CN114978794B - 网络接入方法、装置、存储介质以及电子设备 - Google Patents
网络接入方法、装置、存储介质以及电子设备 Download PDFInfo
- Publication number
- CN114978794B CN114978794B CN202210554167.7A CN202210554167A CN114978794B CN 114978794 B CN114978794 B CN 114978794B CN 202210554167 A CN202210554167 A CN 202210554167A CN 114978794 B CN114978794 B CN 114978794B
- Authority
- CN
- China
- Prior art keywords
- probability
- dial
- alternative
- client
- line
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2854—Wide area networks, e.g. public data networks
- H04L12/2856—Access arrangements, e.g. Internet access
- H04L12/2863—Arrangements for combining access network resources elements, e.g. channel bonding
-
- 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
-
- 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
- H04L43/0852—Delays
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开涉及一种网络接入方法、装置、存储介质以及电子设备,涉及计算机网络技术领域,该方法包括:获取目标客户端的各条备选线路对应的第一概率;在确定进行客户端探测的情况下,获取各条备选线路对应的第二概率;对第一概率以及第二概率进行融合,得到各条备选线路对应的融合概率;基于各条备选线路对应的融合概率,确定目标客户端的最优接入线路,最优接入线路用于指示目标客户端进行网络接入。采用该方法使得确定的最优接入线路,兼顾数据传输稳定性以及客户端的针对性。
Description
技术领域
本公开涉及计算机网络技术领域,具体地,涉及一种网络接入方法、装置、存储介质以及电子设备。
背景技术
客户端网络接入是企业提供IT的基础,在“多云”架构下,接入线路的性能差异将直接影响企业的发展,客户端如何选择云服务商提供的接入线路成为一个有待解决的问题。
发明内容
提供该部分内容以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该部分内容并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种网络接入方法,该方法包括:
获取目标客户端的各条备选线路对应的第一概率,所述第一概率表征基于拨测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率;
在确定进行客户端探测的情况下,获取所述各条备选线路对应的第二概率,所述第二概率表征基于客户端探测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率,所述客户端探测数据包括所述目标客户端对所述各条备选线路进行探测得到的当前探测数据;
对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率;
基于所述各条备选线路对应的融合概率,确定所述目标客户端的最优接入线路,所述最优接入线路用于指示所述目标客户端进行网络接入。
第二方面,本公开提供一种网络接入装置,该装置包括:
第一概率获取模块,用于获取目标客户端的各条备选线路对应的第一概率,所述第一概率表征基于拨测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率;
第二概率获取模块,用于在确定进行客户端探测的情况下,获取所述各条备选线路对应的第二概率,所述第二概率表征基于客户端探测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率,所述客户端探测数据包括所述目标客户端对所述各条备选线路进行探测得到的当前探测数据;
融合模块,用于对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率;
接入线路确定模块,用于基于所述各条备选线路对应的融合概率,确定所述目标客户端的最优接入线路,所述最优接入线路用于指示所述目标客户端进行网络接入。
第三方面,本公开提供一种计算机存储介质,其上存储有计算机程序,该程序被处理装置执行时实现第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有至少一个计算机程序;
至少一个处理装置,用于执行所述存储装置中的所述至少一个计算机程序,以实现第一方面所述方法的步骤。
通过上述技术方案,在获取到第一概率以及第二概率之后,通过对所述第一概率以及所述第二概率进行融合,并基于融合得到的融合概率确定目标客户端的最优接入线路,可以同时结合第一概率性能稳定性强以及第二概率针对性强的优势,从而达到在确定目标客户端的最优接入线路时,既具有更好的稳定性,同时又对于目标客户端具有更好的针对性的效果。并且,将通过不同方式确定的目标客户端的最优接入线路以概率的形式进行表示,相较于相关技术中直接给出最优接入线路的方式,能够便于进行融合,以便将通过不同方式确定目标客户端的最优接入线路的优势进行结合,从而提高后续确定最优接入线路的准确性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性实施例提供的一种网络接入方法的流程示意图;
图2是根据一示例性实施例提供的另一种网络接入方法的流程示意图;
图3是根据一示例性实施例提供的一种网络接入装置的模块连接示意图;
图4是根据一示例性实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
同时,可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
随着云计算技术的广泛使用,企业IT架构正逐步演变为一种“多云”架构——企业混合使用内部部署、专用云、共有云和私有云。相较于使用单一的云服务提供商,“多云”架构具有在商业上避免供应商锁定,技术上更好的性能(网络时延低)、稳定性和可扩展性。
然而,在“多云”架构下,也存在一些新的问题,例如,客户端应该选择哪个云服务商提供的接入线路并进行接入,从而获得更好的性能和稳定性。
相关技术中,接入线路中的择优通常通过GTM(Global Traffic Manager,全局流量管理)类系统完成。GTM以地区&运营商为粒度,根据从拨测收集的地区&运营商网络性能数据,选择该地区&运营商较好的IP(Internet Protocol,网际互连协议)地址作为DNS(Domain Name System,域名系统)解析结果,并由权威DNS逐级下发到客户端,该模式可以称为“中心决策模式”。另外一些客户端拥有较强计算能力的系统中,客户端针对(不同线路的)服务端主动发起探测请求,根据探测结果选择较好的接入线路,该模式可以称为“端探测模式”或者“客户端探测模式”。其中,“中心决策模式”的优势主要在于依赖拨测的大量数据拥有较好的统计结果,对客户端要求低,但统计最优结果并不一定适用于每个客户端;而“端探测模式”的优势在于针对特定客户端有更好的针对性,不依赖其它(如拨测、GTM)设施支持,但对探测的目标客户端会产生一定的压力和浪费,且可能由于客户端环境问题,例如,处于上下楼、进入房间等环境时,导致探测结果有一定波动。
可见,相关技术中,不管是采用“中心决策模式”还是“端探测模式”确定接入线路,进行网络接入的方式,其效果均有待提高。
针对上述技术问题,本公开实施例提供了一种网络接入方法、装置、存储介质以及电子设备。在获取到第一概率以及第二概率之后,通过对第一概率以及第二概率进行融合,并基于融合得到的融合概率确定目标客户端的最优接入线路,可以同时结合第一概率性能稳定性强以及第二概率针对性强的优势,从而达到在确定目标客户端的最优接入线路时,既具有更好的稳定性,同时又对于目标客户端具有更好的针对性的效果。并且,将通过不同方式确定的目标客户端的最优接入线路以概率的形式进行表示,相较于相关技术中直接给出最优接入线路的方式,能够便于进行融合,以便将通过不同方式确定目标客户端的最优接入线路的优势进行结合,从而提高后续确定最优接入线路的准确性。
为了便于详细说明本申请方案,下面先对本公开实施例中的一些应用环境进行介绍。
在一些实施方式中,本公开提供的网络接入方法可以单独由终端设备中的客户端执行,也可以单独由服务器执行。其中,服务器可以是提供云服务的业务服务器,也可以是专门用于确定接入线路的中心决策服务器。
下面,以本公开提供的网络接入方法由客户端执行为例,进行示例性说明。
中心决策服务器可以发起拨测任务,位于不同地区&运营商的拨测节点发起拨测请求,并将收集到的拨测数据汇总到中心决策服务器,中心决策服务器可以基于拨测数据确定各个区域中的客户端(其中包括目标客户端)的各条备选线路对应的第一概率,接着,中心决策服务器可以响应于目标客户端发起的查询请求,将目标客户端的各条备选线路对应的第一概率发送到目标客户端,同时,目标客户端可以进行端探测,并基于客户端探测数据确定各条备选线路对应的第二概率,从而目标客户端便可以获取到目标客户端的各条备选线路对应的第一概率以及目标客户端的各条备选线路对应的第二概率,接着,目标客户端可以进一步基于第一概率以及第二概率进行融合,得到各条备选线路对应的融合概率,以及进一步基于各条备选线路对应的融合概率,确定自身最佳的最优接入线路,并接入该最优接入线路。
下面,再以本公开提供的网络接入方法由中心决策服务器执行为例,进行示例性说明。
中心决策服务器可以发起拨测任务,位于不同地区&运营商的拨测节点发起拨测请求,并将收集到的拨测数据汇总到中心决策服务器,中心决策服务器可以基于拨测数据确定各个区域中的客户端(其中包括目标客户端)的各条备选线路对应的第一概率,同时,目标客户端可以进行端探测,并基于客户端探测数据确定各条备选线路对应的第二概率,接着,目标客户端可以将第二概率发送到中心决策服务器,从而中心决策服务器便可以获取到目标客户端的各条备选线路对应的第一概率以及目标客户端的各条备选线路对应的第二概率,并进一步基于第一概率以及第二概率进行融合,得到各条备选线路对应的融合概率,以及进一步基于各条备选线路对应的融合概率,确定目标客户端的最优接入线路,最后,中心决策服务器便可以将最优接入线路发送给目标客户端,从而指示目标客户端接入最优接入线路。
此外,在另一些实施方式中,还可以通过在客户端以及服务器之间进行数据传输的方式,使得本公开提供的网络接入方法可以部分由客户端执行,部分由服务器执行。
下面将结合附图对本公开实施例提出的一种网络接入方法、装置、存储介质以及电子设备进行详细说明。
图1是根据一示例性实施例提供的一种网络接入方法的流程示意图。本公开实施例提供的网络接入方法可以通过网络接入装置来执行,该装置可以有软件和/或硬件的方式实现,可以配置于客户端或者服务器中。请参考图1,本公开实施例提供的网络接入方法可以包括以下步骤:
S110,获取目标客户端的各条备选线路对应的第一概率,第一概率表征基于拨测数据确定的各条备选线路为目标客户端的最优接入线路的概率。
结合前述内容可知,在“多云”架构下,可以存在多个云服务商,每个云服务商可以提供一个或者多个接入线路,从而针对任一个客户端,均可以对应有多条备选线路,以供该客户端从中选择一条最优接入线路来进行接入。
其中,目标客户端可以是任一个正在进行网络接入,需要从自身对应的各条备选线路中进行选择的在线客户端,当其进行从自身对应的各条备选线路中进行选择最优接入线路的时候,其成为目标客户端。
结合前述内容可知,中心决策服务器可以发起拨测任务,位于不同地区&运营商的拨测节点发起拨测请求,并将收集到的拨测数据汇总到中心决策服务器,中心决策服务器可以基于拨测数据确定各个区域中的客户端(其中包括目标客户端)的各条备选线路对应的第一概率。
本公开实施例中,可以获取目标客户端的各条备选线路对应的第一概率,由于第一概率是基于拨测数据确定的,因此可以依赖拨测的大量数据拥有较好的统计结果,使得获取到的第一概率对于后续确定目标客户端的最优接入线路具有更好的性能稳定性。
S120,在确定进行客户端探测的情况下,获取各条备选线路对应的第二概率,第二概率表征基于客户端探测数据确定的各条备选线路为目标客户端的最优接入线路的概率,客户端探测数据包括目标客户端对各条备选线路进行探测得到的当前探测数据。
本公开实施例中,考虑到客户端探测对客户端的要求较高,并不是每个客户端均支持客户端探测,或者并不是每个客户端均在任意时刻支持客户端探测,例如,有的客户端在计算资源空闲时,可以支持客户端探测,而在计算资源紧张时,则不支持客户端探测。因此,对于目标客户端,就存在进行客户端探测,或者不进行客户端探测的情况。
若确定进行客户端探测,则在本公开实施例中,还可以获取到各条备选线路对应的第二概率。
本公开实施例中,由于第二概率至少是基于目标客户端对各条备选线路进行探测得到的当前探测数据确定的,使得获取到的第二概率对于后续确定目标客户端的最优接入线路具有更好的针对性。
S130,对第一概率以及第二概率进行融合,得到各条备选线路对应的融合概率。
本公开实施例中,在得到目标客户端的各条备选线路对应的第一概率以及目标客户端的各条备选线路对应的第二概率之后,可以针对同一条备选线路,将该备选线路对应的第一概率以及第二概率进行融合,得到该条备选线路的融合概率,从而,最终可以得到各条备选线路对应的融合概率。
S140,基于各条备选线路对应的融合概率,确定目标客户端的最优接入线路,最优接入线路用于指示目标客户端进行网络接入。
本公开实施例中,在确定了各条备选线路对应的融合概率,便可以基于各条备选线路对应的融合概率,确定目标客户端的最优接入线路,从而,目标客户端便可以选择最优接入线路进行网络接入。
在一些实施方式中,可以将融合概率最大的备选线路确定为目标客户端的最优接入线路。
这种情况下,可以使用以下公式确定目标客户端的最优接入线路:
y*=argmaxy(1-λ)log(Score2)+λlog(Score1)
其中,λ表示第一概率对应的置信度,属于具体设计中的超参数,1-λ表示第二概率的置信度,Score1表示第一概率,Score2表示第二概率,y*表示融合概率最高的线路。
在一些实施方式中,可以随机从融合概率排名靠前的预设数量条备选线路中确定最优接入线路。
在另一些实施方式中,还可以参考其他条件,例如在考虑经济成本的前提下,从融合概率排名靠前的预设数量条备选线路中确定最优接入线路。
采用上述方法,在获取到第一概率以及第二概率之后,通过对第一概率以及第二概率进行融合,并基于融合得到的融合概率确定目标客户端的最优接入线路,可以同时结合第一概率性能稳定性强以及第二概率针对性强的优势,从而达到在确定目标客户端的最优接入线路时,既具有更好的稳定性,同时又对于目标客户端具有更好的针对性的效果。并且,将通过不同方式确定的目标客户端的最优接入线路以概率的形式进行表示,相较于相关技术中直接给出最优接入线路的方式,能够便于进行融合,以便将通过不同方式确定目标客户端的最优接入线路的优势进行结合,从而提高后续确定最优接入线路的准确性。
在一些实施方式中,第一概率可以通过训练得到的神经网络模型得到。这种情况下,第一概率的确定过程包括以下步骤:
对拨测数据进行特征提取,得到各条备选线路对应的特征向量;通过概率预测模型对各条备选线路对应的特征向量进行处理,得到目标客户端的各条备选线路对应的第一概率,概率预测模型基于历史网络接入线路对应的请求数据以及用户反馈标签训练得到。
本公开实施例中,在获取到每一条备选线路对应的特征向量之后,可以将各条备选线路对应的特征向量组合为N维向量输入到概率预测模型中,从而得到概率预测模型的输出结果,即各条备选线路对应的第一概率。其中,N为备选线路的条数,也即,每一条备选线路对应的特征向量作为N维向量中的一维。
本公开实施例中,概率预测模型可以是监督学习模型,通过利用历史网络接入线路对应的请求数据以及用户反馈标签对初始模型进行训练,便可以得到概率预测模型。其中,用户反馈标签可以理解为当某个客户端接入某条线路时,用户对于其网络效果好坏的标签。
在一些实施方式中,用于确定第一概率的拨测数据可以是目标客户端与对应的备选线路之间的拨测数据。
在一些实施方式中,利用概率预测模型计算第一概率的过程相当于使用公式Score1=Softmax(RNN(xΔt,1,xΔt,2,...,xΔt,N))。其中,RNN为循环神经网络模型,也即,概率预测模型可以是循环神经网络模型,循环神经网络模型可以较好的处理具有序列性特点的拨测数据。
在一些实施方式中,每一条备选线路对应的特征向量包括预设时间段内的拨测请求RTT(Round-Trip Time,往返时延)平均值,拨测请求RTT标准差,拨测请求RTT30分位点,拨测请求RTT 50分位点,拨测请求RTT 70分位点,拨测请求RTT 90分位点,拨测请求RTT 95分位点,拨测请求RTT99分位点,拨测请求成功率,拨测请求HTTP(Hyper Text TransferProtocol,超文本传输协议)错误占比,拨测请求无网错误占比,拨测请求建连错误占比,拨测请求SSL(Secure Sockets Layer,安全套接字协议)错误占比,拨测请求其它网络错误占比,拨测请求TCP(Transmission Control Protocol,传输控制协议)RTT均值,拨测请求SSLRTT均值,拨测请求SSL恢复握手占比,拨测上传吞吐量以及拨测下载吞吐量等数据中的至少一种。
可以理解的是,基于神经网络模型的特点,通常情况下,在模型应用阶段使用的数据类型与在模型训练阶段使用的数据类型是相同的,因此,对历史网络接入线路对应的请求数据进行特征提取之后,得到的特征向量为与训练阶段的特征向量类型相同。
例如,在模型训练阶段,当每一条备选线路对应的特征向量为预设时间段内的拨测请求RTT平均值以及拨测请求RTT标准差时,在模型应用阶段,对历史网络接入线路对应的请求数据进行特征提取之后,得到的特征向量为历史上的客户端与接入的线路在预设时间段内的拨测请求RTT平均值以及拨测请求RTT标准差。
又例如,在模型训练阶段,当每一条备选线路对应的特征向量为预设时间段内的历史上的客户端与接入的线路在预设时间段内的拨测请求RTT平均值,拨测请求RTT标准差,拨测请求RTT30分位点,拨测请求RTT 50分位点,拨测请求RTT 70分位点,拨测请求RTT90分位点,拨测请求RTT 95分位点,拨测请求RTT 99分位点,拨测请求成功率,拨测请求HTTP错误占比,拨测请求无网错误占比,拨测请求建连错误占比,拨测请求SSL错误占比,拨测请求其它网络错误占比,拨测请求TCP RTT均值,拨测请求SSL RTT均值,拨测请求SSL恢复握手占比,拨测上传吞吐量以及拨测下载吞吐量时,在模型应用阶段,对历史网络接入线路对应的请求数据进行特征提取之后,得到的特征向量为历史上的客户端与接入的线路在预设时间段内的拨测请求RTT平均值,拨测请求RTT标准差,拨测请求RTT30分位点,拨测请求RTT 50分位点,拨测请求RTT 70分位点,拨测请求RTT 90分位点,拨测请求RTT 95分位点,拨测请求RTT 99分位点,拨测请求成功率,拨测请求HTTP错误占比,拨测请求无网错误占比,拨测请求建连错误占比,拨测请求SSL错误占比,拨测请求其它网络错误占比,拨测请求TCP RTT均值,拨测请求SSL RTT均值,拨测请求SSL恢复握手占比,拨测上传吞吐量以及拨测下载吞吐量。
在一些实施方式中,当前探测数据包括当前RTT耗时,客户端探测数据还包括预设时间段内的其他在线客户端对各条备选线路进行探测得到的历史RTT耗时,这种情况下,第二概率的确定过程包括以下步骤:
基于历史RTT耗时得到各条备选线路在预设时间段内的RTT耗时均值以及RTT耗时标准差;基于RTT耗时均值、RTT耗时标准差以及当前RTT耗时,进行正态分布概率密度计算,得到各条备选线路对应的第二概率。
其中,历史RTT耗时可以理解为过去的预设时间段内,在一定区域范围内(例如全国范围、全省范围、全市范围等)的各个在线客户端对于自身对应的各条备选线路的RTT耗时探测结果。
预设时间段可以理解为当前时刻之前的一定时间段,例如当前时刻之前的3小时。
本公开实施例中,考虑到目标客户端进行客户端探测通常得到的是各条备选线路对应的当前RTT耗时,例如,线路1当前RTT耗时为100秒,其不是一个表示概率的参数,那么为了便于将通过不同方式确定目标客户端的最优接入线路的优势进行结合,以提高后续确定最优接入线路的准确性,可以考虑将目标客户端进行客户端探测的结果也转换为概率的形式,因此,在得到了历史RTT耗时之后,便可以基于历史RTT耗时得到各条备选线路在预设时间段内的RTT耗时均值以及RTT耗时标准差,以及,进一步基于RTT耗时均值、RTT耗时标准差以及当前RTT耗时,进行正态分布概率密度计算,从而得到各条备选线路对应的第二概率。其中,RTT耗时均值以及RTT耗时标准差分别用μi和σi表示,其中,i表示第i条备选线路。
在一些实施方式中,基于RTT耗时均值、RTT耗时标准差以及当前RTT耗时,进行正态分布概率密度计算,得到各条备选线路对应的第二概率,包括:
利用第二概率计算式,得到各条备选线路对应的第二概率,第二概率计算式包括:其中,Score2i为备选线路i对应的第二概率,t为当前RTT耗时,μi为备选线路i在预设时间段内的RTT耗时均值,σi为备选线路i在预设时间段内的RTT耗时标准差,f(x)为标准正态分布概率密度。
需要说明的是,在计算每一条备选线路对应的第二概率的时候,使用的是同一条备选线路在预设时间段内的RTT耗时均值以及RTT耗时标准差。
本公开实施例中,通过第二概率计算式便可以得到各条备选线路对应的第二概率。
需要说明的是,也可以通过其他方式将目客户端对各条备选线路进行探测得到的当前RTT耗时转换为第二概率,此处不再赘述。
在一些实施方式中,对第一概率以及第二概率进行融合,得到各条备选线路对应的融合概率,包括以下步骤:
基于第一概率对应的第一权重以及第二概率对应的第二权重,对各条备选线路对应的第一概率以及第二概率分别进行加权求和处理,得到各条备选线路对应的融合概率,第一权重表征第一概率的置信度,第二权重表征第二概率的置信度。
本公开实施例中,可以根据第一概率的置信度设置第一权重,以及根据第二概率的置信度设置第二权重,从而便可以基于第一概率对应的第一权重以及第二概率对应的第二权重,对各条备选线路对应的第一概率以及第二概率分别进行加权求和处理,得到各条备选线路对应的融合概率。
其中,第一概率的置信度可以理解为对于基于拨测数据确定的各条备选线路为目标客户端的最优接入线路的概率的相信程度,第二概率的置信度可以理解为对于基于客户端探测数据确定的各条备选线路为目标客户端的最优接入线路的概率的相信程度。
在一些实施方式中,可以直接将第一概率的置信度确定为第一权重,直接将第二概率的置信度确定为第二权重。
其中,第一概率的置信度可以通过λ表示,属于具体设计中的超参数,可以根据实际需要进行调节,第二概率的置信度可以通过1-λ表示。
结合前述内容可知,对于目标客户端,存在进行客户端探测,或者不进行客户端探测的情况,因此,在一些实施方式中,若对应于确定不进行探测的情况,本公开实施例的方法还可以包括以下步骤:
在确定不进行客户端探测的情况下,基于各条备选线路对应的第一概率,确定目标客户端的最优接入线路。
本公开实施例中,若确定不进行客户端探测,则可以直接基于各条备选线路对应的第一概率,确定目标客户端的最优接入线路。例如,直接将第一概率最大的备选线路确定为最优接入线路。又例如,随机从第一概率排名靠前的预设数量条备选线路中确定最优接入线路,再例如,在考虑经济成本的前提下,从第一概率排名靠前的预设数量条备选线路中确定最优接入线路。
本公开实施例中,可以根据需要或者实际情况确定是否需要进行客户端探测,并在不同情况下,提出不同的最优线路选择方案,使得本公开实施例的网络接入方法更加灵活,适用范围广。
在一些实施方式中,可以通过以下步骤确定是否进行客户端探测:
基于目标第一概率之间的差值与目标阈值的大小关系,确定是否进行客户端探测,目标第一概率为所有第一概率中排名靠前的两个第一概率。
本公开实施例中,考虑到备选线路对应的第一概率表征基于拨测数据确定的各条备选线路为目标客户端的最优接入线路的概率,那么两条备选线路对应的第一概率之间的差异性越大,说明其中较大一条备选线路相较于其中较小一条备选线路被确定为最优接入线路的可能性越大,这种情况下,为了简便,可以直接将所有第一概率中排名靠前的两个第一概率相减,并将差值结果与目标阈值进行比较,若目标第一概率之间的差值大于目标阈值,则说明最大的第一概率与其他的第一概率的差值也是大于目标阈值的,因此,这种情况下,最大的第一概率对应的备选线路基本上可以确定为最优接入线路,即使进行了客户端探测,最终得到的第二概率也不会影响确定的最优接入线路,从而便可以不再进行客户端探测。
示例性地,假设目标客户端存在4条备选线路,分别是线路1,且线路1对应的第一概率为0.05,线路2,且线路2对应的第一概率为0.82,线路3,且线路3对应的第一概率为0.05,以及线路4,且线路4对应的第一概率为0.08。此时,目标第一概率为0.82以及0.08,计算两者差值得到0.74,若假定目标阈值为0.5,由于0.74大于0.5,则可以确定不进行客户端探测。在一些情况下,若计算目标第一概率的差值为负数,即0.08-0.82=-0.74,此时可以取-0.74的绝对值,将绝对值与目标阈值进行比较,得到同样的结果。
在另一些实施方式中,目标阈值也可以直接根据需要设置为某一数值。
从而,通过设置目标阈值,可以灵活调控是否进行客户端探测,以适应不同的客户端性能场景。
下面,结合图2所示的流程图,再以一个实施例对本公开的网络接入方法进行完整说明。本公开实施例中的网络接入方法可以应用于网络接入系统,网络接入系统可以包括中心决策服务器、拨测节点以及目标客户端。
中心决策服务器定时发起拨测任务,位于不同地区&运营商的拨测节点发起拨测请求,并将拨测数据汇总到中心决策服务器,此外,中心决策服务器定时获取其他在线客户端对各条备选线路进行探测得到的历史RTT耗时。
中心决策服务器利用拨测数据以及历史RTT耗时,将第一概率计算任务以及中间参数计算任务分配到计算节点,计算节点计算目标客户端的各条备选线路对应的第一概率以及中间参数并汇总到中心决策服务器。
目标客户端定时从中心决策服务器获取第一概率以及中间参数。
目标客户端根据目标第一概率与目标阈值的大小关系确定是否进行客户端探测,在确定进行客户端探测的情况下,发起客户端探测请求,并保存客户端探测数据。
目标客户端根据客户端探测数据以及中间参数计算第二概率。
目标客户端根据第一概率以及第二概率计算融合概率,并根据融合概率确定最优接入线路。
目标客户端使用最优接入线路发起实际业务,完成接入流程。
图3是根据一示例性实施例提供的一种数据获取装置的模块连接示意图。如图3所示,本公开实施例提供了一种网络接入装置,该装置300可以包括:
第一概率获取模块310,用于获取目标客户端的各条备选线路对应的第一概率,所述第一概率表征基于拨测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率;
第二概率获取模块320,用于在确定进行客户端探测的情况下,获取所述各条备选线路对应的第二概率,所述第二概率表征基于客户端探测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率,所述客户端探测数据包括所述目标客户端对所述各条备选线路进行探测得到的当前探测数据;
融合模块330,用于对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率;
接入线路确定模块340,用于基于所述各条备选线路对应的融合概率,确定所述目标客户端的最优接入线路,所述最优接入线路用于指示所述目标客户端进行网络接入。
可选地,装置300包括:
第一概率确定模块,用于对所述拨测数据进行特征提取,得到所述各条备选线路对应的特征向量;通过概率预测模型对所述各条备选线路对应的特征向量进行处理,得到目标客户端的各条备选线路对应的第一概率,所述概率预测模型基于历史网络接入线路对应的请求数据以及用户反馈标签训练得到。
可选地,所述当前探测数据包括当前RTT耗时,所述客户端探测数据还包括预设时间段内的其他在线客户端对所述各条备选线路进行探测得到的历史RTT耗时,装置300该包括:
第二概率确定模块,用于基于所述历史RTT耗时得到所述各条备选线路在所述预设时间段内的RTT耗时均值以及RTT耗时标准差;基于所述RTT耗时均值、所述RTT耗时标准差以及所述当前RTT耗时,进行正态分布概率密度计算,得到所述各条备选线路对应的第二概率。
可选地,第二概率确定模块,包括:
第二概率计算子模块,用于利用第二概率计算式,得到所述各条备选线路对应的第二概率,所述第二概率计算式包括:其中,Score2i为备选线路i对应的第二概率,/>t为当前RTT耗时,μi为备选线路i在所述预设时间段内的RTT耗时均值,σi为备选线路i在所述预设时间段内的RTT耗时标准差,f(x)为标准正态分布概率密度。
可选地,融合模块330,包括:
融合子模块,用于基于所述第一概率对应的第一权重以及所述第二概率对应的第二权重,对所述各条备选线路对应的第一概率以及第二概率分别进行加权求和处理,得到所述各条备选线路对应的融合概率,所述第一权重表征所述第一概率的置信度,所述第二权重表征所述第二概率的置信度。
可选地,装置300还包括:
客户端探测确定模块,用于基于目标第一概率之间的差值与目标阈值的大小关系,确定是否进行客户端探测,所述目标第一概率为所有第一概率中排名靠前的两个第一概率。
可选地,装置300还包括:
最优接入线路确定模块,用于在确定不进行客户端探测的情况下,基于所述各条备选线路对应的第一概率,确定所述目标客户端的所述最优接入线路。
可选地,每一条备选线路对应的特征向量包括预设时间段内的拨测请求RTT平均值,拨测请求RTT标准差,拨测请求RTT30分位点,拨测请求RTT 50分位点,拨测请求RTT 70分位点,拨测请求RTT 90分位点,拨测请求RTT 95分位点,拨测请求RTT 99分位点,拨测请求成功率,拨测请求HTTP错误占比,拨测请求无网错误占比,拨测请求建连错误占比,拨测请求SSL错误占比,拨测请求其它网络错误占比,拨测请求TCP RTT均值,拨测请求SSL RTT均值,拨测请求SSL恢复握手占比,拨测上传吞吐量以及拨测下载吞吐量中的至少一种。
关于上述实施例中的装置的各个功能模块的具体实施方式,已在关于方法的部分进行了详细说明,在此不再赘述。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备(例如前述实施例中的客户端或服务器)400的结构示意图。本公开实施例中客户端所在的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中,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。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取目标客户端的各条备选线路对应的第一概率,所述第一概率表征基于拨测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率;在确定进行客户端探测的情况下,获取所述各条备选线路对应的第二概率,所述第二概率表征基于客户端探测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率,所述客户端探测数据包括所述目标客户端对所述各条备选线路进行探测得到的当前探测数据;对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率;基于所述各条备选线路对应的融合概率,确定所述目标客户端的最优接入线路,所述最优接入线路用于指示所述目标客户端进行网络接入。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,第一概率获取模块还可以被描述为“获取目标客户端的各条备选线路对应的第一概率的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种网络接入方法,所述方法包括:
获取目标客户端的各条备选线路对应的第一概率,所述第一概率表征基于拨测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率;
在确定进行客户端探测的情况下,获取所述各条备选线路对应的第二概率,所述第二概率表征基于客户端探测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率,所述客户端探测数据包括所述目标客户端对所述各条备选线路进行探测得到的当前探测数据;
对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率;
基于所述各条备选线路对应的融合概率,确定所述目标客户端的最优接入线路,所述最优接入线路用于指示所述目标客户端进行网络接入。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述第一概率的确定过程包括以下步骤:
对所述拨测数据进行特征提取,得到所述各条备选线路对应的特征向量;
通过概率预测模型对所述各条备选线路对应的特征向量进行处理,得到目标客户端的各条备选线路对应的第一概率,所述概率预测模型基于历史网络接入线路对应的请求数据以及用户反馈标签训练得到。
根据本公开的一个或多个实施例,示例3提供了示例1的方法,所述当前探测数据包括当前RTT耗时,所述客户端探测数据还包括预设时间段内的其他在线客户端对所述各条备选线路进行探测得到的历史RTT耗时,所述第二概率的确定过程包括以下步骤:
基于所述历史RTT耗时得到所述各条备选线路在所述预设时间段内的RTT耗时均值以及RTT耗时标准差;
基于所述RTT耗时均值、所述RTT耗时标准差以及所述当前RTT耗时,进行正态分布概率密度计算,得到所述各条备选线路对应的第二概率。
根据本公开的一个或多个实施例,示例4提供了示例1的方法,所述对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率,包括:
基于所述第一概率对应的第一权重以及所述第二概率对应的第二权重,对所述各条备选线路对应的第一概率以及第二概率分别进行加权求和处理,得到所述各条备选线路对应的融合概率,所述第一权重表征所述第一概率的置信度,所述第二权重表征所述第二概率的置信度。
根据本公开的一个或多个实施例,示例5提供了示例1的方法,所述方法还包括:
基于目标第一概率之间的差值与目标阈值的大小关系,确定是否进行客户端探测,所述目标第一概率为所有第一概率中排名靠前的两个第一概率。
根据本公开的一个或多个实施例,示例6提供了示例1-6任一项的方法,所述方法还包括:
在确定不进行客户端探测的情况下,基于所述各条备选线路对应的第一概率,确定所述目标客户端的所述最优接入线路。
根据本公开的一个或多个实施例,示例7提供了示例2的方法,每一条备选线路对应的特征向量包括预设时间段内的拨测请求RTT平均值,拨测请求RTT标准差,拨测请求RTT30分位点,拨测请求RTT 50分位点,拨测请求RTT 70分位点,拨测请求RTT 90分位点,拨测请求RTT 95分位点,拨测请求RTT 99分位点,拨测请求成功率,拨测请求HTTP错误占比,拨测请求无网错误占比,拨测请求建连错误占比,拨测请求SSL错误占比,拨测请求其它网络错误占比,拨测请求TCP RTT均值,拨测请求SSL RTT均值,拨测请求SSL恢复握手占比,拨测上传吞吐量以及拨测下载吞吐量中的至少一种。
根据本公开的一个或多个实施例,示例8提供了一种网络接入装置,所述装置包括:
第一概率获取模块,用于获取目标客户端的各条备选线路对应的第一概率,所述第一概率表征基于拨测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率;
第二概率获取模块,用于在确定进行客户端探测的情况下,获取所述各条备选线路对应的第二概率,所述第二概率表征基于客户端探测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率,所述客户端探测数据包括所述目标客户端对所述各条备选线路进行探测得到的当前探测数据;
融合模块,用于对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率;
接入线路确定模块,用于基于所述各条备选线路对应的融合概率,确定所述目标客户端的最优接入线路,所述最优接入线路用于指示所述目标客户端进行网络接入。
根据本公开的一个或多个实施例,示例9提供了示例8的装置,所述装置包括:
第一概率确定模块,用于对所述拨测数据进行特征提取,得到所述各条备选线路对应的特征向量;通过概率预测模型对所述各条备选线路对应的特征向量进行处理,得到目标客户端的各条备选线路对应的第一概率,所述概率预测模型基于历史网络接入线路对应的请求数据以及用户反馈标签训练得到。
根据本公开的一个或多个实施例,示例10提供了示例8的装置,所述当前探测数据包括当前RTT耗时,所述客户端探测数据还包括预设时间段内的其他在线客户端对所述各条备选线路进行探测得到的历史RTT耗时,装置该包括:
第二概率确定模块,用于基于所述历史RTT耗时得到所述各条备选线路在所述预设时间段内的RTT耗时均值以及RTT耗时标准差;基于所述RTT耗时均值、所述RTT耗时标准差以及所述当前RTT耗时,进行正态分布概率密度计算,得到所述各条备选线路对应的第二概率。
根据本公开的一个或多个实施例,示例11提供了示例8的装置,融合模块,包括:
融合子模块,用于基于所述第一概率对应的第一权重以及所述第二概率对应的第二权重,对所述各条备选线路对应的第一概率以及第二概率分别进行加权求和处理,得到所述各条备选线路对应的融合概率,所述第一权重表征所述第一概率的置信度,所述第二权重表征所述第二概率的置信度。
根据本公开的一个或多个实施例,示例12提供了示例8的装置,装置还包括:
客户端探测确定模块,用于基于目标第一概率之间的差值与目标阈值的大小关系,确定是否进行客户端探测,所述目标第一概率为所有第一概率中排名靠前的两个第一概率。
根据本公开的一个或多个实施例,示例13提供了示例8-12任一项的装置,装置还包括:
最优接入线路确定模块,用于在确定不进行客户端探测的情况下,基于所述各条备选线路对应的第一概率,确定所述目标客户端的所述最优接入线路。
根据本公开的一个或多个实施例,示例14提供了示例9的装置,每一条备选线路对应的特征向量包括预设时间段内的拨测请求RTT平均值,拨测请求RTT标准差,拨测请求RTT30分位点,拨测请求RTT 50分位点,拨测请求RTT 70分位点,拨测请求RTT 90分位点,拨测请求RTT 95分位点,拨测请求RTT 99分位点,拨测请求成功率,拨测请求HTTP错误占比,拨测请求无网错误占比,拨测请求建连错误占比,拨测请求SSL错误占比,拨测请求其它网络错误占比,拨测请求TCP RTT均值,拨测请求SSL RTT均值,拨测请求SSL恢复握手占比,拨测上传吞吐量以及拨测下载吞吐量中的至少一种。
根据本公开的一个或多个实施例,示例15提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现示例1-7中任一项所述方法的步骤。
根据本公开的一个或多个实施例,示例16提供了一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现示例1-7中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (10)
1.一种网络接入方法,其特征在于,所述方法包括:
获取目标客户端的各条备选线路对应的第一概率,所述第一概率表征基于拨测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率;
在确定进行客户端探测的情况下,获取所述各条备选线路对应的第二概率,所述第二概率表征基于客户端探测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率,所述客户端探测数据包括所述目标客户端对所述各条备选线路进行探测得到的当前探测数据;
对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率;
基于所述各条备选线路对应的融合概率,确定所述目标客户端的最优接入线路,所述最优接入线路用于指示所述目标客户端进行网络接入。
2.根据权利要求1所述的网络接入方法,其特征在于,所述第一概率的确定过程包括以下步骤:
对所述拨测数据进行特征提取,得到所述各条备选线路对应的特征向量;
通过概率预测模型对所述各条备选线路对应的特征向量进行处理,得到目标客户端的各条备选线路对应的第一概率,所述概率预测模型基于历史网络接入线路对应的请求数据以及用户反馈标签训练得到。
3.根据权利要求1所述的网络接入方法,其特征在于,所述当前探测数据包括当前RTT耗时,所述客户端探测数据还包括预设时间段内的其他在线客户端对所述各条备选线路进行探测得到的历史RTT耗时,所述第二概率的确定过程包括以下步骤:
基于所述历史RTT耗时得到所述各条备选线路在所述预设时间段内的RTT耗时均值以及RTT耗时标准差;
基于所述RTT耗时均值、所述RTT耗时标准差以及所述当前RTT耗时,进行正态分布概率密度计算,得到所述各条备选线路对应的第二概率。
4.根据权利要求1所述的网络接入方法,其特征在于,所述对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率,包括:
基于所述第一概率对应的第一权重以及所述第二概率对应的第二权重,对所述各条备选线路对应的第一概率以及第二概率分别进行加权求和处理,得到所述各条备选线路对应的融合概率,所述第一权重表征所述第一概率的置信度,所述第二权重表征所述第二概率的置信度。
5.根据权利要求1所述的网络接入方法,其特征在于,所述方法还包括:
基于目标第一概率之间的差值与目标阈值的大小关系,确定是否进行客户端探测,所述目标第一概率为所有第一概率中排名靠前的两个第一概率。
6.根据权利要求1-5任一项所述的网络接入方法,其特征在于,所述方法还包括:
在确定不进行客户端探测的情况下,基于所述各条备选线路对应的第一概率,确定所述目标客户端的所述最优接入线路。
7.根据权利要求2所述的网络接入方法,其特征在于,每一条备选线路对应的特征向量包括预设时间段内的拨测请求RTT平均值,拨测请求RTT标准差,拨测请求RTT30分位点,拨测请求RTT 50分位点,拨测请求RTT 70分位点,拨测请求RTT 90分位点,拨测请求RTT 95分位点,拨测请求RTT 99分位点,拨测请求成功率,拨测请求HTTP错误占比,拨测请求无网错误占比,拨测请求建连错误占比,拨测请求SSL错误占比,拨测请求其它网络错误占比,拨测请求TCP RTT均值,拨测请求SSL RTT均值,拨测请求SSL恢复握手占比,拨测上传吞吐量以及拨测下载吞吐量中的至少一种。
8.一种网络接入装置,其特征在于,所述装置包括:
第一概率获取模块,用于获取目标客户端的各条备选线路对应的第一概率,所述第一概率表征基于拨测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率;
第二概率获取模块,用于在确定进行客户端探测的情况下,获取所述各条备选线路对应的第二概率,所述第二概率表征基于客户端探测数据确定的所述各条备选线路为所述目标客户端的最优接入线路的概率,所述客户端探测数据包括所述目标客户端对所述各条备选线路进行探测得到的当前探测数据;
融合模块,用于对所述第一概率以及所述第二概率进行融合,得到所述各条备选线路对应的融合概率;
接入线路确定模块,用于基于所述各条备选线路对应的融合概率,确定所述目标客户端的最优接入线路,所述最优接入线路用于指示所述目标客户端进行网络接入。
9.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储装置,其上存储有至少一个计算机程序;
至少一个处理装置,用于执行所述存储装置中的所述至少一个计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210554167.7A CN114978794B (zh) | 2022-05-19 | 2022-05-19 | 网络接入方法、装置、存储介质以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210554167.7A CN114978794B (zh) | 2022-05-19 | 2022-05-19 | 网络接入方法、装置、存储介质以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114978794A CN114978794A (zh) | 2022-08-30 |
CN114978794B true CN114978794B (zh) | 2023-06-23 |
Family
ID=82986216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210554167.7A Active CN114978794B (zh) | 2022-05-19 | 2022-05-19 | 网络接入方法、装置、存储介质以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114978794B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102448143A (zh) * | 2012-01-12 | 2012-05-09 | 西安电子科技大学 | 基于认知的接入网络选择方法 |
CN108668338A (zh) * | 2018-03-28 | 2018-10-16 | 华东交通大学 | 异构网络中的网络选择方法 |
CN108933694A (zh) * | 2018-06-09 | 2018-12-04 | 西安电子科技大学 | 基于拨测数据的数据中心网络故障节点诊断方法及系统 |
CN111178042A (zh) * | 2019-12-31 | 2020-05-19 | 出门问问信息科技有限公司 | 一种数据处理方法、装置及计算机存储介质 |
CN111988787A (zh) * | 2020-07-27 | 2020-11-24 | 山东师范大学 | 一种任务的网络接入和服务放置位置选择方法及系统 |
CN113516060A (zh) * | 2021-06-23 | 2021-10-19 | 北京市城市规划设计研究院 | 基于多时相高分辨率数据的建筑空间融合判别方法及装置 |
CN113902010A (zh) * | 2021-09-30 | 2022-01-07 | 北京百度网讯科技有限公司 | 分类模型的训练方法和图像分类方法、装置、设备和介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10469188B2 (en) * | 2017-07-30 | 2019-11-05 | Nec Corporation | System and method for enabling interference-awareness for LTE operation in unlicensed spectrum |
-
2022
- 2022-05-19 CN CN202210554167.7A patent/CN114978794B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102448143A (zh) * | 2012-01-12 | 2012-05-09 | 西安电子科技大学 | 基于认知的接入网络选择方法 |
CN108668338A (zh) * | 2018-03-28 | 2018-10-16 | 华东交通大学 | 异构网络中的网络选择方法 |
CN108933694A (zh) * | 2018-06-09 | 2018-12-04 | 西安电子科技大学 | 基于拨测数据的数据中心网络故障节点诊断方法及系统 |
CN111178042A (zh) * | 2019-12-31 | 2020-05-19 | 出门问问信息科技有限公司 | 一种数据处理方法、装置及计算机存储介质 |
CN111988787A (zh) * | 2020-07-27 | 2020-11-24 | 山东师范大学 | 一种任务的网络接入和服务放置位置选择方法及系统 |
CN113516060A (zh) * | 2021-06-23 | 2021-10-19 | 北京市城市规划设计研究院 | 基于多时相高分辨率数据的建筑空间融合判别方法及装置 |
CN113902010A (zh) * | 2021-09-30 | 2022-01-07 | 北京百度网讯科技有限公司 | 分类模型的训练方法和图像分类方法、装置、设备和介质 |
Non-Patent Citations (1)
Title |
---|
面向广电大数据的用户预测应用系统方案浅析;王娇;屈蕾;;中国有线电视(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114978794A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114091617A (zh) | 联邦学习建模优化方法、电子设备、存储介质及程序产品 | |
CN114422267B (zh) | 流量检测方法、装置、设备及介质 | |
CN110601978B (zh) | 流量分发控制方法和装置 | |
US10616363B2 (en) | Constraint based signal for intelligent and optimized end user mobile experience enhancement | |
WO2015193727A1 (en) | Method, apparatus and readable medium for an api notifying an application that qos will change in future | |
CN113765928A (zh) | 物联网入侵检测方法、系统、设备及介质 | |
CN114938395A (zh) | 服务响应方法、装置、设备及存储介质 | |
CN113392018B (zh) | 流量分发方法、装置、存储介质及电子设备 | |
CN111158881B (zh) | 数据处理方法、装置、电子设备和计算机可读存储介质 | |
CN114978794B (zh) | 网络接入方法、装置、存储介质以及电子设备 | |
CN117241092A (zh) | 一种视频处理方法、装置、存储介质及电子设备 | |
CN114827750B (zh) | 视角的预测方法、装置、设备及存储介质 | |
CN108770014B (zh) | 网络服务器的计算评估方法、系统、装置及可读存储介质 | |
CN116483891A (zh) | 一种信息预测方法、装置、设备和存储介质 | |
CN111898061B (zh) | 搜索网络的方法、装置、电子设备和计算机可读介质 | |
CN114826707B (zh) | 处理用户威胁的方法、装置、电子设备和计算机可读介质 | |
CN116881097B (zh) | 用户终端告警方法、装置、电子设备和计算机可读介质 | |
CN111582482B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
CN114979757B (zh) | 视频发布方法、装置、设备及存储介质 | |
CN111404824B (zh) | 用于转发请求的方法、装置、电子设备和计算机可读介质 | |
CN117200942A (zh) | 数据处理方法、装置、介质及电子设备 | |
CN117978612A (zh) | 网络故障检测方法、存储介质以及电子设备 | |
CN116226565A (zh) | 页面访问方法、装置、介质及电子设备 | |
CN117692672A (zh) | 基于快照的视频信息发送方法、装置、电子设备和介质 | |
CN117076513A (zh) | 数据处理方法、装置、介质及设备 |
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 |