[發明專利]一種基于容器云平臺的邊緣機器學習系統及其方法

有效

• 申請號: 202010034668.3
• 申請日: 2020-01-14
• 公開（公告）號: CN111258716B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 曹滔韜
• 申請（專利權）人: 鈦鏈智云(廈門)信息科技有限公司
• 主分類號: G06F9/455
• 分類號: G06F9/455;G06F9/48;G06F9/50;G06N20/00;G06F11/30
• 代理公司: 廈門市精誠新創知識產權代理有限公司 35218
• 代理人: 何家富

1.一種基于容器云平臺的邊緣機器學習系統，其特征在于，所述的邊緣機器學習系統由容器云技術通過容器云平臺構建，并且所述的邊緣機器學習系統包括：

基礎設施子系統，用于提供包含網絡通信的基礎設施服務；

與所述的基礎設施子系統連接的邊緣路由子系統，用于通信連接一個或多個另外的邊緣機器學習系統；其中，兩個或多個的邊緣機器學習系統之間基于服務注冊技術和單點登錄認證技術，在邊緣路由子系統的網絡結構內進行通信交互，包括：邊緣機器學習系統利用服務注冊網絡進行服務發現和服務注冊，并通過分層協議和分布式算法協調各自的行為；

存儲子系統，包含存儲服務以及應用程序接口模塊；

機器學習計算設備子系統，用于調用多個邊緣計算終端組成用于機器學習的運算資源；

分別與所述的基礎設施子系統、所述的邊緣路由子系統、所述的存儲子系統和所述的機器學習計算設備子系統連接的平臺管理子系統，用于協調容器云平臺進行服務管理，進行邊緣機器學習系統的資源調度，

其中，所述的基礎設施子系統、所述的邊緣路由子系統、所述的存儲子系統、所述的機器學習計算設備子系統和所述的平臺管理子系統均被容器化為服務并由基于容器云平臺的底層容器引擎運行；

其中，所述的邊緣機器學習系統還包括：

服務協同遷移模塊，用于容器內數據卷在集群各節點之間的遷移，對原先的邊緣機器學習系統，將原容器云邊緣人工智能模塊的容器數據卷分離，停止數據卷，再將數據卷導出；對于目標的邊緣機器學習系統，在目標容器云邊緣人工智能模塊進行服務配置描述數據導入，創建新的容器，掛載從原容器云邊緣人工智能模塊導出的數據卷；并在掛載成功并順利運行容器后，觸發刪除原容器云邊緣人工智能模塊的已被遷移的容器；其中，所述的數據卷包含服務的內容、服務的臨時用戶數據或者服務的中間狀態數據；

其中，所述的基礎設施子系統包含基礎設施服務容器、網絡模塊和基礎設施資源池；

所述的邊緣路由子系統包含路由服務容器、數據轉發模塊和網絡鏈接模塊；

所述的機器學習計算設備子系統包含機器學習硬件設備的容器和資源池，該資源池融合一個或多個邊緣計算設備終端的運算資源；

所述的平臺管理子系統包含平臺管理服務容器、資源調度模塊、健康監測模塊和報警模塊；

其中，所述的邊緣路由子系統與容器云平臺的接入端連接，并且被配置成通過邊緣路由服務與另外的多個邊緣機器學習系統進行加密的通信連接，以允許通過單點登陸認證的方式進行所述的邊緣機器學習系統之間的雙方身份認證。

2.根據權利要求1所述的邊緣機器學習系統，其中，所述的邊緣機器學習系統還包括：

與所述的機器學習計算設備子系統連接的機器學習服務管理模塊，用于對機器學習服務進行資源調度、運行監控的全生命周期管理。

3.一種如權利要求1至2中任一項所述的邊緣機器學習系統的工作方法，其特征在于，該方法包括以下任一個或多個步驟：

A、兩個或多個的容器邊緣機器學習系統之間基于服務注冊技術和單點登錄認證技術，在邊緣路由的網絡結構內進行通信交互，包括：邊緣機器學習系統利用服務注冊網絡進行服務發現和服務注冊，并通過分層協議和分布式算法協調各自的行為；

B、對于容器邊緣機器學習系統支撐服務協同遷移，采用容器內數據卷在集群各節點之間的遷移；

其中，所述步驟B還包括：

對于原先的邊緣機器學習系統，首先將原容器云邊緣人工智能模塊的容器數據卷分離，停止數據卷，再將數據卷導出；

對于目標的邊緣機器學習系統，在目標容器云邊緣人工智能模塊進行服務配置描述數據導入，創建新的容器，掛載從原容器云邊緣人工智能模塊導出的數據卷；

掛載成功并順利運行容器后，觸發刪除原容器云邊緣人工智能模塊的已被遷移的容器。

4.根據權利要求3所述的方法，其中，所述步驟A包括：

兩個或多個容器邊緣機器學習系統之間的認證采用對稱加密方式，并且采用單點登錄進行雙向認證；或者

兩個或多個容器邊緣機器學習系統之間的認證采用非對稱加密方式。