KR20210081227A - 에지 컴퓨팅 환경에서의 종단간 서비스 품질 - Google Patents
에지 컴퓨팅 환경에서의 종단간 서비스 품질 Download PDFInfo
- Publication number
- KR20210081227A KR20210081227A KR1020200122121A KR20200122121A KR20210081227A KR 20210081227 A KR20210081227 A KR 20210081227A KR 1020200122121 A KR1020200122121 A KR 1020200122121A KR 20200122121 A KR20200122121 A KR 20200122121A KR 20210081227 A KR20210081227 A KR 20210081227A
- Authority
- KR
- South Korea
- Prior art keywords
- resource
- data flow
- edge
- service
- kpi
- Prior art date
Links
- 238000005259 measurement Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000013442 quality metrics Methods 0.000 claims abstract description 36
- 230000015654 memory Effects 0.000 claims description 80
- 238000012545 processing Methods 0.000 claims description 46
- 238000012384 transportation and delivery Methods 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000007726 management method Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 56
- 238000004891 communication Methods 0.000 description 51
- 238000003860 storage Methods 0.000 description 45
- 238000005516 engineering process Methods 0.000 description 12
- 238000013468 resource allocation Methods 0.000 description 12
- 230000002776 aggregation Effects 0.000 description 11
- 238000004220 aggregation Methods 0.000 description 11
- 238000013500 data storage Methods 0.000 description 11
- 230000006855 networking Effects 0.000 description 11
- 238000013507 mapping Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000002093 peripheral effect Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000005192 partition Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 241000233805 Phoenix Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000005387 chalcogenide glass Substances 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001152 differential interference contrast microscopy Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000002070 nanowire Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000021317 sensory perception Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 238000010200 validation analysis 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
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- 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
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
-
- 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
- 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
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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
- H04L41/40—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using virtualisation of network functions or resources, e.g. SDN or NFV entities
-
- 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
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- 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
- H04L41/5019—Ensuring fulfilment of SLA
-
- 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
-
- 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
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- 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
- H04L43/20—Arrangements for monitoring or testing data switching networks the monitoring system or the monitored elements being virtualised, abstracted or software-defined entities, e.g. SDN or NFV
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 시스템들 및 기법들이 본 명세서에서 설명된다. 에지 컴퓨팅 시스템의 노드와 디바이스 사이의 진행중인 데이터 흐름에 대한 원격 측정 측정치들의 세트가 획득될 수 있다. 상기 진행중인 데이터 흐름에 대한 현재 키 성능 지시자(KPI)가 계산될 수 있다. 긴급성 값을 결정하기 위해 상기 현재 KPI가 목표 KPI와 비교될 수 있다. 네트워크의 리소스들에 대한 리소스 품질 메트릭들의 세트가 수집될 수 있다. 이용가능한 리소스 조정들을 결정하기 위해 리소스 조정 모델을 이용하여 상기 리소스 품질 메트릭들의 세트가 평가될 수 있다. 긴급성 값의 예상된 최소화에 기초하여 상기 이용가능한 리소스 조정들로부터 리소스 조정이 선택될 수 있다. 상기 선택된 리소스 조정을 이용하여 상기 진행중인 데이터 흐름의 전달이 수정될 수 있다.
Description
본 명세서에서 설명된 실시예들은 일반적으로 데이터 프로세싱, 네트워크 통신, 및 통신 시스템 구현들에 관한 것이고, 특히, 에지 컴퓨팅 및 사물 인터넷(IoT) 디바이스 네트워크들에서의 연결된 디바이스와 에지 컴퓨팅 노드 사이의 종단간 서비스 품질(end-to-end quality of service)을 달성하기 위한 기법들에 관한 것이다.
일반적인 레벨에서, 에지 컴퓨팅은 전체 소유 비용을 최적화하고, 애플리케이션 레이턴시를 감소시키고, 서비스 능력을 개선하고, 보안 또는 데이터 프라이버시 요구들의 준수를 개선하기 위해 엔드포인트 디바이스들(예를 들어, 소비자 컴퓨팅 디바이스들, 사용자 장비 등)에 더 가까이 컴퓨팅 및 저장 리소스들의 전이를 언급한다. 일부 시나리오들에서, 에지 컴퓨팅은 많은 유형들의 저장 및 컴퓨팅 리소스들 중에서 애플리케이션들에 대한 오케스트레이션 및 관리를 제공하는 클라우드 같은 분산 서비스를 제공할 수 있다. 그 결과, 에지 컴퓨팅의 일부 구현들은 "에지 클라우드" 또는 "포그"라고 언급되었는데, 그 이유는 이전에는 큰 원격 데이터 센터들에서만 이용가능한 강력한 컴퓨팅 리소스들이 엔드포인트들에 더 가깝게 이동하고 네트워크의 "에지"에서 소비자에 의한 사용을 위해 이용가능하게 되기 때문이다.
모바일 네트워크 환경에서의 에지 컴퓨팅 사용 사례들은, "모바일 에지 컴퓨팅"으로도 알려진, 멀티-액세스 에지 컴퓨팅(multi-access edge computing, MEC) 접근법들과의 통합을 위해 개발되었다. MEC 접근법들은 애플리케이션 개발자들 및 콘텐츠 제공자들이 네트워크의 에지에서의 동적 모바일 네트워크 환경에서 정보 기술(IT) 서비스 환경 및 컴퓨팅 능력들에 액세스할 수 있게 하도록 설계된다. MEC 시스템들, 플랫폼들, 호스트들, 서비스들, 및 애플리케이션들의 동작을 위한 공통 인터페이스들을 정의하려는 시도로 제한된 표준들이 ETSI(European Telecommunications Standards Institute) ISG(industry specification group)에 의해 개발되었다.
에지 컴퓨팅, MEC, 및 관련 기술들은 전통적인 클라우드 네트워크 서비스들 및 광역 네트워크 연결들에서 제공되는 것보다 감소된 레이턴시, 증가된 응답성, 및 더 많은 이용가능한 컴퓨팅 능력을 제공하려고 시도한다. 그러나, 일부 모바일 사용 및 디바이스 프로세싱 사용 사례들로의 이동성 및 동적으로 시작되는 서비스들의 통합은, 특히 많은 참여자들(디바이스들, 호스트들, 테넌트들, 서비스 제공자들, 운영자들)이 관련되는 복잡한 이동성 환경에서, 오케스트레이션, 기능적 조정, 및 리소스 관리에 대한 한계 및 우려로 이어졌다.
유사한 방식으로, 사물 인터넷(IoT) 네트워크들 및 디바이스들은 다양한 엔드포인트들로부터 분산 컴퓨팅 배열을 제공하도록 설계된다. IoT 디바이스들은 네트워크 상에서 통신할 수 있는 물리적인 또는 가상화된 객체들이고, 데이터를 수집하거나 실제 세계 환경에서 액션들을 수행하기 위해 사용될 수 있는, 센서들, 액추에이터들, 및 다른 입력/출력 컴포넌트들을 포함할 수 있다. 예를 들어, IoT 디바이스들은, 빌딩들, 차량들, 패키지들 등과 같은, 매일의 사물들에 임베드되거나 부착되어, 그러한 사물들의 인공 감각 인식의 추가 레벨을 제공하는 저전력 엔드포인트 디바이스들을 포함할 수 있다. 최근, IoT 디바이스들이 더 대중화되었고 따라서 이들 디바이스를 사용하는 애플리케이션들이 급증하였다.
다양한 에지, 포그, MEC, 및 IoT 네트워크들, 디바이스들, 및 서비스들의 배치는 네트워크의 에지에서 그리고 네트워크의 에지를 향해 발생하는 다수의 진보된 사용 사례들 및 시나리오들을 도입하였다. 그러나, 이들 진보된 사용 사례들은 또한, 여러 문제들 중에서도 특히, 보안, 프로세싱 및 네트워크 리소스들, 서비스 이용가능성 및 효율에 관한 다수의 대응하는 기술적 과제들을 도입하였다. 하나의 그러한 과제는 매우 동적인 컴퓨팅 환경에서 서비스 품질(QoS)을 보장하는 능력, 및 서비스 이용가능성 및 효율과 관련된다. 작업 부하들이 컴퓨팅 환경 전체에 걸쳐 시프트됨에 따라, 연결 품질 및 다른 성능 메트릭들이 변화하여 잠재적인 서비스 품질 단점들로 이어질 수 있다.
반드시 일정한 비율로 그려진 것은 아닌 도면들에서, 같은 번호들이 상이한 뷰들에서 유사한 컴포넌트들을 설명할 수 있다. 상이한 문자 접미사들을 갖는 같은 번호들은 유사한 컴포넌트들의 상이한 인스턴스들을 나타낼 수 있다. 도면들은 일반적으로, 제한이 아닌 예로서, 본 문서에서 논의되는 다양한 실시예들을 예시한다.
도 1은 예에 따른, 에지 컴퓨팅을 위한 에지 클라우드 구성의 개관을 예시한다.
도 2는 예에 따른, 다수의 에지 노드들 및 다수의 테넌트들 사이에서 동작되는 에지 컴퓨팅 시스템에 걸친 가상 에지 구성들에 대한 배치 및 오케스트레이션을 예시한다.
도 3은 예에 따른, 에지 컴퓨팅 시스템에서의 애플리케이션들에 대한 모바일 액세스를 수반하는 차량 컴퓨팅 및 통신 사용 사례를 예시한다.
도 4는 예에 따른, 에지 컴퓨팅 시스템 중에 배치된 분산 컴퓨팅의 계층들의 개관을 예시한다.
도 5a는 예에 따른, 컴퓨팅 노드 시스템에 배치된 예시적인 컴포넌트들의 개관을 예시한다.
도 5b는 예에 따른, 컴퓨팅 디바이스 내의 예시적인 컴포넌트들의 추가 개관을 예시한다.
도 6은 예에 따른, 중간 계층으로서 에지 컴퓨팅 플랫폼을 갖는 3 계층 계산 및 데이터 프로세싱의 예의 개관을 예시한다.
도 7은 예에 따른, 라이브 비디오 스트리밍 애플리케이션 파이프라인의 예를 예시한다.
도 8은 예에 따른, 에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 프로세스의 예를 예시한다.
도 9는 예에 따른, 에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 환경 및 시스템의 예를 예시한다.
도 10은 예에 따른, 에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 방법의 예를 예시한다.
도 1은 예에 따른, 에지 컴퓨팅을 위한 에지 클라우드 구성의 개관을 예시한다.
도 2는 예에 따른, 다수의 에지 노드들 및 다수의 테넌트들 사이에서 동작되는 에지 컴퓨팅 시스템에 걸친 가상 에지 구성들에 대한 배치 및 오케스트레이션을 예시한다.
도 3은 예에 따른, 에지 컴퓨팅 시스템에서의 애플리케이션들에 대한 모바일 액세스를 수반하는 차량 컴퓨팅 및 통신 사용 사례를 예시한다.
도 4는 예에 따른, 에지 컴퓨팅 시스템 중에 배치된 분산 컴퓨팅의 계층들의 개관을 예시한다.
도 5a는 예에 따른, 컴퓨팅 노드 시스템에 배치된 예시적인 컴포넌트들의 개관을 예시한다.
도 5b는 예에 따른, 컴퓨팅 디바이스 내의 예시적인 컴포넌트들의 추가 개관을 예시한다.
도 6은 예에 따른, 중간 계층으로서 에지 컴퓨팅 플랫폼을 갖는 3 계층 계산 및 데이터 프로세싱의 예의 개관을 예시한다.
도 7은 예에 따른, 라이브 비디오 스트리밍 애플리케이션 파이프라인의 예를 예시한다.
도 8은 예에 따른, 에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 프로세스의 예를 예시한다.
도 9는 예에 따른, 에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 환경 및 시스템의 예를 예시한다.
도 10은 예에 따른, 에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 방법의 예를 예시한다.
많은 상이한 에지 컴퓨팅 서비스 작업들 간의 상호작용들의 전체 흐름은, 통신 제공자에 의해, 컴퓨팅 제공자에 의해, 데이터 제공자 등에 의해 어떤 작업들이 수행되는지에 관계없이, 전체로서 취해진 품질을 갖는 공동 관심 그룹의 컨텍스트에서 고려되어야 한다. 서비스 품질에 대한 이러한 일반화된 견해는 많은 데이터 집약적 분야들, 예를 들어, 라이브 비디오 스트리밍, 스마트 도시들, 전력 또는 수송 로지스틱스의 시계열 프로세싱(time-series processing), 사람들 및 애완동물들의 분산된 건강 모니터링 등에 적용가능하다. 활동들의 컬렉션은 데이터를 재구성하고, 데이터를 보안, 저장, 검색하고, 지식을 추출하고, 입력들로부터 추론하고 응답을 형성하고, 종단간에 데이터 또는 정보를 송신하는 무수한 동작들에서 그의 실행이 반영되는 가상 테넌트를 종종 형성한다. 에지 서비스들에서 많은 수의 동적 요구가 발생하고 임의의 주어진 에지 컴퓨팅 노드에 제한된 인프라스트럭처가 있을 수 있다. 품질 목적을 충족시키는 종단간 서비스를 갖는 에지 컴퓨팅 시스템의 테넌트를 제공하는 것은 어려울 수 있는데 그 이유는 테넌트 내의 컴포넌트 작업들이 많은 노드들에 확산될 수 있기 때문이다.
다양한 유틸리티들에 기초한 종래의 애드혹 메커니즘들은 작업 당 P99-레이턴시 또는 노드 당 P95-레이턴시(예를 들어, 각각, 99 또는 95 백분위수 레이턴시)를 유지하려고 시도할 수 있고 레이턴시들이 증가할 때 요청들에 대해 승인 제어를 부과할 수 있다. 다른 종래의 솔루션들은 오버프로비저닝(예를 들어, 초과 용량(over capacity) 등을 위해 에지 컴퓨팅 노드들을 설계하는 것)에 의해 복잡한 서비스 품질(QoS) 목적들을 다룰 수 있다. QoS는 네트워크의 리소스들에 대한 공평한 액세스를 클라이언트들에 제공할 수 있다. 네트워크 리소스들을 사용하는 애플리케이션들에 대한 애플리케이션 목적들을 충족시키기 위해 SLO(service level objective)들이 사용될 수 있다. SLA(services level agreement)들이 SLO를 달성하기 위해 필요한 리소스들을 정의할 수 있다.
오버프로비저닝/과설계(over-designing)는 비용을 상승시키고 저조한 이용으로 이어진다. 현재의 접근법들은 단편적이고(piecemeal) 머신마다, 컨테이너마다, 마이크로-서비스마다 등등으로 제한될 수 있고 속도 또는 스루풋이 가장 영향을 받을 수 있는 인프라스트럭처의 부분들에서 그리고 정확히 해당 시점들에서 리소스의 스케줄을 우선순위화할 수 있는 능력이 거의 없다. 에지 컴퓨팅 시스템에서 QoS를 제공하는 문제에 대한 종래의 솔루션들도 충분한 슬랙(slack)이 있을 때 스케줄링에서 효율을 최대화할 수 있는 능력이 없을 수 있다. 이는 오버프로비저닝할 필요성뿐만 아니라 슬랙을 캡처하기 위한 기회의 손실을 야기한다. 또한, 오버프로비저닝에도 불구하고, 종래의 솔루션들은 기술 변화들에 적응하지 못할 수 있고 시간 경과에 따라 발생하는 새로운 기회들에 적응하거나 새로운 요구 클래스들을 어디로 리디렉션할지를 결정하기 위해 리소스들을 재평가하지 않을 수 있다.
본 명세서에서 논의되는 시스템들 및 기법들은 계약상 QoS 목적들을 충족시키기 위해 에지 컴퓨팅 시스템에서 서비스들을 제공하는 문제를 해결한다. 원하는 종단간 QoS에 수렴하기 위해 작업 부하 메타-모델이 반복적으로 사용된다. 작업 부하 메타-모델은 분산된 작업들의 시스템의 상이한 컴포넌트들과 리소스 할당들 사이의 다양한 관계들의 형식화를 허용한다. 수렴률(rate of convergence)은 원하는 QoS와 달성된 QoS 사이의 갭이 넓어질 때 가속된다. 작업 부하 메타-모델은 또한 QoS 계약의 일부이다. 예에서, 이 모델은, 요구시 임시 스파이크들로 인해 종단간 QoS를 달성하는 데 엄청나게 비용이 많이 들 때, 더 높은 품질(예를 들어, 더 높은 서비스 계층) 종단간 서비스가 미래의 어떤 시간에 대한 보상으로서 제공될 수 있거나, 해당 서비스를 사용하는 애플리케이션의 고객에게 어떤 다른 인센티브가 전달될 수 있도록 보상을 제공할 수 있다. 작업 부하 모델을 실행하기 위한 그리고 가장 최신의 원격 측정으로 모델 실행이 제공되는 것을 보장하기 위한 전용 리소스들이 제공된다.
이러한 접근법은 종단간 서비스 품질 목적들을 충족시키기 위해 진행중 기준으로 인프라스트럭처를 적응시키는 데 높은 레벨의 자동화 및 더 큰 단순성을 달성하는 것을 가능하게 하고 요구시 동적인 시프트들 하에서 그러한 적응을 허용한다. QoS 관리자가 관리하지 못할 수 있는 애플리케이션들에서의 다양한 QoS 프로비저닝들의 재계산을 감소시킴으로써 복잡성도 감소된다. 애플리케이션 개발자들에게는 그들의 구현들의 일부를 자체 튜닝(self-tuning)할 수 있는 능력도 제공된다.
예시적인 에지 컴퓨팅 아키텍처들
도 1은 현재 예들 중 다수에서 "에지 클라우드"로서 언급되는 프로세싱의 계층을 포함하는, 에지 컴퓨팅을 위한 구성의 개관을 보여주는 블록도(100)이다. 다수의 종래의 네트워킹 계층(본 명세서에 도시되지 않은 것들을 포함함)을 포함할 수 있는 이러한 네트워크 토폴로지는 본 명세서에서 논의된 증명 기법들 및 네트워크 구성들의 사용을 통해 확장될 수 있다.
도시된 바와 같이, 에지 클라우드(110)는 기지국(140), 로컬 프로세싱 허브(150), 또는 중앙 오피스(120)와 같은 에지 위치에 공동 배치되고, 따라서 다수의 엔티티들, 디바이스들, 및 장비 인스턴스들을 포함할 수 있다. 에지 클라우드(110)는 클라우드 데이터 센터(130)보다 엔드포인트(소비자 및 생산자) 데이터 소스들(160)(예를 들어, 자율 차량들(161), 사용자 장비(162), 비즈니스 및 산업 장비(163), 비디오 캡처 디바이스들(164), 드론들(165), 스마트 도시들 및 빌딩 디바이스들(166), 센서들 및 IoT 디바이스들(167) 등)에 훨씬 더 가까이 위치한다. 에지 클라우드(110) 내의 에지들에 제공되는 컴퓨팅, 메모리, 및 저장 리소스들은 엔드포인트 데이터 소스들(160)에 의해 사용되는 서비스들 및 기능들에 대한 초저 레이턴시 응답 시간들을 제공할 뿐만 아니라 에지 클라우드(110)로부터 클라우드 데이터 센터(130)를 향한 네트워크 백홀 트래픽을 감소시키는 데에 중요하고, 따라서 여러 이점들 중에서도 특히 에너지 소비 및 전체 네트워크 사용들을 개선한다.
컴퓨팅, 메모리, 및 저장은 부족한 리소스들이고, 일반적으로 에지 위치에 따라 감소한다(예를 들어, 기지국에서 또는 중앙 오피스에서보다 소비자 엔드 포인트 디바이스에서 이용가능한 프로세싱 리소스가 더 적다). 그러나, 에지 위치가 엔드포인트(예를 들어, UE들)에 더 가까울수록, 더 많이 공간 및 전력이 제약된다. 따라서, 에지 컴퓨팅은, 일반적인 설계 원리로서, 지리적으로 그리고 네트워크 액세스 시간 양쪽 모두에서 더 가까이 위치하는 더 많은 리소스들의 분포를 통해, 네트워크 서비스들을 위해 필요한 리소스들의 양을 최소화하려고 시도한다.
이하에서는 다수의 잠재적 배치들을 커버하고 일부 네트워크 운영자들 또는 서비스 제공자들이 그들 자신의 인프라스트럭처들을 가질 수 있는 제한들을 다루는 에지 클라우드 아키텍처의 양태들을 설명한다. 이들은, 에지 위치에 기초한 구성들의 변형(예를 들어, 기지국 레벨에서의 에지들이 더 제약된 성능을 가질 수 있기 때문에); 에지 위치들, 위치들의 계층들, 또는 위치들의 그룹들에 이용가능한 컴퓨팅, 메모리, 저장, 패브릭, 가속, 또는 유사한 리소스들의 유형에 기초한 구성들; 서비스, 보안, 및 관리 및 오케스트레이션 능력들; 및 최종 서비스들의 유용성 및 성능을 달성하기 위한 관련 목적들을 포함한다.
에지 컴퓨팅은 네트워크의 "에지"에서 또는 그에 더 가까이에서, 전형적으로, 데이터를 생산하고 소비하는 엔드 포인트 디바이스들에 훨씬 더 가까운 기지국들, 게이트웨이들, 네트워크 라우터들, 또는 다른 디바이스들에서 구현되는 컴퓨팅 플랫폼의 사용을 통해 컴퓨팅이 수행되는 개발 패러다임이다. 예를 들어, 에지 게이트웨이 서버들은 연결된 클라이언트 디바이스들에 대한 저 레이턴시 사용 사례들(예를 들어, 자율 주행 또는 비디오 감시)에 대해 실시간으로 계산을 수행하기 위해 메모리 및 저장 리소스들의 풀들을 갖출 수 있다. 또는 예로서, 기지국들은 백홀 네트워크들을 통해 데이터를 추가로 통신하지 않고, 연결된 사용자 장비에 대한 서비스 작업 부하들을 직접 프로세싱하기 위해 컴퓨팅 및 가속 리소스들로 보강될 수 있다. 또는 다른 예로서, 중앙 오피스 네트워크 관리 하드웨어는 가상화된 네트워크 기능들을 수행하고 연결된 디바이스들에 대한 서비스들 및 소비자 기능들의 실행을 위한 컴퓨팅 리소스들을 제공하는 컴퓨팅 하드웨어로 대체될 수 있다. 이들 및 다른 시나리오들은, 아래의 논의에서 제공되는 바와 같이, 증명의 사용을 수반할 수 있다.
도 1의 네트워크 아키텍처와 대조적으로, 전통적인 엔드포인트(예를 들어, UE, 차량-대-차량(vehicle-to-vehicle, V2V), 차량-대-모든 것(vehicle-to-everything, V2X) 등) 애플리케이션들은 로컬 디바이스 또는 원격 클라우드 데이터 저장 및 프로세싱에 의존하여 정보를 교환 및 조정한다. 클라우드 데이터 배열은 장기간 데이터 수집 및 저장을 허용하지만, 충돌, 교통 신호등 변경 등과 같은 매우 시변하는 데이터에 대해서는 최적이 아니고, 레이턴시 과제들을 충족시키려고 시도하는 데 실패할 수 있다.
통신 컨텍스트에서의 실시간 요구들에 따라, 에지 컴퓨팅 배치에서 데이터 프로세싱 및 저장 노드들의 계층적 구조가 정의될 수 있다. 예를 들어, 그러한 배치는 로컬 초저 레이턴시 프로세싱, 지역 저장 및 프로세싱뿐만 아니라 원격 클라우드 데이터 센터 기반 저장 및 프로세싱을 포함할 수 있다. 키 성능 지시자(key performance indicator, KPI)들은 센서 데이터가 가장 잘 전송되는 곳 및 그것이 프로세싱되거나 저장되는 곳을 식별하기 위해 사용될 수 있다. 이는 전형적으로 데이터의 ISO 계층 의존성에 의존한다. 예를 들어, 하위 계층(PHY, MAC, 라우팅 등) 데이터는 전형적으로 빠르게 변하고, 레이턴시 요구들을 충족시키기 위해 로컬로 더 잘 핸들링된다. 애플리케이션 계층 데이터와 같은 상위 계층 데이터는 전형적으로 덜 시간 임계적이고 원격 클라우드 데이터 센터에 저장 및 프로세싱될 수 있다.
도 2는 다수의 에지 노드들 및 다수의 테넌트 사이에서 동작되는 에지 컴퓨팅 시스템에 걸친 가상 에지 구성들에 대한 배치 및 오케스트레이션을 예시한다. 구체적으로, 도 2는 다양한 가상 에지 인스턴스들로부터 다양한 클라이언트 엔드포인트들(210)에 대한 요청들 및 응답들을 충족시키기 위한, 에지 컴퓨팅 시스템(200)에서의 제1 에지 노드(222) 및 제2 에지 노드(224)의 조정을 묘사한다. 가상 에지 인스턴스들은 에지 클라우드에서의 프로세싱 및 에지 컴퓨팅 능력들을 제공하고, 웹사이트들, 애플리케이션들, 데이터베이스 서버들 등에 대한 더 높은 레이턴시 요청들을 위해 클라우드/데이터 센터(240)에 액세스한다. 따라서, 에지 클라우드는 다수의 테넌트들 또는 엔티티들에 대한 다수의 에지 노드들 간의 프로세싱의 조정을 가능하게 한다.
도 2의 예에서, 이들 가상 에지 인스턴스들은: 에지 저장, 컴퓨팅, 및 서비스들의 제1 조합을 제공하는 제1 테넌트(테넌트 1)에 제공되는 제1 가상 에지(232); 및 에지 저장, 컴퓨팅, 및 서비스들의 제2 조합을 제2 테넌트(테넌트 2)에 제공하는 제2 가상 에지(234)를 포함한다. 가상 에지 인스턴스들(232, 234)은 에지 노드들(222, 224) 사이에 분산되고, 동일한 또는 상이한 에지 노드들로부터 요청 및 응답이 충족되는 시나리오들을 포함할 수 있다. 분산되지만 조정된 방식으로 동작하는 각각의 에지 노드(222, 224)의 구성은 에지 프로비저닝 기능들(250)에 기초하여 발생한다. 다수의 테넌트들 사이에, 애플리케이션들 및 서비스들에 대한 조정된 동작을 제공하는 에지 노드들(222, 224)의 기능성은 오케스트레이션 기능들(260)에 기초하여 발생한다.
210에서의 디바이스들 중 일부는 테넌트 1은 테넌트 1 '슬라이스' 내에서 기능할 수 있는 반면 테넌트 2는 테넌트 2 슬라이스 내에서 기능할 수 있는 멀티-테넌트 디바이스들이라는 점이 이해해야 한다. 신뢰 멀티-테넌트 디바이스는 키 및 슬라이스의 조합이 "루트 오브 트러스트(root of trust)"(RoT) 또는 테넌트-특정 RoT로 간주될 수 있도록 테넌트 특정 암호 키를 추가로 포함할 수 있다. RoT는 DICE(Device Identity Composition Engine) 아키텍처와 같은 보안 아키텍처를 사용하여 동적으로 구성되도록 추가로 계산될 수 있는데 여기서 DICE 하드웨어 빌딩 블록이 디바이스 능력들(예컨대 FPGA(Field Programmable Gate Array))의 레이어링을 위한 레이어링된 신뢰 컴퓨팅 베이스 컨텍스트들을 구성하기 위해 사용된다. RoT는 또한 각각의 테넌트 동작들 등을 지원하기 위해 신뢰 컴퓨팅 컨텍스트에 대해 사용될 수 있다. 이 RoT 및 보안 아키텍처의 사용은 본 명세서에서 추가로 논의되는 증명 동작들에 의해 향상될 수 있다.
에지 컴퓨팅 노드들은 리소스들(메모리, CPU, GPU, 인터럽트 컨트롤러, I/O 컨트롤러, 메모리 컨트롤러, 버스 컨트롤러 등)을 파티셔닝할 수 있고, 여기서 각각의 파티션은 RoT 능력을 포함할 수 있고, 여기서 DICE 모델에 따른 팬-아웃 및 레이어링이 에지 노드들에 추가로 적용될 수 있다. 컨테이너들, FaaS(서비스형 함수)(function as a service) 엔진들, 서블릿들, 서버들, 또는 다른 계산 추상화로 구성되는 클라우드 컴퓨팅 노드들이 각각에 대한 RoT 컨텍스트를 지원하기 위해 DICE 레이어링 및 팬-아웃 구조에 따라 파티셔닝될 수 있다. 따라서, 엔티티들(210, 222, 및 240)에 걸쳐 있는 각각의 RoT들은, 종단간에 모든 요소들을 링크하는 테넌트-특정 가상 신뢰 보안 채널이 확립될 수 있도록, 분산 신뢰 컴퓨팅 베이스(distributed trusted computing base, DTCB)의 확립을 조정할 수 있다.
추가적으로, 에지 컴퓨팅 시스템은, 다중 소유자 멀티-테넌트 환경에서, 컨테이너들(코드 및 필요한 의존성들을 제공하는 컨테이닝된, 배치가능한 소프트웨어의 유닛)의 사용을 통해 다수의 애플리케이션들의 오케스트레이션을 제공하도록 확장될 수 있다. 도 2에서 신뢰 '슬라이스' 개념의 프로비저닝 및 라이프사이클과 관련된 키 관리, 신뢰 앵커 관리, 및 다른 보안 기능들을 수행하기 위해 멀티-테넌트 오케스트레이터가 사용될 수 있다. 오케스트레이터는 DICE 레이어링 및 팬-아웃 구성을 이용하여 테넌트-특정인 루트 오브 트러스트 컨텍스트를 생성할 수 있다. 따라서, 오케스트레이터에 의해 제공되는 오케스트레이션 기능들은 테넌트-특정 오케스트레이션 제공자로서 참여할 수 있다.
따라서, 에지 컴퓨팅 시스템은 다수의 가상 에지 인스턴스들로부터(그리고, 도시되지 않은, 클라우드 또는 원격 데이터 센터로부터) 다양한 클라이언트 엔드포인트들에 대한 요청들 및 응답들을 충족시키도록 구성될 수 있다. 이들 가상 에지 인스턴스들의 사용은 다수의 테넌트들 및 다수의 애플리케이션들(예를 들어, AR/VR, 기업 애플리케이션들, 콘텐츠 전송(content delivery), 게이밍, 컴퓨팅 오프로드)을 동시에 지원한다. 또한, 가상 에지 인스턴스들 내에 다수의 유형의 애플리케이션들이 있을 수 있다(예를 들어, 통상의 애플리케이션, 레이턴시 민감성 애플리케이션, 레이턴시 임계적 애플리케이션, 사용자 평면 애플리케이션, 네트워킹 애플리케이션 등). 가상 에지 인스턴스들은 또한 상이한 지리적 위치들에 있는 다수의 소유자들의 시스템들에 걸쳐 있을 수 있다.
추가 예들에서, 에지 컴퓨팅 시스템들은 에지 컴퓨팅 시스템에 컨테이너들을 배치할 수 있다. 단순화된 예로서, 컨테이너 관리자는 컴퓨팅 노드들을 통한 실행을 통해 컨테이너화된 포드들, 기능들, 및 서비스형 함수(functions-as-a-service) 인스턴스들을 시작하도록, 또는 컴퓨팅 노드들을 통한 실행을 통해 컨테이너화된 가상화된 네트워크 기능들을 개별적으로 실행하도록 적응된다. 이러한 배열은 시스템 배열 내의 다수의 테넌트들에 의한 사용을 위해 적응될 수 있는데, 여기서 컨테이너화된 포드들, 기능들, 및 서비스형 함수 인스턴스들은 각각의 테넌트에 특정한 가상 머신들 내에서 시작된다(가상화된 네트워크 기능들의 실행 이외에).
에지 클라우드 내에서, 제1 에지 노드(222)(예를 들어, 제1 소유자에 의해 동작되는) 및 제2 에지 노드(224)(예를 들어, 제2 소유자에 의해 동작되는)는 각각의 테넌트들에 대해 제공되는 가상 에지 인스턴스들 내의 다양한 애플리케이션들의 실행을 조정하도록 컨테이너 오케스트레이터를 동작시키거나 이에 응답할 수 있다. 예를 들어, 에지 노드들(222, 224)은 에지 프로비저닝 기능들(250)에 기초하여 조정될 수 있는 반면, 다양한 애플리케이션들의 동작은 오케스트레이션 기능들(260)로 조정된다.
다양한 시스템 배열들은 애플리케이션 구성(application composition)의 측면에서 가상 머신들, 컨테이너들 및 기능들을 동등하게 취급하는 아키텍처를 제공할 수 있다(그리고 결과적인 애플리케이션들은 이들 3개의 구성 요소의 조합들이다). 각각의 구성 요소는 로컬 백엔드로서 하나 이상의 가속기(예를 들어, FPGA, ASIC) 컴포넌트들의 사용을 수반할 수 있다. 이러한 방식으로, 애플리케이션들은, 오케스트레이터에 의해 조정된, 다수의 에지 소유자들에 걸쳐 분할될 수 있다.
본 명세서에서 논의되는 에지 컴퓨팅 시스템들 및 배열들은 다양한 솔루션들, 서비스들, 및/또는 사용 사례들에서 적용가능할 수 있다는 것을 이해해야 한다. 예로서, 도 3은 에지 클라우드(110)를 구현하는 에지 컴퓨팅 시스템(300) 내의 애플리케이션들에 대한 모바일 액세스를 수반하는 단순화된 차량 컴퓨팅 및 통신 사용 사례를 도시한다. 이 사용 사례에서, 각각의 클라이언트 컴퓨팅 노드(310)는 도로의 횡단 동안 에지 게이트웨이 노드(320)와 통신하는 대응하는 차량 내에 위치하는 차량내 컴퓨팅 시스템들(예를 들어, 차량내 내비게이션 및/또는 인포테인먼트 시스템들)로서 구현될 수 있다. 예를 들어, 에지 게이트웨이 노드들(320)은, 도로를 따라, 도로의 교차로들에, 또는 도로 근처의 다른 위치들에 배치될 수 있는, 노변 캐비닛들에 위치할 수 있다. 각각의 차량이 도로를 따라 횡단함에 따라, 그것의 클라이언트 컴퓨팅 노드(310)와 특정한 에지 게이트웨이 노드(320) 사이의 연결은 클라이언트 컴퓨팅 노드(310)에 대한 일관된 연결 및 컨텍스트를 유지하도록 전파될 수 있다. 에지 게이트웨이 노드들(320) 각각은 일부 프로세싱 및 저장 능력들을 포함하고, 그에 따라, 에지 게이트웨이 노드들(320) 중 하나 이상의 에지 게이트웨이 노드 상에서 클라이언트 컴퓨팅 노드들(310)에 대한 데이터의 일부 프로세싱 및/또는 저장이 수행될 수 있다.
에지 게이트웨이 노드들(320) 각각은 하나 이상의 에지 리소스 노드(340)와 통신할 수 있는데, 이들은 통신 기지국(342)(예를 들어, 셀룰러 네트워크의 기지국)에 또는 그 안에 위치하는 컴퓨팅 서버들, 기기들 또는 컴포넌트들로서 예시적으로 구현된다. 위에서 논의된 바와 같이, 각각의 에지 리소스 노드(340)는 일부 프로세싱 및 저장 능력들을 포함하고, 그에 따라 에지 리소스 노드(340) 상에서 클라이언트 컴퓨팅 노드들(310)에 대한 데이터의 일부 프로세싱 및/또는 저장이 수행될 수 있다. 예를 들어, 덜 긴급하거나 중요한 데이터의 프로세싱은 에지 리소스 노드(340)에 의해 수행될 수 있는 반면, 긴급성 또는 중요성이 더 높은 데이터의 프로세싱은 에지 게이트웨이 디바이스들 또는 클라이언트 노드들 자체에 의해 수행될 수 있다(예를 들어, 각각의 컴포넌트의 능력들에 따라). 또한, 에지 노드들(320), 에지 리소스 노드(들)(340), 코어 데이터 센터(350), 및 네트워크 클라우드(360) 사이에 다양한 유선 또는 무선 통신 링크들(예를 들어, 광섬유 유선 백홀, 5G 무선 링크들)이 존재할 수 있다.
에지 리소스 노드(들)(340)는 코어 데이터 센터(350)와도 통신하는데, 이는 중앙 위치(예를 들어, 셀룰러 통신 네트워크의 중앙 오피스)에 위치하는 컴퓨팅 서버들, 기기들, 및/또는 다른 컴포넌트들을 포함할 수 있다. 코어 데이터 센터(350)는 에지 리소스 노드(들)(340) 및 에지 게이트웨이 노드들(320)에 의해 형성된 에지 클라우드(110) 동작들을 위해 글로벌 네트워크 클라우드(360)(예를 들어, 인터넷)로의 게이트웨이를 제공할 수 있다. 추가적으로, 일부 예들에서, 코어 데이터 센터(350)는 상당한 양의 프로세싱 및 저장 능력들을 포함할 수 있고, 그에 따라, 코어 데이터 센터(350) 상에서 클라이언트 컴퓨팅 디바이스들에 대한 데이터의 일부 프로세싱 및/또는 저장이 수행될 수 있다(예를 들어, 긴급성 또는 중요성이 낮은, 또는 복잡성이 높은 프로세싱). 에지 게이트웨이 노드들(320) 또는 에지 리소스 노드들(340)은 스테이트풀 애플리케이션들(stateful applications)(332) 및 지리적 분산 데이터 저장소(334)(예를 들어, 데이터베이스, 데이터 저장소 등)의 사용을 제공할 수 있다.
추가 예들에서, 도 3은 차량(예를 들어, 자동차, 트럭, 트램, 열차 등) 또는 다른 모바일 유닛에서 호스팅되는 에지 노드와 같은, 다양한 유형의 모바일 에지 노드들을 이용할 수 있는데, 그 이유는 에지 노드가 그것을 호스팅하는 플랫폼을 따라 다른 지리적 위치들로 이동할 것이기 때문이다. 차량-대-차량 통신을 이용하여, 개별 차량들이 다른 자동차들에 대한 네트워크 에지 노드들로서의 역할을 할 수도 있다(예를 들어, 캐싱, 보고, 데이터 집성 등을 수행하기 위해). 따라서, 다양한 에지 노드들에서 제공되는 애플리케이션 컴포넌트들은, 개별 엔드포인트 디바이스들 또는 에지 게이트웨이 노드들(320)에서의 일부 기능들 또는 동작들, 에지 리소스 노드(340)에서의 일부 다른 것들, 및 코어 데이터 센터(350) 또는 글로벌 네트워크 클라우드(360)에서의 다른 것들 사이의 조정을 포함하여, 다양한 설정들로 분산될 수 있다는 것을 이해할 것이다.
추가 구성들에서, 에지 컴퓨팅 시스템은 각각의 실행가능 애플리케이션들 및 기능들의 사용을 통해 FaaS 컴퓨팅 능력들을 구현할 수 있다. 예에서, 개발자는 하나 이상의 컴퓨터 기능을 나타내는 기능 코드(예를 들어, 본 명세서에서 "컴퓨터 코드")를 작성하고, 이 기능 코드는, 예를 들어, 에지 노드 또는 데이터 센터에 의해 제공되는 FaaS 플랫폼에 업로드된다. 예를 들어, 서비스 사용 사례 또는 에지 프로세싱 이벤트와 같은 트리거가 FaaS 플랫폼으로 기능 코드의 실행을 개시한다.
FaaS의 예에서, 기능 코드가 실행되는 환경을 제공하기 위해 컨테이너가 사용된다. 컨테이너는 프로세스, Docker 또는 Kubernetes 컨테이너, 가상 머신 등과 같은 임의의 격리된 실행 엔티티일 수 있다. 에지 컴퓨팅 시스템 내에서, 다양한 데이터센터, 에지, 및 엔드포인트(모바일을 포함함) 디바이스들이 요구에 따라 스케일링되는 기능들을 "스핀 업(spin up)"(예를 들어, 기능 활성화 및/또는 할당 액션들)하기 위해 사용된다. 기능 코드는 물리 인프라스트럭처(예를 들어, 에지 컴퓨팅 노드) 디바이스 및 기저의 가상화된 컨테이너들 상에서 실행된다. 마지막으로, 컨테이너는 실행이 완료되는 것에 응답하여 인프라스트럭처 상에서 "스핀 다운(spun down)"(예를 들어, 비활성화 및/또는 할당 해제)된다.
FaaS의 추가 양태들은, 에지 컴퓨팅을 서비스로서 지원하는 각각의 기능들의 지원을 포함하여, 서비스 방식으로 에지 기능들의 배치를 가능하게 할 수 있다. FaaS의 추가 특징들은 다음을 포함할 수 있다: 고객들(예를 들어, 컴퓨터 코드 개발자들)이 그들의 코드가 실행될 때에만 지불하는 것을 가능하게 하는 입상 빌링 컴포넌트(granular billing component); 하나 이상의 기능에 의한 재사용을 위해 데이터를 저장하기 위한 공통 데이터 저장소; 개별 기능들 사이의 오케스트레이션 및 관리; 기능 실행 관리, 병렬성, 및 통합; 컨테이너 및 기능 메모리 공간들의 관리; 기능들을 위해 이용가능한 가속 리소스들의 조정; 컨테이너들(이미 배치된 또는 동작 중인 "따뜻한" 컨테이너들 대 배치 또는 구성을 필요로 하는 "차가운" 것들을 포함함) 사이의 기능들의 분산.
예시적인 컴퓨팅 디바이스들
보다 일반적인 레벨에서, 에지 컴퓨팅 시스템은, 클라이언트 및 분산 컴퓨팅 디바이스들로부터 조정을 제공하는, 에지 클라우드(110)에서 동작하는 임의의 수의 배치들을 포함하는 것으로 설명될 수 있다. 도 4는 예시 목적으로 에지 컴퓨팅 환경 중에 배치된 분산 컴퓨팅의 계층들의 추가 추상화된 개관을 제공한다.
도 4는 네트워크의 계층들에 걸쳐 분산된, 하나 이상의 클라이언트 컴퓨팅 노드들(402), 하나 이상의 에지 게이트웨이 노드들(412), 하나 이상의 에지 집성 노드들(422), 하나 이상의 코어 데이터 센터들(432), 및 글로벌 네트워크 클라우드(442) 사이에 분산된, 다중 이해 관계자(stakeholder) 엔티티들에 에지 서비스들 및 애플리케이션들을 제공하기 위한 에지 컴퓨팅 시스템을 일반적으로 묘사한다. 에지 컴퓨팅 시스템의 구현은 통신 서비스 제공자("telco", 또는 "TSP"), 사물 인터넷 서비스 제공자, 클라우드 서비스 제공자(CSP), 기업 엔티티, 또는 임의의 다른 수의 엔티티들에서 또는 그것을 대신하여 제공될 수 있다. 노드들(402, 412, 422, 432) 간의 연결들을 확립하기 위해, 그러한 노드들 간의 상호연결들(예를 들어, 에지 게이트웨이 노드들(412) 간의 연결들, 및 에지 집성 노드들(422) 간의 연결들)을 포함하여, 다양한 형식의 유선 또는 무선 연결들이 구성될 수 있다.
에지 컴퓨팅 시스템의 각각의 노드 또는 디바이스는 계층들(410, 420, 430, 440, 450)에 대응하는 특정 계층에 위치한다. 예를 들어, 클라이언트 컴퓨팅 노드들(402)은 각각 엔드포인트 계층(410)에 위치하는 반면, 에지 게이트웨이 노드들(412) 각각은 에지 컴퓨팅 시스템의 에지 디바이스 계층(420)(로컬 레벨)에 위치한다. 추가적으로, 에지 집성 노드들(422)(및/또는 포그 네트워킹 구성(426)과 함께 또는 그 사이에 배열되거나 동작되는 경우, 포그 디바이스들(424)) 각각은 네트워크 액세스 계층(430)(중간 레벨)에 위치한다. 포그 컴퓨팅(또는 "포깅(fogging)")은, 전형적으로 조정된 분산 또는 다중 노드 네트워크에서의, 기업의 네트워크의 에지로의 클라우드 컴퓨팅의 확장들을 일반적으로 지칭한다. 일부 형식의 포그 컴퓨팅은, 클라우드 컴퓨팅 위치들을 대신하여, 엔드 디바이스들과 클라우드 컴퓨팅 데이터 센터들 사이의 계산, 저장, 및 네트워킹 서비스들의 배치를 제공한다. 그러한 형식의 포그 컴퓨팅은 본 명세서에서 논의된 에지 컴퓨팅과 일관된 동작들을 제공한다; 본 명세서에서 논의된 에지 컴퓨팅 양태들 중 다수는 포그 네트워크들, 포깅, 및 포그 구성들에 적용가능하다. 또한, 본 명세서에서 논의된 에지 컴퓨팅 시스템들의 양태들이 포그로서 구성될 수 있거나, 포그의 양태들이 에지 컴퓨팅 아키텍처에 통합될 수 있다.
코어 데이터 센터(432)는 코어 네트워크 계층(440)(예를 들어, 지역 또는 지리적으로 중앙 레벨)에 위치하는 반면, 글로벌 네트워크 클라우드(442)는 클라우드 데이터 센터 계층(450)(예를 들어, 국가 또는 글로벌 계층)에 위치한다. "코어"의 사용은 다수의 에지 노드들 또는 컴포넌트들에 의해 액세스 가능한 중앙 집중화된 네트워크 위치 - 네트워크에서 더 깊은 - 에 대한 용어로서 제공된다; 그러나, "코어"는 반드시 네트워크의 "중심" 또는 가장 깊은 위치를 지정하지는 않는다. 따라서, 코어 데이터 센터(432)는 에지 클라우드(110)에, 그 안에, 또는 그 근처에 위치할 수 있다.
예시적인 수의 클라이언트 컴퓨팅 노드들(402), 에지 게이트웨이 노드들(412), 에지 집성 노드들(422), 코어 데이터 센터들(432), 글로벌 네트워크 클라우드들(442)이 도 4에 도시되어 있지만, 에지 컴퓨팅 시스템은 각각의 계층에 더 많은 또는 더 적은 디바이스들 또는 시스템들을 포함할 수 있다는 것을 이해해야 한다. 추가적으로, 도 4에 도시된 바와 같이, 각각의 계층(410, 420, 430, 440, 450)의 컴포넌트들의 수는 일반적으로 각각의 하위 레벨에서 증가한다(즉, 엔드포인트들에 더 가까이 이동할 때). 그에 따라, 하나의 에지 게이트웨이 노드(412)가 다수의 클라이언트 컴퓨팅 노드들(402)을 서비스할 수 있고, 하나의 에지 집성 노드(422)가 다수의 에지 게이트웨이 노드들(412)을 서비스할 수 있다.
본 명세서에 제공된 예들과 일관되게, 각각의 클라이언트 컴퓨팅 노드(402)는 데이터의 생산자 또는 소비자로서 통신할 수 있는 임의의 유형의 엔드 포인트 컴포넌트, 디바이스, 기기, 또는 "사물"로서 구현될 수 있다. 또한, 에지 컴퓨팅 시스템(400)에서 사용된 라벨 "노드" 또는 "디바이스"는 반드시 그러한 노드 또는 디바이스가 클라이언트 또는 슬레이브 역할로 동작한다는 것을 의미하는 것은 아니다; 오히려, 에지 컴퓨팅 시스템(400) 내의 노드들 또는 디바이스들 중 임의의 것은 에지 클라우드(110)를 용이하게 하거나 또는 사용하기 위한 개별적인 또는 연결된 하드웨어 또는 소프트웨어 구성들을 포함하는 개별 엔티티들, 노드들, 또는 서브시스템들을 지칭한다.
그에 따라, 에지 클라우드(110)는 계층들(420, 430) 각각의 에지 게이트웨이 노드들(412) 및 에지 집성 노드들(422)에 의해 및 그 안에서 동작되는 네트워크 컴포넌트들 및 기능 특징들로 형성된다. 에지 클라우드(110)는, 도 4에서 클라이언트 컴퓨팅 노드들(402)로서 도시되어 있는, 무선 액세스 네트워크(RAN)가능 엔드포인트 디바이스들(예를 들어, 모바일 컴퓨팅 디바이스들, IoT 디바이스들, 스마트 디바이스들 등)에 근접하게 위치하는 에지 컴퓨팅 및/또는 저장 리소스들을 제공하는 임의의 유형의 네트워크로서 구현될 수 있다. 다시 말해서, 에지 클라우드(110)는, 캐리어 네트워크들(예를 들어, GSM(Global System for Mobile Communications) 네트워크들, LTE(Long-Term Evolution) 네트워크들, 5G 네트워크들 등)을 포함하는, 서비스 제공자 코어 네트워크들 내로의 입구 포인트의 역할을 하는 전통적인 모바일 네트워크 액세스 포인트들과 엔드포인트 디바이스들을 연결하면서도, 또한 저장 및/또는 컴퓨팅 능력들을 제공하는, "에지"로서 구상될 수 있다. 다른 유형들 및 형식들의 네트워크 액세스(예를 들어, Wi-Fi, 장거리 무선 네트워크들)가 또한 그러한 3GPP 캐리어 네트워크들 대신에 또는 그와 조합하여 이용될 수 있다.
일부 예들에서, 에지 클라우드(110)는, 특정 기능을 수행하기 위해 리소스들 및 서비스들을 분산시키는 시스템 레벨 수평 및 분산 아키텍처로서 구현될 수 있는, 포그 네트워킹 구성(426)(예를 들어, 상세히 도시되지 않은, 포그 디바이스들(424)의 네트워크) 내로의 또는 그에 걸쳐 입구 포인트의 일부를 형성하거나 또는 달리 그러한 입구 포인트를 제공할 수 있다. 예를 들어, 포그 디바이스들(424)의 조정 및 분산 네트워크는 IoT 시스템 배열의 컨텍스트에서 컴퓨팅, 저장, 제어, 또는 네트워킹 양태들을 수행할 수 있다. 클라우드 데이터 센터 계층(450)과 클라이언트 엔드포인트들(예를 들어, 클라이언트 컴퓨팅 노드들(402)) 사이의 에지 클라우드(110)에는 다른 네트워킹된, 집성된, 및 분산된 기능들이 존재할 수 있다. 이들 중 일부는 이하의 섹션들에서, 다수의 이해 관계자들에 대해 오케스트레이션되는 가상 에지들 및 가상 서비스들의 사용을 포함하여, 네트워크 기능들 또는 서비스 가상화의 컨텍스트에서 논의된다.
에지 게이트웨이 노드들(412) 및 에지 집성 노드들(422)은 협력하여 클라이언트 컴퓨팅 노드들(402)에 다양한 에지 서비스 및 보안을 제공한다. 더욱이, 각각의 클라이언트 컴퓨팅 노드(402)는 고정식 또는 이동식일 수 있기 때문에, 각각의 에지 게이트웨이 노드(412)는, 대응하는 클라이언트 컴퓨팅 노드(402)가 영역의 여기저기로 이동함에 따라, 다른 에지 게이트웨이 디바이스들과 협력하여 현재 제공된 에지 서비스들 및 보안을 전파할 수 있다. 그렇게 하기 위해, 에지 게이트웨이 노드들(412) 및/또는 에지 집성 노드들(422) 각각은 다수의 테넌시 및 다수의 이해 관계자 구성들을 지원할 수 있고, 여기서 다수의 서비스 제공자들 및 다수의 소비자들로부터의(또는 그에 대해 호스팅되는) 서비스들이 단일 또는 다수의 컴퓨팅 디바이스들에 걸쳐 지원되고 조정될 수 있다.
다양한 예들에서, 본 증명 기법들은, 도 8 및 도 9를 참조하여 아래에 더 논의되는 바와 같이, 클라이언트 컴퓨팅 노드들(402) 사이에(예를 들어, 증명 토큰을 수신하는 클라이언트에서), 에지 게이트웨이 노드들(412) 또는 집성 노드들(422)에서(예를 들어, 증명될 리소스를 갖는 리소스 노드에서), 그리고 에지 클라우드(110) 내의 다른 중간 노드들(예를 들어, 오케스트레이터 기능들, 증명 서비스 기능들 등을 동작시키는 것)에서 구현될 수 있다.
추가 예들에서, 본 에지 컴퓨팅 시스템들 및 환경을 참조하여 논의된 컴퓨팅 노드들 또는 디바이스들 중 임의의 것은 도 5a 및 도 5b에 묘사된 컴포넌트들에 기초하여 충족될 수 있다. 각각의 에지 컴퓨팅 노드는 다른 에지, 네트워킹, 또는 엔드포인트 컴포넌트들과 통신할 수 있는 한 유형의 디바이스, 기기, 컴퓨터, 또는 다른 "사물"로서 구현될 수 있다. 예를 들어, 에지 컴퓨팅 디바이스는 설명된 기능들을 수행할 수 있는 스마트폰, 모바일 컴퓨팅 디바이스, 스마트 기기, 차량내 컴퓨팅 시스템(예를 들어, 내비게이션 시스템), 또는 다른 디바이스 또는 시스템으로서 구현될 수 있다.
도 5a에 묘사된 단순화된 예에서, 에지 컴퓨팅 노드(500)는 컴퓨터 엔진(본 명세서에서 "컴퓨팅 회로"라고도 언급됨)(502), 입력/출력(I/O) 서브시스템(508), 데이터 저장소(510), 통신 회로 서브시스템(512), 및 옵션으로, 하나 이상의 주변 디바이스(514)를 포함한다. 다른 예들에서, 각각의 컴퓨팅 디바이스는 개인 또는 서버 컴퓨팅 시스템들(예를 들어, 디스플레이, 주변 디바이스들 등)에서 사용되는 것들과 같은 다른 또는 추가 컴포넌트들을 포함할 수 있다. 추가적으로, 일부 예들에서, 예시적인 컴포넌트들 중 하나 이상은 다른 컴포넌트에 통합되거나 또는 달리 다른 컴포넌트의 일부를 형성할 수 있다.
컴퓨팅 노드(500)는 다양한 컴퓨팅 기능들을 수행할 수 있는 임의의 유형의 엔진, 디바이스, 또는 디바이스들의 집합으로서 구현될 수 있다. 일부 예들에서, 컴퓨팅 노드(500)는 집적 회로, 임베디드 시스템, FPGA(field-programmable gate array), SOC(system-on-a-chip), 또는 다른 통합 시스템 또는 디바이스와 같은 단일 디바이스로서 구현될 수 있다. 예시적인 예에서, 컴퓨팅 노드(500)는 프로세서(504) 및 메모리(506)를 포함하거나 이들로서 구현된다. 프로세서(504)는 본 명세서에서 설명된 기능들을 수행(예를 들어, 애플리케이션을 실행)할 수 있는 임의의 유형의 프로세서로서 구현될 수 있다. 예를 들어, 프로세서(504)는 멀티-코어 프로세서(들), 마이크로컨트롤러, 또는 다른 프로세서 또는 프로세싱/제어 회로로서 구현될 수 있다. 일부 예들에서, 프로세서(504)는 FPGA, ASIC(application specific integrated circuit), 재구성 가능 하드웨어 또는 하드웨어 회로, 또는 본 명세서에서 설명된 기능들의 수행을 용이하게 하기 위한 다른 특수 하드웨어로서 구현될 수 있거나, 이들을 포함하거나, 이들에 결합될 수 있다.
메인 메모리(506)는 본 명세서에서 설명된 기능들을 수행할 수 있는 임의의 유형의 휘발성(예를 들어, DRAM(dynamic random access memory) 등) 또는 비휘발성 메모리 또는 데이터 저장소로서 구현될 수 있다. 휘발성 메모리는 매체에 의해 저장된 데이터의 상태를 유지하기 위해 전력을 요구하는 저장 매체일 수 있다. 휘발성 메모리의 비제한적인 예들은 다양한 유형의 RAM(random access memory), 예컨대 DRAM 또는 SRAM(static random access memory)을 포함할 수 있다. 메모리 모듈에서 사용될 수 있는 하나의 특정 유형의 DRAM은 SDRAM(synchronous dynamic random access memory)이다.
일 예에서, 메모리 디바이스는 NAND 또는 NOR 기술들에 기초한 것들과 같은 블록 어드레싱 가능 메모리 디바이스(block addressable memory device)이다. 메모리 디바이스는 또한 3차원 크로스포인트 메모리 디바이스(예를 들어, Intel 3D XPoint™ 메모리), 또는 다른 바이트 어드레싱 가능 제자리 기입 비휘발성 메모리 디바이스(byte addressable write-in-place nonvolatile memory device)들을 또한 포함할 수 있다. 메모리 디바이스는 다이 자체 및/또는 패키징된 메모리 제품을 지칭할 수 있다. 일부 예들에서, 3D 크로스포인트 메모리(예를 들어, Intel 3D XPoint™ 메모리)는 메모리 셀들이 워드 라인들과 비트 라인들의 교차점에 놓이고 개별적으로 어드레싱 가능하고, 비트 저장이 벌크 저항의 변화에 기초하는 트랜지스터가 없는 적층가능한 크로스 포인트 아키텍처를 포함할 수 있다. 일부 예들에서, 메인 메모리(506)의 전부 또는 일부가 프로세서(504)에 통합될 수 있다. 메인 메모리(506)는, 하나 이상의 애플리케이션, 애플리케이션(들)에 의해 조작되는 데이터, 라이브러리들, 및 드라이버들과 같은 동작 동안 사용되는 다양한 소프트웨어 및 데이터를 저장할 수 있다.
컴퓨팅 회로(502)는, 컴퓨팅 회로(502)(예를 들어, 프로세서(504) 및/또는 메인 메모리(506)) 및 컴퓨팅 회로(502)의 다른 컴포넌트들과의 입력/출력 동작들을 용이하게 하기 위한 회로 및/또는 컴포넌트들로서 구현될 수 있는 I/O 서브시스템(508)을 통해 컴퓨팅 노드(500)의 다른 컴포넌트들에 통신가능하게 결합된다. 예를 들어, I/O 서브시스템(508)은, 메모리 컨트롤러 허브들, 입력/출력 제어 허브들, 통합된 센서 허브들, 펌웨어 디바이스들, 통신 링크들(예를 들어, 포인트-투-포인트 링크들, 버스 링크들, 와이어들, 케이블들, 광 가이드들, 인쇄 회로 보드 트레이스들 등), 및/또는 입력/출력 동작들을 용이하게 하기 위한 다른 컴포넌트들 및 서브시스템들로서 구현될 수 있거나 또는 달리 이들을 포함할 수 있다. 일부 예들에서, I/O 서브시스템(508)은 SoC(system-on-a-chip) 의 일부를 형성할 수 있고, 컴퓨팅 회로(502)의 프로세서(504), 메인 메모리(506), 및 다른 컴포넌트들 중 하나 이상과 함께, 컴퓨팅 회로(502) 내로 통합될 수 있다.
하나 이상의 예시적인 데이터 저장 디바이스(510)는, 예를 들어, 메모리 디바이스들 및 회로들, 메모리 카드들, 하드 디스크 드라이브들, 솔리드-스테이트 드라이브들, 또는 다른 데이터 저장 디바이스들과 같은, 데이터의 단기간 또는 장기간 저장을 위해 구성된 임의의 유형의 디바이스들로서 구현될 수 있다. 각각의 데이터 저장 디바이스(510)는 데이터 저장 디바이스(510)에 대한 데이터 및 펌웨어 코드를 저장하는 시스템 파티션을 포함할 수 있다. 각각의 데이터 저장 디바이스(510)는, 예를 들어, 컴퓨팅 노드(500)의 유형에 따라 운영 체제들에 대한 데이터 파일들 및 실행파일들을 저장하는 하나 이상의 운영 체제 파티션들을 또한 포함할 수 있다.
통신 회로(512)는 컴퓨팅 회로(502)와 다른 컴퓨팅 디바이스(예를 들어, 에지 컴퓨팅 시스템(400)의 에지 게이트웨이 노드(412)) 사이에 네트워크를 통한 통신들을 가능하게 할 수 있는 임의의 통신 회로, 디바이스, 또는 이들의 집합으로서 구현될 수 있다. 통신 회로(512)는 그러한 통신을 달성하기 위해 임의의 하나 이상의 통신 기술(예를 들어, 유선 또는 무선 통신) 및 연관된 프로토콜들(예를 들어, 3GPP 4G 또는 5G 표준과 같은 셀룰러 네트워킹 프로토콜, IEEE 802.11/Wi-Fi®와 같은 무선 로컬 영역 네트워크 프로토콜, 무선 광역 네트워크 프로토콜, 이더넷, Bluetooth® 등)을 사용하도록 구성될 수 있다.
예시적인 통신 회로(512)는 호스트 패브릭 인터페이스(HFI)라고도 지칭될 수 있는 네트워크 인터페이스 컨트롤러(NIC)(520)를 포함한다. NIC(520)는 다른 컴퓨팅 디바이스(예를 들어, 에지 게이트웨이 노드(412))와 연결하기 위해 컴퓨팅 노드(500)에 의해 사용될 수 있는 하나 이상의 애드-인-보드(add-in-board), 도터 카드(daughter card), 네트워크 인터페이스 카드, 컨트롤러 칩, 칩셋, 또는 다른 디바이스들로서 구현될 수 있다. 일부 예들에서, NIC(520)는 하나 이상의 프로세서를 포함하는 SoC(system-on-a-chip)의 일부로서 구현되거나, 하나 이상의 프로세서를 또한 포함하는 멀티칩 패키지 상에 포함될 수 있다. 일부 예들에서, NIC(520)는 로컬 프로세서(도시되지 않음) 및/또는 로컬 메모리(도시되지 않음)를 포함할 수 있고 이들은 둘 다 NIC(520)에 로컬이다. 그러한 예들에서, NIC(520)의 로컬 프로세서는 본 명세서에서 설명된 컴퓨팅 회로(502)의 기능들 중 하나 이상을 수행할 수 있다. 추가적으로 또는 대안적으로, 그러한 예들에서, NIC(520)의 로컬 메모리는 보드 레벨, 소켓 레벨, 칩 레벨, 및/또는 다른 레벨들에서 클라이언트 컴퓨팅 노드의 하나 이상의 컴포넌트에 통합될 수 있다.
추가적으로, 일부 예들에서, 각각의 컴퓨팅 노드(500)는 하나 이상의 주변 디바이스(514)를 포함할 수 있다. 그러한 주변 디바이스들(514)은, 컴퓨팅 노드(500)의 특정 유형에 따라, 컴퓨팅 디바이스 또는 서버에서 발견되는 임의의 유형의 주변 디바이스, 예컨대 오디오 입력 디바이스들, 디스플레이, 다른 입력/출력 디바이스들, 인터페이스 디바이스들, 및/또는 다른 주변 디바이스들을 포함할 수 있다. 추가 예들에서, 컴퓨팅 노드(500)는 에지 컴퓨팅 시스템(예를 들어, 클라이언트 컴퓨팅 노드(402), 에지 게이트웨이 노드(412), 에지 집성 노드(422)) 내의 각각의 에지 컴퓨팅 노드 또는 유사한 형식의 기기들, 컴퓨터들, 서브시스템들, 회로, 또는 다른 컴포넌트들에 의해 구현될 수 있다.
보다 상세한 예에서, 도 5b는 본 명세서에서 설명된 기법들(예를 들어, 동작들, 프로세스들, 방법들, 방법론들)을 구현하기 위해 에지 컴퓨팅 노드(550) 내에 존재할 수 있는 컴포넌트들의 예의 블록도를 예시한다. 에지 컴퓨팅 노드(550)는 위에 언급된 컴포넌트들의 임의의 조합들을 포함할 수 있고, 그것은 에지 통신 네트워크 또는 그러한 네트워크들의 조합과 함께 사용가능한 임의의 디바이스를 포함할 수 있다. 컴포넌트들은 에지 컴퓨팅 노드(550)에 적응된 IC들, 그의 부분들, 개별 전자 디바이스들, 또는 다른 모듈들, 로직, 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합으로서, 또는 더 큰 시스템의 섀시 내에 달리 포함된 컴포넌트들로서 구현될 수 있다.
에지 컴퓨팅 노드(550)는 프로세서(552) 형식의 프로세싱 회로를 포함할 수 있고, 이는 마이크로프로세서, 멀티-코어 프로세서, 멀티스레드 프로세서, 초저전압 프로세서, 임베디드 프로세서, 또는 다른 공지된 프로세싱 요소들일 수 있다. 프로세서(552)는 프로세서(552) 및 다른 컴포넌트들이 단일 집적 회로, 또는 단일 패키지, 예컨대 캘리포니아주 산타 클라라의 Intel Corporation으로부터의 Edison™ 또는 Galileo™ SoC 보드들 내에 형성되는 SoC(system on a chip)의 일부일 수 있다. 예로서, 프로세서(552)는 Quark™, Atom™, i3, i5, i7, i9, 또는 MCU-클래스 프로세서와 같은, Intel® Architecture Core™ 기반 프로세서, 또는 Intel®로부터 입수가능한 다른 그러한 프로세서를 포함할 수 있다. 그러나, 예를 들어, 캘리포니아주 서니베일의 AMD(Advanced Micro Devices, Inc.)로부터 입수가능한 것, 캘리포니아주 서니베일의 MIPS Technologies, Inc.로부터의 MIPS-기반 설계, ARM Holdings, Ltd. 또는 그의 고객, 또는 그들의 면허권자들 또는 사용권자로부터 라이센싱된 ARM-기반 설계와 같은, 임의의 수의 다른 프로세서들이 사용될 수 있다. 프로세서들은 Apple® Inc.로부터의 A5-A12 프로세서, Qualcomm® Technologies, Inc.로부터의 Snapdragon™ 프로세서 또는 Texas Instruments, Inc.로부터의 OMAP™ 프로세서와 같은 유닛들을 포함할 수 있다.
프로세서(552)는 인터커넥트(556)(예를 들어, 버스)를 통해 시스템 메모리(554)와 통신할 수 있다. 주어진 양의 시스템 메모리를 제공하기 위해 임의의 수의 메모리 디바이스들이 사용될 수 있다. 예로서, 메모리는 DDR 또는 모바일 DDR 표준들(예를 들어, 번호 LPDDR, LPDDR2, LPDDR3, 또는 LPDDR4)과 같은 JEDEC(Joint Electron Devices Engineering Council) 설계에 따른 RAM(random access memory)일 수 있다. 특정 예에서, 메모리 컴포넌트는 JEDEC에 의해 공포된 DRAM 표준, 예컨대 DDR SDRAM에 대한 JESD79F, DDR2 SDRAM에 대한 JESD79-2F, DDR3 SDRAM에 대한 JESD79-3F, DDR4 SDRAM에 대한 JESD79-4A, LPDDR(Low Power DDR)에 대한 JESD209, LPDDR2에 대한 JESD209-2, LPDDR3에 대한 JESD209-3, 및 LPDDR4에 대한 JESD209-4를 준수할 수 있다. 그러한 표준들(및 유사한 표준들)은 DDR 기반 표준들이라고 지칭될 수 있고, 그러한 표준들을 구현하는 저장 디바이스들의 통신 인터페이스들은 DDR 기반 인터페이스들이라고 지칭될 수 있다. 다양한 구현들에서, 개별 메모리 디바이스들은 SDP(single die package), DDP(dual die package) 또는 QDP(quad die package)와 같은 임의의 수의 상이한 패키지 유형들일 수 있다. 이들 디바이스는, 일부 예들에서, 더 낮은 프로파일 솔루션을 제공하기 위해 마더보드 상에 직접 솔더링될 수 있는 반면, 다른 예들에서 디바이스들은 주어진 커넥터에 의해 마더보드에 차례로 결합되는 하나 이상의 메모리 모듈로서 구성된다. 다른 유형들의 메모리 모듈들, 예를 들어 microDIMM들 또는 MiniDIMM들을 포함하지만 이들로 제한되지 않는 상이한 다양성들의 DIMM(dual inline memory module)들과 같은 임의의 수의 다른 메모리 구현들이 사용될 수 있다.
데이터, 애플리케이션, 운영 체제 등과 같은 정보의 영구적 저장을 제공하기 위해, 저장소(558)가 인터커넥트(556)를 통해 프로세서(552)에 결합될 수도 있다. 예에서, 저장소(558)는 SSDD(solid-state disk drive)를 통해 구현될 수 있다. 저장소(558)에 사용될 수 있는 다른 디바이스들은 SD 카드들, microSD 카드들, XD 픽처 카드들 등과 같은 플래시 메모리 카드들, 및 USB 플래시 드라이브들을 포함한다. 예에서, 메모리 디바이스는 칼코게나이드 유리를 사용하는 메모리 디바이스들, 다중-문턱 레벨(multi-threshold level) NAND 플래시 메모리, NOR 플래시 메모리, 단일 또는 다중-레벨 PCM(Phase Change Memory), 저항성 메모리, 나노와이어 메모리, FeTRAM(ferroelectric transistor random access memory), 반강유전성 메모리(anti-ferroelectric memory), 멤리스터 기술을 포함하는 MRAM(magneto-resistive random access memory) 메모리, 금속 산화물 기반, 산소 공공(oxygen vacancy) 기반 및 CB-RAM(conductive bridge Random Access Memory)을 포함하는 저항성 메모리, 또는 스핀 전달 토크(STT)-MRAM, 스핀트로닉 자기 접합 메모리 기반 디바이스, MTJ(magnetic tunneling junction) 기반 디바이스, DW(Domain Wall) 및 SOT(Spin Orbit Transfer) 기반 디바이스, 사이리스터 기반 메모리 디바이스, 또는 상기한 것들 중 임의의 것의 조합, 또는 다른 메모리일 수 있거나 이를 포함할 수 있다.
저전력 구현들에서, 저장소(558)는 프로세서(552)와 연관된 온-다이 메모리 또는 레지스터들일 수 있다. 그러나, 일부 예들에서, 저장소(558)는 마이크로 하드 디스크 드라이브(HDD)를 이용하여 구현될 수 있다. 또한, 설명된 기술들에 더하여, 또는 그 대신에, 많은 것들 중에서도 특히, 저항 변화 메모리들, 상 변화 메모리들, 홀로그래픽 메모리들, 또는 화학 메모리들과 같은, 임의의 수의 새로운 기술들이 저장소(558)에 사용될 수 있다.
컴포넌트들은 인터커넥트(556)를 통해 통신할 수 있다. 인터커넥트(556)는 ISA(industry standard architecture), EISA(extended ISA), PCI(peripheral component interconnect), PCIx(peripheral component interconnect extended), PCIe(PCI express)를 포함하는 임의의 수의 기술들, 또는 임의의 수의 다른 기술들을 포함할 수 있다. 인터커넥트(556)는, 예를 들어, SoC 기반 시스템에서 사용되는 사유 버스(proprietary bus)일 수 있다. 많은 것들 중에서도 특히, I2C 인터페이스, SPI 인터페이스, 포인트 투 포인트 인터페이스들, 및 전력 버스와 같은, 다른 버스 시스템들이 포함될 수 있다.
인터커넥트(556)는, 연결된 에지 디바이스들(562)과의 통신을 위해, 프로세서(552)를 트랜시버(566)에 결합할 수 있다. 트랜시버(566)는, 많은 것들 중에서도 특히, Bluetooth® Special Interest Group에 의해 정의된 바와 같은 BLE(Bluetooth® low energy) 표준, 또는 ZigBee® 표준을 이용하여, IEEE 802.15.4 표준 하에서 2.4 기가헤르츠(GHz) 송신들과 같은 임의의 수의 주파수들 및 프로토콜들을 사용할 수 있다. 특정 무선 통신 프로토콜을 위해 구성된 임의의 수의 무선기들이 연결된 에지 디바이스들(562)로의 연결들을 위해 사용될 수 있다. 예를 들어, 무선 로컬 영역 네트워크(WLAN) 유닛은 IEEE(Institute of Electrical and Electronics Engineers) 802.11 표준에 따라 Wi-Fi® 통신을 구현하기 위해 사용될 수 있다. 또한, 예를 들어, 셀룰러 또는 다른 무선 광역 프로토콜에 따른 무선 광역 통신이 무선 광역 네트워크(WWAN) 유닛을 통해 발생할 수 있다.
무선 네트워크 트랜시버(566)(또는 다수의 트랜시버)는 상이한 거리에서의 통신을 위해 다수의 표준 또는 무선기를 이용하여 통신할 수 있다. 예를 들어, 에지 컴퓨팅 노드(550)는, BLE에 기초한 로컬 트랜시버, 또는 다른 저전력 무선기를 이용하여, 예를 들어, 약 10 미터 내의 가까운 디바이스들과 통신하여, 전력을 절약할 수 있다. 예를 들어, 약 50 미터 내의, 더 멀리 있는 연결된 에지 디바이스들(562)은 ZigBee 또는 다른 중간 전력 무선기들을 통해 도달될 수 있다. 양쪽 통신 기법들은 상이한 전력 레벨들에서 단일 무선기를 통해 발생할 수 있거나, 별개의 트랜시버들을 통해, 예를 들어, BLE를 사용하는 로컬 트랜시버 및 ZigBee를 사용하는 별개의 메시 트랜시버를 통해 발생할 수 있다.
로컬 또는 광역 네트워크 프로토콜들을 통해 에지 클라우드(590) 내의 디바이스들 또는 서비스들과 통신하기 위해 무선 네트워크 트랜시버(566)(예를 들어, 무선 트랜시버)가 포함될 수 있다. 무선 네트워크 트랜시버(566)는, 많은 것들 중에서도 특히, IEEE 802.15.4, 또는 IEEE 802.15.4g 표준들을 따르는 LPWA 트랜시버일 수 있다. 에지 컴퓨팅 노드(550)는 Semtech 및 LoRa Alliance에 의해 개발된 LoRaWAN™(Range Wide Area Network)을 이용하여 광역에 걸쳐 통신할 수 있다. 본 명세서에서 설명된 기법들은 이들 기술로 제한되지 않고, 장거리, 낮은 대역폭 통신, 예컨대 Sigfox, 및 다른 기술들을 구현하는 임의의 수의 다른 클라우드 트랜시버들과 함께 사용될 수 있다. 또한, IEEE 802.15.4e 사양에 기술된 시간 슬롯 채널 호핑과 같은 다른 통신 기법들이 사용될 수 있다.
본 명세서에서 설명된 바와 같이, 무선 네트워크 트랜시버(566)에 대해 언급된 시스템들에 더하여 임의의 수의 다른 무선 통신 및 프로토콜들이 사용될 수 있다. 예를 들어, 트랜시버(566)는 고속 통신을 구현하기 위해 확산 스펙트럼(SPA/SAS) 통신을 사용하는 셀룰러 트랜시버를 포함할 수 있다. 또한, 네트워크 통신의 제공 및 중속 통신을 위해 Wi-Fi® 네트워크들과 같은 임의의 수의 다른 프로토콜들이 사용될 수 있다. 트랜시버(566)는 본 개시내용의 마지막에 추가로 상세하게 논의된, 임의의 수의 3GPP(Third Generation Partnership Project) 사양들, 예컨대 LTE(Long Term Evolution) 및 5세대(5G) 통신 시스템들과 호환가능한 무선기들을 포함할 수 있다. 유선 통신을 에지 클라우드(590)의 노드들에 또는 연결된 에지 디바이스들(562)(예를 들어, 메시에서 동작하는)과 같은 다른 디바이스들에 제공하기 위해 네트워크 인터페이스 컨트롤러(NIC)(568)가 포함될 수 있다. 유선 통신은 이더넷 연결을 제공할 수 있거나, 많은 것들 중에서도 특히, CAN(Controller Area Network), LIN(Local Interconnect Network), DeviceNet, ControlNet, Data Highway+, PROFIBUS, 또는 PROFINET와 같은 다른 유형의 네트워크들에 기초할 수 있다. 제2 네트워크로의 연결을 가능하게 하기 위해 추가 NIC(568), 예를 들어, 이더넷을 통해 클라우드에 통신을 제공하는 제1 NIC(568), 및 다른 유형의 네트워크를 통해 다른 디바이스들에 통신을 제공하는 제2 NIC(568)가 포함될 수 있다.
디바이스로부터 다른 컴포넌트 또는 네트워크로의 다양한 유형들의 적용가능한 통신들이 주어지면, 디바이스에 의해 사용되는 적용가능한 통신 회로는 컴포넌트들(564, 566, 568, 또는 570) 중 어느 하나 이상에 의해 구현되거나 이를 포함할 수 있다. 따라서, 다양한 예들에서, 통신(예를 들어, 수신, 송신 등)을 위한 적용가능한 수단은 그러한 통신 회로에 의해 구현될 수 있다.
에지 컴퓨팅 노드(550)는, 하나 이상의 AI 가속기, 뉴럴 컴퓨팅 스틱(neural compute stick), 뉴로모픽 하드웨어(neuromorphic hardware), FPGA, GPU들의 배열, 하나 이상의 SoC, 하나 이상의 CPU, 하나 이상의 디지털 신호 프로세서, 전용 ASIC, 또는 하나 이상의 특수 작업을 달성하도록 설계된 다른 형식의 특수 프로세서들 또는 회로에 의해 구현될 수 있는 가속 회로(564)에 결합되거나 이를 포함할 수 있다. 이들 작업은 AI 프로세싱(머신 학습, 훈련, 추론, 및 분류 동작들을 포함함), 시각 데이터 프로세싱, 네트워크 데이터 프로세싱, 객체 검출, 규칙 분석 등을 포함할 수 있다. 따라서, 다양한 예들에서, 가속을 위한 적용가능한 수단이 그러한 가속 회로에 의해 구현될 수 있다.
인터커넥트(556)는 추가 디바이스들 또는 서브시스템들을 연결하기 위해 사용되는 센서 허브 또는 외부 인터페이스(570)에 프로세서(552)를 결합할 수 있다. 디바이스들은 가속도계들, 레벨 센서들, 흐름 센서들, 광학 광 센서들, 카메라 센서들, 온도 센서들, GPS(global positioning system) 센서들, 압력 센서들, 기압 센서들 등과 같은 센서들(572)을 포함할 수 있다. 허브 또는 인터페이스(570)는 추가로 에지 컴퓨팅 노드(550)를 전력 스위치들, 밸브 액추에이터들, 가청 사운드 생성기, 시각적 경고 디바이스 등과 같은 액추에이터들(574)에 연결하기 위해 사용될 수 있다.
일부 옵션 예들에서, 다양한 입력/출력(I/O) 디바이스들이 에지 컴퓨팅 노드(550) 내에 존재하거나 그에 연결될 수 있다. 예를 들어, 센서 판독 또는 액추에이터 위치와 같은 정보를 보여주기 위해 디스플레이 또는 다른 출력 디바이스(584)가 포함될 수 있다. 입력을 수용하기 위해 터치 스크린 또는 키패드와 같은 입력 디바이스(586)가 포함될 수 있다. 출력 디바이스(584)는, 이진 상태 지시기들(예를 들어, LED들) 및 다중 문자 시각적 출력들과 같은 단순한 시각적 출력들, 또는 디스플레이 스크린들(예를 들어, LCD 스크린들)과 같은 더 복잡한 출력들을 포함하는 임의의 수의 형식의 오디오 또는 시각적 디스플레이를 포함할 수 있고, 문자들, 그래픽들, 멀티미디어 객체들 등의 출력이 에지 컴퓨팅 노드(550)의 동작으로부터 발생되거나 생성된다.
배터리(576)는 에지 컴퓨팅 노드(550)에 전력을 공급할 수 있지만, 에지 컴퓨팅 노드(550)가 고정된 위치에 장착되는 예들에서, 그것은 전기 그리드에 결합된 전원을 가질 수 있다. 배터리(576)는 리튬 이온 배터리, 또는 아연-공기 배터리, 알루미늄-공기 배터리, 리튬-공기 배터리와 같은 금속-공기 배터리 등일 수 있다.
배터리(576)의 충전 상태(SoCh)를 추적하기 위해 에지 컴퓨팅 노드(550)에 배터리 모니터/충전기(578)가 포함될 수 있다. 배터리 모니터/충전기(578)는 배터리(576)의 건강 상태(SoH) 및 기능 상태(SoF)와 같은 고장 예측들을 제공하기 위해 배터리(576)의 다른 파라미터들을 모니터링하기 위해 사용될 수 있다. 배터리 모니터/충전기(578)는 Linear Technologies로부터의 LTC4020 또는 LTC2990과 같은 배터리 모니터링 집적 회로, 아리조나주 피닉스의 ON Semiconductor로부터의 ADT7488A, 또는 텍사스주 달라스의 Texas Instruments로부터의 UCD90xxx 패밀리로부터의 IC를 포함할 수 있다. 배터리 모니터/충전기(578)는 배터리(576)에 관한 정보를 인터커넥트(556)를 통해 프로세서(552)에 전달할 수 있다. 배터리 모니터/충전기(578)는 프로세서(552)가 배터리(576)의 전압 또는 배터리(576)로부터의 전류 흐름을 직접 모니터링하는 것을 가능하게 하는 아날로그-디지털(ADC) 컨버터를 또한 포함할 수 있다. 배터리 파라미터들은 송신 주파수, 메시 네트워크 동작, 감지 주파수 등과 같은, 에지 컴퓨팅 노드(550)가 수행할 수 있는 액션들을 결정하기 위해 사용될 수 있다.
그리드에 결합된 전력 블록(580), 또는 다른 전원이 배터리(576)를 충전하기 위해 배터리 모니터/충전기(578)와 결합될 수 있다. 일부 예들에서, 전력 블록(580)은 무선 전력 수신기로 대체되어, 예를 들어, 에지 컴퓨팅 노드(550) 내의 루프 안테나를 통해 무선으로 전력을 획득할 수 있다. 많은 것들 중에서도 특히, 캘리포니아주 밀피타스의 Linear Technologies로부터의 LTC4020 칩과 같은 무선 배터리 충전 회로가 배터리 모니터/충전기(578)에 포함될 수 있다. 특정 충전 회로들은 배터리(576)의 크기, 및 따라서 요구되는 전류에 기초하여 선택될 수 있다. 충전은, 많은 것들 중에서도 특히, Airfuel Alliance에 의해 공포된 Airfuel 표준, Wireless Power Consortium에 의해 공포된 Qi 무선 충전 표준, 또는 Alliance for Wireless Power에 의해 공포된 Rezence 충전 표준을 이용하여 수행될 수 있다.
저장소(558)는 본 명세서에서 설명된 기법들을 구현하기 위한 소프트웨어, 펌웨어 또는 하드웨어 커맨드들의 형식으로 된 명령어들(582)을 포함할 수 있다. 그러한 명령어들(582)이 메모리(554) 및 저장소(558)에 포함된 코드 블록들로서 도시되어 있지만, 코드 블록들 중 임의의 것이, 예를 들어, ASIC(application specific integrated circuit)에 내장된 하드와이어드 회로들로 대체될 수 있다는 것을 이해할 수 있다. 따라서, 다양한 예들에서, 저장을 위한 적용가능한 수단이 그러한 저장 회로에 의해 구현될 수 있다.
예에서, 메모리(554), 저장소(558), 또는 프로세서(552)를 통해 제공되는 명령어들(582)은 에지 컴퓨팅 노드(550) 내의 전자 동작들을 수행하도록 프로세서(552)에 지시하는 코드를 포함하는 비일시적 머신 판독가능 매체(560)로서 구현될 수 있다. 프로세서(552)는 인터커넥트(556)를 통해 비일시적 머신 판독가능 매체(560)에 액세스할 수 있다. 따라서, 다양한 예들에서, 프로세싱을 위한 적용가능한 수단이 그러한 프로세서 회로에 의해 구현될 수 있다. 예를 들어, 비일시적 머신 판독가능 매체(560)는 저장소(558)에 대해 설명된 디바이스들에 의해 구현될 수 있거나 광학 디스크들, 플래시 드라이브들, 또는 임의의 수의 다른 하드웨어 디바이스들과 같은 특정 저장 유닛들을 포함할 수 있다. 비일시적 머신 판독가능 매체(560)는, 예를 들어, 위에 묘사된 동작들 및 기능성의 흐름도(들) 및 블록도(들)에 관하여 설명된 바와 같이, 액션들의 특정 시퀀스 또는 흐름을 수행하도록 프로세서(552)에 지시하는 명령어들을 포함할 수 있다. 사용된, 용어들 "머신 판독가능 매체" 및 "컴퓨터 판독가능 매체"는 교환가능하다. 따라서, 다양한 예들에서, 메모리를 위한 적용가능한 수단이 그러한 메모리 회로에 의해 구현될 수 있다.
추가 예들에서, 머신 판독가능 매체는 머신에 의한 실행을 위한 명령어들을 저장, 인코딩 또는 반송할 수 있는 그리고 머신으로 하여금 본 개시내용의 방법론들 중 어느 하나 이상을 수행하게 하는, 또는 그러한 명령어들에 의해 이용되거나 그와 연관된 데이터 구조들을 저장, 인코딩 또는 반송할 수 있는 임의의 유형 매체를 또한 포함한다. 따라서, "머신 판독가능 매체"는 솔리드-스테이트 메모리들, 및 광학 및 자기 매체들을 포함할 수 있지만, 이들로 제한되지 않는다. 머신 판독가능 매체의 특정 예들은, 예로서, 반도체 메모리 디바이스들(예를 들어, 전기적으로 프로그램 가능한 판독 전용 메모리(EPROM), 전기적으로 소거 가능한 프로그램 가능한 판독 전용 메모리(EEPROM)) 및 플래시 메모리 디바이스들을 포함하지만 이들로 제한되지 않는 비휘발성 메모리; 내부 하드 디스크들 및 이동식 디스크들과 같은 자기 디스크들; 광자기 디스크들; 및 CD-ROM 및 DVD-ROM 디스크들을 포함한다. 머신 판독가능 매체에 의해 구현되는 명령어들은 또한 다수의 전송 프로토콜(예를 들어, HTTP) 중 어느 하나를 이용하는 네트워크 인터페이스 디바이스를 통해 송신 매체를 이용하여 통신 네트워크를 통해 송신 또는 수신될 수 있다.
비일시적인 포맷으로 데이터를 호스팅할 수 있는 저장 디바이스 또는 다른 장치에 의해 머신 판독가능 매체가 제공될 수 있다. 예에서, 머신 판독가능 매체 상에 저장되거나 또는 달리 제공되는 정보는 명령어들 자체 또는 명령어들이 도출될 수 있는 포맷과 같은 명령어들을 나타낼 수 있다. 명령어들이 도출될 수 있는 이 포맷은 소스 코드, 인코딩된 명령어들(예를 들어, 압축된 또는 암호화된 형식의), 패키징된 명령어들(예를 들어, 다수의 패키지들로 분할된) 등을 포함할 수 있다. 머신 판독가능 매체 내의 명령어들을 나타내는 정보는 프로세싱 회로에 의해 본 명세서에서 논의된 동작들 중 임의의 것을 구현하는 명령어들로 프로세싱할 수 있다. 예를 들어, 정보로부터 명령어들을 도출하는 것(예를 들어, 프로세싱 회로에 의해 프로세싱하는 것)은 다음을 포함할 수 있다: 컴파일하는 것(예를 들어, 소스 코드, 객체 코드 등으로부터), 해석하는 것, 로딩하는 것, 조직하는 것(예를 들어, 동적으로 또는 정적으로 링크하는 것), 인코딩하는 것, 디코딩하는 것, 암호화하는 것, 암호 해제하는 것, 패키징하는 것, 언패키징하는 것, 또는 달리 정보를 명령어들로 조작하는 것.
예에서, 명령어들의 도출은 머신 판독가능 매체에 의해 제공되는 어떤 중간 또는 전처리된 포맷으로부터 명령어들을 생성하기 위한 정보의 조립, 컴파일, 또는 해석(예를 들어, 프로세싱 회로에 의한)을 포함할 수 있다. 정보는, 다수의 부분으로 제공될 때, 명령어들을 생성하기 위해 조합, 언패킹, 및 수정될 수 있다. 예를 들어, 정보는 하나 또는 수 개의 원격 서버들 상에서 다수의 압축된 소스 코드 패키지들(또는 객체 코드, 또는 이진 실행가능 코드 등)에 있을 수 있다. 소스 코드 패키지들은 네트워크를 통해 전송 중일 때 암호화되고 필요한 경우 암호 해독되고, 압축 해제되고, 조립되고(예를 들어, 링크되고), 로컬 머신에서 컴파일 또는 해석되고(예를 들어, 라이브러리, 독립형 실행파일 등으로), 로컬 머신에 의해 실행될 수 있다.
도 5a 및 도 5b의 블록도들 각각은 에지 컴퓨팅 노드의 디바이스, 서브시스템, 또는 배열의 컴포넌트들의 하이-레벨 뷰를 묘사하도록 의도되어 있다. 그러나, 다른 구현들에서는 도시된 컴포넌트들 중 일부가 생략될 수 있고, 추가 컴포넌트들이 존재할 수 있고, 도시된 컴포넌트들의 상이한 배열이 발생할 수 있다는 것을 이해할 것이다.
도 6은 예에 따른, 중간 계층(610)으로서 에지 컴퓨팅 플랫폼을 갖는 3 계층 계산 및 데이터 프로세싱(600)의 예의 개관을 예시한다. 에지 클라우드에서의 컴퓨팅은 고도로 탈중앙화된다(decentralized). 그것은 이벤트들, 요청들, 및 데이터 스트림들이 낮은 그리고 결정론적 레이턴시 응답들로 이어져야 하는 방식으로 프로세싱되는 동작들의 특수한 카테고리로서 부상하고 있다. 제1 계층(605)에서의 에지 연결된 디바이스들은 다양한 데이터를 생성하고 소비할 수 있다. 중간 계층(610)에서는, 많은 상이한 에지 컴퓨팅, 통신, 및 저장 리소스들이 로컬로 임계적인 요구들을 위한 통신 대역폭 및 응답-시간을 충족시키기 위해 계층적 또는 피어-투-피어 관계들에서 유연하게 그리고 동적으로 집성된다. 중간 계층(610)은 복잡한 계산 집약적 동작들을 위해 제3 계층(615) 내의 전통적인 클라우드들에서 더 깊고 더 풍부한 리소스 네트워크들을 모바일화할 수 있다.
도 7은 예에 따른, 라이브 비디오 스트리밍 애플리케이션 파이프라인(700)의 예를 예시한다. 라이브 비디오 스트리밍(LVS)은 에지 컴퓨팅 시스템에서 데이터 흐름들에 대한 요구들을 예시할 수 있지만, 본 명세서에서 논의되는 시스템들 및 기법들은 에지 컴퓨팅 시스템에서의 다양한 데이터 흐름 사용 사례들에 동등하게 적용가능하다. 본 명세서에서 논의되는 시스템들 및 기법들은 분산된 탈중앙화된 애플리케이션들에 의해 경험되는 바와 같은 엄격한 서비스 품질 목적들을 달성한다. LVS 및 다른 요구하는 작업 부하들은 네트워킹 기술들의 진보로 인해 점점 더 대중화되고 있고 에지 컴퓨팅 시스템에서 데이터 집약적인 작업 부하들에 의해 제시되는 문제의 좋은 예를 제공한다. LVS에서는, 하나 이상의 카메라를 갖춘 디바이스가 비디오를 캡처하고 이를 거의 실시간으로 많은 시청자들에 스트리밍한다. 이를 행하기 위해, 비디오가 캡처되고 인코딩된다(705). 캡처 및 인코딩(705)은 디바이스 능력들을 이용하여 또는 디바이스가 연결되어 있는 작은 서버를 이용하여 수행될 수 있다. 그 후 비디오는 트랜스코딩되고(710) 스트리밍을 위해 패키징된다(715). 트랜스코딩(710)은 입력 스트림을 캡처 및 인코딩(705)하는 것으로부터 실시간으로 상이한 해상도들 및 비트레이트들로 스트림들을 생성한다. 패키징(715) 동작들은 광범위하게 분산된 시청자들에 걸쳐 그리고 광범위한 네트워크/위치/재생 디바이스 사양들에 적합한 상이한 스트리밍 프로토콜들에 대해 비디오를 적응시킨다.
사용자 참여는 플레이어가 비디오 서버로의 연결을 개시한 후에 비디오를 재생하기 시작하는 데 걸리는 시간(예를 들어, 조인 시간(join time)), 버퍼링에서 소비되는 전체 스트리밍 세션 시간의 백분율(예를 들어, 버퍼링 비율), 및 비디오의 품질에 의해 임계적으로 영향을 받는다. 모든 3개의 메트릭은 트랜스코딩(710) 및 패키징(715) 단계들에 의해 직접 영향을 받는다. 완전히 갖추어진(예를 들어, 리소스 풍부한) 백엔드 클라우드의 탄성을 사용하는 것은 오늘날 옵션일 수 있지만, 증가하는 해상도들(예를 들어, 8K 해상도 등) 및 매우 풍부한 콘텐츠 ― 특히 몰입형 비디오에 대해 ― 는 이들 동작 중 많은 것을 그것들이 인프라스트럭처의 많은 상이한 부분들에 걸쳐 분산되고 탈중앙화되는 에지에 매우 가까이 위치시키는 것을 중요하게 만든다. 인기 있는 콘텐츠도, 예를 들어, 콘텐츠 개인화 목표들을 충족시키기 위해 실시간으로 캐싱되고 동적으로 적응될 수 있다. 어떤 종류의 콘텐츠는 에지 제공자의 인프라스트럭처에 캐싱될 수 있고 다른 유형의 콘텐츠는 애플리케이션 제공자의 콘텐츠 배포 및 특수화 네트워크로부터 더 잘 캐싱되고 재분배될 수 있다.
예에서, 상이한 에지 서비스 제공자들은 인코딩(705), 트랜스코딩(710), 및 패키징(715) 및 많은 다른 동작들을 네트워크 인프라스트럭처 전체에 걸쳐 다양한 컴퓨팅 노드들에 분할한다. 예를 들어, 애플리케이션 제공자는 에지 서비스 제공자로부터 계산 및 저장을 임대할 수 있고, CDN 제공자는 에지 인프라스트럭처 제공자가 소유하는 기지국으로부터 통신 및 라우팅 서비스들을 임대하여 후자의 네트워킹 능력들을 이용할 수 있고, CDN 제공자는 그들의 서비스들 중 더 많이 요구하는 부분들을 오프로딩하기 위해 에지 접속 포인트(edge point of presence)에 있는 코로케이션 설비(colocation facility)에 특수화된 기기들을 위치시키고 에지 제공자의 서비스들을 보강하기 위한 콘텐츠 신디케이션 모델을 가질 수 있다. 이들은 수익 생성 및/또는 번들링된 서비스들에서, 예를 들어, 스포츠 장소들, 엔터테인먼트 장소들, 및 다양한 유형의 비즈니스 콘텐츠 서비스들로부터의 LVS에서 발생할 수 있는 동작들이다. 그러한 동작들은 필터링, 블렌딩, 인덱싱, 번역, 및 많은 다른 흐름 내 동작들을 요구할 수 있는 연관된 동적 콘텐츠의 생성에서 스트리밍, 계량, 과금을 포함할 수 있다. 사용자 참여의 품질은 이들 모든 동작 간의 근접 조정(close coordination)에 의해 달성되어야 한다.
도 8은 예에 따른, 에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 프로세스(800)의 예를 예시한다.
원격 측정의 측면에서, 계산, 통신, 메모리, 가속기들, 및 저장 리소스들과 같은 다양한 리소스들을 포함할 수 있는 하드웨어 객체, 시스템 소프트웨어 객체, 또는 객체들의 시스템에 대한 메트릭들이 수집될 수 있다. 각각의 리소스는 물리적인 것이거나 가상화된 것일 수 있다. 본 명세서에 개시된 예들은 원격 측정 데이터에 기초하여 에지 서비스들에의 컴퓨팅 작업들의 분배를 개선한다. 원격 측정 데이터는 리소스(들)(예를 들어, 하드웨어 리소스(들), 소프트웨어 리소스(들) 등, 및/또는 이들의 조합)와 연관된 객체(들)에 의해 생성될 수 있다. 본 명세서에서 사용되는, "객체(object)"라는 용어는 머신 판독가능 정의들, 데이터 구조들, 명령어들 등의 논리 블록, 및/또는 그 논리 블록을 포함하는 물리 블록(예를 들어, 메모리 및/또는 저장소의 블록 또는 일부)을 지칭한다. 논리 블록은 기능, 인터페이스, 및/또는 달리 머신 판독가능한 모델 또는 리소스의 표현을 구현할 수 있다. 논리 블록은, 객체가 리소스의 파티션, 부분, 슬라이스 등을 모니터링할 수 있도록 작성될 수 있는 코드(예를 들어, 인간 판독가능 코드, 머신 판독가능 코드 등)를 지칭할 수 있다. 예를 들어, 객체는, 실행될 때, 소프트웨어 스택(예를 들어, 플랫폼 소프트웨어 스택, 시스템 소프트웨어 스택 등)에 하나 이상의 객체 인터페이스를 노출시킬 수 있는 컴파일된 객체 코드, 소스 코드 등을 사용하여 구현될 수 있다. 그러한 예들에서, 하나 이상의 객체 인터페이스는, 호출될 때, 리소스에 의해 생성되고/되거나 또는 달리 그와 연관된 원격 측정 데이터를 제공하고/하거나 또는 달리 노출시킬 수 있다. 예를 들어, 원격 측정 데이터는 리소스의 하나 이상의 프로세스, 서비스 등의 실행의 추적을 포함할 수 있다.
예에서, 일부 리소스들은 리소스의 활동이 원하는 계산 또는 통신 또는 저장 결과를 생성하는 직접 서비스를 제공할 수 있는 반면 다른 리소스들은 보안(예를 들어, 인가된 액세스의 검증 및/또는 시행), 복원력(예를 들어, 디버깅, 트레이싱, 수리를 용이하게 함) 등과 같은 간접 서비스를 제공할 수 있다. 그의 이용, 서비스를 수신하는 데 있어서의 평균 지연(예를 들어, 레이턴시), 서비스가 이용가능한 평균 레이트(예를 들어, 스루풋), 전력 소비 등에 관한 다양한 측정치들이 리소스의 구현(예를 들어, 하드웨어, 소프트웨어, 또는 가상화된 하드웨어/소프트웨어)에 의해 직접 제공된 이벤트 메트릭들을 통해 획득되거나 또는 도출가능한 관측들에 근거하여 추론될 수 있다. 예를 들어, 레이턴시는 객체/시스템에 의해 수행되는 액션들 또는 단계들에 대한 트레이싱 또는 랜덤 샘플링에 의해 획득될 수 있다. 집합적으로, 이들 메트릭은 객체 또는 시스템과 연관된 원격 측정이라고 지칭될 수 있다. 리소스 메트릭 세트는 도 8에서 R로서 지시된다.
동작 805에서 시간 스텝이 프로세싱되고 테넌트 종단간 메트릭 세트(tenant end-to-end metrics set, TEEMS)가 수집되고 도 8에서 T로 표시된다. T, 또는 TEEMS는 작업 연관 메트릭들의 행렬과 연관된다. 네트워크의 테넌트는 다수의 서비스를 가질 수 있다. 메트릭들은 테넌트마다 서비스마다 수집될 수 있다. 이 행렬에서 행 k와 같은 각각의 행은 단일 작업 Ak(1 ≤ k ≤ M)를 지칭한다. 이 행렬에서의 열들은 다양한 성능 지수들(performance figures of merit)을 지칭한다(예를 들어, 요청 당 레이턴시의 역수, 해당 작업 또는 기능 Ak가 수행하는 스루풋/레이트 등). 원격 측정의 2개의 소스, R 및 T가 동작 810 및 동작 835에서 각각 고려된다.
프로세스(800)는 TSN(Time-Sensitive Networking)을 이용함으로써 대략적인(예를 들어, 소프트) 동기화에서 수행될 수 있다. 동작 810에서 분산 에지 인프라스트럭처에 걸쳐 컴포넌트들, 작업들, 기능들, 및 마이크로서비스들에 걸친 애플리케이션 원격 측정이 도출된다. 유사하게, 동작 835에서 리소스 원격 측정이 도출되고 에지 인프라스트럭처의 상이한 부분들과 공유된다. TEEMS 원격 측정은 동작 815에서 SLO 키 성능 지시자(Key Performance Indicator, KPI)의 현재 요약 평가(current summary evaluation), qcurrent에 매핑된다. 변수 qcurrent는 애플리케이션-제공된 또는 서비스-제공된 매핑에 의해 정의된 바와 같은 T로부터 종단간 참여 KPI 상으로의 프로젝션으로 간주될 수 있다. qcurrent로의 매핑은 일반적으로 T의 비선형 또는 복소 함수이고, 작은 ANN(Artificial Neural Network) 또는 소프트웨어 프로시저에 의해 또는 FPGA(Field Programmable Gate Array), CSA(Configurable Spatial Accelerator) 등에 의해 계산될 수 있다. 동작 820에서 qcurrent로의 매핑은 원하는 QoS 레벨, q와 비교된다. 동작 825에서의 매핑 함수 Z의 작용을 통해 동작 830에서 긴급성의 전체 레벨이 도출된다. 애플리케이션의 현재 종단간 품질 메트릭 qcurrent와 그의 의도된 성능 상태 q 사이의 갭이 클수록, 긴급성은 더 크다. qcurrent 및 q는 벡터 값의 엔티티들일 수 있지만(즉, QoS는 하나보다 많은 차원일 수 있음), 긴급성 메트릭은 qcurrent와 q 사이의 갭이 얼마나 빠르게 메워질(closed) 필요가 있는지 또는 스트레스의 양을 반영하는 스칼라일 수 있다.
QoS KPI를 더 잘 추정하기 위해 머신 학습(Machine Learning, ML) 및 인공 지능(Artificial Intelligence, AI)이 사용될 수 있다. 그것은 동작 840에서 리소스 할당 추정과 독립적으로 동작할 수 있고 추정 함수 자체에 입력들을 제공할 수 있다. 예에서, 추정 함수는 뉴럴 네트워크(Neural Network, NN)(예를 들어, 강화된 NN 등)에 기초할 수 있는데 그 입력들 중 일부는 동작 860에서 배경 모니터링에 따라 작동하는 엔티티에 의해 제공되고 시스템 및 시간 경과에 따른 그의 진화를 특징짓는다.
동작 840에서 알고리즘, 시뮬레이션, 또는 모델을 분산된 그리고 탈중앙화된 기준으로 실행하여 qcurrent - q의 갭을 감소시키기 위해 애플리케이션의 다양한 컴포넌트 작업들 또는 함수들로의 이용가능한 리소스들의 또는 이용가능한 리소스들에 대한 우선순위들 또는 소프트 예약들의 가능한 재분배를 달성할 수 있다. 이는 훈련 가능한 모델 또는 알고리즘이고, 그것은 경량의 애플리케이션 의존적인 알고리즘이 되도록 의도된다. QoS 갭을 제거하는 것은 필요하지 않을 수 있지만, 갭의 크기에 비례하는 조정의 레이트(예를 들어, 동작 830으로부터의 긴급성 척도(urgency measure))로 갭을 메우는 방향으로 이동하는 것은 필요할 수 있다. 계산되는 리소스 재분배가 실현가능해야 하고 이를 위해 동작 835에서 리소스 원격 측정 R이 평가된다. 다양한 리소스들의 할당들에 대해 다양한 비용 함수들이 사용될 수 있고 비용을 최소화하면서 최대 이익이 획득될 수 있도록(예를 들어, 최소최대 절차(minmax procedure)를 통합) 동작 850에서 리소스들의 최적화된 재할당이 계산될 수 있다. 동작 840은 에지 인프라스트럭처의 다양한 부분들에서 별개의 동시 사본들로서 실행될 수 있다. 결과들은 전역적이지만(그것이 전역 재할당(global reassignment)을 계산하므로) 로컬로 해석되며 - 따라서 각각의 노드는 재계산된 리소스 할당들의 로컬 부분을 적용한다.
동작 840은 상이한 파라미터 변경들(예를 들어, 리소스 할당들)의 효과들을 시뮬레이션하는 수학적 해결사일 수 있거나 명령어 구동될 수 있는 시뮬레이션 모델을 사용할 수 있다. 비-절차 모델들은 훈련된 뉴럴 네트워크 모델들, 모델 트리와 같은 고전적인 머신 학습 모델, 다중-선형 회귀 모델들, 주요 컴포넌트들, 서포트-벡터 머신(SVM)들 등일 수 있다. 이들 모델 각각은 수십 개의 노드에 걸쳐 수백 개, 가능하게는 수천 개의 리소스에 걸쳐 리소스 할당들을 조정하기보다는 내장된 고도의 프루닝(built-in high degree of pruning)으로 탈중앙화된, 분산된, 그리고 경량의 실행을 가능하게 하고, 의도된 변화의 방향으로 최고의 가능한 영향을 갖는 몇 개의 변수들은 평가를 위해 즉시 격리된다. 목표는 품질 갭의 점진적 감소이다.
각각의 성능 KPI에 대해, Q, 작업 품질 벡터 공간이, 함수 D(Q)와 함께, Q 내의 벡터들을 스칼라 값 q로 매핑하기 위해 사용된다. Q는 서비스 품질 목적들의 공간을 나타낸다 ― 작업 Ak마다 하나의 요소. 변수 q는 복합의, 또는 종단간 서비스 품질 목적을 나타낸다. Q 내의 많은 상이한 벡터들이 각각 특정 종단간 품질 목적을 달성할 수 있기 때문에, D(Q)→q는 전사 함수이다. 주어진 성능 KPI에 대해 원하는 품질 메트릭 q를 집합적으로 달성할 수 있는, A1, A2,.., AM에 대한 품질 메트릭들의 많은 상이한 분포들이 존재한다. 동작 820에서 품질이 비용으로 가중된다. 최적화는 트레이드-오프 방정식(trade-off equation)을 사용한다. 품질만으로는 정확하지 않을 수 있다. 다른 비용들이 암시적으로 포함되거나 또는 그것들이 누락된다. 비용들은 에너지, 시간, 수익/보상, 보안 등의 형식일 수 있다. 품질 목적들의 벡터가 각각의 KPI에 대해 벡터 내의 하나의 요소와 함께 이월(carried forward)될 수 있다.
단순성을 위해 다음의 예에서는 단일 차원 KPI가 사용된다(예를 들어, 애플리케이션 A에 대해 종단간 요청 당 레이턴시). 예에서, q는 단일 KPI에 대한 종단간 품질 목적을 지칭하기 위해 사용된다. 매핑 H: TxRnext→Tnext가 사용되고, 여기서 H는 희소 매핑이다. TEEMS의 각각의 현재 상태 T에 대해, 그것은 작업들에 걸쳐 리소스 할당 Rnext 하에서 달성가능한 다음 상태 Tnext를 나타낸다. 따라서, Rnext는 계산 리소스들의 전체 이용가능한 세트로부터의 임의의 리소스 실현가능한 할당이고, 이는 그것이 현재 원격 측정 R에 기초한 리소스 실현가능한 할당이라는 것을 의미한다. 해당 할당 하에서, 예상되는 다음 TEEMS 값은 Tnext일 것으로 예상된다. Rnext는 A를 포함하는 각각의 작업/기능으로의 로컬 리소스 할당들의 세트 및 작업간 리소스 할당들 ― 예컨대 작업들 간에 정보를 통신하기 위한 대역폭 또는 시간 ― 의 세트로 분할될 것이다.
상기 구성 H를 기술하는 대안적인 방식은 다양한 작업들의 전체 성능 상태가 알려지고 다음 시간 스텝(예를 들어, 100 ms 후, 1 초 후, 등)에서의 이들 작업의 가능성 있는 성능 상태가 결정되는 것 - 5% 더 많은 CPU 사이클이 하나의 작업 A1에 주어지는지, 7% 더 적은 CPU 사이클이 다른 작업 A2에 주어지는지, 등등, A2와 A3 사이의 데이터 흐름 레이트가 2% 감소되는지, A4와 A7 사이의 데이터 흐름 레이트가 4% 증가되는지 - 을 상상하는 것이고, 여기서 각각의 증가 및 감소는 실현가능한 리소스들이고 Rnext에서 반영된다. 단위 시간 후에서의 성능 상태는 상기 매핑 H가 나타내는 것이다. 매핑들은 에르고드적(ergodic)(예를 들어, 시간에 관하여 정지, 시불변 등)일 수 있다.
임의의 주어진 시간에, 매우 많은 수의 리소스 할당들 Rnext가 가능하지만, 다양한 리소스들이 알려진 스텝 값들에서 증가되거나 감소될 수 있다. 할당 공간은 합리적이고 관례적인 방식으로 양자화된다. 예를 들어, CPU는 주파수 P0, 터보 주파수 T1 등에서 실행되지만, P0보다 높고 T1보다 낮은 주파수에서는 실행되지 않도록 선택될 수 있다. 리소스 할당들의 특정 비율들이 허용되고, 다른 것들은 허용되지 않는다. 예를 들어, 하나의 리소스 할당은 코어 당 메모리 대역폭이 20 GBps(Gigabits per second) 이하, 32 GBps 이하 등인 것을 허용할 수 있다. 각각의 리소스는 별개로 취해지지 않고, 리소스들의 각각의 조합은 허용가능한 값들의 세트를 갖는다. 리소스들의 N차원 공간에서, 리소스 값들의 다양한 허용된 조합들 및 허용되지 않는 조합들이 존재한다. 예를 들어, 가슴에 대한 그리고 소매의 길이에 대한 목 크기의 다양한 고정 비율들을 나타내는 T 셔츠 크기들 등과 같은. 임의의 주어진 현재 상태 T와 가능한 다음 성능 상태 Tnext 사이에, 리소스 할당들의 이 공간에서 맨해튼 경로들의 세트가 가능하다. 각각의 할당은 현재 리소스 이용가능성의 함수인 측정가능한 비용을 갖고, 다음 상태들의 세트는 도달 가능하지 않은 할당들에 의해 제한된다. 예를 들어, 특정 경로가 10GBps의 대역폭에서 고정된다면, 주어진 상태 T로부터, 11GBps의 대역폭을 필요로 하는 어떠한 상태 Tnext도 도달 가능하지 않다.
절차 H가 장애물들 없이 실행될 수 있도록 인프라스트럭처 내의 선택된 포인트들에서 정의된, 적당한 양의 계산 리소스들(예를 들어, 코어 사이클들, 전력, 이용가능한 가속 등)이 확보된다(set aside). 결정들의 모델들, 코드, 또는 구현은 애플리케이션들과 에지 리소스 프로비저닝 및 로드 밸런싱 메커니즘들 사이의 QoS/SLO(Service Level Objectives)/SLA(Service Level Agreement) 계약들의 일부일 수 있다. 동작 840, 동작 845, 및 동작 850에서 계산된 바와 같은 리소스 재할당들의 진행 및 결과들은 동작 855에서 E2E QoS 준수에 대한 미래의 감사를 위해 로그된다. 또한, 이들 자료는 또한, 진행중인 리소스 및 서비스 원격 측정 스트림들(T, R)과 함께, 클라우드 백엔드 서비스에 이용가능하게 된다. 클라우드 백엔드 서비스는 동작 860에서 (재)-훈련을 수행할 수 있는데 이는 증분(incremental)일 수(또는 아닐 수) 있고 동작 840에서의 모델/절차들, 동작 815에서의 QoS 매핑 함수, 및 동작 825에서의 긴급성 함수를 때때로(예를 들어, 수시간, 수일 등) 업데이트할 수 있다.
리소스 재할당들은 다수의 에지 인프라스트럭처 노드들에 걸쳐 탈중앙화된 방식으로 계산되고 상이한 노드들 사이에서 재분배되고 일관성을 위해 비교될 수 있다. 예에서, 리소스들은 분해되거나 리소스들의 풀(pool)일 수 있다. 불일치(inconsistency)가 나타날 때(예를 들어, 거리 척도에 의해 계산되고 임계치를 통해 필터링된 바와 같이), 이는 모든 노드에게 발산(divergence)을 볼 기회를 제공한다. 그러한 경우들에서, 조정이 시작되는데(reconciliation kicks in), 이 경우 동작 845에서 최적 적합 재할당(best fit reassignment)이 단독으로 계산되고 다음 에포크(epoch)에서 효과를 발휘하기 위해 재분배된다. T 및 R에서의 원격 측정 정보가 노드들에 걸쳐 분배되는 것이 지연되지 않도록 높은 우선순위 원격 측정 채널(또는 서비스의 가상 클래스)이 제공된다. 예에서, 그것은 수동 공유(passive sharing)에 기초할 수 있다. 예를 들어, 분산되지만 비-코히어런트(non-coherent)인 파일 시스템, RDMA(Remote Direct Memory Access) 액세스 가능한 데이터 구조 등에 대해 T 및 R에 대한 업데이트들이 수행될 수 있다.
예에서, 위에 설명된 바와 같이 보상 메커니즘들이 구현되고 다른 아이템들과 함께 계약될 수 있다. 요구시 임시 스파이크들로 인해 종단간 QoS를 달성하는 데 엄청나게 비용이 많이 들 때, 더 높은 품질(예를 들어, 더 높은 계층 등)의 종단간 서비스가 애플리케이션 또는 그의 고객들에게 이용가능하게 될 수 있거나 또는 일부 다른 인센티브가 그들에게 전달될 수 있다.
QoS 계약은, 피크 로드들로 인해 수 개의 계약들이 달성되지 않을 수 있는 상황들에서 사용될 수 있는 실시간 QoS 입찰(bidding)의 개념을 포함할 수 있다. 이러한 상황에서, 테넌트들 중 일부는 입찰 스킴을 이용하여 계약을 재협상하기 위해 실시간으로 서비스 레벨에 대해 입찰하도록 요청 받을 수 있다. 따라서, 특정 테넌트가 그들의 요구들에 따라 다른 것들에 관하여 얼마나 지불하기를 원하는지에 기초하여 계약을 재확립하기 위해 다수의 테넌트가 수 개의 반복 동안 특정 리소스들에 대해 입찰할 수 있다.
도 9는 예에 따른, 에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 환경(900) 및 시스템(920)의 예를 예시한다. 시스템(920)은 도 6, 도 7, 및 도 8에서 설명된 바와 같은 특징들을 제공할 수 있다. 환경(900)은 디바이스(905)(예를 들어, 도 1에서 설명된 바와 같은 엔드포인트 데이터 소스들(160), 도 2에서 설명된 바와 같은 다양한 클라이언트 엔드포인트들(210), 도 3에서 설명된 바와 같은 클라이언트 컴퓨팅 노드(310), 도 4에서 설명된 바와 같은 클라이언트 컴퓨팅 노드들(402), 도 5b에서 설명된 바와 같은 연결된 에지 디바이스들(562) 등) 및 기지국과 연관된 에지 리소스 노드(910)(예를 들어, 도 1에서 설명된 바와 같은 기지국(140), 도 2에서 설명된 바와 같은 제1 에지 노드(222) 또는 제2 에지 노드(224), 도 3에서 설명된 바와 같은 통신 기지국(342), 도 4에서 설명된 바와 같은 하나 이상의 에지 게이트웨이 노드(412), 도 5b에서 설명된 바와 같은 에지 컴퓨팅 노드(550) 등)를 포함하는 에지 클라우드(110)(예를 들어, 도 1 등에서 설명된 바와 같은)를 포함할 수 있다. 예에서, 상기 네트워크의 엔티티들은 ETSI(European Telecommunications Standards Institute) 표준에 따라 제공되는 MEC(Multi-access Edge Computing) 표준에 따라 동작할 수 있다.
에지 클라우드(110)는 에지 컴퓨팅 시스템을 포함할 수 있다. 에지 컴퓨팅 시스템은 네트워킹된 디바이스들(예를 들어, 디바이스(905) 등), 노드들(예를 들어, 에지 리소스 노드(910) 등), 플랫폼들 등을 포함할 수 있다. 서버(915)(예를 들어, 독립형 서버, 클라우드 서비스, 컨테이너화된 서비스 등)는 에지 클라우드(110) 내의 데이터센터 또는 다른 곳에서 동작중일 수 있다. 서버(915)는 시스템(920)을 실행할 수 있다. 예를 들어, 서버(915)는 에지 리소스 노드(910) 상에서 실행중일 수 있다. 예에서, 시스템(920)은 QoS 리소스 조정 엔진일 수 있다. 시스템(920)은 메트릭 수집기(925), 키 성능 지시자(KPI) 계산기(930), 비교기(935), 리소스 조정 선택기(940), 데이터 흐름 조정기(945), 및 머신 학습 프로세서(950)를 포함하는 다양한 컴포넌트들을 포함할 수 있다.
메트릭 수집기(925)는 에지 컴퓨팅 시스템의 노드와 디바이스 사이의 현재 데이터 흐름에 대한 원격 측정 측정치들의 세트를 획득할 수 있다. 예를 들어, 원격 측정 측정치들은 도 8에서 설명된 바와 같이 수집될 수 있다(예를 들어, 동작 810). 예에서, 원격 측정 측정치들의 세트는 현재 데이터 흐름의 전달의 기간 동안 수집될 수 있다. 예에서, 원격 측정 측정치들의 세트는: 레이턴시 값, 스루풋 값, 프레임 레이트, 또는 비트 레이트 중 하나 이상을 포함할 수 있다. 원격 측정 측정치들은 에지 클라우드(110)에서 서비스를 전달하는 것을 담당하는 컴포넌트들, 작업들, 기능들, 및 마이크로서비스들 등에 대한 성능 값들을 포함할 수 있다. 메트릭 수집은 애플리케이션의 유형에 따라 더 높은 또는 감소된 레이트로(예를 들어, 더 빈번하게, 덜 빈번하게 등) 행해질 수 있다.
KPI 계산기(930)는 현재 데이터 흐름에 대한 KPI를 계산할 수 있다. 예에서, KPI는 현재 데이터 흐름에 대한 현재 서비스 품질(QoS)을 지시할 수 있다. 예를 들어, KPI는 도 8에서 설명된 바와 같이 계산될 수 있다(예를 들어, 동작 815). 예에서, 상기 원격 측정 측정치들의 세트를 이용하여 작업 연관 메트릭들의 행렬이 생성될 수 있고 이 행렬을 이용하여 KPI가 계산될 수 있다. 예에서, 원격 측정 메트릭들의 세트는 KPI를 결정하기 위해 뉴럴 네트워크를 이용하여 평가될 수 있다. 이 평가는 현재 데이터 흐름의 원격 측정 메트릭들의 세트를 현재 서비스 품질에 매핑할 수 있다. KPI는 평가될 QoS의 요소를 지시할 수 있다. 예를 들어, 디바이스(905)와 디바이스(905)에 서비스를 전달하고 있는 에지 리소스 노드(910) 사이의 연결에 대한 레이턴시 값이 KPI일 수 있다.
비교기(935)는 KPI를 목표 KPI와 비교하여(예를 들어, 도 8의 동작 830에서 설명된 바와 같이 식별된 바와 같이) 긴급성 값을 결정할 수 있다. 예를 들어, 긴급성 값은 도 8에서 설명된 바와 같이 결정될 수 있다(예를 들어, 동작 825). 긴급성 값은 KPI와 목표 KPI 간의 차이 및 차이가 얼마나 빠르게 해결되어야 하는지를 지시할 수 있다. 예를 들어, 현재 레이턴시 KPI가 1 초일 수 있고, 목표 레이턴시 KPI는 100 밀리초일 수 있어서 KPI와 목표 KPI 간에 900-밀리초 차이와 대응하는 긴급성 값을 야기할 수 있다. QoS 계약은 100-밀리초 레이턴시 값에서 1 분 동안만 차이가 존재할 수 있다는 것을 지시할 수 있고 긴급성 값은 QoS를 충족시키기 위해 10 초 내에 차이가 해결되어야 한다는 것을 반영하도록 조정될 수 있다(예를 들어, 가중되는 등). 예에서, 목표 KPI를 생성하기 위해 현재 데이터 흐름에 대응하는 서비스 품질 모델과 대조하여 현재 데이터 흐름과 연관된 데이터 흐름 전달 메트릭들의 세트가 평가될 수 있다.
메트릭 수집기(925)는 네트워크의 리소스들에 대한 리소스 품질 메트릭들의 세트를 수집할 수 있다. 예를 들어, 리소스 품질 메트릭들의 세트는 도 8에서 설명된 바와 같이 수집될 수 있다(예를 들어, 동작 835). 예에서, 리소스 품질 메트릭들의 세트는 시간 경과에 따라 수집될 수 있고 에지 컴퓨팅 시스템의 리소스들의 예상된 동작 조건들을 나타낸다. 예에서, 리소스 품질 메트릭들은: 프로세서 용량, 대역폭, 가속기 값, 또는 메모리 할당 중 하나 이상을 포함할 수 있다. 리소스 품질 메트릭들의 세트는 디바이스(905)와 서비스를 전달하기 위해 사용될 수 있는 서비스 사이의 이용가능한 리소스들에 대한 값들을 지시할 수 있다. 예를 들어, 서비스를 전달할 수 있는 다양한 노드들에 다수의 네트워크 경로들이 이용가능할 수 있다. 리소스 품질 메트릭들의 세트는 네트워크의 다양한 세그먼트들의 능력들에 대한 가시성을 제공한다.
리소스 조정 선택기(940)는 머신 학습 프로세서(950)와 함께 작동하여 리소스 조정 모델을 이용하여 리소스 메트릭들의 세트를 평가하여 이용가능한 리소스 조정들을 결정할 수 있다. 예를 들어, 이용가능한 리소스 조정들은 도 8에서 설명된 바와 같이 결정될 수 있다(예를 들어, 동작 840). 예를 들어, 비디오 스트림의 전달을 위해 다양한 노드들에 대한 가능한 네트워크 경로들의 다양한 조합들이 가능할 수 있고 평가는 KPI와 목표 KPI 간의 갭을 실현가능하게 감소시킬 수 있는 해당 경로들 및 노드들을 결정할 수 있다. 예에서, 리소스 조정 모델은: 최소최대 모델, 알고리즘, 또는 시뮬레이션 중 하나일 수 있다.
리소스 조정 선택기(940)는 긴급성 값의 예상된 최소화에 기초하여 이용가능한 리소스 조정들로부터 리소스 조정을 선택할 수 있다. 예를 들어, 리소스 조정은 도 8에서 설명된 바와 같이 선택될 수 있다(예를 들어, 동작 845). 예를 들어, 레이턴시 갭의 감소를 최대화할 가능성이 가장 높은 것으로 결정되는 리소스 조정이 선택될 수 있다. 예에서, 선택된 리소스 조정의 크기는 긴급성 값에 기초하여 수정될 수 있다. 예에서, 리소스 조정에 대응하는 작업들과 연관된 노드들에 대해 이용가능한 리소스 값들이 식별될 수 있다. 이용가능한 리소스 값들은 이용가능한 리소스 조정에 의해 특정된 리소스 값들과 비교될 수 있고 리소스 조정은 이용가능한 리소스 값이 리소스 조정의 리소스 값과 호환가능한 것에 적어도 부분적으로 기초하여 선택될 수 있다.
데이터 흐름 조정기(945)는 선택된 리소스 조정을 이용하여 현재 데이터 흐름의 전달을 수정할 수 있다. 예를 들어, 데이터 흐름 전달은 도 8에서 설명된 바와 같이 조정될 수 있다(예를 들어, 동작 850). 예를 들어, 리소스 조정은 더 낮은 레이턴시 값을 갖는 디바이스(905)에 의해 요청된 비디오 스트림에 대한 경로 변경을 포함할 수 있고 라이브 비디오 스트림의 현재 스트림은 새로운 경로로 전송될 수 있다. 예에서, 리소스 조정의 대상인 리소스에 대응하는 서비스가 식별될 수 있고 긴급성 값에 기초하여 리소스 조정에 대해 조정 값이 결정될 수 있다. 현재 데이터 흐름의 전달의 수정은 조정 값에 기초하여 현재 데이터 흐름의 프로세싱을 수정하기 위한 커맨드를 서비스의 서비스 제공자로 송신하는 것을 포함할 수 있다.
추가 KPI들이 평가될 수 있고 QoS 계약의 목표 KPI들로 데이터 흐름을 수렴시키기 위해 데이터 흐름의 전달을 조정하기 위해 추가적인 리소스 조정들이 행해질 수 있다. 따라서, QoS 목적들을 충족시키도록 서비스의 진행중인 전달을 보장하기 위해 미래의 기간들 및 서비스 전달의 현재 기간에 대한 추가적인 경과들이 평가될 수 있다.
도 10은 예에 따른, 에지 컴퓨팅 환경들에서의 종단간 서비스 품질을 위한 방법(1000)의 예를 예시한다. 방법(1000)은 도 6, 도 7, 도 8, 및 도 9에서 설명된 바와 같은 특징들을 제공할 수 있다.
에지 컴퓨팅 시스템의 노드와 디바이스 사이의 현재 데이터 흐름에 대한 원격 측정 측정치들의 세트가 획득될 수 있다(예를 들어, 도 9 등에서 설명된 바와 같은 메트릭 수집기(925)에 의해)(예를 들어, 동작 1005에서). 예에서, 원격 측정 측정치들의 세트는 현재 데이터 흐름의 전달의 기간 동안 수집될 수 있다. 예에서, 원격 측정 측정치들의 세트는: 레이턴시 값, 스루풋 값, 프레임 레이트, 또는 비트 레이트 중 하나 이상을 포함할 수 있다.
현재 데이터 흐름에 대한 키 성능 지시자(KPI)가 계산될 수 있다(예를 들어, 도 9 등에 설명된 바와 같은 KPI 계산기(930)에 의해)(예를 들어, 동작 1010에서). 예에서, KPI는 현재 데이터 흐름에 대한 현재 서비스 품질(QoS)을 지시할 수 있다. 예에서, 상기 원격 측정 측정치들의 세트를 이용하여 작업 연관 메트릭들의 행렬이 생성될 수 있고 이 행렬을 이용하여 KPI가 계산될 수 있다. 예에서, 원격 측정 메트릭들의 세트는 KPI를 결정하기 위해 뉴럴 네트워크를 이용하여 평가될 수 있다. 이 평가는 현재 데이터 흐름의 원격 측정 메트릭들의 세트를 현재 서비스 품질에 매핑할 수 있다.
긴급성 값을 결정하기 위해 KPI는 목표 KPI와 비교될 수 있다(예를 들어, 도 9 등에서 설명된 바와 같은 비교기(935)에 의해)(예를 들어, 동작 1015에서). 예에서, 목표 KPI를 생성하기 위해 현재 데이터 흐름에 대응하는 서비스 품질 모델과 대조하여 현재 데이터 흐름과 연관된 데이터 흐름 전달 메트릭들의 세트가 평가될 수 있다.
네트워크의 리소스들에 대해 리소스 품질 메트릭들의 세트가 수집될 수 있다(예를 들어, 도 9 등에서 설명된 바와 같은 메트릭 수집기(925)에 의해)(예를 들어, 동작 1020에서). 예에서, 리소스 품질 메트릭들의 세트는 시간 경과에 따라 수집될 수 있고 에지 컴퓨팅 시스템의 리소스들의 예상된 동작 조건들을 나타낸다. 예에서, 리소스 품질 메트릭들은: 프로세서 용량, 대역폭, 가속기 값, 또는 메모리 할당 중 하나 이상을 포함할 수 있다.
이용가능한 리소스 조정들을 결정하기 위해 리소스 조정 모델을 이용하여 리소스 메트릭들의 세트가 평가될 수 있다(예를 들어, 도 9 등에서 설명된 바와 같은 머신 학습 프로세서(950)와 함께 리소스 조정 선택기(940)에 의해)(예를 들어, 동작 1025에서). 예에서, 리소스 조정 모델은: 최소최대 모델, 알고리즘, 또는 시뮬레이션 중 하나일 수 있다.
긴급성 값의 예상된 최소화에 기초하여 이용가능한 리소스 조정들로부터 리소스 조정이 선택될 수 있다(예를 들어, 도 9 등에서 설명된 바와 같은 리소스 조정 선택기(940)에 의해)(예를 들어, 동작 1030에서). 예에서, 선택된 리소스 조정의 크기는 긴급성 값에 기초하여 수정될 수 있다. 예에서, 리소스 조정에 대응하는 작업들과 연관된 노드들에 대해 이용가능한 리소스 값들이 식별될 수 있다. 이용가능한 리소스 값들은 이용가능한 리소스 조정에 의해 특정된 리소스 값들과 비교될 수 있고 리소스 조정은 이용가능한 리소스 값이 리소스 조정의 리소스 값과 호환가능한 것에 적어도 부분적으로 기초하여 선택될 수 있다.
선택된 리소스 조정을 이용하여 현재 데이터 흐름의 전달이 수정될 수 있다(예를 들어, 도 9 등에서 설명된 바와 같은 데이터 흐름 조정기(945)에 의해)(예를 들어, 동작 1035에서). 예에서, 리소스 조정의 대상인 리소스에 대응하는 서비스가 식별될 수 있고 긴급성 값에 기초하여 리소스 조정에 대해 조정 값이 결정될 수 있다. 현재 데이터 흐름의 전달의 수정은 조정 값에 기초하여 현재 데이터 흐름의 프로세싱을 수정하기 위한 커맨드를 서비스의 서비스 제공자로 송신하는 것을 포함할 수 있다.
추가적인 유의사항들 및 예들
예 1은 에지 컴퓨팅 시스템의 네트워크에서의 종단간 품질 데이터 흐름 관리를 위한 방법으로서, 상기 에지 컴퓨팅 시스템의 노드와 디바이스 사이의 진행중인 데이터 흐름에 대한 원격 측정 측정치들의 세트를 획득하는 단계; 상기 진행중인 데이터 흐름에 대한 현재 키 성능 지시자(KPI)를 계산하는 단계; 상기 현재 KPI를 목표 KPI와 비교하여 긴급성 값을 결정하는 단계; 상기 네트워크의 리소스들에 대한 리소스 품질 메트릭들의 세트를 수집하는 단계; 리소스 조정 모델을 이용하여 상기 리소스 품질 메트릭들의 세트를 평가하여 이용가능한 리소스 조정들을 결정하는 단계; 상기 긴급성 값의 예상된 최소화에 기초하여 상기 이용가능한 리소스 조정들로부터 리소스 조정을 선택하는 단계; 및 상기 선택된 리소스 조정을 이용하여 상기 진행중인 데이터 흐름의 전달을 수정하는 단계를 포함한다.
예 2에서, 예 1의 주제는, 상기 방법이 클라이언트 디바이스에서 구현되는 것을 포함한다.
예 3에서, 예 1-2의 주제는, 상기 방법이 에지 컴퓨팅 노드에서 구현되는 것을 포함한다.
예 4에서, 예 1-3의 주제는, 상기 방법이 상기 네트워크 상에서 실행중인 서비스에서 구현되는 것을 포함한다.
예 5에서, 예 1-4의 주제는, 상기 원격 측정 측정치들의 세트는 상기 진행중인 데이터 흐름의 전달의 기간 동안 수집되고, 상기 원격 측정 측정치들의 세트의 각각의 원격 측정 측정치는 상기 현재 데이터 흐름의 전달 컴포넌트에 대한 성능 지시자인 것을 포함한다.
예 6에서, 예 1-5의 주제는, 상기 현재 KPI는 상기 진행중인 데이터 흐름에 대한 현재 SLO(Service Level Objective)를 지시하는 것을 포함한다.
예 7에서, 예 1-6의 주제는, 상기 긴급성 값에 기초하여 상기 선택된 리소스 조정의 크기를 수정하는 단계를 포함한다.
예 8에서, 예 1-7의 주제는, 상기 리소스 조정 모델은: 최소최대 모델, 알고리즘, 또는 시뮬레이션 중 하나인 것을 포함한다.
예 9에서, 예 1-8의 주제는, 상기 리소스 조정의 대상인 리소스에 대응하는 서비스를 식별하는 단계; 및 상기 긴급성 값에 기초하여 상기 리소스 조정을 위한 조정 값을 결정하는 단계를 포함하고, 상기 진행중인 데이터 흐름의 전달을 수정하는 단계는 상기 조정 값에 기초하여 상기 진행중인 데이터 흐름의 프로세싱을 수정하기 위한 커맨드를 상기 서비스의 서비스 제공자로 송신하는 단계를 포함한다.
예 10에서, 예 1-9의 주제는 상기 원격 측정 측정치들의 세트를 이용하여 작업 연관 메트릭들의 행렬을 생성하는 단계를 포함하고, 상기 현재 KPI는 상기 행렬을 이용하여 계산된다.
예 11에서, 예 1-10의 주제는, 상기 목표 KPI를 생성하기 위해 상기 진행중인 데이터 흐름에 대응하는 서비스 품질 모델과 대조하여 상기 진행중인 데이터 흐름과 연관된 데이터 흐름 전달 메트릭들의 세트를 평가하는 단계를 포함한다.
예 12에서, 예 1-11의 주제는, 상기 현재 KPI를 결정하기 위해 뉴럴 네트워크를 이용하여 상기 원격 측정 측정치들의 세트를 평가하는 단계를 포함하고, 상기 평가는 상기 진행중인 데이터 흐름의 상기 원격 측정 측정치들의 세트를 현재 서비스 품질에 매핑한다.
예 13에서, 예 1-12의 주제는, 상기 이용가능한 리소스 조정들로부터 상기 리소스 조정을 선택하는 단계는: 상기 리소스 조정에 대응하는 작업들과 연관된 노드들에 대한 이용가능한 리소스 값들을 식별하는 단계; 상기 이용가능한 리소스 값들을 상기 이용가능한 리소스 조정에 의해 특정된 리소스 값들과 비교하는 단계; 및 이용가능한 리소스 값이 상기 리소스 조정의 리소스 값과 호환가능한 것에 적어도 부분적으로 기초하여 상기 리소스 조정을 선택하는 단계를 추가로 포함하는 것을 포함한다.
예 14에서, 예 1-13의 주제는, 상기 리소스 품질 메트릭들의 세트는 시간 경과에 따라 수집되고 상기 네트워크의 리소스들의 예상된 동작 조건들을 나타내는 것을 포함한다.
예 15에서, 예 1-14의 주제는, 상기 원격 측정 측정치들의 세트는: 레이턴시 값, 스루풋 값, 프레임 레이트, 또는 비트 레이트 중 하나 이상을 포함하는 것을 포함한다.
예 16에서, 예 1-15의 주제는, 상기 리소스 품질 메트릭들은: 프로세서 용량, 대역폭, 가속기 값, 또는 메모리 할당 중 하나 이상을 포함하는 것을 포함한다.
예 17은 명령어들로 구성될 수 있는 저장된 데이터 또는 명령어들을 포함하는 적어도 하나의 머신 판독가능 매체로서, 상기 명령어들은, 머신에 의해 구성되고 실행될 때, 상기 머신으로 하여금 예 1-16 중 임의의 방법을 수행하게 한다.
예 18은 예 1-16 중 임의의 방법을 수행하는 수단을 포함하는 시스템이다.
예 19는 에지 컴퓨팅 시스템의 네트워크에서의 종단간 품질 데이터 흐름 관리를 위한 시스템으로서, 적어도 하나의 프로세서; 및 명령어들을 포함하는 메모리를 포함하고, 상기 명령어들은, 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금: 상기 에지 컴퓨팅 시스템의 노드와 디바이스 사이의 진행중인 데이터 흐름에 대한 원격 측정 측정치들의 세트를 획득하고; 상기 진행중인 데이터 흐름에 대한 현재 키 성능 지시자(KPI)를 계산하고; 상기 현재 KPI를 목표 KPI와 비교하여 긴급성 값을 결정하고; 상기 네트워크의 리소스들에 대한 리소스 품질 메트릭들의 세트를 수집하고; 리소스 조정 모델을 이용하여 상기 리소스 품질 메트릭들의 세트를 평가하여 이용가능한 리소스 조정들을 결정하고; 상기 긴급성 값의 예상된 최소화에 기초하여 상기 이용가능한 리소스 조정들로부터 리소스 조정을 선택하고; 상기 선택된 리소스 조정을 이용하여 상기 진행중인 데이터 흐름의 전달을 수정하는 동작들을 수행하게 한다.
예 20에서, 예 19의 주제는, 상기 원격 측정 측정치들의 세트는 상기 진행중인 데이터 흐름의 전달의 기간 동안 수집되고, 상기 원격 측정 측정치들의 세트의 각각의 원격 측정 측정치는 상기 현재 데이터 흐름의 전달 컴포넌트에 대한 성능 지시자인 것을 포함한다.
예 21에서, 예 19-20의 주제는, 상기 현재 KPI는 상기 진행중인 데이터 흐름에 대한 현재 SLO(Service Level Objective)를 지시하는 것을 포함한다.
예 22에서, 예 19-21의 주제는, 상기 메모리는 상기 적어도 하나의 프로세서로 하여금 상기 긴급성 값에 기초하여 상기 선택된 리소스 조정의 크기를 수정하게 하는 명령어들을 추가로 포함하는 것을 포함한다.
예 23에서, 예 19-22의 주제는, 상기 리소스 조정 모델은: 최소최대 모델, 알고리즘, 또는 시뮬레이션 중 하나인 것을 포함한다.
예 24에서, 예 19-23의 주제는, 상기 메모리는 상기 적어도 하나의 프로세서로 하여금: 상기 리소스 조정의 대상인 리소스에 대응하는 서비스를 식별하고; 상기 긴급성 값에 기초하여 상기 리소스 조정을 위한 조정 값을 결정하는 동작들을 수행하게 하는 명령어를 추가로 포함하는 것을 포함하고, 상기 진행중인 데이터 흐름의 전달을 수정하는 것은 상기 조정 값에 기초하여 상기 진행중인 데이터 흐름의 프로세싱을 수정하기 위한 커맨드를 상기 서비스의 서비스 제공자로 송신하는 것을 포함한다.
예 25에서, 예 19-24의 주제는, 상기 메모리는 상기 적어도 하나의 프로세서로 하여금 상기 원격 측정 측정치들의 세트를 이용하여 작업 연관 메트릭들의 행렬을 생성하게 하는 명령어들을 추가로 포함하는 것을 포함하고, 상기 현재 KPI는 상기 행렬을 이용하여 계산된다.
예 26에서, 예 19-25의 주제는, 상기 메모리는 상기 적어도 하나의 프로세서로 하여금 상기 목표 KPI를 생성하기 위해 상기 진행중인 데이터 흐름에 대응하는 서비스 품질 모델과 대조하여 상기 진행중인 데이터 흐름과 연관된 데이터 흐름 전달 메트릭들의 세트를 평가하게 하는 명령어들을 추가로 포함하는 것을 포함한다.
예 27에서, 예 19-26의 주제는, 상기 메모리는 상기 적어도 하나의 프로세서로 하여금 상기 현재 KPI를 결정하기 위해 뉴럴 네트워크를 이용하여 상기 원격 측정 측정치들의 세트를 평가하게 하는 명령어들을 추가로 포함하는 것을 포함하고, 상기 평가는 상기 진행중인 데이터 흐름의 상기 원격 측정 측정치들의 세트를 현재 서비스 품질에 매핑한다.
예 28에서, 예 19-27의 주제는, 상기 이용가능한 리소스 조정들로부터 리소스 조정을 선택하기 위한 명령어는 상기 적어도 하나의 프로세서로 하여금: 상기 리소스 조정에 대응하는 작업들과 연관된 노드들에 대한 이용가능한 리소스 값들을 식별하고; 상기 이용가능한 리소스 값들을 상기 이용가능한 리소스 조정에 의해 특정된 리소스 값들과 비교하고; 이용가능한 리소스 값이 상기 리소스 조정의 리소스 값과 호환가능한 것에 적어도 부분적으로 기초하여 상기 리소스 조정을 선택하는 동작들을 수행하게 하는 명령어들을 추가로 포함하는 것을 포함한다.
예 29에서, 예 19-28의 주제는, 상기 리소스 품질 메트릭들의 세트는 시간 경과에 따라 수집되고 상기 네트워크의 리소스들의 예상된 동작 조건들을 나타내는 것을 포함한다.
예 30에서, 예 19-29의 주제는, 상기 원격 측정 측정치들의 세트는: 레이턴시 값, 스루풋 값, 프레임 레이트, 또는 비트 레이트 중 하나 이상을 포함하는 것을 포함한다.
예 31에서, 예 19-30의 주제는, 상기 리소스 품질 메트릭들은: 프로세서 용량, 대역폭, 가속기 값, 또는 메모리 할당 중 하나 이상을 포함하는 것을 포함한다.
예 32는 에지 컴퓨팅 시스템의 네트워크에서의 종단간 품질 데이터 흐름 관리를 위한 명령어들을 포함하는 적어도 하나의 비일시적 머신 판독가능 매체로서, 상기 명령어들은, 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금: 상기 에지 컴퓨팅 시스템의 노드와 디바이스 사이의 진행중인 데이터 흐름에 대한 원격 측정 측정치들의 세트를 획득하고; 상기 진행중인 데이터 흐름에 대한 현재 키 성능 지시자(KPI)를 계산하고; 상기 현재 KPI를 목표 KPI와 비교하여 긴급성 값을 결정하고; 상기 네트워크의 리소스들에 대한 리소스 품질 메트릭들의 세트를 수집하고; 리소스 조정 모델을 이용하여 상기 리소스 품질 메트릭들의 세트를 평가하여 이용가능한 리소스 조정들을 결정하고; 상기 긴급성 값의 예상된 최소화에 기초하여 상기 이용가능한 리소스 조정들로부터 리소스 조정을 선택하고; 상기 선택된 리소스 조정을 이용하여 상기 진행중인 데이터 흐름의 전달을 수정하는 동작들을 수행하게 한다.
예 33에서, 예 32의 주제는, 상기 원격 측정 측정치들의 세트는 상기 진행중인 데이터 흐름의 전달의 기간 동안 수집되고, 상기 원격 측정 측정치들의 세트의 각각의 원격 측정 측정치는 상기 현재 데이터 흐름의 전달 컴포넌트에 대한 성능 지시자인 것을 포함한다.
예 34에서, 예 32-33의 주제는, 상기 현재 KPI는 상기 진행중인 데이터 흐름에 대한 현재 SLO(Service Level Objective)를 지시하는 것을 포함한다.
예 35에서, 예 32-34의 주제는, 상기 적어도 하나의 프로세서로 하여금 상기 긴급성 값에 기초하여 상기 선택된 리소스 조정의 크기를 수정하게 하는 명령어들을 포함한다.
예 36에서, 예 32-35의 주제는, 상기 리소스 조정 모델은: 최소최대 모델, 알고리즘, 또는 시뮬레이션 중 하나인 것을 포함한다.
예 37에서, 예 32-36의 주제는, 상기 적어도 하나의 프로세서로 하여금: 상기 리소스 조정의 대상인 리소스에 대응하는 서비스를 식별하고; 상기 긴급성 값에 기초하여 상기 리소스 조정을 위한 조정 값을 결정하는 동작들을 수행하게 하는 명령어를 포함하고, 상기 진행중인 데이터 흐름의 전달을 수정하는 것은 상기 조정 값에 기초하여 상기 진행중인 데이터 흐름의 프로세싱을 수정하기 위한 커맨드를 상기 서비스의 서비스 제공자로 송신하는 것을 포함한다.
예 38에서, 예 32-37의 주제는, 상기 적어도 하나의 프로세서로 하여금 상기 원격 측정 측정치들의 세트를 이용하여 작업 연관 메트릭들의 행렬을 생성하게 하는 명령어들을 포함하고, 상기 현재 KPI는 상기 행렬을 이용하여 계산된다.
예 39에서, 예 32-38의 주제는, 상기 적어도 하나의 프로세서로 하여금 상기 목표 KPI를 생성하기 위해 상기 진행중인 데이터 흐름에 대응하는 서비스 품질 모델과 대조하여 상기 진행중인 데이터 흐름과 연관된 데이터 흐름 전달 메트릭들의 세트를 평가하게 하는 명령어들을 포함한다.
예 40에서, 예 32-39의 주제는, 상기 적어도 하나의 프로세서로 하여금 상기 현재 KPI를 결정하기 위해 뉴럴 네트워크를 이용하여 상기 원격 측정 측정치들의 세트를 평가하게 하는 명령어들을 포함하고, 상기 평가는 상기 진행중인 데이터 흐름의 상기 원격 측정 측정치들의 세트를 현재 서비스 품질에 매핑한다.
예 41에서, 예 32-40의 주제는, 상기 이용가능한 리소스 조정들로부터 리소스 조정을 선택하기 위한 명령어는 상기 적어도 하나의 프로세서로 하여금: 상기 리소스 조정에 대응하는 작업들과 연관된 노드들에 대한 이용가능한 리소스 값들을 식별하고; 상기 이용가능한 리소스 값들을 상기 이용가능한 리소스 조정에 의해 특정된 리소스 값들과 비교하고; 이용가능한 리소스 값이 상기 리소스 조정의 리소스 값과 호환가능한 것에 적어도 부분적으로 기초하여 상기 리소스 조정을 선택하는 동작들을 수행하게 하는 명령어들을 추가로 포함하는 것을 포함한다.
예 42에서, 예 32-41의 주제는, 상기 리소스 품질 메트릭들의 세트는 시간 경과에 따라 수집되고 상기 네트워크의 리소스들의 예상된 동작 조건들을 나타내는 것을 포함한다.
예 43에서, 예 32-42의 주제는, 상기 원격 측정 측정치들의 세트는: 레이턴시 값, 스루풋 값, 프레임 레이트, 또는 비트 레이트 중 하나 이상을 포함하는 것을 포함한다.
예 44에서, 예 32-43의 주제는, 상기 리소스 품질 메트릭들은: 프로세서 용량, 대역폭, 가속기 값, 또는 메모리 할당 중 하나 이상을 포함하는 것을 포함한다.
예 45는 에지 컴퓨팅 시스템의 네트워크에서의 종단간 품질 데이터 흐름 관리를 위한 시스템으로서, 상기 에지 컴퓨팅 시스템의 노드와 디바이스 사이의 진행중인 데이터 흐름에 대한 원격 측정 측정치들의 세트를 획득하는 수단; 상기 진행중인 데이터 흐름에 대한 현재 키 성능 지시자(KPI)를 계산하는 수단; 상기 현재 KPI를 목표 KPI와 비교하여 긴급성 값을 결정하는 수단; 상기 네트워크의 리소스들에 대한 리소스 품질 메트릭들의 세트를 수집하는 수단; 리소스 조정 모델을 이용하여 상기 리소스 품질 메트릭들의 세트를 평가하여 이용가능한 리소스 조정들을 결정하는 수단; 상기 긴급성 값의 예상된 최소화에 기초하여 상기 이용가능한 리소스 조정들로부터 리소스 조정을 선택하는 수단; 및 상기 선택된 리소스 조정을 이용하여 상기 진행중인 데이터 흐름의 전달을 수정하는 수단을 포함한다.
예 46에서, 예 45의 주제는, 상기 원격 측정 측정치들의 세트는 상기 진행중인 데이터 흐름의 전달의 기간 동안 수집되고, 상기 원격 측정 측정치들의 세트의 각각의 원격 측정 측정치는 상기 현재 데이터 흐름의 전달 컴포넌트에 대한 성능 지시자인 것을 포함한다.
예 47에서, 예 45-46의 주제는, 상기 현재 KPI는 상기 진행중인 데이터 흐름에 대한 현재 SLO(Service Level Objective)를 지시하는 것을 포함한다.
예 48에서, 예 45-47의 주제는, 상기 긴급성 값에 기초하여 상기 선택된 리소스 조정의 크기를 수정하는 수단을 포함한다.
예 49에서, 예 45-48의 주제는, 상기 리소스 조정 모델은: 최소최대 모델, 알고리즘, 또는 시뮬레이션 중 하나인 것을 포함한다.
예 50에서, 예 45-49의 주제는, 상기 리소스 조정의 대상인 리소스에 대응하는 서비스를 식별하는 수단; 및 상기 긴급성 값에 기초하여 상기 리소스 조정을 위한 조정 값을 결정하는 수단을 포함하고, 상기 진행중인 데이터 흐름의 전달을 수정하는 수단은 상기 조정 값에 기초하여 상기 진행중인 데이터 흐름의 프로세싱을 수정하기 위한 커맨드를 상기 서비스의 서비스 제공자로 송신하는 수단을 포함한다.
예 51에서, 예 45-50의 주제는 상기 원격 측정 측정치들의 세트를 이용하여 작업 연관 메트릭들의 행렬을 생성하는 수단을 포함하고, 상기 현재 KPI는 상기 행렬을 이용하여 계산된다.
예 52에서, 예 45-51의 주제는, 상기 목표 KPI를 생성하기 위해 상기 진행중인 데이터 흐름에 대응하는 서비스 품질 모델과 대조하여 상기 진행중인 데이터 흐름과 연관된 데이터 흐름 전달 메트릭들의 세트를 평가하는 수단을 포함한다.
예 53에서, 예 45-52의 주제는, 상기 현재 KPI를 결정하기 위해 뉴럴 네트워크를 이용하여 상기 원격 측정 측정치들의 세트를 평가하는 수단을 포함하고, 상기 평가는 상기 진행중인 데이터 흐름의 상기 원격 측정 측정치들의 세트를 현재 서비스 품질에 매핑한다.
예 54에서, 예 45-53의 주제는, 상기 이용가능한 리소스 조정들로부터 상기 리소스 조정을 선택하는 수단은: 상기 리소스 조정에 대응하는 작업들과 연관된 노드들에 대한 이용가능한 리소스 값들을 식별하는 수단; 상기 이용가능한 리소스 값들을 상기 이용가능한 리소스 조정에 의해 특정된 리소스 값들과 비교하는 수단; 및 이용가능한 리소스 값이 상기 리소스 조정의 리소스 값과 호환가능한 것에 적어도 부분적으로 기초하여 상기 리소스 조정을 선택하는 수단을 추가로 포함하는 것을 포함한다.
예 55에서, 예 45-54의 주제는, 상기 리소스 품질 메트릭들의 세트는 시간 경과에 따라 수집되고 상기 네트워크의 리소스들의 예상된 동작 조건들을 나타내는 것을 포함한다.
예 56에서, 예 45-55의 주제는, 상기 원격 측정 측정치들의 세트는: 레이턴시 값, 스루풋 값, 프레임 레이트, 또는 비트 레이트 중 하나 이상을 포함하는 것을 포함한다.
예 57에서, 예 45-56의 주제는, 상기 리소스 품질 메트릭들은: 프로세서 용량, 대역폭, 가속기 값, 또는 메모리 할당 중 하나 이상을 포함하는 것을 포함한다.
예 58은 데이터를 포함하는 하나 이상의 컴퓨터 판독가능 저장 매체를 포함할 수 있는데, 상기 데이터는 전자 디바이스로 하여금, 상기 전자 디바이스의 하나 이상의 프로세서 또는 전자 회로에 의해 상기 데이터의 로딩, 실행, 구성, 또는 프로비저닝 시에, 예 1-57 중 임의의 것에 기술된 또는 그와 관련된 방법, 또는 본 명세서에서 설명된 임의의 다른 방법 또는 프로세스의 하나 이상의 요소를 수행하게 하는 것이다.
예 59는 예 1-57 중 임의의 것을 구현하는 수단을 포함하는 장치이다.
예 60은 예 1-57 중 임의의 것을 구현하는 시스템이다.
예 61은 예 1-57 중 임의의 것을 구현하는 방법이다.
위 상세한 설명은 상세한 설명의 일부를 형성하는 첨부 도면들에 대한 참조들을 포함한다. 도면들은 실시될 수 있는 특정 실시예들을 예시로서 보여준다. 이들 실시예는 본 명세서에서 "예들"이라고도 언급된다. 그러한 예들은 도시되거나 설명된 것들 이외의 요소들을 포함할 수 있다. 그러나, 본 발명자들은 도시되거나 설명된 그 요소들만이 제공되는 예들을 또한 고려한다. 더욱이, 본 발명자들은 특정 예(또는 그의 하나 이상의 양태)에 관하여, 또는 본 명세서에 도시되거나 설명된 다른 예들(또는 그의 하나 이상의 양태)에 관하여, 도시되거나 설명된 해당 요소들(또는 그의 하나 이상의 양태)의 임의의 조합 또는 치환을 사용하는 예들을 또한 고려한다.
이 문서에서 언급된 모든 공보들, 특허들, 및 특허 문서들은, 마치 인용에 의해 개별적으로 포함된 것처럼, 그들의 전문이 인용에 의해 본 명세서에 포함된다. 이 문서와 인용에 의해 그렇게 포함된 문서들 사이의 일치하지 않는 용법들의 경우에, 포함된 참조문헌(들)에서의 용법은 이 문서의 용법에 대해 보충적인 것으로 간주되어야 하고; 모순되는 불일치들에 대해서는, 이 문서에서의 용법이 지배한다.
이 문서에서, "a" 또는 "an"이라는 용어는, 특허 문서들에서 일반적인 것처럼, "적어도 하나" 또는 "하나 이상"의 임의의 다른 사례 또는 사용과 관계없이, 하나 또는 하나보다 많은 것을 포함하기 위해 사용된다. 이 문서에서, "또는"이라는 용어는, 달리 지시되지 않는 한, 비배타적인 것을 언급하도록, 또는 "A 또는 B"는 "B가 아니라 A", "A가 아니라 B", 및 "A와 B"를 포함하도록 사용된다. 첨부된 청구항들에서, "포함하는(including)" 및 "in which"라는 용어들은 각각의 용어들 "포함하는(comprising)" 및 "여기서(wherein)"의 평이한-영어 균등물로서 사용된다. 또한, 다음의 청구항들에서, "포함하는(including)" 및 "포함하는(comprising)"이라는 용어들은 확장이 가능하고(open-ended), 즉, 청구항에서 그러한 용어 이후에 열거된 것들 이외의 요소들을 포함하는 시스템, 디바이스, 물품, 또는 프로세스는 여전히 해당 청구항의 범위 내에 포함되는 것으로 간주된다. 더욱이, 다음의 청구항들에서, "제1", "제2", 및 "제3" 등의 용어들은 단지 라벨들로 사용되고, 그것들의 대상들에 수치적 요건을 부과하기 위해 의도되는 것은 아니다.
위 설명은 제한적인 것으로가 아니라 예시적인 것으로 의도된다. 예를 들어, 위에 설명된 예들(또는 그의 하나 이상의 양태)은 서로 조합하여 사용될 수 있다. 예컨대 위의 설명의 검토 시 본 기술분야의 통상의 기술자에 의해 다른 실시예들이 사용될 수 있다. 요약서는 독자가 기술적 개시내용의 본질을 신속하게 확인할 수 있게 하는 것이고 그것은 청구항들의 범위 또는 의미를 해석하거나 제한하기 위해 이용되지는 않을 것이라는 이해 하에 제시된다. 또한, 위 상세한 설명에서는, 본 개시내용을 간소화하기 위해 다양한 특징들이 함께 그룹화될 수 있다. 이는 청구되지 않은 개시된 특징이 임의의 청구항에 필수적임을 의도하는 것으로서 해석되어서는 안 된다. 오히려, 발명 주제는, 특정한 개시된 실시예의 모든 특징들보다 적은 것에 있을 수 있다. 따라서, 다음의 청구항들은 이로써 상세한 설명 내에 포함되고, 각각의 청구항은 개별 실시예로서 그 자체로서 독립한다. 실시예들의 범위는 첨부된 청구항과 함께, 그러한 청구항들과 동등한 권리가 있는 균등물들의 전체 범위를 참조하여 결정되어야 한다.
Claims (22)
- 에지 컴퓨팅 시스템의 네트워크에서의 종단간 품질 데이터 흐름 관리를 위한 방법으로서,
상기 에지 컴퓨팅 시스템의 노드와 디바이스 사이의 진행중인 데이터 흐름에 대한 원격 측정 측정치들의 세트를 획득하는 단계;
상기 진행중인 데이터 흐름에 대한 현재 키 성능 지시자(KPI)를 계산하는 단계;
상기 현재 KPI를 목표 KPI와 비교하여 긴급성 값을 결정하는 단계;
상기 네트워크의 리소스들에 대한 리소스 품질 메트릭들의 세트를 수집하는 단계;
리소스 조정 모델을 이용하여 상기 리소스 품질 메트릭들의 세트를 평가하여 이용가능한 리소스 조정들을 결정하는 단계;
상기 긴급성 값의 예상된 최소화에 기초하여 상기 이용가능한 리소스 조정들로부터 리소스 조정을 선택하는 단계; 및
상기 선택된 리소스 조정을 이용하여 상기 진행중인 데이터 흐름의 전달을 수정하는 단계를 포함하는, 방법. - 제1항에 있어서,
상기 원격 측정 측정치들의 세트는 상기 진행중인 데이터 흐름의 전달의 기간 동안 수집되고, 상기 원격 측정 측정치들의 세트의 각각의 원격 측정 측정치는 상기 현재 데이터 흐름의 전달 컴포넌트에 대한 성능 지시자인, 방법. - 제1항에 있어서,
상기 현재 KPI는 상기 진행중인 데이터 흐름에 대한 현재 SLO(Service Level Objective)를 지시하는, 방법. - 제1항에 있어서,
상기 긴급성 값에 기초하여 상기 선택된 리소스 조정의 크기를 수정하는 단계를 추가로 포함하는, 방법. - 제1항에 있어서,
상기 리소스 조정 모델은: 최소최대 모델, 알고리즘, 또는 시뮬레이션 중 하나인, 방법. - 제1항에 있어서,
상기 리소스 조정의 대상인 리소스에 대응하는 서비스를 식별하는 단계; 및
상기 긴급성 값에 기초하여 상기 리소스 조정을 위한 조정 값을 결정하는 단계를 추가로 포함하고, 상기 진행중인 데이터 흐름의 전달을 수정하는 단계는 상기 조정 값에 기초하여 상기 진행중인 데이터 흐름의 프로세싱을 수정하기 위한 커맨드를 상기 서비스의 서비스 제공자로 송신하는 단계를 포함하는, 방법. - 제1항에 있어서,
상기 원격 측정 측정치들의 세트를 이용하여 작업 연관 메트릭들의 행렬을 생성하는 단계를 추가로 포함하고, 상기 현재 KPI는 상기 행렬을 이용하여 계산되는, 방법. - 제1항에 있어서,
상기 목표 KPI를 생성하기 위해 상기 진행중인 데이터 흐름에 대응하는 서비스 품질 모델과 대조하여 상기 진행중인 데이터 흐름과 연관된 데이터 흐름 전달 메트릭들의 세트를 평가하는 단계를 추가로 포함하는, 방법. - 제1항에 있어서,
상기 현재 KPI를 결정하기 위해 뉴럴 네트워크를 이용하여 상기 원격 측정 측정치들의 세트를 평가하는 단계를 추가로 포함하고, 상기 평가는 상기 진행중인 데이터 흐름의 상기 원격 측정 측정치들의 세트를 현재 서비스 품질에 매핑하는, 방법. - 제1항에 있어서,
상기 이용가능한 리소스 조정들로부터 상기 리소스 조정을 선택하는 단계는:
상기 리소스 조정에 대응하는 작업들과 연관된 노드들에 대한 이용가능한 리소스 값들을 식별하는 단계;
상기 이용가능한 리소스 값들을 상기 이용가능한 리소스 조정에 의해 특정된 리소스 값들과 비교하는 단계; 및
이용가능한 리소스 값이 상기 리소스 조정의 리소스 값과 호환가능한 것에 적어도 부분적으로 기초하여 상기 리소스 조정을 선택하는 단계를 추가로 포함하는, 방법. - 제1항에 있어서,
상기 리소스 품질 메트릭들의 세트는 시간 경과에 따라 수집되고 상기 네트워크의 리소스들의 예상된 동작 조건들을 나타내는, 방법. - 제1항에 있어서,
상기 원격 측정 측정치들의 세트는: 레이턴시 값, 스루풋 값, 프레임 레이트, 또는 비트 레이트 중 하나 이상을 포함하는, 방법. - 제1항에 있어서,
상기 리소스 품질 메트릭들은: 프로세서 용량, 대역폭, 가속기 값, 또는 메모리 할당 중 하나 이상을 포함하는, 방법. - 머신에 의해 실행될 때, 상기 머신으로 하여금 제1항 내지 제13항 중 임의의 방법을 수행하게 하는 명령어들을 포함하는 적어도 하나의 머신 판독가능 매체.
- 제1항 내지 제13항 중 임의의 방법을 수행하는 수단을 포함하는 시스템.
- 에지 컴퓨팅 시스템의 네트워크에서의 종단간 품질 데이터 흐름 관리를 위한 시스템으로서,
적어도 하나의 프로세서; 및
명령어들을 포함하는 메모리를 포함하고, 상기 명령어들은, 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금:
상기 에지 컴퓨팅 시스템의 노드와 디바이스 사이의 진행중인 데이터 흐름에 대한 원격 측정 측정치들의 세트를 획득하고;
상기 진행중인 데이터 흐름에 대한 현재 키 성능 지시자(KPI)를 계산하고;
상기 현재 KPI를 목표 KPI와 비교하여 긴급성 값을 결정하고;
상기 네트워크의 리소스들에 대한 리소스 품질 메트릭들의 세트를 수집하고;
리소스 조정 모델을 이용하여 상기 리소스 품질 메트릭들의 세트를 평가하여 이용가능한 리소스 조정들을 결정하고;
상기 긴급성 값의 예상된 최소화에 기초하여 상기 이용가능한 리소스 조정들로부터 리소스 조정을 선택하고;
상기 선택된 리소스 조정을 이용하여 상기 진행중인 데이터 흐름의 전달을 수정하는 동작들을 수행하게 하는, 시스템. - 제16항에 있어서,
상기 원격 측정 측정치들의 세트는 상기 진행중인 데이터 흐름의 전달의 기간 동안 수집되고, 상기 원격 측정 측정치들의 세트의 각각의 원격 측정 측정치는 상기 현재 데이터 흐름의 전달 컴포넌트에 대한 성능 지시자인, 시스템. - 제16항에 있어서,
상기 메모리는 상기 적어도 하나의 프로세서로 하여금:
상기 리소스 조정의 대상인 리소스에 대응하는 서비스를 식별하고;
상기 긴급성 값에 기초하여 상기 리소스 조정을 위한 조정 값을 결정하는 동작들을 수행하게 하는 명령어를 추가로 포함하고, 상기 진행중인 데이터 흐름의 전달을 수정하는 것은 상기 조정 값에 기초하여 상기 진행중인 데이터 흐름의 프로세싱을 수정하기 위한 커맨드를 상기 서비스의 서비스 제공자로 송신하는 것을 포함하는, 시스템. - 제16항에 있어서,
상기 메모리는 상기 적어도 하나의 프로세서로 하여금 상기 원격 측정 측정치들의 세트를 이용하여 작업 연관 메트릭들의 행렬을 생성하게 하는 명령어들을 추가로 포함하고, 상기 현재 KPI는 상기 행렬을 이용하여 계산되는, 시스템. - 제16항에 있어서,
상기 메모리는 상기 적어도 하나의 프로세서로 하여금 상기 목표 KPI를 생성하기 위해 상기 진행중인 데이터 흐름에 대응하는 서비스 품질 모델과 대조하여 상기 진행중인 데이터 흐름과 연관된 데이터 흐름 전달 메트릭들의 세트를 평가하게 하는 명령어들을 추가로 포함하는, 시스템. - 제16항에 있어서,
상기 메모리는 상기 적어도 하나의 프로세서로 하여금 상기 현재 KPI를 결정하기 위해 뉴럴 네트워크를 이용하여 상기 원격 측정 측정치들의 세트를 평가하게 하는 명령어들을 추가로 포함하고, 상기 평가는 상기 진행중인 데이터 흐름의 상기 원격 측정 측정치들의 세트를 현재 서비스 품질에 매핑하는, 시스템. - 제16항에 있어서,
상기 이용가능한 리소스 조정들로부터 리소스 조정을 선택하기 위한 명령어는 상기 적어도 하나의 프로세서로 하여금:
상기 리소스 조정에 대응하는 작업들과 연관된 노드들에 대한 이용가능한 리소스 값들을 식별하고;
상기 이용가능한 리소스 값들을 상기 이용가능한 리소스 조정에 의해 특정된 리소스 값들과 비교하고;
이용가능한 리소스 값이 상기 리소스 조정의 리소스 값과 호환가능한 것에 적어도 부분적으로 기초하여 상기 리소스 조정을 선택하는 동작들을 수행하게 하는 명령어들을 추가로 포함하는, 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/722,740 | 2019-12-20 | ||
| US16/722,740 US11146455B2 (en) | 2019-12-20 | 2019-12-20 | End-to-end quality of service in edge computing environments |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210081227A true KR20210081227A (ko) | 2021-07-01 |
Family
ID=70326132
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200122121A KR20210081227A (ko) | 2019-12-20 | 2020-09-22 | 에지 컴퓨팅 환경에서의 종단간 서비스 품질 |
Country Status (4)
| Country | Link |
|---|---|
| US (2) | US11146455B2 (ko) |
| KR (1) | KR20210081227A (ko) |
| CN (1) | CN113014415A (ko) |
| DE (1) | DE102020125219A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230033417A (ko) * | 2021-09-01 | 2023-03-08 | 고려대학교 산학협력단 | 컨테이너에 대한 리소스 간 의존성 스케줄링 방법 및 이를 수행하는 네트워크 시스템 |
Families Citing this family (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10908828B1 (en) * | 2019-07-25 | 2021-02-02 | EMC IP Holding Company LLC | Enhanced quality of service (QoS) for multiple simultaneous replication sessions in a replication setup |
| US11146455B2 (en) | 2019-12-20 | 2021-10-12 | Intel Corporation | End-to-end quality of service in edge computing environments |
| US11284288B2 (en) * | 2019-12-31 | 2022-03-22 | Celona, Inc. | Method and apparatus for microslicing wireless communication networks with device groups, service level objectives, and load/admission control |
| US11582757B2 (en) * | 2020-02-26 | 2023-02-14 | At&T Iniellectual Property I, L.P. | Facilitation of radio access network intelligent controller resource preservation framework for 5G or other next generation network |
| US11301288B2 (en) * | 2020-05-08 | 2022-04-12 | T-Mobile Usa, Inc. | Container management based on application performance indicators |
| CN111679821B (zh) * | 2020-05-24 | 2021-05-14 | 杭州云徙科技有限公司 | 一种基于微服务的中台系统及软件定义中台系统构建方法 |
| CN111813539B (zh) * | 2020-05-29 | 2024-06-28 | 西安交通大学 | 一种基于优先级与协作的边缘计算资源分配方法 |
| CN111800477B (zh) * | 2020-06-15 | 2022-09-23 | 浙江理工大学 | 一种面向边缘计算数据质量感知的区别化激励方法 |
| CN111866887B (zh) * | 2020-06-22 | 2022-08-02 | 北京邮电大学 | 一种车载网络中通信、缓存和计算资源联合优化方法 |
| US11533217B2 (en) | 2020-07-31 | 2022-12-20 | Hewlett Packard Enterprise Development Lp | Systems and methods for predictive assurance |
| NL2026456B1 (en) * | 2020-09-11 | 2022-05-12 | Microsoft Technology Licensing Llc | Automatic node fungibility between compute and infrastructure nodes in edge zones |
| CN112702382A (zh) * | 2020-09-17 | 2021-04-23 | 宁波市永能电力产业投资有限公司电力工程安装分公司 | 一种变电站施工用移动边缘计算节点的方法 |
| US20210021484A1 (en) * | 2020-09-25 | 2021-01-21 | Intel Corporation | Methods and apparatus to schedule workloads based on secure edge to device telemetry |
| US11645111B2 (en) * | 2020-10-23 | 2023-05-09 | International Business Machines Corporation | Managing task flow in edge computing environment |
| US11645109B2 (en) | 2020-10-25 | 2023-05-09 | International Business Machines Corporation | Managing failures in edge computing environments |
| US11700178B2 (en) * | 2020-10-30 | 2023-07-11 | Nutanix, Inc. | System and method for managing clusters in an edge network |
| US11153163B1 (en) | 2020-10-30 | 2021-10-19 | Nutanix, Inc. | Cloud-controlled configuration of edge processing units |
| CN114513506A (zh) * | 2020-11-17 | 2022-05-17 | 中国联合网络通信集团有限公司 | 业务处理方法、接入边缘云服务器及业务处理系统 |
| US11516087B2 (en) * | 2020-11-30 | 2022-11-29 | Google Llc | Connecting processors using twisted torus configurations |
| CN113391907A (zh) * | 2021-06-25 | 2021-09-14 | 中债金科信息技术有限公司 | 一种任务的放置方法、装置、设备和介质 |
| CN113596146B (zh) * | 2021-07-27 | 2022-10-04 | 北京赛昇科技有限公司 | 一种基于大数据的资源调度的方法及装置 |
| US20230033818A1 (en) * | 2021-07-30 | 2023-02-02 | International Business Machines Corporation | Edge function-guided artifical intelligence request routing |
| CN113795026B (zh) * | 2021-08-02 | 2022-07-15 | 西安电子科技大学 | 边缘计算网络中计算卸载的认证安全级别和资源优化方法 |
| CN115309605A (zh) * | 2021-08-03 | 2022-11-08 | 贵州安禾晟达企业管理有限公司 | 一种基于大数据的异常监测的方法及装置 |
| US11610478B2 (en) * | 2021-08-09 | 2023-03-21 | Peltbeam Inc. | Communication system and method for controlling cooperation between edge devices arranged in vehicle |
| US20230058310A1 (en) * | 2021-08-19 | 2023-02-23 | Sterlite Technologies Limited | Method and system for deploying intelligent edge cluster model |
| WO2023051940A1 (en) * | 2021-10-01 | 2023-04-06 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods and apparatus for quality of service analysis |
| US20230195373A1 (en) * | 2021-12-20 | 2023-06-22 | Pure Storage, Inc. | Containerized Application Deployment Across Clusters |
| US11765065B1 (en) | 2022-03-23 | 2023-09-19 | Nutanix, Inc. | System and method for scalable telemetry |
| CN115134364B (zh) * | 2022-06-28 | 2023-06-16 | 西华大学 | 基于o-ran物联网系统的节能计算卸载系统及方法 |
| WO2024005562A1 (en) * | 2022-07-01 | 2024-01-04 | Samsung Electronics Co., Ltd. | Embedding neural networks as a matrix for network device in wireless network |
| CN118233521A (zh) * | 2022-12-21 | 2024-06-21 | 中兴通讯股份有限公司 | 服务资源的调度方法及装置 |
| CN116362526B (zh) * | 2023-06-01 | 2023-08-11 | 广州健新科技有限责任公司 | 一种用于数字化电厂的云边协同资源管控方法及系统 |
| CN117331795B (zh) * | 2023-12-01 | 2024-01-26 | 南京研利科技有限公司 | 服务指标计算方法与系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8140666B2 (en) * | 2007-03-29 | 2012-03-20 | International Business Machines Corporation | Method and apparatus for network distribution and provisioning of applications across multiple domains |
| US7852849B2 (en) * | 2008-03-04 | 2010-12-14 | Bridgewater Systems Corp. | Providing dynamic quality of service for virtual private networks |
| US8787388B1 (en) * | 2011-08-29 | 2014-07-22 | Big Switch Networks, Inc. | System and methods for forwarding packets through a network |
| US10642800B2 (en) | 2013-10-25 | 2020-05-05 | Vmware, Inc. | Multi-tenant distributed computing and database |
| US20170245179A1 (en) * | 2016-02-23 | 2017-08-24 | Huawei Technologies Co., Ltd. | Method and Apparatus for Dynamic Backhaul Resource Allocation in a Radio Access Network |
| WO2018144060A1 (en) | 2017-02-05 | 2018-08-09 | Intel Corporation | Microservice provision and management |
| WO2018175559A1 (en) * | 2017-03-22 | 2018-09-27 | Burlywood, LLC | Drive-level internal quality of service |
| US10785124B2 (en) * | 2017-08-17 | 2020-09-22 | Facebook, Inc. | Network planning with availability guarantees |
| US11507430B2 (en) * | 2018-09-27 | 2022-11-22 | Intel Corporation | Accelerated resource allocation techniques |
| US11165677B2 (en) * | 2018-10-18 | 2021-11-02 | At&T Intellectual Property I, L.P. | Packet network performance monitoring |
| US11146455B2 (en) | 2019-12-20 | 2021-10-12 | Intel Corporation | End-to-end quality of service in edge computing environments |
-
2019
- 2019-12-20 US US16/722,740 patent/US11146455B2/en active Active
-
2020
- 2020-09-09 CN CN202010941699.7A patent/CN113014415A/zh active Pending
- 2020-09-22 KR KR1020200122121A patent/KR20210081227A/ko unknown
- 2020-09-28 DE DE102020125219.6A patent/DE102020125219A1/de active Pending
-
2021
- 2021-10-05 US US17/494,511 patent/US11539596B2/en active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230033417A (ko) * | 2021-09-01 | 2023-03-08 | 고려대학교 산학협력단 | 컨테이너에 대한 리소스 간 의존성 스케줄링 방법 및 이를 수행하는 네트워크 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200136920A1 (en) | 2020-04-30 |
| US11146455B2 (en) | 2021-10-12 |
| US11539596B2 (en) | 2022-12-27 |
| US20220182291A1 (en) | 2022-06-09 |
| CN113014415A (zh) | 2021-06-22 |
| DE102020125219A1 (de) | 2021-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11146455B2 (en) | End-to-end quality of service in edge computing environments | |
| US11768705B2 (en) | Automatic localization of acceleration in edge computing environments | |
| US11374776B2 (en) | Adaptive dataflow transformation in edge computing environments | |
| US11831507B2 (en) | Modular I/O configurations for edge computing using disaggregated chiplets | |
| US11159609B2 (en) | Method, system and product to implement deterministic on-boarding and scheduling of virtualized workloads for edge computing | |
| US11218546B2 (en) | Computer-readable storage medium, an apparatus and a method to select access layer devices to deliver services to clients in an edge computing system | |
| US11824784B2 (en) | Automated platform resource management in edge computing environments | |
| US20210014113A1 (en) | Orchestration of meshes | |
| US20210014114A1 (en) | Methods, apparatus, and articles of manufacture for workload placement in an edge environment | |
| EP3998720A2 (en) | Orchestrator execution planning using a distributed ledger | |
| US20210021484A1 (en) | Methods and apparatus to schedule workloads based on secure edge to device telemetry | |
| WO2021026481A1 (en) | Methods, systems, articles of manufacture and apparatus to improve job scheduling efficiency | |
| US20220014566A1 (en) | Network supported low latency security-based orchestration | |
| US20210014301A1 (en) | Methods and apparatus to select a location of execution of a computation | |
| US12041177B2 (en) | Methods, apparatus and systems to share compute resources among edge compute nodes using an overlay manager | |
| US20210119935A1 (en) | Objective driven orchestration | |
| US20210021431A1 (en) | Methods, apparatus and systems to share compute resources among edge compute nodes using an overlay manager |