CN117499313B - 请求控制方法、装置、存储介质、电子设备 - Google Patents
请求控制方法、装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN117499313B CN117499313B CN202410002022.5A CN202410002022A CN117499313B CN 117499313 B CN117499313 B CN 117499313B CN 202410002022 A CN202410002022 A CN 202410002022A CN 117499313 B CN117499313 B CN 117499313B
- Authority
- CN
- China
- Prior art keywords
- edge cloud
- node
- request
- parameters
- user request
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000004044 response Effects 0.000 claims abstract description 39
- 230000006870 function Effects 0.000 claims description 40
- 238000013507 mapping Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 239000003102 growth factor Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种请求控制方法、装置、存储介质、电子设备,涉及云计算技术领域,包括:接收目标流量请求,所述目标流量请求用于指示调用边缘云节点执行请求响应工作;获取所述目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数;基于所述用户请求参数和所述节点参数,在所述多个边缘云节点中确定目标边缘云节点;将所述目标流量请求发送至所述目标边缘云节点,利用所述目标边缘云节点执行所述目标流量请求的请求响应工作。本公开能够最大限度的进行业务流量的请求控制,使用户请求能够下沉到靠近用户的边缘侧,灵活高效的执行请求响应工作,满足多样化的需求服务。
Description
技术领域
本申请涉及云计算技术领域,尤其涉及一种请求控制方法、装置、存储介质、电子设备。
背景技术
随着互联网的迅速发展,用户可通过云计算平台访问物理和虚拟资源,云计算平台通过按需自服务的方式为用户提供可伸缩、弹性、共享的计算资源,以满足用户对计算能力的多样化需求。
目前,云计算平台采用固定部署若干服务器响应用户的流量请求,但当用户的请求量过大时,云计算平台需要消耗大量的带宽资源,无法保证网络处于低时延、高性能的状态,且计算资源的性能参数值固定,灵活性差。
发明内容
有鉴于此,本申请提供了一种请求控制方法、装置、存储介质、电子设备,能够最大限度的进行业务流量的请求控制,使用户请求能够下沉到靠近用户的边缘侧,灵活高效的执行请求响应工作,满足多样化的需求服务。
根据本申请的第一个方面,提供了一种请求控制方法,包括:
接收目标流量请求,所述目标流量请求用于指示调用边缘云节点执行请求响应工作;
获取所述目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数,所述用户请求参数包括用户距离参数以及用户请求下发时间段中的至少一种,所述节点参数包括延迟参数、CPU参数、内存参数、流量参数、调度距离参数以及节点建设权值中的至少一种;
基于所述用户请求参数和所述节点参数,在所述多个边缘云节点中确定目标边缘云节点;
将所述目标流量请求发送至所述目标边缘云节点,利用所述目标边缘云节点执行所述目标流量请求的请求响应工作。
根据本申请的第二个方面,提供了一种请求控制装置,包括:
接收模块,用于接收目标流量请求,所述目标流量请求用于指示调用边缘云节点执行请求响应工作;
获取模块,用于获取所述目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数,所述用户请求参数包括用户距离参数以及用户请求下发时间段中的至少一种,所述节点参数包括延迟参数、CPU参数、内存参数、流量参数、调度距离参数以及节点建设权值中的至少一种;
确定模块,用于基于所述用户请求参数和所述节点参数,在所述多个边缘云节点中确定目标边缘云节点;
执行模块,用于将所述目标流量请求发送至所述目标边缘云节点,利用所述目标边缘云节点执行所述目标流量请求的请求响应工作。
根据本申请的第三个方面,提供了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第一方面所述的请求控制方法。
根据本申请的第四个方面,提供了一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的请求控制方法。
根据本申请的第五个方面,提供了一种芯片,包括一个或多个接口电路和一个或多个处理器;接口电路用于从电子设备的存储器接收信号,并向处理器发送信号,信号包括存储器中存储的计算机指令,当处理器执行计算机指令时,使得电子设备执行本公开第一方面实施例中描述的方法。
借由上述技术方案,本申请提供的一种请求控制方法、装置、存储介质、电子设备,与目前请求控制方式相比,本申请可接收目标流量请求,获取所述目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数,基于所述用户请求参数和所述节点参数,在所述多个边缘云节点中确定目标边缘云节点,将所述目标流量请求发送至所述目标边缘云节点,利用所述目标边缘云节点执行所述目标流量请求的请求响应工作。本公开中的技术方案,能够基于用户请求参数和节点参数,确定目标边缘云节点执行请求响应工作,最大限度的进行业务流量的请求控制,使用户请求能够下沉到靠近用户的边缘侧,灵活高效的执行请求响应工作,满足多样化的需求服务。
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,并且为了让本身取得上述和其他目的、特折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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种请求控制方法的流程示意图;
图2为本公开另一实施例提供的一种请求控制方法的流程示意图;
图3为本公开实施例提供的一种请求控制示意图;
图4为本公开实施例提供的一种请求控制装置的结构示意图;
图5为本公开实施例提供的一种请求控制装置的结构示意图;
图6为本公开实施例提供的电子设备的结构示意图;
图7为本公开实施例提供的芯片的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节有助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本公开实施例的请求控制方法、装置、存储介质、电子设备。
相关技术中,云计算平台采用固定部署若干服务器响应用户的流量请求,但当用户的请求量过大时,云计算平台需要消耗大量的带宽资源,无法保证网络处于低时延、高性能的状态,且计算资源的性能参数值固定,灵活性差。
为解决上述技术问题,本公开提供了一种请求控制方法、装置、存储介质、电子设备,能够基于用户请求参数和节点参数,确定目标边缘云节点执行请求响应工作,最大限度的进行业务流量的请求控制,使用户请求能够下沉到靠近用户的边缘侧,灵活高效的执行请求响应工作,满足多样化的需求服务。
如图1所示,本公开的实施例提供了一种请求控制方法,包括:
步骤101、接收目标流量请求,目标流量请求用于指示调用边缘云节点执行请求响应工作。
对于本公开实施例,用户可根据需求向中心云节点发送目标流量请求,中心云节点接收到目标流量请求后,可根据多个边缘云节点的特征,选取符合用户需求且资源充足的边缘云节点匹配目标流量请求,使边缘云节点执行请求响应工作。其中,中心云节点为集中管理计算、存储、网络等资源,为用户提供标准化服务的云数据中心,边缘云节点为分布在网络边缘侧,提供实时数处理、分析决策的小规模云计算平台,具有低延迟、高性能的优势,可避免将数据传输到较远的中心云节点,减少数据处理的时间和资源消耗,目标流量请求用于指示调用边缘云节点执行请求响应工作,目标流量请求包括但不限于业务请求、管理层请求等。
对于本公开实施例的执行主体可为中心云节点,可基于用户请求参数和节点参数,确定目标边缘云节点执行请求响应工作,最大限度的进行业务流量的请求控制,使用户请求能够下沉到靠近用户的边缘侧,灵活高效的执行请求响应工作,满足多样化的需求服务。
步骤102、获取目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数。
在具体的应用场景中,中心云节点接收到目标流量请求后,可从目标流量请求中提取用户请求参数,用户请求参数包括但不限于用户距离参数以及用户请求下发时间段,可由中心云节点向多个边缘云节点发送节点参数获取请求,各个边缘云节点统计完成后上报节点参数至中心云节点,使中心云节点获取不同边缘资源池的性能状况,便于匹配目标流量请求,提高数据处理的效率和实时性。其中,节点参数包括但不限于延迟参数、中央处理器(Central Processing Unit,CPU)参数、内存参数、流量参数、调度距离参数、节点建设权值等,节点建设权值为多个边缘云节点中各个边缘云节点在云计算平台的资源部署(如任务处理量、存储量、计算量等)权重占比。
步骤103、基于用户请求参数和节点参数,在多个边缘云节点中确定目标边缘云节点。
对于本公开实施例,中心云节点可基于用户请求参数和节点参数,通过非线性拟合函数计算不同时间段内的边缘云节点访问控制数量,根据每个边缘云节点的特征,对边缘资源池算力进行评估,充分发挥不同边缘云节点的低延迟、高性能的优势,动态化控制请求访问数量。在计算访问控制数量的过程中,可对影响边缘云节点的访问控制数量的影响因子进行排列组合,选取最大影响因子构造非线性拟合函数,计算每个边缘云节点在用户请求下发时间段内的访问控制数量,进一步判断每个边缘云节点的访问控制数量是否达到负载最大值,若判断所有边缘云节点的访问控制数量均达到对应的负载最大值,则拒绝目标流量请求,若存在边缘云节点的访问控制数量未达到对应的负载最大值,则在可用的边缘云节点中筛选至少两个目标边缘云节点(如可筛选3个目标边缘云节点),也可按照用户意愿确定目标边缘云节点,最大限度的进行业务流量的请求控制。
步骤104、将目标流量请求发送至目标边缘云节点,利用目标边缘云节点执行目标流量请求的请求响应工作。
在具体的应用场景中,中心云节点可动态控制目标流量请求的下发路径,可在边缘云节点集群中随机选取一个目标边缘云节点执行目标流量请求对应的工作,使服务能够下沉到靠近用户的边缘侧,灵活高效的执行请求响应工作,满足多样化的需求服务。
综上,根据本公开的一种请求控制方法,与目前请求控制方式相比,本申请可接收目标流量请求,获取所述目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数,基于所述用户请求参数和所述节点参数,在所述多个边缘云节点中确定目标边缘云节点,将所述目标流量请求发送至所述目标边缘云节点,利用所述目标边缘云节点执行所述目标流量请求的请求响应工作。本公开中的技术方案,能够基于用户请求参数和节点参数,确定目标边缘云节点执行请求响应工作,最大限度的进行业务流量的请求控制,使用户请求能够下沉到靠近用户的边缘侧,灵活高效的执行请求响应工作,满足多样化的需求服务。
基于上述架构,本公开应用示例还提供一种请求控制方法,该方法包括:
步骤201、接收目标流量请求,目标流量请求用于指示调用边缘云节点执行请求响应工作。
为便于对公开中技术方案的理解,在此结合图3对本公开中的方案进行完整的说明,作为一种可能的实现方式,中心云节点和边缘云节点之间可创建有网络互通架构网,网络互通架构网包括业务网与管理网,业务网作为用户业务访问使用,管理网为管理各边缘云而服务。各网络使用三层网卡绑定,保证网络连续性与稳定性。中心云节点可通过网络互通架构网中的业务网接收目标流量请求,再通过管理网使用请求控制模型系统,将用户请求与边缘云节点进行匹配,中心云节点和边缘云节点可通过网络互通架构网进行数据的交换与协同,保持相互通信功能,边缘云节点可将数据上传到中心云节点进行存储、分析或备份,也可从中心云节点下载模型、配置或更新,中心云节点可以将服务下发到边缘云节点进行执行、加速或优化,也可从边缘云节点收集反馈、指标或结果,实现业务的智能调度以及服务的动态适配,优化资源分配。
步骤202、获取目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数。
在具体的应用场景中,中心云节点可在目标流量请求中提取用户请求参数,并向多个边缘云节点发送节点参数获取请求,各个边缘云节点接收到节点参数获取请求后,可通过网关轮询测试延迟的方法,按照业务规模选出至少一个代理服务节点,通过代理服务节点将各个边缘云节点的节点参数上报至中心云节点,反馈边缘云节点的资源使用信息及网络服务质量。其中,代理服务节点为多个边缘云节点中基于网关轮询测试延迟筛选出的稳定高效的边缘云节点,用于与中心云节点进行通信,可周期性刷新边缘云节点的节点参数,重新选择代理服务节点,节点参数获取请求可包含待获取的节点参数类型,节点参数类型包括但不限于CPU利用率、内存利用率、网卡流量、网络延迟、边缘云节点响应时长、平均响应时间、平均处理时间、机器性能权值等。
相应的,实施例步骤可包括:在目标流量请求中提取用户请求参数;向多个边缘云节点发送节点参数获取请求,节点参数获取请求中包含待获取的节点参数类型;接收多个边缘云节点通过代理服务节点发送的节点参数,其中,代理服务节点为多个边缘云节点中基于网关轮询测试延迟筛选出的边缘云节点,用于与中心云节点进行通信。
步骤203、基于用户请求参数和每个边缘云节点对应的节点参数,执行边缘云节点访问控制数量的计算过程,得到多个边缘云节点中每个边缘云节点在用户请求下发时间段内的访问控制数量。
作为一种可能的实现方式,可利用神经网络或者多元非线性拟合函数构建非线性映射模型,用户可基于用户请求参数和节点参数自定义模型参数与参数数值,并记录参数个数,建立模型参数与每个边缘云节点在用户请求下发时间段内的访问控制数量的映射关系。在访问控制数量的计算过程中,可选择k条映射值并计算其平均值,并计算影响参数,将/>值最小情况下对应的各影响参数作为影响边缘云节点访问数的最大影响因子,构造非线性拟合函数/>,再利用公式/>求取不同时间段内的访问控制数量,由中心云节点统计各个边缘云节点的访问控制数量,可基于负载均衡原则或用户需求选择目标边缘云节点执行请求响应工作,从而动态化控制请求访问数量,协调各个边缘云节点间的算力开通、运营工作,优化边缘网络的自适应分配,提升边缘资源的服务质量和边缘资源的利用率。其中,/>可为曲线型增长因子,可由用户自定义设值,/>可为线型增加因子,可默认为1.515。
示例性的,访问控制数量的计算过程可包括:
(1)基于神经网络或者多元非线性拟合函数构建的非线性映射模型,非线性拟合函数的公式特征可描述为:
;
其中,非线性拟合函数可用于表示用户请求下发时间段t内边缘云节点访问控制的绝对数,m可为系统默认参数影响数,m的范围可为1到n,/>可代表第k个未知因素的参数影响值,/>可为用户距离参数,/>可为CPU参数,/>可为延迟参数,/>可为流量参数,/>可为调度距离参数,/>可为节点建设权值,/>可为内存参数,n可为计算时的默认参数个数;
(2)选择k条较好映射结果下的映射值,可通过公式计算当前n个参数下的似然值/>,利用求出平均值/>;
(3)为了评价所选的所有参数模型与实际数据和预测数据的准确度,可计算并记录n个模型参数值(定义该值在n次记录中,波动越小越好),该影响参数定义为,计算公式:/>,其中n为参数个数;
(4)可不重复地选择n-1个参数,通过似然公式计算当前参数下的似然值,重复n次,得到n个不同影响参数下的/>;
(5)可将n个参数从大到小排序,选择其中最大的/>值所对应的影响参数作为下一个重复步骤的影响参数,重复步骤(1)~(4)n次;
(6)重复计算结束后,可选择值最小情况下所对应的各影响参数,将这些影响参数定义为影响边缘云节点访问数的最大影响因子;
(7)根据第(6)步得出的最大影响因子构造非线性拟合函数;
(8)按照公式进行计算不同时间段内边缘云环境中的访问数量。
相应的,实施例步骤可包括:基于非线性拟合函数在用户请求参数和节点参数中筛选出k条映射值,并计算出k个映射值的平均值;利用公式/>循环计算出影响参数值/>最小情况下所对应的影响参数,并将影响参数定义为影响边缘云节点的访问控制数量的最大影响因子,其中n为参数个数;利用最大影响因子构造非线性拟合函数,并按照公式/>计算每个边缘云节点在用户请求下发时间段内的访问控制数量,其中,/>为曲线型增长因子,/>为线型增加因子。
具体的,非线性拟合函数为基于神经网络或者多元非线性拟合函数构建的非线性映射模型;其中,非线性拟合函数/>的公式特征描述为:
;
其中,非线性拟合函数用于表示用户请求下发时间段t内边缘云节点访问控制的绝对数,m为系统默认参数影响数,m的范围是1到n,/>代表第k个未知因素的参数影响值,/>为用户距离参数,/>为CPU参数,/>为延迟参数,/>为流量参数,/>为调度距离参数,/>为节点建设权值,/>为内存参数。
步骤204、基于每个边缘云节点在用户请求下发时间段内的访问控制数量,在多个边缘云节点中筛选出至少两个目标边缘云节点。
对于本公开实施例,基于每个边缘云节点在用户请求下发时间段内的访问控制数量,可通过负载均衡原则或用户需求,在多个边缘云节点中筛选至少两个目标边缘云节点,将流量和数据分摊到多个边缘云节点上,避免单个节点不足以承担所有的负载压力,提高整体的负载处理能力。作为一种可能的实施方式,可判断每个边缘云节点的访问控制数量是否达到负载最大值,当所有边缘云节点节点的访问控制数量均达到对应的负载最大值时,则进入请求拒绝模式,拒绝所有目标流量请求,直至负载回归后接收请求。作为一种可能的实施方式,当某个边缘云节点访问控制数量达到负载最大值时,则该边缘云节点进入请求拒绝模式,不在目标边缘云节点的可选范围内。相应的,实施例步骤可包括:判断每个边缘云节点的访问控制数量是否达到负载最大值;若判断所有边缘云节点的访问控制数量均达到对应的负载最大值,则拒绝目标流量请求。
步骤205、生成至少两个目标边缘云节点对应的边缘云节点集群。
作为一种可能的实现方式,可将筛选出的多个目标边缘云节点生成边缘云节点集群,由中心云节点保存集群中各个目标边缘云节点信息,便于用户在任意时间访问边缘云节点,减少系统停工时间,保持边缘云服务的高度可用性,提升用户使用体验,提高用户满意度。
步骤206、将目标流量请求发送至边缘云节点集群,利用边缘云节点集群中的任一目标边缘云节点执行目标流量请求的请求响应工作。
对于本公开实施例,可将目标流量请求发送至边缘云节点集群,随机选取集群中一个目标边缘云节点执行目标流量请求对应的请求响应工作,且选中的目标边缘云节点可进行访问控制数量增加操作,实时更新节点数据,最大化地提升服务质量。
综上,根据本公开提供的一种请求控制方法,与目前请求控制方式相比,本申请可基于用户请求参数和节点参数,确定目标边缘云节点执行请求响应工作,最大限度的进行业务流量的请求控制,使用户请求能够下沉到靠近用户的边缘侧,灵活高效的执行请求响应工作,满足多样化的需求服务。此外,可基于每个边缘云节点在用户请求下发时间段内的访问控制数量,筛选出至少两个目标边缘云节点,协调各个边缘云节点间的算力开通、运营工作,优化边缘网络的自适应分配,保持边缘云服务的高度可用性,提高用户满意度。
基于上述图1、图2所示方法的具体实现,本实施例提供了一种请求控制装置,如图4,该装置包括:接收模块31,获取模块32,确定模块33,执行模块34;
接收模块31,可用于接收目标流量请求,目标流量请求用于指示调用边缘云节点执行请求响应工作;
获取模块32,可用于获取目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数,用户请求参数包括用户距离参数以及用户请求下发时间段中的至少一种,节点参数包括延迟参数、CPU参数、内存参数、流量参数、调度距离参数以及节点建设权值中的至少一种;
确定模块33,可用于基于用户请求参数和节点参数,在多个边缘云节点中确定目标边缘云节点;
执行模块34,可用于将目标流量请求发送至目标边缘云节点,利用目标边缘云节点执行目标流量请求的请求响应工作。
在具体的应用场景中,获取模块32,具体可用于在目标流量请求中提取用户请求参数;向多个边缘云节点发送节点参数获取请求,节点参数获取请求中包含待获取的节点参数类型;接收多个边缘云节点通过代理服务节点发送的节点参数,其中,代理服务节点为多个边缘云节点中基于网关轮询测试延迟筛选出的边缘云节点,用于与中心云节点进行通信。
在具体的应用场景中,确定模块33,具体可用于基于用户请求参数和每个边缘云节点对应的节点参数,执行边缘云节点访问控制数量的计算过程,得到多个边缘云节点中每个边缘云节点在用户请求下发时间段内的访问控制数量;基于每个边缘云节点在用户请求下发时间段内的访问控制数量,在多个边缘云节点中筛选出至少两个目标边缘云节点。
在具体的应用场景中,确定模块33,具体可用于基于非线性拟合函数在用户请求参数和节点参数中筛选出k条映射值,并计算出k个映射值的平均值;利用公式循环计算出影响参数值/>最小情况下所对应的影响参数,并将影响参数定义为影响边缘云节点的访问控制数量的最大影响因子,其中n为参数个数;利用最大影响因子构造非线性拟合函数/>,并按照公式/>计算每个边缘云节点在用户请求下发时间段内的访问控制数量,其中,/>为曲线型增长因子,/>为线型增加因子。
在具体的应用场景中,确定模块33,具体可用于非线性拟合函数为基于神经网络或者多元非线性拟合函数构建的非线性映射模型;其中,非线性拟合函数/>的公式特征描述为:
。
在具体的应用场景中,执行模块34,具体可用于生成至少两个目标边缘云节点对应的边缘云节点集群;将目标流量请求发送至边缘云节点集群,利用边缘云节点集群中的任一目标边缘云节点执行目标流量请求的请求响应工作。
在具体的应用场景中,如图5所示,该装置还包括:判断模块35;
判断模块35,可用于判断每个边缘云节点的访问控制数量是否达到负载最大值;若判断所有边缘云节点的访问控制数量均达到对应的负载最大值,则拒绝目标流量请求。
由于本公开实施例提供的装置与上述几种实施例提供的方法相对应,因此方法的实施方式也适用于本实施例提供的装置,在本实施例中不再详细描述。
上述本申请提供的实施例中,对本申请实施例提供的方法及装置进行了介绍。为了实现上述本申请实施例提供的方法中的各功能,电子设备可以包括硬件结构、软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能可以以硬件结构、软件模块、或者硬件结构加软件模块的方式来执行。
图6是根据一示例性实施例示出的一种用于实现上述请求控制方法的电子设备600的框图。例如,电子设备600可以是移动电话,计算机,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,电子设备600可以包括以下一个或多个组件:处理组件602,存储器604,电源组件606,多媒体组件608,音频组件610,输入/输出(I/O)的接口612,传感器组件614,以及通信组件616。
处理组件602通常控制电子设备600的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件602可以包括一个或多个模块,便于处理组件602和其他组件之间的交互。例如,处理组件602可以包括多媒体模块,以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持在电子设备600的操作。这些数据的示例包括用于在电子设备600上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件606为电子设备600的各种组件提供电力。电源组件606可以包括电源管理系统,一个或多个电源,及其他与为电子设备600生成、管理和分配电力相关联的组件。
多媒体组件608包括在电子设备600和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件608包括一个前置摄像头和/或后置摄像头。当电子设备600处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件610被配置为输出和/或输入音频信号。例如,音频组件610包括一个麦克风(MIC),当电子设备600处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中,音频组件610还包括一个扬声器,用于输出音频信号。
I/O接口612为处理组件602和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器,用于为电子设备600提供各个方面的状态评估。例如,传感器组件614可以检测到电子设备600的打开/关闭状态,组件的相对定位,例如组件为电子设备600的显示器和小键盘,传感器组件614还可以检测电子设备600或电子设备600一个组件的位置改变,用户与电子设备600接触的存在或不存在,电子设备600方位或加速/减速和电子设备600的温度变化。传感器组件614可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件614还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件616被配置为便于电子设备600和其他设备之间有线或无线方式的通信。电子设备600可以接入基于通信标准的无线网络,如WiFi,2G或3G,4G LTE、5G NR(NewRadio)或它们的组合。在一个示例性实施例中,通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件616还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器604,上述指令可由电子设备600的处理器620执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本公开的实施例还提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开上述实施例中描述的请求控制方法。
本公开的实施例还提出一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行本公开上述实施例中描述的请求控制方法。
本公开的实施例还提出了一种芯片,可参见图7所示的芯片的结构示意图。图7所示的芯片包括处理器701和接口电路702。其中,处理器701的数量可以是一个或多个,接口电路702的数量可以是一个或多个。
可选的,芯片还包括存储器703,存储器703用于存储必要的计算机程序和数据;接口电路702用于从存储器703接收信号,并向处理器701发送信号,信号包括存储器703中存储的计算机指令,当处理器701执行计算机指令时,使得电子设备执行本公开上述实施例中描述的请求控制方法。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必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,以便这里描述的本公开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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,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,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(控制方法),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明的各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。
尽管上面已经示出和描述了本发明的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施实施进行变化、修改、替换和变型。
Claims (8)
1.一种请求控制方法,其特征在于,所述方法应用于中心云节点,包括:
接收目标流量请求,所述目标流量请求用于指示调用边缘云节点执行请求响应工作;
获取所述目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数,所述用户请求参数包括用户距离参数以及用户请求下发时间段中的至少一种,所述节点参数包括延迟参数、CPU参数、内存参数、流量参数、调度距离参数以及节点建设权值中的至少一种;
基于所述用户请求参数和所述节点参数,在所述多个边缘云节点中确定目标边缘云节点,包括:基于所述用户请求参数和每个边缘云节点对应的所述节点参数,执行边缘云节点访问控制数量的计算过程,得到所述多个边缘云节点中每个边缘云节点在所述用户请求下发时间段内的访问控制数量;基于所述每个边缘云节点在所述用户请求下发时间段内的访问控制数量,在所述多个边缘云节点中筛选出至少两个目标边缘云节点;
将所述目标流量请求发送至所述目标边缘云节点,利用所述目标边缘云节点执行所述目标流量请求的请求响应工作;
其中,所述基于所述用户请求参数和所述节点参数,在所述多个边缘云节点中确定目标边缘云节点,包括:基于非线性拟合函数在所述用户请求参数和所述节点参数中筛选出k条映射值,计算k条映射值对应的似然值的平均值;利用公式/>循环计算出影响参数值/>最小情况下所对应的影响参数,并将所述影响参数定义为影响边缘云节点的访问控制数量的最大影响因子,其中n为参数个数;利用所述最大影响因子构造非线性拟合函数/>,并按照非线性拟合函数/>计算每个边缘云节点在所述用户请求下发时间段内的访问控制数量;
所述非线性拟合函数为基于神经网络或者多元非线性拟合函数构建的非线性映射模型;所述非线性拟合函数/>的公式特征描述为:
;非线性拟合函数/>用于表示用户请求下发时间段t内的访问控制数量,m为用户请求下发时间段t内的影响参数个数,m的范围是1到n,/>代表用户请求下发时间段t内的第k条映射值的参数影响值,k的范围是1到i,/>为用户请求下发时间段t内的用户距离参数,/>为用户请求下发时间段t内的CPU参数,/>为用户请求下发时间段t内的延迟参数,/>为用户请求下发时间段t内的流量参数,/>为用户请求下发时间段t内的调度距离参数,/>为用户请求下发时间段t内的节点建设权值,/>为用户请求下发时间段t内的内存参数,i为参数个数随机值,i的范围是1到n。
2.根据权利要求1所述的方法,其特征在于,所述获取所述目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数,包括:
在所述目标流量请求中提取所述用户请求参数;
向多个边缘云节点发送节点参数获取请求,所述节点参数获取请求中包含待获取的节点参数类型;
接收所述多个边缘云节点通过代理服务节点发送的节点参数,其中,所述代理服务节点为所述多个边缘云节点中基于网关轮询测试延迟筛选出的边缘云节点,用于与所述中心云节点进行通信。
3.根据权利要求1所述的方法,其特征在于,所述将所述目标流量请求发送至所述目标边缘云节点,利用所述目标边缘云节点执行所述目标流量请求的请求响应工作,包括:
生成所述至少两个目标边缘云节点对应的边缘云节点集群;
将所述目标流量请求发送至所述边缘云节点集群,利用所述边缘云节点集群中的任一目标边缘云节点执行所述目标流量请求的请求响应工作。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断每个所述边缘云节点的所述访问控制数量是否达到负载最大值;
若判断所有所述边缘云节点的所述访问控制数量均达到对应的负载最大值,则拒绝所述目标流量请求。
5.一种请求控制装置,其特征在于,包括:
接收模块,用于接收目标流量请求,所述目标流量请求用于指示调用边缘云节点执行请求响应工作;
获取模块,用于获取所述目标流量请求对应的用户请求参数,以及多个边缘云节点的节点参数,所述用户请求参数包括用户距离参数以及用户请求下发时间段中的至少一种,所述节点参数包括延迟参数、CPU参数、内存参数、流量参数、调度距离参数以及节点建设权值中的至少一种;
确定模块,用于基于所述用户请求参数和所述节点参数,在所述多个边缘云节点中确定目标边缘云节点,包括:基于所述用户请求参数和每个边缘云节点对应的所述节点参数,执行边缘云节点访问控制数量的计算过程,得到所述多个边缘云节点中每个边缘云节点在所述用户请求下发时间段内的访问控制数量;基于所述每个边缘云节点在所述用户请求下发时间段内的访问控制数量,在所述多个边缘云节点中筛选出至少两个目标边缘云节点;
执行模块,用于将所述目标流量请求发送至所述目标边缘云节点,利用所述目标边缘云节点执行所述目标流量请求的请求响应工作;
其中,所述基于所述用户请求参数和所述节点参数,在所述多个边缘云节点中确定目标边缘云节点,包括:基于非线性拟合函数在所述用户请求参数和所述节点参数中筛选出k条映射值,计算k条映射值对应的似然值的平均值;利用公式/>循环计算出影响参数值/>最小情况下所对应的影响参数,并将所述影响参数定义为影响边缘云节点的访问控制数量的最大影响因子,其中n为参数个数;利用所述最大影响因子构造非线性拟合函数/>,并按照非线性拟合函数/>计算每个边缘云节点在所述用户请求下发时间段内的访问控制数量;
所述非线性拟合函数为基于神经网络或者多元非线性拟合函数构建的非线性映射模型;所述非线性拟合函数/>的公式特征描述为:
;非线性拟合函数/>用于表示用户请求下发时间段t内的访问控制数量,m为用户请求下发时间段t内的影响参数个数,m的范围是1到n,/>代表用户请求下发时间段t内的第k条映射值的参数影响值,k的范围是1到i,/>为用户请求下发时间段t内的用户距离参数,/>为用户请求下发时间段t内的CPU参数,/>为用户请求下发时间段t内的延迟参数,/>为用户请求下发时间段t内的流量参数,/>为用户请求下发时间段t内的调度距离参数,/>为用户请求下发时间段t内的节点建设权值,/>为用户请求下发时间段t内的内存参数,i为参数个数随机值,i的范围是1到n。
6.一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至4中任一项所述的方法。
7.一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法。
8.一种芯片,包括一个或多个接口电路和一个或多个处理器;所述接口电路用于从电子设备的存储器接收信号,并向所述处理器发送所述信号,所述信号包括存储器中存储的计算机指令,当所述处理器执行所述计算机指令时,使得所述电子设备执行权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410002022.5A CN117499313B (zh) | 2024-01-02 | 2024-01-02 | 请求控制方法、装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410002022.5A CN117499313B (zh) | 2024-01-02 | 2024-01-02 | 请求控制方法、装置、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117499313A CN117499313A (zh) | 2024-02-02 |
CN117499313B true CN117499313B (zh) | 2024-05-03 |
Family
ID=89678656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410002022.5A Active CN117499313B (zh) | 2024-01-02 | 2024-01-02 | 请求控制方法、装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117499313B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111800283A (zh) * | 2019-04-08 | 2020-10-20 | 阿里巴巴集团控股有限公司 | 网络系统、服务提供与资源调度方法、设备及存储介质 |
CN113242319A (zh) * | 2021-07-09 | 2021-08-10 | 军事科学院系统工程研究院网络信息研究所 | 一种基于视频云服务架构的云边协同工作方法和系统 |
CN113822456A (zh) * | 2020-06-18 | 2021-12-21 | 复旦大学 | 一种云雾混构环境下基于深度强化学习的服务组合优化部署方法 |
CN115103007A (zh) * | 2022-05-19 | 2022-09-23 | 亿点云计算(珠海)有限公司 | 基于分布式云的服务发现方法、装置及可读存储介质 |
CN115499514A (zh) * | 2022-08-17 | 2022-12-20 | 阿里巴巴(中国)有限公司 | 数据存储服务的访问方法、计算设备及计算机存储介质 |
CN116266323A (zh) * | 2022-11-09 | 2023-06-20 | 中移(苏州)软件技术有限公司 | 云场景下的智能计费方法及装置 |
CN116684472A (zh) * | 2023-05-08 | 2023-09-01 | 北京邮电大学 | 一种面向端侧算力网络的服务部署系统及其服务部署方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11340956B2 (en) * | 2020-09-11 | 2022-05-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for dynamic prediction and optimization of edge server scheduling |
CN112764936B (zh) * | 2021-01-29 | 2022-06-14 | 北京邮电大学 | 基于深度强化学习的边缘计算服务器信息处理方法及装置 |
-
2024
- 2024-01-02 CN CN202410002022.5A patent/CN117499313B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111800283A (zh) * | 2019-04-08 | 2020-10-20 | 阿里巴巴集团控股有限公司 | 网络系统、服务提供与资源调度方法、设备及存储介质 |
CN113822456A (zh) * | 2020-06-18 | 2021-12-21 | 复旦大学 | 一种云雾混构环境下基于深度强化学习的服务组合优化部署方法 |
CN113242319A (zh) * | 2021-07-09 | 2021-08-10 | 军事科学院系统工程研究院网络信息研究所 | 一种基于视频云服务架构的云边协同工作方法和系统 |
CN115103007A (zh) * | 2022-05-19 | 2022-09-23 | 亿点云计算(珠海)有限公司 | 基于分布式云的服务发现方法、装置及可读存储介质 |
CN115499514A (zh) * | 2022-08-17 | 2022-12-20 | 阿里巴巴(中国)有限公司 | 数据存储服务的访问方法、计算设备及计算机存储介质 |
CN116266323A (zh) * | 2022-11-09 | 2023-06-20 | 中移(苏州)软件技术有限公司 | 云场景下的智能计费方法及装置 |
CN116684472A (zh) * | 2023-05-08 | 2023-09-01 | 北京邮电大学 | 一种面向端侧算力网络的服务部署系统及其服务部署方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117499313A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111651263B (zh) | 移动终端的资源处理方法、装置、计算机设备及存储介质 | |
CN108510987B (zh) | 语音处理方法及装置 | |
CN110633151B (zh) | 分布式发布消息集群分区平衡的方法、装置及存储介质 | |
CN109445811B (zh) | 灰度发布方法、装置、计算机设备及计算机存储介质 | |
US20170311004A1 (en) | Video processing method and device | |
CN106713734B (zh) | 自动对焦方法及装置 | |
CN111553464B (zh) | 基于超网络的图像处理方法、装置及智能设备 | |
CN108629814B (zh) | 相机调整方法及装置 | |
CN110278229A (zh) | 分布式服务集群的负载均衡方法、装置以及电子设备 | |
CN109214175B (zh) | 基于样本特征训练分类器的方法、装置及存储介质 | |
CN109565735A (zh) | 网络连接管理的方法、装置和系统 | |
CN110913276B (zh) | 数据处理的方法、装置、服务器、终端及存储介质 | |
CN117499313B (zh) | 请求控制方法、装置、存储介质、电子设备 | |
CN110177379B (zh) | 基站接入方法及系统 | |
CN107944928A (zh) | 券码的发放方法及装置 | |
CN112019948B (zh) | 一种对讲设备通信的方法、对讲设备和存储介质 | |
CN108984294B (zh) | 资源调度方法、装置及存储介质 | |
CN114189719A (zh) | 视频信息提取方法、装置、电子设备及存储介质 | |
CN110046035B (zh) | 系统切换方法、装置及电子设备 | |
CN113407316A (zh) | 服务调度方法、装置、电子设备及存储介质 | |
CN112256892A (zh) | 视频推荐方法、装置、电子设备及存储介质 | |
CN112256432A (zh) | 服务过载的处理方法、装置、电子设备及存储介质 | |
CN110166797A (zh) | 视频转码方法、装置、电子设备及存储介质 | |
CN112449409B (zh) | 移动终端的功率控制方法和移动终端的功率控制装置 | |
CN117499710B (zh) | 视频转码调度方法、装置、可读存储介质、电子设备 |
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 |