CN114791847A - 用于部署视觉资源的方法、设备和程序产品 - Google Patents
用于部署视觉资源的方法、设备和程序产品 Download PDFInfo
- Publication number
- CN114791847A CN114791847A CN202110095513.5A CN202110095513A CN114791847A CN 114791847 A CN114791847 A CN 114791847A CN 202110095513 A CN202110095513 A CN 202110095513A CN 114791847 A CN114791847 A CN 114791847A
- Authority
- CN
- China
- Prior art keywords
- resource
- visual
- application
- resources
- network system
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
-
- 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
- G06F9/505—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 considering the load
-
- 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
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/48—Indexing scheme relating to G06F9/48
- G06F2209/482—Application
-
- 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
- G06F2209/5021—Priority
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开涉及用于部署视觉资源的方法、设备和程序产品。在一种方法中,获取视觉应用对于网络系统中的所述视觉资源的资源需求。基于所述资源需求,预测将要被所述视觉应用调用的所述视觉资源。基于所述网络系统中的各个边缘设备的处理能力和所述视觉资源,标识所述网络系统中的位于终端设备附近的边缘设备,所述终端设备用于运行所述视觉应用。基于所述资源需求中的时间需求,向所述边缘设备部署所述视觉资源。进一步,提供了相应的设备和程序产品。利用本公开的示例性实现方式,可以预测视觉应用将要使用的视觉资源,并且预先向终端设备附近的边缘设备部署该视觉资源。以此方式,可以降低终端设备的等待时间进而提高用户体验。
Description
技术领域
本公开的各实现方式涉及资源管理,更具体地,涉及用于在网络系统中的设备中部署视觉资源的方法、设备和计算机程序产品。
背景技术
随着计算机技术和网络技术的发展,已经可以向诸如便携式计算设备等终端设备提供多种类型的视觉服务。例如,目前已经开发了大量虚拟现实(VR)应用、增强现实(AR)应用、以及混合现实应用,等等。用户可以在终端设备上安装这些视觉应用,并且访问网络系统所提供的多种应用服务。VR/AR等应用通常涉及较大的数据量,这导致视觉内容的创建、绘制以及传输都需要大量时间,尤其是对于涉及较大三维模型的应用而言更是如此。这对于网络系统的计算能力、存储能力和数据传输能力都提出了更高要求。
发明内容
因而,期望能够开发并实现一种以更为有效的方式来在网络系统中部署视觉资源的技术方案。期望该技术方案能够以更为方便和有效的方式来部署视觉资源,提高视觉应用访问视觉资源的速度进而降低用户的等待延迟。
根据本公开的第一方面,提供了一种用于部署视觉资源的方法。在该方法中,获取视觉应用对于网络系统中的所述视觉资源的资源需求。基于所述资源需求,预测将要被所述视觉应用调用的所述视觉资源。基于所述网络系统中的各个边缘设备的处理能力和所述视觉资源,标识所述网络系统中的位于终端设备附近的边缘设备,所述终端设备用于运行所述视觉应用。基于所述资源需求中的时间需求,向所述边缘设备部署所述视觉资源。
根据本公开的第二方面,提供了一种电子设备,包括:至少一个处理器;易失性存储器;以及与至少一个处理器耦合的存储器,存储器具有存储于其中的指令,指令在被至少一个处理器执行时使得设备执行根据本公开的第一方面的方法。
根据本公开的第三方面,提供了一种计算机程序产品,计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令,机器可执行指令用于执行根据本公开的第一方面的方法。
附图说明
结合附图并参考以下详细说明,本公开各实现方式的特征、优点及其他方面将变得更加明显,在此以示例性而非限制性的方式示出了本公开的若干实现方式。在附图中:
图1示意性示出了其中可以实现本公开的示例性实现方式的应用环境的框图;
图2示意性示出了根据本公开的示例性实现方式的用于部署视觉资源的过程的框图;
图3示意性示出了根据本公开的示例性实现方式的用于部署视觉资源的方法的流程图;
图4示意性示出了根据本公开的示例性实现方式的视觉资源的不同类型部署的框图;
图5示意性示出了根据本公开的示例性实现方式的用于向网络系统中的各个设备部署视觉资源的过程的框图;
图6示意性示出了根据本公开的示例性实现方式的用于在网络系统中的各个设备之间迁移视觉资源的过程的框图;以及
图7示意性示出了根据本公开的示例性实现的用于部署视觉资源的设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实现。虽然附图中显示了本公开的优选实现,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实现所限制。相反,提供这些实现是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实现”和“一个实现”表示“至少一个示例实现”。术语“另一实现”表示“至少一个另外的实现”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
为了便于描述起见,首先参见图1描述根据本公开的一个示例性实现方式的应用环境。图1示意性示出了其中可以实现本公开的示例性实现方式的应用环境100的框图。如图1所示,网络系统110可以包括核心网络130和边缘网络120。在此,核心网络130可以包括具有较高硬件配置的计算设备132、…、存储设备134,并且边缘网络120可以包括具有较低硬件配置的边缘设备122、…、124。终端设备140可以运行多种类型的应用,并且边缘设备可以处理来自各种应用的部分或者全部请求。如果边缘设备的性能不满足应用的要求,则可以由核心网络130中的设备来处理该请求。
终端设备140可以运行视觉应用150(例如,VR应用、AR应用以及混合现实应用等)。相对于普通应用而言,视觉应用150将会涉及较大的数据传输量,并且对于传输的实时性也具有较高要求。此时,如何在网络系统110中部署视觉应用150所涉及的各种视觉资源,成为一个研究热点。
目前已经提出了基于边缘计算的技术方案。例如,可以按照终端设备的当前调用,来预先将所需视觉资源加载至一个或多个边缘设备,以便向终端设备提供所需的视觉资源。然而,由于视觉应用涉及较大的数据量并且需要较长时间来传输数据。已有技术方案并不能保证视觉应用及时接收到视觉资源,进而导致视觉应用的延迟。
将会理解,早期预测对于要求低延迟的视觉应用而言至关重要。为了解决上述缺陷,本公开的一个示例性实现方式提出了一种用于部署视觉资源的方法。具体地,提出了预测引擎的概念,该引擎可以预测将在未来发生的、需要部署、更新和/或重新部署视觉资源的事件。利用本公开的示例性实现方式,可以预先预测所需的视觉资源,及时准确地传输视觉资源,进而提供流畅的用户体验。在此,预测引擎可以持续工作,监视视觉资源需求和网络状态的变化,从而进一步优化网络系统的整体效率。
首先参见图2描述根据本公开的一个示例性实现方式。图2示意性示出了根据本公开的示例性实现方式的用于部署视觉资源的过程200的框图。如图2所示,可以获取视觉应用150对于网络系统110中的视觉资源的资源需求210(例如,可以基于视觉应用150的预约状态212和历史状态214来获取)。进一步,可以利用预测引擎220来预测将要被视觉应用150调用的视觉资源230。在此,视觉资源230可以包括应用程序232和场景数据234两方面的资源。
进一步,可以基于网络系统110中的各个边缘设备的处理能力和所需的视觉资源230,寻找位于终端设备140附近的适合的边缘设备,以便基于资源需求210中的时间需求来向该边缘设备部署视觉资源230。如图2中的箭头240所示,可以向边缘设备122部署应用程序232;并且如箭头242所示,可以向边缘设备124部署场景数据234。
利用本公开的示例性实现方式,边缘设备可以具有足够的时间来处理视觉资源230的传输以及视觉资源230的后续处理(例如,解压、解码、实例化,等等)。以此方式,可以避免视觉应用150的停顿和中断。
此外,预测引擎220可以为边缘设备的能力评估和选择提供足够的时间。可以综合考虑网络系统110中的各种设备的能力(例如,带宽能力、计算能力和存储能力,等等),并且可以将网络系统110的所有资源聚合并共享。以此方式,可以在不增加网络系统的硬件设施的情况下,通过视觉资源230的预先部署来降低视觉应用150的延迟。在下文中,将参见图3描述根据本公开的一个示例性实现方式的更多细节。
图3示意性示出了根据本公开的示例性实现方式的用于部署视觉资源的方法300的流程图。在框310处,获取视觉应用150对于网络系统110中的视觉资源的资源需求210。将会理解,视觉应用150的运行可能会存在两种情况:视觉应用150已经在终端设备140处运行、以及视觉应用150尚未在终端设备140处运行。在下文中,将分别描述上述两种情况。
根据本公开的一个示例性实现方式,视觉应用150尚未被启动,此时可以确定视觉应用150尚未被终端设备140运行。可以从网络系统110的网络事件日历中,获取对于网络系统110中的视觉资源的预约。将会理解,网络事件日历可以描述将要在网络系统110中发生的各种事件。个人用户和/或团体用户都可以向网络事件日历中添加预约请求,以便请求在指定的时间运行某个视觉应用。假设某个社区在周六上午10点将要举行VR游戏大赛,则组织者可以向网络事件日历中添加预约。利用本公开的示例性实现方式,可以在10点之前(例如,提前一天或数个小时)将游戏相关的各种视觉资源加载至该社区的接入点附近的边缘设备。
根据本公开的一个示例性实现方式,可以基于预约的时间(例如,周六上午10点)确定时间需求,并且可以基于预约确定视觉资源的资源需求210。可以基于预约来进一步确定事件的更多细节,例如时间、季节、地点、场地大小,等等。可以使用线性回归等来预测事件的规模,或者使用距离函数度量算法等来找到最近的历史记录。以此方式,可以获得事件的基本信息从而确定视觉应用的名称、将要运行视觉应用的大量终端设备的接入点位置、数量、所需的上下行带宽,等等。
根据本公开的一个示例性实现方式,如果视觉应用150已经被启动,此时可以确定视觉应用150已经在终端设备140上运行。可以基于当前时间确定相关的时间需求。进一步,可以获取视觉应用150在历史时间段期间所占用资源的历史状态,并且基于历史状态确定与本次调用相关的资源需求210。将会理解,资源可以包括计算资源、存储资源和带宽资源中的任一项。例如,可以确定本次调用对于应用程序和场景数据方面的需求。
在框320处,基于资源需求210,预测将要被视觉应用150调用的视觉资源230。根据本公开的一个示例性实现方式,可以基于统计分析/机器学习方法来进行预测。可以基于预测模型和历史状态,确定将要被终端设备140调用的视觉资源230。可以使用过去已经开发和/或将在未来开发的多种技术来训练预测模型,以便使得该预测模型可以包括终端设备占用的资源的状态和将要由终端设备调用的视觉资源之间的关联关系。继而,预测引擎220可以基于当前的资源需求210和预测模型,来确定在未来所需的视觉资源230
在上文VR游戏大赛的示例中,可以获取与VR游戏相关的历史数据,以便确定相关的位置和用户的行为偏好,等等。进一步,可以预测下一个高峰数据时段,可以使用ARIMA或长短期记忆网络等,来预测特定边缘设备的即将到来的视觉资源调用。例如,可以使用过去10天中每天的与VR游戏相关的数据流量作为输入,可以预测在VR游戏大赛期间的数据流量。根据本公开的一个示例性实现方式,甚至可以精确预测特定时间段(例如10:30AM-11:00AM)的峰值数据流量。在VR游戏已经启动的示例中,可以实时监视资源占用的变化,进而预测终端设备140在当前以及未来所需要调用的视觉资源230。可以通过预测引擎并基于感知模块所采集的资源需求,确定网络系统110将要提供哪些视觉资源。
根据本公开的一个示例性实现方式,可以将预约和实时监视两方面进行结合。例如,可以监视即将被启动的视觉应用的日历事件、已经被启动的视觉应用的状态统计以及可以检测到的其他数据输入,以便进行预测。可以将检测到的上述数据进行融合,以便形成用于表示资源需求210的特征向量。继而,可以将该特征向量输入至预先获取的预测模型,以便确定即将调用的视觉资源230。
利用本公开的示例性实现方式,可以基于视觉应用150的需求(例如,长期、短期和当前需求),来不断地预测视觉应用150所需的视觉资源230。继而,可以在网络系统110中的各个设备处部署、更新或者重新部署在未来将要被调用的视觉资源230。以此方式,可以使得终端设备140可以更加智能并且有效地与网络系统110中的各个设备协作,充分利用各个设备的计算能力、存储能力和带宽能力,进而提供主动式的优化服务并且降低用户的等待时间。
在下文中,将参见图4描述有关视觉资源230的分布的更多细节。图4示意性示出了根据本公开的示例性实现方式的视觉资源的不同类型部署400的框图。根据本公开的一个示例性实现方式,可以预先建立视觉资源库。如图4所示,视觉资源库可以包括将要各种视觉应用调用的应用程序232和场景数据234。例如,VR游戏的视觉资源可以包括VR游戏所调用的计算和呈现等相关的应用程序,还可以包括VR游戏所加载的各种游戏场景相关的三维模型以及相关的纹理、材质和光照相关的数据,等等。
根据本公开的一个示例性实现方式,可以由部署引擎410来在网络系统110中部署各种视觉资源。例如,部署的类型可以包括:新建内容412、更新内容414和负载调整416等。部署引擎410可以首先确定需要将视觉资源230部署至哪个目的地,继而向该目的地部署视觉资源230。在下文中,将返回图3并参见框330和340描述有关部署引擎410的更多细节。
在图3的框330处,基于网络系统110中的各个边缘设备的处理能力和视觉资源230,标识网络系统110中的位于终端设备140附近的边缘设备。在此的终端设备140可以运行视觉应用150,此时视觉应用150可能已经被运行,或者也可能尚未被运行。视觉应用150将要调用的视觉资源230可以具有多种虚拟网络功能。例如,视觉应用150可以包括用于执行如下功能的应用程序:感知、绘制以及编码/解码。同时,网络系统110中的各个设备可以具有不同的处理能力,此时可以基于视觉资源230的功能和设备的处理能力两者,选择适合的设备作为部署目的地。
以历史遗迹AR导览应用为示例,该应用可以感知终端设备140所在的地理位置,并且可以基于地理位置的变化来实时地呈现历史遗迹的三维原貌。又例如,视觉应用150可以包括人工智能(AI)和机器学习(ML)库,以便基于边缘计算技术来响应于用户输入和/或位置变化,在虚拟世界中提供相关服务。又例如,对于AR应用而言,可以基于AI/ML库来确定真实世界与虚拟世界之间的映射关系,等等。
图5示意性示出了根据本公开的示例性实现方式的用于向网络系统110中的各个设备部署视觉资源230的过程500的框图。如图5所示,终端设备140可以连接(例如,经由接入点)至边缘网络120,进而连接至核心网络130。各个边缘设备122、…、124可以具有不同的处理能力。此时,可以将基于视觉资源的类型和各个设备的处理能力,从网络系统110中选择适合的部署目的地。
根据本公开的一个示例性实现方式,不同类型的视觉应用对于功能和性能方面的要求是不同的。例如,强交互VR应用要求低延迟的语音和视频编码服务;尽管弱交互VR应用并不要求极低的延迟,但是仍然对于传输速率和丢包率等有特殊要求。此时,可以将资源需求映射至与所述视觉应用相对应的资源模板,以便基于所述各个边缘设备的处理能力与所述资源模板的比较,标识所述边缘设备。例如,可以为每个视觉应用定义模板,并且将实际的需求分解为有关计算资源、存储资源、带宽资源等方面。例如,一个模板可以按照下文表1的方式来定义。
表1视觉应用的模板示例
将会理解,上文表1仅仅示意性示出了用于基础三维服务的需求模板。根据本公开的一个示例性实现方式,还可以为具有其他需求的视觉应用提供中级需求模板、高级需求模板,等等。根据本公开的一个示例性实现方式,可以将网络系统中的各个设备所提供的功能与需求模板进行匹配,以便确定最为适合的视觉资源部署的目的地。根据本公开的一个示例性实现方式,可以基于各个边缘设备的处理能力与资源模板的比较,标识边缘设备。利用本公开的示例性实现方式,可以按照不同类型的视觉应用的要求,来确定视觉资源部署的策略。
根据本公开的一个示例性实现方式,可以进一步获取与资源需求相关联的优先级和变化频率中的至少任一项。继而,可以基于优先级和变化频率中的至少任一项、以及终端设备接入网络系统的接入点位置,标识边缘设备。例如,可以为实时性要求较高的资源需求设置较高优先级,以便优先地为这些资源需求提供服务。根据本公开的一个示例性实现方式,VR/AR资源可以具有不同的访问频率,某些内容相对固定,而某些内容则随着地理位置和时间的变化而不断更新。对于经常访问的VR/AR资源,可以将它们放置在终端设备附近(例如,边缘网络中的靠近终端设备的边缘设备),以确保终端设备可以快速获取这些资源。由于这些资源的内容较为固定,终端设备并不需要频繁地访问这些资源,因而可以降低资源传输所占用的带宽。
根据本公开的一个示例性实现方式,可以将视觉资源230封装至不同的数据包。可以确定每个数据包有关计算资源、存储资源、带宽资源方面的要求。进一步,可以确定此类数据包中的内容相关的优先级、更新频率、或者与用户之间交互的频率,进而为各个数据包选择合适的目的地。通常而言,视觉资源230与终端设备140的网络距离越近,则终端设备140访问该视觉资源230的时间越小,因而优先地将视觉资源230发送至距离终端设备140最近的边缘设备。可以分别为每个数据包设置优先级,以便充分利用网络系统110中的各个存储设备来尽量减少延迟、降低成本并提高最终用户对虚拟体验的满意度。
根据本公开的一个示例性实现方式,可以实时地获取视觉应用150的带宽需求。如果确定将会发生大规模事件,则可以查看当前的边缘设备是否可以满足带宽要求。视觉应用150可以通过带宽管理(BWM)API来向当前边缘设备请求带宽分配。具体地,视觉应用150可以使用BWM API来以静态和/或动态方式,注册所需的带宽分配。如果边缘设备没有足够的可用带宽资源,则带宽管理服务可以告知视觉应用150:该边缘设备无法支持所需的带宽请求。继而,视觉应用150可以从周边的其他边缘设备请求带宽资源。
视觉应用150可以通过边缘网络信息服务(ENIS)来选择由哪个边缘设备来执行移动边缘计算。ENIS服务可以提供各个边缘设备的计算能力的列表,使得视觉应用150可以获取各个边缘设备的配置和状态。具体地,可以基于以下条件的组合来选择适合的边缘设备:边缘设备和相邻边缘设备之间的距离、可用的带宽资源、硬件配置(包括CPU、内存资源、等)、是否具有特殊的基础计算加速器(例如GPU、TPU或编解码器加速器、等)。
在图3的框340处,基于资源需求中的时间需求,向在框330处所标识的边缘设备部署视觉资源230。一般而言,放置在距离最近的边缘设备的视觉资源要求低延迟,并且不同视觉应用可以具有不同的优先级。对于对延迟要求相对较低的视觉应用,可以将所涉及的视觉资源移动或复制到距离终端设备140稍远的终端设备(例如,图5所示的边缘设备124)。此时,可以将距离终端设备140最近的边缘设备(例如,边缘设备122)分配给要求极低延迟的视觉应用,从而确保整个网络系统的低延迟和高吞吐量特性。例如,可以将AI/ML类的应用程序部署在具有更高计算能力的设备。又例如,可以在靠近终端设备140的边缘设备122上部署视觉应用和具有非常严格的时间要求的高性能绘制应用程序,从而降低网络延迟。
如图5所示,可以在边缘网络120中的边缘设备以及核心网络130中的各个设备处部署视觉资源230。如图5所示,边缘设备122是距离终端设备140最近的设备,边缘设备122可以包括VR应用510、AR应用512、AI/ML应用514、频繁变化的数据516以及绘制应用518等。边缘设备124是边缘设备122的相邻设备,可以包括对于延迟不太敏感的AI/ML应用520、编解码522相关应用等。进一步,核心网络130中的计算设备132可以包括对于计算性能要求较高的AI/ML引擎530,并且存储设备134可以包括较少变化的数据540,等等。
根据本公开的一个示例性实现方式,可以建立视觉资源的列表,以便管理与视觉应用150相关联的全部视觉资源。此时,当视觉应用150需要调用某个视觉资源时,可以在该列表中进行检索,以便从相应的设备处找到所需的视觉资源。将会理解,列表的内容将会随着时间变化。因而,当视觉资源的部署发生变化后,可以更新该列表。
上文仅以新建内容412类型为示例描述了部署视觉资源230的过程。根据本公开的一个示例性实现方式,部署还可以涉及更新内容414。在此,更新内容414是指在视觉应用150运行过程中,为了向用户呈现已经改变的内容而需要重新部署视觉资源。例如,当VR游戏用户在虚拟世界中移动至新的地理位置,则周围的场景数据需要被补充或更新。可以按照上文描述的方式来确定将要被更新的视觉资源相关联的边缘设备,进而向确定的边缘设备部署更新的视觉资源。又例如,AR导览应用的用户可以在真实世界中向前移动,这将会导致用户在虚拟世界中的位置的变化。因而,需要基于变化后的位置来向视觉应用提供新的视觉资源。例如,用户前方是某个建筑的遗迹,当用户朝向该遗迹移动时,可以在虚拟世界中的与遗迹相对应的位置处显示该建筑的三维复原模型。
根据本公开的一个示例性实现方式,视觉应用150的开发者可能会不断更新视觉应用150所涉及的视觉资源。例如,随着VR游戏版本的更新,该游戏可能会涉及新的游戏场景。可以向选择的边缘设备重新部署更新的视觉资源。备选地和/或附加地,可以为新的游戏场景选择适合的边缘设备。
将会理解,边缘设备可能会存在计算资源、存储资源和带宽方面的限制,因而可以基于边缘设备的能力检测,来确定向边缘设备部署那些视觉资源。可以基于各个边缘设备的能力来确定最为适合于部署视觉资源的目的地。具体地,在视觉应用150的运行过程中,网络系统110中的各个设备的工作负载可能会不断变化,进而导致负载调整416类型的部署。负载调整416是指在某个设备的工作负载(例如,包括计算资源、存储资源、带宽资源中的任一项)即将超出安全阈值时,需要视觉资源的重新部署。例如,当游戏玩家数量不断增加并且导致某个设备的工作负载超出安全阈值时,则可以将向一部分玩家提供的服务“卸载”至网络系统中的另一设备。利用本公开的示例性实现方式,可以通过实时监视和预测,来不断地调整视觉资源的部署。
图6示意性示出了根据本公开的示例性实现方式的用于在网络系统中的各个设备之间迁移视觉资源的过程600的框图。如图6所示,当发现边缘设备122的工作负载过高并且不能适合于绘制518应用时,如箭头630所示,可以将绘制应用516从边缘设备122迁移至工作负载较低的边缘设备124。以此方式,边缘设备124可以提供更加丰富的计算资源,以便支持绘制应用518的实时绘制。
根据本公开的一个示例性实现方式,可以根据预定义的规则来保留或终止视觉资源的部署。例如,在预约的视觉应用150启动之前,可以将即将调用的视觉资源部署230至相应的设备。当视觉应用150已经被启动之后,可以继续监视视觉应用150的状态,以便不断地根据已经发生的历史状态来预测视觉应用即将调用的视觉资源230,并且相应地执行加载过程。根据本公开的一个示例性实现方式,可以停止监视视觉应用的状态。
上文已经参见图2至图6描述在网络系统110中部署视觉资源230的过程。在下文中,将分别以VR游戏大赛和AR导览应用为示例从整体上描述部署视觉资源230的过程。在一个示例中,期望在周六上午10点举办VR游戏大赛,组织者可以首先在日历中预约。例如,可以指定游戏大赛的涉及的具体VR游戏的名称、举办地点、预定参与人数、带宽,等等。预测引擎220可以接收订阅日历并且基于日历中的预约事件来为周六的游戏大赛准备。例如,预测引擎220可以基于该VR游戏相关的历史数据来统计每个用户可能占用的带宽、计算资源和存储资源,进而为游戏大赛预先部署相应的视觉资源。进一步,可以根据各种资源需求来预先(例如,提前1天)确定举办地点附近的一个或多个边缘设备,并且向这些边缘设备部署相应的视觉资源。
根据本公开的一个示例性实现方式,可以按照各个边缘设备所能提供的资源数量来将各个边缘设备排序。可以按照各个边缘设备与举办区域的接入点之间的距离和资源数量两者,来选择合适的边缘设备。此时,这些边缘设备中将会预先存储游戏大赛需要的视觉资源,并且满足相应的带宽、计算资源和存储资源的要求。进一步,由于游戏大赛期间可能会存在大量并发数据访问,可以在边缘网络中的多个边缘设备处缓存视觉资源。可以根据视觉资源的访问频率来划分和部署视觉资源的数据包,可以将访问频繁的数据包部署在距离接入点最近的边缘设备。
可以尽量将绘制应用程序部署在靠近接入点的边缘设备,以便最大程度地发挥低延迟和高吞吐量优势。可以尽量将涉及高计算能力要求的视觉资源部署在具有较好硬件配置的设备(例如,边缘网络中的配置较高的边缘设备或者核心网络中的计算设备)处。可以将涉及数据上传和共享的视觉资源部署在靠近接入点的位置,以避免出现网络拥塞和带宽瓶颈。
在另一示例中,用户可以使用AR导览应用来游览历史古迹。用户可以使用终端设备140来实时地拍摄前方景物(例如,历史遗迹),此时AR应用将会在终端设备的显示器中叠加与当前位置相对应的历史遗迹的三维复原模型。可以预先从AR应用中设置导览线路,并且在用户实际进入各个区域之前预先部署视觉资源。
利用本公开的示例性实现方式,可以持续地检测视觉应用150的长期、短期和当前需求,以便不断地预测视觉应用150所需的视觉资源230。以此方式,可以将所需的资源预先加载至便于终端设备140访问的存储位置,进而降低数据传输造成的延迟。
在上文中已经参见图2至图6详细描述了根据本公开的方法的示例,在下文中将描述相应的装置的实现。根据本公开的示例性实现,提供了一种用于部署视觉资源的装置。该装置包括:获取视觉应用对于网络系统中的所述视觉资源的资源需求;基于所述资源需求,预测将要被所述视觉应用调用的所述视觉资源;基于所述网络系统中的各个边缘设备的处理能力和所述视觉资源,标识所述网络系统中的位于终端设备附近的边缘设备,所述终端设备用于运行所述视觉应用;以及基于所述资源需求中的时间需求,向所述边缘设备部署所述视觉资源。根据本公开的示例性实现方式,该装置进一步包括用于执行上文描述的方法300中的其他步骤的模块。
图7示意性示出了根据本公开的示例性实现的用于管理数据模式的设备700的框图。如图所示,设备700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的计算机程序指令或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序指令,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如方法300,可由处理单元701执行。例如,在一些实现中,方法300可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实现中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序被加载到RAM 703并由CPU 701执行时,可以执行上文描述的方法300的一个或多个步骤。备选地,在其他实现中,CPU 701也可以以其他任何适当的方式被配置以实现上述过程/方法。
根据本公开的示例性实现,提供了一种电子设备,包括:至少一个处理器;易失性存储器;以及与至少一个处理器耦合的存储器,存储器具有存储于其中的指令,指令在被至少一个处理器执行时使得设备执行一种用于部署视觉资源的方法。该方法包括:获取视觉应用对于网络系统中的视觉资源的资源需求;基于资源需求,预测将要被视觉应用调用的视觉资源;基于网络系统中的各个边缘设备的处理能力和视觉资源,标识网络系统中的位于终端设备附近的边缘设备,终端设备用于运行视觉应用;以及基于资源需求中的时间需求,向边缘设备部署视觉资源。
根据本公开的一个示例性实现方式,获取资源需求包括:响应于确定视觉应用尚未被终端设备运行,从网络系统的网络事件日历中,获取对于网络系统中的视觉资源的预约;基于预约的时间确定资源需求的时间需求;以及基于预约确定视觉资源的资源需求。
根据本公开的一个示例性实现方式,获取资源需求包括:响应于确定视觉应用已经被终端设备运行,基于当前时间确定资源需求的时间需求;获取视觉应用在历史时间段期间所占用资源的历史状态,资源包括计算资源、存储资源和带宽资源中的任一项;以及基于历史状态确定资源需求。
根据本公开的一个示例性实现方式,预测将要被视觉应用调用的视觉资源包括:基于预测模型和历史状态,确定将要被终端设备调用的视觉资源,预测模型包括终端设备占用的资源的状态和将要由终端设备调用的视觉资源之间的关联关系。
根据本公开的一个示例性实现方式,标识边缘设备进一步包括:获取与资源需求相关联的优先级和变化频率中的至少任一项;以及基于优先级和变化频率中的至少任一项、以及终端设备接入网络系统的接入点位置,标识边缘设备。
根据本公开的一个示例性实现方式,该方法进一步包括:基于接入点位置的变化,更新边缘设备。
根据本公开的一个示例性实现方式,标识边缘设备包括:将资源需求映射至与视觉应用相对应的资源模板;以及基于各个边缘设备的处理能力与资源模板的比较,标识边缘设备。
根据本公开的一个示例性实现方式,该方法进一步包括:响应于确定视觉资源被更新,向边缘设备重新部署更新的视觉资源。
根据本公开的一个示例性实现方式,视觉资源包括以下至少任一项:将要被视觉应用调用的应用程序以及将要被视觉应用加载的场景数据。
根据本公开的一个示例性实现方式,视觉应用包括以下至少任一项:虚拟现实应用、增强现实应用以及混合现实应用。
根据本公开的示例性实现,提供了一种计算机程序产品,计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令,机器可执行指令用于执行根据本公开的方法。
根据本公开的示例性实现,提供了一种计算机可读介质。计算机可读介质上存储有机器可执行指令,当机器可执行指令在被至少一个处理器执行时,使得至少一个处理器实现根据本公开方法。
本公开可以是方法、设备、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实现中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实现的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实现的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实现,上述说明是示例性的,并非穷尽性的,并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文公开的各实现。
Claims (20)
1.一种用于部署视觉资源的方法,包括:
获取视觉应用对于网络系统中的所述视觉资源的资源需求;
基于所述资源需求,预测将要被所述视觉应用调用的所述视觉资源;
基于所述网络系统中的各个边缘设备的处理能力和所述视觉资源,标识所述网络系统中的位于终端设备附近的边缘设备,所述终端设备用于运行所述视觉应用;以及
基于所述资源需求中的时间需求,向所述边缘设备部署所述视觉资源。
2.根据权利要求1所述的方法,其中获取所述资源需求包括:响应于确定所述视觉应用尚未被所述终端设备运行,
从所述网络系统的网络事件日历中,获取对于所述网络系统中的所述视觉资源的预约;
基于预约的时间确定所述资源需求的所述时间需求;以及
基于所述预约确定所述视觉资源的所述资源需求。
3.根据权利要求1所述的方法,其中获取所述资源需求包括:响应于确定所述视觉应用已经被所述终端设备运行,
基于当前时间确定所述资源需求的所述时间需求;
获取所述视觉应用在历史时间段期间所占用资源的历史状态,所述资源包括计算资源、存储资源和带宽资源中的任一项;以及
基于所述历史状态确定所述资源需求。
4.根据权利要求3所述的方法,其中预测将要被所述视觉应用调用的所述视觉资源包括:
基于预测模型和所述历史状态,确定将要被所述终端设备调用的所述视觉资源,所述预测模型包括终端设备占用的资源的状态和将要由所述终端设备调用的视觉资源之间的关联关系。
5.根据权利要求1所述的方法,其中标识所述边缘设备进一步包括:
获取与所述资源需求相关联的优先级和变化频率中的至少任一项;以及
基于所述优先级和变化频率中的至少任一项、以及所述终端设备接入所述网络系统的接入点位置,标识所述边缘设备。
6.根据权利要求5所述的方法,进一步包括:基于所述接入点位置的变化,更新所述边缘设备。
7.根据权利要求1所述的方法,其中标识所述边缘设备包括:
将所述资源需求映射至与所述视觉应用相对应的资源模板;以及
基于所述各个边缘设备的处理能力与所述资源模板的比较,标识所述边缘设备。
8.根据权利要求1所述的方法,进一步包括:响应于确定所述视觉资源被更新,向所述边缘设备重新部署更新的所述视觉资源。
9.根据权利要求1所述的方法,其中所述视觉资源包括以下至少任一项:将要被所述视觉应用调用的应用程序以及将要被所述视觉应用加载的场景数据。
10.根据权利要求9所述的方法,其中所述视觉应用包括以下至少任一项:虚拟现实应用、增强现实应用以及混合现实应用。
11.一种电子设备,包括:
至少一个处理器;
易失性存储器;以及
与所述至少一个处理器耦合的存储器,所述存储器具有存储于其中的指令,所述指令在被所述至少一个处理器执行时使得所述设备执行一种用于部署视觉资源的方法,所述方法包括:
获取视觉应用对于网络系统中的所述视觉资源的资源需求;
基于所述资源需求,预测将要被所述视觉应用调用的所述视觉资源;
基于所述网络系统中的各个边缘设备的处理能力和所述视觉资源,标识所述网络系统中的位于终端设备附近的边缘设备,所述终端设备用于运行所述视觉应用;以及
基于所述资源需求中的时间需求,向所述边缘设备部署所述视觉资源。
12.根据权利要求11所述的设备,其中获取所述资源需求包括:响应于确定所述视觉应用尚未被所述终端设备运行,
从所述网络系统的网络事件日历中,获取对于所述网络系统中的所述视觉资源的预约;
基于预约的时间确定所述资源需求的所述时间需求;以及
基于所述预约确定所述视觉资源的所述资源需求。
13.根据权利要求11所述的设备,其中获取所述资源需求包括:响应于确定所述视觉应用已经被所述终端设备运行,
基于当前时间确定所述资源需求的所述时间需求;
获取所述视觉应用在历史时间段期间所占用资源的历史状态,所述资源包括计算资源、存储资源和带宽资源中的任一项;以及
基于所述历史状态确定所述资源需求。
14.根据权利要求13所述的设备,其中预测将要被所述视觉应用调用的所述视觉资源包括:
基于预测模型和所述历史状态,确定将要被所述终端设备调用的所述视觉资源,所述预测模型包括终端设备占用的资源的状态和将要由所述终端设备调用的视觉资源之间的关联关系。
15.根据权利要求11所述的设备,其中标识所述边缘设备进一步包括:
获取与所述资源需求相关联的优先级和变化频率中的至少任一项;以及
基于所述优先级和变化频率中的至少任一项、以及所述终端设备接入所述网络系统的接入点位置,标识所述边缘设备。
16.根据权利要求15所述的设备,其中所述方法进一步包括:基于所述接入点位置的变化,更新所述边缘设备。
17.根据权利要求11所述的设备,其中标识所述边缘设备包括:
将所述资源需求映射至与所述视觉应用相对应的资源模板;以及
基于所述各个边缘设备的处理能力与所述资源模板的比较,标识所述边缘设备。
18.根据权利要求11所述的设备,该方法进一步包括:响应于确定所述视觉资源被更新,向所述边缘设备重新部署更新的所述视觉资源。
19.根据权利要求11所述的设备,其中所述视觉资源包括以下至少任一项:将要被所述视觉应用调用的应用程序以及将要被所述视觉应用加载的场景数据,并且其中所述视觉应用包括以下至少任一项:虚拟现实应用、增强现实应用以及混合现实应用。
20.一种计算机程序产品,所述计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令,所述机器可执行指令用于执行根据权利要求1至10中的任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110095513.5A CN114791847A (zh) | 2021-01-25 | 2021-01-25 | 用于部署视觉资源的方法、设备和程序产品 |
US17/179,636 US11853797B2 (en) | 2021-01-25 | 2021-02-19 | Method, device, and computer program product for deploying visual resource |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110095513.5A CN114791847A (zh) | 2021-01-25 | 2021-01-25 | 用于部署视觉资源的方法、设备和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114791847A true CN114791847A (zh) | 2022-07-26 |
Family
ID=82459285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110095513.5A Pending CN114791847A (zh) | 2021-01-25 | 2021-01-25 | 用于部署视觉资源的方法、设备和程序产品 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11853797B2 (zh) |
CN (1) | CN114791847A (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9158985B2 (en) * | 2014-03-03 | 2015-10-13 | Xerox Corporation | Method and apparatus for processing image of scene of interest |
CN107959640B (zh) * | 2016-10-14 | 2020-07-07 | 腾讯科技(深圳)有限公司 | 网络业务调度方法及装置 |
US11908149B2 (en) * | 2019-10-10 | 2024-02-20 | Andrew Thomas Busey | Pattern-triggered object modification in augmented reality system |
US20230016578A1 (en) * | 2021-07-19 | 2023-01-19 | Embark Trucks, Inc. | Dynamically modifiable map |
US20230102929A1 (en) * | 2021-09-24 | 2023-03-30 | Embark Trucks, Inc. | Autonomous vehicle automated scenario characterization |
US20230148351A1 (en) * | 2021-11-10 | 2023-05-11 | FLIR Systems Trading Belgium BV | Stopped vehicle detection and validation systems and methods |
-
2021
- 2021-01-25 CN CN202110095513.5A patent/CN114791847A/zh active Pending
- 2021-02-19 US US17/179,636 patent/US11853797B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20220237032A1 (en) | 2022-07-28 |
US11853797B2 (en) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Cost-efficient and robust on-demand video transcoding using heterogeneous cloud services | |
US9571347B2 (en) | Reactive auto-scaling of capacity | |
JP2021516395A (ja) | リソース構成方法、装置、端末、および記憶媒体 | |
CA2929590C (en) | Session idle optimization for streaming server | |
US20140289382A1 (en) | Utilizing version vectors across server and client changes to determine device usage by type, app, and time of day | |
CN111522661A (zh) | 一种微服务管理系统、部署方法及相关设备 | |
US11182216B2 (en) | Auto-scaling cloud-based computing clusters dynamically using multiple scaling decision makers | |
US10193973B2 (en) | Optimal allocation of dynamically instantiated services among computation resources | |
CN114020470B (zh) | 资源分配方法、装置、可读介质及电子设备 | |
CN110399213A (zh) | 确定应用程序的资源需求的方法、装置、电子设备及介质 | |
US20200412865A1 (en) | Mobile computing device notification mode determination | |
US11977929B2 (en) | Resource allocation method and apparatus based on edge computing | |
US11388106B2 (en) | Method, device, and computer program product for edge resource aggregation | |
US11564063B2 (en) | Intelligent dynamic communication handoff for mobile applications | |
CN115033340A (zh) | 一种宿主机的选择方法及相关装置 | |
US9948742B1 (en) | Predictive caching of media content | |
CN115543965A (zh) | 跨机房数据处理方法、设备、存储介质及程序产品 | |
CN110502336A (zh) | 一种服务器的启动方法、装置、设备、及可读存储介质 | |
WO2024082770A1 (zh) | 视频转码方法、装置、设备、存储介质及视频点播系统 | |
US10681398B1 (en) | Video encoding based on viewer feedback | |
US11782765B2 (en) | Method, device, and program product for managing computing system | |
CN114791847A (zh) | 用于部署视觉资源的方法、设备和程序产品 | |
CN113204425A (zh) | 供进程管理内部线程的方法、装置、电子设备及存储介质 | |
US20230359501A1 (en) | Accelerator management device, communication system, accelerator management method, and accelerator management program | |
CN116431357B (zh) | 内核分配方法、分配组件、工作节点和存储介质 |
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 |