CN115576973A - 一种业务部署方法、装置、计算机设备和可读存储介质 - Google Patents
一种业务部署方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN115576973A CN115576973A CN202211213577.1A CN202211213577A CN115576973A CN 115576973 A CN115576973 A CN 115576973A CN 202211213577 A CN202211213577 A CN 202211213577A CN 115576973 A CN115576973 A CN 115576973A
- Authority
- CN
- China
- Prior art keywords
- service
- edge computing
- dimension
- dimension information
- edge
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/244—Grouping and aggregation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种业务部署方法、装置、计算机设备和可读存储介质,涉及计算机技术领域。该方法包括:获取边缘节点设备的设备维度信息,以及按照多个预设周期,获取可在边缘节点设备上运行的多个边缘计算业务的业务维度信息;对多个预设周期的业务维度信息进行分析处理,得到每个边缘计算业务的不同维度组合的单位画像模型;根据设备维度信息和多个边缘计算业务的单位画像模型,确定目标业务组合,其中目标业务组合中包括至少一个边缘计算业务;按照目标业务组合,在边缘节点设备上进行边缘计算业务部署。
Description
技术领域
本申请涉及计算机技术领域,尤其是涉及到一种业务部署方法、业务部署装置、计算机设备和可读存储介质。
背景技术
近年来,物联网、云计算等技术得到广泛应用,但是随着万物互联以及5G高带宽、低时延时代的到来,在边缘计算行业,如何给不同边缘节点设备推送最优的边缘计算业务成为亟待解决的问题。
相关技术中,包括基于人工计算确定需要部署的边缘计算业务的方法以及基于运营运维经验设计配置模版来部署边缘计算业务的方法。
其中,基于人工计算确定需要部署的边缘计算业务的方法具体为,人为去观察边缘计算业务调度情况,并按需求调整各个地区业务边缘节点分布。但是,该方法基于运营运维经验,虽然可以处理一些问题,但是业务区域要求多、边缘节点多的情况下,会出现业务调度不及时、方案选择不当等问题,人力终究有限。而基于运营运维经验设计各个维度的配置模版来部署边缘计算业务的方法,针对边缘节点的“千节点千面”以及业务特性的“千业务千面”的特点又显得过于死板,灵活度不够。
发明内容
有鉴于此,本申请提供了一种业务部署方法、业务部署装置、计算机设备和可读存储介质,解决了相关技术中边缘计算业务部署的低效率、高错误率、灵活度不够的问题。
第一方面,本申请实施例提供了一种业务部署方法,包括:获取边缘节点设备的设备维度信息,以及按照多个预设周期,获取可在边缘节点设备上运行的多个边缘计算业务的业务维度信息;对多个预设周期的业务维度信息进行分析处理,得到每个边缘计算业务的不同维度组合的单位画像模型;根据设备维度信息和多个边缘计算业务的单位画像模型,确定目标业务组合,其中目标业务组合中包括至少一个边缘计算业务;按照目标业务组合,在边缘节点设备上进行边缘计算业务部署。
根据本申请实施例的上述业务部署方法,还可以具有以下附加技术特征:
在上述技术方案中,可选地,在获取设备维度信息和业务维度信息之后,还包括:将设备维度信息和业务维度信息,存储至数据库,数据库包括关系数据库和时序数据库。
在上述任一技术方案中,可选地,业务维度信息包括多个业务维度以及每个业务维度对应的跑量带宽数据;对多个预设周期的业务维度信息进行分析处理,得到每个边缘计算业务的不同维度组合的单位画像模型,包括:根据业务维度信息,分别将每个边缘计算业务在多个预设周期的业务维度以及其对应的跑量带宽数据进行聚合分析,生成每个边缘计算业务的多个聚合分析结果;对多个聚合分析结果进行交叉组合分析,生成每个边缘计算业务的不同维度组合的单位画像模型。
在上述任一技术方案中,可选地,对于任一边缘计算业务,对多个聚合分析结果进行交叉组合分析,生成边缘计算业务的不同维度组合的单位画像模型,包括:在边缘计算业务的多个聚合分析结果中,抽取具有共性信息的不同业务维度及其跑量带宽数据,并进行业务维度的交叉组合,生成边缘计算业务的多个维度组合,并计算每个维度组合的总跑量带宽数据;在多个维度组合中,确定总跑量带宽数据大于或等于预设阈值的多个目标维度组合,并生成每个目标维度组合的单位画像模型。
在上述任一技术方案中,可选地,根据设备维度信息和多个边缘计算业务的单位画像模型,确定目标业务组合,包括:对多个边缘计算业务的单位画像模型进行排列组合,基于设备维度信息,以边缘节点设备的设备维度利用最大化为约束目标,得到目标业务组合。
在上述任一技术方案中,可选地,对多个边缘计算业务的单位画像模型进行排列组合,基于设备维度信息,以边缘节点设备的设备维度利用最大化为约束目标,得到目标业务组合,包括:将多个边缘计算业务的单位画像模型作为混合整数线性规划模型的决策因子,设备维度信息作为混合整数线性规划模型的约束条件,以及根据多个边缘计算业务的单位画像模型构建混合整数线性规划模型的决策函数;对多个边缘计算业务的单位画像模型进行排列组合,以边缘节点设备的设备维度利用最大化为约束目标,对决策函数进行求解,得到跑量的目标业务组合。
在上述任一技术方案中,可选地,在根据设备维度信息和多个边缘计算业务的单位画像模型,确定目标业务组合之前,还包括:基于边缘计算业务的调度需求信息,对设备维度信息进行筛选。
第二方面,本申请实施例提供了一种业务部署装置,包括:信息获取模块,用于获取边缘节点设备的设备维度信息,以及按照多个预设周期,获取可在边缘节点设备上运行的多个边缘计算业务的业务维度信息;第一处理模块,用于对多个预设周期的业务维度信息进行分析处理,得到每个边缘计算业务的不同维度组合的单位画像模型;第二处理模块,用于根据设备维度信息和多个边缘计算业务的单位画像模型,确定目标业务组合,其中目标业务组合中包括至少一个边缘计算业务;业务部署模块,用于按照目标业务组合,在边缘节点设备上进行边缘计算业务部署。
第三方面,本申请实施例提供了一种计算机设备,该计算机设备包括处理器和存储器,存储器存储可在处理器上运行的程序或指令,程序或指令被处理器执行时实现如第一方面的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,该可读存储介质上存储程序或指令,程序或指令被处理器执行时实现如第一方面的方法的步骤。
第五方面,本申请实施例提供了一种芯片,该芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现如第一方面的方法。
第六方面,本申请实施例提供一种计算机程序产品,该程序产品被存储在存储介质中,该程序产品被至少一个处理器执行以实现如第一方面的方法。
在本申请实施例中,获取边缘节点设备的设备维度信息以及多个边缘计算业务的业务维度信息,并基于对多个预设周期内的业务维度信息的数据分析,建立各个边缘计算业务的不同维度组合的单位画像模型(也即特性画像)。进一步地,根据各个边缘计算业务的单位画像模型,以及结合边缘节点设备的自身硬件指标、网络指标等设备维度信息,进行最优的目标业务组合的推荐。最后,按照该最优的目标业务组合进行部署。
本申请实施例,基于大数据分析,以数据驱动结合智能推荐算法的自动化业务部署方式代替人工计算和人工部署,用算力代替人力,解决低效率、高错误率问题,并且更适于边缘节点的“千节点千面”以及业务特性的“千业务千面”的特点,灵活度较高,能够确保业务区域要求多、边缘节点多的情况下的业务部署。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了本申请实施例的业务部署方法的流程示意图;
图2示出了本申请实施例的数据采集的流程示意图;
图3示出了本申请实施例的数据分析的流程示意图;
图4示出了本申请实施例的推荐算法的流程示意图;
图5示出了本申请实施例的业务部署装置的结构框图;
图6示出了本申请实施例的计算机设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
目前,在边缘计算行业,如何根据业务地区需求以及设备性能给不同边缘节点设备推送最优的边缘计算业务、如何最大限度地利用好每一个边缘节点设备、如何针对甲方业务变更做出最快响应已成为亟需解决的问题。
本申请实施例提供了一种业务部署方案,采用数据驱动结合智能推荐的方式进行业务部署,具体地,根据边缘节点设备和边缘计算业务运行时上送的各个维度的特性,利用数据分析得到业务特性画像组合,通过智能推荐算法,最终得出最佳部署方案,能够解决以上问题。下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的业务部署方法、业务部署装置、计算机设备和可读存储介质进行详细地说明。
本申请实施例提供了一种业务部署方法,应用于云端服务器。如图1所示,该方法包括:
步骤101,获取边缘节点设备的设备维度信息,以及按照多个预设周期,获取可在边缘节点设备上运行的多个边缘计算业务的业务维度信息;
步骤102,对多个预设周期的业务维度信息进行分析处理,得到每个边缘计算业务的不同维度组合的单位画像模型;
步骤103,根据设备维度信息和多个边缘计算业务的单位画像模型,确定目标业务组合,其中目标业务组合中包括至少一个边缘计算业务;
步骤104,按照目标业务组合,在边缘节点设备上进行边缘计算业务部署。
其中,边缘计算业务包括短视频类、点播类、直播类、音频类、云游戏加速等。
在该实施例中,获取边缘节点设备的设备维度信息以及多个边缘计算业务的业务维度信息,并基于对多个预设周期内的业务维度信息的数据分析,建立各个边缘计算业务的不同维度组合的单位画像模型(也即业务特性画像)。进一步地,根据各个边缘计算业务的单位画像模型,以及结合边缘节点设备的自身硬件指标、网络指标等设备维度信息,进行最优的目标业务组合的推荐。最后,按照该最优的目标业务组合进行部署。
本申请实施例,基于大数据分析,以数据驱动结合智能推荐算法的自动化业务部署方式代替人工计算和人工部署,用算力代替人力,解决低效率、高错误率问题,并且更适于边缘节点的“千节点千面”以及业务特性的“千业务千面”的特点,灵活度较高,能够确保业务区域要求多、边缘节点多的情况下的业务部署。
在本申请的一个实施例中,确定目标业务组合的具体步骤包括以下三个部分。
一.数据采集
采集边缘计算业务的业务维度信息,也即边缘计算业务本身在运行中的属性,以及采集边缘节点设备的设备维度信息,也即边缘节点设备本身在运行中的属性。
其中,边缘节点设备的设备维度信息包括内存、磁盘、类型、磁盘用量、磁盘温度、IOPS(Input/Output Operations Per Second,每秒进行读写操作的次数)、IOwait(是指系统由于I/O致使的进程等待)、网络信息、CPU(Central Processing Unit,中央处理器)核心、CPU线程、CPU温度、物理位置、运营商等设备维度的属性,边缘计算业务的业务维度信息包括内存、磁盘、类型、磁盘用量、磁盘温度、IOPS、IOwait、网络信息、CPU核心、CPU线程、CPU温度、物理位置、运营商等业务维度的属性,还包括各个业务维度对应的流量(也即跑量带宽数据)。
示例性地,如图2所示,边缘节点设备通过消息中间件将自身各种设备维度信息,以及边缘计算业务在边缘节点设备运行中的业务维度信息上报到云端服务器的数据中心,并存储在数据中心的关系数据库和时序数据库中,用于后续的使用、归档和分析。
需要说明的是,关系数据库和时序数据库均用于存储设备维度信息和业务维度信息,关系数据库主要以关系的形式对设备维度信息和业务维度信息进行存储,时序数据库主要以时序的形式对设备维度信息和业务维度信息进行存储。通过在不同的类型的数据库中存储信息,保证在后续使用时按照不同的使用需求对应从不同的数据库拉取信息,提高信息获取效果。
二.数据分析
如图3所示,在数据中心中,拉取出多个边缘计算业务在不同预设周期的所有业务维度信息,并将每个边缘计算业务在不同预设周期的所有业务维度以及其对应的跑量带宽数据进行聚合分析。例如,多个边缘计算业务包括业务A、业务B和业务C,业务A包括四个业务维度,业务B包括一个业务维度,业务C包括两个业务维度,多个预设周期包括第一周期、第二周期和第三周期共三个周期。在数据中心中拉取出业务A、业务B和业务C在不同预设周期的所有业务维度信息,将三个周期的业务A的第一业务维度及其对应的跑量带宽数据进行聚合分析,将三个周期的业务A的第二业务维度及其对应的跑量带宽数据进行聚合分析,将三个周期的业务A的第三业务维度及其对应的跑量带宽数据进行聚合分析,将三个周期的业务A的第四业务维度及其对应的跑量带宽数据进行聚合分析。相应地,以同样的方式分别进行业务B和业务C的聚合。
通过上述聚合分析运算,产生业务维度×预设周期对应跑量带宽数据的多种聚合分析结果。
进一步地,基于以上所有场景覆盖的聚合分析结果,再进行交叉组合分析,生成每个边缘计算业务的不同维度组合的单位画像模型,单位画像模型也即SKU(Stock KeepingUnit,库存量单位)画像模型,SKU定义为物理上不可分割的最小存货单元。如图3所示,生成业务A的业务A-SKU1模型、业务A-SKU2模型、业务A-SKU3模型、业务A-SKU4模型,以及业务B的业务B-SKU1模型、业务B-SKU2模型、业务B-SKU3模型、业务B-SKU4模型,以及业务C的业务C-SKU1模型、业务C-SKU2模型、业务C-SKU3模型、业务C-SKU4模型。
交叉组合分析,是指将一些有共性信息的不同业务维度及其跑量带宽数据抽取出来,再进行交叉组合。其中,相同缓存周期、相同时间周期(例如,第一个星期、第二个月)等都为共性维度。
如图3所示,进行预设周期性地循坏分析,例如,按照时、日、周、月、季进行循坏分析,推导出总跑量带宽数据最佳的各个边缘计算业务的SKU画像模型。
通过上述方式,利用数据分析得到业务特性画像组合,为推荐最佳部署方案提供基础。
三.推荐算法
首先,基于边缘计算业务的调度需求信息,对设备维度信息进行筛选,过滤掉边缘计算业务已知的推荐因子,,所谓已知的推荐因子即为边缘计算业务方指定某些区域、运营商不进行该边缘计算业务的调度,云端服务器会高优先级先做规避处理。
然后,通过消息中间件每注册一台边缘节点设备,都会将自身各个维度的设备维度信息及时地上传至云端服务器,云端服务器将拿到的边缘节点设备的设备维度信息,以及由上述数据分析推导出的所有边缘计算业务的SKU画像模型,交给推荐算法,从而以最大跑量为最优,也即最大价值为最优做极值,得出最佳的目标业务组合。
其中,如图4所示,推荐算法具体包括:构建MILP(Mixed Integer LinearProgram,混合整数线性规划模型),将所有边缘计算业务的SKU画像模型和边缘节点设备的设备维度信息以矩阵的形式,拆解成对应的可行域决策因子和约束条件。以所有的边缘计算业务的SKU画像模型创建决策函数(用于求解极值),将SKU画像模型做排列组合,边缘节点设备的设备维度信息做极值约束,用求解器进行运算,如上过程进行N次循环,直至算法终止,在边缘节点设备的设备维度利用最充分的前提下,得出跑量最大、价值最高的目标业务组合。
本申请实施例中,按照预设周期不断更新边缘计算业务的SKU画像模型,以确保业务部署的实时性、精准性。本申请实施例中,利用MILP进行推荐,其具有矢量运算能力,具有快速、节省空间的特点。
需要说明的是,每进行一次推荐目标业务组合的过程,无需将数据采集、数据分析都进行一次,只需要将数据分析自循环产出的边缘计算业务的SKU画像模型和由消息中间件即时采集的边缘节点设备的设备维度信息输入至推荐算法即可。
本申请实施例,利用大数据分析的方式,把边缘计算业务在跑时所用资源与边缘节点设备各个维度的资源信息聚合,分析各个边缘计算业务所用资源最佳情况,合理并最大化的运用边缘节点设备的硬件以及带宽资源,极大的提高了边缘计算业务的部署及调动速度,同时也提高了边缘计算业务的节点有效性。
作为上述业务部署方法的具体实现,本申请实施例提供了一种业务部署装置。如图5所示,该业务部署装置500包括:信息获取模块501、第一处理模块502、第二处理模块503以及业务部署模块504。
其中,信息获取模块501,用于获取边缘节点设备的设备维度信息,以及按照多个预设周期,获取可在边缘节点设备上运行的多个边缘计算业务的业务维度信息;第一处理模块502,用于对多个预设周期的业务维度信息进行分析处理,得到每个边缘计算业务的不同维度组合的单位画像模型;第二处理模块503,用于根据设备维度信息和多个边缘计算业务的单位画像模型,确定目标业务组合,其中目标业务组合中包括至少一个边缘计算业务;业务部署模块504,用于按照目标业务组合,在边缘节点设备上进行边缘计算业务部署。
在该实施例中,获取边缘节点设备的设备维度信息以及多个边缘计算业务的业务维度信息,并基于对多个预设周期内的业务维度信息的数据分析,建立各个边缘计算业务的不同维度组合的单位画像模型(也即业务特性画像)。进一步地,根据各个边缘计算业务的单位画像模型,以及结合边缘节点设备的自身硬件指标、网络指标等设备维度信息,进行最优的目标业务组合的推荐。最后,按照该最优的目标业务组合进行部署。
本申请实施例,基于大数据分析,以数据驱动结合智能推荐算法的自动化业务部署方式代替人工计算和人工部署,用算力代替人力,解决低效率、高错误率问题,并且更适于边缘节点的“千节点千面”以及业务特性的“千业务千面”的特点,灵活度较高,能够确保业务区域要求多、边缘节点多的情况下的业务部署。
进一步地,该业务部署装置500还包括:存储模块,用于将设备维度信息和业务维度信息,存储至数据库,数据库包括关系数据库和时序数据库。
进一步地,业务维度信息包括多个业务维度以及每个业务维度对应的跑量带宽数据;第一处理模块502,具体用于:根据业务维度信息,分别将每个边缘计算业务在多个预设周期的业务维度以及其对应的跑量带宽数据进行聚合分析,生成每个边缘计算业务的多个聚合分析结果;对多个聚合分析结果进行交叉组合分析,生成每个边缘计算业务的不同维度组合的单位画像模型。
进一步地,第一处理模块502,具体用于:在边缘计算业务的多个聚合分析结果中,抽取具有共性信息的不同业务维度及其跑量带宽数据,并进行业务维度的交叉组合,生成边缘计算业务的多个维度组合,并计算每个维度组合的总跑量带宽数据;在多个维度组合中,确定总跑量带宽数据大于或等于预设阈值的多个目标维度组合,并生成每个目标维度组合的单位画像模型。
进一步地,第二处理模块503,用于:对多个边缘计算业务的单位画像模型进行排列组合,基于设备维度信息,以边缘节点设备的设备维度利用最大化为约束目标,得到目标业务组合。
进一步地,第二处理模块503,用于:将多个边缘计算业务的单位画像模型作为混合整数线性规划模型的决策因子,设备维度信息作为混合整数线性规划模型的约束条件,以及根据多个边缘计算业务的单位画像模型构建混合整数线性规划模型的决策函数;对多个边缘计算业务的单位画像模型进行排列组合,以边缘节点设备的设备维度利用最大化为约束目标,对决策函数进行求解,得到跑量的目标业务组合。
进一步地,第二处理模块503,还用于基于边缘计算业务的调度需求信息,对设备维度信息进行筛选。
本申请实施例中的业务部署装置可以是计算机设备,也可以是计算机设备中的部件,例如集成电路或芯片。该计算机设备可以是终端,也可以为除终端之外的其他设备。示例性的,计算机设备可以为平板电脑、笔记本电脑、掌上电脑、移动上网装置(MobileInternet Device,MID)、超级移动个人计算机(Ultra-Mobile Personal Computer,UMPC)、上网本或者个人数字助理(Personal Digital Assistant,PDA)等,还可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(Personal Computer,PC)等,本申请实施例不作具体限定。
本申请实施例中的业务部署装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为ios操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的业务部署装置能够实现图1的业务部署方法实施例实现的各个过程,为避免重复,这里不再赘述。
本申请实施例还提供一种计算机设备,如图6所示,该计算机设备600包括处理器601和存储器602,存储器602上存储有可在处理器601上运行的程序或指令,该程序或指令被处理器601执行时实现上述业务部署方法实施例的各个步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的计算机设备包括上述的移动计算机设备和非移动计算机设备。
存储器602可用于存储软件程序以及各种数据。存储器602可主要包括存储程序或指令的第一存储区和存储数据的第二存储区,其中,第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外,存储器602可以包括易失性存储器或非易失性存储器,或者,存储器602可以包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DRRAM)。本申请实施例中的存储器602包括但不限于这些和任意其它适合类型的存储器。
处理器601可包括一个或多个处理单元;可选的,处理器601集成应用处理器和调制解调处理器,其中,应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作,调制解调处理器主要处理无线通信信号,如基带处理器。可以理解的是,上述调制解调处理器也可以不集成到处理器601中。
本申请实施例还提供一种可读存储介质,可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述业务部署方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供了一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现上述业务部署方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
本申请实施例还提供一种计算机程序产品,该程序产品被存储在存储介质中,该程序产品被至少一个处理器执行以实现如上述业务部署方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种业务部署方法,其特征在于,包括:
获取边缘节点设备的设备维度信息,以及按照多个预设周期,获取可在所述边缘节点设备上运行的多个边缘计算业务的业务维度信息;
对多个所述预设周期的所述业务维度信息进行分析处理,得到每个所述边缘计算业务的不同维度组合的单位画像模型;
根据所述设备维度信息和多个所述边缘计算业务的单位画像模型,确定目标业务组合,其中所述目标业务组合中包括至少一个所述边缘计算业务;
按照所述目标业务组合,在所述边缘节点设备上进行边缘计算业务部署。
2.根据权利要求1所述的方法,其特征在于,在获取设备维度信息和业务维度信息之后,还包括:
将所述设备维度信息和所述业务维度信息,存储至数据库,所述数据库包括关系数据库和时序数据库。
3.根据权利要求1所述的方法,其特征在于,所述业务维度信息包括多个业务维度以及每个所述业务维度对应的跑量带宽数据;对多个所述预设周期的所述业务维度信息进行分析处理,得到每个所述边缘计算业务的不同维度组合的单位画像模型,包括:
根据所述业务维度信息,分别将每个所述边缘计算业务在多个所述预设周期的业务维度以及其对应的跑量带宽数据进行聚合分析,生成每个所述边缘计算业务的多个聚合分析结果;
对多个所述聚合分析结果进行交叉组合分析,生成每个所述边缘计算业务的不同维度组合的单位画像模型。
4.根据权利要求3所述的方法,其特征在于,对于任一所述边缘计算业务,对多个所述聚合分析结果进行交叉组合分析,生成所述边缘计算业务的不同维度组合的单位画像模型,包括:
在所述边缘计算业务的多个所述聚合分析结果中,抽取具有共性信息的不同业务维度及其跑量带宽数据,并进行业务维度的交叉组合,生成所述边缘计算业务的多个维度组合,并计算每个所述维度组合的总跑量带宽数据;
在多个所述维度组合中,确定总跑量带宽数据大于或等于预设阈值的多个目标维度组合,并生成每个所述目标维度组合的单位画像模型。
5.根据权利要求1所述的方法,其特征在于,根据所述设备维度信息和多个所述边缘计算业务的单位画像模型,确定目标业务组合,包括:
对多个所述边缘计算业务的单位画像模型进行排列组合,基于所述设备维度信息,以所述边缘节点设备的设备维度利用最大化为约束目标,得到目标业务组合。
6.根据权利要求1所述的方法,其特征在于,对多个所述边缘计算业务的单位画像模型进行排列组合,基于所述设备维度信息,以所述边缘节点设备的设备维度利用最大化为约束目标,得到目标业务组合,包括:
将多个所述边缘计算业务的单位画像模型作为混合整数线性规划模型的决策因子,所述设备维度信息作为混合整数线性规划模型的约束条件,以及根据多个所述边缘计算业务的单位画像模型构建混合整数线性规划模型的决策函数;
对多个所述边缘计算业务的单位画像模型进行排列组合,以所述边缘节点设备的设备维度利用最大化为约束目标,对所述决策函数进行求解,得到跑量的目标业务组合。
7.根据权利要求1所述的方法,其特征在于,在根据所述设备维度信息和多个所述边缘计算业务的单位画像模型,确定目标业务组合之前,还包括:
基于所述边缘计算业务的调度需求信息,对所述设备维度信息进行筛选。
8.一种业务部署装置,其特征在于,包括:
信息获取模块,用于获取边缘节点设备的设备维度信息,以及按照多个预设周期,获取可在所述边缘节点设备上运行的多个边缘计算业务的业务维度信息;
第一处理模块,用于对多个所述预设周期的所述业务维度信息进行分析处理,得到每个所述边缘计算业务的不同维度组合的单位画像模型;
第二处理模块,用于根据所述设备维度信息和多个所述边缘计算业务的单位画像模型,确定目标业务组合,其中所述目标业务组合中包括至少一个所述边缘计算业务;
业务部署模块,用于按照所述目标业务组合,在所述边缘节点设备上进行边缘计算业务部署。
9.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器存储有在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至7中任一项所述的业务部署方法的步骤。
10.一种可读存储介质,其上存储有程序或指令,其特征在于,所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述的业务部署方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211213577.1A CN115576973B (zh) | 2022-09-30 | 2022-09-30 | 一种业务部署方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211213577.1A CN115576973B (zh) | 2022-09-30 | 2022-09-30 | 一种业务部署方法、装置、计算机设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115576973A true CN115576973A (zh) | 2023-01-06 |
CN115576973B CN115576973B (zh) | 2023-04-11 |
Family
ID=84582808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211213577.1A Active CN115576973B (zh) | 2022-09-30 | 2022-09-30 | 一种业务部署方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115576973B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116347608A (zh) * | 2023-04-19 | 2023-06-27 | 湖南科技学院 | 一种时分资源自适应调整方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111371603A (zh) * | 2020-02-27 | 2020-07-03 | 长沙市源本信息科技有限公司 | 应用于边缘计算的服务实例部署方法和装置 |
CN111930521A (zh) * | 2020-09-23 | 2020-11-13 | 北京百度网讯科技有限公司 | 用于部署应用的方法、装置、电子设备及可读存储介质 |
CN112532711A (zh) * | 2020-11-24 | 2021-03-19 | 中移(杭州)信息技术有限公司 | 边缘计算应用部署方法、终端、边缘计算节点及存储介质 |
US11201794B1 (en) * | 2021-06-04 | 2021-12-14 | National University Of Defense Technology | Edge federation system for an integrated service provisioning model and method thereof |
-
2022
- 2022-09-30 CN CN202211213577.1A patent/CN115576973B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111371603A (zh) * | 2020-02-27 | 2020-07-03 | 长沙市源本信息科技有限公司 | 应用于边缘计算的服务实例部署方法和装置 |
CN111930521A (zh) * | 2020-09-23 | 2020-11-13 | 北京百度网讯科技有限公司 | 用于部署应用的方法、装置、电子设备及可读存储介质 |
CN112532711A (zh) * | 2020-11-24 | 2021-03-19 | 中移(杭州)信息技术有限公司 | 边缘计算应用部署方法、终端、边缘计算节点及存储介质 |
US11201794B1 (en) * | 2021-06-04 | 2021-12-14 | National University Of Defense Technology | Edge federation system for an integrated service provisioning model and method thereof |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116347608A (zh) * | 2023-04-19 | 2023-06-27 | 湖南科技学院 | 一种时分资源自适应调整方法 |
CN116347608B (zh) * | 2023-04-19 | 2024-03-15 | 湖南科技学院 | 一种时分资源自适应调整方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115576973B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107577805B (zh) | 一种面向日志大数据分析的业务服务系统 | |
CN110830437B (zh) | 高频业务数据的数据压缩方法、装置、设备及存储介质 | |
CN106815254A (zh) | 一种数据处理方法和装置 | |
Xu et al. | Learning-based dynamic resource provisioning for network slicing with ensured end-to-end performance bound | |
CN111274256B (zh) | 基于时序数据库的资源管控方法、装置、设备及存储介质 | |
CN111459986A (zh) | 数据计算系统及方法 | |
Ramaswami et al. | Modeling heavy tails in traffic sources for network performance evaluation | |
CN115576973B (zh) | 一种业务部署方法、装置、计算机设备和可读存储介质 | |
CN110717647A (zh) | 决策流构建方法、装置、计算机设备和存储介质 | |
CN112019605A (zh) | 数据流的数据分发方法和系统 | |
JP2020537261A (ja) | 連続するデータブロックの非同期処理 | |
CN113392338A (zh) | 热点区域定位方法、装置、设备及存储介质 | |
CN111522786A (zh) | 日志处理系统及方法 | |
CN112633842A (zh) | 任务推送方法、装置及系统 | |
CN111651454A (zh) | 一种数据处理方法、装置及计算机设备 | |
CN105912664B (zh) | 一种文件处理方法和设备 | |
CN114661450A (zh) | 基于时间序列学习和预测的备份系统任务调度方法及系统 | |
CN112835682B (zh) | 一种数据处理方法、装置、计算机设备和可读存储介质 | |
CN114493028A (zh) | 预测模型的建立方法和装置、存储介质及电子装置 | |
CN111104384A (zh) | 数据预处理方法、装置、设备和存储介质 | |
CN113873025B (zh) | 数据处理方法及装置、存储介质及电子设备 | |
CN113343577B (zh) | 一种基于机器学习的参数优化方法、装置、设备及介质 | |
CN115409345A (zh) | 业务指标计算方法、装置、计算机设备和存储介质 | |
CN114595146A (zh) | Ab测试方法、装置、系统、电子设备及介质 | |
CN110442780B (zh) | 基于智慧园区的车主画像生成方法、装置和计算机设备 |
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 |