CN105471759B - 数据中心的网络流量调度方法和装置 - Google Patents
数据中心的网络流量调度方法和装置 Download PDFInfo
- Publication number
- CN105471759B CN105471759B CN201610016269.8A CN201610016269A CN105471759B CN 105471759 B CN105471759 B CN 105471759B CN 201610016269 A CN201610016269 A CN 201610016269A CN 105471759 B CN105471759 B CN 105471759B
- Authority
- CN
- China
- Prior art keywords
- bandwidth
- data center
- history
- peak
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了数据中心的网络流量调度方法和装置。所述数据中心的网络流量调度方法的一具体实施方式包括:获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息,其中,所述带宽信息包括以下信息:时间戳、与所述时间戳相关联的带宽值;根据所述历史带宽信息,预测各个数据中心在未来预定时间段的带宽值,得到各个数据中心的预测带宽信息;根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值;如果确定存在将会产生新的带宽峰值的问题数据中心,则调整各个数据中心的流量。该实施方式减少了产生新的带宽峰值的情况,从而降低了数据中心的带宽成本。
Description
技术领域
本申请涉及计算机技术领域,具体涉及网络技术领域,尤其涉及数据中心的网络流量调度方法和装置。
背景技术
目前,随着云计算技术的发展与成熟以及全球化的深入发展,为了拥有更高的可靠性和性能,云服务通常运行于包括多个数据中心的垮地域的分布式架构中。为了合理分配各个数据中心的网络流量,现有技术通常是通过设置固定的比例来分配各个数据中心的流量。
然而,在运行过程中,如果某个数据中心的流量即将达到历史峰值,现有技术不能及时对其进行流量调整,从而导致数据中心的带宽成本较高。
发明内容
本申请的目的在于提出一种数据中心的网络流量调度方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请提供了一种数据中心的网络流量调度方法,所述方法包括:获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息,其中,所述带宽信息包括以下信息:时间戳、与所述时间戳相关联的带宽值;根据所述历史带宽信息,预测各个数据中心在未来预定时间段的带宽值,得到各个数据中心的预测带宽信息;根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值;如果确定存在将会产生新的带宽峰值的问题数据中心,则调整各个数据中心的流量。
在一些实施例中,所述历史带宽信息是根据在各个数据中心的外网端口采集到的外网流量生成并保存的。
在一些实施例中,所述根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值,包括:根据各个数据中心的历史带宽信息和当前带宽计费方式,确定各个数据中心的历史带宽基准,其中,所述历史带宽基准是用于计算带宽费用的带宽参数的值;针对每个数据中心,基于数据中心的预测带宽信息与历史带宽基准的比较,确定各个数据中心是否将会产生新的带宽峰值。
在一些实施例中,所述方法还包括:如果确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值,则控制所述问题数据中心的访问用户数量和/或下载速率。
在一些实施例中,所述带宽信息还包括:与所述时间戳相关联的各个云服务所占用的带宽值;以及所述调整各个数据中心的流量,包括:根据所述问题数据中心的历史带宽信息中各个云服务所占用的带宽值,从占用带宽值最大的云服务开始,调整与云服务相关联的各个数据中心的流量。
在一些实施例中,所述方法还包括:如果确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值,则从占用带宽值最大的云服务开始,控制云服务的访问用户数量和/或下载速率。
第二方面,本申请提供了一种数据中心的网络流量调度装置,所述装置包括:历史带宽信息获取单元,用于获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息,其中,所述带宽信息包括以下信息:时间戳、与所述时间戳相关联的带宽值;带宽信息预测单元,用于根据所述历史带宽信息,预测各个数据中心在未来预定时间段的带宽值,得到各个数据中心的预测带宽信息;新带宽峰值产生确定单元,用于根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值;流量调整单元,用于在新带宽峰值产生确定单元确定存在将会产生新的带宽峰值的问题数据中心时,调整各个数据中心的流量。
在一些实施例中,所述装置还包括:历史带宽信息保存单元,用于根据在各个数据中心的外网端口采集到的外网流量生成并保存历史带宽信息。
在一些实施例中,所述新带宽峰值产生确定单元包括:历史带宽基准确定子单元,用于根据各个数据中心的历史带宽信息和当前带宽计费方式,确定各个数据中心的历史带宽基准,其中,所述历史带宽基准是用于计算带宽费用的带宽参数的值;新带宽峰值产生确定子单元,用于针对每个数据中心,基于数据中心的预测带宽信息与历史带宽基准的比较,确定各个数据中心是否将会产生新的带宽峰值。
在一些实施例中,所述装置还包括:第一下载速率控制单元,用于在新带宽峰值产生确定单元确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值时,控制所述问题数据中心的访问用户数量和/或下载速率。
在一些实施例中,所述带宽信息还包括:与所述时间戳相关联的各个云服务所占用的带宽值;以及所述流量调整单元还用于根据所述问题数据中心的历史带宽信息中各个云服务所占用的带宽值,从占用带宽值最大的云服务开始,调整与云服务相关联的各个数据中心的流量。
在一些实施例中,所述装置还包括:第二下载速率控制单元,用于在新带宽峰值产生确定单元确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值时,则从占用带宽值最大的云服务开始,控制云服务的访问用户数量和/或下载速率。
本申请提供的数据中心的网络流量调度方法和装置,通过根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值,并在确定存在将会产生新的带宽峰值的问题数据中心时调整各个数据中心的流量。减少了产生新的带宽峰值的情况,从而降低了数据中心的带宽成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的数据中心的网络流量调度方法的一个实施例的流程图;
图3是根据本申请的数据中心的网络流量调度方法的另一个实施例的流程图;
图4是根据本申请的数据中心的网络流量调度装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的调度服务器的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的网络流量调度方法或网络流量调度装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104、调度服务器105和数据中心106、107、108。网络104用以在终端设备101、102、103和调度服务器105之间,终端设备101、102、103和数据中心106、107、108之间以及数据中心106、107、108和调度服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与数据中心106、107、108交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用,例如浏览器应用、文档管理类应用、搜索类应用、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是支持数据通信的各种智能电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
调度服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上的客户端应用或者数据中心106、107、108等进行网络流量控制的服务器。调度服务器105可以对接收到的数据进行存储、分析等处理,并根据分析结果对数据中心或终端设备的网络流量进行控制。
需要说明的是,本申请实施例所提供的网络流量调度方法通常由调度服务器105执行。相应地,网络流量装置通常设置于调度服务器105中。
应该理解,图1中的终端设备、网络、调度服务器和数据中心的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,图2示出了根据本申请的数据中心的网络流量调度方法的一个实施例的流程200。
如图2所示,本实施例的数据中心的网络流量调度方法包括以下步骤:
步骤201,获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息。
其中,上述带宽信息包括以下信息:时间戳、与上述时间戳相关联的带宽值。
在本实施例中,网络流量调度方法运行于其上的电子设备(例如图1所示的调度服务器)可以通过从计算机可读取的存储介质中(例如数据库)查询出每一个数据中心的历史带宽信息。以从数据库中查询为例,数据库中的历史带宽信息数据可以是预先采集并保存于数据库中的。
步骤202,根据上述历史带宽信息,预测各个数据中心在未来预定时间段的带宽值,得到各个数据中心的预测带宽信息。
在本实施例中,调度服务器可以通过例如神经网络模型预测、曲线拟合预测、灰色预测等预测算法,根据上述历史带宽信息,来预测各个数据中心在未来预定时间段(例如10分钟)的带宽值,得到各个数据中心的预测带宽信息。其中,上述历史带宽信息可以是时间戳处于过去预定时间段内(例如30分钟)的历史带宽信息。
步骤203,根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值。
在本实施例中,调度服务器可以针对每个数据中心,获取数据中心的上述历史带宽信息中的最大带宽值,然后确定数据中心的预测带宽信息中是否有大于上述最大带宽值的预测带宽信息,如果有,则确定该数据中心将会产生新的带宽峰值。
步骤204,如果确定存在将会产生新的带宽峰值的问题数据中心,则调整各个数据中心的流量。
在本实施例中,调度服务器如果确定存在将会产生新的带宽峰值的问题数据中心,则可以通过修改各个数据中心的流量分配比例(例如降低上述问题数据中心的流量分配比例,提高其它数据中心的流量分配比例);或者减少问题数据中心的流量分配量,增加其它数据中心的流量分配量,来调整各个数据中心的流量。这些流量分配比例或流量分配量可以通过配置文件设置,各个数据中心可以通过获取该配置文件中的信息来调整各自的网络流量。
在本实施例的一些可选的实现方式中,上述历史带宽信息是根据在各个数据中心的外网端口采集到的外网流量生成并保存的。调度服务器可以通过接收在每个数据中心的外网端口的交换机进行流量采集得到的流量信息,生成数据中心的带宽信息,并将带宽信息保存到计算机可读取的存储介质(例如数据库)中。
在本实施例的一些可选的实现方式中,步骤203可以包括:根据各个数据中心的历史带宽信息和当前带宽计费方式,确定各个数据中心的历史带宽基准,其中,上述历史带宽基准是用于计算带宽费用的带宽参数的值;针对每个数据中心,基于数据中心的预测带宽信息与历史带宽基准的比较,确定各个数据中心是否将会产生新的带宽峰值。其中,历史带宽基准的计算方法与当前带宽计费方式相关。例如,如果当前带宽计费方式是峰值计费方式,则数据中心的历史带宽基准可以为数据中心的上述历史带宽信息中的最大带宽值;如果当前带宽计费方式是95计费方式,则数据中心的历史带宽基准可以为去除5%的带宽采样点后的峰值。调度服务器在确定各个数据中心的历史带宽基准之后,确定各个数据中心的预测带宽信息中是否有大于上述历史带宽基准的预测带宽信息,如果有,则确定该数据中心将会产生新的带宽峰值(即将产生更高的带宽成本)。通过该实现方式,使调度服务器可以根据不同的带宽计费方式使用相应的计算规则来确定历史带宽基准,并通过历史带宽基准来确定各个数据中心是否将会产生新的带宽峰值,从而使本实施例的方法可以适用于更多的带宽计费方式。
在本实施例的一些可选的实现方式中,本实施例的网络流量调度方法还可以包括:如果确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值,则控制上述问题数据中心的访问用户数量和/或下载速率。通过该实现方式,可以在各个数据中心都接近达到上述带宽峰值(即将产生更高带宽成本)时,通过控制上述问题数据中心的访问用户数量和/或下载速率来减少问题数据中心的网络流量,降低带宽成本。
本实施例提供的数据中心的网络流量调度方法,通过根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值,并在确定存在将会产生新的带宽峰值的问题数据中心时调整各个数据中心的流量。减少了产生新的带宽峰值的情况,从而降低了数据中心的带宽成本。
进一步参考图3,图3示出了根据本申请的数据中心的网络流量调度方法的另一个实施例的流程300。
如图3所示,本实施例的数据中心的网络流量调度方法包括以下步骤:
步骤301,获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息。
其中,上述带宽信息包括以下信息:时间戳、与上述时间戳相关联的带宽值和各个云服务所占用的带宽值。
在本实施例中,步骤301与图2对应实施例中步骤201的区别在于,上述带宽信息还包括与上述时间戳相关联的带宽值和各个云服务所占用的带宽值。其中,各个云服务所占用的带宽值可以通过在各个数据中心的外网端口采集到的外网流量获取并保存。步骤301的其它方面的具体处理可参考图2对应实施例中步骤201的相关说明,在此不再赘述。
步骤302,根据上述历史带宽信息,预测各个数据中心在未来预定时间段的带宽值,得到各个数据中心的预测带宽信息。
在本实施例中,步骤302的具体处理可参考图2对应实施例中步骤202的相关说明,在此不再赘述。
步骤303,根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值。
在本实施例中,步骤303的具体处理可参考图2对应实施例中步骤203的相关说明,在此不再赘述。
步骤304,如果确定存在将会产生新的带宽峰值的问题数据中心,则根据上述问题数据中心的历史带宽信息中各个云服务所占用的带宽值,从占用带宽值最大的云服务开始,调整与云服务相关联的各个数据中心的流量。
在本实施例中,调度服务器如果确定存在将会产生新的带宽峰值的问题数据中心,则可以先获取上述问题数据中心的历史带宽信息中各个云服务所占用的带宽值,然后从占用带宽值最大的云服务开始,通过控制该云服务运行于其上的各个数据中心的网络流量的分配比例或者分配量,或者控制访问该云服务的客户端(例如图1所示的终端设备)的流量,来调整与云服务相关联的各个数据中心的流量。
在本实施例的一些可选的实现方式中,本实施例的网络流量调度方法还可以包括:如果确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值,则从占用带宽值最大的云服务开始,控制云服务的访问用户数量和/或下载速率。通过该实现方式,可以在各个数据中心都接近达到上述带宽峰值(即将产生更高带宽成本)时,通过控制上述问题数据中心的占用带宽值大的云服务的访问用户数量和/或下载速率来减少问题数据中心的网络流量,降低带宽成本。
从图3中可以看出,与图2对应的实施例相比,本实施例中的网络流量调度方法的流程300进一步细化到了对云服务的流量控制。由此,本实施例描述的方案可以更加精准地调度数据中心的网络流量。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种数据中心的网络流量调度装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于调度服务器中。
如图4所示,本实施例的数据中心的装置400包括:历史带宽信息获取单元401、带宽信息预测单元402、新带宽峰值产生确定单元403以及流量调整单元404。其中,历史带宽信息获取单元401用于获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息,其中,上述带宽信息包括以下信息:时间戳、与上述时间戳相关联的带宽值;带宽信息预测单元402用于根据上述历史带宽信息,预测各个数据中心在未来预定时间段的带宽值,得到各个数据中心的预测带宽信息;新带宽峰值产生确定单元403用于根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值;流量调整单元404用于在新带宽峰值产生确定单元确定存在将会产生新的带宽峰值的问题数据中心时,调整各个数据中心的流量。
在本实施例中,历史带宽信息获取单元401、带宽信息预测单元402、新带宽峰值产生确定单元403以及流量调整单元404的具体处理可分别参考图2对应实施例中步骤201、步骤202、步骤203以及步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,本实施例的网络流量调度装置还可以包括:历史带宽信息保存单元405,用于根据在各个数据中心的外网端口采集到的外网流量生成并保存历史带宽信息。历史带宽信息保存单元405的具体处理可参考图2对应实施例中相应实现方式的相关描述,在此不再赘述。
在本实施例的一些可选的实现方式中,新带宽峰值产生确定单元403可以包括:历史带宽基准确定子单元4031,用于根据各个数据中心的历史带宽信息和当前带宽计费方式,确定各个数据中心的历史带宽基准,其中,上述历史带宽基准是用于计算带宽费用的带宽参数的值;新带宽峰值产生确定子单元4032,用于针对每个数据中心,基于数据中心的预测带宽信息与历史带宽基准的比较,确定各个数据中心是否将会产生新的带宽峰值。该实现方式的具体处理及其所带来的技术效果可参考图2对应实施例中相应实现方式的相关描述,在此不再赘述。
在本实施例的一些可选的实现方式中,本实施例的网络流量调度装置还可以包括:第一下载速率控制单元406,用于在新带宽峰值产生确定单元确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值时,控制上述问题数据中心的访问用户数量和/或下载速率。通过该实现方式,可以在各个数据中心都接近达到上述带宽峰值(即将产生更高带宽成本)时,通过控制上述问题数据中心的访问用户数量和/或下载速率来减少问题数据中心的网络流量,降低带宽成本。
在本实施例的一些可选的实现方式中,上述带宽信息还可以包括:与上述时间戳相关联的各个云服务所占用的带宽值。以及,上述流量调整单元404还可以用于根据上述问题数据中心的历史带宽信息中各个云服务所占用的带宽值,从占用带宽值最大的云服务开始,调整与云服务相关联的各个数据中心的流量。该实现方式的具体处理可参考图3对应实施例中步骤301和步骤304的相关描述,在此不再赘述。通过该实现方式,进一步细化到了对云服务的流量控制,从而可以更加精准地调度数据中心的网络流量。
基于上述实现方式,在本实施例的一些可选的实现方式中,本实施例的网络流量调度装置还可以包括:第二下载速率控制单元407,用于在新带宽峰值产生确定单元确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值时,则从占用带宽值最大的云服务开始,控制云服务的访问用户数量和/或下载速率。该实现方式的具体处理及其所带来的技术效果可参考图3对应实施例中相应实现方式的相关描述,在此不再赘述。
本领域技术人员可以理解,上述网络流量调度装置400还可以包括一些其他公知结构,例如处理器、存储器等,为了不必要地模糊本公开的实施例,这些公知的结构在图4中未示出。
下面参考图5,其示出了适于用来实现本申请实施例的调度服务器的计算机***500的结构示意图。
如图5所示,计算机***500可以包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括硬盘等的存储部分506;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分507。通信部分507经由诸如因特网的网络执行通信处理。驱动器508也根据需要连接至I/O接口505。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分507从网络上被下载和安装,和/或从可拆卸介质(例如磁盘、光盘、磁光盘、半导体存储器等)被安装。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括历史带宽信息获取单元、带宽信息预测单元、新带宽峰值产生确定单元以及流量调整单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,历史带宽信息获取单元还可以被描述为“获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息的单元”。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备:获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息,其中,所述带宽信息包括以下信息:时间戳、与所述时间戳相关联的带宽值;根据所述历史带宽信息,预测各个数据中心在未来预定时间段的带宽值,得到各个数据中心的预测带宽信息;根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值;如果确定存在将会产生新的带宽峰值的问题数据中心,则调整各个数据中心的流量。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种数据中心的网络流量调度方法,其特征在于,所述方法包括:
获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息,其中,所述带宽信息包括以下信息:时间戳、与所述时间戳相关联的带宽值;
利用神经网络模型预测算法和/或曲线拟合预测算法和/或灰色预测算法,根据所述历史带宽信息,预测各个数据中心在未来预定时间段的带宽值,得到各个数据中心的预测带宽信息;
根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值;
如果确定存在将会产生新的带宽峰值的问题数据中心,则调整各个数据中心的流量;
其中,所述根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值,包括:
根据各个数据中心的历史带宽信息和当前带宽计费方式,确定各个数据中心的历史带宽基准,其中,所述历史带宽基准是用于计算带宽费用的带宽参数的值;
针对每个数据中心,基于数据中心的预测带宽信息与历史带宽基准的比较,确定各个数据中心是否将会产生新的带宽峰值。
2.根据权利要求1所述的方法,其特征在于,所述历史带宽信息是根据在各个数据中心的外网端口采集到的外网流量生成并保存的。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
如果确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值,则控制所述问题数据中心的访问用户数量和/或下载速率。
4.根据权利要求1或2所述的方法,其特征在于,所述带宽信息还包括:与所述时间戳相关联的各个云服务所占用的带宽值;以及
所述调整各个数据中心的流量,包括:
根据所述问题数据中心的历史带宽信息中各个云服务所占用的带宽值,从占用带宽值最大的云服务开始,调整与云服务相关联的各个数据中心的流量。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
如果确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值,则从占用带宽值最大的云服务开始,控制云服务的访问用户数量和/或下载速率。
6.一种数据中心的网络流量调度装置,其特征在于,所述装置包括:
历史带宽信息获取单元,用于获取预存的至少两个数据中心中的每一个数据中心的历史带宽信息,其中,所述带宽信息包括以下信息:时间戳、与所述时间戳相关联的带宽值;
带宽信息预测单元,用于利用神经网络模型预测算法和/或曲线拟合预测算法和/或灰色预测算法,根据所述历史带宽信息,预测各个数据中心在未来预定时间段的带宽值,得到各个数据中心的预测带宽信息;
新带宽峰值产生确定单元,用于根据各个数据中心的历史带宽信息和预测带宽信息,确定各个数据中心是否将会产生新的带宽峰值;
流量调整单元,用于在新带宽峰值产生确定单元确定存在将会产生新的带宽峰值的问题数据中心时,调整各个数据中心的流量;
其中,所述新带宽峰值产生确定单元包括:
历史带宽基准确定子单元,用于根据各个数据中心的历史带宽信息和当前带宽计费方式,确定各个数据中心的历史带宽基准,其中,所述历史带宽基准是用于计算带宽费用的带宽参数的值;
新带宽峰值产生确定子单元,用于针对每个数据中心,基于数据中心的预测带宽信息与历史带宽基准的比较,确定各个数据中心是否将会产生新的带宽峰值。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
历史带宽信息保存单元,用于根据在各个数据中心的外网端口采集到的外网流量生成并保存历史带宽信息。
8.根据权利要求6或7所述的装置,其特征在于,所述装置还包括:
第一下载速率控制单元,用于在新带宽峰值产生确定单元确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值时,控制所述问题数据中心的访问用户数量和/或下载速率。
9.根据权利要求6或7所述的装置,其特征在于,所述带宽信息还包括:与所述时间戳相关联的各个云服务所占用的带宽值;以及
所述流量调整单元还用于根据所述问题数据中心的历史带宽信息中各个云服务所占用的带宽值,从占用带宽值最大的云服务开始,调整与云服务相关联的各个数据中心的流量。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第二下载速率控制单元,用于在新带宽峰值产生确定单元确定存在将会产生新的带宽峰值的问题数据中心,并且如果其他数据中心经调整流量后也将会产生新的带宽峰值时,则从占用带宽值最大的云服务开始,控制云服务的访问用户数量和/或下载速率。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610016269.8A CN105471759B (zh) | 2016-01-11 | 2016-01-11 | 数据中心的网络流量调度方法和装置 |
HK16109191.0A HK1221346A1 (zh) | 2016-01-11 | 2016-08-02 | 數據中心的網絡流量調度方法和裝置 |
JP2016163009A JP6457447B2 (ja) | 2016-01-11 | 2016-08-23 | データセンターのネットワークトラフィックスケジューリング方法及び装置 |
BR102016021194-8A BR102016021194B1 (pt) | 2016-01-11 | 2016-09-14 | Método e dispositivo de gestão de tráfego na rede do centro de dados |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610016269.8A CN105471759B (zh) | 2016-01-11 | 2016-01-11 | 数据中心的网络流量调度方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105471759A CN105471759A (zh) | 2016-04-06 |
CN105471759B true CN105471759B (zh) | 2018-06-01 |
Family
ID=55609050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610016269.8A Active CN105471759B (zh) | 2016-01-11 | 2016-01-11 | 数据中心的网络流量调度方法和装置 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP6457447B2 (zh) |
CN (1) | CN105471759B (zh) |
BR (1) | BR102016021194B1 (zh) |
HK (1) | HK1221346A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4072086A4 (en) * | 2019-12-26 | 2023-01-25 | Huawei Cloud Computing Technologies Co., Ltd. | BANDWIDTH PLANNING METHOD, TRAFFIC TRANSMISSION METHOD AND RELATED PRODUCT |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108092910B (zh) * | 2016-11-23 | 2021-07-20 | 腾讯科技(深圳)有限公司 | 数据流量调度方法和装置 |
CN107124375B (zh) * | 2017-03-27 | 2020-02-18 | 网宿科技股份有限公司 | Cdn网络带宽资源的错峰调度方法、***以及服务器 |
CN107248959B (zh) * | 2017-06-30 | 2020-07-24 | 联想(北京)有限公司 | 一种流量优化方法及装置 |
CN107846614B (zh) * | 2017-10-19 | 2020-09-11 | 北京奇艺世纪科技有限公司 | 一种视频流量调度方法、装置及电子设备 |
CN110198543B (zh) * | 2018-03-26 | 2021-11-05 | 腾讯科技(深圳)有限公司 | 网络资源规划方法、装置、计算机可读介质及电子设备 |
CN111464323A (zh) * | 2019-01-18 | 2020-07-28 | 北京沃东天骏信息技术有限公司 | 节点带宽的调度方法和调度装置 |
CN110493072A (zh) * | 2019-07-11 | 2019-11-22 | 网宿科技股份有限公司 | 基于深度学习的带宽滤波方法、装置、服务器及存储介质 |
US11005689B2 (en) | 2019-07-11 | 2021-05-11 | Wangsu Science & Technology Co., Ltd. | Method and apparatus for bandwidth filtering based on deep learning, server and storage medium |
CN110474852B (zh) * | 2019-08-01 | 2023-06-20 | 网宿科技股份有限公司 | 一种带宽调度方法及装置 |
CN112437015A (zh) * | 2019-08-26 | 2021-03-02 | 中国电信股份有限公司 | 分流调度方法、装置、***和计算机可读存储介质 |
CN110519104B (zh) * | 2019-09-18 | 2022-06-14 | 深圳市梦网视讯有限公司 | 一种基于错峰度的带宽复用方法及*** |
CN111355609B (zh) * | 2020-02-18 | 2023-04-07 | 山西知脉信息技术有限公司 | 一种互联网数据中心带宽资源冗余调整方法 |
CN111787046B (zh) * | 2020-03-02 | 2022-09-30 | 北京沃东天骏信息技术有限公司 | 数据中心路由方法和装置 |
CN111490940B (zh) * | 2020-03-17 | 2022-12-27 | 中移(杭州)信息技术有限公司 | 确定数据转发路径的方法、电子设备以及存储介质 |
CN111431752B (zh) * | 2020-04-01 | 2023-04-07 | 中核武汉核电运行技术股份有限公司 | 一种基于自适应流量控制的安全探测方法 |
CN111970132B (zh) * | 2020-06-29 | 2023-05-26 | 百度在线网络技术(北京)有限公司 | Ota数据包下发流量的控制方法、装置及服务器 |
CN111988388B (zh) * | 2020-08-13 | 2023-05-16 | 北京达佳互联信息技术有限公司 | 流量分配的方法、装置、电子设备及存储介质 |
CN112235256A (zh) * | 2020-09-24 | 2021-01-15 | 中国电建集团海外投资有限公司 | 一种基于公有云的数据传输方法 |
CN111901131B (zh) * | 2020-09-29 | 2021-01-01 | 杭州优云科技有限公司 | 一种流量计费的调度方法、存储介质和计算机 |
CN112073445B (zh) * | 2020-11-16 | 2021-01-29 | 浙江山迅网络科技有限公司 | 混合端口流量调度方法、装置、可读存储介质及电子设备 |
CN112491564B (zh) * | 2020-11-18 | 2023-06-02 | 北京金山云网络技术有限公司 | 网络设备的带宽计费值检测方法、装置、设备及介质 |
CN114697224B (zh) * | 2020-12-28 | 2024-04-26 | 北京金山云网络技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN113132151A (zh) * | 2021-03-10 | 2021-07-16 | 上海翌旭网络科技有限公司 | 一种充分利用多机房免费点来降低cdn带宽总成本的方法 |
CN113114540B (zh) * | 2021-04-23 | 2024-03-01 | 百果园技术(新加坡)有限公司 | 一种带宽预测器的设置、服务调整方法及相关装置 |
CN115250219B (zh) * | 2021-04-25 | 2023-09-15 | 北京金山云网络技术有限公司 | 削峰进度的预测方法、装置和电子设备 |
CN113835882A (zh) * | 2021-09-07 | 2021-12-24 | 中移(杭州)信息技术有限公司 | 基于流量预测的节能方法、装置及可读存储介质 |
CN113949741B (zh) * | 2021-10-14 | 2023-07-21 | 北京奇艺世纪科技有限公司 | 一种调度方法、调度装置、电子设备及存储介质 |
CN114039917A (zh) * | 2021-11-26 | 2022-02-11 | 中国电信集团***集成有限责任公司 | 一种网络流量调度综合判定方法及*** |
CN114338470A (zh) * | 2021-12-21 | 2022-04-12 | ***数智科技有限公司 | 一种端口网络流量调度判定方法及*** |
CN114465915A (zh) * | 2021-12-22 | 2022-05-10 | 天翼云科技有限公司 | 一种cdn带宽预测方法、装置、***和电子设备 |
WO2024016092A1 (en) * | 2022-07-16 | 2024-01-25 | Microsoft Technology Licensing, Llc | Multi-level network traffic management |
CN117061354B (zh) * | 2023-10-10 | 2024-01-12 | 北京火山引擎科技有限公司 | Cdn中的信息处理方法、***、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101695050A (zh) * | 2009-10-19 | 2010-04-14 | 浪潮电子信息产业股份有限公司 | 一种基于网络流量自适应预测的动态负载均衡方法 |
CN102739798A (zh) * | 2012-07-05 | 2012-10-17 | 成都国腾实业集团有限公司 | 具有网络感知功能的云平台资源调度方法 |
CN104052820A (zh) * | 2014-06-27 | 2014-09-17 | 国家计算机网络与信息安全管理中心 | 一种分布式云计算平台的动态节能资源调度***及方法 |
CN104994123A (zh) * | 2015-05-12 | 2015-10-21 | 段利平 | 一种cdn云平台及cdn云平台的流量调度方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2456026A (en) * | 2007-12-26 | 2009-07-01 | Contendo Inc | CDN balancing and sharing platform |
CN102782710B (zh) * | 2009-10-07 | 2016-08-24 | 鲁库斯无线公司 | 包括自调整流量执行功能的计算机网络服务提供*** |
JP5970256B2 (ja) * | 2012-06-26 | 2016-08-17 | 株式会社日立製作所 | 運用計画策定支援システム及び方法 |
JP2014147002A (ja) * | 2013-01-30 | 2014-08-14 | Nec Corp | Ict資源管理装置 |
JP6186287B2 (ja) * | 2014-01-23 | 2017-08-23 | 株式会社日立製作所 | システムの管理サーバ及び制御方法 |
CN104410582B (zh) * | 2014-12-10 | 2017-10-10 | 国家电网公司 | 一种基于流量预测的电力通信网流量均衡方法 |
-
2016
- 2016-01-11 CN CN201610016269.8A patent/CN105471759B/zh active Active
- 2016-08-02 HK HK16109191.0A patent/HK1221346A1/zh unknown
- 2016-08-23 JP JP2016163009A patent/JP6457447B2/ja active Active
- 2016-09-14 BR BR102016021194-8A patent/BR102016021194B1/pt active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101695050A (zh) * | 2009-10-19 | 2010-04-14 | 浪潮电子信息产业股份有限公司 | 一种基于网络流量自适应预测的动态负载均衡方法 |
CN102739798A (zh) * | 2012-07-05 | 2012-10-17 | 成都国腾实业集团有限公司 | 具有网络感知功能的云平台资源调度方法 |
CN104052820A (zh) * | 2014-06-27 | 2014-09-17 | 国家计算机网络与信息安全管理中心 | 一种分布式云计算平台的动态节能资源调度***及方法 |
CN104994123A (zh) * | 2015-05-12 | 2015-10-21 | 段利平 | 一种cdn云平台及cdn云平台的流量调度方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4072086A4 (en) * | 2019-12-26 | 2023-01-25 | Huawei Cloud Computing Technologies Co., Ltd. | BANDWIDTH PLANNING METHOD, TRAFFIC TRANSMISSION METHOD AND RELATED PRODUCT |
Also Published As
Publication number | Publication date |
---|---|
CN105471759A (zh) | 2016-04-06 |
JP6457447B2 (ja) | 2019-01-23 |
BR102016021194B1 (pt) | 2024-02-06 |
JP2017126975A (ja) | 2017-07-20 |
BR102016021194A2 (pt) | 2017-07-18 |
HK1221346A1 (zh) | 2017-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105471759B (zh) | 数据中心的网络流量调度方法和装置 | |
CN108009023B (zh) | 混合云中基于bp神经网络时间预测的任务调度方法 | |
CN106383766B (zh) | ***监控方法和装置 | |
CN106201661B (zh) | 用于弹性伸缩虚拟机集群的方法和装置 | |
CN107818118B (zh) | 数据存储方法和装置 | |
CN104679595B (zh) | 一种面向应用的IaaS层动态资源分配方法 | |
CN107766132A (zh) | 多任务调度方法、应用服务器及计算机可读存储介质 | |
CN107094165A (zh) | 配送能力确定、配送任务获取、配送资源调度方法和设备 | |
Le Tan et al. | Location-aware load prediction in edge data centers | |
CN109492536A (zh) | 一种基于5g架构的人脸识别方法及*** | |
CN108512672B (zh) | 业务编排方法、业务管理方法及装置 | |
CN105468161B (zh) | 指令执行方法和装置 | |
WO2022001941A1 (zh) | 网元管理方法、网管***、独立计算节点、计算机设备、存储介质 | |
CN106455056A (zh) | 定位方法和装置 | |
CN103561078A (zh) | 电信运营***及业务服务方法 | |
CN106453143A (zh) | 带宽设置方法、装置和*** | |
CN110166507A (zh) | 多资源调度方法和装置 | |
CN110287266A (zh) | 一种分布式***及数据处理方法 | |
CN109409693A (zh) | 一种商业合作模式推荐方法及相关设备 | |
CN110020966A (zh) | 应用于智能电网的数据处理方法和装置 | |
CN108345462A (zh) | 组件升级的方法和装置 | |
CN105335313A (zh) | 一种基础数据的传输方法及装置 | |
CN110471769A (zh) | 一种虚拟机的资源管理方法及装置 | |
CN113138847B (zh) | 基于联邦学习的计算机资源分配调度方法和装置 | |
CN107645411B (zh) | 一种基于线性规划的通道流量调拨方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1221346 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |