CN101895464B - 一种保障组合p2p网络的服务质量的方法、装置及系统 - Google Patents
一种保障组合p2p网络的服务质量的方法、装置及系统 Download PDFInfo
- Publication number
- CN101895464B CN101895464B CN2010101763026A CN201010176302A CN101895464B CN 101895464 B CN101895464 B CN 101895464B CN 2010101763026 A CN2010101763026 A CN 2010101763026A CN 201010176302 A CN201010176302 A CN 201010176302A CN 101895464 B CN101895464 B CN 101895464B
- Authority
- CN
- China
- Prior art keywords
- service
- network
- service quality
- threshold value
- combined
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
一种保障网络服务质量的方法、装置及系统,根据获取的用户的P2P业务请求,对当前组合P2P网络中的质量检测参数进行加权运算得到服务质量值;将所述服务质量值与获取的服务质量门限值进行比较,若所述服务质量值小于所述服务质量门限值,则将当前组合P2P网络作为备份服务网络,并将可供服务的备份的组合P2P网络作为当前服务网络,为用户提供P2P服务网络。本发明保证了网络服务质量、节点自身资源以及处理能力都能满足用户的需求,并且具有在移动环境下部署的P2P网络服务的带宽较大、存储能力较强、处理能力和链接的稳定性较好的特点。
Description
技术领域
本发明属于网络通信技术领域,涉及一种保障组合P2P网络的服务质量的方法、装置及系统。
背景技术
P2P(Peer-to-peer,对等网络)是一种作为共享和管理网络中海量信息资源的分布式计算模式,其主要思想是所有的节点之间的地位完全对等,自治个体和机构之间通过直接交换来共享资源和服务,是未来互联网的发展方向。由于网络信息中的多媒体信息的大量出现,客观上要求信息所有者直接进行高效、自由的信息交换,P2P模型很好地适应了以上要求,用户数量呈现几何增长,而P2P模型在解决可扩展性、自组织、低成本以及负载均衡等分布式环境下资源共享的共性问题方面具有较大的优势。
目前,移动蜂窝网络(GPRS、UMTS、B3G等)和宽带无线网络(Wi-Fi、WiMAX、UWB)上存在较快增长的P2P应用需求,如能通过移动P2P方式向用户提供服务将极大提高网络资源利用率。因此,基于移动P2P技术构建的网络在提供网络服务方面将得到广泛的应用并发挥重要作用。其中,P2P网络服务及将多个P2P网络作为整体提供的组合P2P网络的提供方法是一个重要的研究领域。随着SaaS(Software as a Service,软件即服务)和SOA(ServiceOriented Architecture,面向服务架构)等技术的发展,组合服务的需求越来越大,目前已有通过分布式的移动P2P技术为用户提供网络服务。但是,就移动P2P网络环境而言,由于其自身具有的如节点移动性带来的网络拓扑变化、节点自身的资源和能力有限、移动网络的先天缺陷等特点,使得由移动P2P技术提供的网络服务存在服务质量无法保证、虚假或欺骗服务导致系统无法运行时其它的优质服务不能及时替换质量差的服务等问题。因此,有必要在移动P2P网络中建立一个服务质量保障体系来保证网络服务的质量。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
在移动环境下部署的P2P网络服务存在带宽有限、存储能力较低、处理能力和链接的稳定性较差、以及网络服务质量参差不齐、节点自身资源不稳定及处理能力较差等问题,导致了网路服务质量难以满足用户的需求。
发明内容
本发明的实施例提供了一种保障组合P2P网络的服务质量的方法、装置及系统,保证了网络服务质量、节点自身资源以及处理能力都能满足用户的需求,并且具有在移动环境下部署的P2P网络服务的带宽较大、存储能力较强、处理能力和链接的稳定性较好的特点。
一种保障组合P2P网络的服务质量的方法,包括:
根据获取的用户的P2P业务请求,对当前组合P2P网络中的质量检测参数进行加权运算得到服务质量值;
将所述服务质量值与获取的服务质量门限值进行比较,若所述服务质量值小于所述服务质量门限值,则将当前组合P2P网络作为备份服务网络,并将可供服务的备份的组合P2P网络作为当前服务网络,为用户提供P2P服务网络。
一种保障组合P2P网络的服务质量的装置,包括:
服务检测单元,用于接收用户的P2P业务请求,对当前组合P2P网络中的质量检测参数进行加权运算得到服务质量值,获取服务质量门限值,将得到的所述的服务质量值与获取的所述服务质量门限值进行比较;
服务推选单元,用于当所述得到的服务质量值小于所述服务质量门限值时,将当前组合P2P网络作为备份服务网络,并将可供服务的备份组合P2P网络作为当前服务网络,为所述用户提供的P2P服务网络。
由上述本发明的实施例提供的技术方案可以看出,通过对当前组合P2P网络进行服务质量检测,当检测结果为组合P2P网络不能满足用户要求时,将当前组合P2P网络作为备份服务网络,并将可供服务的备份的组合P2P网络作为当前服务网络,保证了网络服务质量、节点自身资源以及处理能力都能满足用户的需求,并且具有在移动环境下部署的组合P2P网络服务的带宽较大、存储能力较强、处理能力和链接的稳定性较好的特点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的实施例提供的保障网络服务质量的整体框架示意图;
图2为本发明的实施例提供的一种自适应保障网络服务质量的方法流程示意图;
图3为本发明的实施例提供的基于BP神经网络的服务质量检测的框架示意图;
图4为本发明的实施例提供的BP神经网络训练仿真结果示意图;
图5为本发明的实施例提供的自适应服务可靠性保障的流程示意图;
图6为本发明的实施例提供的用户个性化服务组合模型的结构示意图;
图7为本发明的实施例提供的保障网络服务质量的装置的结构示意图;
图8为本发明的实施例提供的保障网络服务质量的装置的服务检测单元的结构示意图;
图9为本发明的实施例提供的保障网络服务质量的系统的结构示意图;
图10为本发明的实施例提供的目标驱动的服务的动态组合模型的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的实施例提供了一种自适应保障网络服务质量的方法,如图1所示,该方法主要技术方案是根据获取的用户的P2P业务请求,对当前组合P2P网络中的质量检测参数进行加权运算得到服务质量值;将服务质量值与获取的服务质量门限值进行比较,若服务质量值小于服务质量门限值,则将当前组合P2P网络作为备份服务网络,并将可供服务的备份的组合P2P网络作为当前服务网络,为用户提供P2P服务网络。为便于对本发明的实施例的进一步理解,下面将结合图2对本实施例的具体应用过程进行说明,如图2所示,该方法具体可以包括:
步骤21,通过服务检测单元根据获取的用户的P2P业务请求,对当前组合P2P网络中的质量检测参数进行加权运算得到服务质量值;
步骤22,通过服务推选单元将服务质量值与获取的服务质量门限值进行比较,若服务质量值小于服务质量门限值,则将当前组合P2P网络作为备份服务网络,并将可供服务的备份的组合P2P网络作为当前服务网络,为用户提供P2P服务网络。
在图1中,保障网络服务质量的整体框架可以分为监视和控制两部分。监视主要是通过服务检测单元计算和测量服务质量参数,而控制主要是通过服务推选单元针对条件的变化做出相应的反映策略,如服务的重新配置、服务的重新集成等。
在对已有服务的网络服务质量检测的过程中可以引入基于BP(BackPropagation,反向传播)神经网络的服务质量测量方法,从而可以从服务管理资源中获取有效的信息并读取管理信息库的相关数据(例如SLA规则库等),并判断该信息是否符合SLA(Service Level Agreement,服务等级协议)规则,若不符合则将上述已有服务的网络服务质量确定为不能为用户提供的服务,若符合规则将上述已有服务确定为备份服务网络,并可作为当前服务网络向用户提供P2P服务。而对已有服务的监控引擎则在上述基础上建立,并特别引入了自适应管理引擎,通过该引擎的部署重点解决已有服务组合的重新集成问题。
在服务推选单元中,保存了已有服务的服务质量门限值,当服务检测单元获得当前服务的服务质量值时,选择相应的已有服务的服务质量门限值作为服务质量门限值,并与当服务检测单元获得当前服务的服务质量值进行比较。具体地,在用户的P2P业务请求包括了用户鉴权信息和/或用户要求的服务质量门限值,若用户的P2P业务请求中只包括鉴权信息,则通过用户鉴权信息查询相应的已有的服务质量门限值作为服务质量门限值;若用户的P2P业务请求中只包括用户要求的服务质量门限值,则将该用户要求的服务质量门限值作为服务质量门限值;若用户的P2P业务请求同时包括了用户鉴权信息和用户要求的服务质量门限值,则可以采用上述任意一种作为服务质量门限值。
上述的BP神经网络是一种对多项输入进行加权运算,得到单个服务质量评价作为输出的方法,一般分为三层:输入层、隐层和输出层。如上图3所示,输入项、隐层情况以及输出项可自由选取,其运作过程包括输入值正向传播与差值反响传播两个过程,并根据给定样本以及给定的权值求出输出之后,与期望得到的输出结果进行比较,如果差值超过了神经元门限就将差值反向传播调整权系数,这样反复进行训练,直到输出与期望值之间的差值小于神经元门限时,权系数满足要求,可以对组合的P2P网络中的质量检测参数进行测试得出结果。
此处的质量监测参数选取当前组合P2P网络中测试节点的请求失败率X1,服务响应无故障时间X2以及用户关于服务质量申诉率延迟X3,即输入项选取当前组合P2P网络中测试节点的请求失败率X1,服务响应无故障时间X2和用户关于服务质量申诉率延迟X3,由于输入为多个单位不同的值,为了使输出结果服务性能为0-1之间的结果需要将输入进行归一化。一般可以使用下式:X=X-Xmin/(Xmax-Xmin)。隐含层通过误差反传、加权更新等策略为准确快速的服务质量检测提供保证,输出项为服务质量参数Y。首先,如果有当前网络情况以及请求数量的统计,可以据此草定权系数,如果没有可以先随机选取。神经元门限为期望输出与目前输出之间差值的可接受门限,可以根据实际情况确定。
按照初始的设置值进行模拟计算,开始学习训练过程。在各个测试点发送初始样本值所规定的测试值,服务管理平台端收到后首先归一化,再按照权值计算得出输出服务性能值。求出计算结果与期望结果之间的差值,若差值小于门限,则所设置的权值可以近似模拟服务评价过程,这时可以重新设置初始值再次进行权值的确定,另外也可以直接开始实际的服务性能测试。为了保证权值能够充分反映各种输入条件下可以接受的输出情况,一般还是选择多组数据对权值反复进行测试。比如,运用将附加动量法和自适应学习速率相结合的技术的算法函数trainbpx训练BP神经网络,应用Levenberg-Marquardt优化法(trainlm函数),仿真结果如图4所示。
综上所述,采用BP神经网络检测方法,引入自适应机制,整个自适应服务质量保障系统图如右图5所示,包括了每经过一个服务周期,则在监测点汇报监测数据,并由性能检测系统接收数据,再导入神经网络系统评价当前服务性能以后向服务管理平台汇报服务性能,当到达可靠可用服务最低值时根据服务性能确定备份数。
进一步地,在对已有服务组合的网络服务质量进行检测之前,还可以引入自适应时间窗口折半算法,对服务进行评价时分为多个折半时间窗。可以首先设定一个门限,当得到的评价值小于该门限时,说明这一时间段内该服务提供者的服务质量较差,下一次进行服务评价时选择原来时间窗的一半对其进行评价,以减少不可靠服务的欺骗性。服务按照用户的评价可分为三级:H级(具有较好可靠性和可用性的优质服务),M级(具有一般可靠性和可用性的服务),L级(不可靠或不可用的服务),每次对服务进行质量检测后就重新给该服务一个相应的评价。这种方法能及时检测出节点行为的异常情况,使得几次假交易就可以使此节点的可信度有较大幅度下降,而且在随后的交易中不能通过大量的真实交易很快恢复到原始的可信度。出于惩罚的目的,这种机制使得节点的信誉度下降得较快,要使信誉度重新建立起来此节点须提供更多的真实交易。
因为节点的行为是随时间动态变化的,过去的信誉度就不能代表一个节点目前的品质。为此,引入与交易时间相关的时间窗口来刻画节点行为。时间窗口用来表征节点在这段时间内的交易行为变化情况。节点本地存储与之有过交易的节点上传的不同质量服务的比例列表{rH,rM,rL}。如果节点i和j发生交易的时间窗为[tstart,tend]=Tk,令在时间窗口Tk内i节点与j节点交易后的结果记为{rk ij(H),rk ij(M),rk ij(L)},一般地Tk是个定值。在每个时间窗口Tk内,节点i都要判断交易节点j上传的L类服务比例rL是否超标,如果比例在一定门限之内,则视为正常情况。当目前窗口内节点i记录的交易节点j上传L类服务在所占的比例超过一定的门限时,它将计算一个目前时间窗口的一半Tk/2内的L类服务比率情况rk。如果rk>rk且超过一定的范围,则意味着最近节点的性能有所下降,则用rk来代替原来的比例rk;如果rk<rk或rk=rk,则返回原始值rk。
另外,在对已有服务组合的组合P2P网络服务质量进行检测之后,还可以包括服务组合个性化定制。传统的Web服务发现与选择的机制下,普遍忽略了用户的个性化需求。但事实上,不同用户最终所需服务不尽相同,特别是在不同业服务领域内用户的具体需求则大不相同。而目前Web服务的发现与选择乃至进一步的组合与协同,都不约而同的对用户一视同仁。在未来SaaS环境海量服务部署的情况下,不同的软件服务很有可能是侧重某一具体行业,虽然能在某些环节上勉强满足其它行业用户的需求,但无论从专业程度还是在服务结果的精度与准度上与针对该行业的特定软件相比都可能会有很大的差异。特别是在服务组合过程中,前一个服务所得出的不精确的结果对后续服务的顺利运行存在较大的影响,最后可能会得出一个大相径庭的结果。造成这个结果的主要原因是在服务的发现、选择、组合与协同过程中没有考虑用户的个性化需求。即使目前的很多服务组合只是从服务本身的角度出发,缺乏包含用户自身行业信息在内的个性化信息。
因此,本实施例提出了一种用户个性化配置服务组合的关键技术,并通过挖掘用户自定义个性化信息,为用户滤除不相关行业的服务,并进一步推荐较为适合该用户的服务及其组合,整个模型图如下图6所示,包括了首先通过对用户的询问获得用户的需求,并从静态信息库中通过数据挖掘模块对信息进行搜索,用户个性化模型根据初次搜索结果将相应的信息分别匹配后输出,并将匹配结果记录在历史记录中。
本发明的实施例还提供了一种保障网络服务质量的装置,如图7所示,具体可以包括服务检测单元71和服务推选单元72,服务检测单元71用于接收用户的P2P业务请求,对当前组合P2P网络中的质量检测参数进行加权运算得到服务质量值,获取服务质量门限值,将得到的的服务质量值与获取的服务质量门限值进行比较;服务推选单元72用于当得到的服务质量值小于服务质量门限值时,将当前组合P2P网络作为备份服务网络,并将可供服务的备份组合P2P网络作为当前服务网络,为用户提供的P2P服务网络。
进一步地,如图8所示,在服务检测单元71中可以包括:参数检测单元711、加权运算单元712、门限值获取单元713和比较单元714,参数检测单元711用于将当前组合P2P网络的质量检测参数中的请求失败率、服务连通率、服务响应无故障时间或服务申诉率中的至少一种作为质量检测参数进行检测;加权运算单元712用于对参数检测单元检测的质量检测参数,基于方向传播神经网络的加权运算,得出服务质量值;门限值获取单元713用于获取服务质量门限值;比较单元714用于将得到的的服务质量值与获取的服务质量门限值进行比较。另外,服务检测单元71中还可以包括再运算单元715,用于当比较单元得到结果是服务质量值小于服务质量门限值时,则将加权运算单元上次加权运算的时间窗的一半时间作为周期,再次对当前组合P2P网络中的质量检测参数进行加权运算。
上述装置中包含的各单元的处理功能的具体实施方式在之前的方法实施方式中已经描述,在此不再重复描述。
本发明的实施例还提供了一种保障组合P2P网络的服务质量的系统,该系统的实施主要包括了对组合P2P网络的服务质量的评价,而组合P2P网络的服务质量是对一个系统或者一个网络来说是非常关键的评测标准。宏观上来说它代表系统或网络执行它们需求的功能在一个期望的时间段对不在特定的环境下产生故障的可能性的信心。而在SaaS环境下,服务集成商在组合不同软件服务提供商的服务时采取的是一种松耦合的方式,如果一家软件服务提供商出现了访问或者其它网络问题,则整个组合服务无法达到预计的结果。因此在有效地组织服务形成可用的候选服务集合后,更需要实时的对服务及集成应用进行监控,并在出现问题时能够及时做出应对策略。在SaaS环境下,用户更多的关注服务的非功能因素,例如服务响应时间、服务的可靠性等等。如何动态的从众多的服务中选择最适合用户需求的服务正在得到更多的关注。其中,服务质量将成为一个服务动态选择中的重要因素。
将本实施例提供的BP神经网络、折半时间惩罚机制、以及引入用户的个性化需求等技术方案组合在一起,能够建立一个保障组合P2P网络的服务质量的动态组合系统,这个目标就是用户的质量检测要求。用户的质量检测需求为服务动态的选择提供动力。根据质量检测建立服务组合的选择模型,为了给用户提供满意度更高的服务,更好的将软件服务提供商的服务动态灵活的组合在一起,为用户提供一套高可靠性的服务动态组合模型。本实施例提供的保障组合P2P网络的服务质量的系统如图9所示,具体可以包括服务注册信息库91、服务组合日志库92、服务性能监控引擎93、组合服务性能评价单元94和服务SLA信息库95。该系统的执行过程如图10所示,任意一个服务请求者首先通过在服务注册信息库91中注册获得请求鉴权,然后通过分析服务组合日志库92中的服务组合,以选择相应的服务组合,而任意一个服务提供者提供的服务都在服务性能监控引擎93的监控之下,并通过组合服务性能评价单元94对服务质量进行评价,评价结果存储于服务SLA信息库95中,服务请求者获得的服务是通过服务组合及服务评价等综合调整之后获得的服务质量最好且对服务请求者作用最大的服务组合。
本发明的实施例针对各种复杂功能重新开发大粒度服务的成本较高,且会造成现有的单个服务的资源浪费问题,提供了一种以较多的服务以服务组合的方式来充分的利用网络化共享的服务,并且服务组合的可靠性也能够得到保障具体表现为:
(1)、通过引入自适应机制,对众多的服务组合进行SLA等级评价,一部分作为主要的组合服务提供给用户,另一部分可以作为备份服务提供一定的冗余,并且在用户使用服务的同时,动态地对服务进行可靠性可用性的定量评价,在为用户提供的主要组合服务的评价值小于一定门限时就调整启用备用的组合服务,并将原来的主要组合服务进行重新组合优化,作为备份;
(2)、各用户可对某一服务提供请求失败率、服务响应无故障时间、用户关于服务质量申诉率等方面的信息等作为证据,并通过BP神经网络对服务质量进行快速的监测、评价体系,在网络中形成对某一服务的可靠性可用性定量评价值。
(3)、通过折半时间窗服务惩罚机制,当某一时间窗内某一服务的评价值较低时,考虑评价时使用原窗口折半的时间,以增加对低级服务的惩罚力度,这种机制使得节点的信誉度下降得快,要使信誉度重新建立起来此节点须提供更多的真实交易。
(4)、提出了一种用户个性化配置服务组合的关键技术,通过挖掘用户自定义个性化信息,为用户滤除不相关行业的服务,并进一步推荐较为适合该用户的服务及其组合。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.一种保障组合P2P网络的服务质量的方法,其特征在于,包括:
根据获取的用户的P2P业务请求,对当前组合P2P网络中的质量检测参数进行基于反向传播神经网络的加权运算得到服务质量值,所述质量检测参数至少包括以下一种:当前组合P2P网络的质量检测参数中的请求失败率、服务连通率、服务响应无故障时间或者服务质量申诉率;
将所述服务质量值与获取的服务质量门限值进行比较,若所述服务质量值小于所述服务质量门限值,则将当前组合P2P网络作为备份服务网络,并将可供服务的备份的组合P2P网络作为当前服务网络,为用户提供P2P服务网络;
其中,所述将得到的所述的服务质量值与获取的所述服务质量门限值进行比较还包括:
当所述得到的服务质量值小于所述服务质量门限值时,则将上次加权运算的时间窗的一半时间作为周期,再次对当前组合P2P网络中的质量检测参数进行加权运算。
2.根据权利要求1所述的方法,其特征在于,所述用户的P2P业务请求包括用户鉴权信息和/或服务质量门限值。
3.根据权利要求2所述的方法,其特征在于,所述获取所述用户预先的服务质量门限值包括:
解析所述P2P业务请求,获取服务质量门限值;或者,
根据所述P2P业务请求携带的用户鉴权信息,查询相应的服务质量门限值。
4.一种保障组合P2P网络的服务质量的装置,其特征在于,包括:
服务检测单元,用于接收用户的P2P业务请求,对当前组合P2P网络中的 质量检测参数进行加权运算得到服务质量值,获取服务质量门限值,将得到的所述的服务质量值与获取的所述服务质量门限值进行比较;服务推选单元,用于当所述得到的服务质量值小于所述服务质量门限值时,将当前组合P2P网络作为备份服务网络,并将可供服务的备份组合P2P网络作为当前服务网络,为所述用户提供的P2P服务网络;
所述服务检测单元包括:
参数检测单元,用于将当前组合P2P网络的质量检测参数中的请求失败率、服务连通率、服务响应无故障时间或服务申诉率中的至少一种作为质量检测参数进行检测;
加权运算单元,用于对所述参数检测单元检测的质量检测参数,基于方向传播神经网络的加权运算,得出服务质量值;
门限值获取单元,用于获取服务质量门限值;
比较单元,用于将得到的所述的服务质量值与获取的所述服务质量门限值进行比较;
所述服务检测单元中还包括:
再运算单元,用于当所述比较单元得到结果是所述服务质量值小于所述服务质量门限值时,则将所述加权运算单元上次加权运算的时间窗的一半时间作为周期,再次对当前组合P2P网络中的质量检测参数进行加权运算。
5.一种保障组合P2P网络的服务质量的系统,包括服务组合日志库、服务注册信息库、服务SLA信息库、服务监控日志库、服务性能监测引擎和服务质量保障装置,其特征在于在所述服务质量保障装置中设置有权利要求4所述的保障组合P2P网络的服务质量的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101763026A CN101895464B (zh) | 2010-05-14 | 2010-05-14 | 一种保障组合p2p网络的服务质量的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101763026A CN101895464B (zh) | 2010-05-14 | 2010-05-14 | 一种保障组合p2p网络的服务质量的方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101895464A CN101895464A (zh) | 2010-11-24 |
CN101895464B true CN101895464B (zh) | 2012-11-21 |
Family
ID=43104537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101763026A Active CN101895464B (zh) | 2010-05-14 | 2010-05-14 | 一种保障组合p2p网络的服务质量的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101895464B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104871633B (zh) * | 2013-01-10 | 2019-08-20 | 富士通株式会社 | 通信链路的选择方法和装置 |
CN103139314B (zh) * | 2013-03-19 | 2015-10-07 | 东南大学 | 基于P2P的分布式Web服务发现方法及其系统 |
CN105095052B (zh) * | 2014-05-22 | 2018-08-31 | 阿里巴巴集团控股有限公司 | Soa环境下的故障检测方法及装置 |
CN109359385B (zh) * | 2018-10-17 | 2021-11-23 | 网宿科技股份有限公司 | 一种服务质量评估模型的训练方法及装置 |
CN114465921A (zh) * | 2022-01-21 | 2022-05-10 | 网宿科技股份有限公司 | 对等网络控制方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101056440A (zh) * | 2006-04-12 | 2007-10-17 | 三星电子株式会社 | 用于确定分组服务的重连时间点的方法和设备 |
CN101272308A (zh) * | 2008-05-06 | 2008-09-24 | 杭州华三通信技术有限公司 | 一种漫游切换触发方法、接入控制器和接入点 |
CN101517994A (zh) * | 2006-09-28 | 2009-08-26 | 高通股份有限公司 | 用于确定通信系统的服务质量的方法和装置 |
CN101616021A (zh) * | 2008-06-27 | 2009-12-30 | 中兴通讯股份有限公司 | 家庭基站网络优化方法和家庭基站配置服务器 |
-
2010
- 2010-05-14 CN CN2010101763026A patent/CN101895464B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101056440A (zh) * | 2006-04-12 | 2007-10-17 | 三星电子株式会社 | 用于确定分组服务的重连时间点的方法和设备 |
CN101517994A (zh) * | 2006-09-28 | 2009-08-26 | 高通股份有限公司 | 用于确定通信系统的服务质量的方法和装置 |
CN101272308A (zh) * | 2008-05-06 | 2008-09-24 | 杭州华三通信技术有限公司 | 一种漫游切换触发方法、接入控制器和接入点 |
CN101616021A (zh) * | 2008-06-27 | 2009-12-30 | 中兴通讯股份有限公司 | 家庭基站网络优化方法和家庭基站配置服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN101895464A (zh) | 2010-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ortiz‐Barrios et al. | A case of food supply chain management with AHP, DEMATEL, and TOPSIS | |
CN101895464B (zh) | 一种保障组合p2p网络的服务质量的方法、装置及系统 | |
US7782792B2 (en) | Apparatus and methods for determining availability and performance of entities providing services in a distributed system using filtered service consumer feedback | |
CN108418841A (zh) | 基于ai的下一代关键信息基础设施网络安全态势感知系统 | |
CN104956359A (zh) | 实例加权学习机器学习模型 | |
CN110147925B (zh) | 一种风险决策方法、装置、设备及系统 | |
CN102129397A (zh) | 一种自适应磁盘阵列故障预测方法及系统 | |
Ding et al. | The relationship between international trade and capital flow: A network perspective | |
JP2015076888A (ja) | 信頼性モデルを使用してプローブサーバ・ネットワークを構成するためのシステムおよび方法 | |
CN115345212A (zh) | 一种基于机器学习模型的控制方法和装置 | |
US11431609B2 (en) | Dynamic network service data routing based on measured network performance data | |
Lockhart et al. | Scission: Performance-driven and context-aware cloud-edge distribution of deep neural networks | |
CN110223167A (zh) | 生产交易协同监控方法以及生产交易关联监控方法 | |
Yang et al. | A methodology for assessing the effect of portfolio management on NPD performance based on Bayesian network scenarios | |
CN107480703A (zh) | 交易故障检测方法及装置 | |
Vescoukis et al. | Disaster management evaluation and recommendation | |
WO2020107350A1 (zh) | 一种区块链系统的节点管理方法、装置及存储装置 | |
CN116132361A (zh) | 一种基于QoS和QoE的网络资源优化调整方法和系统 | |
CN115705400A (zh) | 话务量预测模型构建方法、装置及计算机可读存储介质 | |
Naqvi et al. | Natural disasters, cascading losses, and economic complexity: A multi-layer behavioral network approach | |
Scheinert et al. | Growing collaborations: Forecasting changes in partnership networks using a bottom-up approach | |
Lee et al. | Disruption recovery modeling in supply chain risk management | |
ALRebeish et al. | Risk-aware web service allocation in the cloud using portfolio theory | |
Ladley et al. | Who to listen to: Exploiting information quality in a ZIP-agent market | |
Campos et al. | A decision support system for energy-efficiency investments on building renovations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 518129 Building 2, B District, Bantian HUAWEI base, Longgang District, Shenzhen, Guangdong. Co-patentee after: Beijing University of Posts and Telecommunications Patentee after: Huawei Terminal (Shenzhen) Co., Ltd. Address before: 518129 Building 2, B District, Bantian HUAWEI base, Longgang District, Shenzhen, Guangdong. Co-patentee before: Beijing University of Posts and Telecommunications Patentee before: Huawei Device Co., Ltd. |