CN107786618A - 一种登录节点的选择方法及装置 - Google Patents

一种登录节点的选择方法及装置 Download PDF

Info

Publication number
CN107786618A
CN107786618A CN201610791772.0A CN201610791772A CN107786618A CN 107786618 A CN107786618 A CN 107786618A CN 201610791772 A CN201610791772 A CN 201610791772A CN 107786618 A CN107786618 A CN 107786618A
Authority
CN
China
Prior art keywords
user
group
node
value
login
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.)
Granted
Application number
CN201610791772.0A
Other languages
English (en)
Other versions
CN107786618B (zh
Inventor
李月华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Maipu Communication Technology Co Ltd
Original Assignee
Maipu Communication Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Maipu Communication Technology Co Ltd filed Critical Maipu Communication Technology Co Ltd
Priority to CN201610791772.0A priority Critical patent/CN107786618B/zh
Publication of CN107786618A publication Critical patent/CN107786618A/zh
Application granted granted Critical
Publication of CN107786618B publication Critical patent/CN107786618B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明涉及通信领域中用户连接负载均衡技术，其公开了一种登录节点的选择方法，目的在于优化IM即时消息服务器集群中的用户分布，减小服务器压力。在用户登录IM服务器集群时，通过分析该用户的交际圈内群组的历史消息数据及其与好友之间的历史消息数据，预估本次登录后该用户与群组内用户及好友之间的消息收发量，并根据群组成员和好友在集群内节点的登录分布情况，选择预估出来的最大消息收发量所在的节点进行登录。

Description

一种登录节点的选择方法及装置
技术领域
本发明涉及通信领域中用户连接负载均衡技术，具体涉及一种基于用户交际圈的IM集群登录节点选择方法。
背景技术
即时通讯IM(Instant Messaging)作为目前最为流行的通讯方式，各种各样的即时通讯软件层出不穷，服务提供商也提供了越来越丰富的通讯服务功能。在使用过程中，首先用户使用通信终端登录到IM通讯服务器，通过一系列身份验证后，得到当前好友状态和列表信息，将要发送给指定好友或群组的信息发送至服务器，由服务器转发到好友登录的终端。同时服务器还需要作出记录数据查询状态等操作。基本上用户涉及通讯的每一步操作都需要服务器进行参与，对于IM通讯服务器，随着登录用户数量的增加，服务器的负载也相应增加。
单一服务器的运算能力总有上限，因此需要增加服务器来提升服务的处理能力，即时消息服务器集群(cluster)通过使用多个独立对等的计算机系统构成一个松耦合的多处理器系统，形成可堆叠的计算机服务系统，它们相互之间通过高速网络实现进程间相互通信(Interprocess Communication)，应用程序可以通过共享内存进行消息传送，实现用户连接和任务的负载均衡(Load Balance)。
与其他类型的服务器集群略显不同，IM服务器集群中可能存在大量的集群内服务器节点之间的消息通信，如附图1中所示的典型环境，终端用户A通过负载均衡服务器最终连接登录到集群中的节点P1，终端用户B通过负载均衡服务器最终连接登录到集群中的节点P5，用户A/B互为好友，日常中有大量的信息需要交互，那么用户A发送到用户B的消息需要由A的用户终端发送到节点P1，P1发送到节点P5，P5再发送到B的用户终端，经过A->P1->P5->B的通信链路，同理,用户B发送到用户A的信息需要经过B->P5->P1->A的通信链路。相较于A/B用户登录于同一个节点P而言，集群系统为这种链路通信付出了成倍的计算和读写开销。
人类处于复杂的交际网络包围中，每个人都拥有自己的开放型网状交际圈，一般情况下，人们的日常交流都基于自己的交际圈，转换到即时消息系统中，绝大部分用户的日常信息收发均来源于已有交际圈，交际圈随着时间的推移又会不同程度发生变化。一个中学生用户A，日常交际信息可能更多的来源于同班同学，同时所在班级群组活跃度较高；一个大学生用户B，日常交际信息更多来源于同系同学或兴趣社团，可能所在兴趣社团群组活跃度较高，如果是一个成年用户C，那么他的日常交际信息可能更多的来源于同事或业务伙伴。
如何有效的利用这些信息，并对我们的IM集群系统提供有利影响呢？能否根据近期双方的交互频率预测未来活跃程度呢？
用户之间的互动，尤其是群组的互动频率按时间分段应是以某一平衡值的区间波动为主，不会出现明显的长期上浮或下滑趋势，活跃度与时间存在一定的关联关系，呈现时间区间的活跃或静寂，例如用户C的一个群组，是专为近期某一大型项目创建，随着项目的进行，群内经常进行相关工作内容交流，群组活跃度随着项目推进提高，也随着项目结束逐渐降低。那么它的TS时间序列的态势应该具有一定的稳定性或规则性，所以TS时间序列可以被合理地顺势推演，使用近期的态势来预测未来，并给予近期资料更大的权重，不舍弃过去数据，仅给以逐渐减弱的影响程度，随着数据的远去，赋予逐渐收敛为零的权数。这个权数即可代表当前群组的活跃度预估。
综上所述，如何利用用户活跃的网状交际圈，以及前期用户收发信息的实际数据，预测用户登录后收发信息的可能来源和目的地，尽可能让用户与消息可能来源登录于同一节点，减少即时消息集群系统内节点间的数据交互，成为IM服务器集群内亟需优化的问题。
发明内容
本发明所要解决的技术问题是：提出一种登录节点的选择方法及装置，优化IM即时消息服务器集群中的用户分布，减小服务器压力。
发明实施例提供一种登录节点的选择方法，其包括：
用户登录IM服务器集群时，分析该用户的交际圈内群组的历史消息数据以及分析该用户与好友之间的历史消息数据，统计用户在服务器集群内各个节点上分布的活跃度权重值；预估本次登录后该用户与群组内用户及好友之间的消息收发量，并根据群组成员和好友在集群内节点的登录分布情况，选择预估出来的最大消息收发量所在的节点进行登录。
作为进一步优化，所述历史消息数据包括消息收发活跃程度和近期趋势。
作为进一步优化，所述分析该用户的交际圈内群组的历史消息数据，具体包括以下步骤：
A、获取用户所在群组列表；
B、遍历用户群组获取近期消息数量的时间序列；
C、根据时间序列生成趋势图并确定平滑系数取值；
D、根据平滑系数取值预估用户本次登录后群组的活跃度权重值；
E、根据群组内用户在线分布情况，计算群组在每个节点分布的活跃度权重值；
F、重复步骤B-E,直至遍历完成该用户所有群组；
析该用户与好友之间的历史消息数据，具体包括以下步骤：
G、获取用户在线好友列表；
H、遍历用户好友获取近期双方消息数量的时间序列；
I、根据时间序列生成趋势图并确定平滑系数取值；
J、根据平滑系数取值预估用户本次登录后与该好友的之间的活跃度权重值；
K、重复步骤H-J，直至遍历完成该用户所有在线好友；
L、统计用户在服务器集群内各个节点上分布的活跃度权重值；
M、选择活跃度权重值最大的节点登录。
作为进一步优化，步骤B中，所述遍历用户群组获取近期消息数量的时间序列的方法是：
根据用户群组近期聊天信息，按天生成该群组近期TS时间序列。
作为进一步优化，步骤C中，所述根据时间序列生成趋势图并确定平滑系数取值，具体包括：
根据时间序列趋势选取平滑系数值，若时间序列无明显的上升或下降趋势，则进一步通过方差缩小取值范围，方差较大，说明序列离散程度较大，平滑系数取之较大；若方差较小，则说明离散程度较小，平滑系数取值相对较小。若时间序列呈现出明显的上升或下降趋势，则应选取更大的平滑系数值。
其中，时间序列的方差公式如下：
其中，n为期数，Xn为第n期的消息数量值，M表示n期消息总量的平均值。
作为进一步优化，步骤D中，所述根据平滑系数取值预估用户本次登录后群组的活跃度权重值的公式为：
St＝aYt-1+(1-a)aYt-2+(1-a)2aYt-3+(1-a)3aYt-4+...+(1-a)t-2aY1
其中，a为平滑系数，Yt-1为前一期的消息数量值，St为t期活跃度权重预测值。
作为进一步优化，步骤E中，所述根据群组内用户在线分布情况，计算群组在每个节点的活跃度权重值的公式为：
其中，St为t期活跃度权重预测值，Nx为群组用户在第x个节点上分布的数量。
作为进一步优化，步骤H中，所述遍历用户好友获取近期双方消息数量的时间序列的方法是：根据用户和好友同期在线的聊天信息，按天生成近期双方消息数量的时间序列。
作为进一步优化，步骤L中，用户在服务器集群内某个节点上分布的活跃度权重值＝该用户所有群组在该节点上分布的活跃度权重值+登录于该节点上的所有好友的活跃度权重值。
本发明另一方面，提供一种登录节点的选择装置，实施上述登录节点的选择方法，包括：
用户接口模块，用于提供用户登录IM服务器集群的接口；
分析统计模块，用于分析登录IM服务器集群用户的交际圈内群组的历史消息数据以及及分析该用户与好友之间的历史消息数据，统计用户在服务器集群内各个节点上分布的活跃度权重值；
估算选择模块，用于预估本次登录后该用户与群组内用户及好友之间的消息收发量，并根据群组成员和好友在集群内节点的登录分布情况，选择预估出来的最大消息收发量所在的节点进行登录。
本发明的有益效果是：在用户登录IM服务器集群时，通过分析用户现有网状交际圈内群组和好友间的消息收发活跃程度和近期趋势，预估本次登录后，与群组内用户以及好友用户间的消息收发量，根据群组成员和好友在集群内节点的登录分布情况，选择消息可能来源最多的节点进行登录，有效减少用户登录后，因与好友或群组成员间的互发消息所产生的集群内节点间的数据通信。提高服务器整体运行效率。
附图说明
附图1为传统技术中的IM服务器集群的网络环境示意图；
附图2为本发明实施例的登录节点选择方法流程图；
附图3为本发明实施例中群组用户和好友用户在集群中分布的示意图；
附图4为本发明实施例中根据群组groupA的近期时间序列绘制的趋势图；
附图5为本发明实施例中根据用户与friendC的近期时间序列绘制的趋势图；
附图6为本发明实施例中根据用户与friendD的近期时间序列绘制的趋势图。
具体实施方式
本发明旨在提出一种基于用户交际圈的IM集群登录节点选择方法，优化IM即时消息服务器集群中的用户分布，减小服务器压力。下面结合附图及实施例对本发明的方案作进一步的描述：
实施例：
以某一拥有群组groupA，好友friendC和friendD的用户作为本发明的具体实施例。群组groupA当前共有9人在线，如附图3所示，其中4人分布在集群节点N1上，3人分布在集群节点N2上，2人分布在集群节点N3上，用户好友friendC登录在集群节点N2，好友friendD登录在集群节点N3。
如图2所示，本发明实施例中的登录节点选择方法包括以下实施步骤：
(1)获取用户所在群组groupA的近30天聊天记录数量，并以天作为统计周期，得到groupA的TS时间序列如下表1所示：
表1：groupA的TS时间序列表
期数 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
观察值 327 368 430 504 287 333 266 490 308 366 278 430 330 187 156
期数 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
观察值 298 337 408 302 355 509 302 223 287 415 427 345 490 235 372
(2)根据gruopA的近期时间序列，绘制趋势图，如图4所示；
(3)由图4中的时间序列观察，可知groupA没有明显的上升或下降趋势，根据方差计算公式，得到groupA的近期取样的方差：
得到groupA的取样平均值≈346，方差值≈23；方差值超过平均值的的6％，离散程度较大，平滑系数取值0.5；
(4)根据指数平滑，预测本期groupA的活跃度权重值WIJ；
St＝aYt-1+(1-a)aYt-2+(1-a)2aYt-3+(1-a)3aYt-4+...+(1-a)t-2aY1
带入每期取样值Yn，以及第(3)步确定的平滑系数，得到本期groupA群组对象的活跃度权重预测值≈211；
(5)根据实施例条件，群组groupA在节点N1，N2，N3节点上的分布人数分为别4人，3人，2人，根据公式：
计算得到群组在三个节点上的分布权重分别为：N1(93.778)，N2(70.333)，N3(46.889)；
(6)循环用户所在所有群组，重复步骤(1)～(5)；因为用户只在群组groupA中，因此群组系数的计算结束；
(7)获取用户与friendC的近10次双方在线时的交互记录，得到用户与friendC的近期交互数量TS时间序列如下表2所示：
表2：用户与friendC的近期交互数量TS时间序列表
(8)根据用户与friendC的近期时间序列，绘制趋势图，如图5所示；
(9)由图5中的时间序列观察，用户与friendC的交互序列趋势图存在上升趋势，且上升趋势明显，因此平滑系数取较大值0.9；
(10)根据指数平滑，预测用户与friendC本期的活跃度权重值WIJ；
St＝aYt-1+(1-a)aYt-2+(1-a)2aYt-3+(1-a)3aYt-4+...+(1-a)t-2aY1
带入每期取样值Yn，以及第(9)步确定的平滑系数，得到本期用户与friendC的活跃度权重预测值≈468.549；
(11)查询得到好友friendC登陆在集群中的节点N2，将活跃度权重预测值计入节点N2的权重总和，得到节点N2的权重总合为538.882；
(12)获取用户与friendD的近10次双方在线时的交互记录，得到用户与friendD的近期交互数量TS时间序列如下表3所示：
表3：用户与friendD的近期交互数量TS时间序列表
期数 1 2 3 4 5 6 7 8 9 10
观察值 86 72 77 33 34 0 12 0 37 29
(13)根据用户与friendD的近期时间序列，绘制趋势图，如图6所示；
(14)由时间序列观察，用户与friendD的交互序列趋势图存在下降趋势，但下降幅度一般，平滑系数取较大值0.75；
(15)根据指数平滑，预测用户与friendD本期的活跃度权重值WIJ；
St＝aYt-1+(1-a)aYt-2+(1-a)2aYt-3+(1-a)3aYt-4+...+(1-a)t-2aY1
带入每期取样值Yn，以及第(14)步确定的平滑系数，得到本期用户与friendD的活跃度权重预测值≈23.484；
(16)查询得到好友friendD登陆在集群中的节点N3，将活跃度权重预测值计入节点N3的权重总和，得到节点N3的权重总合为70.373；
(17)最终根据用户所在群组groupA，以及好友friendC、friendD的聊天记录时间序列和节点分布情况，得到用户在集群节点中的活跃度分布权重为，节点N1(93.778)，节点N2(538.882)，节点N3(70.373)，最终用户选择活跃权重系数最大的节点N2进行登录。
本发明实施例提供一种登录节点的选择装置，实施上述登录节点的选择方法，包括：
用户接口模块，用于提供用户登录IM服务器集群的接口；
分析统计模块，用于分析登录IM服务器集群用户的交际圈内群组的历史消息数据以及及分析该用户与好友之间的历史消息数据，统计用户在服务器集群内各个节点上分布的活跃度权重值；
估算选择模块，用于预估本次登录后该用户与群组内用户及好友之间的消息收发量，并根据群组成员和好友在集群内节点的登录分布情况，选择预估出来的最大消息收发量所在的节点进行登录。
由于本发明实施例中的登录节点的选择装置可以应用于上述实施例的登录节点的选择方法，因此，其所能获得的技术效果也可参考上述方法实施例，本发明实施例在此不再赘述。

Claims (10)

1.一种登录节点的选择方法，其特征在于，包括：
用户登录IM服务器集群时，分析该用户的交际圈内群组的历史消息数据以及分析该用户与好友之间的历史消息数据，统计用户在服务器集群内各个节点上分布的活跃度权重值；预估本次登录后该用户与群组内用户及好友之间的消息收发量，并根据群组成员和好友在集群内节点的登录分布情况，选择预估出来的最大消息收发量所在的节点进行登录。
2.如权利要求1所述的登录节点的选择方法，其特征在于，所述历史消息数据包括消息收发活跃程度和近期趋势。
3.如权利要求1所述的登录节点的选择方法，其特征在于，所述分析该用户的交际圈内群组的历史消息数据，包括以下步骤：
A、获取用户所在群组列表；
B、遍历用户群组获取近期消息数量的时间序列；
C、根据时间序列生成趋势图并确定平滑系数取值；
D、根据平滑系数取值预估用户本次登录后群组的活跃度权重值；
E、根据群组内用户在线分布情况，计算群组在每个节点分布的活跃度权重值；
F、重复步骤B-E,直至遍历完成该用户所有群组；
所述分析该用户与好友之间的历史消息数据，包括以下步骤：
G、获取该用户在线好友列表；
H、遍历用户好友获取近期双方消息数量的时间序列；
I、根据时间序列生成趋势图并确定平滑系数取值；
J、根据平滑系数取值预估用户本次登录后与该好友的之间的活跃度权重值；
K、重复步骤H-J，直至遍历完成该用户所有在线好友。
4.如权利要求3所述的登录节点的选择方法，其特征在于，步骤B中，所述遍历用户群组获取近期消息数量的时间序列的方法是：
根据用户群组近期聊天信息，按天生成该群组近期时间序列。
5.如权利要求3所述的登录节点的选择方法，其特征在于，步骤C中，所述根据时间序列生成趋势图并确定平滑系数取值，具体包括：
根据时间序列趋势选取平滑系数值，若时间序列无明显的上升或下降趋势，则进一步通过方差缩小取值范围，方差较大，说明序列离散程度较大，平滑系数取之较大；若方差较小，则说明离散程度较小，平滑系数取值相对较小。若时间序列呈现出明显的上升或下降趋势，则应选取更大的平滑系数值；
其中，时间序列的方差公式如下：
<mrow> <msup> <mi>S</mi> <mn>2</mn> </msup> <mo>=</mo> <mfrac> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>-</mo> <mi>M</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mn>2</mn> </msub> <mo>-</mo> <mi>M</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mn>3</mn> </msub> <mo>-</mo> <mi>M</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mi>n</mi> </msub> <mo>-</mo> <mi>M</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mi>n</mi> </mfrac> </mrow>
其中，n为期数，Xn为第n期的消息数量值，M表示n期消息总量的平均值。
6.如权利要求5所述的登录节点的选择方法，其特征在于，步骤D中，所述根据平滑系数取值预估用户本次登录后群组的活跃度权重值的公式为：
St＝aYt-1+(1-a)aYt-2+(1-a)2aYt-3+(1-a)3aYt-4+...+(1-a)t-2aY1
其中，a为平滑系数，Yt-1为前一期的消息数量值，St为t期活跃度权重预测值。
7.如权利要求6所述的登录节点的选择方法，其特征在于，步骤E中，所述根据群组内用户在线分布情况，计算群组在每个节点的活跃度权重值的公式为：
<mrow> <msub> <mi>P</mi> <mi>t</mi> </msub> <mo>=</mo> <msub> <mi>S</mi> <mi>t</mi> </msub> <mo>&amp;CenterDot;</mo> <mfrac> <msub> <mi>N</mi> <mi>x</mi> </msub> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>x</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>x</mi> </munderover> <msub> <mi>N</mi> <mi>x</mi> </msub> </mrow> </mfrac> </mrow>
其中，St为t期活跃度权重预测值，Nx为群组用户在第x个节点上分布的数量。
8.如权利要求3所述的登录节点的选择方法，其特征在于，步骤H中，所述遍历用户好友获取近期双方消息数量的时间序列的方法是：根据用户和好友同期在线的聊天信息，按天生成近期双方消息数量的时间序列。
9.如权利要求3所述的登录节点的选择方法，其特征在于，步骤L中，用户在服务器集群内某个节点上分布的活跃度权重值＝该用户所有群组在该节点上分布的活跃度权重值+登录于该节点上的所有好友的活跃度权重值。
10.一种登录节点的选择装置，其特征在于，实施如权利要求1-9任意一项所述登录节点的选择方法，包括：
用户接口模块，用于提供用户登录IM服务器集群的接口；
分析统计模块，用于分析登录IM服务器集群用户的交际圈内群组的历史消息数据以及及分析该用户与好友之间的历史消息数据，统计用户在服务器集群内各个节点上分布的活跃度权重值；
估算选择模块，用于预估本次登录后该用户与群组内用户及好友之间的消息收发量，并根据群组成员和好友在集群内节点的登录分布情况，选择预估出来的最大消息收发量所在的节点进行登录。
CN201610791772.0A 2016-08-31 2016-08-31 一种登录节点的选择方法及装置 Active CN107786618B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610791772.0A CN107786618B (zh) 2016-08-31 2016-08-31 一种登录节点的选择方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610791772.0A CN107786618B (zh) 2016-08-31 2016-08-31 一种登录节点的选择方法及装置

Publications (2)

Publication Number Publication Date
CN107786618A true CN107786618A (zh) 2018-03-09
CN107786618B CN107786618B (zh) 2020-09-08

Family

ID=61451497

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610791772.0A Active CN107786618B (zh) 2016-08-31 2016-08-31 一种登录节点的选择方法及装置

Country Status (1)

Country Link
CN (1) CN107786618B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090125622A1 (en) * 2007-11-08 2009-05-14 O'sullivan Patrick Joseph System and method for providing server status awareness
CN102137128A (zh) * 2010-01-27 2011-07-27 腾讯科技（深圳）有限公司 一种集群服务的负载均衡方法和装置
CN102457443A (zh) * 2010-10-25 2012-05-16 深圳市财付通科技有限公司 一种群组成员清理方法及系统
CN103218376A (zh) * 2012-01-19 2013-07-24 北京千橡网景科技发展有限公司 用于计算好友交互度变化的方法和设备
US20140058938A1 (en) * 2012-08-27 2014-02-27 Guy LaMonte McClung, III eWallet choice
CN103795788A (zh) * 2014-01-20 2014-05-14 中国建设银行股份有限公司 即时通讯服务器的负载均衡方法和负载均衡服务器
WO2014127055A2 (en) * 2013-02-12 2014-08-21 Unify Square, Inc. Advanced tools for unified communication data management and analysis
CN104184673A (zh) * 2013-05-24 2014-12-03 中国电信股份有限公司 基于即时通信业务的负载均衡方法和系统
CN104871141A (zh) * 2012-12-28 2015-08-26 华为技术有限公司 分布式通信系统中的预测缓存
US20150302338A1 (en) * 2013-06-12 2015-10-22 Cloudon Ltd Systems and methods for supporting social productivity using relevancy scoring
CN105302809A (zh) * 2014-06-10 2016-02-03 腾讯科技（深圳）有限公司 群组用户等级关联方法和系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090125622A1 (en) * 2007-11-08 2009-05-14 O'sullivan Patrick Joseph System and method for providing server status awareness
CN102137128A (zh) * 2010-01-27 2011-07-27 腾讯科技（深圳）有限公司 一种集群服务的负载均衡方法和装置
CN102457443A (zh) * 2010-10-25 2012-05-16 深圳市财付通科技有限公司 一种群组成员清理方法及系统
CN103218376A (zh) * 2012-01-19 2013-07-24 北京千橡网景科技发展有限公司 用于计算好友交互度变化的方法和设备
US20140058938A1 (en) * 2012-08-27 2014-02-27 Guy LaMonte McClung, III eWallet choice
CN104871141A (zh) * 2012-12-28 2015-08-26 华为技术有限公司 分布式通信系统中的预测缓存
WO2014127055A2 (en) * 2013-02-12 2014-08-21 Unify Square, Inc. Advanced tools for unified communication data management and analysis
CN104184673A (zh) * 2013-05-24 2014-12-03 中国电信股份有限公司 基于即时通信业务的负载均衡方法和系统
US20150302338A1 (en) * 2013-06-12 2015-10-22 Cloudon Ltd Systems and methods for supporting social productivity using relevancy scoring
CN103795788A (zh) * 2014-01-20 2014-05-14 中国建设银行股份有限公司 即时通讯服务器的负载均衡方法和负载均衡服务器
CN105302809A (zh) * 2014-06-10 2016-02-03 腾讯科技（深圳）有限公司 群组用户等级关联方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘云: "企业IM架构的自由扩展性研究", 《计算机应用与软件》 *
李治国: "即时通讯系统中负载均衡策略的研究", 《煤炭技术》 *

Also Published As

Publication number Publication date
CN107786618B (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
KR102064203B1 (ko) 이모티콘 추천 방법 및 장치
CN111030861B (zh) 一种边缘计算分布式模型训练方法、终端和网络侧设备
Tartakovsky et al. Asymptotically optimal quickest change detection in distributed sensor systems
CN105809554B (zh) 一种社交网络中用户参与热点话题的预测方法
JP2012530982A (ja) ユーザの興味の信号対雑音比を自動的に増大させるためのネットワーク内でのメッセージ配信方法、システムおよびアーキテクチャ
CN108121742A (zh) 用户分类模型的生成方法及装置
Dabeer et al. Timing tweets to increase effectiveness of information campaigns
CN103281355A (zh) 基于模糊决策的服务器推送方法
Lee et al. Energy-efficient downlink semantic generative communication with text-to-image generators
CN110024353B (zh) 认知资源选择
CN107786618B (zh) 一种登录节点的选择方法及装置
CN113365090A (zh) 对象推荐方法、对象推荐装置、电子设备及可读存储介质
CN110738509B (zh) 量化用户之间关联程度的方法和装置
CN116566696A (zh) 一种基于云计算的安全性评估系统及方法
Xu et al. Timely video popularity forecasting based on social networks
CN111291957A (zh) 生成客服调度信息的方法及装置、电子设备、存储介质
Sinthiya et al. Low-cost Task Offloading Scheme for Mobile Edge Cloud and Internet Cloud Using Genetic Algorithm
Kawakami et al. A P2P delivery method for sensor data stream based on load estimation from collection cycles
Ivanova et al. Significant simulation parameters for RESTART/LRE method in teletraffic systems of SDN
Osibo et al. An edge computational offloading architecture for ultra-low latency in smart mobile devices
Adou et al. Methods for analyzing slicing technology in 5G wireless network described as queueing system with unlimited buffer and retrial group
US9058478B1 (en) System and method of determining entities operating accounts
CN111680223A (zh) 跨平台课程推送方法、装置、电子设备、存储介质
Tong et al. From Learning to Analytics: Improving Model Efficacy with Goal-Directed Client Selection
Al-Zubaidy et al. Performance of in-network processing for visual analysis in wireless sensor networks

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