【技术实现步骤摘要】
【国外来华专利技术】用于延迟感知边缘计算的系统和方法
[0001]本公开一般涉及边缘计算，并且更具体地，涉及用于延迟感知边缘计算的系统和方法。
技术介绍
[0002]近年来，物联网(IoT)和第五代(5G)装置和技术已经在各种消费者、商业、工业和基础设施应用中获得了突破。随着移动数据业务增长以及无线装置变得更加丰富和多样化，运行网络的服务提供商和/或使用这种协议的IoT和5G装置可能面临显著的开销。因此，IoT和5G通信表示越来越多地正从云计算迁移到边缘计算平台的一些计算平台。
[0003]在该
技术介绍
部分中公开的上述信息仅用于增强对本公开的
技术介绍
的理解，因此，上述信息可包含不构成现有技术的信息。
技术实现思路
[0004]技术问题
[0005]在各种实施例中，本文描述的包括用于基于与网络架构的不同部分相关联的网络参数(例如，延迟、功率使用、工作负载处理效率、其组合等)的模型将工作负载路由到包括边缘计算数据中心和至少一个核心数据中心的网络架构的不同部分的系统、方法和装置。
[0006]技术方案
...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于网络优化的装置，所述装置包括：至少一个存储器装置，存储计算机可执行指令；以及至少一个处理器，被配置为访问所述存储器装置，其中，所述处理器被配置为执行所述计算机可执行指令以进行以下操作：确定与网络架构相关联的网络参数，其中，所述网络架构包括数据中心和边缘数据中心；使用所述网络参数确定与所述数据中心相关联的第一编程预期延迟和与所述边缘数据中心相关联的第二编程预期延迟；以及至少部分地基于所述第一编程预期延迟或所述第二编程预期延迟之间的差，确定将在所述数据中心和所述边缘数据中心之间路由的工作负载的分布。2.根据权利要求1所述的装置，其中，所述网络参数包括以下项中的至少一个：使用百分比、核心数据中心选择概率、延时敏感度值、数据上传量、数据下载量、处理器使用要求或虚拟机(VM)利用率。3.根据权利要求1所述的装置，其中，所述确定是使用机器学习技术被执行的，其中，所述机器学习技术包括监督机器学习技术或无监督机器学习技术中的至少一种，所述机器学习技术还包括长短期记忆(LSTM)神经网络、递归神经网络、时延神经网络或前馈神经网络中的至少一种。4.根据权利要求1所述的装置，其中，所述分布是至少部分地基于所述差超过预定阈值被确定的。5.根据权利要求1所述的装置，其中，以下项中的至少一个基于所述差被限制：(1)与往返所述数据中心的数据流量相关联的传输速率、(2)与往返所述边缘数据中心的数据流量相关联的传输速率、(3)与往返与所述边缘数据中心相关联的装置的数据流量相关联的传输速率、或(4)与往返与所述数据中心相关联的装置的数据流量相关联的传输速率。6.根据权利要求1所述的装置，其中，所述处理器还被配置为利用第一标签来至少标记所述工作负载的第一部分，其中，所述第一标签指示所述第一部分将被路由到所述数据中心，并且所述处理器被配置为利用第二标签来至少标记所述工作负载的第二部分，其中，所述第二标签指示所述第二部分将被路由到所述边缘数据中心。7.根据权利要求6所述的装置，其中，所述处理器还被配置为：(1)从所述数据中心接收与所述第一部分相关联的第一完成工作负载，以及(2)从所述边缘数据中心接收与所述第二部分相关联的第二完成工作负载，以及(3)使用所述第一标签或所述第二标签对所述第一完成工作负载或所述第二完成工作负载进行分类、过滤或聚合。8.根据权利要求7所述的装置，其中，所述处理器被配置为使得至少将所述第一完成工作负载或所述第二完成工作负载发送到所述网络架构上的第二装置。9.一种用于网络优化的方法，所述方法包括：确定与网络架构相关联的网络参数，其中，所述网络架构包括数据中心和边缘数据中心；使用所述网络参数确定与所述数据中心相关联的第一编程预期延迟和与所述边缘数据中心相关联的第二编程预期延迟；以及
至少部分地基于所述第一编程预期延迟或所述第二编程预期延迟之间的差，确定将在所述数据中心和所述边缘数据中心之间路由的工作负载的分布。10.根据权利要求9所述的方法，其中，所述网络参数包括以下项中的至少一个：使用百分比、核心数据中心选择概率、延时敏感度值、数据上传量、数据下载量、处理器使用要求或虚拟机(VM)利用率。11....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。