基于视频请求数预测的负载均衡方法技术

本发明专利技术涉及一种基于视频请求数预测的负载均衡方法，应用于包括流媒体服务器和负载均衡器的流媒体系统，包括以下步骤：(a)根据建立的负载预测模型预测下一周期的视频请求数；(b)根据所述下一周期的视频请求数计算所述流媒体服务器下一周期的负载变化量；(c)根据当前所述流媒体服务器的负载量与所述下一周期的负载变化量确定所述流媒体服务器下一周期的负载量；(d)根据所述流媒体服务器下一周期的负载量由所述负载均衡器均衡所述流媒体服务器的负载。本发明专利技术实施例，通过预测下一周期的视频请求数，使负载均衡器能合理的分配接收视频请求数的流媒体服务器的负载，从而提高了流媒体服务器的服务质量。

【技术实现步骤摘要】
基于视频请求数预测的负载均衡方法
本专利技术属于计算机应用
，具体涉及一种基于视频请求数预测的负载均衡方法。
技术介绍
负载均衡是建立在现有网络结构之上，它提供了一种廉价有效透明的方法扩展网络设备和服务器的带宽、增加吞吐量、加强网络数据处理能力、提高网络的灵活性和可用性。常用的负载均衡算法有以下几种，(1)轮询算法：将请求任务按顺序依次分配给集群中的每台服务器.它的优点是简单易实现，缺点是没有考虑服务器节点之间处理能力的差异，无法充分利用节点资源。(2)带权重的轮询算法：为每台服务器增加一个权值来表示其处理能力，在分配任务的时候可根据权值的不同按比例分配相应数目的任务，使得处理能力较强的服务器得以充分利用。但由于其没有考虑服务器实时的负载变化，也可能导致集群负载分配的不均衡。目前，中小型应用系统中常用的负载均衡策略是周期性动态反馈的负载均衡策略。该算法的主要流程是：各个服务器向负载均衡器周期性地反应其实时负载情况，负载均衡器根据各个服务器反馈的实时负载，将其划分到轻载、适载和重载三个队列中，并根据负载将其在队列中排序。由于计算负载会带来一定的开销，所以每隔一个更新周期负载均衡器收集一次负载，而不是每次有服务请求时都去计算负载。在更新周期内，当有新的请求到来时，选择轻载队列中的服务器进行处理。周期性动态反馈的负载均衡策略相比于传统的负载均衡算法，汲取了传统负载均衡算法的长处，但也存在一些不足：在更新周期内，如果某个流媒体服务器接收了较多的视频请求，此时已变成重载服务器，但此时还未达到更新周期，负载均衡器还未开始收集各个流媒体服务器的负载，此时轻载服务器已变成重载服务器，但此时其还在轻载服务器队列中。当负载均衡器将请求任务分配给该流媒体服务器时，该服务器已达到工作瓶颈，基本不具备复制转发该视频流的能力，从而影响传输视频速率，降低该服务器的服务质量。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种基于视频请求数预测的负载均衡方法。本专利技术要解决的技术问题通过以下技术方案实现：本专利技术实施例提供了一种基于视频请求数预测的负载均衡方法，应用于包括流媒体服务器和负载均衡器的流媒体系统，包括以下步骤：(a)根据建立的负载预测模型预测下一周期的视频请求数；(b)根据所述下一周期的视频请求数计算所述流媒体服务器下一周期的负载变化量；(c)根据当前所述流媒体服务器的负载量与所述下一周期的负载变化量确定所述流媒体服务器下一周期的负载量；(d)根据所述流媒体服务器下一周期的负载量由所述负载均衡器均衡所述流媒体服务器的负载。在本专利技术的一个实施例中，在步骤(a)之前还包括：收集预定时间内的当前视频请求数、最大视频请求数、报警消息、异常行为消息，利用BP神经网络算法建立所述负载预测模型。在本专利技术的一个实施例中，步骤(a)包括：根据当前视频请求数、最大视频请求数、报警消息、异常行为消息，利用所述负载预测模型预测所述下一周期视频请求数。在本专利技术的一个实施例中，步骤(c)包括：(c1)所述流媒体服务器获取自身的硬件数据；(c2)所述流媒体服务器根据所述硬件数据以及所述硬件数据的权值计算当前所述流媒体服务器的负载量；(c3)根据当前所述流媒体服务器的负载量以及所述流媒体服务器下一周期的负载变化量计算所述流媒体服务器下一周期的负载量。在本专利技术的一个实施例中，所述硬件数据包括：CPU使用率、内存使用率以及网络带宽利用率。在本专利技术的一个实施例中，当前所述流媒体服务器的负载量的计算公式为：Ln＝R1×ICPU+R2×IMEM+R3×IBW其中，ICPU为CPU使用率，IMEM为内存使用率，IBW为网络带宽利用率，R1为ICPU的权值、R2为IMEM的权值、R3为IBW的权值。在本专利技术的一个实施例中，所述CPU使用率的权值为0.35、所述内存使用率的权值为0.15、所述网络带宽利用率的权值为0.5。在本专利技术的一个实施例中，步骤(d)包括：(d1)根据所述流媒体服务器下一周期的负载量，将所述流媒体服务器下一周期的负载量划分为三个区间；(d2)所述负载均衡器根据所述三个区间均衡所述流媒体服务器的负载。在本专利技术的一个实施例中，所述三个区间分别为轻载区、适载区、重载区。在本专利技术的一个实施例中，所述流媒体服务器下一周期的负载变化量满足：其中，R(t)为当前视频请求数，R′(t+1)为所述负载预测模型预测的下一周期的视频请求数。与现有技术相比，本专利技术的有益效果：1.本专利技术通过引入BP神经网络进行大量的数据学习，从而建立负载预测模型，从而能够预测下一周期的视频请求数，进一步计算出下周期的流媒体服务器的负载量，负载均衡器从而根据下一周期流媒体服务器的负载情况及时调整流媒体服务器的队列，较少甚至规避在未达到更新周期时，流媒体服务器已经变成重载的情况发生。2.本专利技术的这种方法相比于传统的负载均衡方法，既保证了流媒体服务器的均衡调配，又能快速响应用户的请求，同时还会对流媒体服务器的服务质量造成影响。附图说明图1为本专利技术实施例提供的一种基于视频请求数预测的负载均衡方法的流程示意图；图2为本专利技术实施例提供的一种基于视频请求数预测的负载均衡方法的系统结构图；图3为本专利技术实施例提供的一种基于视频请求数预测的负载均衡方法的BP神经网络训练过程的流程示意图；图4为本专利技术实施例提供的另一种基于视频请求数预测的负载均衡方法的流程示意图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。实施例一请参见图1，图1为本专利技术实施例提供的一种基于视频请求数预测的负载均衡方法的流程示意图。一种基于视频请求数预测的负载均衡方法，应用于包括流媒体服务器和负载均衡器的流媒体系统，包括以下步骤：(a)根据建立的负载预测模型预测下一周期的视频请求数；(b)根据所述下一周期的视频请求数计算所述流媒体服务器下一周期的负载变化量；(c)根据当前所述流媒体服务器的负载量与所述下一周期的负载变化量确定所述流媒体服务器下一周期的负载量；(d)根据所述流媒体服务器下一周期的负载量由所述负载均衡器均衡所述流媒体服务器的负载。请参见图2，图2为本专利技术实施例提供的一种基于视频请求数预测的负载均衡方法的系统结构图。所述系统结构图包括：客户端，连接所述流媒体服务器，用于向所述流媒体服务器发送视频请求；负载均衡器，连接所述流媒体服务器，用于分配合适的流媒体服务器接收所述客户端发送的视频请求；流媒体服务器，连接NVR，即网络硬盘录像机，用于向所述NVR发出视频请求并复制所述客户端请求的视频流，并将所述视频流发送给客户端；NVR，连接摄像头，用于存储所述摄像头拍摄的视频。所述客户端向所述流媒体服务器发送视频请求时，所述负载均衡器分配合适的所述流媒体服务器接收所述视频请求，所述流媒体服务器向所述NVR发送视频请求并复制所述客户端请求的视频流，进而发送给客户端，完成一次完成的任务。本专利技术是在动态反馈负载均衡方法的基础上增加了对下一时间段变化负载的预测，负载均衡服务器计算当前各个流媒体服务器的负载，并利用预测的视频请求数，与当前的视频请求数做比较，得出即将变化的负载量，负载均衡服务器选择当前负载与变化负载相加最小的流媒体服务器作为提供视频传输服务的服务器，从而达到流媒体服务器负载均本文档来自技高网...

【技术保护点】
1.一种基于视频请求数预测的负载均衡方法，应用于包括流媒体服务器和负载均衡器的流媒体系统，其特征在于，包括以下步骤：(a)根据建立的负载预测模型预测下一周期的视频请求数；(b)根据所述下一周期的视频请求数计算所述流媒体服务器下一周期的负载变化量；(c)根据当前所述流媒体服务器的负载量与所述下一周期的负载变化量确定所述流媒体服务器下一周期的负载量；(d)根据所述流媒体服务器下一周期的负载量由所述负载均衡器均衡所述流媒体服务器的负载。

【技术特征摘要】
1.一种基于视频请求数预测的负载均衡方法，应用于包括流媒体服务器和负载均衡器的流媒体系统，其特征在于，包括以下步骤：(a)根据建立的负载预测模型预测下一周期的视频请求数；(b)根据所述下一周期的视频请求数计算所述流媒体服务器下一周期的负载变化量；(c)根据当前所述流媒体服务器的负载量与所述下一周期的负载变化量确定所述流媒体服务器下一周期的负载量；(d)根据所述流媒体服务器下一周期的负载量由所述负载均衡器均衡所述流媒体服务器的负载。2.根据权利要求1所述的基于视频请求数预测的负载均衡方法，其特征在于，在步骤(a)之前还包括：收集预定时间内的当前视频请求数、最大视频请求数、报警消息、异常行为消息，利用BP神经网络算法建立所述负载预测模型。3.根据权利要求1所述的基于视频请求数预测的负载均衡方法，其特征在于，步骤(a)包括：根据当前视频请求数、最大视频请求数、报警消息、异常行为消息，利用所述负载预测模型预测所述下一周期视频请求数。4.根据权利要求1所述的基于视频请求数预测的负载均衡方法，其特征在于，步骤(c)包括：(c1)所述流媒体服务器获取自身的硬件数据；(c2)所述流媒体服务器根据所述硬件数据以及所述硬件数据的权值计算当前所述流媒体服务器的负载量；(c3)根据当前所述流媒体服务器的负载量以及所述流媒体服务器下一周期的负载变化量计算所述流媒体服务器下一周期的负...

【专利技术属性】
技术研发人员：沈玉龙，翟开放，徐真真，雎悦，陈博闻，余正伟，刘宇鹃，
申请(专利权)人：西安电子科技大学，江苏艾道科信息技术有限公司，
类型：发明
国别省市：陕西,61