时，可以确保用户的服务能可靠且稳定的进行，有利于提高服务的可靠性和稳定性。
附图说明
图1为一个实施例中雾节点调度方法的应用环境图；
图2为一个实施例中雾节点调度方法的流程示意图；
图3为另一个实施例中雾节点调度方法的流程示意图；
图4为一个实施例中计算分配概率，根据分配概率进行雾节点调度步骤的流程示意图；
图5为一个实施例中应用雾节点调度方法下载点播视频的流程示意图；
图6为一个实施例中雾节点调度系统的结构框图；
图7为另一个实施例中雾节点调度方法的流程示意图；
图8为一个实施例中雾节点调度装置的结构框图；
图9为另一个实施例中雾节点调度装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
雾计算是一种对云计算概念的延伸，是一种面向物联网的分布式计算基础设施，可将计算能力和数据分析应用扩展至网络“边缘”，它使客户能够在本地分析和管理数据。
雾计算可以是由性能较弱、更为分散的各种功能计算机组成，雾计算是介于云计算和个人计算之间的，是半虚拟化的服务计算架构模型，强调数量，不管单个计算节点能力多么弱都要发挥作用。与云计算相比，雾计算所采用的架构更呈分布式，更接近网络边缘。雾计算将数据、数据处理和应用程序集中在网络边缘的设备中，而不像云计算那样将它们几乎全部保存在云中，数据的存储及处理更依赖本地设备，而非服务器。雾计算是新一代分布式计算，符合互联网的“去中心化”特征。
本申请提供的雾节点调度方法，可以应用于如图1所示的应用环境中。在该应用环境中，包括终端102、调度服务器104、索引服务器106、信息采集服务器108和雾节点110。
其中，终端102安装了客户端，通过该客户端可以发起雾节点调度请求，并根据反馈的调度结果从目标雾节点按照业务流量获取资源。终端102和雾节点110可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。
调度服务器104可以对客户端发起的雾节点调度请求进行应答，对雾节点110进行调度，并将调度结果反馈给客户端。
索引服务器106保存有雾计算（PCDN）服务中所有的资源信息，该资源信息包括资源的文件名、资源ID、文件大小和文件校验码等信息；此外，还保存所有在线的雾节点的信息，该信息包括雾节点的设备信息、网络信息和负载信息等。索引服务器106还维护了资源与雾节点之间的映射关系，因此对于某个资源，调度服务器104可以查询到有哪些雾节点拥有该资源，从而快速的确定调度雾节点的范围。
信息采集服务器108负责收集雾节点110的设备信息、网络信息和负载信息等。此外，信息采集服务器108还会根据雾节点上每一条线路的实时上行带宽值，通过最小二乘法计算出下一个时刻的上行带宽预测值，将该上行带宽预测值同步给索引服务器106。
雾节点110可以将本身的网络信息、负载信息和其它雾节点信息上报至信息采集服务器108。具体上报的信息有雾节点的设备信息、网络信息和负载信息。其中，设备信息包括雾节点标识（ID）、雾节点的设备提供方标识。网络信息包括雾节点所处网络的信息、雾节点的IP（Internet Protocol，互联网协议）地址和其它信息。负载信息包括雾节点的CPU（central processing unit，中央处理器）信息、雾节点的内存使用信息、雾节点的上行带宽值等。
上述的调度服务器104、索引服务器106、信息采集服务器108可以是独立的物理服务器，也可以是一个集成服务器，该集成服务器可以具有上述三种服务器的功能和作用；此外，也可以是多个物理服务器构成的服务器集群，可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络（ContentDelivery Network，CDN）、以及大数据和人工智能平台等基础云计算服务的云服务器。
终端102、调度服务器104、索引服务器106、信息采集服务器108和雾节点110之间可以通过蓝牙、USB(Universal Serial Bus，通用串行总线）或者网络等通讯连接方式进行连接，本申请在此不做限制。
在一个实施例中，如图2所示，提供了一种雾节点调度方法，以该方法应用于图1中的调度服务器104（以下简称服务器）为例进行说明，包括以下步骤：
S202，当接收到客户端发起的雾节点调度请求时，查找存储有雾节点调度请求所指定资源的候选雾节点。
其中，客户端可以是安装在终端上的为客户提供本地服务的程序，如提供视频点播或下载服务的视频客户端，通过该视频客户端可向调度服务器发起关于点播视频或下载视频的雾节点调度请求。
雾节点可以是雾计算中提供服务的设备，如其他用户的手机、平板或笔记本电脑，当客户端需要点播视频资源时，可以从拥有该视频资源的其他用户的设备下载该视频资源。
雾节点调度请求可以是用请求服务器对存储了相应资源的雾节点进行调度，并将调度请求反馈给客户端。调度可以指在存储了相应资源的雾节点中选取一部分雾节点，将该部分雾节点分配给客户端，以使客户端通过该部分雾节点进行相应的服务，如从被调度的部分雾节点下载视频资源，或通过被调度的部分雾节点处理相应的业务数据。
在一个实施例中，当接收到客户端发起的雾节点调度请求时，服务器根据该雾节点调度请求确定所请求的资源，然后查找拥有该资源的所有雾节点，可以将查找的所有雾节点作为候选雾节点；或者，按照资源的数据大小从查找到的所有雾节点中选取一部分雾节点作为候选雾节点。例如，对于视频资源，当视频资源是一个小视频、且查找到的雾节点数量较多，此时可以从查找到的所有雾节点中选取一部分雾节点作为候选雾节点；此外，也可以将查找到的所有雾节点作为候选雾节点。
在一个实施例中，S202具体可以包括：服务器获取雾节点调度请求所指定资源的资源信息；基于预存储的从资源信息到雾节点信息的映射关系，以资源信息为索引查找所映射的雾节点信息，获得候选雾节点。
其中，资源信息可以是与资源相关的信息，包括但不限于资源的文件名、资源标识（ID）、文件大小和文件校验码等信息。映射关系可以指资源与雾节点之间的映射关系，当查找到资源信息时，根据映射关系可以得到拥有该资源的雾节点。需要指出的是，资源可以是网络上的各种数据资源，包括但不限于视频、音频、文本、图像以及其它数据资源等。存储的资源是以文件的形式呈现，因此，上述的文件名也即资源名，上述的文件大小即为资源大小，上述的文件校验码即为资源的校验码。
上述从资源信息到雾节点信息的映射关系也指从资源到雾节点的映射关系。
在一个实施例中，上述根据雾节点调度请求获取资源信息的步骤，具体可以包括：当本地缓存了与雾节点调度请求对应的资源信息时，服务器则根据雾节点调度请求获取本地缓存的资源信息；当本地未缓存与雾节点调度请求对应的资源信息时，则向索引服务器发送查询请求，以使索引服务器基于查询请求查询该资源对应的资源信息；接收索引服务器反馈的资源信息。
具体地，服务器检测本地是否缓存了与雾节点调度请求对应的资源信息；若是，则根据雾节点调度请求获取本地缓存的资源信息；若否，则向索引服务器发送查询请求，接收索引服务器响应于查询请求而查询并反馈的资源信息。
其中，服务器可以缓存资源信息、雾节点的相关信息和从资源到节点的映射关系，以便在接收到客户端发起的雾节点调度请求时，从本地缓存查找与雾节点调度请求对应的资源信息，以及根据该资源信息和映射关系查找拥有雾节点调度请求所指定资源的候选雾节点。例如，当历史某个时刻接收到雾节点调度请求、并根据该雾节点调度请求从索引服务器获取到资源信息和对应雾节点的相关信息时，服务器会将该资源信息和对应雾节点的相关信息进行缓存，根据该资源信息和该相关信息建立资源与拥有该资源的雾节点之间的映射关系。
服务器在接收到客户端发起的雾节点调度请求时，首先会在本地缓存查找对应的资源信息，若在本地缓存查找到与雾节点调度请求对应的资源信息时，则基于资源信息和对应的映射关系，确定拥有雾节点调度请求所指定资源的候选雾节点。若在本地缓存未查找到与雾节点调度请求对应的资源信息时，则根据雾节点调度请求所指定资源生成查询请求，并向索引服务器发送查询请求，以使索引服务器根据该查询请求查找对应的资源信息，然后将该资源信息发送至服务器。服务器在获得资源信息之后，根据该资源信息和对应的映射关系确定拥有雾节点调度请求所指定资源的候选雾节点；或者，继续向索引服务器查询拥有该索引信息中所标识的资源的候选雾节点。
S204，对候选雾节点进行有效性过滤，获得有效雾节点。
其中，有效雾节点是指可用的、且客户端与雾节点之间能够进行通信的雾节点。例如，若雾节点的IP（Internet Protocol，互联网协议）地址是正常的地址，且该雾节点与客户端之间能够进行P2P（peer-to-peer，点对点）通信，则可以表示该雾节点为有效雾节点。
在一个实施例中，S204具体可以包括：服务器获取候选雾节点的网络信息；在候选雾节点中，将出现异常的网络信息所对应的雾节点滤除；基于滤除后的候选雾节点与客户端之间的连通性，对候选雾节点进行过滤。
其中，网络信息可以是候选雾节点所处网络的网络信息，如网络类型、网速和网络稳定性等；此外，网络信息还可以是候选雾节点的IP地址或端口地址。连通性可以指候选雾节点与客户端之间是否能够进行P2P通信。
具体地，在候选雾节点中，服务器将私网IP地址以及出现异常的IP地址所对应的雾节点滤除，得到滤除后的候选雾节点。然后，服务器将无法进行P2P通信的候选雾节点从上述滤除后的候选雾节点中过滤掉，从而得到有效雾节点。其中，该有效雾节点的IP地址均正常，且该有效雾节点与客户端能够进行P2P通信。出现异常的IP地址包括IP地址错误或空IP地址。
在一个实施例中，S204之前，服务器确定候选雾节点所处网络的网络类型、提供方标识和所处的区域；依据网络类型、提供方标识和区域对有效雾节点进行筛选，得到筛选后的有效雾节点。
其中，网络类型用于标识不同网络运营方所提供的网络。提供方标识为提供或生产雾节点的供应方或生产方的标识。
在一个实施例中，在获得有效雾节点后，服务器会利用筛选策略对有效雾节点进行筛选，该筛选策略包括雾节点网络运营方筛选策略、雾节点供应方筛选策略和雾节点区域筛选策略。具体地，服务器根据雾节点网络运营方筛选策略对有效雾节点进行筛选，即选择某一种或多种网络类型的有效雾节点，例如选择电信网中的有效雾节点，或选择联通网中的有效雾节点，或选择移动网中的有效雾节点。接着，服务器根据雾节点供应方筛选策略对经过第一次筛选的有效雾节点进行筛选，即筛选不同雾节点供应方所提供的有效雾节点，例如有雾节点提供方a-e，且每个雾节点提供方均有多个有效雾节点，则可以从每个雾节点提供方的有效雾节点中选择固定数量的有效雾节点，以平衡每个雾节点提供方的带宽比例。最后，服务器根据雾节点区域筛选策略对经过第二次筛选的有效雾节点进行筛选，即筛选特定区域的有效雾节点，如用户在a市，那么会优先选择离用户最近的有效雾节点。
S206，获取所收集到的有效雾节点的负载信息。
其中，负载信息包括雾节点的CPU信息、雾节点的内存使用信息、雾节点的上行带宽值等。
在一个实施例中，雾节点实时获取自身的负载信息，然后将该负载信息上报给信息采集服务器，信息采集服务器一方面会将负载信息发送至索引服务器，另一方面会通过预测算法对该负载信息进行预测，得到下一采样时间的负载信息预测值，将该负载信息预测值同步给索引服务器。
在一个实施例中，服务器在获得有效雾节点时，判断本地是否缓存了有效雾节点的负载信息，若缓存了有效雾节点的负载信息，则从本地缓存获取有效雾节点的负载信息；若未缓存有效雾节点的负载信息，则从索引服务器查找该有效雾节点的负载信息。其中，查找的方式可以是：服务器向索引服务器发送关于有效雾节点的负载信息查询请求，从而索引服务器根据该负载信息查询请求查找该有效雾节点的负载信息，然后将查找到的负载信息反馈给服务器。
在一个实施例中，若本地缓存的负载信息或索引服务器存储的负载信息均不是最新的负载信息时，服务器向索引服务器发送负载信息查询请求，然后索引服务器向信息采集服务器转发负载信息查询请求，以便信息采集服务器在接收到负载信息查询请求之后，从有效雾节点获取最新的负载信息。
S208，基于负载信息在有效雾节点中进行调度，得到调度结果；调度结果包括调度得到的目标雾节点的标识和分配给目标雾节点的业务流量。
其中，调度可以指基于负载信息从有效雾节点中选取相应的目标雾节点，并为该目标雾节点分配相应大小的业务流量。调度得到的目标雾节点可以指分配给客户端以进行相应服务的雾节点。此外，调度的目标雾节点也即上述调度得到的目标雾节点。
在一个实施例中，S208具体可以包括：服务器按照负载信息对有效雾节点进行排序，得到有效雾节点序列；计算有效雾节点序列中各雾节点的分配概率；根据分配概率对有效雾节点序列进行调度，得到调度结果。
具体地，当负载信息包括雾节点的CPU信息时，可以根据CPU信息确定有效雾节点的CPU占用情况，根据CPU占用情况来确定所要调度的目标雾节点；和/或，当负载信息包括雾节点的内存使用信息时，可以根据内存使用信息确定有效雾节点的内存占用情况，根据内存占用情况确定所要调度的目标雾节点；和/或，当负载信息包括雾节点的上行带宽值时，可以根据上行带宽值确定所要调度的目标雾节点。此外，在确定所要调度的目标节点之后，还会根据负载信息确定分配给目标雾节点的业务流量。
例如，对于上行带宽值大的目标雾节点，所分配的业务流量越大；对应地，对于上行带宽值小的目标雾节点，所分配的业务流量越小。又例如，对于内存占用率或CPU占用率高的目标雾节点，所分配的业务流量越小；对于内存占用率或CPU占用率低的目标雾节点，所分配的业务流量越大。
需要指出的是，当上行带宽值小于预设带宽值时，对应的有效雾节点将不分配给客户端。当内存占用率或CPU占用率高于预设占用率时，对应的有效雾节点将不分配给客户端。
S210，向客户端反馈调度结果，以使客户端根据标识从目标雾节点按照业务流量获取资源。
在一个实施例中，服务器向客户端反馈调度结果，以使客户端根据调度结果中的标识查找到对应的目标雾节点，然后从目标雾节点按照业务流量获取资源。例如，假设有目标雾节点a、b，目标雾节点a的上行带宽值为100Mbit/s（兆比特/秒），目标雾节点b的上行带宽值为50Mbit/s，那么分配给目标雾节点a的业务流量可以是分配给目标雾节点b的两倍，若分配给目标雾节点a的业务流量为20Mbit，则分配给目标雾节点b的业务流量为10Mbit，那么从目标雾节点a获取20Mbit的资源，从目标雾节点a获取10Mbit的资源。
为了更清楚更直观了解本申请的方案，结合图3对本申请的方案进行概况，具体如下：客户端向服务器发送获取资源的雾节点调度请求；服务器在接收到雾节点调度请求时，查找拥有该资源的候选雾节点，然后根据网络信息和P2P连通性对候选雾节点进行过滤，然后根据负载信息在过滤后所得的有效雾节点中进行雾节点的调度，即确定分配给客户端的目标雾节点；最后把调度结果反馈给客户端，从而客户端根据调度结果中的标识确定目标雾节点并进行P2P通信连接，从该目标雾节点中获取资源。
上述实施例中，当接收到客户端发起的雾节点调度请求时，查找拥有雾节点调度请求所指定资源的候选雾节点，然后对候选雾节点进行有效性过滤，从而可以得到有效的雾节点，确保被调度的雾节点均为可用的有效雾节点。此外，通过获取有效雾节点的负载信息，基于负载信息在有效雾节点中进行调度，得到调度结果，确保了被调度的雾节点均具有负载能力，从而用户可以得到可用的、且具有负载能力的雾节点。向客户端反馈调度结果，以使客户端根据调度结果中的标识从目标雾节点按照业务流量获取资源，由于被调度的雾节点均是可用的、且具有负载能力，从而客户端在获取资源时，可以确保用户的服务能可靠且稳定的进行，有利于提高服务的可靠性和稳定性。
在一个实施例中，如图4所示，S210具体可以包括：
S402，按照负载信息对有效雾节点进行排序，得到有效雾节点序列。
其中，有效雾节点序列是对有效雾节点进行排序之后所得的有序序列。
在一个实施例中，负载信息包括上行容量；服务器基于上行容量计算有效雾节点的权重值，在预设区间内选取变量值，根据权重值和变量值计算有效雾节点的特征值，根据特征值对有效雾节点进行排序。
其中，上行容量（upload_capacity）可以指有效雾节点的上行带宽能力值，单位为Kbit/s（千比特/秒）。
在一个实施例中，服务器获取预设参数，将上行容量与预设参数之间的比值作为有效雾节点的权重值；或者，服务器获取权重系数，将权重系数与上行容量之间的乘积作为有效雾节点的权重值。
例如，有效雾节点的特征值计算和排序方式如下：
1）特征值的计算
根据每个有效雾节点的上行带宽能力值计算出其weight值，计算式为weight =upload_capacity / 45000；
在区间[0,1]中获取一个随机变量Χ，即Χ∈U(0,1)，计算出有效雾节点的特征值m，m的计算式为
Figure 57936DEST_PATH_IMAGE002
；
2）排序方式
计算完所有有效雾节点的特征值m之后，将有效雾节点按照特征值m从大到小的顺序进行排序，得到按照特征值大小顺序排列的有效雾节点序列L。
S404，计算有效雾节点序列中各雾节点的分配概率。
其中，分配概率可以指有效雾节点序列中各雾节点被调度的概率，也即被分配给客户端以进行相应服务的概率。
在一个实施例中，当负载信息包括上行容量和实时上行带宽值时，服务器获取有效雾节点序列中各雾节点的初始分配概率；基于上行容量和实时上行带宽值，计算有效雾节点序列中各雾节点的实时带宽利用率；根据初始分配概率、实时带宽利用率和目标概率参数，计算有效雾节点序列中各雾节点的分配概率。
其中，实时上行带宽值可以指有效雾节点实时的上行带宽值，即有效雾节点实时的上行速率。实时带宽利用率可以指有效雾节点实时的带宽利用率，该利用率与实时上行带宽值正相关，即实时带宽值越大，实时带宽利用率越高。目标概率参数可以是计算分配概率时的影响因子，其大小受实时带宽利用率的影响。
具体地，服务器可以将上行容量和实时上行带宽值之间的比值作为实时带宽利用率。
在一个实施例中，计算分配概率的步骤具体可以包括：服务器将初始分配概率、实时带宽利用率和目标概率参数输入分配概率计算式，通过分配概率计算式计算有效雾节点序列中各雾节点的分配概率；其中，分配概率计算式为：
Figure 676393DEST_PATH_IMAGE003
p0表示初始分配概率、k表示目标概率参数和η表示实时带宽利用率。其中，初始分配概率p0的默认值可以根据实际情况进行设置，如设置为0.9。针对雾节点的每一条线路都维护一个目标概率参数k，会根据带宽利用率实时进行调整。
1）针对单线路的场景
在一个实施例中，当有效雾节点序列中的雾节点为单线路雾节点时，分配概率的计算步骤包括：服务器基于上行容量和实时上行带宽值计算各单线路雾节点的实时带宽利用率，根据该实时带宽利用率、初始分配概率和目标概率参数，计算有效雾节点序列中各雾节点的分配概率。其中，可利用上述的分配概率计算式计算有效雾节点序列中各雾节点的分配概率。
例如，针对单线路的场景，即当有效雾节点序列中的雾节点为单线路雾节点时，有效雾节点序列中各雾节点的实时上行带宽利用率的计算方式为η=（雾节点的实时上行带宽值）⁄（雾节点的上行能力值），将实时上行带宽利用率η输入上述的分配概率计算式，可得出分配概率p。
2）针对多线路聚合的场景
在一个实施例中，当有效雾节点序列中的雾节点为多线路聚合雾节点时，服务器依次从各多线路聚合雾节点对应的线路中选取至少两条线路，分别计算至少两条线路的实时带宽利用率，将最大的实时带宽利用率作为对应多线路聚合雾节点的实时带宽利用率。
例如，针对多线聚合雾节点，首先在此雾节点的所有线路中，随机选择两条线路。假设选出了线路line1和line2，分别计算出这两条线路的上行带宽利用率η1=（雾节点line1的实时上行带宽值）⁄（雾节点line1的上行容量），η2=（雾节点line2的实时上行带宽值）⁄（雾节点line2的上行容量）。将雾节点line1的目标概率参数k1以及line2的目标概率参数k2，输入雾节点的分配概率计算式计算出两条线路的分配概率，该分配概率计算式如下：
Figure 404046DEST_PATH_IMAGE004
Figure 703309DEST_PATH_IMAGE005
在line1和line2中选择概率大的线路来代表此雾节点。若p1＞p2，此时选择line1来代表此雾节点；同时以line1的分配概率p1为此雾节点的分配概率，从而该分配概率作为节点调度的依据。
上述提到了雾节点的每一条线路都维护一个目标概率参数，这里阐述目标概率参数的维护方式，具体步骤包括：服务器获取有效雾节点序列中的雾节点在目标历史时段内的带宽利用率；基于带宽利用率计算下一采样时间的带宽利用率预测值；根据带宽利用率预测值的大小和调整因子对初始概率参数进行调整，得到目标概率参数。
例如，根据过去历史一分钟的线路上行带宽利用率，根据最小二乘法计算出下一个采样时间的上行带宽利用率预测值η’。根据预测值η’来判断初始概率参数是否需要调整，若需要调整，则按照调整因子对初始概率参数进行调整。
其中，调整因子由调整步长和调整系数组成，调整步长step=0.01，调整步长step也可以为其它值。不同的预测值η’，对应的调整系数也可以不同。例如，调整的过程如下：假设初始概率参数为k0，当预测值η’小于阈值a时，目标概率参数k=k0-0.01t1，t1为预测值η’小于阈值a时的调整系数；当预测值η’大于阈值b时，目标概率参数k=k0+0.01t2，t2为预测值η’大于阈值b时的调整系数。
S406，根据分配概率对有效雾节点序列进行调度，得到调度结果。
其中，分配概率大的有效雾节点，被分配给客户端的几率越大。
在一个实施例中，服务器根据分配概率从大到小的顺序依次对有效雾节点序列进行调度，当调度雾节点的数量达到调度配置的节点个数时，基于分配概率、或权重值、或雾节点的特征值为每个被调度的目标雾节点分配业务流量，得到调度结果。
作为一个示例，服务器根据每个有效雾节点的上行带宽额能力值计算出对应的weight值，然后在区间[0,1]中选取随机变量X，计算出每个有效雾节点的特征值m，按照特征值m对有效雾节点进行排序得到有效雾节点序列L；按照有效雾节点序列L的大小顺序计算每一个有效雾节点的分配概率p，按照分配概率p判断对应有效雾节点是否应当分配。举例来说，若当前某个有效雾节点a的分配概率p=0.61，则此有效雾节点a有61%的几率被选取出来。当已选取的有效雾节点满足了调度配置的节点个数时，则停止调度流程，将选取来的节点作为调度结果返回给客户端，从而完成整个调度过程。
上述实施例中，当基于有效雾节点的特征值对有效雾节点进行排序得到有效雾节点序列之后，计算有效雾节点序列中各雾节点的分配概率，然后根据分配概率对有效雾节点序列进行调度，从而确保被调度的目标雾节点都是具有负载能力的，从而用户可以得到可用的、且具有负载能力的雾节点，进而客户端在获取资源时，可以确保用户的服务能可靠且稳定的进行，有利于提高服务的可靠性和稳定性。此外，在计算分配概率时，采用了目标概率参数进行计算，而该目标概率参数是随带宽利用率预测值发生变化的，从而使计算出来的分配概率可以与当前的上行带宽值相匹配，即当前的上行带宽值越大，分配概率也越大，即对应的有效雾节点被分配给客户端的概率越大，从而提高了雾节点的分配效果，也有利于提高雾节点的利用率。
本申请还提供一种视频点播的应用场景，该应用场景应用上述的雾节点调度方法。如图5所示，该雾节点调度方法在该应用场景的应用如下：
S502，客户端向服务器发起关于视频点播的雾节点调度请求。
其中，该服务器指的是调度服务器。
S504a，当本地缓存了关于点播视频的视频信息、雾节点的相关信息以及视频与雾节点之间的映射关系时，服务器则在本地查询拥有点播视频的候选雾节点。
S504b，当本地未缓存关于点播视频的视频信息、雾节点的相关信息以及资源与雾节点之间的映射关系时，服务器则通过索引服务器查询拥有点播视频的候选雾节点。
S506，服务器根据候选雾节点的网络信息和P2P连通信息对候选雾节点过滤，得到有效雾节点。
S508，服务器根据雾节点的实时上行带宽值来调度有效雾节点，得到调度结果。
S510，服务器将调度结果反馈给客户端。
S512，客户端根据调度结果，从被调度的目标雾节点下载点播数据。
其中，不同的目标雾节点，若实时上行带宽值不同，对应的业务流量也不同。
如图6所示，本申请还提供了一种雾节点调度系统，该雾节点调度系统由客户端、雾节点、调度服务器、索引服务器和信息采集服务器。其中，调度服务器中具有调度模块，索引服务器中具有索引模块，信息采集服务器中具有雾节点的信息收集模块。
本系统工作原理如下：雾节点与信息收集模块之间定期进行心跳通信，周期性的向信息收集模块上报雾节点实时的负载信息。信息收集模块在收集到雾节点的负载信息之后，将其同步到索引模块。当客户端发起雾节点调度请求时，调度模块从索引模块中查询本次请求的资源，获取到拥有该资源的所有雾节点，接下来根据雾节点的P2P连通性、网络信息以及负载信息做出合理的雾节点调度决策。
接下来，分别对调度模块、索引模块和信息收集模块进行描述：
（1）信息收集模块
信息收集模块负责收集雾节点的实时负载信息。
雾节点会定期的上报自身的实时信息，具体的上报信息有雾节点ID、雾节点的设备供应商、雾节点的存储使用情况、雾节点的内存使用情况、雾节点的上行带宽等实时信息。对于雾计算（PCDN）来说，目前主要关注的是雾节点上每一条网络线路的实时上行带宽值，经由最小二乘法进行处理，计算出下一采样时间的上行带宽预测值，将该上行带宽预测值同步给索引模块。
（2）索引模块
索引模块中保存有雾计算服务中所有的资源信息，该资源信息包括资源的文件名、资源ID、资源的文件大小和文件校验码等信息；此外，还保存了所有在线的雾节点的相关信息，该相关信息包括雾节点的设备信息、网络信息和实时负载信息等。
索引模块同时还维护了资源与雾节点之间的映射关系，因此对于某各资源的文件file1，调度模块可以查询到哪些雾节点上面有该资源的文件file1，从而快速地确定本次调度雾节点的范围。
（3）调度模块
调度模块包含以下几个部分：1）消息处理模块，负责收发和处理雾节点调度请求以及进行回复；2）本地缓存模块，将查询到的资源信息以及雾节点的部分信息，然后缓存在本地，以降低索引模块的负载；其中，该部分信息为雾节点的设备信息与网络信息；3）调度逻辑模块，进行雾节点的选择与调度。
调度模块在收到了雾节点调度请求之后，首先会检查当前的雾节点调度请求所指定的资源是否命中本地缓存；若当前的雾节点调度请求的资源未命中本地缓存，则会向索引模块发起关于资源信息的查询请求，并在查询到资源信息之后，向索引模块查询拥有此资源的雾节点的相关信息。完成上述两次查询之后，调度模块会将这两次查询结果组织起来，建立资源与雾节点之间的映射关系，并保存在本地缓存模块中缓存起来。若当前的雾节点调度请求的资源命中了本地缓存，则直接从本地缓存中读取所需的信息，以进行调度决策。
在获取到资源信息之后，调度逻辑模块会根据本次的调度决策规则进行雾节点的初步筛选。初步筛选雾节点时，会根据雾节点网络运营方筛选策略、雾节点供应方筛选策略和雾节点区域筛选策略等相关策略对拥有该资源的候选雾节点进行筛选，得到雾节点的初选结果。
调度逻辑模块，对雾节点的初选结果进行过滤，去除掉不可用的雾节点。在进行雾节点过滤操作时，首先会检查当前待过滤的候选雾节点是否需要更新其设备信息与网络信息，对于需要更新信息的候选雾节点，则从索引模块拉去最新的设备信息与网络信息。
在进行过滤操作时，在所有的候选雾节点中，将无法与客户端进行P2P通信的雾节点过滤掉，此外还过滤掉网络信息不正常的雾节点，从而剩下的候选雾节点即为有效雾节点。
过滤操作完成之后，对于经过过滤后剩下来的有效雾节点，调度逻辑模块会根据实时负载信息进行调度决策，得到最终的调度结果。在进行调度之前，先检查这些有效雾节点的实时负载信息是否为最新的信息，若需要更新，则向索引模块拉取最新的实时负载信息。
调度逻辑模块根据这些有效雾节点实时的负载信息做出最终的雾节点调度决策。在进行调度过程中，首先计算出每一个有效雾节点的特征值，特征值的具体计算步骤为：
1）根据每个有效雾节点的上行带宽能力（upload_capacity），单位为kbit/s，计算出每个有效雾节点的weight值，计算式为weight = upload_capacity/45000；
2）在区间[0,1]中选取随机变量Χ，即Χ∈U(0,1)，计算出每个有效雾节点的特征值m，特征值m的计算方式为
Figure 835213DEST_PATH_IMAGE002
；
计算完所有有效雾节点的特征值m之后，将有效雾节点按照特征值m从大到小的顺序进行排序，得到有效雾节点序列L。
按照有效雾节点序列L的顺序依次计算每一个有效雾节点的分配概率p，按照分配概率判断该有效雾节点是否应当分配。举例来说，若当前某各有效雾节点的分配概率p=0.61，则该有效雾节点有61%的几率被分配出去。当已分配的雾节点满足了调度配置的节点个数时，便停止调度流程，将选择出来的有效雾节点作为调度结果返回客户端。其中，按照分配概率p选择出来的有效雾节点即上述实施例中的目标雾节点。
对于分配概率的计算，当前雾计算服务中存在两种类型的雾节点，即单线路雾节点和多线路聚合雾节点。其中，雾节点的分配概率计算式为：
Figure 889101DEST_PATH_IMAGE006
其中，p0为目标雾节点的初始分配概率，默认为0.9；k为概率参数，针对雾节点的每一条线路都维护一个k，会实时进行调整；η为雾节点当前的上行带宽利用率，针对两种不同的雾节点，其计算方式也不相同。
对于分配概率的计算，调度逻辑模块会按照有效雾节点序列L的顺序依次计算每个雾节点的分配概率p。这里针对雾节点类型的不同，有两种计算方式：
1）针对单线路雾节点
对于单线路雾节点，在计算单线路雾节点的上行带宽利用率η时，可以根据计算式η=（雾节点的实时上行带宽值）⁄（雾节点的上行能力值）计算上行带宽利用率η。
2）针对多线路聚合雾节点
首先会在此雾节点的所有线路中，随机选择两条线路作为备选。假设随机选出了两条线路line1和line2，分别计算出这两条的上行带宽利用率η1=（雾节点line1的实时上行带宽值）⁄（雾节点line1的上行容量），η2=（雾节点line2的实时上行带宽值）⁄（雾节点line2的上行容量）。将line1的概率参数k1以及 line2的概率参数k2，输入雾节点分配概率计算式可以计算出两条线路的分配概率，该分配概率计算式为：
Figure 764653DEST_PATH_IMAGE004
Figure 777478DEST_PATH_IMAGE005
然后从中选择概率大的线路来代表此有效雾节点。若p1＞p2，此时选择line1来代表此有效雾节点；同时以line1的分配概率p1为此雾节点的分配概率，从而该分配概率作为节点调度的依据。
对于概率参数的维护或调整：雾节点中的每一条线路都会维护一个概率参数k，并且会实时进行调整。也就是说，调度模块会针对每一条网络线路都会维护一个实时的概率参数k，其中k为一个非负数。概率参数的调整算法如下：
1）利用线路过去历史一分钟的上行带宽利用率，通过最小二乘法计算出下一个采样时间的上行带宽利用率预测值η’。根据预测值η’来判断初始概率参数是否需要调整，其中调整步长step=0.01。
2）假设初始概率参数为k0，概率参数的调整过程如下所述：
当η’< 60% 时，则k =k0-35×0.01；
当60% <η’< 75%，则k=k0- 5×0.01；
当75 % <η’< 95%，则k=k0-0.01；
当95% <η’< 105%，则k不变；
当105% <η’< 125%，则 k = k0+ 0.01；
当125% <η’< 150%，则k = k0+5×0.01；
当η’＞150%，则k = k0+10×0.01。
作为一个示例，对于雾节点的调度过程，可以参考图7所示，具体步骤如下所述：
S702，客户端向调度模块发送雾节点调度请求。
S704，调度模块在接收到雾节点调度请求时，判断是否命中缓存，若缓存未命中，则向索引模块查询资源信息。
S706，索引模块返回资源信息。
其中，根据该资源信息可以确定哪些雾节点拥有雾节点调度请求所指定的资源。
S708，调度模块查询拥有资源的候选雾节点的静态信息。
其中，该静态信息指的是候选雾节点的网络信息以及与客户端之间的P2P连通信息。
S710，索引模块返回候选雾节点的静态信息。
S712，调度模块根据资源信息和静态信息构建映射关系并缓存。
S714，调度模块对拥有资源的候选雾节点进行筛选，得到有效雾节点。
S716，若静态信息过时，调度模块查询更新的静态信息。
S718，索引模块返回更新的静态信息。
S720，调度模块根据更新的静态信息进行过滤。
S722，调度模块查询有效雾节点的负载信息。
S724，索引模块返回负载信息。
S726，调度模块根据负载信息计算分配概率，基于分配概率确定分配的目标雾节点，得到调度结果。
S728，调度模块返回调度结果，以便根据调度结果从目标雾节点获取资源。
通过上述实施例的方案，可以在调度侧提高雾计算服务的可靠性和可用性，同时可以在保证雾节点不过载的情况下，尽可能地提高雾节点的利用率。
应该理解的是，虽然图2、4、5、7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、4、5、7中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图8所示，提供了一种雾节点调度装置，该装置可以采用软件模块或硬件模块，或者是二者的结合成为计算机设备的一部分，该装置具体包括：查找模块802、过滤模块804、获取模块806、调度模块808和反馈模块810，其中：
查找模块802，用于当接收到客户端发起的雾节点调度请求时，查找存储有雾节点调度请求所指定资源的候选雾节点；
过滤模块804，用于对候选雾节点进行有效性过滤，获得有效雾节点；
获取模块806，用于获取所收集到的有效雾节点的负载信息；
调度模块808，用于基于负载信息在有效雾节点中进行调度，得到调度结果；调度结果包括调度得到的目标雾节点的标识和分配给目标雾节点的业务流量；
反馈模块810，用于向客户端反馈调度结果，以使客户端根据标识从目标雾节点按照业务流量获取资源。
在其中一个实施例中，查找模块802，还用于获取雾节点调度请求所指定资源的资源信息；基于预存储的从资源信息到雾节点信息的映射关系，以资源信息为索引查找所映射的雾节点信息，获得候选雾节点。
在其中一个实施例中，查找模块802，还用于当本地缓存了与雾节点调度请求对应的资源信息时，则根据雾节点调度请求获取本地缓存的资源信息；当本地未缓存与雾节点调度请求对应的资源信息时，则向索引服务器发送查询请求，以使索引服务器基于查询请求查询该资源对应的资源信息；接收索引服务器反馈的资源信息。
在其中一个实施例中，如图9所示，该装置还包括：
确定模块812，用于在对候选雾节点进行有效性过滤，获得有效雾节点之前，确定候选雾节点所处网络的网络类型、提供方标识和所处的区域；
筛选模块814，用于依据网络类型、提供方标识和区域对有效雾节点进行筛选，得到筛选后的有效雾节点。
在其中一个实施例中，过滤模块804，还用于获取候选雾节点的网络信息；在候选雾节点中，将出现异常的网络信息所对应的雾节点滤除；基于滤除后的候选雾节点与客户端之间的连通性，对候选雾节点进行过滤。
上述实施例中，当接收到客户端发起的雾节点调度请求时，查找拥有雾节点调度请求所指定资源的候选雾节点，然后对候选雾节点进行有效性过滤，从而可以得到有效的雾节点，确保被调度的雾节点均为可用的有效雾节点。此外，通过获取有效雾节点的负载信息，基于负载信息在有效雾节点中进行调度，得到调度结果，确保了被调度的雾节点均具有负载能力，从而用户可以得到可用的、且具有负载能力的雾节点。向客户端反馈调度结果，以使客户端根据调度结果中的标识从目标雾节点按照业务流量获取资源，由于被调度的雾节点均是可用的、且具有负载能力，从而客户端在获取资源时，可以确保用户的服务能可靠且稳定的进行，有利于提高服务的可靠性和稳定性。
在其中一个实施例中，调度模块808，还用于按照负载信息对有效雾节点进行排序，得到有效雾节点序列；计算有效雾节点序列中各雾节点的分配概率；根据分配概率对有效雾节点序列进行调度，得到调度结果。
在其中一个实施例中，调度模块808，还用于基于上行容量计算有效雾节点的权重值；在预设区间内选取变量值；根据权重值和变量值计算有效雾节点的特征值；根据特征值对有效雾节点进行排序。
在其中一个实施例中，负载信息包括上行容量和实时上行带宽值；调度模块808，还用于获取有效雾节点序列中各雾节点的初始分配概率；基于上行容量和实时上行带宽值，计算有效雾节点序列中各雾节点的实时带宽利用率；根据初始分配概率、实时带宽利用率和目标概率参数，计算有效雾节点序列中各雾节点的分配概率。
在其中一个实施例中，调度模块808，还用于将初始分配概率、实时带宽利用率和目标概率参数输入分配概率计算式，通过分配概率计算式计算有效雾节点序列中各雾节点的分配概率；其中，分配概率计算式为：
Figure 611441DEST_PATH_IMAGE007
p0表示初始分配概率、k表示目标概率参数和η表示实时带宽利用率。
在其中一个实施例中，如图9所示，该装置还包括：
获取模块806，还用于获取有效雾节点序列中的雾节点在目标历史时段内的带宽利用率；
计算模块816，用于基于带宽利用率计算下一采样时间的带宽利用率预测值；
调整模块818，用于根据带宽利用率预测值的大小和调整因子对初始概率参数进行调整，得到目标概率参数。
在其中一个实施例中，调度模块808，还用于当有效雾节点序列中的雾节点为单线路雾节点时，基于上行容量和实时上行带宽值计算各单线路雾节点的实时带宽利用率；当有效雾节点序列中的雾节点为多线路聚合雾节点时，依次从各多线路聚合雾节点对应的线路中选取至少两条线路，分别计算至少两条线路的实时带宽利用率，将最大的实时带宽利用率作为对应多线路聚合雾节点的实时带宽利用率。
上述实施例中，当基于有效雾节点的特征值对有效雾节点进行排序得到有效雾节点序列之后，计算有效雾节点序列中各雾节点的分配概率，然后根据分配概率对有效雾节点序列进行调度，从而确保被调度的目标雾节点都是具有负载能力的，从而用户可以得到可用的、且具有负载能力的雾节点，进而客户端在获取资源时，可以确保用户的服务能可靠且稳定的进行，有利于提高服务的可靠性和稳定性。此外，在计算分配概率时，采用了目标概率参数进行计算，而该目标概率参数是随带宽利用率预测值发生变化的，从而使计算出来的分配概率可以与当前的上行带宽值相匹配，即当前的上行带宽值越大，分配概率也越大，即对应的有效雾节点被分配给客户端的概率越大，从而提高了雾节点的分配效果，也有利于提高雾节点的利用率。
关于雾节点调度装置的具体限定可以参见上文中对于雾节点调度方法的限定，在此不再赘述。上述雾节点调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储负载信息、网络信息和资源信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种雾节点调度方法。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，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各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (24)

1.一种雾节点调度方法，其特征在于，所述方法包括：
当接收到客户端发起的雾节点调度请求时，查找存储有所述雾节点调度请求所指定资源的候选雾节点；
基于所述客户端与所述候选雾节点之间点对点通信的连通性对所述候选雾节点进行有效性过滤，获得有效雾节点；
获取所收集到的所述有效雾节点的负载信息；所述负载信息包括上行容量和实时上行带宽值；
按照所述负载信息对所述有效雾节点进行排序，得到有效雾节点序列；获取所述有效雾节点序列中各雾节点的初始分配概率；基于所述上行容量和所述实时上行带宽值，计算所述有效雾节点序列中各雾节点的实时带宽利用率；根据所述初始分配概率、所述实时带宽利用率和目标概率参数，计算所述有效雾节点序列中各雾节点的分配概率；根据所述分配概率对所述有效雾节点序列进行调度，得到调度结果；所述调度结果包括调度得到的目标雾节点的标识和分配给所述目标雾节点的业务流量；所述目标概率参数随所述有效雾节点的带宽利用率预测值变化而变化；
向所述客户端反馈所述调度结果，以使所述客户端根据所述标识从所述目标雾节点按照所述业务流量获取所述资源。
2.根据权利要求1所述的方法，其特征在于，所述查找存储有所述雾节点调度请求所指定资源的候选雾节点包括：
获取所述雾节点调度请求所指定资源的资源信息；
基于预存储的从资源信息到雾节点信息的映射关系，以所述资源信息为索引查找所映射的雾节点信息，获得候选雾节点。
3.根据权利要求2所述的方法，其特征在于，所述获取所述雾节点调度请求所指定资源的资源信息包括：
当本地缓存了与所述雾节点调度请求对应的资源信息时，则根据所述雾节点调度请求获取本地缓存的所述资源信息；
当本地未缓存与所述雾节点调度请求对应的资源信息时，则向索引服务器发送查询请求，以使所述索引服务器基于所述查询请求查询所述资源对应的资源信息；接收所述索引服务器反馈的所述资源信息。
4.根据权利要求1所述的方法，其特征在于，所述对所述候选雾节点进行有效性过滤，获得有效雾节点之前，所述方法还包括：
确定所述候选雾节点所处网络的网络类型、提供方标识和所处的区域；
依据所述网络类型、所述提供方标识和所述区域对所述候选雾节点进行筛选，得到筛选后的候选雾节点。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述基于所述客户端与所述候选雾节点之间点对点通信的连通性对所述候选雾节点进行有效性过滤包括：
获取所述候选雾节点的网络信息；
在所述候选雾节点中，将出现异常的所述网络信息所对应的雾节点滤除；
基于滤除后的所述候选雾节点与所述客户端之间点对点通信的连通性，对所述候选雾节点进行过滤。
6.根据权利要求1所述的方法，其特征在于，所述查找存储有所述雾节点调度请求所指定资源的候选雾节点包括：
根据所述雾节点调度请求确定所请求的资源；
查找拥有所述资源的所有雾节点；
将查找的所有雾节点作为候选雾节点；或者，
按照所述资源的数据大小从查找到的所有雾节点中选取部分雾节点作为候选雾节点。
7.根据权利要求1所述的方法，其特征在于，所述按照所述负载信息对所述有效雾节点进行排序包括：
基于所述上行容量计算所述有效雾节点的权重值；
在预设区间内选取变量值；
根据所述权重值和所述变量值计算所述有效雾节点的特征值；
根据所述特征值对所述有效雾节点进行排序。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述负载信息确定分配给所述目标雾节点的业务流量。
9.根据权利要求1所述的方法，其特征在于，所述根据所述初始分配概率、所述实时带宽利用率和目标概率参数，计算所述有效雾节点序列中各雾节点的分配概率包括：
将所述初始分配概率、所述实时带宽利用率和目标概率参数输入分配概率计算式，通过所述分配概率计算式计算所述有效雾节点序列中各雾节点的分配概率；其中，所述分配概率计算式为：
Figure DEST_PATH_IMAGE001
p0表示所述初始分配概率、k表示所述目标概率参数和η表示所述实时带宽利用率。
10.根据权利要求8所述的方法，其特征在于，所述方法还包括：
获取所述有效雾节点序列中的雾节点在目标历史时段内的带宽利用率；
基于所述带宽利用率计算下一采样时间的带宽利用率预测值；
根据所述带宽利用率预测值的大小和调整因子对初始概率参数进行调整，得到所述目标概率参数。
11.根据权利要求8所述的方法，其特征在于，所述基于所述上行容量和所述实时上行带宽值，计算所述有效雾节点序列中各雾节点的实时带宽利用率包括：
当所述有效雾节点序列中的雾节点为单线路雾节点时，基于所述上行容量和所述实时上行带宽值计算各所述单线路雾节点的实时带宽利用率；
当所述有效雾节点序列中的雾节点为多线路聚合雾节点时，依次从各所述多线路聚合雾节点对应的线路中选取至少两条线路，分别计算所述至少两条线路的实时带宽利用率，将最大的实时带宽利用率作为对应多线路聚合雾节点的实时带宽利用率。
12.一种雾节点调度装置，其特征在于，所述装置包括：
查找模块，用于当接收到客户端发起的雾节点调度请求时，查找存储有所述雾节点调度请求所指定资源的候选雾节点；
过滤模块，用于基于所述客户端与所述候选雾节点之间点对点通信的连通性对所述候选雾节点进行有效性过滤，获得有效雾节点；
获取模块，用于获取所收集到的所述有效雾节点的负载信息；所述负载信息包括上行容量和实时上行带宽值；
调度模块，按照所述负载信息对所述有效雾节点进行排序，得到有效雾节点序列；获取所述有效雾节点序列中各雾节点的初始分配概率；基于所述上行容量和所述实时上行带宽值，计算所述有效雾节点序列中各雾节点的实时带宽利用率；根据所述初始分配概率、所述实时带宽利用率和目标概率参数，计算所述有效雾节点序列中各雾节点的分配概率；根据所述分配概率对所述有效雾节点序列进行调度，得到调度结果；所述调度结果包括调度得到的目标雾节点的标识和分配给所述目标雾节点的业务流量；所述目标概率参数随所述有效雾节点的带宽利用率预测值变化而变化；
反馈模块，用于向所述客户端反馈所述调度结果，以使所述客户端根据所述标识从所述目标雾节点按照所述业务流量获取所述资源。
13.根据权利要求12所述的装置，其特征在于，所述查找模块，还用于：
获取所述雾节点调度请求所指定资源的资源信息；
基于预存储的从资源信息到雾节点信息的映射关系，以所述资源信息为索引查找所映射的雾节点信息，获得候选雾节点。
14.根据权利要求13所述的装置，其特征在于，所述查找模块，还用于：
当本地缓存了与所述雾节点调度请求对应的资源信息时，则根据所述雾节点调度请求获取本地缓存的所述资源信息；
当本地未缓存与所述雾节点调度请求对应的资源信息时，则向索引服务器发送查询请求，以使所述索引服务器基于所述查询请求查询所述资源对应的资源信息；接收所述索引服务器反馈的所述资源信息。
15.根据权利要求12所述的装置，其特征在于，所述装置还包括：
确定模块，用于确定所述候选雾节点所处网络的网络类型、提供方标识和所处的区域；
筛选模块，用于依据所述网络类型、所述提供方标识和所述区域对所述候选雾节点进行筛选，得到筛选后的候选雾节点。
16.根据权利要求12至15任一项所述的装置，其特征在于，所述过滤模块，还用于：
获取所述候选雾节点的网络信息；
在所述候选雾节点中，将出现异常的所述网络信息所对应的雾节点滤除；
基于滤除后的所述候选雾节点与所述客户端之间点对点通信的连通性，对所述候选雾节点进行过滤。
17.根据权利要求12所述的装置，其特征在于，所述查找模块，还用于：
根据所述雾节点调度请求确定所请求的资源；
查找拥有所述资源的所有雾节点；
将查找的所有雾节点作为候选雾节点；或者，
按照所述资源的数据大小从查找到的所有雾节点中选取部分雾节点作为候选雾节点。
18.根据权利要求12所述的装置，其特征在于，所述调度模块，还用于：
基于所述上行容量计算所述有效雾节点的权重值；
在预设区间内选取变量值；
根据所述权重值和所述变量值计算所述有效雾节点的特征值；
根据所述特征值对所述有效雾节点进行排序。
19.根据权利要求12所述的装置，其特征在于，所述调度模块，还用于根据所述负载信息确定分配给所述目标雾节点的业务流量。
20.根据权利要求12所述的装置，其特征在于，所述调度模块，还用于：
将所述初始分配概率、所述实时带宽利用率和目标概率参数输入分配概率计算式，通过所述分配概率计算式计算所述有效雾节点序列中各雾节点的分配概率；其中，所述分配概率计算式为：
Figure 544624DEST_PATH_IMAGE002
p0表示所述初始分配概率、k表示所述目标概率参数和η表示所述实时带宽利用率。
21.根据权利要求19所述的装置，其特征在于，所述装置还包括：
所属获取模块，还用于获取所述有效雾节点序列中的雾节点在目标历史时段内的带宽利用率；
计算模块，用于基于所述带宽利用率计算下一采样时间的带宽利用率预测值；
调整模块，用于根据所述带宽利用率预测值的大小和调整因子对初始概率参数进行调整，得到所述目标概率参数。
22.根据权利要求19所述的装置，其特征在于，所述调度模块，还用于：
当所述有效雾节点序列中的雾节点为单线路雾节点时，基于所述上行容量和所述实时上行带宽值计算各所述单线路雾节点的实时带宽利用率；
当所述有效雾节点序列中的雾节点为多线路聚合雾节点时，依次从各所述多线路聚合雾节点对应的线路中选取至少两条线路，分别计算所述至少两条线路的实时带宽利用率，将最大的实时带宽利用率作为对应多线路聚合雾节点的实时带宽利用率。
23.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的方法的步骤。
24.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
CN202011258119.0A 2020-11-12 2020-11-12 雾节点调度方法、装置、计算机设备和存储介质 Active CN112073542B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011258119.0A CN112073542B (zh) 2020-11-12 2020-11-12 雾节点调度方法、装置、计算机设备和存储介质
PCT/CN2021/122151 WO2022100318A1 (zh) 2020-11-12 2021-09-30 雾节点调度方法、装置、计算机设备和存储介质
US17/950,977 US11838387B2 (en) 2020-11-12 2022-09-22 Fog node scheduling method and apparatus, computer device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011258119.0A CN112073542B (zh) 2020-11-12 2020-11-12 雾节点调度方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112073542A CN112073542A (zh) 2020-12-11
CN112073542B true CN112073542B (zh) 2021-02-05

Family

ID=73655215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011258119.0A Active CN112073542B (zh) 2020-11-12 2020-11-12 雾节点调度方法、装置、计算机设备和存储介质

Country Status (3)

Country Link
US (1) US11838387B2 (zh)
CN (1) CN112073542B (zh)
WO (1) WO2022100318A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112073542B (zh) 2020-11-12 2021-02-05 腾讯科技（深圳）有限公司 雾节点调度方法、装置、计算机设备和存储介质
CN112506664A (zh) * 2020-12-18 2021-03-16 中国科学院软件研究所 软件定义卫星的电子电气架构、计算资源调度方法、电子设备
CN112887314B (zh) * 2021-01-27 2022-06-03 重庆邮电大学 一种时延感知的云雾协作视频分发方法
CN113163003B (zh) * 2021-04-09 2023-05-30 北京汇钧科技有限公司 文件传输方法、云端服务器、客户端以及雾节点路由器
CN113018871A (zh) * 2021-04-19 2021-06-25 腾讯科技（深圳）有限公司 业务处理方法、装置及存储介质
CN112954406B (zh) * 2021-05-17 2021-07-30 腾讯科技（深圳）有限公司 数据下载方法、装置、计算机设备和存储介质
CN113810461B (zh) * 2021-08-04 2023-04-18 网宿科技股份有限公司 带宽控制方法、装置、设备及可读存储介质
CN113608856A (zh) * 2021-08-12 2021-11-05 杭州萤石软件有限公司 节点调度方法、系统及装置
CN113709241B (zh) * 2021-08-26 2024-01-23 上海德拓信息技术股份有限公司 一种云场景下物理资源的调度分配组合方法与系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246550A (zh) * 2012-02-09 2013-08-14 深圳市腾讯计算机系统有限公司 一种基于容量的多任务调度方法及系统
CN104394441A (zh) * 2014-11-27 2015-03-04 北京奇艺世纪科技有限公司 一种视频内容分发的调度方法、装置及系统
CN105847381A (zh) * 2016-04-18 2016-08-10 乐视控股（北京）有限公司 内容服务器的调度方法及装置
CN110661879A (zh) * 2019-10-12 2020-01-07 北京奇艺世纪科技有限公司 节点调度方法、装置、系统、调度服务器及终端设备
CN110830565A (zh) * 2019-10-31 2020-02-21 北京奇艺世纪科技有限公司 资源下载方法、装置、系统、电子设备及存储介质

Family Cites Families (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI655870B (zh) * 2016-03-15 2019-04-01 鴻海精密工業股份有限公司 用於控制網路流量的方法及裝置
US10243878B2 (en) * 2016-06-16 2019-03-26 Cisco Technology, Inc. Fog computing network resource partitioning
US10320923B2 (en) * 2016-09-01 2019-06-11 Cisco Technology, Inc. Predictive resource preparation and handoff for vehicle-to-infrastructure systems
US10572306B2 (en) * 2016-09-14 2020-02-25 Cloudera, Inc. Utilization-aware resource scheduling in a distributed computing cluster
US10523592B2 (en) * 2016-10-10 2019-12-31 Cisco Technology, Inc. Orchestration system for migrating user data and services based on user information
US10439890B2 (en) * 2016-10-19 2019-10-08 Tata Consultancy Services Limited Optimal deployment of fog computations in IoT environments
US11044162B2 (en) * 2016-12-06 2021-06-22 Cisco Technology, Inc. Orchestration of cloud and fog interactions
US10382264B2 (en) * 2016-12-15 2019-08-13 International Business Machines Corporation Fog computing for machine translation
CN110050474A (zh) * 2016-12-30 2019-07-23 英特尔公司 用于物联网网络中的复合对象的子对象的类型命名和区块链
US11281499B2 (en) * 2017-02-05 2022-03-22 Intel Corporation Microservice provision and management
US10637795B2 (en) * 2017-04-11 2020-04-28 Cisco Technology, Inc. Identifying and managing connected nodes as reservable resources in a network
US10693913B2 (en) * 2017-04-28 2020-06-23 Cisco Technology, Inc. Secure and policy-driven computing for fog node applications
US20210336839A1 (en) * 2017-05-24 2021-10-28 3S International, Llc. Method of scaling reliability of computing network
US10742750B2 (en) * 2017-07-20 2020-08-11 Cisco Technology, Inc. Managing a distributed network of function execution environments
US11489787B2 (en) * 2017-08-25 2022-11-01 Tttech Industrial Automation Ag Centrally managed time-sensitive fog networks
CN111164573A (zh) * 2017-10-06 2020-05-15 康维达无线有限责任公司 启用雾服务层并应用于智能运输系统
US10735284B2 (en) * 2017-12-15 2020-08-04 International Business Machines Corporation System and method for managing a moving peer-to-peer network
US11119825B2 (en) * 2017-12-19 2021-09-14 International Business Machines Corporation Dynamic task allocation and node reconfiguration in mesh network
US10797863B2 (en) * 2017-12-28 2020-10-06 Intel Corporation Multi-domain cascade convolutional neural network
US10607484B2 (en) * 2017-12-28 2020-03-31 Intel Corporation Privacy-preserving distributed visual data processing
US10644961B2 (en) * 2018-01-12 2020-05-05 Intel Corporation Self-adjusting data processing system
US11140096B2 (en) * 2018-02-07 2021-10-05 Cisco Technology, Inc. Optimizing fog orchestration through edge compute resource reservation
US10642656B2 (en) * 2018-04-17 2020-05-05 Cognizant Technology Solutions India Pvt. Ltd. System and method for efficiently and securely managing a network using fog computing
US10841397B2 (en) * 2018-04-17 2020-11-17 Vmware, Inc. Methods, apparatus, and systems to dynamically discover and host services in fog servers
US10609147B2 (en) * 2018-05-23 2020-03-31 Cisco Technology, Inc. Target wake time and grouping scheme for IoT transmitters
US20190377592A1 (en) * 2018-06-12 2019-12-12 Vmware, Inc. System and method for provisioning devices of a decentralized cloud
EP3799634A1 (en) * 2018-07-02 2021-04-07 Convida Wireless, Llc Dynamic fog service deployment and management
US10721295B2 (en) * 2018-07-24 2020-07-21 Cisco Technology, Inc. Popularity-based load-balancing for fog-cloud placement
CN109167674B (zh) * 2018-07-24 2021-05-18 网宿科技股份有限公司 服务节点的评分方法、域名系统dns调度方法及服务器
US10826762B2 (en) * 2018-08-06 2020-11-03 Cisco Technology, Inc. Configuring resource-constrained devices in a network
US20200077425A1 (en) * 2018-08-28 2020-03-05 Cisco Technology, Inc. Intelligent scheduling of a wireless network for a backhaul
WO2020095313A1 (en) * 2018-11-09 2020-05-14 Telefonaktiebolaget Lm Ericsson (Publ) Managing computation load in a fog network
US11102236B2 (en) * 2018-11-19 2021-08-24 Cisco Technology, Inc. Systems and methods for remediating internet of things devices
US20200177485A1 (en) * 2018-12-04 2020-06-04 Cisco Technology, Inc. Network traffic metrics and trends for internet of things management
US11184446B2 (en) * 2018-12-05 2021-11-23 Micron Technology, Inc. Methods and apparatus for incentivizing participation in fog networks
US11013043B2 (en) * 2019-01-08 2021-05-18 Micron Technology, Inc. Methods and apparatus for routine based fog networking
CN109787921B (zh) * 2019-03-19 2022-09-09 网宿科技股份有限公司 Cdn带宽调度方法、采集及调度服务器和存储介质
US20200328977A1 (en) * 2019-04-10 2020-10-15 Cisco Technology, Inc. Reactive approach to resource allocation for micro-services based infrastructure
US11436051B2 (en) * 2019-04-30 2022-09-06 Intel Corporation Technologies for providing attestation of function as a service flavors
US11204853B2 (en) * 2019-05-20 2021-12-21 At&T Intellectual Property I, L.P. System and method for low latency edge computing
US20220166848A1 (en) * 2019-06-07 2022-05-26 Telefonaktiebolaget Lm Ericsson (Publ) Allocation of fog node resources
US10972768B2 (en) * 2019-06-27 2021-04-06 Intel Corporation Dynamic rebalancing of edge resources for multi-camera video streaming
US20220329506A1 (en) * 2019-09-06 2022-10-13 Telefonaktiebolaget Lm Ericsson (Publ) System and method to reinforce fogging for latency critical iot applications in 5g
US11481259B2 (en) * 2020-01-07 2022-10-25 International Business Machines Corporation Distributing computation workloads based on calculated compute gravity within differing computing paradigms
US11218546B2 (en) * 2020-03-25 2022-01-04 Intel Corporation Computer-readable storage medium, an apparatus and a method to select access layer devices to deliver services to clients in an edge computing system
US11159609B2 (en) * 2020-03-27 2021-10-26 Intel Corporation Method, system and product to implement deterministic on-boarding and scheduling of virtualized workloads for edge computing
US11144362B1 (en) * 2020-05-05 2021-10-12 International Business Machines Corporation Container scheduling in a container orchestration system
US11436117B2 (en) * 2020-05-08 2022-09-06 International Business Machines Corporation Context aware dynamic relative positioning of fog nodes in a fog computing ecosystem
US11481281B2 (en) * 2020-06-11 2022-10-25 International Business Machines Corporation Predictive fog computing in an edge device
EP3933594A1 (en) * 2020-06-30 2022-01-05 ABB Schweiz AG A method for detecting system problems in a distributed control system and a method for allocating foglets in a fog network
EP3933583A1 (en) * 2020-06-30 2022-01-05 ABB Schweiz AG Method for adjusting machine learning models and system for adjusting machine learning models
EP3933584A1 (en) * 2020-06-30 2022-01-05 ABB Schweiz AG Application modelling and resource management in fog networks
US11630706B2 (en) * 2020-09-22 2023-04-18 Intel Corporation Adaptive limited-duration edge resource management
US20210021533A1 (en) * 2020-09-25 2021-01-21 Francesc Guim Bernat Intelligent data forwarding in edge networks
CN112073542B (zh) * 2020-11-12 2021-02-05 腾讯科技（深圳）有限公司 雾节点调度方法、装置、计算机设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246550A (zh) * 2012-02-09 2013-08-14 深圳市腾讯计算机系统有限公司 一种基于容量的多任务调度方法及系统
CN104394441A (zh) * 2014-11-27 2015-03-04 北京奇艺世纪科技有限公司 一种视频内容分发的调度方法、装置及系统
CN105847381A (zh) * 2016-04-18 2016-08-10 乐视控股（北京）有限公司 内容服务器的调度方法及装置
CN110661879A (zh) * 2019-10-12 2020-01-07 北京奇艺世纪科技有限公司 节点调度方法、装置、系统、调度服务器及终端设备
CN110830565A (zh) * 2019-10-31 2020-02-21 北京奇艺世纪科技有限公司 资源下载方法、装置、系统、电子设备及存储介质

Also Published As

Publication number Publication date
WO2022100318A1 (zh) 2022-05-19
US20230010046A1 (en) 2023-01-12
CN112073542A (zh) 2020-12-11
US11838387B2 (en) 2023-12-05

Similar Documents

Publication Publication Date Title
CN112073542B (zh) 雾节点调度方法、装置、计算机设备和存储介质
EP2975820B1 (en) Reputation-based strategy for forwarding and responding to interests over a content centric network
US8819080B2 (en) System and method for collection, retrieval, and distribution of data
US20040236869A1 (en) Parallel information delivery method based on peer-to-peer enabled distributed computing technology and the system thereof
WO2021237826A1 (zh) 一种流量调度方法、系统及装置
GB2542870A (en) Local and demand driven QoS models
CN110545258B (zh) 流媒体服务器资源配置方法、装置和服务器
CN110716808A (zh) 业务处理方法、装置、计算机设备和存储介质
CN111611129B (zh) PaaS云平台的性能监控方法及装置
CN112351088A (zh) 一种cdn缓存方法、装置、计算机设备及存储介质
CN113806177A (zh) 集群监控的方法、装置、电子设备及存储介质
CN110611937B (zh) 数据分流方法、装置、边缘数据中心和可读存储介质
EP2874368B1 (en) Method and device for generating aggregate layer networkmap and aggregate layer costmap
CN109413117B (zh) 分布式数据计算方法、装置、服务器及计算机存储介质
CN113315836B (zh) 文件访问请求的调度方法、装置、电子设备、存储介质
CN105335376A (zh) 一种流处理方法、装置及系统
CN112019604A (zh) 边缘数据传输方法和系统
CN113329050B (zh) 内容分发方法及系统
CN116668364A (zh) 实时音视频网络的路由规划方法及装置
CN108449281B (zh) 网络流量协同卸载方法及协同卸载控制器
CN111818134A (zh) 变电站数据中心内基于雾计算的数据传输方法及装置
US10728157B2 (en) Local and demand driven QoS models
CN117014313B (zh) 一种面向边缘云平台的设备数据实时分析方法及系统
CN114745343B (zh) 基于QoS优先级的SDN的网络负载均衡路由方法、装置和设备
CN115037696B (zh) 数据传输方法、装置、电子设备和存储介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40035469

Country of ref document: HK