Page 281 - 《软件学报》2021年第12期
P. 281

软件学报 ISSN 1000-9825, CODEN RUXUEW                                        E-mail: jos@iscas.ac.cn
         Journal of Software,2021,32(12):3945−3959 [doi: 10.13328/j.cnki.jos.006113]   http://www.jos.org.cn
         ©中国科学院软件研究所版权所有.                                                          Tel: +86-10-62562563


                                                                ∗
         功能分发网络:基于容器的智能边缘计算平台

                              1
                                      1
               1
                       1
                                                      3
                                              2
         杨   术 ,   陈子腾 ,   崔来中 ,   明中行 ,   程   路 ,   唐小林 ,   萧   伟  4
         1
          (深圳大学  计算机与软件学院,广东  深圳  518060)
         2 (中国移动通信集团浙江有限公司,浙江  杭州  310016)
         3 (华润集团-润联智慧科技有限公司,广东  深圳  518060)
         4
          (深圳清华大学研究院,广东  深圳  518057)
         通讯作者:  崔来中, E-mail: cuilz@szu.edu.cn

         摘   要:  随着大数据、机器学习等技术的发展,网络流量与任务的计算量也随之快速增长.研究人员提出了内容分
         发网络(CDN)、边缘计算等平台技术,但 CDN 只能解决数据存储,而边缘计算存在着难以管理和不能跨集群进行资
         源调度等问题.容器化技术广泛应用在边缘计算场景中,但目前,边缘计算采取的容器编排策略普遍比较低效,导致
         任务的计算延迟仍然过长.提出了功能分发网络 FDN(function delivery network),一方面为用户提供了访问边缘计算
         资源的统一接口和容器化的计算平台,无需进行繁琐的计算资源配置;另一方面,FDN 平台优化系统的资源利用和
         任务的计算延迟,能将任务所需的容器编排到合适的边缘计算集群.开发了一种基于启发式的容器编排策略,实现了
         跨集群的容器编排功能,进一步优化了执行的计算延迟.基于 Openwhisk 软件实现了 FDN,并在中国移动的网络中部
         署了该系统,而且对 FDN 和容器编排策略进行测试.实验结果表明,FDN 计算平台能够降低任务的计算延迟;同时,
         启发式容器编排策略的性能相比传统的算法有了较大的提升.
         关键词:  功能分发网络;边缘计算;容器编排
         中图法分类号: TP393

         中文引用格式:  杨术,陈子腾,崔来中,明中行,程路,唐小林,萧伟.功能分发网络:基于容器的智能边缘计算平台.软件学报,2021,
         32(12):3945−3959. http://www.jos.org.cn/1000-9825/6113.htm
         英文引用格式: Yang S, Chen ZT, Cui LZ, Ming ZX, Cheng L, Tang XL, Xiao W. Function delivery network: Container-based
         smart edge computing platform. Ruan Jian Xue Bao/Journal of Software, 2021,32(12):3945−3959 (in Chinese). http://www.jos.
         org.cn/1000-9825/6113.htm
         Function Delivery Network: Container-based Smart Edge Computing Platform

                                                                                      3
                 1
                                                                       2
                               1
                                            1
                                                            1
         YANG Shu ,   CHEN Zi-Teng ,  CUI Lai-Zhong ,   MING Zhong-Xing ,   CHENG Lu ,  TANG Xiao-Lin ,   XIAO Wei 4
         1 (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China)
         2 (China Mobile Communication Group Zhejiang Co., Ltd., Hangzhou 310016, China)
         3 (Runlian Intelligent Technology Co., Ltd, China Resources, Shenzhen 518060, China)
         4 (Research Institute of Tsinghua University in Shenzhen, Shenzhen 518057, China)
         Abstract:   With the development of big data  and  machine learning, the network traffic  and data  computation  are growing fast.
         Researchers  developed the content network  delivery  (CDN), edge computing,  etc.  for these challenges. Nevertheless,  the CDN  only

            ∗  基金项目:  国家重点研发计划(2018YFB1800302, 2018YFB1800805);  国家自然科学基金(61772345, 61902258);  深圳市基础研
         究计划(RCYX20200714114645048, GJHZ20190822095416463, JCYJ20190808142207420);  广东省“青年珠江学者计划”
              Foundation  item: National Key Research and  Development  Program of China  (2018YFB1800302,  2018YFB1800805); National
         Natural Science Foundation of China (61772345, 61902258); Major Fundamental Research Project in the Science and Technology Plan of
         Shenzhen (RCYX20200714114645048, GJHZ20190822095416463, JCYJ20190808142207420); Pearl River Young Scholars
              收稿时间: 2020-02-26;  修改时间: 2020-04-02;  采用时间: 2020-06-16
   276   277   278   279   280   281   282   283   284   285   286