CN113839795A - Cdn节点的消峰处理方法、装置、电子设备及存储介质 - Google Patents

Cdn节点的消峰处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113839795A
CN113839795A CN202010580829.9A CN202010580829A CN113839795A CN 113839795 A CN113839795 A CN 113839795A CN 202010580829 A CN202010580829 A CN 202010580829A CN 113839795 A CN113839795 A CN 113839795A
Authority
CN
China
Prior art keywords
peak
eliminating
bandwidth
cdn node
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
Application number
CN202010580829.9A
Other languages
English (en)
Other versions
CN113839795B (zh
Inventor
蔡爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Kingsoft Cloud Network Technology Co Ltd
Original Assignee
Beijing Kingsoft Cloud Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Kingsoft Cloud Network Technology Co Ltd filed Critical Beijing Kingsoft Cloud Network Technology Co Ltd
Priority to CN202010580829.9A priority Critical patent/CN113839795B/zh
Publication of CN113839795A publication Critical patent/CN113839795A/zh
Application granted granted Critical
Publication of CN113839795B publication Critical patent/CN113839795B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08Configuration management of networks or network elements
    • H04L41/0896Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本公开实施例涉及一种CDN节点的消峰处理方法、装置、电子设备及存储介质,应用于指定区域,该指定区域包括多个CDN节点,CDN节点配置有规划带宽、上联带宽及免费时长。所述方法包括:获取指定区域的历史带宽;基于历史带宽预测指定区域的消峰带宽;基于规划带宽和上联带宽,确定CDN节点的消峰空间;从指定区域包括的多个CDN节点中选择至少一个CDN节点;所述至少一个CDN节点的消峰空间总和满足消峰带宽;确定所述至少一个CDN节点的开启时刻及开启时长;所述至少一个CDN节点开启后消耗免费时长,提供上联带宽实现消峰。本公开实施例可解决目前消峰处理由于依赖人工方式而导致及时性和准确性有待提高的问题。

Description

CDN节点的消峰处理方法、装置、电子设备及存储介质
技术领域
本公开实施例涉及计算机应用技术领域,具体涉及一种CDN节点的消峰处理方法、装置、电子设备及非暂态计算机可读存储介质。
背景技术
CDN(Content Delivery Network,内容分发网络)是由分布在不同区域的边缘节点服务器集群组成的分布式网络,将用户内容分发到边缘节点(也成为CDN节点),有效解决互联网网络拥塞状况,提高用户访问网站的响应速度与网站的可用性。
调度系统是CDN厂家有能力通过各种机制将客户域名的所有现网请求引导到合适的目标机房,从而实现流量控制、质量控制、成本控制以及故障处理。调度系统调度每个调度单元所需的带宽,调度单元由一个调度组和一个运营商(例如移动、联通或电信等)组成,其中,调度组是域名集合,相当于用户访问的域名,是用户实际的需求,调度单元与用户相对应,一个用户对应一个调度单元。
一个调度单元的需求可能是由多个CDN节点分担,而一个CDN节点可能服务多个调度单元,调度单元与CDN节点存在多对多的关系。每个CDN节点配置有IP数,例如一个CDN节点有300个IP,如果服务两个调度单元,IP数分配比例是1:2,则一个调度单元最多能用IP数的1/3,另一个最多能用IP数的2/3。目前通过调节IP数分配比例,实现对调度单元IP数的分配,也即实现了CDN节点带宽的分配。由于每个CDN节点的IP数是固定的,因此一个CDN节点分配给多个调度单元的IP数之和不超过该CDN节点的IP数。
当CDN节点的使用带宽超过规划带宽,就需要对CDN节点进行消峰处理,让CDN节点的使用带宽尽量不超过规划带宽。目前消峰处理是利用线性规划调节IP数分配比例,实现对CDN节点的带宽分配,在线性规划中,调度CDN节点的时候,将CDN节点的带宽上界设置为规划带宽,不能超过规划带宽,开启免费时长后,就把带宽上界调整为上联带宽,上联带宽为CDN节点的最大可用带宽;如果不开启免费时长,所有CDN节点的带宽上界都是规划带宽。线性规划就是要调节CDN节点的IP分配比例,尽量让每个CDN节点的实际带宽在规划带宽以下。
目前CDN厂家调度带宽分配多以手动调整为主,需要大量调度运维人员结合已有经验,人为进行判断、估算和操作处理。现有的人工操作方式,需要较大量的人力成本,且极度依赖运维人员的经验和精力,及时性和准确率难以得到保证。由于每一个调度人员仅考虑自己负责的局部区域,而系统是相对复杂且各个部分相互影响的,人力计算水平可能导致全局的整体结果并不理想。
上述对问题的发现过程的描述,仅用于辅助理解本公开的技术方案,并不代表承认上述内容是现有技术。
发明内容
为了解决现有技术存在的至少一个问题,本公开的至少一个实施例提供了一种CDN节点的消峰处理方法、装置、电子设备及非暂态计算机可读存储介质。
第一方面,本公开实施例提供一种CDN节点的消峰处理方法,应用于指定区域,所述指定区域包括多个CDN节点,所述CDN节点配置有规划带宽、上联带宽及免费时长,所述方法包括:
获取所述指定区域的历史带宽;
基于所述历史带宽预测所述指定区域的消峰带宽;
基于所述规划带宽和所述上联带宽,确定所述CDN节点的消峰空间;
从所述指定区域包括的多个CDN节点中选择至少一个CDN节点;所述至少一个CDN节点的消峰空间总和满足所述消峰带宽;
确定所述至少一个CDN节点的开启时刻及开启时长;所述至少一个CDN节点开启后消耗免费时长,提供上联带宽实现消峰。
在一些实施例中,所述基于所述历史带宽预测所述指定区域的消峰带宽包括:
基于所述历史带宽预测所述指定区域的使用带宽;
基于所述CDN节点的规划带宽确定所述指定区域的规划带宽;
确定所述指定区域的消峰带宽为所述使用带宽与所述规划带宽的差值。
在一些实施例中,所述基于所述历史带宽预测所述指定区域的使用带宽包括:
将晚高峰时间段的历史带宽以预设时间间隔取点,得到所述晚高峰时间段的历史带宽点集合;
将所述历史带宽点集合输入预先训练的递归神经网络,得到所述指定区域在所述晚高峰时间段的使用带宽点集合。
在一些实施例中,所述指定区域的消峰带宽为所述指定区域在所述晚高峰时间段的消峰带宽点集合;
所述从所述指定区域包括的多个CDN节点中选择至少一个CDN节点包括:
基于所述消峰带宽点集合确定消峰起始时刻和消峰结束时刻;
以所述消峰起始时刻为当前消峰决策时刻,确定预设消峰时长内最大消峰带宽点;
基于所述最大消峰带宽点,从CDN节点备选集中选择至少一个CDN节点,以满足所述最大消峰带宽点;所述CDN节点备选集包括所述指定区域内的所有CDN节点;
更新所述当前消峰决策时刻、所述最大消峰带宽点和所述CDN节点备选集,从更新后的CDN节点备选集中选择至少一个CDN节点,以满足更新后的最大消峰带宽点;在所述消峰结束时刻时停止更新。
在一些实施例中,更新所述当前消峰决策时刻包括:
若上一个消峰决策时刻选择的至少一个CDN节点均为首次选择,则更新所述当前消峰决策时刻为所述上一个消峰决策时刻延长所述预设消峰时长得到的时刻;
若上一个消峰决策时刻选择的至少一个CDN节点中存在非首次选择的CDN节点,则更新所述当前消峰决策时刻为所述上一个消峰决策时刻延长所述预设时间间隔得到的时刻。
在一些实施例中,更新所述最大消峰带宽点包括:
基于更新后的当前消峰决策时刻,确定所述预设消峰时长内最大消峰带宽点为更新后的最大消峰带宽点。
在一些实施例中,更新所述CDN节点备选集包括:
基于更新后的最大消峰带宽点,判断是否继续开启上一时刻关闭的所有CDN节点中的至少一个;其中所述上一时刻为所述更新后的当前消峰决策时刻的上一时刻;
将判断不继续开启的CDN节点移出所述CDN节点备选集。
在一些实施例中,所述判断是否继续开启上一时刻关闭的所有CDN节点中的至少一个包括:
对于上一时刻关闭的任一CDN节点,基于该CDN节点的消峰空间和所述更新后的最大消峰带宽点,确定消峰浪费带宽;
基于所述消峰浪费带宽和所述更新后的最大消峰带宽点,判断是否继续开启该CDN节点。
在一些实施例中,所述消峰浪费带宽为所述消峰空间与所述最大消峰带宽点的差值;
相应地,所述判断是否继续开启该CDN节点包括:
确定所述差值与所述最大消峰带宽点的比例;
判断所述比例是否大于预设比例,若大于,则不继续开启;若不大于,则继续开启。
在一些实施例中,所述从更新后的CDN节点备选集中选择至少一个CDN节点包括:
优先从继续开启的CDN节点中选择;
若所有继续开启的CDN节点的消峰空间总和不满足更新后的最大消峰带宽点,则从未选择的CDN节点中选择;
若所有继续开启的CDN节点和所有未选择的CDN节点的消峰空间总和不满足更新后的最大消峰带宽点,则从已关闭的CDN节点中选择。
在一些实施例中,所述确定所述至少一个CDN节点的开启时刻及开启时长包括:
基于所述当前消峰决策时刻确定所述开启时刻;
基于所述预设消峰时长和继续开启的时长确定所述开启时长,其中所述继续开启的时长为所述预设时间间隔。
在一些实施例中,所述CDN节点的消峰空间为所述上联带宽与所述规划带宽的差值;所述消峰空间总和满足所述消峰带宽包括:所述消峰空间总和不小于所述消峰带宽的预设倍数,所述预设倍数为正小数。
在一些实施例中,所述方法还包括:
对第一时间段的消峰规划进行局部优化,得到局部最优消峰规划;
基于所述局部最优消峰规划,得到第二时间段的消峰规划;所述第二时间段包括所述第一时间段;
对所述第二时间段的消峰规划进行全局优化,得到全局最优消峰规划;其中,所述消峰规划包括选择的CDN节点、开启时刻及开启时长。
在一些实施例中,所述对第一时间段的消峰规划进行局部优化,得到局部最优消峰规划包括:
对第一时间段的消峰规划进行邻域搜索,得到局部搜索结果;
确定所述第一时间段的消峰规划的第一评价值和所述局部搜索结果的第二评价值;
基于所述第一评价值和所述第二评价值,确定局部最优消峰规划。
在一些实施例中,所述对第一时间段的消峰规划进行邻域搜索采用的搜索算子包括:
删除算子、合并算子、伸缩算子和/或交换算子;
其中,所述删除算子为:若一个CDN节点的消峰浪费带宽与最大消峰带宽点的比例大于预设比例,则删除该CDN节点;
所述合并算子为:若两个CDN节点的消峰空间之差小于预设差值,且开启较早的节点的关闭时刻与另一个节点的开启时刻之差不大于预设时间间隔,则合并所述两个CDN节点;
所述伸缩算子为:若一个CDN节点的开启时刻提前或延后,该CDN节点的消峰浪费带宽或消峰不足带宽减少,则调整该CDN节点的开启时刻;
所述更换算子为:若一个CDN节点消峰浪费或消峰不足,更换另一个CDN节点减少消峰浪费或消峰不足,则进行更换。
在一些实施例中,所述第一评价值和所述第二评价值基于消峰浪费带宽和消峰不足带宽确定。
在一些实施例中,所述对所述第二时间段的消峰规划进行全局优化,得到全局最优消峰规划:
对所述第二时间段的消峰规划进行邻域搜索,得到全局搜索结果;
确定所述第二时间段的消峰规划的第一评价值和所述全局搜索结果的第二评价值;
基于所述第一评价值和所述第二评价值,确定全局最优消峰规划。
在一些实施例中,对所述第二时间段的消峰规划进行邻域搜索采用的搜索算子包括:
交换算子和/或替换算子;
其中,所述交换算子为:若一天一个CDN节点的消峰浪费带宽的最小值超过第一阈值,另一天另一个CDN节点消峰不足,且两个CDN节点的开启时长相同,且消峰不足的CDN节点的消峰空间小于消峰浪费的CDN节点的消峰空间,但两个CDN节点的消峰空间的差值不超过所述第一阈值,则交换两个CDN节点;
所述替换算子为:若所述第二时间段的消峰规划未选择的任一CDN节点的剩余免费时长超过预设消峰时长,且最大未消峰带宽超过第二阈值,且从第二时间段第一天开始,使用所述任一CDN节点替换剩余免费时长为零的CDN节点后减少消峰浪费带宽,则进行替换。
在一些实施例中,所述第一评价值为所述第二时间段的消峰规划中每天的消峰规划的评价值之和;所述第二评价值为所述全局搜索结果中每天的消峰规划的评价值之和。
在一些实施例中,所述方法还包括:
若所述全局最优消峰规划多次未更新,将第一天的消峰规划中随机删除一个选择的CDN节点,重新进行局部优化。
第二方面,本公开实施例还提供一种CDN节点的消峰处理装置,应用于指定区域,所述指定区域包括多个CDN节点,所述CDN节点配置有规划带宽、上联带宽及免费时长,所述装置包括:
获取单元,用于获取所述指定区域的历史带宽;
预测单元,用于基于所述历史带宽预测所述指定区域的消峰带宽;
第一确定单元,用于基于所述规划带宽和所述上联带宽,确定所述CDN节点的消峰空间;
选择单元,用于从所述指定区域包括的多个CDN节点中选择至少一个CDN节点;所述至少一个CDN节点的消峰空间总和满足所述消峰带宽;
第二确定单元,用于确定所述至少一个CDN节点的开启时刻及开启时长;所述至少一个CDN节点开启后消耗免费时长,提供上联带宽实现消峰。
第三方面,本公开实施例还提供一种电子设备,包括:处理器和存储器;所述处理器通过调用所述存储器存储的程序或指令,用于执行如第一方面任一实施例的方法步骤。
第四方面,本公开实施例还提供一种非暂态计算机可读存储介质,用于存储程序或指令,所述程序或指令使计算机执行如第一方面任一实施例的方法步骤。
本公开实施例利用指定区域的历史带宽预测消峰带宽,并计算指定区域中各CDN节点的消峰空间,从而选择至少一个CDN节点,使得这些CDN节点的消峰空间总和满足预测消峰带宽,进而确定这些CDN节点的开启时刻及开启时长,在开启后消耗免费时长提供上联带宽(最大可用带宽)实现消峰,无需人工参与,可解决目前消峰处理由于依赖人工方式而导致及时性和准确性有待提高的问题。
本公开的至少一个实施例从局部(例如每天)考虑,通过预测每天的消峰带宽,进行分时段考虑和平滑处理,得到初始解(也即消峰规划),然后通过全局角度(例如整月)进行邻域搜索和局部扰动得到更好的解,实现带宽波形控制,从而相比现有技术能更合理地进行消峰规划来满足各CDN节点需要承担的带宽量,优化分位计费节点免费时长的使用,最终优化CDN节点带宽成本和人力成本。
附图说明
为了更清楚地说明本公开实施例的技术方案,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公开的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种CDN节点的消峰处理装置的示例性框图;
图2是本公开实施例提供的一种初始解生成模块的示例性框图;
图3是本公开实施例提供的一种电子设备的示例性框图;
图4是本公开实施例提供的一种CDN节点的消峰处理方法的示例性流程图;
图5为本公开实施例提供的另一种CDN节点的消峰处理方法的示例性流程图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,所描述的实施例是本公开的一部分实施例,而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本公开,而非对本公开的限定。基于所描述的本公开的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本公开保护的范围。
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。
图1为本公开实施例提供的一种CDN节点的消峰处理装置。在一些实施例中,所述消峰处理装置可以应用于调度系统,调度系统可以认为是后台服务器或分布式服务器或其他形式的服务器,调度系统不仅可以对CDN节点调度、流量控制、质量控制、成本控制以及故障处理,还可以实现消峰处理。在一些实施例中,所述消峰处理装置可应用于指定区域的消峰处理,其中所述指定区域由省(或大区)及运营商构成,例如北京移动、山东移动、华南联通等即为本实施例所述指定区域,所述指定区域中包括多个CDN节点。每个CDN节点均配置有规划带宽、上联带宽及免费时长。其中,规划带宽是期望的计费带宽,上联带宽是CDN节点的最大可用带宽,规划带宽小于上联带宽。CDN节点没有开启免费时长时,使用带宽(也即实际带宽)尽量控制在规划带宽下,CDN节点开启免费时长后,使用带宽可以超过规划带宽,最大能达到上联带宽。
需要说明的是,CDN节点按照计费方式可分为三类:分位计费节点、流量计费节点和包端口计费节点。其中由于流量计费节点和包端口计费节点不具有免费时长,在实际应用中,在流量高峰时期,例如晚高峰时间段(18点至24点)优先使用流量计费节点和包端口计费节点,当这两类节点流量用完,再考虑使用分位计费节点的免费时长,避免过多使用分位计费节点。分位计费节点,例如95分位计费节点,以每5分钟的平均带宽作为一个带宽点,以95点位置作为计费带宽,例如100个带宽点,按照带宽由低到高排序,以第95个带宽点作为计费带宽。对于95分位计费节点有5%的免费时长,即每月有36小时的免费时长,开启免费时长后,实际使用的带宽点可以大于规划带宽,也即带宽点可以在规划带宽线之上,未开启免费时长时,带宽点在规划带宽线之下,并且位于规划带宽线之上的带宽点的数量不能超过5%,也即95%的带宽点在规划带宽线之下,5%的带宽点在规划带宽线之上。类似地,对于9分位计费节点,有10%的免费时长。因此流量计费节点和包端口计费节点不用于本实施例的方案,本实施例的方案所述的CDN节点实质上为分位计费节点,为便于描述,以下实施例中统一表述为CDN节点代替分位计费节点,对于涉及到流量计费节点和包端口计费节点时,会单独说明。
如图1所示,所述消峰处理装置100可包括:初始解生成模块101、局部优化模块102、全局优化模块103以及其他用于辅助消峰处理的模块,例如数据存储模块和接口模块,所述数据存储模块可存储初始解生成模块101、局部优化模块102和全局优化模块103产出的各种数据。所述接口模块可以是应用编程接口(API)、用户界面(User Interface,UI)等各种形式的媒介,实现人工的或自动的数据交互。
初始解生成模块101,用于生成所述指定区域消峰处理的初始解,所述初始解可以理解为用于消峰的CDN节点规划信息,简称消峰规划。所述消峰规划包括:选择要开启的CDN节点、开启时刻以及开启时长。在一些实施例中,初始解生成模块101可从局部(即第一时间段)考虑,生成所述指定区域第一时间段的消峰规划,进而可得到所述指定区域的全局(即第二时间段)规划。其中,第一时间段例如以小时计算:1小时为第一时间段或者若干小时构成第一时间段;第一时间段又例如以天计算,每天为第一时间段或者若干天构成第一时间段;第一时间段还可以有其他的计算方式。第二时间段例如以月计算:每月为第二时间段或若干月构成第二时间段,还可以有其他的计算方式。在一些实施例中,第二时间段包括第一时间段,例如第一时间段为每天,第二时间段为第一时间段所在的整月。在一些实施例中,初始解生成模块101可以预测消峰带宽,所述消峰带宽可以理解为所述指定区域的使用带宽超过所述指定区域的规划带宽的带宽量,进而选择开启的CDN节点,这些CDN节点开启后消耗免费时长,提供上联带宽,以及可以让实际带宽达到上联带宽,超过规划带宽,进而实现消峰。在一些实施例中,初始解生成模块101可以进行分时段考虑和平滑处理,得到初始解。其中分时段考虑例如考虑晚高峰时间段(18点至24点),所述平滑处理例如将高峰时间段的带宽以预设时间间隔取点,预设时间间隔大于或等于计费取点的时间间隔,例如预设时间间隔取点为10分钟,而计费取点的时间间隔为5分钟,将两个5分钟对应的带宽点中较大点作为10分钟的平均带宽,实现带宽数据的平滑处理,有利于提高消峰处理效率,因为计费取点的时间间隔划分粒度较细,实际消峰处理时无需如此细粒度,不仅耗时而且效果不佳,效率较低。
局部优化模块102,用于对第一时间段(例如每天)的消峰规划进行局部优化,得到局部(例如每天)最优消峰规划。在一些实施例中,以每天为例,局部优化模块102可对每天的消峰规划进行邻域搜索,得到局部搜索结果。其中邻域搜索算法可沿用目前常用的算法,包括传统邻域搜索算法和改进的邻域搜索算法,改进的邻域搜索算法例如模拟退火、禁忌搜索、遗传算法、模糊优化、基于规则的启发式算法以及混合式邻域搜索等。在一些实施例中,以每天为例,局部优化模块102可确定每天的消峰规划的第一评价值和局部搜索结果的第二评价值,其中所述第一评价值和所述第二评价值基于消峰浪费带宽和消峰不足带宽确定,所述消峰浪费带宽可以理解为超过消峰带宽的带宽量,所述消峰不足带宽可理解为低于消峰带宽的带宽量。例如,所述第一评价值为每天的消峰规划的消峰浪费带宽减去消峰不足带宽得到的差值的0.5倍。所述第二评价值为局部搜索结果的消峰浪费带宽减去消峰不足带宽得到的差值的0.5倍。在一些实施例中,局部优化模块102可基于所述第一评价值和所述第二评价值,确定局部最优消峰规划。例如,假设当前迭代为t,当前该天的消峰规划为x0,局部搜索结果的为x,则接受x的概率为:
Figure BDA0002552261320000121
其中,N是总天数,T是退火温度,为常数,f(x)为第二评价值,f(x0)为第一评价值。
全局优化模块103,用于对第二时间段(例如整月)的消峰规划进行全局优化,得到全局(例如整月)最优消峰规划。其中,第二时间段(例如整月)的消峰规划可基于局部优化模块102的局部最优消峰规划进行确定。在一些实施例中,以整月为例,全局优化模块103可对整月的消峰规划进行邻域搜索,得到全局搜索结果。其中邻域搜索算法可沿用目前常用的算法,不再赘述。在一些实施例中,以每天为例,全局优化模块103可确定整月的消峰规划的第一评价值和全局搜索结果的第二评价值。其中所述第一评价值为所述整月的消峰规划中每天的消峰规划的评价值之和,所述第二评价值为所述全局搜索结果中每天的消峰规划的评价值之和,在一些实施例中,评价值之和可以为评价值增加权重后再求和,并且第一天的评价值权重可以较大,表示优先第一天的消峰规划。在一些实施例中,全局优化模块103可基于所述第一评价值和所述第二评价值,确定全局最优消峰规划。例如,假设当前迭代为t,当前整月的消峰规划为x0,全局搜索结果的为x,则接受x的概率为:
Figure BDA0002552261320000131
其中,T是退火温度,为常数,f(x)为第二评价值,f(x0)为第一评价值。
在一些实施例中,全局优化模块103的全局最优消峰规划连续多次没有更新后,为了跳出局部最优,可进行局部扰动,例如将第一天的消峰规划中随机删除一个选择的CDN节点,以使局部优化模块102重新进行局部优化,例如第一天选择了CDN节点(记为Node2),为避免重复搜索到Node2,把Node2删除,以使局部优化模块102重新进行局部优化,以搜索到效果更好的解。
在一些实施例中,所述消峰处理装置100中各模块的划分仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如初始解生成模块101、局部优化模块102和全局优化模块103中的至少两个可以实现为一个模块;初始解生成模块101、局部优化模块102或全局优化模块103也可以划分为多个子模块。可以理解的是,各个模块或子模块能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能。
图2为本公开实施例提供的一种初始解生成模块200的示例性框图的框图。在一些实施例中,初始解生成模块200可以实现为图1中的初始解生成模块101或者初始解生成模块101的一部分。如图2所示,初始解生成模块200可划分为多个单元,例如可包括但不限于:获取单元201、预测单元202、第一确定单元203、选择单元204和第二确定单元205。
获取单元201,用于获取指定区域的历史带宽。所述指定区域的历史带宽可以通过汇总所述指定区域中每个CDN节点的历史带宽得到,例如将每天每个CDN节点的历史带宽相加得到每天所述指定区域的历史带宽。所述指定区域的历史带宽可以是上一个月整月的使用带宽。在一些实施例中,若所述指定区域的规划带宽较小,而所述指定区域周围其他区域的规划带宽较大,则可以获取部分其他区域的CDN节点数据,将其他区域的CDN节点用于所述指定区域的消峰。其中CDN节点数据的包括:节点名称、剩余免费时长、规划带宽、上联带宽。例如对于一条CDN节点数据包括:Node1、20h、20、30,说明该CDN节点名称为Node1,剩余免费时长为20小时,规划带宽为20GB,上联带宽为30GB。一个CDN节点的剩余免费时长可基于超过规划带宽的带宽点数量确定。
预测单元202,用于基于指定区域的历史带宽预测所述指定区域的消峰带宽。对于每个工作日,CDN节点的带宽波形(每5分钟一个带宽点)和上一个工作日(昨天)的带宽波形类似,因此可以利用昨天数据作为今天消峰的参考数据。节假日与工作日的带宽波形不同,节假日的带宽波形可参考上一个节假日的带宽波形。
在一些实施例中,预测单元202可基于指定区域的历史带宽预测所述指定区域的使用带宽。预测的使用带宽可以是未来一天的使用带宽,也可以是未来一个月或未来几天(例如一周)的使用带宽。在一些实施例中,考虑到晚高峰时间段相比其他时间段,用户更多,可能更需要消峰,所述预测单元202针对晚高峰时间段预测所述指定区域的使用带宽。例如,所述预测单元202将晚高峰时间段的历史带宽以预设时间间隔取点,所述预设时间间隔例如为10分钟,得到所述晚高峰时间段的历史带宽点集合。所述预测单元202将所述历史带宽点集合输入预先训练的递归神经网络,得到所述指定区域在所述晚高峰时间段的使用带宽点集合。其中所述递归神经网络可以为基于长短期记忆(Long Short-Term Memory,LSTM)的时间递归神经网络,还可以为其他类型的处理序列数据的神经网络。在一些实施例中,还可基于统计和人工经验等手段辅助预测所述指定区域在所述晚高峰时间段的使用带宽点集合。
在一些实施例中,预测单元202可基于所述指定区域中所有CDN节点的规划带宽确定所述指定区域的规划带宽,例如指定区域的规划带宽为所有CDN节点的规划带宽之和。所述预测单元202可基于所述指定区域的使用带宽和所述指定区域的规划带宽,确定所述指定区域的消峰带宽,例如所述指定区域的消峰带宽为所述指定区域的使用带宽与所述指定区域的规划带宽的差值。例如,使用带宽是120,规划带宽是100,差值20即为消峰带宽。所述预测单元202针对晚高峰时间段预测的所述指定区域的消峰带宽为消峰带宽点集合。
举例说明,所述预测单元202以晚高峰时间段的历史一周的带宽数据,预测未来一天的消峰带宽点集合。在预测之前,需要先训练递归神经网络,训练过程如下:
基于晚高峰时间段的历史一个月的带宽数据得到训练数据,所述训练数据为:
X=[x-7,1,x-6,1,...,x-1,1,x-7,2,...,x-1,2,...,x-1,N],Y=[y1,y2,...,yN]
其中,Y表示历史一个月中任一天的晚高峰时间段的带宽点集合,X表示Y之前一周的晚高峰时间段的带宽点集合,N表示晚高峰时间段以预设时间间隔进行带宽取点得到的带宽点数量,所述预设时间间隔为10分钟。
Y之前一天对应的X应该为:
X=[x-8,1,x-7,1,...,x-2,1,x-8,2,...,x-2,2,...,x-2,N],
将训练数据中的X输入递归神经网络,递归神经网络接收数据的时间步长(Timesteps)为N,接收数据的维度(data_dim)为7,递归神经网络的输出为Y’。Y’可以理解为预测值(predicted),Y可以理解为观测值(observed)。基于Y’、Y和模型训练评价标准,通过反向传递调整递归神经网络的参数,实现递归神经网络,其中反向传递调整参数的方法可沿用现有技术,在此不再赘述。所述模型训练评价标准为MSE(均方误差):
Figure BDA0002552261320000161
其中,t的取值为1至N。
训练好递归神经网络后,所述预测单元202可基于晚高峰时间段的历史一周的带宽数据得到输入数据,格式类似X,然后将输入数据输入到训练好的递归神经网络,递归神经网络的输出即为预测的未来一天的消峰带宽点集合。
第一确定单元203,用于基于CDN节点的规划带宽和上联带宽,确定CDN节点的消峰空间。所述消峰空间为所述上联带宽与所述规划带宽的差值,所述消峰空间可以理解为能够承担的消峰带宽量。例如规划带宽是100,上联带宽是130,差值30即消峰空间,开启免费时长后,可以承担的消峰带宽量就为30,实现消峰。
选择单元204,用于从指定区域包括的多个CDN节点中选择至少一个CDN节点;所述至少一个CDN节点的消峰空间总和满足消峰带宽。其中消峰空间总和满足消峰带宽可以是完全满足,例如消峰带宽是50,消峰空间总和≥50。但考虑到消峰带宽通过预测得到,可能不准确,在一些实施例中,消峰空间总和不小于消峰带宽的预设倍数,所述预设倍数为正小数,可以认为满足消峰带宽,例如,消峰空间总和不小于消峰带宽的75%,即可认为满足消峰带宽。
在一些实施例中,选择单元204可基于消峰带宽点集合确定消峰起始时刻和消峰结束时刻,所述消峰起始时刻为第一个超过规划带宽的带宽点对应的时刻,所述消峰结束时刻为最后一个超过规划带宽的带宽点对应的时刻,所述消峰起始时刻与所述消峰结束时刻之间的所有时刻均需要消峰。所述选择单元204以所述消峰起始时刻为当前消峰决策时刻,确定预设消峰时长内最大消峰带宽点。其中所述预设消峰时长可以理解为CDN节点开启的时长,例如,预设消峰时长为50分钟,则被选择的CDN节点会开启50分钟,且这50分钟作为该CDN节点的免费时长被消耗。所述最大消峰带宽点是从预设消峰时长内包括的所有消峰带宽点中的最大点,例如,三个消峰带宽点:10,20和30,最大点30就是最大消峰带宽点。只要能满足最大消峰带宽点,就可满足预设消峰时长内的消峰需求。
在一些实施例中,选择单元204基于预设消峰时长内最大消峰带宽点,从CDN节点备选集中选择至少一个CDN节点,以满足所述最大消峰带宽点。考虑到CDN节点开启、关闭都有时间误差,在开启时使用带宽不是直接高于规划带宽,而是从规划带宽线下逐步上升到规划带宽线上,会浪费消峰空间,因此尽量避免频繁开启同一CDN节点,造成浪费。另外,不同CDN节点的消峰空间不同,对于消峰空间大的节点,尽量不浪费,比如最大消峰带宽点是10,开启消峰空间为30的节,浪费的消峰空间为20;若开启消峰空间为10的节点不仅满足了消峰需求,而且没有造成浪费;若开启两个消峰空间为5的节点,也可满足消峰需求,但是开启两个节点相比开启一个节点,可能导致其中一个节点后续再开启所造成的消峰空间浪费。因此,选择单元204从CDN节点备选集中选择CDN节点时,尽量不浪费消峰空间的基础上选择消峰空间较大的CDN节点或CDN节点组合满足消峰需求。在一些实施例中,可以将CDN节点备选集中的节点按照消峰空间的大小进行分组,优先从消峰空间较大的分组中选择节点,也可从不同分组中选取节点组合满足消峰需求。
在一些实施例中,选择单元204可更新当前消峰决策时刻、最大消峰带宽点和CDN节点备选集合,进而从更新后的CDN节点备选集中选择至少一个CDN节点,以满足更新后的最大消峰带宽点;在所述消峰结束时刻时停止更新。若当前消峰决策时刻为消峰起始时刻,则所述CDN节点备选集包括所述指定区域内的所有CDN节点。
所述选择单元204更新所述当前消峰决策时刻包括:若上一个消峰决策时刻选择的至少一个CDN节点均为首次选择,则更新所述当前消峰决策时刻为所述上一个消峰决策时刻延长所述预设消峰时长得到的时刻;若上一个消峰决策时刻选择的至少一个CDN节点中存在非首次选择的CDN节点,则更新所述当前消峰决策时刻为所述上一个消峰决策时刻延长所述预设时间间隔得到的时刻。
例如,预设消峰时长为50分钟,预设时间间隔为10分钟,50分钟包括5个10分钟,也即5个时刻,以消峰起始时刻为时刻0,考虑5个时刻,也即时刻0至时刻4,首先确定时刻0至时刻4中的最大消峰带宽点,然后从备选CDN节点备选集中选择CDN节点,且选择的CDN节点是首次选择,因此选择的CDN节点会在时刻0开启,从时刻0开启直到时刻4关闭,在这50分钟无需再次进行消峰决策,因此,更新当前消峰决策时刻为时刻5。若在时刻5,决策将时刻4应关闭的至少一个CDN节点继续开启,优先选择继续开启的CDN节点,继续开启的CDN节点只会继续开启10分钟,因为下一个消峰决策时刻必然是10分钟后,也即时刻6;若继续开启的CDN节点有多个,优先选择消峰空间较大的CDN节点。由于继续开启的CDN节点非首次选择,因此更新当前消峰决策时刻为时刻6。
所述选择单元204更新所述最大消峰带宽点包括:基于更新后的当前消峰决策时刻,确定所述预设消峰时长内最大消峰带宽点为更新后的最大消峰带宽点。也即对于每次消峰决策,都是以当前消峰决策时刻起,预设消峰时长内最大消峰带宽点为更新后的最大消峰带宽点。
所述选择单元204更新所述CDN节点备选集包括:基于更新后的最大消峰带宽点,判断是否继续开启上一时刻关闭的所有CDN节点中的至少一个;其中所述上一时刻为所述更新后的当前消峰决策时刻的上一时刻;将判断不继续开启的CDN节点移出所述CDN节点备选集,避免该CDN节点关闭后又重新开启,也即避免该CDN节点频繁开启。例如,在时刻5决策将时刻4应关闭的一个CDN节点不继续开启,那么该CDN节点在时刻4就会被关闭,为避免该节点被选中而再次开启,会从CDN节点备选集中删除该节点。
在一些实施例中,所述选择单元204判断是否继续开启上一时刻关闭的所有CDN节点中的至少一个包括:对于上一时刻关闭的任一CDN节点,基于该CDN节点的消峰空间和所述更新后的最大消峰带宽点,确定消峰浪费带宽;其中,所述消峰浪费带宽为所述消峰空间与所述最大消峰带宽点的差值。所述选择单元204基于所述消峰浪费带宽和所述更新后的最大消峰带宽点,判断是否继续开启该CDN节点。在一些实施例中,所述选择单元204确定所述消峰浪费带宽与所述最大消峰带宽点的比例;进而判断所述比例是否大于预设比例,若大于,则不继续开启;若不大于,则继续开启。例如所述预设比例为2∶1,CDN节点的消峰空间为30,最大消峰带宽点为10,则消峰浪费带宽为20,与最大消峰带宽点的比例正好为2∶1,因此,可以继续开启;如果最大消峰带宽小于10,则比例会大于2∶1,因此不继续开启。
在一些实施例中,所述选择单元204从更新后的CDN节点备选集中选择至少一个CDN节点包括:优先从继续开启的CDN节点中选择;若所有继续开启的CDN节点的消峰空间总和不满足更新后的最大消峰带宽点,则从未选择的CDN节点中选择,其中,未选择表示之前任一消峰决策时刻均未选择;若所有继续开启的CDN节点和所有未选择的CDN节点的消峰空间总和不满足更新后的最大消峰带宽点(也即更新后的CDN节点备选集中所有节点的消峰空间总和仍不满足消峰需求),则从已关闭的CDN节点中选择,所述已关闭的CDN节点不属于更新后的CDN节点备选集。
例如,以时刻6为例,若时刻0开启了节点3,且节点3在时刻4已关闭(也即时刻5没有决策继续开启节点3),时刻5肯定不会选择节点3,因为节点3不在CDN节点备选集中,而时刻6时,时刻6尽量不从已关闭的节点(包括节点3)中选择,若CDN节点备选集中所有节点的消峰空间总和仍不满足更新后的最大消峰带宽点,那么在时刻6从已关闭的节点(包括节点3)中选择,具体地,从时刻4关闭的节点中选择,若仍不满足,则从时刻3关闭的节点中选择,以此类推,尽量满足消峰需求。又例如,如果决策时刻i要从已关闭的CDN节点中选择,则考虑(从j时刻)已关闭的节点中选择,其中时刻j为当前时刻减2,一直搜索到减4。
在一些实施例中,从未选择的CDN节点中选择和从已关闭的CDN节点中选择的优先级可调,也即优先从已关闭的CDN节点中选择,再从未选择的CDN节点中选择。
第二确定单元205,用于确定所述选择单元204选择的至少一个CDN节点的开启时刻及开启时长。其中,所述开启时刻基于当前消峰决策时刻确定。所述开启时长基于所述预设消峰时长和继续开启的时长确定。所述继续开启的时长为所述预设时间间隔,例如10分钟。
在一些实施例中,初始解生成模块200中各单元的划分仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如获取单元201、预测单元202、第一确定单元203、选择单元204和第二确定单元205中的至少两个可以实现为一个单元;获取单元201、预测单元202、第一确定单元203、选择单元204或第二确定单元205也可以划分为多个子单元。可以理解的是,各个单元或子单元能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能。
基于图2所示的初始解生成模块200,进一步对图1所示的局部优化模块102和全局优化模块103进行说明。
所述局部优化模块102对每天的消峰规划进行邻域搜索采用的搜索算子包括:删除算子、合并算子、伸缩算子和/或交换算子。
其中,所述删除算子为:若一个CDN节点的消峰浪费带宽与最大消峰带宽点的比例大于预设比例(预设比例例如2∶1),则删除该CDN节点。
所述合并算子为:若两个CDN节点的消峰空间之差小于预设差值,且开启较早的节点的关闭时刻与另一个节点的开启时刻之差不大于预设时间间隔(例如10分钟),则合并所述两个CDN节点。例如某一时刻关闭了一个节点,又开启了一个节点,这两个节点消峰空间之差小于预设差值,为避免频繁开启,则合并两个节点,例如一个节点从19点开到20点,另一个节点从20点开到21点,则让前一个节点从19点开到21点。
所述伸缩算子为:若一个CDN节点的开启时刻提前或延后,该CDN节点的消峰浪费带宽或消峰不足带宽减少,则调整该CDN节点的开启时刻。
所述更换算子为:若一个CDN节点消峰浪费或消峰不足,更换另一个CDN节点减少消峰浪费或消峰不足,则进行更换。
所述全局优化模块103对所述整月的消峰规划进行邻域搜索采用的搜索算子包括:交换算子和/或替换算子。
其中,所述交换算子为:若一天一个CDN节点的消峰浪费带宽的最小值超过第一阈值(例如为5),另一天另一个CDN节点消峰不足,且两个CDN节点的开启时长相同,且消峰不足的CDN节点的消峰空间小于消峰浪费的CDN节点的消峰空间,但两个CDN节点的消峰空间的差值不超过所述第一阈值,则交换两个CDN节点。
所述替换算子为:若所述整月的消峰规划未选择的任一CDN节点的剩余免费时长超过预设消峰时长(例如50分钟),且最大未消峰带宽超过第二阈值(例如15),且从整月第一天开始,使用所述任一CDN节点替换剩余免费时长为零的CDN节点后减少消峰浪费带宽,则进行替换。
所述全局优化模块103得到的全局(整月)最优消峰规划例如为:{0:{node1:[0,4]},1:{node2:[3,7],node3:[8,15]},…},其中0对应第一天,node1的开启时刻为0,结束时刻为4;1对应第二天,共有两个节点消峰(node2和node3),开启区间分别为[3,7]和[8,15]。
在一些实施例中,可通过混合整数线性规划模型、类似松弛方法或数学规划启发式方法可以进行CDN节点的消峰处理。
其中,混合整数线性规划模型如下:
参数包括:Bi,t、uj、n、cj、Rc、K、T、λt和αt
Bi,t:第t天,时刻i的带宽(可以是历史的(例如昨天的),也可以是预测的等)与所有CDN节点的规划带宽之和的差值;
uj:CDN节点j的消峰空间;
n:可消峰的CDN节点数量;
cj:CDN节点j所属的消峰空间类别(消峰空间在20,30,40进行类别划分);
Rc:消峰空间类别c(消峰空间在20,30,40进行类别划分)的总剩余免费时长,暂未用到;
K:充分大的数;
T:当前日期到本月最后一天的总天数,例如当前日期为4月29日,则T为2;
λt:对于第t天的消峰不足的惩罚系数;
αt:第t天消峰不足的最大值(也即最大消峰不足带宽),即每天都有多个时刻需要消峰,该值是所有消峰不足时刻的最大消峰不足带宽。
决策变量包括:aj,k,t、pj,t、sj,t、xj,t、rj,t、rt和ρt
aj,k,t:第t天,CDN节点j在时刻k是否开启,若开启,则aj,k,t=1;
pj,t:第t天,CDN节点j的持续时长;
sj,t:第t天,CDN节点j的开始时刻;
xj,t:第t天,CDN节点j是否被使用消峰;
rj,t:第t天,CDN节点j的剩余免费时长(可以10分钟为单位);
rt:第t天,所有CDN节点消峰空间类别剩余时长的最小比例,例如CDN节点一共有3类消峰空间,每个消峰空间类别的当前剩余免费时长占月初总免费时长的比例,分别是0.3,0.5,0.2,则该值为0.2;
ρt:系数,用于衡量剩余时长差异大还是小的指标,通常是负数。
混合整数线性规划模型为:
min ∑ujpj,t+∑λtαt+∑ρtrt
Figure BDA0002552261320000241
Figure BDA0002552261320000242
Figure BDA0002552261320000243
pj,t≤rj,t
pj,t≥dmin-K(1-xj,t),t≤T-1
Kxj,t≥pj,t
Figure BDA0002552261320000244
rj,t+1=rj,t-pj,t
目标函数包括三部分,第一部分是所有CDN节点的消峰使用带宽量,第二部分是每天消峰不足的最大带宽之和,第三部分是不同消峰空间的CDN节点使用要尽量相同,即不要过度使用一个类别的CDN节点。
约束(1-2)是CDN节点j如果在第t天用来消峰,则aj,k,t只有在消峰时间段为1,其余时间为0,如果该天未使用消峰,则pj,t=0;
约束(3)是αt的定义;
约束(4)是消峰时长不能超过剩余的免费时长;
约束(5-6)是xj,t的定义;
约束(7)是rt的定义,表示所有消峰空间类别的剩余时长使用比例。
约束(8)是更新每天的剩余时长。
通过该混合整数线性规划模型或类似松弛方法或数学规划启发式方法同样可以进行节点消峰排期,但是运行时间较长且当约束变化时难以快速得到较好解。
图3是本公开实施例提供的一种电子设备的结构示意图。如图3所示,电子设备包括:至少一个处理器301、至少一个存储器302和至少一个通信接口303。电子设备中的各个组件通过总线系统304耦合在一起。通信接口303,用于与外部设备之间的信息传输。可理解,总线系统304用于实现这些组件之间的连接通信。总线系统304除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见,在图3中将各种总线都标为总线系统304。
可以理解,本实施例中的存储器302可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
在一些实施方式中,存储器302存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统和应用程序。
其中,操作系统,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序,包含各种应用程序,例如媒体播放器(Media Player)、浏览器(Browser)等,用于实现各种应用业务。实现本公开实施例提供的CDN节点的消峰处理方法的程序可以包含在应用程序中。
在本公开实施例中,处理器301通过调用存储器302存储的程序或指令,具体的,可以是应用程序中存储的程序或指令,处理器301用于执行本公开实施例提供的CDN节点的消峰处理方法各实施例的步骤。
本公开实施例提供的CDN节点的消峰处理方法可以应用于处理器301中,或者由处理器301实现。处理器301可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器301中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器301可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本公开实施例提供的CDN节点的消峰处理方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器302,处理器301读取存储器302中的信息,结合其硬件完成方法的步骤。
图4为本公开实施例提供的一种CDN节点的消峰处理方法流程图。所述消峰处理方法应用于指定区域,所述指定区域包括多个CDN节点,所述CDN节点配置有规划带宽、上联带宽及免费时长。所述消峰处理方法的执行主体为电子设备。为了更清楚地描述消峰处理方法流程,以下实施例以电子设备为执行主体说明所述消峰处理方法。
在步骤401中,电子设备生成所述指定区域消峰处理的初始解,所述初始解可以理解为用于消峰的CDN节点规划信息,简称消峰规划。所述消峰规划包括:选择要开启的CDN节点、开启时刻以及开启时长。在一些实施例中,电子设备可从局部(即第一时间段)考虑,生成所述指定区域第一时间段的消峰规划,进而可得到所述指定区域的全局(即第二时间段)规划。其中,第一时间段例如以小时计算:1小时为第一时间段或者若干小时构成第一时间段;第一时间段又例如以天计算,每天为第一时间段或者若干天构成第一时间段;第一时间段还可以有其他的计算方式。第二时间段例如以月计算:每月为第二时间段或若干月构成第二时间段,还可以有其他的计算方式。在一些实施例中,第二时间段包括第一时间段,例如第一时间段为每天,第二时间段为第一时间段所在的整月。在一些实施例中,电子设备可以预测消峰带宽,所述消峰带宽可以理解为所述指定区域的使用带宽超过所述指定区域的规划带宽的带宽量,进而选择开启的CDN节点,这些CDN节点开启后消耗免费时长,提供上联带宽,以及可以让实际带宽达到上联带宽,超过规划带宽,进而实现消峰。在一些实施例中,电子设备可以进行分时段考虑和平滑处理,得到初始解。其中分时段考虑例如考虑晚高峰时间段(18点至24点),所述平滑处理例如将高峰时间段的带宽以预设时间间隔取点,预设时间间隔大于或等于计费取点的时间间隔,例如预设时间间隔取点为10分钟,而计费取点的时间间隔为5分钟,将两个5分钟对应的带宽点中较大点作为10分钟的平均带宽,实现带宽数据的平滑处理,有利于提高消峰处理效率,因为计费取点的时间间隔划分粒度较细,实际消峰处理时无需如此细粒度,不仅耗时而且效果不佳,效率较低。
在步骤402中,电子设备对第一时间段(例如每天)的消峰规划进行局部优化,得到局部(例如每天)最优消峰规划。在一些实施例中,以每天为例,电子设备可对每天的消峰规划进行邻域搜索,得到局部搜索结果。其中邻域搜索算法可沿用目前常用的算法,包括传统邻域搜索算法和改进的邻域搜索算法,改进的邻域搜索算法例如模拟退火、禁忌搜索、遗传算法、模糊优化、基于规则的启发式算法以及混合式邻域搜索等。在一些实施例中,以每天为例,电子设备可确定每天的消峰规划的第一评价值和局部搜索结果的第二评价值,其中所述第一评价值和所述第二评价值基于消峰浪费带宽和消峰不足带宽确定,所述消峰浪费带宽可以理解为超过消峰带宽的带宽量,所述消峰不足带宽可理解为低于消峰带宽的带宽量。例如,所述第一评价值为每天的消峰规划的消峰浪费带宽减去消峰不足带宽得到的差值的0.5倍。所述第二评价值为局部搜索结果的消峰浪费带宽减去消峰不足带宽得到的差值的0.5倍。在一些实施例中,电子设备可基于所述第一评价值和所述第二评价值,确定局部最优消峰规划。例如,假设当前迭代为t,当前该天的消峰规划为x0,局部搜索结果的为x,则接受x的概率为:
Figure BDA0002552261320000281
其中,N是总天数,T是退火温度,为常数,f(x)为第二评价值,f(x0)为第一评价值。
电子设备对每天的消峰规划进行邻域搜索采用的搜索算子包括:删除算子、合并算子、伸缩算子和/或交换算子。
其中,所述删除算子为:若一个CDN节点的消峰浪费带宽与最大消峰带宽点的比例大于预设比例,则删除该CDN节点。
所述合并算子为:若两个CDN节点的消峰空间之差小于预设差值,且开启较早的节点的关闭时刻与另一个节点的开启时刻之差不大于预设时间间隔,则合并所述两个CDN节点。
所述伸缩算子为:若一个CDN节点的开启时刻提前或延后,该CDN节点的消峰浪费带宽或消峰不足带宽减少,则调整该CDN节点的开启时刻。
所述更换算子为:若一个CDN节点消峰浪费或消峰不足,更换另一个CDN节点减少消峰浪费或消峰不足,则进行更换。
在步骤403中,电子设备对第二时间段(例如整月)的消峰规划进行全局优化,得到全局(例如整月)最优消峰规划。其中,第二时间段(例如整月)的消峰规划可基于局部最优消峰规划进行确定。在一些实施例中,以整月为例,电子设备可对整月的消峰规划进行邻域搜索,得到全局搜索结果。其中邻域搜索算法可沿用目前常用的算法,不再赘述。在一些实施例中,以整月为例,电子设备可确定整月的消峰规划的第一评价值和全局搜索结果的第二评价值。其中所述第一评价值为所述整月的消峰规划中每天的消峰规划的评价值之和,所述第二评价值为所述全局搜索结果中每天的消峰规划的评价值之和,在一些实施例中,评价值之和可以为评价值增加权重后再求和,并且第一天的评价值权重可以较大,表示优先第一天的消峰规划。在一些实施例中,电子设备可基于所述第一评价值和所述第二评价值,确定全局最优消峰规划。例如,假设当前迭代为t,当前整月的消峰规划为x0,全局搜索结果的为x,则接受x的概率为:
Figure BDA0002552261320000291
其中,T是退火温度,为常数,f(x)为第二评价值,f(x0)为第一评价值。
在一些实施例中,全局最优消峰规划连续多次没有更新后,为了跳出局部最优,电子设备可进行局部扰动,例如将第一天的消峰规划中随机删除一个选择的CDN节点,以使局部优化模块102重新进行局部优化。
电子设备对所述整月的消峰规划进行邻域搜索采用的搜索算子包括:交换算子和/或替换算子。
其中,所述交换算子为:若一天一个CDN节点的消峰浪费带宽的最小值超过第一阈值,另一天另一个CDN节点消峰不足,且两个CDN节点的开启时长相同,且消峰不足的CDN节点的消峰空间小于消峰浪费的CDN节点的消峰空间,但两个CDN节点的消峰空间的差值不超过所述第一阈值,则交换两个CDN节点。
所述替换算子为:若所述整月的消峰规划未选择的任一CDN节点的剩余免费时长超过预设消峰时长,且最大未消峰带宽超过第二阈值,且从整月第一天开始,使用所述任一CDN节点替换剩余免费时长为零的CDN节点后减少消峰浪费带宽,则进行替换。
图5为本公开实施例提供的一种CDN节点的消峰处理方法流程图。所述消峰处理方法应用于指定区域,所述指定区域包括多个CDN节点,所述CDN节点配置有规划带宽、上联带宽及免费时长。所述消峰处理方法的执行主体为电子设备。为了更清楚地描述消峰处理方法流程,以下实施例以电子设备为执行主体说明所述消峰处理方法。
在步骤501中,电子设备获取所述指定区域的历史带宽。
在步骤502中,电子设备基于所述历史带宽预测所述指定区域的消峰带宽。在一些实施例中,电子设备基于所述历史带宽预测所述指定区域的使用带宽;基于所述CDN节点的规划带宽确定所述指定区域的规划带宽;确定所述指定区域的消峰带宽为所述使用带宽与所述规划带宽的差值。在一些实施例中,电子设备将晚高峰时间段的历史带宽以预设时间间隔取点,得到所述晚高峰时间段的历史带宽点集合;将所述历史带宽点集合输入预先训练的递归神经网络,得到所述指定区域在所述晚高峰时间段的使用带宽点集合;相应地,所述指定区域的消峰带宽为所述指定区域在所述晚高峰时间段的消峰带宽点集合。
在步骤503中,电子设备基于所述规划带宽和所述上联带宽,确定所述CDN节点的消峰空间。在一些实施例中,所述CDN节点的消峰空间为所述上联带宽与所述规划带宽的差值。
在步骤504中,电子设备从所述指定区域包括的多个CDN节点中选择至少一个CDN节点;所述至少一个CDN节点的消峰空间总和满足所述消峰带宽。在一些实施例中,所述消峰空间总和满足所述消峰带宽包括:所述消峰空间总和不小于所述消峰带宽的预设倍数,所述预设倍数为正小数。在一些实施例中,电子设备基于所述消峰带宽点集合确定消峰起始时刻和消峰结束时刻;以所述消峰起始时刻为当前消峰决策时刻,确定预设消峰时长内最大消峰带宽点;基于所述最大消峰带宽点,从CDN节点备选集中选择至少一个CDN节点,以满足所述最大消峰带宽点;所述CDN节点备选集包括所述指定区域内的所有CDN节点;更新所述当前消峰决策时刻、所述最大消峰带宽点和所述CDN节点备选集,从更新后的CDN节点备选集中选择至少一个CDN节点,以满足更新后的最大消峰带宽点;在所述消峰结束时刻时停止更新。
在一些实施例中,电子设备更新所述当前消峰决策时刻包括:
若上一个消峰决策时刻选择的至少一个CDN节点均为首次选择,则更新所述当前消峰决策时刻为所述上一个消峰决策时刻延长所述预设消峰时长得到的时刻;
若上一个消峰决策时刻选择的至少一个CDN节点中存在非首次选择的CDN节点,则更新所述当前消峰决策时刻为所述上一个消峰决策时刻延长所述预设时间间隔得到的时刻。
在一些实施例中,电子设备更新所述最大消峰带宽点包括:
基于更新后的当前消峰决策时刻,确定所述预设消峰时长内最大消峰带宽点为更新后的最大消峰带宽点。
在一些实施例中,电子设备更新所述CDN节点备选集包括:基于更新后的最大消峰带宽点,判断是否继续开启上一时刻关闭的所有CDN节点中的至少一个;其中所述上一时刻为所述更新后的当前消峰决策时刻的上一时刻;将判断不继续开启的CDN节点移出所述CDN节点备选集。
在一些实施例中,电子设备判断是否继续开启上一时刻关闭的所有CDN节点中的至少一个包括:对于上一时刻关闭的任一CDN节点,基于该CDN节点的消峰空间和所述更新后的最大消峰带宽点,确定消峰浪费带宽;基于所述消峰浪费带宽和所述更新后的最大消峰带宽点,判断是否继续开启该CDN节点。在一些实施例中,所述消峰浪费带宽为所述消峰空间与所述最大消峰带宽点的差值,所述电子设备判断是否继续开启该CDN节点包括:确定所述差值与所述最大消峰带宽点的比例;判断所述比例是否大于预设比例,若大于,则不继续开启;若不大于,则继续开启。
在一些实施例中,电子设备从更新后的CDN节点备选集中选择至少一个CDN节点包括:优先从继续开启的CDN节点中选择;若所有继续开启的CDN节点的消峰空间总和不满足更新后的最大消峰带宽点,则从未选择的CDN节点中选择;若所有继续开启的CDN节点和所有未选择的CDN节点的消峰空间总和不满足更新后的最大消峰带宽点,则从已关闭的CDN节点中选择。
在步骤505中,电子设备确定所述至少一个CDN节点的开启时刻及开启时长;所述至少一个CDN节点开启后消耗免费时长,提供上联带宽实现消峰。在一些实施例中,电子设备基于所述当前消峰决策时刻确定所述开启时刻;基于所述预设消峰时长和继续开启的时长确定所述开启时长,其中所述继续开启的时长为所述预设时间间隔。
需要说明的是,对于前述的各方法实施例,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能够理解,本公开实施例并不受所描述的动作顺序的限制,因为依据本公开实施例,某些步骤可以采用其他顺序或者同时进行。另外,本领域技术人员能够理解,说明书中所描述的实施例均属于可选实施例。
本公开实施例还提出一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如CDN节点的消峰处理方法各实施例的步骤,为避免重复描述,在此不再赘述。
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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。
本领域的技术人员能够理解,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
虽然结合附图描述了本公开的实施方式,但是本领域技术人员可以在不脱离本公开的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (23)

1.一种CDN节点的消峰处理方法,其特征在于,应用于指定区域,所述指定区域包括多个CDN节点,所述CDN节点配置有规划带宽、上联带宽及免费时长,所述方法包括:
获取所述指定区域的历史带宽;
基于所述历史带宽预测所述指定区域的消峰带宽;
基于所述规划带宽和所述上联带宽,确定所述CDN节点的消峰空间;
从所述指定区域包括的多个CDN节点中选择至少一个CDN节点;所述至少一个CDN节点的消峰空间总和满足所述消峰带宽;
确定所述至少一个CDN节点的开启时刻及开启时长;所述至少一个CDN节点开启后消耗免费时长,提供上联带宽实现消峰。
2.根据权利要求1所述的方法,其特征在于,所述基于所述历史带宽预测所述指定区域的消峰带宽包括:
基于所述历史带宽预测所述指定区域的使用带宽;
基于所述CDN节点的规划带宽确定所述指定区域的规划带宽;
确定所述指定区域的消峰带宽为所述使用带宽与所述规划带宽的差值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述历史带宽预测所述指定区域的使用带宽包括:
将晚高峰时间段的历史带宽以预设时间间隔取点,得到所述晚高峰时间段的历史带宽点集合;
将所述历史带宽点集合输入预先训练的递归神经网络,得到所述指定区域在所述晚高峰时间段的使用带宽点集合。
4.根据权利要求3所述的方法,其特征在于,所述指定区域的消峰带宽为所述指定区域在所述晚高峰时间段的消峰带宽点集合;
所述从所述指定区域包括的多个CDN节点中选择至少一个CDN节点包括:
基于所述消峰带宽点集合确定消峰起始时刻和消峰结束时刻;
以所述消峰起始时刻为当前消峰决策时刻,确定预设消峰时长内最大消峰带宽点;
基于所述最大消峰带宽点,从CDN节点备选集中选择至少一个CDN节点,以满足所述最大消峰带宽点;所述CDN节点备选集包括所述指定区域内的所有CDN节点;
更新所述当前消峰决策时刻、所述最大消峰带宽点和所述CDN节点备选集,从更新后的CDN节点备选集中选择至少一个CDN节点,以满足更新后的最大消峰带宽点;在所述消峰结束时刻时停止更新。
5.根据权利要求4所述的方法,其特征在于,更新所述当前消峰决策时刻包括:
若上一个消峰决策时刻选择的至少一个CDN节点均为首次选择,则更新所述当前消峰决策时刻为所述上一个消峰决策时刻延长所述预设消峰时长得到的时刻;
若上一个消峰决策时刻选择的至少一个CDN节点中存在非首次选择的CDN节点,则更新所述当前消峰决策时刻为所述上一个消峰决策时刻延长所述预设时间间隔得到的时刻。
6.根据权利要求4所述的方法,其特征在于,更新所述最大消峰带宽点包括:
基于更新后的当前消峰决策时刻,确定所述预设消峰时长内最大消峰带宽点为更新后的最大消峰带宽点。
7.根据权利要求6所述的方法,其特征在于,更新所述CDN节点备选集包括:
基于更新后的最大消峰带宽点,判断是否继续开启上一时刻关闭的所有CDN节点中的至少一个;其中所述上一时刻为所述更新后的当前消峰决策时刻的上一时刻;
将判断不继续开启的CDN节点移出所述CDN节点备选集。
8.根据权利要求7所述的方法,其特征在于,所述判断是否继续开启上一时刻关闭的所有CDN节点中的至少一个包括:
对于上一时刻关闭的任一CDN节点,基于该CDN节点的消峰空间和所述更新后的最大消峰带宽点,确定消峰浪费带宽;
基于所述消峰浪费带宽和所述更新后的最大消峰带宽点,判断是否继续开启该CDN节点。
9.根据权利要求8所述的方法,其特征在于,所述消峰浪费带宽为所述消峰空间与所述最大消峰带宽点的差值;
所述判断是否继续开启该CDN节点包括:
确定所述差值与所述最大消峰带宽点的比例;
判断所述比例是否大于预设比例,若大于,则不继续开启;若不大于,则继续开启。
10.根据权利要求7所述的方法,其特征在于,所述从更新后的CDN节点备选集中选择至少一个CDN节点包括:
优先从继续开启的CDN节点中选择;
若所有继续开启的CDN节点的消峰空间总和不满足更新后的最大消峰带宽点,则从未选择的CDN节点中选择;
若所有继续开启的CDN节点和所有未选择的CDN节点的消峰空间总和不满足更新后的最大消峰带宽点,则从已关闭的CDN节点中选择。
11.根据权利要求10所述的方法,其特征在于,所述确定所述至少一个CDN节点的开启时刻及开启时长包括:
基于所述当前消峰决策时刻确定所述开启时刻;
基于所述预设消峰时长和继续开启的时长确定所述开启时长,其中所述继续开启的时长为所述预设时间间隔。
12.根据权利要求1所述的方法,其特征在于,所述CDN节点的消峰空间为所述上联带宽与所述规划带宽的差值;所述消峰空间总和满足所述消峰带宽包括:所述消峰空间总和不小于所述消峰带宽的预设倍数,所述预设倍数为正小数。
13.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对第一时间段的消峰规划进行局部优化,得到局部最优消峰规划;
基于所述局部最优消峰规划,得到第二时间段的消峰规划;所述第二时间段包括所述第一时间段;
对所述第二时间段的消峰规划进行全局优化,得到全局最优消峰规划;其中,所述消峰规划包括选择的CDN节点、开启时刻及开启时长。
14.根据权利要求13所述的方法,其特征在于,所述对第一时间段的消峰规划进行局部优化,得到局部最优消峰规划包括:
对第一时间段的消峰规划进行邻域搜索,得到局部搜索结果;
确定所述第一时间段的消峰规划的第一评价值和所述局部搜索结果的第二评价值;
基于所述第一评价值和所述第二评价值,确定局部最优消峰规划。
15.根据权利要求14所述的方法,其特征在于,所述对第一时间段的消峰规划进行邻域搜索采用的搜索算子包括:
删除算子、合并算子、伸缩算子和/或交换算子;
其中,所述删除算子为:若一个CDN节点的消峰浪费带宽与最大消峰带宽点的比例大于预设比例,则删除该CDN节点;
所述合并算子为:若两个CDN节点的消峰空间之差小于预设差值,且开启较早的节点的关闭时刻与另一个节点的开启时刻之差不大于预设时间间隔,则合并所述两个CDN节点;
所述伸缩算子为:若一个CDN节点的开启时刻提前或延后,该CDN节点的消峰浪费带宽或消峰不足带宽减少,则调整该CDN节点的开启时刻;
所述更换算子为:若一个CDN节点消峰浪费或消峰不足,更换另一个CDN节点减少消峰浪费或消峰不足,则进行更换。
16.根据权利要求14所述的方法,其特征在于,所述第一评价值和所述第二评价值基于消峰浪费带宽和消峰不足带宽确定。
17.根据权利要求13所述的方法,其特征在于,所述对所述第二时间段的消峰规划进行全局优化,得到全局最优消峰规划:
对所述第二时间段的消峰规划进行邻域搜索,得到全局搜索结果;
确定所述第二时间段的消峰规划的第一评价值和所述全局搜索结果的第二评价值;
基于所述第一评价值和所述第二评价值,确定全局最优消峰规划。
18.根据权利要求17所述的方法,其特征在于,对所述第二时间段的消峰规划进行邻域搜索采用的搜索算子包括:
交换算子和/或替换算子;
其中,所述交换算子为:若一天一个CDN节点的消峰浪费带宽的最小值超过第一阈值,另一天另一个CDN节点消峰不足,且两个CDN节点的开启时长相同,且消峰不足的CDN节点的消峰空间小于消峰浪费的CDN节点的消峰空间,但两个CDN节点的消峰空间的差值不超过所述第一阈值,则交换两个CDN节点;
所述替换算子为:若所述第二时间段的消峰规划未选择的任一CDN节点的剩余免费时长超过预设消峰时长,且最大未消峰带宽超过第二阈值,且从第二时间段第一天开始,使用所述任一CDN节点替换剩余免费时长为零的CDN节点后减少消峰浪费带宽,则进行替换。
19.根据权利要求17所述的方法,其特征在于,所述第一评价值为所述第二时间段的消峰规划中每天的消峰规划的评价值之和;所述第二评价值为所述全局搜索结果中每天的消峰规划的评价值之和。
20.根据权利要求13所述的方法,其特征在于,所述方法还包括:
若所述全局最优消峰规划多次未更新,将第一天的消峰规划中随机删除一个选择的CDN节点,重新进行局部优化。
21.一种CDN节点的消峰处理装置,其特征在于,应用于指定区域,所述指定区域包括多个CDN节点,所述CDN节点配置有规划带宽、上联带宽及免费时长,所述装置包括:
获取单元,用于获取所述指定区域的历史带宽;
预测单元,用于基于所述历史带宽预测所述指定区域的消峰带宽;
第一确定单元,用于基于所述规划带宽和所述上联带宽,确定所述CDN节点的消峰空间;
选择单元,用于从所述指定区域包括的多个CDN节点中选择至少一个CDN节点;所述至少一个CDN节点的消峰空间总和满足所述消峰带宽;
第二确定单元,用于确定所述至少一个CDN节点的开启时刻及开启时长;所述至少一个CDN节点开启后消耗免费时长,提供上联带宽实现消峰。
22.一种电子设备,其特征在于,包括:处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至20任一项所述方法的步骤。
23.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至20任一项所述方法的步骤。
CN202010580829.9A 2020-06-23 2020-06-23 Cdn节点的消峰处理方法、装置、电子设备及存储介质 Active CN113839795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010580829.9A CN113839795B (zh) 2020-06-23 2020-06-23 Cdn节点的消峰处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010580829.9A CN113839795B (zh) 2020-06-23 2020-06-23 Cdn节点的消峰处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113839795A true CN113839795A (zh) 2021-12-24
CN113839795B CN113839795B (zh) 2023-01-20

Family

ID=78964131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010580829.9A Active CN113839795B (zh) 2020-06-23 2020-06-23 Cdn节点的消峰处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113839795B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114500339A (zh) * 2022-02-07 2022-05-13 北京百度网讯科技有限公司 一种节点带宽监测方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104580012A (zh) * 2013-10-14 2015-04-29 深圳市腾讯计算机系统有限公司 一种内容分发网络节点的选择方法及装置
CN107124375A (zh) * 2017-03-27 2017-09-01 网宿科技股份有限公司 Cdn网络带宽资源的错峰调度方法、系统以及服务器
CN110198332A (zh) * 2018-04-13 2019-09-03 腾讯科技(深圳)有限公司 内容分发网络节点的调度方法、装置及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104580012A (zh) * 2013-10-14 2015-04-29 深圳市腾讯计算机系统有限公司 一种内容分发网络节点的选择方法及装置
CN107124375A (zh) * 2017-03-27 2017-09-01 网宿科技股份有限公司 Cdn网络带宽资源的错峰调度方法、系统以及服务器
CN110198332A (zh) * 2018-04-13 2019-09-03 腾讯科技(深圳)有限公司 内容分发网络节点的调度方法、装置及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114500339A (zh) * 2022-02-07 2022-05-13 北京百度网讯科技有限公司 一种节点带宽监测方法、装置、电子设备及存储介质
CN114500339B (zh) * 2022-02-07 2023-07-04 北京百度网讯科技有限公司 一种节点带宽监测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113839795B (zh) 2023-01-20

Similar Documents

Publication Publication Date Title
CN111953758B (zh) 一种边缘网络计算卸载和任务迁移方法及装置
CN111045820B (zh) 一种基于时序预测的容器调度方法
CN114756358B (zh) 一种dag任务调度方法、装置、设备及存储介质
Zhang et al. A-SARSA: A predictive container auto-scaling algorithm based on reinforcement learning
CN106817499A (zh) 一种话务资源调度方法及预测调度装置
CN113806018B (zh) 基于神经网络和分布式缓存的Kubernetes集群资源混合调度方法
CN111466063A (zh) 储能管理及控制方法、系统、计算机设备、存储介质
CN109861850B (zh) 一种基于sla的无状态云工作流负载均衡调度的方法
Edalat et al. Energy-aware task allocation for energy harvesting sensor networks
CN113810954A (zh) 基于流量预测与深度强化学习的虚拟资源动态扩缩容方法
Freire et al. A self-adapting latency/power tradeoff model for replicated search engines
CN113839795B (zh) Cdn节点的消峰处理方法、装置、电子设备及存储介质
TWI674729B (zh) 提供多服務之蓄電池之充放電控制裝置及方法
Li et al. A QoS-based scheduling algorithm for instance-intensive workflows in cloud environment
CN114595970A (zh) 资源调度智能决策方法、装置、电子设备及存储介质
CN116757877B (zh) 新能源接入配电网的电网线损降损优化方法及系统
CN116302578B (zh) 一种QoS约束的流应用延迟确保方法及系统
CN116643844B (zh) 面向电力超算云资源自动扩展的智能化管理系统及方法
Yang et al. Design of kubernetes scheduling strategy based on LSTM and grey model
CN106936905B (zh) 基于openstack的Nova组件虚拟机的调度方法及其调度系统
CN117608840A (zh) 一种智能监控系统资源综合管理的任务处理方法及系统
CN117591285A (zh) 一种算力资源调度分配系统及方法
KR20130044765A (ko) 예측 속도 향상을 위한 신경망과 보정계수를 이용한 주간 부하 예측 장치 및 방법
CN110381170A (zh) 一种cdn网络中调度节点服务器的业务的方法和系统
CN115562841B (zh) 一种云视频服务自适应资源调度系统和方法

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