CN109802926B - 内容分发网络的推荐模型建立方法、直播方法及装置 - Google Patents
内容分发网络的推荐模型建立方法、直播方法及装置 Download PDFInfo
- Publication number
- CN109802926B CN109802926B CN201711144095.4A CN201711144095A CN109802926B CN 109802926 B CN109802926 B CN 109802926B CN 201711144095 A CN201711144095 A CN 201711144095A CN 109802926 B CN109802926 B CN 109802926B
- Authority
- CN
- China
- Prior art keywords
- live broadcast
- content distribution
- distribution network
- anchor
- recommendation model
- 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
Images
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例公开一种内容分发网络的推荐模型建立方法、直播方法及装置、电子设备、计算机可读存储介质,涉及互联网技术领域,能够有效提高直播质量和用户体验。所述推荐模型建立方法包括:接收主播端发送的心跳消息,所述心跳消息中携带所述主播端的直播状态参数;根据所述直播状态参数确定所述主播端的直播质量评分;以所述主播端的网络连接信息、直播时段信息以及所述直播质量评分作为特征向量进行模型训练,以建立内容分发网络的推荐模型。本发明可用于网络直播中。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种内容分发网络的推荐模型建立方法、直播方法及装置。
背景技术
近年来,利用因特网传输音视频越来越流行,出现了很多内容丰富、使用便捷、交互性强的视频多媒体服务。在很多音视频直播应用中,对主播和观众都需要提供尽量简单的使用流程以及高并发、流畅、低延时、高清的基本服务。
在实现上,视频直播的直播内容一般通过CDN(Content Delivery Network,内容分发网络)实现主播和观众之间的推拉流,从而进行开播和观看。
目前业界的传统做法通常是从多家CDN服务厂商中随机选择一家来提供服务。然而,选出的CDN服务厂商不一定是最适合当前用户的,因此常常出现主播上行丢包率较高、观众拉流下行卡顿也较严重的情况,大大降低了直播质量和用户体验。
发明内容
有鉴于此,本发明实施例提供一种内容分发网络的推荐模型建立方法、直播方法及装置、电子设备、计算机可读存储介质,能够有效提高直播质量和用户体验。
第一方面,本发明实施例提供一种内容分发网络的推荐模型建立方法,包括:接收主播端发送的心跳消息,所述心跳消息中携带所述主播端的直播状态参数;根据所述直播状态参数确定所述主播端的直播质量评分;以所述主播端的网络连接信息、直播时段信息以及所述直播质量评分作为特征向量进行模型训练,以建立内容分发网络的推荐模型。
结合第一方面,在第一方面的第一种实施方式中,所述直播状态参数包括以下至少一种:所述主播端的CPU使用率、所述主播端与指定服务器连接用时、所述主播端的数据包发送数和丢弃数。
结合第一方面的第一种实施方式,在第一方面的第二种实施方式中,所述根据所述直播状态参数确定所述主播端的直播质量评分包括:确定所述直播质量评分等于各所述直播状态参数按照预设的加权运算规则运算所得的结果。
结合第一方面,在第一方面的第三种实施方式中,所述主播端的网络连接信息包括:所述主播端的网际协议地址、互联网服务提供商标识、内容分发网络服务厂商标识。
第二方面,本发明的实施例还提供一种直播方法,包括:接收主播端发送的直播请求,所述直播请求中携带请求参数,所述请求参数包括所述主播端的网际协议地址、互联网服务提供商标识、待推流视频的视频标识;将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型,以根据所述推荐模型预测所述主播端在各备选的内容分发网络中对应的直播质量预测分数,其中,所述推荐模型根据本发明实施例提供的任一种内容分发网络的推荐模型建立方法建立;将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
结合第二方面,在第二方面的第一种实施方式中,所述将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型之后,所述将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之前,所述方法还包括:获取所述直播质量预测分数最高时所对应的内容分发网络的服务状态信息;所述将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端包括:在所述服务状态信息为第一状态的情况下,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
结合第二方面的第一种实施方式,在第二方面的第二种实施方式中,还包括:在所述服务状态信息为第二状态的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
结合第二方面,在第二方面的第三种实施方式中,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之后,所述方法还包括:检测推荐给所述主播端的内容分发网络的计费情况距离计费跳表的时间间隔或流量间隔是否大于预设阈值;在所述时间间隔或所述流量间隔大于所述预设阈值的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
第三方面,本发明的实施例还提供一种内容分发网络的推荐模型建立装置,包括:心跳接收单元,用于接收主播端发送的心跳消息,所述心跳消息中携带所述主播端的直播状态参数;确定单元,用于根据所述直播状态参数确定所述主播端的直播质量评分;训练单元,用于以所述主播端的网络连接信息、直播时段信息以及所述直播质量评分作为特征向量进行模型训练,以建立内容分发网络的推荐模型。
结合第三方面,在第三方面的第一种实施方式中,所述直播状态参数包括以下至少一种:所述主播端的CPU使用率、所述主播端与指定服务器连接用时、所述主播端的数据包发送数和丢弃数。
结合第三方面的第一种实施方式,在第三方面的第二种实施方式中,所述确定单元,具体用于确定所述直播质量评分等于各所述直播状态参数按照预设的加权运算规则运算所得的结果。
结合第三方面,在第三方面的第三种实施方式中,所述主播端的网络连接信息包括:所述主播端的网际协议地址、互联网服务提供商标识、内容分发网络服务厂商标识。
第四方面,本发明的实施例还提供一种直播装置,包括:请求接收单元,用于接收主播端发送的直播请求,所述直播请求中携带请求参数,所述请求参数包括所述主播端的网际协议地址、互联网服务提供商标识、待推流视频的视频标识;预测单元,用于将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型,以根据所述推荐模型预测所述主播端在各备选的内容分发网络中对应的直播质量预测分数,其中,所述推荐模型由本发明的实施例提供的任一种内容分发网络的推荐模型建立装置建立;推荐单元,用于将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
结合第四方面,在第四方面的第一种实施方式中,所述直播装置还包括获取单元,用于在将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型之后,在将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之前,获取所述直播质量预测分数最高时所对应的内容分发网络的服务状态信息;所述推荐单元,具体用于在所述服务状态信息为第一状态的情况下,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
结合第四方面的第一种实施方式,在第四方面的第二种实施方式中,所述推荐单元,还用于在所述服务状态信息为第二状态的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
结合第四方面,在第四方面的第三种实施方式中,所述直播装置还包括检测单元,用于将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之后,检测推荐给所述主播端的内容分发网络的计费情况距离计费跳表的时间间隔或流量间隔是否大于预设阈值;所述推荐单元,还用于在所述时间间隔或所述流量间隔大于所述预设阈值的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
第五方面,本发明的实施例还提供一种电子设备,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为上述电子设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行本发明的实施例提供的任一种内容分发网络的推荐模型建立方法。
第六方面,本发明的实施例还提供一种电子设备,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为上述电子设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行本发明实施例提供的任一种直播方法。
第七方面,本发明的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本发明实施例提供的任一种内容分发网络的推荐模型建立方法。
第八方面,本发明的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本发明实施例提供的任一种直播方法。
本发明实施例提供的内容分发网络的推荐模型建立方法、直播方法及装置、电子设备、计算机可读存储介质,能够根据主播端发送的心跳消息中携带的直播状态参数计算出主播端此次开播的开播质量评分,然后根据开播质量评分、主播端的网络连接信息、开播时段信息等进行模型训练,形成内容分发网络的推荐模型,从而能够为主播端推荐最适合的内容分发网络,避免了内容分发网络选择的随机和盲目性,有效提高了网络直播质量和用户体验。
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的前提下,还可以根据这些附图获得其它的附图。
图1为本发明的实施例提供的内容分发网络的推荐模型建立方法的一种流程图;
图2为本发明的实施例提供的直播方法的一种流程图;
图3为本发明的实施例提供的内容分发网络的推荐模型建立方法、直播方法的一种详细流程图;
图4为本发明的实施例提供的内容分发网络的推荐模型建立装置的一种结构示意图;
图5为本发明的实施例提供的直播装置的一种结构示意图;
图6为本发明的实施例提供的电子设备的一种结构示意图;
图7为本发明的实施例提供的电子设备的另一种结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确,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。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它实施例,都属于本发明保护的范围。
第一方面,本发明实施例提供一种内容分发网络的推荐模型建立方法,能够根据主播端发送的心跳消息中携带的直播状态参数计算出主播端此次开播的开播质量评分,然后根据开播质量评分、主播端的网络连接信息、开播时段信息等进行模型训练,形成内容分发网络的推荐模型,从而能够为主播端推荐最适合的内容分发网络,有效提高了网络直播质量和用户体验。
图1为本发明的实施例提供的内容分发网络的推荐模型建立方法的一种流程图,如图1所示,本实施例的内容分发网络的推荐模型建立方法可以包括:
S11,接收主播端发送的心跳消息,所述心跳消息中携带所述主播端的直播状态参数;
由于建立推荐模型的目标是能够为处于世界各地的、基于各种平台的主播推荐最合适的内容分发网络,为了对各主播端提供及时的响应,本发明的实施例中,推荐模型的建立可以基于分布广泛的云服务端,推荐模型的模型训练所使用的数据则可以来自世界各地、基于各种平台的主播端。通过云服务端将这些数据汇集,利用大数据为推荐模型的建立提供数据基础。
为了使云服务端获得各主播端的数据,在直播进行过程中,与云服务端相通信连接的各主播端可以间隔一段时间向云服务端发送一个心跳消息,用来告知云服务端自己是否处于工作状态。本实施例中,可以在心跳消息中携带主播端的直播状态参数,从而向云服务端上报自己的直播状态信息。
具体的,每个心跳消息可以包括从上一次发送心跳消息时刻起,到本次发送心跳消息前为止主播端的相关状态信息,例如,在本发明的一个实施例中,直播状态参数包括以下一种或多种:主播端的CPU使用率、主播端与指定服务器连接用时、所述主播端的数据包发送数和丢弃数。
其中,主播端的CPU使用率可以反映主播端CPU的繁忙程度,CPU使用率越高,该主播端的CPU越繁忙,相同情况下处理直播业务的等待时间可能也就越长。CPU使用率越低,该主播端的CPU越空闲,相同情况下处理直播业务的等待时间可能也就越短。
主播端与指定服务器的连接用时,可以反映出主播端的网络连接情况是否良好。主播端与指定服务器的连接用时越长,则可能反映出主播端所处的网络环境越差,主播端与指定服务器的连接用时越短,则可能反映出主播端所处的网络环境越好。一般的,指定服务器可以为在目标范围内覆盖比较广泛的服务器,例如,指定服务器可以为Google服务器、百度服务器、阿里服务器等,相应的连接用时可以为主播端尝试连接到Google服务器(例如ping Google)所需要的时长,或连接到百度、阿里等服务器所需要的时长。
主播端的数据包发送数和丢弃数是指两次心跳消息之间,主播端发送出了多少数据包,丢弃了多少数据包。主播端可以在每个心跳消息中携带相应的数据包发送数和丢弃数,相应的,云服务端可以根据接收到的数据包发送数和丢弃数计算出一段时间内的平均发送率或平均丢包率等。如果一个视频直播的丢包率越高、发送率越低,则说明主播端的直播质量越差,反之,丢包率越低、发送率越高,则说明主播端的直播质量越好。
S12,根据所述直播状态参数确定所述主播端的直播质量评分;
本步骤中,云服务端可以根据接收到的直播状态参数为每个开播的视频计算出直播质量评分。例如,当主播端的一个视频直播结束后,云服务端可以根据直播期间主播心跳消息中携带的直播状态参数计算出每个视频直播的直播质量评分。直播质量评分是一种能够反映本次视频直播的总体播放质量的一种参数,可以由相应的直播状态参数经过不同的计算规则获得。
可选的,根据本发明的一种实施方式,根据所述直播状态参数确定所述主播端的直播质量评分可包括:确定所述直播质量评分等于各所述直播状态参数按照预设的加权运算规则运算所得的结果。例如,在本发明的一个实施例中,直播质量评分y可以为:y=1/(2*CPU使用率+5*主播端与指定服务器连接用时+10*丢包率),其中,2、5、10分别为相应的权重系数。当然,在本发明的其它实施例中,直播质量评分y的加权运算规则也可以是其它形式,只要能够反映出直播质量的优劣即可,本发明的实施例对此不做限定。
步骤S13,以所述主播端的网络连接信息、直播时段信息以及所述直播质量评分作为特征向量进行模型训练,以建立内容分发网络的推荐模型。
本步骤中,计算出一段视频直播的直播质量评分后,可以利用该直播质量评分及主播端的相关信息进行模型训练得到推荐模型,从而利用该推荐模型获知在何种情况下应该向什么样的主播端推荐使用何种内容分发网络,才能获得比较好的直播质量。其中,主播端的相关信息可以包括主播端在进行该网络直播时的网络连接信息以及该网络直播所处的时段。主播端的网络连接信息可以包括所述主播端的网际协议地址IP地址、互联网服务提供商标识ISP标识、内容分发网络服务厂商标识CDN标识等。在每个主播端与云服务端建立连接时,云服务端可以获知主播端的这些网络连接信息,并利用这些信息及计算出的直播质量评分来对推荐模型进行模型训练。
主播端的网络连接信息、直播时段信息对CDN服务厂商的选择具有一定的影响。
首先,不同的IP地址能够在一定程度上反映出主播端所处的地理位置,而不同的ISP以及CDN在不同地区的部署特点以及可提供的具体服务都可能不尽相同,因此,IP地址可以从地域角度上大体区分出不同主播端所适合的CDN服务大体有哪些。
其次,不同的ISP有不同的业务部署,与不同的CDN服务厂商合作,因此,主播端的ISP对CDN服务厂商的推荐也有很大影响。例如我国的移动、联通、电信三大ISP在不同省、市地区所提供的服务就不尽相同。有可能A城市联通的网络覆盖情况较好,而B城市的电信网络覆盖较好,并且A城市的联通网络与CDN服务厂商C1的合作较多,而在B城市的电信网络与CND服务厂商C2的合作较多。在进行模型训练时,怎样的IP、ISP、CDN组合才能有比较高的直播质量评分需要具体情况具体分析。
另外,不同的直播时段网络繁忙程度不同,也会影响CDN的推荐。例如,以北京时间为参照,可能一些CDN厂商在中国北方某个小县城最繁忙的时段为18:00至21:00,而在新疆某市,该CDN服务厂商在21:00至23:00才是最繁忙的时候。为了给主播端提供更好的CDN服务,在其他条件相同的情况下,可以为该主播端推荐处于非繁忙时期的CDN服务厂商。可见,直播所处的直播时段也可以作为一个特征向量来度量主播端所使用的CDN服务厂商。但与CPU使用率等直播状态参数不同,直播时段信息并不需要通过心跳消息等方式传递,云服务端可以根据主播端发出直播请求的时间以及直播结束的时间来确定本次直播处于哪个时段。
本发明实施例提供的内容分发网络的推荐模型建立方法,能够根据主播端发送的心跳消息中携带的直播状态参数计算出主播端此次开播的开播质量评分,然后根据开播质量评分、主播端的网络连接信息、开播时段信息等进行模型训练,形成内容分发网络的推荐模型,从而能够为主播端推荐最适合的内容分发网络,避免了内容分发网络选择的随机和盲目性,有效提高了网络直播质量和用户体验。
第二方面,本发明的实施例还提供一种直播方法,能够为主播端推荐最适合的内容分发网络,避免了内容分发网络选择的随机和盲目性,有效提高了网络直播质量和用户体验。
如图2所示,本实施例提供的直播方法可包括:
S21,接收主播端发送的直播请求,所述直播请求中携带请求参数,所述请求参数包括所述主播端的网际协议地址、互联网服务提供商标识、待推流视频的视频标识;
S22,将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型,以根据所述推荐模型预测所述主播端在各备选的内容分发网络中对应的直播质量预测分数,其中,所述推荐模型根据前述实施例提供的任一种的内容分发网络的推荐模型建立方法建立;
S23,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
本发明实施例提供的直播方法,接收到主播端的直播请求后,能够将直播请求中携带的请求参数及直播时段代入前述实施例提供的任一种推荐模型,并预测该主播端在使用各个备选的CDN服务厂商时能够达到的直播质量预测分数,然后将直播质量预测分数最高时所采用的CDN服务厂商推荐给该主播端,从而为该主播端推荐最适合该主播端当前应用的CDN服务厂商,避免了内容分发网络选择的随机和盲目性,有效提高了网络直播质量和用户体验。
进一步的,由于推荐模型反映的是一段时间以来,大量主播端的网络连接情况与直播质量的相互关系,当有紧急情况发生时,推荐模型可能没有来得及进行训练和调整。为了解决这一问题,在本发明的一个实施例中,将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型之后,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之前,本发明的实施例提供的直播方法还可包括:
获取所述直播质量预测分数最高时所对应的内容分发网络的服务状态信息;
相应的,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端可具体包括:
在所述服务状态信息为第一状态的情况下,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
进一步的,本发明实施例提供的直播方法还可包括:
在所述服务状态信息为第二状态的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
具体而言,内容分发网络的服务状态信息可以以云服务端的状态位或者缓存队列的形式存在。当内容分发网络运行正常时,对应的状态位或者缓存队列为第一状态,当内容分发网络运行出现故障,例如临时出现网络瘫痪、或大部分用户出现拉流失败的情况等,对应的状态为或者缓存队列为第二状态。
本发明的实施例中,只有内容分发网络的服务状态信息为第一状态的情况下才按照推荐模型的推荐,将直播质量预测分数最高时对应的内容分发网络推荐给主播端。当某个内容分发网络的服务状态信息为第二状态的情况下,即使该依据推荐模型计算出的该内容分发网络的直播质量预测分数最高,也不向主播端推荐使用该内容分发网络,从而使直播具有更好的容灾性能。
由于CDN厂商提供的服务多数为阶梯计费,为了增大阶梯费率的利用率,在本发明的一个实施例中,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之后,本发明实施例提供的直播方法还可包括:
检测推荐给所述主播端的内容分发网络的计费情况距离计费跳表的时间间隔或流量间隔是否大于预设阈值;
在所述时间间隔或所述流量间隔大于所述预设阈值的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
这样,在进行CDN服务厂商的推荐时增加了成本维度特征,从而可以在CDN费用跳表之前,切换到另一家CDN使用,使得本月度的多家CDN服务费用保持在最佳低档,因此有效降低了CDN服务费用,提升了CDN服务的性价比。
下面通过具体实施例对本发明实施例提供的内容分发网络的推荐模型建立方法、直播方法进行详细说明。
图3示出了云服务端收集各主播端的直播数据并计算出相应的直播质量评分,进行模型训练并建立推荐模型的过程,以及当一个主播端申请进行直播时,云服务端为该主播端分配哪个CDN服务厂商。如图3所示,本发明实施例提供的推荐模型建立方法、直播方法可包括如下步骤,其中,步骤S301至S303为推荐模型建立过程,步骤S304至步骤S311为直播过程。需要说明的是,以下步骤中,前端服务器、算法模块、调度模块、服务状态检查模块都是云服务端的一部分,为了说明云服务端的数据处理层次,本实施例对云服务端的各模块进行了展开。
S301、在直播过程中,前端服务器接收各主播端发送的心跳消息,该心跳消息中携带主播端各自的直播状态参数;
可选的,直播状态参数例如可以为主播端的CPU使用率、所述主播端与指定服务器连接用时、所述主播端的数据包发送数和丢弃数等;
S302、直播结束,计算出各直播视频的直播质量评分;
S303、算法模块以各主播端的IP地址、ISP标识、CDN标识、直播时段、以及计算出的直播质量评分为特征向量进行模型训练,建立内容分发网络的推荐模型并将推荐模型传给调度模块进行存储。
S304、主播端M向前端服务器发送直播请求,前端服务器记录下直播请求的接收时间,以该接收时间为起点确定直播所属时段;
S305、前端服务器将主播端M的IP地址、ISP标识、直播时段信息、视频标识vid等信息发送给调度模块;
S306、将步骤S305中获取的信息代入推荐模型,分别计算该主播端M在使用各备选的内容分发网络的情况下,分别能够获得的直播质量预测分数,并选出直播质量预测分数最高时对应的CDN服务厂商;
例如,主播端M使用内容分发网络CDN1时,对应的直播质量预测分数为24;使用内容分发网络CDN2时,对应的直播质量预测分数为19;使用内容分发网络CDN3时,对应的直播质量预测分数为37等。
S307、服务状态检查模块获取直播质量预测分数最高时所对应的内容分发网络的服务状态信息;
例如,仍以步骤S307中的内容为例,内容分发网络CDN3对应的直播质量预测分数为37,为三者中最高,则获取CDN3的服务状态信息;
S308、服务状态检查模块将服务状态信息向调度模块反馈;
S309、调度模块向前端服务器返回推荐的CDN服务厂商;
如果CDN3的服务状态信息为第一状态,说明CDN3工作状态正常,将CND3推荐给主播端M;
如果CDN3的服务状态信息为第二状态,说明CDN3出现故障,将直播质量预测分数次高的CND1推荐给主播端M。
S310、前端服务器向主播端返回推荐的CDN服务厂商;
S311、主播端M使用推荐的CDN服务厂商进行直播推拉流。
另外,本发明实施例提供的内容分发网络的推荐模型建立方法、直播方法可以随着数据量的增大以及算法的改进而不断进化的。推荐模型建立方法和直播方法的应用范围也可以随着模型的成熟而逐渐扩大,例如,模型初建期间应用范围可以为20%,后期可以扩展到60%,80%等。
同时,在为不同的主播端推荐CDN服务厂商时,为了保证等级比较高的VIP用户能够优先得到优质的CDN资源,在本发明的一个实施例中,可以将这些用户加入白名单,优先为白名单上的用户推荐优质CDN服务厂商。
第三方面,本发明的实施例还提供一种内容分发网络的推荐模型建立装置,能够为主播端推荐最适合的内容分发网络,有效提高了网络直播质量和用户体验。
如图4所示,本实施例提供的内容分发网络的推荐模型建立装置可包括:
心跳接收单元41,用于接收主播端发送的心跳消息,所述心跳消息中携带所述主播端的直播状态参数;
确定单元42,用于根据所述直播状态参数确定所述主播端的直播质量评分;
训练单元43,用于以所述主播端的网络连接信息、直播时段信息以及所述直播质量评分作为特征向量进行模型训练,以建立内容分发网络的推荐模型。
本发明实施例提供的内容分发网络的推荐模型建立装置,能够根据主播端发送的心跳消息中携带的直播状态参数计算出主播端此次开播的开播质量评分,然后根据开播质量评分、主播端的网络连接信息、开播时段信息等进行模型训练,形成内容分发网络的推荐模型,从而能够为主播端推荐最适合的内容分发网络,避免了内容分发网络选择的随机和盲目性,有效提高了网络直播质量和用户体验。
可选的,所述直播状态参数包括以下至少一种:所述主播端的CPU使用率、所述主播端与指定服务器连接用时、所述主播端的数据包发送数和丢弃数。
可选的,确定单元42,具体用于确定所述直播质量评分等于各所述直播状态参数按照预设的加权运算规则运算所得的结果。
可选的,所述主播端的网络连接信息包括:所述主播端的网际协议地址、互联网服务提供商标识、内容分发网络服务厂商标识。
第四方面,本发明的实施例还提供一种直播装置,能够为主播端推荐最适合的内容分发网络,避免了内容分发网络选择的随机和盲目性,有效提高了网络直播质量和用户体验。
如图5所示,本发明实施例提供的直播装置,包括:
请求接收单元51,用于接收主播端发送的直播请求,所述直播请求中携带请求参数,所述请求参数包括所述主播端的网际协议地址、互联网服务提供商标识、待推流视频的视频标识;
预测单元52,用于将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型,以根据所述推荐模型预测所述主播端在各备选的内容分发网络中对应的直播质量预测分数,其中,所述推荐模型由前述实施例提供的任一种内容分发网络的推荐模型建立装置建立;
推荐单元53,用于将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
本发明实施例提供的直播装置,接收到主播端的直播请求后,能够将直播请求中携带的请求参数及直播时段代入前述实施例提供的任一种推荐模型,并预测该主播端在使用各个备选的CDN服务厂商时能够达到的直播质量预测分数,然后将直播质量预测分数最高时所采用的CDN服务厂商推荐给该主播端,从而为该主播端推荐最适合该主播端当前应用的CDN服务厂商,避免了内容分发网络选择的随机和盲目性,有效提高了网络直播质量和用户体验。
进一步的,本发明实施例提供的直播装置还可包括获取单元,用于在将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型之后,在将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之前,获取所述直播质量预测分数最高时所对应的内容分发网络的服务状态信息;推荐单元53,具体用于在所述服务状态信息为第一状态的情况下,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
进一步的,推荐单元53,还用于在所述服务状态信息为第二状态的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
进一步的,所述直播装置还可包括检测单元,用于将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之后,检测推荐给所述主播端的内容分发网络的计费情况距离计费跳表的时间间隔或流量间隔是否大于预设阈值;推荐单元53,还用于在所述时间间隔或所述流量间隔大于所述预设阈值的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。这样,在进行CDN服务厂商的推荐时增加了成本维度特征,从而可以在CDN费用跳表之前,切换到另一家CDN使用,使得本月度的多家CDN服务费用保持在最佳低档,因此有效降低了CDN服务费用,提升了CDN服务的性价比。
第五方面,本发明实施例提供一种电子设备,能够为主播端推荐最适合的内容分发网络,有效提高了网络直播质量和用户体验。
如图6所示,本发明的实施例提供的一种电子设备,可以包括:壳体61、处理器62、存储器63、电路板64和电源电路65,其中,电路板64安置在壳体61围成的空间内部,处理器62和存储器63设置在电路板64上;电源电路65,用于为上述电子设备的各个电路或器件供电;存储器63用于存储可执行程序代码;处理器62通过读取存储器63中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述任一实施例提供的内容分发网络的推荐模型建立方法。
处理器62对上述步骤的具体执行过程以及处理器62通过运行可执行程序代码来进一步执行的步骤,可以参见前述实施例的描述,在此不再赘述。
第六方面,本发明实施例提供一种电子设备,能够为主播端推荐最适合的内容分发网络,避免了内容分发网络选择的随机和盲目性,有效提高了网络直播质量和用户体验。
如图7所示,本发明的实施例提供的一种电子设备,可以包括:壳体71、处理器72、存储器73、电路板74和电源电路75,其中,电路板74安置在壳体71围成的空间内部,处理器72和存储器73设置在电路板74上;电源电路75,用于为上述电子设备的各个电路或器件供电;存储器73用于存储可执行程序代码;处理器72通过读取存储器73中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述任一实施例提供的直播方法。
处理器72对上述步骤的具体执行过程以及处理器72通过运行可执行程序代码来进一步执行的步骤,可以参见前述实施例的描述,在此不再赘述。
上述电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子设备。
第七方面,本发明的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现前述实施例提供的任一种内容分发网络的推荐模型建立方法,因此也能实现相应的技术效果,前文已经进行了详细说明,此处不再赘述。
第八方面,本发明的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现前述实施例提供的任一种直播方法,因此也能实现相应的技术效果,前文已经进行了详细说明,此处不再赘述。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
为了描述的方便,描述以上装置是以功能分为各种单元/模块分别描述。当然,在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (18)
1.一种内容分发网络的推荐模型建立方法,其特征在于,包括:
接收主播端发送的心跳消息,所述心跳消息中携带所述主播端的直播状态参数;
根据所述直播状态参数确定所述主播端的直播质量评分;
以所述主播端的网络连接信息、直播时段信息以及所述直播质量评分作为特征向量进行模型训练,以建立内容分发网络的推荐模型,所述推荐模型用于为所述主播端推荐内容分发网络,所述主播端的网络连接信息包括:所述主播端的网际协议地址、互联网服务提供商标识、内容分发网络服务厂商标识。
2.根据权利要求1所述的方法,其特征在于,所述直播状态参数包括以下至少一种:所述主播端的CPU使用率、所述主播端与指定服务器连接用时、所述主播端的数据包发送数和丢弃数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述直播状态参数确定所述主播端的直播质量评分包括:
确定所述直播质量评分等于各所述直播状态参数按照预设的加权运算规则运算所得的结果。
4.一种直播方法,其特征在于,包括:
接收主播端发送的直播请求,所述直播请求中携带请求参数,所述请求参数包括所述主播端的网际协议地址、互联网服务提供商标识、待推流视频的视频标识;
将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型,以根据所述推荐模型预测所述主播端在各备选的内容分发网络中对应的直播质量预测分数,其中,所述推荐模型根据权利要求1至3中任一项所述的内容分发网络的推荐模型建立方法建立;
将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
5.根据权利要求4所述的方法,其特征在于,所述将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型之后,所述将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之前,所述方法还包括:
获取所述直播质量预测分数最高时所对应的内容分发网络的服务状态信息;
所述将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端包括:
在所述服务状态信息为第一状态的情况下,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
6.根据权利要求5所述的方法,其特征在于,还包括:
在所述服务状态信息为第二状态的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
7.根据权利要求4所述的方法,其特征在于,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之后,所述方法还包括:
检测推荐给所述主播端的内容分发网络的计费情况距离计费跳表的时间间隔或流量间隔是否大于预设阈值;
在所述时间间隔或所述流量间隔大于所述预设阈值的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
8.一种内容分发网络的推荐模型建立装置,其特征在于,包括:
心跳接收单元,用于接收主播端发送的心跳消息,所述心跳消息中携带所述主播端的直播状态参数;
确定单元,用于根据所述直播状态参数确定所述主播端的直播质量评分;
训练单元,用于以所述主播端的网络连接信息、直播时段信息以及所述直播质量评分作为特征向量进行模型训练,以建立内容分发网络的推荐模型,所述推荐模型用于为所述主播端推荐内容分发网络,所述主播端的网络连接信息包括:所述主播端的网际协议地址、互联网服务提供商标识、内容分发网络服务厂商标识。
9.根据权利要求8所述的装置,其特征在于,所述直播状态参数包括以下至少一种:所述主播端的CPU使用率、所述主播端与指定服务器连接用时、所述主播端的数据包发送数和丢弃数。
10.根据权利要求9所述的装置,其特征在于,所述确定单元,具体用于确定所述直播质量评分等于各所述直播状态参数按照预设的加权运算规则运算所得的结果。
11.一种直播装置,其特征在于,包括:
请求接收单元,用于接收主播端发送的直播请求,所述直播请求中携带请求参数,所述请求参数包括所述主播端的网际协议地址、互联网服务提供商标识、待推流视频的视频标识;
预测单元,用于将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型,以根据所述推荐模型预测所述主播端在各备选的内容分发网络中对应的直播质量预测分数,其中,所述推荐模型由权利要求8至10中任一项所述的内容分发网络的推荐模型建立装置建立;
推荐单元,用于将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
12.根据权利要求11所述的装置,其特征在于,还包括获取单元,用于在将所述请求参数、所述直播请求所在的直播时段信息代入推荐模型之后,在将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之前,获取所述直播质量预测分数最高时所对应的内容分发网络的服务状态信息;
所述推荐单元,具体用于在所述服务状态信息为第一状态的情况下,将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端。
13.根据权利要求12所述的装置,其特征在于,所述推荐单元,还用于在所述服务状态信息为第二状态的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
14.根据权利要求11所述的装置,其特征在于,还包括检测单元,用于将所述直播质量预测分数最高时所对应的内容分发网络推荐给所述主播端之后,检测推荐给所述主播端的内容分发网络的计费情况距离计费跳表的时间间隔或流量间隔是否大于预设阈值;
所述推荐单元,还用于在所述时间间隔或所述流量间隔大于所述预设阈值的情况下,将所述直播质量预测分数次高时所对应的内容分发网络推荐给所述主播端。
15.一种电子设备,其特征在于,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为上述电子设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述权利要求1-3中任一项所述的内容分发网络的推荐模型建立方法。
16.一种电子设备,其特征在于,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为上述电子设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述权利要求4-7中任一项所述的直播方法。
17.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现前述权利要求1至3中任一项所述内容分发网络的推荐模型建立方法。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现前述权利要求4至7所述的直播方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711144095.4A CN109802926B (zh) | 2017-11-16 | 2017-11-16 | 内容分发网络的推荐模型建立方法、直播方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711144095.4A CN109802926B (zh) | 2017-11-16 | 2017-11-16 | 内容分发网络的推荐模型建立方法、直播方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109802926A CN109802926A (zh) | 2019-05-24 |
CN109802926B true CN109802926B (zh) | 2021-08-03 |
Family
ID=66554826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711144095.4A Active CN109802926B (zh) | 2017-11-16 | 2017-11-16 | 内容分发网络的推荐模型建立方法、直播方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109802926B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110213612B (zh) * | 2019-07-10 | 2021-05-25 | 广州酷狗计算机科技有限公司 | 直播互动方法、装置及存储介质 |
CN111401708B (zh) * | 2020-03-09 | 2023-06-20 | 山东汇贸电子口岸有限公司 | Cdn厂商推荐方法及装置 |
CN111836063B (zh) * | 2020-07-02 | 2022-02-22 | 北京字节跳动网络技术有限公司 | 一种直播内容识别方法及装置 |
CN111954017B (zh) * | 2020-08-14 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 直播间搜索方法、装置、服务器及存储介质 |
CN112949273B (zh) * | 2021-03-04 | 2024-04-26 | 长沙市到家悠享网络科技有限公司 | 电子合同签约方法、装置、电子设备及计算机可读介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572851A (zh) * | 2014-12-16 | 2015-04-29 | 北京百度网讯科技有限公司 | 获取推荐信息的方法和装置 |
CN106851343A (zh) * | 2017-01-23 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 用于视频直播的方法和装置 |
CN107205178A (zh) * | 2017-04-25 | 2017-09-26 | 北京潘达互娱科技有限公司 | 直播间推荐方法及装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7844215B2 (en) * | 2006-08-08 | 2010-11-30 | Accenture Global Services Gmbh | Mobile audio content delivery system |
US8521880B1 (en) * | 2008-11-17 | 2013-08-27 | Amazon Technologies, Inc. | Managing content delivery network service providers |
US8784113B2 (en) * | 2010-06-15 | 2014-07-22 | Aaron H Bridges | Open and interactive e-learning system and method |
CN103209449B (zh) * | 2012-01-17 | 2016-06-29 | 上海贝尔股份有限公司 | 一种由andsf为用户切换接入网络的方法与装置 |
CN104735481B (zh) * | 2013-12-19 | 2018-07-06 | 北京四达时代软件技术股份有限公司 | 一种视频内容分发调度方法、服务器及系统 |
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 |
CN106656629B (zh) * | 2017-01-13 | 2020-02-14 | 南京理工大学 | 一种流媒体播放质量的预测方法 |
CN106803967A (zh) * | 2017-02-13 | 2017-06-06 | 北京奇虎科技有限公司 | 一种直播数据的处理方法和装置 |
CN106961616B (zh) * | 2017-03-06 | 2020-03-27 | 中山大学 | 一种多cdn辅助的多层云的直播分发系统 |
CN107124375B (zh) * | 2017-03-27 | 2020-02-18 | 网宿科技股份有限公司 | Cdn网络带宽资源的错峰调度方法、系统以及服务器 |
-
2017
- 2017-11-16 CN CN201711144095.4A patent/CN109802926B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572851A (zh) * | 2014-12-16 | 2015-04-29 | 北京百度网讯科技有限公司 | 获取推荐信息的方法和装置 |
CN106851343A (zh) * | 2017-01-23 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 用于视频直播的方法和装置 |
CN107205178A (zh) * | 2017-04-25 | 2017-09-26 | 北京潘达互娱科技有限公司 | 直播间推荐方法及装置 |
Non-Patent Citations (2)
Title |
---|
"Providing Recommendation in Peer-to-Peer Networking based Content Delivery Service";Chang-kyu Lee, Wook Hyun and Shin-gak Kang;《2012 7th International Conference on Computing and Convergence Technology (ICCCT), Seoul, Korea (South)》;20121231;240-243页 * |
CDN行业期待健康发展;陈玉莹等;《通信企业管理》;20161110(第11期);74-76页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109802926A (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109802926B (zh) | 内容分发网络的推荐模型建立方法、直播方法及装置 | |
CN109819285B (zh) | 一种直播方法、装置、电子设备及存储介质 | |
US11717749B2 (en) | Cloud gaming device handover | |
Akhshabi et al. | What happens when HTTP adaptive streaming players compete for bandwidth? | |
WO2022222755A1 (zh) | 业务处理方法、装置及存储介质 | |
CN106851427B (zh) | 一种游戏直播视频的传输控制方法以及装置 | |
CN110636339B (zh) | 基于码率的调度方法、装置及电子设备 | |
CN108092853B (zh) | 监控服务器链路状态的方法、装置、系统、电子设备及存储介质 | |
CN109224435B (zh) | 一种网络游戏加速方法、装置、电子设备及存储介质 | |
CN113181658A (zh) | 一种边缘计算节点调度方法、装置、设备以及介质 | |
CN106488270B (zh) | 一种直播间切换的方法和装置 | |
CN110336885A (zh) | 边缘节点分配方法、装置、调度服务器及存储介质 | |
CN105872660B (zh) | 一种同步播放的方法及装置 | |
WO2023116219A1 (zh) | Cdn节点分配方法、装置、电子设备、介质及程序产品 | |
CN114501073A (zh) | 直播回源方法及装置 | |
CN107920108A (zh) | 一种媒体资源的推送方法、客户端及服务器 | |
CN109788301A (zh) | 一种流媒体的直播方法、终端设备、直播系统及计算机可读存储介质 | |
CN112999651B (zh) | 一种基于云游戏的数据处理方法以及相关设备 | |
CN108521577B (zh) | 一种视频播放方法、装置、设备和存储介质 | |
CN107786557B (zh) | 一种组队游戏加速方法及相关产品 | |
CN117453396A (zh) | 一种基于边缘计算的任务数据处理方法、装置及电子设备 | |
CN110166834B (zh) | 一种数据播放方法、装置及存储介质 | |
CN107566215B (zh) | 无线网络断流检测方法、装置、存储介质及移动终端 | |
CN113676739B (zh) | 一种视频播放方法、装置、设备及存储介质 | |
CN111800466A (zh) | 一种长连接服务的建立方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190708 Address after: Room A-3010, 2nd floor, No. 3 Courtyard, 30 Shixing Street, Shijingshan District, Beijing Applicant after: Beijing happy I unlimited Technology Co., Ltd. Address before: Cayman Islands, Greater Cayman Island, Camana Bay, Western Asia, Seitus Chamber of Commerce, 2547 Mailbox Applicant before: Happy honey Company Limited |
|
TA01 | Transfer of patent application right | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |