一种基于大数据的网络时延处理方法及系统技术方案

本发明专利技术公开了一种基于大数据的网络时延处理方法，包括：云服务器获取任务执行指令；基于人工智能AI模型，对所述任务的服务质量QoS进行预测，判断在执行任务过程中是否会出现网络时延异常；若会出现网络时延异常，则在所述任务加载前，扩大滑动时间窗口，并基于所述扩大后的滑动时间窗口预先获取任务内容数据；基于所述任务内容数据，执行所述任务。执行所述任务。执行所述任务。

【技术实现步骤摘要】
一种基于大数据的网络时延处理方法及系统


[0001]本专利技术属于信息
，具体地，涉及一种基于大数据的网络时延处理的方法及系统。

技术介绍

[0002]目前网络的传输要求越来越高，传输速率要求越来越快且时延要尽可能的降低，因此，对于目前的多媒体音视频处理、自动驾驶、电商直播、VR/AR/MR的图像渲染等方面，都需要较高的网络处理能力和较低的时延。
[0003]对于局域网的网络而言，能够做到一定范围内的数据实时传输，时延较低，而对于大规模的网络设备，其网络存储并传输的数据会呈现爆发式增长，对于海量数据的传输而言，不可避免的会在高峰时段造成网络时延，导致音视频出现卡顿、游戏卡顿、VR/AR的画面渲染失败等。因此，如何降低海量数据规模下的网络时延是一个较大的难题。

技术实现思路

[0004]本专利技术提供了一种基于大数据的网络时延处理的方法及系统，解决了现有技术中海量数据场景下高峰时段产生网络时延的问题，有效降低了网络时延，提升用户体验。
[0005]为了实现上述目的，本专利技术提供了一种基于大数据的网络时延处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的网络时延处理方法，其特征在于，所述方法包括：云服务器获取任务执行指令；基于人工智能AI模型，对所述任务的服务质量QoS进行预测，判断在执行任务过程中是否会出现网络时延异常；若会出现网络时延异常，则在所述任务加载前，扩大滑动时间窗口，并基于所述扩大后的滑动时间窗口预先获取任务内容数据；基于所述任务内容数据，执行所述任务。2.根据权利要求1所述的方法，其特征在于，基于人工智能AI模型，对所述任务的服务质量QoS进行预测，包括：将所述AI模型进行拆分，拆分为多个目标工作流，每一个目标工作流对应一个性能指标的预测子任务；将所述目标工作流并行为多个模型预测任务，通过所述多个模型预测任务对所述预测任务进行梯度预测；将所述梯度预测结果进行汇总，并进行加权操作，获取最终的QoS预测评分。3.根据权利要求2所述的方法，其特征在于，在将所述AI模型进行拆分之前，所述方法还包括：将服务质量QoS进行拆分，拆分为多个性能指标，并将所述性能指标添加进目标预测队列中，以将所述多个模型预测任务标记为所述目标预测队列中对应的性能指标的子任务。4.根据权利要求2所述的方法，其特征在于，所述AI模型为分布式横向联邦学习模型，则所述将所述目标工作流并行为多个模型预测任务，通过所述多个模型预测任务对所述预测任务进行梯度预测，包括：云服务器将联邦学习模型分发至各分布式网络节点；所述分布式网络节点基于所述联邦学习模型，执行模型预测任务，并将所述执行后的预测结果加密梯度上传至所述云服务器；所述云服务器聚合所述预测结果，并将更新迭代后的联邦学习模型分发至所述分布式网络节点，以使所述分布式网络节点更新所述本地保存的联邦学习模型。5.根据权利要求1所述的方法，其特征在于，所述任务执行指令为视频播放指令，则判断在执行任务过程中是否会出现网络时延异常，包括：所述云服务器获取所述视频的流媒体数据，所述流媒体数据中包含视频数据和音频数据；所述云服务器在编码所述视频数据时，预测所述视频数据的编码时间，将所述...

【专利技术属性】
技术研发人员：杨亮，
申请(专利权)人：笈简文创深圳科技有限公司，
类型：发明
国别省市：