CN107395708B - 一种处理下载请求的方法和装置 - Google Patents
一种处理下载请求的方法和装置 Download PDFInfo
- Publication number
- CN107395708B CN107395708B CN201710574937.3A CN201710574937A CN107395708B CN 107395708 B CN107395708 B CN 107395708B CN 201710574937 A CN201710574937 A CN 201710574937A CN 107395708 B CN107395708 B CN 107395708B
- Authority
- CN
- China
- Prior art keywords
- storage node
- node
- storage
- information
- utilization rate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 title claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 42
- 238000013507 mapping Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种处理下载请求的方法和装置。所述方法包括:当接收到用户发送的下载swift对象的请求后,获取保存有所述swift对象的副本的存储节点;获取所述存储节点的CPU利用率信息和磁盘输入/输出利用率信息;利用每个存储节点的CPU利用率信息和磁盘输入/输出利用率信息,计算每个存储节点的负载信息;根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点。
Description
技术领域
本发明涉及通信技术,尤指一种处理下载请求的方法和装置。
背景技术
Swift对象存储的作用是用对象来管理数据。其中对象包括了数据本身和元数据。数据可以是图片、文本文档、音乐、视频或者是其他需要存储的应用;元数据用来描述数据,包括数据的名字、来源、创建时间、类型、大小等。对象存储设备负责管理本地对象,包括数据的存储、数据的分布和元数据的管理。外部设备可以通过超文本传输协议(HTTP,HyperText Transfer Protocol)协议来访问对象存储。
负载均衡是根据服务器的各种资源,如CPU、内存、网络等,进行分发工作负载,优化资源利用、最大化吞吐量、最小化响应时间的各项指标,达到避免负载倾斜的目标,达到提高系统的可靠性和可用性的目的。负载均衡调度算法决定了把负载分配到哪台机器上,在负载均衡中起着重要的作用。
更大的吞吐量和更快的数据访问速度是对象存储系统追求的一个重要目标。云存储系统是由大量设备组成的集群,面对的是高并发量的数据访问,为了不至于出现某些设备很忙,而另外一些设备空闲导致系统资源利用不均衡的状况,实现合理的负载分配至关重要。
由于对象存储系统的复杂性和不确定性,传统的负载均衡调度算法,不适用于对象存储系统,具体来说:
轮询算法:把用户请求依次分配给集群中的服务器,该算法虽然实现简单,但是没有考虑到后台具体服务器的性能差异和实时负载情况。
最少连接算法:根据服务器的当前连接数进行负载分配,当前连接数最小的服务器会被分到新的连接,该算法的优点是考虑到了服务器的实时负载情况,但没有考虑到服务器本身处理能力的差异。某台服务器的连接可能很少,但是已经达到其处理能力的上限,此时再给它分配连接请求并不合理,而且仅仅以一个连接数指标来代表对应服务器的负载情况,不足以完全反映服务器的实际负载情况。
随机算法:在Swift中,用户读数据的请求到达代理节点,代理节点通过查询环得到数据的所有副本的存储节点,然后随机选择一个存储节点进行读取,简单易于理解,但是在实际的操作过程中,发现随机算法往往只选择第一个节点进行响应,这就导致了该节点常常很忙但是其他节点负载很轻的情况。
通过上述分析可知,传统负载均衡方案不能满足云存储系统复杂多变的特征分配负载。
发明内容
为了解决上述技术问题,本发明提供了一种处理下载请求的方法和装置,能够满足云存储系统复杂多变的特征分配负载。
为了达到本发明目的,本发明提供一种处理下载请求的方法,包括:
当接收到用户发送的下载swift对象的请求后,获取保存有所述swift对象的副本的存储节点;获取所述存储节点的CPU利用率信息和磁盘输入/输出利用率信息;利用每个存储节点的CPU利用率信息和磁盘输入/输出利用率信息,计算每个存储节点的负载信息;根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点。
其中,所述利用每个存储节点的CPU利用率信息和磁盘输入/输出利用率信息,计算每个存储节点的负载信息,包括:
对存储节点的CPU利用率信息U(cpu)和磁盘输入/输出利用率信息U(disk)以加权和的形式计算,得到所述存储节点的负载信息,其中:
L=αU(cpu)+βU(disk)α+β=1,0<α<1,0<β<1。
其中,所述根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点,包括:
根据每个存储节点的负载信息,计算每个存储节点被选中为响应节点的概率;根据每个存储节点被选中的概率,采用预先设置的选择策略,从存储节点选择响应节点。
其中,所述每个存储节点被选中为响应节点的概率为
其中,所述根据每个存储节点被选中的概率,采用预先设置的选择策略,从存储节点选择响应节点,包括:
将存储节点的信誉值的大小映射到预先设置的[0,1)区间的一个子区间内;通过生成一个[0,1)的随机数来进行随机投点;根据随机数落入的子区间确定对应的目标子区间;从在所述目标子区间中的存储节点中,根据被选中概率,选择响应节点。
一种处理下载请求的装置,包括:
第一获取模块,用于当接收到用户发送的下载swift对象的请求后,获取保存有所述swift对象的副本的存储节点;第二获取模块,用于获取所述存储节点的CPU利用率信息和磁盘输入/输出利用率信息;计算模块,用于利用每个存储节点的CPU利用率信息和磁盘输入/输出利用率信息,计算每个存储节点的负载信息;选择模块,用于根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点。
其中,所述计算模块,用于对存储节点的CPU利用率信息U(cpu)和磁盘输入/输出利用率信息U(disk)以加权和的形式计算,得到所述存储节点的负载信息,其中:
L=αU(cpu)+βU(disk)α+β=1,0<α<1,0<β<1。
其中,所述选择模块包括:
计算单元,用于根据每个存储节点的负载信息,计算每个存储节点被选中为响应节点的概率;选择单元,用于根据每个存储节点被选中的概率,采用预先设置的选择策略,从存储节点选择响应节点。
其中,所述每个存储节点被选中为响应节点的概率为
其中,所述选择单元包括:
映射子单元,用于将存储节点的信誉值的大小映射到预先设置的[0,1)区间的一个子区间内;生成子单元,用于通过生成一个[0,1)的随机数来进行随机投点;确定子单元,用于根据随机数落入的子区间确定对应的目标子区间;选择子单元,用于从在所述目标子区间中的存储节点中,根据被选中概率,选择响应节点。
本发明提供的实施例,利用存储节点的CPU利用率和磁盘I/O利用率,来计算每个存储节点的负载信息,再根据对应的负载信息选择响应节点,综合考虑了存储节点的负载信息,更精确地进行响应节点的选择,实现了存储系统的负载均衡。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1为本发明提供的处理下载请求的方法的流程图;
图2为本发明提供的处理下载请求的装置的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1为本发明提供的处理下载请求的方法的流程图。图1所示方法包括:
步骤101、当接收到用户发送的下载swift对象的请求后,获取保存有所述swift对象的副本的存储节点;
步骤102、获取所述存储节点的CPU利用率信息和磁盘输入/输出I/O利用率信息;
步骤103、利用每个存储节点的CPU利用率信息和磁盘输入/输出利用率信息,计算每个存储节点的负载信息;
步骤104、根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点。
本发明提供的方法实施例,利用存储节点的CPU利用率和磁盘I/O利用率,来计算每个存储节点的负载信息,再根据对应的负载信息选择响应节点,综合考虑了存储节点的负载信息,更精确地进行响应节点的选择,实现了存储系统的负载均衡。
下面对本发明提供的方法实施例作进一步说明:
在实际应用中,当用户请求swift对象的下载请求时,先接收下载请求,然后根据一致性哈希环查找出用户请求对象所在的具体存储节点,最后把请求交给存储节点进行处理。数据的具体操作主要包括数据的存储和读取,这些操作都和磁盘密不可分。通过查询得到该对象的分区编号,利用分区编号得到该对应所有副本的存储节点。
影响存储节点响应和读取速度的主要有两个因素,一个是存储节点的CPU利用率U(cpu),另外一个是存储节点的磁盘I/O利用率U(disk),因此在得到所有副本的存储节点后,获取存储节点的CPU利用率信息和磁盘输入/输出利用率信息,再对存储节点的CPU利用率信息U(cpu)和磁盘输入/输出利用率信息U(disk)以加权和的形式计算,得到所述存储节点的负载信息,其中:
L=αU(cpu)+βU(disk)α+β=1,0<α<1,0<β<1。
在计算上述负载信息过程中,可以根据服务器的性能,动态调整α和β的大小。具体来说,在存储服务器的性能瓶颈是CPU时,说明CPU承接并发请求可能成为瓶颈,可以将α的值调高,当存储服务器的磁盘I/O成为主要性能瓶颈时,可以将β值调高。
其中,所述根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点,包括:
根据每个存储节点的负载信息,计算每个存储节点被选中为响应节点的概率;根据每个存储节点被选中的概率,采用预先设置的选择策略,从存储节点选择响应节点。
各个存储节点的负载信息是动态更新的,通过会维护一个列表,列表中包含存储节点的IP和存储节点的综合负载L情况,当收到存储节点发来的综合负载L时,会更新列表对应存储节点的负载状况字段。代理节点收到用户下载请求时,通过查询一致性哈希环获得该对象所有副本所在的所有存储节点。然后根据代理节点上维护的存储节点信息列表中的负载情况进行选择。
在选择响应节点时,随机选择任意一个节点,前文相关技术中也有基于轮询的策略,也有的是根据负载进行排序,总是选择负载最小的进行下载,相比较而言,这种总是选择负载最小的策略会优于随机和轮询两种。但是在请求突发或者繁忙时,往往会导致负载较轻的节点瞬间变为重载节点。例如,请求Q1是一个对磁盘I/O很频繁的请求,导致被选择存储节点SL的请求瞬间升高,而这时存储节点的负载并不能实时的反馈到代理节点,就会导致下一个请求到来时,代理节点依然选择SL作为响应节点,加重了其负载。因此,本发明提出了一种基于概率的选择策略,代理节点按照概率来选择下载源,保证拥有较低负载的节点拥有较高的概率被选中为服务节点。在这种方法的实现过程中,采用了蒙特卡洛随机投点法。首先根据响应节点列表中节点的信誉值的大小映射到[0,1)区间上,然后通过生成一个[0,1)的随机数来进行随机投点,根据随机数落入的区间来选择最终的响应节点。
其中,所述根据每个存储节点被选中的概率,采用预先设置的选择策略,从存储节点选择响应节点,包括:
将存储节点的信誉值的大小映射到预先设置的[0,1)区间的一个子区间内;
通过生成一个[0,1)的随机数来进行随机投点;
根据随机数落入的子区间确定对应的目标子区间;
从在所述目标子区间中的存储节点中,根据被选中概率,选择响应节点。
由上可以看出,按照概率并基于蒙特卡洛方法去选择响应节点,更加合理的分配读取请求,达到资源的合理利用和负载均衡的目的。
图2为本发明提供的处理下载请求的装置的结构图。结合图1所示的方法,图2所示装置包括:;
第一获取模块201,用于当接收到用户发送的下载swift对象的请求后,获取保存有所述swift对象的副本的存储节点;
第二获取模块202,用于获取所述存储节点的CPU利用率信息和磁盘输入/输出利用率信息;
计算模块203,用于利用每个存储节点的CPU利用率信息和磁盘输入/输出利用率信息,计算每个存储节点的负载信息;
选择模块204,用于根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点。
其中,所述计算模块203,用于对存储节点的CPU利用率信息U(cpu)和磁盘输入/输出利用率信息U(disk)以加权和的形式计算,得到所述存储节点的负载信息,其中:
L=αU(cpu)+βU(disk)α+β=1,0<α<1,0<β<1
其中,所述选择模块204包括:
计算单元,用于根据每个存储节点的负载信息,计算每个存储节点被选中为响应节点的概率;
选择单元,用于根据每个存储节点被选中的概率,采用预先设置的选择策略,从存储节点选择响应节点。
其中,所述选择单元包括:
映射子单元,用于将存储节点的信誉值的大小映射到预先设置的[0,1)区间的一个子区间内;
生成子单元,用于通过生成一个[0,1)的随机数来进行随机投点;
确定子单元,用于根据随机数落入的子区间确定对应的目标子区间;
选择子单元,用于从在所述目标子区间中的存储节点中,根据被选中概率,选择响应节点。
本发明提供的装置实施例,利用存储节点的CPU利用率和磁盘I/O利用率,来计算每个存储节点的负载信息,再根据对应的负载信息选择响应节点,综合考虑了存储节点的负载信息,更精确地进行响应节点的选择,实现了存储系统的负载均衡。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (6)
1.一种处理下载请求的方法,其特征在于,包括:
当接收到用户发送的下载swift对象的请求后,获取保存有所述swift对象的副本的存储节点;
获取所述存储节点的CPU利用率信息和磁盘输入/输出利用率信息;
利用每个存储节点的CPU利用率信息和磁盘输入/输出利用率信息,计算每个存储节点的负载信息;
根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点,
所述根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点,包括:
根据每个存储节点的负载信息,计算每个存储节点被选中为响应节点的概率;
根据每个存储节点被选中的概率,采用预先设置的选择策略,从存储节点选择响应节点,
所述根据每个存储节点被选中的概率,采用预先设置的选择策略,从存储节点选择响应节点,包括:
将存储节点的信誉值的大小映射到预先设置的[0,1)区间的一个子区间内;
通过生成一个[0,1)的随机数来进行随机投点;
根据随机数落入的子区间确定对应的目标子区间;
从在所述目标子区间中的存储节点中,根据被选中概率,选择响应节点。
2.根据权利要求1所述的方法,其特征在于,所述利用每个存储节点的CPU利用率信息和磁盘输入/输出利用率信息,计算每个存储节点的负载信息,包括:
对存储节点的CPU利用率信息U(cpu)和磁盘输入/输出利用率信息U(disk)以加权和的形式计算,得到所述存储节点的负载信息,其中:
L=αU(cpu)+βU(disk) α+β=1,0<α<1,0<β<1。
4.一种处理下载请求的装置,其特征在于,包括:
第一获取模块,用于当接收到用户发送的下载swift对象的请求后,获取保存有所述swift对象的副本的存储节点;
第二获取模块,用于获取所述存储节点的CPU利用率信息和磁盘输入/输出利用率信息;
计算模块,用于利用每个存储节点的CPU利用率信息和磁盘输入/输出利用率信息,计算每个存储节点的负载信息;
选择模块,用于根据每个存储节点的负载信息,选择响应所述用户下载请求的响应节点,
所述选择模块包括:
计算单元,用于根据每个存储节点的负载信息,计算每个存储节点被选中为响应节点的概率;
选择单元,用于根据每个存储节点被选中的概率,采用预先设置的选择策略,从存储节点选择响应节点,
所述选择单元包括:
映射子单元,用于将存储节点的信誉值的大小映射到预先设置的[0,1)区间的一个子区间内;
生成子单元,用于通过生成一个[0,1)的随机数来进行随机投点;
确定子单元,用于根据随机数落入的子区间确定对应的目标子区间;
选择子单元,用于从在所述目标子区间中的存储节点中,根据被选中概率,选择响应节点。
5.根据权利要求4所述的装置,其特征在于:
所述计算模块,用于对存储节点的CPU利用率信息U(cpu)和磁盘输入/输出利用率信息U(disk)以加权和的形式计算,得到所述存储节点的负载信息,其中:
L=αU(cpu)+βU(disk) α+β=1,0<α<1,0<β<1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710574937.3A CN107395708B (zh) | 2017-07-14 | 2017-07-14 | 一种处理下载请求的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710574937.3A CN107395708B (zh) | 2017-07-14 | 2017-07-14 | 一种处理下载请求的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107395708A CN107395708A (zh) | 2017-11-24 |
CN107395708B true CN107395708B (zh) | 2021-04-02 |
Family
ID=60339903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710574937.3A Active CN107395708B (zh) | 2017-07-14 | 2017-07-14 | 一种处理下载请求的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107395708B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108810145A (zh) * | 2018-06-13 | 2018-11-13 | 郑州云海信息技术有限公司 | 一种基于p2p的多节点内容分发网络系统及方法 |
CN110035122A (zh) * | 2019-04-04 | 2019-07-19 | 科讯嘉联信息技术有限公司 | 一种基于动态概率模型的负载均衡方法、装置和系统 |
CN110636388A (zh) * | 2019-09-29 | 2019-12-31 | 浪潮(北京)电子信息产业有限公司 | 一种业务请求分配方法、系统、电子设备及存储介质 |
CN113965587B (zh) * | 2021-09-18 | 2022-04-22 | 苏州浪潮智能科技有限公司 | 一种人工智能平台的数据获取方法、装置、设备、介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1955912A (zh) * | 2006-10-13 | 2007-05-02 | 清华大学 | 海量存储系统中的资源分配方法 |
CN102195886A (zh) * | 2011-05-30 | 2011-09-21 | 兰雨晴 | 一种云平台上的服务调度方法 |
CN102541467A (zh) * | 2011-12-06 | 2012-07-04 | 华中科技大学 | 一种对象数据服务器读写请求的调度方法 |
-
2017
- 2017-07-14 CN CN201710574937.3A patent/CN107395708B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1955912A (zh) * | 2006-10-13 | 2007-05-02 | 清华大学 | 海量存储系统中的资源分配方法 |
CN102195886A (zh) * | 2011-05-30 | 2011-09-21 | 兰雨晴 | 一种云平台上的服务调度方法 |
CN102541467A (zh) * | 2011-12-06 | 2012-07-04 | 华中科技大学 | 一种对象数据服务器读写请求的调度方法 |
Non-Patent Citations (5)
Title |
---|
HDFS分布式文件系统数据放置均衡研究;丁扬;《万方数据知识服务平台》;20170211;全文 * |
基于Swift的资源负载均衡策略研究;闫晓勇;《中国优秀硕士学位论文全文数据库信息科技辑》;20160215(第2期);第3-4章 * |
基于博弈论的对等网络节点自私性研究;姚霖;《万方数据知识服务平台》;20121129;全文 * |
基于概率投点算法在积分近似计算中的应用;王玲等;《内江师范学院学报》;20121225;全文 * |
无线传感器网络信任机制研究;廖红梅;《万方数据知识服务平台》;20170615;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107395708A (zh) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107395708B (zh) | 一种处理下载请求的方法和装置 | |
CN107295110B (zh) | 计算任务的处理方法、边缘节点、业务服务器及系统 | |
US20150215405A1 (en) | Methods of managing and storing distributed files based on information-centric network | |
CN102882939B (zh) | 负载均衡方法、设备及泛域名加速访问系统 | |
US20140172929A1 (en) | Adaptive data striping and replication across multiple storage clouds for high availability and performance | |
US20110276679A1 (en) | Dynamic binding for use in content distribution | |
US10116740B2 (en) | Peer-to-peer network prioritizing propagation of objects through the network | |
WO2021253889A1 (zh) | 负载均衡方法、装置、代理设备、缓存设备及服务节点 | |
CN103780676B (zh) | 一种文件传输方法、设备和系统 | |
US10129358B2 (en) | Partitioned serialized caching and delivery of large files | |
US9817698B2 (en) | Scheduling execution requests to allow partial results | |
CN109800236A (zh) | 支持多节点的分布式缓存方法及设备 | |
CN106657182B (zh) | 云端文件处理方法和装置 | |
CN102882960B (zh) | 一种资源文件的发送方法及装置 | |
CN102970349B (zh) | 一种dht网络的存储负载均衡方法 | |
CN110309229A (zh) | 分布式系统的数据处理方法和分布式系统 | |
JP2009122981A (ja) | キャッシュ配置方法 | |
CN106940712A (zh) | 序列生成方法与设备 | |
US9137331B2 (en) | Adaptive replication | |
CN104219163A (zh) | 一种基于动态副本法和虚拟节点法的节点动态前移的负载均衡方法 | |
CN114466031B (zh) | 一种cdn系统节点配置方法、装置、设备及存储介质 | |
CN105025042B (zh) | 一种确定数据信息的方法及系统、代理服务器 | |
CN104735149A (zh) | 一种云计算资源管理系统及方法 | |
US9137276B2 (en) | Managing message distribution in a networked environment | |
KR101512647B1 (ko) | 질의처리엔진을 선택하는 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |