CN112243025B - 节点成本的调度方法、电子设备及存储介质 - Google Patents
节点成本的调度方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112243025B CN112243025B CN202011001218.0A CN202011001218A CN112243025B CN 112243025 B CN112243025 B CN 112243025B CN 202011001218 A CN202011001218 A CN 202011001218A CN 112243025 B CN112243025 B CN 112243025B
- Authority
- CN
- China
- Prior art keywords
- node
- bandwidth
- cost
- edge node
- edge
- 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 50
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 6
- 241000257303 Hymenoptera Species 0.000 description 22
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 241000894007 species Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002957 persistent organic pollutant Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例涉及计算机技术领域,公开了一种节点成本的调度方法、电子设备及存储介质。本发明中节点成本的调度方法,实时获取当前时刻每个边缘节点的带宽;根据每个边缘节点的带宽,获取空闲节点和忙碌节点,忙碌节点为带宽大于第一参考值的边缘节点,空闲节点为带宽小于第一参考值的边缘节点,第一参考值为在所述当前时刻下边缘节点的计划成本带宽;将所述忙碌节点的带宽按照从高到低的顺序依次调度至空闲节点。通过本实施例,能够及时对网络中的边缘节点进行带宽调度,提升空闲节点利用率,减少网络的资源浪费,优化网络的成本。
Description
技术领域
本发明实施例涉及计算机技术领域,特别涉及一种节点成本的调度方法、电子设备及存储介质。
背景技术
内容分发网络(Content Delivery Network,简称“CDN”)***,管理着庞大的硬件资源和网络资源,CDN的成本包括:机房成本,机器、机架资源成本,带宽成本等。在国内由于运营商的流量经营业务需要,带宽成本相对其他成本来说占据主导地位,对于不同的运营商,不同省份的网络建设,导致存在各种各样的带宽计费方式。由于带宽成本占CDN成本的80%,为了优化CDN成本,通常由人工基于成本需求和资源需求,对现有资源进行规划和调度,例如,由人工基于客户需求,设置带宽调度的临界值。
发明人发现相关技术中至少存在如下问题:由于影响的约束条件众多,导致人工设置的调度临界值只满足某一方面的约束条件,设置的临界值准确性较低;对于突增的带宽不能及时的做出反应,通常是突增带宽在产生后才进行带宽调度,导致成本的浪费。
发明内容
本发明实施方式的目的在于提供一种节点成本的调度方法、电子设备及存储介质,能够及时对网络中的边缘节点进行带宽调度,减少网络的资源浪费,优化网络的成本。
为解决上述技术问题,本发明的实施方式提供了一种节点成本的调度方法,包括:实时获取当前时刻每个边缘节点的带宽;根据每个边缘节点的带宽,获取空闲节点和忙碌节点,忙碌节点为带宽大于第一参考值的边缘节点,空闲节点为带宽小于第一参考值的边缘节点,所述第一参考值为在所述当前时刻下边缘节点的计划成本带宽;将所述忙碌节点的带宽按照从高到低的顺序依次调度至空闲节点。
本发明的实施方式还提供了一种电子设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述的节点成本的调度方法。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述的节点成本的调度方法。
本发明实施方式相对于相关技术而言,实时获取每个边缘节点的带宽,实时获取空闲节点和忙碌节点;将忙碌节点的带宽调度至空闲节点,而不是在带宽超过边缘节点支持承载的最大带宽时才进行带宽的调度,由于提前主动进行了带宽的调度,可以避免出现因带宽调度执行的速度、采集带宽的速度导致边缘节点的带宽在该边缘节点支持承载的最大带宽上下波动,影响边缘节点的性能的情况;本发明中通过主动寻找空闲节点,将忙碌节点的带宽按照从高到低的顺序依次调度至空闲节点,可以降低忙碌节点的带宽,提高空闲节点的带宽利用率,摊平各个边缘节点的带宽;由于带宽的成本占CDN成本的80%,因而当带宽成本降低的同时降低了CDN的成本。
另外,空闲节点包括:第一区域节点和第二区域节点;根据每个所述边缘节点的带宽,获取空闲节点,包括:针对每个边缘节点进行如下处理:若检测到边缘节点的带宽小于对应的保底带宽,则将边缘节点作为第一区域节点;若检测到边缘节点的带宽大于保底带宽且小于第一参考值,则将边缘节点作为第二区域节点。获取各边缘节点的保底带宽,由于保底带宽为流量采买时定的最低付费带宽,通过保底带宽可以将空闲节点划分的更准确,便于后续进行带宽的调度。
另外,第一区域节点的带宽调入级别高于第二区域节点的带宽调入级别;将忙碌节点的带宽按照从高到低的顺序依次调度至空闲节点,包括:按照带宽调入级别指示由高到低的顺序,根据预设的搜寻策略优先从带宽调入级别指示高的空闲节点中搜寻待调入带宽的目标节点;将忙碌节点的带宽照从高到低的顺序依次调度至目标节点。由于第一区域节点为带宽小于保底带宽的边缘节点,而保底带宽为流量采买时定的最低付费带宽,若边缘节点的利用率小于保底带宽会出造成全局成本的浪费,设置第一区域节点的带宽调入级别高于第二区域节点的带宽调入级别,优先将从第一区域节点中搜寻目标节点,以将忙碌节点的带宽调度至目标节点,可以减少成本的浪费,快速降低忙碌节点的带宽。
另外,搜寻策略包括:获取每个边缘节点的成本;根据预设的人工蜂群模型以及每个所述成本,搜寻所述目标节点,以使内容分发网络CDN的成本最小。由于人工蜂群模型擅长全局搜索,采用人工蜂群模型搜寻目标节点,可以平衡CDN的成本计算过程中的各类约束条件,获得最优的目标节点。
另外,根据预设的人工蜂群模型以及每个成本,搜寻目标节点,包括:设置人工蜂群模型的参数,参数包括:选择概率、种群规模以及最大迭代次数;将每个边缘节点作为人工蜂群模型中的食物源,将每个边缘节点的标识信息作为人工蜂群模型中食物源的位置,边缘节点的成本作为食物源的花蜜量;根据设置的参数启动人工蜂群模型,搜寻到目标节点。
另外,根据设置的参数启动所述人工蜂群模型,搜寻到目标节点,包括:根据设置的参数启动人工蜂群模型,搜寻到当前时刻CDN成本最小的最优边缘节点;重新获取最优边缘节点的带宽;根据最优边缘节点的带宽,判断最优边缘节点是否属于空闲节点,若最优边缘节点属于空闲节点,则将最优边缘节点作为目标节点;若最优边缘节点属于忙碌节点或最优边缘节点的带宽超出第二参考值,则舍弃最优边缘节点,重新执行根据设置的参数启动人工蜂群模型,搜寻到当前时刻CDN成本最小的最优边缘节点的步骤,第二参考值为边缘节点支持承载的最大带宽。由于搜寻最优边缘节点的过程中存在带宽突增的情况,因而判断该最优边缘节点是否属于空闲节点,确定是否结束搜寻,提高了该目标节点的准确性和速度。
另外,搜寻策略包括:将随机获取的空闲节点作为目标节点。将随机获取的空闲节点作为目标节点,搜寻目标节点的速度快。
另外,忙碌节点包括:超负节点和负荷节点,根据每个边缘节点的带宽,获取忙碌节点,包括:获取带宽大于第二参考值的边缘节点作为超负荷节点,第二参考值为边缘节点支持承载的最大带宽;获取带宽大于第一参考值且小于第二参考值的边缘节点作为负荷节点;其中,超负荷节点的带宽调出级别高于负荷节点的带宽调出级别。在将忙碌节点进一步细化,且超负荷节点的带宽调出级别高于负荷节点的带宽调出级别,也即优先将超负荷节点的带宽按照从高到低的顺序依次调出至空闲节点,从而可以快速分摊该超负荷节点的带宽,解决超负荷节点的负载。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明第一实施例提供的一种节点成本的调度方法的流程图;
图2是根据本发明第二实施例提供的一种节点成本的调度方法的流程图;
图3是根据本发明第二实施例提供的边缘节点的带宽与时间之间的关系示意图;
图4是根据本发明第三实施例提供的一种节点成本的调度方法中搜寻策略的具体实现示意图;
图5是根据本发明第三实施例提供CDN的带宽成本曲线示意图;
图6是根据本发明第三实施例提供的将目标节点A的示意图;
图7是根据本发明第三实施例提供的将目标节点B的示意图;
图8是根据本发明第四实施例提供的一种电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种节点成本的调度方法。其流程如图1所示:
步骤101:实时获取当前时刻每个边缘节点的带宽。
步骤102:根据每个边缘节点的带宽,获取空闲节点和忙碌节点。忙碌节点为带宽大于第一参考值的边缘节点,空闲节点为带宽小于第一参考值的边缘节点,第一参考值为在当前时刻下边缘节点的计划成本带宽。
步骤103:将忙碌节点的带宽按照从高到低的顺序依次调度至空闲节点。
本发明实施方式相对于相关技术而言,实时获取每个边缘节点的带宽,实时获取空闲节点和忙碌节点;将忙碌节点的带宽调度至空闲节点,而不是在带宽超过边缘节点支持承载的最大带宽时才进行带宽的调度,由于提前主动进行了带宽的调度,可以避免出现因带宽调度执行的速度、采集带宽的速度导致边缘节点的带宽在该边缘节点支持承载的最大带上下波动,影响边缘节点的性能的情况;本发明中通过主动寻找空闲节点,将忙碌节点的带宽按照从高到低的顺序依次调度至空闲节点,可以降低忙碌节点的带宽,提高空闲节点的带宽利用率,摊平各个边缘节点的带宽;由于带宽的成本占CDN成本的80%,因而当带宽成本降低的同时降低了CDN的成本。
本发明的第二实施方式涉及一种节点成本的调度方法。第二实施方式是对第一实施方式的具体介绍。该节点成本的调度方法可以应用于电子设备中,该电子设备与CDN连接,该节点成本的调度方法也可以应用于管理***,该管理***与CND连接,用于管理CDN的成本,其流程如图2所示:
步骤201:实时获取当前时刻每个边缘节点的带宽。
本发明中的带宽是指网络带宽,即指在单位时间(一般指的是1秒钟)内能传输的数据量。可以以预设间隔采集每个边缘节点的带宽,例如,预设间隔可以为5分钟、2分钟等。
步骤202:根据每个边缘节点的带宽,获取空闲节点和忙碌节点。
在一个例子中,忙碌节点为带宽大于第一参考值的边缘节点,空闲节点为带宽小于第一参考值的边缘节点,第一参考值为在当前时刻下边缘节点的计划成本带宽。
具体地,获取当前时刻各个边缘节点的第一参考值;该第一参考值随着时间、资源使用情况的变化而变化,例如,在工作日中白天的上网人数少,夜晚的上网人数多,在白天对应的第一参考值小于夜晚对应的第一参考值。每个边缘节点的第一参考值为在当前时刻下边缘节点的计划成本带宽;例如,该CDN***中包括100个边缘节点,可以统计该100个边缘节点在历史时期各自的带宽以及对应的CDN成本,进而根据边缘节点在历史时期的带宽以及对应的CDN的成本,利用大数据分析的方式预设每个边缘节点在每个时刻的成本预期值,在该成本预期值的情况下获取对应的边缘节点需要处理的带宽,将该边缘节点需要处理的带宽作为该边缘节点的计划成本带宽。
保底带宽是流量采买时定的最低付费带宽,利用率到不了保底带宽会造成全局成本的浪费,该保底带宽根据实际的采买费用的变化而变化。
此外,本示例中忙碌节点包括超负荷节点和负荷节点。每个边缘节点有对应的第二参考值,第二参考值为边缘节点所支持承载的最大带宽,若边缘节点的带宽超过该第二参考值,该边缘节点的处理能力将急剧下降,故可以将带宽超过该第二参考值的边缘节点作为超负荷节点,将带宽超过第一参考值且小于第二参考值的边缘节点作为负荷节点。由于与边缘节点的性能相关,故边缘节点对应的第二参考值通常固定不变,其中,通常第二参考值大于第一参考值。通过该第二参考值,将忙碌节点作进一步的划分。
本发明中,为了进一步优化CDN成本,提高带宽调度的合理性,可以更为细致的将空闲的边缘节点作进一步划分。
在一个例子中,空闲节点包括:第一区域节点和第二区域节点。针对每个边缘节点进行如下处理:若检测到边缘节点的带宽小于对应的保底带宽,则将边缘节点作为第一区域节点;若检测到边缘节点的带宽大于保底带宽且小于第一参考值,则将边缘节点作为第二区域节点。
具体地,下面以一个具体的例子介绍获取第一区域节点和获取第二区域节点的过程。图3为边缘节点的带宽与时间之间的关系示意图,其中,为了便于理解,图3中在一时间段内第一参考值以直线为例。针对每个边缘节点进行如下处理,判断该边缘节点的带宽是否小于对应的保底带宽,若该边缘节点的带宽小于对应的保底带宽,则将该边缘节点作为第一区域节点;若该边缘节点的带宽大于对应的保底带宽且小于该第一参考值,则将该边缘节点作为第二区域节点。若该边缘节点的带宽大于该第一参考值,则将该边缘节点作为忙碌节点。图3中,在该时间段内,可以将带宽划分为4个区域,其中,将带宽位于区域A的边缘节点作为第一区域节点,将带宽位于区域B的边缘节点作为第二区域节点,将带宽位于区域C的边缘节点作为负荷节点,将带宽位于区域D的边缘节点作为超负荷节点,第二参考值为边缘节点支持承载的最大带宽。需要说明的是,第一区域节点的带宽调入级别高于第二区域节点的带宽调入级别,即优先将带宽调入第一区域节点,再未检测到第一区域节点的情况下,将带宽调入第二区域节点。超负荷节点的带宽调出级别高于负荷节点的带宽调出级别,也即优先调出超负荷节点的带宽,再未检测到超负荷节点的情况下,再调出负荷节点的带宽。
步骤203:按照带宽调入级别指示由高到低的顺序,根据预设的搜寻策略优先从带宽调入级别指示高的空闲节点中搜寻待调入带宽的目标节点。
在一个例子中,根据预设的搜寻策略优先从第一区域节点中搜寻目标节点,若空闲节点中不存在第一区域节点,则根据搜寻策略从第二区域节点中搜寻目标节点。
具体地,由于属于第一区域节点的带宽小于保底带宽,为了减少成本的浪费,优先从第一区域节点搜寻目标节点,将忙碌节点的带宽调度至从第一区域节点中获取的目标节点,可以充分利用第一区域节点的带宽,减少成本的浪费。
预设的搜寻策略可以是:可以选取距离忙碌节点最近的第一区域节点作为带宽待调入的第一区域节点。搜寻策略还可以是:将随机获取的第一区域节点作为目标节点。
若检测到该空闲节点中不存在第一区域节点,则从第二区域节点中搜寻目标节点。同理,搜寻策略可以是:基于距离选取与忙碌节点最近的第二区域节点作为目标节点。搜寻策略还可以是:将随机获取的第二区域节点作为目标节点。
步骤204:将忙碌节点的带宽照从高到低的顺序依次调度至目标节点。
具体地,目标节点的数目可以是多个,忙碌节点的个数可以为1个,2个或2个以上;可以获取忙碌节点的数目,按照待调出带宽从高到低的顺序依次将忙碌节点的带宽调入至目标节点。例如,忙碌节点分别为节点1、节点2和节点3;目标节点为节点4;其中,忙碌节点1的带宽>忙碌节点3的带宽>忙碌节点2的带宽,那么可以依次将忙碌节点1的带宽调入至目标节点4,之后调出忙碌节点3的带宽;最后调出忙碌节点2的带宽。
需要说明的是,忙碌节点包括:超负荷节点和负荷节点,且超负荷节点的带宽调出级别高于负荷节点的带宽调出级别,因而在将负荷节点的带宽按照从高到低的顺序依次调度至空闲节点之前,优先将超负荷节点的带宽按照从高到低的顺序依次调出至空闲节点。也即优先将超负荷节点的带宽调出,在没有超负荷节点的情况下,再将负荷节点的带宽调出。
可以选取距离该超负荷节点最近的空闲节点作为待调入的空闲节点,以便快速降低超负荷节点的带宽,减少该超负荷节点的负载,提高处理速度。
值得一提的是,由于第一区域节点的带宽小于保底带宽,本申请中优先将忙碌节点的带宽调度至第一区域节点,充分利用第一区域节点的带宽,减少CDN成本的浪费;在不存在第一区域节点的情况下,再将该忙碌节点的带宽调度至第二区域节点中,尽可能均摊忙碌节点的带宽,减少出现带宽超过第二参考值的情况。
本发明的第三实施方式涉及一种节点成本的调度方法。第三实施方式是对第二实施方式的搜寻策略的改进。该搜寻策略的具体过程示意图可以如图4所示:
步骤301:获取每个边缘节点的成本。
具体地,可以根据实际应用的场景,获取每个边缘节点的成本,每个边缘节点的成本与带宽成本、机房成本、机器成本相关。其中,带宽成本占该边缘节点的成本的80%,故本示例中,以带宽成本表征每个边缘节点的成本。
步骤302:根据预设的人工蜂群模型以及每个成本,搜寻目标节点,以使内容分发网络CDN的成本最小。
每个边缘节点在时间轴上(即日期)都存在对应的一条成本曲线,本示例中以带宽成本表征边缘节点的成本,因此,可以将带宽成本曲线作为边缘节点的成本曲线,为了使CDN的成本最小,可以建立人工蜂群模型搜寻目标节点。
为了便于理解,本示例中介绍搜寻目标节点,以使CDN的成本最小的原理。
具体地,可以以日期为Z轴,边缘节点((pop-point-of-presence,简称“pop”)的带宽为Y轴,边缘节点的标识信息为X轴。图5为CDN的带宽成本曲线示意图,为了便于理解,下面将结合附图介绍。如图5所示,图中的曲面E的面积表示所有POP在日期1的带宽成本,如图所示,若从日期1到日期N的时间范围内CDN的成本即表示为从日期1到日期N的时间范围内每个曲面面积的累计值。若到前一日的曲面面积的累计值固定的情况下,当日所有边缘节点各自所在轴围成的曲面的面积为当日CDN的成本,当日对应的曲面的面积最小时,从日期1到日期N的时间范围内该CDN的成本最小。基于此,人工蜂群的目标函数为:到前一日曲面的累计值与当日所有pop成本的曲面面积的最小值的和。由于到前一日的曲面面积的累计值为一个固定值,因此获取当日所有pop的曲面面积的最小值即可。
基于上述原理,通过人工蜂群算法,在当日所有pop的曲面面积的切面上,找到成本最优的pop作为目标节点,以使曲面面积最小。按时间间隔定时进行带宽的调度,可以在预设的时间范围内不断减小曲面面积。例如,如图6和图7所示了在不同的目标节点上调入带宽对应的成本面积示意图,图6中的目标节点为A节点,图7中的目标节点为B节点,图中的横坐标为边缘节点的标识信息,纵坐标为边缘节点的带宽。
在一个例子中,设置人工蜂群模型的参数,参数包括:选择概率、种群规模以及最大迭代次数;将每个边缘节点作为人工蜂群模型中的食物源,将每个边缘节点的标识信息作为人工蜂群模型中食物源的位置,边缘节点的成本作为食物源的花蜜量;根据设置的参数启动人工蜂群模型,搜寻到目标节点。
具体地,将带宽与人工蜂群算法进行模型映射。将每个边缘节点作为人工蜂群模型中的食物源,将每个边缘节点的标识信息作为人工蜂群模型中食物源的位置,边缘节点的成本作为食物源的花蜜量;搜寻使成本最低的最优边缘节点的过程即为寻找和采集食物源的过程。
设置人工蜂群模型的参数,参数包括选择概率Φ,物种规模N,最大迭代次数G等。人工蜂群模型中引领蜂和跟随蜂用于寻找最优边缘节点,侦察蜂用于检测当前是否陷入局部最优的情况。根据CDN成本隐私的约束构造目标函数,其中,约束包括:域名限制,地域限制,运营商等。
下面具体介绍根据设置的参数启动人工蜂群模型,搜寻目标节点的过程如下。
步骤S11:设置目标函数中初始化成本计算规则。
CDN在月初到前一天(预设天数为n)的总成本D可以如公式(1)所示:
D=min(∑每个pop成本*预设天数n) 公式(1);
当天CDN成本T可以如公式(2)所示:
T=min(∑每个pop成本) 公式(2);
CDN在月初到当日的总成本M可以如公式(3)表示;
M=D+T 公式(3);
其中,D表示CDN在月初到前一天的总成本,T表示当天CDN的成本。
步骤S12:初始物种种群。
从当天0点开始,记录每个pop的已调入带宽,将已调入带宽作为已有成本。
物种规模N=域名下pop个数;
最大迭代次数G=域名下pop个数;
步骤S13:生成初始化食物源。
初始解xi(i=1,2,3,……,SN),SN(食物源个数)=pop个数,以域名下pop作为初始解。
每个解xi是一个D维的向量,D=[pop成本,pop剩余能力,运营商,区域,域名映射值]。
误差允许值ε<=pop剩余能力;
其中,pop剩余能力是根据实际应用预先设置的值。
步骤S14:引领蜂选择初始物种种群。设定选择概率,引领蜂根据选择概率产生新的食物源,新的食物源可以如公式(4)所示:
vij=xij+Φij(xij-xkj) 公式(4);
vij表示新的食物源位置,xij表示当前食物源位置,xkj为随机选择的食物源。k∈﹛1,2,...,SN﹜,j∈{1,2,...,D},且k≠i;Φij为[-1,1]之间的随机数。
在搜寻过程开始阶段,每个引领蜂由公式(4)产生一个新解即新的食物源。即一个引领蜂对应一个pop,引领蜂记录该pop的所有信息,例如D维向量。
步骤S15:引领蜂计算适应度。
目标函数fit可以表示为:
fit=(pop当天成本面积)*成本系数E and(运营商=xxx or运营商=-1(跨运营商))and(区域=yyy or view=-1(跨大区))and域名映射=www;
其中,“and”表示逻辑与;该目标函数通过逻辑与可以携带目标节点的信息,如运营商信息,成本系数E为调入带宽后的边缘节点pop的成本系数,设置该成本系数E,可以提高目标节点处理的带宽。
pop当天成本面积=∑k=1SN pop已有带宽+调入的带宽。
若新解优于旧解,则引领蜂舍弃旧解。若旧解优于新解,则保留旧解。最终引领蜂记录获取的最优pop。
步骤S16:跟随峰计算适应度。
在所有引领蜂完成搜寻过程之后,引领蜂把解的信息及信息与跟随蜂分享。跟随蜂计算每个解的选择概率,如公式(5)所示:
pi=fiti/∑k=1 SNfitk 公式(5);
在区间[-1,1]内随机产生一个数,如果解的概率值大于该随机数,则跟随蜂根据公式(6)产生一个新解,公式(6)如下:
vij=xbest+Φij(xij-xkj) 公式(6);
检验新解的fiti,若新解的fiti优于旧解,则跟随蜂将存储新解并删除旧解;反之,它将保留旧解。最终跟随蜂记录自己获取的最优pop。
步骤S17:判断解是否为局部最优解。
在所有跟随蜂完成搜寻过程之后,如果一个解经过最大迭代次数次的循环后仍然没有被更新,那么判定该解为局部最优解,并删除该解。即搜寻到的最优边缘节点pop不是成本最优的目标节点,该解xi被舍弃,则该解xi对应的引领蜂转成一个侦查蜂。侦查蜂根据公式(7)产生新的解;
xij=xmin,j+rand(0,1)(xmax,j-xmin,j) 公式(7);
其中j∈{1,2....,D}。然后返回引领蜂搜索过程,开始重复循环。
步骤S18:成本最小值求解。
人工蜂群算法的食物源质量一般是越大越好,即适应度值越大越好,设fi是目标函数,适应度函数为fi的变形,如公式(8)所示:
步骤S19:对该最优边缘节点进行检测。
为了搜寻存在时长,可以在搜寻到最优边缘节点后,对该最优边缘节点进行检测。
在一个例子中,根据设置的参数启动人工蜂群模型,搜寻到当前时刻CDN的成本最小的最优边缘节点;重新获取最优边缘节点的带宽;根据最优边缘节点的带宽,判断最优边缘节点是否属于空闲节点,若最优边缘节点属于空闲节点,则将最优边缘节点作为目标节点;若最优边缘节点属于忙碌节点或最优边缘节点的带宽超出第二参考值,则舍弃最优边缘节点,重新执行根据设置的参数启动人工蜂群模型,搜寻到当前时刻CDN网络成本最小的最优边缘节点的步骤。
具体地,在搜寻到最优边缘节点后,可以重新获取该最优边缘节点的带宽,判断最优边缘节点是否属于空闲节点,若最优边缘节点属于忙碌节点或最优边缘节点的带宽超出第二参考值,则不进行带宽调入的处理,舍弃该最优边缘节点。若最优边缘节点属于空闲节点,则进行带宽调入处理。
本发明通过人工蜂群算法,根据引领蜂和跟随蜂自身的特点,结合适配函数,对成本择优算法进行了搜索策略优化,通过引领蜂在pop种群范围内进行广泛搜索,后续通过跟随蜂的小范围搜索,实现CDN成本的优化,在满足资源带宽成本的相关约束条件下,通过通用性更强的方式,实现带宽成本的最小化。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第四实施方式涉及一种电子设备,其结构框图如图8所示,包括:至少一个处理器401;以及,与至少一个处理器401通信连接的存储器402;其中,存储器402存储有可被至少一个处理器401执行的指令,指令被至少一个处理器401执行,以使至少一个处理器401能够执行上述的节点成本的调度方法。
其中,存储器402和处理器401采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路链接在一起。总线还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,***接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第五实施方式涉及一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述的节点成本的调度方法。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种节点成本的调度方法,其特征在于,包括:
实时获取当前时刻每个边缘节点的带宽;
根据每个所述边缘节点的带宽,获取空闲节点和忙碌节点,所述忙碌节点为所述带宽大于第一参考值的所述边缘节点,所述空闲节点为所述带宽小于所述第一参考值的所述边缘节点,所述第一参考值为在所述当前时刻下所述边缘节点的计划成本带宽;
将所述忙碌节点的所述带宽按照从高到低的顺序依次调度至所述空闲节点;
其中,所述第一参考值随着时间、资源使用情况的变化而变化;
所述计划成本带宽为根据所述边缘节点在历史时期的带宽以及对应的CDN的成本,利用大数据分析的方式预测到的所述边缘节点在每个时刻的成本预期值下,所对应的需要处理的带宽。
2.根据权利要求1所述的节点成本的调度方法,其特征在于,所述空闲节点包括:第一区域节点和第二区域节点;
所述根据每个所述边缘节点的带宽,获取空闲节点,包括:
针对每个所述边缘节点进行如下处理:若检测到所述边缘节点的带宽小于对应的保底带宽,则将所述边缘节点作为第一区域节点;
若检测到所述边缘节点的带宽大于所述保底带宽且小于所述第一参考值,则将所述边缘节点作为第二区域节点。
3.根据权利要求2所述的节点成本的调度方法,其特征在于,所述第一区域节点的带宽调入级别高于所述第二区域节点的带宽调入级别;
所述将所述忙碌节点的所述带宽按照从高到低的顺序依次调度至所述空闲节点,包括:
按照所述带宽调入级别指示由高到低的顺序,根据预设的搜寻策略优先从所述带宽调入级别指示高的空闲节点中搜寻待调入带宽的目标节点;
将所述忙碌节点的所述带宽照从高到低的顺序依次调度至所述目标节点。
4.根据权利要求3所述的节点成本的调度方法,其特征在于,所述搜寻策略包括:
获取每个所述边缘节点的成本;
根据预设的人工蜂群模型以及每个所述成本,搜寻所述目标节点,以使内容分发网络CDN的成本最小。
5.根据权利要求4所述的节点成本的调度方法,其特征在于,所述根据预设的人工蜂群模型以及每个所述成本,搜寻所述目标节点,包括:
设置所述人工蜂群模型的参数,所述参数包括:选择概率、种群规模以及最大迭代次数;
将每个所述边缘节点作为所述人工蜂群模型中的食物源,将每个所述边缘节点的标识信息作为所述人工蜂群模型中所述食物源的位置,所述边缘节点的成本作为所述食物源的花蜜量;
根据设置的所述参数启动所述人工蜂群模型,搜寻所述目标节点。
6.根据权利要求5所述的节点成本的调度方法,其特征在于,所述根据设置的所述参数启动所述人工蜂群模型,搜寻所述目标节点,包括:
根据设置的所述参数启动所述人工蜂群模型,搜寻到当前时刻所述CDN成本最小的最优边缘节点;
重新获取所述最优边缘节点的带宽;
根据所述最优边缘节点的带宽,判断所述最优边缘节点是否属于所述空闲节点,若所述最优边缘节点属于所述空闲节点,则将所述最优边缘节点作为所述目标节点;若所述最优边缘节点属于所述忙碌节点或所述最优边缘节点的带宽超出第二参考值,则舍弃所述最优边缘节点,重新执行根据设置的所述参数启动所述人工蜂群模型,搜寻到当前时刻所述CDN成本最小的最优边缘节点的步骤,所述第二参考值为所述边缘节点支持承载的最大带宽。
7.根据权利要求3所述的节点成本的调度方法,其特征在于,所述搜寻策略包括:
将随机获取的所述空闲节点作为所述目标节点。
8.根据权利要求1所述的节点成本的调度方法,其特征在于,所述忙碌节点包括:超负节点和负荷节点,
所述根据每个所述边缘节点的带宽,获取忙碌节点,包括:
获取带宽大于第二参考值的所述边缘节点作为超负荷节点,所述第二参考值为所述边缘节点支持承载的最大带宽;
获取带宽大于第一参考值且小于第二参考值的所述边缘节点作为所述负荷节点;
其中,所述超负荷节点的带宽调出级别高于所述负荷节点的带宽调出级别。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
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如权利要求1-8任一所述的节点成本的调度方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的节点成本的调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011001218.0A CN112243025B (zh) | 2020-09-22 | 2020-09-22 | 节点成本的调度方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011001218.0A CN112243025B (zh) | 2020-09-22 | 2020-09-22 | 节点成本的调度方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112243025A CN112243025A (zh) | 2021-01-19 |
CN112243025B true CN112243025B (zh) | 2023-10-17 |
Family
ID=74171641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011001218.0A Active CN112243025B (zh) | 2020-09-22 | 2020-09-22 | 节点成本的调度方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112243025B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114915559B (zh) * | 2021-02-08 | 2024-01-23 | 北京金山云网络技术有限公司 | Cdn节点带宽规划方法、装置及存储介质 |
CN114978915B (zh) * | 2021-02-24 | 2024-01-19 | 北京金山云网络技术有限公司 | Cdn节点带宽规划方法、装置、电子设备及存储介质 |
CN115361287B (zh) * | 2022-08-16 | 2024-05-24 | 中国银行股份有限公司 | 一种边缘节点流量调度方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746934A (zh) * | 2013-12-24 | 2014-04-23 | 乐视网信息技术(北京)股份有限公司 | 一种cdn带宽平衡的方法、cdn控制中心及*** |
CN104954278A (zh) * | 2015-06-23 | 2015-09-30 | 南京邮电大学 | 多服务质量约束下基于蜂群优化的网络流量调度方法 |
CN106230827A (zh) * | 2016-08-02 | 2016-12-14 | 南京工程学院 | 一种基于成本效益优化的多目标服务组合方法 |
CN108833294A (zh) * | 2018-08-08 | 2018-11-16 | 清华大学 | 面向数据中心广域网的低带宽开销的流量调度方法 |
CN109067670A (zh) * | 2018-09-28 | 2018-12-21 | 杭州领智云画科技有限公司 | 一种cdn调度方法及cdn调度设备 |
WO2019011015A1 (zh) * | 2017-07-14 | 2019-01-17 | 网宿科技股份有限公司 | 一种进行业务调度的方法和装置 |
CN109889569A (zh) * | 2019-01-03 | 2019-06-14 | 网宿科技股份有限公司 | Cdn服务调度方法及*** |
CN110198344A (zh) * | 2019-05-05 | 2019-09-03 | 网宿科技股份有限公司 | 一种资源调度方法及*** |
CN110493046A (zh) * | 2018-02-27 | 2019-11-22 | 贵州白山云科技股份有限公司 | 一种cdn网络中节点服务器带宽资源的调度方法和*** |
CN110688218A (zh) * | 2019-09-05 | 2020-01-14 | 广东浪潮大数据研究有限公司 | 资源调度方法及装置 |
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 |
-
2020
- 2020-09-22 CN CN202011001218.0A patent/CN112243025B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746934A (zh) * | 2013-12-24 | 2014-04-23 | 乐视网信息技术(北京)股份有限公司 | 一种cdn带宽平衡的方法、cdn控制中心及*** |
CN104954278A (zh) * | 2015-06-23 | 2015-09-30 | 南京邮电大学 | 多服务质量约束下基于蜂群优化的网络流量调度方法 |
CN106230827A (zh) * | 2016-08-02 | 2016-12-14 | 南京工程学院 | 一种基于成本效益优化的多目标服务组合方法 |
WO2019011015A1 (zh) * | 2017-07-14 | 2019-01-17 | 网宿科技股份有限公司 | 一种进行业务调度的方法和装置 |
CN110493046A (zh) * | 2018-02-27 | 2019-11-22 | 贵州白山云科技股份有限公司 | 一种cdn网络中节点服务器带宽资源的调度方法和*** |
CN108833294A (zh) * | 2018-08-08 | 2018-11-16 | 清华大学 | 面向数据中心广域网的低带宽开销的流量调度方法 |
CN109067670A (zh) * | 2018-09-28 | 2018-12-21 | 杭州领智云画科技有限公司 | 一种cdn调度方法及cdn调度设备 |
CN109889569A (zh) * | 2019-01-03 | 2019-06-14 | 网宿科技股份有限公司 | Cdn服务调度方法及*** |
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 |
CN110198344A (zh) * | 2019-05-05 | 2019-09-03 | 网宿科技股份有限公司 | 一种资源调度方法及*** |
CN110688218A (zh) * | 2019-09-05 | 2020-01-14 | 广东浪潮大数据研究有限公司 | 资源调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112243025A (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112243025B (zh) | 节点成本的调度方法、电子设备及存储介质 | |
CN103902646B (zh) | 一种分布式任务管理***与方法 | |
US9112922B2 (en) | Method and system for self-tuning cache management | |
CN108121512A (zh) | 一种边缘计算服务缓存方法、***、装置及可读存储介质 | |
CN104715020B (zh) | 缓存数据的删除方法及服务器 | |
CN103986766B (zh) | 自适应负载均衡作业任务调度方法及装置 | |
CN111522636A (zh) | 应用容器的调整方法、调整***、计算机可读介质及终端设备 | |
CN108509501A (zh) | 一种查询处理方法、服务器及计算机可读存储介质 | |
CN108491255B (zh) | 自助式MapReduce数据优化分配方法及*** | |
CN109788489A (zh) | 一种基站规划方法及装置 | |
CN110334157B (zh) | 一种云计算管理*** | |
CN111831699A (zh) | 数据缓存方法、电子设备及计算机可读介质 | |
CN113228574A (zh) | 计算资源调度方法、调度器、物联网***和计算机可读介质 | |
CN112734064A (zh) | 一种数据处理方法、设备及存储介质 | |
CN114546608A (zh) | 一种基于边缘计算的任务调度方法 | |
CN111343006B (zh) | 一种cdn峰值流量预测方法、装置及存储介质 | |
CN109688065B (zh) | 参数的处理方法、装置及存储介质 | |
CN111868777B (zh) | 中央控制***和方法 | |
CN114401158A (zh) | 流量计费方法、装置、电子设备及存储介质 | |
CN110308901A (zh) | 处理前端页面中数据变量方法、装置、设备和存储介质 | |
CN111552569A (zh) | ***资源调度方法、装置及存储介质 | |
CN116433245A (zh) | 一种客户拜访计划生成方法及*** | |
CN116760722A (zh) | 一种存储辅助mec任务卸载***及资源调度方法 | |
CN115423393A (zh) | 一种基于lstm的动态自适应调度周期的订单调度方法及装置 | |
Pu et al. | Federated learning-based heterogeneous load prediction and slicing for 5G systems and beyond |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |