一种节点带宽监测方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种节点带宽监测方法、装置、电子设备及存储介质，涉及互联网技术领域，尤其涉及内容分发网络节点带宽监测、机器学习等技术领域。具体实现方案为：获取待检测CDN节点当前时间段内的运行数据，利用所述待检测CDN节点当前时间段内的运行数据，对预先确定的流量

【技术实现步骤摘要】
一种节点带宽监测方法、装置、电子设备及存储介质


[0001]本公开涉及互联网
，尤其涉及内容分发网络节点带宽监测、机器学习等
，具体涉及一种节点带宽监测方法、装置、电子设备及存储介质。

技术介绍

[0002]CDN(Content Delivery Network，内容分发网络)是一种用于缓存、分发互联网资源文件的网络系统，通过将各种互联网资源(比如文档、图片、视频等)缓存至离用户较近的边缘节点服务器上，提高用户访问互联网资源的速度。CDN节点服务器能够承载的带宽与该节点服务器的硬件等限制条件密切相关。

技术实现思路

[0003]本公开提供了一种节点带宽监测方法、装置、电子设备及存储介质。
[0004]根据本公开的一方面，提供了一种节点带宽监测方法，包括：
[0005]获取待检测CDN节点当前时间段内的运行数据，其中，所述运行数据包括所述待检测CDN节点的流量特征数据以及资源消耗数据；
[0006]利用所述待检测CDN节点当前时间段内的运行数据，对预先确定的流量
‑
资源消耗模型及模型误差指标进行更新；
[0007]基于流量
‑
资源消耗模型，确定所述待检测CDN节点在资源使用量达到阈值时能够承载的带宽值，得到所述待检测CDN节点的节点单机带宽值；
[0008]根据所述待检测CDN节点的节点单机带宽值及所述模型误差指标，确定所述待检测CDN节点的监测带宽。
[0009]根据本公开的另一方面，提供了一种节点带宽监测装置，包括：
[0010]数据获取模块，用于获取待检测CDN节点当前时间段内的运行数据，其中，所述运行数据包括所述待检测CDN节点的流量特征数据以及资源消耗数据；
[0011]模型更新模块，用于利用所述待检测CDN节点当前时间段内的运行数据，对预先确定的流量
‑
资源消耗模型及模型误差指标进行更新；
[0012]带宽预测模块，用于基于流量
‑
资源消耗模型，确定所述待检测CDN节点在资源使用量达到阈值时能够承载的带宽值，得到所述待检测CDN节点的节点单机带宽值；
[0013]带宽监测模块，用于根据所述待检测CDN节点的节点单机带宽值及所述模型误差指标，确定所述待检测CDN节点的监测带宽。
[0014]根据本公开的另一方面，提供了一种电子设备，包括：
[0015]至少一个处理器；以及
[0016]与所述至少一个处理器通信连接的存储器；其中，
[0017]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开中任一项所述的节点带宽监测方法。
[0018]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开中任一项所述的节点带宽监测方法。
[0019]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开中任一项所述的节点带宽监测方法。
[0020]本公开实施例，实现了节点带宽的监测。
[0021]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0023]图1是根据本公开的节点带宽监测方法的一种示意图；
[0024]图2是根据本公开的流量
‑
资源消耗模型的一种获取方式示意图；
[0025]图3是根据本公开的节点单机带宽值确定方式的一种示意图；
[0026]图4是根据本公开的节点监测带宽确定方式的一种示意图；
[0027]图5是根据本公开的节点带宽监测装置的一种示意图；
[0028]图6是用来实现本公开实施例的节点带宽监测方法的电子设备的框图。
具体实施方式
[0029]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0030]CDN是一种用于缓存、分发互联网资源文件的网络系统，受CDN边缘节点服务器的硬件等限制，CDN边缘节点服务器的服务能力有限。通常使用服务器能承载的最大带宽衡量服务器的服务能力，服务器能承载的最大带宽可以称为单机带宽能力。某一CDN边缘节点下所有服务器的单机带宽能力的累加即为该CDN节点的可用带宽。进而CDN流量调度系统可以根据各CDN节点的可用带宽，将不超过各CDN节点可用带宽的用户请求调度至该CDN节点。
[0031]CDN节点下服务器的单机带宽能力和该CDN节点上的流量使用场景，以及服务器的硬件配置密切相关。在不同的流量场景下，服务器的单机带宽能力差别较大，比如，因相同带宽下，文件越大对应的请求数越少，进而当用户访问大文件时，服务器的单机带宽能力会更高。
[0032]相关技术中，使用压测的方法来获取服务器的单机带宽能力，具体的，可以不断增加服务器承载的带宽值，直至服务器的硬件利用率达到阈值，将服务器的硬件利用率达到阈值时对应的承载带宽值，确定为该服务器的单机带宽能力。然而，使用压测方法获取服务器的单机带宽能力，仅能保证压测时对应的流量场景下单机带宽能力的准确性，而无法保证其他流量场景下服务器单机带宽能力的准确性。
[0033]实际应用中，不同CDN节点上的流量场景通常是不同的，相应的，每个CDN节点的单机带宽能力也是不同的，在某一时刻某一CDN节点上压测得到的单机带宽能力不能够代表
所有时刻该CDN节点的单机带宽能力，使得如果使用压测方法得到的CDN节点的单机带宽能力，计算各CDN节点的可用带宽，就会导致各CDN节点的可用带宽不准确，从而造成调度至各CDN节点的请求不均衡，影响各CDN节点间的负载均衡。
[0034]为了实现对节点带宽的监测，本公开实施例提供了一种节点带宽监测方法，参见图1，包括：S101，获取待检测CDN节点当前时间段内的运行数据，其中，所述运行数据包括所述待检测CDN节点的流量特征数据以及资源消耗数据；S102，利用所述待检测CDN节点当前时间段内的运行数据，对预先确定的流量
‑
资源消耗模型及模型误差指标进行更新；S103，基于流量
‑
资源消耗模型，确定所述待检测CDN节点在资源使用量达到阈值时能够承载的带宽值，得到所述待检测CDN节点的节点单机带宽值；S104，根据所述待检测CDN节点的节点单机带宽值及所述模型误差指标，确定所述待检测CDN节点的监测带宽。
[0035]本公开实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种节点带宽监测方法，包括：获取待检测CDN节点当前时间段内的运行数据，其中，所述运行数据包括所述待检测CDN节点的流量特征数据以及资源消耗数据；利用所述待检测CDN节点当前时间段内的运行数据，对预先确定的流量
‑
资源消耗模型及模型误差指标进行更新；基于流量
‑
资源消耗模型，确定所述待检测CDN节点在资源使用量达到阈值时能够承载的带宽值，得到所述待检测CDN节点的节点单机带宽值；根据所述待检测CDN节点的节点单机带宽值及所述模型误差指标，确定所述待检测CDN节点的监测带宽。2.根据权利要求1所述的方法，所述方法还包括：获取所述待检测CDN节点历史时间段内的运行数据；将所述历史时间段内的流量特征数据作为算法模型的样本输入特征、将所述历史时间段内的资源消耗数据作为算法模型的样本输出特征，得到所述历史时间段内的样本数据；利用所述历史时间段内的样本数据对算法模型进行训练，得到流量
‑
资源消耗模型及模型误差指标。3.根据权利要求2所述的方法，在所述利用所述历史时间段内的样本数据对算法模型进行训练，得到流量
‑
资源消耗模型及模型误差指标之前，所述方法还包括：对所述历史时间段内的样本数据进行过滤处理，得到过滤处理后的样本数据；对所述过滤处理后的样本数据进行维度转换，得到用于算法模型训练的样本数据。4.根据权利要求1述的方法，其中，所述基于流量
‑
资源消耗模型，确定所述待检测CDN节点在资源使用量达到阈值时能够承载的带宽值，得到所述待检测CDN节点的节点单机带宽值，包括：获取所述待检测CDN节点当前时间段内指定时间段的流量特征数据；所述指定时间段为所述当前时间段内最近一次流量使用高峰期对应的时间段；基于所述指定时间段的流量特征数据，利用所述流量
‑
资源消耗模型，预测所述待检测CDN节点在资源使用量达到阈值时能够承载的带宽值，得到所述待检测CDN节点的节点单机带宽值。5.根据权利要求4述的方法，其中，所述基于所述指定时间段的流量特征数据，利用所述流量
‑
资源消耗模型，预测所述待检测CDN节点在资源使用量达到阈值时能够承载的带宽值，得到所述待检测CDN节点的节点单机带宽值，包括：将所述指定时间段的流量特征数据作为所述流量
‑
资源消耗模型的输入，利用所述流量
‑
资源消耗模型对所述指定时间段的流量特征数据对应的资源消耗数据进行预测，得到目标资源消耗值；判断所述目标资源消耗值，是否达到所述待检测CDN节点资源使用量的阈值；如果是，则将所述目标资源消耗值，确定为所述待检测CDN节点的节点单机带宽值；如果否，则利用预设缩放比例对所述指定时间段的流量特征数据进行缩放，并将缩放后的流量特征数据更新为所述指定时间段的流量特征数据，返回执行将所述指定时间段的流量特征数据作为所述流量
‑
资源消耗模型的输入，利用所述流量
‑
资源消耗模型对所述指定时间段的流量特征数据对应的资源消耗数据进行预测，得到目标资源消耗值的步骤。
6.根据权利要求1所述的方法，其中，所述根据所述待检测CDN节点的节点单机带宽值及所述模型误差指标，确定所述待检测CDN节点的监测带宽，包括：获取所述待检测CDN节点在不同历史时间段内的节点单机带宽值及所述模型误差指标；基于各历史时间段和当前时间段内的模型误差指标以及运行数据，分别确定各历史时间段和当前时间段内节点单机带宽值的置信度；基于所述各历史时间段和当前时间段内节点单机带宽值的置信度，确定所述各历史时间段和当前时间段内节点单机带宽值的权重系数；根据所述各历史时间段和当前时间段内节点单机带宽值及其权重系数，确定所述待检测CDN节点的监测带宽。7.根据权利要求1所述的方法，还包括：对所述模型误差指标以及所述待检测CDN节点的节点单机带宽值进行存储。8.一种节点带宽监测装置，包括：数据获取模块，用于获取待检测CDN节点当前时间段内的运行数据，其中，所述运行数据包括所述待检测CDN节点的流量特征数据以及...

【专利技术属性】
技术研发人员：李铸，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：