CN113114540B - 一种带宽预测器的设置、服务调整方法及相关装置 - Google Patents
一种带宽预测器的设置、服务调整方法及相关装置 Download PDFInfo
- Publication number
- CN113114540B CN113114540B CN202110442450.6A CN202110442450A CN113114540B CN 113114540 B CN113114540 B CN 113114540B CN 202110442450 A CN202110442450 A CN 202110442450A CN 113114540 B CN113114540 B CN 113114540B
- Authority
- CN
- China
- Prior art keywords
- bandwidth
- value
- trend
- service
- bandwidth value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000000630 rising effect Effects 0.000 claims description 13
- 230000001174 ascending effect Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 239000000178 monomer Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 230000001747 exhibiting effect Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0894—Packet rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5019—Ensuring fulfilment of SLA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种带宽预测器的设置、服务调整方法及相关装置,该方法包括:在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值,分别识别带宽值呈现的变化趋势,根据带宽值的变化趋势将多个带宽值聚类为多个类型的区间,区间用于表示带宽的变化趋势,以优化服务端为客户端提供的服务的整体质量为目标、为区间设置带宽预测器,带宽预测器用于根据区间中的带宽值预测下一个时间点的带宽值,下一个时间点的带宽值用于调整服务,使得自适应带宽整体的变化趋势动态地选择最优的带宽预测器预测带宽,摆脱了固定预测带宽的方式带来的局限性,从而提高了预测带宽的准确性,让服务的调整更加贴近真实的带宽,保证服务的质量。
Description
技术领域
本发明实施例涉及通信的技术领域,尤其涉及一种带宽预测器的设置、服务调整方法及相关装置。
背景技术
随着网络技术的快速发展,不同平台为用户提供多种多样在线的服务,这些服务是用户娱乐、生活、工作中越来越重要,在提供服务的过程中,服务的质量往往是平台的关注点。
平台提供的服务往往与带宽相关,在带宽波动的时候,服务往往也出现波动,影响服务的质量,为此,平台会预测带宽的变化,从而相应调整服务,保证服务的质量。
目前,平台预测带宽的变化通常使用固定的方式,但是,固定的方式具有局限性,而带宽的变化较为复杂,会产生突降、突增等情况,导致在部分情况下,预测的精准度下降,从而影响服务的质量。
发明内容
本发明实施例提出了一种带宽预测器的设置、服务调整方法及相关装置,以解决如何提高预测带宽的变化的精确度、从而提高服务的质量的问题。
第一方面,本发明实施例提供了一种带宽预测器的设置方法,包括:
在多个连续的时间点中,分别为所述服务端与客户端之间的带宽检测多个带宽值;
分别识别所述带宽值呈现的变化趋势;
根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
以优化所述服务端为所述客户端提供的服务的整体质量为目标、为所述区间设置带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值,所述下一个时间点的带宽值用于调整所述服务。
第二方面,本发明实施例还提供了一种带宽预测器的设置方法,包括:
在多个连续的时间点中,分别为所述服务端与客户端之间的带宽检测多个带宽值;
分别识别所述带宽值呈现的变化趋势;
根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
以优化所述服务端为所述客户端提供的服务的整体质量为目标、为所述区间设置带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值,所述下一个时间点的带宽值用于调整所述服务。
第三方面,本发明实施例还提供了一种带宽预测器的设置装置,包括:
带宽值检测模块,用于在多个连续的时间点中,分别为所述服务端与客户端之间的带宽检测多个带宽值;
变化趋势识别模块,用于分别识别所述带宽值呈现的变化趋势;
区间聚类模块,用于根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
带宽预测器设置模块,用于以优化所述服务端为所述客户端提供的服务的整体质量为目标、为所述区间设置带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值,所述下一个时间点的带宽值用于调整所述服务。
第四方面,本发明实施例还提供了一种服务调整装置,包括:
带宽值检测模块,用于在多个连续的时间点中,分别为所述服务端与客户端之间的带宽检测多个带宽值;
变化趋势识别模块,用于分别识别所述带宽值呈现的变化趋势;
区间聚类模块,用于根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
带宽预测器查找模块,用于查询为所述区间配置的带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值;
服务调整模块,用于根据所述下一个时间点的带宽值用于调整所述服务,以优化所述服务端为所述客户端提供的服务的整体质量。
第五方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的带宽预测器的设置方法或者如第二方法所述的服务调整方法。
第六方面,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上存储计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的带宽预测器的设置方法或者如第二方法所述的服务调整方法。
在本实施例中,在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值,分别识别带宽值呈现的变化趋势,根据带宽值的变化趋势将多个带宽值聚类为多个类型的区间,区间用于表示带宽的变化趋势,以优化服务端为客户端提供的服务的整体质量为目标、为区间设置带宽预测器,带宽预测器用于根据区间中的带宽值预测下一个时间点的带宽值,下一个时间点的带宽值用于调整服务,以带宽整体的变化趋势作为预测的基准,以优化服务的整体质量为目标对区间配置带宽预测器,使得自适应带宽整体的变化趋势动态地选择最优的带宽预测器预测带宽,摆脱了固定预测带宽的方式带来的局限性,从而提高了预测带宽的准确性,让服务的调整更加贴近真实的带宽,保证服务的质量。
附图说明
图1为本发明实施例一提供的一种带宽预测器的设置方法的流程图;
图2是本发明实施例二提供的一种服务调整方法的流程图;
图3为本发明实施例三提供的一种带宽预测器的设置装置的结构示意图;
图4为本发明实施例四提供的一种服务调整装置的结构示意图;
图5为本发明实施例五提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
不同平台为用户提供多种多样在线的服务,例如,流媒体(如直播、短视频等)、游戏、新闻、专业操作(如在线建模、在线图像编辑等),等等,在提供服务的过程中,服务的质量往往是平台的关注点。
以流媒体中的直播为例,直播数据的码率、直播数据的卡顿率、直播数据的缓冲时间、直播数据的画质等等,均是用户体验的关键指标之一,于是,预测带宽的变化,进而根据带宽的变化选择合适的码率,在尽可能提高画质的条件下,降低卡顿率、减少缓冲时间,是提高用户观看直播的体验的主要方式之一。
但是,预测带宽的变化实际上是一个件复杂的事情,尤其是在直播中,由于端到端延迟的限制,客户端的缓冲区较小,无法依靠客户端的缓冲区来平滑带宽的波动,预测带宽的准确性直接影响用户观看直播的体验。
在直播中,目前常用于预测带宽的变化的方式是根据历史一段时间内下载数据的速度来当作预测的带宽值,例如,使用滑动平均计算预测的带宽值、使用上一次客户端的下载速度作为预测的带宽值、使用指数加权滑动平均(EWMA)计算预测的带宽值、使用机器学习回归方法(如线性回归)计算预测的带宽值,等等。
这些方式都使用每次下载数据的速度作为历史序列来预测将来时刻的带宽值,而固定使用某一种的方式均具有局限性,例如,由于客户端的缓冲区较小,如果在带宽突降的情况下,使用滑动平均计算预测的带宽值会导致预测的带宽值偏高,此时相应提高码率,从而导致卡顿、增大缓冲时间,在带宽突增的情况下,使用滑动平均计算预测的带宽值会导致预测的带宽值偏低,此时相应降低码率,从而导致直播数据的画质偏低。
针对上述缺陷,本发明实施例提供了一个基于带宽的变化趋势预测带宽的方法,根据历史带宽的样本点判断当前时刻带宽的变化趋势,根据趋势选择合适的带宽预测器,从而提高预测带宽的准确性,提高服务端的服务质量。
实施例一
图1为本发明实施例一提供的一种带宽预测器的设置方法的流程图,本实施例可适用于根据带宽的变化趋势设定合适的带宽预测期的情况,该方法可以由带宽预测器的设置装置来执行,该带宽预测器的设置装置可以由软件和/或硬件实现,可配置在计算机设备中,例如,服务器、工作站、个人电脑,等等,具体包括如下步骤:
步骤101、在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值。
在具体实现中,服务端Server可向客户端Client提供在线的服务,例如,流媒体(如直播、短视频等)、游戏、新闻、专业操作(如在线建模、在线图像编辑等),等等,而客户端面向用户,。
一般情况下,服务端为计算机集群,如分布式系统,即服务端具有多台机器,不同的机器可能位于不同区域的机房,使得不同的机器可能位于不同的网络环境,这些机器分别与不同的客户端建立连接,该连接一般为长连接,如socket(嵌套字)连接。
在本实施例中,可以每间隔预设的时间(如500ms)设置一个时间点,在该时间点上使用拥塞控制等方法为服务端的机器与客户端之间的连接测量带宽,从而在每个时间点可测量一个带宽值,连续在多个时间点为服务端的机器与客户端之间的连接测量带宽,从而在多个时间上可测量多个带宽值。
其中,带宽表示该连接所能传送数据的能力,即在单位时间内从服务端的机器到客户端所能通过的最高数据率,而带宽值为带宽的数值化表示,常用的单位是bps(bit persecond,比特/秒)。
步骤102、分别识别带宽值呈现的变化趋势。
服务端的机器与客户端之间的连接随网络环境不断地发生变化,因此,带宽值也不断发生变化,针对每个带宽值,可以识别其在单点上变化时呈现的趋势,即变化趋势。
在具体实现中,可对多个带宽值添加窗口,该窗口具有设定的长度n(如10、20等),可覆盖该长度内的带宽值。
在初始时,该窗口覆盖前n个带宽值,此后,以预设的步长(如1、2等)滑动窗口,表示为X={xi-n+1,x2,...,xi},其中,xi为最新的带宽值。
在窗口滑动的过程中,可使用Mann-Kendall(曼-肯德尔)、线性回归、基于梯度等趋势检测方法计算窗口内最新的带宽值相对于窗口内所有带宽值呈现的变化趋势,表示为ti=TrendDetection(X),其中,TrendDetection(*)为趋势检验方法。
示例性地,带宽值的变化趋势包括无趋势、上升趋势、下降趋势中的至少一种;
其中,无趋势表示带宽值未呈现变化。
上升趋势表示带宽值呈现变化,且变化为上升。
下降趋势表示带宽值呈现变化,且变化为下降。
以Mann-Kendall为例,其计算过程如下:
S1、针对窗口内的带宽值计算顺序时间序列的秩序列Sk,按方程计算统计量UFk。
S2、针对窗口内的带宽值计算逆序时间序列的秩序列sk,按方程计算统计量UBk。
S3、给定显着性水平,如α=0.05,那么临界值U0.05=±1.96。将统计量UFk和统计量UBk和±1.96两条直线均绘在同一张图上。
S4、若统计量UFk或统计量UBk的值大于0,则表明序列呈上升趋势,若统计量UFk或统计量UBk的值小于0则表明呈下降趋势。当它们超过临界直线时,表明上升趋势或下降趋势显着。超过临界线的范围确定为出现突变的时间区域。如果统计量UFk和统计量UBk出现交点,且交点在临界线之间,那么交点对应的时刻便是突变开始的时间。
步骤103、根据带宽值的变化趋势将多个带宽值聚类为多个类型的区间。
一般情况下,服务端的机器与客户端之间的连接发生变化具有一定的持续性,因此,可以以带宽值的变化趋势作为参考,对带宽值进行聚类,从而将多个带宽值划分为多个类型的区间,其中,在同一个区间中的带宽值是连续的,即该带宽值对应的时间点是连续的,因此,该区间可用于表示服务端的机器与客户端之间的连接,在连续的一段时间内,带宽在整体上呈现的变化趋势。
在本发明的一个实施例中,不同类型的区间包括第一区间、第二区间,其中,第一区间用于表示带宽呈现变化,第二区间用于表示带宽未呈现变化,所谓未呈现变化,可以指带宽整体保持恒定,或者,整体波动(如带宽值忽高忽低),等等,则在本实施例中,步骤103包括如下步骤:
步骤1031、若连续多个带宽值的变化趋势相同、且表示带宽值呈现变化,则将带宽值聚类至标识变化的第一区间。
步骤1032、将除第一区间之外的其他带宽值划聚类至第二区间。
在本实施例中,可以遍历每个带宽值及其变化趋势,如果连续多个带宽值满足变化趋势相同、且表示带宽值呈现变化的条件,则可以将这些带宽值聚类至标识该变化的第一区间,如果连续多个带宽值不满足变化趋势相同、且表示带宽值呈现变化的条件,则可以聚类至第二区间,对连续的多个带宽值进行聚类,符合带宽持续性变化的特性,可以保证第一区间、第二区间的准确性。
进一步而言,带宽值的变化趋势包括上升趋势、下降趋势,相应地,第一区间呈现的变化可以包括带宽整体上升或整体下降。
因此,可以分别设置一个独立的标记与一个独立的变量,该标记用于存储前一个带宽值的变化趋势,该变量用于统计带宽值的变化趋势连续相同的次数。
在遍历每个带宽值时,将当前带宽值的变化趋势与该标记进行比较,从而将当前带宽值的变化趋势与上一带宽值的变化趋势进行比较。
若当前带宽值的变化趋势与上一带宽值的变化趋势均为上升趋势,则对预设的变量累加一,将当前带宽值的变化趋势记录至该标记中,将该变量与预设的阈值进行比较。
若变量大于预设的阈值,则将带宽值聚类至标识上升的第一区间。
若变量小于或等于预设的阈值,则继续遍历下一个带宽值。
若当前带宽值的变化趋势与上一带宽值的变化趋势均为下降趋势,则对预设的变量累加一,将当前带宽值的变化趋势记录至该标记中,将该变量与预设的阈值进行比较。
若变量大于预设的阈值,则将带宽值聚类至标识下降的第一区间。
若变量小于或等于预设的阈值,则继续遍历下一个带宽值。
若当前带宽值的变化趋势与上一带宽值的变化趋势不同,或者,当前带宽值的变化趋势与上一带宽值的变化趋势均为无趋势,则对预设的变量置为零,将当前带宽值的变化趋势记录至该标记中,继续遍历下一个带宽值。
若针对带宽值的编号趋势ti,无趋势表示为ti=0,下降趋势表示为ti=1、上升趋势表示为ti=2,记变量为pi,则有
设阈值为M,M≥0,当pi>M时,判断当前处于标识上升或下降的第一区间。
在本实施例中,通过变量记录带宽值的变化趋势连续相同的次数,以阈值划分第一区间、第二区间,计算简单,操作方便。
步骤104、以优化服务端为客户端提供的服务的整体质量为目标、为区间设置带宽预测器。
在本实施例中,可以预设不同类型的带宽预测器,该带宽预测器可用于根据区间中的带宽值预测下一个时间点的带宽值,即带宽预测器的输入为区间中的带宽值,输出为下一个时间点的带宽值,而下一个时间点的带宽用于调整服务。
进一步而言,带宽预测器为实现带宽预测算法的模块,例如,Last(使用最新的带宽值作为预测的带宽值)、指数加权滑动平均方法(EWMA)、HM(调和平均)、Kalman(卡尔曼滤波),等等。
区间表示带宽整体的变化趋势,本实施例可以基于整体的变化趋势预测带宽值,以此,在训练阶段,可以以优化服务端的多个机器为各个客户端提供的服务的整体质量为目标、为区间设置带宽预测器,即在线阶段,在识别区间之后,应用为区间设置的带宽预测器预测带宽值。
需要说明的是,由于服务端的机器可能存在扩容、缩容,网络环境变化等情况,为了保证服务端为客户端提供的服务的整体质量,可以每间隔一段时间,重新以优化服务端为客户端提供的服务的整体质量为目标、为区间设置带宽预测器。
此外,服务端为客户端提供的服务的数字化表示有所不同,因此,优化服务端为客户端提供的服务的整体质量的方式有所不同,例如,如果服务端为客户端提供的服务的整体质量主要以码率等正向的数字化表示,则优化为最大化服务端为客户端提供的服务的整体质量,如果服务端为客户端提供的服务的整体质量主要以卡顿率、丢包率等负向的数字化表示,则优化为最小化服务端为客户端提供的服务的整体质量,等等,本实施例对此不加以限制。
在本发明的一个实施例中,步骤104包括如下步骤:
步骤1041、为区间配置不同的带宽预测器。
在本实施例中,可以使用穷举法等方式,为不同的区间配置不同类型的带宽预测器,从而列举区间及带宽预测器之间的组合。
步骤1042、调用带宽预测器、根据区间中的带宽值预测下一个时间点的带宽值。
在完成配置时,针对每一种组合,均可将位于区间中的带宽值输入到为该区间配置的带宽预测器中进行处理,从而输出下一个时间点的带宽值。
步骤1043、在使用下一个时间点的带宽值调整服务的条件下,分别计算每个服务端为每个客户端提供服务时的质量、作为单体质量。
对于下一个时间点的带宽值,可应用自适应码率等算法调整服务端为客户端提供的服务,在此情况下,检测算每个服务端的机器与每个客户端之间的连接,计算计算每个服务端为每个客户端提供服务时的质量、作为单体质量。
在本同的业务领域,质量的数据化体现有所不同,因此,计算质量的方式也有所不同,本实施例对此不加以限制。
以流媒体为例,单体质量属于QoE(Quality of Experience,体验质量),在本示例,可预测每个服务端为每个客户端提供视频服务时的码率、卡顿率,计算码率与预设的第一权重之间的第一乘积,计算卡顿率与预设的第二权重之间的第二乘积,将第一乘积减去第二乘积,获得服务端为客户端提供视频服务时的单体质量。
假设带宽预测器的可选集合为B={BWE1,BWE2,...,BWEK},对于不同区间下最优的带宽预测器为其中,/>是对未呈现变化的第二区间配置的最优的带宽预测器,/>是对标识上升的第一区间配置的最优的带宽预测器,/>是对标识下降的第一区间配置的最优的带宽预测器,目标求解/>优化QoE。
在流媒体中,针对一条连接j下,给定一组带宽预测器b={b0,b1,b2},QoE可以定义为:
QoEj(b)=α·rj-β·sj
其中,rj为码率,sj为卡顿率,α为第一权重,α≥0,β为第二权重,β≥0。
步骤1044、计算单体质量之间和值,作为服务端为客户端提供服务时的整体质量。
步骤1045、针对不同带宽预测器对应的整体质量,确定整体质量最大时的带宽预测器有效。
假设服务端的多个机器与客户端之间存在N(N为正整数)个连接,那么,最优的带宽预测器的组合,是在N条连接下,最大化整体质量(如QoE)的带宽预测器的组合,表示如下:
即,以数据为驱动,将每条连接的单体质量(如QoE)进行相加,获得整体质量(如QoE),选择使得整体质量(如QoE)最大化的带宽预测器的组合。
在本实施例中,在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值,分别识别带宽值呈现的变化趋势,根据带宽值的变化趋势将多个带宽值聚类为多个类型的区间,区间用于表示带宽的变化趋势,以优化服务端为客户端提供的服务的整体质量为目标、为区间设置带宽预测器,带宽预测器用于根据区间中的带宽值预测下一个时间点的带宽值,下一个时间点的带宽值用于调整服务,以带宽整体的变化趋势作为预测的基准,以优化服务的整体质量为目标对区间配置带宽预测器,使得自适应带宽整体的变化趋势动态地选择最优的带宽预测器预测带宽,摆脱了固定预测带宽的方式带来的局限性,从而提高了预测带宽的准确性,让服务的调整更加贴近真实的带宽,保证服务的质量。
实施例二
图2为本发明实施例二提供的一种服务调整方法的流程图,本实施例可适用于根据带宽的变化趋势预测带宽、从而相应调整服务情况,该方法可以由带服务调整装置来执行,该服务调整装置可以由软件和/或硬件实现,可配置在计算机设备中,例如,服务器、工作站、个人电脑,等等,具体包括如下步骤:
步骤201、在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值。
步骤202、分别识别带宽值呈现的变化趋势。
在具体实现中,可对带宽值添加窗口;滑动窗口;在窗口滑动的过程中,计算窗口内最新的带宽值相对于窗口内所有带宽值呈现的变化趋势。
示例性地,带宽值的变化趋势包括无趋势、上升趋势、下降趋势中的至少一种;
其中,无趋势表示带宽值未呈现变化;
上升趋势表示带宽值呈现变化,且变化为上升;
下降趋势表示带宽值呈现变化,且变化为下降。
步骤203、根据带宽值的变化趋势将多个带宽值聚类为多个类型的区间。
其中,区间用于表示带宽的变化趋势。
在具体实现中,区间包括第一区间、第二区间,其中,第一区间用于表示带宽呈现变化,第二区间用于表示带宽未呈现变化;
那么,在步骤203中,若连续多个带宽值的变化趋势相同、且表示带宽值呈现变化,则将带宽值聚类至标识变化的第一区间;将除第一区间之外的其他带宽值聚类至第二区间。
进一步地,在对第一区间进行聚类时,将当前带宽值的变化趋势与上一带宽值的变化趋势进行比较;若当前带宽值的变化趋势与上一带宽值的变化趋势均为上升趋势,则对预设的变量累加一;若变量大于预设的阈值,则将带宽值聚类至标识上升的第一区间。
若当前带宽值的变化趋势与上一带宽值的变化趋势均为下降趋势,则对预设的变量累加一;若变量大于预设的阈值,则将带宽值聚类至标识下降的第一区间。
若当前带宽值的变化趋势与上一带宽值的变化趋势不同,或者,当前带宽值的变化趋势与上一带宽值的变化趋势均为无趋势,则对预设的变量置为零。
在本发明实施例中,由于步骤201、步骤202、步骤203与实施例一中的步骤101、步骤102、步骤103基本相似,所以描述的比较简单,相关之处参见实施例一的部分说明即可,本发明实施例在此不加以详述。
步骤204、查询为区间配置的带宽预测器。
在本实施例中,可通过本发明任一实施例所述的带宽预测器的设置方法预先为不同类型的区间配置带宽预测器,并记录不同类型的区间与带宽预测器之间的映射关系,其中,该带宽预测器可用于根据区间中的带宽值预测下一个时间点的带宽值。
若识别出表示当前带宽整体变化趋势的区间时,从该映射关系中查找为该区间配置的带宽预测器,并加载该带宽预测器,将该区间中的带宽值输入值预测下一个时间点的带宽。
步骤205、根据下一个时间点的带宽值用于调整服务,以优化服务端为客户端提供的服务的整体质量。
对于服务端与客户端之间的每个连接,以下一个时间点的带宽值作为计算的参数,应用自适应码率等算法调整服务端为客户端提供的服务,由于带宽预测器是以优化服务端为客户端提供的服务的整体质量为目标、为区间设置的,因此,服务端与客户端之间的所有连接均调整完毕,可优化服务端为客户端提供的服务的整体质量。
在本实施例中,在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值,分别识别带宽值呈现的变化趋势,根据带宽值的变化趋势将多个带宽值聚类为多个类型的区间,区间用于表示带宽的变化趋势,查询为区间配置的带宽预测器,带宽预测器用于根据区间中的带宽值预测下一个时间点的带宽值,根据下一个时间点的带宽值用于调整服务,以优化服务端为客户端提供的服务的整体质量,以带宽整体的变化趋势作为预测的基准配置带宽预测器,使得自适应带宽整体的变化趋势动态地选择最优的带宽预测器预测带宽,摆脱了固定预测带宽的方式带来的局限性,从而提高了预测带宽的准确性,让服务的调整更加贴近真实的带宽,保证服务的质量。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
实施例三
图3为本发明实施例三提供的一种带宽预测器的设置装置的结构框图,具体可以包括如下模块:
带宽值检测模块301,用于在多个连续的时间点中,分别为所述服务端与客户端之间的带宽检测多个带宽值;
变化趋势识别模块302,用于分别识别所述带宽值呈现的变化趋势;
区间聚类模块303,用于根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
带宽预测器设置模块304,用于以优化所述服务端为所述客户端提供的服务的整体质量为目标、为所述区间设置带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值,所述下一个时间点的带宽值用于调整所述服务。
在本发明的一个实施例中,所述变化趋势识别模块302包括:
窗口添加模块,用于对所述带宽值添加窗口;
窗口滑动模块,用于滑动所述窗口;
窗口计算模块,用于在所述窗口滑动的过程中,计算所述窗口内最新的所述带宽值相对于所述窗口内所有所述带宽值呈现的变化趋势。
在本发明实施例的一个示例中,所述带宽值的变化趋势包括无趋势、上升趋势、下降趋势中的至少一种;
其中,所述无趋势表示所述带宽值未呈现变化;
所述上升趋势表示所述带宽值呈现变化,且所述变化为上升;
所述下降趋势表示所述带宽值呈现变化,且所述变化为下降。
在本发明的一个实施例中,所述区间包括第一区间、第二区间,所述第一区间用于表示所述带宽呈现变化,所述第二区间用于表示所述带宽未呈现变化;
所述区间聚类模块303包括:
第一区间聚类模块,用于若连续多个所述带宽值的变化趋势相同、且表示所述带宽值呈现变化,则将所述带宽值聚类至标识所述变化的第一区间;
第二区间聚类模块,用于将除所述第一区间之外的其他所述带宽值聚类至第二区间。
在本发明的一个实施例中,所述第一区间聚类模块包括:
第一比较模块,用于将当前所述带宽值的变化趋势与上一所述带宽值的变化趋势进行比较;
第一累加模块,用于若当前所述带宽值的变化趋势与上一所述带宽值的变化趋势均为上升趋势,则对预设的变量累加一;
上升区间聚类模块,用于若所述变量大于预设的阈值,则将所述带宽值聚类至标识上升的第一区间;
第二累加模块,用于若当前所述带宽值的变化趋势与上一所述带宽值的变化趋势均为下降趋势,则对预设的变量累加一;
下降区间聚类模块,用于若所述变量大于预设的阈值,则将所述带宽值聚类至标识下降的第一区间;
变量清零模块,用于若当前所述带宽值的变化趋势与上一所述带宽值的变化趋势不同,或者,当前所述带宽值的变化趋势与上一所述带宽值的变化趋势均为无趋势,则对预设的变量置为零。
在本发明的一个实施例中,所述带宽预测器设置模块304包括:
带宽预测器配置模块,用于为所述区间配置不同的带宽预测器;
带宽值预测模块,用于调用所述带宽预测器、根据所述区间中的所述带宽值预测下一个时间点的带宽值;
单体质量计算模块,用于在使用所述下一个时间点的带宽值调整所述服务的条件下,分别计算每个所述服务端为每个所述客户端提供服务时的质量、作为单体质量;
整体质量配置模块,用于计算所述单体质量之间和值,作为所述服务端为所述客户端提供服务时的整体质量;
有效确定模块,用于针对不同所述带宽预测器对应的所述整体质量,确定所述整体质量最大时的所述带宽预测器有效。
在本发明的一个实施例中,所述服务包括视频服务;所述单体质量计算模块包括:
视频参数预测模块,用于预测每个所述服务端为每个所述客户端提供视频服务时的码率、卡顿率;
第一乘积计算模块,用于计算所述码率与预设的第一权重之间的第一乘积;
第二乘积计算模块,用于计算所述卡顿率与预设的第二权重之间的第二乘积;
乘积相减模块,用于将所述第一乘积减去所述第二乘积,获得所述服务端为所述客户端提供视频服务时的单体质量。
本发明实施例所提供的带宽预测器的设置装置可执行本发明任意实施例所提供的带宽预测器的设置方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种服务调整装置的结构框图,具体可以包括如下模块:
带宽值检测模块401,用于在多个连续的时间点中,分别为所述服务端与客户端之间的带宽检测多个带宽值;
变化趋势识别模块402,用于分别识别所述带宽值呈现的变化趋势;
区间聚类模块403,用于根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
带宽预测器查找模块404,用于查询为所述区间配置的带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值;
服务调整模块405,用于根据所述下一个时间点的带宽值用于调整所述服务,以优化所述服务端为所述客户端提供的服务的整体质量。
在本发明的一个实施例中,所述变化趋势识别模块402包括:
窗口添加模块,用于对所述带宽值添加窗口;
窗口滑动模块,用于滑动所述窗口;
窗口计算模块,用于在所述窗口滑动的过程中,计算所述窗口内最新的所述带宽值相对于所述窗口内所有所述带宽值呈现的变化趋势。
在本发明实施例的一个示例中,所述带宽值的变化趋势包括无趋势、上升趋势、下降趋势中的至少一种;
其中,所述无趋势表示所述带宽值未呈现变化;
所述上升趋势表示所述带宽值呈现变化,且所述变化为上升;
所述下降趋势表示所述带宽值呈现变化,且所述变化为下降。
在本发明的一个实施例中,所述区间包括第一区间、第二区间,所述第一区间用于表示所述带宽呈现变化,所述第二区间用于表示所述带宽未呈现变化;
所述区间聚类模块403包括:
第一区间聚类模块,用于若连续多个所述带宽值的变化趋势相同、且表示所述带宽值呈现变化,则将所述带宽值聚类至标识所述变化的第一区间;
第二区间聚类模块,用于将除所述第一区间之外的其他所述带宽值聚类至第二区间。
在本发明的一个实施例中,所述第一区间聚类模块包括:
第一比较模块,用于将当前所述带宽值的变化趋势与上一所述带宽值的变化趋势进行比较;
第一累加模块,用于若当前所述带宽值的变化趋势与上一所述带宽值的变化趋势均为上升趋势,则对预设的变量累加一;
上升区间聚类模块,用于若所述变量大于预设的阈值,则将所述带宽值聚类至标识上升的第一区间;
第二累加模块,用于若当前所述带宽值的变化趋势与上一所述带宽值的变化趋势均为下降趋势,则对预设的变量累加一;
下降区间聚类模块,用于若所述变量大于预设的阈值,则将所述带宽值聚类至标识下降的第一区间;
变量清零模块,用于若当前所述带宽值的变化趋势与上一所述带宽值的变化趋势不同,或者,当前所述带宽值的变化趋势与上一所述带宽值的变化趋势均为无趋势,则对预设的变量置为零。
本发明实施例所提供的服务调整装置可执行本发明任意实施例所提供的服务调整方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图5显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的带宽预测器的设置、服务调整方法。
实施例六
本发明实施例六还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述带宽预测器的设置方法、服务调整方法的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种带宽预测器的设置方法,其特征在于,包括:
在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值,在每个所述时间点测量一个所述带宽值;
分别识别所述带宽值呈现的变化趋势;
根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
以优化所述服务端为所述客户端提供的服务的整体质量为目标、为所述区间设置带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值,所述下一个时间点的带宽值用于调整所述服务。
2.根据权利要求1所述的方法,其特征在于,所述分别识别所述带宽值呈现的变化趋势,包括:
对所述带宽值添加窗口;
滑动所述窗口;
在所述窗口滑动的过程中,计算所述窗口内最新的所述带宽值相对于所述窗口内所有所述带宽值呈现的变化趋势。
3.根据权利要求1或2所述的方法,其特征在于,所述带宽值的变化趋势包括无趋势、上升趋势、下降趋势中的至少一种;
其中,所述无趋势表示所述带宽值未呈现变化;
所述上升趋势表示所述带宽值呈现变化,且所述变化为上升;
所述下降趋势表示所述带宽值呈现变化,且所述变化为下降。
4.根据权利要求1所述的方法,其特征在于,所述区间包括第一区间、第二区间,所述第一区间用于表示所述带宽呈现变化,所述第二区间用于表示所述带宽未呈现变化;
所述根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,包括:
若连续多个所述带宽值的变化趋势相同、且表示所述带宽值呈现变化,则将所述带宽值聚类至标识所述变化的第一区间;
将除所述第一区间之外的其他所述带宽值聚类至第二区间。
5.根据权利要求4所述的方法,其特征在于,所述若连续多个所述带宽值的变化趋势相同、且表示所述带宽值呈现变化,则将所述带宽值聚类至标识所述变化的第一区间,包括:
将当前所述带宽值的变化趋势与上一所述带宽值的变化趋势进行比较;
若当前所述带宽值的变化趋势与上一所述带宽值的变化趋势均为上升趋势,则对预设的变量累加一;
若所述变量大于预设的阈值,则将所述带宽值聚类至标识上升的第一区间;
若当前所述带宽值的变化趋势与上一所述带宽值的变化趋势均为下降趋势,则对预设的变量累加一;
若所述变量大于预设的阈值,则将所述带宽值聚类至标识下降的第一区间;
若当前所述带宽值的变化趋势与上一所述带宽值的变化趋势不同,或者,当前所述带宽值的变化趋势与上一所述带宽值的变化趋势均为无趋势,则对预设的变量置为零。
6.根据权利要求1-2、4-5任一项所述的方法,其特征在于,所述以优化所述服务端为所述客户端提供的服务的整体质量为目标、为所述区间设置带宽预测器,包括:
为所述区间配置不同的带宽预测器;
调用所述带宽预测器、根据所述区间中的所述带宽值预测下一个时间点的带宽值;
在使用所述下一个时间点的带宽值调整所述服务的条件下,分别计算每个所述服务端为每个所述客户端提供服务时的质量、作为单体质量;
计算所述单体质量之间和值,作为所述服务端为所述客户端提供服务时的整体质量;
针对不同所述带宽预测器对应的所述整体质量,确定所述整体质量最大时的所述带宽预测器有效。
7.根据权利要求6所述的方法,其特征在于,所述服务包括视频服务;所述分别计算每个所述服务端为每个所述客户端提供服务时的质量、作为单体质量,包括:
预测每个所述服务端为每个所述客户端提供视频服务时的码率、卡顿率;
计算所述码率与预设的第一权重之间的第一乘积;
计算所述卡顿率与预设的第二权重之间的第二乘积;
将所述第一乘积减去所述第二乘积,获得所述服务端为所述客户端提供视频服务时的单体质量。
8.一种服务调整方法,其特征在于,包括:
在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值,在每个所述时间点测量一个所述带宽值;
分别识别所述带宽值呈现的变化趋势;
根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
查询为所述区间配置的带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值;
根据所述下一个时间点的带宽值调整所述服务,以优化所述服务端为所述客户端提供的服务的整体质量。
9.一种带宽预测器的设置装置,其特征在于,包括:
带宽值检测模块,用于在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值,在每个所述时间点测量一个所述带宽值;
变化趋势识别模块,用于分别识别所述带宽值呈现的变化趋势;
区间聚类模块,用于根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
带宽预测器设置模块,用于以优化所述服务端为所述客户端提供的服务的整体质量为目标、为所述区间设置带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值,所述下一个时间点的带宽值用于调整所述服务。
10.一种服务调整装置,其特征在于,包括:
带宽值检测模块,用于在多个连续的时间点中,分别为服务端与客户端之间的带宽检测多个带宽值,在每个所述时间点测量一个所述带宽值;
变化趋势识别模块,用于分别识别所述带宽值呈现的变化趋势;
区间聚类模块,用于根据所述带宽值的变化趋势将多个所述带宽值聚类为多个类型的区间,所述区间用于表示所述带宽的变化趋势;
带宽预测器查找模块,用于查询为所述区间配置的带宽预测器,所述带宽预测器用于根据所述区间中的所述带宽值预测下一个时间点的带宽值;
服务调整模块,用于根据所述下一个时间点的带宽值调整所述服务,以优化所述服务端为所述客户端提供的服务的整体质量。
11.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的带宽预测器的设置方法或者如权利要求8所述的服务调整方法。
12.一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计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的带宽预测器的设置方法或者如权利要求8所述的服务调整方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442450.6A CN113114540B (zh) | 2021-04-23 | 2021-04-23 | 一种带宽预测器的设置、服务调整方法及相关装置 |
PCT/CN2022/087573 WO2022222906A1 (zh) | 2021-04-23 | 2022-04-19 | 带宽预测器的设置、服务调整方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442450.6A CN113114540B (zh) | 2021-04-23 | 2021-04-23 | 一种带宽预测器的设置、服务调整方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113114540A CN113114540A (zh) | 2021-07-13 |
CN113114540B true CN113114540B (zh) | 2024-03-01 |
Family
ID=76719639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110442450.6A Active CN113114540B (zh) | 2021-04-23 | 2021-04-23 | 一种带宽预测器的设置、服务调整方法及相关装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113114540B (zh) |
WO (1) | WO2022222906A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113114540B (zh) * | 2021-04-23 | 2024-03-01 | 百果园技术(新加坡)有限公司 | 一种带宽预测器的设置、服务调整方法及相关装置 |
CN115460659B (zh) * | 2022-11-09 | 2023-02-03 | 江苏云舟通信科技有限公司 | 用于带宽调节的无线通信数据分析系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6967923B1 (en) * | 1999-04-15 | 2005-11-22 | Cisco Technology, Inc. | Bandwidth allocation for ATM available bit rate service |
CN105471759A (zh) * | 2016-01-11 | 2016-04-06 | 北京百度网讯科技有限公司 | 数据中心的网络流量调度方法和装置 |
CN106664315A (zh) * | 2014-08-29 | 2017-05-10 | 尼尔森(美国)有限公司 | 使用预测模型来预测流媒体的结束的方法和设备 |
CN107135125A (zh) * | 2017-05-17 | 2017-09-05 | 北京奇艺世纪科技有限公司 | 视频idc带宽流量预测方法及装置 |
CN108011771A (zh) * | 2016-11-01 | 2018-05-08 | 阿里巴巴集团控股有限公司 | 网络链路可用带宽的探测方法、装置和设备 |
CN109040855A (zh) * | 2018-09-03 | 2018-12-18 | 重庆邮电大学 | 一种无线dash流媒体码率平滑自适应传输方法 |
CN110474852A (zh) * | 2019-08-01 | 2019-11-19 | 网宿科技股份有限公司 | 一种带宽调度方法及装置 |
CN112019384A (zh) * | 2020-08-24 | 2020-12-01 | 广州市百果园信息技术有限公司 | 带宽预测方法、装置、设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4755066B2 (ja) * | 2006-10-30 | 2011-08-24 | 富士通株式会社 | 帯域制御装置および帯域制御方法 |
US9396444B2 (en) * | 2011-12-22 | 2016-07-19 | Adobe Systems Incorporated | Predictive analytics with forecasting model selection |
CN103368811B (zh) * | 2012-04-06 | 2016-08-10 | 华为终端有限公司 | 带宽分配方法和设备 |
CN103905272A (zh) * | 2014-03-19 | 2014-07-02 | 珠海世纪鼎利通信科技股份有限公司 | 一种无线网络的可用带宽测量方法及系统 |
US9756112B2 (en) * | 2015-02-11 | 2017-09-05 | At&T Intellectual Property I, L.P. | Method and system for managing service quality according to network status predictions |
US11113852B2 (en) * | 2016-02-29 | 2021-09-07 | Oracle International Corporation | Systems and methods for trending patterns within time-series data |
US20180123901A1 (en) * | 2016-10-31 | 2018-05-03 | Level 3 Communication, Llc | Distributed calculation of customer bandwidth utilization models |
CN109996087B (zh) * | 2019-03-21 | 2020-04-24 | 武汉大学 | 一种基于有限状态机的面向视频直播的码率自适应方法及装置 |
CN113114540B (zh) * | 2021-04-23 | 2024-03-01 | 百果园技术(新加坡)有限公司 | 一种带宽预测器的设置、服务调整方法及相关装置 |
-
2021
- 2021-04-23 CN CN202110442450.6A patent/CN113114540B/zh active Active
-
2022
- 2022-04-19 WO PCT/CN2022/087573 patent/WO2022222906A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6967923B1 (en) * | 1999-04-15 | 2005-11-22 | Cisco Technology, Inc. | Bandwidth allocation for ATM available bit rate service |
CN106664315A (zh) * | 2014-08-29 | 2017-05-10 | 尼尔森(美国)有限公司 | 使用预测模型来预测流媒体的结束的方法和设备 |
CN105471759A (zh) * | 2016-01-11 | 2016-04-06 | 北京百度网讯科技有限公司 | 数据中心的网络流量调度方法和装置 |
CN108011771A (zh) * | 2016-11-01 | 2018-05-08 | 阿里巴巴集团控股有限公司 | 网络链路可用带宽的探测方法、装置和设备 |
CN107135125A (zh) * | 2017-05-17 | 2017-09-05 | 北京奇艺世纪科技有限公司 | 视频idc带宽流量预测方法及装置 |
CN109040855A (zh) * | 2018-09-03 | 2018-12-18 | 重庆邮电大学 | 一种无线dash流媒体码率平滑自适应传输方法 |
CN110474852A (zh) * | 2019-08-01 | 2019-11-19 | 网宿科技股份有限公司 | 一种带宽调度方法及装置 |
CN112019384A (zh) * | 2020-08-24 | 2020-12-01 | 广州市百果园信息技术有限公司 | 带宽预测方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
MD-AVB: A multi-manifold based available bandwidth prediction algorithm;Pei Zhang 等;Tsinghua Science and Technology ( Volume: 25, Issue: 1, February 2020);全文 * |
云计算环境下基于时间片预测的虚拟机带宽动态调整策略;韩泽宇;硕士电子期刊;全文 * |
数据流上的连续预测聚集查询;郭龙江, 李建中, 王伟平, 张冬冬;计算机研究与发展(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2022222906A1 (zh) | 2022-10-27 |
CN113114540A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10671933B2 (en) | Method and apparatus for evaluating predictive model | |
US8112546B2 (en) | Routing users to receive online services based on online behavior | |
CN113114540B (zh) | 一种带宽预测器的设置、服务调整方法及相关装置 | |
US20180144251A1 (en) | Server and cloud computing resource optimization method thereof for cloud big data computing architecture | |
US8214365B1 (en) | Measuring confidence of file clustering and clustering based file classification | |
CN110059894B (zh) | 设备状态评估方法、装置、系统及存储介质 | |
CN109981225B (zh) | 一种码率预估方法、装置、设备及存储介质 | |
US10592613B2 (en) | Dialog flow evaluation | |
US11157194B2 (en) | Automated predictive tiered storage system | |
US10108522B1 (en) | Sampling technique to adjust application sampling rate | |
CN109413694B (zh) | 一种基于内容流行度预测的小小区缓存方法及装置 | |
WO2023029680A1 (zh) | 一种确定磁盘可使用时长的方法及装置 | |
CN114500339A (zh) | 一种节点带宽监测方法、装置、电子设备及存储介质 | |
US20070067369A1 (en) | Method and system for quantifying and comparing workload on an application server | |
KR20200111952A (ko) | 서버 성능 모니터링 장치 | |
CN111626898B (zh) | 用于实现事件归因的方法、装置、介质和电子设备 | |
CN113408070A (zh) | 发动机参数的确定方法、装置、设备及存储介质 | |
CN111178421B (zh) | 检测用户状态的方法、装置、介质以及电子设备 | |
CN110347546B (zh) | 监控任务动态调整方法、装置、介质及电子设备 | |
CN110751227A (zh) | 数据处理方法、装置、设备及存储介质 | |
KR102464688B1 (ko) | 모니터링 결과의 이벤트 등급 결정 방법 및 장치 | |
US9571578B1 (en) | Utilization based multi-buffer self-calibrated dynamic adjustment management | |
CN113780703B (zh) | 一种指标调整方法和装置 | |
CN112115316B (zh) | 一种分箱方法、装置、电子设备及存储介质 | |
WO2023110059A1 (en) | Method and system trace controller for a microservice system |
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 |