CN112311834A - 边缘云的多级计算的描述及分发方法和*** - Google Patents

边缘云的多级计算的描述及分发方法和*** Download PDF

Info

Publication number
CN112311834A
CN112311834A CN201910709764.0A CN201910709764A CN112311834A CN 112311834 A CN112311834 A CN 112311834A CN 201910709764 A CN201910709764 A CN 201910709764A CN 112311834 A CN112311834 A CN 112311834A
Authority
CN
China
Prior art keywords
hierarchical
hierarchical node
computing
resources
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910709764.0A
Other languages
English (en)
Other versions
CN112311834B (zh
Inventor
熊鹰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910709764.0A priority Critical patent/CN112311834B/zh
Publication of CN112311834A publication Critical patent/CN112311834A/zh
Application granted granted Critical
Publication of CN112311834B publication Critical patent/CN112311834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • H04L67/104Peer-to-peer [P2P] networks
    • H04L67/1061Peer-to-peer [P2P] networks using node-based peer discovery mechanisms
    • H04L67/1065Discovery involving distributed pre-established resource-based relationships among peers, e.g. based on distributed hash tables [DHT] 
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • H04L67/1001Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • H04L67/104Peer-to-peer [P2P] networks
    • H04L67/1074Peer-to-peer [P2P] networks for supporting data block transmission mechanisms

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明提供了一种边缘云的多级计算的描述及分发方法和***,通过对计算业务描述模板的解析和对分级节点资源及计算逻辑资源的管控,以实现将不同资源需求以及计算逻辑需求分发到不同的分级的资源节点,实现***中各分级节点的负载均衡,有效的提高边缘云的计算能力,以更好的支持用户业务的需求。

Description

边缘云的多级计算的描述及分发方法和***
技术领域
本发明涉及云计算领域,更具体地说,涉及一种边缘云的多级计算的描述及分发方法和***。
背景技术
随着互联网和大数据技术的发展,传统的中心计算方式渐渐不能满足海量数据处理的需求,基于分布式计算的云计算技术应运而生。云计算技术是分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡、热备份冗余等传统计算机和网络技术发展融合的产物,伴随着数据处理量的***式增长而不断的变化和演进。5G、物联网时代的即将到来,现有的云计算技术已经无法满足终端侧″大带宽,高速率,低时延″的需求,由此产生了边缘云计算的概念。边缘计算技术的出现,标志着云计算发展到下一个阶段,将云计算的能力拓展至距离终端最近的边缘侧,并通过云边端的统一管控实现云计算服务的下沉,供端到端的云服务。
目前,边缘云技术已经逐渐应用在函数计算及多级计算等多个领域。现有方案中,边缘云的多级计算通常包含函数计算,容器,容器编排技术的组合,这些都是在公共云大集群里的方案,缺点主要包括以下三点:一是没有一个统一的资源及计算整合的工具来统一描述用户业务形态以满足用户需求,二是没有对分级的资源管理及计算逻辑的管理,三是没有异构节点对于不同计算逻辑环境的管理。由此可见,由于没有统一的工具和业务模板来对边缘云的资源和计算逻辑进行管理,导致边缘云的多级计算实质是仍是沿用传统云计算的资源和计算逻辑的管理方式,计算的效率不能够得到有效的提高。因此需要一种边缘云的多级计算的描述及分发方法,能够通过对计算业务描述模板和分级节点资源及计算逻辑资源的管控,以实现将不同资源需求以及计算逻辑需求分发到不同的分级的资源节点。
发明内容
有鉴于此,本发明的目的在于提供一种边缘云的多级计算的描述及分发方法和***,用于解决没有统一的资源及计算整合的工具来统一描述用户业务形态以满足用户需求的问题,实现了***中各分级节点的负载均衡,有效的提高边缘云的计算能力,以更好的支持用户业务的需求。
为了解决上述技术问题,现提出的方案如下:
一种边缘云的多级计算的描述及分发方法,包括:
云端解析组件接收并解析用户发送的计算业务描述模板,生成分级节点资源需求和计算逻辑部署需求,并发送到云端分发部署组件;
所述云端分发部署组件确定与所述分级节点资源需求相匹配的分级节点,基于所述分级节点资源需求和所述计算逻辑部署需求获取分级节点资源和计算逻辑资源,并分发到已匹配的分级节点;
所述分级节点的端部署组件根据接收的所述分级节点资源初始化不同类型的所述分级节点的计算环境,本地存储并加载处理所述计算逻辑资源。
优选的,所述计算业务描述模板定义所述用户需要使用的计算能力、使用的计算逻辑资源,以及是否需要弹性扩缩容。
优选的,根据所述分级节点资源需求搜索并确定与其相匹配的分级节点,从节点资源管理组件获取与所述分级节点资源需求对应的分级节点资源,从计算逻辑存储组件获取与所述计算逻辑部署需求对应的计算逻辑资源,将所述分级节点资源和所述计算逻辑资源分发到已匹配的分级节点。
优选的,所述不同类型的分级节点为异构网络节点,包括强节点和弱节点。
优选的,所述分级节点的端部署组件根据接收的所述分级节点资源初始化不同类型的所述分级节点的计算环境,本地存储并加载处理所述计算逻辑资源,具体包括:在强节点提供虚拟机(kvm)、容器(docker)、容器编排(k8s)的能力,在弱节点提供函数计算、原生应用的能力。
优选的,所述不同类型的分级节点至少包括以下之一:互联网数据中心IDC节点、移动边缘计算MEC节点、端节点。
优选的,所述分发的过程是使用普通的文件下载,或者是使用加速传输网络传输。
一种边缘云的多级计算的描述及分发***,包括:云端和不同类型的分级节点;其中,所述云端至少包括:
云端解析组件,用于接收并解析用户发送的计算业务描述模板,生成分级节点资源需求和计算逻辑部署需求,并发送到云端分发部署组件;
所述云端分发部署组件,用于确定与所述分级节点资源需求相匹配的分级节点,基于所述分级节点资源需求和所述计算逻辑部署需求获取分级节点资源和计算逻辑资源,并分发到已匹配的分级节点;
所述分级节点至少包括:
端部署组件,用于接收所述云端发送的所述分级节点资源和所述计算逻辑资源,根据所述分级节点资源初始化所述不同类型的分级节点的计算环境,本地存储并加载处理所述计算逻辑资源。
优选的,所述云端还包括:
节点资源管理组件,用于负责所述分级节点资源的存储、检测和匹配;
计算逻辑存储组件,用于负责所述计算逻辑资源的存储、鉴权和匹配。
一种边缘云的多级计算的描述及分发装置,包括存储器、处理器以及存储在所述存储器中并可在所述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边缘云的多级计算的描述及分发方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现边缘云的多级计算的描述及分发方法的步骤。
从上述的技术方案可以看出,本申请实施例提供的边缘云的多级计算的描述及分发方法,使用标准的计算业务描述模板进行需求的管理,使用统一的资源及计算整合的工具进行分级节点资源及计算逻辑资源的管控,针对不同的分级节点的类型进行不同资源和计算逻辑的配置,以实现将不同资源需求以及计算逻辑需求分发到不同的分级资源节点,均衡了***中各分级节点的负载,有效的提高了边缘云多级计算的效率,对不同用户的各类型业务需求给与了更好的支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明的边缘云的多级计算的描述及分发装置的结构示意图。
图2是本发明的边缘云的多级计算的描述及分发方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的边缘云的多级计算的描述及分发方法适用于云计算领域,尤其是边缘云的多级计算领域。
云计算(Cloud Computing),是基于互联网的相关服务的增加、使用和交互模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云计算是分布式计算(Distributed Computing)、并行计算(Parallel Computing)、效用计算(UtilityComputing)、网络存储(Network Storage Technologies)、虚拟化(Virtualization)、负载均衡(Load Balance)、热备份冗余(High Available)等传统计算机和网络技术发展融合的产物。
边缘云是一种云计算技术,基于云计算技术的核心和边缘计算的能力,构筑在边缘基础设施之上的云计算平台。形成边缘位置的计算、网络、存储、安全等能力全面的弹性云平台,并与中心云和物联网终端形成″云边端三体协同″的端到端的技术架构,通过将网络转发、存储、计算,智能化数据分析等工作放在边缘处理,降低响应时延、减轻云端压力、降低带宽成本,并供全网调度、算力分发等云服务。
按位置区分,边缘云由多级节点构成,包含互联网数据中心IDC节点、移动边缘计算MEC节点、端节点等。这些节点除了位置以外,节点能力也不相同,可承载的业务也不相同。
如图1所示,本发明提供的一种边缘云的多级计算的描述及分发***,所述***包括:云端100和不同类型的分级节点200。
云端100具体包括:云端解析组件101、云端分发部署组件102、节点资源管理组件103、计算逻辑存储组件104。
分级节点200包括端部署组件201。
云端解析组件101,用于接收用户发送的计算业务描述模板,对计算业务描述模板进行解析,生成分级节点资源需求和计算逻辑部署需求,并发送到云端分发部署组件102。
计算业务描述模板定义了用户需要使用的计算能力,使用的计算逻辑资源,是否需要弹性扩缩容等内容,可以通过json或者xml或者其他动态描述语言。
具体来说,计算业务模板针对边缘云的特点,定义了多级资源节点的使用方式;将用户的需求根据业务需求的类型,划分为不同资源节点的使用;另外根据不同的资源节点,也提供了不同的计算逻辑能力。
不同类型的分级节点为异构网络节点,包括强节点和弱节点。强节点和弱节点能够运行在不同的协议上支持不同的功能或应用,或者具有不同的负载均衡能力。
在不同类型的分级节点提供不同的计算逻辑能力,具体来说,例如在强节点集群里提供虚拟机(kvm)、容器(docker)、容器编排(k8s)的能力,在弱节点里提供函数计算、原生应用的能力。
计算业务模板的使用,实现了用户业务形态的统一描述,能够满足用户的需求,同时提高了业务处理的效率。
KVM虚拟机,Kernel-based Virtual Machine的简称,是一个开源的***虚拟化模块,其核心源码很少,虚拟化需要硬件支持,是基于硬件的完全虚拟化。
Docker是一个开源的应用容器引擎,是一个启动和停止容器的工具,让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口。
容器编排是为了满足对部署在多个主机上的容器进行管理的需求。容器编排工具提供调度和集群的技术,提供用于基于容器应用可扩展性的基本机制。容器编排工具使用容器服务,并编排他们以决定容器之间如何进行交互,将生命周期管理能力扩展到部署在大量机器集群上部署的复杂的、多容器工作负载,为开发人员和基础设施团队提供了一个抽象层来处理大规模的容器化部署。
分级节点资源需求主要包括本地资源需求和网络资源需求,具体来说:
本地资源需求包括对内存、中央处理器CPU等硬件设备的需求,例如需要多大的计算能力、***运行时需要消耗多少内存、***数据管理需要多大的缓存空间等。
网络资源需求包括需要什么网络资源预留、多大的网络传输速率、网络安全问题、网络计费问题等。
计算逻辑部署需求主要是指需要部署什么样的计算单元。
云端分发部署组件102,用于从不同类型的分级节点确定与分级节点资源需求相匹配的分级节点200,基于分级节点资源需求和计算逻辑部署需求获取分级节点资源和计算逻辑资源,并分发到已匹配的分级节点200。
具体来说,云端分发部署组件102根据分级节点资源需求搜索并确定与其相匹配的分级节点200,从节点资源管理组件103获取与分级节点资源需求对应的分级节点资源,从计算逻辑存储组件104获取与计算逻辑部署需求对应的计算逻辑资源,将分级节点资源和计算逻辑资源分发到已匹配的分级节点200。
云端分发部署组件102作为云端100与分级节点200进行交互的组件,具体实现了以下三个功能:1、将节点资源需求解析,寻找合适的分级的资源节点;2、将这些资源节点按照用户的计算业务的需求初始化;3、将用户的计算逻辑资源分发到相应的分级的资源节点上。
具体来说,实现上述功能包括以下几个步骤:
首先获取对计算业务描述模板解析后的结果,即分级节点资源需求和计算逻辑部署需求。
接着云端分发部署组件102根据分级节点资源需求搜索网络中所有的分级节点200,确定负载能够匹配的相关分级节点200或者是具备获取分级节点资源资格的分级节点200。
然后云端分发部署组件102将分级节点资源需求发送至节点资源管理组件103,从节点资源管理组件103接收对分级节点资源需求进行分析和匹配后的结果,即分级节点资源需求对应的分级节点资源。同时,将计算逻辑部署需求发送至计算逻辑存储组件104,从计算逻辑存储组件104接收对计算逻辑部署需求进行分析和匹配后的结果,即与计算逻辑部署需求对应的计算逻辑资源。
最后将获取的分级节点资源和计算逻辑资源分发到确定的已匹配的分级节点200。
本发明的边缘云的多级计算的描述及分发***中,具备专用的装置处理和分析分级节点资源需求和计算逻辑部署需求,即节点资源管理组件103和计算逻辑存储组件104,同时,云端分发部署组件102整合所有类型的资源,向不同的分级节点200统一分发,实现了使用统一的资源及计算整合的工具进行边缘云分级计算的资源的处理。
节点资源管理组件103,位于云端100,用于负责分级节点资源的分配、检测、库存管理等功能。
节点资源包括物理资源和逻辑资源,具体可以分为两个类型:
节点资源类和网络资源类。
其中,节点资源类包括链路带宽、内存、中央处理器CPU等。
CPU资源管理,主要是对信包的调度执行进行管理,即如何快速的调度、执行到达节点的信包。
内存管理,主要是涉及***缓冲区的管理和主动包运行时所耗的内存的管理。
网络资源类包括网络资源预留、网络拥塞控制和流量控制、网络Qos保证、网络安全、网络计费等,主要是如何合理分配有限的带宽资源。
节点资源管理组件103中包括数据库,其中存储着分级节点资源需求与分级节点资源的对应表,同时能够根据资源的变化情况进行分级节点资源的更新。
节点资源管理组件103从云端分发部署组件102接收分级节点资源需求,从数据库中查表进行分级节点资源需求与分级节点资源的匹配,将匹配的分级节点资源反馈至云端分发部署组件102。
计算逻辑存储组件104,位于云端100,用于负责用户计算逻辑资源存储、管理、鉴权等功能。
逻辑运算(logical operators)又称布尔运算,是数字符号化的逻辑推演法,包括联合、相交、相减。逻辑代数在电路***上获得应用,逻辑运算通常用来测试真假值。最常见到的逻辑运算就是循环的处理,用来判断是否该离开循环或继续执行循环内的指令。
计算逻辑存储组件104中包括数据库,其中存储着计算逻辑部署需求与计算逻辑资源的对应表,同时能够根据资源的变化情况进行计算逻辑资源的更新。
计算逻辑存储组件104从云端分发部署组件102接收计算逻辑部署需求,从数据库中查表进行计算逻辑部署需求与计算逻辑资源的匹配,将匹配的计算逻辑资源反馈至云端分发部署组件102。
同时,计算逻辑存储组件104还包括用户鉴权模块,用于对用户获取计算逻辑资源的资格进行审核。
分级节点200包括端部署组件201,其具备多级节点分级管理能力、分级部署能力,以及不同的计算逻辑的管理及分发能力。
同时,端部署组件201能够根据分级的异构的节点支持不同的虚拟计算环境的能力,例如在强节点集群里提供虚拟机(kvm)、容器(docker)、容器编排(k8s)的能力,在弱节点里提供函数计算、原生应用的能力。这样就实现了异构节点对于不同计算逻辑环境的管理,均衡了***中各分级节点的负载,有效的提高了边缘云多级计算的效率。
端部署组件201,用于接收云端100发送的分级节点资源和计算逻辑资源,根据分级节点资源初始化不同类型的分级节点的计算环境,本地存储并加载处理所述计算逻辑资源。具体包括:
1、接收云端部署组件指令,根据业务需求初始化不同的计算环境;2、接受云端部署组件指令,将用户的计算逻辑资源下载存储到本地,并进行相应的加载处理。此分发过程可以使用普通的文件下载,也可以使用加速传输网络例如P2P网络传输。
由于分级节点具有不同的类型,所以根据节点的不同类型初始化不同的计算环境。其中,不同类型的分级节点至少包括以下之一:互联网数据中心IDC节点、移动边缘计算MEC节点、端节点。
IDC,全称Internet Data Center,即互联网数据中心,简称IDC机房,是指用于安置计算机***及相关部件的地方,提供基础性的网络服务,例如主机托管、带宽出租等。
MEC,全称Mobile Edge Computing,是基于5G演进的架构,并将移动接入网与互联网业务深度融合的一种技术。MEC可利用无线接入网络就近提供电信用户IT所需服务和云端计算功能,而创造出一个具备高性能、低延迟与高带宽的电信级服务环境,加速网络中各项内容、服务及应用的快速下载,让消费者享有不问断的高质量网络体验。
基于本发明前文提供的一种边缘云的多级计算的描述及分发***的相同构思,本发明还提供一种本发明的边缘云的多级计算的描述及分发方法,如图2所示,该方法应用在边缘云的多级计算的描述及分发***中,具体包括以下步骤:
步骤101,云端解析组件接收并解析用户发送的计算业务描述模板,生成分级节点资源需求和计算逻辑部署需求,并发送到云端分发部署组件。
计算业务描述模板定义所述用户需要使用的计算能力、使用的计算逻辑资源,以及是否需要弹性扩缩容。
步骤102,云端分发部署组件从不同类型的分级节点中确定与分级节点资源需求相匹配的分级节点,基于分级节点资源需求和计算逻辑部署需求获取分级节点资源和计算逻辑资源,并分发到已匹配的分级节点。
具体来说,云端分发部署组件根据分级节点资源需求搜索网络中所有的分级节点,确定负载能够匹配需求的相关分级节点或者是具备获取分级节点资源资格的分级节点。
云端分发部署组件将分级节点资源需求发送至节点资源管理组件,节点资源管理组件从本地的数据库中查寻分级节点资源需求与分级节点资源的对应表,进行分级节点资源需求与分级节点资源的匹配,将匹配后的分级节点资源反馈至云端分发部署组件。
同时,云端分发部署组件将计算逻辑部署需求发送至计算逻辑存储组件,计算逻辑存储组件从本地的数据库中查寻计算逻辑部署需求与计算逻辑资源的对应表,进行计算逻辑部署需求与计算逻辑资源的匹配,将匹配后的计算逻辑资源反馈至云端分发部署组件。
其中,分发的过程是使用普通的文件下载,或者是使用加速传输网络传输。
步骤103,分级节点的端部署组件根据接收的分级节点资源初始化不同类型的分级节点的计算环境,本地存储并加载处理计算逻辑资源。
不同类型的分级节点至少包括以下之一:互联网数据中心IDC节点、移动边缘计算MEC节点、端节点。
本申请实施例提供的边缘云的多级计算的描述及分发方法,使用标准的计算业务描述模板进行需求的管理,使用统一的资源及计算整合的工具进行分级节点资源及计算逻辑资源的管控,针对不同的分级节点的类型进行不同资源和计算逻辑的配置,以实现将不同资源需求以及计算逻辑需求分发到不同的分级资源节点,有效的提高了边缘云多级计算的效率,对不同用户的各类型业务需求给与了更好的支撑。
最后,还需要说明的是,在本文中,术语″包括″、″包含″或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句″包括一个......″限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
附图中的流程图和框图显示了根据本发明的多个实施例的方法、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图和框图中的每个方框可以代表一个模块、程序段或代码的一部分,包含一个或多个用于实现逻辑功能的计算机可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。也要注意的是,框图和流程图中的每个方框或方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。

Claims (11)

1.一种边缘云的多级计算的描述及分发方法,其特征在于,所述方法包括:
云端解析组件接收并解析用户发送的计算业务描述模板,生成分级节点资源需求和计算逻辑部署需求,并发送到云端分发部署组件;
所述云端分发部署组件确定与所述分级节点资源需求相匹配的分级节点,基于所述分级节点资源需求和所述计算逻辑部署需求获取分级节点资源和计算逻辑资源,并分发到已匹配的分级节点;
所述分级节点的端部署组件根据接收的所述分级节点资源初始化不同类型的所述分级节点的计算环境,本地存储并加载处理所述计算逻辑资源。
2.根据权利要求1所述的方法,其特征在于,所述计算业务描述模板定义所述用户需要使用的计算能力、使用的计算逻辑资源,以及是否需要弹性扩缩容。
3.根据权利要求1所述的方法,其特征在于,具体包括:根据所述分级节点资源需求搜索并确定与其相匹配的分级节点,从节点资源管理组件获取与所述分级节点资源需求对应的分级节点资源,从计算逻辑存储组件获取与所述计算逻辑部署需求对应的计算逻辑资源,将所述分级节点资源和所述计算逻辑资源分发到已匹配的分级节点。
4.根据权利要求1所述的方法,其特征在于,所述不同类型的分级节点为异构网络节点,包括强节点和弱节点。
5.根据权利要求1所述的方法,其特征在于,所述分级节点的端部署组件根据接收的所述分级节点资源初始化所述不同类型的分级节点的计算环境,本地存储并加载处理所述计算逻辑资源,具体包括:在强节点提供虚拟机(kvm)、容器(docker)、容器编排(k8s)的能力,在弱节点提供函数计算、原生应用的能力。
6.根据权利要求1所述的方法,其特征在于,所述不同类型的分级节点至少包括以下之一:互联网数据中心IDC节点、移动边缘计算MEC节点、端节点。
7.根据权利要求1所述的方法,其特征在于,所述分发的过程是使用普通的文件下载,或者是使用加速传输网络传输。
8.一种边缘云的多级计算的描述及分发***,其特征在于,所述***包括:云端和不同类型的分级节点;其中,所述云端至少包括:
云端解析组件,用于接收并解析用户发送的计算业务描述模板,生成分级节点资源需求和计算逻辑部署需求,并发送到云端分发部署组件;
所述云端分发部署组件,用于确定与所述分级节点资源需求相匹配的分级节点,基于所述分级节点资源需求和所述计算逻辑部署需求获取分级节点资源和计算逻辑资源,并分发到已匹配的分级节点;
所述分级节点至少包括:
端部署组件,用于接收所述云端发送的所述分级节点资源和所述计算逻辑资源,根据所述分级节点资源初始化所述不同类型的分级节点的计算环境,本地存储并加载处理所述计算逻辑资源。
9.根据权利要求8所述的***,其特征在于,所述云端还包括:
节点资源管理组件,用于负责所述分级节点资源的存储、检测和匹配;
计算逻辑存储组件,用于负责所述计算逻辑资源的存储、鉴权和匹配。
10.一种边缘云的多级计算的描述及分发装置,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1-6任一项所述方法的步骤。
11.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一项所述方法的步骤。
CN201910709764.0A 2019-08-02 2019-08-02 边缘云的多级计算的描述及分发方法和*** Active CN112311834B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910709764.0A CN112311834B (zh) 2019-08-02 2019-08-02 边缘云的多级计算的描述及分发方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910709764.0A CN112311834B (zh) 2019-08-02 2019-08-02 边缘云的多级计算的描述及分发方法和***

Publications (2)

Publication Number Publication Date
CN112311834A true CN112311834A (zh) 2021-02-02
CN112311834B CN112311834B (zh) 2022-08-30

Family

ID=74486525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910709764.0A Active CN112311834B (zh) 2019-08-02 2019-08-02 边缘云的多级计算的描述及分发方法和***

Country Status (1)

Country Link
CN (1) CN112311834B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113300854A (zh) * 2021-05-21 2021-08-24 重庆紫光华山智安科技有限公司 一种边缘节点能力扩展方法、***及扩展盒子
CN115484265A (zh) * 2022-09-19 2022-12-16 合肥合锻智能制造股份有限公司 基于云边协同的多源异构数据的管理***
CN115664982A (zh) * 2022-12-27 2023-01-31 成都大学 基于云计算的网络资源管理***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101977242A (zh) * 2010-11-16 2011-02-16 西安电子科技大学 一种分层分布式云计算体系结构及服务提供方法
US20170366472A1 (en) * 2016-06-16 2017-12-21 Cisco Technology, Inc. Fog Computing Network Resource Partitioning
US20180167445A1 (en) * 2016-12-12 2018-06-14 Vituosys Limited Edge Computing System
CN109976915A (zh) * 2019-04-02 2019-07-05 中国联合网络通信集团有限公司 基于边缘计算的边云协同需求的优化方法和***
CN109981753A (zh) * 2019-03-07 2019-07-05 中南大学 一种面向物联网的软件定义的边缘计算的***及资源分配方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101977242A (zh) * 2010-11-16 2011-02-16 西安电子科技大学 一种分层分布式云计算体系结构及服务提供方法
US20170366472A1 (en) * 2016-06-16 2017-12-21 Cisco Technology, Inc. Fog Computing Network Resource Partitioning
US20180167445A1 (en) * 2016-12-12 2018-06-14 Vituosys Limited Edge Computing System
CN109981753A (zh) * 2019-03-07 2019-07-05 中南大学 一种面向物联网的软件定义的边缘计算的***及资源分配方法
CN109976915A (zh) * 2019-04-02 2019-07-05 中国联合网络通信集团有限公司 基于边缘计算的边云协同需求的优化方法和***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吕华章等: "聚焦MEC边缘云,赋能5G行业应用", 《信息通信技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113300854A (zh) * 2021-05-21 2021-08-24 重庆紫光华山智安科技有限公司 一种边缘节点能力扩展方法、***及扩展盒子
CN113300854B (zh) * 2021-05-21 2023-04-07 重庆紫光华山智安科技有限公司 一种边缘节点能力扩展方法、***及扩展盒子
CN115484265A (zh) * 2022-09-19 2022-12-16 合肥合锻智能制造股份有限公司 基于云边协同的多源异构数据的管理***
CN115484265B (zh) * 2022-09-19 2024-07-12 合肥合锻智能制造股份有限公司 基于云边协同的多源异构数据的管理***
CN115664982A (zh) * 2022-12-27 2023-01-31 成都大学 基于云计算的网络资源管理***
CN115664982B (zh) * 2022-12-27 2023-03-10 成都大学 基于云计算的网络资源管理***

Also Published As

Publication number Publication date
CN112311834B (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
Rossi et al. Geo-distributed efficient deployment of containers with kubernetes
US11146504B2 (en) Market-based distributed resource allocation for edge-cloud systems
Shiraz et al. Energy efficient computational offloading framework for mobile cloud computing
Cardellini et al. Optimal operator replication and placement for distributed stream processing systems
CN112311834B (zh) 边缘云的多级计算的描述及分发方法和***
Ghorbannia Delavar et al. HSGA: a hybrid heuristic algorithm for workflow scheduling in cloud systems
US9092269B2 (en) Offloading virtual machine flows to physical queues
Baker et al. Cloud-SEnergy: A bin-packing based multi-cloud service broker for energy efficient composition and execution of data-intensive applications
CN110166507B (zh) 多资源调度方法和装置
Xiong et al. Challenges for building a cloud native scalable and trustable multi-tenant AIoT platform
US10621389B1 (en) Selecting platform-supported services
US11144359B1 (en) Managing sandbox reuse in an on-demand code execution system
Subalakshmi et al. Enhanced hybrid approach for load balancing algorithms in cloud computing
JP7275161B2 (ja) メモリフットプリントを制限したオンデマンドコード実行
CN117859309A (zh) 自动选择在其上执行任务的节点
US11861386B1 (en) Application gateways in an on-demand network code execution system
Wang et al. A web-based orchestrator for dynamic service function chaining development with kubernetes
Aarthee et al. Energy-aware heuristic scheduling using bin packing mapreduce scheduler for heterogeneous workloads performance in big data
Bolodurina et al. Development and research of models of organization storages based on the software-defined infrastructure
US20230138867A1 (en) Methods for application deployment across multiple computing domains and devices thereof
Salza et al. An approach for parallel genetic algorithms in the cloud using software containers
Moreno-Vozmediano et al. Latency and resource consumption analysis for serverless edge analytics
Awada Application-container orchestration tools and platform-as-a-service clouds: A survey
da Rosa Righi et al. Designing Cloud-Friendly HPC Applications
Awada Hybrid cloud federation: A case of better cloud resource efficiency

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