基于容器云的微服务系统

现有微服务系统持续交付仅将可执行代码或程序放入运行环境,缺乏对容器化服务的敏捷开发流程。对于容器化服务的版本测试和配置更新等相关问题也缺乏相应的解决方案。因此,如何在微服务系统上快速构建容器云并提供相关完整解决方案是急需解决的技术难题。提出了一种基于容器云的微服务系统。以容器为载体灵活快速构建微服务,为上层应用提供容器云服务。实现了服务容器化持续集成,支持多个服务的多个版本联调测试,达到生产不停机、版本无缝切换的效果;由运维监控平台对这些服务进行统一的监控管理。经过生产环境验证,系统能够保障多种服务运行不停机,短时间响应请求,满足生产的需求。     

基于容器技术的微服务架构

微服务架构和容器技术的结合让企业能够彻底打破孤岛效应,实现信息与数据的无障碍流通.IT技术更加贴合业务的变化,让企业在竞争中更加灵活多变,获得更大的优势.     

基于J2EE面向服务的工作流管理系统

Web服务技术的蓬勃发展,进一步促进了面向服务架构(SOA)的繁荣,越来越多的组织机构已经或正在准备接纳这一新技术来构建基于Web服务的应用.传统的工作流管理系统已经不能满足业务集成的需要,新一代的工作流管理系统必须提供对Web服务的支持.文中提出了一个称为"SOFlow"的面向服务的工作流管理系统,并对该系统的体系架构进行了分析,给出了该系统的一个具体实现.     

微服务架构和容器技术应用分析

文章分析了微服务架构和容器技术的应用。微服务架构是一种架构概念,通过将功能分解到各个离散的服务中以实现对解决方案的解耦,在降低系统耦合的同时,还提供了十分灵活的服务支持,这种架构对应用的功能进行了充分的分离,使开发和部署非常的便捷,结合容器技术,最大化地解决微服务架构中所面临的负载,对微服务进行更有效的支撑。微服务架构中对容器技术的应用主要看中容器的对解决复杂环境和用户资源隔离问题的能力,这种新的开发方式为开发者提供了一种新的思路。     

面向云服务提供商的服务选择方法研究

从云服务提供商角度出发,为提高服务选择的有效性,首先对服务选择流程进行分析,提出面向云服务提供商的服务选择思路,设计服务选择具体流程。进而从服务提供商角度出发,分析影响服务选择结果的主要因素,建立基于用户需求偏好和服务资源调度的服务选择数学模型,设计智能算法进行求解。最后进行算例分析,实验结果验证了该方法的可行性和有效性。     

移动边缘计算环境下基于移动感知的工作流调度算法

移动边缘计算环境下,用户可将本地的计算密集型任务卸载至边缘服务器,从而缩短工作流的完工时间并节省设备能耗。然而,许多研究忽略了用户移动导致的网络连接变化对工作流调度的影响。针对现有算法中存在的卸载不合理问题,文中提出了基于移动感知的工作流调度算法MaWS。该算法通过预测用户移动轨迹得出未来可通信的基站集合,并融入遗传算法,制定合理的任务执行顺序和执行位置。仿真结果表明,相比HEFT和Greedy等算法,MaWS算法能够有效缩短10%～15%的工作流完工时间并降低8%～13%的设备能耗,为移动边缘计算下的工作流调度提出一种有效方案。     

云原生边缘计算技术在物联网的中应用

针对传统云计算平台无法高效处理海量物联网终端数据接入,中心服务器和传输过程中缺乏用户数据隐私保护的两方面需求问题,构建一个物联网边缘计算平台.该平台采用云原生架构,并在靠近用户端部分利用边缘计算的方法搭建平台,在电力物联网系统中,将数据处理能力从云端下沉到用户附近,从而降低电网响应时延、卸载数据传输压力、提高电力传输效...     

基于QoS的网格工作流的选择调度算法

开放网格服务架构（OGSA）和计算经济模型的提出,使得动态的、不同QoS的服务支持下的资源调度成为一个复杂且具有挑战性的问题。文中提出了基于QoS的网格工作流的选择调度算法,该算法采用动态资源选择策略适应网格计算环境下的动态性和自治性。在满足用户对服务质量要求的基础上,平衡了工作流中服务实例的花费、处理时间和可用性之间的关系。试验证明该调度算法符合计算网格的复杂环境,能够更好地满足不同用户的实际需要。     

面向边缘微服务迁移的5G核心网协议定制研究

针对现有5G核心网协议对边缘微服务实时热迁移支持能力的不足,提出一种面向边缘微服务迁移的5G核心网协议定制方案。指出了现有5G UE移动场景下的连续性保持研究在应用普及、5G标准协议提供支持以及方案完整性等方面的不足之处,着重介绍了面向边缘微服务迁移的5G核心网协议定制方案的流程及系统架构,并对方案进行测试验证。结果证明本方案可使用原微服务IP地址对迁移后的微服务进行正常访问,在保证服务连续性的情况下支持边缘微服务迁移。     

基于匹配理论的电力物联网边缘服务器选择机制

移动边缘计算利用部署在用户附近基站或具有空闲资源的路侧单元、车辆和MEC服务器作为网络的边缘,为设备提供所需的服务以及云端计算能力,以减少网络操作和服务交付的时延。文章将移动设备和MEC服务器的任务分配问题描述为一对一的匹配博弈,解决了移动边缘计算中的任务卸载问题。文章提出的算法具有良好的扩展性,并且能够降低总体能耗,使任务卸载时延最小化。     

面向边缘计算的可信协同框架

在边缘计算环境中,边缘节点种类多样,分布范围广,工作环境差异大,这使得数据安全保障变得非常复杂,难以对其传输数据的可信性进行有效评价,从而影响整个边缘计算环境的安全性。针对上述问题,基于可信计算中密封密钥及群数字签名技术,该文提出边缘可信计算基(ETCB)的概念,并给出了构建ETCB的算法集,设计了面向边缘计算的可信数据验证协议,并对算法正确性和协议安全性进行了证明。该框架结合可信计算技术的优势,在不改变原有边缘计算模式的前提下,实现了数据的分布式可信验证。     

基于随机网络演算的车联网边缘计算多跳任务卸载性能分析

车联网(IoV)边缘计算通过在网络边缘部署计算资源,可为车载用户提供低时延服务。该文通过随机网络演算(SNC)矩母函数(MGF)法分析车联网移动边缘计算的时延和数据积压性能。首先,分别对车辆高优先级和低优先级业务到达过程、单跳毫米波通信服务过程和边缘计算服务过程进行数学建模;其次,由服务级联定理获得不同优先级业务在多跳网络中的服务过程及其矩母函数表达式;接着,推导了车辆边缘网络不同优先级业务毫米波多跳通信任务卸载的时延和数据积压概率边界闭式解;最后通过蒙特卡罗仿真验证闭式解的准确性。     

Efficient Task Scheduling for Many Task Computing with Resource Attribute Selection

Many Task Computing（MTC）is a new class of computing paradigm in which the aggregate number of tasks,quantity of computing,and volumes of data may be extremely large.With the advent of Cloud computing and big data era,scheduling and executing large-scale computing tasks efficiently and allocating resources to tasks reasonably are becoming a quite challenging problem.To improve both task execution and resource utilization efficiency,we present a task scheduling algorithm with resource attribute selection,which can select the optimal node to execute a task according to its resource requirements and the fitness between the resource node and the task.Experiment results show that there is significant improvement in execution throughput and resource utilization compared with the other three algorithms and four scheduling frameworks.In the scheduling algorithm comparison,the throughput is 77%higher than Min-Min algorithm and the resource utilization can reach 91%.In the scheduling framework comparison,the throughput（with work-stealing）is at least 30%higher than the other frameworks and the resource utilization reaches 94%.The scheduling algorithm can make a good model for practical MTC applications.     

基于边缘计算的高效视频内容分发关键技术与挑战

近年来移动互联网、工业互联网的快速发展,引发媒体计算与服务的一个新的趋势:以视频为代表的多媒体数据的产生、处理和分发越来越多地趋向网络边缘。复杂应用环境下,用户行为、系统资源的不确定性成为网络视频服务面临的重大挑战。如何引入人工智能与机器学习的方法,利用网络边缘的计算、存储和网络资源实现视频内容分发随需而动,从而支撑更低延迟、更高带宽需求的网络视频服务,逐渐成为新的研究和应用热点。该综述分析了基于边缘计算的视频分发所面临的挑战,提出了通过边缘计算的网络、存储和计算能力来进行视频内容分发的框架,并在此框架下给出了边缘缓存及替换、边缘内容预取、边缘内容收集和边缘计算迁移等视频分发的优化策略设计。     

社会属性感知的边缘计算任务调度策略

边缘计算服务器的负载不均衡将严重影响服务能力,该文提出一种适用于边缘计算场景的任务调度策略(RQ-AIP)。首先,根据服务器的负载分布情况衡量整个网络的负载均衡度,结合强化学习方法为任务匹配合适的边缘服务器,以满足传感器节点任务的资源差异化需求;进而,构造任务时延和终端发射功率的映射关系来满足物理域的约束,结合终端用户社会属性,为任务不断地选择合适的中继终端,通过终端辅助调度的方式实现网络的负载均衡。仿真结果表明,所提出的策略与其他负载均衡策略相比能有效地缓解边缘服务器之间的负载和核心网的流量,降低任务处理时延。

     

云边端架构下边缘智能计算关键问题综述：计算优化与计算卸载

近年来,随着入网设备数量与数据体量的急剧增加,以云计算为代表的中心式计算模式的缺点越来越显露出来。边缘计算,即让计算尽量靠近数据源,以减少数据传输时间和网络延迟,作为云计算的补充,已经成为学术界和工业界关注的焦点。该文面向边缘计算中应用较广的实例架构—云边端架构,以及边缘计算的典型应用—边缘智能计算,讨论云边端架构下边缘智能计算的两大关键问题：计算优化和计算卸载。首先分析和梳理了云边端架构下边缘智能计算优化的应用与研究现状。然后讨论了云边端架构下计算卸载的研究思路和现状。最后,总结提出了目前云边端架构下边缘智能计算业务所面临的挑战和未来研究趋势。     

基于5G边缘计算的智能电网高性价比任务调度

针对智能电网环境中电力数据量庞大且对处理时效性要求高的问题,将5G边缘计算引入智能电网系统.研究了基于5G边缘计算的智能电网任务调度问题,在满足电网任务完成需求的同时,最大限度地降低成本.基于此提出了一种基于贪心策略的启发式任务调度算法,通过与两种算法在包括输入任务数、传输数据大小和延迟要求等参数下的比较,验证了所提算...     

基于模拟退火机制的车辆用户移动边缘计算任务卸载新方法

在车联网(IOV)环境中,如果将车辆的计算任务都放置在云平台执行,无法满足对于信息处理的实时性,考虑移动边缘计算技术以及任务卸载策略,将用户的计算任务卸载到靠近设备边缘的服务器去执行。但是在密集的环境下,如果所有的任务都卸载到附近的边缘服务器去执行,同样会给边缘服务器带来巨大的负载。该文提出基于模拟退火机制的车辆用户移动边缘计算任务卸载新方法,通过定义用户的任务计算卸载效用,综合考虑时耗和能耗,结合模拟退火机制,根据当前道路的密集程度对系统卸载效用进行优化,改变用户的卸载决策,选择在本地执行或者卸载到边缘服务器上执行,使得在给定的环境下的所有用户都能得到满足低时延高质量的服务。仿真结果表明,该算法在减少用户任务计算时间的同时降低了能量消耗。     

面向云原生的5G核心网云化架构和演进策略

云原生技术在云计算领域的应用日益广泛,并加速推动企业上云进程.伴随着5G商用,运营商正在积极推进网络转型,云原生技术将在网络云化建设中发挥引领作用.分析了云原生在5G核心网应用中的关键技术,提出了面向云原生的核心网云化架构和演进策略,并阐述了面临的关键问题.     

云计算中基于能耗比例模型的虚拟机调度算法

针对资源虚拟化环境中的混合型负载调度问题,提出一种基于能耗比例模型的虚拟机调度算法.该算法利用处理器的"性能计数器"机制来评估各个虚拟机的近期能耗状态,并采用"最近最小能耗比例优先"的策略进行调度.理论分析给出了该算法的有效性证明和相关特性.实验结果显示,当系统面对混合型负载时,基于能耗比例模型的调度算法在"调度偏差"和"相对能效"两方面明显优于现有的虚拟机调度算法.