CDN节点分配方法及装置、CDN节点分配服务器及CDN网络系统制造方法及图纸

本发明专利技术公开了一种CDN节点分配方法及装置、CDN节点分配服务器及CDN网络系统。CDN节点分配方法包括以下步骤：S0，实时获取网络状况；S1，在客户端读取流媒体数据的过程中，获取客户端的用户对于流媒体读取的历史行为数据，并根据所述读取行为数据计算用户的偏好信息、用户对流媒体的参与度信息；S2，训练模型：根据系统中N个客户端获取流媒体数据过程的网络因素、用户的偏好信息、参与度信息进行决策树模型训练，建立决策树模型；S3，预测各个客户端的用户在系统中每个CDN节点的参与度；S4，根据步骤S3预测的参与度，将参与度有提升的一个或者多个客户端的CDN节点调整为新的CDN节点。本发明专利技术的CDN节点分配方法可使流媒体传输过程中的整体用户体验达到最大。

CDN node distributing method and device, CDN node distributing server and CDN network system

The invention discloses a CDN node distribution method and a device, a CDN node distribution server and an CDN network system. The CDN node distribution method comprises the following steps: S0, real-time network status; S1, read the streaming media data on the client, the client to obtain the user for the history data streaming read, and according to the read data to calculate the preference of the user behavior information, user participation information of streaming media; S2 the training model: according to user network factors, system N client access to streaming media data in the process of preference information, participation in the information model of decision tree training, establish the decision tree model; S3, prediction of each client users in the system each CDN node S4, according to the degree of participation; participation step S3 forecast that will participate in the adjustment of CDN nodes with one or more clients to enhance the CDN node of the new. The CDN node allocation method of the present invention can maximize the overall user experience during streaming media transmission.

【技术实现步骤摘要】
CDN节点分配方法及装置、CDN节点分配服务器及CDN网络系统
本专利技术涉及网络通信
，特别是涉及一种CDN节点分配方法及装置、CDN节点分配服务器及系统。
技术介绍
现有的网络通信中，服务客户端用户的CDN节点的匹配主要考虑客户端用户的地理位置和CDN节点的网络因素。也即是匹配测量仅考虑QoS因素(QualityofService，服务质量)。这种匹配方法，一般是根据用户发送请求的位置信息就近分配CDN节点，或者会将某些客户端用户匹配到网络条件好的CDN节点上。上述的匹配过程可能造成对网络资源的消耗，却没有整体提升用户的体验。
技术实现思路
本专利技术所要解决的技术问题是：弥补上述现有技术的不足，提出一种CDN节点分配方法及装置、CDN节点分配服务器及系统，CDN节点分配方法可使网络中整体的用户体验达到最大。本专利技术的技术问题通过以下的技术方案予以解决：一种CDN节点分配方法，包括以下步骤：S0，实时获取网络状况；S1，在客户端读取流媒体数据的过程中，获取客户端的用户对于流媒体的读取的历史行为数据，并根据所述历史行为数据计算用户的偏好信息、用户对流媒体的参与度信息；S2，训练模型：根据系统中N个客户端获取流媒体数据过程的网络因素、用户的偏好信息、参与度信息进行决策树模型训练，建立决策树模型；N表示系统中的客户端的总个数；S3，预测各个客户端的用户在系统中每个CDN节点的参与度：根据步骤S2得到的决策树模型，由当前CDN节点的网络因素、用户的偏好信息预测出该用户在当前CDN节点的参与度信息；针对各个CDN节点，重复上述过程，得到用户在各个CDN节点的参与度；S4，根据步骤S3预测的参与度，将参与度有提升的一个或者多个客户端的CDN节点调整为新的CDN节点。一种CDN节点分配装置，包括网络状况实时获取模块、行为数据获取模块、偏好计算模块、参与度计算模块、模型训练模块、预测模块和调整模块；网络状况实时获取模块，用于实时获取网络状况；用户行为数据获取模块，用于在客户端读取流媒体数据的过程中，获取客户端的用户对于流媒体读取的历史行为数据；用户偏好计算模块，用于根据所述获取模块获取的历史行为数据计算用户的偏好信息；参与度计算模块，用于根据所述获取模块获取的历史行为数据计算用户对流媒体的参与度信息；模型训练模块，用于根据系统中N个客户端获取流媒体数据过程的网络因素、用户的偏好信息、参与度信息进行决策树模型训练，建立决策树模型；N表示系统中的客户端的总个数；参与度预测模块，用于根据所述模型训练模块得到的决策树模型，由当前CDN节点的网络因素、用户的偏好信息预测出该用户在当前CDN节点的参与度信息；针对各个CDN节点，重复上述过程，得到用户在各个CDN节点的参与度；调整模块，用于根据所述预测模块预测的参与度，将一个或者多个客户端的CDN节点调整为新的CDN节点。一种CDN节点分配服务器，包括如上所述的CDN节点分配装置。一种CDN网络系统，包括多个客户端、多个CDN节点和如上所述的CDN节点分配服务器，所述CDN节点分配服务器与所述多个客户端、多个CDN节点通信连接。本专利技术与现有技术对比的有益效果是：本专利技术的CDN节点分配方法，通过对客户端用户读取行为进行观测，计算出用户对内容的偏好信息。然后基于用户偏好信息，同时结合网络因素由训练好的决策树模型预测用户的参与度信息，根据预测的参与度信息对客户端用户的CDN节点进行重新选择匹配。本专利技术的分配方法利用用户对流媒体内容访问的真实行为数据进行分析得到用户的偏好因素，再由QoS因素和用户偏好因素预测用户在各CDN节点下对流媒体的观看参与度，从而将参与度高的CDN节点调整为与用户的客户端匹配的新的CDN节点，整体上提升各个客户端用户的数据访问参与度，从而提升整体的用户体验。【附图说明】图1是本专利技术具体实施方式的CDN节点分配装置的模块结构图；图2是本专利技术具体实施方式的CDN网络系统的框架结构图。【具体实施方式】本专利技术的构思是：提出用户偏好的定义，通过获取视频内容特征向量，以对用户历史观看行为数据进行保存，基于这些行为数据计算出用户的偏好信息。然后利用决策树的方法，结合用户偏好和网络因素(例如网络的下载速度、缓冲次数、缓冲比例、码率等)对用户参与度进行预测，将用户定向到能够使其参与度达到最大的新的CDN节点，从而使整体的用户体验达到最大。本具体实施方式提供一种CDN节点分配方法，包括以下步骤：S0，实时获取网络状况。具体地，网络的实时状况包括每个CDN节点的下载速度、带宽、缓冲比率等。S1，在客户端读取流媒体数据的过程中，获取客户端的用户对于流媒体读取的历史行为数据，并根据所述历史行为数据计算用户的偏好信息、用户对流媒体的参与度信息。流媒体包括视频、音频或者多媒体文件中的一种或者多种。客户端在通过CDN节点读取流媒体数据的过程中，根据用户对流媒体观看的历史行为，例如用户对流媒体数据观看与否、观看长度、重复观看次数等行为数据，计算出用户的偏好信息、用户对流媒体的参与度信息。具体地，可利用余弦相似度的方法计算出用户的偏好信息。记Sv＝(sv1,sv2,…,svL)为流媒体内容的L维特征向量；例如，流媒体的内容主要包括新闻类、体育类、电视剧类、电影类、综艺节目类、纪录片类等，可针对内容的类型划分为多类，每一类作为一维特征向量；有L种类型，则划分为L维特征向量。对于维度L的具体数量，可根据实际情况进行设置。对每一个流媒体内容分量，定义所属的集合为T(i)。记Su＝(su1,su2,…,suL)为用户u的L维特征向量。记A(u)为用户u的历史观看的流媒体集，对于流媒体a∈A(u)定义运算：根据用户u的历史观看流媒体集确定用户u的特征向量Su＝(su1,su2,…,suL)，其中Su的第i维分量根据如下计算得到:sui＝βi∑a∈A(u)a*bi。其中，βi表示第i维分量的权重，a*bi由上述定义的运算确定得到。则用户的偏好程度计算如下：Prefuv＝SuSv/|Su||Sv|。上述利用余弦相似度的计算过程，解决了对流媒体数据的内容主题进行挖掘和用户偏好刻画两方面的问题，从而可较准确地计算得到用户的偏好信息。针对系统中的每个客户端用户，基于其各自的历史行为数据，分别进行上述计算过程，得到各个客户端用户对于流媒体内容的偏好信息Prefuv1、Prefuv2、……、Prefuvn。其中，Prefuv1表示客户端用户1对于流媒体内容的偏好信息，Prefuv2表示客户端用户2对于流媒体内容的偏好信息，……，Prefuvn表示客户端用户N对于流媒体内容的偏好信息。N表示系统中的客户端的总个数。对于用户的参与度信息，可根据用户读取流媒体的时长除以所述流媒体的总时长计算得到。按照如下方式定义：Euv1表示客户端用户1对于流媒体v1的参与度信息，Euv2表示客户端用户2对于流媒体v2的参与度信息，……，Euvn表示客户端用户N对于流媒体vn的参与度信息。计算得到偏好信息Prefuv(Prefuv、Prefuv2、……、Prefuvn)和参与度信息Euv(Euv1、Euv2、……、Euvn)后，结合网络状况信息，进行如下模型训练。S2，训练模型：根据系统中N个客户端获取流媒体数据过程的网络本文档来自技高网...

【技术保护点】
一种CDN节点分配方法，其特征在于：包括以下步骤：S0，实时获取网络状况；S1，在客户端读取流媒体数据的过程中，获取客户端的用户对于流媒体读取的历史行为数据，并根据所述历史行为数据计算用户的偏好信息、用户对流媒体的参与度信息；S2，训练模型：根据系统中N个客户端获取流媒体数据过程的网络因素、用户的偏好信息、参与度信息进行决策树模型训练，建立决策树模型；N表示系统中的客户端的总个数；S3，预测各个客户端的用户在系统中每个CDN节点的参与度：根据步骤S2得到的决策树模型，由当前CDN节点的网络因素、用户的偏好信息预测出该用户在当前CDN节点的参与度信息；针对各个CDN节点，重复上述过程，得到用户在各个CDN节点的参与度；S4，根据步骤S3预测的参与度，将参与度有提升的一个或者多个客户端的CDN节点调整为新的CDN节点。

【技术特征摘要】
1.一种CDN节点分配方法，其特征在于：包括以下步骤：S0，实时获取网络状况；S1，在客户端读取流媒体数据的过程中，获取客户端的用户对于流媒体读取的历史行为数据，并根据所述历史行为数据计算用户的偏好信息、用户对流媒体的参与度信息；S2，训练模型：根据系统中N个客户端获取流媒体数据过程的网络因素、用户的偏好信息、参与度信息进行决策树模型训练，建立决策树模型；N表示系统中的客户端的总个数；S3，预测各个客户端的用户在系统中每个CDN节点的参与度：根据步骤S2得到的决策树模型，由当前CDN节点的网络因素、用户的偏好信息预测出该用户在当前CDN节点的参与度信息；针对各个CDN节点，重复上述过程，得到用户在各个CDN节点的参与度；S4，根据步骤S3预测的参与度，将参与度有提升的一个或者多个客户端的CDN节点调整为新的CDN节点。2.根据权利要求1所述的CDN节点分配方法，其特征在于：步骤S1中，按照如下步骤由所述历史行为数据计算用户的偏好信息：1)定义流媒体内容的L维特征向量Sv＝(sv1,sv2,…,svL)；其中，L为设定的流媒体内容类型总量；2)根据用户u的历史观看流媒体集确定用户u的行为特征向量Su＝(su1,su2,…,suL)，其中Su的第i维分量根据如下计算得到:sui＝βi∑a∈A(u)a*bi；其中，βi表示第i维分量的权重，a*bi由如下过程确定：定义A(u)为用户u的历史观看的流媒体集，对于流媒体内容a∈A(u)定义运算：T(i)表示定义的每一类流媒体内容分量所属的集合；3)根据如下公式计算用户的偏好信息Prefuv，Prefuv＝SuSv/|Su||Sv|。3.根据权利要求1所述的CDN节点分配方法，其特征在于：步骤S1中，由用户观看流媒体的时长除以所述流媒体的总时长计算得到用户对流媒体的参与度信息。4.根据权利要求1所述的CDN节点分配方法，其特征在于：步骤S4中，调整时：对于某一客户端，将步骤S3中预测的每个CDN节点的参与度与步骤S1中用户的参与度信息进行比较，如果有提...

【专利技术属性】
技术研发人员：王智，朱国伟，朱文武，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东,44