CN114465945B - 一种基于sdn的标识解析网络构建方法 - Google Patents
一种基于sdn的标识解析网络构建方法 Download PDFInfo
- Publication number
- CN114465945B CN114465945B CN202210307128.7A CN202210307128A CN114465945B CN 114465945 B CN114465945 B CN 114465945B CN 202210307128 A CN202210307128 A CN 202210307128A CN 114465945 B CN114465945 B CN 114465945B
- Authority
- CN
- China
- Prior art keywords
- node
- sdn
- network
- identification analysis
- calculation
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 238000010276 construction Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 230000001360 synchronised effect Effects 0.000 claims abstract description 5
- 230000007547 defect Effects 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 12
- 230000009286 beneficial effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/124—Shortest path evaluation using a combination of metrics
-
- 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
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/38—Flow based routing
-
- 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
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了基于SDN的标识解析网络构建方法,其特征在于,全局调整工业互联网标识解析体系的网络构建,改造为基于SDN的网络架构;调整二级节点和顶级节点的对接方式,同行业的二级节点间同步企业节点信息,克服平台信息孤岛弊端,增加标识解析网络的可控可管能力;基于此构建方式,引入一种标识解析流量调度算法,为顶级节点在查询行业代码时,根据设定的权重算法计算得到最优目标二级节点,提高标识解析的效率。
Description
技术领域
本发明涉及工业互联网标识解析请求服务领域,具体涉及一种基于SDN的标识解析网络构建方法。
背景技术
工业互联网标识解析体系是我国工业互联网建设的重要任务,工业互联网的核心是基于全面互联而形成数据驱动的智能,标识解析体系作为工业互联网的关键神经系统,是实现工业系统互联和工业数据传输交换的支撑基础。通过工业互联网标识解析系统,构建人、机、物全面互联的基础设施,对促进工业数据的开放流动与聚合、推动工业资源的优化集成与自由调度、支撑工业集成创新应用具有重要意义。
当前,我国的标识解析网络体系建设已初具规模,标识解析二级节点和企业节点建设技术要求已经有一定的标准,但基本上还是根据传统网络设定的网络模型构建。随着工业互联网中的主体对象来源越来越复杂多样,原有的标识解析网络将面临巨大的挑战,一边是标识解析数据量呈爆炸性的增长,另一边是对标识解析的时延提出了更高的要求。工业互联网标识解析体系建设任重道远,在网络构建,节点建设方面都需要加强创新。
发明内容
本发明提出了一种基于SDN的标识解析网络构建方法,利用SDN技术,重构了标识解析全局网络,调整顶级节点、二级节点和企业节点的单向数据上报对接方式,增加同行业节点的数据同步功能,为标识解析打破信息孤岛,提高路径可选度。然后利用SDN的集中管控特性,监控网络中关键的链路信息,同时监控服务器性能信息,在标识解析顶级节点查询行业代码时,计算最优目标节点提供数据依据,并提供了一种标识解析流量调度的计算方法;最后根据计算结果,利用SDN控制器制定下发相关流表,使得流量按选择路径进行传输。
为实现上述目的,本发明采用了如下技术方案:
一种基于SDN的标识解析网络构建方法,其特征在于,将工业互联网标识解析的网络架构从传统网络架构改为基于SDN的网络架构,使用SDN交换机连接各物理设备,包括根节点、顶级节点、二级节点和企业节点,还包括递归节点和接入的终端设备;并将SDN交换机连接到SDN控制器或控制器集群,由控制器集中管控;
同行业的多个二级节点分配得到相同的标识前缀行业代码,同一个企业节点在二级节点注册后,可以同步信息到同行业的其他二级节点,该企业能够在同行业的任意二级节点查到,这样可以克服标识解析平台信息孤岛的弊端,增加了标识解析的可控可管能力;
结合SDN网络特性,提出了一个标识解析流量调度的算法,在没有缓存数据的情况下,标识解析客户端向公共递归节点发送请求,公共递归节点向顶级节点发送标识前缀解析请求,顶级节点在本地查询行业代码所在的二级节点,并过滤出可用的节点后,计算出最优目标和路径,具体包括:
S1:标识解析请求得到响应的速度与网络流量传输和服务器性能相关,在计算时,需要综合考虑相关因子,影响网络流量传输速度的包括:跳数、可用带宽、时延、丢包率,影响服务器性能的有CPU、内存、磁盘IO、带宽利用率;
S2:由于影响网络传输速度的因子不在同一个数量级,需要做归一化处理,影响服务器性能的因子都是以百分比利用率呈现,所以不作归一化处理;对于跳数、时延、丢包率,是变量越小越有益,分别以P、T、L代表跳数、时延、丢包率,具体计算如下:
其中,带i下缀的为当前采样值,max和min取一段采样周期内的最大和最小值,进行计算,带x下缀的为计算结果;
可用带宽是变量越大越有益,B代表可选路径上可用带宽之和,采用计算公式:
其中,带i下缀的为当前采样值,max和min取一段采样周期内的最大和最小值,进行计算,带x下缀的为计算结果;
S3:设x、y、z、o分别为CPU、内存、磁盘IO和带宽利用率,则服务器性能计算公式为:
其中,a、b、c、d为计算权值,a+b+c+d<=1,a和b的权值大于c和d的权值,设定参考值:a=0.4,b=0.3,c=0.1,d=0.2;
S4:得到路径计算归一化计算结果和服务器性能计算结果后,代入路径权值计算公式:
W=αBx-βPx-γTx-δLx-F
其中α+β+γ+δ=1,β和γ权值大于α和δ的权值,根据对网络传输产生的影响大小设定参考值:α=0.2,β=0.3,γ=0.3,δ=0.2,最终选择W最大的目标节点。
计算得到的目标节点和路径选择结果,通过SDN控制器下发流表到顶级节点和目标二级节点间的SDN交换机,使上行和下行流量按选择的路径传输。
与现有技术相比,本发明的有益效果:
本发明利用SDN技术,重构了标识解析全局网络,调整顶级节点、二级节点和企业节点的单向数据上报对接方式,增加同行业节点的数据同步功能,为标识解析打破信息孤岛,提高路径可选度。然后利用SDN的集中管控特性,监控网络中关键的链路信息,同时监控服务器性能信息,在标识解析顶级节点查询行业代码时,计算最优目标节点提供数据依据,并提供了一种标识解析流量调度的计算方法;最后根据计算结果,利用SDN控制器制定下发相关流表,使得流量按选择路径进行传输。
附图说明
图1为网络拓扑图
图2为节点对接图
具体实施方式
下面将结合本发明的附图,对本发明的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
一种基于SDN的标识解析网络构建方法,其特征在于,将工业互联网标识解析的网络架构从传统网络架构改为基于SDN的网络架构,使用SDN交换机连接各物理设备,包括根节点、顶级节点、二级节点和企业节点,还包括递归节点和接入的终端设备;并将SDN交换机连接到SDN控制器或控制器集群,由控制器集中管控;
同行业的多个二级节点分配得到相同的标识前缀行业代码,同一个企业节点在二级节点注册后,可以同步信息到同行业的其他二级节点,该企业能够在同行业的任意二级节点查到,这样可以克服标识解析平台信息孤岛的弊端,增加了标识解析的可控可管能力;
结合SDN网络特性,提出了一个标识解析流量调度的算法,在没有缓存数据的情况下,标识解析客户端向公共递归节点发送请求,公共递归节点向顶级节点发送标识前缀解析请求,顶级节点在本地查询行业代码所在的二级节点,并过滤出可用的节点后,计算出最优目标和路径,具体包括:
S1:标识解析请求得到响应的速度与网络流量传输和服务器性能相关,在计算时,需要综合考虑相关因子,影响网络流量传输速度的包括:跳数、可用带宽、时延、丢包率,影响服务器性能的有CPU、内存、磁盘IO、带宽利用率;
S2:由于影响网络传输速度的因子不在同一个数量级,需要做归一化处理,影响服务器性能的因子都是以百分比利用率呈现,所以不作归一化处理;对于跳数、时延、丢包率,是变量越小越有益,分别以P、T、L代表跳数、时延、丢包率,具体计算如下:
其中,带i下缀的为当前采样值,max和min取一段采样周期内的最大和最小值,进行计算,带x下缀的为计算结果;
可用带宽是变量越大越有益,B代表可选路径上可用带宽之和,采用计算公式:
其中,带i下缀的为当前采样值,max和min取一段采样周期内的最大和最小值,进行计算,带x下缀的为计算结果;
S3:设x、y、z、o分别为CPU、内存、磁盘IO和带宽利用率,则服务器性能计算公式为:
其中,a、b、c、d为计算权值,a+b+c+d<=1,a和b的权值大于c和d的权值,设定参考值:a=0.4,b=0.3,c=0.1,d=0.2;
S4:得到路径计算归一化计算结果和服务器性能计算结果后,代入路径权值计算公式:
W=αBx-βPx-γTx-δLx-F
其中α+β+γ+δ=1,β和γ权值大于α和δ的权值,根据对网络传输产生的影响大小设定参考值:α=0.2,β=0.3,γ=0.3,δ=0.2,最终选择W最大的目标节点。
计算得到的目标节点和路径选择结果,通过SDN控制器下发流表到顶级节点和目标二级节点间的SDN交换机,使上行和下行流量按选择的路径传输。
基于SDN的标识解析网络构建方法,整体网络拓扑如附图1,所有相关节点设备都连接在SDN交换机上,SDN交换机由SDN控制器或SDN控制器集群集中控制。完成网络拓扑调整后,需要对拓扑链路(包括带宽、时延、丢包率)和服务器性能状态进行监控,制定采集策略,存储采集数据。
标识解析节点对接关系如附图二,在原有的对接流程基础上,增加同一行业代码分配到多个同行业二级节点,企业节点对接二级节点后,同行业二级节点间同步该企业节点的信息,这样公共递归节点查询行业代码的时候,会有多个目标二级节点可选,避免单个二级节点产生信息孤岛。
在有多个可选目标节点的情况下,根据监控所得数据和上述流量调度的算法,计算得到最优目标节点,最后调用SDN控制器下发策略,保障流量的走向遵循计算的结果。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为发明的优选例,并不用来限制本发明,在不脱离本发明新型精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种基于SDN的标识解析网络构建方法,其特征在于,将工业互联网标识解析的网络架构从传统网络架构改为基于SDN的网络架构,使用SDN交换机连接各物理设备,包括根节点、顶级节点、二级节点和企业节点,还包括递归节点和接入的终端设备;并将SDN交换机连接到SDN控制器或控制器集群,由控制器集中管控;
同行业的多个二级节点分配得到相同的标识前缀行业代码,同一个企业节点在二级节点注册后,可以同步信息到同行业的其他二级节点,该企业能够在同行业的任意二级节点查到,这样可以克服标识解析平台信息孤岛的弊端,增加了标识解析的可控可管能力;
结合SDN网络特性,提出了一个标识解析流量调度的算法,在没有缓存数据的情况下,标识解析客户端向公共递归节点发送请求,公共递归节点向顶级节点发送标识前缀解析请求,顶级节点在本地查询行业代码所在的二级节点,并过滤出可用的节点后,计算出最优目标和路径,具体包括:
S1:标识解析请求得到响应的速度与网络流量传输和服务器性能相关,在计算时,需要综合考虑相关因子,影响网络流量传输速度的包括:跳数、可用带宽、时延、丢包率,影响服务器性能的有CPU、内存、磁盘IO、带宽利用率;
S2:由于影响网络传输速度的因子不在同一个数量级,需要做归一化处理,影响服务器性能的因子都是以百分比利用率呈现,所以不作归一化处理;对于跳数、时延、丢包率,是变量越小越有益,分别以P、T、L代表跳数、时延、丢包率,具体计算如下:
其中,带i下缀的为当前采样值,max和min取一段采样周期内的最大和最小值,进行计算,带x下缀的为计算结果;
可用带宽是变量越大越有益,B代表可选路径上可用带宽之和,采用计算公式:
其中,带i下缀的为当前采样值,max和min取一段采样周期内的最大和最小值,进行计算,带x下缀的为计算结果;
S3:设x、y、z、o分别为CPU、内存、磁盘IO和带宽利用率,则服务器性能计算公式为:
F=ax+by+cz+do
其中,a、b、c、d为计算权值,a+b+c+d<=1,a和b的权值大于c和d的权值,设定参考值:a=0.4,b=0.3,c=0.1,d=0.2;
S4:得到路径计算归一化计算结果和服务器性能计算结果后,代入路径权值计算公式:
W=αBx-βPx-γTx-δLx-F
其中a、β、γ、δ是对网络传输产生的影响大小设定权重值,α+β+γ+δ=1,β和γ权值大于α和δ的权值,根据对网络传输产生的影响大小设定参考值:α=0.2,β=0.3,γ=0.3,δ=0.2,最终选择W最大的目标节点。
2.根据权利要求1所述的一种基于SDN的标识解析网络构建方法,其特征在于,根据计算得到的目标节点和路径选择结果,通过SDN控制器下发流表到顶级节点和目标二级节点间的SDN交换机,使上行和下行流量按选择的路径传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210307128.7A CN114465945B (zh) | 2022-03-25 | 2022-03-25 | 一种基于sdn的标识解析网络构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210307128.7A CN114465945B (zh) | 2022-03-25 | 2022-03-25 | 一种基于sdn的标识解析网络构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114465945A CN114465945A (zh) | 2022-05-10 |
CN114465945B true CN114465945B (zh) | 2023-12-08 |
Family
ID=81417222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210307128.7A Active CN114465945B (zh) | 2022-03-25 | 2022-03-25 | 一种基于sdn的标识解析网络构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114465945B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115499306B (zh) * | 2022-07-29 | 2024-03-12 | 天翼云科技有限公司 | 流量调度模型的构建方法、装置、电子设备及存储介质 |
CN115987794B (zh) * | 2023-03-17 | 2023-05-12 | 深圳互联先锋科技有限公司 | 一种基于sd-wan的智能分流方法 |
CN116743764B (zh) * | 2023-08-11 | 2023-10-24 | 智联信通科技股份有限公司 | 工业互联网标识解析管理系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105704064A (zh) * | 2014-11-24 | 2016-06-22 | 华为技术有限公司 | 一种用于选取服务节点的方法及装置、应用引擎 |
CN110493131A (zh) * | 2019-09-24 | 2019-11-22 | 大连大学 | 一种sdn架构下的空间信息网络路由策略的设计方法 |
WO2020181761A1 (zh) * | 2019-03-11 | 2020-09-17 | 江苏君英天达人工智能研究院有限公司 | 一种sdn增强路径装箱装置及方法 |
CN112016015A (zh) * | 2020-08-31 | 2020-12-01 | 中国信息通信研究院 | 基于分布式标识解析的数据处理方法及装置 |
CN112653774A (zh) * | 2020-12-16 | 2021-04-13 | 北京航天智造科技发展有限公司 | 工业互联网标识编码方法及装置 |
CN113259355A (zh) * | 2021-05-20 | 2021-08-13 | 江苏省未来网络创新研究院 | 一种基于sdn的工业互联网标识切片管理系统 |
CN113486051A (zh) * | 2021-06-16 | 2021-10-08 | 中国联合网络通信集团有限公司 | 工业互联网标识解析方法、系统、节点及存储介质 |
CN113972986A (zh) * | 2021-09-22 | 2022-01-25 | 北京邮电大学 | 基于区块链的工业互联网标识信息解析方法以及相关装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120962B (zh) * | 2018-02-06 | 2020-09-04 | 北京龙腾佳讯科技股份公司 | 用于sdn网络的可视化实时交互方法和系统 |
CN110765595B (zh) * | 2019-10-10 | 2022-12-09 | 内蒙古农业大学 | 基于多层虚拟拓扑节能的sdn数据中心网络流量调度方法 |
CN112217916B (zh) * | 2020-09-29 | 2024-02-27 | 南京优速网络科技有限公司 | 一种新型的工业互联网标识解析递归服务器的缓存方法和系统 |
CN112445828A (zh) * | 2020-11-30 | 2021-03-05 | 网络通信与安全紫金山实验室 | 工业互联网标识解析递归查询路由方法、装置及计算机可读存储介质 |
CN113645118B (zh) * | 2021-07-09 | 2023-01-24 | 江苏省未来网络创新研究院 | 一种基于sdn的工业互联网标识流量缓存处理方法 |
CN113905015B (zh) * | 2021-10-09 | 2023-06-09 | 中国联合网络通信集团有限公司 | 标识解析方法及标识解析体系 |
-
2022
- 2022-03-25 CN CN202210307128.7A patent/CN114465945B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105704064A (zh) * | 2014-11-24 | 2016-06-22 | 华为技术有限公司 | 一种用于选取服务节点的方法及装置、应用引擎 |
WO2020181761A1 (zh) * | 2019-03-11 | 2020-09-17 | 江苏君英天达人工智能研究院有限公司 | 一种sdn增强路径装箱装置及方法 |
CN110493131A (zh) * | 2019-09-24 | 2019-11-22 | 大连大学 | 一种sdn架构下的空间信息网络路由策略的设计方法 |
CN112016015A (zh) * | 2020-08-31 | 2020-12-01 | 中国信息通信研究院 | 基于分布式标识解析的数据处理方法及装置 |
CN112653774A (zh) * | 2020-12-16 | 2021-04-13 | 北京航天智造科技发展有限公司 | 工业互联网标识编码方法及装置 |
CN113259355A (zh) * | 2021-05-20 | 2021-08-13 | 江苏省未来网络创新研究院 | 一种基于sdn的工业互联网标识切片管理系统 |
CN113486051A (zh) * | 2021-06-16 | 2021-10-08 | 中国联合网络通信集团有限公司 | 工业互联网标识解析方法、系统、节点及存储介质 |
CN113972986A (zh) * | 2021-09-22 | 2022-01-25 | 北京邮电大学 | 基于区块链的工业互联网标识信息解析方法以及相关装置 |
Non-Patent Citations (1)
Title |
---|
SDN网络中基于业务划分的路由选择机制;李兵奎;庄雷;马丁;胡颖;王国卿;景晨凯;;计算机科学(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114465945A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114465945B (zh) | 一种基于sdn的标识解析网络构建方法 | |
Liu et al. | Deep reinforcement learning for communication flow control in wireless mesh networks | |
CN110191148B (zh) | 一种面向边缘计算的统计函数分布式执行方法及系统 | |
CN109308221B (zh) | 一种基于WebSocket长连接的Nginx动态负载均衡方法 | |
US11888744B2 (en) | Spin-leaf network congestion control method, node, system, and storage medium | |
CN114884895B (zh) | 一种基于深度强化学习的智能流量调度方法 | |
Fan et al. | Dynamic virtual network embedding of mobile cloud system based on global resources in internet of vehicles | |
CN115174404B (zh) | 一种基于sdn组网的多设备联邦学习系统 | |
Mota et al. | Adjusting group communication in dense internet of things networks with heterogeneous energy sources | |
CN112929452B (zh) | 一种基于物联网边缘网关的消息协同推送方法 | |
CN113676357A (zh) | 面向电力物联网中边缘数据处理的决策方法及其应用 | |
CN109348486A (zh) | 一种异构无线网络资源分配方法 | |
CN113472843A (zh) | 一种基于贪婪算法的MQTT协议QoS机制选择方法 | |
CN112867092A (zh) | 一种面向移动边缘计算网络的数据智能路由方法 | |
CN115914112A (zh) | 基于pdaa3c的多路径调度算法及系统 | |
Pu et al. | Practical implementation of an OPC UA multi-server aggregation and management architecture for IIoT | |
CN111447658A (zh) | 一种基于sdwsn的分簇路由方法 | |
Rui et al. | Content collaborative caching strategy in the edge maintenance of communication network: A joint download delay and energy consumption method | |
Gao et al. | An end-to-end flow control method based on dqn | |
CN112637804A (zh) | 避障无线传感器网络动态分层组网协议 | |
Chai et al. | Dynamic Control Model Based on State Perception | |
Zhang et al. | A lifetime optimization mobile data gathering strategy with adaptive compressive sensing in WSN | |
Shao et al. | Delay and energy consumption optimization oriented multi-service cloud edge collaborative computing mechanism in IoT | |
Kobari et al. | A reinforcement learning based edge cloud collaboration | |
CN105516013B (zh) | 一种软件定义光网络中时间相关的业务调度策略 |
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 |