CN112751896A - 资源部署方法、资源部署装置以及存储介质 - Google Patents
资源部署方法、资源部署装置以及存储介质 Download PDFInfo
- Publication number
- CN112751896A CN112751896A CN201911048466.8A CN201911048466A CN112751896A CN 112751896 A CN112751896 A CN 112751896A CN 201911048466 A CN201911048466 A CN 201911048466A CN 112751896 A CN112751896 A CN 112751896A
- Authority
- CN
- China
- Prior art keywords
- resources
- edge node
- cdn
- resource deployment
- resource
- 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.)
- Pending
Links
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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供资源部署方法、资源部署装置以及存储介质。本发明公开的内容分发网络CDN的资源部署方法,所述CDN包括用于进行所述CDN的资源部署的中心节点和用于利用由所述中心节点部署的资源分发内容的边缘节点,所述方法包括:获取所述CDN中的边缘节点在多个过去时间段内的历史负载值;根据所获取的所述边缘节点在所述多个过去时间段内的历史负载值,生成所述边缘节点在未来预定时间段内的预测负载值;将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源。
Description
技术领域
本发明涉及数据通信技术,具体涉及资源部署方法、资源部署装置以及存储介质。
背景技术
作为需要经常进行资源部署的应用场景的示例,可以列举内容分发网络。内容分发网络(Content Delivery Network,CDN)是依托分布于不同地点的网络节点搭建的虚拟网络,其将源站内容分发至靠近用户的边缘节点,使用户可以就近获得所需的内容。
云CDN则可以利用网络云计算/网络云服务构建统一的资源池,以对于分配给各个边缘节点的资源(例如,硬件资源、软件资源、通信资源等)进行统一管理,以进一步提高效率。
CDN一般包括中心节点和边缘节点,中心节点进行CDN的资源部署(例如决定将哪些资源分配给哪些边缘节点,针对每个边缘节点分配多少资源等),边缘节点利用由中心节点部署的资源,向用户进行内容分发。为了更好地进行资源部署,在CDN中,中心节点需要对边缘节点的负载值(例如用户对该节点的请求数)进行预测,从而将与预测的负载值匹配的资源分配给边缘节点。
发明内容
在下文中给出了关于本公开的简要概述,以便提供关于本公开的一些方面的基本理解。但是,应当理解,这个概述并不是关于本公开的穷举性概述。它并不是意图用来确定本公开的关键性部分或重要部分,也不是意图用来限定本公开的范围。其目的仅仅是以简化的形式给出关于本公开的某些概念,以此作为稍后给出的更详细描述的前序。
本发明的发明人知晓的一种CDN的资源部署方式是,根据历史连续时间段内各边缘节点的负载值来得到边缘节点未来预定时间段(例如24小时)的负载预测值。
然而,在CDN中,各边缘节点的负载值与特定时间点的相关性可能很大,甚至大于与过去一段连续时间的相关性。例如,春节晚会前几天用户访问量很少,而春节当天晚上8点将达到高峰,如果仅仅看前几天的数据将会导致负载预测不准确。
本发明的发明人考虑到上述情况,提出了一种资源部署方法、资源部署装置以及存储介质,能够减少负载预测值与实际值之间的误差,以更有效地进行资源部署。
根据本发明的一个方面,提出了一种内容分发网络CDN的资源部署方法,所述CDN包括用于进行所述CDN的资源部署的中心节点和用于利用由所述中心节点部署的资源分发内容的边缘节点,所述方法包括:获取所述CDN中的边缘节点在多个过去时间段内的历史负载值;根据所获取的所述边缘节点在所述多个过去时间段内的历史负载值,生成所述边缘节点在未来预定时间段内的预测负载值;将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源。
在本发明的实施例中,所述多个过去时间段包括昨天、上个星期的今天、上个月的今天、去年的今天中的至少两个。
在本发明的实施例中,所述根据所获取的所述边缘节点在所述多个过去时间段内的历史负载值,生成所述边缘节点在未来预定时间段内的预测负载值包括:生成所述多个过去时间段内的历史负载值的平均值,作为所述预测负载值。
在本发明的实施例中,所述将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源包括:在所述预测负载值大于或等于所述预定阈值的情况下,对所述边缘节点新分配资源;在所述预测负载值小于所述预定阈值的情况下,将所述边缘节点中的部分资源回收到所述CDN的资源池中。
在本发明的实施例中,所述将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源包括:在所述预测负载值大于或等于所述预定阈值的情况下,判断所述CDN的资源池中是否具有剩余资源;在判断为所述资源池中具有剩余资源的情况下,将所述剩余资源中的至少部分资源分配给所述边缘节点;在判断为所述资源池没有剩余资源的情况下,将预测负载值低于所述预定阈值的边缘节点的部分资源回收到所述资源池。
在本发明的实施例中,根据所述预定负载值与所述预定阈值的差值的大小,确定对所述边缘节点新分配资源的量或要回收的所述边缘节点中的资源的量。
在本发明的实施例中,所述预定阈值根据所述CDN中的多个边缘节点各自的历史负载值的平均值来确定。
在本发明的实施例中,所述预定阈值被配置为根据不同的边缘节点而调整。
在本发明的实施例中,所述预定阈值被设定为所述边缘节点的历史数据中最高负载值的80%以上。
在本发明的实施例中,新分配的资源被配置为以具有预定配置的虚拟机作为单位。
在本发明的实施例中,对所述边缘节点新分配的资源的量被配置为所述边缘节点的现有资源的量的倍数。
根据本发明的另一方面,提供了一种内容分发网络CDN的资源部署装置,所述CDN包括用于进行所述CDN的资源部署的中心节点和用于利用由所述中心节点部署的资源分发内容的边缘节点,所述资源部署装置包括:历史负载值获取单元,被配置为获取所述CDN中的边缘节点在多个过去时间段内的历史负载值;预测负载值生成单元,被配置为根据所获取的所述边缘节点在所述多个过去时间段内的历史负载值,生成所述边缘节点在未来预定时间段内的预测负载值;确定单元,被配置为将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源。
在本发明的实施例中,所述多个过去时间段包括昨天、上个星期的今天、上个月的今天、去年的今天中的至少两个。
在本发明的实施例中,所述预测负载值生成单元被配置为:生成所述多个过去时间段内的历史负载值的平均值,作为所述预测负载值。
在本发明的实施例中,所述确定单元被配置为:在所述预测负载值大于或等于所述预定阈值的情况下,对所述边缘节点新分配资源;在所述预测负载值小于所述预定阈值的情况下,将所述边缘节点中的部分资源回收到所述CDN的资源池中。
在本发明的实施例中,所述确定单元被配置为:在所述预测负载值大于或等于所述预定阈值的情况下,判断所述CDN的资源池是否具有剩余资源;在判断为所述资源池具有剩余资源的情况下,将所述剩余资源中的至少部分资源分配给所述边缘节点;在判断为所述资源池没有剩余资源的情况下,将预测负载值低于所述预定阈值的边缘节点的部分资源回收到所述资源池。
在本发明的实施例中,所述确定单元被配置为:根据所述预定负载值与所述预定阈值的差值的大小,确定对所述边缘节点新分配资源的量或要回收的所述边缘节点中的资源的量。
在本发明的实施例中,所述预定阈值根据所述CDN中的多个边缘节点各自的历史负载值的平均值来确定。
根据本发明的又一方面,提供了一种内容分发网络CDN的资源部署装置,所述CDN包括用于进行所述CDN的资源部署的中心节点和用于利用由所述中心节点部署的资源分发内容的边缘节点,所述资源部署装置包括:一个或多个处理器;存储器,其上存储有计算机可执行指令,所述计算机可执行指令在由所述一个或多个处理器执行时使得所述一个或多个处理器:获取所述CDN中的边缘节点在多个过去时间段内的历史负载值;根据所获取的所述边缘节点在所述多个过去时间段内的历史负载值,生成所述边缘节点在未来预定时间段内的预测负载值;将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源。
根据本发明的又一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时,使所述处理器执行根据本发明的实施例的方法。
根据本发明的实施例,利用边缘节点在多个过去时间段内的历史负载值来生成该边缘节点的预测负载值,可以减少负载预测值与实际情况之间的误差,从而更有效地进行资源部署。
附图说明
为了更清楚地说明本发明的实施例的技术方案,下面将对实施例的附图进行简要说明,应当知道,以下描述的附图仅仅涉及本发明的一些实施例,而非对本发明的限制,其中:
图1为根据本发明的实施例的资源部署方法的示例性流程图。
图2为根据本发明的另一实施例的资源部署方法的示例性流程图。
图3为根据本发明的另一实施例的资源部署方法的示例性流程图。
图4为根据本发明的实施例的资源部署装置的示例性框图。
图5为可以实现根据本发明的实施例的计算设备的示例性配置。
具体实施方式
为了使本发明的实施例的技术方案和优点更加清楚,下面将结合附图,对本发明的实施例的技术方案进行清楚、完整的描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域技术人员在无需创造性劳动的前提下所获得的所有其他实施例,也都属于本发明保护的范围。
应当理解,本发明所涉及的CDN为对虚拟的云化资源进行资源部署的云化CDN。在以下的说明中,将本发明所涉及的云化CDN简称为CDN。
在本发明中,CDN包括中心节点和边缘节点,中心节点用于进行CDN的资源部署,边缘节点用于利用由中心节点部署的资源来分发内容。另外,本发明所提到的资源例如可以是CPU、内存、存储等虚拟机资源。
图1示出了根据本发明的实施例的资源部署方法的示例性流程图。
如图1所示,在步骤S11中,获取CDN中的边缘节点在多个过去时间段内的历史负载值。
在一些实施例中,边缘节点在过去时间段内的历史负载值例如可以是该边缘节点处在该过去时间段内的用户请求数(访问量、流量等)。例如,边缘节点的过去24小时的历史负载值可以是过去24小时该边缘节点接受的用户请求总数。
在一些实施例中,可以通过读取边缘节点的日志文件来获取该边缘节点的历史负载值。日志文件例如可以存储边缘节点过去一段时间的历史负载值。通过指定过去的时间段,可以从日志文件中获取该过去时间段内的历史负载值。
在一些实施例中,多个过去时间段中的一个过去时间段可以是任意的连续时间段,例如连续几个小时、连续一天(24小时)、连续多天等。在实际实现中,可以将过去某一天(连续24小时)作为一个过去时间段。应当理解,也可以根据实际情况任意确定过去时间段的长度。另外,多个过去时间段中的各过去时间段的长度既可以是相同的,也可以不同。
在一些实施例中,多个过去时间段可以包括昨天、上个星期的今天、上个月的今天、去年的今天中的至少两个。该每个过去时间段都包括连续的24小时。
作为示例,以下考虑今天(包括当前时刻的未来24小时)的负载情况的预测过程。CDN的一个边缘节点未来24小时的负载值不仅仅只取决于之前一段时间(例如前几天)的历史负载值,还可能取决于特定的时间节点。例如,去年的除夕春晚期间节点负载高,今年春晚也将是业务高峰期;某个热门电视剧每周三播出,所以每周三会出现业务高峰期等,从而呈现一定的周期性。因此,在本发明中,通过利用包括昨天、上个星期的今天、上个月的今天、去年的今天中的至少两个的历史负载值,可以更准确地得到未来预定时间段内的预测负载值。
应当理解,上文所述的多个过去时间段(即昨天、上个星期的今天、上个月的今天、去年的今天中的至少两个)仅仅是一种示例,可以根据实际情况,获取其它的多个过去时间段内的历史负载值,用来生成预测负载值。
如图1所示,在步骤S12中,根据所获取的边缘节点在多个过去时间段内的历史负载值,生成边缘节点在未来预定时间段内的预测负载值。
未来预定时间段的长度可以根据实际需要来确定。在一些实施例中,由于CDN的资源部署的更新周期一般为24小时,因此可以对边缘节点未来24小时的负载值进行预测,并根据预测的负载值对边缘节点分配资源。
在一些实施例中,可以生成多个过去时间段内的历史负载值的平均值,作为预测负载值。
作为非限制性的具体示例,利用4个过去时间段(昨天,上个星期的今天、上个月的今天、去年的今天)的历史负载值S(i)、D(i)、Q(i)、W(i),通过下式得到未来24小时边缘节点的负载值X(i):
其中,S(i)表示第i个边缘节点昨天的负载值,D(i)表示第i个边缘节点上个星期的今天的负载值,Q(i)表示第i个边缘节点上个月的今天的负载值,W(i)表示第i个边缘节点去年的今天负载值,X(i)为4者的平均值,代表第i个边缘节点的预测负载值。
如图1所示,在步骤S13中,将预测负载值与预定阈值进行比较,以确定是否对边缘节点新分配资源。
在一些实施例中,如图2所示,步骤S13可以包括步骤S1311和步骤S1312。
如图2所示,在步骤S1311中,在预测负载值大于或等于预定阈值的情况下,对边缘节点新分配资源;在步骤S1312中,在预测负载值小于预定阈值的情况下,将边缘节点中的部分资源回收到CDN的资源池中。
在该实施例中,根据预测负载值与预测阈值的比较,决定是对边缘节点新分配资源,还是将边缘节点中的部分资源回收到CDN的资源池中。据此,能够将一些边缘节点的冗余资源分配给另一些资源不足的边缘节点,从而实现CDN的资源的灵活的动态部署,可以保证用户使用体验并提高资源的利用效率。
在另一些实施例中,如图3所示,步骤S13可以包括步骤S1321~步骤S1323。
如图3所示,在步骤S1321中,在预测负载值大于或等于预定阈值的情况下,判断CDN的资源池中是否具有剩余资源;在步骤S1322中,在判断为资源池中具有剩余资源的情况下,将剩余资源中的至少部分资源分配给边缘节点;在步骤S1323中,在判断为资源池没有剩余资源的情况下,将预测负载值低于预定阈值的边缘节点的部分资源回收到资源池。
另外,在图3所示的实施例中,根据实际情况,在预测负载值小于预定阈值的情况下,可以不对边缘节点进行处理,即保持边缘节点已分配的资源而不进行回收处理。
在该实施例中,并不是对预测负载值小于预定阈值的所有边缘节点都进行资源回收,仅在资源池中的资源不充足的情况下,才对资源相对充足的边缘节点的资源进行回收。因此,能够节省系统进行资源部署的总体开销。
根据本发明的资源部署方法,对于CDN中的边缘节点,获取多个过去时间段内的历史负载值,并以此为基础,生成预测负载值。相对于仅仅使用过去一段连续时间等方式,能够减少负载预测值与实际情况之间的误差,更有效地进行资源部署。
另外,由于本发明的资源部署方法使用更加准确的预测负载值,因此可以使得CDN准确预留部署了相关业务的虚拟机资源,及时自动扩容,分摊访问压力,解决云CDN在业务高峰期时性能下降,用户体验差等问题。
在一些实施例中,由于CDN的资源部署的更新周期一般为24小时,可以在每天的固定时间点进行本公开的实施例的资源部署方法,以对各边缘节点未来24小时的资源进行分配。作为示例,由于每天的凌晨2点各边缘节点的用户请求数较少,边缘节点的访问压力较小,可以在该时间点进行本发明的实施例的资源部署方法,从而使得资源部署对网络的影响最小化。
在一些实施例中,可以根据预定负载值与预定阈值的差值的大小,确定对边缘节点新分配资源的量或要回收的边缘节点中的资源的量。
例如,设预定负载值为X,预定阈值为α。当X-α≥第一阈值T1(其中T1大于0)时,对边缘节点分配第一预定量Y1的资源;当0≤X-α<T1时,对边缘节点分配第二预定量Y2(Y2<Y1)的资源。另外,当X-α≤-T1时,对边缘节点回收第一预定量Y1的资源;当-T1≤X-α<0时,对边缘节点回收第二预定量Y2的资源。
根据该实施例,新分配或回收的资源的量与预定负载值和预定阈值的差值相匹配,从而能够更精确地进行资源部署。
应当理解,以上给出的是根据预定负载值与预定阈值的差值来确定对边缘节点新分配资源的量或要回收的资源的量的一个示例,可以根据实际情况确定具体的新分配或回收策略。例如,新分配或回收的资源的量也可以与预定负载值和预定阈值的差值的大小成比例。
在一些实施例中,新分配的资源可以被配置为以具有预定配置的虚拟机作为单位。例如,在确定需要对边缘节点新分配资源的情况下,可以将配置好的一个或多个虚拟机(已配置CPU、内存、存储等)加入到该边缘节点的现有虚拟机资源中。类似地,在回收边缘节点的资源的情况下,可以从该边缘节点回收一个或多个虚拟机。在该实施例中,以虚拟机为单位进行资源的新分配和回收,从而边缘节点无需对新部署(新增或减少后)的资源进行重新整合(例如无需修改处理器、内存、网络通信接口等的具体设置),使得资源部署和配置过程简化。
在一些实施例中,对边缘节点新分配的资源的量可以被配置为边缘节点的现有资源的量的倍数。例如,在确定需要对边缘节点新分配资源的情况下,将该边缘节点的资源扩充为原来资源的两倍。通过这样的方式,能够简化资源部署的过程,提高资源部署的效率。
在一些实施例中,预定阈值可以包括但不限于根据CDN中的多个边缘节点各自的历史负载值的平均值来确定。据此,能够获得较为合理的预定阈值,作为是否对边缘节点新分配资源的判定指标之一,从而进一步减少负载预测值与实际情况之间的误差,更有效地进行资源部署。
在一些实施例中,预定阈值可以包括但不限于被配置为根据不同的边缘节点而调整。例如,假设边缘节点A的用户数量比较密集,而边缘节点B的用户数量比较稀疏。为了适应这样的用户数量分布,边缘节点A的当前资源的量远大于边缘节点B的资源的量。在这种情况下,在确定是否对边缘节点A、B新分配资源时,可以将与边缘节点A有关的预定阈值αA设定为大于与边缘节点B有关的预定阈值αB。在该实施例中,能够更精确地针对不同边缘节点进行灵活的资源分配。
在一些实施例中,预定阈值可以包括但不限于被设定为边缘节点的历史数据中最高负载值的80%以上。
根据本发明的实施例的资源部署方法例如可以在CDN的中心节点处实施。该CDN的中心节点例如可以是物理的实体节点或是虚拟机。另外,根据本发明的实施例的资源部署方法可以对CDN中的所有边缘节点实施,也可以仅对CDN中的部分边缘节点(一个或多个)进行。
图4示出根据本发明的实施例的资源部署装置的示例性框图。
在一些实施例中,装置4000可以包括处理电路4010。装置4000的处理电路4010提供装置4000的各种功能。在一些实施例中,装置4000的处理电路4010可以被配置为执行以上参照图1描述的资源部署方法。
处理电路4010可以指在计算系统中执行功能的数字电路系统、模拟电路系统或混合信号(模拟和数字的组合)电路系统的各种实现。处理电路可以包括例如诸如集成电路(IC)、专用集成电路(ASIC)这样的电路、单独处理器核心的部分或电路、整个处理器核心、单独的处理器、诸如现场可编程门阵列(FPGA)的可编程硬件设备、和/或包括多个处理器的系统。
在一些实施例中,处理电路4010可以包括历史负载值获取单元4020、预测负载值生成单元4030、确定单元4040。
历史负载值获取单元4020可以被配置为获取CDN中的边缘节点在多个过去时间段内的历史负载值;预测负载值生成单元4030可以被配置为根据所获取的边缘节点在多个过去时间段内的历史负载值,生成边缘节点在未来预定时间段内的预测负载值;确定单元4040可以被配置为将预测负载值与预定阈值进行比较,以确定是否对边缘节点新分配资源。上述模块4020~4040可以分别被配置为执行前述图1中所示的资源部署方法中的步骤S11~步骤S13。
在一些实施例中,装置4000还可以包括存储器(未图示)。装置4000的存储器可以存储由处理电路4010产生的信息以及用于装置4000操作的程序和数据。存储器可以是易失性存储器和/或非易失性存储器。例如,存储器可以包括但不限于随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)以及闪存存储器。另外,装置4000可以以芯片级来实现,或者也可以通过包括其它外部部件而以设备级来实现。
应当理解,上述各个模块仅是根据其所实现的具体功能所划分的逻辑模块,而不是用于限制具体的实现方式。在实际实现时,上述各个模块可被实现为独立的物理实体,或者也可由单个实体(例如,处理器(CPU或DSP等)、集成电路等)来实现。
本发明实施例提供的资源部署装置与本公开实施例所提供的资源部署方法属于同一发明构思,可执行本公开任意实施例所提供的资源部署方法,具备执行资源部署方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本公开实施例提供的资源部署方法,此处不再加以赘述。
图5示出了可以实现根据本发明的实施例的计算设备500的示例性配置。计算设备500是可以应用本发明的上述方面的硬件设备的实例。计算设备500可以是被配置为执行处理和/或计算的任何机器。计算设备500可以是但不限制于工作站、服务器、台式计算机、膝上型计算机、平板计算机、个人数据助手(PDA)、智能电话、车载计算机或以上组合。
如图5所示,计算设备500可以包括可以经由一个或多个接口与总线502连接或通信的一个或多个元件。总线502可以包括但不限于,工业标准架构(Industry StandardArchitecture,ISA)总线、微通道架构(Micro Channel Architecture,MCA)总线、增强ISA(EISA)总线、视频电子标准协会(VESA)局部总线、以及外设组件互连(PCI)总线等。计算设备500可以包括例如一个或多个处理器504、一个或多个输入设备506、以及一个或多个输出设备508。一个或多个处理器504可以是任何种类的处理器,并且可以包括但不限于一个或多个通用处理器或专用处理器(诸如专用处理芯片)。处理器504例如可以对应于图4中的处理电路4010,被配置为实现本公开的资源部署装置的各模块的功能。输入设备506可以是能够向计算设备输入信息的任何类型的输入设备,并且可以包括但不限于鼠标、键盘、触摸屏、麦克风和/或远程控制器。输出设备508可以是能够呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。
计算设备500还可以包括或被连接至非暂态存储设备514,该非暂态存储设备514可以是任何非暂态的并且可以实现数据存储的存储设备,并且可以包括但不限于盘驱动器、光存储设备、固态存储器、软盘、柔性盘、硬盘、磁带或任何其他磁性介质、压缩盘或任何其他光学介质、缓存存储器和/或任何其他存储芯片或模块、和/或计算机可以从其中读取数据、指令和/或代码的其他任何介质。计算设备500还可以包括随机存取存储器(RAM)510和只读存储器(ROM)512。ROM 512可以以非易失性方式存储待执行的程序、实用程序或进程。RAM 510可提供易失性数据存储,并存储与计算设备300的操作相关的指令。计算设备500还可包括耦接至数据链路518的网络/总线接口516。网络/总线接口516可以是能够启用与外部装置和/或网络通信的任何种类的设备或系统,并且可以包括但不限于调制解调器、网络卡、红外线通信设备、无线通信设备和/或芯片集(诸如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设施等)。
应当理解,本说明书中“实施例”或类似表达方式的引用是指结合该实施例所述的特定特征、结构、或特性系包括在本公开的至少一具体实施例中。因此,在本说明书中,“在本公开的实施例中”及类似表达方式的用语的出现未必指相同的实施例。
此外,本领域技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (20)
1.一种内容分发网络CDN的资源部署方法,所述CDN包括用于进行所述CDN的资源部署的中心节点和用于利用由所述中心节点部署的资源分发内容的边缘节点,所述方法包括:
获取所述CDN中的边缘节点在多个过去时间段内的历史负载值;
根据所获取的所述边缘节点在所述多个过去时间段内的历史负载值,生成所述边缘节点在未来预定时间段内的预测负载值;
将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源。
2.根据权利要求1所述的资源部署方法,其中,
所述多个过去时间段包括昨天、上个星期的今天、上个月的今天、去年的今天中的至少两个。
3.根据权利要求1所述的资源部署方法,其中,所述根据所获取的所述边缘节点在所述多个过去时间段内的历史负载值,生成所述边缘节点在未来预定时间段内的预测负载值包括:
生成所述多个过去时间段内的历史负载值的平均值,作为所述预测负载值。
4.根据权利要求1所述的资源部署方法,其中,所述将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源包括:
在所述预测负载值大于或等于所述预定阈值的情况下,对所述边缘节点新分配资源;
在所述预测负载值小于所述预定阈值的情况下,将所述边缘节点中的部分资源回收到所述CDN的资源池中。
5.根据权利要求1所述的资源部署方法,其中,所述将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源包括:
在所述预测负载值大于或等于所述预定阈值的情况下,判断所述CDN的资源池中是否具有剩余资源;
在判断为所述资源池中具有剩余资源的情况下,将所述剩余资源中的至少部分资源分配给所述边缘节点;
在判断为所述资源池没有剩余资源的情况下,将预测负载值低于所述预定阈值的边缘节点的部分资源回收到所述资源池。
6.根据权利要求1所述的资源部署方法,其中,根据所述预定负载值与所述预定阈值的差值的大小,确定对所述边缘节点新分配资源的量或要回收的所述边缘节点中的资源的量。
7.根据权利要求1所述的资源部署方法,其中,
所述预定阈值根据所述CDN中的多个边缘节点各自的历史负载值的平均值来确定。
8.根据权利要求1所述的资源部署方法,其中,
所述预定阈值被配置为根据不同的边缘节点而调整。
9.根据权利要求1所述的资源部署方法,其中,
所述预定阈值被设定为所述边缘节点的历史负载值中最高负载值的80%以上。
10.根据权利要求1所述的资源部署方法,其中,
新分配的资源被配置为以具有预定配置的虚拟机作为单位。
11.根据权利要求1所述的资源部署方法,其中,
对所述边缘节点新分配的资源的量被配置为所述边缘节点的现有资源的量的倍数。
12.一种内容分发网络CDN的资源部署装置,所述CDN包括用于进行所述CDN的资源部署的中心节点和用于利用由所述中心节点部署的资源分发内容的边缘节点,所述资源部署装置包括:
历史负载值获取单元,被配置为获取所述CDN中的边缘节点在多个过去时间段内的历史负载值;
预测负载值生成单元,被配置为根据所获取的所述边缘节点在所述多个过去时间段内的历史负载值,生成所述边缘节点在未来预定时间段内的预测负载值;
确定单元,被配置为将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源。
13.根据权利要求12所述的资源部署装置,其中,
所述多个过去时间段包括昨天、上个星期的今天、上个月的今天、去年的今天中的至少两个。
14.根据权利要求12所述的资源部署装置,其中,
所述预测负载值生成单元被配置为:生成所述多个过去时间段内的历史负载值的平均值,作为所述预测负载值。
15.根据权利要求12所述的资源部署装置,其中,
所述确定单元被配置为:
在所述预测负载值大于或等于所述预定阈值的情况下,对所述边缘节点新分配资源;
在所述预测负载值小于所述预定阈值的情况下,将所述边缘节点中的部分资源回收到所述CDN的资源池中。
16.根据权利要求12所述的资源部署装置,其中,
所述确定单元被配置为:
在所述预测负载值大于或等于所述预定阈值的情况下,判断所述CDN的资源池是否具有剩余资源;
在判断为所述资源池具有剩余资源的情况下,将所述剩余资源中的至少部分资源分配给所述边缘节点;
在判断为所述资源池没有剩余资源的情况下,将预测负载值低于所述预定阈值的边缘节点的部分资源回收到所述资源池。
17.根据权利要求12所述的资源部署装置,其中,
所述确定单元被配置为:根据所述预定负载值与所述预定阈值的差值的大小,确定对所述边缘节点新分配资源的量或要回收的所述边缘节点中的资源的量。
18.根据权利要求12所述的资源部署装置,其中,
所述预定阈值根据所述CDN中的多个边缘节点各自的历史负载值的平均值来确定。
19.一种内容分发网络CDN的资源部署装置,所述CDN包括用于进行所述CDN的资源部署的中心节点和用于利用由所述中心节点部署的资源分发内容的边缘节点,所述资源部署装置包括:
一个或多个处理器;
存储器,其上存储有计算机可执行指令,所述计算机可执行指令在由所述一个或多个处理器执行时使得所述一个或多个处理器:
获取所述CDN中的边缘节点在多个过去时间段内的历史负载值;
根据所获取的所述边缘节点在所述多个过去时间段内的历史负载值,生成所述边缘节点在未来预定时间段内的预测负载值;
将所述预测负载值与预定阈值进行比较,以确定是否对所述边缘节点新分配资源。
20.一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时,使所述处理器执行如权利要求1至11中的任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911048466.8A CN112751896A (zh) | 2019-10-31 | 2019-10-31 | 资源部署方法、资源部署装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911048466.8A CN112751896A (zh) | 2019-10-31 | 2019-10-31 | 资源部署方法、资源部署装置以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112751896A true CN112751896A (zh) | 2021-05-04 |
Family
ID=75641907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911048466.8A Pending CN112751896A (zh) | 2019-10-31 | 2019-10-31 | 资源部署方法、资源部署装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112751896A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113630616A (zh) * | 2021-08-11 | 2021-11-09 | 上海哔哩哔哩科技有限公司 | 直播边缘节点资源管控方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801792A (zh) * | 2012-07-26 | 2012-11-28 | 华南理工大学 | 基于统计预测的云cdn资源自动部署方法 |
CN106528266A (zh) * | 2016-10-28 | 2017-03-22 | 柏域信息科技(上海)有限公司 | 一种云计算系统中的资源动态调整方法及装置 |
CN108009016A (zh) * | 2016-10-31 | 2018-05-08 | 华为技术有限公司 | 一种资源负载均衡控制方法及集群调度器 |
CN109992392A (zh) * | 2017-12-29 | 2019-07-09 | 中移(杭州)信息技术有限公司 | 一种资源部署方法、装置及资源服务器 |
CN110300184A (zh) * | 2019-07-10 | 2019-10-01 | 深圳市网心科技有限公司 | 边缘节点分配方法、装置、调度服务器及存储介质 |
-
2019
- 2019-10-31 CN CN201911048466.8A patent/CN112751896A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801792A (zh) * | 2012-07-26 | 2012-11-28 | 华南理工大学 | 基于统计预测的云cdn资源自动部署方法 |
CN106528266A (zh) * | 2016-10-28 | 2017-03-22 | 柏域信息科技(上海)有限公司 | 一种云计算系统中的资源动态调整方法及装置 |
CN108009016A (zh) * | 2016-10-31 | 2018-05-08 | 华为技术有限公司 | 一种资源负载均衡控制方法及集群调度器 |
CN109992392A (zh) * | 2017-12-29 | 2019-07-09 | 中移(杭州)信息技术有限公司 | 一种资源部署方法、装置及资源服务器 |
CN110300184A (zh) * | 2019-07-10 | 2019-10-01 | 深圳市网心科技有限公司 | 边缘节点分配方法、装置、调度服务器及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113630616A (zh) * | 2021-08-11 | 2021-11-09 | 上海哔哩哔哩科技有限公司 | 直播边缘节点资源管控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096318B (zh) | 一种基于移动边缘计算的任务卸载方法及装置 | |
CN108965485B (zh) | 容器资源的管理方法、装置和云平台 | |
CN110209348B (zh) | 数据存储方法、装置、电子设备及存储介质 | |
CN114416352A (zh) | 算力资源分配方法、装置、电子设备及储存介质 | |
CN104239150B (zh) | 一种硬件资源调整的方法及装置 | |
CN107533435A (zh) | 存储空间的分配方法及存储设备 | |
CN111338779B (zh) | 资源分配方法、装置、计算机设备和存储介质 | |
US11144085B2 (en) | Dynamic maximum frequency limit for processing core groups | |
CN111225050A (zh) | 云计算资源分配方法及装置 | |
CN111245732A (zh) | 一种流量控制方法、装置及设备 | |
CN112783807B (zh) | 一种模型计算方法及系统 | |
CN112650575A (zh) | 资源调度方法、装置和云端服务系统 | |
CN110633130A (zh) | 一种基于内存热插拔技术的虚拟内存管理方法和装置 | |
KR20220025746A (ko) | 컴퓨팅 자원의 동적 할당 | |
CN112751896A (zh) | 资源部署方法、资源部署装置以及存储介质 | |
CN108388409B (zh) | 打印请求处理方法、装置、计算机设备和存储介质 | |
CN112363815B (zh) | Redis集群处理方法、装置、电子设备及计算机可读存储介质 | |
CN112214321B (zh) | 一种新增微服务的节点选择方法、装置及微服务管理平台 | |
CN113742389A (zh) | 一种业务处理方法和装置 | |
WO2023239533A1 (en) | System and method of dynamically adjusting virtual machines for a workload | |
CN112398892A (zh) | 服务分配方法、装置及设备 | |
CN114296959A (zh) | 消息入队方法和装置 | |
CN111106945B (zh) | 一种vnf实例化方法、装置、设备及存储介质 | |
CN108834087B (zh) | 短信发送方法、装置、计算机设备和存储介质 | |
CN112000462A (zh) | 一种基于共享外设资源的数据处理方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210504 |
|
RJ01 | Rejection of invention patent application after publication |