CN117336370A - Dns缓存服务器权重动态调整转发方法 - Google Patents
Dns缓存服务器权重动态调整转发方法 Download PDFInfo
- Publication number
- CN117336370A CN117336370A CN202311261362.1A CN202311261362A CN117336370A CN 117336370 A CN117336370 A CN 117336370A CN 202311261362 A CN202311261362 A CN 202311261362A CN 117336370 A CN117336370 A CN 117336370A
- Authority
- CN
- China
- Prior art keywords
- data
- adjustment
- dns cache
- setting
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims description 43
- 238000011156 evaluation Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 21
- 238000013473 artificial intelligence Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
- H04L67/1078—Resource delivery mechanisms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供DNS缓存服务器权重动态调整转发方法,包括:获取DNS缓存服务器的历史转发请求数据,基于历史转发数据获取历史权重设置数据;基于历史权重设置数据,根据预设的权重设置数据划分规则,划分生成若干个设置调整触发条件和设置调整幅度值;根据DNS缓存服务器的实时转发请求数据,利用转发请求预测模型预测获得转发请求预测值,并获得与转发请求预测值相匹配的第一设置调整条件;利用预设的状态空间控制模型,结合第一设置调整条件,按照设置调整幅度值对权重设置进行动态调整。本发明通过利用转发请求预测模型和状态空间控制模型,对权重设置进行动态调整,可减小DNS缓存服务器的解析时延,保证DNS业务的连续性和可靠性。
Description
技术领域
本发明涉及缓存服务器技术领域,尤其涉及DNS缓存服务器权重动态调整转发方法。
背景技术
DNS(Domain Name System)是保证互联网运行最核心的协议之一,它提供IP地址和域名的转换系统,DNS缓存服务器是一种网络服务器,它的作用是缓存域名系统(DNS)查询结果,以提高网络访问的效率。DNS缓存服务器的主要作用是提高网络访问的效率。它可以减少网络延迟,提高网络访问速度,并减少网络流量;
DNS工作中若本地的缓存中没有该纪录,则本地域名服务器就直接把请求发给根域名服务器,然后根域名服务器再返回给本地域名服务器一个所查询域(根的子域)的主域名服务器的地址;
DNS权重配置,指在DNS服务器中为同一个主机记录配置多个IP地址,在应答DNS查询时,所有IP地址按照预先设置的权重进行返回不同的解析结果,将解析流量分配到不同的服务器上,从而达到负载均衡的目的;
现有的DNS缓存服务器一般采用windows server自带DNS或开源Bind解决,通过固定的设置的权重,执行转发工作,在网络拥挤的情况下,由于缺少多样的权重策略,影响到负载均衡处理能力,降低了转发的效率,增加了服务器的压力,浪费了解析流量,影响到客户端用户的上网浏览体验;
申请号为CN202011257911.4的专利申请文件,公开了一种访问均衡处理方法、装置、计算机设备和存储介质,以提供负载均衡处理能力,方法部分包括:在接收到客户端针对目标域名的访问请求时,获取所述目标域名对应的DNS解析结果;获取探测网络的数据链路层的链路信息和链路状态信息;根据所述探测网络对应的链路信息确定出所述探测网络涉及的所有可选数据链路;根据所述探测网络对应的链路状态信息实时确定所述所有可选数据链路的链路状态;根据所述所有可选数据链路的链路状态和所述DNS解析结果确定符合预设条件的目标IP地址;将所述目标IP地址反馈于所述客户端,以使所述客户端通过所述目标IP地址访问对应的服务器。该申请文件是基于固定的权重配置信息,对网络的数据链路的判定后选择作出的调整,在链路状态受影响的情况下,难以实现更高的性能,存在有一定的局限性。
因此,有必要提供DNS缓存服务器权重动态调整转发方法。
发明内容
本发明提供了DNS缓存服务器权重动态调整转发方法,通过利用转发请求预测模型预测获得转发请求预测值,并利用预设的状态空间控制模型,按照预设的调整幅度值对权重设置进行动态调整,可减小DNS缓存服务器的解析时延,提升用户的上网浏览体验,保证DNS业务的连续性和可靠性。
本发明提供了DNS缓存服务器权重动态调整转发方法,包括:
S1:获取DNS缓存服务器的历史转发请求数据,基于历史转发数据获取历史权重设置数据;
S2:基于历史权重设置数据,根据预设的权重设置数据划分规则,划分生成若干个设置调整触发条件和设置调整幅度值;
S3:根据DNS缓存服务器的实时转发请求数据,利用转发请求预测模型预测获得转发请求预测值,并获得与转发请求预测值相匹配的第一设置调整条件;
S4:利用预设的状态空间控制模型,结合第一设置调整条件,按照设置调整幅度值对权重设置进行动态调整。
进一步地,S1包括:
S101:基于DNS缓存服务器的历史工作记录,获取DNS缓存服务器的历史转发请求数据;
S102:根据历史转发请求数据,获得相对应的历史权重设置数据。
进一步地,S2包括:
S201:制定若干个权重设置数据划分规则;
S202:基于历史权重设置数据,根据权重设置数据划分规则,划分生成若干个设置调整触发条件和设置调整幅度值;设置调整触发条件与设置调整幅度值相对应,当满足设置调整触发条件时,按照设置调整幅度值对权重设置进行调整。
进一步地,S3包括:
S301:监测获取DNS缓存服务器的实时转发请求数据;
S302:基于RBF神经网络模型,构建转发请求预测模型;
S303:利用转发请求预测模型预测获得转发请求预测值;
S304:获得与转发请求预测值相匹配的第一设置调整条件。
进一步地,S301包括:
S3011:基于DNS缓存服务器运行监测平台,对DNS缓存服务器运行状态进行监测,获取监测数据;
S3012:基于监测数据,提取获得DNS缓存服务器的实时转发请求数据。
进一步地,S302包括:
S3021:基于DNS缓存服务器的历史转发请求数据,生成数据训练集和数据测试集;
S3022:基于数据训练集和数据测试集,对预设的RBF神经网络模型进行训练和测试,构建生成转发请求预测模型。
进一步地,S304包括:
S3041:根据设置调整触发条件,提取设置调整触发条件中的若干个指标内容,将指标内容按照数量多少、重要程度和高低等级进行综合划分,获得若干个第一设置调整条件;
S3042:设置转发请求预测值与第一设置调整条件的匹配对应关系库,根据匹配对应关系库,获得与转发请求预测值相匹配的第一设置调整条件。
进一步地,S4包括:
S401:获取对权重设置进行调整的历史调整数据;
S402:根据历史权重设置数据和历史调整数据,将第一设置调整条件作为控制向量,构建状态空间控制模型;状态空间控制模型用于根据输入的历史权重设置数据,当满足第一设置调整条件时,输出获得历史权重设置调整值;历史权重设置调整值为按照权重调整调整幅度值对权重设置进行的调整;
S403:利用状态空间控制模型,按照调整幅度值对权重设置进行实时动态调整。
进一步地,还包括S5,利用人工智能技术,采集获取评估数据,并对DNS缓存服务器的权重设置实时动态调整的效果进行评估;具体步骤为:
S501:根据预设的评估信息采集需求,基于DNS缓存服务器运行监测平台,设置若干个连接DNS缓存服务器的反馈单元;反馈单元用于根据DNS缓存服务器权重设置的实时动态调整进程,获得若干项反馈数据;
S502:基于预设网络协议和人工智能技术,将若干个人工智能AI模块布设在反馈单元上;
S503:利用人工智能AI模块,采集获取若干项反馈数据;反馈数据包括用户使用体验反馈数据、解析流量变化数据、转发时长变化数据和负载均衡变化数据中的一种或多种;
S504:将反馈数据整合并进行赋值后,获得反馈数据整合值;
S505:根据对权重设置进行实时动态调整的过程,生成权重设置调整频率值,结合反馈数据整合值和权重设置调整频率值,对DNS缓存服务器的实时动态调整的效果进行评估。
进一步地,还包括S6,根据监控网络获取的若干个DNS缓存服务器权重调整需求,确定动态调整的周期和优先级,用于若干个DNS缓存服务器的权重调整,具体步骤为:
S601:基于DNS缓存服务器运行监测平台,建立对若干个DNS缓存服务器工作运行的监控网络;
S602:对若干个DNS缓存服务器进行编号,并基于机器学习算法,构造DNS缓存服务器工作等级的评价函数,并计算获得评价函数值;评价函数用于根据DNS缓存服务器所具备的功能大小以及所处的网络节点位置重要程度,评价获得DNS缓存服务器的工作等级;
S603:根据评价函数值所处的数值范围,设置动态调整的周期和动态调整的优先级;
S604:根据监控网络获取的若干个DNS缓存服务器权重调整需求,按照动态调整的周期,或按照动态调整的优先级,或在同一动态调整的周期内按照动态调整的优先级,或在同一等级优先级下按照动态调整的周期,对若干个DNS缓存服务器进行权重调整。
本发明与现有技术相比,具有如下的优点和有益效果:本发明通过利用转发请求预测模型预测获得转发请求预测值,并利用预设的状态空间控制模型,按照预设的调整幅度值对权重设置进行动态调整,可减小DNS缓存服务器的解析时延,提升用户的上网浏览体验,保证DNS业务的连续性和可靠性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为DNS缓存服务器权重动态调整转发方法步骤示意图;
图2为获取历史权重设置数据的方法步骤示意图;
图3为获得与转发请求预测值相匹配的第一设置调整条件的方法步骤示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供了DNS缓存服务器权重动态调整转发方法,如图1所示,包括:
S1:获取DNS缓存服务器的历史转发请求数据,基于历史转发数据获取历史权重设置数据;
S2:基于历史权重设置数据,根据预设的权重设置数据划分规则,划分生成若干个设置调整触发条件和设置调整幅度值;
S3:根据DNS缓存服务器的实时转发请求数据,利用转发请求预测模型预测获得转发请求预测值,并获得与转发请求预测值相匹配的第一设置调整条件;
S4:利用预设的状态空间控制模型,结合第一设置调整条件,按照设置调整幅度值对权重设置进行动态调整。
上述技术方案的工作原理为:S1:获取DNS缓存服务器的历史转发请求数据,基于历史转发数据获取历史权重设置数据;
S2:基于历史权重设置数据,根据预设的权重设置数据划分规则,划分生成若干个设置调整触发条件和设置调整幅度值;
S3:根据DNS缓存服务器的实时转发请求数据,利用转发请求预测模型预测获得转发请求预测值,并获得与转发请求预测值相匹配的第一设置调整条件;
S4:利用预设的状态空间控制模型,结合第一设置调整条件,按照设置调整幅度值对权重设置进行动态调整。
上述技术方案的有益效果为:采用本实施例提供的方案,通过利用转发请求预测模型预测获得转发请求预测值,并利用预设的状态空间控制模型,按照预设的调整幅度值对权重设置进行动态调整,可减小DNS缓存服务器的解析时延,提升用户的上网浏览体验,保证DNS业务的连续性和可靠性。
在一个实施例中,如图2所示,S1包括:
S101:基于DNS缓存服务器的历史工作记录,获取DNS缓存服务器的历史转发请求数据;
S102:根据历史转发请求数据,获得相对应的历史权重设置数据。
上述技术方案的工作原理为:S1包括:
S101:基于DNS缓存服务器的历史工作记录,获取DNS缓存服务器的历史转发请求数据;
S102:根据历史转发请求数据,获得相对应的历史权重设置数据。
上述技术方案的有益效果为:采用本实施例提供的方案,通过基于DNS缓存服务器的历史工作记录,获得历史权重设置数据,可保证权重设置数据获取的准确性和全面性。
在一个实施例中,S2包括:
S201:制定若干个权重设置数据划分规则;
S202:基于历史权重设置数据,根据权重设置数据划分规则,划分生成若干个设置调整触发条件和设置调整幅度值;设置调整触发条件与设置调整幅度值相对应,当满足设置调整触发条件时,按照设置调整幅度值对权重设置进行调整。
上述技术方案的工作原理为:S2包括:
S201:制定若干个权重设置数据划分规则;
S202:基于历史权重设置数据,根据权重设置数据划分规则,划分生成若干个设置调整触发条件和设置调整幅度值;设置调整触发条件与设置调整幅度值相对应,当满足设置调整触发条件时,按照设置调整幅度值对权重设置进行调整。
上述技术方案的有益效果为:采用本实施例提供的方案,通过基于历史权重设置数据,生成若干个设置调整触发条件和设置调整幅度值,为后续权重调整提供参考和依据。
在一个实施例中,如图3所示,S3包括:
S301:监测获取DNS缓存服务器的实时转发请求数据;
S302:基于RBF神经网络模型,构建转发请求预测模型;
S303:利用转发请求预测模型预测获得转发请求预测值;
S304:获得与转发请求预测值相匹配的第一设置调整条件。
上述技术方案的工作原理为:S3包括:
S301:监测获取DNS缓存服务器的实时转发请求数据;
S302:基于RBF神经网络模型,构建转发请求预测模型;
S303:利用转发请求预测模型预测获得转发请求预测值;
S304:获得与转发请求预测值相匹配的第一设置调整条件。
上述技术方案的有益效果为:采用本实施例提供的方案,通过监测获取DNS缓存服务器的实时转发请求数据,并获得与转发请求预测值相匹配的第一设置调整条件,为后续的权重动态调整提供状态参考。
在一个实施例中,S301包括:
S3011:基于DNS缓存服务器运行监测平台,对DNS缓存服务器运行状态进行监测,获取监测数据;
S3012:基于监测数据,提取获得DNS缓存服务器的实时转发请求数据。
上述技术方案的工作原理为:S301包括:
S3011:基于DNS缓存服务器运行监测平台,对DNS缓存服务器运行状态进行监测,获取监测数据;
S3012:基于监测数据,提取获得DNS缓存服务器的实时转发请求数据。
上述技术方案的有益效果为:采用本实施例提供的方案,通过监测数据,提取获得DNS缓存服务器的实时转发请求数据,便于根据实时转发请求数据,对DNS缓存服务器的权重进行调整。
在一个实施例中,S302包括:
S3021:基于DNS缓存服务器的历史转发请求数据,生成数据训练集和数据测试集;
S3022:基于数据训练集和数据测试集,对预设的RBF神经网络模型进行训练和测试,构建生成转发请求预测模型。
上述技术方案的工作原理为:S302包括:
S3021:基于DNS缓存服务器的历史转发请求数据,生成数据训练集和数据测试集;
S3022:基于数据训练集和数据测试集,对预设的RBF神经网络模型进行训练和测试,构建生成转发请求预测模型。
上述技术方案的有益效果为:采用本实施例提供的方案,通过利用RBF神经网络模型构建生成转发请求预测模型,便于对历史转发请求数据进行科学分析和预测。
在一个实施例中,S304包括:
S3041:根据设置调整触发条件,提取设置调整触发条件中的若干个指标内容,将指标内容按照数量多少、重要程度和高低等级进行综合划分,获得若干个第一设置调整条件;
S3042:设置转发请求预测值与第一设置调整条件的匹配对应关系库,根据匹配对应关系库,获得与转发请求预测值相匹配的第一设置调整条件。
上述技术方案的工作原理为:S304包括:
S3041:根据设置调整触发条件,提取设置调整触发条件中的若干个指标内容,将指标内容按照数量多少、重要程度和高低等级进行综合划分,获得若干个第一设置调整条件;
S3042:设置转发请求预测值与第一设置调整条件的匹配对应关系库,根据匹配对应关系库,获得与转发请求预测值相匹配的第一设置调整条件。
上述技术方案的有益效果为:采用本实施例提供的方案,通过,获得与转发请求预测值相匹配的第一设置调整条件,为后续的权重调整的时机和条件判断提供参考。
在一个实施例中,S4包括:
S401:获取对权重设置进行调整的历史调整数据;
S402:根据历史权重设置数据和历史调整数据,将第一设置调整条件作为控制向量,构建状态空间控制模型;状态空间控制模型用于根据输入的历史权重设置数据,当满足第一设置调整条件时,输出获得历史权重设置调整值;历史权重设置调整值为按照权重调整调整幅度值对权重设置进行的调整;
S403:利用状态空间控制模型,按照调整幅度值对权重设置进行实时动态调整。
上述技术方案的工作原理为:S4包括:
S401:获取对权重设置进行调整的历史调整数据;
S402:根据历史权重设置数据和历史调整数据,将第一设置调整条件作为控制向量,构建状态空间控制模型;状态空间控制模型用于根据输入的历史权重设置数据,当满足第一设置调整条件时,输出获得历史权重设置调整值;历史权重设置调整值为按照权重调整调整幅度值对权重设置进行的调整;
S403:利用状态空间控制模型,按照调整幅度值对权重设置进行实时动态调整。
上述技术方案的有益效果为:采用本实施例提供的方案,通过利用状态空间控制模型,按照调整幅度值对权重设置进行实时动态调整,可提高实时动态调整的智能化控制水平。
在一个实施例中,还包括S5,利用人工智能技术,采集获取评估数据,并对DNS缓存服务器的权重设置实时动态调整的效果进行评估;具体步骤为:
S501:根据预设的评估信息采集需求,基于DNS缓存服务器运行监测平台,设置若干个连接DNS缓存服务器的反馈单元;反馈单元用于根据DNS缓存服务器权重设置的实时动态调整进程,获得若干项反馈数据;
S502:基于预设网络协议和人工智能技术,将若干个人工智能AI模块布设在反馈单元上;
S503:利用人工智能AI模块,采集获取若干项反馈数据;反馈数据包括用户使用体验反馈数据、解析流量变化数据、转发时长变化数据和负载均衡变化数据中的一种或多种;
S504:将反馈数据整合并进行赋值后,获得反馈数据整合值;
S505:根据对权重设置进行实时动态调整的过程,生成权重设置调整频率值,结合反馈数据整合值和权重设置调整频率值,对DNS缓存服务器的实时动态调整的效果进行评估。
上述技术方案的工作原理为:还包括S5,利用人工智能技术,采集获取评估数据,并对DNS缓存服务器的权重设置实时动态调整的效果进行评估;具体步骤为:
S501:根据预设的评估信息采集需求,基于DNS缓存服务器运行监测平台,设置若干个连接DNS缓存服务器的反馈单元;反馈单元用于根据DNS缓存服务器权重设置的实时动态调整进程,获得若干项反馈数据;
S502:基于预设网络协议和人工智能技术,将若干个人工智能AI模块布设在反馈单元上;
S503:利用人工智能AI模块,采集获取若干项反馈数据;反馈数据包括用户使用体验反馈数据、解析流量变化数据、转发时长变化数据和负载均衡变化数据中的一种或多种;
S504:将反馈数据整合并进行赋值后,获得反馈数据整合值;
S505:根据对权重设置进行实时动态调整的过程,生成权重设置调整频率值,结合反馈数据整合值和权重设置调整频率值,对DNS缓存服务器的实时动态调整的效果进行评估。
上述技术方案的有益效果为:采用本实施例提供的方案,利用人工智能技术,采集获取评估数据,并对DNS缓存服务器的权重设置实时动态调整的效果进行评估,有利于提高评估的质量,为DNS缓存服务器的权重设置的改进提供参考。
在一个实施例中,还包括S6,根据监控网络获取的若干个DNS缓存服务器权重调整需求,确定动态调整的周期和优先级,用于若干个DNS缓存服务器的权重调整,具体步骤为:
S601:基于DNS缓存服务器运行监测平台,建立对若干个DNS缓存服务器工作运行的监控网络;
S602:对若干个DNS缓存服务器进行编号,并基于机器学习算法,构造DNS缓存服务器工作等级的评价函数,并计算获得评价函数值;评价函数用于根据DNS缓存服务器所具备的功能大小以及所处的网络节点位置重要程度,评价获得DNS缓存服务器的工作等级;
S603:根据评价函数值所处的数值范围,设置动态调整的周期和动态调整的优先级;
S604:根据监控网络获取的若干个DNS缓存服务器权重调整需求,按照动态调整的周期,或按照动态调整的优先级,或在同一动态调整的周期内按照动态调整的优先级,或在同一等级优先级下按照动态调整的周期,对若干个DNS缓存服务器进行权重调整。
上述技术方案的工作原理为:还包括S6,根据监控网络获取的若干个DNS缓存服务器权重调整需求,确定动态调整的周期和优先级,用于若干个DNS缓存服务器的权重调整,具体步骤为:
S601:基于DNS缓存服务器运行监测平台,建立对若干个DNS缓存服务器工作运行的监控网络;
S602:对若干个DNS缓存服务器进行编号,并基于机器学习算法,构造DNS缓存服务器工作等级的评价函数,并计算获得评价函数值;评价函数用于根据DNS缓存服务器所具备的功能大小以及所处的网络节点位置重要程度,评价获得DNS缓存服务器的工作等级;
S603:根据评价函数值所处的数值范围,设置动态调整的周期和动态调整的优先级;
S604:根据监控网络获取的若干个DNS缓存服务器权重调整需求,按照动态调整的周期,或按照动态调整的优先级,或在同一动态调整的周期内按照动态调整的优先级,或在同一等级优先级下按照动态调整的周期,对若干个DNS缓存服务器进行权重调整。
上述技术方案的有益效果为:采用本实施例提供的方案,通过根据监控网络获取的若干个DNS缓存服务器权重调整需求,确定动态调整的周期和优先级,用于若干个DNS缓存服务器的权重调整,可提高多个DNS缓存服务器组成的网络系统的整体业务可靠性,提高网络系统的整体性能。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.DNS缓存服务器权重动态调整转发方法,其特征在于,包括:
S1:获取DNS缓存服务器的历史转发请求数据,基于历史转发数据获取历史权重设置数据;
S2:基于历史权重设置数据,根据预设的权重设置数据划分规则,划分生成若干个设置调整触发条件和设置调整幅度值;
S3:根据DNS缓存服务器的实时转发请求数据,利用转发请求预测模型预测获得转发请求预测值,并获得与转发请求预测值相匹配的第一设置调整条件;
S4:利用预设的状态空间控制模型,结合第一设置调整条件,按照设置调整幅度值对权重设置进行动态调整。
2.根据权利要求1所述的DNS缓存服务器权重动态调整转发方法,其特征在于,S1包括:
S101:基于DNS缓存服务器的历史工作记录,获取DNS缓存服务器的历史转发请求数据;
S102:根据历史转发请求数据,获得相对应的历史权重设置数据。
3.根据权利要求1所述的DNS缓存服务器权重动态调整转发方法,其特征在于,S2包括:
S201:制定若干个权重设置数据划分规则;
S202:基于历史权重设置数据,根据权重设置数据划分规则,划分生成若干个设置调整触发条件和设置调整幅度值;设置调整触发条件与设置调整幅度值相对应,当满足设置调整触发条件时,按照设置调整幅度值对权重设置进行调整。
4.根据权利要求1所述的DNS缓存服务器权重动态调整转发方法,其特征在于,S3包括:
S301:监测获取DNS缓存服务器的实时转发请求数据;
S302:基于RBF神经网络模型,构建转发请求预测模型;
S303:利用转发请求预测模型预测获得转发请求预测值;
S304:获得与转发请求预测值相匹配的第一设置调整条件。
5.根据权利要求4所述的DNS缓存服务器权重动态调整转发方法,其特征在于,S301包括:
S3011:基于DNS缓存服务器运行监测平台,对DNS缓存服务器运行状态进行监测,获取监测数据;
S3012:基于监测数据,提取获得DNS缓存服务器的实时转发请求数据。
6.根据权利要求4所述的DNS缓存服务器权重动态调整转发方法,其特征在于,S302包括:
S3021:基于DNS缓存服务器的历史转发请求数据,生成数据训练集和数据测试集;
S3022:基于数据训练集和数据测试集,对预设的RBF神经网络模型进行训练和测试,构建生成转发请求预测模型。
7.根据权利要求4所述的DNS缓存服务器权重动态调整转发方法,其特征在于,S304包括:
S3041:根据设置调整触发条件,提取设置调整触发条件中的若干个指标内容,将指标内容按照数量多少、重要程度和高低等级进行综合划分,获得若干个第一设置调整条件;
S3042:设置转发请求预测值与第一设置调整条件的匹配对应关系库,根据匹配对应关系库,获得与转发请求预测值相匹配的第一设置调整条件。
8.根据权利要求1所述的DNS缓存服务器权重动态调整转发方法,其特征在于,S4包括:
S401:获取对权重设置进行调整的历史调整数据;
S402:根据历史权重设置数据和历史调整数据,将第一设置调整条件作为控制向量,构建状态空间控制模型;状态空间控制模型用于根据输入的历史权重设置数据,当满足第一设置调整条件时,输出获得历史权重设置调整值;历史权重设置调整值为按照权重调整调整幅度值对权重设置进行的调整;
S403:利用状态空间控制模型,按照调整幅度值对权重设置进行实时动态调整。
9.根据权利要求1所述的DNS缓存服务器权重动态调整转发方法,其特征在于,还包括S5,利用人工智能技术,采集获取评估数据,并对DNS缓存服务器的权重设置实时动态调整的效果进行评估;具体步骤为:
S501:根据预设的评估信息采集需求,基于DNS缓存服务器运行监测平台,设置若干个连接DNS缓存服务器的反馈单元;反馈单元用于根据DNS缓存服务器权重设置的实时动态调整进程,获得若干项反馈数据;
S502:基于预设网络协议和人工智能技术,将若干个人工智能AI模块布设在反馈单元上;
S503:利用人工智能AI模块,采集获取若干项反馈数据;反馈数据包括用户使用体验反馈数据、解析流量变化数据、转发时长变化数据和负载均衡变化数据中的一种或多种;
S504:将反馈数据整合并进行赋值后,获得反馈数据整合值;
S505:根据对权重设置进行实时动态调整的过程,生成权重设置调整频率值,结合反馈数据整合值和权重设置调整频率值,对DNS缓存服务器的实时动态调整的效果进行评估。
10.根据权利要求1所述的DNS缓存服务器权重动态调整转发方法,其特征在于,还包括S6,根据监控网络获取的若干个DNS缓存服务器权重调整需求,确定动态调整的周期和优先级,用于若干个DNS缓存服务器的权重调整,具体步骤为:
S601:基于DNS缓存服务器运行监测平台,建立对若干个DNS缓存服务器工作运行的监控网络;
S602:对若干个DNS缓存服务器进行编号,并基于机器学习算法,构造DNS缓存服务器工作等级的评价函数,并计算获得评价函数值;评价函数用于根据DNS缓存服务器所具备的功能大小以及所处的网络节点位置重要程度,评价获得DNS缓存服务器的工作等级;
S603:根据评价函数值所处的数值范围,设置动态调整的周期和动态调整的优先级;
S604:根据监控网络获取的若干个DNS缓存服务器权重调整需求,按照动态调整的周期,或按照动态调整的优先级,或在同一动态调整的周期内按照动态调整的优先级,或在同一等级优先级下按照动态调整的周期,对若干个DNS缓存服务器进行权重调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311261362.1A CN117336370B (zh) | 2023-09-27 | 2023-09-27 | Dns缓存服务器权重动态调整转发方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311261362.1A CN117336370B (zh) | 2023-09-27 | 2023-09-27 | Dns缓存服务器权重动态调整转发方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117336370A true CN117336370A (zh) | 2024-01-02 |
CN117336370B CN117336370B (zh) | 2024-07-23 |
Family
ID=89276592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311261362.1A Active CN117336370B (zh) | 2023-09-27 | 2023-09-27 | Dns缓存服务器权重动态调整转发方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117336370B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040250119A1 (en) * | 2003-04-30 | 2004-12-09 | Art Shelest | Authenticated domain name resolution |
CN103491075A (zh) * | 2013-09-09 | 2014-01-01 | 中国科学院计算机网络信息中心 | 动态调整dns递归服务器缓存资源记录的方法和系统 |
CN106789422A (zh) * | 2016-12-16 | 2017-05-31 | 杭州迪普科技股份有限公司 | 一种dns服务器的监测方法及装置 |
CN111541799A (zh) * | 2020-05-11 | 2020-08-14 | 中移(杭州)信息技术有限公司 | 域名解析方法、系统、终端和存储介质 |
-
2023
- 2023-09-27 CN CN202311261362.1A patent/CN117336370B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040250119A1 (en) * | 2003-04-30 | 2004-12-09 | Art Shelest | Authenticated domain name resolution |
CN103491075A (zh) * | 2013-09-09 | 2014-01-01 | 中国科学院计算机网络信息中心 | 动态调整dns递归服务器缓存资源记录的方法和系统 |
CN106789422A (zh) * | 2016-12-16 | 2017-05-31 | 杭州迪普科技股份有限公司 | 一种dns服务器的监测方法及装置 |
CN111541799A (zh) * | 2020-05-11 | 2020-08-14 | 中移(杭州)信息技术有限公司 | 域名解析方法、系统、终端和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117336370B (zh) | 2024-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107395683B (zh) | 一种回源路径的选择方法及服务器 | |
Cardellini et al. | Request redirection algorithms for distributed web systems | |
CN1146186C (zh) | 可恢复的虚拟封闭群集 | |
JP4502815B2 (ja) | トラフィック・パターン認識に基づくWebサイト・トラフィックのコロケーションおよびオフロードのための装置および方法 | |
CN101902505B (zh) | 一种分布式dns查询日志的实时统计装置及方法 | |
CN110149396A (zh) | 一种基于微服务架构的物联网平台构建方法 | |
CN109347947A (zh) | 一种负载均衡的方法、域名服务器及集群nas服务器 | |
US20210258370A1 (en) | Traffic mapping | |
US20060271655A1 (en) | Intelligent traffic management system for networks and intelligent traffic management method using the same | |
CN101232511A (zh) | 基于服务器功耗的网络通信分配 | |
GB2594367A (en) | Low entropy browsing history for content quasi-personalization | |
CN103685603B (zh) | 域名系统解析方法及设备 | |
CN108183975A (zh) | 一种域名解析的方法和系统 | |
CN114513488B (zh) | 资源访问方法、装置、计算机设备和存储介质 | |
CN111935752A (zh) | 一种网关接入方法、装置、计算机设备和存储介质 | |
CN112182070B (zh) | 基于云计算的Elasticsearch查询管理系统 | |
CN113347286A (zh) | 确定域名服务器的方法、装置、设备及存储介质 | |
CN110113446B (zh) | 一种客户端寻址方法、装置及系统 | |
US20230004776A1 (en) | Moderator for identifying deficient nodes in federated learning | |
CN117336370B (zh) | Dns缓存服务器权重动态调整转发方法 | |
US7711780B1 (en) | Method for distributed end-to-end dynamic horizontal scalability | |
CN104113590B (zh) | 一种基于副本响应时间预测的副本选择方法 | |
Borzemski et al. | Adaptive and intelligent request distribution for content delivery networks | |
KR20100038800A (ko) | 캐시서버에 저장된 데이터 갱신방법, 그 캐시서버 및 컨텐츠 제공시스템 | |
Wong et al. | A novel dynamic cache size adjustment approach for better data retrieval performance over the internet |
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 |