CN103412875B - 基于ahp决策模型的cdn策略调整方法 - Google Patents
基于ahp决策模型的cdn策略调整方法 Download PDFInfo
- Publication number
- CN103412875B CN103412875B CN201310292443.8A CN201310292443A CN103412875B CN 103412875 B CN103412875 B CN 103412875B CN 201310292443 A CN201310292443 A CN 201310292443A CN 103412875 B CN103412875 B CN 103412875B
- Authority
- CN
- China
- Prior art keywords
- cdn
- layer
- information
- cdn system
- master control
- 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
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于AHP决策模型的CDN策略调整方法,针对现有内容传输网络CDN静态策略只适应访问方式和并发量等环境预先知道的情况,难以适应系统环境的变化和网络带宽经常变换的情况。本发明基于AHP决策模型的CDN策略调整系统,具体为:总控制平台监控并收集内容CDN的各种信息,定期交给AHP决策树进行分析,从而给出推荐的调整方案,总控制平台根据推荐的调整方案动态调整CDN的服务策略,并将该推荐方案保存到策略数据库。本发明提供了一种高效且可扩展的AHP决策模型,且实现成本低,对现有系统改造较小,选择最适合当前系统的服务策略,优化CDN的服务质量。
Description
技术领域
本发明涉及内容分发网络(CDN)领域,更具体地,涉及一种基于APH决策模型的CDN策略调整方法。
背景技术
CDN(Content Delivery Network)即内容分发网络,是构筑在现有互联网上的一种先进的流量分配网络。它通过在现有的IP承载网上增加一层新的由服务节点,将内容(视频、音频、Web网页等元素)发送到最接近用户的网络“边缘”,使用户可以就近取得所需的内容,从而优化网络流量状况,提高用户访问网站的响应速度。CDN可以解决由于骨干网络带宽小、用户访问量大、网点分布不均等原因所造成内容传输速度慢和稳定性问题。
在CDN网络中,针对不同的应用场景和服务类型,各大CDN提供厂商提供了不同的解决方案和部署策略,如针对视频类网站的高带宽消耗、针对政府类网站的高稳定性、针对社交类网站的短时高并发和大量小文件。不同的解决方案和数据部署策略都能基本程度地满足客户的稳定性和可靠性需求。
在媒体内容分发系统(CDN)中,提高CDN服务质量的关键在于降低媒体传输时延和实现节点负载均衡。而降低媒体传输时延和实现节点负载均衡的关键在于部署策略。根据决策被执行的时间,可以把部署策略主要分成两类:静态部署策略和动态部署策略。静态部署策略是指CDN系统开始工作时就根据当时条件决定的部署策略,这种策略通常基于固定的访问模式,这种静态部署策略只适应访问方式和并发量预先知道的情况,很难适应系统环境的变更和网络带宽经常发生变化的情况。
现有内容分发网络大多基于静态部署策略,由于影响网络服务的因素非常多,不同的应用场合这些因素的重要性也不尽相同。这样一方面由于最大资源部署原则会导致资源的大量浪费,另一方面导致系统可扩展性差,难以适应实时变化的应用环境。
发明内容
为了克服现有CDN服务策略的缺陷和不足,本发明提供了一种基于层次分析法(Analytic Hierarchy Process,APH)决策模型的内容分发网络策略调整方法。该方法能选取最适合实时场景的CDN策略,优化CDN的服务质量。
为了实现上述目的,本发明的技术方案为:
一种基于AHP决策模型的内容分发网络策略调整方法,总控制平台监控并收集内容CDN的各种信息,定期交给AHP决策树进行分析,从而给出推荐的调整方案,总控制平台根据推荐的调整方案动态调整CDN的服务策略,并将该推荐方案保存到策略数据库;具体为:
S1.总控制平台将CDN系统内每台服务器的软硬件信息记录在设备配置表中,将每台服务器的性能信息记录在设备性能表中;
S2.实时监控CDN系统的信息,实时更新系统每台服务器的状态信息记录和CDN的运行状态信息;
S3.每隔t时间,总控制平台对监控信息进行分析处理,如果策略数据库中有相应的调整方案记录,则直接到步骤S5,否则转到步骤S4;
S4.总控制平台将分析处理过的的数据交给AHP决策树分析处理,给出推荐的调整方案;
S5.总控制平台根据调整方案,动态调整CDN服务策略;
S6.总控制平台将步骤S4中AHP决策树分析推荐的调整方案保存到策略数据库中。
记录服务器的相关信息后,就可以去监控服务器的相关信息,确定要监控哪些信息,以及这些信息的各种阈值。CDN系统信息包括包括通用场景信息和CDN特有场景信息。具体介绍在下面有介绍。
策略调整方法在系统开始运行的时候会做一次部署,并且这种部署策略随着时间的推移会根据系统的环境变化、需求的变更以及系统的负载状况不断进行变化和调整。这种动态部署策略自适应地调整调度及服务策略,可以有效地降低网络的传输时间和提高系统的性能。通过实时监控CDN系统信息,并通过AHP预测模型选取合适的部署调整方案,对现有的CDN策略进行动态地调整。
更进一步的,所述总控制平台由监控模块和策略调度模块组成,所述监控模块用于监控并收集CDN系统的信息;所述策略调整模块用于动态调整CDN系统的服务策略。
更进一步的,所述步骤S2具体为:监控模块实时监控CDN系统的信息,实时更新系统每台服务器的状态信息记录和CDN的运行状态信息;
所述监控模块实时监控CDN系统的信息包括通用场景信息和特殊场景信息,其中所述通用场景信息包括服务器硬件信息和服务器的性能信息,所述特殊场景信息包括CDN特有服务指标。
其中服务器硬件信息如CPU、内存、磁盘用量等,基本网络性能如已建立连接数、RTT、速率/带宽、吞吐量等;CDN特有服务指标如MOS值、MDI值和命中率等。
更进一步的,所述步骤S4具体为:总控制平台对每个监控信息根据不同的场景配置不同的权重;将上述配置的权重交给AHP决策树进行决策,分析出动态CDN服务处理。
更进一步的,所述AHP决策树的决策模型实现过程为:
S41.建立递归层次结构
递归层次结构包括目标层、准则层和方案层,其中每一层的每一个元素均是下一层中每个元素的准则,即目标层是准则层中每个元素的准则,而准则层中的元素又是方案层元素准则;
S42.构造两两比较判断矩阵,确定目标层各指标的权重;
采用Saaty1-9标度法构造两两比较判断矩阵,确定各指标的权重,各指标的权重是根据经验数据得来的,在不同的应用场景中,相同指标的权重能够动态变化;
S43.计算单一准则下各元素的相对权重;
对两两判断矩阵分别求出特征值λmax及λmax对应的特征向量,每个元素的特征向量即为其相对权重向量;
S44.根据相对权重向量计算各层各元素的组合权重向量并验证结果一致性,在满足一致性的条件下,选取组合权重向量T中最大权重的方案作为推荐的调整方案。
其中步骤S41建立递归层次结构,通过将CDN服务质量这一复杂的决策情境分为几个准则分组,然后将这些分组组织成一个树状的层次结构,这样有助于更加清晰的决策。
步骤S42构造两两比较判断矩阵,确定各指标的权重;而在实际操作过程中,由于很难同时判断不同的准则对于目标层的权重比值,但如果只判断两个准则对目标层的权重比值,则有可操作性。所以一般先采用成对比较法构造两两判断矩阵,然后再计算出同一准则下各指标的权重。
各指标的权重是根据经验数据得来的,在不同的应用场景中,相同指标的权重可以动态变化。在CDN系统中,有不同的应用环境。比如针对视频网站的加速和针对大型门户网站的加速,不同的应用场景对性能要求不一样。比如视频网站新需要高并发,而门户网站需要稳定性。
一般来说,对于给定的目标层,准则层的权重在不同的使用环境下可以完全不一样,体现出了场景的差异性;而对于给定的准则层来说,方案层的权重基本相同,体现出了事物的客观规律性。
采用Saaty1-9标度法,对同一层次的因素进行两两比较,构建判断矩阵。
得到两两判断矩阵后,需要求出在同一准则下,所有指标的相对权重。分别求特征值λmax和λmax对应的特征向量并归一化得排序相对权重向量,由此求出来的相对权重向量就是同一准则下不同元素的相对权重值。
计算各层元素的组合权重并验证结果一致性,对方案层中每一个方案分别求出其相对于目标层的相对权重,实现方法如下:
设准则层元素相对于总目标的排序权重向量为排序权重向量即为权重向量,会对权重进行从小到大的排序。
方案层元素在准则层j元素准则下的排序权重向量为:令则方案层n个元素相对于总目标的组合权重向量为:a2=B2·a1
最后得到的a2=(*1,*2,……,*n)T就是方案层中方案A1、A2、……、An在总目标G下的排序向量,*1、*2、……*n即为各自的权重。
为了消除人为的矛盾,需要对递归层次组合进行一致性检验,方式为:
计算一致性指标CI,CI=(λmax–n)/(n–1),n为准则层中准则的个数;
计算一致性比率CR,其公式为CR=CI/RI,其中RI是随机一致性指标,通过查表得到;
当CR<0.1时,即递归层次结构在准则层和方案层两层的水平上整个判断有满意的一致性。
更进一步的,所述步骤S5中推荐的调整方案包括增减缓存服务器、调整缓存服务器权重、调整负载均衡策略和更新缓存内容。
更进一步的,所述步骤S6将推荐的调整方案保存到策略数据库中的方式为:
将准则层中的场景数据和该场景下的推荐方案同时保存到策略数据库中;
保存规则先以不同的应用场景作为大的分类,然后保存不同功能性能参数下的推荐方案。
本发明基于AHP决策模型的内容分发网络策略调整方法,一方面利用较少的定量信息使决策的思维过程数学化,从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法,对难于完全定量的复杂系统做出决策,使决策具体理论依据和现实可行性;另一方面维护一个策略数据库,随着数据库的内容的不断增多,可以在一定程度上避免不必要的决策,优化决策系统的性能。因此本发明提供了一种高效且可扩展的AHP决策模型,且实现简单,优化CDN的服务质量。
附图说明
图1是本发明的系统架构图。
图2是APH决策模块的原理图。
图3是本发明的策略决策及调整的流程图。
图4是AHP决策树决策模型的实现流程图。
图5是AHP决策树层次结构示意图。
具体实施方式
下面结合附图对本发明做进一步描述,但本发明的实施方式并不限于此。
如图1所示,基于AHP预测模型的CDN策略调整系统主要分为两大部分:改进的CDN管理平台和CDN框架原型系统。CDN框架原型系统实现不限于此,对系统的决策没有影响。它主要由中心层、骨干层和边缘层三部分组成。中心资源池通过PULL或PUSH的方式将内容分发到各个边缘节点;而边缘节点则是CDN内容分发的载体,通过离用户最近的一个边缘节点将互联网内容直接传输到用户终端;而改进的CDN管理平台则是在原有的CDN管理平台基础上增加一个总控制台,它由监控模块和策略调整模块组成。这两个模块通过调用原有管理平台的各个模块实现相应的功能,因此并不会增加管理平台系统的复杂度。
如图2所示:APH决策模块由三个部分组成:方案层、准则层和目标层。图中的方案和准则作为实施例使用,真实情况下的方案和准则包括但不仅限于此。其中准则层包括基本网络性能,服务器信息和CDN服务指标三个类别。层与层之间通过两两判断矩阵相互联系。
具体实现过程:
(1)建立问题的递归层次结构。通过将优化CDN服务质量这一复杂的决策情境分为几个准则分组,然后将这些分组组织成一个树状的层次结构,这样有助于更加清晰的决策。递归层次结构包括目标层、准则层和方案层三个部分。在递归层次结构中,每一层的每一个元素均是下一层中每个元素的准则。层次结构示意图如5所示:
(2)构造两两比较判断矩阵,确定各指标的权重。在实际操作过程中,由于很难同时判断不同的准则对于目标层的权重比值,而如果只判断两个准则对目标层的权重比值,则有可操作性。所以一般先采用成对比较法构造两两判断矩阵,然后再计算出同一准则下各指标的权重。
各指标的权重是根据经验数据得来的,在不同的应用场景中,相同指标的权重可以动态变化。
一般来说,对于给定的目标层,准则层的权重在不同的使用环境下可以完全不一样,体现出了场景的差异性;而对于给定的准则层来说,方案层的权重基本相同,体现出了事物的客观规律性。
采用Saaty1-9标度法,对同一层次的因素进行两两比较,构建判断矩阵。
(3)计算单一准则下的各元素的相对权重。通过上一步算出的两两判断矩阵,需要求出在同一准则下,所有指标的相对权重。分别求特征值λmax和λmax对应的特征向量并归一化得排序相对权重向量。由此求出来的相对权重向量就是同一准则下不同元素的相对权重值。
(4)计算各层元素的组合权重并验证结果一致性.对方案层的每一个方案,分别求出其相对于目标层的相对权重.实现方法如下:
设第一层(准则层)元素相对于总目标的排序权重向量为:
第2层(方案层)元素在第一层j元素准则下的排序向量为:(n=3,令),则第2层n(n=3)个元素相对于总目标的组合权重向量为:a2=B2·a1
最后得到的a2=(*1,*2,……,*n)T就是方案层中方案A1、A2、……、An在总目标G下的排序向量,*1、*2、……*n即为各自的权重。
为了消除人为的矛盾,需要对递归层次组合进行一致性检验,步骤如下所示:
计算一致性指标C.I.,其公式为CI=(λmax–n)/(n–1),n为选择准则的个数,本例中n=5。
计算一致性比率CR,其公式为CR=CI/RI,其中RI是随机一致性指标,可通过查表得到,当n=5时,RI=1.12。
当CR<0.1时,认为递阶层次在2层水平上整个判断有满意的一致性。在满足一致性的前提下,选取T向量中最大权重的方案作为推荐的调整方案。
如图3所示,本发明根据APH决策模块的结果,对CDN的策略进行动态调整,包括以下步骤:
步骤1:T时刻,CDN系统开始运行,此时查询策略数据库中是否有现有场景的策略记录,有就转到步骤2,无则转到步骤3;
步骤2:使用策略数据库中记录的相应策略,并转到步骤4;
步骤3:启动系统监控模块,实时监控图2中准则层的各项参数;
步骤4:每隔t时间,监控模块将监控信息更新并上交给总控台;
步骤5:总控台查询策略数据库中是否有现有场景的策略记录,有就转到步骤2,无则转到步骤6;
步骤6:总控台将监控信息交给AHP决策模块进行分析决策,得出推荐的解决方案;
步骤61:总控台同时将场景方案按照一定规则保存进策略数据库;
步骤7:总控台将推荐方案交给策略调整模块,由该模块定时动态调整CDN系统的服务策略,调整完毕后转到步骤4。
在上面的步骤6中,AHP决策树决策模型的实现流程图如图4所示,包括以下步骤:
1、从总控台得到监控模块的输入数据;
2、按照目标层、准则层和方案层的规划建立递归层次结构模型;
3、按照经验数据构造两两比较判断矩阵;
4、利用两两比较判断矩阵,计算所有元素相对于同一上级目标的相对权重,数学实现方法为计算两两比较判断矩阵的特征值λmax和其对应的特征向量,每个元素的特征向量即为其相对权重;
5、利用上一步求出的相对权重向量,计算方案层各元素的组合权重;
6、对组合权重向量进行一致性检验,以避免人为的矛盾。数学实现方法为先计算一致性指标C.I.,然后计算一致性比率CR。当一致性比率CR<0.1时,表示计算结果满足一致性结果,可以选取组合向量中最大权重方案作为推荐方案,否则表示计算结果不满足一致性结果,应该舍去结果,重新判断。
以上所述的本发明的实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (5)
1.一种基于AHP决策模型的内容分发网络CDN系统策略调整方法,其特征在于,总控制平台监控并收集CDN系统的各种信息,定期交给AHP决策树进行分析,从而给出推荐的调整方案,总控制平台根据推荐的调整方案动态调整CDN系统的服务策略,并将该推荐方案保存到策略数据库;具体为:
S1.总控制平台将CDN系统内每台服务器的软硬件信息记录在设备配置表中,将每台服务器的性能信息记录在设备性能表中;
S2.实时监控CDN系统的信息,实时更新系统每台服务器的状态信息记录和CDN系统的运行状态信息;
S3.每隔t时间,总控制平台对监控信息进行分析处理,如果策略数据库中有相应的调整方案记录,则直接到步骤S5,否则转到步骤S4;
S4.总控制平台将分析处理过的数据交给AHP决策树分析处理,给出推荐的调整方案;
S5.总控制平台根据调整方案,动态调整CDN系统服务策略;
S6.总控制平台将步骤S4中AHP决策树分析推荐的调整方案保存到策略数据库中;
所述步骤S4具体为:总控制平台对每个监控信息根据不同的场景配置不同的权重;将上述配置的权重交给AHP决策树进行决策,分析出动态CDN系统服务处理;
所述AHP决策树的决策模型实现过程为:
S41.建立递归层次结构
递归层次结构包括目标层、准则层和方案层,其中每一层的每一个元素均是下一层中每个元素的准则,即目标层是准则层中每个元素的准则,而准则层中的元素又是方案层元素准则;
S42.构造两两比较判断矩阵,确定目标层各指标的权重;
采用Saaty1-9标度法构造两两比较判断矩阵,确定各指标的权重,各指标的权重是根据经验数据得来的,在不同的应用场景中,相同指标的权重能够动态变化;
S43.计算单一准则下各元素的相对权重;
对两两判断矩阵分别求出特征值λmax及λmax对应的特征向量,每个元素的特征向量即为其相对权重向量;
S44.根据相对权重向量计算准则层和方案层各元素的组合权重向量并验证结果一致性,在满足一致性的条件下,选取组合权重向量T中最大权重的方案作为推荐的调整方案;
所述步骤S44中验证结果一致性的方式为:
计算一致性指标CI,CI=(λmax–n)/(n–1),n为准则层中准则的个数;λmax指矩阵的最大特征值;
计算一致性比率CR,其公式为CR=CI/RI,其中RI是随机一致性指标,通过查表得到;
当CR<0.1时,即递归层次结构在准则层和方案层两层的水平上整个判断有满意的一致性。
2.根据权利要求1所述的基于AHP决策模型的CDN系统策略调整方法,其特征在于,所述总控制平台由监控模块和策略调度模块组成,所述监控模块用于监控并收集CDN系统的信息;所述策略调整模块用于动态调整CDN系统的服务策略。
3.根据权利要求1或2所述的基于AHP决策模型的CDN系统策略调整方法,其特征在于,所述步骤S2具体为:监控模块实时监控CDN系统的信息,实时更新系统每台服务器的状态信息记录和CDN系统的运行状态信息;
所述监控模块实时监控CDN系统的信息包括通用场景信息和特殊场景信息,其中所述通用场景信息包括服务器硬件信息和服务器的性能信息,所述特殊场景信息包括CDN系统特有服务指标。
4.根据权利要求1或2所述的基于AHP决策模型的CDN系统策略调整方法,其特征在于,所述步骤S5中推荐的调整方案包括增减缓存服务器、调整缓存服务器权重、调整负载均衡策略和更新缓存内容。
5.根据权利要求1或2所述的基于AHP决策模型的CDN系统策略调整方法,其特征在于,所述步骤S6将推荐的调整方案保存到策略数据库中的方式为:
将准则层中的场景数据和该场景下的推荐方案同时保存到策略数据库中;
保存规则先以不同的应用场景作为大的分类,然后保存不同功能性能参数下的推荐方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310292443.8A CN103412875B (zh) | 2013-07-11 | 2013-07-11 | 基于ahp决策模型的cdn策略调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310292443.8A CN103412875B (zh) | 2013-07-11 | 2013-07-11 | 基于ahp决策模型的cdn策略调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103412875A CN103412875A (zh) | 2013-11-27 |
CN103412875B true CN103412875B (zh) | 2016-09-28 |
Family
ID=49605887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310292443.8A Active CN103412875B (zh) | 2013-07-11 | 2013-07-11 | 基于ahp决策模型的cdn策略调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103412875B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747045A (zh) * | 2013-12-24 | 2014-04-23 | 乐视网信息技术(北京)股份有限公司 | 一种cdn服务器状态收集方法、cdn控制中心及系统 |
CN104796449B (zh) * | 2014-01-22 | 2017-05-24 | 腾讯科技(深圳)有限公司 | 内容分发方法、装置及设备 |
CN104461877B (zh) * | 2014-11-27 | 2018-03-02 | 百度在线网络技术(北京)有限公司 | 软件测试方法和软件测试装置 |
CN106161569B (zh) * | 2015-04-24 | 2019-05-28 | 华为软件技术有限公司 | 网络内容的推荐、缓存替换方法和设备 |
CN106095882A (zh) * | 2016-06-07 | 2016-11-09 | 湖南大学 | 一种多云平台环境下的个性化云推荐方法 |
CN107544981B (zh) * | 2016-06-25 | 2021-06-01 | 华为技术有限公司 | 内容推荐方法及装置 |
CN106201722A (zh) * | 2016-07-12 | 2016-12-07 | 乐视控股(北京)有限公司 | 服务器的负载调整方法及系统 |
CN106713265B (zh) * | 2016-11-21 | 2019-05-28 | 清华大学深圳研究生院 | Cdn节点分配方法及装置、cdn节点分配服务器及cdn网络系统 |
US10432486B2 (en) * | 2017-01-06 | 2019-10-01 | Mz Ip Holdings, Llc | System and method for updating application clients using a plurality of content delivery networks |
CN107231436B (zh) | 2017-07-14 | 2021-02-02 | 网宿科技股份有限公司 | 一种进行业务调度的方法和装置 |
CN110401552A (zh) * | 2018-04-24 | 2019-11-01 | 贵州白山云科技股份有限公司 | 一种cdn业务自动调优方法及装置 |
CN111897652B (zh) * | 2020-07-30 | 2021-07-30 | 福建意德信息技术有限公司 | 一种基于l-bfgs的云资源动态优化方法 |
CN114819590B (zh) * | 2022-04-20 | 2023-07-18 | 平安科技(深圳)有限公司 | 策略智能推荐方法、装置、设备及存储介质 |
CN115061815B (zh) * | 2022-06-20 | 2024-03-26 | 北京计算机技术及应用研究所 | 基于ahp的最优调度决策方法与系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780710A (zh) * | 2012-08-24 | 2012-11-14 | 乐视网信息技术(北京)股份有限公司 | 基于内容分发网络的节点调度方法 |
CN102868542A (zh) * | 2011-07-04 | 2013-01-09 | 中兴通讯股份有限公司 | 一种服务分发网络中服务质量的控制方法及系统 |
-
2013
- 2013-07-11 CN CN201310292443.8A patent/CN103412875B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868542A (zh) * | 2011-07-04 | 2013-01-09 | 中兴通讯股份有限公司 | 一种服务分发网络中服务质量的控制方法及系统 |
CN102780710A (zh) * | 2012-08-24 | 2012-11-14 | 乐视网信息技术(北京)股份有限公司 | 基于内容分发网络的节点调度方法 |
Non-Patent Citations (3)
Title |
---|
"A Cooperative Cache-Based Content Delivery Framework for Intermittently Connected Mobile Ad Hoc Networks";Yaozhou Ma 等;《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》;20100131;第9卷(第1期);366-373 * |
"内容分布网络基于策略的管理";李庆荣;《网络安全技术与应用》;20040331(第3期);13-16 * |
"基于用户行为的P2P-VoD多路径内容分发策略";李毅;《计算机时代》;20100228(第2期);6-9 * |
Also Published As
Publication number | Publication date |
---|---|
CN103412875A (zh) | 2013-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103412875B (zh) | 基于ahp决策模型的cdn策略调整方法 | |
Lu et al. | Differentially private asynchronous federated learning for mobile edge computing in urban informatics | |
Xiao et al. | NFVdeep: Adaptive online service function chain deployment with deep reinforcement learning | |
Hao et al. | Deep reinforcement learning for edge service placement in softwarized industrial cyber-physical system | |
Mohamed et al. | A hybrid approach for network selection in heterogeneous multi-access environments | |
CN102541858B (zh) | 基于映射和规约的数据均衡性处理方法、装置及系统 | |
Xu et al. | Joint optimization of resource utilization and load balance with privacy preservation for edge services in 5G networks | |
Zhao et al. | A service migration strategy based on multiple attribute decision in mobile edge computing | |
CN106097107A (zh) | 用于社交图数据分析以确定社区内的连接性的系统和方法 | |
CN111191918A (zh) | 一种智能电网通信网的业务路由规划方法及装置 | |
Falowo et al. | Dynamic RAT selection for multiple calls in heterogeneous wireless networks using group decision-making technique | |
CN103984761A (zh) | 海量异构数据的存储方法及系统 | |
Huang et al. | EEFED: Personalized federated learning of execution&evaluation dual network for CPS intrusion detection | |
CN115714817A (zh) | 一种动态反馈加权云存储资源调度方法、装置及设备 | |
Liu et al. | Mix‐flow scheduling using deep reinforcement learning for software‐defined data‐center networks | |
Hao et al. | Human-like hybrid caching in software-defined edge cloud | |
Tan et al. | Reputation-aware federated learning client selection based on stochastic integer programming | |
Liu et al. | Glint: Decentralized federated graph learning with traffic throttling and flow scheduling | |
Zhang et al. | Service composition based on discrete particle swarm optimization in military organization cloud cooperation | |
Yan et al. | Service caching for meteorological emergency decision-making in cloud-edge computing | |
CN114462506B (zh) | 一种支持偏好策略的通信网络辅助规划方法及其应用 | |
CN113672372B (zh) | 一种基于强化学习的多边缘协同负载均衡任务调度方法 | |
Liu et al. | Towards dynamic reconfiguration of composite services via failure estimation of general and domain quality of services | |
Li et al. | Incentive and knowledge distillation based federated learning for cross-silo applications | |
Singh | Efficient network selection using game theory in a heterogeneous wireless network |
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 |