目錄
序言
前言
第1章 邊緣計算的發(fā)展和技術概述1
1.1 邊緣計算的發(fā)展1
1.1.1 邊緣計算背景1
1.1.2 邊緣計算的起源1
1.1.3 邊緣計算的主要優(yōu)點2
1.1.4 邊緣計算的應用場景3
1.2 邊緣計算的技術拓展4
1.2.1 邊緣計算和5G4
1.2.2 邊緣計算和物聯網大數據5
1.2.3 邊緣計算和數據密集型應用6
1.2.4 邊緣計算和人工智能6
1.3 邊緣計算的主流架構7
1.3.1 單層邊緣架構8
1.3.2 云邊混合架構9
1.3.3 邊緣智能架構10
第2章 CDN技術概述和主要技術原理12
2.1 CDN的發(fā)展12
2.1.1 CDN的主要任務15
2.1.2 CDN的優(yōu)點15
2.1.3 CDN的潛在用戶16
2.2 CDN的原理17
2.2.1 CDN的組成17
2.2.2 CDN的工作原理18
2.2.3 CDN的多種技術19
2.3 CDN廠商情況概覽22
2.3.1 緩存：Network Appliance23
2.3.2 路由：F526
2.3.3 運營管理28
第3章 多媒體網絡與系統通信主要協議35
3.1 多媒體網絡與CDN35
3.1.1 CDN解決多媒體網絡帶寬問題35
3.1.2 CDN架構與重要子系統35
3.2 RTP37
3.2.1 RTP概述37
3.2.2 RTP的頭部格式37
3.2.3 混合器和轉換器39
3.3 RTCP42
3.3.1 RTCP概述42
3.3.2 RTCP控制分組42
3.3.3 RTCP的其他特性47
3.4 RSVP48
3.4.1 RSVP概述48
3.4.2 RSVP的特征與不足49
3.5 視頻會議協議H.32350
3.5.1 H.323體系結構51
3.5.2 H.323組件52
3.5.3 H.323協議棧53
3.6 SIP55
3.6.1 SIP概述55
3.6.2 SIP的功能和特點56
3.6.3 SIP呼叫流程57
3.6.4 SIP應用57
3.6.5 SIP和H.323比較59
第4章 流媒體系統60
4.1 流媒體技術概述60
4.1.1 流媒體定義60
4.1.2 流媒體的優(yōu)勢61
4.1.3 流媒體與CDN結合的優(yōu)勢62
4.1.4 流媒體系統簡介62
4.1.5 流媒體技術的典型應用63
4.2 Windows Media Service系統64
4.2.1 Windows Media Service簡介64
4.2.2 流媒體服務的應用方式66
4.2.3 理解Windows Media Service協議68
4.2.4 使用媒體播放器播放流媒體文件70
4.3 RealMedia系統72
4.3.1 RTSP72
4.3.2 RealSystem75
4.3.3 高清RealMedia78
4.4 HTTP流技術79
4.4.1 HTTP流技術概述79
4.4.2 現有的工作或組件80
4.4.3 DASH概述84
4.5 實例：同步教學系統87
4.5.1 總體執(zhí)行情況87
4.5.2 技術架構88
4.5.3 模塊開發(fā)88
4.5.4 技術指標與特色90
第5章 P2P與CDN的結合與發(fā)展92
5.1 P2P技術介紹92
5.1.1 P2P技術的特點92
5.1.2 P2P技術的應用場景94
5.1.3 P2P技術的未來96
5.2 P2P和CDN的結合98
5.2.1 P2P和CDN的優(yōu)缺點98
5.2.2 P2P技術和CDN技術的融合102
5.2.3 CDN-P2P融合模式104
5.2.4 CDN-P2P技術應用場景110
5.3 基于CDN-P2P的樹網結合系統實例112
5.3.1 架構介紹113
5.3.2 系統緩沖區(qū)設計114
5.3.3 系統CDN層設計116
5.3.4 系統核心樹算法118
5.3.5 邊界模糊的網狀結構124
5.3.6 樹網結合系統的實際應用125
第6章 數據驅動的CDN資源管理技術131
6.1 內容分發(fā)網絡資源管理背景131
6.1.1 內容分發(fā)網絡資源管理問題和數據驅動方法131
6.1.2 內容分發(fā)網絡資源管理具體內容131
6.1.3 內容分發(fā)網絡資源管理的多云架構132
6.2 內容分發(fā)網絡資源長期規(guī)劃設計132
6.2.1 多云長期部署模型與算法設計132
6.2.2 服務質量驅動的CDN資源優(yōu)化部署設計141
6.3 內容分發(fā)網絡資源實時調度設計149
6.3.1 多云短期擴展模型與算法設計150
6.3.2 基于強化學習的CDN資源緩存策略設計157
6.4 內容分發(fā)網絡資源管理實現163
6.4.1 基于強化學習的CDN資源緩存策略實驗163
6.4.2 多云短期調度實驗166
第7章 邊緣計算環(huán)境下虛擬機資源配置技術169
7.1 邊緣計算環(huán)境下虛擬機及集群資源配置的背景170
7.1.1 云霧混合環(huán)境中的虛擬機集群配置問題170
7.1.2 云霧混合環(huán)境中的虛擬機集群配置關鍵技術171
7.1.3 云霧混合環(huán)境中虛擬機及集群資源配置典型架構172
7.2 霧節(jié)點中應用適配的大數據虛擬機集群配置**模型設計173
7.2.1 模型總體設計173
7.2.2 特征選擇模型175
7.2.3 基于神經協同過濾的虛擬機與少節(jié)點集群配置**模型177
7.2.4 基于深度神經網絡的多節(jié)點集群**模型179
7.3 邊緣計算環(huán)境下虛擬機及集群資源配置模型實現182
第8章 邊緣計算數據資源的索引定位與冗余放置技術187
8.1 邊緣計算數據資源存儲的背景187
8.1.1 邊緣計算數據資源的索引定位187
8.1.2 邊緣計算數據資源的冗余放置188
8.1.3 邊緣計算數據資源存儲的典型架構189
8.2 分層混合數據索引191
8.2.1 分層混合索引架構模型191
8.2.2 霧節(jié)點內本地中心化數據索引機制192
8.2.3 霧節(jié)點間全局分布式哈希表數據索引機制195
8.3 邊緣多副本數據放置201
8.3.1 邊緣多副本可靠放置模型201
8.3.2 終端設備存儲性能分級機制203
8.3.3 基于分級設備的多備存儲節(jié)點選擇算法204
8.4 數據索引定位與冗余放置實現206
8.4.1 分層混合索引實驗206
8.4.2 邊緣多副本數據放置實驗210
第9章 邊緣計算環(huán)境下的服務部署和任務路由214
9.1 邊緣計算環(huán)境下的服務部署與任務路由背景214
9.1.1 邊緣計算環(huán)境下的服務部署與任務路由概述214
9.1.2 服務部署215
9.1.3 任務路由215
9.2 有狀態(tài)服務的服務鏈部署和任務路由算法215
9.2.1 有狀態(tài)服務系統場景描述215
9.2.2 有狀態(tài)服務系統模型設計216
9.2.3 基于強化學習的服務鏈部署算法222
9.3 無狀態(tài)服務的服務部署和任務路由算法224
9.3.1 無狀態(tài)服務系統場景描述224
9.3.2 無狀態(tài)服務系統模型設計225
9.3.3 基于云邊協同的服務部署和任務路由算法229
9.4 云邊協同計算架構下的服務部署和任務路由模型實現234
9.4.1 有狀態(tài)服務部署與任務路由**實驗234
9.4.2 無狀態(tài)服務部署與任務路由**實驗238
參考文獻243
鄂公網安備 42010302001612號 