CN109067670B - 一种cdn调度方法及cdn调度设备 - Google Patents

一种cdn调度方法及cdn调度设备 Download PDF

Info

Publication number
CN109067670B
CN109067670B CN201811139944.1A CN201811139944A CN109067670B CN 109067670 B CN109067670 B CN 109067670B CN 201811139944 A CN201811139944 A CN 201811139944A CN 109067670 B CN109067670 B CN 109067670B
Authority
CN
China
Prior art keywords
cdn
bandwidth
gene
scheduling strategy
scheduling
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
Application number
CN201811139944.1A
Other languages
English (en)
Other versions
CN109067670A (zh
Inventor
刘小楷
黄福鑫
孙昌瑞
李�根
党水利
王江
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.)
Hangzhou Linkingcloud Painting Technology Co ltd
Original Assignee
Hangzhou Linkingcloud Painting 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 Hangzhou Linkingcloud Painting Technology Co ltd filed Critical Hangzhou Linkingcloud Painting Technology Co ltd
Priority to CN201811139944.1A priority Critical patent/CN109067670B/zh
Publication of CN109067670A publication Critical patent/CN109067670A/zh
Application granted granted Critical
Publication of CN109067670B publication Critical patent/CN109067670B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/50—Queue scheduling
    • H04L47/52—Queue scheduling by attributing bandwidth to queues
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L61/00—Network arrangements, protocols or services for addressing or naming
    • H04L61/45—Network directories; Name-to-address mapping
    • H04L61/4505—Network directories; Name-to-address mapping using standardised directories; using standardised directory access protocols
    • H04L61/4511—Network directories; Name-to-address mapping using standardised directories; using standardised directory access protocols using domain name system [DNS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请涉及一种CDN调度方法，包括：获取当前周期的调度策略，所述调度策略是基于遗传算法确定的；接收客户端发送的内容访问请求，所述内容访问请求中包含通过Local DNS进行IP查询的DNS报文；确定所述Local DNS的IP对应的区域的应该服务的CDN设备集合；根据所述调度策略，在所述CDN设备集合中选择至少一个CDN设备；将所述请求分配到选择的CDN设备进行处理。

Description

一种CDN调度方法及CDN调度设备
技术领域
本申请涉及CND设备调度领域，尤其涉及一种CDN调度方法及CDN调度设备。
背景技术
CDN(Content Delivery Network，内容分发网络)其基本思路是尽可能避开互联网上有可能影响数据传输速度和稳定性的瓶颈和环节，使内容传输的更快、更稳定。基于DNS的CDN带宽调度的策略是一个非常复杂的问题，由于DNS的局限性，不能做到流量的任意调度，只能将某个区域的流量均分给节点CDN设备，造成了带宽调度策略计算十分复杂，目前来说，怎么能够从无数个调度方案中选择一个成本最优的方案，是一个几乎不可能做到的事情，有经验的调度员能够凭借经验花费大量时间计算出一个成本较优的调度方案，但是该方案距离最优方案还有很大提升空间。
发明内容
为至少在一定程度上克服相关技术中存在的问题，本申请提供一种CDN调度方法及CDN调度设备。
本申请的方案如下：
根据本申请实施例的第一方面，提供一种CDN调度方法，包括：
获取当前周期的调度策略，所述调度策略是基于遗传算法确定的；
接收客户端发送的内容访问请求，所述内容访问请求中包含通过Local DNS进行IP查询的DNS报文；
确定所述Local DNS的IP对应的区域的应该服务的CDN设备集合；
根据所述调度策略，在所述CDN设备集合中选择至少一个CDN设备；
将所述请求分配到选择的CDN设备进行处理。
优选的，结合以上内容，在本申请的一种可能的实现方式中，还包括：
在当前周期的上一周期，计算当前周期的调度策略；
其中，所述计算当前周期的调度策略包括：
随机初始化种群基因，每个基因对应一种调度策略；
预测当前周期的全网带宽，并根据所述全网带宽设定基因进化方向；
基于遗传算法使初始种群基因向着所述基因进化方向进行进化，得到最优基因；
将最优基因对应的调度策略确定为当前周期的调度策略。
优选的，结合以上内容，在本申请的一种可能的实现方式中，所述基于遗传算法使初始种群基因向着所述基因进化方向进行进化，得到最优基因，包括：
从初始种群基因开始，计算每个基因对应的调度策略所有评估值的得分之和；
若达到要求的评估值得分，则评测其是否满足已设定的约束条件；
若未达到要求的评估值得分，则舍弃；
若满足已设定的约束条件，则按照基因评估值得分的高低值进行排序，将评估值得分最高的基因直接放入子代种群，将所有父代基因进行选择、遗传和变异生成子代种群；
计算所述子代基因种群每个基因对应的调度策略所有评估值的得分之和；
重复以上步骤直到达到预设的迭代次数或者满足预设基因进化成功条件；
输出评估值最高的调度策略对应的最优基因。
优选的，结合以上内容，在本申请的一种可能的实现方式中，所述评估值包括：CDN设备带宽成本、CDN设备服务质量和是否满足基因进化方向。
优选的，结合以上内容，在本申请的一种可能的实现方式中，所述约束条件为CDN设备覆盖区域为其可服务区域、CDN设备服务带宽小于其最大服务带宽、所有域名在所有区域都有CDN设备服务。
优选的，结合以上内容，在本申请的一种可能的实现方式中，所述根据所述全网带宽设定基因进化方向包括：
当全网带宽大于CDN设备的期望计费带宽之和时，将当前时刻使用免费带宽的CDN设备设定为基因进化方向；
当全网带宽不小于CDN设备的期望成本带宽之和，不大于CDN设备的期望计费带宽之和时，将CDN设备成本优先，服务质量为辅设定为基因进化方向；
当全网带宽小于CDN设备的期望成本带宽之和，将CDN设备服务质量优先设定为基因进化方向。
优选的，结合以上内容，在本申请的一种可能的实现方式中，判断所述是否满足基因进化方向，包括：
若当前时刻使用免费带宽的CDN设备设定为基因进化方向，则计算调度策略中所有提供服务的CDN设备的带宽成本之和，将满足使用免费带宽的CDN设备成本为零，并且不额外增加其他CDN设备的成本之和的调度策略确定为满足基因进化方向；
若将CDN设备成本优先，服务质量为辅设定为基因进化方向，则计算调度策略中所有提供服务的CDN设备的带宽成本之和并获取所有提供服务的CDN设备的服务质量评估值，满足所有CDN设备的带宽成本之和较低，并且服务质量评估值较高的调度策略满足基因进化方向；
若将CDN设备服务质量优先设定为基因进化方向，则计算调度策略中所有提供服务的CDN设备的带宽成本之和并获取所有提供服务的CDN设备的服务质量评估值，满足所有CDN设备服务质量评估值较高，并且不额外增加其他CDN设备的成本之和的调度策略满足基因进化方向。
优选的，结合以上内容，在本申请的一种可能的实现方式中，所述预测当前周期的全网带宽，包括：
确定当前周期所在的长期预测周期，所对应的长期预测值；以及，
预测当前周期的短期预测值；
采用所述短期预测值对所述长期预测值进行修正，预测得到当前周期的全网带宽。
优选的，结合以上内容，在本申请的一种可能的实现方式中，其特征在于，
所述当前周期和所述上一周期，以一小时为周期。
根据本申请实施例的第二方面，提供一种CDN调度设备，包括：
调度模块，用于获取当前周期的调度策略，调度策略是基于遗传算法确定的；
接收模块，用于接收客户端发送的内容访问请求，内容访问请求中包含通过LocalDNS进行IP查询的DNS报文；
查找模块，用于确定所述Local DNS的IP对应的区域的应该服务的CDN设备集合；
调度模块，还用于根据所述调度策略，在所述CDN设备集合中选择至少一个CDN设备；
执行模块，用于将请求分配到选择的CDN设备进行处理。
本申请提供的技术方案可以包括以下有益效果：
本申请中，通过遗传算法对当前周期的CDN设备的调度策略进行计算，从众多CDN设备调度策略中的得出优选的调度策略，并根据优选调度策略，在CDN设备集合中选择至少一个CDN设备，将任务请求发送到CDN设备进行处理，提高对CDN设备带宽的利用率，提高用户的体验度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请一个实施例提供的一种CDN调度方法的流程图；
图2是本申请另一个实施例提供的一种CDN调度方法的流程图；
图3是本申请又一个实施例提供的遗传算法流程图；
图4是本申请一个实施例提供的一种CDN调度设备的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的一种CDN调度方法及CDN调度设备的例子。
图1是本申请一个实施例提供的一种CDN调度方法的流程图，参照图1，包括：
S101：获取当前周期的调度策略，所述调度策略是基于遗传算法确定的；
遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，通过遗传算法可以得到从多个当前周期的调度策略中计算出最优的调度策略。
S102：接收客户端发送的内容访问请求，所述内容访问请求中包含通过Local DNS(本地域名)进行IP查询的DNS报文；
客户端通过Local DNS获得IP地址的过程为，接收Local DNS的IP查询请求，其中，Local DNS的IP查询是客户端向Local DNS发起的；
向Local DNS返回Local DNS对应的IP地址，Local DNS再将IP地址返回给客户端。
接收客户端发送的包含通过Local DNS的IP地址的内容访问请求。
S103：确定所述Local DNS的IP对应的区域的应该服务的CDN设备集合；
在全国范围内，区域可以按照省来划分，更细一点可以按照市来划分，每个区域可以服务的CDN设备是一个CDN设备集合；不同的区域与不同的Local DNS的IP地址对应。
通过确定所述Local DNS对应的IP地址确定对应的区域应该服务的CDN设备集合。
S104：根据所述调度策略，在所述CDN设备集合中选择至少一个CDN设备；
S105：将所述请求分配到选择的CDN设备进行处理。
将请求分配到选择的CDN设备进行处理即为调度执行，调度执行系统由DNS(Domain Name System，域名)系统、GHR系统实现，分别通过DNS、HTTP(HyperText TransferProtocol，超文本传输协议)302的方式以及HTTP DNS的方式来对带宽进行引导，达到调度策略要求的效果。
计算调度策略前还需要对CDN设备的各项参数指标信息进行准备。包括：
自动获取CDN设备的静态参数及动态参数。
获取CDN设备的静态参数包括：获取每个CDN设备可服务区域集合，CDN设备最大承受带宽，CDN设备保底带宽，CDN设备带宽成本，CDN设备计费方式。如果运行过程中，CDN设备参数如果有变化，则自动更新CDN设备信息。
获取CDN设备的动态参数包括：获取CDN设备运行时产生的相关指标，包括：CDN设备网络是否联通；CDN设备内存、CPU、I/O、网络等使用率；自动获取所有域名所有区域在不同CDN设备上服务得到的性能指标，包括：成功率、延时、慢速比等。
自动获取域名带宽信息：实时统计所有域名的带宽信息，对域名按照区域进行分类，统计所有域名在不同区域每隔5分钟的带宽数据。
优选的调度策略为成本低，CDN设备服务质量好的调度策略。
本申请中，通过遗传算法对当前周期的CDN设备的调度策略进行计算，从众多CDN设备调度策略中的得出优选的调度策略，并根据优选调度策略，在CDN设备集合中选择至少一个CDN设备，将任务请求发送到CDN设备进行处理，提高对CDN设备带宽的利用率，提高用户的体验度。
当前周期的调度策略是在当前周期的上一周期得到的。一般，以一小时为一周期，即在当前周期的一小时前对当前周期的调度策略进行预测。图2是本申请另一个实施例提供的一种CDN调度方法的流程图，参照图2，
在当前周期的上一周期，计算当前周期的调度策略；
其中，计算当前周期的调度策略包括：
S201:随机初始化种群基因，每个基因对应一种调度策略；
将一种调度策略抽象为一个二进制编码的基因个体，方法如下：将所有区域按照固定顺序排列，如：P1、P2、P3，遍历每个区域，将每个区域的可服务CDN设备排列出来，如：P1(n1，n2)，P2(n3，n4)，P3(n1，n3，n5)，代表P1区域的可服务CDN设备为n1，n2，以此类推。同时，将所有域名排列出来，如：D1(P1(n1，n2)，P2(n3，n4)，P3(n1，n3，n5))，D2(P1(n1，n2)，P2(n3，n4)，P3(n1，n3，n5))。如果某个域名的某个区域的某个CDN设备提供服务，则排列中对应位置1，否则对应位置0，这样就得到了一串0，1的组合，即为二进制编码的基因，如：基因0101011 1001101对应的策略为：域名D1下：区域P1服务CDN设备为：n2，区域P2服务CDN设备为：n4，区域P3服务CDN设备为：n3、n5；域名D2下：区域P1服务CDN设备为：n1，区域P2服务CDN设备为：n4，区域P3服务CDN设备为：n1、n5。
一些实施例中，初始基因种群个数设定为800，最大迭代次数设置为50。即将800种调度策略进行筛选，重复50次筛选过程。
S202:预测当前周期的全网带宽，并根据全网带宽设定基因进化方向；
预测当前周期的全网带宽，包括：
确定当前周期的长期预测周期，所对应的长期预测值；以及，
预测当前周期的短期预测值；
采用短期预测值对长期预测值进行修正，预测得到当前周期的全网带宽。
长期预测：依据域名在区域带宽历史数据，综合分析之后对所有域名在所有区域的带宽进行预测，主要以周为单位进行预测，同时兼顾节假日带来的影响，节假日的划分以时间长短为分类标准，长期预测周期为一个月，以上述两种预测方式来预测带宽一个月的走向，即为长期预测值。为了确保预测的准确性，带宽历史数据为1年以上的带宽历史数据。
短期预测：获取域名在区域带宽的实时数据，结合长期预测得到的一个月带宽预测曲线，得到短期预测值，一般是一个小时到一天。同时根据短期预测值对长期预测值进行修正。
根据全网带宽设定基因进化方向包括：
当全网带宽大于CDN设备的期望计费带宽之和时，将当前时刻使用免费带宽的CDN设备设定为基因进化方向；
当全网带宽不小于CDN设备的期望成本带宽之和，不大于CDN设备的期望计费带宽之和时，将CDN设备成本优先，服务质量为辅设定为基因进化方向；
当全网带宽小于CDN设备的期望成本带宽之和，将CDN设备服务质量优先设定为基因进化方向。
全网带宽指的是某个运营商的全网总带宽，包括了这个运营商所有的域名。
CDN设备的期望成本带宽：获取CDN设备的最低带宽分配值，作为CDN设备期望成本带宽；CDN设备的真实计费带宽随着时间会上涨，如果CDN设备真实计费带宽超过CDN设备期望成本带宽，将CDN设备期望成本带宽替换为CDN设备真实计费带宽。
CDN设备的期望计费带宽：通过全网带宽预测之后，从一个月最大带宽开始，依次分配CDN设备，利用其免费带宽去处理任务请求，最后如果所有CDN设备的免费带宽全部使用完毕，全网带宽仍有剩余，则剩余的全网带宽即为全网期望计费带宽。
关于CDN设备的免费带宽：综合CDN设备自身属性特点以及区域带宽变化特点，利用95计费节点前5％带宽不进行计费的特性，根据长期预测来制定一个月每个CDN设备免费带宽时间点的使用计划，规划好每个CDN设备免费带宽发生的时间段，并将每个CDN设备的免费带宽留出一些余量来应对突发情况。比如每个CDN设备的免费带宽时间点持续24小时，则优先使用该CDN设备免费带宽的前23.5小时，剩余的0.5小时免费带宽用于应对突发情况。
S203:基于遗传算法使初始种群基因向着基因进化方向进行进化，得到最优基因；包括：
从初始种群基因开始，计算每个基因对应的调度策略所有评估值的得分之和；
若达到要求的评估值得分，则评测其是否满足已设定的约束条件；
若未达到要求的评估值得分，则舍弃；
若满足已设定的约束条件，则按照基因评估值得分的高低值进行排序，将评估值得分最高的基因直接放入子代种群，将所有父代基因进行选择、遗传和变异生成子代种群；
计算所述子代基因种群每个基因对应的调度策略所有评估值的得分之和；
重复以上步骤直到达到预设的迭代次数或者满足预设基因进化成功条件；
输出评估值最高的调度策略对应的最优基因。
其中，预设基因进化成功条件为根据基因对应的调度策略进行调度所产生的全网带宽成本达到预设的全网带宽成本。
评估值包括：CDN设备带宽成本、CDN设备服务质量和是否满足基因进化方向。
其中，CDN设备带宽成本、CDN设备服务质量均可直接获取。
判断是否满足基因进化方向，包括：
若当前时刻使用免费带宽的CDN设备设定为基因进化方向，则计算调度策略中所有提供服务的CDN设备的带宽成本之和，将满足使用免费带宽的CDN设备成本为零，并且不额外增加其他CDN设备的成本之和的调度策略确定为满足基因进化方向；
在使用完免费的CDN设备的宽带后，若全网带宽仍有剩余，则在使用其他收费的CDN设备的带宽时，还要考虑不额外增加其他CDN设备的成本之和。
若将CDN设备成本优先，服务质量为辅设定为基因进化方向，则计算调度策略中所有提供服务的CDN设备的带宽成本之和并获取所有提供服务的CDN设备的服务质量评估值，满足所有CDN设备的带宽成本之和较低，并且服务质量评估值较高的调度策略满足基因进化方向；
若将CDN设备服务质量优先设定为基因进化方向，则计算调度策略中所有提供服务的CDN设备的带宽成本之和并获取所有提供服务的CDN设备的服务质量评估值，满足所有CDN设备服务质量评估值较高，并且不额外增加其他CDN设备的成本之和的调度策略满足基因进化方向。
将CDN设备带宽成本、将CDN设备服务质量和是否满足基因进化方向分配权重值，以百分制对各个评估值进行打分，然后根据分配的权重值得出该调度策略的评估值总分。
约束条件为CDN设备覆盖区域为其可服务区域、CDN设备服务带宽小于其最大服务带宽、所有域名在所有区域都有CDN设备服务。
其中，预设迭代次数可以为50次。
其中，若满足已设定的约束条件，则按照基因评估值得分的高低值进行排序，将评估值得分最高的基因直接放入子代种群，将所有父代基因进行选择、遗传和变异生成子代种群，具体为，
选择：通过评估值得分高的基因被选中概率高的轮盘选择法对种群中的基因进行选择；
遗传：选择两个父代基因个体，随机交换父代的基因段，例如代表两种调度策略的基因分别为0101011 1001101和1101011 1000101，进行交换后可以为0101011 1000101，1101011 1001101；
变异：抽取子代基因个体，即达到要求的评估值得分的调度策略，替换其中某些基因，进行改变，0变1，1变0，如将1001101的基因变为0110010,1000001等，其调度策略随之改变。
评估值得分最高的父代基因不仅直接放入子代种群，同时也作为进行选择、遗传和变异的父代样本。
一些实施例中，若未达到要求的评估值得分，还可以选择将未达到要求评估值得分的调度策略进行大幅度减分，继续参与选择，遗传，变异的过程。因为一些评估值未达到要求的基因，可能由于前半段基因不符合要求，但是后半段基因很优，通过基因交换是有可能把后半段继承到后代的，以此保持基因的多样性。
S204:将最优基因对应的调度策略确定为当前周期的调度策略。
将通过遗传算法计算出的最优基因对应的调度策略确定为当前周期的调度策略，根据当前周期的调度策略进行调度，在CDN设备集合中选择至少一个CDN设备，请任务请求发送到选择的CDN设备中进行处理。
根据本申请的第二方面，提供一种CDN调度设备，包括：
调度模块43，用于获取当前周期的调度策略，调度策略是基于遗传算法确定的；
接收模块41，用于接收客户端发送的内容访问请求，内容访问请求中包含通过Local DNS进行IP查询的DNS报文；
查找模块42，用于确定Local DNS的IP对应的区域的应该服务的CDN设备集合；
调度模块43，还用于根据调度策略，在CDN设备集合中选择至少一个CDN设备；
执行模块44，用于将请求分配到选择的CDN设备进行处理。
一些实施例中的CDN调度设备，还包括数据采集模块，用于自动获取CDN设备的静态参数及动态参数。
获取CDN设备的静态参数包括：获取每个CDN设备可服务区域集合，CDN设备最大承受带宽，CDN设备保底带宽，CDN设备成本带宽，CDN设备计费方式。如果运行过程中，CDN设备参数如果有变化，则自动更新CDN设备信息。
获取CDN设备的动态参数包括：获取CDN设备运行时产生的相关指标，包括：CDN设备网络是否联通；CDN设备内存、CPU、I/O、网络等使用率；自动获取所有域名所有区域在不同CDN设备上服务得到的性能指标，包括：成功率、延时、慢速比等。
自动获取域名带宽信息：实时统计所有域名的带宽信息，对域名按照区域进行分类，统计所有域名在不同区域每隔5分钟的带宽数据。
数据存储模块，用于存储数据采集模块采集的数据。
长期预测模块，用于进行长期预测。
短期预测模块，用于进行短期预测。
服务质量模块，用于获取个CDN设备的服务质量评估值。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种CDN调度方法，其特征在于，包括：
获取当前周期的调度策略，所述调度策略是基于遗传算法确定的；
接收客户端发送的内容访问请求，所述内容访问请求中包含通过Local DNS进行IP查询的DNS报文；
确定所述Local DNS的IP对应的区域的应该服务的CDN设备集合；
根据所述调度策略，在所述CDN设备集合中选择至少一个CDN设备；
将所述请求分配到选择的CDN设备进行处理；
其中，所述当前周期的调度策略是在当前周期的上一周期计算得到的；
计算当前周期的调度策略包括：
随机初始化种群基因，每个基因对应一种调度策略；
预测当前周期的全网带宽，并根据所述全网带宽设定基因进化方向；
基于遗传算法使初始种群基因向着所述基因进化方向进行进化，得到最优基因；
将最优基因对应的调度策略确定为当前周期的调度策略；
其中，所述根据所述全网带宽设定基因进化方向包括：
当全网带宽大于CDN设备的期望计费带宽之和时，将当前时刻使用免费带宽的CDN设备设定为基因进化方向；
当全网带宽不小于CDN设备的期望成本带宽之和，不大于CDN设备的期望计费带宽之和时，将CDN设备成本优先，服务质量为辅设定为基因进化方向；
当全网带宽小于CDN设备的期望成本带宽之和，将CDN设备服务质量优先设定为基因进化方向。
2.根据权利要求1所述的方法，其特征在于，所述基于遗传算法使初始种群基因向着所述基因进化方向进行进化，得到最优基因，包括：
从初始种群基因开始，计算每个基因对应的调度策略所有评估值的得分之和；
若达到要求的评估值得分，则评测其是否满足已设定的约束条件；
若未达到要求的评估值得分，则舍弃；
若满足已设定的约束条件，则按照基因评估值得分的高低值进行排序，将评估值得分最高的基因直接放入子代种群，将所有父代基因进行选择、遗传和变异生成子代种群；
计算所述子代基因种群每个基因对应的调度策略所有评估值的得分之和；
重复以上步骤直到达到预设的迭代次数或者满足预设基因进化成功条件；
输出评估值最高的调度策略对应的最优基因。
3.根据权利要求2所述的方法，其特征在于，所述评估值包括：CDN设备带宽成本、CDN设备服务质量和是否满足基因进化方向。
4.根据权利要求2所述的方法，其特征在于，所述约束条件为CDN设备覆盖区域为其可服务区域、CDN设备服务带宽小于其最大服务带宽、所有域名在所有区域都有CDN设备服务。
5.根据权利要求3所述的方法，其特征在于，判断所述是否满足基因进化方向，包括：
若当前时刻使用免费带宽的CDN设备设定为基因进化方向，则计算调度策略中所有提供服务的CDN设备的带宽成本之和，将满足使用免费带宽的CDN设备成本为零，并且不额外增加其他CDN设备的成本之和的调度策略确定为满足基因进化方向；
若将CDN设备成本优先，服务质量为辅设定为基因进化方向，则计算调度策略中所有提供服务的CDN设备的带宽成本之和并获取所有提供服务的CDN设备的服务质量评估值，满足所有CDN设备的带宽成本之和较低，并且服务质量评估值较高的调度策略满足基因进化方向；
若将CDN设备服务质量优先设定为基因进化方向，则计算调度策略中所有提供服务的CDN设备的带宽成本之和并获取所有提供服务的CDN设备的服务质量评估值，满足所有CDN设备服务质量评估值较高，并且不额外增加其他CDN设备的成本之和的调度策略满足基因进化方向。
6.根据权利要求1所述的方法，其特征在于，所述预测当前周期的全网带宽，包括：
确定当前周期所在的长期预测周期，所对应的长期预测值；以及，
预测当前周期的短期预测值；
采用所述短期预测值对所述长期预测值进行修正，预测得到当前周期的全网带宽。
7.根据权利要求6所述的方法，其特征在于，
所述当前周期和所述上一周期，以一小时为周期。
8.一种CDN调度设备，其特征在于，包括：
调度模块，用于获取当前周期的调度策略，调度策略是基于遗传算法确定的；
接收模块，用于接收客户端发送的内容访问请求，内容访问请求中包含通过Local DNS获得的IP地址；
查找模块，用于确定所述Local DNS对应的区域的应该服务的CDN设备集合；
调度模块，还用于根据所述调度策略，在所述CDN设备集合中选择至少一个CDN设备；
执行模块，用于将请求分配到选择的CDN设备进行处理；
其中，所述当前周期的调度策略是在当前周期的上一周期计算得到的；
计算当前周期的调度策略包括：
随机初始化种群基因，每个基因对应一种调度策略；
预测当前周期的全网带宽，并根据所述全网带宽设定基因进化方向；
基于遗传算法使初始种群基因向着所述基因进化方向进行进化，得到最优基因；
将最优基因对应的调度策略确定为当前周期的调度策略；
其中，所述根据所述全网带宽设定基因进化方向包括：
当全网带宽大于CDN设备的期望计费带宽之和时，将当前时刻使用免费带宽的CDN设备设定为基因进化方向；
当全网带宽不小于CDN设备的期望成本带宽之和，不大于CDN设备的期望计费带宽之和时，将CDN设备成本优先，服务质量为辅设定为基因进化方向；
当全网带宽小于CDN设备的期望成本带宽之和，将CDN设备服务质量优先设定为基因进化方向。
CN201811139944.1A 2018-09-28 2018-09-28 一种cdn调度方法及cdn调度设备 Active CN109067670B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811139944.1A CN109067670B (zh) 2018-09-28 2018-09-28 一种cdn调度方法及cdn调度设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811139944.1A CN109067670B (zh) 2018-09-28 2018-09-28 一种cdn调度方法及cdn调度设备

Publications (2)

Publication Number Publication Date
CN109067670A CN109067670A (zh) 2018-12-21
CN109067670B true CN109067670B (zh) 2022-07-12

Family

ID=64766737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811139944.1A Active CN109067670B (zh) 2018-09-28 2018-09-28 一种cdn调度方法及cdn调度设备

Country Status (1)

Country Link
CN (1) CN109067670B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109639533B (zh) * 2019-01-08 2022-06-10 深圳市网心科技有限公司 一种区域调度策略的测试方法、系统及终端设备
CN110198344A (zh) * 2019-05-05 2019-09-03 网宿科技股份有限公司 一种资源调度方法及系统
CN113132437B (zh) * 2019-12-31 2024-01-23 中兴通讯股份有限公司 Cdn调度方法、系统、设备和存储介质
CN111327461B (zh) * 2020-01-23 2022-03-11 华为云计算技术有限公司 一种基于cdn系统的域名管理方法、装置、设备及介质
CN111917898B (zh) * 2020-07-24 2021-08-27 网宿科技股份有限公司 一种资源调度策略的调整方法及装置
CN112243025B (zh) * 2020-09-22 2023-10-17 网宿科技股份有限公司 节点成本的调度方法、电子设备及存储介质
CN113691463B (zh) * 2021-08-19 2022-07-08 网宿科技股份有限公司 Cdn调度参数调整方法、装置、电子设备及存储介质
CN113891268B (zh) * 2021-11-02 2024-04-16 杨世标 一种用户流量计费稽核方法
CN115002117A (zh) * 2022-05-30 2022-09-02 中移（杭州）信息技术有限公司 内容分发网络动态调度方法、系统、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166630A (zh) * 2014-08-06 2014-11-26 哈尔滨工程大学 一种面向内容中心网络中基于预测的最优化缓存放置方法
CN105740051A (zh) * 2016-01-27 2016-07-06 北京工业大学 基于改进的遗传算法的云计算资源调度实现方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090276317A1 (en) * 2008-05-01 2009-11-05 Ds-Iq, Inc. Dynamic inventory management for systems presenting marketing campaigns via media devices in public places
WO2016049333A1 (en) * 2014-09-24 2016-03-31 Interdigital Patent Holdings, Inc. Method and system for creating a pre-fetching list for managed caching in small cell networks
US10963506B2 (en) * 2016-11-15 2021-03-30 Evolv Technology Solutions, Inc. Data object creation and recommendation using machine learning based offline evolution
US11403532B2 (en) * 2017-03-02 2022-08-02 Cognizant Technology Solutions U.S. Corporation Method and system for finding a solution to a provided problem by selecting a winner in evolutionary optimization of a genetic algorithm

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166630A (zh) * 2014-08-06 2014-11-26 哈尔滨工程大学 一种面向内容中心网络中基于预测的最优化缓存放置方法
CN105740051A (zh) * 2016-01-27 2016-07-06 北京工业大学 基于改进的遗传算法的云计算资源调度实现方法

Also Published As

Publication number Publication date
CN109067670A (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
CN109067670B (zh) 一种cdn调度方法及cdn调度设备
US20180115598A1 (en) Selective Distribution of Machine-Learned Models
US20110032833A1 (en) Optimization of traffic routing for data center services
EP3318013A1 (en) Communications network
CN110995619B (zh) 一种服务质量感知的虚拟网络映射方法和装置
CN110402567A (zh) 信息为中心的网络中基于中心性的缓存
CN109246032B (zh) 一种基于遗传算法的cdn调度方法及设备
Osaba et al. Multi-objective optimization of bike routes for last-mile package delivery with drop-offs
CN114205317B (zh) 基于sdn与nfv的服务功能链sfc资源分配方法及电子设备
CN109978241B (zh) 一种电动汽车充电负荷的确定方法及装置
CN114205374B (zh) 基于信息时效性的传输和计算联合调度方法、装置及系统
CN109889573B (zh) 混合云中基于ngsa多目标的副本放置方法
CN112787833B (zh) 内容分发网络cdn服务器的部署方法和装置
CN109474696B (zh) 一种网络服务方法、装置、电子设备及可读存储介质
CN113285832B (zh) 基于nsga-ii的电力多模态网络资源优化分配方法
CN114205249B (zh) 资源分配方法及终端设备
Zhao et al. A genetic approach to solving the vehicle routing problem with time-dependent travel times
Haghighi et al. MDP modeling of resource provisioning in virtualized content-delivery networks
CN114443258B (zh) 用于虚拟机的资源调度方法、装置、设备及存储介质
CN115759528B (zh) It服务质量管理方法、装置及存储介质
Chang et al. Network state aware virtual network parallel embedding
CN117081983B (zh) 数据传输方法及装置
Xu et al. QoS oriented embedding for network virtualization
CN111787046B (zh) 数据中心路由方法和装置
CN1791104A (zh) 促进本地代理偏好信息使用的方法和装置

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