CN113826080A - 用于在数字网络中分发应用逻辑的系统和方法 - Google Patents
用于在数字网络中分发应用逻辑的系统和方法 Download PDFInfo
- Publication number
- CN113826080A CN113826080A CN202080035717.3A CN202080035717A CN113826080A CN 113826080 A CN113826080 A CN 113826080A CN 202080035717 A CN202080035717 A CN 202080035717A CN 113826080 A CN113826080 A CN 113826080A
- Authority
- CN
- China
- Prior art keywords
- application logic
- service
- service instance
- mobile edge
- edge server
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 31
- 239000013256 coordination polymer Substances 0.000 description 28
- 238000012549 training Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 208000037550 Primary familial polycythemia Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 208000017693 primary familial polycythemia due to EPO receptor mutation Diseases 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229920003087 methylethyl cellulose Polymers 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- H04W28/0268—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]
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5019—Ensuring fulfilment of SLA
- H04L41/5025—Ensuring fulfilment of SLA by proactively reacting to service quality change, e.g. by reconfiguration after service quality degradation or upgrade
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- 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
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- 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
-
- 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
- H04L67/34—Network arrangements or protocols for supporting network services or applications involving the movement of software or configuration parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/509—Offload
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Security & Cryptography (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
公开了用于在数字网络中分发应用逻辑的技术。在一个实施例中,该技术可以被实现为方法,方法包括从第一设备接收用于发起与服务相关联的服务实例的请求。服务实例与应用逻辑相关联。方法还包括确定与请求相关联的一个或多个参数,基于一个或多个参数来标识应用逻辑的待分发给移动边缘服务器的至少一部分,以及将应用逻辑的该至少一部分分发给移动边缘服务器,从而使移动边缘服务器向第一设备提供服务实例。
Description
相关申请的交叉引用
本申请根据35U.S.C.§119(e),要求于2019年5月22日提交的申请号为62/851,356、题为“Intelligent and Optimal User and App Placement in Mobile EdgeComputing Through Machine Learning”的美国临时专利申请的优先权,该申请通过引用整体并入本文。
技术领域
本公开总体上涉及数字网络,并且更具体地涉及数字网络中的应用逻辑的分发。
背景技术
在当前迭代和下一代数字移动网络中,网络功能被分发在控制平面和用户平面分离(“CUPS”)架构之间,使得网络资源的伸缩可以在控制平面和用户平面中分别以不同的速率发生。鉴于消费者不断增长的使用需求,运营商可以在不投资改进控制平面硬件的情况下伸缩用户平面功能,从而降低运营成本。
数字网络中的移动边缘计算(“MEC”)允许网络运营商分发传统上在核心网络节点处完成的计算功能。将这些操作分发在远离核心网络的地方,允许运营商减少核心网络使用的计算资源,而是在更靠近用户设备(“UE”)的较小的分布式节点上执行处理功能。附加地,由于网络流量不会被传输到核心网络,因此MEC节点可以减少执行这些操作的延迟,从而带来更好的用户体验。
确定将哪些网络操作分发给MEC节点可能是昂贵且耗时的过程,需要运营商评估使用数据和用户配置文件的众多因素。因此,需要开发用于选择待发送到MEC节点的分布式功能的改进技术和系统。该背景是为了提供给定系统和方法的上下文,而不是旨在限定本公开的任何现有技术的范围或性质。
附图说明
图1是使用移动边缘计算在分布式位置处采用分离的控制平面和用户平面功能的现有技术网络架构的简化图。
图2是根据本公开的一个实施例的用于将应用功能智能动态地分发给边缘计算模式的系统的简化图。
图3是根据本公开的一个实施例的用于训练应用推荐模块的过程的简化流程图。
图4是根据本公开的一个实施例的将网络服务实例动态地部署到移动边缘计算服务器的过程的简化流程图。
当结合以下附图考虑时,参考所公开的主题的以下详细描述,可以更充分地理解所公开的主题的各种目的、特征和优点,其中相同的附图标记标识相同的元素。
具体实施方式
由于控制平面和用户平面分离(“CUPS”)架构的发展,数字网络运营商有能力在保持控制平面硬件和功能的同时,通过投资增加的能力来改进用户平面功能。如3GPP标准TS23.214中所述,CUPS架构允许分离关键网络节点,以实现灵活的网络部署和操作。CUPS架构因此有助于用户平面元素和控制平面元素的独立伸缩,以应对增加的用户活动,无论是数据流量增加还是用户设备(“UE”)数量增加。CUPS架构的附加益处是,运营商可以将用户平面功能“推送”到网络边缘(也被称为“卸载”(offloadIng)),并且通过本地拆分网络功能来减少网络流量的延迟。运营商通过将操作功能移近依赖于网络数据路径的UE来实现这一点,使得数据在进入互联网之前无需在集中式核心网络服务器处被聚合。
利用移动边缘计算(“MEC”)的提议最近开始在寻找有效方法来改进网络功能。MEC使得特定应用或编程逻辑能够被推送到更接近网络边缘的最终用户,以减少延迟,改进用户体验,并减少将数据流量传输到核心网络路由器所产生的成本。在用户平面内,MEC允许某些逻辑/应用在核心网络之外和更靠近客户端设备的位置执行,从而改进关键性能指标(“KPI”),诸如延迟和网络拥塞。附加地,MEC支持网络边缘处的本地拆分,允许漫游移动用户连接到备选服务提供商,而不需要将用户的数据流量拖回其归属核心网络。
通过在策略物理位置处提供单独的分布式服务器(例如,MEC服务器)来有效地为用户服务并降低运营商的成本,使得MEC成为可能。这可以得到改进的应用性能和更快的数据速度,以及有效部署现有网络基础设施,而无需代表运营商为全面的端到端网络改进进行昂贵的投资。通常,因为本地交换局的空间和电力非常宝贵,所以MEC服务器的计算能力比核心网络路由器和服务器低得多。因此,只有有限数量的用户或应用功能可以被移动到MEC服务器的网络边缘。网络运营商目前使用迭代方法来确定对网络边缘节点的这种分发,诸如缓存应用内容或需要手动重新配置的操作,这是耗时、昂贵和数据密集型的,同时也容易出现人为错误。
因此,本公开描述了系统和方法,通过该系统和方法,自动化智能计算可以将整个用户或特定应用动态地卸载到诸如MEC服务器的网络边缘节点来用于优化的网络资源指派。本公开的实施例允许运营商将所采用的MEC服务器的益处最大化并且将运营成本同时最小化。目前还没有智能系统专注于以用户为中心的需求,并同步这些需求来改进用户平面和控制平面之间的功能(functionality/function)分发。在没有该智能系统的情况下,很难保证成本、资源指派和用户体验是经过优化的。
图1是使用移动边缘计算,在分布式位置处采用分离的控制平面和用户平面功能的现有技术网络架构的简化图。图1示出了互联网100、核心网络102、用户平面站点104、106和多个UE 108-114。使用传统的CUPS架构,核心网络102包括能够执行控制平面功能的控制平面设备116。用户平面站点104包括用户平面设备118和移动边缘计算(“MEC”)服务器120。类似地,用户平面站点106包括用户平面设备122和MEC服务器124。用户平面设备118、122能够执行用户平面功能。MEC服务器120、124执行原本在互联网100处完成的某些计算或数据处理。因为计算在更靠近用户处完成,MEC服务器120、124允许更快的数据处理。
例如,如图1所示,UE 108和110在用户平面站点104处被服务,使得与UE 108、110相关联的所有用户平面功能由用户平面设备118完成。如由运营商在核心网络102处设置的规则所定义的,MEC服务器120可以完成对从UE 108、110接收的分组的数据处理。由用户平面站点104接收的、未由用户平面设备118定向到MEC服务器120的数据分组将穿过核心网络102,以用于在互联网100处处理。类似地,UE 112、114如图1所示,由用户平面站点106服务。
控制平面设备116可以将UE 108-114指派给用户平面站点104、106,并且指派特定功能或应用逻辑是否在MEC服务器120、124处执行。然而,MEC服务器120、124可能具有有限的计算能力。MEC服务器120、124的限制可以包括由于设备数据流量容量导致的最小计算能力、运营商决定仅通过特定MEC服务器来服务特定类型的UE、对RAN或回程网络设备的物理接近度限制。
MEC服务器104-106可以包括若干种服务器设计,包括小型蜂窝云(“SCC”)、移动微云(“MCC”)、快速移动的个人云(“MobiScud”)、Follow me云(“FMC”)以及融合云和蜂窝系统的概念(“CONCERT”)。UE 108-114可以包括移动电话、膝上型计算机、台式计算机、平板电脑、个人数据助理、智能手表、电子设备或其他网络操作设备。
图2是根据本公开的一些实施例的用于将应用功能智能且动态地分发给边缘计算模式的系统的简化图。图2示出了包括互联网100、核心网络202和用户平面站点204的网络系统200。为了说明的目的,仅示出了单个用户平面站点204,然而,在使用本系统的端到端网络的实施例中可以采用多个用户平面站点。用户平面站点204被配置为服务多个UE(未示出)。核心网络202包含控制平面设备216,控制平面设备216包括数据存储装置206、处理器208和控制平面管理器210。控制平面设备216可以通过利用作为分组转发控制协议(“PFCP”)的一部分描述的CUPS架构协议,经由用户平面设备218来与用户平面站点204通信。
用户平面站点204包括用户平面设备218和MEC服务器220,MEC服务器220包括控制器222、处理器224和存储器226。用户平面设备218可以包括物理网络节点,诸如分组数据网络网关(“PGW”)、服务网关(“SGW”)、演进节点B(“enodeB”)或者能够执行用户平面功能的其他设备。由用户平面设备执行的服务示例可以包括服务质量(QoS)处理、计费、浅层和深层数据分组检查、流量节流、TCP优化等。在MEC服务器220的一些非限制性实施例中,控制器222能够响应在用户平面设备218处从UE接收的数据和操作请求(本文中也被称为“服务”)。控制器222能够执行用户平面功能,包括由诸如用户平面服务网关(“SGW-U”)或用户平面PDN网关(“PGW-U”)的物理节点执行的功能。在一些实施例中,控制器222和MEC服务器220中的对应控制器可以是小型小区管理器、MobiScud控制器或FMC控制器。在其他实施例中,例如,通过将MEC服务器220的设备和功能虚拟化,控制器222可以是控制平面常驻应用功能。类似地,处理器224可以包括用于执行用户平面功能的特定节点,诸如物理节点SGW、PGW和演进节点B(“enodeB”)。存储器226可以缓存在MEC服务器220处执行的特定服务功能(例如,应用逻辑),使得那些相同的操作可以针对以后的服务请求而被调用。在一些实施例中,MEC服务器220可以是基于用户设备的位置,托管可互操作虚拟机(“VM”)的多个物理分布式数据中心或服务器中的一个。在一些实施例中,在用户平面站点204中分发网络流量可能需要智能(例如,单独的设备逻辑)来判定在用户平面站点204和互联网100之间分发哪些数据处理。在一些实施例中,MEC服务器220也可以用于企业客户设置,使得属于企业的所有流量将服从MEC服务器220上指派给该企业的应用逻辑,诸如安全功能、数据备份或其他企业特定操作。
在一些实施例中,用户平面设备218可以与互联网100直接通信。当UE(未示出)在核心网络202的外部寻求与该特定UE相关联的服务时,用户平面设备218可以将从该UE接收的网络流量引导至互联网100,作为本地拆分过程的一部分。在一些实施例中,目的地与始发UE相对接近的用户流量可能仅需要使用用户平面站点(诸如用户平面站点204)来处理,使得数据流量不必在互联网100处处理。在这样的情况下,用户流量可以被分发用于仅在本地用户平面站点或本地路由器处处理,而不将数据流量拖到互联网100。本地拆分可以允许运营商限制带宽要求、数据处理要求和网络处理中的延迟等。
在控制平面设备216内,除了PFCP标识的设备之外,数据存储装置206、处理器208和控制平面管理器(“CP管理器”)210还为端到端网络执行控制平面操作。在一些实施例中,数据存储装置206是包含与计算和应用操作有关的信息(在本文中也被称为“使用参数”)的存储器,包括针对特定用户执行的应用功能、按量划分的使用数据、应用使用频率、所使用的应用功能频率、服务质量(QoS)项、与应用相关联的历史网络延迟、用户成员资格配置文件、用户数据、应用数据、网络流量统计、KPI、或其他形式的用户特定数据。数据存储装置206还可以包含应用功能之外的用户平面设备功能的日志,诸如核心网络202和互联网100之间、用户平面站点204到核心网络202、以及用户平面设备218到MEC服务器202的总数据吞吐量等。数据存储装置206可以将相关数据存储在容器或子容器中,这些容器或子容器使得运营商更有效地使用数据存储装置206中存储的数据来用于分析。在一些实施例中,数据存储装置206可以包括神经网络来确定如何组织使用数据(例如,为所存储的使用数据分配权重或分层结构)。
处理器208包括应用推荐模块228。应用推荐模块228处理从数据存储装置206接收的数据来标识待在互联网100或MEC服务器220中的任一个处执行的最佳应用功能。应用推荐模块228可以包括仿真系统(未示出)来训练将在应用推荐模块228内部署的机器学习算法。将在下文中参考图3和图4进一步描述应用推荐模块228训练和采用机器学习算法以在互联网100和MEC服务器220之间生成经优化的应用功能分发的过程。CP管理器210确定是否将特定UE指派给用户平面站点204用于服务,或者该特定UE是否将在作为端到端网络的一部分的其他用户平面站点处得到更好的服务。在一些实施例中,CP管理器在接收到应用推荐模块228的输出之后,与用户平面站点204、并且具体地与用户平面设备218通信。在其他实施例中,CP管理器210可以响应于服务实例的变化条件,诸如网络数据流量或UE位置的变化,为特定UE动态地改变所选择的用户平面站点204。在一些实施例中,CP管理器210可以基于RAN或回程网络设备的限制来标识UE的位置,以将服务实例化在物理上靠近用户的MEC服务器220处。在其他实施例中,CP管理器210可以基于当前跨网络中的用户平面站点部署的VM来选择MEC服务器220或其他MEC服务器,VM可以与用户物理接近、也可以不接近。在确定是否经由物理上接近或计算上接近的MEC服务器220向UE提供服务时,CP管理器210可以考虑包括以下项的参数:例如用户平面站点204的数据流量吞吐量、设备类型、待执行的应用逻辑类型、一天中的时间、用户成员资格标识符(例如,高级用户等级)、服务质量(QoS)、处理器224处的计算能力或者所请求的应用的延迟要求等。
图3是根据本公开的一个实施例的在应用推荐模块228内训练算法的过程300的简化流程图。例如,应用推荐模块228可以包括诸如基于内容和协同过滤方法的算法。例如,这样的方法可以包括基于用户的K-最近邻(K-Nearest-Neighbors)、矩阵分解、深度神经网络(例如,卷积神经网络)等。在步骤302处,控制平面设备216接收从网络中的UE报告的、存储在数据存储装置206中的使用数据。在步骤304处,从UE接收的所有数据被分类/解析为使用参数。使用参数可以由运营商(例如,由主题专家(“SME”))定义,例如,应用类型;网络数据吞吐量;特定应用的数据使用;应用的使用频率;用户的成员等级(包括计费条款);QoS条款;延迟需求;与应用相关联的延迟要求;MEC功能容量;MEC功能裁剪;应用功能的计算需求;地理位置;共同执行的应用的兼容性;一天中的时间;MEC服务器的能源使用、MEC服务器处理器或存储器的容量;接入点名称(APN);应用的目的地URL;历史使用模式;历史UE行为;星期几;一年中的日期;当前系统利用率;以及附近需要相同应用的UE数目,以及可能与运营商或机器学习算法本身相关或由其标识的其他参数等。
在一些实施例中,如以下关于图4详细描述的,使用参数可以通过来自应用推荐模块228的输出来更新,使得数据存储装置206在数据内包含SME先前未识别的参数连接。在步骤306处,系统从数据存储装置206内的数据中标识并编译训练数据集和校准数据集。在一些实施例中,与校准数据集相比,训练数据集可以是数据存储装置206内在设定的时间段内的大部分数据。校准数据集和训练数据集可以取自同一数据源,但被划分为同一数据集的子集,以提供数据点之间的准确比较来用于训练目的。例如,如果数据存储装置206中的数据集表示在48小时时段内获取的数据,则训练数据集可以包括在时间段的前三十六小时内获取的所有数据,其中校准数据集可以仅包括在该时间段的最后十二小时内获取的数据。具有一致的训练和校准数据集允许运营商确保应用推荐模块228的准确性能。
在步骤308处,控制平面设备216通过使用来自数据存储装置206的训练数据来训练应用推荐模块228的算法。为此,训练数据集被系统地输入到仿真环境中,由此SME可以标识关键参数以及应用推荐模块228的算法内的相关联权重。在一些实施例中,SME可以利用训练数据集的子集来标识算法的关键参数并且在继续进行较大部分的训练数据集进行训练目的之前,比较训练数据集的每个子集的算法性能。例如,如果训练数据集表示在给定时间段的前三十六小时期间收集的数据,则SME可以开始使用每三十分钟接收到的数据子集来训练算法,以标识作为子集一部分的离散变量。一旦算法被适当地校正为考虑前三十分钟子集中的变量,则SME可以将算法应用于下一个三十分钟的数据段,并且标识需要成为算法一部分的任何先前未说明的变量。在一些实施例中,这种类型的迭代过程允许SME确保应用推荐模块228的算法准备好考虑先前未知的变量。作为该过程的一部分,SME还可以在算法中提供随机数(nonce)变量,使得应用推荐模块228可以在遇到新变量时考虑新变量,而无需来自SME或其他运营商的交互。在一些实施例中,处理器208还被配置为通过接收使用数据并且将其通过算法来标识关键参数和相关联权重。算法然后产生与应在用户平面设备和互联网之间分配的特定用户平面功能的位置有关的推荐。
在步骤310处,如上文步骤308中所述,算法被应用于仿真环境中的校准数据集来确认正确的训练。使用校准数据集,运营商有能力知道数据集内所标识的每个参数的值,但只会将这些参数的子集引入到算法中。根据算法的操作和输出,运营商可以将所计算的输出与校准数据集进行比较,以确定算法是否正确标识系统操作的参数及其预期值。在一些实施例中,如上所述,校准数据集可以在类似于可以使用训练数据集的过程的子集中使用。在步骤312处,在充分测试之后,处理器224将算法从仿真环境发送到应用推荐模块228(例如,发送到“实时系统”)。
图4是根据本公开的一个实施例的将网络服务实例动态部署到移动边缘计算服务器的过程的简化流程图。出于说明目的,参照图2中描绘的并且由所示的网络元素来执行的联网系统200的各部分来描述该过程图。在步骤402处,CP管理器210从UE接收用于将服务实例化的请求。服务请求的示例可以包括在UE等处操作特定应用,诸如Netflix、Facebook或虚拟现实应用。在接收请求之后,在步骤404处,CP管理器210结合用户平面设备218来确定与请求相关联的服务属性和参数。这可以通过将服务实例请求解析为标识用户、用户设备和应用逻辑等的参数来完成。在一些实施例中,在步骤404中标识的变量可以是与如上文在图3中所描述的,用于解析数据存储装置206中存储的数据的变量相同的变量。在其他实施例中,服务属性可以只是被标识用于数据存储装置206中的组织的变量的子集。
在步骤406处,CP管理器210确定是否将服务实例应用逻辑分发给MEC服务器。出于完成所请求的服务实例的目的,服务实例逻辑可以全部或部分地分发给MEC服务器。在服务被完全分发(例如完全卸载)到MEC服务器220的情况下,CP管理器210标识执行服务所需的用户平面功能,并且将应用逻辑引导至与指派UE的用户平面站点204相关联的MEC服务器220。在一些情况下,服务可以被部分分发(例如部分卸载),使得仅所请求的部分服务经由用户平面功能在MEC服务器220处执行。对于部分卸载的服务,不在MEC服务器220处执行的应用逻辑的各部分将从用户平面站点204通过用户平面设备218路由到核心网络202。核心网络202将所请求的服务分组路由到互联网100来处理。为了确定是否卸载以及卸载服务实例的哪些部分,CP管理器210可以采用来自应用推荐模块228的优化推荐。来自应用推荐模块228的输出可以被存储在与CP管理器210相关联的存储器中,作为控制平面设备216的一部分。在一些实施例中,CP管理器210将来自应用推荐模块228的输出应用到网络布局,使得网络资源分配的责任被分发在整个网络中。在一些实施例中,用户平面设备218还可以包括识别被路由到MEC服务器220或互联网100来进行处理的部分或完全卸载的应用逻辑的逻辑。一旦CP管理器210为服务实例分发应用逻辑,该网络根据所分发的应用逻辑来执行该服务,即,与分发给用户平面的应用逻辑相关联的服务的处理在用户平面处处理,对与控制平面或互联网处的应用逻辑相关联的服务的处理分别在这些位置处处理。
在服务实例之后或期间,在步骤408处,控制平面设备216(例如,借助CP管理器210)提取与服务实例有关的服务实例性能指标并且将其存储为使用数据。对于在控制平面设备216处提取和接收的数据,数据可以被路由到数据存储装置206以供以后处理。在一些实施例中,使用数据可以被临时存储在MEC服务器220的存储器226处。存储器226处存储的使用数据然后可以被周期性地发送到控制平面设备216(例如,数据存储库206)用于长期存储。构成在控制平面设备216或MEC服务器220处接收的使用数据的服务实例性能指标可以包括应用类型;网络数据吞吐量;特定应用的数据使用;应用使用频率;用户成员等级(包括计费条款);QoS条款;延迟需求;与应用相关联的延迟要求;MEC功能容量;MEC功能裁剪;应用功能的计算需求;地理位置;共同执行的应用的兼容性;一天中的时间;MEC服务器的能源使用;MEC服务器处理器或存储器的容量;接入点名称(APN);应用的目的地URL:历史使用模式;历史UE行为;星期几;一年中的日期;当前系统利用率;以及附近需要相同应用的UE数目;以及可能与运营商或机器学习算法本身相关或者由其标识的其他参数等。在一些实施例中,CP管理器210可以实时评估与服务实例相关联的服务实例性能指标。
在步骤410处,CP管理器210评估与由运营商设置或由应用推荐模块228定义的使用数据阈值相比较的服务实例性能指标。在一些实施例中,CP管理器210基于关于服务实例性能指标与使用数据阈值的比较,将UE服务实例重新指派给单独的MEC服务器220。在其他实施例中,CP管理器210可以将UE服务实例重新指派给网络200中包含的不同用户平面站点(未示出)。
例如,如果UE正在跨地理区域行进(例如,从郊区行进到城市上班)并且在行进时流式传输数据,则UE开始其服务实例的关联用户平面站点可能不同于需要处理在UE结束其服务实例处的该数据的用户平面站点。在该情况下,CP管理器210将在服务实例期间在周期性点处标识UE的位置,并且在服务实例期间的每个时间点处,在地理上靠近UE的用户平面站点之间传送服务实例应用逻辑。在一些实施例中,使用来自应用推荐模块228的输出,CP管理器210可以将特定UE标识为在一致时间段期间在这些地理位置之间一致地行进。这样,CP管理器210可以预判UE服务实例的转移需求并且预先确定UE服务实例将在网络中的不同用户平面站点之间被卸载的时刻。
作为另一示例,CP管理器210可以标识与各个UE相关联的针对服务质量(“QoS”)的成员资格标准(例如,定价层)。当与单个用户平面站点相关联的多个UE正在请求服务时,由于其优质QoS成员资格,一些UE可以将其特定服务实例请求路由到该用户平面站点内的MEC服务器。在该情况下,第一UE可以具有第一级优质QoS成员资格,而第二UE可以具有第二级QoS成员资格。如果第一UE和第二UE均通过相同的用户平面设备请求相同应用(例如Netflix)的服务实例,则第一UE可能由于其优质QoS成员资格而被指派到用户平面站点处的MEC服务器,同时第二UE可以被路由到互联网100进行处理。备选地,CP管理器210可以将第二UE重新指派给第二用户平面站点,以在与第二用户平面站点相关联的MEC服务器处处理。由于如上文所标识的总体数据流量、应用类型或其他服务实例性能指标,还可以执行对不同用户平面站点的重新指派。如上所述,服务实例的重新指派可以是数据存储装置206和存储器226中存储的数据的一部分。
在一些实施例中,控制平面设备(例如,CP管理器210)可以预判UE的服务实例并且将它们有效地指派给用户平面站点。该重新指派例如可能源于具有更高层级QoS成员资格的UE并且需要更大的网络容量。在其他实施例中,UE可以请求相同或相似的应用服务,使得控制平面设备通过应用推荐模块预期将应用逻辑指派给单个用户平面站点。在该示例中,运营商可能希望用户平面站点包含用于避免重复网络资源部署的应用逻辑。
在步骤412处,CP管理器210基于所完成的服务实例的性能来请求用于实时系统的更新算法。在一些实施例中,步骤412可以以由运营商确定的周期性频率发生,诸如当网络资源需求低时的已知数据流量周期(例如,半夜)。CP管理器210可以请求来自数据存储装置206和存储器226的信息被用于更新应用推荐模块228的算法。所存储的数据可以包括以上关于步骤410讨论的重新指派数据。这样,算法可以通过“学习”与可预见的网络使用情况和预测服务实例需求有关的更多内容来改进分析细节,从而在MEC服务器和用户平面站点之间有效地部署应用逻辑。
在一些实施例中,所公开的用于在用户平面位置之间指派应用逻辑的系统包括处理器和存储器,存储器与处理器耦合并且包括计算机可读指令,计算机可读指令在由处理器执行时,使得处理器从至少一个用户设备接收服务请求并确定与服务请求相关联的至少一个服务属性。在一些实施例中,处理器还可以将服务的至少一部分分发给至少一个分布式服务器节点并提取与服务请求相关联的服务实例使用数据。在一些实施例中,处理器可以将服务实例使用数据传输到数据存储库,其中数据存储库包括神经网络或机器学习算法。在一些实施例中,处理器还可以重新配置被分发给至少一个分布式服务器节点的服务的至少一部分。
在一些实施例中,系统还可以包括人工智能计算系统。在一些实施例中,处理器可以进一步基于至少一个分布式服务器节点处的性能指标来重新配置服务的至少一部分。在一些实施例中,处理器还可以从人工智能计算系统请求经更新的算法。在一些实施例中,分布式服务器节点可以是包括控制器、处理器和被配置为存储服务实例使用数据的存储器的虚拟机系统。在一些实施例中,分布式服务节点可以将服务实例使用数据传输到数据存储库。
本文描述的主题可以在数字电子电路中实现,或者在包括在本说明书中公开的结构装置及其结构等效物或者它们的组合的计算机软件、固件或硬件中实现。本文中描述的主题可以被实现为一个或多个计算机程序产品,诸如在信息载体中(例如,在机器可读存储设备中)有形体现或者在传播信号中体现、由数据处理装置(例如,可编程处理器、计算机或多个计算机)执行或者控制数据处理装置的操作的一个或多个计算机程序。计算机程序(也被称为程序、软件、软件应用程序或代码)可以以任何形式的编程语言编写,包括编译或解释语言,并且可以以任何形式部署,包括被部署为独立程序或适合在计算环境中使用的模块、组件、子程序或其他单元。计算机程序不一定对应于文件。程序可以被存储在保存其他程序或数据的文件的一部分中、在专用于相关程序的单个文件中或者在多个协调文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。计算机程序可以被部署为在一个计算机上或在一个站点处的多个计算机上执行,或者跨多个站点分布并通过通信网络互连。
本说明书中描述的过程和逻辑流程(包括本文中描述的主题的方法步骤)可以由一个或多个可编程处理器来执行,一个或多个可编程处理器执行一个或多个计算机程序,以通过操作输入数据并生成输出来执行本文中描述的主题的功能。过程和逻辑流程也可以由专用逻辑电路(例如,FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行,并且本文中描述的主题的装置可以被实现为专用逻辑电路,例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。
适合于执行计算机程序的处理器包括例如通用和专用微处理器以及任何种类的数字计算机的任一个或多个处理器。通常,处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元素是用于执行指令的处理器和用于存储指令和数据的一个或多个存储器设备。通常,计算机还将包括用于存储数据的一个或多个大容量存储设备或可操作地被耦合来从一个或多个大容量存储设备接收数据或将数据传输到一个或多个大容量存储设备,例如磁盘、磁光盘或光盘。适用于体现计算机程序指令和数据的信息载体包括所有形式的非易失性存储器,例如包括半导体存储设备(例如,EPROM、EEPROM和闪存设备);磁盘(例如,内部硬盘或可移动磁盘);磁光盘;和光盘(例如,CD和DVD盘)。处理器和存储器可以由专用逻辑电路补充或者被并入专用逻辑电路中。
为了提供与用户的交互,本文描述的主题可以在计算机上实现,计算机具有:用于向用户显示信息的显示设备,显示设备例如是CRT(阴极射线管)或LCD(液晶显示器)监视器;以及键盘和指示设备(例如,鼠标或轨迹球),用户可以通过键盘和指示设备向计算机提供输入。其他类型的设备也可以被用来提供与用户的交互。例如,提供给用户的反馈可以是任何形式的感官反馈(例如,视觉反馈、听觉反馈或触觉反馈)并且来自用户的输入可以以任何形式接收,包括声学、语音或触觉输入。
本文描述的主题可以在计算系统中实现,计算系统包括后端组件(例如,数据服务器)、中间件组件(例如,应用服务器)或前端组件(例如,具有图形用户界面或网络浏览器的客户端计算机,用户可以借助图形用户界面和网络浏览器来与本文所述的主题的实现方式交互)或此类后端、中间件和前端组件的任何组合。系统的组件可以通过任何形式或介质的数字数据通信(例如通信网络)互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”),例如互联网。
应当理解,所公开的主题在其应用方面不限于在以下描述中阐述或在附图中示出的构造细节和组件布置。所公开的主题能够有其他实施例并且能够以各种方式实践和执行。此外,应当理解,本文所采用的措辞和术语是为了描述的目的而不应被视为限制性的。
因此,本领域技术人员将理解,本公开所基于的概念可以被容易地用作设计用于执行所公开的主体的若干目的的其他结构、方法和系统的基础。尽管在前述示例性实施例中已描述和图示了所公开的主题,但是应当理解,本公开仅通过示例的方式做出,并且在不脱离所公开主题的精神和范围的情况下,可以对所公开的主题的实现细节进行许多改变。
Claims (20)
1.一种方法,包括:
由一个或多个硬件处理器从第一设备接收用于发起与服务相关联的服务实例的请求,所述服务实例与应用逻辑相关联;
由所述一个或多个硬件处理器确定与所述请求相关联的一个或多个参数;
由所述一个或多个硬件处理器基于所述一个或多个参数来标识所述应用逻辑的待分发给移动边缘服务器的至少一部分;以及
由所述一个或多个硬件处理器将所述应用逻辑的所述至少一部分分发给所述移动边缘服务器,以使所述移动边缘服务器向所述第一设备提供所述服务实例。
2.根据权利要求1所述的方法,还包括:由所述一个或多个硬件处理器将所述应用逻辑的所述至少一部分从所述移动边缘服务器重新指派给第二移动边缘服务器。
3.根据权利要求2所述的方法,其中所述移动边缘服务器位于第一用户平面站点处,并且所述第二移动边缘服务器位于第二用户平面站点处。
4.根据权利要求3所述的方法,其中所述应用逻辑的所述至少一部分基于与所述第一设备相关联的行进模式而在预定时间被重新指派。
5.根据权利要求2所述的方法,还包括:
由所述一个或多个硬件处理器提取与所述服务实例相关联的一个或多个性能指标;以及
由所述一个或多个硬件处理器将所述一个或多个性能指标与一个或多个使用数据阈值比较;
其中基于所述一个或多个性能指标与所述一个或多个使用阈值的所述比较,所述应用逻辑的所述至少一部分被重新指派。
6.根据权利要求2所述的方法,其中所述应用逻辑的所述至少一部分基于与所述第一设备相关联的成员资格标准而被重新指派。
7.根据权利要求2所述的方法,还包括:
由所述一个或多个硬件处理器从第二设备接收用于发起与所述服务相关联的第二服务实例的第二请求;
其中所述应用逻辑的所述至少一部分基于所述第二请求而被重新指派。
8.根据权利要求1所述的方法,其中所述一个或多个参数对应于以下至少一项:所述第一设备、所述第一设备的用户、所述第一设备的地理位置、所述服务实例的类型、网络数据吞吐量、所述服务实例使用的数据量、所述服务实例的使用频率、所述用户的成员等级、服务质量(QoS)、与所述服务相关联的延迟、所述移动边缘服务器的容量、所述移动边缘服务器的地理位置、所述移动边缘服务器处共同执行的服务实例的兼容性、接入点名称(APN)、所述应用的目的地URL、与所述第一设备相关联的历史使用模式、一周中的某一天、一年中的日期、当前系统利用率、或者在所述第一设备附近请求相同应用的第二设备的数目。
9.根据权利要求1所述的方法,其中将所述应用逻辑的所述至少一部分分发给所述移动边缘服务器使所述移动边缘服务器路由所述应用逻辑的至少第二部分来经由互联网处理。
10.根据权利要求1所述的方法,其中所述应用逻辑的所述至少一部分使用至少一个算法而被标识,所述至少一个算法选自由K-最近邻、矩阵分解和深度神经网络组成的组。
11.根据权利要求10所述的方法,还包括由所述一个或多个硬件处理器周期性地更新所述至少一个算法。
12.根据权利要求11所述的方法,其中所述至少一个算法在网络资源需求低时被周期性地更新。
13.一种系统,包括:
非暂时性存储器;以及
一个或多个硬件处理器,被配置为从所述非暂时性存储器读取指令,其中执行所述指令使所述一个或多个硬件处理器执行操作,所述操作包括:
从用户设备(UE)接收用于发起与服务相关联的服务实例的请求,所述服务实例与应用逻辑相关联;
解析所述请求以确定与所述请求相关联的一个或多个参数;
基于所述一个或多个参数来标识所述应用逻辑的待分发给移动边缘计算(MEC)服务器的至少一部分;以及
将所述应用逻辑的所述至少一部分分发给所述MEC服务器,以使所述MEC服务器向所述第一设备提供所述服务实例。
14.根据权利要求13所述的系统,其中所述操作还包括将所述应用逻辑的所述至少一部分从所述MEC服务器重新指派给第二MEC服务器。
15.根据权利要求14所述的系统,其中所述MEC服务器位于第一用户平面站点处,并且所述第二MEC服务器位于第二用户平面站点处。
16.根据权利要求15所述的系统,其中所述应用逻辑的所述至少一部分基于与所述UE相关联的行进模式而在预定时间被重新指派。
17.根据权利要求13所述的系统,其中将所述应用逻辑的所述至少一部分分发给所述MEC服务器使所述MEC服务器路由所述应用逻辑的至少第二部分来经由互联网处理。
18.一种存储指令的非暂时性计算机可读介质,所述指令在由一个或多个硬件处理器执行时,使所述一个或多个硬件处理器执行操作,所述操作包括:
从第一设备接收用于发起与服务相关联的服务实例的请求,所述服务实例与应用逻辑相关联;
确定与所述请求相关联的一个或多个参数;
执行机器学习算法,以基于所述一个或多个参数来标识所述应用逻辑的待分发给移动边缘服务器的至少一部分;以及
将所述应用逻辑的所述至少一部分分发给所述移动边缘服务器,以使所述移动边缘服务器向所述第一设备提供所述服务实例。
19.根据权利要求18所述的非暂时性计算机可读介质,其中所述至少一个机器学习算法选自由K-最近邻、矩阵分解和深度神经网络组成的组。
20.根据权利要求18所述的非暂时性计算机可读介质,其中所述操作还包括周期性地更新所述至少一个机器学习算法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962851356P | 2019-05-22 | 2019-05-22 | |
US62/851,356 | 2019-05-22 | ||
PCT/US2020/033685 WO2020236861A1 (en) | 2019-05-22 | 2020-05-20 | Systems and methods for distribution of application logic in digital networks |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113826080A true CN113826080A (zh) | 2021-12-21 |
Family
ID=71016690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080035717.3A Pending CN113826080A (zh) | 2019-05-22 | 2020-05-20 | 用于在数字网络中分发应用逻辑的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11184794B2 (zh) |
EP (1) | EP3973397A1 (zh) |
CN (1) | CN113826080A (zh) |
WO (1) | WO2020236861A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114844895A (zh) * | 2022-05-05 | 2022-08-02 | 中国电信股份有限公司 | 边缘应用处理方法、平台、电子设备及存储介质 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3086493B1 (fr) * | 2018-09-20 | 2020-08-28 | Renault Sas | Procede de reattribution d’un serveur peripherique de traitement de donnees |
EP4052442A1 (en) * | 2019-10-30 | 2022-09-07 | Telefonaktiebolaget LM Ericsson (publ) | In-band protocol-based in-network computation offload framework |
US11509715B2 (en) * | 2020-10-08 | 2022-11-22 | Dell Products L.P. | Proactive replication of software containers using geographic location affinity to predicted clusters in a distributed computing environment |
CN112948114B (zh) * | 2021-03-01 | 2023-11-10 | 中国联合网络通信集团有限公司 | 边缘计算方法和边缘计算平台 |
US11968566B2 (en) * | 2022-05-09 | 2024-04-23 | Verizon Patent And Licensing Inc. | Systems and methods for inter-entity system configuration management using distributed ledger system |
US20230401275A1 (en) * | 2022-06-13 | 2023-12-14 | Microsoft Technology Licensing, Llc | Tenant network for rewriting of code included in a web page |
CN117519995B (zh) * | 2024-01-05 | 2024-03-22 | 中国人民解放军陆军指挥学院 | 一种星地网络移动边缘计算资源分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105052111A (zh) * | 2013-01-09 | 2015-11-11 | 微软技术许可有限责任公司 | 跨群集边界的服务迁移 |
US20180183855A1 (en) * | 2016-12-28 | 2018-06-28 | Intel Corporation | Application computation offloading for mobile edge computing |
CN108574728A (zh) * | 2017-03-08 | 2018-09-25 | 中兴通讯股份有限公司 | 移动边缘计算的流量路径改变检测机制 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8412791B2 (en) * | 2001-09-28 | 2013-04-02 | International Business Machines Corporation | Apparatus and method for offloading application components to edge servers |
US7899763B2 (en) * | 2007-06-13 | 2011-03-01 | International Business Machines Corporation | System, method and computer program product for evaluating a storage policy based on simulation |
US8244874B1 (en) | 2011-09-26 | 2012-08-14 | Limelight Networks, Inc. | Edge-based resource spin-up for cloud computing |
EP2629247B1 (en) * | 2012-02-15 | 2014-01-08 | Alcatel Lucent | Method for mapping media components employing machine learning |
EP2919438B1 (en) * | 2014-03-10 | 2019-06-19 | Deutsche Telekom AG | Method and system to estimate user desired delay for resource allocation for mobile-cloud applications |
US10628382B2 (en) * | 2017-03-04 | 2020-04-21 | Vmware, Inc. | Teleporting content over network using hash matches |
US11170320B2 (en) * | 2018-07-19 | 2021-11-09 | Adobe Inc. | Updating machine learning models on edge servers |
-
2020
- 2020-05-20 EP EP20731333.9A patent/EP3973397A1/en active Pending
- 2020-05-20 CN CN202080035717.3A patent/CN113826080A/zh active Pending
- 2020-05-20 US US16/879,012 patent/US11184794B2/en active Active
- 2020-05-20 WO PCT/US2020/033685 patent/WO2020236861A1/en unknown
-
2021
- 2021-11-22 US US17/532,995 patent/US11689961B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105052111A (zh) * | 2013-01-09 | 2015-11-11 | 微软技术许可有限责任公司 | 跨群集边界的服务迁移 |
US20180183855A1 (en) * | 2016-12-28 | 2018-06-28 | Intel Corporation | Application computation offloading for mobile edge computing |
CN108574728A (zh) * | 2017-03-08 | 2018-09-25 | 中兴通讯股份有限公司 | 移动边缘计算的流量路径改变检测机制 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114844895A (zh) * | 2022-05-05 | 2022-08-02 | 中国电信股份有限公司 | 边缘应用处理方法、平台、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20220182874A1 (en) | 2022-06-09 |
US11689961B2 (en) | 2023-06-27 |
WO2020236861A1 (en) | 2020-11-26 |
US11184794B2 (en) | 2021-11-23 |
EP3973397A1 (en) | 2022-03-30 |
US20200374740A1 (en) | 2020-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11689961B2 (en) | Systems and methods for distribution of application logic in digital networks | |
EP3210397B1 (en) | Systems and methods for generating a virtual network topology for m2m communications | |
Gasmi et al. | A survey on computation offloading and service placement in fog computing-based IoT | |
EP3213546B1 (en) | System and method for placing virtual serving gateways for mobility management | |
Balasubramanian et al. | A mobility management architecture for seamless delivery of 5G-IoT services | |
Globa et al. | Quality control for mobile communication management services in hybrid environment | |
Chiha et al. | Network slicing cost allocation model | |
US20190045374A1 (en) | Mobile service chain placement | |
Ibrahim et al. | Heuristic resource allocation algorithm for controller placement in multi-control 5G based on SDN/NFV architecture | |
US20220104127A1 (en) | Method and apparatus for power management in a wireless communication system | |
Xu et al. | PDMA: Probabilistic service migration approach for delay‐aware and mobility‐aware mobile edge computing | |
Tam et al. | Intelligent massive traffic handling scheme in 5G bottleneck backhaul networks | |
Priscoli et al. | Capacity-constrained Wardrop equilibria and application to multi-connectivity in 5G networks | |
Math et al. | A NB-IoT data transmission scheme based on dynamic resource sharing of MEC for effective convergence computing | |
Malazi et al. | Distributed service placement and workload orchestration in a multi-access edge computing environment | |
US11943801B2 (en) | Method and apparatus for abstracting network resources to support end user mobility | |
US11622322B1 (en) | Systems and methods for providing satellite backhaul management over terrestrial fiber | |
US11683715B2 (en) | Multi-tenant wireless network management based on traffic monitoring | |
Liu et al. | Atlas: automate online service configuration in network slicing | |
Okic et al. | Resource Management for Cost-Effective Cloud Services | |
Li et al. | Quantum ant colony-based mobile-aware service deployment in SDN-based multi-access edge computing environments | |
US20240098565A1 (en) | Reconfiguring control plane in open radio access networks | |
CTTC et al. | Deliverable D4. 2 Initial report on elastic MEC platform design and data-driven orchestration and automation | |
Asakipaam et al. | Resource Provisioning and Utilization in 5G Network Slicing: A Survey of Recent Advances, Challenges, and Open Issues | |
Yang | On the design of a cost-efficient resource management framework for low latency applications |
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 |