[go: up one dir, main page]

CN115994026A - 核心和边缘计算站点之中的自动化应用程序分层 - Google Patents

核心和边缘计算站点之中的自动化应用程序分层 Download PDF

Info

Publication number
CN115994026A
CN115994026A CN202111223891.3A CN202111223891A CN115994026A CN 115994026 A CN115994026 A CN 115994026A CN 202111223891 A CN202111223891 A CN 202111223891A CN 115994026 A CN115994026 A CN 115994026A
Authority
CN
China
Prior art keywords
application
edge computing
site
sites
core
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.)
Pending
Application number
CN202111223891.3A
Other languages
English (en)
Inventor
樊慧娟
鄢彪
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.)
Dell Products LP
Original Assignee
Dell Products LP
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 Dell Products LP filed Critical Dell Products LP
Priority to CN202111223891.3A priority Critical patent/CN115994026A/zh
Priority to US17/524,356 priority patent/US12197937B2/en
Publication of CN115994026A publication Critical patent/CN115994026A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/45595—Network integration; Enabling network access in virtual machine instances

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Stored Programmes (AREA)

Abstract

一种设备，包括处理装置，所述处理装置被配置来获得与应用程序相关联的信息，并且至少部分地基于所获得信息确定与表征在信息技术基础设施的边缘计算站点处托管所述应用程序的适合性的指标相关联的值。所述处理装置还被配置来至少部分地基于所确定值生成所述应用程序的分数，并且分析所述边缘计算站点的工作负载状态。所述至少一个处理装置进一步被配置来至少部分地基于所述应用程序的所述分数和所述边缘计算站点的所述工作负载状态选择是在所述信息技术基础设施的核心计算站点处还是在所述边缘计算站点处托管所述应用程序，并且在所述核心计算站点和所述边缘计算站点中所选择的一个计算站点处托管所述应用程序。

Description

核心和边缘计算站点之中的自动化应用程序分层
技术领域
本领域总体上涉及信息处理，并且更具体地涉及用于管理信息处理系统的技术。
背景技术
信息处理系统越来越多地利用可重配置的虚拟资源来以高效、灵活并且具成本效益的方式满足变化多端的用户需要。例如，已经广泛采用了使用诸如虚拟机的虚拟资源实现的云计算和存储系统。现在在信息处理系统中广泛使用的其他虚拟资源包括Linux容器。这样的容器可用于提供给定的基于云的信息处理系统的虚拟化基础设施的至少一部分。然而，在基于云的信息处理系统中的服务管理中可能出现重大的挑战。
发明内容
本公开的说明性实施方案提供了用于在核心和边缘计算站点之中的自动化应用程序分层的技术。
在一个实施方案中，一种设备包括至少一个处理装置，所述至少一个处理装置包括耦接到存储器的处理器。所述至少一个处理装置被配置来执行以下步骤：获得与应用程序相关联的信息，至少部分地基于所获得信息确定与表征在信息技术基础设施的一个或多个边缘计算站点处托管所述应用程序的适合性的两个或更多个指标相关联的值。所述至少一个处理装置还被配置来执行以下步骤：至少部分地基于与表征在所述一个或多个边缘计算站点处托管所述应用程序的适合性的所述两个或更多个指标相关联的所确定值生成所述应用程序的分数，以及分析所述一个或多个边缘计算站点的工作负载状态。所述至少一个处理装置进一步被配置来执行以下步骤：至少部分地基于所述应用程序的所述分数和所述一个或多个边缘计算站点的所述工作负载状态选择是在所述信息技术基础设施的核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序，以及在所述核心计算站点和所述一个或多个边缘计算站点中所选择的一个计算站点处托管所述应用程序。
这些和其他说明性实施方案包括但不限于方法、设备、网络、系统和处理器可读存储介质。
附图说明
图1是说明性实施方案中被配置用于在核心和边缘计算站点之中的自动化应用程序分层的信息处理系统的框图。
图2是说明性实施方案中用于在核心和边缘计算站点之中的自动化应用程序分层的示例性过程的流程图。
图3示出说明性实施方案中的层次分析过程流程。
图4示出说明性实施方案中的层次分析过程的结构。
图5示出说明性实施方案中的层次分析过程中元素的相对重要性分数的表格。
图6示出说明性实施方案中的应用程序数据处理位置决策制定算法的工作流。
图7示出说明性实施方案中的应用程序分数范围和相关联的处理位置选择的表格。
图8示出说明性实施方案中的应用程序处理位置决策制定算法的工作流。
图9A和图9B示出说明性实施方案中在执行应用程序处理位置决策制定算法之前和之后边缘站点和核心站点之中的应用程序的分布。
图10示出说明性实施方案中的应用程序情形和相关联的处理位置放置和迁移策略的示例。
图11和图12示出说明性实施方案中的可用于实现信息处理系统的至少一部分的处理平台的示例。
具体实施方式
将参考示例性信息处理系统和相关联的计算机、服务器、存储装置和其他处理装置在本文中描述说明性实施方案。然而，应当了解，实施方案不限于与所示的特定说明性系统和装置配置一起使用。因此，如本文所用的术语“信息处理系统”意图被广义地解释，以便涵盖例如包括云计算和存储系统的处理系统，以及包括物理和虚拟处理资源的各种组合的其他类型的处理系统。因此，信息处理系统可包括例如至少一个数据中心或其他类型的基于云的系统，所述至少一个数据中心或其他类型的基于云的系统包括托管访问云资源的租户的一个或多个云。
图1示出根据说明性实施方案配置的信息处理系统100。假设信息处理系统100构建在至少一个处理平台上，并且提供用于在核心计算站点102和一组边缘计算站点104-1、104-2……104-N(统称为边缘计算站点104)之中的自动化应用程序分层的功能性。如本文所用，术语“应用程序”意图被广义地解释为包括应用程序、微服务和其他类型的服务。假设核心计算站点102，也称为核心数据中心102，包括运行核心托管应用程序108-C的多个核心装置或核心节点(图1中未示出)。假设边缘计算站点104中的每个边缘计算站点包括运行边缘托管应用程序108-1、108-2……108-N(统称为边缘托管应用程序108-E)的多个边缘装置或边缘节点(图1中未示出)。核心托管应用程序108-C和边缘托管应用程序108-E统称为应用程序108。
信息处理系统100包括耦接到边缘计算站点104中的每个边缘计算站点的多个客户端装置。一组客户端装置106-1-1……106-1-M(统称为客户端装置106-1)耦接到边缘计算站点104-1，一组客户端装置106-2-1……106-2-M(统称为客户端装置106-2)耦接到边缘计算站点104-2，并且一组客户端装置106-N-1……106-N-M(统称为客户端装置106-N)耦接到边缘计算站点104-N。客户端装置106-1、106-2……106-N统称为客户端装置106。应当了解，连接到边缘计算站点104中的每个边缘计算站点的客户端装置106的特定数量“M”可以是不同的。换句话说，耦接到边缘计算站点104-1的客户端装置106-1的数量M可与耦接到边缘计算站点104-2的客户端装置106-2的数量M相同或不同。另外，特定客户端装置102可在任何给定时间仅连接或耦接到边缘计算站点104中的单个边缘计算站点，或者可在任何给定时间耦接到边缘计算站点104中的多个边缘计算站点，或者可在不同时间连接到边缘计算站点104中的不同边缘计算站点。
客户端装置106可以任意组合的形式包括例如物理计算装置，诸如物联网(IoT)装置、移动电话、膝上型计算机、平板计算机、台式计算机或企业成员利用的其他类型的装置。此类装置是本文更一般地称为“处理装置”的示例。这些处理装置中的一些处理装置在本文中也一般地称为“计算机”。客户端装置102还可或替代地包括虚拟化计算资源，诸如虚拟机(VM)、容器等。
在一些实施方案中，客户端装置106包括与特定公司、组织或其他企业相关联的相应计算机。此外，系统100的至少一些部分在本文中还可被称为共同包括“企业”。如本领域技术人员将了解的，涉及处理节点的多种不同类型和布置的众多其他操作情形是可能的。
假设耦接客户端装置106、边缘计算站点104和核心计算站点102的网络包括诸如互联网的全球计算机网络，但是可使用其他类型的网络，包括广域网(WAN)、局域网(LAN)、卫星网络、电话或有线网络、蜂窝网络、无线网络(诸如WiFi或WiMAX网络)或这些和其他类型网络的各个部分或组合。在一些实施方案中，第一类型的网络(例如，公共网络)将客户端装置106耦接到边缘计算站点104，而第二类型的网络(例如，专用网络)将边缘计算站点104耦接到核心计算站点102。
在一些实施方案中，核心计算站点102和边缘计算站点104以及核心共同提供由企业操作的信息技术(IT)基础设施的至少一部分，其中客户端装置106由企业的用户操作。因此，包括核心计算站点102和边缘计算站点104的IT基础设施可称为企业系统。如本文所用，术语“企业系统”意图被广义地解释为包括任何组的系统或其他计算装置。在一些实施方案中，企业系统包括云基础设施，所述云基础设施包括一个或多个云(例如，一个或多个公共云、一个或多个专用云、一个或多个混合云、它们的组合等)。云基础设施可托管核心计算站点102和/或边缘计算站点104的至少一部分。给定企业系统可托管与多个企业(例如，两个或更多个不同的商户、组织或其他实体)相关联的资产。
尽管在图1中未明确示出，但是诸如键盘、显示器或其他类型的输入输出装置的一个或多个输入输出装置可用于支持到核心计算站点102和边缘计算站点104的一个或多个用户接口，以及用于支持核心计算站点102、边缘计算站点104和未明确示出的其他相关系统和装置之间的通信。
如上所述，核心计算站点102托管核心托管应用程序108-C，而边缘计算站点104托管边缘托管应用程序108-E，其中核心托管应用程序108-C和边缘托管应用程序108-E统称为应用程序108。客户端装置106向边缘计算站点104(例如，向边缘计算装置或其边缘节点)发送访问应用程序108的请求。如果来自客户端装置106中的一个客户端装置(例如，客户端装置106-1-1)的给定请求涉及边缘计算站点104-1处的边缘托管应用程序108-1中的一个边缘托管应用程序，则边缘计算站点104-1处的边缘计算装置或边缘节点将服务于给定请求，并且将响应(如果适用的话)提供给发出请求的客户端装置106-1-1。如果给定请求涉及核心托管应用程序108-C中的一个核心托管应用程序，则边缘计算站点104-1处的边缘计算装置或边缘节点将会将给定请求转发到核心计算站点102。核心计算站点102将服务于给定请求，并且将响应(如果适用的话)提供回边缘计算站点104-1，所述边缘计算站点104-1将继而将响应提供回发出请求的客户端装置106-1-1。
应用程序108中的不同应用程序可具有不同的所需性能或其他特性。因此，基于应用程序108的所需性能、指标或其他特性，将应用程序108中的某些应用程序托管在核心计算站点102或边缘计算站点104中的一个或多个边缘计算站点处可能更为有利。另外，应用程序108的所需性能、指标或其他特性可随时间推移而改变，使得当前托管在边缘计算站点104中的一个边缘计算站点上的给定应用程序可更好地适合于由核心计算站点102托管，或者反之亦然。在说明性实施方案中，边缘计算站点104和核心计算站点102实现应用程序分层逻辑110-1、110-2……110-N和110-C(统称为应用程序分层逻辑110)的相应实例。应用程序分层逻辑110为核心计算站点102和边缘计算站点104处的应用程序108提供处理位置的动态分配。应用程序处理位置可在发起应用程序108时设置，并且可响应于各种条件(例如，来自客户端装置106中的一个客户端装置的执行重新平衡的请求、应用程序要求的改变、周期性的改变、边缘计算站点104的不同边缘计算站点的工作负载或相关工作负载的改变等)改进或随时间推移而动态调整。
应用程序分层逻辑110被配置来获得与托管在包括核心计算站点102和边缘计算站点104的IT基础设施中的应用程序108相关联的信息。应用程序分层逻辑110还被配置来至少部分地基于所所获得信息确定与表征在边缘计算站点104处托管应用程序108的适合性的两个或更多个指标相关联的值。应用程序分层逻辑110进一步被配置来至少部分地基于与表征在边缘计算站点104处托管应用程序108的适合性的两个或更多个指标相关联的所确定值生成应用程序108的分数。应用程序分层逻辑110进一步被配置来分析边缘计算站点104的工作负载状态，并且至少部分地基于应用程序108的分数和边缘计算站点104的工作负载状态选择是在核心计算站点102处还是在边缘计算站点104处托管应用程序108中的相应应用程序。
在一些实施方案中，与应用程序108相关联的信息(例如，各种指标)以及关于边缘计算站点104处的负载的信息可存储在数据库或其他数据存储区中。数据库或其他数据存储区可使用作为核心计算站点102、边缘计算站点104、客户端装置106中的一者或多者的一部分或以其他方式与之相关联的存储系统中的一个或多个存储系统来实现。存储系统可包括横向扩展全闪存内容可寻址存储阵列或其他类型的存储阵列。因此，如本文所用的术语“存储系统”意图被广义地解释为并且不应被视为限于内容可寻址存储系统或基于闪存的存储系统。作为本文广泛使用的术语的给定存储系统可包括例如网络附接存储装置(NAS)、存储区域网络(SAN)、直接附接存储装置(DAS)和分布式DAS以及这些和其他存储类型的组合(包括软件定义的存储装置)。可在说明性实施方案中用于实现存储系统的其他特定类型的存储产品包括全闪存和混合闪存存储阵列、软件定义的存储产品、云存储产品、基于对象的存储产品以及横向扩展NAS集群。在说明性实施方案中，这些和其他存储产品中的多个存储产品的组合还可用于实现给定存储系统。
尽管在此实施方案中被示为核心计算站点102和边缘计算站点104的元素，但是在其他实施方案中的应用程序分层逻辑110可至少部分地在核心计算站点102和边缘计算站点104的外部实现为例如独立的服务器、服务器组或经由一个或多个网络耦接到核心计算站点102和/或边缘计算站点104的其他类型的系统。在一些实施方案中，应用程序分层逻辑110可至少部分地在客户端装置106中的一个或多个客户端装置内实现。
假设图1实施方案中的核心计算站点102和边缘计算站点104使用至少一个处理装置来实现。每个这种处理装置大体包括至少一个处理器和相关联的存储器，并且实现应用程序分层逻辑110的功能性的至少一部分。
应当了解，图1实施方案中所例示的核心计算站点102、边缘计算站点104、客户端装置106、应用程序108和应用程序分层逻辑110的特定布置仅通过示例的方式呈现，并且可在其他实施方案中使用替代布置。如上文所讨论，例如，应用程序分层逻辑110可在核心计算站点102和边缘计算站点104中的一者或两者的外部实现。应用程序分层逻辑110的至少一些部分可至少部分地以存储在存储器中并由处理器执行的软件的形式来实现。
应当理解，图1所示的用于在核心计算站点102和边缘计算站点104之中的自动化应用程序分层的特定元件组仅通过说明性示例的方式呈现，并且在其他实施方案中，可使用另外或替代的元件。因此，另一个实施方案可包括另外的或替代的系统、装置和其他网络实体以及模块和其他部件的不同布置。
如将在上文和上文更详细地描述的，核心计算站点102、边缘计算站点104、客户端装置106和系统100的其他部分可以是云基础设施的一部分。
图1中的核心计算站点102、边缘计算站点104、客户端装置106和信息处理系统100的其他部件被假设为使用包括一个或多个处理装置的至少一个处理平台来实现，每个处理装置具有耦接到存储器的处理器。此类处理装置可说明性地包括计算、存储和网络资源的特定布置。
核心计算站点102、边缘计算站点104和客户端装置106或其部件可在相应的不同处理平台上实现，但是众多其他布置是可能的。例如，在一些实施方案中，客户端装置106和边缘计算站点104的至少一些部分在同一处理平台上实现。客户端装置106中的一个或多个客户端装置可因此至少部分地在实现边缘计算站点104和/或核心计算站点102的至少一部分的至少一个处理平台内实现。
如本文所用的术语“处理平台”意图被广义地解释以便通过说明性的方式而且非限制地涵盖被配置来通过一个或多个网络进行通信的多组处理装置和相关联的存储系统。例如，系统100的分布式实现方式是可能的，其中系统的某些部件驻留在处于第一地理位置的一个数据中心中，而系统的其他部件驻留在处于可能远离第一地理位置的一个或多个其他地理位置的一个或多个其他数据中心中。因此，在系统100的一些实现方式中，核心计算站点102、边缘计算站点104和客户端装置106或其部分或部件可能驻留在不同的数据中心中。许多其他分布式实现方式是可能的。
下面将结合图11和图12更详细地描述在说明性实施方案中被利用来实现核心计算站点102、边缘计算站点104和客户端装置106和系统100的其他部件的处理平台的另外的示例。
应当了解，说明性实施方案的这些和其他特征仅通过示例的方式呈现，并且不应被解释为以任何方式进行限制。
现在将参考图2的流程图更详细地描述用于在核心和边缘计算站点之中的自动化应用程序分层的示例性过程。应当理解，此特定过程仅是示例，并且在其他实施方案中可使用用于在核心和边缘计算站点之中的自动化应用程序分层的另外的或替代过程。
在此实施方案中，过程包括步骤200至210。假设由利用应用程序分层逻辑110的核心计算站点102和边缘计算站点104执行这些步骤。所述过程开始于步骤200，获得与应用程序相关联的信息。在步骤202中，基于在步骤200中获得的信息确定与表征在信息技术基础设施的一个或多个边缘计算站点处托管应用程序的适合性的两个或更多个指标相关联的值。两个或更多个指标可包括中的至少两者：由应用程序生成的应用程序数据的时间灵敏性、由应用程序生成的应用程序数据的安全性、与由应用程序生成的应用程序数据相关联的带宽成本以及由应用程序生成的应用程序数据的复杂性。
在步骤204中，至少部分地基于与表征在一个或多个边缘计算站点处托管应用程序的适合性的两个或更多个指标相关联的所确定值生成应用程序的分数。步骤204可利用层次分析过程算法，所述层次分析过程算法具有确定不同类型应用程序的分数的目标，利用两个或更多个指标作为标准，并且利用应用程序类型作为替代方案。在步骤206中分析一个或多个边缘计算站点的工作负载状态。
在步骤208中，至少部分地基于应用程序的分数和一个或多个边缘计算站点的工作负载状态选择是在信息技术基础设施的核心计算站点处还是在一个或多个边缘计算站点处托管应用程序。步骤208可包括：响应于应用程序的分数大于高水印阈值，选择在一个或多个边缘计算站点处托管应用程序，并且响应于应用程序的分数小于低水印阈值，选择在核心计算站点处托管应用程序。步骤208还可包括：响应于应用程序的分数在高水印阈值与低水印阈值之间，确定一个或多个边缘计算站点的工负载状态是否超过指定负载阈值。响应于一个或多个边缘计算站点的工作负载状态超过指定负载阈值，步骤208可包括：选择在核心计算站点处托管应用程序。响应于一个或多个边缘计算站点的工作负载状态等于或低于指定负载阈值，步骤208可包括：选择在一个或多个边缘计算站点处托管应用程序。
可响应于检测到一个或多个指定条件而重复步骤208。所述一个或多个指定条件可包括以下中的至少一者：检测到至少一个或多个边缘计算站点的工作负载状态的阈值改变，检测到至少一个或多个边缘计算站点中的至少一个边缘计算站点的可用资源的阈值改变，检测到至少表征在一个或多个边缘计算站点处托管应用程序的适合性的两个或更多个指标中的至少一个指标的值的阈值改变等。
在步骤210中，在核心计算站点和一个或多个边缘计算站点中所选择的一个计算站点处托管应用程序。可确定应用程序当前是否托管在核心计算站点和一个或多个边缘计算站点中所选择的一个计算站点处。响应于确定应用程序当前未托管在核心计算站点和一个或多个边缘计算站点中所选择的一个计算站点处，可将应用程序迁移到核心计算站点和一个或多个边缘计算站点中所选择的一个计算站点。
云计算提供了许多优势，包括但不限于在制定最佳决策方面发挥重要作用，同时提供降低的IT成本和可扩展性的益处。相对于云计算，边缘计算提供了另一个选项，提供更快的响应时间和更高的数据安全性。边缘计算不是不断地将数据传送回核心计算站点(本文也称为核心站点，其可作为云数据中心或在云数据中心内实现)，而是使装置能够在边缘计算站点(本文也称为边缘站点)处运行以实时收集并处理数据，从而使装置能够更快并且更有效地作出响应。边缘站点还可与作为或在软件定义的数据中心(SDDC)、虚拟数据中心(VDC)等内实现的核心站点一起使用，其中期望基于边缘站点处的需求或工作负载进行动态应用程序处理位置和其实时调整。
幸运的是，选择强调边缘计算或云计算并不是一个“非此即彼”的命题。随着IoT装置变得越来越广泛和强大，组织和其他实体将需要实现有效的边缘计算架构来利用此技术的潜力。通过将边缘计算与集中式云计算相结合，实体可最大化两种方法的潜力，同时最小化它们的局限性。然而，对于利用混合边缘和云计算环境的实体来说，在边缘计算与云计算之间找到适当的平衡是一个主要问题。通过边缘和云的适当的组合，实体可看到真正的投资回报率(ROI)，并且通常降低了成本。也就是说，适当的工具和计算类型将确保实体的数据准确、成本保持可控并且操作得到保护。
考虑到不同的应用程序(及其关联的应用程序数据)可具有不同的特性和要求，最终用户难以确切地确定应用程序更适合在边缘站点处还是核心站点(例如云数据中心)处处理。另外，可存在只能在边缘站点处处理的一些应用程序、只能在核心站点处处理的其他应用程序，以及根据资源情况(例如，边缘站点处的可用资源)可在边缘站点处或核心站点处处理的又其他应用程序。不同的边缘站点可具有不同量的资源(例如，计算资源、存储资源和网络资源)。另外，即使两个边缘站点具有相同的资源，它们在不同的时间点也可具有不同的相关联工作负载状态，这取决于实时数据处理流。
因此，需要全面且高效的应用程序处理位置评估和决策制定方法。说明性实施方案为诸如在混合边缘和云计算环境中的应用程序层处理位置决策制定提供了这种解决方案。本文描述的解决方案基于不同的应用程序特性评估多个指标，使用层次分析过程(AHP)方法计算每种类型的应用程序(或应用程序数据)的权重排名，并且然后确定是应在边缘站点处还是在核心站点处处理特定应用程序。在一些实施方案中，全面评估每个应用程序的分数或权重排名，并且然后基于实时处理要求和当前边缘站点性能或工作负载状态动态分配和定位(或重新定位)应用程序的处理位置。通过调整不同应用程序的处理位置(例如，在边缘站点与核心站点之间)，系统可实现均衡的资源利用和更高效的应用程序处理能力。本文描述的解决方案能够实现更准确且更合适的应用程序处理位置决策。
与核心站点(例如，云数据中心)相比，边缘站点通常具有有限的计算和存储资源。最终用户希望应用程序能够按需在边缘站点与核心站点之间合适地分布，以最大化边缘站点的资源。在一些实施方案中，多指标评估模型用于对每种类型的应用程序数据的权重值进行排名，并且进一步地用于确定在边缘站点处与在核心站点处处理什么类型的应用程序。特定应用程序(或该应用程序的数据)的权重或分数越高，就越有可能在边缘站点处处理该应用程序。为了提高应用程序处理位置分布模型的平衡性和性能，一些实施方案考虑了以下规则：(1)应该在边缘站点处处理排名相对高的应用程序；以及(2)应该在核心站点处处理排名相对低的应用程序。
可使用各种指标来评估应用程序处理要求和计算资源。在一些实施方案中，利用以下指标：时间灵敏性；安全性；带宽成本；复杂性；以及要考虑的任选的特定于应用程序的因素。然而，应当了解，除了或代替这些指标中的一者或多者，可使用各种其他指标。现在将详细描述这些指标。
应用程序或其数据的时间灵敏性是指需要信息的速度(例如，考虑自信息生成至需要它的持续时间，诸如秒、分、小时等)。需要该信息的速度越快，这种应用程序或其数据应该被发送到核心站点的可能性就越小，而应该被保存在边缘站点处的可能性就越大。例如，无人驾驶车数据可以是对时间高度敏感。
应用程序或其数据的安全性是指保护计算机系统和网络免受信息泄露，计算机系统和网络的硬件、软件或电子数据免受被盗或损坏，以及计算机系统和网络提供的服务免受中断或误导的IT安全性和可靠性。应用程序或其数据的安全性还可指与运行计算机系统的物理位置相关的安全性和可靠性(例如，建筑物或工厂车间的安全，因为它与火灾、爆炸、铁丝网等相关)。例如，海上钻井装置的通信中断的风险可能远远超过将所有必要的计算资产放在平台本身上的成本收益。安全性还可与隐私相关，尤其是对于个人IoT装置。虽然核心站点(例如，云数据中心)确实提供了安全性，但对于具有重大安全问题的实体来说，添加边缘计算通常是首选。
带宽成本是指由应用程序生成或预期由应用程序生成的应用程序数据的量。如果特定应用程序生成了大量的数据，但并非全部数据都需要用于进行合理分析，则可只需要发送汇总数据。例如，风电场可由生成大量数据的数百个风力涡轮机组成。承担将所有这些数据传输到核心站点以用于监测风电场的整体健康的成本是不切实际的，因此只应发送汇总数据(例如，其中此类汇总数据可经由在边缘站点处处理进行确定)。
应用程序或其数据的复杂性是指应用程序数据是否足够复杂到必须传递到核心站点(例如，云数据中心)进行深度挖掘。这是一个重要且具有挑战性的因素。例如，应用程序的数据可被分析以查看是否正在检查少数数据流以解决紧迫问题(例如，优化输送带)，或者是否正在检查大量数据流以解决较不紧迫的问题(例如，比较跨多个设施的数千条线路)。
如上所述，其他任选的因素或指标可按照特定应用程序或应用程序类型的指定设置。
对于特定使用案例，最终用户可根据需要选择上述指标中的一些或全部。根据所考虑的分析的性质，这些指标中的一些指标可具有一定程度的相关性，或者一些指标与其他指标相比可具有更高的优先级。更重要的是，这些指标的水平或值在很大程度上取决于主观定义。因此，难以以简单的方式压缩评估应用程序及其相关联的数据。同样地，一些实施方案在复杂的应用程序位置处理决策制定问题中利用AHP。
AHP是处理复杂的决策制定的有效工具。AHP是基于数学和心理学，并且表示一种用于量化决策标准的权重的准确方法。通过将复杂的决策简化为一系列成对比较，然后综合结果，AHP有助于捕获决策的主观方面和客观方面两者。AHP通过量化其标准和替代选项，为决策制定以及用于将这些元素与总体目标相关提供了合理的框架。此外，AHP结合用于检查决策制定者的评估的一致性的有用技术，因此从而减少决策制定过程中的偏差。图3示出AHP过程300的概观，其包括问题结构化阶段301、评估阶段303和选择或决策阶段305。在问题结构化阶段301中，在步骤301-1中定义决策问题和目标，并且在步骤301-2中标识并结构化决策标准和替代方案。在评估阶段303中，在步骤303-1中根据每个决策标准判断替代方案的相对值。在步骤303-2中，判断决策标准的相对重要性。在步骤303-3中，将步骤303-1和步骤303-2中的判断的集合聚集，并且在步骤303-4中，对此类判断执行不一致分析。在选择或决策阶段305中，在步骤305-1中计算替代方案的标准和优先级的权重。在步骤305-2中，执行灵敏性分析。
AHP过程或方法包括三个部分：最终目标或要解决的问题；所有可能的解决方案(称为替代方案)；以及借由其判断替代方案的标准。在一些实施方案中，目标是确定每种类型的应用程序或应用程序数据的权重值。标准包括各种指标，诸如上文描述的那些(例如，时间灵敏性、安全性、带宽成本、复杂性等)。通过在标准层中细化这些，系统可获得更准确的评估。替代方案被定义为每种类型的应用程序或应用程序数据。与标准层定义类似，这些可根据期望的使用案例(例如，由最终用户)增加或细化。图4示出用于应用程序处理位置决策制定评估的AHP问题结构400。目的401是确定每种类型的应用程序或应用程序数据的权重值410。标准403包括时间灵敏性430-1、安全性430-2、带宽成本430-3和复杂性430-4。替代方案包括应用程序数据450-1、应用程序数据450-2……应用程序数据450-S。
在AHP评估期间，计算标准权重的向量和替代分数的矩阵，并且检查一致性。权重和分数以及最终排名是在对标准和最终用户所提供的选项两者的成对相对评估的基础上获得的。假设矩阵A是m×m实矩阵，其中m是考虑的评估标准/替代方案的数量。矩阵A的每个条目ajk表示第j个元素相对于第k个元素的重要性。如果ajk＞1，则第j个元素比第k个元素重要，而如果ajk＞1，则第j个元素没有第k个元素那么重要。如果两个元素具有相同的重要性，则条目ajk是1。条目ajk和akj满足以下约束：ajk·akj＝1。对于所有j，ajj＝1。两个元素之间的相对重要性是根据从1至9的数字标度测量的，如图5的表格500所示。应当指出的是，图5的表格500所示的特定范围(例如，1至9)和相关联的解释不限于此。在其他实施方案中，可使用不同的范围，并且该范围的不同部分可与不同的解释相关联。所述范围大体可显示出轻微的不一致。然而，这些并没有给AHP带来严重的困难。通过基于成对评估实现AHP方法，可计算标准权重的向量和替代分数的矩阵，并且也可检查一致性。然后计算每个替代方案的权重值ω以获得每种类型的应用程序或应用程序数据的最终排名。
基于上文描述的AHP过程300和AHP结构400，可开发应用程序数据处理位置决策制定算法。给定N种类型的应用程序数据，第一步是确定所需的事实评估指标，并且使用AHP方法计算每种类型的应用程序数据的权重值ω排名。接下来，将每种类型的应用程序数据的权重值ω与表示为Φ的可接受阈值进行比较。如果ω≥Φ，则在边缘站点处本地处理具有该类型应用程序数据的应用程序。否则，在核心站点(例如，远程云数据中心)处传递并处理该应用程序的数据。Φ的特定值可根据需要进行选择。在一些实施方案中，Φ被设置为0.5。
图6示出应用程序数据处理位置决策制定算法的工作流600。在步骤601中，过程起始于评估N种类型的应用程序数据。在步骤603中，使用AHP计算每种类型的应用程序数据的权重值ω。在步骤605中，确定是否ω≥Φ。如果步骤605确定的结果为是(例如，对于特定类型的应用程序数据)，则工作流600前进至步骤607，在所述步骤607中确定在边缘站点处本地处理具有该类型应用程序数据的应用程序。如果步骤605的确定结果为否(例如，对于特定类型的应用程序数据)，则工作流600前进至步骤609，在所述步骤609中确定在核心站点(例如，云数据中心)处中心地或远程地处理具有该类型应用程序数据的应用程序。应当了解，在一些情况下，给定应用程序可处理多种不同类型的应用程序数据。在这种情况下，可考虑由给定应用程序利用的不同类型的应用程序数据中的每一个的权重值ω来确定在哪里处理给定应用程序。例如，可组合(例如，基于由给定应用程序使用或产生的不同类型应用程序数据的相对量的平均、加权平均等)不同类型的应用程序数据的权重值ω。作为另一个示例，不同类型的应用程序数据之中的最高或最低权重值ω可用于确定在哪里处理给定应用程序。各种其他示例是可能的。
为了评估不同应用程序的需求(例如，并且为了确定应该在边缘站点处还是在核心站点处处理此类应用程序)，可定义如上文所描述的多个指标(例如，时间灵敏性、安全性、带宽成本、复杂性等)。此类指标用于对每个应用程序或应用程序类型的权重值进行压缩排名。AHP用于帮助准确量化每个应用程序的权重，其中应用程序的权重越高，就越有可能在边缘站点处进行处理。可利用上文描述的AHP结构400，其中替代方案405是应用程序或应用程序类型(而不是应用程序数据类型)。通过实现AHP，一些实施方案可获得每个替代方案的权重值排名(例如，在[0,1]范围内)(例如，其中这里的替代方案被假设为不同的应用程序)。应用程序具有的分数或权重越高，就越有可能在边缘站点处处理该应用程序。
为了确保应用程序可根据其相关联要求被及时按需处理，可基于指派给应用程序的权重值定义不同的范围。例如，图7的表格700例示应用程序的分数或权重值的范围及其相关联的处理位置选择。在此示例中，分数或权重值高于0.9的应用程序必须在边缘站点处处理，而分数或权重值低于0.1的应用程序必须在核心站点处处理。分数在0.1与0.9之间的应用程序可在边缘站点处或核心站点处处理。这也意味着边缘站点的计算能力至少需要满足＞0.9加权应用程序的处理。应当指出的是，表格700中给定的特定值是通过示例呈现的，并且在其他实施方案中，可使用不同的阈值来确定应该在边缘站点处还是在核心站点处处理应用程序。
基于动态分数的应用程序处理位置平衡分布算法用来在边缘站点与核心站点之间指派和定位(或重新定位)应用程序。假设存在N种类型的应用程序，每种类型的应用程序都具有使用上文描述的技术为其指派的分数或权重。每次出现新应用程序(例如，最终用户请求发起或运行特定应用程序)时，将该应用程序的分数与所定义阈值(例如，图7的表格700中所指定的阈值)进行比较。如果应用程序的分数高于高水印阈值(例如0.9)，则在边缘站点处处理该应用程序。如果应用程序的分数低于低水印阈值(例如0.1)，则在核心站点处处理该应用程序。如果应用程序的分数在高水印阈值与低水印阈值之间(例如，0.1≤分数≤0.9)，则评估边缘站点性能。如果边缘站点的当前性能超过可接受阈值θ，这对应于边缘站点太忙而无法处理更多应用程序，并且因此将在核心站点处处理应用程序。如果边缘站点的当前性能等于或低于可接受阈值θ，则边缘站点并未太忙而能够处理更多应用程序，因此将在边缘站点处处理应用程序。有利地，算法将动态评估和比较当前边缘站点资源的实时性能，从而确保始终首先在边缘站点处高效处理高评分应用程序，同时还保持在核心和边缘站点之中的资源利用率均衡。
图8示出应用程序处理位置决策制定算法的工作流800。在步骤801中，当存在发起新应用程序的请求时，工作流800开始。所述请求可由客户端装置提交，并且工作流800用于确定应该在边缘站点处还是在核心站点处处理该新应用程序。在步骤803中，计算每个应用程序或应用程序类型的分数。每个应用程序或应用程序类型的分数可使用如上文描述的AHP算法来确定。例如，可标识由特定应用程序处理的应用程序数据的类型，并且可至少部分地基于与此类类型的应用程序数据相关联的分数或权重确定指派给应用程序的分数。当应用程序使用两种或更多种不同类型的应用程序数据时，可分析与两种或更多种不同类型的应用程序数据相关联的分数或权重以确定应用程序的总体分数或权重。例如，可确定与两种或更多种不同类型的应用程序数据相关联的分数或权重的平均值。平均值本身可以是加权平均值，其中权重是基于要由应用程序处理的不同类型的应用程序数据的相对量。作为另一个示例，与两种或更多种不同类型的应用程序数据相关联的最高(或最低)分数或权重可用作应用程序的分数或权重。各种其他示例是可能的。另外，特定应用程序的分数或权重不必仅基于由应用程序处理的应用程序数据类型的分数或权重。
在步骤805中，将新应用程序的分数与应用程序分类规则进行比较。在图8中，假设使用图7的表格700中所指定的规则或阈值，但应当指出的是，在其他实施方案中可使用各种其他类型的规则和阈值。在步骤807中，确定新应用程序的分数是否大于高水印阈值(例如，大于0.9)。如果步骤807确定的结果为是，则在步骤809中，在边缘站点处处理新应用程序。如果步骤807确定的结果为否，则在步骤811中，确定新应用程序的分数是否大于低水印阈值(例如，大于0.1)。如果步骤811确定的结果为是，则处理前进至步骤813，在步骤813中，评估边缘站点处的当前性能。在步骤815中，确定边缘站点处的当前性能是否小于可接受阈值(例如，θ)。如果步骤815确定的结果为是，则在步骤809中，在边缘站点处处理新应用程序。如果步骤811确定或步骤815确定的结果为否，则在步骤817中，在核心站点处处理新应用程序。
图9A和图9B示出在核心站点901(例如，云数据中心)和一组边缘站点903-1、903-2和903-3(统称为边缘站点903)之中的应用程序的分布的示例。应当指出的是，边缘站点903的特定数量不限于三个——在其他实施方案中可存在多于或少于三个的边缘站点。核心站点901运行一组应用程序910，而边缘站点903类似地运行各组应用程序930-1、930-2和930-3(统称为应用程序930)。假设边缘站点903与相应组边缘传感器932-1、932-2和932-2(统称为边缘传感器932)的相关联并且具有相应的边缘工作负载934-1、934-2和934-3(统称为边缘工作负载或边缘负载934)。尽管在图9A和图9B中示为在边缘站点903的内部实现，但在其他实施方案中，边缘传感器932中的一些或全部可在边缘站点903的外部实现。不同的阴影用于指示具有不同分数范围的应用程序910和930中的应用程序，并且指示边缘站点903的边缘负载934。
图9A例示应用程序910和930基于分数被静态指派而不考虑当前实时工作负载状态(例如，边缘负载934)的情况。这会导致不期望的情况，诸如图9A所示的情况。边缘站点903-1具有繁重的工作负载934-1并且还具有指派给它的许多应用程序930-1。这不仅影响边缘站点903-1，而且还可降低整体系统效率，因为核心站点901处的资源可能未得到充分利用。此外，边缘站点903-2具有轻工作负载934-2和相对较少(与边缘站点903-1相比)的在其上运行的应用程序930-2。因此，可能会浪费边缘站点903-2处的资源。
图9B例示根据边缘站点903的性能(例如，边缘负载934)将应用程序动态指派给核心站点901和边缘站点903的情况。如图所示，有利地避免了上文关于图9A讨论的不期望的情况，因为每个边缘站点903具有中等边缘负载934并且应用程序910和930具有最佳或最快的处理和响应。
应当指出的是，虽然假设图8的工作流800开始或起始于步骤801，但是在接收到发起新应用程序的请求时，工作流800还可用于响应于各种指定条件(例如，周期性地响应于确定特定边缘站点的相关联负载超过某些阈值，响应于确定至少两个或更多个边缘站点之间的负载的阈值不匹配，响应于确定核心站点处或一个或多个边缘站点处的资源利用不足或过度利用等)而周期性地或动态地调整应用程序(例如，在核心和边缘站点之中)的处理位置。应用程序的分数可用于根据当前边缘站点性能(例如，在如由最终用户定义的最近时间段内)来调整应用程序处理位置。此类情形包括但不限于：在边缘站点性能改变时，周期性地更正应用程序处理位置的非最佳指派；当涉及新应用程序要求时，重新定义应用程序处理位置的指派(例如，这可致使应用程序分数或分数分布改变)；在涉及新装置时重新定义应用程序处理位置的指派(例如，向核心站点或一个或多个边缘站点添加资源或从其中移除资源，何时添加或移除一个或多个边缘站点等)，使得边缘站点负载改变。
现在将相对于“智能”车辆描述示例性实现方式。智能车辆应用程序可需要处理多种情形，诸如障碍物分析和确定、障碍物分析模型更新、空气调节器或其他部件故障处理等。根据一组指标(例如，时间灵敏性、安全性、带宽成本和复杂性)对此类应用程序情形进行评估和分类，以确定应用程序处理位置策略。这是一个复杂的决策制定问题，部分原因是：需要考虑具有内部相关性的多个因素的使用；评估趋于定性和主观；以及每个应用程序的确切分数需要进一步用于按需平衡或迁移。
图10例示具有不同相关联指标值1010-1、1010-2和1010-3(例如，示为低、中等或高)的不同应用程序情形1005-1(障碍物分析和确定)、1005-2(障碍物分析模型更新)和1005-3(空气调节器或其他部件故障处理)的此类指标的值。不同应用程序情形1005-1、1005-2和1005-3的不同组指标值1010-1、1010-2和1010-3导致所示的三种不同的策略1015-1、1015-2和1015-3。AHP可用于准确量化决策标准的权重，其中：考虑多个指标的权重；量化标准和替代选项；并且提供每种应用程序或应用程序数据的详细权重排名。在应用程序分类之后，可执行动态的基于分数的应用程序处理位置平衡和分布迁移。在图10示例中，应用程序情形1005-1具有在边缘站点处处理的策略1015-1，其中应用程序不具备按需在核心和边缘站点之中迁移的资格。应用程序情形1005-2具有在核心站点处处理的策略1015-2，其中应用程序不具备按需在核心和边缘站点之中迁移的资格。应用程序情形1005-3具有在核心站点处或边缘站点处处理的策略1015-3，其中应用程序具备按需在核心和边缘站点之中迁移的资格。
应当了解，上文和本文其他地方描述的特定优点与特定说明性实施方案相关联，并且不需要在其他实施方案中存在。而且，如在附图中例示并且如上文描述的特定类型的信息处理系统特征和功能性仅是示例性的，并且在其他实施方案中可使用众多其他布置。
现在将参考图11和图12更详细地描述用于实现在核心和边缘计算站点之中的自动化应用程序分层的功能性的处理平台的说明性实施方案。尽管在系统100的上下文中进行了描述，但是这些平台也可用于在其他实施方案中实现其他信息处理系统的至少一部分。
图11示出包括云基础设施1100的示例性处理平台。云基础设施1100包括可用于实现图1中的信息处理系统100的至少一部分的物理和虚拟处理资源的组合。云基础设施1100包括使用虚拟化基础设施1104来实现的多个虚拟机(VM)和/或容器集合1102-1、1102-2……1102-L。虚拟化基础设施1104在物理基础设施1105上运行，并且说明性地包括一个或多个管理程序和/或操作系统级虚拟化基础设施。操作系统级虚拟化基础设施说明性地包括Linux操作系统或其他类型的操作系统的内核控制组。
云基础设施1100还包括各组应用程序1110-1、1110-2……1110-L，其在虚拟化基础设施1104的控制下在VM/容器集合1102-1、1102-2……1102-L中的相应VM/容器集合上运行。VM/容器集合1102可包括相应VM、相应的一个或多个容器集合、或在VM中运行的相应的一个或多个容器集合。
在图11实施方案的一些实现方式中，VM/容器集合1102包括使用包括至少一个管理程序的虚拟化基础设施1104实现的相应VM。管理程序平台可用于在虚拟化基础设施1104内实现管理程序，其中所述管理程序平台具有相关联的虚拟基础设施管理系统。底层物理机可包括一个或多个分布式处理平台，所述分布式处理平台包括一个或多个存储系统。
在图11实施方案的其他实现方式中，VM/容器集合1102包括使用提供操作系统级虚拟化功能性(诸如支持在裸金属主机上运行的Docker容器或在VM上运行的Docker容器)的虚拟化基础设施1104实现的相应容器。容器说明性地使用操作系统的相应内核控制组来实现。
从上文显而易见的是，系统100的处理模块或其他部件中的一者或多者可各自在计算机、服务器、存储装置或其他处理平台元件上运行。给定的此类元件可被视为在本文中更一般地被称为“处理装置”的示例。图11所示的云基础设施1100可表示一个处理平台的至少一部分。这种处理平台的另一个示例是图12所示的处理平台1200。
在此实施方案中，处理平台1200包括系统100的一部分，并且包括被指示为1202-1、1202-2、1202-3……1202-K的多个处理装置，所述多个处理装置通过网络1204彼此通信。
网络1204可包括任何类型的网络，通过示例的方式包括全球计算机网络(诸如互联网)、WAN、LAN、卫星网络、电话或有线网络、蜂窝网络、无线网络(诸如WiFi或WiMAX网络)或这些和其他类型网络的各个部分或组合。
处理平台1200中的处理装置1202-1包括耦接到存储器1212的处理器1210。
处理器1210可包括微处理器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、中央处理单元(CPU)、图形处理单元(GPU)、张量处理单元(TPU)、视频处理单元(VPU)或其他类型的处理电路，以及此类电路元件的部分或组合。
存储器1212可以任何组合的形式包括随机存取存储器(RAM)、只读存储器(ROM)、快闪存储器或其他类型的存储器。本文公开的存储器1212和其他存储器应当被视为更一般地被称为存储一个或多个软件程序的可执行程序代码的“处理器可读存储介质”的内容的说明性示例。
包括这种处理器可读存储介质的制品被认为是说明性实施方案。给定此类制品可包括例如存储阵列、存储磁盘或包含RAM、ROM、快闪存储器或其他电子存储器的集成电路，或多种其他类型的计算机程序产品中的任何一种。如本文所用的术语“制品”应被理解为排除瞬时的传播信号。可使用包括处理器可读存储介质的众多其他类型的计算机程序产品。
处理装置1202-1中还包括网络接口电路1214，其用于将处理装置与网络1204和其他系统部件对接，并且可包括常规收发器。
假设处理平台1200的其他处理装置1202以与针对图中的处理装置1202-1所示的方式类似的方式进行配置。
而且，仅通过示例呈现图中所示的特定处理平台1200，并且系统100可包括另外的或替代的处理平台，以及呈任何组合的众多不同的处理平台，其中每个这种平台包括一个或多个计算机、服务器、存储装置或其他处理装置。
例如，用于实现说明性实施方案的其他处理平台可包括融合基础设施。
因此应当理解，在其他实施方案中，可使用另外的或替代元件的不同布置。这些元件的至少一个子集可在公共处理平台上共同实现，或者每个这种元件可在单独的处理平台上实现。
如先前所指示的，本文公开的信息处理系统的部件可至少部分地以存储在存储器中并由处理装置的处理器执行的一个或多个软件程序的形式来实现。例如，以在一个或多个处理装置上运行的软件的形式说明性地实现了如本文所公开的用于在核心和边缘计算站点之中的自动化应用程序分层的功能性的至少一些部分。
应当再次强调，上述实施方案仅出于说明的目的而呈现。可使用许多变型和其他替代实施方案。例如，所公开的技术可适用于多种其他类型的信息处理系统、服务、参数等。而且，在附图中说明性地示出的系统和装置元件的特定配置以及相关联的处理操作在其他实施方案中可变化。此外，上文在描述说明性实施方案的过程中做出的各种假设也应被视为示例性的，而不是对本公开的要求或限制。所附权利要求的范围内的众多其他替代实施方案对于本领域技术人员将是显而易见的。

Claims (20)

1.一种设备，其包括：
至少一个处理装置，所述至少一个处理装置包括耦接到存储器的处理器；
所述至少一个处理装置被配置来执行以下步骤：
获得与应用程序相关联的信息；
至少部分地基于所获得信息确定与表征在信息技术基础设施的一个或多个边缘计算站点处托管所述应用程序的适合性的两个或更多个指标相关联的值；
至少部分地基于与表征在所述一个或多个边缘计算站点处托管所述应用程序的适合性的所述两个或更多个指标相关联的所确定值生成所述应用程序的分数；
分析所述一个或多个边缘计算站点的工作负载状态；
至少部分地基于所述应用程序的所述分数和所述一个或多个边缘计算站点的所述工作负载状态选择是在所述信息技术基础设施的核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序；以及
在所述核心计算站点和所述一个或多个边缘计算站点中所选择的一个计算站点处托管所述应用程序。
2.如权利要求1所述的设备，其中所述两个或更多个指标包括以下中的至少两者：由所述应用程序生成的应用程序数据的时间灵敏性；由所述应用程序生成的所述应用程序数据的安全性；与由所述应用程序生成的所述应用程序数据相关联的带宽成本；以及由所述应用程序生成的所述应用程序数据的复杂性。
3.如权利要求1所述的设备，其中生成所述应用程序的所述分数利用层次分析过程算法。
4.如权利要求3所述的设备，其中所述层次分析过程算法具有确定不同类型的应用程序的分数的目标，利用所述两个或更多个指标作为标准，并且利用应用程序类型作为替代方案。
5.如权利要求1所述的设备，其中选择是在所述核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序包括：
响应于所述应用程序的所述分数大于高水印阈值，选择在所述一个或多个边缘计算站点处托管所述应用程序；以及
响应于所述应用程序的所述分数低于低水印阈值，选择在所述核心计算站点处托管所述应用程序。
6.如权利要求5所述的设备，其中选择是在所述核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序还包括：响应于所述应用程序的所述分数在所述高水印阈值与所述低水印阈值之间，确定所述一个或多个边缘计算站点的所述工负载状态是否超过指定负载阈值。
7.如权利要求6所述的设备，其中选择是在所述核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序还包括：响应于所述一个或多个边缘计算站点的所述工作负载状态超过所述指定负载阈值，选择在所述核心计算站点处托管所述应用程序。
8.如权利要求6所述的设备，其中选择是在所述核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序还包括：响应于所述一个或多个边缘计算站点的所述工作负载状态等于或低于所述指定负载阈值，选择在所述一个或多个边缘计算站点处托管所述应用程序。
9.如权利要求1所述的设备，其还包括：确定所述应用程序当前是否托管在所述核心计算站点和所述一个或多个边缘计算站点中所选择的一个计算站点处。
10.如权利要求9所述的设备，其还包括：响应于确定所述应用程序当前未托管在所述核心计算站点和所述一个或多个边缘计算站点中所选择的一个计算站点处，将所述应用程序迁移到所述核心计算站点和所述一个或多个边缘计算站点中所选择的一个计算站点。
11.如权利要求1所述的设备，其还包括：响应于检测到一个或多个指定条件，重复选择是在所述核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序。
12.如权利要求11所述的设备，其中所述一个或多个指定条件包括：检测到至少所述一个或多个边缘计算站点的所述工作负载状态的阈值改变。
13.如权利要求11所述的设备，其中所述一个或多个指定条件包括：检测到至少所述一个或多个边缘计算站点中的至少一个边缘计算站点的可用资源的阈值改变。
14.如权利要求11所述的设备，其中所述一个或多个指定条件包括：检测到至少表征在所述一个或多个边缘计算站点处托管所述应用程序的适合性的所述两个或更多个指标中的至少一个指标的值的阈值改变。
15.一种计算机程序产品，其包括非暂时性处理器可读存储介质，所述非暂时性处理器可读存储介质具有存储在其中的一个或多个软件程序的程序代码，其中所述程序代码在由至少一个处理装置执行时致使所述至少一个处理装置执行以下步骤：
获得与应用程序相关联的信息；
至少部分地基于所获得信息确定与表征在信息技术基础设施的一个或多个边缘计算站点处托管所述应用程序的适合性的两个或更多个指标相关联的值；
至少部分地基于与表征在所述一个或多个边缘计算站点处托管所述应用程序的适合性的所述两个或更多个指标相关联的所确定值生成所述应用程序的分数；
分析所述一个或多个边缘计算站点的工作负载状态；
至少部分地基于所述应用程序的所述分数和所述一个或多个边缘计算站点的所述工作负载状态选择是在所述信息技术基础设施的核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序；以及
在所述核心计算站点和所述一个或多个边缘计算站点中所选择的一个计算站点处托管所述应用程序。
16.如权利要求15所述的计算机程序产品，其中选择是在所述核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序包括：
响应于所述应用程序的所述分数大于高水印阈值，选择在所述一个或多个边缘计算站点处托管所述应用程序；以及
响应于所述应用程序的所述分数低于低水印阈值，选择在所述核心计算站点处托管所述应用程序。
17.如权利要求16所述的计算机程序产品，其中选择是在所述核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序还包括：响应于所述应用程序的所述分数在所述高水印阈值与所述低水印阈值之间：
确定所述一个或多个边缘计算站点的所述工作负载状态是否超过指定负载阈值；
响应于所述一个或多个边缘计算站点的所述工作负载状态超过所述指定负载阈值，选择在所述核心计算站点处托管所述应用程序；以及
响应于所述一个或多个边缘计算站点的所述工作负载状态等于或低于所述指定负载阈值，选择在所述一个或多个边缘计算站点处托管所述应用程序。
18.一种方法，其包括：
获得与应用程序相关联的信息；
至少部分地基于所获得信息确定与表征在信息技术基础设施的一个或多个边缘计算站点处托管所述应用程序的适合性的两个或更多个指标相关联的值；
至少部分地基于与表征在所述一个或多个边缘计算站点处托管所述应用程序的适合性的所述两个或更多个指标相关联的所确定值生成所述应用程序的分数；
分析所述一个或多个边缘计算站点的工作负载状态；
至少部分地基于所述应用程序的所述分数和所述一个或多个边缘计算站点的所述工作负载状态选择是在所述信息技术基础设施的核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序；以及
在所述核心计算站点和所述一个或多个边缘计算站点中所选择的一个计算站点处托管所述应用程序；
其中所述方法由至少一个处理装置执行，所述至少一个处理装置包括耦接到存储器的处理器。
19.如权利要求18所述的方法，其中选择是在所述核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序包括：
响应于所述应用程序的所述分数大于高水印阈值，选择在所述一个或多个边缘计算站点处托管所述应用程序；以及
响应于所述应用程序的所述分数低于低水印阈值，选择在所述核心计算站点处托管所述应用程序。
20.如权利要求19所述的方法，其中选择是在所述核心计算站点处还是在所述一个或多个边缘计算站点处托管所述应用程序还包括：响应于所述应用程序的所述分数在所述高水印阈值与所述低水印阈值之间：
确定所述一个或多个边缘计算站点的所述工作负载状态是否超过指定负载阈值；
响应于所述一个或多个边缘计算站点的所述工作负载状态超过所述指定负载阈值，选择在所述核心计算站点处托管所述应用程序；以及
响应于所述一个或多个边缘计算站点的所述工作负载状态等于或低于所述指定负载阈值，选择在所述一个或多个边缘计算站点处托管所述应用程序。
CN202111223891.3A 2021-10-20 2021-10-20 核心和边缘计算站点之中的自动化应用程序分层 Pending CN115994026A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111223891.3A CN115994026A (zh) 2021-10-20 2021-10-20 核心和边缘计算站点之中的自动化应用程序分层
US17/524,356 US12197937B2 (en) 2021-10-20 2021-11-11 Automated application tiering among core and edge computing sites

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111223891.3A CN115994026A (zh) 2021-10-20 2021-10-20 核心和边缘计算站点之中的自动化应用程序分层

Publications (1)

Publication Number Publication Date
CN115994026A true CN115994026A (zh) 2023-04-21

Family

ID=85981654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111223891.3A Pending CN115994026A (zh) 2021-10-20 2021-10-20 核心和边缘计算站点之中的自动化应用程序分层

Country Status (2)

Country Link
US (1) US12197937B2 (zh)
CN (1) CN115994026A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994026A (zh) * 2021-10-20 2023-04-21 戴尔产品有限公司 核心和边缘计算站点之中的自动化应用程序分层

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8776074B1 (en) * 2010-01-22 2014-07-08 Lockheed Martin Corporation Methods, devices and systems for coordinating and optimizing resources
US20130346465A1 (en) * 2012-06-21 2013-12-26 Microsoft Corporation Application enhancement using edge data center
US9001733B2 (en) * 2012-07-17 2015-04-07 International Business Machines Corporation Offloading running a needed edge application to a neighboring basestation in a mobile data network
US20150199635A1 (en) * 2014-01-15 2015-07-16 Ernest Forman Method and a system for deriving changes in overall alternative priorities in response to changes in alternative priorities with respect to objectives
US9432794B2 (en) * 2014-02-24 2016-08-30 International Business Machines Corporation Techniques for mobility-aware dynamic service placement in mobile clouds
ES2886868T3 (es) * 2015-08-27 2021-12-21 Foghorn Systems Inc Plataforma de inteligencia de borde, y sistema de flujos de sensores del internet de las cosas
RU2018123325A (ru) * 2015-11-30 2020-01-09 Хуавэй Текнолоджиз Ко., Лтд. Способ, устройство и система для переключения мобильной граничной платформы
US10462212B2 (en) * 2016-10-28 2019-10-29 At&T Intellectual Property I, L.P. Hybrid clouds
US10382565B2 (en) * 2017-01-27 2019-08-13 Red Hat, Inc. Capacity scaling of network resources
CN109151907A (zh) * 2017-06-15 2019-01-04 鸿海精密工业股份有限公司 网络切片方法与装置
CN109542458B (zh) * 2017-09-19 2021-02-05 华为技术有限公司 一种应用程序管理的方法及设备
WO2019237363A1 (en) * 2018-06-15 2019-12-19 Nokia Technologies Oy Dynamic management of application servers on network edge computing device
US11902092B2 (en) * 2019-02-15 2024-02-13 Samsung Electronics Co., Ltd. Systems and methods for latency-aware edge computing
US10999766B2 (en) * 2019-02-26 2021-05-04 Verizon Patent And Licensing Inc. Method and system for scheduling multi-access edge computing resources
WO2020185130A1 (en) * 2019-03-08 2020-09-17 Telefonaktiebolaget Lm Ericsson (Publ) Dynamic access network selection based on application orchestration information in an edge cloud system
US11243817B2 (en) * 2019-03-29 2022-02-08 Intel Corporation Technologies for data migration between edge accelerators hosted on different edge locations
US11132608B2 (en) * 2019-04-04 2021-09-28 Cisco Technology, Inc. Learning-based service migration in mobile edge computing
US11616839B2 (en) * 2019-04-09 2023-03-28 Johnson Controls Tyco IP Holdings LLP Intelligent edge computing platform with machine learning capability
CN110138627B (zh) * 2019-07-11 2019-09-20 电子科技大学 一种基于安全风险量化的边缘侧终端安全接入策略选择方法
US11825319B2 (en) * 2019-11-18 2023-11-21 Verizon Patent And Licensing Inc. Systems and methods for monitoring performance in distributed edge computing networks
CN113448697B (zh) * 2020-03-25 2024-09-06 伊姆西Ip控股有限责任公司 管理备份任务的调度的方法、设备和计算机程序产品
US20230221936A1 (en) * 2020-06-25 2023-07-13 Hewlett-Packard Development Company, L.P. Geographic deployment of applications to edge computing nodes
US11763332B2 (en) * 2020-11-16 2023-09-19 Theta Labs, Inc. Edge computing platform supported by smart contract enabled blockchain network
US11327806B1 (en) * 2020-12-09 2022-05-10 Qpicloud Technologies Private Limited Profiling and application monitoring for edge devices based on headroom
US11917230B2 (en) * 2020-12-21 2024-02-27 Quanta Cloud Technology Inc. Method and system for maximizing uplink bandwidth in a communication system
JP2024502009A (ja) * 2020-12-30 2024-01-17 レベル スリー コミュニケーションズ，エルエルシー エッジコンピュート環境構成ツール
US12020070B2 (en) * 2021-04-02 2024-06-25 Red Hat, Inc. Managing computer workloads across distributed computing clusters
CN115469994A (zh) * 2021-06-11 2022-12-13 戴尔产品有限公司 边缘计算站点与核心数据中心之间的自动化服务分层
US20220417172A1 (en) * 2021-06-25 2022-12-29 Microsoft Technology Licensing, Llc Hybrid edge services
US11595264B1 (en) * 2021-09-17 2023-02-28 Microsoft Technology Licensing, Llc Provisioning edge backhauls for dynamic workloads
CN115994026A (zh) * 2021-10-20 2023-04-21 戴尔产品有限公司 核心和边缘计算站点之中的自动化应用程序分层
CN116860425A (zh) * 2022-03-23 2023-10-10 戴尔产品有限公司 基于边缘计算节点组之间的知识共享控制边缘计算节点的操作

Also Published As

Publication number Publication date
US12197937B2 (en) 2025-01-14
US20230123841A1 (en) 2023-04-20

Similar Documents

Publication Publication Date Title
CN105550323B (zh) 一种分布式数据库负载均衡预测方法和预测分析器
Mapetu et al. A dynamic VM consolidation approach based on load balancing using Pearson correlation in cloud computing
Tseng et al. A lightweight autoscaling mechanism for fog computing in industrial applications
CN103970607B (zh) 使用等价集合来计算优化虚拟机分配的方法和装置
CN103649916B (zh) 虚拟机在数据中心中的分配
Paulraj et al. A combined forecast-based virtual machine migration in cloud data centers
US9967326B2 (en) Information handling system application decentralized workload management
Duggan et al. A multitime‐steps‐ahead prediction approach for scheduling live migration in cloud data centers
CN104375897B (zh) 基于最小相对负载不均衡度的云计算资源调度方法
TW201424305A (zh) 於雲端中之ｃｄｎ負載平衡
JP2014527221A (ja) クラウド上のアプリケーション・リソース・マネージャ
Javadpour et al. An intelligent energy-efficient approach for managing IoE tasks in cloud platforms
US20150026306A1 (en) Method and apparatus for providing virtual desktop service
Chen et al. Online QoS modeling in the cloud: A hybrid and adaptive multi-learners approach
US10198295B2 (en) Mechanism for controlled server overallocation in a datacenter
US10965597B2 (en) Virtual network function load balancer
Kanniga Devi et al. Load monitoring and system-traffic-aware live VM migration-based load balancing in cloud data center using graph theoretic solutions
Kaur et al. Enlob: Energy and load balancing-driven container placement strategy for data centers
Shukla et al. FAT-ETO: Fuzzy-AHP-TOPSIS-based efficient task offloading algorithm for scientific workflows in heterogeneous fog–cloud environment
Dewangan et al. Design of self-management aware autonomic resource scheduling scheme in cloud
CN109194534A (zh) 面向物联网设备群体的调度与管理方法
CN110460662A (zh) 物联网数据的处理方法和系统
CN115994026A (zh) 核心和边缘计算站点之中的自动化应用程序分层
Gupta et al. Trust and deadline aware scheduling algorithm for cloud infrastructure using ant colony optimization
US11886928B2 (en) Automated service tiering between edge computing sites and a core data center

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