CN116192960A - 基于约束条件的算力网络集群动态构建方法及系统 - Google Patents
基于约束条件的算力网络集群动态构建方法及系统 Download PDFInfo
- Publication number
- CN116192960A CN116192960A CN202310013141.6A CN202310013141A CN116192960A CN 116192960 A CN116192960 A CN 116192960A CN 202310013141 A CN202310013141 A CN 202310013141A CN 116192960 A CN116192960 A CN 116192960A
- Authority
- CN
- China
- Prior art keywords
- computing
- node
- task
- computing power
- power
- 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
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种基于约束条件的算力网络集群动态构建方法,该方法包括:注册算力节点的信息并提取任务需求中的计算任务特征;根据该计算任务特征来评估算力节点的能力,其中根据计算任务的特征函数得到能力估值;将作为任务发起节点的该算力节点作为根节点,并基于路由表的可达路由路径及该约束条件评估并选择下一个算力节点,其中通过该能力估值Vi根据评估节点能力的评估函数得到分支算力节点的评估值;通过逐级对可路由的分支算力节点进行该评估值搜索拟合,得到针对该计算任务的最佳算力多级协同的算力节点集群。本发明还提供了一种基于约束条件的算力网络集群动态构建系统。
Description
技术领域
本发明是关于一种基于约束条件的算力网络集群动态构建方法、系统、设备及计算机可读存储介质。
背景技术
随着数字化转型的持续深入,算力需求正在加速迭代:数据量负载从单一负载转向混合负载、应用场景也在经历简单到复杂的演变。即使是工程量不算庞大的图像训练,就包括数据转发、压缩存储、加密解密、文件系统、数据查询、图像渲染等对个计算模块,涉及到多种芯片的算力,一些长尾且刚需的计算场景,可能还需要提供定制的专属服务。
目前已有专利主要有基于网络的算力路由,基于管理的算力编排等,例如算力路由,是基于获取的算力信息生成算力路由表,算力路由表记录本地算力节点以及邻居算力节点的算力能力参数和网络能力参数,并且,通过在每个算力路由节点处构建对应的算力转发表,将算力路由节点接收到的算力请求根据其对应的算力转发表进行算力路由和编排,目前算力网络的路由和编排主要是基于网络能力。
算力网络建设的第一步是通过路由和编排和将分布在国内各地的数据中心进行统筹和连接,通过算力调度系统合理调配、协调一致地提供算力服务,目前瓶颈在于进行算力的分配时需要增加大量算力路由基础设施,路由和编排开销属于网络设置,加大了网络复杂度和管理难度。
另外,能否基于场景需求向市场输出算力、算法、数据、应用高度协同的一体化资源,同样是算力服务网络服务商必须要应对的问题。
发明内容
本发明针对算力网络资源协同,场景化增加算力集群的节点需求,为解决算力网络将编排调度主要依赖网络能力的问题,提供了一种基于约束条件的算力网络集群动态构建方法,该方法包括:注册算力节点的信息并提取任务需求中的计算任务特征;根据该计算任务特征来评估算力节点的能力,其中根据计算任务的特征函数得到能力估值;将作为任务发起节点的该算力节点作为根节点,并基于路由表的可达路由路径及该约束条件评估并选择下一个算力节点,其中通过该能力估值Vi根据评估节点能力的评估函数得到分支算力节点的评估值;通过逐级对可路由的分支算力节点进行该评估值搜索拟合,得到针对该计算任务的最佳算力多级协同的算力节点集群。
根据本发明的有利设计方案,该算力节点信息包括节点入口设备信息和节点自身资源信息。
根据本发明的有利设计方案,该节点入口设备信息是指节点管控设备MAC,该节点自身资源信息是指计算资源C、多级存储资源buf和最大带宽资源B。
根据本发明的有利设计方案,该约束条件根据场景模板和服务等级协议约定,该约束条件包括传输带宽、计算资源和路由表等。
根据本发明的有利设计方案,多个该约束条件形成约束规则库,并且该约束规则库能够根据场景继续添加约束条件,如计算优先、数据优先等。
根据本发明的有利设计方案,算力节点i的能力包括:计算能力、存储能力、传输能力。
根据本发明的有利设计方案,该计算任务的特征函数为:
Vi=p∑Ci+n∑Bufi+m∑Bi
,其中C是统一算力度量下的当前空闲计算资源,Buf是当前空闲多级存储资源,B是当前可分配带宽资源。以及pnm是根据场景设定的概率,其中p+n+m小于等于1。
根据本发明的有利设计方案,在数据优先的场景下,n的值设定为大于p和m。
根据本发明的有利设计方案,根据该计算任务的特征函数评估节点能力的评估函数为:
根据本发明的有利设计方案,该评估值ei是当前根节点的所有分支算力节点对集群贡献度的能力值评估,该评估值ei是动态的。
根据本发明的有利设计方案,基于路由表的可达路由路径进行分支算力节点的选择,直到搜索到满足计算任务的集群的分支算力节点,评估结果将反向传播回当前发起任务的根节点,然后更新沿途的评估值ei,反向传播保证每个节点的统计信息能够反映该节点所有后代的评估结果。
根据本发明的有利设计方案,该路由表根据评估值ei更新。
根据本发明的有利设计方案,该算力节点集群能看作是一个算力节点。
根据本发明的有利设计方案,除根节点之外,从资源受限算力节点发起的计算任务与边算力节点、边缘中心算力节点、中心算力节点协同实现局部最优。
根据本发明的有利设计方案,除根节点之外,从某一级中心算力节点发起的计算任务与可路由的中心算力节点、边缘中心算力节点以及其他相关可路由算力节点资源形成协同,实现全局最优。
根据本发明的有利设计方案,该某一级中心算力节点是边缘中心或是数据中心。
根据本发明的另一方面,提供一种基于约束条件的算力网络集群动态构建系统,包括:
注册模块,设置用于注册算力节点i的信息并提取任务需求中的计算任务特征;
评估模块,设置用于根据计算任务特征来评估该算力节点i的能力,其中根据计算任务的特征函数得到能力估值Vi;
节点控制模块,设置用于将作为任务发起节点的算力节点i作为根节点,并基于路由表的可达路由路径及约束条件评估并选择下一个算力节点,其中通过该能力估值Vi根据节点能力的评估函数得到分支算力节点的评估值ei;
集群模块,设置用于通过逐级对可路由的分支算力节点进行该评估值ei搜索拟合,得到针对该计算任务的最佳算力多级协同的算力节点集群。
根据本发明的另一方面,提供一种电子设备,包括:
至少一个处理器;
存储器,该存储器上存储有至少一个程序,当该至少一个程序被该至少一个处理器执行,使得该至少一个处理器实现上述基于约束条件的算力网络集群动态构建方法。
根据本发明的又一方面,提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述基于约束条件的算力网络集群动态构建方法。
总的来说,本发明是算力网络技术体系下的一种资源协同方法和系统,算力网络是一种根据业务需求,在云、网、边之间按需分配和灵活调度计算资源、存储资源以及网络资源的新型信息基础设施,能够灵活满足不同业务场景的算力需求,也要改变传统的服务范式,按需按量为客户提供计算、应用、数据、调优、咨询、运营、运维等一站式服务。本发明可以实现在现有节点饱负荷下,增加节点协同的能力,提供从云到边到端的全方位协同,实现“边调度边计算”及“边算边返回结果”。
附图说明
为了更加清楚的说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明提供的基于约束条件的算力网络集群动态构建方法的流程图。
图2为本发明提供的基于约束条件的算力网络集群动态构建方法的实施示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种针对算力网络资源协同,算力网络节点协同集群构建,以及在已协同中集群增加节点,并动态构建新集群的方法和系统。
本发明将采用逐级搜索的方式确定多级算力节点的协同组合。“级”的定义为需要一次路由的节点为一级。本发明是以计算任务的特征(如计算优先、数据优先)的为主要标的,满足带宽、计算资源、路由表等约束条件,以计算任务的特征评估算力网络节点对该计算任务提供的资源保障作为评估函数,将任务发起节点作为根节点,通过逐级对可路由节点进行评估值搜索拟合,得到针对该计算任务的最佳算力多级协同的节点集群,其中包括但不仅限于以下两种协同方式,一是从资源受限算力节点发起的计算任务,与边算力节点、边缘中心算力节点、中心算力节点协同实现局部最优,二是从某一级中心算力节点(可以是边缘中心也可以是数据中心)发起的计算任务,与可路由的中心算力节点、边缘中心算力节点以及其他相关可路由算力节点资源形成协同,实现全局最优。
图1是本发明提供的一种基于约束条件的算力网络集群动态构建方法,该方法包括:注册算力节点的信息并提取任务需求中的计算任务特征;根据该计算任务特征来评估算力节点的能力,其中根据计算任务的特征函数得到能力估值;将作为任务发起节点的该算力节点作为根节点,并基于路由表的可达路由路径及该约束条件评估并选择下一个算力节点,其中通过该能力估值Vi根据评估节点能力的评估函数得到分支算力节点的评估值;通过逐级对可路由的分支算力节点进行该评估值搜索拟合,得到针对该计算任务的最佳算力多级协同的算力节点集群。
根据本发明的有利设计方案,该算力节点信息包括节点入口设备信息和节点自身资源信息。
根据本发明的有利设计方案,该节点入口设备信息是指节点管控设备MAC,该节点自身资源信息是指计算资源C、多级存储资源buf和最大带宽资源B。另外,算力节点可以是一个设备也可以是一个节点管控设备下的算力集群。
根据本发明的有利设计方案,该约束条件根据场景模板和服务等级协议约定,该约束条件包括传输带宽、计算资源和路由表等。
根据本发明的有利设计方案,多个该约束条件形成约束规则库,并且该约束规则库能够根据场景继续添加约束条件,如计算优先、数据优先等。
根据本发明的有利设计方案,算力节点i的能力包括:计算能力、存储能力、传输能力。
根据本发明的有利设计方案,该计算任务的特征函数为:
Vi=p∑Ci+n∑Bufi+m∑Bi
,其中C是统一算力度量下的当前空闲计算资源,Buf是当前空闲多级存储资源(实际中包括一级cache,二级cache,SRAM,DRAM等),B是当前可分配带宽资源。以及pnm是根据场景设定的概率,其中p+n+m小于等于1,例如,在数据优先的场景下,n的值设定为大于p和m。
根据本发明的有利设计方案,根据该计算任务的特征函数评估节点能力的评估函数为:
该平均值反映了根据目前搜索结果观测到的节点i能提供的回报值的期望。Ti是节点i的访问次数,反应了节点i被选中的次数。c是一个手工设定的常数,由于算力节点的级数未定,需要c来平衡整个算法的采用需求和继续探索需求。从计算任务发起节点开始,对于每一个非分支算力节点(非分支算力节点指没有分支的算力节点)的分支算力节点,本算法将计算一个评估值ei,在同一级中根据ei值继续选择一个分支算力节点进行下一步选择,直到到达c值约束下的分支算力节点。其中分支算力节点(选中次数为1)的V即一个典型的计算任务的特征函数。
根据本发明的有利设计方案,该评估值ei是当前根节点的所有分支算力节点对集群贡献度的能力值评估,该评估值ei是动态的。
根据本发明的有利设计方案,基于路由表的可达路由路径进行分支算力节点的选择,直到搜索到满足计算任务的集群的分支算力节点,评估结果将反向传播回当前发起任务的根节点,然后更新沿途的评估值ei,反向传播保证每个节点的统计信息能够反映该节点所有后代的评估结果。
根据本发明的有利设计方案,该路由表根据评估值ei更新。
根据本发明的有利设计方案,该算力节点集群能看作是一个算力节点。
根据本发明的有利设计方案,除根节点之外,从资源受限算力节点发起的计算任务与边算力节点、边缘中心算力节点、中心算力节点协同实现局部最优。
根据本发明的有利设计方案,除根节点之外,从某一级中心算力节点发起的计算任务与可路由的中心算力节点、边缘中心算力节点以及其他相关可路由算力节点资源形成协同,实现全局最优。
根据本发明的有利设计方案,该某一级中心算力节点是边缘中心或是数据中心。
根据本发明的另一方面,提供一种基于约束条件的算力网络集群动态构建系统,包括:
注册模块,设置用于注册算力节点i的信息并提取任务需求中的计算任务特征;
评估模块,设置用于根据计算任务特征来评估该算力节点i的能力,其中根据计算任务的特征函数得到能力估值Vi;
节点控制模块,设置用于将作为任务发起节点的算力节点i作为根节点,并基于路由表的可达路由路径及约束条件评估并选择下一个算力节点,其中通过该能力估值Vi根据节点能力的评估函数得到分支算力节点的评估值ei;
集群模块,设置用于通过逐级对可路由的分支算力节点进行该评估值ei搜索拟合,得到针对该计算任务的最佳算力多级协同的算力节点集群。
根据本发明的另一方面,提供一种电子设备,包括:
至少一个处理器;
存储器,该存储器上存储有至少一个程序,当该至少一个程序被该至少一个处理器执行,使得该至少一个处理器实现上述基于约束条件的算力网络集群动态构建方法。
根据本发明的又一方面,提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述基于约束条件的算力网络集群动态构建方法。
图2示出了本发明提供的基于约束条件的算力网络集群动态构建方法的实施示意图。
根据本发明的算力集群的动态构建过程是基于路由表的可达路由路径进行按照算法节点选择的过程,直到搜索到满足计算任务的集群的分支算力节点i,评估结果将反向传播回当前发起任务的根节点,然后更新沿途的ei值,反向传播保证每个节点的统计信息能够反映该节点所有后代的评估结果。节点i的统计信息包括两部分:总评估结果∑iVi和总访问次数∑iTi。总评估结果表示节点的所有根据任务特征进行评估结果之和,总访问次数代表该节点在反向传播路径上的出现次数。本发明可进行在协同状态下的动态构建,将已有协同资源节点看作一个节点即可。
根据本发明的一个优选实施例,从一个资源受限的终端(算力节点)发起一个计算任务,首先与之相连的接入网关例如CPE会分析该任务的注册信息,并构建任务函数,根据可达路由以该CPE为起始节点进行各级节点搜索,各级节点资源包括与该路由相连的基站BBU,MEC,端局级机房,城域机房等,直到搜索到满足计算任务的集群的叶子节点,评估结果将反向传播回当前发起任务的起始节点,然后更新沿途的ei值,反向传播保证每个节点的统计信息能够反映该节点所有后代的评估结果。本发明可进行在协同状态下的动态构建,将已有协同资源节点看作一个节点即可。
根据本发明的另一优选实施例,对于一些常规任务(如协议分析,视频流分析等),可由某一级中心算力节点(可以是边缘中心也可以是数据中心)发起计算任务,与可达路由的中心算力节点、边缘中心算力节点以及其他相关可路由算力节点资源形成协同,实现对于该场景的全局最优。例如某CDN专门用于视频加速,其功能场景相对固定,即可搜索路由可达的所有节点组成专门视频加速集群,为客户提供全局最优视频加速服务。
在此需要说明的是,算力节点有很多类型,运营商各级机房均可视为算力节点,例如运营商省级汇聚骨干机房,可作为一个大算力节点(即文中所述中心算力节点,因为几乎所有该省业务都会经过该节点,它的路由和计算能力覆盖该省)。但是对于一个局域网络,它也存在本级的中心节点,例如一个商务区所在的街道机房,可视作一个算力节点,同时它也是本级街道所有设备的的中心算力节点。综上所述,本发明是算力网络技术体系下的一种资源协同方法和系统,算力网络是一种根据业务需求,在云、网、边之间按需分配和灵活调度计算资源、存储资源以及网络资源的新型信息基础设施,能够灵活满足不同业务场景的算力需求,也要改变传统的服务范式,按需按量为客户提供计算、应用、数据、调优、咨询、运营、运维等一站式服务。本发明可以实现在现有节点饱负荷下,增加节点协同的能力,提供从云到边到端的全方位协同,实现“边调度边计算”及“边算边返回结果”。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (19)
1.一种基于约束条件的算力网络集群动态构建方法,包括:
注册算力节点(i)的信息并提取任务需求中的计算任务特征;
根据所述计算任务特征来评估算力节点i的能力,其中根据计算任务的特征函数得到能力估值Vi;
将作为任务发起节点的所述算力节点i作为根节点,并基于路由表的可达路由路径及所述约束条件评估并选择下一个算力节点,其中通过所述能力估值Vi根据评估节点能力的评估函数得到分支算力节点的评估值ei;
通过逐级对可路由的分支算力节点进行所述评估值ei搜索拟合,得到针对该计算任务的最佳算力多级协同的算力节点集群。
2.根据权利要求1所述的方法,其特征在于,所述算力节点信息包括节点入口设备信息和节点自身资源信息。
3.根据权利要求2所述的方法,其特征在于,所述节点入口设备信息是指节点管控设备MAC,所述节点自身资源信息是指计算资源C、多级存储资源buf和最大带宽资源B。
4.根据权利要求1所述的方法,其特征在于,所述约束条件根据场景模板和服务等级协议约定,所述约束条件包括传输带宽、计算资源和路由表。
5.根据权利要求4所述的方法,其特征在于,多个所述约束条件形成约束规则库,并且所述约束规则库能够根据场景继续添加约束条件,所述约束条件包括计算优先、数据优先。
6.根据权利要求1所述的方法,其特征在于,算力节点i的所述能力包括:计算能力、存储能力、传输能力。
7.根据权利要求6所述的方法,其特征在于,所述计算任务的特征函数为:
Vi=p∑Ci+n∑Bufi+m∑Bi
其中C是统一算力度量下的当前空闲计算资源,Buf是当前空闲多级存储资源,B是当前可分配带宽资源。以及pnm是根据场景设定的概率,其中p+n+m小于等于1。
8.根据权利要求7所述的方法,其特征在于,在数据优先的场景下,n的值设定为大于p和m。
10.根据权利要求9所述的方法,其特征在于,所述评估值ei是当前根节点的所有分支算力节点对集群贡献度的能力值评估,所述评估值ei是动态的。
11.根据权利要求10所述的方法,其特征在于,基于所述路由表的可达路由路径进行所述分支算力节点的选择,直到搜索到满足计算任务的集群的所有所述分支算力节点,所有所述分支算力节点评估结果将反向传播回当前发起任务的所述根节点,然后更新沿途的所述评估值ei,反向传播保证每个所述分支算力节点的统计信息能够反映该分支算力节点所有后代的评估结果。
12.根据权利要求1所述的方法,其特征在于,所述路由表根据评估值ei更新。
13.根据权利要求1所述的方法,其特征在于,所述算力节点集群能看作是一个算力节点。
14.根据权利要求11所述的方法,其特征在于,除所述根节点之外,从资源受限的任一算力节点发起的计算任务与边算力节点、边缘中心算力节点、中心算力节点协同实现局部最优。
15.根据权利要求11所述的方法,其特征在于,除所述根节点之外,从某一级中心算力节点发起的计算任务与可路由的中心算力节点、边缘中心算力节点以及其他相关可路由算力节点资源形成协同,实现全局最优。
16.根据权利要求15所述的方法,其特征在于,所述某一级中心算力节点是边缘中心或是数据中心。
17.一种基于约束条件的算力网络集群动态构建系统,包括:
注册模块,设置用于注册算力节点i的信息并提取任务需求中的计算任务特征;
评估模块,设置用于根据计算任务特征来评估所述算力节点i的能力,其中根据计算任务的特征函数得到能力估值Vi;
节点控制模块,设置用于将作为任务发起节点的算力节点i作为根节点,并基于路由表的可达路由路径及约束条件评估并选择下一个算力节点,其中通过所述能力估值Vi根据节点能力的评估函数得到分支算力节点的评估值ei;
集群模块,设置用于通过逐级对可路由的分支算力节点进行所述评估值ei搜索拟合,得到针对该计算任务的最佳算力多级协同的算力节点集群。
18.一种电子设备,包括:
至少一个处理器;
存储器,所述存储器上存储有至少一个程序,当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现权利要求1-16任意一项所述的方法。
19.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述程序被处理器执行时实现权利要求1-16任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310013141.6A CN116192960A (zh) | 2023-01-05 | 2023-01-05 | 基于约束条件的算力网络集群动态构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310013141.6A CN116192960A (zh) | 2023-01-05 | 2023-01-05 | 基于约束条件的算力网络集群动态构建方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116192960A true CN116192960A (zh) | 2023-05-30 |
Family
ID=86451620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310013141.6A Pending CN116192960A (zh) | 2023-01-05 | 2023-01-05 | 基于约束条件的算力网络集群动态构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116192960A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116684418A (zh) * | 2023-08-03 | 2023-09-01 | 北京神州泰岳软件股份有限公司 | 基于算力服务网关的算力编排调度方法、算力网络及装置 |
CN117370034A (zh) * | 2023-12-07 | 2024-01-09 | 之江实验室 | 一种算力调度系统评估方法、装置、存储介质及电子设备 |
CN117724853A (zh) * | 2024-02-08 | 2024-03-19 | 亚信科技(中国)有限公司 | 基于人工智能的数据处理方法及装置 |
-
2023
- 2023-01-05 CN CN202310013141.6A patent/CN116192960A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116684418A (zh) * | 2023-08-03 | 2023-09-01 | 北京神州泰岳软件股份有限公司 | 基于算力服务网关的算力编排调度方法、算力网络及装置 |
CN116684418B (zh) * | 2023-08-03 | 2023-11-10 | 北京神州泰岳软件股份有限公司 | 基于算力服务网关的算力编排调度方法、算力网络及装置 |
CN117370034A (zh) * | 2023-12-07 | 2024-01-09 | 之江实验室 | 一种算力调度系统评估方法、装置、存储介质及电子设备 |
CN117370034B (zh) * | 2023-12-07 | 2024-02-27 | 之江实验室 | 一种算力调度系统评估方法、装置、存储介质及电子设备 |
CN117724853A (zh) * | 2024-02-08 | 2024-03-19 | 亚信科技(中国)有限公司 | 基于人工智能的数据处理方法及装置 |
CN117724853B (zh) * | 2024-02-08 | 2024-05-07 | 亚信科技(中国)有限公司 | 基于人工智能的数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116192960A (zh) | 基于约束条件的算力网络集群动态构建方法及系统 | |
Tran et al. | COSTA: Cost-aware service caching and task offloading assignment in mobile-edge computing | |
Zhang et al. | How to price fresh data | |
Huang et al. | A services routing based caching scheme for cloud assisted CRNs | |
US20100284287A1 (en) | System and method for dynamically adjusting routing metrics based on power consumption | |
CN113282348B (zh) | 一种基于区块链的边缘计算任务卸载系统及方法 | |
Kim | 5G Network Communication, Caching, and Computing Algorithms Based on the Two‐Tier Game Model | |
Gong et al. | Deep reinforcement learning for edge computing resource allocation in blockchain network slicing broker framework | |
Chiang et al. | Deep Q-learning-based dynamic network slicing and task offloading in edge network | |
US20100071012A1 (en) | System and method for determining a cache arrangement | |
CN111044062B (zh) | 路径规划、推荐方法和装置 | |
US20230281508A1 (en) | Federated learning method, apparatus and system, electronic device and storage medium | |
CN109005593B (zh) | 一种用于频谱分配的优化的方法及设备 | |
CN111580943B (zh) | 一种面向低时延边缘计算中多跳卸载的任务调度方法 | |
Yang et al. | Towards 6g joint haps-mec-cloud 3c resource allocation for delay-aware computation offloading | |
WO2023225952A1 (en) | Resource scheduling method for computing force network | |
CN116668364A (zh) | 实时音视频网络的路由规划方法及装置 | |
CN115633383A (zh) | 边缘计算场景下的多合作服务器部署方法 | |
CN115361694A (zh) | 一种用于移动边缘计算系统的服务放置和缓存的数字孪生网络架构 | |
CN117176722A (zh) | 动态重构方法、装置及服务器 | |
Abdullah et al. | A survey of iot stream query execution latency optimization within edge and cloud | |
Pathan et al. | Priority based energy and load aware routing algorithms for SDN enabled data center network | |
CN114462506A (zh) | 一种支持偏好策略的通信网络辅助规划方法及其应用 | |
Dandoush et al. | Secure and privacy-preserving federated learning-based resource allocation for next generation networks | |
Kim et al. | Incoming traffic control of fronthaul in 5G mobile network for massive multimedia services |
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 |