CN112532751A - 城市大脑ai计算中心分布式异构算力的调度方法及*** - Google Patents

城市大脑ai计算中心分布式异构算力的调度方法及*** Download PDF

Info

Publication number
CN112532751A
CN112532751A CN202110173976.9A CN202110173976A CN112532751A CN 112532751 A CN112532751 A CN 112532751A CN 202110173976 A CN202110173976 A CN 202110173976A CN 112532751 A CN112532751 A CN 112532751A
Authority
CN
China
Prior art keywords
pod
computing
database
scheduling
distributed heterogeneous
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
CN202110173976.9A
Other languages
English (en)
Other versions
CN112532751B (zh
Inventor
梅一多
何彬
谷雨明
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.)
Zhongguancun Smart City Co Ltd
Original Assignee
Zhongguancun Smart City Co 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 Zhongguancun Smart City Co Ltd filed Critical Zhongguancun Smart City Co Ltd
Priority to CN202110173976.9A priority Critical patent/CN112532751B/zh
Publication of CN112532751A publication Critical patent/CN112532751A/zh
Application granted granted Critical
Publication of CN112532751B publication Critical patent/CN112532751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • 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
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
    • 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
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/63—Routing a service request depending on the request content or context

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种城市大脑AI计算中心分布式异构算力的调度方法，包括：处理客户端提交的AI计算的任务请求，存储Pod数据到etcd；其中，在一些可选的实施例中任务请求符合Restful API规范；监控资源变化并做出反应；检查数据库的变化，创建期望数量的Pod实例；调用Kubernetes扩展调度器的定制化调度算法，并再次检查数据库的变化，根据设定规则将未被分配到具体节点的Pod分配到目标节点上，并更新数据库的记录；监控数据库的变化，管理后续Pod生命周期。本发明还公开了一种城市大脑AI计算中心分布式异构算力的调度***。该城市大脑AI计算中心分布式异构算力的调度方法的目的是解决中心化算力不足、网络传输能力不足以及数据隐私安全性低的问题。

Description

城市大脑AI计算中心分布式异构算力的调度方法及***
技术领域
本发明属于人工智能技术领域，具体涉及一种城市大脑AI计算中心分布式异构算力的调度方法及***。
背景技术
城市大脑是以新基建项目为切入点，基于云计算、大数据和智能传感器等技术，搭建城市级神经感知网，汇聚城市所产生的各种数据资源，利用人工智能和区块链技术，在城市交通治理、公共安全、应急管理、网格防控、医疗卫生、文化旅游、环境保护、城市精细化管理等应用场景，实现城市的精细化、动态化管理，缓解“大城市病”，改善市民生活质量。
其中的云计算、大数据等数字技术，是构建城市大脑的基石。传统的应用方案常是基于政务网和互联网，实现数据和算力的存储和部署，基于中心化算力集群实现AI（Artificial Intelligence，人工智能）训练和推理任务的执行。这种中心化的云计算方式，在城市大脑的建设初期，尤其是视频摄像头、语音线路和其他智能传感器接入数量较少时是可行的，随着城市大脑建设的推进，以及数据接入量的增加，必然面临网络传输的能力不足问题和中心化算力不足的问题。
随着城市大脑建设的推进，以及数据接入量的增加，中心化的云计算方式，面临着如下几点问题：
1.中心化算力不足问题
随着接入数据的增多，也会增加AI集群的算力需求，当算力不足时，就需要对集群进行扩容，从而增加建设成本。要解决智能时代庞大的算力需求问题，仅仅依靠中心化的算力支持是远远不够的，算力必然会从云和端向网络边缘进行扩散。
2.数据隐私安全问题
由于城市大脑的建设是要服务于公众和社会，因此会接入互联网数据，如何保护数据隐私，也是数据安全传输时需要重点解决的一个问题。
3.网络传输能力不足问题
由于中心化的云计算方式需要把各接入设备的数据都回传到AI算力集群，随着接入的设备的增加，势必增加网络传输的压力，造成算力集群网络带宽能力不足的问题。
有鉴于此，本领域技术人员亟待提供一种城市大脑AI计算中心分布式异构算力的调度方法及***用于解决上述问题。
发明内容
（一）要解决的技术问题
本发明要解决的技术问题是中心化算力不足、网络传输能力不足以及数据隐私安全性低。
（二）技术方案
本发明的第一方面提供了一种城市大脑AI计算中心分布式异构算力的调度方法，该调度方法包括以下步骤：
处理客户端提交的AI计算的任务请求，存储Pod数据到etcd；其中，所述任务请求符合Restful API规范；
监控资源变化并做出反应；
检查数据库的变化，创建期望数量的Pod实例；
调用Kubernetes扩展调度器的定制化调度算法，并再次检查所述数据库的变化，根据设定规则将未被分配到具体节点的Pod分配到目标节点上，并更新所述数据库的记录；
监控所述数据库的变化，管理后续Pod生命周期。
进一步地，所述任务请求支持的数据类型包括JSON和YAML。
进一步地，所述任务请求是训练任务或推理任务。
进一步地，在所述并更新所述数据库的记录后，还包括：
记录Pod的分配情况。
进一步地，所述监控所述数据库的变化，管理后续Pod生命周期，具体为：
发现被分配到它所在节点上运行的Pod，当发现新Pod时，则在该节点上运行所述新Pod。
进一步地，所述节点为通过区块链P2P网络，把异构的算力组成了虚拟的算力网络，通过一个去中心化的思想把异构的算力节点变成一个具有资源和作业调度能力的边缘计算设备，将所述边缘计算设备组成一个具有AI计算能力的分布式异构计算网络，将AI计算中心的计算拓展到所述边缘计算设备。
进一步地，所述区块链P2P网络的节点间采用IPFS星际文件***通信协议。
进一步地，在所述监控所述数据库的变化，管理后续Pod生命周期后，还包括：
管理网络通信，服务发现，负载均衡。
本发明的第二方面提供了一种基于上述城市大脑AI计算中心分布式异构算力的调度方法的调度***，该***包括：
API Server模块，用于处理客户端提交的AI计算的任务请求，存储Pod数据到etcd；其中，所述任务请求符合Restful API规范；
Controller组件模块，用于监控资源变化并做出反应；
Replica Set模块，用于检查数据库的变化，创建期望数量的Pod实例；
Scheduler模块，用于调用Kubernetes扩展调度器的定制化调度算法，并再次检查所述数据库的变化，根据设定规则将未被分配到具体节点的Pod分配到目标节点上，并更新所述数据库的记录；
Kubelet模块，用于监控所述数据库的变化，管理后续Pod生命周期。
进一步地，该***还包括：
kubeproxy模块，用于管理网络通信，服务发现，负载均衡。
（三）有益效果
本发明的上述技术方案具有如下优点：
本发明提供的城市大脑AI计算中心分布式异构算力的调度方法，包括：处理客户端提交的AI计算的任务请求，存储Pod数据到etcd；其中，在一些可选的实施例中任务请求符合Restful API规范；监控资源变化并做出反应；检查数据库的变化，创建期望数量的Pod实例；调用Kubernetes扩展调度器的定制化调度算法，并再次检查数据库的变化，根据设定规则将未被分配到具体节点的Pod分配到目标节点上，并更新数据库的记录；监控数据库的变化，管理后续Pod生命周期。该调度方法主要用于AI计算中心，在执行AI训练和推理任务时，基于去中心化异构算力网络和区块链技术，可以使海量的应用能够按需、实时调用不同地方的算力资源，实现连接和算力在网络的全局优化，实现计算资源利用率最优、网络效率最优、用户体验最优。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种城市大脑AI计算中心分布式异构算力的调度方法的流程示意图；
图2为本发明实施例提供的一种城市大脑AI计算中心分布式异构算力的调度方法中Kubernetes扩展调度器对pod的执行流程图；
图3为本发明实施例提供的一种城市大脑AI计算中心分布式异构算力的调度***的框图。
图中：
100-API Server模块；200-Controller组件模块；300-Replica Set模块；400-Scheduler模块；500-Kubelet模块；600-kubeproxy模块。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参照附图并结合实施例来详细说明本申请。
根据本发明实施例的第一方面提供了一种城市大脑AI计算中心分布式异构算力调度方法，如图1所示，该调度方法包括以下步骤：
S1、处理客户端提交的AI计算的任务请求，存储Pod数据到etcd；其中，任务请求符合Restful API规范；
S2、监控资源变化并做出反应；
S3、检查数据库的变化，创建期望数量的Pod实例；
S4、调用Kubernetes扩展调度器的定制化调度算法，并再次检查数据库的变化，根据设定规则将未被分配到具体节点的Pod分配到目标节点上，并更新数据库的记录；
S5、监控数据库的变化，管理后续Pod生命周期。
在上述实施方式中，该调度方法通过基于新的异构算力网络结构，构建具有开放性、针对性、兼容性、交互性、安全性的可信分布式算力网络，基于无处不在的网络连接将动态分布的算力资源互联，通过网络、存储、算力等多维度资源的统一管理和协同调度，使海量的应用能够按需、实时调用不同地方的算力资源，实现连接和算力在网络的全局优化，实现计算资源利用率最优、网络效率最优、用户体验最优。可以使海量的应用能够按需、实时调用不同地方的算力资源，实现连接和算力在网络的全局优化，化解中心化算力不足的问题，缓解网络传输能力不足问题，解决数据隐私安全问题。
具体地，在步骤S1中，客户端向服务端提交AI计算的任务请求，该请求符合Restful API规范，支持的数据类型包括JSON（JavaScript Object Notation，JS对象简谱）和YAML，请求的任务可以是训练任务，也可以是推理任务。该请求通过kubectl发送到APIServer。
在步骤S4中，Scheduler会调用Kubernetes扩展调度器的定制化调度算法，并再次检查数据库变化，发现尚未被分配到具体节点的Pod，然后根据定制的相关规则将Pod分配到可以运行它们的节点上，并更新数据库记录，记录Pod分配情况。Scheduler是在启动的时候可以通过-policy-config-file参数来指定调度策略文件的，我们根据AI计算中心的特定需求来组装Predicates和Priority函数。选择不同的过滤函数和优先级函数、控制优先级函数的权重、调整过滤函数的顺序。
如图2所示，Kubernetes扩展调度器对pod的执行流程中，
在步骤S5中，Kubelet监控数据库变化，管理后续Pod生命周期，发现被分配到它所在节点上运行的那些Pod。如果发现新Pod，则会在该节点上运行这个新Pod。这里的算力节点是我们把空闲算力整合成标准化的计算单元VCU，通过区块链P2P网络，把异构的算力组成了虚拟的算力网络，通过一个去中心化的思想把异构的算力节点（包括：PC、手机、智能设备、路由器等）变成一个具有资源和作业调度能力的边缘计算设备，然后把边缘计算设备组成一个具有AI计算能力的分布式异构计算网络，把AI计算中心的计算拓展到边缘计算设备，也是现有云计算的强有力互补。通过节点间的区块链P2P网络，对于在同一个局域网内的节点通过广播互相通信，对于不在同一个网络中的其他对等点通过NAT穿透，构建一个去中心化的异构计算网络，降低了通信成本，不需要使用固定的公网IP，通过节点id唯一标示一个节点，节点网络统一，局部是自治网络，通过平衡策略，每一个点不会接收大量节点的连入，横向扩展能力强。网络中所有调度器通过DHT(Distributed Hash Table，分布式哈希表)方式寻址，每个域调度器负责一定数量的计算节点，并且能达到跨调度器的资源请求，同时所有调度节点都受多个备用调度节点监测（局部共识）。区块链P2P网络节点间采用IPFS（InterPlanetary File System）星际文件***通信协议，可以节省 60% 的带宽，降低网络间数据传输的压力。
同时，利用区块链的加密技术，实现数据隐私的安全保护，利用区块链价值网络，使资源共享者在互信的网络中获取激励。
在一些可选的实施例中，任务请求支持的数据类型包括JSON和YAML。
在一些可选的实施例中，任务请求是训练任务或推理任务。
在一些可选的实施例中，在并更新数据库的记录后，还包括：
记录Pod的分配情况。
在一些可选的实施例中，监控数据库的变化，管理后续Pod生命周期，具体为：
发现被分配到它所在节点上运行的Pod，当发现新Pod时，则在该节点上运行新Pod。
在一些可选的实施例中，节点为通过区块链P2P网络，把异构的算力组成了虚拟的算力网络，通过一个去中心化的思想把异构的算力节点变成一个具有资源和作业调度能力的边缘计算设备，将边缘计算设备组成一个具有AI计算能力的分布式异构计算网络，将AI计算中心的计算拓展到边缘计算设备。
在一些可选的实施例中，区块链P2P网络的节点间采用IPFS星际文件***通信协议。
在一些可选的实施例中，在监控数据库的变化，管理后续Pod生命周期后，还包括：
管理网络通信，服务发现，负载均衡。
本发明的技术关键点在于：
基于去中心化思想的，支持PC、手机、智能设备、路由器等异构算力的区块链P2P网络；
利用区块链技术的加密技术和智能合约，对数据交换进行加密保护，利用区块链的价值网络，对资源共享者进行奖励；
在边缘计算设备节点上执行AI训练和推理任务，减少数据的传输量。
下面将以具体的应用场景为例进行详细说明：
实例1
以智慧交通场景“行人结构化”为例：
步骤1.交通路口的高清摄像头采集行人视频；
步骤2.视频流实时传输到就近的配套的边缘计算设备；
步骤3.由边缘域部署的Kubernetes调度器，按自定义规则过滤边缘域的AI算力节点；
步骤4.由所选节点的kubelet根据调度结果执行这个Pod；
步骤5.将结构化的结果存储在边缘计算设备，并推送至AI计算中心，支持后续智能分析和决策；
步骤6.同步更新Pod状态信息。
实例2
以交警现场执法为例：
步骤1.交警在处理交通事故现场，利用手机摄像头采集证据图像；
步骤2.采集的图像存储在移动端（手机或车载智能设备）；
步骤3.由移动端（手机或车载智能设备）部署的Kubernetes调度器，按自定义规则过滤移动端（手机或车载智能设备）的AI算力节点；
步骤4.由所选节点的kubelet根据调度结果执行这个Pod；
步骤5.将对采集图像的初步识别结果存储在移动端（手机或车载智能设备），并推送至AI计算中心，从而支持后续智能分析和研判；
步骤6.同步更新Pod状态信息。
本发明实施例提供的调度方法主要用于AI计算中心，在执行AI训练和推理任务时，基于去中心化异构算力网络和区块链技术，可以使海量的应用能够按需、实时调用不同地方的算力资源，实现连接和算力在网络的全局优化，实现计算资源利用率最优、网络效率最优、用户体验最优，本发明的应用效果主要包括以下几个方面：
1.调度异构节点（包括：手机、智能设备、PC、路由器等）的算力，满足城市大脑对海量算力的需求，降低建设成本；
2.安全性的可信分布式算力网络，保护数据隐私安全；
3.区块链的激励机制还有助于让分散的闲置算力资源拥有者主动贡献其计算、储存、带宽资源以获取相应的奖励， 使得闲置资源得以有效利用，实现去中心化的共享计算；
4.把AI训练和推理任务放在边缘侧执行，实现云边端协同，这极有可能在未来打破传统集中式的云计算布局，改善互联网数据传输方式，缓解网络传输压力。
根据本发明实施例的第二方面提供了一种基于上述城市大脑AI计算中心分布式异构算力的调度方法的调度***，如图3所示，该***包括：
API Server模块100，用于处理客户端提交的AI计算的任务请求，存储Pod数据到etcd；其中，任务请求符合Restful API规范；
Controller组件模块200，用于监控资源变化并做出反应；
Replica Set模块300，用于检查数据库的变化，创建期望数量的Pod实例；
Scheduler模块400，用于调用Kubernetes扩展调度器的定制化调度算法，并再次检查数据库的变化，根据设定规则将未被分配到具体节点的Pod分配到目标节点上，并更新数据库的记录；
Kubelet模块500，用于监控数据库的变化，管理后续Pod生命周期。
在一些可选的实施例中，该***还包括：
kubeproxy模块600，用于管理网络通信，服务发现，负载均衡。
在上述实施方式中，Controller组件包括Scheduler、replication和endpoint。
需要明确的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本发明并不局限于上文所描述并在图中示出的特定步骤和结构。并且，为了简明起见，这里省略对已知方法技术的详细描述。
以上仅为本申请的实施例而已，并不限制于本申请。在不脱离本发明的范围的情况下对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围内。

Claims (10)

1.一种城市大脑AI计算中心分布式异构算力的调度方法，其特征在于，该调度方法包括以下步骤：
处理客户端提交的AI计算的任务请求，存储Pod数据到etcd；其中，所述任务请求符合Restful API规范；
监控资源变化并做出反应；
检查数据库的变化，创建期望数量的Pod实例；
调用Kubernetes扩展调度器的定制化调度算法，并再次检查所述数据库的变化，根据设定规则将未被分配到具体节点的Pod分配到目标节点上，并更新所述数据库的记录；
监控所述数据库的变化，管理后续Pod生命周期。
2.根据权利要求1所述的一种城市大脑AI计算中心分布式异构算力的调度方法，其特征在于，所述任务请求支持的数据类型包括JSON和YAML。
3.根据权利要求1所述的一种城市大脑AI计算中心分布式异构算力的调度方法，其特征在于，所述任务请求是训练任务或推理任务。
4.根据权利要求1所述的一种城市大脑AI计算中心分布式异构算力的调度方法，其特征在于，在所述并更新所述数据库的记录后，还包括：
记录Pod的分配情况。
5.根据权利要求1所述的一种城市大脑AI计算中心分布式异构算力的调度方法，其特征在于，所述监控所述数据库的变化，管理后续Pod生命周期，具体为：
发现被分配到它所在节点上运行的Pod，当发现新Pod时，则在该节点上运行所述新Pod。
6.根据权利要求5所述的一种城市大脑AI计算中心分布式异构算力的调度方法，其特征在于，所述节点为通过区块链P2P网络，把异构的算力组成了虚拟的算力网络，通过一个去中心化的思想把异构的算力节点变成一个具有资源和作业调度能力的边缘计算设备，将所述边缘计算设备组成一个具有AI计算能力的分布式异构计算网络，将AI计算中心的计算拓展到所述边缘计算设备。
7.根据权利要求6所述的一种城市大脑AI计算中心分布式异构算力的调度方法，其特征在于，所述区块链P2P网络的节点间采用IPFS星际文件***通信协议。
8.根据权利要求1所述的一种城市大脑AI计算中心分布式异构算力的调度方法，其特征在于，在所述监控所述数据库的变化，管理后续Pod生命周期后，还包括：
管理网络通信，服务发现，负载均衡。
9.一种基于权利要求1-8中任一项所述的城市大脑AI计算中心分布式异构算力的调度方法的调度***，其特征在于，该***包括：
API Server模块，用于处理客户端提交的AI计算的任务请求，存储Pod数据到etcd；其中，所述任务请求符合Restful API规范；
Controller组件模块，用于监控资源变化并做出反应；
Replica Set模块，用于检查数据库的变化，创建期望数量的Pod实例；
Scheduler模块，用于调用Kubernetes扩展调度器的定制化调度算法，并再次检查所述数据库的变化，根据设定规则将未被分配到具体节点的Pod分配到目标节点上，并更新所述数据库的记录；
Kubelet模块，用于监控所述数据库的变化，管理后续Pod生命周期。
10.根据权利要求9所述的城市大脑AI计算中心分布式异构算力的调度方法的调度***，其特征在于，该***还包括：
kubeproxy模块，用于管理网络通信，服务发现，负载均衡。
CN202110173976.9A 2021-02-09 2021-02-09 城市大脑ai计算中心分布式异构算力的调度方法及*** Active CN112532751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110173976.9A CN112532751B (zh) 2021-02-09 2021-02-09 城市大脑ai计算中心分布式异构算力的调度方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110173976.9A CN112532751B (zh) 2021-02-09 2021-02-09 城市大脑ai计算中心分布式异构算力的调度方法及***

Publications (2)

Publication Number Publication Date
CN112532751A true CN112532751A (zh) 2021-03-19
CN112532751B CN112532751B (zh) 2021-05-07

Family

ID=74975562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110173976.9A Active CN112532751B (zh) 2021-02-09 2021-02-09 城市大脑ai计算中心分布式异构算力的调度方法及***

Country Status (1)

Country Link
CN (1) CN112532751B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094246A (zh) * 2021-03-30 2021-07-09 之江实验室 一种边缘异构计算环境仿真***
CN113259359A (zh) * 2021-05-21 2021-08-13 重庆紫光华山智安科技有限公司 一种边缘节点能力补充方法、***、介质及电子终端
CN113852794A (zh) * 2021-09-27 2021-12-28 中关村科学城城市大脑股份有限公司 一种基于城市大脑的边缘计算共享监控杆***
CN116599966A (zh) * 2023-05-09 2023-08-15 天津大学 基于区块链共享的边缘云服务并行资源分配方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104461740A (zh) * 2014-12-12 2015-03-25 国家电网公司 一种跨域集群计算资源聚合和分配的方法
CN109508238A (zh) * 2019-01-05 2019-03-22 咪付（广西）网络技术有限公司 一种用于深度学习的资源管理***及方法
CN110780998A (zh) * 2019-09-29 2020-02-11 武汉大学 基于Kubernetes的动态负载均衡资源调度方法
US20200073655A1 (en) * 2018-09-05 2020-03-05 Nanum Technologies Co., Ltd. Non-disruptive software update system based on container cluster
CN111327681A (zh) * 2020-01-21 2020-06-23 北京工业大学 一种基于Kubernetes的云计算数据平台构建方法
CN111522639A (zh) * 2020-04-16 2020-08-11 南京邮电大学 Kubernetes集群架构***下多维资源调度方法
CN111949395A (zh) * 2020-07-16 2020-11-17 广州玖的数码科技有限公司 基于区块链的共享算力数据处理方法、***及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104461740A (zh) * 2014-12-12 2015-03-25 国家电网公司 一种跨域集群计算资源聚合和分配的方法
US20200073655A1 (en) * 2018-09-05 2020-03-05 Nanum Technologies Co., Ltd. Non-disruptive software update system based on container cluster
CN109508238A (zh) * 2019-01-05 2019-03-22 咪付（广西）网络技术有限公司 一种用于深度学习的资源管理***及方法
CN110780998A (zh) * 2019-09-29 2020-02-11 武汉大学 基于Kubernetes的动态负载均衡资源调度方法
CN111327681A (zh) * 2020-01-21 2020-06-23 北京工业大学 一种基于Kubernetes的云计算数据平台构建方法
CN111522639A (zh) * 2020-04-16 2020-08-11 南京邮电大学 Kubernetes集群架构***下多维资源调度方法
CN111949395A (zh) * 2020-07-16 2020-11-17 广州玖的数码科技有限公司 基于区块链的共享算力数据处理方法、***及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094246A (zh) * 2021-03-30 2021-07-09 之江实验室 一种边缘异构计算环境仿真***
CN113094246B (zh) * 2021-03-30 2022-03-25 之江实验室 一种边缘异构计算环境仿真***
CN113259359A (zh) * 2021-05-21 2021-08-13 重庆紫光华山智安科技有限公司 一种边缘节点能力补充方法、***、介质及电子终端
CN113852794A (zh) * 2021-09-27 2021-12-28 中关村科学城城市大脑股份有限公司 一种基于城市大脑的边缘计算共享监控杆***
CN116599966A (zh) * 2023-05-09 2023-08-15 天津大学 基于区块链共享的边缘云服务并行资源分配方法
CN116599966B (zh) * 2023-05-09 2024-05-24 天津大学 基于区块链共享的边缘云服务并行资源分配方法

Also Published As

Publication number Publication date
CN112532751B (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN112532751B (zh) 城市大脑ai计算中心分布式异构算力的调度方法及***
Bittencourt et al. The internet of things, fog and cloud continuum: Integration and challenges
Hu et al. Survey on fog computing: architecture, key technologies, applications and open issues
Jararweh et al. SDIoT: a software defined based internet of things framework
Atzori et al. SDN&NFV contribution to IoT objects virtualization
CN112583861B (zh) 服务部署方法、资源配置方法、***、装置及服务器
CN113448721A (zh) 算力处理的网络***及算力处理方法
EP2812801A1 (en) Application context transfer for distributed computing resources
CN108055309B (zh) 一种数据传输***及方法
Dautov et al. Stream processing on clustered edge devices
WO2016197628A1 (zh) 终端会议负载均衡方法、装置及***
Meneguette et al. Vehicular clouds leveraging mobile urban computing through resource discovery
WO2022001941A1 (zh) 网元管理方法、网管***、独立计算节点、计算机设备、存储介质
Wang et al. Container orchestration in edge and fog computing environments for real-time iot applications
WO2016095524A1 (zh) 资源分配方法及装置
Suri et al. Enforcement of communications policies in software agent systems through mobile code
Aloqaily et al. Trustworthy cooperative UAV-based data management in densely crowded environments
CN105554126A (zh) 一种通过cdn加速机制实现多数据中心分布式部署的方法
CN109413117B (zh) 分布式数据计算方法、装置、服务器及计算机存储介质
Buzachis et al. An innovative MapReduce-based approach of Dijkstra’s algorithm for SDN routing in hybrid cloud, edge and IoT scenarios
KR20140097717A (ko) 디바이스 양방향 ｍ２ｍ 리소스 관리 방법
Fadlallah et al. Layered architectural model for collaborative computing in peripheral autonomous networks of mobile devices
Wang et al. A constellation model for grid resource management
Alahmadi et al. Energy efficient processing allocation in opportunistic cloud-fog-vehicular edge cloud architectures
Borcoci et al. Edge Computing Architectures—A Survey on Convergence of Solutions

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