CN114697224B - 一种数据处理方法、装置、电子设备及存储介质 - Google Patents
一种数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114697224B CN114697224B CN202011583825.2A CN202011583825A CN114697224B CN 114697224 B CN114697224 B CN 114697224B CN 202011583825 A CN202011583825 A CN 202011583825A CN 114697224 B CN114697224 B CN 114697224B
- Authority
- CN
- China
- Prior art keywords
- time
- bandwidth value
- network node
- peak
- time period
- 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
- 238000003672 processing method Methods 0.000 title abstract description 17
- 230000008030 elimination Effects 0.000 claims abstract description 224
- 238000003379 elimination reaction Methods 0.000 claims abstract description 224
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth 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
本申请公开了一种数据处理方法、装置、电子设备及存储介质。其中，该方法包括：获取当前时间对应的消峰部署信息，所述消峰部署信息包括至少一个网络节点，以及所述网络节点对应的消峰时间；确定所述网络节点当前时间的实时带宽值；对所述实时带宽值进行分析，确定未来时间段内的预期带宽值；根据所述预期带宽值及所述消峰时间调整所述消峰部署信息。本申请提供的技术方案通过实时获取的带宽值进行分析得到在未来时间段内的预期带宽值，以此不断更新优化消峰时间节点，克服了现有技术中手工调度调整消峰时间节点造成的人力浪费和局部优化的缺陷，从而提高了消峰的准确性。
Description
技术领域
本申请涉及数据处理领域，尤其涉及一种数据处理方法、装置、电子设备及存储介质。
背景技术
调度系统是指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。目前CDN节点计费类型主要包括三类：包端口计费，95计费和流量计费。
消峰是指当实际带宽超过目前节点的规划带宽，此时需要部分95节点开启免费时长，大部分节点实际带宽在规划带宽以下。同时也可以使用流量节点进行调节，流量计费节点是按照日平均带宽进行计费。
事实上，在确定每个节点的带宽上界(未开启消峰的上界是规划带宽，开启消峰则是上联带宽)，即二次保底值。
现有技术中，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。但是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消峰结果并不理想。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种数据处理方法、装置、电子设备及存储介质。
根据本申请实施例的一个方面，提供了一种数据处理方法，包括：
获取当前时间对应的消峰部署信息，所述消峰部署信息包括至少一个网络节点，以及所述网络节点对应的消峰时间；
确定所述网络节点当前时间的实时带宽值；
对所述实时带宽值进行分析，确定未来时间段内的预期带宽值；
根据所述预期带宽值及所述消峰时间调整所述消峰部署信息。
进一步的，所述获取消峰部署信息，包括：
获取历史高峰时间段内的历史带宽集合，所述历史高峰时间段包括至少两个带宽取值点，所述历史带宽集合包括每个所述带宽取值点对应的带宽值；
按照第一预设时间长度对所述历史高峰时间段进行划分得到多个第一子时间段；
将所述第一子时间段中最大的带宽值作为所述第一子时间段的目标带宽值；
根据所述目标带宽值确定所述历史高峰时间段内的峰值时刻；
根据所述峰值时刻确定所述消峰时间。
进一步的，所述根据所述峰值时刻确定所述消峰时间，包括：
获取所述历史高峰时间段的起始时间；
确定从所述起始时间到所述峰值时刻的第一带宽变化率；
确定所述第一子时间段中的第二带宽变化率；
将所述第二带宽变化率大于第一变化率的第一子时间段作为所述消峰时间。
进一步的，在根据所述实时带宽值进行分析，确定未来时间段内的预期带宽值，包括：
当所述当前时间不属于所述消峰时间时，根据所述实时带宽值确定第一未来时间段内的预期带宽值；
当所述当前时间属于所述消峰时间时，根据所述实时带宽值确定第二未来时间段内的预期带宽值；
所述第一未来时间段大于第二未来时间段。
进一步的，在当前时间不属于所述消峰时间时，所述根据所述实时带宽值确定第二未来时间段内的预期带宽值，包括：
确定所述第一未来时间段对应的第一历史时间段；
按照第二预设时间长度对所述第一历史时间段进行划分，得到多个第二子时间段；
获取所述第二子时间段对应的带宽值；
将所述第二子时间段对应的带宽值输入分析模型，由所述分析模型根据所述带宽值进行卷积计算得到指定数量的计算结果，所述指定数量根据所述第一未来时间段确定；
根据所述指定数量的计算结果确定所述预期带宽值。
进一步的，在当前时间属于所述消峰时间时，所述根据所述实时带宽值确定第二未来时间段内的预期带宽值，包括：
采用第一预测算法计算得到所述第二未来时间段的最大带宽值，作为第一候选带宽值；
确定所述第二未来时间段对应的第二历史时间段；
按照第三预设时间长度对所述第二历史时间段进行划分得到多个第三子时间段；
从各所述第三子时间段的带宽变化量中确定第一最大带宽变化量；
确定第三未来时间段，所述第三未来时间段的长度等于所述第二历史时间段；
按照所述第三预设时间长度对所述第三未来时间段进行划分得到多个第四子时间段；
采用第二预测算法计算各第四子时间段中的第二最大带宽变化量；
从所述第一最大带宽变化量和第二最大带宽变化量中选择最大的作为目标带宽变化量；
根据所述实时带宽值与目标带宽变化量之和作为第二候选带宽值；
从所述第一候选带宽值和所述第二候选带宽值中选择最大的作为所述预期带宽值。
进一步的，所述方法还包括：
获取训练样本，所述训练样本包括第一带宽值样本和第二带宽值样本；
确定所述训练样本对应的标签信息，所述标签信息用于标识所述第二带宽值样本为所述第一带宽值样本的输入结果；
将所述第一带宽值样本和第二带宽值样本输入预设深度卷积神经网络，由所述预设深度卷积神经网络根据所述标签信息学习所述第一带宽值样本与第二带宽值样本的关系，得到所述分析模型。
进一步的，所述根据所述预期带宽值及所述消峰时间调整所述消峰部署信息，包括：
根据所述消峰时间及当前时间，确定所有所述网络节点的剩余消峰空间之和，得到总消峰空间；
当所述预期带宽值大于所述总消峰空间时，从候选网络节点中选择新增网络节点，并根据所述预期带宽值与所述总消峰空间差值确定所述新增网络节点的消峰时间；
根据所述新增网络节点及所述新增网络节点的消峰时间更新所述消峰部署信息。
进一步的，所述从候选网络节点中选择新增网络节点，包括：
获取所述候选网络节点的节点特征；
当所述节点特征满足预设条件时，将所述候选网络节点作为所述新增网络节点。
进一步的，从候选网络节点中选择新增网络节点，并根据所述预期带宽值与所述总消峰空间的差值确定所述新增网络节点的消峰时间，包括：
确定在未来时间开启的网络节点作为候选网络节点，所述未来时间根据所述当前时间和所述未来时间段得到；
根据所述候选网络节点的消峰时间确定所述候选网络节点的消峰空间；
当所述候选网络节点的消峰空间大于或等于所述预期带宽值与所述总消峰空间的差值时，将所述候选网络节点作为所述新增网络节点，并将所述新增网络节点的开启时间调整至所述当前时间。
进一步的，从候选网络节点中选择新增网络节点，并根据所述预期带宽值与所述总消峰空间的差值确定所述新增网络节点的消峰时间，包括：
当得到的所述新增网络节点包括新开启的第一网络节点和在未来时间开启的第二网络节点时，比较所述第一网络节点和第二网络节点的消峰空间；
当所述第二网络节点的消峰空间大于所述第一网络节点的消峰空间时，将所述第二网络节点的开启时间调整至所述当前时间，并将所述第一网络节点的开启时间延后。
进一步的，所述根据所述预期带宽值及所述消峰时间调整所述消峰部署信息，包括：
根据所述消峰时间及当前时间，确定所有所述网络节点的剩余消峰空间之和，得到总消峰空间；
当所述预期带宽值小于所述总消峰空间时，从候选网络节点中选择撤销网络节点，并根据所述预期带宽值与所述总消峰空间差值确定所述撤销网络节点的消峰时间；
根据所述撤销网络节点及所述撤销网络节点的消峰时间更新所述消峰部署信息。
进一步的，所述从候选网络节点中选择撤销网络节点，包括：
获取已开启的网络节点作为候选网络节点；
根据所述候选网络节点的消峰时间确定所述候选网络节点的消峰空间；
当所述候选网络节点的消峰空间小于所述预期带宽值与所述总消峰空间的差值时，将所述候选网络节点作为所述撤销网络节点。
根据本申请实施例的另一方面，还提供了一种输数据处理装置，包括：
获取模块，用于获取当前时间对应的消峰部署信息，所述消峰部署信息包括至少一个网络节点，以及所述网络节点对应的消峰时间；
确定模块，用于确定所述网络节点当前时间的实时带宽值；
分析模块，用于对所述实时带宽值进行分析，确定未来时间段内的预期带宽值；
更新模块，用于根据所述预期带宽值及所述消峰时间调整所述消峰部署信息。
根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的步骤。
根据本申请实施例的另一方面，还提供了一种电子装置，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；其中：存储器，用于存放计算机程序；处理器，用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：在本申请实施例中，通过实时获取的带宽值进行分析得到在未来时间段内的预期带宽值，以此不断更新优化消峰时间节点，克服了现有技术中手工调度调整消峰时间节点造成的人力浪费和局部优化的缺陷，从而提高了消峰的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种数据处理方法的流程图；
图2为本申请实施例提供的LSTM神经网络的结构示意图；
图3为本申请另一实施例提供的一种数据处理方法的流程图；
图4为本申请另一实施例提供的一种数据处理方法的流程图；
图5为本申请另一实施例提供的一种数据处理方法的流程图；
图6为本申请另一实施例提供的一种数据处理方法的流程图；
图7为本申请另一实施例提供的一种数据处理方法的流程图；
图8为本申请实施例提供的一种数据处理装置的框图；
图9为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
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类似的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。
本申请实施例提供了一种数据处理方法、装置、电子设备及存储介质。本发明实施例所提供的方法可以应用于任意需要的电子设备，例如，可以为服务器、终端等电子设备，在此不做具体限定，为描述方便，后续简称为电子设备。
根据本申请实施例的一方面，提供了一种数据处理方法的方法实施。图1为本申请实施例提供的一种数据处理方法的流程图，如图1所示，该方法包括以下步骤：
步骤S11，获取当前时间对应的消峰部署信息，消峰部署信息包括至少一个网络节点，以及网络节点对应的消峰时间。
在本申请实施例中，如图3所示，获取消峰部署信息，具体包括以下步骤A1-A5:
步骤A1，获取历史高峰时间段内的历史带宽集合，历史高峰时间段包括至少两个带宽取值点，历史带宽集合包括每个带宽取值点对应的带宽值。
在本申请实施例中，首先获取历史记录，从历史记录中提取每天高峰时段(16:00-24:00)的历史带宽值，其中每两个带宽取值点间隔5分钟，例如：带宽取值点可以是16:05，16:10，16:15，16:20等等，历史带宽值包括每个带宽取值点对应的带宽值，例如：16:05的带宽值为m1，16:10的带宽值为m2，16:15的带宽值为m3等等。
需要说明的是，历史记录为历史一个月的区域总带宽。一般来说，针对一个省或大区和运营商方式获取数据。如山东移动，华南联通等，以上区域的CDN节点历史带宽值均可以获取。数据格式例如2020-03-15：124，145，160，140，120…对于每个节点，均有规划带宽和上联带宽。同时，由于有时候部分区域带宽较大，而附近区域带宽较小，也可以将部分其他区域节点拿来满足带宽需求。
步骤A2，按照第一预设时间长度对历史高峰时间段进行划分得到多个第一子时间段；
在本申请实施例中，第一预设时间长度可以是30min，按照30min对高峰时段(16:00-24:00)进行分割，得到多个第一子时间段，例如：16:00-16:30，16:30-17:00，17:00-17:30，17:30-18:00等等。
步骤A3，将第一子时间段中最大的带宽值作为第一子时间段的目标带宽值；
作为一个示例，在子时间段16:00-16:30中，存在六个带宽取值点分别为16:05，16:10，16:15，16:20，16:25，16:30。然后将六个带宽取值点中带宽值最大的带宽取值点作为目标带宽取值点，并将目标带宽取值点对应的带宽值作为第一子时间段的目标带宽值。
步骤A4，根据目标带宽值确定历史高峰时间段内的峰值时刻。
步骤A5，根据峰值时刻确定消峰时间。
在本申请实施例中，获取历史高峰时间段的起始时间；确定从起始时间到峰值时刻的第一带宽变化率；确定第一子时间段中的第二带宽变化率；将第二带宽变化率大于第一变化率的第一子时间段作为消峰时间。
作为一个实例，在本申请实施例中变化信息以斜率表示，首先计算得到从18：00到最高峰时刻t的斜率slope，记录18:00以后每30分钟带宽增长的最大斜率，即假设时刻t，带宽列表为bw，则斜率slopet＝(max(bw[t+1:t+4]-bw[t])/3。如果splopet>slope，则t为峰值时刻，得到所有的峰值时刻后，则得到当天的消峰时间为[min(A),max(A)]，然后确定历史记录中每天的消峰时间，并取其平均值，从而得到最终的消峰时间。
步骤S12，确定网络节点当前时间的实时带宽值。
在本申请实施例中，通过对当前节点进行监控，得到当前时刻接收的实时带宽值。
步骤S13，对实时带宽值进行分析，确定未来时间段内的预期带宽值。
在本申请实施例中的，在当前时间不属于消峰时间时，根据实时带宽值确定第一未来时间段内的预期带宽值；
或者，在当前时间属于消峰时间时，根据实时带宽值确定第二未来时间段内的预期带宽值；第一未来时间段大于第二未来时间段。
需要说明的是，本申请实施例通过当前时刻是否属于消峰时间节点，采取不同的分析方式，分析得到未来时间段内的预期带宽值。
在本申请实施例中的，在当前时间不属于消峰时间时，根据实时带宽值确定第一未来时间段内的预期带宽值，如图4所示，包括以下步骤B1-B5：
步骤B1，确定第一未来时间段对应的第一历史时间段；
步骤B2，按照第二预设时间长度对第一历史时间段进行划分，得到多个第二子时间段；
步骤B3，获取第二子时间段对应的带宽值；
步骤B4，将第二子时间段对应的带宽值输入分析模型，由分析模型根据带宽值进行卷积计算得到指定数量的计算结果，指定数量根据第一未来时间段确定；
步骤B5，根据指定数量的计算结果确定预期带宽值。
作为一个示例，第一未来时间段为2小时，第一历史时间段为距离当前时间24小时，第二预设时间长度为10分钟，按照10分钟对24小时进行划分，得到144个第二子时间段，每个第二子时间段对应一个带宽值，因此有144个带宽值。此时，可以使用LSTM神经网络或其各种变形方法进行分析。在本实施例中，通过向分析模型中输入144个带宽值，得到未来2小时的带宽值(即预期带宽值)。
LSTM神经网络的结构如图2所示，第一卷积层接收时间步长timesteps为N，数据维度data_dim为7的输入。第二卷积层以第一卷积层的输出为输入。第三卷积层以第二卷积层的输出为输入。第三卷积层的输出作为全连接层输入。全连接层输出一个长度为12的一维向量，即为最终的输出结果，该结果表示未来2小时的带宽值。
在本申请实施例中，模型训练方法如下：获取训练样本，训练样本包括第一带宽样本和第二带宽值样本；确定训练样本对应的标签信息，标签信息用于标识第二带宽值样本为第一带宽值样本的输入结果；将第一带宽值样本和第二带宽值样本输入预设深度卷积神经网络，由预设深度卷积神经网络根据标签信息学习第一带宽值样本与第二带宽值样本的关系，得到分析模型。
其中，训练样本包括训练集和测试集，训练集和测试集中均包括历史带宽值，例如过去2周的带宽值。假设日期为2020-06-24，以1h为切分单位，例如24号0-24点之间的带宽值作为第一带宽值样本，25号的0-2点之间的带宽值作为第二带宽值样本。或者24号1点-25号的1点的带宽值作为第一带宽值样本，25号的1-3点作为第二带宽值样本。每个输入数据均是1维特征，即该时刻带宽值。
训练时，将第一带宽值样本以及第二带宽值样本输入LSTM模型，由LSTM模型学习第一带宽值样本和第二带宽值样本的关系，当训练结果满足预设要求时，采用测试集对训练后的LSTM模型进行测试，参考图2，输入数据为X＝(N，144，1)，其中N表示样本个数，144是每个样本的时间跨度，1是每个特征的维度。每个样本的输出结果y＝(y1,y2,…,y12),表示未来2小时的带宽。当LSTM模型输出的结果与测试集中第二带宽值样本相匹配时，则表示LSTM模型训练完成。
在本申请实施例中，在当前时间不属于消峰时间时，则将未来时间段的时间长度增长，从而进行长时间的带宽值预测，从而为后续调节网络节点的开闭提供了准确的分析依据。
在本申请实施例中的，在当前时间属于消峰时间时，根据实时带宽值确定第二未来时间段内的预期带宽值，如图5所示，包括以下步骤C1-C10：
步骤C1，采用第一预测算法计算得到第二未来时间段的最大带宽值，作为第一候选带宽值；
在本申请实施例中，第一预测算法可以是滑动平均法、指数平滑法等等。第二未来时间段是以当前时间为起点的未来10分钟。将预测到未来10分钟最大带宽值作为第一候选带宽值。
步骤C2，确定第二未来时间段对应的第二历史时间段；
在本申请实施例中，第二未来时间段对应的第二历史时间段是以当前时间为终点的过去30分钟。
步骤C3，按照第三预设时间长度对第二历史时间段进行划分得到多个第三子时间段；
在本申请实施例中，第三预设时间长度为10分钟，按照10分钟对历史30分钟进行划分得到3个第三子时间段。
步骤C4，从各第三子时间段的带宽变化量中确定第一最大带宽变化量；
在本申请实施例中，首先确定各个第三子时间段内的带宽变化量，将第三子时间段内的带宽变化量最大的作为第一最大带宽变化量。
步骤C5，确定第三未来时间段，第三未来时间段的长度等于第二历史时间段；
在本申请实施例中，第三未来时间段是以当前时间为起点的未来30分钟。
步骤C6，按照第三预设时间长度对第三未来时间段进行划分得到多个第四子时间段；
在本申请实施例中，第三预设时间长度为10分钟，按照10分钟对未来30分钟进行划分得到3个第四子时间段。
步骤C7，采用第二预测算法计算各第四子时间段中的第二最大带宽变化量；
在本申请实施例中，首先确定各个第四子时间段内的带宽变化量，将第四子时间段内的带宽变化量最大的作为第二最大带宽变化量。
步骤C8，从第一最大带宽变化量和第二最大带宽变化量中选择最大的作为目标带宽变化量；
在本申请实施例中，对比第一最大带宽变化量和第二最大带宽变化量，将最大的作为目标带宽变化量。
步骤C9，根据实时带宽值与目标带宽变化量之和作为第二候选带宽值；
在本申请实施例中，根据实时带宽值与目标带宽变化量求和，得到第二候选带宽值。
步骤C10，从第一候选带宽值和第二候选带宽值中选择最大的作为预期带宽值。
在本申请实施例中，在当前时间属于消峰时间时，将未来时间段的时间长度减小，从而进行短时间的带宽值预测，以保证预测得到的带宽值能够与消峰时间内的真实带宽值更贴近，从而为后续调节网络节点的开闭提供了准确的分析依据。
步骤S14，根据预期带宽值及消峰时间调整消峰部署信息。
在本申请实施例中，如图6所示，步骤S14，根据预期带宽值及消峰时间调整消峰部署信息，包括以下步骤D1-D3：
步骤D1，根据消峰时间及当前时间，确定所有网络节点的剩余消峰空间之和，得到总消峰空间；
在本申请实施例中，在消峰部署信息包括削峰时间，以及每个网络节点在单位时间内允许使用的带宽值W1，其中，消峰时间包括：每个网络节点的开启时间T1，关闭时间T2。
因此，根据关闭时间T2以及当前时间T3确定网络节点的未开启时长，根据未开启时长以及网络节点在单位时间允许使用的带宽值W1，根据W1×(T2-T3)＝W2，计算出该网络节点的剩余带宽值W2。统计每个网络节点的剩余带宽值，最终得到总消峰空间。
步骤D2，当预期带宽值大于总消峰空间时，从候选网络节点中选择新增网络节点，并根据预期带宽值与总消峰空间差值确定新增网络节点的消峰时间；
步骤D3，根据新增网络节点及新增网络节点的消峰时间更新消峰部署信息。
在本申请实施例中，当预期带宽值大于总消峰空间时，则确定需要新增网络节点来满足预期带宽值与总消峰空间的差值。因此，步骤D2，从候选网络节点中选择新增网络节点，包括以下步骤D10-D11：
步骤D10，获取候选网络节点的节点特征；
步骤D11，当节点特征满足预设条件时，将候选网络节点作为新增网络节点。
在本申请实施例中，网络节点的节点特征包括已用时长，剩余时长等等。节点特征满足预设条件可以是：节点的剩余时长大于预设时长。
在本申请的一个实施例中，步骤D2，从候选网络节点中选择新增网络节点，并根据预期带宽值与总消峰空间的差值确定新增网络节点的消峰时间，还可以包括以下步骤D20-D22：
步骤D20，确定在未来时间开启的网络节点作为候选网络节点，未来时间根据当前时间和未来时间段得到；
步骤D21，根据候选网络节点的消峰时间确定候选网络节点的消峰空间；
步骤D22，当候选网络节点的消峰空间大于或等于预期带宽值与总消峰空间的差值时，将候选网络节点作为新增网络节点，并将新增网络节点的开启时间调整至当前时间。
在本申请实施例中，将未来10分钟开启的网络节点作为候选网络节点，确定候选网络节点的消峰时间以及单位时间的预设带宽值。根据单位时间内的预设带宽值，以及消峰时间确定候选网络节点的消峰空间。
当消峰空间大于或等于预期带宽值与总消峰空间的差值时，则确定候选网络节点的消峰空间能够满足消峰需求。因此将候选网络节点作为新增网络节点，并将新增网络节点的开启时间调整至当前时间。
在本申请的另一实施例中，步骤D2，从候选网络节点中选择新增网络节点，并根据预期带宽值与总消峰空间的差值确定新增网络节点的消峰时间，包括以下步骤D30-D31：
步骤D30，当得到的新增网络节点包括新开启的第一网络节点和在未来时间开启的第二网络节点时，比较第一网络节点和第二网络节点的消峰空间；
在本申请实施例中，新开启的第一网络节点为当前开启的网络节点，未来时间开启的第二网络节点是在第一网络节点之后开启的网络节点。然后根据第一网络节点的消峰时间以及单位时间内的预设带宽值，得到第一消峰空间；根据第二网络节点的消峰时间以及单位时间内的预设带宽值确定第二消峰空间，对比第一消峰空间和第二消峰空间。
步骤D31，当第二网络节点的消峰空间大于第一网络节点的消峰空间时，将第二网络节点的开启时间调整至当前时间，并将第一网络节点的开启时间延后。
在本申请实施例中，当第二消峰空间大于第一消峰空间时，则将第二网络节点的开启时间调整至当前时间，并将第一网络节点的开启时间延后。因此确定了新增网络节点的消峰时间，并从消峰部署信息中更新该节点的消峰时间。
作为一个示例，新增网络节点包括：node2和node3，此时node2是新开启节点，node3是未来要开启的节点，如果当前处于消峰时间内，node3的消峰空间大于node2，则先开启node3，并将node2的消峰时间延后。并在消峰部署信息中更新node3的消峰时间，以及node2的消峰时间。
在本申请实施例中，如图7所示，步骤S14，根据预期带宽值及消峰时间调整消峰部署信息，包括以下步骤E1-E3：
步骤E1，根据消峰时间及当前时间，确定所有网络节点的剩余消峰空间之和，得到总消峰空间；
在本申请实施例中，在消峰部署信息包括削峰时间，以及每个网络节点在单位时间内允许使用的带宽值W1，其中，消峰时间包括：每个网络节点的开启时间T1，关闭时间T2。
因此，根据关闭时间T2以及当前时间T3确定网络节点的未开启时长，根据未开启时长以及网络节点在单位时间允许使用的带宽值W1，根据W1×(T2-T3)＝W2，计算出该网络节点的剩余带宽值W2。统计每个网络节点的剩余带宽值，最终得到总消峰空间。
步骤E2，当预期带宽值小于总消峰空间时，从候选网络节点中选择撤销网络节点，并根据预期带宽值与总消峰空间差值确定撤销网络节点的消峰时间；
在本申请实施例中，当预期带宽值小于总消峰空间时，则确定总消峰空间能够满足预期带宽值，因此需要撤销/关闭网络节点，来节省消峰资源。
因此，步骤E1，从候选网络节点中选择撤销网络节点，包括以下步骤E10-E12：
步骤E10，获取已开启的网络节点作为候选网络节点；
步骤E11，根据候选网络节点的消峰时间确定候选网络节点的消峰空间；
在本申请实施例中，根据候选网络节点对应单位时间的预设带宽值，以及消峰时间进行计算得到候选网络节点的消峰空间。
步骤E12，当候选网络节点的消峰空间小于预期带宽值与总消峰空间的差值时，将候选网络节点作为撤销网络节点。
在本申请实施例中，当候选网络节点的消峰空间小于预期带宽值与总消峰空间的差值时，则确定撤销该候选网络节点不会影响消峰效果，因此将该候选网络节点作为撤销网络节点。
步骤E3，根据撤销网络节点及撤销网络节点的消峰时间更新消峰部署信息。
作为一个示例，当消峰部署信息中包括：node1、node2、node3时，此时node1和node2已经开启，确定node1和node2的消峰空间，然后分别确定node1的消峰空间与node2的消峰空间之和，当该值大于预期带宽值与总消峰空间的差值时，则分别确定node1的消峰空间是否小于预期带宽值与总消峰空间的差值，以及确定node2的消峰空间是否小于预期带宽值与总消峰空间的差值。
如果node1的消峰空间小于预期带宽值与总消峰空间的差值，则撤销node1；如果node2的消峰空间小于预期带宽值与总消峰空间的差值，则撤销node2。如果都小于，则随机选取一个候选网络节点作为撤销网络节点。在确定撤销网络节点后，将该节点从消峰部署信息中删除。
在本申请实施例中，通过对实时获取的带宽值进行分析得到在未来时间段内的预期带宽值，以此不断更新优化消峰部署信息，解决了现有技术中手工调度调整消峰时间节点造成的人力浪费和局部优化的缺陷的技术问题，从而提高了消峰效果。
图8为本申请实施例提供的一种数据处理装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图8所示，该装置包括：
获取模块81，用于获取当前时间对应的消峰部署信息，消峰部署信息包括至少一个网络节点，以及网络节点对应的消峰时间；
确定模块82，用于确定网络节点当前时间的实时带宽值；
分析模块83，用于对实时带宽值进行分析，确定未来时间段内的预期带宽值；
更新模块84，用于根据预期带宽值及消峰时间调整消峰部署信息。
在本申请实施例中，获取模块81，包括：
获取子模块，用于获取历史高峰时间段内的历史带宽集合，历史高峰时间段包括至少两个带宽取值点，历史带宽集合包括每个带宽取值点对应的带宽值；
处理子模块，用于按照第一预设时间长度对历史高峰时间段进行划分得到多个第一子时间段；
选择子模块，用于将第一子时间段中最大的带宽值作为第一子时间段的目标带宽值；
分析子模块，用于根据目标带宽值确定历史高峰时间段内的峰值时刻；
确定子模块，用于根据峰值时刻确定消峰时间。
在本申请实施例中，确定子模块，用于获取历史高峰时间段的起始时间；确定从起始时间到峰值时刻的第一带宽变化率；确定第一子时间段中的第二带宽变化率；将第二带宽变化率大于第一变化率的第一子时间段作为消峰时间。
在本申请实施例中，分析模块83，包括：
第一分析子模块，用于在当前时间不属于消峰时间时，根据实时带宽值确定第一未来时间段内的预期带宽值；
第二分析子模块，用于在当前时间属于消峰时间时，根据实时带宽值确定第二未来时间段内的预期带宽值，第一未来时间段大于第二未来时间段。
在本申请实施例中，第一分析子模块，用于确定第一未来时间段对应的第一历史时间段；按照第二预设时间长度对第一历史时间段进行划分，得到多个第二子时间段；获取第二子时间段对应的带宽值；将第二子时间段对应的带宽值输入分析模型，由分析模型根据带宽值进行卷积计算得到指定数量的计算结果，指定数量根据第一未来时间段确定；根据指定数量的计算结果确定预期带宽值。
在本申请实施例中，第二分析子模块，用于采用第一预测算法计算得到第二未来时间段的最大带宽值，作为第一候选带宽值；确定第二未来时间段对应的第二历史时间段；按照第三预设时间长度对第二历史时间段进行划分得到多个第三子时间段；从各第三子时间段的带宽变化量中确定第一最大带宽变化量；确定第三未来时间段，第三未来时间段的长度等于第二历史时间段；按照第三预设时间长度对第三未来时间段进行划分得到多个第四子时间段；采用第二预测算法计算各第四子时间段中的第二最大带宽变化量；从第一最大带宽变化量和第二最大带宽变化量中选择最大的作为目标带宽变化量；根据实时带宽值与目标带宽变化量之和作为第二候选带宽值；从第一候选带宽值和第二候选带宽值中选择最大的作为预期带宽值。
在本申请实施例中，装置还包括训练模块，用于获取训练样本，训练样本包括第一带宽值样本和第二带宽值样本；确定训练样本对应的标签信息，标签信息用于标识第二带宽值样本为第一带宽值样本的输入结果；将第一带宽值样本和第二带宽值样本输入预设深度卷积神经网络，由预设深度卷积神经网络根据标签信息学习第一带宽值样本与第二带宽值样本的关系，得到分析模型。
在本申请实施例中，更新模块84，包括：
确定子模块，用于根据预期带宽值根据消峰时间及当前时间，确定所有网络节点的剩余消峰空间之和，得到总消峰空间；
选择子模块，用于当预期带宽值大于总消峰空间时，从候选网络节点中选择新增网络节点，并根据预期带宽值与总消峰空间差值确定新增网络节点的消峰时间；
更新子模块，用于根据新增网络节点及新增网络节点的消峰时间更新消峰部署信息。
在本申请实施例中，选择子模块，用于获取候选网络节点的节点特征；当节点特征满足预设条件时，将候选网络节点作为新增网络节点。
在本申请实施例中，选择子模块，用于确定在未来时间开启的网络节点作为候选网络节点，未来时间根据当前时间和未来时间段得到；根据候选网络节点的消峰时间确定候选网络节点的消峰空间；当候选网络节点的消峰空间大于或等于预期带宽值与总消峰空间的差值时，将候选网络节点作为新增网络节点，并将新增网络节点的开启时间调整至当前时间。
在本申请实施例中，选择子模块，用于当得到的新增网络节点包括新开启的第一网络节点和在未来时间开启的第二网络节点时，比较第一网络节点和第二网络节点的消峰空间；当第二网络节点的消峰空间大于第一网络节点的消峰空间时，将第二网络节点的开启时间调整至当前时间，并将第一网络节点的开启时间延后。
在本申请实施例中，更新模块84，包括：
确定子模块，用于根据预期带宽值根据消峰时间及当前时间，确定所有网络节点的剩余消峰空间之和，得到总消峰空间；
选择子模块，用于当预期带宽值小于总消峰空间时，从候选网络节点中选择撤销网络节点，并根据预期带宽值与总消峰空间差值确定撤销网络节点的消峰时间；
更新子模块，用于根据撤销网络节点及撤销网络节点的消峰时间更新消峰部署信息。
在本申请实施例中，选择子模块，用于获取已开启的网络节点作为候选网络节点；根据候选网络节点的消峰时间确定候选网络节点的消峰空间；当候选网络节点的消峰空间小于预期带宽值与总消峰空间的差值时，将候选网络节点作为撤销网络节点。
本申请实施例还提供一种电子设备，如图9所示，电子设备可以包括：处理器1501、通信接口1502、存储器1503和通信总线1504，其中，处理器1501，通信接口1502，存储器1503通过通信总线1504完成相互间的通信。
存储器1503，用于存放计算机程序；
处理器1501，用于执行存储器1503上所存放的计算机程序时，实现上述实施例的步骤。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称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。
通信接口用于上述终端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，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，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，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
在本申请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中存储有指令，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所述的数据处理方法。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，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所述的的数据处理方法。
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产品的形式实现。所述计算机程序产品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申请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)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)等。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种数据处理方法，其特征在于，包括：
获取当前时间对应的消峰部署信息，所述消峰部署信息包括至少一个网络节点，以及所述网络节点对应的消峰时间；
确定所述网络节点当前时间的实时带宽值：当所述当前时间不属于所述消峰时间时，根据所述实时带宽值确定第一未来时间段内的预期带宽值；当所述当前时间属于所述消峰时间时，根据所述实时带宽值确定第二未来时间段内的预期带宽值，所述第一未来时间段大于第二未来时间段；
对所述实时带宽值进行分析，确定未来时间段内的预期带宽值；
根据所述预期带宽值及所述消峰时间调整所述消峰部署信息。
2.根据权利要求1所述的方法，其特征在于，所述获取消峰部署信息，包括：
获取历史高峰时间段内的历史带宽集合，所述历史高峰时间段包括至少两个带宽取值点，所述历史带宽集合包括每个所述带宽取值点对应的带宽值；
按照第一预设时间长度对所述历史高峰时间段进行划分得到多个第一子时间段；
将所述第一子时间段中最大的带宽值作为所述第一子时间段的目标带宽值；
根据所述目标带宽值确定所述历史高峰时间段内的峰值时刻；
根据所述峰值时刻确定所述消峰时间。
3.根据权利要求2所述的方法，其特征在于，所述根据所述峰值时刻确定所述消峰时间，包括：
获取所述历史高峰时间段的起始时间；
确定从所述起始时间到所述峰值时刻的第一带宽变化率；
确定所述第一子时间段中的第二带宽变化率；
将所述第二带宽变化率大于第一变化率的第一子时间段作为所述消峰时间。
4.根据权利要求1所述的方法，其特征在于，在当前时间不属于所述消峰时间时，所述根据所述实时带宽值确定第二未来时间段内的预期带宽值，包括：
确定所述第一未来时间段对应的第一历史时间段；
按照第二预设时间长度对所述第一历史时间段进行划分，得到多个第二子时间段；
获取所述第二子时间段对应的带宽值；
将所述第二子时间段对应的带宽值输入分析模型，由所述分析模型根据所述第二子时间段对应的带宽值进行卷积计算得到指定数量的计算结果，所述指定数量根据所述第一未来时间段确定；
根据所述指定数量的计算结果确定所述预期带宽值。
5.根据权利要求1所述的方法，其特征在于，在当前时间属于所述消峰时间时，所述根据所述实时带宽值确定第二未来时间段内的预期带宽值，包括：
采用第一预测算法计算得到所述第二未来时间段的最大带宽值，作为第一候选带宽值；
确定所述第二未来时间段对应的第二历史时间段；
按照第三预设时间长度对所述第二历史时间段进行划分得到多个第三子时间段；
从各所述第三子时间段的带宽变化量中确定第一最大带宽变化量；
确定第三未来时间段，所述第三未来时间段的长度等于所述第二历史时间段；
按照所述第三预设时间长度对所述第三未来时间段进行划分得到多个第四子时间段；
采用第二预测算法计算各第四子时间段中的第二最大带宽变化量；
从所述第一最大带宽变化量和第二最大带宽变化量中选择最大的作为目标带宽变化量；
根据所述实时带宽值与目标带宽变化量之和作为第二候选带宽值；
从所述第一候选带宽值和所述第二候选带宽值中选择最大的作为所述预期带宽值。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取训练样本，所述训练样本包括第一带宽值样本和第二带宽值样本；
确定所述训练样本对应的标签信息，所述标签信息用于标识所述第二带宽值样本为所述第一带宽值样本的输入结果；
将所述第一带宽值样本和第二带宽值样本输入预设深度卷积神经网络，由所述预设深度卷积神经网络根据所述标签信息学习所述第一带宽值样本与第二带宽值样本的关系，得到所述分析模型。
7.根据权利要求1所述的方法，其特征在于，所述根据所述预期带宽值及所述消峰时间调整所述消峰部署信息，包括：
根据所述消峰时间及当前时间，确定所有所述网络节点的剩余消峰空间之和，得到总消峰空间；
当所述预期带宽值大于所述总消峰空间时，从候选网络节点中选择新增网络节点，并根据所述预期带宽值与所述总消峰空间的差值确定所述新增网络节点的消峰时间；
根据所述新增网络节点及所述新增网络节点的消峰时间更新所述消峰部署信息。
8.根据权利要求7所述的方法，其特征在于，所述从候选网络节点中选择新增网络节点，包括：
获取所述候选网络节点的节点特征；
当所述节点特征满足预设条件时，将所述候选网络节点作为所述新增网络节点。
9.根据权利要求7所述的方法，其特征在于，从候选网络节点中选择新增网络节点，并根据所述预期带宽值与所述总消峰空间的差值确定所述新增网络节点的消峰时间，包括：
确定在未来时间开启的网络节点作为候选网络节点，所述未来时间根据所述当前时间和所述未来时间段得到；
根据所述候选网络节点的消峰时间确定所述候选网络节点的消峰空间；
当所述候选网络节点的消峰空间大于或等于所述预期带宽值与所述总消峰空间的差值时，将所述候选网络节点作为所述新增网络节点，并将所述新增网络节点的开启时间调整至所述当前时间。
10.根据权利要求9所述的方法，其特征在于，从候选网络节点中选择新增网络节点，并根据所述预期带宽值与所述总消峰空间的差值确定所述新增网络节点的消峰时间，包括：
当得到的所述新增网络节点包括新开启的第一网络节点和在未来时间开启的第二网络节点时，比较所述第一网络节点和第二网络节点的消峰空间；
当所述第二网络节点的消峰空间大于所述第一网络节点的消峰空间时，将所述第二网络节点的开启时间调整至所述当前时间，并将所述第一网络节点的开启时间延后。
11.根据权利要求1所述的方法，其特征在于，所述根据所述预期带宽值及所述消峰时间调整所述消峰部署信息，包括：
根据所述消峰时间及当前时间，确定所有所述网络节点的剩余消峰空间之和，得到总消峰空间；
当所述预期带宽值小于所述总消峰空间时，从候选网络节点中选择撤销网络节点，并根据所述预期带宽值与所述总消峰空间差值确定所述撤销网络节点的消峰时间；
根据所述撤销网络节点及所述撤销网络节点的消峰时间更新所述消峰部署信息。
12.根据权利要求11所述的方法，其特征在于，所述从候选网络节点中选择撤销网络节点，包括：
获取已开启的网络节点作为候选网络节点；
根据所述候选网络节点的消峰时间确定所述候选网络节点的消峰空间；
当所述候选网络节点的消峰空间小于所述预期带宽值与所述总消峰空间的差值时，将所述候选网络节点作为所述撤销网络节点。
13.一种数据处理装置，其特征在于，包括：
获取模块，用于获取当前时间对应的消峰部署信息，所述消峰部署信息包括至少一个网络节点，以及所述网络节点对应的消峰时间；
确定模块，用于确定所述网络节点当前时间的实时带宽值；
分析模块，用于对所述实时带宽值进行分析，确定未来时间段内的预期带宽值：当所述当前时间不属于所述消峰时间时，根据所述实时带宽值确定第一未来时间段内的预期带宽值；当所述当前时间属于所述消峰时间时，根据所述实时带宽值确定第二未来时间段内的预期带宽值，所述第一未来时间段大于第二未来时间段；
更新模块，用于根据所述预期带宽值及所述消峰时间调整所述消峰部署信息。
14.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至12中任一项所述的方法步骤。
15.一种电子设备，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；其中：
存储器，用于存放计算机程序；
处理器，用于通过运行存储器上所存放的程序来执行权利要求1-12中任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011583825.2A CN114697224B (zh) | 2020-12-28 | 2020-12-28 | 一种数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011583825.2A CN114697224B (zh) | 2020-12-28 | 2020-12-28 | 一种数据处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114697224A CN114697224A (zh) | 2022-07-01 |
| CN114697224B true CN114697224B (zh) | 2024-04-26 |
Family
ID=82130731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011583825.2A Active CN114697224B (zh) | 2020-12-28 | 2020-12-28 | 一种数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114697224B (zh) |
Citations (4)
| 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 |
| 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 |
| 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 |
| CN111343006A (zh) * | 2020-02-12 | 2020-06-26 | 咪咕文化科技有限公司 | 一种cdn峰值流量预测方法、装置及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10771520B2 (en) * | 2015-11-24 | 2020-09-08 | Comcast Cable Communications, Llc | Methods and systems for intelligent utilization of off-peak network bandwidth |
-
2020
- 2020-12-28 CN CN202011583825.2A patent/CN114697224B/zh active Active
Patent Citations (4)
| 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 |
| 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 |
| 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 |
| CN111343006A (zh) * | 2020-02-12 | 2020-06-26 | 咪咕文化科技有限公司 | 一种cdn峰值流量预测方法、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Proactive Video Push for Optimizing Bandwidth Consumption in Hybrid CDN-P2P VoD Systems;Yuanxing Zhang；等;《 IEEE INFOCOM 2018 - IEEE Conference on Computer Communications》;全文 * |
| 提升移动通信质量对宽带传输率优化设计;付璀璨;;计算机仿真(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114697224A (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107517481B (zh) | 一种基站负载均衡的管理方法及系统 | |
| CN111294812B (zh) | 一种资源扩容规划的方法及系统 | |
| WO2017028632A1 (zh) | 一种配电网运行可靠性的预测方法 | |
| CN108345958A (zh) | 一种订单出餐时间预测模型构建、预测方法、模型和装置 | |
| CN107547269B (zh) | 基于farima的智能变电站通信流量阈值模型的构建方法 | |
| Torres et al. | Data analytics for forecasting cell congestion on LTE networks | |
| CN110348622A (zh) | 一种基于机器学习的时间序列预测方法、系统及电子设备 | |
| CN112418921A (zh) | 用电需量预测方法、装置、系统与计算机存储介质 | |
| CN113537563B (zh) | 污染应急管控效果评估方法及装置 | |
| CN111143070A (zh) | 一种资源调度方法和装置 | |
| CN113223291A (zh) | 停车场空闲车位数量预测系统及方法 | |
| Bektemyssova et al. | Time series forecasting by the arima method | |
| CN114697224B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
| CN112965795B (zh) | 集群调度方法、电子设备及存储介质 | |
| Ageev et al. | An adaptive method for assessing traffic characteristics in high-speed multiservice communication networks based on a fuzzy control procedure | |
| CN114091357B (zh) | 交通流预测方法、装置、电子设备及存储介质 | |
| WO2002059807A2 (en) | Data anlysis method | |
| CN114971428A (zh) | 一种基于多源工单数据的工程师繁忙预估方法及系统 | |
| CN115511159A (zh) | 一种基于贝叶斯神经网络的快速路事件检测方法和装置 | |
| CN113315673A (zh) | 一种针对企业无线网络接入点吞吐量细粒度估计的方法 | |
| CN113177656A (zh) | 一种基于智能水务的多级别节水分析方法及系统 | |
| Camilleri et al. | Demand Prediction for Shared Mobility Services using Time Series Modelling. | |
| CN103813341A (zh) | 用于提高授权系统收益的次级业务选择接入方法及装置 | |
| JP4780670B2 (ja) | トラヒック分析モデルの構築方法、装置および構築プログラムならびにその記憶媒体 | |
| CN117135062A (zh) | 一种业务质量评估方法、装置及设备 |
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 |