一种基于深度学习的CDN流量预测与分配方法组成比例

本发明专利技术涉及互联网CDN技术领域，提出了一种基于深度学习的CDN流量预测与分配方法，包括基于循环神经网络算法的流量预测系统，流量预测系统包括数据处理、模型训练和模型评估；其中数据处理是对原始数据进行处理，原始数据取自CDN，为各域名产生的真实流量带宽数据，记录每个域名当天的流量带宽峰值。通过上述技术方案，解决了现有基于深度学习的CDN流量预测与分配方法当业务流量过大，超过CDN承载能力时，会造成网络拥塞，即使临时调整带宽上线，也势必会影响用户访问体验；又或是流量分配不均，将大多数流量集中在一家CDN，造成其他CDN资源闲置浪费，使用多家CDN时，存在着无法预知的高流量风险且流量配比不佳，CDN利用率低的问题。

【技术实现步骤摘要】

本专利技术涉及互联网cdn，具体的，涉及一种基于深度学习的cdn流量预测与分配方法。

技术介绍

1、随着互联网行业与运营商5g建设的快速发展，企业网站、app的数据流量越来越大，为了防止超大流量耗尽企业机房公网出口的资源，导致影响用户体验，企业都会选择cdn作为承载前端大流量的手段；另外，出于商业考量和冗余备份的目的，企业通常会选择多于2家不同厂商的cdn，既可以进行流量负载分担，降低运营成本，也能在其中一家cdn出现故障时可以切换到其他cdn，以确保用户体验；

2、经检索，申请公告号为cn108989487a的基于本地dns的cdn优化调度方法，该专利技术提升用户体验；提升本地dns服务能力；故障内容源秒级切换；节省运营商骨干网带宽；用户需求就近响应，一方面提升了用户的访问体验，提升了运营商的竞争力；另一方面极大地节省了运营商上行的骨干网带宽，节省了运营商的成本；

3、但是上述现有的基于深度学习的cdn流量预测与分配方法当业务流量过大，超过cdn承载能力时，会造成网络拥塞，即使临时调整带宽上线，也势必会影响用户访问体验；又或是流量本文档来自技高网...

【技术保护点】

1.一种基于深度学习的CDN流量预测方法，其特征在于，包括基于循环神经网络算法的流量预测系统，流量预测系统包括数据处理、模型训练和模型评估；

2.根据权利要求1所述的基于深度学习的CDN流量预测方法，其特征在于，原始数据按域名进行分类，取时间和当日带宽峰值两个维度，数据范围为一年内。

3.根据权利要求2所述的基于深度学习的CDN流量预测方法，其特征在于，每个域名的前60％数据作为训练集，后40％数据作为测试集，并进行归一化处理。

4.根据权利要求3所述的基于深度学习的CDN流量预测方法，其特征在于，模型训练部分选择使用Tensor框架进行模型搭建，定义...

【技术特征摘要】

1.一种基于深度学习的cdn流量预测方法，其特征在于，包括基于循环神经网络算法的流量预测系统，流量预测系统包括数据处理、模型训练和模型评估；

2.根据权利要求1所述的基于深度学习的cdn流量预测方法，其特征在于，原始数据按域名进行分类，取时间和当日带宽峰值两个维度，数据范围为一年内。

3.根据权利要求2所述的基于深度学习的cdn流量预测方法，其特征在于，每个域名的前60％数据作为训练集，后40％数据作为测试集，并进行归一化处理。

4.根据权利要求3所述的基于深度学习的cdn流量预测方法，其特征在于，模型训练部分选择使用tensor框架进行模型搭建，定义输入层、隐藏层和输出层，使用训练集数据进行模型训练，模型训练包括：

5.根据权利要求4所述的基于深度学习的cdn流量预测方法，其特征在于，模型训练采用使用测试集进行模型评估，比对输出结果与真实数据的差异大小，同时结合mse进行模型优劣评估。

6.一种基于深度学习的cdn流量分配方法，应用于权利要求1-5任意一条所述的...

【专利技术属性】
技术研发人员：胡越超，
申请(专利权)人：天翼视讯传媒有限公司，
类型：发明
国别省市：