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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。