(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211192155.0 (22)申请日 2022.09.28 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 申请人 西安电子科技大 学广州研究院 (72)发明人 赵力强　林妙预　李因新　梁凯　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 李薇 (51)Int.Cl. H04W 28/08(2009.01) H04L 67/02(2022.01) H04L 41/40(2022.01) G06N 5/04(2006.01) G06N 3/10(2006.01)G06N 3/08(2006.01) G06N 3/04(2006.01) G06F 9/50(2006.01) G06F 9/455(2006.01) (54)发明名称 一种基于微服务的云-网-边智能协同与管 理编排方法 (57)摘要 本发明公开了一种基于微服务的云 ‑网‑边 智能协同与管理编排方法， 应用于云 ‑网‑边智能 协同框架系统， 该系统包括云域、 网络域和边缘 域三域， 云域、 网络域和边缘域均为四层三面结 构设计， 四层结构包括从下到上依次设计的基础 设施层、 虚拟化层、 功能层和应用层， 三面结构 包 括控制面、 智能面和MAN O面， 基础设施层、 虚拟化 层、 功能层、 应用层分别与控制面、 智能面和MAN O 面交互， 控制面、 智能面和MANO面之间相互交互， 对应方法包括： 基于微服务实现系统的分布式智 能算法训练及推理过程； 基于 Kubernetes实现系 统的网络功能模 版实例化过程。 本发 明实现了高 效部署。 权利要求书3页 说明书9页 附图5页 CN 115551017 A 2022.12.30 CN 115551017 A 1.一种基于微服务的云 ‑网‑边智能协同与管理编排方法， 其特征在于， 应用于云 ‑网‑ 边智能协同框架系统， 该系统包括： 云域、 网络域和边缘域三域， 所述云域、 所述网络域和所述边缘域均为 四层三面结构设 计， 四层结构包括从下到上依次设计的基础设施层、 虚拟化层、 功能层和应用层， 三面结构 包括控制面、 智能面和管理编排面， 所述基础设施层、 所述虚拟化层、 所述功能层、 所述应用 层分别与所述控制面、 所述智能面和所述管理编排面交互， 所述控制面、 所述智能面和所述 管理编排 面之间相互 交互， 对应方法包括： 基于微服务实现系统的分布式智能算法训练及推理过程； 基于Kubernetes实现系统的网络功能模版实例化过程； 其中， 在训练及推理过程中， 借助于微服务思想， 将分布式智能算法的训练及推理过程 解耦为若干网络功能。 2.根据权利要求1所述的基于微服务的云 ‑网‑边智能协同与管理编排方法， 其特征在 于， 所述智能面的功能层借助于微 服务思想实现系统的分布式智能算法训练及推理过程。 3.根据权利要求1所述的基于微服务的云 ‑网‑边智能协同与管理编排方法， 其特征在 于， 所述若干网络功能包括数据收集、 数据预处 理、 模型、 分发以及聚合五个网络功能。 4.根据权利要求3所述的基于微服务的云 ‑网‑边智能协同与管理编排方法， 其特征在 于， 利用NFV技 术， 将所有网络功能进行虚拟化设置 。 5.根据权利要求4所述的基于微服务的云 ‑网‑边智能协同与管理编排方法， 其特征在 于， 所述若干网络功能均挂载于统一虚拟的SBI总线 上， 并利用HTTP协 议进行相应服务的获 取与提供。 6.根据权利要求5所述的基于微服务的云 ‑网‑边智能协同与管理编排方法， 其特征在 于， 所述管理编排 面的功能层借助于Kubernetes实现系统的网络功能模版实例化过程。 7.根据权利要求6所述的基于微服务的云 ‑网‑边智能协同与管理编排方法， 其特征在 于， 利用Kubernetes提供的client ‑java和client ‑go进行二次开发， 通过与API  Server交 互以实现各网络功能的模板实例化以及资源的管理与编排。 8.根据权利要求7所述的基于微服务的云 ‑网‑边智能协同与管理编排方法， 其特征在 于， 所述基于Kubernetes实现系统的网络功能模版实例化过程， 包括： 所述管理编 排面接收到应用层发送的分布式智能算法服务请求后， 向模型选择器发送 模型请求信息； 所述模型选择器根据模型请求信息， 选择合适的神经网络模型， 并向智能算法模型库 请求预定义的神经网络模型模板； 所述智能算法模型库接收所述模型选择器发送的模板请求信 息后， 将所述模型选择器 发送的预定义参数更新到相应的神经网络模型模板， 并将更新后的神经网络模型模板返回 给所述管理编排 面； 所述管理编 排面接收所述智能算法模型库发送的神经网络模型模板， 将该神经网络模 型模板发送给API  Server， 请求建立对应的Pod实例； 所述API Server接收到所述管理编排面发送的Pod建立请求信息后， 将所述API   Server接收的神经网络模型模板写入到 Etcd中； 所述Etcd接收到所述API  Server发送的神经网络模型模板信息后， 将其保存到数据库权　利　要　求　书 1/3 页 2 CN 115551017 A 2中， 并返回更新的数据库信息给 所述API Server； 所述API Server向Scheduler发送Pod建立请求信息， 所述Scheduler通过Watch机制接 收该Pod建立请求信息后， 通过其内部调度机制选择合适的Node节 点， 并将该Node节 点返回 给所述API Server； 所述API Server接 收到所述Scheduler发送的Node节点后， 将该Node节点对应的信息 写入到所述Etcd中， 并向该N ode节点的Kubelet发送Pod绑定请求信息； 所述Kubelet接收到所述API  Server发送的Pod绑定请求信息后， 根据所述Etcd中 的神 经网络模型模板， 利用容器运行时将该神经网络模型模板实例化成Docker容器， 并根据该 神经网络模型模板中的CPU、 Memory以及网络资源信息分配相应的资源给所述Docker 容器， 以完成系统的网络功能模板实例化， 并完成所述应用层发送的分布式智能算法服务请求对 应的响应。 9.根据权利要求7所述的基于微服务的云 ‑网‑边智能协同与管理编排方法， 其特征在 于， 所述基于微 服务实现系统的分布式智能算法训练过程， 包括： 用户通过5G基站接入核心网， 并通过无线网络连接到所述云 ‑网‑边智能协同框架系 统， 并向所述控制面的应用层发送请求； 所述控制面的应用层接收到请求后， 通过RESTful接口获取所述智能面的功能层的服 务， 并发送服 务请求； 所述智能面的功能层接收到相应的服务请求， 对URL进行解析， 并通过HTTP协议向所述 管理编排 面发送网络应用请求； 所述管理编排面监听到所述智能面的功能层发送 的网络应用请求后， 通过解析URL获 取需要实例化的所述智能面的网络功能， 向模板库获取所述智能面的网络功 能的模板， 借 助Kubernetes实现模板的实例化， 部署相应的网络功能， 并向所述云域的分发网络功能发 送请求； 分发网络功能接收到请求后， 通过内部的节点选择函数选择合适的边缘节点参与本轮 的分布式智能算法训练， 向模型网络功 能获取神经网络模型， 并将获取得到的神经网络模 型下发到选择出的边缘节点； 被选中边缘节点的数据收集网络功能接收到分发网络功能发送的神经网络模型后， 开 始收集相应的数据， 并将其 放入到数据库； 数据预处理网络功能读取数据收集网络功能放入到数据库中的数据， 利用截断、 补零、 归一化以及打标签方式进行数据预处理， 并将处理后的数据放入到数据库中， 并向模型网 络功能发送训练请求； 模型网络功能接收到数据预处理网络功能的训练请求后， 利用分发网络功能发送的神 经网络模型和数据预 处理网络功能处理好的数据进行一轮模型训练， 并将训练得到的神经 网络模型通过HT TP协议发送到所述云域的聚合网络功能； 所述云域的聚合网络功能接收到边缘节点的模型参数进行联邦聚合得到聚合后的模 型， 将该聚合后的模型通过HTTP协议发送给所述云域的分发网络功能， 并重复执行上述云 域的分发网络功能接收到请求后所有过程， 直到神经网络模型到 达期望的准确率。 10.根据权利要求7所述的基于微服务的云 ‑网‑边智能协同与 管理编排方法， 其特征在 于， 所述基于微 服务实现系统的分布式智能算法推理过程， 包括：权　利　要　求　书 2/3 页 3 CN 115551017 A 3