CN115460091A - 边缘业务的处理方法及装置、存储介质、电子设备 - Google Patents
边缘业务的处理方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN115460091A CN115460091A CN202211105074.2A CN202211105074A CN115460091A CN 115460091 A CN115460091 A CN 115460091A CN 202211105074 A CN202211105074 A CN 202211105074A CN 115460091 A CN115460091 A CN 115460091A
- Authority
- CN
- China
- Prior art keywords
- edge
- information
- request
- application program
- data information
- 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
- 238000003672 processing method Methods 0.000 title description 14
- 238000012545 processing Methods 0.000 claims abstract description 132
- 238000000034 method Methods 0.000 claims abstract description 70
- 230000004044 response Effects 0.000 claims abstract description 22
- 230000006870 function Effects 0.000 claims description 119
- 238000012549 training Methods 0.000 claims description 39
- 238000003062 neural network model Methods 0.000 claims description 33
- 238000013468 resource allocation Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010295 mobile communication Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 description 31
- 238000004458 analytical method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 101100264195 Caenorhabditis elegans app-1 gene Proteins 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开是关于一种边缘业务的处理方法及装置、存储介质、电子设备，涉及移动通信技术领域，该方法包括：接收中心用户面功能发送的边缘业务处理请求；响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。本公开提高了业务处理效率。
Description
技术领域
本公开实施例涉及移动通信技术领域，具体而言，涉及一种边缘业务的处理方法、边缘业务的处理装置、计算机可读存储介质以及电子设备。
背景技术
现有的边缘业务的处理方法中，当边缘用户面功能接收到业务处理请求时，无法根据流量数据确定对应的应用程序的程序标识，进而使得业务处理效率较低。
需要说明的是，在上述背景技术部分发明的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种边缘业务的处理方法、边缘业务的处理装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的业务处理效率较低的问题。
根据本公开的一个方面，提供一种边缘业务的处理方法，包括：
接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；
响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；
接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；
根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
在本公开的一种示例性实施例中，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求，包括：
根据所述边缘业务处理请求中包括的用户标识对所述边缘业务处理请求进行鉴权认证；
在确定所述边缘业务处理请求的鉴权认证通过时，向边缘用户面功能发送第一信息采集请求，并向与所述边缘业务处理请求中包括的第一平台标识对应的多接入边缘计算平台发送第二信息采集请求。
在本公开的一种示例性实施例中，所述第一信息采集请求为流量信息采集请求，所述第二信息采集请求包括应用信息采集请求以及可分配带宽资源采集请求；
所述第一数据信息包括用户永久标识符、数据网络名称、数据流量大小、数据流量时长以及所需带宽资源信息中的一种或多种；
所述第二数据信息包括当前应用程序的第一程序标识、当前应用程序对外暴露的可被访问的网际互联协议地址以及可分配的带宽资源信息中的一种或多种。
在本公开的一种示例性实施例中，根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，包括：
将所述第一数据信息输入至训练完成的神经网络模型中，得到所述当前应用程序的第一程序标识。
在本公开的一种示例性实施例中，所述训练完成的神经网络模型是通过如下方式得到的：
获取历史应用程序的第三数据信息以及第四数据信息，并根据所述第三数据信息以及第四数据信息构建训练数据集；
基于所述训练数据集对待训练的神经网络模型进行训练，得到训练完成的神经网络模型；其中，所述待训练的神经网络模型包括卷积神经网络模型、循环神经网络模型以及深度神经网络模型中的一种或多种。
在本公开的一种示例性实施例中，所述边缘业务的处理方法还包括：
将所述第一程序标识发送至所述边缘用户面功能，以使得所述边缘用户面功能根据所述第一程序标识，将与所述当前应用程序对应的访问请求转发至所述第一程序标识所在的多接入边缘计算平台。
在本公开的一种示例性实施例中，根据所述第一数据信息以及第二数据信息对所述当前应用程序进行带宽资源分配，包括：
根据所述第一数据信息中包括的用户永久标识符，确定所述当前应用程序中所接入的终端用户的用户数量，并根据所述终端用户的用户数量，计算所述当前应用程序的负载信息；
根据所述负载信息以及所述第二数据信息中包括的可分配的带宽资源信息，计算所述当前应用程序所能被分配到的带宽资源。
在本公开的一种示例性实施例中，所述边缘业务的处理方法还包括：
将所述当前应用程序所能被分配到的带宽资源发送至多接入边缘计算平台，以使得所述多接入边缘计算平台根据所述当前应用程序所能被分配到的带宽资源，对所述当前应用程序所具有的当前带宽资源进行更新。
根据本公开的一个方面，提供一种边缘业务的处理装置，包括：
边缘业务处理请求接收模块，用于接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；
信息采集请求发送模块，用于响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；
数据信息接收模块，用于接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；
边缘业务处理模块，用于根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的边缘业务的处理方法。
根据本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的边缘业务的处理方法。
本公开实施例提供的一种边缘业务的处理方法，一方面，可以由于可以接收边缘用户面功能响应于第一信息采集请求发送的第一数据信息，以及多接入边缘计算平台响应于第二信息采集请求发送的第二数据信息；并根据第一数据信息对当前应用程序的第一程序标识进行识别，实现了对第一程序标识的识别，进而解决了现有技术中由于无法根据流量数据确定对应的应用程序的程序标识，进而使得业务处理效率较低的问题；另一方面，由于可以根据第一数据信息以及第二数据信息对当前应用程序的带宽资源进行分配，实现了根据第一数据信息以及第二数据信息对带宽资源进行分配，解决了现有技术中由于无法对应用程序的带宽资源进行分配进而导致的业务访问的效率较低问题，提高了应用程序的业务访问效率，进而提升了用户体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出根据本公开示例实施例的一种边缘业务的处理方法的流程图。
图2示意性示出根据本公开示例实施例的一种5G系统架构的示例图。
图3示意性示出根据本公开示例实施例的一种边缘业务的处理系统的框图。
图4示意性示出根据本公开示例实施例的一种网络数据分析功能的结构示例图。
图5示意性示出根据本公开示例实施例的一种多接入边缘计算平台中所分配的应用程序的场景示例图。
图6示意性示出根据本公开示例实施例的一种基于多侧交互的边缘业务的处理方法的示例图。
图7示意性示出根据本公开示例实施例的一种边缘业务的处理装置的框图。
图8示意性示出根据本公开示例实施例的一种用于实现上述边缘业务的处理方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
业务识别技术可以辅助运营商对不同的业务流进行差异化处理，例如QoS(Quality of Service，服务质量)保障以及空口资源调度等。现有常见的业务识别技术DFI(Deep Flow Inspection，深度流检测)技术中，可以通过基于AF(Analytics Function，分析功能)提供的PFD(Packet Flow Description，业务流描述)信息，即业务标识与IP三元组的对应关系进行业务识别。但是，在业务APP(Application，应用程序)在实际部署及访问过程中，业务的IP三元组往往不断发生变化，如果AF不及时更新时，用户面功能就无法找到新的三元组所对应的业务标识。
进一步的，在MEC(Multi-access Edge Computing，多接入边缘计算)业务场景中，MEC作为云网基础底座，支持部署客户自有及第三方的业务应用APP。随着MEC平台上业务APP数量的增加或者删减，APP可被外部用户访问到的IP地址可能会经常发生变化，若不及时进行更新配置，易导致边缘UPF无法将流量转发到对应的业务APP，造成用户无法成功访问APP的现象；并且，MEC平台的每个业务APP的用户访问数量不一样，对带宽的需求也不一样，如果将可用的带宽资源平均分配给每个业务APP，则无法充分利用通信资源，且带宽利用率较低。因此，寻找一种智能化业务识别方案，同时解决导带宽资源的分配问题，保障业务被成功访问并可以提高带宽利用率，无论从落地推广还是技术可行性上面，都非常重要。
同时，NWDAF(Network Data Analytics Function，网络数据分析功能)作为5G智能化网元，具备数据分析能力及模型训练功能。在数据分析方面，其可以进行数据的推理，并将推理之后的分析结果作为其所提供的服务开放给其他NF(Network Function，网元)或者AF(Access Network，接入网)设备使用；在模型训练方面，网络数据分析功能可以针对初始分析模型进行训练，并将完成训练的分析模型提供给数据分析、推理阶段使用。因此，若将5G智能化网元中的网络数据分析功能与MEC平台融合，通过引入网络数据分析功能来构建每个业务应用程序对应的业务流量特征，解决用户面功能无法确定业务流对应的应用程序的程序标识问题，并借助网络数据分析功能对流量信息的分析，推理出各个业务应用程序的负载大小进而指引带宽资源的规划，对提升用户业务访问体验、促进业务推广具有重要意义。
基于此，本示例实施方式中首先提供了一种边缘业务的处理方法，该方法可以运行于网络数据分析功能所在的服务器、服务器集群或云服务器等；当然，本领域技术人员也可以根据需求在其他平台运行本公开的方法，本示例性实施例中对此不做特殊限定。具体的，参考图1所示，该边缘业务的处理方法可以包括以下步骤：
步骤S110.接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；
步骤S120.响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；
步骤S130.接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；
步骤S140.根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
上述边缘业务的处理方法中，一方面，可以由于可以接收边缘用户面功能响应于第一信息采集请求发送的第一数据信息，以及多接入边缘计算平台响应于第二信息采集请求发送的第二数据信息；并根据第一数据信息对当前应用程序的第一程序标识进行识别，实现了对第一程序标识的识别，进而解决了现有技术中由于无法根据流量数据确定对应的应用程序的程序标识，进而使得业务处理效率较低的问题；另一方面，由于可以根据第一数据信息以及第二数据信息对当前应用程序的带宽资源进行分配，实现了根据第一数据信息以及第二数据信息对带宽资源进行分配，解决了现有技术中由于无法对应用程序的带宽资源进行分配进而导致的业务访问的效率较低问题，提高了应用程序的业务访问效率，进而提升了用户体验。
以下，将结合附图对本公开示例实施例边缘业务的处理方法进行详细的解释以及说明。
首先，对本公开示例实施例的应用场景进行解释以及说明。本申请实施例的技术方案可以应用于第五代(5th generation，5G)系统或新无线(new radio，NR)通信系统，也可以应用于未来可能出现的其他的通信系统，如6G或者6G+通信系统等。
下面结合图2，对5G系统进行介绍。具体的，图2是一种5G系统架构示例图。应理解，图2所示的5G系统架构仅是一种5G系统架构示例，不应对本申请构成任何限定。参考图2所示，该系统包括接入和移动性管理功能(Access and mobility Management Function，AMF)201、会话管理功能(Session Management Function，SMF)202、无线接入网(RadioAccess Network，RAN)203、统一数据管理(Unified Data Management，UDM)204、策略控制功能(Policy Control Function，PCF)205、用户面功能(User Plane Function，UPF)206、用户设备(User Equipment，UE)，也即第一终端设备以及第二终端设备、统一数据存储(Unified Data Repository，UDR)207、能力开放功能(Network Exposure Function，NEF)208、直接发现域名管理功能(Direct Discovery Name Management Function，DDNMF)209和应用功能(Application Function，AF)210。
其中，各网元主要功能描述如下：UDM：用于管理用户的签约数据和鉴权数据；UDR：用于为PCF策略提供存储和检索，开放的结构化数据的存储和检索和应用功能请求的用户信息存储等；PCF：用于管理网络行为，为控制面提供策略、规则，一般根据签约信息等进行策略的决策；SMF：主要进行会话管理、PCF下发控制策略的执行、UPF的选择、UE IP地址分配等功能；AMF：连接管理、移动性管理、注册管理、接入认证和授权、可达性管理、安全上下文管理等接入和移动性相关的功能；UPF：数据包路由和传输、包检测、业务用量上报、QoS处理、合法监听、上行包检测、下行数据包存储等用户面相关的功能；(R)AN：(无线)接入网，对应5G中的不同接入网，如有线接入、无线基站接入等多种方式；NEF：连接核心网元与外部应用服务器，对外部应用服务器向核心网发起业务请求时提供认证与数据转发等服务；DDNMF：主要负责ProSe通信发现参数的分配，作为逻辑网元，可以在部署时集成在其他网元中；AF：可以是应用所对应的应用服务器；UE：可以支持ProSe通信或者其他业务。UE支持通过PC5接口接收或发送消息。
此处需要补充说明的是，图2所示的各网元既可以是硬件设备，也可以是芯片，或者是在专用硬件上运行软件功能，或者是平台(例如，云平台)上实例化的虚拟化功能。还应理解，图2中所示的一些网元可部署在同一位置(如同一硬件设备或软件功能上)，也可以分开部署，本申请对此不作限定。
其次，对本公开示例实施例的发明目的进行解释以及说明。具体的，本公开示例实施例所提提出的边缘业务的处理方法，旨在通过将网络数据分析功能与多接入边缘计算进行融合，基于网络数据分析功能中包括的数据采集、数据推理、模型训练等功能来构建每个业务应用程序的程序标识对应的业务流量特征以及各个业务应用程序的负载大小，解决用户面功能无法确定业务流对应的APP ID问题；并借助网络数据分析功能对流量信息的分析，推理出各个业务APP的负载大小进而指引带宽资源的规划，保证业务访问的成功率、提高带宽利用率。
进一步的，对本公开示例实施例所涉及到的边缘业务的处理系统进行解释以及说明。具体的，参考图3所示，该边缘业务的处理系统可以包括UE(User Equipment，用户设备)301、中心用户面功能302、边缘用户面功能303、网络数据分析功能304以及多接入边缘计算平台305；其中，用户设备通过5GC(5G Core，5G核心网)网元与中心用户面功能以及边缘用户面功能通信连接，中心用户面功能与边缘用户面功能通信连接，网络数据分析功能通过5GC网元与用户设备通信连接，并与边缘UPF通信连接；网络数据分析功能以及边缘用户面功能分别与多接入边缘计算平台通信连接。
在具体的应用过程中，多接入边缘计算平台中部署了一个或者多个应用程序，网络数据分析功能用于实现本公开示例实施例所记载的边缘业务的处理方法，用户设备用于向应用程序发送访问请求，边缘用户面功能用于向用户设备发送反馈数据。
更进一步的，参考图4所示，网络数据分析功能中可以包括数据采集模块401、分析处理模块402以及模型训练及决策模块403。其中：
数据采集模块401可以用于负责从5GC网元、边缘用户面功能、多接入边缘计算平台等采集信息数据并发送给分析处理模块，若数据发生变化，实时更新；分析处理模块402可以用于将数据采集模块发送的数据进行处理，生成“训练数据集”；例如：从每一条来自边缘UPF的流量中提取三元组(源IP地址、目的IP地址、通信协议)；基于目的IP地址可以找到对应的APP_ID，通过这种方式便确定一个样本数据；并负责将处理后的训练数据集传送至模型训练模块；模型训练及决策模块：可以用于基于训练数据集信息进行训练，确定每个业务APP的流量特征；并对MEC边缘业务智能识别及业务负载分析请求进行鉴权认证。
以下，将结合图2以及图4对图1中所示出的边缘业务的处理方法进行进一步的解释以及说明。具体的：
在步骤S110中，接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求。
具体的，客户经理在订阅“MEC边缘业务智能识别及业务负载分析”服务请求时，会话直接锚定在中心用户面功能；因此，在具体的应用过程中，可以通过中心用户面功能接收边缘业务处理请求；当中心用户面功能接收到边缘业务处理请求并对该业务处理请求识别以后，可以将该边缘业务处理请求发送至网络数据分析功能；其中，该边缘业务处理请求可以是MEC边缘业务智能识别及业务负载分析；也即，该边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；同时，在该边缘业务处理请求中，携带有MEC_ID(多接入边缘计算平台的第一平台标识)。
在步骤S120中，响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；其中，所述第一信息采集请求为流量信息采集请求，所述第二信息采集请求包括应用信息采集请求以及可分配带宽资源采集请求。
具体的，当网络数据分析功能中的模型训练及决策模块接收到该边缘业务处理请求后，响应于该边缘业务处理请求，进而向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求。具体的，可以通过如下方式实现：首先，根据所述边缘业务处理请求中包括的用户标识对所述边缘业务处理请求进行鉴权认证；在确定所述边缘业务处理请求的鉴权认证通过时，向边缘用户面功能发送第一信息采集请求，并向与所述边缘业务处理请求中包括的第一平台标识对应的多接入边缘计算平台发送第二信息采集请求。
进一步的，在实际应用过程中，会通过网络数据分析功能中包括的模型训练及决策模块根据边缘业务处理请求中包括的用户标识对该边缘业务处理请求进行鉴权认证；如果鉴权认证通过，则分别生成第一信息采集请求以及第二信息采集请求，并分别向边缘用户面功能以及多接入边缘计算平台发送第一信息采集请求以及第二信息采集请求；其中，第一信息采集请求为流量信息采集请求(Traffic Data Subscription)，所述第二信息采集请求包括应用信息采集请求以及可分配带宽资源采集请求；当然，如果鉴权认证未通过，则需要向客户经理中心反馈失败信息。
在一些示例实施例中，在对边缘业务处理请求进行鉴权认证的过程中，如果发送该边缘业务处理请求的用户标识存在于数据库中，则该边缘业务处理请求鉴权认证通过；若不存在，则鉴权认证失败。在一些示例实施例中，在生成第一信息采集请求的过程中，可以根据当前应用程序的名称生成第一信息采集请求，可以根据第一平台标识以及当前应用程序的名称生成第二信息采集请求，并将第一信息采集请求发送至边缘用户面功能，将第二信息采集请求发送至与第一平台标识的多接入边缘计算平台。
在步骤S130中，接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息。
具体的，在一种示例实施例中，当边缘用户面功能接收到第一信息采集请求后，即可响应于该第一信息采集请求，将采集到的与上述当前应用程序关联的第一数据信息转发至网络数据分析功能；其中，该第一数据信息可以是与当前应用程序关联的流量数据信息，该流量数据信息可以包括用户永久标识符(SUbs cription Permanent Identifier，SUPI)、数据网络名称(DNN，Data Network Name)、数据流量大小、数据流量时长以及所需带宽资源信息等等。
在另一种示例实施例中，同时，当多接入边缘计算平台接收到第二信息采集请求以后，即可响应于第二信息采集请求，根据该第二信息采集请求中包括的第一平台标识，对该第二信息采集请求进行鉴权认证；若鉴权认证通过，多接入边缘计算平台即可将采集到的与当前应用程序关联的第二数据信息转发至网络数据分析功能；其中，该第二数据信息可以包括当前应用程序的第一程序标识APP_ID、当前应用程序APP对外暴露的可被访问的网际互联协议地址(IP地址)以及可分配的带宽资源信息等等。
在步骤S140中，根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
在本示例实施例中，首先，根据第一数据信息当前应用程序的第一程序标识进行识别。其中，具体的识别过程可以通过如下方式实现：将所述第一数据信息输入至训练完成的神经网络模型中，得到所述当前应用程序的第一程序标识。也即，在得到第一数据信息以后，可以直接将第一数据信息输入至训练完成的神经网络模型，即可得到对应的第一程序标识。进一步的，当得到第一程序标识以后，还需要将所述第一程序标识发送至所述边缘用户面功能，以使得所述边缘用户面功能根据所述第一程序标识，将与所述当前应用程序对应的访问请求转发至所述第一程序标识所在的多接入边缘计算平台。也即，每个业务应用程序的流量特征确定后，网络数据分析功能即可基于接收到的边缘用户面功能发送的流量数据信息，便可以直接确定对应的App ID，辅助边缘用户面功能识别应用程序所在的多计入边缘计算平台，并进行流量转发；同时，网络数据分析功能还可以向多接入边缘计算平台推送告警信息，提醒及时更新该业务APP可被外访问的IP地址；并且，为提高业务识别的准确度，网络数据分析功能还可以周期性的向边缘用户面功能及多接入边缘计算平台收集信息并进行处理，更新训练数据集及每个应用程序的流量特征。
在一种示例实施例中，上述训练完成的神经网络模型可以通过如下方式得到的：首先，获取历史应用程序的第三数据信息以及第四数据信息，并根据所述第三数据信息以及第四数据信息构建训练数据集；其次，基于所述训练数据集对待训练的神经网络模型进行训练，得到训练完成的神经网络模型；其中，所述待训练的神经网络模型包括卷积神经网络模型、循环神经网络模型以及深度神经网络模型中的一种或多种。其中，此处所记载的历史应用程序，仅仅是为了区别于前述所述的当前应用程序的，并无其他的特殊含义；同时，在获取第三数据信息以及第四数据信息时，可以从边缘用户面功能获取该第三数据信息，从多接入边缘计算平台中获取第四数据信息；该第三数据信息与前述第一数据信息对应，第四数据信息与前述第二数据信息对应。
在一种示例实施例中，该第三数据信息可以包括与历史应用程序关联的流量数据信息，该流量数据信息可以包括用户永久标识符、数据网络名称、数据流量大小、数据流量时长以及所需带宽资源信息等等；该第四数据信息可以包括历史应用程序的第二程序标识APP_ID、历史应用程序APP对外暴露的可被访问的网际互联协议地址(IP地址)以及可分配的带宽资源信息等等。同时，当网络数据分析功能中的数据采集模块采集到第三数据信息以及第四数据信息以后，会将将收集到的第三数据信息以及第四数据信息发送给“数据处理模块”进行数据处理，以生成训练数据集，最后再将训练数据集发送给“模型训练及决策模块”进行模型训练。
在一种示例实施例中，参考图5所示，假设多接入边缘计算平台上已部署了3个应用APP，使用APP_1，APP_2，APP_3进行标识，其对外暴露的IP地址为IP1、IP2以及IP3，该部署在多接入边缘计算平台上的应用程序可以通过多个虚拟机(VM，Virtual Machine来实现)。进一步的，对于各应用程序来说，假设有N条流量信息，则用于后续确定业务流量特征的训练数据集可以如下表1所示：
表1
| 流量数据信息 | APP标识 |
| Traffic data 1 | APP_1 |
| Traffic data 2 | APP_2 |
| Traffic data 3 | APP_1 |
| Traffic data 4 | APP_3 |
| …… | …… |
| Traffic data N | APP_N |
也就是说，在生成的训练数据集中，可以根据各应用程序的实际数据，建立历史应用程序的第四数据信息中包括的第二程序标识与第三数据信息之间的映射关系，进而将第二程序标识作为实际标签，并将待训练的神经网络模型的输出结果作为预测标签，再基于实际标签以及预测标签构建损失函数，最终再基于该损失函数对待训练的神经网络模型进行训练最终得到训练完成的神经网络模型；同时，在对神经网络模型进行训练的过程中，所用到的损失函数可以包括均方差损失函数、交叉熵损失函数等等，本示例对此不做特殊限制。
在一种示例实施例中，根据所述第一数据信息以及第二数据信息对所述当前应用程序进行带宽资源分配，可以通过如下方式实现：首先，根据所述第一数据信息中包括的用户永久标识符，确定所述当前应用程序中所接入的终端用户的用户数量，并根据所述终端用户的用户数量，计算所述当前应用程序的负载信息；其次，根据所述负载信息以及所述第二数据信息中包括的可分配的带宽资源信息，计算所述当前应用程序所能被分配到的带宽资源。具体的，在实际应用过程中，网络数据分析功能中的数据处理模块可以基于采集到的数据进行处理，分析每个接入应用程序的终端用户数量，计算每个应用程序的负载，并将负载信息及带宽资源信息发送给网络分析功能中的模型训练及决策模块；模型训练及觉得模块可以基于应用程序的负载信息及可分配带宽信息进行计算，计算为每个应用程序分配的带宽资源。
此处需要补充说明的是，在进行带宽资源分配的过程中，可以根据各应用程序的负载信息对可分配带宽资源进行平均分配，也可以采用加权分配的方式进行分配，本示例对此不做特殊限制。
进一步的，当得到当前应用程序所能被分配到的带宽资源以后，还需要将所述当前应用程序所能被分配到的带宽资源发送至多接入边缘计算平台，以使得所述多接入边缘计算平台根据所述当前应用程序所能被分配到的带宽资源，对所述当前应用程序所具有的当前带宽资源进行更新；也即，可以将得到的带宽分配结果发送给多接入边缘计算平台；同时，在多接入边缘计算平台经鉴权确认后，更新每个应用程序的带宽配置。
以下，将结合图6对本公开示例实施例的边缘业务的处理方法进行进一步的解释以及说明。具体的，参考图6所示，该边缘业务的处理方法可以包括以下步骤：
步骤S601，中心UPF接收客户经理经中心发起的MEC边缘业务智能识别及业务负载分析请求；其中，该请求中需携带MEC_ID标识信息；
步骤S602，中心UPF识别该请求，并将该请求及携带的信息转发给NWDAF；
步骤S603，NWDAF接收该请求，并进行鉴权认证；鉴权通过后，采集流量信息和应用APP信息；若鉴权不通过，则返回失败信息；
步骤S604，NWDAF分别向UPF和MEC平台采集数据；其中，NWDAF向边缘UPF发送流量信息采集请求(Traffic data Subscription)，边缘UPF收到请求后将流量信息转发至NWDAF，主要包含SUPI、DNN、流量大小、流量时长等数据；同时，NWDAF向MEC平台发送应用信息采集、可分配带宽资源采集请求，MEC平台经过进一步鉴权，通过后向NWDAF反馈APP_ID、APP对外暴露的可被访问的IP地址信息、可分配的带宽资源信息；
步骤S605，NWDAF对收集到的信息进行数据处理，生成训练数据集，并基于训练数据集进行训练，确定每个业务APP的流量特征；同时，每个业务APP的流量特征确定后，NWDAF基于接收到的边缘UPF发送的流量数据信息，便可以直接确定对应的App ID，辅助UPF识别应用，进行流量转发；同时NWDAF向MEC平台推送告警信息，提醒及时更新该业务APP可被外访问的IP地址。
步骤S606，NWDAF基于采集到的数据进行处理，分析每个APP接入的终端用户数量，计算每个APP的负载，并根据负载信息及带宽资源信息进行计算，计算为每个APP分配的带宽资源，并将带宽分配结果发送给MEC平台；MEC平台经鉴权确认后，更新每个APP的带宽配置。
至此，本公开示例实施例所记载的边缘业务的处理方法已经全部实现。基于前述记载的内容可以得知，本公开示例实施例所记载的边缘业务的处理方法，至少具有以下优点：
一方面，本公开示例实施例所记载的边缘业务的处理方法，可以在不改变3GPPNWDAF与其他网元的闭环交互流程的前提下，提出NWDAF的内部模块及其交互逻辑，提升了MEC边缘业务场景中业务识别及负载分析效率；同时，在MEC业务场景中引入NWDAF网元，并内置数据采集、数据处理、模型训练及决策等模块，可实时更新业务APP的业务流量特征以及负载大小，解决UPF无法确定业务流对应的APP ID问题；基于数据分析结果，推理出各个业务APP的负载大小进而指引带宽资源的规划，提高带宽利用率。
另一方面，本公开示例实施例所记载的边缘业务的处理方法，术方案可以应用到所有对MEC边缘业务识别、负载分析有需求的场景，如校园MEC业务场景、工业园区MEC业务场景等；同时，本公开示例实施例所记载的边缘业务的处理方法，可以以IP地址方式访问应用APP场景中业务识别及负载分析；同时，当应用配置为以URL链接访问方式时，可以采取和本申请所记载的边缘业务的处理方法所类似的方法，例如：从每一条来自边缘UPF的流量中提取源IP地址、URL链接等；基于目的URL链接可以找到对应的APP_ID，通过这种方式便确定一个样本数据并生成训练数据集，再进行后续的流量特征确认及负载分析等操作；
再一方面，本公开示例实施例所记载的边缘业务的处理方法，不仅可以提高业务识别及负载分析的效率及准确性，节约人工成本；同时，还还具备较强的通用性和可复制性，有助于MEC边缘业务场景中业务商用及落地推广、同时提升网络带宽利用率。
本公开示例实施例还提供了一种边缘业务的处理装置。具体的，参考图7所示，该边缘业务的处理装置可以包括边缘业务处理请求接收模块710、信息采集请求发送模块720、数据信息接收模块730以及边缘业务处理模块740。其中：
边缘业务处理请求接收模块710，可以用于接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；
信息采集请求发送模块720，可以用于响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；
数据信息接收模块730，可以用于接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；
边缘业务处理模块740，可以用于根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
在本公开的一种示例性实施例中，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求，包括：
根据所述边缘业务处理请求中包括的用户标识对所述边缘业务处理请求进行鉴权认证；
在确定所述边缘业务处理请求的鉴权认证通过时，向边缘用户面功能发送第一信息采集请求，并向与所述边缘业务处理请求中包括的第一平台标识对应的多接入边缘计算平台发送第二信息采集请求。
在本公开的一种示例性实施例中，所述第一信息采集请求为流量信息采集请求，所述第二信息采集请求包括应用信息采集请求以及可分配带宽资源采集请求；
所述第一数据信息包括用户永久标识符、数据网络名称、数据流量大小、数据流量时长以及所需带宽资源信息中的一种或多种；
所述第二数据信息包括当前应用程序的第一程序标识、当前应用程序对外暴露的可被访问的网际互联协议地址以及可分配的带宽资源信息中的一种或多种。
在本公开的一种示例性实施例中，根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，包括：
将所述第一数据信息输入至训练完成的神经网络模型中，得到所述当前应用程序的第一程序标识。
在本公开的一种示例性实施例中，所述训练完成的神经网络模型是通过如下方式得到的：
获取历史应用程序的第三数据信息以及第四数据信息，并根据所述第三数据信息以及第四数据信息构建训练数据集；
基于所述训练数据集对待训练的神经网络模型进行训练，得到训练完成的神经网络模型；其中，所述待训练的神经网络模型包括卷积神经网络模型、循环神经网络模型以及深度神经网络模型中的一种或多种。
在本公开的一种示例性实施例中，所述边缘业务的处理装置还包括：
第一程序标识发送模块，可以用于将所述第一程序标识发送至所述边缘用户面功能，以使得所述边缘用户面功能根据所述第一程序标识，将与所述当前应用程序对应的访问请求转发至所述第一程序标识所在的多接入边缘计算平台。
在本公开的一种示例性实施例中，根据所述第一数据信息以及第二数据信息对所述当前应用程序进行带宽资源分配，包括：
根据所述第一数据信息中包括的用户永久标识符，确定所述当前应用程序中所接入的终端用户的用户数量，并根据所述终端用户的用户数量，计算所述当前应用程序的负载信息；
根据所述负载信息以及所述第二数据信息中包括的可分配的带宽资源信息，计算所述当前应用程序所能被分配到的带宽资源。
在本公开的一种示例性实施例中，所述边缘业务的处理装置还包括：
带宽资源发送模块，可以用于将所述当前应用程序所能被分配到的带宽资源发送至多接入边缘计算平台，以使得所述多接入边缘计算平台根据所述当前应用程序所能被分配到的带宽资源，对所述当前应用程序所具有的当前带宽资源进行更新。
上述边缘业务的处理装置中各模块的具体细节已经在对应的边缘业务的处理方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830以及显示单元840。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图1中所示的步骤S110：接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；步骤S120：响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；步骤S130：接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；步骤S140：根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个当前应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
根据本公开的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
Claims (11)
1.一种边缘业务的处理方法，其特征在于，包括：
接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；
响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；
接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；
根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
2.根据权利要求1所述的边缘业务的处理方法，其特征在于，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求，包括：
根据所述边缘业务处理请求中包括的用户标识对所述边缘业务处理请求进行鉴权认证；
在确定所述边缘业务处理请求的鉴权认证通过时，向边缘用户面功能发送第一信息采集请求，并向与所述边缘业务处理请求中包括的第一平台标识对应的多接入边缘计算平台发送第二信息采集请求。
3.根据权利要求1或2所述的边缘业务的处理方法，其特征在于，所述第一信息采集请求为流量信息采集请求，所述第二信息采集请求包括应用信息采集请求以及可分配带宽资源采集请求；
所述第一数据信息包括用户永久标识符、数据网络名称、数据流量大小、数据流量时长以及所需带宽资源信息中的一种或多种；
所述第二数据信息包括当前应用程序的第一程序标识、当前应用程序对外暴露的可被访问的网际互联协议地址以及可分配的带宽资源信息中的一种或多种。
4.根据权利要求1所述的边缘业务的处理方法，其特征在于，根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，包括：
将所述第一数据信息输入至训练完成的神经网络模型中，得到所述当前应用程序的第一程序标识。
5.根据权利要求4所述的边缘业务的处理方法，其特征在于，所述训练完成的神经网络模型是通过如下方式得到的：
获取历史应用程序的第三数据信息以及第四数据信息，并根据所述第三数据信息以及第四数据信息构建训练数据集；
基于所述训练数据集对待训练的神经网络模型进行训练，得到训练完成的神经网络模型；其中，所述待训练的神经网络模型包括卷积神经网络模型、循环神经网络模型以及深度神经网络模型中的一种或多种。
6.根据权利要求4所述的边缘业务的处理方法，其特征在于，所述边缘业务的处理方法还包括：
将所述第一程序标识发送至所述边缘用户面功能，以使得所述边缘用户面功能根据所述第一程序标识，将与所述当前应用程序对应的访问请求转发至所述第一程序标识所在的多接入边缘计算平台。
7.根据权利要求1所述的边缘业务的处理方法，其特征在于，根据所述第一数据信息以及第二数据信息对所述当前应用程序进行带宽资源分配，包括：
根据所述第一数据信息中包括的用户永久标识符，确定所述当前应用程序中所接入的终端用户的用户数量，并根据所述终端用户的用户数量，计算所述当前应用程序的负载信息；
根据所述负载信息以及所述第二数据信息中包括的可分配的带宽资源信息，计算所述当前应用程序所能被分配到的带宽资源。
8.根据权利要求7所述的边缘业务的处理方法，其特征在于，所述边缘业务的处理方法还包括：
将所述当前应用程序所能被分配到的带宽资源发送至多接入边缘计算平台，以使得所述多接入边缘计算平台根据所述当前应用程序所能被分配到的带宽资源，对所述当前应用程序所具有的当前带宽资源进行更新。
9.一种边缘业务的处理装置，其特征在于，包括：
边缘业务处理请求接收模块，用于接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；
信息采集请求发送模块，用于响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；
数据信息接收模块，用于接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；
边缘业务处理模块，用于根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的边缘业务的处理方法。
11.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-8任一项所述的边缘业务的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211105074.2A CN115460091A (zh) | 2022-09-09 | 2022-09-09 | 边缘业务的处理方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211105074.2A CN115460091A (zh) | 2022-09-09 | 2022-09-09 | 边缘业务的处理方法及装置、存储介质、电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115460091A true CN115460091A (zh) | 2022-12-09 |
Family
ID=84304008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211105074.2A Pending CN115460091A (zh) | 2022-09-09 | 2022-09-09 | 边缘业务的处理方法及装置、存储介质、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115460091A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200099742A1 (en) * | 2017-05-22 | 2020-03-26 | Telefonaktiebolaget Lm Ericsson (Publ) | Edge Cloud Broker and Method Therein for Allocating Edge Cloud Resources |
| WO2022006109A1 (en) * | 2020-06-29 | 2022-01-06 | Intel Corporation | Service function chaining services in edge data network and 5g networks |
| CN114513852A (zh) * | 2020-11-17 | 2022-05-17 | 华为技术有限公司 | 服务实例部署方法、跨域互访通道建立方法及相关装置 |
| CN114513494A (zh) * | 2020-11-16 | 2022-05-17 | 中国电信股份有限公司 | 业务调度方法、系统和存储介质及业务服务系统 |
| CN114554550A (zh) * | 2022-03-28 | 2022-05-27 | 网络通信与安全紫金山实验室 | 5g接入网与边缘云网关的通信方法及装置 |
| CN114598641A (zh) * | 2020-11-20 | 2022-06-07 | 华为技术有限公司 | 业务路径建立方法、通信装置及存储介质 |
-
2022
- 2022-09-09 CN CN202211105074.2A patent/CN115460091A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200099742A1 (en) * | 2017-05-22 | 2020-03-26 | Telefonaktiebolaget Lm Ericsson (Publ) | Edge Cloud Broker and Method Therein for Allocating Edge Cloud Resources |
| WO2022006109A1 (en) * | 2020-06-29 | 2022-01-06 | Intel Corporation | Service function chaining services in edge data network and 5g networks |
| CN114513494A (zh) * | 2020-11-16 | 2022-05-17 | 中国电信股份有限公司 | 业务调度方法、系统和存储介质及业务服务系统 |
| CN114513852A (zh) * | 2020-11-17 | 2022-05-17 | 华为技术有限公司 | 服务实例部署方法、跨域互访通道建立方法及相关装置 |
| CN114598641A (zh) * | 2020-11-20 | 2022-06-07 | 华为技术有限公司 | 业务路径建立方法、通信装置及存储介质 |
| CN114554550A (zh) * | 2022-03-28 | 2022-05-27 | 网络通信与安全紫金山实验室 | 5g接入网与边缘云网关的通信方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3745645B1 (en) | Method, device, and system for guaranteeing service level agreement of application | |
| CN111901135B (zh) | 一种数据分析方法及装置 | |
| EP3089032A1 (en) | Management system, overall management node, and management method | |
| EP3089031A1 (en) | Management system, virtual communication-function management node, and management method | |
| CN111491013A (zh) | 服务器调度方法、装置、系统、存储介质及计算机设备 | |
| CN113596863B (zh) | 确定用户面功能及信息提供的方法、设备及介质 | |
| CN110366276A (zh) | 服务化架构基站 | |
| CN113453252B (zh) | 通信方法及装置 | |
| CN114205866A (zh) | 确定性信息上报、下发方法、装置、存储介质及电子设备 | |
| CN108833167B (zh) | 一种基于边缘计算的通信优化系统及方法 | |
| CN115052041B (zh) | 渠道标识分配方法、装置、设备和存储介质 | |
| CN114900833B (zh) | 鉴权方法、装置、存储介质和电子设备 | |
| CN115460091A (zh) | 边缘业务的处理方法及装置、存储介质、电子设备 | |
| US11683715B2 (en) | Multi-tenant wireless network management based on traffic monitoring | |
| CN115002686A (zh) | 终端通信方法、装置、计算机存储介质及电子设备 | |
| CN114697945A (zh) | 发现响应消息的生成方法及装置、发现消息的处理方法 | |
| CN114422998A (zh) | 非独立组网登网用户识别方法、装置、电子设备及介质 | |
| CN113608778A (zh) | 应用管理方法及装置、存储介质、电子设备 | |
| CN114979128A (zh) | 跨区域通信方法、装置及电子设备 | |
| CN112770360A (zh) | 无线参数优化方法、装置和系统 | |
| Ferreira et al. | Enhancing Network Performance based on 5G Network Function and Slice Load Analysis | |
| KR20210046179A (ko) | 네트워크 기능 제어방법 및 장치 | |
| CN114978948B (zh) | 网元承载网络切片业务的评估方法、装置、设备及存储 | |
| US11218550B2 (en) | Setup of communication session | |
| US20230171577A1 (en) | Method for assisting unregistered user device to access end-to-end call service of private network and communication system |
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 |