本公开是关于一种边缘业务的处理方法及装置、存储介质、电子设备，涉及移动通信技术领域，该方法包括：接收中心用户面功能发送的边缘业务处理请求；响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。本公开提高了业务处理效率。高了业务处理效率。高了业务处理效率。
【技术实现步骤摘要】
边缘业务的处理方法及装置、存储介质、电子设备
[0001]本公开实施例涉及移动通信
，具体而言，涉及一种边缘业务的处理方法、边缘业务的处理装置、计算机可读存储介质以及电子设备。
技术介绍
[0002]现有的边缘业务的处理方法中，当边缘用户面功能接收到业务处理请求时，无法根据流量数据确定对应的应用程序的程序标识，进而使得业务处理效率较低。
[0003]需要说明的是，在上述
技术介绍
部分专利技术的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0004]本公开的目的在于提供一种边缘业务的处理方法、边缘业务的处理装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的业务处理效率较低的问题。
[0005]根据本公开的一个方面，提供一种边缘业务的处理方法，包括：
[0006]接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；
[0007]响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；
[0008]接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；
[0009]根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
[0010]在本公开的一种示例性实施例中，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求，包括：
[0011]根据所述边缘业务处理请求中包括的用户标识对所述边缘业务处理请求进行鉴权认证；
[0012]在确定所述边缘业务处理请求的鉴权认证通过时，向边缘用户面功能发送第一信息采集请求，并向与所述边缘业务处理请求中包括的第一平台标识对应的多接入边缘计算平台发送第二信息采集请求。
[0013]在本公开的一种示例性实施例中，所述第一信息采集请求为流量信息采集请求，所述第二信息采集请求包括应用信息采集请求以及可分配带宽资源采集请求；
[0014]所述第一数据信息包括用户永久标识符、数据网络名称、数据流量大小、数据流量时长以及所需带宽资源信息中的一种或多种；
[0015]所述第二数据信息包括当前应用程序的第一程序标识、当前应用程序对外暴露的可被访问的网际互联协议地址以及可分配的带宽资源信息中的一种或多种。
[0016]在本公开的一种示例性实施例中，根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，包括：
[0017]将所述第一数据信息输入至训练完成的神经网络模型中，得到所述当前应用程序的第一程序标识。
[0018]在本公开的一种示例性实施例中，所述训练完成的神经网络模型是通过如下方式得到的：
[0019]获取历史应用程序的第三数据信息以及第四数据信息，并根据所述第三数据信息以及第四数据信息构建训练数据集；
[0020]基于所述训练数据集对待训练的神经网络模型进行训练，得到训练完成的神经网络模型；其中，所述待训练的神经网络模型包括卷积神经网络模型、循环神经网络模型以及深度神经网络模型中的一种或多种。
[0021]在本公开的一种示例性实施例中，所述边缘业务的处理方法还包括：
[0022]将所述第一程序标识发送至所述边缘用户面功能，以使得所述边缘用户面功能根据所述第一程序标识，将与所述当前应用程序对应的访问请求转发至所述第一程序标识所在的多接入边缘计算平台。
[0023]在本公开的一种示例性实施例中，根据所述第一数据信息以及第二数据信息对所述当前应用程序进行带宽资源分配，包括：
[0024]根据所述第一数据信息中包括的用户永久标识符，确定所述当前应用程序中所接入的终端用户的用户数量，并根据所述终端用户的用户数量，计算所述当前应用程序的负载信息；
[0025]根据所述负载信息以及所述第二数据信息中包括的可分配的带宽资源信息，计算所述当前应用程序所能被分配到的带宽资源。
[0026]在本公开的一种示例性实施例中，所述边缘业务的处理方法还包括：
[0027]将所述当前应用程序所能被分配到的带宽资源发送至多接入边缘计算平台，以使得所述多接入边缘计算平台根据所述当前应用程序所能被分配到的带宽资源，对所述当前应用程序所具有的当前带宽资源进行更新。
[0028]根据本公开的一个方面，提供一种边缘业务的处理装置，包括：
[0029]边缘业务处理请求接收模块，用于接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；
[0030]信息采集请求发送模块，用于响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；
[0031]数据信息接收模块，用于接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；
[0032]边缘业务处理模块，用于根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。
[0033]根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，
所述计算机程序被处理器执行时实现上述任意一项所述的边缘业务的处理方法。
[0034]根据本公开的一个方面，提供一种电子设备，包括：
[0035]处理器；以及
[0036]存储器，用于存储所述处理器的可执行指令；
[0037]其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的边缘业务的处理方法。
[0038]本公开实施例提供的一种边缘业务的处理方法，一方面，可以由于可以接收边缘用户面功能响应于第一信息采集请求发送的第一数据信息，以及多接入边缘计算平台响应于第二信息采集请求发送的第二数据信息；并根据第一数据信息对当前应用程序的第一程序标识进行识别，实现了对第一程序标识的识别，进而解决了现有技术中由于无法根据流量数据确定对应的应用程序的程序标识，进而使得业务处理效率较低的问题；另一方面，由于可以根据第一数据信息以及第二数据信息对当前应用程序的带宽资源进行分配，实现了根据第一数据信息以及第二数据信息对带宽资源进行分配，解决了现有技术中由于无法对应用程序的带宽资源进行分配进而导致的业务访问的效率较低问题，提高了应用程序的业务访问效率，进而提升了用户体验。
[0039]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种边缘业务的处理方法，其特征在于，包括：接收中心用户面功能发送的边缘业务处理请求；其中，所述边缘业务处理请求中包括当前应用程序的第一程序标识识别请求以及当前应用程序的资源分配请求；响应于所述边缘业务处理请求，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求；接收所述边缘用户面功能响应于所述第一信息采集请求发送的第一数据信息，以及所述多接入边缘计算平台响应于所述第二信息采集请求发送的第二数据信息；根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，并根据所述第一数据信息以及第二数据信息对所述当前应用程序的带宽资源进行分配。2.根据权利要求1所述的边缘业务的处理方法，其特征在于，向边缘用户面功能发送第一信息采集请求，并向多接入边缘计算平台发送第二信息采集请求，包括：根据所述边缘业务处理请求中包括的用户标识对所述边缘业务处理请求进行鉴权认证；在确定所述边缘业务处理请求的鉴权认证通过时，向边缘用户面功能发送第一信息采集请求，并向与所述边缘业务处理请求中包括的第一平台标识对应的多接入边缘计算平台发送第二信息采集请求。3.根据权利要求1或2所述的边缘业务的处理方法，其特征在于，所述第一信息采集请求为流量信息采集请求，所述第二信息采集请求包括应用信息采集请求以及可分配带宽资源采集请求；所述第一数据信息包括用户永久标识符、数据网络名称、数据流量大小、数据流量时长以及所需带宽资源信息中的一种或多种；所述第二数据信息包括当前应用程序的第一程序标识、当前应用程序对外暴露的可被访问的网际互联协议地址以及可分配的带宽资源信息中的一种或多种。4.根据权利要求1所述的边缘业务的处理方法，其特征在于，根据所述第一数据信息对所述当前应用程序的第一程序标识进行识别，包括：将所述第一数据信息输入至训练完成的神经网络模型中，得到所述当前应用程序的第一程序标识。5.根据权利要求4所述的边缘业务的处理方法，其特征在于，所述训练完成的神经网络模型是通过如下方式得到的：获取历史应用程序的第三数据信息以及第四数据信息，并根据所述第三数据信息以及第四数据信息构建训练数据集；基于所述训练数据集对待训练的神经网络模型进行训练，得到训练完成的神经网络模型；其中，所述待训练的神经网络模型包括卷积神经网络模型、循环神经网络模型以及深度神经网络模型中的一种或多种。6.根据权利要求...
【专利技术属性】
技术研发人员：张蕾，刘云毅，张建敏，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。