CN112751924A - 一种数据推送方法、系统及装置 - Google Patents
一种数据推送方法、系统及装置 Download PDFInfo
- Publication number
- CN112751924A CN112751924A CN202011601215.0A CN202011601215A CN112751924A CN 112751924 A CN112751924 A CN 112751924A CN 202011601215 A CN202011601215 A CN 202011601215A CN 112751924 A CN112751924 A CN 112751924A
- Authority
- CN
- China
- Prior art keywords
- edge cache
- cache device
- target
- bandwidth
- excess bandwidth
- 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
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
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Memory System Of A Hierarchy Structure (AREA)
Abstract
本发明实施例提供了一种业务数据推送方法、系统及装置,上述方法包括:获取每一边缘缓存设备在当前周期的当前超额带宽,和在当前周期的上一周期的历史超额带宽;根据每一边缘缓存设备的当前超额带宽和历史超额带宽,确定每一边缘缓存设备的目标超额带宽;根据每一边缘缓存设备的目标超额带宽确定该边缘缓存设备的目标超额带宽收益;基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的目标超额带宽收益对应的目标访问等级,以及目标访问等级对应的目标数据;分别向每一边缘缓存设备推送对应的目标数据。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种数据推送方法、系统及装置。
背景技术
边缘缓存设备在信息传输中提供的带宽的成本低于其他存储设备信息传输中提供的带宽的成本。基于此,边缘缓存设备被广泛应用,以降低信息传输的带宽成本。
目前,在利用边缘缓存设备为用户推送数据时,与推送设备连接的所有边缘缓存设备采用同一推送策略,即与推送设备连接的所有缘缓存设备可以向用户推送推送设备的所有数据。
然而,不同的边缘缓存设备能够提供的带宽不一定相同。这种情况下,若向带宽较低的边缘缓存设备推送浏览量较大的数据,会导致该边缘缓存设备的用户访问量增加,从而导致边缘缓存设备的服务质量变差。当用户无法成功从带宽较低的边缘缓存设备内下载所需的数据时,用户会从其他带宽成本较高的存储设备内下载所需的数据,从而使得数据传输的带宽成本增加。
发明内容
本发明实施例的目的在于提供一种数据推送方法、系统及装置,以降低数据传输的带宽成本。具体技术方案如下:
为达到上述目的,本发明实施例提供了一种数据推送方法,所述方法包括:
获取每一边缘缓存设备在当前周期的当前超额带宽,和在所述当前周期的上一周期的历史超额带宽,每一边缘缓存设备的所述当前超额带宽是根据该边缘缓存设备在所述当前周期的带宽与第一预设带宽确定的,每一边缘缓存设备的所述历史超额带宽是根据该边缘缓存设备在所述上一周期的带宽与第二预设带宽确定的;
根据每一边缘缓存设备的所述当前超额带宽和所述历史超额带宽,确定每一边缘缓存设备的目标超额带宽;
根据每一边缘缓存设备的所述目标超额带宽确定该边缘缓存设备的目标超额带宽收益;
基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据;
分别向每一边缘缓存设备推送对应的所述目标数据。
可选的,所述所述方法还包括:
获取每一边缘缓存设备的目标性能参数值;
所述基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据的步骤,包括:
将每一边缘缓存设备的所述目标性能参数值、所述目标超额带宽收益,及预设的多种访问等级对应的数据输入所述预设数据确定模型,得到每一边缘缓存设备的所述目标超额带宽收益和所述目标性能参数值这二者对应的目标访问等级,以及所述目标访问等级对应的目标数据。
可选的,所述预设数据确定模型是基于样本超额带宽收益、样本性能参数值、所述样本超额带宽收益和所述样本性能参数值对应的样本访问等级,以及所述样本访问等级对应的数据,对强化学习框架进行训练得到的模型。
可选的,所述获取每一边缘缓存设备的性能参数值的步骤,包括:
获取每一边缘缓存设备的原始性能参数值;
对每一边缘缓存设备的原始性能参数值进行清洗,得到清洗后的原始性能参数值;
对每一边缘缓存设备清洗后的原始性能参数值进行汇聚,得到每一边缘缓存设备的目标性能参数值。
可选的,所述基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据的步骤,包括:
将所述多种访问等级对应的数据及每一边缘缓存设备的所述目标超额带宽输入所述预设数据确定模型,得到所述边缘缓存设备与所述数据对应的数据关系矩阵,所述数据关系矩阵中每一行向量与每一边缘缓存设备对应,每一列向量与每一数据对应;
所述分别向每一边缘缓存设备推送对应的所述目标数据的步骤,包括:
确定所述数据关系矩阵中的第一元素,针对每一第一元素,向该第一元素对应的边缘缓存设备推送该第一元素对应的所述目标数据。
可选的,所述获取每一边缘缓存设备在当前周期的当前超额带宽和上一周期的历史超额带宽的步骤,包括:
针对每一边缘缓存设备,获取该边缘缓存设备在当前周期内预设时间段的超额带宽,作为当前超额带宽;
针对每一边缘缓存设备,获取该边缘缓存设备在所述当前周期的上一周期内所述预设时间段的超额带宽,作为历史超额带宽。
可选的,利用如下步骤确定所述当前超额带宽:
获取每一边缘缓存设备在当前周期内的当前带宽;
计算每一边缘缓存设备的所述当前带宽的均值;
计算每一边缘缓存设备的所述当前带宽和所述均值的差值,确定每一边缘缓存设备的当前超额带宽。
为达到上述目的,本发明实施例还提供了一种数据推送系统,所述系统包括推送设备及与所述推送设备连接的多个边缘缓存设备;
所述推送设备,用于获取每一边缘缓存设备在当前周期的当前超额带宽,和在所述当前周期的上一周期的历史超额带宽,每一边缘缓存设备的所述当前超额带宽是根据该边缘缓存设备在所述当前周期的带宽与第一预设带宽确定的,每一边缘缓存设备的所述历史超额带宽是根据该边缘缓存设备在所述上一周期的带宽与第二预设带宽确定的;根据每一边缘缓存设备的所述当前超额带宽和所述历史超额带宽,确定每一边缘缓存设备的目标超额带宽;根据每一边缘缓存设备的所述目标超额带宽确定该边缘缓存设备的目标超额带宽收益;基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据;分别向每一边缘缓存设备推送对应的所述目标数据;
每一边缘缓存设备,用于接收所述目标数据。
为达到上述目的,本发明实施例还提供了一种数据推送装置,所述装置包括:
第一获取模块,用于获取每一边缘缓存设备在当前周期的当前超额带宽,和在所述当前周期的上一周期的历史超额带宽,每一边缘缓存设备的所述当前超额带宽是根据该边缘缓存设备在所述当前周期的带宽与第一预设带宽确定的,每一边缘缓存设备的所述历史超额带宽是根据该边缘缓存设备在所述上一周期的带宽与第二预设带宽确定的;
第一确定模块,用于根据每一边缘缓存设备的所述当前超额带宽和所述历史超额带宽,确定每一边缘缓存设备的目标超额带宽;
第二确定模块,用于根据每一边缘缓存设备的所述目标超额带宽确定该边缘缓存设备的目标超额带宽收益;
第三确定模块,用于基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据;
推送模块,用于分别向每一边缘缓存设备推送对应的所述目标数据。
可选的,所述装置还包括:
第二获取模块,获取每一边缘缓存设备的目标性能参数值;
所述第三确定模块具体用于:
将每一边缘缓存设备的所述目标性能参数值、所述目标超额带宽收益,及预设的多种访问等级对应的数据输入所述预设数据确定模型,得到每一边缘缓存设备的所述目标超额带宽收益和所述目标性能参数值这二者对应的目标访问等级,以及所述目标访问等级对应的目标数据。
可选的,所述预设数据确定模型是基于样本超额带宽收益、样本性能参数值、所述样本超额带宽收益和所述样本性能参数值对应的样本访问等级,以及所述样本访问等级对应的数据,对强化学习框架进行训练得到的模型。
可选的,所述第二获取模块包括:
第一获取子模块,用于获取每一边缘缓存设备的原始性能参数值;
清洗子模块,用于对每一边缘缓存设备的原始性能参数值进行清洗,得到清洗后的原始性能参数值;
汇聚子模块,用于对每一边缘缓存设备清洗后的原始性能参数值进行汇聚,得到每一边缘缓存设备的目标性能参数值。
可选的,所述第三确定模块具体用于:
将所述多种访问等级对应的数据及每一边缘缓存设备的所述目标超额带宽输入所述预设数据确定模型,得到所述边缘缓存设备与所述数据对应的数据关系矩阵,所述数据关系矩阵中每一行向量与每一边缘缓存设备对应,每一列向量与每一数据对应;
所述推送模块,具体用于确定所述数据关系矩阵中的第一元素,针对每一第一元素,向该第一元素对应的边缘缓存设备推送该第一元素对应的所述目标数据。
可选的,所述第一获取模块具体用于:
针对每一边缘缓存设备,获取该边缘缓存设备在当前周期内预设时间段的超额带宽,作为当前超额带宽;
针对每一边缘缓存设备,获取该边缘缓存设备在所述当前周期的上一周期内所述预设时间段的超额带宽,作为历史超额带宽。
可选的,所述第一获取模块,包括:
第二获取子模块,用于获取每一边缘缓存设备在当前周期内的当前带宽;
计算子模块,用于计算每一边缘缓存设备的所述当前带宽的均值;
确定子模块,用于计算每一边缘缓存设备的所述当前带宽和所述均值的差值,确定每一边缘缓存设备的当前超额带宽。
为达到上述目的,本发明实施例还提供了一种电子设备,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的数据推送方法步骤。
为达到上述目的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的数据推送方法步骤。
为达到上述目的,本发明实施例还提供了一种计算机程序,当其在计算机上运行时,使得计算机执行上述任一所述的数据推送方法。
本发明实施例提供的技术方案的有益效果:
本发明实施例提供的一种数据推送方法、系统及装置,基于样本超额带宽收益、样本超额带宽收益对应的样本访问等级,以及样本访问等级的数据,对强化学习框架进行训练,得到的强化学习模型,该强化学习模型学习到了超额带宽收益、访问等级与数据之间的关系,可以实现超额带宽收益越高,强化学习模型输出的访问等级越高,强化学习模型输出的数据的访问等级越高。利用该强化学习模型,结合预设的多种访问等级的数据,可确定每一边缘缓存设备的目标超额带宽收益对应的目标访问等级,以及目标访问等级的目标数据。
这里,可以实现目标超额带宽收益越高,强化学习模型输出的目标访问等级越高,强化学习模型输出的目标数据的目标访问等级越高,而目标超额带宽收益越高,表明边缘缓存设备的带宽也就越高。基于此得出,本发明实施例中,边缘缓存设备的带宽越高,该边缘缓存设备对应的目标数据的目标访问等级越高,向每一边缘缓存设备推送对应的目标数据,保证了向带宽较高的边缘缓存设备推送访问等级较高的数据,向带宽较低的边缘缓存设备推送访问等级较低的数据,这有效预防了用户无法成功从边缘缓存设备内下载所需的数据,而从其他带宽成本较高的存储设备内下载所需的数据的问题,降低了数据传输的带宽成本。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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他的附图。
图1为现有技术中推送设备向边缘缓存设备推送数据的一种示意图;
图2为本发明实施例提供的一种数据推送方法的一种流程图;
图3为本发明实施例提供的一种数据推送方法的另一种流程图;
图4为本发明实施例提供的一种获取目标性能参数值方法的一种流程图;
图5为本发明实施例提供的推送设备与边缘缓存设备间的一种交互图;
图6为本发明实施例提供的一种数据推送方法的又一种流程图;
图7为本发明实施例提供的一种确定当前超额带宽方法的一种流程图;
图8为本发明实施例提供的一种推送设备与边缘缓存设备间的另一种交互图;
图9为本发明实施例提供的一种数据推送方法的一种信令图;
图10为本发明实施例提供的一种数据推送系统的一种结构图;
图11为本发明实施例提供的一种数据推送装置的一种结构示意图;
图12为本发明实施例提供的一种电子设备的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,在利用推送设备为边缘缓存设备推送数据时,与推送设备连接的所有边缘缓存设备采用同一推送策略。如图1所示,与推送设备连接的边缘缓存设备1、2…n采用同一推送策略。但不同的边缘缓存设备能够提供的带宽不一定相同。这种情况下,若向带宽较低的边缘缓存设备推送浏览量较大的数据,会导致该边缘缓存设备的用户访问量增加,从而导致边缘缓存设备的服务质量变差。当用户无法成功从带宽较低的边缘缓存设备内下载所需的数据时,用户会从其他带宽成本较高的存储设备内下载所需的数据,从而使得数据传输的带宽成本增加。
为降低数据传输的带宽成本,本发明实施例提供了一种数据推送方法、系统及装置。
如图2所示,图2为本发明实施例提供的一种数据推送方法的一种流程图,该数据推送方法应用于推送设备,推送设备能够向与其连接的多个边缘缓存设备推送数据。上述数据推送方法包括如下步骤。
步骤201,获取每一边缘缓存设备在当前周期的当前超额带宽和在当前周期的上一周期的历史超额带宽,每一边缘缓存设备的当前超额带宽是根据该边缘缓存设备在当前周期的带宽与第一预设带宽确定的,每一边缘缓存设备的历史超额带宽是根据该边缘缓存设备在上一周期的带宽与第二预设带宽确定的。
步骤202,根据每一边缘缓存设备的当前超额带宽和历史超额带宽,确定每一边缘缓存设备的目标超额带宽。
步骤203,根据每一边缘缓存设备的目标超额带宽确定该边缘缓存设备的目标超额带宽收益。
步骤204,基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的目标超额带宽收益对应的目标访问等级,以及目标访问等级对应的目标数据。
步骤205,分别向每一边缘缓存设备推送对应的目标数据。
本发明实施例提供的数据推送方法中,预设数据确定模型可以为基于样本超额带宽收益、样本超额带宽收益对应的样本访问等级,以及样本访问等级的数据,对强化学习框架进行训练得到的预设数据确定模型。该预设数据确定模型学习到了超额带宽收益、访问等级与数据之间的关系,可针对输入的目标超额带宽收益,根据预设的目标超额带宽收益与数据的访问等级的对应关系,为每一目标超额带宽收益分配其对应的访问等级的数据。其中,预设的目标超额带宽收益与数据的访问等级的对应关系可以为:目标超额带宽收益越高,则对应的数据的访问等级越高;目标超额带宽收益越低,则对应的数据的访问等级越低。因此,利用该预设数据确定模型,结合预设的多种访问等级对应的数据,可确定每一边缘缓存设备的目标超额带宽收益对应的目标访问等级,以及目标访问等级对应的目标数据。
这里,可以实现目标超额带宽收益越高,则预设数据确定模型输出的该目标超额带宽收益对应的目标访问等级越高,也就是,预设数据确定模型输出的该目标超额带宽收益对应的目标数据的目标访问等级越高。而目标超额带宽收益越高,表明该目标超额带宽收益对应的边缘缓存设备的带宽也就越高。基于此得出,本发明实施例中,根据每一边缘缓存设备的目标超额带宽收益向每一边缘缓存设备推送对应的目标数据,即向带宽较高的边缘缓存设备推送访问等级较高的数据,向带宽较低的边缘缓存设备推送访问等级较低的数据,这有效预防了用户无法成功从边缘缓存设备内下载所需的数据,而从其他带宽成本较高的存储设备内下载所需的数据的问题,降低了数据传输的带宽成本。
其中,可以根据数据的下载次数为数据划分访问等级,数据的下载次数越多,则该数据的访问等级越高;数据的下载次数越少,则该数据的访问等级越低。例如,将访问次数大于等于1000的数据的访问等级划分为一级;将访问次数为700-1000的数据的访问等级划分为二级;将访问次数为400-700的数据的访问等级划分为三级;将访问次数为100-400的数据的访问等级划分为三级;将访问次数小于等于100的数据的访问等级划分为四级。其中,在数据的访问等级中,一级高于二级,二级高于三级,三级高于四级。
也就是,数据的访问等级越高,则表示有越多的用户下载或访问该数据。因此,当将该数据存储于某一边缘缓存设备时,有较多的用户为了获取该数据而访问存储有该数据的边缘存储设备。而边缘缓存设备的带宽越高,则表示该边缘缓存设备能够承受更多的用户的访问,并为用户提供需要的数据。因此,向带宽较高的边缘缓存设备推送访问等级较高的数据,向带宽较低的边缘缓存设备提供访问等级较低的数据,使得用户可以快速流畅地由边缘缓存设备内下载所需的数据,防止了用户无法成功从边缘缓存设备内下载所需的数据,而从其他带宽成本较高的存储设备内下载所需的数据的问题,降低了数据传输的带宽成本。
步骤201中,每一边缘缓存设备均为与推送设备连接的边缘缓存设备。周期的时长可以根据实际需求进行设定。例如,周期的时长可以为1小时、2小时、1天等。
本发明实施实例中,边缘缓存设备的当前超额带宽根据该边缘缓存设备的带宽和第一预设带宽确定。一个示例中,当前超额带宽可以为边缘缓存设备的当前带宽与第一预设带宽的差值。另一个示例中,当前超额带宽可以为边缘缓存设备的当前带宽除以第一预设带宽,其中,第一预设带宽可以为根据经验获得或统计得到的带宽标准值。边缘缓存设备的当前超额带宽的值越大,则表示该边缘缓存设备的当前带宽与第一预设带宽的差距越大,则该边缘缓存设备的当前带宽越高,边缘缓存设备的当前超额带宽的值越小,则表示该边缘缓存设备的当前带宽与第一预设带宽的差距越小,则该边缘缓存设备的当前带宽越低。
历史超额带宽可以为当前周期的上一周期的历史带宽与标准带宽的差值。历史超额带宽还可以根据当前周期的上一周期的历史带宽、当前周期的上一周期的标准带宽、在上一周期之前的预设数量个周期的历史带宽、以及在上一周期之前的预设数量个周期的标准带宽确定,其中,预设数量可以根据实际情况确定。
在本发明的一个实施例中,当预设数量为1时,可以利用以下公式确定历史超额带宽。
其中,Rm表示边缘缓存设备m的历史超额带宽,表示在当前周期的上一周期的历史带宽,表示在上一周期之前的一个周期的历史带宽,λa表示在当前周期的上一周期的标准带宽,λa-1表示在上一周期之前的一个周期的标准带宽。
在本发明的一个实施例中,为了便于后续向各个边缘缓存设备推送数据,在得到当前周期的当前超额带宽后,基于当前超额带宽确定下一周期的历史超额带宽,并记录下。
步骤202中,在获取到每一边缘缓存设备的当前超额带宽和历史超额带宽后,针对每一边缘缓存设备,可基于该边缘缓存设备的当前超额带宽和历史超额带宽,确定该边缘缓存设备的目标超额带宽。其中,目标超额带宽可以是当前超额带宽与历史超额带宽的差值,也可以是当前超额带宽与历史超额带宽的和,本发明实施例对此不作具体限定。
步骤203中,在确定每一边缘缓存设备的目标超额带宽后,可以根据该边缘缓存设备的目标超额带宽确定该边缘缓存设备的目标超额带宽收益。
例如,可以根据该边缘缓存设备的目标超额带宽与带宽单价,确定该边缘缓存设备的目标超额带宽收益。即计算该边缘缓存设备的目标超额带宽和带宽单价的乘积,得到该边缘缓存设备的目标超额带宽收益。其中,不同边缘缓存设备的带宽单价与该边缘缓存设备的成本及该边缘缓存设备的网络运营商相关。
例如,可以利用如下公式确定边缘缓存设备m的目标超额带宽收益。
Rim=Rm×Pm
其中,Rim为边缘缓存设备m的目标超额带宽收益,Rm边缘缓存设备m的目标超额带宽,Pm边缘缓存设备m的带宽单价。
步骤204中,在确定每一边缘缓存设备的目标超额带宽收益后,获取所有数据的访问等级作为预设的多种访问等级的数据,然后将每一边缘缓存设备的目标超额带宽收益与预设的多种访问等级的数据输入预设数据确定模型,获得每一边缘缓存设备对应的目标访问等级,并获得每一边缘缓存设备对应的目标访问等级的目标数据。
其中,预设数据确定模型可以为基于样本训练集对强化学习框架进行训练得到的模型,其中样本训练集包括:样本超额带宽收益、样本超额带宽收益对应的样本访问等级、以及样本访问等级的数据。预设数据确定模型可以为基于强化学习思想中马尔可夫性建立的模型,马尔可夫性为认为未来的发展只与当下信息有关的性质。本发明实施例中,马尔可夫性可以理解为,根据每一边缘缓存设备的当前的超额带宽收益确定下一步推送给每一边缘缓存设备的目标数据。
在本发明的一个实施例中,当样本训练集包括样本超额带宽收益、样本超额带宽收益对应的样本访问等级、以及样本访问等级的数据时,预设数据确定模型的训练过程可以为:
将样本超额带宽收益、样本超额带宽收益对应的样本访问等级、以及样本访问等级的数据输入强化学习框架,强化学习框架根据样本超额带宽收益与样本访问等级的样本数据之间的对应关系,输出样本超额带宽收益对应的预测访问等级的数据。
根据样本超额带宽收益对应的预测访问等级的数据和样本访问等级的数据,确定强化学习框架输出结果的准确度。判断强化学习框架输出结果的准确度是否大于等于预设准确度阈值,若是,则确定当前强化学习框架为预设数据确定模型;若否,则调整强化学习框架中的参数,重新执行将样本超额带宽收益、样本超额带宽收益对应的样本访问等级、以及样本访问等级的数据输入强化学习框架,强化学习框架输出样本超额带宽收益对应的预测访问等级的数据的步骤。
其中,确定样本超额带宽收益与样本访问等级的样本数据之间的对应关系的方法为多种。
一个示例中,将预设的多种样本访问等级的样本数据分为多个样本数据区间,以样本数据区间内包含的样本数据的访问等级,代表样本数据区间的访问等级。确定对应关系为,访问等级越高的样本数据区间,对应越高的样本超额带宽收益。
另一个示例中,预先设置有预设等级阈值和预设收益阈值。确定对应关系为,大于预设等级阈值的访问等级的样本数据对应大于预设收益阈值的样本超额带宽收益;小于等于预设等级阈值的访问等级的样本数据对应小于等于预设收益阈值的样本超额带宽收益。其中,预设等级阈值与预设收益阈值均可根据实际情况设定。
步骤205中,在确定每一边缘缓存设备对应的目标访问等级的目标数据后,向每一边缘缓存设备推送其对应的目标数据并将该边缘缓存设备内的数据更新为目标数据。此外,边缘缓存设备在接收到目标数据后,边缘缓存设备也可以将自身内存储的数据更新为目标数据。
一种实施例中,本发明实施例还提供了一种数据推送方法,如图3所示,本发明实施例提供的数据推送方法还可以包括以下步骤。
步骤206,获取每一边缘缓存设备的目标性能参数值。
此时,如图3所示,步骤204可以细化为以下步骤。
步骤2041,将每一边缘缓存设备的目标性能参数值、目标超额带宽收益,及预设的多种访问等级对应的数据输入预设数据确定模型,得到每一边缘缓存设备的目标超额带宽收益和目标性能参数值这二者对应的目标访问等级,以及目标访问等级对应的目标数据。
本发明实施实例中,根据每一边缘缓存设备的目标性能参数值与目标超额带宽收益,确定该边缘缓存设备的目标数据。也就是,在确定每一边缘缓存设备的目标数据时,不仅考虑了该边缘缓存设备的目标超额带宽收益,还考虑了该边缘缓存设备的目标性能参数值,增加了确定目标数据的考量因素,从而可以更加精确地确定每一边缘缓存设备对应的目标数据,然后向每一边缘缓存设备推送其对应的目标数据,从而提高与推送设备连接的每一边缘缓存设备的服务质量。
步骤206中,边缘缓存设备的目标性能参数值为可以用于表示每一边缘缓存设备的当前设备状态的参数值,例如,每一边缘缓存设备的目标性能参数值可以为时序数据,即在时间发生变化时,该边缘缓存设备的目标性能参数值可能会发生变化。每一边缘缓存设备目标性能参数值包括但不限于该边缘缓存设备的的剩余连接数、内存命中率、存储情况等。获取每一边缘缓存设备的目标性能参数值的方式有多种。
一个示例中,可以由每一边缘缓存设备向推送设备上传自身的目标性能参数值,推送设备接收目标性能参数值。
另一个示例中,可设置预设性能参数值数据库,并将每一边缘缓存设备的目标性能参数值存储在预设性能参数值数据库中,推送设备可根据每一边缘缓存设备的设备编号由预设性能参数值数据库中调取该边缘缓存设备的目标性能参数值。还可以通过其他方式获取每一边缘缓存设备的目标性能参数值,本发明实施例对此不作具体限定。
本发明实施例中,不限定步骤206与步骤201-203的执行顺序。
步骤2041中,在获取每一边缘缓存设备的目标超额带宽收益与目标性能参数值后,获取推送设备中所有数据的访问等级,然后将每一边缘缓存设备的目标超额带宽收益、目标数据及不同访问等级的数据输入预设数据确定模型,获得每一边缘缓存设备对应的目标访问等级,并获得每一边缘缓存设备对应的目标访问等级的数据。
一种实施例中,预设数据确定模型还可以基于样本超额带宽收益、样本性能参数值、样本超额带宽收益和样本性能参数值对应的样本访问等级,以及样本访问等级对应的数据,对强化学习框架进行训练得到的模型。
本发明实施例中,利用预设数据确定模型确定每一边缘缓存设备对应的目标数据时,由于预设数据确定模型根据超额带宽收益及性能参数值向每一边缘缓存设备推送对应的目标数据,即向带宽较高的边缘缓存设备推送访问等级较高的数据,向带宽较低的边缘缓存设备推送访问等级较低的数据,这有效预防了用户无法成功从边缘缓存设备内下载所需的数据,而从其他带宽成本较高的存储设备内下载所需的数据的问题,降低了数据传输的带宽成本。
本发明实施例中,用于训练得到预设数据确定模型的样本训练集还可以包括样本性能参数值,当样本训练集包括样本超额带宽收益、样本性能参数值、样本超额带宽收益对应的样本访问等级、以及样本访问等级对应的数据时,预设数据确定模型的训练过程可以为:
将样本超额带宽收益、样本性能参数值、样本超额带宽收益对应的样本访问等级、以及样本访问等级对应的数据输入强化学习框架,强化学习框架根据样本超额带宽收益和样本性能参数值这两者与样本访问等级对应的样本数据之间的对应关系,输出样本超额带宽收益及样本性能参数值对应的预测访问等级的数据。
根据样本超额带宽收益对应的预测访问等级的数据的和样本访问等级的数据,确定强化学习框架输出结果的准确度。判断强化学习框架输出结果的准确性是否大于等于预设准确度阈值,若是,则确定当前强化学习框架为预设数据确定模型;若否,则调整强化学习框架中的参数,重新执行将样本超额带宽收益、样本性能参数值、样本超额带宽收益对应的样本访问等级、以及样本访问等级的数据输入强化学习框架,强化学习框架输出样本超额带宽收益对应的预测访问等级的数据的步骤。
一种实施例中,如图4所示,步骤206可以细化为以下步骤。
步骤2061,获取每一边缘缓存设备的原始性能参数值。
步骤2062,对每一边缘缓存设备的原始性能参数值进行清洗,得到清洗后的原始性能参数值。
步骤2063,对每一边缘缓存设备清洗后的原始性能参数值进行汇聚,得到每一边缘缓存设备的目标性能参数值。
本发明实施例中,在获取每一边缘缓存设备的原始性能参数值后,可对原始性能参数值进行清洗,然后将清洗后的性能参数值进行汇聚,得到每一边缘缓存设备的目标性能参数值。通过上述步骤,提高了目标性能参数值的精确性。
步骤2061中,获取每一边缘缓存设备的原始性能参数值的方式有多种。一个示例中,可以由每一边缘缓存设备向推送设备上传自身的原始性能参数值,推送设备接收原始性能参数值。另一个示例中,可设置预设原始性能参数值数据库,并将每一边缘缓存设备的原始性能参数值存储在预设原始性能参数值数据库中,推送设备可根据每一边缘缓存设备的设备编号由原始性能参数值数据库中调取该边缘缓存设备的原始性能参数值。还可以通过其他方式获取每一边缘缓存设备的原始性能参数值,本发明实施例对此不作具体限定。
步骤2062中,对原始性能参数值进行清洗,也就是对原始性能参数值进行筛选,除去原始性能参数值中的无效数据,如原始性能参数值中不完整的数据、重复的数据、突变的数据及错误的数据等。可以通过离线清洗的方式对每一边缘缓存设备的原始性能参数值进行清洗,得到清洗后的原始性能参数值。也可以通过在线清洗的方式对原始性能参数值进行清洗,得到清洗后的原始性能参数值。还可以通过其他方式对性能参数值进行清洗,本发明实施例对此不作具体限定。
步骤2063中,在对边缘缓存设备的原始性能参数值进行清洗后,对边缘缓存设备的原始性能参数值进行汇聚,从而将杂乱无章的原始性能参数值汇聚为有序的目标性能参数值。
本发明实施例中,可根据数据种类对清洗后的原始性能参数值进行汇聚,即将同一种类的数据汇聚为一组数据,例如将多个边缘缓存设备的剩余命中率汇聚为一组,将多个边缘缓存设备的存储情况汇聚为一组等。此外,还可以根据原始性能参数值所属的边缘缓存设备对原始性能参数值进行汇聚,即将属于同一边缘缓存设备的原始性能参数值汇聚为一组。还可通过其他方式对原始性能参数值进行汇聚,本发明实施例对此不作具体限定。将杂乱无章的原始性能参数值汇聚为有序的目标性能参数值,便于推送设备对目标性能参数值进行计算处理,降低了数据处理的繁琐程度。
下面将结合图5对本发明实施例提供的一种数据推送方法进行详细说明。如图5所示,推送设备获取每一边缘缓存设备的目标超额带宽与目标性能参数值,并根据每一边缘缓存设备的目标超额带宽确定该边缘缓存设备的目标超额带宽收益,然后根据每一边缘缓存设备的目标超额带宽收益与目标性能参数值,确定每一边缘缓存设备对应的目标访问等级的目标数据,然后向每一边缘缓存设备推送其对应的目标数据。
一种实施例中,步骤204可以细化为:
将多种访问等级对应的数据及每一边缘缓存设备的目标超额带宽输入预设数据确定模型,得到边缘缓存设备与数据对应的数据关系矩阵,数据关系矩阵中每一行向量与每一边缘缓存设备对应,每一列向量与每一数据对应。
步骤205可以细化为:
确定数据关系矩阵中的第一元素,针对每一第一元素,向该第一元素对应的边缘缓存设备推送该第一元素对应的目标数据。
本发明实施例中,在获取每一边缘缓存设备对应的目标超额带宽收益后,将目标超额带宽收益输入至预设数据确定模型,得到用于显示边缘缓存设备的目标数据的数据关系矩阵。数据关系矩阵中的元素与边缘缓存设备和数据对应,使得边缘缓存设备与目标数据之间的关系更加清晰,在确定某一边缘缓存设备后,根据数据关系矩阵,确定向该边缘缓存设备推送的数据。通过数据关系矩阵向每一边缘缓存设备推送其对应的目标数据,降低了数据推送过程的繁琐程度。
其中,数据关系矩阵中行向量与边缘缓存设备一一对应,列向量与数据一一对应,即每一行的元素分别与一个边缘缓存设备对应,每一列的元素分别与一个数据对应,第一元素表示向该第一元素对应的边缘缓存设备推送该第一元素对应的数据。第二元素表示不向该第二元素对应的边缘缓存设备推送该第二元素对应的数据。其中,第一元素的值可以为“1”,第二元素的值可以为“0”,则当向边缘缓存设备n推送数据时,获取该边缘缓存设备n对应的元素行中“1”对应的数据,并向该边缘缓存设备n推送获取的数据。
一种实施例中,如图6所示,步骤201可以细化为以下步骤。
步骤2011,针对每一边缘缓存设备,获取该边缘缓存设备在当前周期内预设时间段的超额带宽,作为当前超额带宽。
步骤2012,针对每一边缘缓存设备,获取该边缘缓存设备在当前周期的上一周期内预设时间段的超额带宽,作为历史超额带宽。
本发明实施例中,获取当前周期内预设时间段内的超额带宽,用预设时间段内的超额带宽表示当前周期的当前超额带宽;获取当前周期的上一周期内预设时间段内的超额带宽,用上一周期预设时间段内的超额带宽表示上一周期的历史超额带宽,然后基于预设时间段内的当前超额带宽与历史超额带宽,确定目标超额带宽收益。用较短的预设时间段内的超额带宽表示整个周期内的超额带宽,减少了收集的边缘缓存设备的带宽的数量,降低了当前超额带宽及历史超额带宽的计算的难度与复杂度。
步骤2011与步骤2022中,预设时间段可以根据实际情况提前设定。以周期时长为一天为例。一天中,每一边缘缓存设备在不同时间的带宽值均不同,边缘缓存设备的带宽值与该边缘缓存设备的用户访问量相关。可以选取一天中最具有代表性的时间段作为预设时间段,如一天中用户访问每一边缘缓存设备的早高峰(早上八点至九点),或一天中用户访问每一边缘缓存设备的晚高峰(晚上七点至九点)。还可以将一天中其他时间作为预设时间段,本发明实施例对此不作具体限定。
一种实施例中,如图7所示,可以通过以下步骤计算每一边缘缓存设备在当前周期的当前超额带宽。
步骤701,获取每一边缘缓存设备在当前周期内的当前带宽。
步骤702,计算每一边缘缓存设备的当前带宽的均值。
步骤703,计算每一边缘缓存设备的当前带宽和均值的差值,确定每一边缘缓存设备的当前超额带宽。
本发明实施例中,计算与推送设备连接的每一边缘缓存设备的当前带宽的均值,并基于当前带宽的均值和每一边缘缓存设备的当前带宽,确定该边缘缓存设备的当前超额带宽,也就是,用每一边缘缓存设备的当前带宽的均值表示第一预设带宽。通过每一边缘缓存设备的当前带宽的均值确定第一预设带宽,而不是通过经验设定第一预设带宽,使得第一预设带宽的值更加准确、客观。因此,使得根据第一预设带宽计算得到的边缘缓存设备的当前超额带宽不受主观因素影响,从而使得当前超额带宽更加准确客观。
步骤701中,获取每一边缘缓存设备在当前周期内带宽值的总和,将带宽值的总和作为该边缘缓存设备在当前周期的当前带宽。
步骤702中,获取与推送设备连接的边缘缓存设备的设备数量,然后获取每一边缘缓存设备在当前周期的当前带宽,根据每一边缘缓存设备的当前带宽与边缘缓存设备的设备数量,计算每一边缘缓存设备的当前带宽的均值。
步骤703中,在获取每一边缘缓存设备的当前带宽与当前带宽的均值后,计算每一边缘缓存设备的当前带宽与当前带宽的均值之间的差值,并将差值作为该边缘缓存设备的当前超额带宽。
下面结合如图8所示的一种推送设备与边缘缓存设备的一种框架图,对本发明实施例提供的数据推送方法进行详细说明。
其中,如右图8所示,推送设备包括数据汇聚单元、强化学习单元、数据存储单元及资源推送单元。与推送设备连接的每一边缘缓存设备将目标性能参数值及目标超额带宽上传至数据汇聚单元,数据汇聚单元将每一边缘缓存设备上传的数据进行汇聚,发送给强化学习单元。此外,数据存储单元将预设的多种访问等级的数据发送给强化学习单元,强化学习单元根据每一边缘缓存设备上传的目标超额带宽计算每一边缘缓存设备的目标超额带宽收益,然后基于预设数据确定模型和获取到的多种访问等级的数据,确定每一边缘缓存设备的目标超额带宽收益和目标性能参数值这二者对应的目标访问等级,以及目标访问等级的目标数据,然后根据每一边缘缓存设备与边缘缓存设备的目标数据生成数据关系矩阵,并将数据关系矩阵发送给资源推送单元,资源推送单元根据数据关系矩阵向每一边缘缓存设备推送数据。
下面结合如图9所示的数据推送方法的一种信令图,对本发明实施例提供的数据推送方法进行详细说明。
每一边缘缓存设备向推送设备发送该边缘缓存设备的目标性能参数值与目标超额带宽。
推送设备获取多种访问等级的数据。然后基于预设数据确定模型和多种访问等级的数据,确定每一边缘缓存设备对应的目标访问等级的目标数据,然后向每一边缘缓存设备推送该边缘缓存设备的目标数据。
播放终端设备向边缘缓存设备发送针对目标数据的下载请求,边缘缓存设备接收下载请求后向播放终端设备发送目标数据。
与一种数据推送方法实施例相对应,本发明实施例还提供了一种数据推送系统,如图10所示,数据推送系统包括推送设备1001及与推送设备1001连接的多个边缘缓存设备1002(图10以数据推送系统包括一个边缘缓存设备为例进行说明,不起限定作用)。
推送设备1001,用于获取每一边缘缓存设备在当前周期的当前超额带宽,和在当前周期的上一周期的历史超额带宽,每一边缘缓存设备的当前超额带宽是根据该边缘缓存设备在当前周期的带宽与第一预设带宽确定的,每一边缘缓存设备的历史超额带宽是根据该边缘缓存设备在上一周期的带宽与第二预设带宽确定的;根据每一边缘缓存设备的当前超额带宽和历史超额带宽,确定每一边缘缓存设备的目标超额带宽;根据每一边缘缓存设备的目标超额带宽确定该边缘缓存设备的目标超额带宽收益;基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的目标超额带宽收益对应的目标访问等级,以及目标访问等级对应的目标数据;分别向每一边缘缓存设备推送对应的目标数据。
每一边缘缓存设备1002,用于接收目标数据。
通过上述数据推送系统中的推送设备向每一边缘缓存设备推送数据时,可以实现目标超额带宽收益越高,则预设数据确定模型输出的该目标超额带宽收益对应的目标访问等级越高,也就是,预设数据确定模型输出的该目标超额带宽收益对应的目标数据的目标访问等级越高。而目标超额带宽收益越高,表明该目标超额带宽收益对应的边缘缓存设备的带宽也就越高。基于此得出,本发明实施例中,根据每一边缘缓存设备的目标超额带宽收益向每一边缘缓存设备推送对应的目标数据,即向带宽较高的边缘缓存设备推送访问等级较高的数据,向带宽较低的边缘缓存设备推送访问等级较低的数据,这有效预防了用户无法成功从边缘缓存设备内下载所需的数据,而从其他带宽成本较高的存储设备内下载所需的数据的问题,降低了数据传输的带宽成本。
与一种数据推送方法实施例相对应,本发明实施例还提供了一种数据推送装置,如图11所示,该装置包括:
第一获取模块1101,用于获取每一边缘缓存设备在当前周期的当前超额带宽,和在当前周期的上一周期的历史超额带宽,每一边缘缓存设备的当前超额带宽是根据该边缘缓存设备在当前周期的带宽与第一预设带宽确定的,每一边缘缓存设备的历史超额带宽是根据该边缘缓存设备在上一周期的带宽与第二预设带宽确定的。
第一确定模块1102,用于根据每一边缘缓存设备的当前超额带宽和历史超额带宽,确定每一边缘缓存设备的目标超额带宽。
第二确定模块1103,用于根据每一边缘缓存设备的目标超额带宽确定该边缘缓存设备的目标超额带宽收益。
第三确定模块1104,用于基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的目标超额带宽收益对应的目标访问等级,以及目标访问等级对应的目标数据。
推送模块1105,用于分别向每一边缘缓存设备推送对应的目标数据。
一种实施例中,数据推送装置还包括:
第二获取模块,用于获取每一边缘缓存设备的目标性能参数值。
第三确定模块1104可以具体用于:
将每一边缘缓存设备的目标性能参数值、目标超额带宽收益,及预设的多种访问等级对应的数据输入预设数据确定模型,得到每一边缘缓存设备的目标超额带宽收益和目标性能参数值这二者对应的目标访问等级,以及目标访问等级对应的目标数据。
一种实施例中,预设数据确定模型是基于样本超额带宽收益、样本性能参数值、样本超额带宽收益和样本性能参数值对应的样本访问等级,以及样本访问等级对应的数据,对强化学习框架进行训练得到的模型。
一种实施例中,第二获取模块可以包括:
第一获取子模块,用于获取每一边缘缓存设备的原始性能参数值。
清洗子模块,用于对每一边缘缓存设备的原始性能参数值进行清洗,得到清洗后的原始性能参数值。
汇聚子模块,用于对每一边缘缓存设备清洗后的原始性能参数值进行汇聚,得到每一边缘缓存设备的目标性能参数值。
一种实施例中,第三确定模块1104具体用于:
将多种访问等级对应的数据及每一边缘缓存设备的目标超额带宽输入预设数据确定模型,得到边缘缓存设备与数据对应的数据关系矩阵,数据关系矩阵中每一行向量与每一边缘缓存设备对应,每一列向量与每一数据对应。
推送模块1105,具体用于:
确定数据关系矩阵中的第一元素,针对每一第一元素,向该第一元素对应的边缘缓存设备推送该第一元素对应的目标数据。
一种实施例中,第一获取模块1101可以具体用于:
针对每一边缘缓存设备,获取该边缘缓存设备在当前周期内预设时间段的超额带宽,作为当前超额带宽。
针对每一边缘缓存设备,获取该边缘缓存设备在当前周期的上一周期内预设时间段的超额带宽,作为历史超额带宽。
一种实施例中,第一获取模块1101可以包括:
第二获取子模块,用于获取每一边缘缓存设备在当前周期内的当前带宽。
计算子模块,用于计算每一边缘缓存设备的当前带宽的均值。
确定子模块,用于计算每一边缘缓存设备的当前带宽和均值的差值,确定每一边缘缓存设备的当前超额带宽。
本发明实施例还提供了一种电子设备,如图12所示,包括处理器1201、通信接口1202、存储器1203和通信总线1204,其中,处理器1201、通信接口1202、存储器1203通过通信总线1204完成相互间的通信;
存储器1203,用于存放计算机程序;
处理器1201,用于执行存储器1203上所存放的程序时,实现上述任一数据推送方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一数据推送方法的步骤。
在本发明提供的又一实施例中,还提供了一种计算机程序,当其在计算机上运行时,使得计算机执行上述实施例中任一数据推送方法方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序的形式实现。所述计算机程序包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
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,对于系统、装置、电子设备、计算机可读存储介质、计算机程序产品而言,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。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (11)
1.一种数据推送方法,其特征在于,所述方法包括:
获取每一边缘缓存设备在当前周期的当前超额带宽,和在所述当前周期的上一周期的历史超额带宽,每一边缘缓存设备的所述当前超额带宽是根据该边缘缓存设备在所述当前周期的带宽与第一预设带宽确定的,每一边缘缓存设备的所述历史超额带宽是根据该边缘缓存设备在所述上一周期的带宽与第二预设带宽确定的;
根据每一边缘缓存设备的所述当前超额带宽和所述历史超额带宽,确定每一边缘缓存设备的目标超额带宽;
根据每一边缘缓存设备的所述目标超额带宽确定该边缘缓存设备的目标超额带宽收益;
基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据;
分别向每一边缘缓存设备推送对应的所述目标数据。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取每一边缘缓存设备的目标性能参数值;
所述基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据的步骤,包括:
将每一边缘缓存设备的所述目标性能参数值、所述目标超额带宽收益,及预设的多种访问等级对应的数据输入所述预设数据确定模型,得到每一边缘缓存设备的所述目标超额带宽收益和所述目标性能参数值这二者对应的目标访问等级,以及所述目标访问等级对应的目标数据。
3.根据权利要求2所述的方法,其特征在于,所述预设数据确定模型是基于样本超额带宽收益、样本性能参数值、所述样本超额带宽收益和所述样本性能参数值对应的样本访问等级,以及所述样本访问等级对应的数据,对强化学习框架进行训练得到的模型。
4.根据权利要求2所述的方法,其特征在于,所述获取每一边缘缓存设备的目标性能参数值的步骤,包括:
获取每一边缘缓存设备的原始性能参数值;
对每一边缘缓存设备的原始性能参数值进行清洗,得到清洗后的原始性能参数值;
对每一边缘缓存设备清洗后的原始性能参数值进行汇聚,得到每一边缘缓存设备的目标性能参数值。
5.根据权利要求1所述的方法,其特征在于,所述基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据的步骤,包括:
将所述多种访问等级对应的数据及每一边缘缓存设备的所述目标超额带宽输入所述预设数据确定模型,得到所述边缘缓存设备与所述数据对应的数据关系矩阵,所述数据关系矩阵中每一行向量与每一边缘缓存设备对应,每一列向量与每一数据对应;
所述分别向每一边缘缓存设备推送对应的所述目标数据的步骤,包括:
确定所述数据关系矩阵中的第一元素,针对每一第一元素,向该第一元素对应的边缘缓存设备推送该第一元素对应的所述目标数据。
6.根据权利要求1所述的方法,其特征在于,所述获取每一边缘缓存设备在当前周期的当前超额带宽和上一周期的历史超额带宽的步骤,包括:
针对每一边缘缓存设备,获取该边缘缓存设备在当前周期内预设时间段的超额带宽,作为当前超额带宽;
针对每一边缘缓存设备,获取该边缘缓存设备在所述当前周期的上一周期内所述预设时间段的超额带宽,作为历史超额带宽。
7.根据权利要求1-6任一项所述的方法,其特征在于,利用如下步骤确定所述当前超额带宽:
获取每一边缘缓存设备在当前周期内的当前带宽;
计算每一边缘缓存设备的所述当前带宽的均值;
计算每一边缘缓存设备的所述当前带宽和所述均值的差值,确定每一边缘缓存设备的当前超额带宽。
8.一种数据推送系统,其特征在于,所述系统包括推送设备及与所述推送设备连接的多个边缘缓存设备;
所述推送设备,用于获取每一边缘缓存设备在当前周期的当前超额带宽,和在所述当前周期的上一周期的历史超额带宽,每一边缘缓存设备的所述当前超额带宽是根据该边缘缓存设备在所述当前周期的带宽与第一预设带宽确定的,每一边缘缓存设备的所述历史超额带宽是根据该边缘缓存设备在所述上一周期的带宽与第二预设带宽确定的;根据每一边缘缓存设备的所述当前超额带宽和所述历史超额带宽,确定每一边缘缓存设备的目标超额带宽;根据每一边缘缓存设备的所述目标超额带宽确定该边缘缓存设备的目标超额带宽收益;基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据;分别向每一边缘缓存设备推送对应的所述目标数据;
每一边缘缓存设备,用于接收所述目标数据。
9.一种数据推送装置,其特征在于,所述装置包括:
第一获取模块,用于获取每一边缘缓存设备在当前周期的当前超额带宽,和在所述当前周期的上一周期的历史超额带宽,每一边缘缓存设备的所述当前超额带宽是根据该边缘缓存设备在所述当前周期的带宽与第一预设带宽确定的,每一边缘缓存设备的所述历史超额带宽是根据该边缘缓存设备在所述上一周期的带宽与第二预设带宽确定的;
第一确定模块,用于根据每一边缘缓存设备的所述当前超额带宽和所述历史超额带宽,确定每一边缘缓存设备的目标超额带宽;
第二确定模块,用于根据每一边缘缓存设备的所述目标超额带宽确定该边缘缓存设备的目标超额带宽收益;
第三确定模块,用于基于预设数据确定模型和预设的多种访问等级对应的数据,确定每一边缘缓存设备的所述目标超额带宽收益对应的目标访问等级,以及所述目标访问等级对应的目标数据;
推送模块,用于分别向每一边缘缓存设备推送对应的所述目标数据。
10.一种电子设备,其特征在于,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
11.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011601215.0A CN112751924B (zh) | 2020-12-29 | 2020-12-29 | 一种数据推送方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011601215.0A CN112751924B (zh) | 2020-12-29 | 2020-12-29 | 一种数据推送方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112751924A true CN112751924A (zh) | 2021-05-04 |
CN112751924B CN112751924B (zh) | 2022-09-02 |
Family
ID=75646989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011601215.0A Active CN112751924B (zh) | 2020-12-29 | 2020-12-29 | 一种数据推送方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112751924B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102035888A (zh) * | 2010-12-15 | 2011-04-27 | 武汉大学 | 一种基于调度期限和带宽感知的数据调度方法 |
CN102282804A (zh) * | 2008-11-24 | 2011-12-14 | 瞻博网络公司 | 自适应网络内容传送系统 |
CN105792247A (zh) * | 2014-12-25 | 2016-07-20 | 中国移动通信集团公司 | 一种数据推送方法及装置 |
EP3145123A1 (en) * | 2015-09-15 | 2017-03-22 | Lenovo (Singapore) Pte. Ltd. | Apparatus, method and program product for data bandwidth optimization |
CN108833352A (zh) * | 2018-05-17 | 2018-11-16 | 北京邮电大学 | 一种缓存方法及系统 |
CN110209949A (zh) * | 2019-06-11 | 2019-09-06 | 湖南快乐阳光互动娱乐传媒有限公司 | 资源推送方法及装置 |
CN110365765A (zh) * | 2019-07-11 | 2019-10-22 | 网宿科技股份有限公司 | 一种缓存服务器的带宽调度方法及装置 |
CN110881054A (zh) * | 2018-09-05 | 2020-03-13 | 中国移动通信有限公司研究院 | 一种边缘缓存方法、设备及系统 |
CN111277502A (zh) * | 2020-01-20 | 2020-06-12 | 北京红云融通技术有限公司 | 多链路聚合传输数据的方法及发送设备 |
CN111432005A (zh) * | 2020-03-30 | 2020-07-17 | 中科边缘智慧信息科技(苏州)有限公司 | 一种窄带弱连网络条件下服务迁移的方法 |
CN111459658A (zh) * | 2020-03-10 | 2020-07-28 | 中国平安人寿保险股份有限公司 | 一种资源数据获取方法及相关设备 |
US20200259916A1 (en) * | 2018-03-22 | 2020-08-13 | Netskrt Systems, Inc. | Method and apparatus to prioritize and schedule the distribution of learned content |
CN111881343A (zh) * | 2020-07-07 | 2020-11-03 | Oppo广东移动通信有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
-
2020
- 2020-12-29 CN CN202011601215.0A patent/CN112751924B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102282804A (zh) * | 2008-11-24 | 2011-12-14 | 瞻博网络公司 | 自适应网络内容传送系统 |
CN102035888A (zh) * | 2010-12-15 | 2011-04-27 | 武汉大学 | 一种基于调度期限和带宽感知的数据调度方法 |
CN105792247A (zh) * | 2014-12-25 | 2016-07-20 | 中国移动通信集团公司 | 一种数据推送方法及装置 |
EP3145123A1 (en) * | 2015-09-15 | 2017-03-22 | Lenovo (Singapore) Pte. Ltd. | Apparatus, method and program product for data bandwidth optimization |
US20200259916A1 (en) * | 2018-03-22 | 2020-08-13 | Netskrt Systems, Inc. | Method and apparatus to prioritize and schedule the distribution of learned content |
CN108833352A (zh) * | 2018-05-17 | 2018-11-16 | 北京邮电大学 | 一种缓存方法及系统 |
CN110881054A (zh) * | 2018-09-05 | 2020-03-13 | 中国移动通信有限公司研究院 | 一种边缘缓存方法、设备及系统 |
CN110209949A (zh) * | 2019-06-11 | 2019-09-06 | 湖南快乐阳光互动娱乐传媒有限公司 | 资源推送方法及装置 |
CN110365765A (zh) * | 2019-07-11 | 2019-10-22 | 网宿科技股份有限公司 | 一种缓存服务器的带宽调度方法及装置 |
CN111277502A (zh) * | 2020-01-20 | 2020-06-12 | 北京红云融通技术有限公司 | 多链路聚合传输数据的方法及发送设备 |
CN111459658A (zh) * | 2020-03-10 | 2020-07-28 | 中国平安人寿保险股份有限公司 | 一种资源数据获取方法及相关设备 |
CN111432005A (zh) * | 2020-03-30 | 2020-07-17 | 中科边缘智慧信息科技(苏州)有限公司 | 一种窄带弱连网络条件下服务迁移的方法 |
CN111881343A (zh) * | 2020-07-07 | 2020-11-03 | Oppo广东移动通信有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
KPN N.V.等: " "S4-171144"", 《3GPP TSG_SA\WG4_CODEC》 * |
刘静涛等: "云存储分级服务缓冲队列技术", 《指挥信息系统与技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112751924B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109413175B (zh) | 一种信息处理方法、装置及电子设备 | |
CN108989889B (zh) | 一种视频播放量预测方法、装置及电子设备 | |
CN112669078A (zh) | 一种行为预测模型训练方法、装置、设备及存储介质 | |
CN108965951B (zh) | 广告的播放方法及装置 | |
CN112732738B (zh) | 基于多目标优化的自适应网络数据采集方法及相关设备 | |
CN108805332B (zh) | 一种特征评估方法和装置 | |
CN111740865B (zh) | 一种流量波动趋势预测方法、装置及电子设备 | |
CN117632905B (zh) | 基于云端使用记录的数据库管理方法及系统 | |
CN111476510B (zh) | 一种风险用户识别的方法及系统、存储介质、设备 | |
CN111835536B (zh) | 一种流量预测方法和装置 | |
CN112669091B (zh) | 数据处理方法、装置及存储介质 | |
CN113158550B (zh) | 一种联邦学习方法、装置、电子设备及存储介质 | |
CN107844593B (zh) | 一种分布式计算平台中视频数据分布方法及装置 | |
CN112751924B (zh) | 一种数据推送方法、系统及装置 | |
CN109741088B (zh) | 一种广告命中率预估方法、预估装置及服务器 | |
CN111767520B (zh) | 一种用户留存率计算方法、装置、电子设备及存储介质 | |
CN110996142A (zh) | 视频召回方法及装置、电子设备及存储介质 | |
CN113591999A (zh) | 一种端边云联邦学习模型训练系统及方法 | |
CN112906909A (zh) | 深度学习模型训练方法及其装置、电子设备及存储介质 | |
CN114745310B (zh) | 基于遗传算法的流量阈值的确定方法及装置 | |
CN114082195B (zh) | 一种任务处理方法、装置、电子设备及存储介质 | |
CN111277445B (zh) | 一种评估在线节点服务器性能的方法及装置 | |
CN116308721B (zh) | 一种信息监督管理方法、装置、电子设备及存储介质 | |
CN117132177B (zh) | 基于多重假设检验的径流预报模型构建和径流预报方法 | |
CN111917657B (zh) | 一种流量传输策略的确定方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |