CN101945041B - 权威服务器负载均衡的方法、设备及系统 - Google Patents

Abstract

本发明提供一种权威服务器负载均衡的方法、设备及系统。其方法包括：根据多个递归服务器的查询行为特征将所述多个递归服务器聚类为至少一个群集；建立各所述群集与目标区的权威服务器组中的权威服务器之间的对应关系。采用本发明的技术方案，能够有效地实现负载均衡的目的，具有较强的适用性。

Description

权威服务器负载均衡的方法、设备及系统

技术领域

本发明属于互联网技术领域，涉及一种权威服务器负载均衡的方法、设备及系统。 

背景技术

域名系统(Domain Name System；以下简称DNS)主要用于完成从域名到互联网协议(Internet Protocol；以下简称IP)地址的映射及其它互联网资源的解析，是当今互联网中重要的基础设施。 

现有技术中，DNS包括递归服务器和权威服务器。图1为现有技术中在Internet上查询域名girigiri.gbrmpa.gov.au的流程图。下面以图1为例，介绍递归服务器和权威服务器的功能。如图1所示，递归服务器用于接收网络客户端的域名查询请求。递归服务器首先检查自身的缓存中是否保存有该域名查询请求对应的数据，如果已保存，递归服务器会立即将查询结果放入响应包中返回给请求查询的网络客户端用户。如果没有保存，递归服务器会替网络客户端向远程的权威服务器提出查询。如图1所示，递归服务器先将域名查询请求发送给根区域的权威服务器。根区域的权威服务器通过对域名查询请求中的域名进行解析，返回给递归服务器一个指向au区的权威服务器的地址。递归服务器根据接收到的地址，再将域名查询请求发送给au区的权威服务器，以供au的权威服务器对域名进行解析。如图1所示，再依次经过gov.au区的权威服务器以及gbrmpa.gov.au的权威服务器对域名girigiri.gbrmpa.gov.au的解析后，gbrmpa.gov.au区的权威服务器最终向递归服务器返回一个指向girigiri.gbrmpa.gov.au的地址，并由递归服务器将该地址返回给网络客户端，以供网络客户端访问。 

图2为现有的DNS的权威服务器的负载均衡结构示意图。在图1所示DNS中，每一个区域的权威服务器中可能包括有多台服务器，称为一组权威服务器。 如图2所示，以au区的权威服务器中包括有多台服务器为例：这多台服务器负责管理au区，对外公布一个IP地址。在au区内部的各台服务器之间采用任播技术。这样就需要考虑多台服务器之间负载均衡的问题。如图2所示，通常采用在递归服务器和au区的权威服务器之间设置有一个负载均衡设备。由负载均衡设备采用负载均衡调度方法实现递归服务器至au区内的各权威服务器之间的调度。现有技术中通常采用轮询(Round Robin；以下简称RR)负载均衡调度方法实现调度。该调度方法是每一次把域名查询请求轮流分配给内部的各台服务器，从1开始，直到N(内部服务器个数)，然后重新开始循环。 

但是，现有的RR负载均衡调度方法假设所有服务器的处理性能都相同，不关心每台服务器的当前连接数和响应速度。当请求服务间隔时间变化比较大时，RR负载均衡调度方法还会因为当前连接数和响应速度的差异，而容易导致服务器间的负载不平衡。而且RR负载均衡调度方法只适合于权威服务器组中的所有服务器都具有相同软硬件配置的情形，并且还要求平均服务请求相对均衡。因此，RR负载均衡调度方法不能实现真正的负载均衡，适用性较差。 

发明内容

本发明提供一种权威服务器负载均衡的方法、设备及系统，用以解决现有技术中域名系统的权威服务器中负载均衡适用性差的缺陷，在各区的权威服务器组中实现负载均衡。 

本发明提供一种权威服务器负载均衡的方法，包括下列步骤： 

根据递归服务器的查询行为特征将递归服务器聚类为至少一个群集； 

建立各所述群集与目标区的权威服务器组中的权威服务器之间的对应关系； 

其中，根据多个递归服务器的查询行为特征将所述多个递归服务器聚类为至少一个群集，具体包括： 

获取所述多个递归服务器在第一时间段内的查询时间序列；各所述查询时间序列包括对应的递归服务器的标识和按照查询时间顺序排列的目标域名列表； 

根据所述多个查询时间序列，获取参考模型的模型参数和所述至少一个群集的群集数目； 

根据所述模型参数和所述群集数目，对所述多个查询时间序列进行聚类 处理，使得所述多个查询时间序列分别划分至所述至少一个群集中。 

本发明提供一种权威服务器的负载均衡设备，包括： 

附图说明

聚类处理模块，用于根据递归服务器的查询行为特征将递归服务器聚类为至少一个群集； 

配置模块，用于建立各所述群集与目标区的权威服务器组中的权威服务器之间的对应关系； 

其中，所述聚类处理模块，包括： 

第一获取单元，用于获取所述多个递归服务器在第一时间段内的查询时间序列；各所述查询时间序列包括对应的递归服务器的标识和按照查询时间顺序排列的目标域名列表； 

第二获取单元，用于根据所述多个查询时间序列，获取参考模型的模型参数和所述至少一个群集的群集数目； 

聚类处理单元，用于根据所述模型参数和所述群集数目，对所述多个查询时间序列进行聚类处理，使得所述多个查询时间序列分别划分至所述至少一个群集中。 

本发明还提供一种域名系统，包括至少一个递归服务器、至少一个区的权威服务器组，以及至少一个上述所述权威服务器的负载均衡设备；各区的权威服务器组中包括至少一个权威服务器；所述权威服务器的负载均衡设备与对应区的权威服务器组中的至少一个权威服务器连接；所述权威服务器的负载均衡设备还与所述至少一个递归服务器连接 

本发明的权威服务器负载均衡的方法、设备及系统，通过利用N个递归服务器的查询时间序列和参考模型，将N个递归服务器的查询时间序列进行聚类处理，以将N个查询时间序列分别划分至K个群集；根据划分后的群集建立群集与目标区的权威服务器组中的服务器之间的对应关系。采用本发明实施例的技术方案，根据群集中所对应的递归服务器与权威服务器组中的权威服务器之间的对应关系，实现递归服务器至权威服务器之间的灵活调度。与现有技术相比，采用本发明的技术方案，与请求服务的时间间隔以及权威服务器的响应速度都没有关系，能够有效地实现负载均衡的目的。 

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图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为现有技术中在Internet上查询域名girigiri.gbrmpa.gov.au的流程图； 

图2为现有的DNS的权威服务器的负载均衡结构示意图； 

图3为本发明实施例一提供的权威服务器负载均衡的方法的流程如图； 

具体实施方式

图4为本发明实施例二提供的权威服务器负载均衡的方法的流程如图； 

图5为本发明实施例三提供的权威服务器负载均衡的方法的流程图； 

图6为本发明实施例四提供的权威服务器负载均衡的方法的流程图； 

图7为本发明实施例五提供的权威服务器的负载均衡设备的结构示意图； 

图8为本发明实施例六提供的权威服务器的负载均衡设备的结构示意图； 

图9为本发明实施例七提供的权威服务器的负载均衡设备的结构示意图； 

图10为本发明实施例八提供的权威服务器的负载均衡设备的结构示意图； 

图11为本发明实施例九提供的域名系统的结构示意图。 

为使本发明实施例的目的、技术方案和优点更加清楚，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。 

图3为本发明实施例一提供的权威服务器负载均衡的方法的流程如图。本实施例的执行主体为权威服务器的负载均衡设备。如图3所示，本实施例的域名系统权威服务器负载均衡的方法，具体可以包括如下步骤： 

步骤100、根据递归服务器的查询行为特征将递归服务器聚类为至少一个群集； 

步骤101、建立各群集与目标区的权威服务器组中的权威服务器之间的对应关系。 

本实施例的域名系统权威服务器负载均衡的方法，根据递归服务器的查询行为特征，将递归服务器聚类为至少一个群集。其中这里每个群集中被划分的递归服务器的数目不做限制。也可为一个、两个，也可以为多个。聚类之后，将每一个群集与目标区的权威服务器组中的一个权威服务器之间建立关联，也就是将该群集中的递归服务器与权威服务器组中的权威服务器之间建立映射，由该权威服务器负责解析该群集中的各递归服务器的域名查询请求。 

当群集较小时，多个群集可以对应目标区的权威服务器组中同一个对应的权威服务器，同样可以实现权威服务器的负载均衡调度。 

本实施例的权威服务器负载均衡的方法，通过根据递归服务器的查询行为特征将递归服务器聚类为若干个群集；并建立各群集与目标区的权威服务器组中的权威服务器之间的对应关系，能够有效地均衡权威服务器组中的各权威服务器的负载。与现有技术相比，采用本发明的技术方案，与请求服务的时间间隔以及权威服务器的响应速度都没有关系，实现递归服务器至权威服务器之间的灵活调度。 

图4为本发明实施例二提供的权威服务器负载均衡的方法的流程如图。如图4所示，本实施例的域名系统权威服务器负载均衡的方法，在包括上述实施例一的技术方案的基础上，其步骤100具体可以包括如下步骤： 

步骤1001、获取多个递归服务器在第一时间段内的查询时间序列，得到多个查询时间序列； 

这里以N个递归服务器为例，对应地N个查询时间序列可以采用公式d_train＝{X¹，K，X^N}表述，Xⁱ表示第i个递归服务器在第一时间段内的查询时间序列，i＝1，......，N，N为正整数；d_train＝{X¹，K，X^N}中各查询时间序列包括对应的递归服务器的标识和按照查询时间顺序排列的目标域名列表。 

具体地，这里获取的N个递归服务器的查询时间序列，是根据N个递归服务器在第一时间段内的查询数据得到的。这里的查询数据包括递归服务器的标识、查询时间和查询的目标域名。其中获取查询数据具体可以从权威服 务器中的日志里面获取。对于某一个递归服务器，按照查询时刻的先后顺序，将第一时间段内查询的目标域名按顺序排列，所得即为该递归服务器对应的目标域名列表。将该递归服务器的标识与对应的目标域名列表合称为该递归服务器的查询时间序列。各递归服务器查询时间序列的获取可以参考现有相关技术，在此不再赘述。 

这里获取的N个递归服务器的查询时间序列为参考的查询时间序列，用于后续划分群集，因此也可以称之为训练集。 

各查询时间序列包括对应的递归服务器的标识优选地为该递归服务器的IP地址，这样还可以同时根据该IP地址，识别该递归服务器的物理地址。 

步骤1002、根据多个查询时间序列，获取参考模型的模型参数和至少一个群集的群集数目； 

具体地，这里以至少一个群集的群集数目为K为例，K为正整数。在本实施例中，为了有效地对划分群集，首先必须选择一个参考模型，并根据步骤100获取的N个递归服务器的查询时间序列，即N个查询时间序列，获取该参考模型的模型参数以及群集数目。 

步骤1003、根据模型参数和群集数目，对多个查询时间序列进行聚类处理，使得多个查询时间序列分别划分至至少一个群集中。 

具体地，根据步骤101获取的模型参数和群集数目，对N个查询时间序列进行聚类处理，将N个查询序列划分至K个群集中。由于每个查询序列对应一个递归服务器，即相当于将N个递归服务器划分至K个群集中。 

本实施例的权威服务器负载均衡的方法，通过利用N个递归服务器的查询时间序列和参考模型，将N个递归服务器的查询时间序列进行聚类处理，以将N个查询时间序列分别划分至K个群集；根据划分后的群集建立群集与目标区的权威服务器组中的服务器之间的对应关系。采用本发明实施例的技术方案，根据群集中所对应的递归服务器与权威服务器组中的权威服务器之间的对应关系，实现递归服务器至权威服务器之间的灵活调度。与现有技术 相比，采用本发明实施例的技术方案，与请求服务的时间间隔以及权威服务器的响应速度都没有关系，能够有效地实现负载均衡的目的。 

而且采用现有的RR负载均衡调度方法只适用于权威服务器组中的各权威服务器都有相同的软硬件配置，并且平均服务请求相对均衡的条件下。而本实施例的技术方案，目标区中的权威服务器组中的各权威服务器的软硬件配置可以不相同。因此，本实施例的权威服务器负载均衡的方法具有较强的适用性。 

图5为本发明实施例三提供的权威服务器负载均衡的方法的流程图。本实施例的权威服务器负载均衡的方法以选取参考模型为一阶混合马尔可夫模型为例，详细描述本发明的技术方案。如图5所示，本实施例的权威服务器负载均衡的方法，具体可以包括如下步骤： 

步骤200、获取N个递归服务器在第一时间段内的查询时间序列d_train＝{X¹，...，X^N}； 

具体地，这里的N个递归服务器的查询时间序列也可以称之为查询时间序列训练集。其中Xⁱ表示第i个递归服务器的查询时间序列，其中i∈[1，......N]。这里假设 

i_ip表示该第i个递归服务器的标识，例如这里可以取第i个递归服务器的IP地址。 

表示该第i个递归服务器在该第一时间段内的查询的第j个目标域名，j∈[1，...，L_i]。L_i可以表示域名查询序列Xⁱ的长度，即该查询时间序列Xⁱ中包括L_i个目标域名。 

如下述表1所示，为查询6个递归服务器在某一时间段内的查询时间序列。 

表1 

步骤201、选取一阶混合马尔可夫模型，根据获取的查询时间序列d_train＝{X¹，K，X^N}，获取群集数目为K时对应的一阶混合马尔可夫模型的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}； 

这里K＝1，2，......，M；M为大于1的正整数。此时还不能够确定群集数目K。也就是说此时的群集数目K是假定选取的。例如可以顺次取K为从1到100之间的整数。对于每一个假定的K值，根据查询时间序列d_train，通过期望最大化算法迭代获取对应的一阶混合马尔可夫模型的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}，其中π_K表示群集数目为K时，各群集对应的马尔可夫链在一阶混合马尔可夫模型中的权重，θ^I _K表示群集数目为K时，各群集对应的马尔可夫链在一阶混合马尔可夫模型中的初始状态概率向量，θ^T _K表示群集数目为K时，各群集对应的马尔可夫链的状态转移概率矩阵。 

本实施例以参考模型为一阶混合马尔可夫(亦即Markov)模型为例。该一阶混合马尔可夫模型中包括至少一个马尔可夫链，每一个马尔可夫对应一个群集。 

基于网络客户端的域名查询行为通常具有思维连贯性，当前要查询的域名通常受到之前所查询的域名的影响。而且基于计算复杂度的考虑，认为当 前查询的域名只与前一次查询的域名相关。所以，这里选取的马尔可夫模型假设各递归服务器将要查询的目标域名只与前一次查询的目标域名有关。 

步骤202、根据群集数目K＝1，2，......，M时，一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}以及N个递归服务器在第二时间段内的测试查询时间序列d_test＝{X′¹，...，X′^N}，获取群集K的值以及对应的一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}； 

具体地，采用“样本外预测对数得分”的方法，还需要获取一个独立于上述步骤200的查询时间序列的一个测试查询时间序列；例如该测试查询时间序列为d_test＝{X′¹，...，X′^N}测试查询时间序列的获取可以参照上述查询时间序列的获取，在此不再赘述。采用“样本外预测对数得分”的方法，通过最小化下述函数Score(K，d_test)的值，便可以获取到此时对应的群集数目K的值以及对应的一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}。 

$\mathrm{Score}(K,d_{\mathrm{test}})=-\frac{{\mathrm{\Σ}}_{j=1}^N{\log }_{2}p\left(X^{\′j}\right|{\mathrm{\θ}}^K)}{{\mathrm{\Σ}}_{i=1}^N\mathrm{length}\left(X^{\′i}\right)}$

p(X′^j|θ^K)表示在群集数目为K时，第j个递归服务器在第二时间段内，的测试查询时间序列X′^j的概率密度函数，length(X′ⁱ)表示第i个递归服务器在第二时间段内的测试查询时间序列X′ⁱ的长度。 

关于概率密度函数的模型的相关技术可以参考现有技术，在此不再赘述。 

步骤203、根据模型参数和群集数目K，采用贝叶斯决策器对测试查询时间序列d_train＝{X¹，...，X^N}中的每一个查询时间序列进行聚类处理，将各查询时间序列划分至K群集中； 

具体地，根据步骤201获取的马尔可夫模型的模型参数和步骤202获取的群集数目K的值，采用贝叶斯决策器对查询时间序列训练集d_train＝{X¹，...，X^N}中的每一个查询时间序列进行聚类处理。这里的贝叶斯决策器可以采用以下公式： 

$p\left(c_k\right|X^i,{\mathrm{\θ}}^K)=\frac{p\left(c_k\right|{\mathrm{\θ}}^K)p_k\left(X^i\right|c_k,{\mathrm{\θ}}^K)}{{\mathrm{\Σ}}_{j=1}^{K}p\left(c_j\right|{\mathrm{\θ}}^K)p_j\left(X^i\right|c_j,{\mathrm{\θ}}^K)},$

其中参数k∈[1，...，K]；贝叶斯决策器表示是的函数p(c_k|Xⁱ，θ^K)为群集c_k的后验概率函数；c_j表示第j个群集，c_k表示第k个群集，p(c_j|θ^K)表示群集c_j的先验概率，p_j(Xⁱ|c_j，θ^K)、p_k(Xⁱ|c_k，θ^K)表示查询时间序列Xⁱ的似然函数。 

将每一个查询时间序列带入后验概率函数p(c_k|Xⁱ，θ^K)，将参数k从1取到K(K表示群集的数目)，分别计算后验概率函数p(c_k|Xⁱ，θ^K)的值，然后根据函数p(c_k|Xⁱ，θ^K)＝max{p(c₁|Xⁱ，θ^K)，p(c₂|Xⁱ，θ^K)，...，p(c_k|Xⁱ，θ^K)，...，p(c_K|Xⁱ，θ^K)}，获取后验概率函数p(c_k|Xⁱ，θ^K)的最大值，最后将该时间查询序列划分至对应的后验概率函数p(c_k|Xⁱ，θ^K)取最大值所对应的群集c_k中。例如将第1个查询时间序列带入后验概率函数中，将参数k从1取到K，计算后验概率函数p(c_k|X，θ)的值。当k＝6时，后验概率函数p(c_k|X，θ)取最大值。此时将第1个查询时间序列划分至群集c₆中。同理可以完成将查询时间序列中所有查询时间序列划分至对应的群集中。由于每一个查询时间序列对应一个递归服务器，因此便相当于将N个递归服务器划分至K个群集中。 

步骤204、建立各群集中的查询时间序列对应的递归服务器与目标区的权威服务器组中的权威服务器之间的对应关系； 

具体地，该步骤用于建立群集与目标区权威服务器组中的权威服务器之间的对应关系，由于每个群集又对应多个递归服务器，对应地，也相当于建立递归服务器与权威服务器组中的权威服务器之间的对应关系。经上述步骤203将各查询时间序列划分至对应的群集之后，将划分后的群集中包括的查询时间序列对应的递归服务器与目标区的权威服务器组中的一个权威服务器之间建立映射。也就是说，当群集中包括多个查询时间序列，将这些查询时间序列对应的所有递归服务器与权威服务器组中的一个权威服务器建立映射。在实际设计中，可选地，将查询序列中的递归服务器的标识与权威服务 器组中的权威服务器的标识建立映射，例如可以将递归服务器的IP地址与权威服务器的标识建立映射。并将建立的对应关系存储在权威服务器的负载均衡设备中，以供后续使用。需要注意的是，权威服务器组对外使用的是同一个IP地址。不能使用将递归服务器的IP地址与权威服务器的IP地址建立映射。 

步骤205、将对应关系发送给权威服务器，以供该权威服务器根据该对应关系，将对应的各群集中包括的查询时间序列中的目标域名列表中的目标域名对应的域名数据，缓存至权威服务器的缓存中。 

根据上述步骤204得到各群集中的递归服务器与目标区的权威服务器中的权威服务器的对应关系发送给对应的权威服务器，以供该权威服务器根据该对应关系，将该权威服务器将对应的各群集中的查询时间序列中所包括的目标域名列表中的每个目标域名对应的域名数据，都存储到该权威服务器的缓存中。这里的目标域名对应的域名数据是用于对目标域名进行解析的信息，包括：域名与IP地址的映射关系等等信息。而该区的所有域名数据仍保存在权威服务器的内存中。也就是说。在同一个目标区中，各权威服务器的缓存中保存有对应的群集中的查询时间序列所包括的目标域名对应的域名数据。而各权威服务器的内存中都保存了该区的所有域名数据。这样，当权威服务器接收到查询请求的时候，可以先从缓存中查询，可以提高查询性能。 

本实施例中的第一时间段和第二时间段仅仅表示两个时间段没有交叠，两者没有前后顺序。 

本实施例的权威服务器负载均衡的方法，通过采用一阶马尔可夫模型实现群集的划分，建立群集中的递归服务器与权威服务器组中的权威服务器之间的映射，并将群集中包括的查询时间序列中包括的目标域名对应的域名数据，存储在对应的权威服务器的缓存。采用本实施例的技术方案，能够有效地建立递归服务器与权威服务器组中的权威服务器之间的对应关系，以便于根据该对应关系，灵活实现递归服务器至权威服务器之间的调度；能够有效 地实现权威服务器的负载均衡。而且采用本实施例的技术方案，对各权威服务器的软硬件配置没有要求，具有较强的适用性。 

需要说明的是，由于本发明实施例的方案是针对历史的查询时间序列进行的，随着查询次数的不断增多，需要设定一定的时间周期，对模型进行重新训练，调整群集结构，重新对群集和权威服务器进行关联操作。也就是说需要根据近期的查询时间序列，重新建立递归服务器与权威服务器之间的映射。 

图6为本发明实施例四提供的权威服务器负载均衡的方法的流程图。如图6所示，在上述实施例三的权威服务器负载均衡的方法的步骤205之后，进一步包括了如下步骤： 

步骤206、接收第一递归服务器的域名查询请求，域名查询请求中包括第一递归服务器的标识和查询域名； 

步骤207、根据建立的对应关系，获取与第一递归服务器标识对应的第一权威服务器的标识； 

步骤208、将域名查询请求发送给第一权威服务器，以供第一权威服务器获取查询域名对应的域名数据。 

具体地，本实施的方案在上述步骤204中建立所有群集中的递归服务器与权威服务器之间的对应关系之后。当权威服务器的负载均衡设备接收某一个递归服务器的域名查询请求，例如接收第一个递归服务器的域名查询请求，权威服务器的负载均衡设备根据建立的群集与权威服务器之间的对应关系即群集对应的各递归服务器与权威服务器之间的对应关系，获取与该域名查询请求中的第一递归服务器对应的权威服务器的标识，假如，与该第一递归服务器对应的为第一权威服务器。然后权威服务器的负载均衡设备可以将该域名查询请求发送给该第一权威服务器，以供从第一权威服务器中获取与查询域名对应的域名数据。因为根据历史查询信息，在第一权威服务器的缓存中已经存储有该第一递归服务器的查询的目标域名的域名数据，这样当第一权 威服务器接收到域名查询请求，具体地，第一权威服务器可以从缓存中快速找到域名查询请求中的查询域名对应的域名数据，从而能够有效地提高查询性能。但是毕竟权威服务器的缓存中存储的是基于历史查询分析的域名数据，当权威服务器在缓存中未找到某一次域名查询请求中的目标域名对应的域名数据时，此时从权威服务器的内存中进行查找。 

因此采用本实施例的方案，可以根据各权威服务器所对应的递归服务器的数目、以及对应的群集中所包括的目标域名的域名数据等等其他信息，来配置各权威服务器的软硬件。 

本实施例的权威服务器负载均衡的方法，能够有效地提高查询性能。 

需要说明的是，由于权威服务器的缓存不会无限增大，而且缓存中的数据到一定时间会进行清空操作，之前缓存的结果很有可能已被删除。为了进一步提高查询性能，在上述步骤208之后，具体还可以包括如下技术方案： 

(1)根据步骤202确定的一阶混合马尔可夫模型的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}，获取预测查询域名； 

由于一阶混合马尔可夫模型的模型参数中的θ^T _K表示群集数目为K时，各群集对应的马尔可夫链的状态转移概率矩阵，这里的状态即表示域名。根据模型参数θ^T _K，可以获取到当前查询域名之后的下一个可能被查询到的域名。 

(2)将包含预测查询域名的检测请求发送至第一权威服务器，以供第一权威服务器检测其缓存中是否存储有预测查询域名的域名数据； 

具体地，当第一权威服务器根据请求检测之后，可以向权威服务器的负载均衡设备返回一个查询结果，以告知负载均衡设备器缓存中是否还存储有该预测查询域名的域名数据。 

(3)当第一权威服务器中没有存储预测查询域名的域名数据，向第一权威服务器发送缓存请求，以供第一权威服务器将预测查询域名的域名数据从第一权威服务器的内存中读取至第一权威服务器的缓存中。 

根据步骤(2)，当第一权威服务器中没有存储预测查询域名的域名数据，权 威服务器的负载均衡设备向第一权威服务器发送缓存请求。第一权威服务器根据这个缓存请求将预测查询域名的域名数据从其内存中读取至其缓存中。这个过程可以称为“预取”，这样当下一次查询，查询的是该预测查询域名是，第一权威服务器可以快速地从缓存中获取查询结果。采用本实施例的技术方案，能够有效地提高查询性能。 

需要说明的是，上述实施例中是选用参考模型为一阶混合马尔可夫来说明本发明的技术方案，实际应用中可以采用其他的基于时间序列的参考模型。 

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。 

图7为本发明实施例五提供的权威服务器的负载均衡设备的结构示意图。如图7所示，本实施例的权威服务器的负载均衡设备，具体可以包括：聚类处理模块10和配置模块11。 

本实施例的权威服务器的负载均衡设备中的聚类处理模块10根据递归服务器的查询行为特征将递归服务器聚类为至少一个群集。配置模块11与聚类处理模块10连接。配置模块11建立聚类处理模块10得到的各群集与目标区的权威服务器组中的权威服务器之间的对应关系。 

本实施例的权威服务器的负载均衡设备各模块的交互过程和实现负载均衡的实现方式可参照方法实施例的相关描述，在此不再赘述。 

本实施例的权威服务器的负载均衡设备，通过各模块实现根据递归服务器的查询行为特征将递归服务器聚类为若干个群集；并建立各群集与目标区的权威服务器组中的权威服务器之间的对应关系，能够有效地均衡权威服务器组中的各权威服务器的负载。与现有技术相比，采用本发明的技术方案，与请求服务的时间间隔以及权威服务器的响应速度都没有关系，实现递归服 务器至权威服务器之间的灵活调度。 

图8为本发明实施例六提供的权威服务器的负载均衡设备的结构示意图。如图8所示，本实施例的权威服务器的负载均衡设备，在包括上述实施例五的技术方案的基础上，聚类处理模块10具体可以包括：第一获取单元101、第二获取单元102和聚类处理单元103。 

本实施例的权威服务器的负载均衡设备中的第一获取单元101用于获取多个递归服务器在第一时间段内的查询时间序列，得到多个查询时间序列，如这里的多个为N个时，对应的N个查询时间序列可以表示为d_train＝{X¹，K，X^N}；Xⁱ表示第i个递归服务器在第一时间段内的查询时间序列，其中i＝1，......N，N为正整数；各查询时间序列包括对应的递归服务器的标识和按照查询时间顺序排列的目标域名列表。第二获取单元102与第一获取单元101连接，例如根据第一获取单元101获取的N个查询时间序列，获取参考模型的模型参数和至少一个群集的群集数目K；K为正整数。聚类处理单元103分别与第二获取单元102和第一获取单元101连接，根据第二获取单元102获取的模型参数和至少一个群集的群集数目K，对第一获取单元101获取的N个查询时间序列进行聚类处理，使得N个查询时间序列分别划分至至少一个群集中。配置模块11与聚类处理单元103连接，用于建立聚类处理单元103得到的K个群集中的各群集与目标区的权威服务器组中的权威服务器之间的对应关系。 

本实施例的权威服务器的负载均衡设备中，配置模块11具体用于建立聚类处理模块10得到的K个群集中各群集对应的递归服务器标识与目标区的权威服务器组中的权威服务器的标识之间的对应关系。 

本实施例的权威服务器的负载均衡设备各模块的交互过程和实现负载均衡的实现方式可参照方法实施例的相关描述，在此不再赘述。 

本实施例的权威服务器的负载均衡设备，通过各模块实现利用N个递归服务器的查询时间序列和参考模型，将N个递归服务器的查询时间序列进行 聚类处理，以将N个查询时间序列分别划分至K个群集；根据划分后的群集建立群集与目标区的权威服务器组中的服务器之间的对应关系。采用本发明实施例的技术方案，根据群集中所对应的递归服务器与权威服务器组中的权威服务器之间的对应关系，实现递归服务器至权威服务器之间的灵活调度。与现有技术相比，采用本发明实施例的技术方案，与请求服务的时间间隔以及权威服务器的响应速度都没有关系，能够有效地实现负载均衡的目的。而且本实施例的权威服务器的负载均衡设备，对目标区中的权威服务器组中的各权威服务器的软硬件配置不做限制，具有较强的适用性。 

图9为本发明实施例七提供的权威服务器的负载均衡设备的结构示意图。在上述实施例六的基础上，本实施例的权威服务器的负载均衡设备中的第二获取单元102具体可以包括第一获取子单元1021和第二获取子单元1022。 

其中第一获取子单元1021与第一获取单元101连接，用于根据第一获取单元101获取的N个查询时间序列，具体地，采用期望最大化方法迭代获取群集数目为K时，一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}，其中K＝1，2......，M；M为大于1的正整数；其中π_K表示群集数目为K时，各群集对应的马尔可夫链在一阶混合马尔可夫模型中的权重，θ^I _K表示群集数目为K时，各群集对应的马尔可夫链在一阶混合马尔可夫模型中的初始状态概率向量，θ^T _K表示群集数目为K时，各群集对应的马尔可夫链的状态转移概率矩阵。第二获取子单元1022与第一获取子单元1021连接，根据第一获取子单元1021获取的群集数目K＝1，2，......，M时，一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}，以及N个递归服务器在第二时间段内的测试查询时间序列，获取群集数目K以及对应的一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}。 

具体地，第二获取子单元1022具体用于根据第一获取子单元1021获取的群集数目K＝1，2，......，M时，一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K} 和N个递归服务器在第二时间段内的测试查询时间序列，获取函数数Score(K，d_test)取最小值时对应的群集数目K的值以及对应的一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}。 

$\mathrm{Score}(K,d_{\mathrm{test}})=-\frac{{\mathrm{\Σ}}_{j=1}^{N_t}{\log }_{2}p\left(X^j\right|{\mathrm{\θ}}^K)}{{\mathrm{\Σ}}_{i=1}^{N_t}\mathrm{length}\left(X^i\right)}$

其中 表示N个递归服务器在第二时间段内的测试查询时间序列；p(X′^j|θ^K)表示在群集数目为K时，第j个递归服务器在第二时间段内测试查询时间序列X′^j的概率密度函数，length(X′ⁱ)表示第i个递归服务器在第二时间段内的测试查询时间序列X′ⁱ的长度。 

本实施例的权威服务器的负载均衡设备中，聚类处理单元103分别与第二获取子单元1022以及第一获取单元101连接，具体用于根据第二获取子单元1022获取的群集数目K以及对应的一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}，采用贝叶斯决策器对第一获取单元101获取的N个查询时间序列进行聚类处理，以将N个查询时间序列分别划分至K个群集中。具体地，聚类处理模单元103可以根据第二获取子单元1022获取的群集数目K以及对应的一阶混合马尔可夫的模型参数θ^K＝{π_K，θ^I _K，θ^T _K}，将第一获取单元101获取的查询时间序列带入贝叶斯决策器所表示的后验概率函数p(c_k|Xⁱ，θ^K)中进行聚类处理；通过函数p(c_k|Xⁱ，θ^K)＝max{p(c₁|Xⁱ，θ^K)，p(c₂|Xⁱ，θ^K)，K，p(c_k|Xⁱ，θ^K)，K，p(c_K|Xⁱ，θ^K)}获取参数k＝1，.....K中后验概率值最大的群集，将查询时间序列划分至后验概率值最大的群集中； 

其中： 

参数k∈1，K，K；群集c_k的后 验概率函数；c_j表示第j个群集，c_k表示第k个群集，p(c_j|θ^K)表示群集c_j的先验概率，p_j(Xⁱ|c_j，θ^K)、p_k(Xⁱ|c_k，θ^K)表示查询时间序列Xⁱ的似然函数。 

本实施例的权威服务器的负载均衡设备各模块的交互过程和实现负载均衡的实现方式可参照方法实施例的相关描述，在此不再赘述。 

本实施例的权威服务器的负载均衡设备，通过各模块实现采用一阶马尔可夫模型实现群集的划分，建立群集中的递归服务器与权威服务器组中的权威服务器之间的映射，并将群集中包括的查询时间序列中包括的目标域名对应的域名数据，存储在对应的权威服务器的缓存。采用本实施例的技术方案，能够有效地建立递归服务器与权威服务器组中的权威服务器之间的对应关系，以便于根据该对应关系，灵活实现递归服务器至权威服务器之间的调度；能够有效地实现权威服务器的负载均衡。而且采用本实施例的技术方案，对各权威服务器的软硬件配置没有要求，具有较强的适用性。 

图10为本发明实施例八提供的权威服务器的负载均衡设备的结构示意图。在上述实施例六的基础上，本实施例的权威服务器的负载均衡设备，还包括：第一发送模块12与配置模块11连接，将配置模块11配置的结果，即所得的对应关系发送给对应的权威服务器，以供该权威服务器根据该对应关系，将对应的各群集中包括的查询时间序列中的目标域名列表中的目标域名对应的域名数据，缓存至该权威服务器的缓存中。 

本实施例的权威服务器的负载均衡设备，还包括：接收模块13、查询模块14和第二发送模块15。 

接收模块13用于接收第一递归服务器的域名查询请求，域名查询请求中包括第一递归服务器的标识和查询域名。查询模块14分别与接收模块13和配置模块11连接，用于根据接收模块13接收的域名查询请中的第一递归服务器的标识，从配置模块11配置的群集中各递归服务器的标识与目标区的权威服务器组的权威服务器之间的对应关系，获取与第一递归服务器对应的第一权威服务器的标识。第二发送模块15分别与接收模块13和查询模块14连 接，用于将接收模块13接收到的域名查询请求发送给查询模块14查询到的第一权威服务器，以供第一权威服务器从其缓存中获取查询结果。 

本实施例的权威服务器的负载均衡设备各模块的交互过程和实现负载均衡的实现方式可参照方法实施例的相关描述，在此不再赘述。 

也可以在上述实施例七的基础上，增加上述的第一发送模块12、接收模块13、查询模块14和第二发送模块15，具体实施情况请参照上述两个实施例，在此不再赘述。 

如图10所示，本实施例的权威服务器的负载均衡设备中还可以包括：第三获取模块16、第三发送模块17和缓存请求模块18。 

由于权威服务器的缓存不会无限增大，而且缓存中的数据到一定时间会进行清空操作，之前缓存的结果很有可能已被删除。为了进一步提高查询性能，本实施例的权威服务器的负载均衡设备中的第三获取模块16与第二获取单元102连接，根据第二获取单元102获取的参考模型的模型参数，获取预测查询域名。该预测查询域名为在查询域名之后，下一次可能被查询的域名。第三发送模块17分别与第三获取模块16和查询模块14连接，将包括第三获取模块16获取的预测查询域名的检测请求发送至查询模块14查询到的第一权威服务器，以供该第一权威服务器检测其缓存中是否存储有第三获取模块16获取的预测查询域名的域名数据。缓存请求模块18分别与第三发送模块17连接。，缓存请求模块18用于在第三发送模块17向第一权威服务器发送检测请求之后，第一权威服务器返回其缓存中没有存储该预测查询域名的域名数据，此时缓存请求模块18向第一权威服务器发送缓存请求，以供第一权威服务器将第三发送模块17发送的检测请求中的预测查询域名的域名数据从第一权威服务器的内存中读取至第一权威服务器的缓存中。这个过程可以称为“预取”，这样当下一次查询，查询的是该预测查询域名是，第一权威服务器可以快速地从缓存中获取查询结果。采用本实施例的技术方案，能够有效地提高查询性能。 

本实施例的权威服务器的负载均衡设备，能够有效地提高查询性能。 

图11为本发明实施例九提供的域名系统的结构示意图。如图11所示，本实施例的域名系统包括至少一个递归服务器30，至少一个区的权威服务器组40，其中每一个权威服务器组中包括至少一个权威服务器41。本实施例的域名系统还包括至少一个权威服务器的负载均衡设备50。每一个权威服务器组40对应一个权威服务器的负载均衡设备50。权威服务器的负载均衡设备50连接在至少一个递归服务器30与权威服务器组40之间。也就是说，权威服务器的负载均衡设备50不仅与至少一个递归服务器30相连，还与权威服务器组40中的至少一个权威服务器41相连。 

为便于描述，图11中以包含两个区为例，即如图11所示，包括两个权威服务器组40，因为实际应用中，权威服务器的负载均衡设备50是为权威服务器组40而配置的，因此，如图11所示，对应配置两个权威服务器的负载均衡设备50。这里的所涉及到的数目仅用于解释说明，不对本申请技术方案作以限制。 

本实施例的域名系统中的权威服务器的负载均衡设备50可以采用上述实施例五至八所述的权威服务器的负载均衡设备，具体可以采用上述实施例一至四的相关实施例实现其机制，详细请参照上述实施例的相关描述，在此不再赘述。 

本实施例的域名系统，通过采用本实施例的权威服务器负载均衡设备，能够有效地实现权威服务器的负载均衡，增强了域名系统的适用性。而且采用本实施例的域名系统，能够增强系统的查询性能。 

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到至少两个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以 理解并实施。 

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。 

Claims (11)

1.一种权威服务器负载均衡的方法，其特征在于，包括下列步骤：

根据多个递归服务器的查询行为特征将所述多个递归服务器聚类为至少一个群集；

建立各所述群集与目标区的权威服务器组中的权威服务器之间的对应关系；

其中，根据多个递归服务器的查询行为特征将所述多个递归服务器聚类为至少一个群集，具体包括：

获取所述多个递归服务器在第一时间段内的查询时间序列；各所述查询时间序列包括对应的递归服务器的标识和按照查询时间顺序排列的目标域名列表；

根据所述多个查询时间序列，获取参考模型的模型参数和所述至少一个群集的群集数目；

根据所述模型参数和所述群集数目，对所述多个查询时间序列进行聚类处理，使得所述多个查询时间序列分别划分至所述至少一个群集中。

2.根据权利要求1所述的权威服务器负载均衡的方法，其特征在于，建立各所述群集与目标区的权威服务器组中的权威服务器之间的对应关系，具体包括：

建立各所述群集对应的递归服务器的标识与所述目标区的权威服务器组中的权威服务器的标识之间的对应关系。

3.根据权利要求1或2所述的权威服务器负载均衡的方法，其特征在于，还包括：

将所述对应关系发送给对应的所述权威服务器，以供所述权威服务器根据所述对应关系，将对应的各所述群集中包括的查询时间序列中的目标域名列表中的目标域名对应的域名数据，缓存至所述权威服务器的缓存中。

4.根据权利要求1或2所述的权威服务器负载均衡的方法，其特征在于，还包括：

接收第一递归服务器的域名查询请求，所述域名查询请求中包括所述第一递归服务器的标识和查询域名；

根据所述对应关系，获取与所述第一递归服务器的标识对应的第一权威服务器的标识；

将所述域名查询请求发送给所述第一权威服务器，以供所述第一权威服务器获取所述查询域名对应的域名数据。

5.根据权利要求4所述的权威服务器负载均衡的方法，其特征在于，将所述域名查询请求发送给所述第一权威服务器，以供所述第一权威服务器获取所述查询域名对应的域名数据，具体包括：将所述域名查询请求发送给所述第一权威服务器，以供所述第一权威服务器从其缓存中获取所述查询域名对应的域名数据。

6.根据权利要求4所述的权威服务器负载均衡的方法，其特征在于，还包括：

根据所述参考模型的模型参数，获取预测查询域名，所述预测查询域名为在所述查询域名之后的下一次可能被查询的域名；

将包括所述预测查询域名的检测请求发送至所述第一权威服务器，以供所述第一权威服务器检测其缓存中是否存储有所述预测查询域名的域名数据；

当所述第一权威服务器中没有存储所述预测查询域名的域名数据，向所述第一权威服务器发送缓存请求，以供所述第一权威服务器将所述预测查询域名的域名数据从所述第一权威服务器的内存中读取至所述第一权威服务器的缓存中。

7.一种权威服务器的负载均衡设备，其特征在于，包括：

聚类处理模块，用于根据多个递归服务器的查询行为特征将所述多个递归服务器聚类为至少一个群集；

配置模块，用于建立各所述群集与目标区的权威服务器组中的权威服务器之间的对应关系；

其中，所述聚类处理模块，包括：

第一获取单元，用于获取所述多个递归服务器在第一时间段内的查询时间序列；各所述查询时间序列包括对应的递归服务器的标识和按照查询时间顺序排列的目标域名列表；

第二获取单元，用于根据所述多个查询时间序列，获取参考模型的模型参数和所述至少一个群集的群集数目；

聚类处理单元，用于根据所述模型参数和所述群集数目，对所述多个查询时间序列进行聚类处理，使得所述多个查询时间序列分别划分至所述至少一个群集中。

8.根据权利要求7所述的权威服务器的负载均衡设备，其特征在于，还包括：

第一发送模块，用于将所述对应关系发送给对应的所述权威服务器，以供所述权威服务器根据所述对应关系，将对应的各所述群集中包括的查询时间序列中的目标域名列表中的目标域名对应的域名数据，缓存至所述权威服务器的缓存中。

9.根据权利要求7所述的权威服务器的负载均衡设备，其特征在于，还包括：

接收模块，用于接收第一递归服务器的域名查询请求，所述域名查询请求中包括所述第一递归服务器的标识和查询域名；

查询模块，用于根据所述对应关系，获取与所述第一递归服务器对应的第一权威服务器的标识；

第二发送模块，用于将所述域名查询请求发送给所述第一权威服务器，以供所述第一权威服务器获取所述查询域名对应的域名数据。

10.根据权利要求9所述的权威服务器的负载均衡设备，其特征在于，还包括：

第三获取模块，用于根据所述参考模型的模型参数，获取预测查询域名，所述预测查询域名为在所述查询域名之后的下一次可能被查询的域名；

第三发送模块，用于将包括所述预测查询域名的检测请求发送至所述第一权威服务器，以供所述第一权威服务器检测其缓存中是否存储有所述预测查询域名的域名数据；

缓存请求模块，用于当所述第一权威服务器中没有存储所述预测查询域名的域名数据，向所述第一权威服务器发送缓存请求，以供所述第一权威服务器将所述预测查询域名的域名数据从所述第一权威服务器的内存中读取至所述第一权威服务器的缓存中。

11.一种域名系统，包括至少一个递归服务器、至少一个区的权威服务器组，以及至少一个如上述权利要求7-10任一所述的权威服务器的负载均衡设备；各区的权威服务器组中包括至少一个权威服务器；所述权威服务器的负载均衡设备与对应区的权威服务器组中的至少一个权威服务器连接；所述权威服务器的负载均衡设备还与所述至少一个递归服务器连接。

Images