面向无服务器计算的边缘算力网络服务体系研究

算力网络是云网融合技术的演进和发展,为用户提供算网一体的服务。文章基于云原生中轻量化的无服务器计算模式,以函数功能为边缘算力服务能力,提出面向无服务器计算的边缘算力网络服务体系架构,阐述架构中的功能需求、体系架构、部署方案等相关内容,并完成算力网络服务平台原型部署和业务验证,实现上层应用对无服务器计算边缘算力的能力调用,验证轻量化算力的应用与边缘算力网络能力开放的问题。     

面向算网一体化演进的算力网络技术

随着一体化算力网络国家枢纽节点的建设和“东数西算”工程的加快实施,计算和网络的融合走向深水区。面向新兴业务对于网络和计算融合发展的需求,如何协调分布式、多样化算力资源,业务应用和网络资源满足业务需求成为亟待解决的问题。为了解决计算和网络相互感知、协同、调度问题,从算力网络阶段化发展、算力感知技术架构、算力度量与标识、算力路由等多个技术展开探索和研究,并提出算力网络多种部署模式,为算力网络后续技术研究和产业发展提供参考。     

算力网络业务分级模型与指标体系研究

本文基于目前行业应用对算力网络的需求，结合东数西算、数智化转型等需求研究算力网络业务分级方案和指标体系，对算力网络业务SLA指标进行分类归纳，对算力网络业务分级进行了建模，提出了算力网络业务指标的ERG模型，从资源可供、安全可信和系统可用3个维度描述算力网络业务指标模型，并形成了算力网络业务需求SLA分级编排器。最后，给出了算力时代的业务应用部署策略。     

6G算力网络:体系架构与关键技术

随着应用需求的不断拓展和科学技术的高速发展,现有网络逐步形成了较为成熟的无线感知、无线通信和泛在计算等多个功能体系,6G通信、感知、计算(通感算)融合趋势初现。其中,算力作为该融合系统的基石,为未来网络的发展提供了新的挑战和机遇。算力网络(Computing Force Networks,CFN)以“算网深度融合”为指导思想,利用发达的网络触角感知、连接和协同算力,提高算网资源利用率,满足网络智能化和新型业务的需求。首先概述了算力网络的发展历程和研究现状,总结了算力网络架构和关键技术,包括算力度量和建模、算力感知和路由、算力调度等,最后探讨了技术挑战和未来发展方向。     

东数西算场景下的算力网关研发及应用

提出了一种面向算力网络场景的新型网络设备——算力网关。认为算力网关是实现算力网络一体化调度的基础，通过感知业务应用需求，结合当前的算力状况和网络状况，生成路由信息并发布到网络，将计算任务报文路由到合适的计算节点，以实现算力资源的最优调度。现网实践验证了算力网关技术方案的有效性。     

基于通信云和承载网协同的算力网络编排技术

面向未来网络中计算与网络紧密结合、"算网一体"的技术发展趋势,提出了基于集中式和分布式两种控制方案的算力网络编排模型,并分别介绍了实现过程的关键技术。从方案与技术分析来看,基于电信运营商通信云和承载网协同的算力网络编排方案可以较好地适应未来移动边缘计算(MEC)站点成网后边边协同与云边协同的业务需求,增强了网络对业务的感知与调度能力,而集中式或分布式控制方案的具体选择与运营商通信云能力和承载网的演进阶段密切相关。     

基于云、网、边融合的边缘计算新方案:算力网络

边缘计算已经成为5G时代重要的创新型业务模式,尤其是其低时延特性,被认为是传统方案所不具备的,因此边缘计算能够提供更多的服务能力且具有更为广泛的应用场景。但边缘计算与处于中心位置的云计算之间的算力协同成为新的技术难题,即需要在边缘计算、云计算以及网络之间实现云网协同、云边协同,甚至边边协同,才能实现资源利用的最优化。在研究边缘计算算力分配和调度需求的基础上,提出了基于云、网、边深度融合的算力网络方案,并针对AI类应用给出了一个典型实施系统,该方案能够有效应对未来业务对计算、存储、网络甚至算法资源的多级部署以及在各级节点之间的灵活调度。     

算力网络应用平台研究与设计

针对算力网络（CPN）因算力多样泛在、多要素融合、需求差异化的特点导致的用户使用困难、应用管理难等问题,从纳管与接入、决策与调度、应用与开放三个层面研究算力网络应用的管理以及异构算力融合和跨域编排关键技术,并设计一个算力网络应用平台。通过提供一种即开即用、按需付费的零感知算网应用服务,使用户关注于应用服务需求,无需关心算力资源需求和算力网络复杂环境,从而实现降低用户的算力网络使用门槛,提升算网应用的使用和管理效率的目标。     

基于云边协同算力调度的高效边缘卸载研究

为了满足车载边缘计算网络(Vehicular Edge Computing,VEC)中低时延、高可靠、高传输速率等极致性能需求,亟需突破现有传统车联网中通信感知计算相互割裂的现状,基于云边端一体化与智能协同等算力网络技术设计一种高效的任务卸载策略成为解决方案。为此,提出一种云边协同智能驱动车载边缘算力网络架构,通过结合实时计算负载与网络状态条件,充分利用云中心、聚合服务器和MEC服务器的异构计算能力,权衡用户任务卸载策略,实现网络资源的全面协作和智能管理。考虑到计算型任务对时延和能耗的需求,将计算卸载策略建模为在通信与计算资源约束下的最小化长期系统成本的优化问题,并将其转化为马尔可夫决策过程(Markov Decision Process,MDP)。最后,鉴于车载网络的动态和随机特性,提出一种基于云边协同的深度Q网络(Cloud-Edge Collaborative Deep Q-Network,CEC-DQN)的高效计算卸载策略来解决MDP问题。仿真结果表明,与传统单点边缘服务器卸载或随机卸载算法相比,所提出的算法具有较高的性能提升,可有效解决多层次算力网络中节点算力分配不足、不均衡的问题。     

基于算力网络平台算力资源处理技术浅析

随着算力网络的发展，如何整合多云算力资源，对外统一提供云计算服务成为重要的研究课题。设计算力网络资源管理平台对网络云、移动云、IT云以及边缘云等多云算力资源进行了统一计算处理，未来可以作为算力感知平台承担基础算力的注册、度量、对外发布等功能。本文阐述了算力网络资源管理平台设计方案，用于高效处理海量算力数据，提供即时算力资源信息的技术解析能力，并提出了基于Hudi数据湖的数据处理演进思路和分布式算力资源管理的设想，为其他研究人员提供参考。     

Resource scheduling in mobile edge computing using improved ant colony algorithm for space information network

With the development of space information network (SIN), new network applications are emerging. Satellites are not only used for storage and transmission but also gradually used for calculation and analysis, so the demand for resources is increasing. But satellite resources are still limited. Mobile edge computing (MEC) is considered an effective technique to reduce the pressure on satellite resources. To solve the problem of task execution delay caused by limited satellite resources, we designed Space Mobile Edge Computing Network (SMECN) architecture. According to this architecture, we propose a resource scheduling method. First, we decompose the user tasks in SMECN, so that the tasks can be assigned to different servers. An improved ant colony resource scheduling algorithm for SMECN is proposed. The heuristic factors and pheromones of the ant colony algorithm are improved through time and resource constraints, and the roulette algorithm is applied to route selection to avoid falling into the local optimum. We propose a dynamic scheduling algorithm to improve the contract network protocol to cope with the dynamic changes of the SIN and dynamically adjust the task execution to improve the service capability of the SIN. The simulation results show that when the number of tasks reaches 200, the algorithm proposed in this paper takes 17.52% less execution time than the Min-Min algorithm, uses 9.58% less resources than the PSO algorithm, and achieves a resource allocation rate of 91.65%. Finally, introducing dynamic scheduling algorithms can effectively reduce task execution time and improve task availability.     

Network resource management for enterprise wide multimedia services

The support of broadband multimedia applications over an enterprise network poses a broad range of networking challenges for efficient resource management, intelligent switching, and access control for distributed information. We propose two server-based scheduling algorithms, with low computational complexity, to guarantee multimedia information synchronization at the destination, with minimum presentation delays and buffer requirements. We outline a communication framework, highlighting the issues and challenges faced by today's enterprise networks to support multimedia services. We describe the proposed connection establishment and resource allocation schemes in resource-constrained enterprise networks. The objective is to manage the limited resources of the network for maximum utilization. Towards this end we present a dynamic capacity allocation scheme to support connections for multiple users. Specifically, we show that the channel capacity allocation problem can be formulated as a quadratic programming problem. This allocation scheme is implemented at each intermediate switch to dynamically determine the capacity allocation. The effects of interswitch rate mismatch and network delay offset scheduling have also been incorporated in the management framework. In addition, we introduce the concept of route selection based on the requested network quality of service     

资源管理系统中用户资源需求量预测及其调度算法

资源管理系统就是对计算机集群网络中分散在各个节点中的多种资源统筹管理,资源需求预测和任务调度是其核心技术.提出了一种基于用户资源需求预测的相似度匹配(SDM:Similarity Degree Matching)算法,首先对用户将来发送任务的各种资源需求量进行预测,再采用基于任务与节点相似度匹配的调度算法,综合任务资源需求与节点服务能力两方面而得出相似度匹配,从而实现任务到节点的映射.C++语言环境下仿真结果表明,该算法实现了服务节点内部的各种资源负载平衡,提高系统的吞吐量和使用率.     

基于可靠性的5G网络切片在线映射算法

为了满足业务多样性对5G网络切片带来差异化需求的同时保证切片的可靠性,实现网络资源的优化配置。该文针对5G网络切片的动态映射、轻量级可靠映射问题,提出对计算资源、链路资源和RRU频谱资源联合分配方案。首先,该方案建立面向可靠性约束的多目标资源分配模型,引入李雅普诺夫优化模型,在保证队列稳定同时优化资源分配。其次,提出了基于队列稳定性的虚拟节点映射算法和基于可靠性的虚拟链路映射算法。最后,将时间离散为一系列连续的时间窗,利用时间窗动态处理到达的网络切片请求,实现在线的网络切片映射算法。仿真结果表明,该算法提高了资源利用率,并且保证网络可靠性。     

面向智慧高速网络节点边缘处理器的资源配置优化

随着B5G时代的到来,边缘计算被广泛用于处理智慧高速网络节点的海量原始数据.但在实际应用中,基于设备成本的考虑,大量边缘处理器并不会配置较为充裕的冗余性计算资源和存储空间,在处理突发事件时可能无法合理分配资源而出现高时延、宕机等问题,进而影响智慧高速公路系统的稳定性和可靠性.为此,提出了一种面向智慧高速网络节点边缘处理...     

云计算资源调度算法的研究与实现

在研究蚁群算法、任务分配和资源调度的基础上,提出了一种改进的蚁群资源调度算法.首先通过引入节点可信度机制在一定程度上增强了云计算资源的搜索能力和节点完成任务的成功率.然后在改进的算法中使用了信息素的局部更新机制和全局更新机制,可以有效地平衡负载.最后通过选取合适的参数利用CloudSim仿真工具对改进的资源调度算法进行实验测试,实验结果表明此算法缩短了任务的执行时间,改善了云计算资源调度的性能.     

光纤网络中云计算资源联合最优分配方法

在云计算技术与光纤网络不断发展的今天,网络数据不断增加,网络带宽面临严峻挑战。当前应用云计算资源联合最优分配方法对网络链路资源分配的结果较为落后,导致资源分配后网络数据传输扰动量以及带宽阻塞率较高。针对此问题,本文设计光纤网络中云计算资源联合最优分配方法。以网络任务模型为蓝本,构建光纤网络传输模型。将光纤网络传输模型以有向图的形式,完成网络节点传输映射分析。结合光树生成算法,设计云计算资源最优分配算法,完成光纤网络中云计算资源联合最优分配方法设计。仿真结果表明：采用所提方法后网络数据传输扰动量以及带宽阻塞率较低,提升了云计算资源的分配方法。     

基于网络切片的网络效用最大化虚拟资源分配算法

为了实现网络资源的动态分配,提高网络资源利用率,满足用户业务多样性带来的切片网络差异需求,该文提出一种基于网络效用最大化的虚拟资源分配算法。该算法采用商业化模式将频谱资源作为收益载体,并对不同切片网络进行差异化定价。同时将计算资源和回程链路作为开销,还考虑了切片网络对计算资源和频谱资源的差异性需求,最后以最大化网络收益建立效用模型。并通过拉格朗日对偶分解设计了分布式迭代算法对效用模型进行求解。仿真结果表明,该算法提高了服务用户比例,并使得网络资源获得最大收益。     

A workflow task scheduling algorithm based on the resources' fuzzy clustering in cloud computing environment

Cloud computing is the key and frontier field of the current domestic and international computer technology, workflow task scheduling plays an important part of cloud computing, which is a policy that maps tasks to appropriate resources to execute. Effective task scheduling is essential for obtaining high performance in cloud environment. In this paper, we present a workflow task scheduling algorithm based on the resources' fuzzy clustering named FCBWTS. The major objective of scheduling is to minimize makespan of the precedence constrained applications, which can be modeled as a directed acyclic graph. In FCBWTS, the resource characteristics of cloud computing are considered, a group of characteristics, which describe the synthetic performance of processing units in the resource system, are defined in this paper. With these characteristics and the execution time influence of the ready task in the critical path, processing unit network is pretreated by fuzzy clustering method in order to realize the reasonable partition of processor network. Therefore, it largely reduces the cost in deciding which processor to execute the current task. Comparison on performance evaluation using both the case data in the recent literature and randomly generated directed acyclic graphs shows that this algorithm has outperformed the HEFT, DLS algorithms both in makespan and scheduling time consumed. Copyright © 2014 John Wiley & Sons, Ltd.     

车载边缘计算中任务卸载和服务缓存的联合智能优化

针对车载环境下有限的网络资源和大量用户需求之间的矛盾,提出了智能驱动的车载边缘计算网络架构,以实现网络资源的全面协同和智能管理.基于该架构,设计了任务卸载和服务缓存的联合优化机制,对用户任务卸载以及计算和缓存资源的调度进行了建模.鉴于车载网络的动态、随机和时变的特性,利用异步分布式强化学习算法,给出了最优的卸载决策和资...