CN117857555B - 一种基于边缘计算的数据共享方法及*** - Google Patents
一种基于边缘计算的数据共享方法及*** Download PDFInfo
- Publication number
- CN117857555B CN117857555B CN202410246539.9A CN202410246539A CN117857555B CN 117857555 B CN117857555 B CN 117857555B CN 202410246539 A CN202410246539 A CN 202410246539A CN 117857555 B CN117857555 B CN 117857555B
- Authority
- CN
- China
- Prior art keywords
- access
- processing
- user equipment
- frequency
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 231
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000005012 migration Effects 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000036316 preload Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Computer And Data Communications (AREA)
Abstract
本发明提供一种基于边缘计算的数据共享方法及***,属于数据处理技术领域,具体包括:实时获取用户设备的操作地点,并基于用户设备的操作地点以及常用计算服务器的地点进行用户设备的匹配服务器的确定,根据用户设备的延时处理数据确定匹配服务器无法满足要求时,根据预设时间内在操作地点的不同的时间周期内的访问使用数据进行操作地点的使用频繁度的确定,并结合用户设备的访问处理数据的共享处理难度以及延时处理数据确定操作地点的临近的边缘计算服务器是否需要进行数据共享处理,提升了边缘计算的处理的效率,同时也减少了不必要的存储空间的使用。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种基于边缘计算的数据共享方法及***。
背景技术
通过边缘计算服务器的大规模应用,极大的提升了用户的访问数据需求的处理效率,节省了处理时间,但是与此同时,由于不同的用户的物理位置的变化,导致用户的匹配的边缘计算服务器也发生了变化,因此如何实现对不同的边缘计算服务器的数据共享和同步管理,进一步提升处理效率成为亟待解决的技术问题。
为了解决上述技术问题,现有技术方案在发明专利CN202210068365.2《一种边缘计算环境中的任务的双重迁移方法》中通对考虑到用户的中断状态迁徙和连续状态迁移,用户设备与最近的服务器取得通信连接,缩短服务器与使用者之间的传输路径,将任务预载于最近的服务器,但是却存在以下技术问题:
用户设备在一定的时间周期内的移动情况往往存在着一定程度的规律,对于滞留时间较短或者临时性的移动地点,若此时将用户设备的数据在上述的边缘计算服务器中进行更新,则不仅会导致边缘计算服务器的数据迁移处理的效率有所降低,同时也使得边缘计算服务器的存储空间存在一定程度的浪费。
针对上述技术问题,本发明提供了一种基于边缘计算的数据共享方法及***。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种基于边缘计算的数据共享方法。
一种基于边缘计算的数据共享方法,其特征在于,具体包括:
S1获取用户设备在预设时间内的不同的时间周期内的访问使用数据,并根据所述访问使用数据进行不同的边缘计算服务器在不同的时间周期内的处理频繁度的确定;
S2通过在预设时间内的不同的时间周期内的处理频繁度确定不同的边缘计算服务器的综合处理频繁度以及所述边缘计算服务器中的常用计算服务器,将所述用户设备的访问处理数据在所述常用计算服务器中进行实时数据共享处理;
S3实时获取所述用户设备的操作地点,并基于所述用户设备的操作地点以及常用计算服务器的地点进行所述用户设备的匹配服务器的确定,根据所述用户设备的延时处理数据确定所述匹配服务器无法满足要求时,进入下一步骤;
S4根据预设时间内在所述操作地点的不同的时间周期内的访问使用数据进行操作地点的使用频繁度的确定,并结合所述用户设备的访问处理数据的共享处理难度以及延时处理数据确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理。
本发明的有益效果在于:
1、根据访问使用数据进行不同的边缘计算服务器在不同的时间周期内的处理频繁度的确定,进而实现了对不同的时间周期内的不同的边缘计算服务器的处理繁忙情况的准确挖掘,实现了不同的时间周期的处理较为繁忙的边缘计算服务器的筛选,也为进行常用计算服务器的筛选奠定了基础。
2、通过在预设时间内的不同的时间周期内的处理频繁度确定边缘计算服务器中的常用计算服务器,不仅考虑到单一的某一个时间周期内的处理繁忙度,同时通过结合预设时间内的多个时间周期内的处理频繁度实现了对预设时间内的使用较多的边缘服务器的筛选,实现了对用户设备的数据的差异化的共享处理。
3、基于使用频繁度、访问处理数据的共享处理难度以及延时处理数据确定操作地点的临近的边缘计算服务器是否需要进行数据共享处理,既考虑到操作地点的用户设备的使用频繁情况,同时通过综合考虑共享处理难度以及访问延时的情况实现了从多个角度对边缘计算服务器的数据共享处理的必要性的评估,在保证用户的访问处理的可靠性的基础上,也减少了不必要的数据共享处理导致的边缘计算服务器的存储资源的浪费。
进一步的技术方案在于,所述时间周期的取值为1天、3天或者1周,具体的根据所述用户设备的访问使用的数据量进行确定,其中所述用户设备的访问使用的数据量越大,则所述时间周期越短。
进一步的技术方案在于,所述访问使用数据包括访问使用次数、不同的访问使用次数的访问使用的业务类型、不同的业务类型的访问使用数据量以及访问时长。
进一步的技术方案在于,所述用户设备的操作地点根据所述用户设备的访问使用数据的IP地址或者所述用户设备的定位信息进行确定。
进一步的技术方案在于,基于所述用户设备的操作地点以及常用计算服务器的地点进行所述用户设备的匹配服务器的确定,具体包括:
根据所述用户设备的操作地点以及常用计算服务器的地点确定距离所述用户设备的操作地点最近的常用计算服务器,并将所述距离所述用户设备的操作地点最近的常用计算服务器作为所述用户设备的匹配服务器。
进一步的技术方案在于,所述延时处理数据包括访问处理延时以及处理时长不满足要求的访问处理次数。
进一步的技术方案在于,根据所述用户设备的延时处理数据确定所述匹配服务器无法满足要求,具体包括:
当所述用户设备的访问处理延时的平均值不满足要求或者处理时长不满足要求的访问处理次数大于预设异常处理次数时,则确定所述匹配服务器无法满足要求。
第二方面,本发明提供了一种计算机***,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种基于边缘计算的数据共享方法。
其他特征和优点将在随后的说明书中阐述,本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是一种基于边缘计算的数据共享方法的流程图;
图2是处理频繁度的确定的方法的流程图;
图3是边缘计算服务器中的常用计算服务器的确定的方法的流程图;
图4是另外的一个可能的边缘计算服务器中的常用计算服务器的确定的方法的流程图;
图5是操作地点的使用频繁度的确定的方法的流程图;
图6是一种计算机***的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
为了提升用户设备的访问处理的效率,现有技术方案中往往通过临近用户的边缘计算服务器的设置实现对数据的共享处理,但是由于用户设备在一天内的位置往往并不是固定不变的,因此可能存在着多个临近的边缘计算服务器,如何利用用户设备的访问使用数据确定需要进行用户的访问操作数据的共享处理的边缘计算服务器成为亟待解决的技术问题。
为解决上述技术问题,采用以下技术方案:
首先利用访问使用数据进行不同的边缘计算服务器在不同的时间周期内的处理频繁度的确定,具体的采用不同的时间周期内的访问使用时长进行不同的时间周期内的处理频繁度的确定,访问使用时长与处理频繁度采用映射的方式进行确定;
然后通过在预设时间内的不同的时间周期内的处理频繁度确定不同的边缘计算服务器的综合处理频繁度以及边缘计算服务器中的常用计算服务器,具体的利用在预设时间内的不同的时间周期内的处理频繁度的平均值进行不同的边缘计算服务器的综合处理频繁度的确定,并将综合处理频繁度较大的边缘计算服务器作为常用计算服务器,将用户设备的访问处理数据在常用计算服务器中进行实时数据共享处理;
紧接着根据用户设备的IP地址实时获取用户设备的操作地点,并基于用户设备的操作地点以及常用计算服务器的地点进行用户设备的匹配服务器的确定,当用户设备的访问处理的平均延时难以满足要求时,确定匹配服务器无法满足要求时,进入下一步骤;
最后根据预设时间内在所述操作地点的不同的时间周期内的访问使用数据进行操作地点的使用频繁度的确定,具体的通过不同的时间周期内的访问使用时长的平均值进行操作地点的使用频繁度的确定,最后通过使用频繁度、用户设备的访问处理数据的共享处理难度以及延时处理数据确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理,当所述操作地点的使用频繁度小于频繁度预设值时,则确定所述操作地点的临近的边缘计算服务器不需要进行数据共享处理;
当所述操作地点的使用频繁度不小于频繁度预设值时,基于所述延时处理数据确定所述操作地点的匹配计算服务器的访问处理延时以及处理时长不满足要求的访问处理次数,并通过所述访问处理延时以及处理时长不满足要求的访问处理次数确定所述操作地点的匹配计算服务器的延时评估量,当所述延时评估量满足要求时,则确定所述操作地点的临近的边缘计算服务器不需要进行数据共享处理;
当所述延时评估量不满足要求时,分别基于所述使用频繁度以及延时评估量进行所述操作地点的匹配的同步处理难度设定值的确定,并根据使用频繁度以及延时评估量匹配的同步处理难度设定值进行综合处理难度设定值的确定,基于所述综合处理难度设定值以及所述共享处理难度确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理。
为解决上述问题,根据本发明的一个方面,如图1所示,提供了一种基于边缘计算的数据共享方法,其特征在于,具体包括:
S1获取用户设备在预设时间内的不同的时间周期内的访问使用数据,并根据所述访问使用数据进行不同的边缘计算服务器在不同的时间周期内的处理频繁度的确定;
具体的,所述时间周期的取值为1天、3天或者1周,具体的根据所述用户设备的访问使用的数据量进行确定,其中所述用户设备的访问使用的数据量越大,则所述时间周期越短。
进一步的,所述访问使用数据包括访问使用次数、不同的访问使用次数的访问使用的业务类型、不同的业务类型的访问使用数据量以及访问时长。
在其中的一个可能的实施例中,如图2所示,上述步骤S1中的所述处理频繁度的确定的方法为:
S11根据所述时间周期内的访问使用数据进行所述用户设备在所述时间周期内的访问使用次数的确定,通过不同的访问使用次数的访问使用数据量以及访问时长进行不同的访问使用次数下的边缘计算服务器的处理频繁度的确定;
S12利用所述用户设备在所述时间周期内的访问使用次数以及在不同的访问使用次数下的边缘计算服务器的处理频繁度确定所述边缘计算服务器在所述时间周期内的处理频繁度。
在另外的一个可能的实施例中,上述步骤S1中的所述处理频繁度的确定的方法为:
根据所述时间周期内的访问使用数据进行所述用户设备在所述时间周期内的累计访问时长的确定,当所述用户设备在所述时间周期内的累计访问时长大于预设访问时长时,则通过所述累计访问时长确定所述边缘计算服务器在所述时间周期内的处理频繁度;
当所述用户设备在所述时间周期内的累计访问时长不大于预设访问时长时,根据所述时间周期内的访问使用数据进行所述用户设备在所述时间周期内的访问使用次数的确定,当访问时长大于设定时长的访问使用次数大于预设次数阈值时,则通过访问时长大于设定时长的访问使用次数确定所述边缘计算服务器在所述时间周期内的处理频繁度;
当访问时长大于设定时长的访问使用次数不大于预设次数阈值时,通过不同的访问使用次数的访问使用数据量以及访问时长进行不同的访问使用次数下的边缘计算服务器的处理频繁度的确定,当处理频繁度大于预设频繁度的访问使用次数大于预设次数阈值时,则通过处理频繁度大于预设频繁度的访问使用次数确定所述边缘计算服务器在所述时间周期内的处理频繁度;
当处理频繁度大于预设频繁度的访问使用次数不大于预设次数阈值时,利用所述用户设备在所述时间周期内的访问使用次数以及在不同的访问使用次数下的边缘计算服务器的处理频繁度确定所述边缘计算服务器在所述时间周期内的处理频繁度。
在其中的一个可能的实施例中,上述步骤S1中的所述处理频繁度的确定的方法为:
S11根据所述时间周期内的访问使用数据进行所述用户设备在所述时间周期内的累计访问时长的确定,判断所述用户设备在所述时间周期内的累计访问时长是否大于预设访问时长,若是,则通过所述累计访问时长确定所述边缘计算服务器在所述时间周期内的处理频繁度,若否,则进入下一步骤;
S12基于所述时间周期内的访问使用数据进行所述用户设备在所述时间周期内的访问使用次数的确定,判断所述访问使用次数是否小于预设使用次数,若是,则进入下一步骤,若否,则进入步骤S14;
S13通过不同的访问使用次数的访问使用数据量以及访问时长进行不同的访问使用次数下的边缘计算服务器的处理频繁度的确定,判断是否存在处理频繁度大于预设频繁度的访问使用次数,若是,则进入下一步骤,若否,则通过不同的访问使用次数下的边缘计算服务器的处理频繁度的平均值确定所述边缘计算服务器在所述时间周期内的处理频繁度;
S14利用所述用户设备在所述时间周期内的访问使用次数以及在不同的访问使用次数下的边缘计算服务器的处理频繁度确定所述边缘计算服务器在所述时间周期内的处理频繁度。
S2通过在预设时间内的不同的时间周期内的处理频繁度确定不同的边缘计算服务器的综合处理频繁度以及所述边缘计算服务器中的常用计算服务器,将所述用户设备的访问处理数据在所述常用计算服务器中进行实时数据共享处理;
在其中的一个可能的实施例中,如图3所示,上述步骤S2中的所述边缘计算服务器中的常用计算服务器的确定的方法为:
S21通过在预设时间内的不同的时间周期内的处理繁忙度将所述时间周期划分为繁忙时间周期和空闲时间周期;
S22分别根据在预设时间内的繁忙时间周期的数量以及处理繁忙度、空闲时间周期的数量以及处理繁忙度确定所述边缘计算服务器在预设时间内的繁忙时间周期的综合处理繁忙度以及空闲时间周期的综合处理繁忙度;
S23通过所述繁忙时间周期的综合处理繁忙度以及空闲时间周期的综合处理繁忙度确定所述边缘计算服务器的综合处理频繁度,并基于所述综合处理繁忙度确定所述边缘计算服务器中的常用计算服务器。
进一步的,当所述边缘服务器的综合处理繁忙度在预设繁忙度区间内时,则确定所述边缘计算服务器为常用计算服务器。
在另外的一个可能的实施例中,如图4所示,上述步骤S2中的所述边缘计算服务器中的常用计算服务器的确定的方法为:
通过在预设时间内的不同的时间周期内的处理繁忙度将所述时间周期划分为繁忙时间周期和空闲时间周期,当所述边缘服务器在预设时间内的繁忙时间周期的数量大于预设周期数量时,则确定所述边缘计算服务器为常用计算服务器;
当所述边缘服务器在预设时间内的繁忙时间周期的数量不大于预设周期数量时,当所处边缘服务器在预设时间内的不同的时间周期内的处理繁忙度的和在预设处理繁忙度区间内时,则确定所述边缘计算服务器不属于常用计算服务器;
当所处边缘服务器在预设时间内的不同的时间周期内的处理繁忙度的和不在预设处理繁忙度区间内时,根据在预设时间内的繁忙时间周期的数量以及处理繁忙度确定所述边缘计算服务器在预设时间内的繁忙时间周期的综合处理繁忙度,当所述边缘计算服务器在预设时间内的繁忙时间周期的综合处理繁忙度大于预设周期繁忙度时,则确定所述边缘计算服务器属于常用计算服务器;
当所述边缘计算服务器在预设时间内的繁忙时间周期的综合处理繁忙度不大于预设周期繁忙度时,基于空闲时间周期的数量以及处理繁忙度确定所述边缘计算服务器在预设时间内的空闲时间周期的综合处理繁忙度,通过所述繁忙时间周期的综合处理繁忙度以及空闲时间周期的综合处理繁忙度确定所述边缘计算服务器的综合处理频繁度,并基于所述综合处理繁忙度确定所述边缘计算服务器中的常用计算服务器。
在另外的一个可能的实施例中,上述步骤S2中的所述边缘计算服务器中的常用计算服务器的确定的方法为:
S21通过在预设时间内的不同的时间周期内的处理繁忙度将所述时间周期划分为繁忙时间周期和空闲时间周期,判断所述边缘服务器在预设时间内的空闲时间周期的数量是否大于预设周期数量,若是,则进入下一步骤,若否,则进入步骤S23;
S22判断所述边缘服务器在预设时间内的不同的时间周期内的处理繁忙度的和是否在预设处理繁忙度区间内,若是,则确定所述边缘计算服务器不属于常用计算服务器,若否,则进入下一步骤;
S23根据在预设时间内的繁忙时间周期的数量以及处理繁忙度确定所述边缘计算服务器在预设时间内的繁忙时间周期的综合处理繁忙度,判断所述边缘计算服务器在预设时间内的繁忙时间周期的综合处理繁忙度是否大于预设周期繁忙度,若是,则确定所述边缘计算服务器属于常用计算服务器,若否,则进入下一步骤;
S24基于空闲时间周期的数量以及处理繁忙度确定所述边缘计算服务器在预设时间内的空闲时间周期的综合处理繁忙度,通过所述繁忙时间周期的综合处理繁忙度以及空闲时间周期的综合处理繁忙度确定所述边缘计算服务器的综合处理频繁度,并基于所述综合处理繁忙度确定所述边缘计算服务器中的常用计算服务器。
S3实时获取所述用户设备的操作地点,并基于所述用户设备的操作地点以及常用计算服务器的地点进行所述用户设备的匹配服务器的确定,根据所述用户设备的延时处理数据确定所述匹配服务器无法满足要求时,进入下一步骤;
进一步的,所述用户设备的操作地点根据所述用户设备的访问使用数据的IP地址或者所述用户设备的定位信息进行确定。
具体的,基于所述用户设备的操作地点以及常用计算服务器的地点进行所述用户设备的匹配服务器的确定,具体包括:
根据所述用户设备的操作地点以及常用计算服务器的地点确定距离所述用户设备的操作地点最近的常用计算服务器,并将所述距离所述用户设备的操作地点最近的常用计算服务器作为所述用户设备的匹配服务器。
需要说明的是,所述延时处理数据包括访问处理延时以及处理时长不满足要求的访问处理次数。
可以理解的是,根据所述用户设备的延时处理数据确定所述匹配服务器无法满足要求,具体包括:
当所述用户设备的访问处理延时的平均值不满足要求或者处理时长不满足要求的访问处理次数大于预设异常处理次数时,则确定所述匹配服务器无法满足要求。
S4根据预设时间内在所述操作地点的不同的时间周期内的访问使用数据进行操作地点的使用频繁度的确定,并结合所述用户设备的访问处理数据的共享处理难度以及延时处理数据确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理。
在其中的一个可能的实施例中,如图5所示,上述步骤S4中的所述操作地点的使用频繁度的确定的方法为:
根据预设时间内在所述操作地点的不同的时间周期内的访问使用数据进行不同的时间周期内的访问使用时长和访问使用次数的确定,并根据所述访问使用时长和访问使用次数确定所述操作地点在预设时间内的不同的时间周期的使用频繁度;
基于所述操作地点在预设时间内的不同的时间周期的使用频繁度确定所述操作地点的使用频繁度。
进一步的,所述共享处理难度根据所述用户设备的访问处理数据的数据量以及不同的访问处理数据的间隔时间进行确定,其中所述访问处理数据的数据量越大,不同的访问处理数据的间隔时间越长,则所述共享处理难度越大。
在其中的一个可能的实施例中,上述步骤S4中的确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理,具体包括:
基于所述延时处理数据确定所述操作地点的匹配计算服务器的访问处理延时以及处理时长不满足要求的访问处理次数,并通过所述访问处理延时以及处理时长不满足要求的访问处理次数确定所述操作地点的匹配计算服务器的延时评估量;
通过所述延时评估量、使用频繁度以及共享处理难度确定所述操作地点的综合评估量,根据所述综合评估量确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理。
在另外的一个可能的实施例中,上述步骤S4中的确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理,具体包括:
当所述操作地点的使用频繁度小于频繁度预设值时,则确定所述操作地点的临近的边缘计算服务器不需要进行数据共享处理;
当所述操作地点的使用频繁度不小于频繁度预设值时,基于所述延时处理数据确定所述操作地点的匹配计算服务器的访问处理延时以及处理时长不满足要求的访问处理次数,并通过所述访问处理延时以及处理时长不满足要求的访问处理次数确定所述操作地点的匹配计算服务器的延时评估量,当所述延时评估量满足要求时,则确定所述操作地点的临近的边缘计算服务器不需要进行数据共享处理;
当所述延时评估量不满足要求时,分别基于所述使用频繁度以及延时评估量进行所述操作地点的匹配的同步处理难度设定值的确定,并根据使用频繁度以及延时评估量匹配的同步处理难度设定值进行综合处理难度设定值的确定,基于所述综合处理难度设定值以及所述共享处理难度确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理。
另一方面,如图6所示,本发明提供了一种计算机***,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种基于边缘计算的数据共享方法。
通过以上实施例,本发明取得以下有益效果:
1、根据访问使用数据进行不同的边缘计算服务器在不同的时间周期内的处理频繁度的确定,进而实现了对不同的时间周期内的不同的边缘计算服务器的处理繁忙情况的准确挖掘,实现了不同的时间周期的处理较为繁忙的边缘计算服务器的筛选,也为进行常用计算服务器的筛选奠定了基础。
2、通过在预设时间内的不同的时间周期内的处理频繁度确定边缘计算服务器中的常用计算服务器,不仅考虑到单一的某一个时间周期内的处理繁忙度,同时通过结合预设时间内的多个时间周期内的处理频繁度实现了对预设时间内的使用较多的边缘服务器的筛选,实现了对用户设备的数据的差异化的共享处理。
3、基于使用频繁度、访问处理数据的共享处理难度以及延时处理数据确定操作地点的临近的边缘计算服务器是否需要进行数据共享处理,既考虑到操作地点的用户设备的使用频繁情况,同时通过综合考虑共享处理难度以及访问延时的情况实现了从多个角度对边缘计算服务器的数据共享处理的必要性的评估,在保证用户的访问处理的可靠性的基础上,也减少了不必要的数据共享处理导致的边缘计算服务器的存储资源的浪费。
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。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (7)
1.一种基于边缘计算的数据共享方法,其特征在于,具体包括:
获取用户设备在预设时间内的不同的时间周期内的访问使用数据,并根据所述访问使用数据进行不同的边缘计算服务器在不同的时间周期内的处理频繁度的确定;
通过在预设时间内的不同的时间周期内的处理频繁度确定不同的边缘计算服务器的综合处理频繁度以及所述边缘计算服务器中的常用计算服务器,将所述用户设备的访问处理数据在所述常用计算服务器中进行实时数据共享处理;
实时获取所述用户设备的操作地点,并基于所述用户设备的操作地点以及常用计算服务器的地点进行所述用户设备的匹配服务器的确定,根据所述用户设备的延时处理数据确定所述匹配服务器无法满足要求时,进入下一步骤;
根据预设时间内在所述操作地点的不同的时间周期内的访问使用数据进行操作地点的使用频繁度的确定,并结合所述用户设备的访问处理数据的共享处理难度以及延时处理数据确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理;
所述处理频繁度的确定的方法为:
根据所述时间周期内的访问使用数据进行所述用户设备在所述时间周期内的累计访问时长的确定,当所述用户设备在所述时间周期内的累计访问时长大于预设访问时长时,则通过所述累计访问时长确定所述边缘计算服务器在所述时间周期内的处理频繁度;
当所述用户设备在所述时间周期内的累计访问时长不大于预设访问时长时,根据所述时间周期内的访问使用数据进行所述用户设备在所述时间周期内的访问使用次数的确定,当访问时长大于设定时长的访问使用次数大于预设次数阈值时,则通过访问时长大于设定时长的访问使用次数确定所述边缘计算服务器在所述时间周期内的处理频繁度;
当访问时长大于设定时长的访问使用次数不大于预设次数阈值时,通过不同的访问使用次数的访问使用数据量以及访问时长进行不同的访问使用次数下的边缘计算服务器的处理频繁度的确定,当处理频繁度大于预设频繁度的访问使用次数大于预设次数阈值时,则通过处理频繁度大于预设频繁度的访问使用次数确定所述边缘计算服务器在所述时间周期内的处理频繁度;
当处理频繁度大于预设频繁度的访问使用次数不大于预设次数阈值时,利用所述用户设备在所述时间周期内的访问使用次数以及在不同的访问使用次数下的边缘计算服务器的处理频繁度确定所述边缘计算服务器在所述时间周期内的处理频繁度。
2.如权利要求1所述的基于边缘计算的数据共享方法,其特征在于,所述时间周期的取值为1天、3天或者1周,具体的根据所述用户设备的访问使用的数据量进行确定,其中所述用户设备的访问使用的数据量越大,则所述时间周期越短。
3.如权利要求1所述的基于边缘计算的数据共享方法,其特征在于,所述访问使用数据包括访问使用次数、不同的访问使用次数的访问使用的业务类型、不同的业务类型的访问使用数据量以及访问时长。
4.如权利要求1所述的基于边缘计算的数据共享方法,其特征在于,所述用户设备的操作地点根据所述用户设备的访问使用数据的IP地址或者所述用户设备的定位信息进行确定。
5.如权利要求1所述的基于边缘计算的数据共享方法,其特征在于,基于所述用户设备的操作地点以及常用计算服务器的地点进行所述用户设备的匹配服务器的确定,具体包括:
根据所述用户设备的操作地点以及常用计算服务器的地点确定距离所述用户设备的操作地点最近的常用计算服务器,并将所述距离所述用户设备的操作地点最近的常用计算服务器作为所述用户设备的匹配服务器。
6.如权利要求1所述的基于边缘计算的数据共享方法,其特征在于,确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理,具体包括:
基于所述延时处理数据确定所述操作地点的匹配计算服务器的访问处理延时以及处理时长不满足要求的访问处理次数,并通过所述访问处理延时以及处理时长不满足要求的访问处理次数确定所述操作地点的匹配计算服务器的延时评估量;
通过所述延时评估量、使用频繁度以及共享处理难度确定所述操作地点的综合评估量,根据所述综合评估量确定所述操作地点的临近的边缘计算服务器是否需要进行数据共享处理。
7.一种计算机***,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行权利要求1-6任一项所述的一种基于边缘计算的数据共享方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410246539.9A CN117857555B (zh) | 2024-03-05 | 2024-03-05 | 一种基于边缘计算的数据共享方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410246539.9A CN117857555B (zh) | 2024-03-05 | 2024-03-05 | 一种基于边缘计算的数据共享方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117857555A CN117857555A (zh) | 2024-04-09 |
CN117857555B true CN117857555B (zh) | 2024-05-14 |
Family
ID=90546746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410246539.9A Active CN117857555B (zh) | 2024-03-05 | 2024-03-05 | 一种基于边缘计算的数据共享方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117857555B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104754416A (zh) * | 2015-03-30 | 2015-07-01 | 北京奇艺世纪科技有限公司 | 一种视频播放方法及装置 |
CN108121512A (zh) * | 2017-12-22 | 2018-06-05 | 苏州大学 | 一种边缘计算服务缓存方法、***、装置及可读存储介质 |
CN109189578A (zh) * | 2018-09-06 | 2019-01-11 | 北京京东尚科信息技术有限公司 | 存储服务器分配方法、装置、管理服务器以及存储*** |
CN112766724A (zh) * | 2021-01-20 | 2021-05-07 | 中国工商银行股份有限公司 | 一种业务监控方法、装置及设备 |
KR20220078411A (ko) * | 2020-12-03 | 2022-06-10 | 한국전자기술연구원 | 엣지 컴퓨팅 노드 및 이의 데이터 공유 방법 |
CN116761207A (zh) * | 2023-08-22 | 2023-09-15 | 杭州纵横通信股份有限公司 | 一种基于通信行为的用户画像构建方法与*** |
CN117272386A (zh) * | 2023-10-10 | 2023-12-22 | 广州工程技术职业学院 | 互联网大数据信息安全加密方法及装置、设备、*** |
CN117453396A (zh) * | 2023-10-25 | 2024-01-26 | 深圳市倍联德实业有限公司 | 一种基于边缘计算的任务数据处理方法、装置及电子设备 |
CN117454410A (zh) * | 2023-12-25 | 2024-01-26 | 北京中微盛鼎科技有限公司 | 基于隐私计算的企业知识大脑数据存储方法 |
CN117573376A (zh) * | 2024-01-16 | 2024-02-20 | 杭州天舰信息技术股份有限公司 | 一种数据中心资源调度监控管理方法与*** |
-
2024
- 2024-03-05 CN CN202410246539.9A patent/CN117857555B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104754416A (zh) * | 2015-03-30 | 2015-07-01 | 北京奇艺世纪科技有限公司 | 一种视频播放方法及装置 |
CN108121512A (zh) * | 2017-12-22 | 2018-06-05 | 苏州大学 | 一种边缘计算服务缓存方法、***、装置及可读存储介质 |
CN109189578A (zh) * | 2018-09-06 | 2019-01-11 | 北京京东尚科信息技术有限公司 | 存储服务器分配方法、装置、管理服务器以及存储*** |
KR20220078411A (ko) * | 2020-12-03 | 2022-06-10 | 한국전자기술연구원 | 엣지 컴퓨팅 노드 및 이의 데이터 공유 방법 |
CN112766724A (zh) * | 2021-01-20 | 2021-05-07 | 中国工商银行股份有限公司 | 一种业务监控方法、装置及设备 |
CN116761207A (zh) * | 2023-08-22 | 2023-09-15 | 杭州纵横通信股份有限公司 | 一种基于通信行为的用户画像构建方法与*** |
CN117272386A (zh) * | 2023-10-10 | 2023-12-22 | 广州工程技术职业学院 | 互联网大数据信息安全加密方法及装置、设备、*** |
CN117453396A (zh) * | 2023-10-25 | 2024-01-26 | 深圳市倍联德实业有限公司 | 一种基于边缘计算的任务数据处理方法、装置及电子设备 |
CN117454410A (zh) * | 2023-12-25 | 2024-01-26 | 北京中微盛鼎科技有限公司 | 基于隐私计算的企业知识大脑数据存储方法 |
CN117573376A (zh) * | 2024-01-16 | 2024-02-20 | 杭州天舰信息技术股份有限公司 | 一种数据中心资源调度监控管理方法与*** |
Non-Patent Citations (2)
Title |
---|
施巍松 ; 孙辉 ; 曹杰 ; 张权 ; 刘伟 ; .边缘计算:万物互联时代新型计算模型.计算机研究与发展.2017,(05),全文. * |
曹非 ; 刘志勇 ; .片上多核处理器共享末级缓存动静结合地址映射机制.计算机科学.2012,(08),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117857555A (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101624765B1 (ko) | 에너지-인식 서버 관리 | |
CN110990138B (zh) | 资源调度方法、装置、服务器及存储介质 | |
EP2819011A2 (en) | Task execution by idle resources in grid computing system | |
US8949642B2 (en) | Method for dynamically distributing one or more services in a network comprising of a plurality of computers by deriving a resource capacity required based on a past chronological progression of a resource demand | |
Alam et al. | A reliability-based resource allocation approach for cloud computing | |
US8732307B1 (en) | Predictive control for resource entitlement | |
CN108696571B (zh) | 云存储服务***、方法、云服务智能设备及电子装置 | |
Liao et al. | Energy and performance management in large data centers: A queuing theory perspective | |
CN115033340A (zh) | 一种宿主机的选择方法及相关装置 | |
CN117573376B (zh) | 一种数据中心资源调度监控管理方法与*** | |
CN117857555B (zh) | 一种基于边缘计算的数据共享方法及*** | |
US11748125B2 (en) | Systems and methods of auto-scaling a virtual desktop environment | |
WO2023029680A1 (zh) | 一种确定磁盘可使用时长的方法及装置 | |
Shen et al. | Non‐parametric modelling of time‐varying customer service times at a bank call centre | |
Kambatla et al. | Optimistic scheduling with service guarantees | |
CN114489846A (zh) | 云平台的资源预估方法、装置、电子设备和存储介质 | |
Panneerselvam et al. | Characterisation of hidden periodicity in large-scale cloud datacentre environments | |
Lili et al. | A Markov chain based resource prediction in computational grid | |
Glatard et al. | Probabilistic and dynamic optimization of job partitioning on a grid infrastructure | |
US11599461B2 (en) | Cache memory architecture and management | |
US11593267B1 (en) | Memory management based on read-miss events | |
Wang et al. | Identification and empirical analysis of amazon ec2 spot instance features for cost-effective tenant procurement | |
US20230089581A1 (en) | Systems and methods of auto-scaling a virtual desktop environment | |
Ghit et al. | Reducing job slowdown variability for data-intensive workloads | |
US20230096984A1 (en) | Systems and methods of auto-scaling a virtual desktop environment |
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 |