CN115914349A - 基于图最短路径变体的移动边缘计算微服务放置算法 - Google Patents
基于图最短路径变体的移动边缘计算微服务放置算法 Download PDFInfo
- Publication number
- CN115914349A CN115914349A CN202211314292.7A CN202211314292A CN115914349A CN 115914349 A CN115914349 A CN 115914349A CN 202211314292 A CN202211314292 A CN 202211314292A CN 115914349 A CN115914349 A CN 115914349A
- Authority
- CN
- China
- Prior art keywords
- delay
- edge
- micro
- layer
- user
- 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
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 230000009897 systematic effect Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 239000011229 interlayer Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
Images
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于移动边缘计算微服务放置技术领域,具体为一种基于图最短路径变体的移动边缘计算微服务放置算法。本发明首先对移动边缘计算环境下微服务放置问题进行系统性的建模,优化目标为最小化所有用户的总时延,包括启动延迟和通信延迟,同时考虑对资源的约束。随后将该问题转化为求图最短路径问题的变体,通过引入偏序关系和最优偏序对集合的概念,创新性地提出同时基于延迟和资源消耗量的求解方法,并证明其算法最优性。测试结果表明,相比于其他微服务放置算法,本发明算法可以找出满足资源约束条件的使得延迟最小的微服务放置策略。
Description
技术领域
本发明属于移动边缘计算技术领域,具体涉及基于图最短路径变体的移动边缘计算微服务放置算法。
背景技术
容器技术是一种新兴的虚拟化技术,相比于传统的虚拟机,容器技术具有轻量级,易部署,隔离度高等优点[1]。依托于容器技术的微服务架构将单体架构提供的服务切分为各个模块进行单独开发,实现了更高的灵活性和可扩展性[2]。Google、Facebook等知名公司均使用微服务架构代替传统的单体架构。
随着智能终端和设备的数量不断增加,传统的云计算已无法处理由此产生的海量数据,移动边缘计算作为一种新兴的网络范式,将云服务下沉到网络边缘,直接在靠近用户端的边缘节点进行处理,从而达到低延迟高可靠性的效果。依托于容器技术的微服务,由于其轻量级的特点,也更适合部署在资源受限的边缘计算的环境下,两者的融合使得移动用户可以更好的享受云服务供应商提供的服务。
微服务放置问题是移动边缘计算中为自动驾驶等移动用户提供有效服务的重要问题。依托于容器技术的微服务多以分层的形式进行存储,且不同的微服务之间可以进行层间共享,充分利用该特点可以大幅节省边缘节点的资源消耗。然而,已有的工作如[3,4,5]虽然利用层间共享的特点来设计高效的微服务放置算法进而达到节省存储空间的效果,但没有考虑移动用户的场景。[6,7,8,9,10]考虑了移动边缘计算场景下微服务放置问题,但并没有考虑层间共享的特点对节省存储空间的收益。
本发明考虑移动边缘计算资源受限场景下的微服务放置问题,充分利用层间共享信息和用户移动轨迹信息,将微服务放置问题转化为求图最短路径问题的变体,并提出同时考虑延迟以及资源约束的求解算法,实验结果表明可以在保证不超出资源约束的前提下找出使得移动用户时延最短的策略。
发明内容
本发明的目的在于提出一种基于图最短路径变体的移动边缘计算微服务放置算法,以降低系统内所有用户的总时延。
本发明提供的基于图最短路径变体的移动边缘计算微服务放置算法,首先对移动边缘计算环境下微服务放置问题进行系统性的建模,优化目标为最小化所有用户的总时延,总时延包括启动时延Ts(t)和通信时延Tc(t);同时考虑边缘节点资源受限的特点,专门添加对于边缘节点资源的约束;随后将该优化问题转化为求图最短路径问题的变体,通过引入偏序关系和最优偏序对集合的概念,创新性地提出同时基于延迟和资源消耗量的优化问题求解方法。并证明其算法最优性。测试结果表明,相比于其他微服务放置算法,本发明算法可以找出满足资源约束条件的使得延迟最小的微服务放置策略。
(一)所述对移动边缘计算环境下微服务放置问题进行系统性的建模移动边缘计算(MEC)指将云服务下沉到网络边缘,使得移动用户可通过无线网络将计算任务卸载到距离用户更近的边缘节点去执行,从而降低延迟;其中移动用户包括使用自动驾驶的用户、手持智能手机的用户,边缘节点指相比于云计算中心而言,距离用户更近的计算设备,可以是机房或其他的物理设备等。设MEC(移动边缘计算)节点集合为用户集合为微服务放置算法在离散的时间片{0,1,2,...}进行;在每个时间段的起始时刻,移动用户提交对不同微服务的请求信息;设I代表所有的微服务集合,代表组成微服务的所有层的集合,二进制变量取值为1代表微服务i包括第l层;类似地,二进制变量取值为1用于表示在第t个时间段的边缘节点m存储了层l;Sl表示层l的大小,即层l占据的存储空间。
所述启动时延Ts(t)是指从边缘节点收到用户请求到边缘节点成功部署相应的微服务之间的时间段。如果选择执行某用户请求的边缘节点缺少组成该微服务的相关层,则需要从临近的边缘节点进行下载。如果所有的边缘节点都没有该层,则需要从远端云进行下载,但会带来较大的延迟。不失一般性,本发明假设从远端云下载层引起的延迟比从其他临近的边缘节点下载层带来的延迟大。因此,边缘节点会尽可能从临近的边缘节点下载需要的层。若边缘节点已经存储了需要的层,则下载延迟为:
其中,Bw代表边缘节点之间的数据传输速率,tr是由网络设备(如交换机)转发引起的延迟,Hm,des(m)是从被选择执行用户请求的节点m到能够下载到相关缺失层的最近节点des(m)的最短路径,即为最小跳数。若所有的边缘节点都没有用户需要的层,则该层需要去云端下载。令云端下载的延迟固定为Ts,c,初始化一个微服务带来的延迟为Ts,i,则启动延迟可以统一表示为:
所述通信时延Tc(t),移动用户首先通过无线链路将通信数据上传到距离最近的边缘节点,如果用户的目标节点不是该节点,则用户的通信数据需要路由到相应的目标节点。其中,目标节点指调度算法指定的用于处理该用户请求的节点。此时,通信时延则为无线通信时延和路由转发时延的叠加。令dn代表用户n在第t个时间段需要传输的数据量,en(t)代表用户的请求数量。则第t个时间段的通信延迟可以表示为:
其中,Bc代表用户和距离最近的边缘节点之间的无线链路上行带宽,ln(t)代表距离用户最近边缘节点的位置,在本发明中,距离用户最近的边缘节点的位置可直接代表用户的位置。
所述边缘节点资源的约束;通常情况下,边缘节点设备计算和存储能力有限。令cn(t)代表在时间段t处理用户n的请求引起的资源消耗,则边缘节点资源受限可以表示为:
其中,Cm代表边缘节点的资源容量,Cv代表最大的可超出容量的限制。
于是,本发明优化目标问题可表述为:
s.t.(2-4),(5)
其中,T代表优化的总时长。
(二)基于图最短路径变体的MEC资源受限微服务放置算法
将微服务放置问题转化为求图最短路径问题的变体,并提出相应的求解算法-基于图最短路径变体的MEC资源受限微服务放置算法;该算法如图1所示,算法中共有T层,每一层的节点个数为所有可行策略的个数,其中每个节点xi[dt,τt]代表当在时间t执行策略i时,所产生的时延dt以及引起的资源溢出量τt。在给出具体的操作步骤之前,首先引入偏序关系和最优偏序对集合的概念:
偏序关系:对于向量a=(x1,y1)和向量b=(x2,y2),当且仅当a1≤b1,a2≤b2时,偏序关系a≤b成立。易证该偏序关系满足自反性、反对称性和传递性。
最优偏序对集合:对于集合S={s1,s2,...,sn},其中si=(xi,yi),若对于任意si,sj∈S,偏序关系si≤sj均不成立,则称集合S为最优偏序对集合。
所述求解算法,可使用有向无环图表示,图形表示见附录。算法共分为T层;所述求解算法为每一层都维护一个最优偏序对集合Qt={…,[Di,Mi],…},Qt存储了截至时间t为止所能实现的最短时延以及最小的资源溢出量对;以第二层第一个节点x0[d2,τ2]为例,表示在t=2时刻执行策略x0引起的用户总延迟和资源溢出量。对于节点x0[d2,τ2],通过上一时刻的最优偏序对集合Qt和[d2,τ2],即可获得截止当前时刻的最优偏序对集合。重复上述过程,直至进行到最后一个时间片,即得到满足约束条件的最优策略。
本发明所述求解算法,使用有向无环图表示,参见附录。已知用户的移动轨迹,用户对微服务的请求模式,对边缘节点的消耗资源的约束和优化窗口H。首先对最优偏序对集合和总资源溢出量初始化为0,随后在每次迭代过程中,针对每一个可行策略,计算用户延迟和资源溢出量,并更新总资源溢出量。最后可得到最优的微服务放置策略。
本发明算法最优性证明:
为说明本发明所提算法可以找到问题最优解,采用基于循环不变式的方式进行证明,其中循环不变式为在开启每轮迭代前,Qt-1是最优结果偏序对集合。
初始化:在开启第一轮迭代前,Qt-1=[[0,0]],此时延迟和资源溢出量都为0,所以成立。
终止:循环终止时,t=T+1,Qt-1=QT为最优。
附图说明
图1为基于图最短路径变体的MEC微服务放置算法原理框图。
图2为基于图最短路径变体的MEC微服务放置算法与对比算法性能对比结果图。
具体实施方式
实施例:
设实施例的参数:
系统环境:python;
用户数目:4;
微服务个数:4;
边缘节点个数:5;
微服务占据存储空间大小:{200,250,150,200}MB;
微服务各层占据存储空间大小:{150,50,200,100,50,160,40}MB;
边缘节点间数据传输速率:200MBps;
无线网络上行链路数据传输速率:20MBps;
单位时间通信数据量:1000MB;
交换机及路由转发延迟:10ms;
资源溢出量阈值:300MB;
边缘节点存储容量限制:300MB。
首先对移动边缘计算下微服务放置问题进行初始化,除上述参数外,本发明随机生成微服务在各个边缘节点的初始放置状态,实验以存储资源为例作为约束条件,要求算法对总存储资源的溢出量不超过300MB。在算法运行过程中,对于每个时间片,计算出每种可行策略引起的延迟和资源溢出量,并基于该信息得出截至当前时间为止的最优结果偏序对集合。重复上述过程至最后一个时间片,即可得出满足约束条件下的实现最短延迟的策略。
对比算法为Followme策略,即微服务的放置始终跟随用户的移动轨迹,如图2所示,其中横轴代表算法实现的延迟,纵轴代表算法对存储资源的溢出量值,越接近图中左下角的结果代表算法效果越好。与直观相符,Followme通过将微服务部署在距离用户最近的边缘节点中,最大程度降低了用户的延迟,但由于未考虑存储资源的约束,导致资源溢出量过大而无法得出满足要求的算法。而本发明所提算法可以在寻找延迟最小的策略的同时,考虑对存储资源的约束,从而最终找出在满足资源约束的条件下所能达到的最短延迟的策略。
附录:本发明优化算法伪代码
参考文献:
[1]Ma L,Yi S,Carter N,et al.Efficient live migration of edge servicesleveraging container layered storage.IEEE Transactions on Mobile Computing,2018,18(9):2020-2033.
[2]Kang H,Le M,Tao S.Container and microservice driven design forcloud infrastructure devops.IEEE International Conference on CloudEngineering(IC2E).2016,pp.202-211.
[3]Gu L,Zeng D,Hu J,et al.Exploring Layered Container Structure forCost Efficient Microservice Deployment.IEEE Conference onComputerCommunications(INFOCOM).2021,pp.1-9.
[4]Gu L,Zeng D,Hu J,et al.Exploring Layered Container Structure forCost Efficient Microservice Deployment.IEEE Conference on ComputerCommunications(INFOCOM).2021,pp.1-9.
[5]Gu L,Chen Z,Xu H,et al.Layer-aware Collaborative MicroserviceDeployment toward Maximal Edge Throughput.IEEE Conference on ComputerCommunications.2022,pp.71-79.
[6]Wang S,Guo Y,Zhang N,et al.Delay-aware Microservice Coordinationin Mobile Edge Computing:A Reinforcement Learning approach.IEEE Transactionson Mobile Computing,2019,20(3):939-951.
[7]Zhao H,Deng S,Liu Z,et al.Distributed Redundant Placement forMicroservice-based Applications at the Edge.IEEE transactions on servicescomputing,2022,15(3),1732-1745.
[8]Samanta A,Tang J.Dyme:Dynamic microservice scheduling in edgecomputing enabled IoT.IEEE Internet of Things Journal,2020,7(7):6164-6174.
[9]Guo F,Tang B,Tang M.Joint optimization of delay and cost formicroservice composition in mobile edge computing.World Wide Web,2022:1-29.
[10]Ray K,Banerjee A,Narendra N C.Proactive microservice placementand migration for mobile edge computing.IEEE/ACM Symposium on Edge Computing(SEC).IEEE,2020:28-41。
Claims (2)
1.一种基于图最短路径变体的移动边缘计算微服务放置算法,其特征在于,首先,对移动边缘计算环境下微服务放置问题进行系统性建模,优化目标为最小化所有用户的总时延,包括启动时延Ts(t)和通信时延Tc(t);同时考虑边缘节点资源受限的特点,专门添加对于边缘节点资源的约束;然后将该优化问题转化为求图最短路径问题的变体,通过引入偏序关系和最优偏序对集合的概念,同时对基于延迟和资源消耗量的优化问题进行求解。
2.根据权利要求1所述的基于图最短路径变体的移动边缘计算微服务放置算法,其特征在于,具体步骤为:
(一)所述对移动边缘计算环境下微服务放置问题进行系统性建模
移动边缘计算(MEC)指将云服务下沉到网络边缘,使得移动用户可通过无线网络将计算任务卸载到距离用户更近的边缘节点去执行,从而降低延迟;边缘节点指相比于云计算中心而言,距离用户更近的计算设备;设MEC边缘节点集合为移动用户集合为系统运行在离散的时间片{0,1,2,...};在每个时间段的起始时刻,移动用户提交对不同微服务的请求信息;设I代表所有的微服务集合,代表组成微服务的所有层的集合,为二进制变量,取值为1代表微服务i包括第l层,取值为0代表不包括;类似地,二进制变量取值为1表示在第t个时间段的边缘节点m存储了层l,取值为0则代表未存储;Sl表示层l的大小,即层l占据的存储空间;
所述启动时延Ts(t)指从边缘节点收到移动用户请求到边缘节点成功部署相应的微服务之间的时间段;如果选择执行某用户请求的边缘节点缺少组成该微服务的相关层,则从临近的边缘节点进行下载;如果所有的边缘节点都没有该层,则从远端云进行下载;假设从远端云下载层引起的延迟比从其他临近的边缘节点下载层带来的延迟大;因此,边缘节点尽可能从临近的边缘节点下载需要的层;若边缘节点已经存储有需要的层,则下载延迟为:
其中,Bw代表边缘节点之间的数据传输速率,tr是由网络设备转发引起的延迟,Hm,des(m)是从被选择执行用户请求的节点m到能够下载到相关缺失层的最近节点des(m)的最短路径,即为最小跳数;若所有的边缘节点都没有用户需要的层,则该层去云端下载;令云端下载的延迟固定为Ts,c,初始化一个微服务带来的延迟为Ts,i,则启动延迟统一表示为:
所述通信时延Tc(t),移动用户首先通过无线链路将通信数据上传到距离最近的边缘节点,如果用户的目标节点不是该节点,则用户的通信数据路由到相应的目标节点;其中,目标节点指调度算法指定的用于处理该用户请求的节点;此时,通信时延则为无线通信时延和路由转发时延的叠加;令dn代表用户n在第t个时间段需要传输的数据量,en(t)代表用户的请求数量;则第t个时间段的通信延迟表示为:
其中,Bc代表用户和距离最近的边缘节点之间的无线链路上行带宽,ln(t)代表距离用户最近边缘节点的位置;距离用户最近的边缘节点的位置直接代表用户的位置;
所述边缘节点资源的约束;令cn(t)代表在时间段t处理用户n的请求引起的资源消耗,则边缘节点资源受限表示为:
其中,Cm代表边缘节点的资源容量,Cv代表最大的可超出容量的限制;
于是,本发明优化目标问题表述为:
s.t.(2-4), (5)
(二)基于图最短路径变体的MEC资源受限微服务放置算法
将微服务放置问题转化为求图最短路径问题的变体,并提出相应的求解算法-基于图最短路径变体的MEC资源受限微服务放置算法;算法共有T层,每一层的节点个数为所有可行策略的个数,其中每个节点xi[dt,τt]代表当在时间t执行策略i时,所产生的时延dt以及引起的资源溢出量τt;这里引入偏序关系和最优偏序对集合的概念:
偏序关系:对于向量a=(x1,y1)和向量b=(x2,y2),当且仅当a1≤b1,a2≤b2时,偏序关系a≤b成立;该偏序关系满足自反性、反对称性和传递性;
最优偏序对集合:对于集合S={s1,s2,...,sn},其中xi=(xi,yi),若对于任意si,sj∈S,偏序关系si≤sj均不成立,则称集合S为最优偏序对集合;
所述求解算法,为每一层都维护一个最优偏序对集合Qt={…,[Di,Mi],…},Qt存储了截至时间t为止所能实现的最短时延以及最小的资源溢出量对;对于第二层第一个节点x0[d2,τ2],其中,x0代表一种可行策略,d2,τ2分别为在t=2时刻执行该策略x0引起的用户总延迟和资源溢出量;通过上一时刻的最优偏序对集合Qt和[d2,τ2],即获得截止当前时刻的最优偏序对集合;重复上述过程,直至进行到最后一个时间片,即得到满足约束条件的最优策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211314292.7A CN115914349B (zh) | 2022-10-25 | 2022-10-25 | 基于图最短路径变体的移动边缘计算微服务放置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211314292.7A CN115914349B (zh) | 2022-10-25 | 2022-10-25 | 基于图最短路径变体的移动边缘计算微服务放置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115914349A true CN115914349A (zh) | 2023-04-04 |
CN115914349B CN115914349B (zh) | 2024-04-19 |
Family
ID=86480427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211314292.7A Active CN115914349B (zh) | 2022-10-25 | 2022-10-25 | 基于图最短路径变体的移动边缘计算微服务放置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115914349B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110022349A (zh) * | 2019-01-17 | 2019-07-16 | 重庆邮电大学 | 一种基于边缘计算的异构工业网络设备组态微服务方法 |
US20200351900A1 (en) * | 2019-04-30 | 2020-11-05 | Fujitsu Limited | Monitoring-based edge computing service with delay assurance |
WO2022007212A1 (zh) * | 2020-07-10 | 2022-01-13 | 南京邮电大学 | 一种面向边缘云系统的软件微服务组合优化方法 |
CN114338504A (zh) * | 2022-03-15 | 2022-04-12 | 武汉烽火凯卓科技有限公司 | 一种基于网络边缘系统的微服务部署和路由方法 |
US20220150326A1 (en) * | 2020-11-09 | 2022-05-12 | Nec Laboratories America, Inc. | Eco: edge-cloud optimization of 5g applications |
CN114615338A (zh) * | 2022-04-11 | 2022-06-10 | 河海大学 | 一种边缘环境中基于层共享的微服务部署方法及装置 |
-
2022
- 2022-10-25 CN CN202211314292.7A patent/CN115914349B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110022349A (zh) * | 2019-01-17 | 2019-07-16 | 重庆邮电大学 | 一种基于边缘计算的异构工业网络设备组态微服务方法 |
US20200351900A1 (en) * | 2019-04-30 | 2020-11-05 | Fujitsu Limited | Monitoring-based edge computing service with delay assurance |
WO2022007212A1 (zh) * | 2020-07-10 | 2022-01-13 | 南京邮电大学 | 一种面向边缘云系统的软件微服务组合优化方法 |
US20220150326A1 (en) * | 2020-11-09 | 2022-05-12 | Nec Laboratories America, Inc. | Eco: edge-cloud optimization of 5g applications |
CN114338504A (zh) * | 2022-03-15 | 2022-04-12 | 武汉烽火凯卓科技有限公司 | 一种基于网络边缘系统的微服务部署和路由方法 |
CN114615338A (zh) * | 2022-04-11 | 2022-06-10 | 河海大学 | 一种边缘环境中基于层共享的微服务部署方法及装置 |
Non-Patent Citations (4)
Title |
---|
HUI KANG; MICHAEL LE; SHU TAO: "Container and Microservice Driven Design for Cloud Infrastructure DevOps", 2016 IEEE INTERNATIONAL CONFERENCE ON CLOUD ENGINEERING (IC2E), 2 June 2016 (2016-06-02), pages 1 - 10 * |
JUNGSU HAN; YUJIN HONG; JONGWON KIM: "Refining Microservices Placement Employing Workload Profiling Over Multiple Kubernetes Clusters", IEEE ACCESS, 22 October 2020 (2020-10-22), pages 1 - 14 * |
丁博文,徐跃东,王亮: "IPFS网络内容和性能测量", 计算机工程与应用, 30 April 2022 (2022-04-30), pages 1 - 9 * |
马武彬;王锐;王威超;吴亚辉;邓苏;黄宏斌;: "基于进化多目标优化的微服务组合部署与调度策略", 系统工程与电子技术, no. 01, 31 January 2020 (2020-01-31), pages 1 - 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN115914349B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112492626B (zh) | 一种移动用户计算任务的卸载方法 | |
Huang et al. | A queuing delay utilization scheme for on-path service aggregation in services-oriented computing networks | |
CN109819046B (zh) | 一种基于边缘协作的物联网虚拟计算资源调度方法 | |
Novo et al. | Capillary networks-bridging the cellular and IoT worlds | |
CN109151864B (zh) | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 | |
EP3854063B1 (en) | Methods and systems for optimizing processing of application requests | |
US10992968B2 (en) | Method and apparatus for an enhanced data pipeline | |
Ebrahimzadeh et al. | Cooperative computation offloading in FiWi enhanced 4G HetNets using self-organizing MEC | |
US11477644B2 (en) | Network application programming interface guided service placement | |
US20220174485A1 (en) | Network application programming interface service for application guidance and control | |
CN113572864B (zh) | 一种数据处理方法、网元设备以及可读存储介质 | |
Salh et al. | Refiner GAN algorithmically enabled deep-RL for guaranteed traffic packets in real-time URLLC B5G communication systems | |
Chen et al. | A multilevel mobile fog computing offloading model based on UAV‐assisted and heterogeneous network | |
Nakamura et al. | In-situ resource provisioning with adaptive scale-out for regional iot services | |
CN113365290B (zh) | 天地融合网络中基于贪心策略的博弈论计算卸载方法 | |
Strykhalyuk et al. | Implementation of wireless heterogeneous network based on LTE core virtualization for military communication systems | |
CN115955685B (zh) | 多智能体协同路由方法、设备及计算机存储介质 | |
US12015932B2 (en) | Apparatuses and methods for enhancing network controls based on communication device information | |
CN115914349B (zh) | 基于图最短路径变体的移动边缘计算微服务放置方法 | |
Yin et al. | A cooperative edge computing scheme for reducing the cost of transferring big data in 5G networks | |
Devulapalli et al. | Image transmission in mobile wireless multimedia sensor networks using cat swarm optimization | |
KR20230118418A (ko) | 무선 통신 시스템에서 에지 컴퓨팅 서비스를 제공하기 위한 장치 및 방법 | |
Mechalikh et al. | Towards a scalable and QoS-aware load balancing platform for edge computing environments | |
Mseddi et al. | Centralized and collaborative RL-based resource allocation in virtualized dynamic fog computing | |
CN108566635B (zh) | 一种d2d路由选择方法 |
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 |