CN113037805A - 面向移动边缘计算的多实例微服务迁移方法 - Google Patents

面向移动边缘计算的多实例微服务迁移方法 Download PDF

Info

Publication number
CN113037805A
CN113037805A CN202110161467.4A CN202110161467A CN113037805A CN 113037805 A CN113037805 A CN 113037805A CN 202110161467 A CN202110161467 A CN 202110161467A CN 113037805 A CN113037805 A CN 113037805A
Authority
CN
China
Prior art keywords
migration
node
micro
delay
map
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110161467.4A
Other languages
English (en)
Other versions
CN113037805B (zh
Inventor
张栋
汪培侨
朱龙隆
林为伟
朱丹红
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.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN202110161467.4A priority Critical patent/CN113037805B/zh
Publication of CN113037805A publication Critical patent/CN113037805A/zh
Application granted granted Critical
Publication of CN113037805B publication Critical patent/CN113037805B/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
    • H04L67/56—Provisioning of proxy services
    • H04L67/563—Data redirection of data network streams
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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
    • H04L67/1004—Server selection for load balancing
    • H04L67/101—Server selection for load balancing based on network conditions

Landscapes

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

Abstract

本发明涉及一种面向移动边缘计算的多实例微服务迁移方法，该方法根据存储资源大优先迁移的策略确定需迁移微服务的迁移次序，然后根据迁移次序，对各个微服务分别选择满足资源约束且迁移时延和通信时延最小的服务器节点作为目标迁移节点，依次进行迁移，最后对引入额外时延的节点进行调整，以消除额外时延。该方法有利于降低迁移时和迁移后的时延，解决了多实例微服务迁移问题。

Description

面向移动边缘计算的多实例微服务迁移方法
技术领域
本发明属于通信技术领域，具体涉及一种面向移动边缘计算的多实例微服务迁移方法。
背景技术
移动边缘计算作为5G的关键技术之一，其将云数据中心中的部分计算、存储任务卸载至离用户较近的边缘服务器中，从而降低了服务的传输时延，同时缓解了网络带宽的压力。与此同时，微服务架构作为一种新兴的软件开发模式被应用于移动边缘计算之中，其将传统的单体应用按照模块进行拆分，形成多个相互独立的微服务。微服务架构可部署在边缘云中，为邻近终端提供低时延的服务。与此同时，微服务具有启动快速、迁移便利的特点，可帮助边缘云实现快速的服务开发及部署。
由于边缘云覆盖范围有限，当用户远离所属边缘云时，所产生的传输时延也随之增大，此时服务提供商难以保证提供服务的稳定性。因此，为确保用户在移动过程中获得稳定连续的边缘服务，需将微服务应用进行迁移。在现有工作中，更多关注于移动边缘计算下的单实例微服务迁移问题。然而，相较单实例微服务迁移，多实例微服务间存在依赖约束的问题。在迁移决策过程中需保证各个微服务之间互相邻近，相互依赖。如路径规划微服务应部署于行为预测微服务后，且两者间的距离应满足时延约束。若使用单实例方法对多实例微服务应用从头结点至尾结点逐个进行迁移，其会导致：(1)整体迁移时延较大，可能在低带宽资源的情况下迁移高存储需求的微服务，从而使得整体累计迁移时延加大，违反了服务连续性这一重要的用户体验；(2)迁移后各个微服务相互远离，彼此之前时延约束无法满足，造成服务不可用的情况。如图1所示，微服务ms1与ms2所映射的服务器距离过远，造成微服务通信时延过长的情况；(3)结构次序混乱，产生了额外的微服务通信时延。如图2所示，ms1、ms2、ms3分别部署于S1、S4、S2上，微服务ms1访问ms2时，经过了ms3所属服务器S2，而在ms2访问ms3时还需在经过S2一次，从而引入了额外的时延。
发明内容
本发明的目的在于提供一种面向移动边缘计算的多实例微服务迁移方法，该方法有利于降低迁移时和迁移后的时延，
为实现上述目的，本发明采用的技术方案是：一种面向移动边缘计算的多实例微服务迁移方法，根据存储资源大优先迁移的策略确定需迁移微服务的迁移次序，然后根据迁移次序，对各个微服务分别选择满足资源约束且迁移时延和通信时延最小的服务器节点作为目标迁移节点，依次进行迁移，最后对引入额外时延的节点进行调整，以消除额外时延。
进一步地，该方法包括以下步骤：
步骤S1、拓扑结构初始化；获取需迁移微服务的存储资源大小，并将其从大到小进行排序，将该顺序作为需迁移微服务的迁移次序；
步骤S2、根据步骤S1得到的迁移次序，对各个微服务按如下方法依次进行迁移：选择目的边缘云中满足存储、计算需求的服务器节点组成备选集合；基于粒子群算法，以迁移时延和通信时延的加权和作为适应度，从备选集合中找到最优节点作为目标迁移节点，将微服务迁移到目标迁移节点；直至所有微服务迁移完毕；
步骤S3、判断迁移后的微服务节点是否引入了额外的通信时延，是则进行节点重排序调整，将节点进行重部署，以消除额外时延，否则迁移结束。
进一步地，所述步骤S1中，进行拓扑结构初始化时，计算拓扑结构中任意两个服务器节点之间的物理链路带宽资源和通信时延大小。
进一步地，所述步骤2中，基于粒子群算法寻找目标迁移节点的方法包括以下步骤：
步骤S211：随机选择备选集合中的一节点，计算其迁移时延以及与先前节点的通信时延的加权和作为适应度，将其作为全局最优粒子；
步骤S212：选择距离上次所选节点最近的节点作为新粒子；
步骤S213：计算新粒子的适应度，并判断其是否小于全局最优粒子的适应度，是则更新其为全局最优粒子，否则不作更新；
步骤S214：重复步骤S211-S213，直至全局最优粒子收敛，最终得到的全局最优粒子即为目标迁移节点。
进一步地，所述迁移时延是否指微服务从原节点迁移到当前节点的时延；通信时延是指当前节点与已迁移前一微服务的前一节点的通信时延；当对第一个微服务进行迁移时，通信时延设置为0。
进一步地，所述步骤S3中，采用节点重排序方法对引入额外时延的节点进行调整，包括以下步骤：
步骤S311：输入迁移后的微服务ms 及其所对应的迁移节点map (ms)；
步骤S312：所述微服务的迁移节点与其上一微服务的迁移节点之间物理链路表示为：map_link ( map(ms),map(pre(ms)) )，同理，上一微服务节点与其父节点之间物理链路表示为：map_link ( map(pre(ms)),map(pre(pre(ms))) )；
步骤S313：判断判断map_link ( map(ms),map(pre(ms)) )与map_link ( map(pre(ms)),map(pre(pre(ms))) )之间是否有交集，有则交换两个节点的位置，直至各链路之间无交集；否则调整完毕；
步骤S314：对其他节点，重复步骤S311-S313，直至所有节点之间均无额外的通信时延存在。
相较于现有技术，本发明具有以下有益效果：提出了一种面向移动边缘计算的多实例微服务迁移方法，该方法能够在保证服务迁移成功率的前提下降低迁移时和迁移后的时延，使服务尽快迁移至目标边缘云，解决了多实例微服务迁移问题，给用户带来了良好的体验。
附图说明
图1为本发明实施例的方法实现流程图。
图2为本发明实施例中微服务部署距离过远的示意图。
图3为本发明实施例中微服务部署不合理引入额外时延的示意图。
图4为本发明实施例中节点重排序调整过程示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
如图1所示，本实施例提供了一种面向移动边缘计算的多实例微服务迁移方法，根据存储资源大优先迁移的策略确定需迁移微服务的迁移次序，然后根据迁移次序，对各个微服务分别选择满足资源约束且迁移时延和通信时延最小的服务器节点作为目标迁移节点，依次进行迁移，最后对引入额外时延的节点进行调整，以消除额外时延。其具体包括以下步骤：
步骤S1、拓扑结构初始化，计算拓扑结构中任意两个服务器节点之间的物理链路带宽资源和通信时延大小；获取需迁移微服务的存储资源大小，并将其从大到小进行排序，将该顺序作为需迁移微服务的迁移次序，便于在带宽充足的情况下迁移大存储需求的微服务，以减少传输时延。
步骤S2、根据步骤S1得到的迁移次序，对各个微服务按如下方法依次进行迁移：选择目的边缘云中满足存储、计算需求的服务器节点组成备选集合；基于粒子群算法，以迁移时延和通信时延的加权和作为适应度，从备选集合中找到最优节点作为目标迁移节点，将微服务迁移到目标迁移节点；直至所有微服务迁移完毕。
其中，基于粒子群算法寻找目标迁移节点的方法包括以下步骤：
步骤S211：随机选择备选集合中的一节点，计算其适应度，即迁移时延以及与先前节点的通信时延的加权和，将其作为全局最优粒子。
其中，所述迁移时延是否指微服务从原节点迁移到当前节点的时延；通信时延是指当前节点与已迁移前一微服务的前一节点的通信时延；当对第一个微服务进行迁移时，通信时延设置为0。
步骤S212：选择距离上次所选节点最近的节点作为新粒子。
步骤S213：计算新粒子的适应度，并判断其是否小于全局最优粒子的适应度，是则更新其为全局最优粒子，否则不作更新。
步骤S214：重复步骤S211-S213，直至全局最优粒子收敛，即连续5次以上的粒子更新均为改变全局最优粒子，最终得到的全局最优粒子即为目标迁移节点。
步骤S3、判断迁移后的微服务节点是否引入了额外的通信时延，是则进行节点重排序调整，将节点进行重部署，以消除额外时延，解决单实例微服务迁移结构次序混乱的问题，否则迁移结束。
其中，采用节点重排序方法对引入额外时延的节点进行调整，包括以下步骤：
步骤S311：输入迁移后的微服务ms 及其所对应的迁移节点map (ms)；
步骤S312：所述微服务的迁移节点与其上一微服务的迁移节点之间物理链路表示为：map_link ( map(ms),map(pre(ms)) )，同理，上一微服务节点与其父节点之间物理链路表示为：map_link ( map(pre(ms)),map(pre(pre(ms))) )；
步骤S313：判断判断map_link ( map(ms),map(pre(ms)) )与map_link ( map(pre(ms)),map(pre(pre(ms))) )之间是否有交集，有则交换两个节点的位置，直至各链路之间无交集；否则调整完毕；
步骤S314：对其他节点，重复步骤S311-S313，直至所有节点之间均无额外的通信时延存在。
图4为节点顺序调整部分的图示说明，ms1、ms2、ms3分别迁移在S1、S3、S4上，此时ms4选择S2进行迁移，由于ms3到ms4的链路与ms2到ms3的链路之间存在交集，因而需进行调整，将ms3与ms4交换位置；调整完毕后，ms2到ms3的链路与ms1到ms2的链路依然存在交集，因此继续调整，将ms2与ms3交换位置；此时，链路之间无交集，节点顺序调整结束。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (6)

1.一种面向移动边缘计算的多实例微服务迁移方法，其特征在于，根据存储资源大优先迁移的策略确定需迁移微服务的迁移次序，然后根据迁移次序，对各个微服务分别选择满足资源约束且迁移时延和通信时延最小的服务器节点作为目标迁移节点，依次进行迁移，最后对引入额外时延的节点进行调整，以消除额外时延。
2.根据权利要求1所述的面向移动边缘计算的多实例微服务迁移方法，其特征在于，包括以下步骤：
步骤S1、拓扑结构初始化；获取需迁移微服务的存储资源大小，并将其从大到小进行排序，将该顺序作为需迁移微服务的迁移次序；
步骤S2、根据步骤S1得到的迁移次序，对各个微服务按如下方法依次进行迁移：选择目的边缘云中满足存储、计算需求的服务器节点组成备选集合；基于粒子群算法，以迁移时延和通信时延的加权和作为适应度，从备选集合中找到最优节点作为目标迁移节点，将微服务迁移到目标迁移节点；直至所有微服务迁移完毕；
步骤S3、判断迁移后的微服务节点是否引入了额外的通信时延，是则进行节点重排序调整，将节点进行重部署，以消除额外时延，否则迁移结束。
3.根据权利要求2所述的面向移动边缘计算的多实例微服务迁移方法，其特征在于，所述步骤S1中，进行拓扑结构初始化时，计算拓扑结构中任意两个服务器节点之间的物理链路带宽资源和通信时延大小。
4.根据权利要求2所述的面向移动边缘计算的多实例微服务迁移方法，其特征在于，所述步骤2中，基于粒子群算法寻找目标迁移节点的方法包括以下步骤：
步骤S211：随机选择备选集合中的一节点，计算其迁移时延以及与先前节点的通信时延的加权和作为适应度，将其作为全局最优粒子；
步骤S212：选择距离上次所选节点最近的节点作为新粒子；
步骤S213：计算新粒子的适应度，并判断其是否小于全局最优粒子的适应度，是则更新其为全局最优粒子，否则不作更新；
步骤S214：重复步骤S211-S213，直至全局最优粒子收敛，最终得到的全局最优粒子即为目标迁移节点。
5.根据权利要求4所述的面向移动边缘计算的多实例微服务迁移方法，其特征在于，所述迁移时延是否指微服务从原节点迁移到当前节点的时延；通信时延是指当前节点与已迁移前一微服务的前一节点的通信时延；当对第一个微服务进行迁移时，通信时延设置为0。
6.根据权利要求2所述的面向移动边缘计算的多实例微服务迁移方法，其特征在于，所述步骤S3中，采用节点重排序方法对引入额外时延的节点进行调整，包括以下步骤：
步骤S311：输入迁移后的微服务ms 及其所对应的迁移节点map (ms)；
步骤S312：所述微服务的迁移节点与其上一微服务的迁移节点之间物理链路表示为：map_link ( map(ms),map(pre(ms)) )，同理，上一微服务节点与其父节点之间物理链路表示为：map_link ( map(pre(ms)),map(pre(pre(ms))) )；
步骤S313：判断map_link ( map(ms),map(pre(ms)) )与map_link ( map(pre(ms)), map(pre(pre(ms))) )之间是否有交集，有则交换两个节点的位置，直至各链路之间无交集；否则调整完毕；
步骤S314：对其他节点，重复步骤S311-S313，直至所有节点之间均无额外的通信时延存在。
CN202110161467.4A 2021-05-11 2021-05-11 面向移动边缘计算的多实例微服务迁移方法 Active CN113037805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110161467.4A CN113037805B (zh) 2021-05-11 2021-05-11 面向移动边缘计算的多实例微服务迁移方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110161467.4A CN113037805B (zh) 2021-05-11 2021-05-11 面向移动边缘计算的多实例微服务迁移方法

Publications (2)

Publication Number Publication Date
CN113037805A true CN113037805A (zh) 2021-06-25
CN113037805B CN113037805B (zh) 2022-07-08

Family

ID=76460142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110161467.4A Active CN113037805B (zh) 2021-05-11 2021-05-11 面向移动边缘计算的多实例微服务迁移方法

Country Status (1)

Country Link
CN (1) CN113037805B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115119273A (zh) * 2022-07-19 2022-09-27 中国联合网络通信集团有限公司 服务与通信协同切换方法、装置及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494612A (zh) * 2018-01-19 2018-09-04 西安电子科技大学 一种提供移动边缘计算服务的网络系统及其服务方法
CN109286664A (zh) * 2018-09-14 2019-01-29 嘉兴学院 一种基于拉格朗日的计算迁移终端能耗优化方法
CN109600419A (zh) * 2018-11-12 2019-04-09 南京信息工程大学 一种移动边缘计算环境下支持车联网应用的计算迁移方法
WO2019200716A1 (zh) * 2018-04-20 2019-10-24 上海无线通信研究中心 面向雾计算的节点计算任务调度方法及其设备
CN110545302A (zh) * 2018-05-29 2019-12-06 中兴通讯股份有限公司 一种计算迁移方法、设备及存储介质
CN111132235A (zh) * 2019-12-27 2020-05-08 东北大学秦皇岛分校 基于改进hrrn算法和多属性决策的移动卸载迁移算法
US20200320397A1 (en) * 2019-04-04 2020-10-08 Cisco Technology, Inc. Learning-based service migration in mobile edge computing
CN111953759A (zh) * 2020-08-04 2020-11-17 国网河南省电力公司信息通信公司 基于强化学习的协同计算任务卸载和迁移的方法及装置
CN111984419A (zh) * 2020-08-28 2020-11-24 华侨大学 一种边缘环境可靠性约束的复杂任务计算迁移方法
CN112087509A (zh) * 2020-09-03 2020-12-15 哈尔滨工业大学 一种边缘计算平台中任务迁移方法
CN112162863A (zh) * 2020-10-20 2021-01-01 哈尔滨工业大学 一种边缘卸载决策方法、终端及可读存储介质
CN112214301A (zh) * 2020-10-29 2021-01-12 华侨大学 面向智慧城市基于用户偏好的动态计算迁移方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494612A (zh) * 2018-01-19 2018-09-04 西安电子科技大学 一种提供移动边缘计算服务的网络系统及其服务方法
WO2019200716A1 (zh) * 2018-04-20 2019-10-24 上海无线通信研究中心 面向雾计算的节点计算任务调度方法及其设备
CN110545302A (zh) * 2018-05-29 2019-12-06 中兴通讯股份有限公司 一种计算迁移方法、设备及存储介质
CN109286664A (zh) * 2018-09-14 2019-01-29 嘉兴学院 一种基于拉格朗日的计算迁移终端能耗优化方法
CN109600419A (zh) * 2018-11-12 2019-04-09 南京信息工程大学 一种移动边缘计算环境下支持车联网应用的计算迁移方法
US20200320397A1 (en) * 2019-04-04 2020-10-08 Cisco Technology, Inc. Learning-based service migration in mobile edge computing
CN111132235A (zh) * 2019-12-27 2020-05-08 东北大学秦皇岛分校 基于改进hrrn算法和多属性决策的移动卸载迁移算法
CN111953759A (zh) * 2020-08-04 2020-11-17 国网河南省电力公司信息通信公司 基于强化学习的协同计算任务卸载和迁移的方法及装置
CN111984419A (zh) * 2020-08-28 2020-11-24 华侨大学 一种边缘环境可靠性约束的复杂任务计算迁移方法
CN112087509A (zh) * 2020-09-03 2020-12-15 哈尔滨工业大学 一种边缘计算平台中任务迁移方法
CN112162863A (zh) * 2020-10-20 2021-01-01 哈尔滨工业大学 一种边缘卸载决策方法、终端及可读存储介质
CN112214301A (zh) * 2020-10-29 2021-01-12 华侨大学 面向智慧城市基于用户偏好的动态计算迁移方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KAUSTABHA RAY等: "Proactive Microservice Placement and Migration for Mobile Edge Computing", 《IEEE》 *
QIUYAN LIU等: "Edge-Cloud Collaborative Optimization Scheduling with Micro-Service Architecture", 《JOURNAL OF COMPUTER AND COMMUNICATIONS》 *
WENTAI WU等: "Accelerating Federated Learning Over Reliability-Agnostic Clients in Mobile Edge Computing Systems", 《IEEE》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115119273A (zh) * 2022-07-19 2022-09-27 中国联合网络通信集团有限公司 服务与通信协同切换方法、装置及系统
CN115119273B (zh) * 2022-07-19 2023-12-19 中国联合网络通信集团有限公司 服务与通信协同切换方法、装置及系统

Also Published As

Publication number Publication date
CN113037805B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
WO2022021176A1 (zh) 云边协同网络资源平滑迁移与重构方法及系统
CN110247793B (zh) 一种移动边缘云中的应用程序部署方法
US8982709B2 (en) Selecting service nodes for an end-to-end service path from a reduced search space
CN108416465B (zh) 一种移动云环境下的工作流优化方法
CN113364850B (zh) 软件定义云边协同网络能耗优化方法和系统
WO2023024219A1 (zh) 云边协同网络中时延和频谱占用联合优化方法及系统
CN110087250B (zh) 一种基于多目标联合优化模型的网络切片编排方案及其方法
CN114116198A (zh) 一种移动车辆的异步联邦学习方法、系统、设备及终端
CN112395090B (zh) 一种移动边缘计算中服务放置的智能混合优化方法
CN111538570A (zh) 一种面向节能和QoS保障的VNF部署方法及装置
CN113076177B (zh) 一种边缘计算环境下的虚拟机动态迁移方法
CN111988787B (zh) 一种任务的网络接入和服务放置位置选择方法及系统
Li et al. Distributed task offloading strategy to low load base stations in mobile edge computing environment
Wang et al. An energy saving based on task migration for mobile edge computing
CN113037805B (zh) 面向移动边缘计算的多实例微服务迁移方法
Jin et al. Computation offloading optimization based on probabilistic SFC for mobile online gaming in heterogeneous network
Li et al. Dynamic computation offloading based on graph partitioning in mobile edge computing
CN111935205A (zh) 雾计算网络中基于交替方向乘子法的分布式资源分配方法
Hu et al. A mobility-aware service function chain migration strategy based on deep reinforcement learning
CN113032149A (zh) 基于演化博弈的边缘计算服务放置和请求分配方法及系统
CN112527450A (zh) 基于不同资源的超融合自适应方法、终端及系统
Wu et al. How to Allocate Resources in Cloud Native Networks Towards 6G
CN115134410A (zh) 边缘协作服务领域划分方法、装置、电子设备及存储介质
Krishna Priya et al. Crossover-based improved sine cosine algorithm for multimedia content distribution in cloud environment
Lei et al. A heuristic services binding algorithm to improve fault-tolerance in microservice based edge computing architecture

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