CN120295787A 用于在数字网络中分发应用逻辑的系统和方法 （微软技术许可有限责任公司）

202080035717.32020.05.20用于在数字网络中分发应用逻辑的系统和公开了用于在数字网络中分发应用逻辑的应用逻辑的该至少一部分分发给移动边缘服务2从无线网络的第一设备接收用于发起与服务相关联的服务实例的请求，所标识所述应用逻辑的一部分以分发给移动边缘服务器或者互联网位置，将所述应用逻辑的所述一部分分发给所述移动边缘服务器中的第一移动边缘服务器，在核心无线网络处，经由一个或多个用户平面站点接收从通过所述核心无线网络的控制平面设备，使用所述训练数据集来3.根据权利要求2所述的方法，还包括训练所述机器学习算法以标识所述多个参数和应用逻辑分发建议如何在移动边缘服务器和所述互联网位置之间分发用从所述无线网络的第二设备接收用于发起与所述应用逻辑相关联的服务实例的附加标识所述应用逻辑的附加部分以分发给所述移动边缘服务器或者所述互利用所述机器学习算法确定将所述应用逻辑的所述附加部分分发给所述互联网位置；将所述应用逻辑的所述附加部分分发给所述互联网位置，以使基于所述第一设备的历史行为，标识所述应用逻辑的所述一部分应3在所述预定时间将所述应用逻辑的所述一部分重新指派给所述移动边缘服务器中的在所述服务实例被提供给所述第一设备的同时，提取服务基于所述服务实例性能指标与所述第一移动边缘服务器和所述移动边缘服务器中的一个或多个硬件处理器，被配置为从所述非暂时性存储器读从无线网络的第一设备接收用于发起与服务相关联的服务实例的请求，所标识所述应用逻辑的一部分以分发给移动边缘计算(MEC)服务器或者互联网位置，其解析为多个参数，并处理所述多个参数以指示如何在所述MEC服务器和所述互联网位置之将所述应用逻辑的所述一部分分发给所述移动边缘服务器中的第一MEC服务器，以使所述第一MEC服务器向所述第一设备提供所述服务在核心无线网络处，经由一个或多个用户平面站点接收从通过所述核心无线网络的控制平面设备，利用所述训练数据集训练所述机器学习算13.根据权利要求12所述的系统，其中所述应用逻辑分发包括述训练数据集中先前未14.根据权利要求12所述的系统，其中所述机器学习算法的训练是根据迭代过程进行4从无线网络的第一设备接收用于发起与服务相关联的服务实例的请求，所标识所述应用逻辑的一部分以分发给移动边缘服务器或者互联网位置，将所述应用逻辑的所述一部分分发给所述移动边缘服务器中的第一移动边缘服务器，在由一个或多个硬件处理器执行时使所述一个或多个硬件处理器执行操作，所述操作包从所述无线网络的第二设备接收用于发起与所述应用逻辑相关联的服务实例的附加标识所述应用逻辑的附加部分以分发给所述移动边缘服务器或者所述互利用所述机器学习算法确定将所述应用逻辑的所述附加部分分发给所述互联网位置；将所述应用逻辑的所述附加部分分发给所述互联网位置，以使在由一个或多个硬件处理器执行时使所述一个或多个硬件处理器执行操作，所述操作包基于所述第一设备的历史行为，标识所述应用逻辑的所述一部分应在所述预定时间将所述应用逻辑的所述一部分重新指派给所述移动边缘服务器中的在由一个或多个硬件处理器执行时使所述一个或多个硬件处理器执行操作，所述操作包在所述服务实例被提供给所述第一设备的同时，提取服务5基于所述服务实例性能指标与所述第一移动边缘服务器和所述移动边缘服务器中的6[0003]本申请根据35U.S.C.356、题为“IntelligentandOptimalUserandAppPlacementinMobileEdge[0007]确定将哪些网络操作分发给MEC节点可能是昂贵且耗时的过程，需要运营商评估[0008]图1是使用移动边缘计算在分布式位置处采用分离的控制平面和用户平面功能的[0009]图2是根据本公开的一个实施例的用于将应用功能智能动态地分发给边缘计算模[0011]图4是根据本公开的一个实施例的将网络服务实例动态地部署到移动边缘计算服7持控制平面硬件和功能的同时，通过投资增加的能力来改进用户平面功能。如3GPP标准某些逻辑/应用在核心网络之外和更靠近客户端设备的位置执行，从而改进关键性能指标用户或特定应用动态地卸载到诸如MEC服务器的网络边缘节点来用于优化的网络资源指派。本公开的实施例允许运营商将所采用的MEC服务器的益处最大化并且将运营成本同时面和控制平面之间的功能(functionality/function)分发。在没有该智能系统的情况下，[0017]图1是使用移动边缘计算，在分布式位置处采用分离的控制平面和用户平面功能8[0021]图2是根据本公开的一些实施例的用于将应用功能智能且动态地分发给边缘计算208和控制平面管理器210。控制平面设备216可以通过利用作为分组转发控制协议9发UE相对接近的用户流量可能仅需要使用用户平面站点(诸如用户平面站点204)来处理，206还可以包含应用功能之外的用户平面设备功能的日志，诸如核心网络202和互联网100的数据来标识待在互联网100或MEC服务器220中的任一个处执行的最佳应用功能。应用推荐模块228可以包括仿真系统(未示出)来训练将在应用推荐模块228内部署的机器学习算法。将在下文中参考图3和图4进一步描述应用推荐模块228训练和采用机器学习算法以在将特定UE指派给用户平面站点204用于服务，或者该特定UE是否将在作为端到端网络的一是否经由物理上接近或计算上接近的MEC服务器220向UE提供服务时，CP管理器210可以考理器224处的计算能力或者所请求的应用的延迟要[0026]图3是根据本公开的一个实施例的在应用推荐模块228内训练算法的过程300的简营商或机器学习算法本身相关或由其标识的其他获取的所有数据，其中校准数据集可以仅包括在该时间段的最后十二小时内获取的数据。具有一致的训练和校准数据集允许运营商确保应用推荐模块228的准[0028]在步骤308处，控制平面设备216通过使用来自数据存储装置206的训练数据来训训练数据集的子集来标识算法的关键参数并且在继续进行较大部分的训练数据集进行训间段的前三十六小时期间收集的数据，则SME可以开始使用每三十分钟接收到的数据子集[0030]图4是根据本公开的一个实施例的将网络服务实例动态部署到移动边缘计算服务被完全分发(例如完全卸载)到MEC服务器220的情况用户平面功能，并且将应用逻辑引导至与指派UE的用户平面站点204相关联的MEC服务器应用逻辑的各部分将从用户平面站点204通过用户平面设备218路由到核心网络202。核心块228的输出可以被存储在与CP管理器210相关联的存储器中，作为控制平面设备216的一识别被路由到MEC服务器220或互联网100来进行处理的部分或完全卸载的应用逻辑的逻面或互联网处的应用逻辑相关联的服务的处理分别在这些位置储。构成在控制平面设备216或MEC服务器220处接收的使用数据的服务实例性能指标可以[0033]在步骤410处，CP管理器210评估与由运营商设置或由应用推荐模块228定义的使CP管理器210可以预判UE服务实例的转移需求并且预先确定UE服务实例将在网络中的不同QoS成员资格。如果第一UE和第二UE均通过相同的用户平面设备请求相同应用(例如Netflix)的服务实例，则第一UE可能由于其优质QoS成员资格而被指派到用户平面站点处第二UE重新指派给第二用户平面站点，以在与第二用户平面站点相关联的MEC服务器处处存储器226中存储的数据的一部分。将它们有效地指派给用户平面站点。该重新指派例如可能源于具有更高层级QoS成员资格控制平面设备通过应用推荐模块预期将应用逻辑指派给单个用户平面站点。在该示例中，运营商可能希望用户平面站点包含用于避免重复网络资源部署的206和存储器226的信息被用于更新应用推荐模块228的算法。所存储的数据可以包括以上预测服务实例需求有关的更多内容来改进分析细节，从而在MEC服务器和用户平面站点之以将服务实例使用数据传输到数据存储库，其中数据存储库包括神经网络或机器学习算程序或数据的文件的一部分中、在专用于相关程序的单计算机上或在一个站点处的多个计算机上执行，或者跨多个站点分布并通过通信网络互[0041]本说明书中描述的过程和逻辑流程(包括本文中描述的主题的方法步骤)可以由一个或多个可编程处理器来执行，一个或多个可编程处理器执行一个或多个计算机程序，中描述的主题的装置可以被实现为专用逻辑电路，例如FPGA(现场可编程门阵列)或ASIC[0042]适合于执行计算机程序的处理器包括例如通用和专用微处理器以及任何种类的备或可操作地被耦合来从一个或多个大容量存储设备接收数据或将数据传输到一个或多存储器可以由专用逻辑电路补充或者被并入专用逻辑向用户显示信息的显示设备，显示设备例如是CRT(阴极射线管)或LCD(