CN110266525A - Cdn服务器数量配置方法、设备及计算机可读存储介质 - Google Patents
Cdn服务器数量配置方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110266525A CN110266525A CN201910483383.5A CN201910483383A CN110266525A CN 110266525 A CN110266525 A CN 110266525A CN 201910483383 A CN201910483383 A CN 201910483383A CN 110266525 A CN110266525 A CN 110266525A
- Authority
- CN
- China
- Prior art keywords
- cdn server
- access
- amount
- neural network
- cdn
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/122—Avoiding congestion; Recovering from congestion by diverting traffic away from congested entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/29—Flow control; Congestion control using a combination of thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
-
- 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
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- 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
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1044—Group management mechanisms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种CDN服务器数量配置方法、设备及计算机可读存储介质,该方法包括:获取CDN服务器集群辐射范围内的客户端数量;将所述客户端数量输入访问量预测模型,得到预测结果,其中,所述预测结果为客户端数量对应的访问量;获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器。通过本发明,基于神经网络确定CDN服务器集群需要配置的CDN服务器数量,使得CDN服务器集合中的CDN服务器数量设置更贴合实际需求。
Description
技术领域
本发明涉及CDN设备管理技术领域,尤其涉及CDN服务器数量配置方法、设备及计算机可读存储介质。
背景技术
CDN(Content Delivery Network,内容分发网络)是一种通过在网络各处放置节点服务器所构成的在现有的互联网基础之上的一层智能虚拟网络。CDN能够实时地根据网络流量和各节点的连接、负载状况以及到用户的距离和响应时间等综合信息将用户的请求重新导向离用户最近的服务节点上,其目的是能够选择离用户相对较近的节点向用户发送用户所需的内容,缓解网络拥挤的状况,提高网站的响应速度。
现有技术中,为不同客户端的Local DNS信息对应设置有CDN服务器集合,CDN服务器集合中包括若干CDN服务器。其中,每个CDN服务器集合中的数量一般设置为固定值或根据人为经验进行设置,导致有些CDN服务器集合中的CDN服务器数量设置不合理,而无法满足客户端需求,或是超出客户端需求过多,导致资源浪费。
发明内容
本发明的主要目的在于提供一种CDN服务器数量配置方法、设备及计算机可读存储介质,旨在解决现有技术中CDN服务器集合中的CDN服务器数量设置不合理的技术问题。
为实现上述目的,本发明提供一种CDN服务器数量配置方法,所述CDN服务器数量配置方法包括以下步骤:
获取CDN服务器集群辐射范围内的客户端数量;
将所述客户端数量输入访问量预测模型,得到预测结果,其中,所述预测结果为客户端数量对应的访问量;
获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器。
可选的,在所述获取CDN服务器集群辐射范围内的客户端数量的步骤之前,还包括:
获取真实监控数据,所述真实监控数据包括真实客户端数量及对应的真实访问量;
将所述真实客户端数量输入预置BP神经网络模型,得到输出值;
计算所述输出值以及所述真实访问量之间的预测误差;
判断所述预测误差是否符合预测精度需求;
若所述预测误差符合精度需求,则以所述预置BP神经网络模型作为访问量预测模型;
若所述预测误差不符合精度需求,则调整所述预置BP神经网络模型的网络权值和阈值,得到新的BP神经网络模型;
以所述新的BP神经网络模型作为预置BP神经网络模型,并执行所述将所述真实客户端数量输入预置BP神经网络模型,得到输出值的步骤。
可选的,在所述获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器的步骤之后,还包括:
检测是否发生访问量过载事件;
若发生访问量过载事件,则将所述访问量过载事件记录至异常记录表中;
检测所述异常记录表中记录的访问量过载事件的发生次数是否大于预设阈值;
若异常记录表中记录的访问量过载事件的发生次数大于预设阈值,则输出CDN服务器数量增加提醒,以供在所述CDN服务器集群内增配预置数量的CDN服务器。
可选的,所述检测是否发生访问量过载事件的步骤包括:
检测CDN服务器集群内的CDN服务器中是否存在至少一台CDN服务器处理的访问请求数量大于可处理访问量;
若存在至少一台CDN服务器处理的访问请求数量大于可处理访问量,则确定发生访问量过载事件。
此外,为实现上述目的,本发明还提供一种CDN服务器数量配置设备,所述CDN服务器数量配置设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的CDN服务器数量配置程序,所述CDN服务器数量配置程序被处理器执行时实现如上所述的CDN服务器数量配置方法的步骤。
为实现上述目的,本发明提供一种计算机可读存储介质,所述计算机可读存储介质上存储有CDN服务器数量配置程序,所述CDN服务器数量配置程序被处理器执行时实现如上所述的CDN服务器数量配置方法的步骤。
本发明中,获取CDN服务器集群辐射范围内的客户端数量;将所述客户端数量输入访问量预测模型,得到预测结果,其中,所述预测结果为客户端数量对应的访问量;获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器。通过本发明,基于神经网络确定CDN服务器集群需要配置的CDN服务器数量,使得CDN服务器集合中的CDN服务器数量设置更贴合实际需求。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的CDN服务器数量配置设备结构示意图;
图2为本发明CDN服务器数量配置方法第一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
如图1所示,图1为本发明实施例方案涉及的硬件运行环境的CDN服务器数量配置设备结构示意图。
如图1所示,该CDN服务器数量配置设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的CDN服务器数量配置设备结构并不构成对CDN服务器数量配置设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及CDN服务器数量配置程序。
在图1所示的CDN服务器数量配置设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的CDN服务器数量配置程序,并执行以下操作:
获取CDN服务器集群辐射范围内的客户端数量;
将所述客户端数量输入访问量预测模型,得到预测结果,其中,所述预测结果为客户端数量对应的访问量;
获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器。
进一步地,处理器1001可以调用存储器1005中存储的CDN服务器数量配置程序,还执行以下操作:
获取真实监控数据,所述真实监控数据包括真实客户端数量及对应的真实访问量;
将所述真实客户端数量输入预置BP神经网络模型,得到输出值;
计算所述输出值以及所述真实访问量之间的预测误差;
判断所述预测误差是否符合预测精度需求;
若所述预测误差符合精度需求,则以所述预置BP神经网络模型作为访问量预测模型;
若所述预测误差不符合精度需求,则调整所述预置BP神经网络模型的网络权值和阈值,得到新的BP神经网络模型;
以所述新的BP神经网络模型作为预置BP神经网络模型,并执行所述将所述真实客户端数量输入预置BP神经网络模型,得到输出值的步骤。
进一步地,处理器1001可以调用存储器1005中存储的CDN服务器数量配置程序,还执行以下操作:
检测是否发生访问量过载事件;
若发生访问量过载事件,则将所述访问量过载事件记录至异常记录表中;
检测所述异常记录表中记录的访问量过载事件的发生次数是否大于预设阈值;
若异常记录表中记录的访问量过载事件的发生次数大于预设阈值,则输出CDN服务器数量增加提醒,以供在所述CDN服务器集群内增配预置数量的CDN服务器。
进一步地,处理器1001可以调用存储器1005中存储的CDN服务器数量配置程序,还执行以下操作:
检测CDN服务器集群内的CDN服务器中是否存在至少一台CDN服务器处理的访问请求数量大于可处理访问量;
若存在至少一台CDN服务器处理的访问请求数量大于可处理访问量,则确定发生访问量过载事件。
参照图2,图2为本发明CDN服务器数量配置方法第一实施例的流程示意图。
在一实施例中,CDN服务器数量配置方法包括:
步骤S10,获取CDN服务器集群辐射范围内的客户端数量;
本实施例中,CDN(Content Delivery Network,内容分发网络)是一种通过在网络各处放置节点服务器所构成的在现有的互联网基础之上的一层智能虚拟网络。需要为不同客户端的Local DNS信息对应设置有CDN服务器集群,CDN服务器集合中包括若干CDN服务器。
若需要在某区域位置设置CDN服务器集群,则获取该区域辐射范围(以该区域中心为圆心,半径m米的范围,m根据实际情况进行设置)内的房屋数量,若房屋数量为N,则该CDN服务器集群辐射范围内的客户端数量为N。
步骤S20,将所述客户端数量输入访问量预测模型,得到预测结果,其中,所述预测结果为客户端数量对应的访问量;
本实施例中,在步骤S10之前,需要通过真实客户端数量及对应的真实访问量对预置BP神经网络模型进行训练,得到访问量预测模型。然后将客户端数量输入访问量预测模型,得到预测结果,该预测结果即为客户端数量对应的访问量。
步骤S30,获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器。
本实施例中,每台CDN服务器的可处理访问量基于其硬件性能而定,一般为固定值,例如可处理访问量为Y,根据步骤S20得到的预测结果为X,则根据X除以Y的值,确定CDN服务器需求数量。例如,若X除以Y的值为3.6,则确定CDN服务器需求数量为4,若X除以Y的值为5.1,则确定CDN服务器需求数量为6。
本实施例中,获取CDN服务器集群辐射范围内的客户端数量;将所述客户端数量输入访问量预测模型,得到预测结果,其中,所述预测结果为客户端数量对应的访问量;获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器。通过本实施例,基于神经网络确定CDN服务器集群需要配置的CDN服务器数量,使得CDN服务器集合中的CDN服务器数量设置更贴合实际需求。
进一步地,本发明CDN服务器数量配置方法一实施例中,步骤S10之前,还包括:
获取真实监控数据,所述真实监控数据包括真实客户端数量及对应的真实访问量;
将所述真实客户端数量输入预置BP神经网络模型,得到输出值;
计算所述输出值以及所述真实访问量之间的预测误差;
判断所述预测误差是否符合预测精度需求;
若所述预测误差符合精度需求,则以所述预置BP神经网络模型作为访问量预测模型;
若所述预测误差不符合精度需求,则调整所述预置BP神经网络模型的网络权值和阈值,得到新的BP神经网络模型;
以所述新的BP神经网络模型作为预置BP神经网络模型,并执行所述将所述真实客户端数量输入预置BP神经网络模型,得到输出值的步骤。
本实施例中,BP神经网络是一种多层前馈神经网络,该网络的主要特点是信号前向传递,误差反向传播。在前向传递中,输入信号从输入层经隐含层逐层处理,直至输出层,每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出,则转入反向传播,根据预测误差调整网络权值和阈值,从而使BP神经网络预测输出不断逼近期望输出。
进一步地,本发明CDN服务器数量配置方法一实施例中,步骤S30之后,还包括:
检测是否发生访问量过载事件;
本实施例中,所述检测是否发生访问量过载事件的步骤包括:检测CDN服务器集群内的CDN服务器中是否存在至少一台CDN服务器处理的访问请求数量大于可处理访问量;若存在至少一台CDN服务器处理的访问请求数量大于可处理访问量,则确定发生访问量过载事件。
若发生访问量过载事件,则将所述访问量过载事件记录至异常记录表中;
本实施例中,若发生访问量过载事件,则将访问量过载事件记录至异常记录表中。
检测所述异常记录表中记录的访问量过载事件的发生次数是否大于预设阈值;若异常记录表中记录的访问量过载事件的发生次数大于预设阈值,则输出CDN服务器数量增加提醒,以供在所述CDN服务器集群内增配预置数量的CDN服务器。
本实施例中,预设阈值根据实际需要进行设置,若异常记录表中记录的访问量过载事件的发生次数是否大于预设阈值,则说明当前CDN服务器集群内的CDN服务器数量无法承载客户端的访问请求,需要增配CDN服务器。增配CDN服务器的数量根据实际需要进行设置。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有CDN服务器数量配置程序,所述CDN服务器数量配置程序被处理器执行时实现如上CDN服务器数量配置方法各个实施例的步骤。
本发明计算机可读存储介质的具体实施例与上述CDN服务器数量配置方法的各个实施例基本相同,在此不做赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种CDN服务器数量配置方法,其特征在于,所述CDN服务器数量配置方法包括以下步骤:
获取CDN服务器集群辐射范围内的客户端数量;
将所述客户端数量输入访问量预测模型,得到预测结果,其中,所述预测结果为客户端数量对应的访问量;
获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器。
2.如权利要求1所述的CDN服务器数量配置方法,其特征在于,在所述获取CDN服务器集群辐射范围内的客户端数量的步骤之前,还包括:
获取真实监控数据,所述真实监控数据包括真实客户端数量及对应的真实访问量;
将所述真实客户端数量输入预置BP神经网络模型,得到输出值;
计算所述输出值以及所述真实访问量之间的预测误差;
判断所述预测误差是否符合预测精度需求;
若所述预测误差符合精度需求,则以所述预置BP神经网络模型作为访问量预测模型;
若所述预测误差不符合精度需求,则调整所述预置BP神经网络模型的网络权值和阈值,得到新的BP神经网络模型;
以所述新的BP神经网络模型作为预置BP神经网络模型,并执行所述将所述真实客户端数量输入预置BP神经网络模型,得到输出值的步骤。
3.如权利要求1所述的CDN服务器数量配置方法,其特征在于,在所述获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器的步骤之后,还包括:
检测是否发生访问量过载事件;
若发生访问量过载事件,则将所述访问量过载事件记录至异常记录表中;
检测所述异常记录表中记录的访问量过载事件的发生次数是否大于预设阈值;
若异常记录表中记录的访问量过载事件的发生次数大于预设阈值,则输出CDN服务器数量增加提醒,以供在所述CDN服务器集群内增配预置数量的CDN服务器。
4.如权利要求3所述的CDN服务器数量配置方法,其特征在于,所述检测是否发生访问量过载事件的步骤包括:
检测CDN服务器集群内的CDN服务器中是否存在至少一台CDN服务器处理的访问请求数量大于可处理访问量;
若存在至少一台CDN服务器处理的访问请求数量大于可处理访问量,则确定发生访问量过载事件。
5.一种CDN服务器数量配置设备,其特征在于,所述CDN服务器数量配置设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的CDN服务器数量配置程序,所述CDN服务器数量配置程序被所述处理器执行时实现如下步骤:
获取CDN服务器集群辐射范围内的客户端数量;
将所述客户端数量输入访问量预测模型,得到预测结果,其中,所述预测结果为客户端数量对应的访问量;
获取每台CDN服务器的可处理访问量,并根据所述可处理访问量以及访问量,确定CDN服务器需求数量,以供在所述CDN服务器集群内配置所述需求数量的CDN服务器。
6.如权利要求5所述的CDN服务器数量配置设备,其特征在于,所述CDN服务器数量配置程序被所述处理器执行时还实现如下步骤:
获取真实监控数据,所述真实监控数据包括真实客户端数量及对应的真实访问量;
将所述真实客户端数量输入预置BP神经网络模型,得到输出值;
计算所述输出值以及所述真实访问量之间的预测误差;
判断所述预测误差是否符合预测精度需求;
若所述预测误差符合精度需求,则以所述预置BP神经网络模型作为访问量预测模型;
若所述预测误差不符合精度需求,则调整所述预置BP神经网络模型的网络权值和阈值,得到新的BP神经网络模型;
以所述新的BP神经网络模型作为预置BP神经网络模型,并执行所述将所述真实客户端数量输入预置BP神经网络模型,得到输出值的步骤。
7.如权利要求5所述的CDN服务器数量配置设备,其特征在于,所述CDN服务器数量配置程序被所述处理器执行时还实现如下步骤:
检测是否发生访问量过载事件;
若发生访问量过载事件,则将所述访问量过载事件记录至异常记录表中;
检测所述异常记录表中记录的访问量过载事件的发生次数是否大于预设阈值;
若异常记录表中记录的访问量过载事件的发生次数大于预设阈值,则输出CDN服务器数量增加提醒,以供在所述CDN服务器集群内增配预置数量的CDN服务器。
8.如权利要求5所述的CDN服务器数量配置设备,其特征在于,所述CDN服务器数量配置程序被所述处理器执行时还实现如下步骤:
检测CDN服务器集群内的CDN服务器中是否存在至少一台CDN服务器处理的访问请求数量大于可处理访问量;
若存在至少一台CDN服务器处理的访问请求数量大于可处理访问量,则确定发生访问量过载事件。
9.一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上存储有CDN服务器数量配置程序,所述CDN服务器数量配置程序被处理器执行时实现如权利要求1至4中任一项所述的CDN服务器数量配置方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910483383.5A CN110266525B (zh) | 2019-06-04 | 2019-06-04 | Cdn服务器数量配置方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910483383.5A CN110266525B (zh) | 2019-06-04 | 2019-06-04 | Cdn服务器数量配置方法、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110266525A true CN110266525A (zh) | 2019-09-20 |
CN110266525B CN110266525B (zh) | 2022-02-22 |
Family
ID=67916775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910483383.5A Active CN110266525B (zh) | 2019-06-04 | 2019-06-04 | Cdn服务器数量配置方法、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110266525B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062681A (zh) * | 2019-11-19 | 2020-04-24 | 湖南强智科技发展有限公司 | 选课巡检方法、装置、服务器及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013225204A (ja) * | 2012-04-20 | 2013-10-31 | Fujitsu Frontech Ltd | トラフィック量予測に基づき、稼働サーバ台数を自動で最適化する負荷分散方法及び装置 |
CN103533063A (zh) * | 2013-10-18 | 2014-01-22 | 北京华胜天成科技股份有限公司 | 一种可实现web应用资源动态扩展的方法及装置 |
CN103973784A (zh) * | 2014-05-06 | 2014-08-06 | 浪潮电子信息产业股份有限公司 | 一种云存储服务器资源有效利用方法 |
US20140304396A1 (en) * | 2013-04-09 | 2014-10-09 | International Business Machines Corporation | It system infrastructure prediction based on epidemiologic algorithm |
CN104158911A (zh) * | 2014-09-01 | 2014-11-19 | 青岛海信电器股份有限公司 | 一种面向服务器集群的控制方法及系统 |
CN104182801A (zh) * | 2013-05-22 | 2014-12-03 | 阿里巴巴集团控股有限公司 | 一种预测网站访问量的方法及设备 |
CN105072182A (zh) * | 2015-08-10 | 2015-11-18 | 北京佳讯飞鸿电气股份有限公司 | 一种负载均衡方法、负载均衡器和用户终端 |
CN105391797A (zh) * | 2015-12-03 | 2016-03-09 | 北京航空航天大学 | 基于sdn的云服务器负载均衡方法及装置 |
US20170093639A1 (en) * | 2015-09-28 | 2017-03-30 | Cisco Technology, Inc. | Enhanced cloud demand prediction for smart data centers |
CN106713055A (zh) * | 2017-02-27 | 2017-05-24 | 电子科技大学 | 一种虚拟cdn的节能部署方法 |
CN106933671A (zh) * | 2015-12-29 | 2017-07-07 | 华为技术有限公司 | 一种进行伸缩处理的方法、装置和系统 |
CN108241526A (zh) * | 2016-12-26 | 2018-07-03 | 摩根士丹利服务集团有限公司 | 基于模式预测的自适应控制策略 |
CN108769100A (zh) * | 2018-04-03 | 2018-11-06 | 郑州云海信息技术有限公司 | 一种基于kubernetes容器数量弹性伸缩的实现方法及其装置 |
CN109697018A (zh) * | 2017-10-20 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 调整存储节点副本数量的方法和装置 |
-
2019
- 2019-06-04 CN CN201910483383.5A patent/CN110266525B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013225204A (ja) * | 2012-04-20 | 2013-10-31 | Fujitsu Frontech Ltd | トラフィック量予測に基づき、稼働サーバ台数を自動で最適化する負荷分散方法及び装置 |
US20140304396A1 (en) * | 2013-04-09 | 2014-10-09 | International Business Machines Corporation | It system infrastructure prediction based on epidemiologic algorithm |
CN104182801A (zh) * | 2013-05-22 | 2014-12-03 | 阿里巴巴集团控股有限公司 | 一种预测网站访问量的方法及设备 |
CN103533063A (zh) * | 2013-10-18 | 2014-01-22 | 北京华胜天成科技股份有限公司 | 一种可实现web应用资源动态扩展的方法及装置 |
CN103973784A (zh) * | 2014-05-06 | 2014-08-06 | 浪潮电子信息产业股份有限公司 | 一种云存储服务器资源有效利用方法 |
CN104158911A (zh) * | 2014-09-01 | 2014-11-19 | 青岛海信电器股份有限公司 | 一种面向服务器集群的控制方法及系统 |
CN105072182A (zh) * | 2015-08-10 | 2015-11-18 | 北京佳讯飞鸿电气股份有限公司 | 一种负载均衡方法、负载均衡器和用户终端 |
US20170093639A1 (en) * | 2015-09-28 | 2017-03-30 | Cisco Technology, Inc. | Enhanced cloud demand prediction for smart data centers |
CN105391797A (zh) * | 2015-12-03 | 2016-03-09 | 北京航空航天大学 | 基于sdn的云服务器负载均衡方法及装置 |
CN106933671A (zh) * | 2015-12-29 | 2017-07-07 | 华为技术有限公司 | 一种进行伸缩处理的方法、装置和系统 |
CN108241526A (zh) * | 2016-12-26 | 2018-07-03 | 摩根士丹利服务集团有限公司 | 基于模式预测的自适应控制策略 |
CN106713055A (zh) * | 2017-02-27 | 2017-05-24 | 电子科技大学 | 一种虚拟cdn的节能部署方法 |
CN109697018A (zh) * | 2017-10-20 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 调整存储节点副本数量的方法和装置 |
CN108769100A (zh) * | 2018-04-03 | 2018-11-06 | 郑州云海信息技术有限公司 | 一种基于kubernetes容器数量弹性伸缩的实现方法及其装置 |
Non-Patent Citations (1)
Title |
---|
曹丽英,钟义信,王枞: "人工神经网络应用于CDN智能分发的可行性研究", 《中国工人智能学会第11届全国学术年会论文集 上 中国人工智能进展 2005》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062681A (zh) * | 2019-11-19 | 2020-04-24 | 湖南强智科技发展有限公司 | 选课巡检方法、装置、服务器及存储介质 |
CN111062681B (zh) * | 2019-11-19 | 2023-10-13 | 湖南强智科技发展有限公司 | 选课巡检方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110266525B (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109413175B (zh) | 一种信息处理方法、装置及电子设备 | |
CN108965381A (zh) | 基于Nginx的负载均衡实现方法、装置、计算机设备和介质 | |
CN106953940B (zh) | Dns服务器及配置加载方法、网络系统、域名解析方法及系统 | |
CN105337786B (zh) | 一种服务器性能检测方法、装置及设备 | |
US20170083831A1 (en) | Real-time wait estimation and prediction via dynamic individual and group service experience analysis | |
CN106201722A (zh) | 服务器的负载调整方法及系统 | |
CN107872402A (zh) | 全局流量调度的方法、装置及电子设备 | |
CN104756467A (zh) | 云中的cdn流量管理 | |
CN107688423A (zh) | 一种系统上菜单选项的管理方法和处理设备 | |
CN111614736A (zh) | 网络内容资源调度方法、域名调度服务器及电子设备 | |
CN104756444A (zh) | 云中的cdn负载平衡 | |
US20190109893A1 (en) | System and method for equitable processing of asynchronous messages in a multi-tenant platform | |
CN110221817A (zh) | 一种数据召回模块及推荐系统 | |
CN109190070A (zh) | 一种数据处理方法、装置、系统及应用服务器 | |
CN107229397A (zh) | 一种提高终端流畅度的方法、系统、终端以及存储装置 | |
CN105491085A (zh) | 一种在线请求排队方法及装置 | |
CN112685287B (zh) | 产品数据的测试方法、装置、存储介质及电子装置 | |
CN109062957A (zh) | 案源获取和推荐方法及系统 | |
CN107332878A (zh) | 信息的推送方法及装置、电子设备 | |
CN106156209A (zh) | 数据处理方法及装置 | |
CN108762885A (zh) | 一种虚拟机创建方法、装置、管理设备及终端设备 | |
WO2006023162A2 (en) | Method and system for migrating messaging accounts between vendors | |
CN109710447A (zh) | 用于数据访问的方法、装置、介质和计算设备 | |
CN110266525A (zh) | Cdn服务器数量配置方法、设备及计算机可读存储介质 | |
CN108805332A (zh) | 一种特征评估方法和装置 |
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 |