CN115002138A - 一种基于终端无人机巡航视频数据的边缘缓存方法 - Google Patents

一种基于终端无人机巡航视频数据的边缘缓存方法 Download PDF

Info

Publication number
CN115002138A
CN115002138A CN202210209432.8A CN202210209432A CN115002138A CN 115002138 A CN115002138 A CN 115002138A CN 202210209432 A CN202210209432 A CN 202210209432A CN 115002138 A CN115002138 A CN 115002138A
Authority
CN
China
Prior art keywords
picture
edge
popularity
unmanned aerial
aerial vehicle
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
CN202210209432.8A
Other languages
English (en)
Other versions
CN115002138B (zh
Inventor
王青旺
张小青
沈韬
曾凯
宋健
王路
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.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202210209432.8A priority Critical patent/CN115002138B/zh
Publication of CN115002138A publication Critical patent/CN115002138A/zh
Application granted granted Critical
Publication of CN115002138B publication Critical patent/CN115002138B/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
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • 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
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2181—Source of audio or video content, e.g. local disk arrays comprising remotely distributed storage units, e.g. when movies are replicated over a plurality of video servers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
    • H04N21/23106—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion involving caching operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开一种基于终端无人机巡航视频数据的边缘缓存方法，属于边缘计算技术领域。本发明包括以下步骤：边缘计算架构中“云‑边‑端”相互连接；云端存储全部数据，边端存储部分数据，终端获取视频数据；提取视频数据的图片计算其信息；对提取的图片进行缓存时，需判断该边缘缓存的存储空间是否充足；若存储容量达到预设阈值，则置换掉流行度最小的图片，保留流行度值大的图片；当终端无人机请求图片时，如果‑边端存储有对应数据，则直接响应，并增加流行度；如果边端没有对应数据，则请求云端响应，同时将数据同步到边端存储。本发明与现有技术相比，主要解决了视频传输延迟大、缓存少等现象，使边缘设备的缓存资源得以充分利用，减轻传输负担。

Description

一种基于终端无人机巡航视频数据的边缘缓存方法
技术领域
本发明涉及一种基于终端无人机巡航视频数据的边缘缓存方法，属于边缘计算技术领域。
背景技术
边缘计算中“端设备—边缘—云”三层模型，三层均可以为应用提供资源与服务。目前，随着智能设备的高速发展，在网络的边缘会产生大量的数据，但边缘的资源是有限的，能提供的空间和服务能力也是有限的。所以，边缘缓存成为边缘计算的研究重点之一。边缘缓存可以通过在无线访问网络上提供存储功能来减轻对大型回程带宽的需求并减少内容交付延迟，使多媒体资源和数据存储比以往任何时候都更接近用户和设备。在网络边缘提前缓存数据，可以保证内容数据的及时、可靠地传递。需要指出的是，通过在网络边缘上缓存内容，可以减少部分回程流量。但是，受到边缘节点存储大小的限制，无法在本地缓存所有内容，为了提高对边缘节点的存储空间的利用率，对边缘节点的内容缓存策略进行研究就变得尤为重要。近年来，无人机作为一种灵活性较高的移动平台无论在军事与生活中都得到重点研究，尤其研究无人机辅助边缘计算成为一大热点。而传统的缓存方法都是针对静止的数据，无法适用于复杂多变的视频数据。
因此，针对快速移动端无人机所产生的巡航数据设计一种能尽可能多地存储常用视频图片的情况下，快速判断找出最不流行的图片，从而在边缘缓存中置换出该图片后仍能保持较高的缓存命中率，是本发明需要亟待解决的技术问题。
发明内容
本发明的目的在于提供一种基于终端无人机巡航视频数据的边缘缓存方法，以用于解决缓存视频过大、存储容量较小、传输过程缓慢等现象，提升缓存命中率，使边缘设备的缓存资源得以充分利用，从而减轻传输负担。
本发明的技术方案是：
一种基于终端无人机巡航视频数据的边缘缓存方法，所述方法的具体步骤如下：
步骤S1：边缘计算体系架构中，中心云端和边缘服务器相互连接，边缘服务器和终端无人机设备相互连接。
步骤S2：终端无人机挂载摄像头来获取实时高清视频数据并同步到中心云端。
步骤S3：边缘服务器提取视频中的图片并进行处理，包括解析该图片的信息并估计其流行度。
进一步，步骤S3所述的提取图片主要包括：
S3.1：明确需要上传的视频，并按照每间隔50帧提取一次图片。
S3.2：解析的图片信息至少包含视频名称、图片大小、图片像素及尺寸信息。
S3.3：根据特定时间段内的请求数对图片的流行度进行估计。
步骤S4：当需要对获取的图片进行缓存时，判断所述边缘缓存的存储空间是否充足。
步骤S5：若边缘缓存的存储空间不足，置换出缓存中流行度值最小的图片。
步骤S6：当终端发送数据请求时，若边缘服务器有对应数据则直接响应，同时增加其流行度；若边缘服务器没有存储对应的数据，则请求中心云端响应，并同步数据到边缘服务器存储。
优选的，本发明所述估计其流行度的方法为：
（1）采用AP聚类算法划分图片的类别，再通过迭代过程不断更新产生n 个高质量的质心，同时将其余的图片分配到相应的聚类中心；聚类中心集合M，
Figure RE-RE-DEST_PATH_IMAGE001
，其中W为时间窗口；在每一个时间窗口
Figure 100002_RE-DEST_PATH_IMAGE002
，其中
Figure RE-RE-DEST_PATH_IMAGE003
为质心，
Figure 100002_RE-DEST_PATH_IMAGE004
。
（2）在集合 M 上构建概率模型进行视频图片流行度的预测；图片在每一个时间窗口都归属于一个类，随着时间的演变，会展现出一条由每一个时间窗口的类别构成的路径；给定长度为 L 的一条路径
Figure RE-RE-DEST_PATH_IMAGE005
，依靠最大可能性概率
Figure 100002_RE-DEST_PATH_IMAGE006
可以计算下一时刻n +1 时刻图片的流行度 m* ，如下所示：
Figure RE-RE-DEST_PATH_IMAGE007
本发明的有益效果是：
（1）本方法应用在“云-边-端”相互连接的边缘计算架构中，将复杂的计算及缓存能力从云端下沉到靠近用户设备的边端，能实现数据快速上传下载。
（2）终端采用无人机挂载高清摄像头来采集高空巡航视频数据，视频较大且时长久，本方法采用定长帧间隔方式切割图片缓存，避免缓存过多冗余图片造成缓存资源浪费。
（3）考虑到不同图片具有不同的流行度，本方法计算了各个图片的流行度并按照流行度降序排列的方式放入缓存。
（4）为了更大化利用缓存空间，对于同一图片的缓存采用增加已缓存图片流行度的方式，减少图片多次缓存的容量浪费。
附图说明
图1是本发明总流程图；
图2是边缘计算中“云-边-端”系统架构；
图3是数据请求时的缓存是否命中时的流程图。
具体实施方式
下面结合具体实施例本发明作进一步的详细说明，但本发明的保护范围并不限于所述内容；在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
实施例1
一种基于终端无人机巡航视频数据的边缘缓存方法，如附图1所示，具体包括如下步骤：
步骤一：边缘计算体系架构中，“云-边-端”相互连接。
本方法的整体框架如图2所示涉及中心云端、边缘服务器和终端用户设备（终端无人机），满足中心云和边缘云相互连接，边缘云和终端设备相互连接。
步骤二：终端无人机获取高清视频数据并同步到中心云端。
终端无人机挂载高清摄像头采集数据并同步上传，中心云端存储有全部的数据，边缘服务器端存储有部分数据。
步骤三：边缘服务器提取视频中的图片并进行处理，包括解析该图片的信息并估计其流行度。
提取图片：将采集到的视频数据按照以每间隔50帧的方式切分成多个相同分辨率的图片。
解析图片：本方法所提到的解析图片是指获取各个图片的权重信息；该权重信息是指相对于视频中该图片的重要度，可以采用加权统计法进行统计。
流行度预测：（1）采用AP聚类算法划分图片的类别，再通过迭代过程不断更新产生n 个高质量的质心，同时将其余的图片分配到相应的聚类中心；聚类中心集合M，
Figure RE-447201DEST_PATH_IMAGE001
，其中W为时间窗口；在每一个时间窗口
Figure 100002_RE-DEST_PATH_IMAGE008
，其中
Figure RE-DEST_PATH_IMAGE009
为质心，
Figure RE-551292DEST_PATH_IMAGE004
；
（2）在集合 M 上构建概率模型进行视频图片流行度的预测；图片在每一个时间窗口都归属于一个类，随着时间的演变，会展现出一条由每一个时间窗口的类别构成的路径；给定长度为 L 的一条路径
Figure 100002_RE-DEST_PATH_IMAGE010
，依靠最大可能性概率
Figure RE-DEST_PATH_IMAGE011
可以计算下一时刻n +1 时刻图片的流行度 m* ，如下所示：
Figure RE-19445DEST_PATH_IMAGE007
步骤四：当需要对获取的图片进行缓存时，判断所述边缘缓存的存储空间是否充足。
边缘缓存能有效提升存储效率，但是缓存容量有限，为了更合理的利用缓存，设置一个缓存阈值为整体缓存容量的70%，其使能达到缓存快、缓存内容多的目的。
步骤五：若边缘缓存的存储空间不足，置换出缓存中流行度值最小的图片。
随着缓存图片数目种类的增加，它的流行度也会发生变化，为了最大化合理的利用缓存空间，提高缓存命中率减少内容分发过程中的时延，所采取的策略是在缓存单元中删除已经缓存的且流行度较低的内容，释放缓存空间，再替换成需要存入的图片；因此需要更新图片在下一个时隙中被请求的概率，由于下一个时间槽的流行度是未知的，则可以通过采用特定的Zipf分布来适应任何图片的流行度；如果利用马尔科夫模型来计算需要被缓存替换的图片，可以优化传输缓存图片的代价问题。
步骤六：当终端发送数据请求时，若边缘服务器有对应数据则直接响应，同时增加其流行度，每读到一次已经缓存的图片时，流行度就增加1/50（间隔时间为50帧），然后再重新进行排序；若边缘服务器没有存储对应的数据，则请求中心云端响应，并同步数据到边缘服务器存储，具体流程如图3所示。

Claims (6)

1.一种基于终端无人机巡航视频数据的边缘缓存方法，其特征在于：体步骤如下：
步骤S1：边缘计算网络中，中心云端和边缘服务器相互连接，边缘服务器和终端无人机设备相互连接；
步骤S2：终端无人机挂载摄像头来获取实时高清视频数据并同步到中心云端；
步骤S3：边缘服务器提取视频中的图片，解析该图片的信息并估计其流行度；
步骤S4：当需要对获取的图片进行缓存时，判断所述边缘缓存的存储空间是否充足；
步骤S5：若边缘缓存的存储空间不足，置换出缓存中流行度值最小的图片；
步骤S6：当终端无人机发送图片请求时，若边缘服务器有对应图片则直接响应，同时增加其流行度；若边缘服务器没有存储对应的图片，则请求中心云端响应，并同步数据到边缘服务器存储。
2.根据权利要求1所述的基于终端无人机巡航视频数据的边缘缓存方法，其特征在于：所述S3对于提取视频中图片的具体步骤如下：
S3.1：明确需要上传的视频，并按照每间隔50帧提取一次图片；
S3.2：解析的图片信息至少包含视频名称、图片大小、图片像素及尺寸信息；
S3.3：根据特定时间段内的请求数对图片的流行度进行估计。
3.根据权利要求1所述所述的基于终端无人机巡航视频数据的边缘缓存方法，其特征在于：估计其流行度的方法为：
（1）采用AP聚类算法划分图片的类别，再通过迭代过程不断更新产生n 个高质量的质心，同时将其余的图片分配到相应的聚类中心；聚类中心集合M，
Figure RE-DEST_PATH_IMAGE002
，其中W为时间窗口；在每一个时间窗口
Figure RE-DEST_PATH_IMAGE004
，其中
Figure RE-DEST_PATH_IMAGE006
为质心，
Figure RE-DEST_PATH_IMAGE008
；
（2）在集合 M 上构建概率模型进行视频图片流行度的预测；图片在每一个时间窗口都归属于一个类，随着时间的演变，会展现出一条由每一个时间窗口的类别构成的路径；给定长度为 L 的一条路径
Figure RE-DEST_PATH_IMAGE010
，依靠最大可能性概率
Figure RE-DEST_PATH_IMAGE012
可以计算下一时刻n +1 时刻图片的流行度 m* ，如下所示：
Figure RE-DEST_PATH_IMAGE014
4.根据权利要求1所述的基于终端无人机巡航视频数据的边缘缓存方法，其特征在于：所述S5中关于置换出缓存中流行度值最小的图片的具体步骤为：创建缓存策略，采用流行度匹配的缓存策略来置换图片。
5.根据权利要求4所述的基于终端无人机巡航视频数据的边缘缓存方法，其特征在于：所述流行度的计算服从Zipf决策。
6.根据权利要求1所述的基于终端无人机巡航视频数据的边缘缓存方法，其特征在于：所述S6中关于终端无人机发送图片请求时的具体步骤如下：
S6.1：关于边缘端有缓存该图片时直接响应，同时增加其流行度值，每间隔50帧访问一帧，流行度就增加1/50；
S6.2：关于边端没有存储对应的数据时，请求云端响应，获取图片并初始化该图片的流行度，再同步其相应数据到边缘服务器。
CN202210209432.8A 2022-03-04 2022-03-04 一种基于终端无人机巡航视频数据的边缘缓存方法 Active CN115002138B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210209432.8A CN115002138B (zh) 2022-03-04 2022-03-04 一种基于终端无人机巡航视频数据的边缘缓存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210209432.8A CN115002138B (zh) 2022-03-04 2022-03-04 一种基于终端无人机巡航视频数据的边缘缓存方法

Publications (2)

Publication Number Publication Date
CN115002138A true CN115002138A (zh) 2022-09-02
CN115002138B CN115002138B (zh) 2023-07-04

Family

ID=83024032

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210209432.8A Active CN115002138B (zh) 2022-03-04 2022-03-04 一种基于终端无人机巡航视频数据的边缘缓存方法

Country Status (1)

Country Link
CN (1) CN115002138B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115665804A (zh) * 2022-11-21 2023-01-31 昆明理工大学 一种协同无人机-智能车群的缓存优化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107911711A (zh) * 2017-10-24 2018-04-13 北京邮电大学 一种考虑分区的边缘缓存替换改进方法
CN108549719A (zh) * 2018-04-23 2018-09-18 西安交通大学 一种移动边缘计算网络中基于聚类的自适应缓存方法
WO2019095402A1 (zh) * 2017-11-15 2019-05-23 东南大学 基于内容流行度预测的边缘缓存系统及其方法
CN110213627A (zh) * 2019-04-23 2019-09-06 武汉理工大学 基于多小区用户移动性的流媒体缓存分配装置及其工作方法
CN112584439A (zh) * 2020-11-27 2021-03-30 重庆邮电大学 一种边缘计算中的缓存方法
CN113810931A (zh) * 2021-08-27 2021-12-17 南京邮电大学 一种面向移动边缘计算网络的自适应视频缓存方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107911711A (zh) * 2017-10-24 2018-04-13 北京邮电大学 一种考虑分区的边缘缓存替换改进方法
WO2019095402A1 (zh) * 2017-11-15 2019-05-23 东南大学 基于内容流行度预测的边缘缓存系统及其方法
CN108549719A (zh) * 2018-04-23 2018-09-18 西安交通大学 一种移动边缘计算网络中基于聚类的自适应缓存方法
CN110213627A (zh) * 2019-04-23 2019-09-06 武汉理工大学 基于多小区用户移动性的流媒体缓存分配装置及其工作方法
CN112584439A (zh) * 2020-11-27 2021-03-30 重庆邮电大学 一种边缘计算中的缓存方法
CN113810931A (zh) * 2021-08-27 2021-12-17 南京邮电大学 一种面向移动边缘计算网络的自适应视频缓存方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张天魁等: "无人机辅助蜂窝网络中的无人机与用户协同缓存算法", 《通信学报》, no. 09 *
王峻伟等: "无人机接替场景中相似度感知的边缘计算缓存算法", 《通信技术》 *
王峻伟等: "无人机接替场景中相似度感知的边缘计算缓存算法", 《通信技术》, no. 07, 10 July 2020 (2020-07-10) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115665804A (zh) * 2022-11-21 2023-01-31 昆明理工大学 一种协同无人机-智能车群的缓存优化方法

Also Published As

Publication number Publication date
CN115002138B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN112995950B (zh) 一种车联网中基于深度强化学习的资源联合分配方法
CN110213627B (zh) 一种基于多小区用户移动性的流媒体缓存分配方法
Khan et al. A survey on mobile edge computing for video streaming: Opportunities and challenges
CN108777809B (zh) 一种全景视频分片移动网络缓存方法及系统、全景视频下载方法
CN111491331B (zh) 一种雾计算网络中基于迁移学习的网络感知自适应缓存方法
CN115002138B (zh) 一种基于终端无人机巡航视频数据的边缘缓存方法
CN110913239B (zh) 一种精细化的移动边缘计算的视频缓存更新方法
CN113472420B (zh) 一种基于区域用户兴趣感知的卫星网络缓存放置方法
CN105407383A (zh) 一种多版本视频点播流媒体服务器集群资源预测方法
EP3274844B1 (en) Hierarchical cost based caching for online media
CN112672227A (zh) 基于边缘节点的业务处理方法、装置、节点以及存储介质
CN115361710A (zh) 一种边缘缓存中的内容放置方法
EP3207457B1 (en) Hierarchical caching for online media
CN108429919B (zh) 多速率视频在无线网络中的缓存和传输优化方法
WO2017097368A1 (en) System and method for efficient caching in the access network
CN111372096B (zh) 一种基于d2d辅助的视频质量自适应缓存方法和设备
CN112822727A (zh) 一种基于移动性和流行度感知的自适应边缘内容缓存方法
CN112422449A (zh) 基于缓存支持网络的医疗数据转发和缓存系统及方法
CN113630742B (zh) 采用信源发布内容的请求率与动态性的移动边缘缓存替换方法
CN115002132B (zh) 一种用于pcdn网络预缓存资源的分发方法、系统及计算机设备
Maniotis et al. Smart caching for live 360° video streaming in mobile networks
CN115051996B (zh) 一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法
CN117635924B (zh) 一种基于自适应知识蒸馏的低能耗目标检测方法
CN113301145B (zh) 采用信源发布内容的请求率与动态性的移动边缘缓存放置方法
CN116132439B (zh) 基于雾节点协作的异质资源协同调度方法、系统和装置

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