CN104219167B - 网络资源调度方法和服务器 - Google Patents
网络资源调度方法和服务器 Download PDFInfo
- Publication number
- CN104219167B CN104219167B CN201310211015.8A CN201310211015A CN104219167B CN 104219167 B CN104219167 B CN 104219167B CN 201310211015 A CN201310211015 A CN 201310211015A CN 104219167 B CN104219167 B CN 104219167B
- Authority
- CN
- China
- Prior art keywords
- resource
- subqueue
- resource request
- unit
- request
- 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)
Abstract
本发明公开一种网络资源调度方法和服务器。其中在网络资源调度方法中,对于在指定时间片内接收到的至少一个用户发送的资源请求,按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中。计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率,预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij。采集网络资源当前的状态信息,利用预测消耗速率和网络资源当前的状态信息,对各子队列中的资源请求进行调度。通过预测网络资源的拥塞程度,保证了对端到端网络资源的合理使用和公平使用,提升了运营网络和业务系统的整体吞吐量。
Description
技术领域
本发明涉及通信领域,特别涉及一种网络资源调度方法和服务器。
背景技术
提升用户体验是一个网络环境中的端到端性能优化过程,涉及到接入网、骨干网和IDC(Internet Data Center,简称:互联网数据中心)中的带宽和QoS(Quality ofService,服务质量)等不同网络资源的保障能力,需要逐跳对用户/业务的资源需求进行分配、合理保障和防止滥用。从用户终端至服务器的访问过程中,业务需要的网络资源是分布式,需要的服务等级也是差异化的,在各跳资源的逐次分配/占用过程中,大量并发的用户资源请求如果不能被同步调度,网络资源利用率会大大降低,部分关键资源(如无线空口资源)会被滥用。
这是由于,当大量业务向网络资源调度服务器发送资源申请时,网络资源调度服务器一般按时间片来响应这些请求。在一个时间片内,上述业务请求必须被及时处理并按需进行资源调度,如果仅仅只是按到达时间顺序进行调度,会发生部分业务争用局部/端到端链路信道(带宽资源,或者不同QoS等级的通道)的现象,造成链路拥塞或者负载不均,最终降低网络整体承载效率。
普通网络资源调度算法均用于单一网络资源的调度,在用于多跳资源环境时复杂性高,延迟大,无法同时满足业务对端到端多个网络资源的同步分配需求;而普通基于先来先服务的资源调度方法,在分布式多跳资源中进行调度时的网络资源利用率较低。
发明内容
本发明要解决的技术问题是提供一种网络资源调度方法和服务器。通过单位时间内的用户业务流量对多个网络资源的拥塞程度进行预测,保证了对端到端网络资源的合理使用和公平使用,提升了运营网络和业务系统的整体吞吐量。
根据本发明的一个方面,提供一种网络资源调度方法,包括:
对于在指定时间片内接收到的至少一个用户发送的资源请求,按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中;
计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中1≤j≤M,1≤i≤N,M为子队列数目,N为资源段数目;
利用与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij;
采集网络资源当前的状态信息;
利用预测消耗速率和网络资源当前的状态信息,对各子队列中的资源请求进行调度。
优选的,按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中的步骤之后,还包括:
在每个子队列中,按照每个资源请求的归一化值,对资源请求进行排序;然后执行计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij的步骤;
其中,每个资源请求的归一化值与所述每个资源请求涉及的资源段的级别和状态相关联。
优选的,在每个子队列中,第k个资源请求的归一化值Rk为:
其中Wi为第i个资源段的权重,Ti为第i个资源段的拥塞度,Ri为业务对第i个资源段的请求总数。
优选的,计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij的步骤包括:
Cij=Ri(j,⊿t)/⊿t;
其中⊿t为时间片长度的整数倍,Ri(j,⊿t)为在⊿t时间内、与所述第j个子队列相关联的业务在第i个资源段上的资源请求总数。
优选的,预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij的步骤之后,还包括:
在预测消耗速率中,判断是否存在大于预定阈值的预测消耗速率;
若存在大于预定阈值的预测消耗速率,则将与大于预定阈值的预测消耗速率设为0;
然后执行采集网络资源当前的状态信息的步骤。
根据本发明的另一方面,提供一种网络资源调度服务器,包括接收单元、队列处理单元、消耗速率计算单元、预测单元、资源采集单元和调度单元,其中:
接收单元,用于接收用户发送的资源请求;
队列处理单元,用于对于接收单元在指定时间片内接收到的至少一个用户发送的资源请求,按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中;
消耗速率计算单元,用于计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中1≤j≤M,1≤i≤N,M为子队列数目,N为资源段数目;
预测单元,用于利用与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij;然后指示资源采集单元执行采集网络资源当前状态信息的操作;
资源采集单元,用于根据预测单元的指示,采集网络资源当前的状态信息;
调度单元,用于利用预测消耗速率和网络资源当前的状态信息,对各子队列中的资源请求进行调度。
优选的,服务器还包括排序单元,其中:
排序单元,用于队列处理单元按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中之后,在每个子队列中,按照每个资源请求的归一化值,对资源请求进行排序;然后指示消耗速率计算单元执行计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij的操作;
其中,每个资源请求的归一化值与所述每个资源请求涉及的资源段的级别和状态相关联。
优选的,排序单元具体利用公式:
计算子队列中第k个资源请求的归一化值,其中Wi为第i个资源段的权重,Ti为第i个资源段的拥塞度,Ri为业务对第i个资源段的请求总数。
优选的,消耗速率计算单元具体利用公式:
Cij=Ri(j,⊿t)/⊿t;
计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中⊿t为时间片长度的整数倍,Ri(j,⊿t)为在⊿t时间内、与所述第j个子队列相关联的业务在第i个资源段上的资源请求总数。
优选的,服务器还包括识别单元和设置单元,其中:
识别单元,用于在预测单元预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij之后,在预测消耗速率中,判断是否存在大于预定阈值的预测消耗速率;
设置单元,用于根据识别单元的判断结果,若存在大于预定阈值的预测消耗速率,则将与大于预定阈值的预测消耗速率设为0,然后指示资源采集单元执行采集网络资源当前状态信息的操作。若不存在大于预定阈值的预测消耗速率,则直接指示资源采集单元执行采集网络资源当前状态信息的操作。
本发明通过单位时间内的用户业务流量对多个网络资源的拥塞程度进行预测,并采用资源请求分类排列和多资源同步调度方法,保证了对端到端网络资源的合理使用和公平使用,提升了运营网络和业务系统的整体吞吐量。可有针对性地保护关键性网络资源和关键用户的端到端业务体验。
附图说明
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为本发明网络资源调度方法一个实施例的示意图。
图2为本发明网络资源调度方法另一实施例的示意图。
图3为本发明网络资源调度服务器一个实施例的示意图。
图4为本发明网络资源调度服务器另一实施例的示意图。
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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。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。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1为本发明网络资源调度方法一个实施例的示意图。优选的,本实施例可由网络资源调度服务器执行。
步骤101,对于在指定时间片内接收到的至少一个用户发送的资源请求,按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中。
例如,业务类型包括QoS、优先级等。
步骤102,计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中1≤j≤M,1≤i≤N,M为子队列数目,N为资源段数目。
步骤103,利用与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij。
例如,可根据基于时间序列的各种预测方法进行预测。一般来说,为降低时间复杂度,现有技术中的线性预测和二次曲线预测已经可以满足调度的精度要求。
步骤104,采集网络资源当前的状态信息。
例如,网络资源当前的状态信息包括链路带宽等静态资源信息,以及信道利用率、资源分配情况等动态信息。
步骤105,利用预测消耗速率和网络资源当前的状态信息,对各子队列中的资源请求进行调度。
基于本发明上述实施例提供的网络资源调度方法,通过单位时间内的用户业务流量对多个网络资源的拥塞程度进行预测,并采用资源请求分类排列和多资源同步调度方法,保证了对端到端网络资源的合理使用和公平使用,提升了运营网络和业务系统的整体吞吐量。可有针对性地保护关键性网络资源和关键用户的端到端业务体验。
其中,调度算法可采用公平调度算法、最大利用率调度算法、优先级调度算法中的任一算法或任意组合。由于这些调度算法并发本发明的发明点所在,因此这里不展开说明。
此外,在本发明中,在每个时间片内处理完相应的调度和配置。这是由于在高并发系统中,一般每秒会收到几百个业务请求,因此也是一样,需要局部并发业务请求的处理能力。如百度的搜索平台,每秒有1千个以上的查询请求,若不在规定时间内处理完毕,会出现大批业务请求中断。时间片的取值一般为秒的整数倍,可根据请求处理量和系统性能进行调整。
图2为本发明网络资源调度方法另一实施例的示意图。其中图2中的步骤201、203-206与图1中的步骤101-105相同。
步骤201,对于在指定时间片内接收到的至少一个用户发送的资源请求,按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中。
步骤202,在每个子队列中,按照每个资源请求的归一化值,对资源请求进行排序。其中,每个资源请求的归一化值与所述每个资源请求涉及的资源段的级别和状态相关联。
相比于乱序的方式,对资源请求按顺序或逆序进行排列,均可取得更好的信道利用率。
步骤203,计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中1≤j≤M,1≤i≤N,M为子队列数目,N为资源段数目。
步骤204,利用与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij。
步骤205,采集网络资源当前的状态信息。
步骤206,利用预测消耗速率和网络资源当前的状态信息,对各子队列中的资源请求进行调度。
优选的,在每个子队列中,第k个资源请求的归一化值Rk为:
其中Wi为第i个资源段的权重,Ti为第i个资源段的拥塞度,Ri为业务对第i个资源段的请求总数。
这里需要说明的是,归一化资源请求值是为统一业务对网络各跳异构资源的需求而采取的一种抽象方法,还可以有许多种抽象定义。这里给出的该定义是一种不失一般性的参考定义。具体实施中,需要根据业务需求对不同网段的进行不同等级的QoS级别映射,不同网段的资源的重要程度是按照运营商对资源重要性判别的。如为无线空口,属于稀缺资源,权重最高,其次为后向服务器的出口带宽资源,固网宽带资源较为充裕时其权重最低。
优选的,上述计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij的步骤包括:
Cij=Ri(j,⊿t)/⊿t;
其中⊿t为时间片长度的整数倍,Ri(j,⊿t)为在⊿t时间内、与所述第j个子队列相关联的业务在第i个资源段上的资源请求总数。
优选的,也可以采用
计算端到端的整体资源效率速率。
优选的,上述预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij的步骤之后,还包括:
在预测消耗速率中,判断是否存在大于预定阈值的预测消耗速率。若存在大于预定阈值的预测消耗速率,则将与大于预定阈值的预测消耗速率设为0。然后执行采集网络资源当前的状态信息的步骤。
这里需要说明的是,可将预测消耗速率作为权重计入各请求队列的调度策略,通过不断调整权重的设置,可以逐步优化端到端资源利用率,极端情况下,如某跳资源的消耗过快时,可将该权重设为零,即采用拒绝服务方式进行抑制,以保证其它请求对网络的公平使用,以及维持较高的整体端到端性能。
在调度算法确定后,需要根据端到端资源状况进行优化计算,优化方法属于典型的装箱问题(bin packing),计算完成后,输出的调度结果即可实现请求与多个资源间的最优匹配。
同时需要说明的是,用于采集网络中端到端各关键资源节点和网元的资源使用状态信息、向承载控制层提供对这些资源节点和网元资源分配和控制方案,具体的采集方法在现有技术中以有描述,因此这里不展开描述。
图3为本发明网络资源调度服务器一个实施例的示意图。如图3所示,网络资源调度服务器包括接收单元301、队列处理单元302、消耗速率计算单元303、预测单元304、资源采集单元305和调度单元306。其中:
接收单元301,用于接收用户发送的资源请求。
队列处理单元302,用于对于接收单元301在指定时间片内接收到的至少一个用户发送的资源请求,按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中。
消耗速率计算单元303,用于计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中1≤j≤M,1≤i≤N,M为子队列数目,N为资源段数目。
预测单元304,用于利用与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij。然后指示资源采集单元305执行采集网络资源当前状态信息的操作。
资源采集单元305,用于根据预测单元304的指示,采集网络资源当前的状态信息。
调度单元306,用于利用预测消耗速率和网络资源当前的状态信息,对各子队列中的资源请求进行调度。
基于本发明上述实施例提供的网络资源调度服务器,通过单位时间内的用户业务流量对多个网络资源的拥塞程度进行预测,并采用资源请求分类排列和多资源同步调度方法,保证了对端到端网络资源的合理使用和公平使用,提升了运营网络和业务系统的整体吞吐量。可有针对性地保护关键性网络资源和关键用户的端到端业务体验。
图4为本发明网络资源调度服务器另一实施例的示意图。与图3所述实施例相比,在图4所示实施例中,网络资源调度服务器还包括排序单元401。其中:
排序单元401,用于队列处理单元302按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中之后,在每个子队列中,按照每个资源请求的归一化值,对资源请求进行排序;然后指示消耗速率计算单元303执行计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij的操作。
其中,每个资源请求的归一化值与所述每个资源请求涉及的资源段的级别和状态相关联。
优选的,排序单元401具体利用公式:
计算子队列中第k个资源请求的归一化值,其中Wi为第i个资源段的权重,Ti为第i个资源段的拥塞度,Ri为业务对第i个资源段的请求总数。
优选的,消耗速率计算单元303具体利用公式:
Cij=Ri(j,⊿t)/⊿t
计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中⊿t为时间片长度的整数倍,Ri(j,⊿t)为在⊿t时间内、与所述第j个子队列相关联的业务在第i个资源段上的资源请求总数。
优选的,在图4所示实施例中,网络资源调度服务器还包括识别单元402和设置单元403。其中:
识别单元402,用于在预测单元预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij之后,在预测消耗速率中,判断是否存在大于预定阈值的预测消耗速率。
设置单元403,用于根据识别单元402的判断结果,若存在大于预定阈值的预测消耗速率,则将与大于预定阈值的预测消耗速率设为0,然后指示资源采集单元305执行采集网络资源当前状态信息的操作。若不存在大于预定阈值的预测消耗速率,则直接指示资源采集单元305执行采集网络资源当前状态信息的操作。
下面通过基于优先级的视频点播业务调度方法对本发明进行描述。
假定某运营商在提供视频业务时(视频业务平台和网络均为其所有),通过将各类网络链路设置为金银铜优先级,为用户提供金银铜三类QoS等级服务,金类用户可占用的带宽为总带宽的50%,依次类推,银类占35%带宽、铜类占15%带宽。为提升服务质量和优化网络资源利用率,运营商部署本发明,即网络资源调度服务器,并让业务系统和网络资源调度服务器联动。
1):运营商在部署网络资源调度服务器后,实时采集视频业务所覆盖区域的各类网络状态信息,并放入资源记录库进行保存或实时更新,相关设备包括家庭网关/移动终端、接入网设备、宽带业务接入设备或移动分组域设备、城域网出口路由设备、视频业务IDC出口路由器等。
2):大量不同优先级的网络用户使用视频点播业务,如3G手机用户通常被设定为铜等级,普通宽带用户设定为银等级,宽带VIP被设定为金等级,各用户请求均要求运营商提供相应的金银铜网络质量保障。在某个时间片开始时,各类资源请求从各类固定/移动终端或业务平台到达调度服务器。
3):所有的请求在调度服务器中依照时间片进行缓存,并等待回应;调度服务器将所有请求进一步按照所请求的业务类型(金银铜优先级),将各请求分别按业务类型排入到金银铜三类输入请求子队列。在子队列中的资源请求将按多类资源归一化方式进行排序,并等待进一步处理。
4):此时测量三类业务在各网段中的资源消耗速率,并分别预测未来时间片中,三类业务在某网段中的可能消耗速率C′金、C′银、C′铜。
5):时间片结束后,对子队列中的请求队列进行计算,按照预订的策略,如规定:网络中金类资源消耗过快时(如C′金超过某个门限),允许金类用户资源可以占用银类用户资源,但不允许银类用户使用金和铜类用户资源,这样,根据C′金、C′银、C′铜的预测结果,按照特定的调度和分配方式进行优化计算,保障高优先级用户的体验。
6):将各用户请求的分配结果分别发送至于对应网元执行相关操作。
7):调度服务器分别响应2)中的用户请求,三类用户在使用各自业务时得到不同体验,这样运营商网络的资源也得到最合理使用。
通过实施本发明,可得到以下有益效果:
1、系统的核心调度处理逻辑采用无记忆工作方式,并不存储所有请求会话状态,运行效率高;
2、可通过策略控制平台扩展功能来实现,无需改造现有网络设备;
3、资源归一化处理和排序机制实现了多跳网络资源(从终端至业务平台)的一体化调度能力,调度算法、业务优先级和资源优先级均可配置;
4、基于业务流量来预测资源的拥塞状况,结合优先级或公平调度等调度算法实现对网络的优化使用,按需优化端到端资源利用率和用户体验;
5、采用时间片方式资源请求调度队列,提高了系统响应速率和处理容量。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种网络资源调度方法,其特征在于,包括:
对于在指定时间片内接收到的至少一个用户发送的资源请求,按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中;
计算与第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中1≤j≤M,1≤i≤N,M为子队列数目,N为资源段数目;
利用与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij;
采集网络资源当前的状态信息;
利用预测消耗速率和网络资源当前的状态信息,对各子队列中的资源请求进行调度,以便根据资源请求的业务类型为用户提供相应的网络资源。
2.根据权利要求1所述的方法,其特征在于,
按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中的步骤之后,还包括:
在每个子队列中,按照每个资源请求的归一化值,对资源请求进行排序;然后执行计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij的步骤;
其中,每个资源请求的归一化值与所述每个资源请求涉及的资源段的级别和状态相关联。
3.根据权利要求2所述的方法,其特征在于,
在每个子队列中,第k个资源请求的归一化值Rk为:
<mrow>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>W</mi>
<mi>i</mi>
<mo>&times;</mo>
<mi>T</mi>
<mi>i</mi>
<mo>&times;</mo>
<mi>R</mi>
<mi>i</mi>
<mo>;</mo>
</mrow>
其中Wi为第i个资源段的权重,Ti为第i个资源段的拥塞度,Ri为业务对第i个资源段的请求总数。
4.根据权利要求1-3中任一项所述的方法,其特征在于,
计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij的步骤包括:
Cij=Ri(j,⊿t)/⊿t;
其中⊿t为时间片长度的整数倍,Ri(j,⊿t)为在⊿t时间内、与所述第j个子队列相关联的业务在第i个资源段上的资源请求总数。
5.根据权利要求1-3中任一项所述的方法,其特征在于,
预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij的步骤之后,还包括:
在预测消耗速率中,判断是否存在大于预定阈值的预测消耗速率;
若存在大于预定阈值的预测消耗速率,则将与大于预定阈值的预测消耗速率设为0;
然后执行采集网络资源当前的状态信息的步骤。
6.一种网络资源调度服务器,其特征在于,包括接收单元、队列处理单元、消耗速率计算单元、预测单元、资源采集单元和调度单元,其中:
接收单元,用于接收用户发送的资源请求;
队列处理单元,用于对于接收单元在指定时间片内接收到的至少一个用户发送的资源请求,按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中;
消耗速率计算单元,用于计算与第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中1≤j≤M,1≤i≤N,M为子队列数目,N为资源段数目;
预测单元,用于利用与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij;然后指示资源采集单元执行采集网络资源当前状态信息的操作;
资源采集单元,用于根据预测单元的指示,采集网络资源当前的状态信息;
调度单元,用于利用预测消耗速率和网络资源当前的状态信息,对各子队列中的资源请求进行调度,以便根据资源请求的业务类型为用户提供相应的网络资源。
7.根据权利要求6所述的服务器,其特征在于,所述服务器还包括排序单元,其中:
排序单元,用于队列处理单元按照资源请求的业务类型,将资源请求分配到与资源请求的业务类型相关联的子队列中之后,在每个子队列中,按照每个资源请求的归一化值,对资源请求进行排序;然后指示消耗速率计算单元执行计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij的操作;
其中,每个资源请求的归一化值与所述每个资源请求涉及的资源段的级别和状态相关联。
8.根据权利要求7所述的服务器,其特征在于,
排序单元具体利用公式:
<mrow>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>W</mi>
<mi>i</mi>
<mo>&times;</mo>
<mi>T</mi>
<mi>i</mi>
<mo>&times;</mo>
<mi>R</mi>
<mi>i</mi>
<mo>;</mo>
</mrow>
计算子队列中第k个资源请求的归一化值,其中Wi为第i个资源段的权重,Ti为第i个资源段的拥塞度,Ri为业务对第i个资源段的请求总数。
9.根据权利要求6-8中任一项所述的服务器,其特征在于,
消耗速率计算单元具体利用公式:
Cij=Ri(j,⊿t)/⊿t;
计算与所述第j个子队列相关联的业务在第i个资源段上的消耗速率Cij,其中⊿t为时间片长度的整数倍,Ri(j,⊿t)为在⊿t时间内、与所述第j个子队列相关联的业务在第i个资源段上的资源请求总数。
10.根据权利要求6-8中任一项所述的服务器,其特征在于,所述服务器还包括识别单元和设置单元,其中:
识别单元,用于在预测单元预测在未来预定的时间片内,与所述第j个子队列相关联的业务在第i个资源段上的预测消耗速率C′ij之后,在预测消耗速率中,判断是否存在大于预定阈值的预测消耗速率;
设置单元,用于根据识别单元的判断结果,若存在大于预定阈值的预测消耗速率,则将与大于预定阈值的预测消耗速率设为0,然后指示资源采集单元执行采集网络资源当前状态信息的操作;若不存在大于预定阈值的预测消耗速率,则直接指示资源采集单元执行采集网络资源当前状态信息的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310211015.8A CN104219167B (zh) | 2013-05-31 | 2013-05-31 | 网络资源调度方法和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310211015.8A CN104219167B (zh) | 2013-05-31 | 2013-05-31 | 网络资源调度方法和服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104219167A CN104219167A (zh) | 2014-12-17 |
CN104219167B true CN104219167B (zh) | 2017-09-15 |
Family
ID=52100313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310211015.8A Active CN104219167B (zh) | 2013-05-31 | 2013-05-31 | 网络资源调度方法和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104219167B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104601585B (zh) * | 2015-01-29 | 2018-12-14 | 武汉理工大学 | 基于用户体验的多媒体云数据中心高能效资源分配方法 |
CN105610869B (zh) * | 2016-03-03 | 2020-03-17 | 腾讯科技(深圳)有限公司 | 一种流媒体的调度方法及装置 |
CN108811168B (zh) * | 2016-08-12 | 2020-01-17 | 华为技术有限公司 | 无线网络的接入控制方法及装置 |
CN106850792A (zh) * | 2017-01-22 | 2017-06-13 | 阔地教育科技有限公司 | 服务器调度方法及系统、区域调度中心、全局调度中心 |
CN109934657A (zh) * | 2017-12-19 | 2019-06-25 | 中国移动通信集团河北有限公司 | 业务数据的处理方法、装置、设备和介质 |
CN108270693A (zh) * | 2017-12-29 | 2018-07-10 | 珠海国芯云科技有限公司 | 网站访问的自适应优化疏导方法及装置 |
CN108063733B (zh) * | 2017-12-29 | 2021-08-17 | 珠海国芯云科技有限公司 | 网站访问请求的动态调度方法及装置 |
CN108768886A (zh) * | 2018-05-30 | 2018-11-06 | 无锡知更鸟网络科技有限公司 | 一种SaaS数据访问质量提升方法 |
CN108920278B (zh) * | 2018-07-02 | 2021-12-24 | 中国建设银行股份有限公司 | 资源分配方法及装置 |
CN111294290B (zh) * | 2020-02-26 | 2021-01-29 | 宁波云鸟软件科技有限公司 | 一种基于大数据的资源调度方法 |
CN111835605A (zh) * | 2020-07-09 | 2020-10-27 | 广州中大数字家庭工程技术研究中心有限公司 | 一种面向智慧家庭的异构系统调度方法 |
CN114726922B (zh) * | 2022-03-31 | 2023-11-21 | 联想(北京)有限公司 | 网络资源调度方法、装置及电子设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103067297A (zh) * | 2013-01-25 | 2013-04-24 | 中国科学院声学研究所 | 一种基于资源消耗预测的动态负载均衡方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0207507D0 (en) * | 2002-03-28 | 2002-05-08 | Marconi Corp Plc | An apparatus for providing communications network resource |
CN101442495B (zh) * | 2008-12-26 | 2012-08-15 | 南京邮电大学 | 基于服务等级协议的时间片散列调度方法 |
CN101938403B (zh) * | 2009-06-30 | 2012-02-22 | 中国电信股份有限公司 | 多用户多业务的服务质量的保证方法和业务接入控制点 |
CN101600231A (zh) * | 2009-06-30 | 2009-12-09 | 中兴通讯股份有限公司 | 在分组调度中确定用户设备的优先级的方法和系统 |
CN102420758B (zh) * | 2011-11-30 | 2014-04-30 | 华为技术有限公司 | 队列调度方法及装置 |
-
2013
- 2013-05-31 CN CN201310211015.8A patent/CN104219167B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103067297A (zh) * | 2013-01-25 | 2013-04-24 | 中国科学院声学研究所 | 一种基于资源消耗预测的动态负载均衡方法及装置 |
Non-Patent Citations (1)
Title |
---|
朱永庆;陈华南.《浅析智能管道中的一体化资源指配技术》.《中国优秀硕士学位论文全文数据库信息科技集》.2012, * |
Also Published As
Publication number | Publication date |
---|---|
CN104219167A (zh) | 2014-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104219167B (zh) | 网络资源调度方法和服务器 | |
CN105978736A (zh) | 在竞争应用之中共享网络带宽的系统 | |
Li | Cloud computing system management under flat rate pricing | |
Larsen et al. | Classification of dynamic vehicle routing systems | |
Villota-Jacome et al. | Admission control for 5G core network slicing based on deep reinforcement learning | |
Tshiningayamwe et al. | A priority rate-based routing protocol for wireless multimedia sensor networks | |
Ghosh et al. | Inefficiency in stochastic queueing systems with strategic customers | |
Zheng et al. | Learning based task offloading in digital twin empowered internet of vehicles | |
Morozov et al. | Stability analysis of a multiclass retrial system with coupled orbit queues | |
CN109150756A (zh) | 一种基于sdn电力通信网的队列调度权值量化方法 | |
CN101527678A (zh) | 基于模糊流感知的多业务综合区分控制方法 | |
Xi et al. | Pricing, competition, and routing for selfish and strategic nodes in multi-hop relay networks | |
CN108833294A (zh) | 面向数据中心广域网的低带宽开销的流量调度方法 | |
Mazloomi et al. | A priority‐based congestion avoidance scheme for healthcare wireless sensor networks | |
Xiang et al. | Resource calendaring for mobile edge computing in 5G networks | |
Yu et al. | Reinforcement learning based prioritized cross-area resource management for vehicular cloud networks | |
Sharma et al. | Markov chain based priority queueing model for packet scheduling and bandwidth allocation | |
CN111027762A (zh) | 一种股票交易中对时间、价格和购买量的区块链预测模型 | |
Huang et al. | Admission control schemes for proportional differentiated services enabled internet servers using machine learning techniques | |
Kumar et al. | Deadline-aware cost and energy efficient offloading in mobile edge computing | |
Shen et al. | The minimum unmet demand stochastic vehicle routing problem | |
Perepelkin et al. | Problem of Network Traffic Prediction in Multiprovider Cloud Infrastructures Based on Neural Networks Methods | |
Ahn et al. | Revenue maximization of multi-class charging stations with opportunistic charger sharing | |
Xu et al. | Stochastic User Equilibrium Assignment in Schedule‐Based Transit Networks with Capacity Constraints | |
Singh et al. | Fair opportunistic schedulers for Lossy Polling systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |