CN118233468A - 一种基于云计算的资源下载管理方法及*** - Google Patents
一种基于云计算的资源下载管理方法及*** Download PDFInfo
- Publication number
- CN118233468A CN118233468A CN202410349201.6A CN202410349201A CN118233468A CN 118233468 A CN118233468 A CN 118233468A CN 202410349201 A CN202410349201 A CN 202410349201A CN 118233468 A CN118233468 A CN 118233468A
- Authority
- CN
- China
- Prior art keywords
- data
- resource
- user
- download
- downloading
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000005540 biological transmission Effects 0.000 claims abstract description 33
- 238000013468 resource allocation Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 38
- 238000011156 evaluation Methods 0.000 claims description 30
- 230000002776 aggregation Effects 0.000 claims description 23
- 238000004220 aggregation Methods 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000002829 reductive effect Effects 0.000 description 37
- 239000002699 waste material Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Landscapes
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及云计算技术领域,尤其涉及一种基于云计算的资源下载管理方法及***。该方法包括以下步骤:获取用户下载请求数据并根据所述用户下载请求数据得到边缘存储情况数据;确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业;确定所述边缘存储情况数据包括存在存储资源情况数据时,所述用户下载请求数据得到带宽分配数据以及服务器资源分配数据,以进行并发下载作业,得到并发下载记录数据;确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业。本发明能够提供更高效、更可靠的资源下载服务,降低云存储资源的负载成本。
Description
技术领域
本发明涉及云计算技术领域,尤其涉及一种基于云计算的资源下载管理方法及***。
背景技术
资源下载管理方法是指对下载和获取各种资源的过程进行计划、组织、协调和监控的方法,包括从互联网或内部网络获取文件、数据、应用程序或其他资源,并确保资源的可用性、安全性和高效性。基于云计算的资源下载管理方法利用云计算平台和服务来进行资源下载和管理,通常将资源存储在云存储中,使用云计算服务进行下载、分发和监控,云计算提供了高度可伸缩性、弹性和可用性,使资源下载和管理更加灵活和高效。基于云计算的资源下载管理方法依赖于网络连接,如果网络不稳定或中断,下载和管理资源的能力受到影响,同时云计算服务通常需要付费,成本会随着使用量的增加而上升。
发明内容
本发明为解决上述技术问题,提出了一种基于云计算的资源下载管理方法及***,以解决至少一个上述技术问题。
本申请提供了一种基于云计算的资源下载管理方法,所述方法包括:
S1、响应于用户请求下载操作,获取用户下载请求数据,并根据所述用户下载请求数据进行边缘存储扫描,得到边缘存储情况数据,其中所述用户下载请求数据包括请求资源标识符数据、用户标识数据以及请求时间戳数据;
S2、确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业;
S3、确定所述边缘存储情况数据包括存在存储资源情况数据时,根据所述用户下载请求数据进行带宽分配处理以及服务器资源分配处理,得到带宽分配数据以及服务器资源分配数据;
S4、根据所述带宽分配数据以及所述服务器资源分配数据进行并发下载作业,并实时记录所述并发下载作业,以得到并发下载记录数据;
S5、确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业。
本发明中通过边缘存储扫描和协同缓存下载,***可以更有效地利用边缘存储资源,减少对云存储的依赖,从而提高资源的利用率。通过带宽分配和服务器资源分配的处理,***可以根据用户下载请求的需求动态分配资源,以确保下载任务能够以最佳性能运行。***支持并发下载,允许多个下载任务同时进行,提高了下载效率,此外,高效断点续传机制确保在下载中断或失败时可以快速恢复,节省了用户的时间和带宽资源。通过资源重要性评估和协同下载决策,***可以根据用户需求提供更快速、更可靠的下载服务,从而提高用户的满意度和体验。本发明通过边缘存储、动态资源分配和高效下载管理实现更高效、更可靠的资源下载服务,为用户提供更好的体验,同时也能够降低云存储资源的负载和成本。
可选地,所述响应于用户请求下载操作,获取用户下载请求数据,并根据所述用户下载请求数据进行边缘存储扫描,得到边缘存储情况数据,包括:
S11、响应于用户请求下载操作,获取用户下载请求数据;
S12、根据所述用户下载请求数据生成边缘存储扫描数据;
S13、根据所述边缘存储扫描数据进行多节点扫描任务分配,得到多节点扫描任务分配数据;
S14、根据所述多节点扫描任务分配数据进行边缘存储情况数据生成,得到边缘存储情况数据。
本发明中通过对用户下载请求数据进行扫描和分析,***可以更好地了解资源的分布和可用性,从而优化边缘存储的利用,减少对云存储的依赖,降低了资源获取的延迟和成本。采用多节点扫描任务分配策略,可以并行地从多个节点获取资源,提高了资源的获取速度和效率,减少用户等待时间,改善了下载体验。通过带宽分配和服务器资源分配,***可以更好地满足用户下载需求,确保下载任务能够以最佳性能运行,提高下载速度和稳定性。通过边缘存储扫描和多节点扫描,***可以更准确地确定资源的可用性,降低了资源缺失的风险,从而提高了下载的成功率。
可选地,所述根据所述边缘存储扫描数据进行多节点扫描任务分配,得到多节点扫描任务分配数据,包括:
S131、获取边缘节点数据;
S132、根据所述边缘节点数据进行扫描任务节点选择,得到扫描任务节点选择数据;
S133、根据所述边缘存储扫码数据对所述扫描任务节点选择数据进行任务分配处理,得到多节点扫描任务分配数据。
本发明中通过获取边缘节点数据,***可以了解边缘节点的分布和性能特征,选择最适合任务的边缘节点,从而提高了任务的执行效率。根据边缘节点数据进行扫描任务节点选择,可以确保任务分配更加智能化和合理化。***可以选择性能较好的节点,以满足下载需求,并充分利用可用资源。通过任务分配处理,***可以将扫描任务分配给多个节点并行执行,不仅提高了资源扫描的速度,还可以平衡负载,确保资源的高效获取。本发明提高资源获取的效率,用户可以更快速地获取所需资源,减少等待时间,改善下载体验。通过智能任务分配和节点选择,***可以更好地利用边缘节点和资源,降低了资源浪费的风险。
可选地,所述确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业,包括:
S21、对所述边缘存储情况数据集进行数据聚合,得到全局边缘存储情况数据;
S22、对所述用户下载请求数据以及所述全局边缘存储情况数据进行资源重要性评估,得到资源重要性评估数据;
S23、根据所述全局边缘存储情况数据以及所述资源重要性评估数据进行协同下载决策生成,得到协同下载决策数据;
S24、确定所述请求资源标识符数据对应的协同下载决策数据为边缘存储下载决策数据时,则根据所述用户下载请求数据以及所述协同下载决策数据进行边缘存储下载作业;
S25、确定所述请求资源标识符数据对应的协同下载决策数据为云存储下载决策数据时,则根据所述用户下载请求数据以及所述协同下载决策数据进行云存储下载作业。
本发明中通过对边缘存储情况数据的聚合和全局分析,***可以得到边缘存储的状态和资源分布,能够优化边缘存储资源的利用,提高资源的可用性和访问速度。通过资源重要性评估,***可以根据用户的需求和资源属性,确定哪些资源适合从边缘存储中获取,智能化地选择下载方式,提供更好的用户体验。基于全局边缘存储情况数据和资源重要性评估数据,***可以生成协同下载决策,决定是从边缘存储还是云存储中获取资源,可以最大程度地提高资源获取的效率。通过边缘存储下载作业和云存储下载作业的智能选择,***可以加速资源的获取速度,减少等待时间,提高可用性。通过优化边缘存储的利用,***可以减少对云存储的依赖,降低云存储成本,同时提供更快的下载体验。
可选地,所述对所述边缘存储情况数据集进行数据聚合,得到全局边缘存储情况数据,包括:
对所述边缘存储情况数据集进行实时数据聚合,得到全局边缘实时存储情况数据;
获取历史边缘存储情况数据,根据所述边缘存储情况数据集对所述历史边缘存储情况数据进行增量数据聚合,得到全局边缘增量存储情况数据;
根据所述全局边缘实时存储情况数据以及所述全局边缘增量存储情况数据生成全局边缘存储情况数据。
本发明中通过对边缘存储情况数据的实时聚合,***可以及时了解当前边缘存储资源的状态和可用性,以更快地响应用户的下载请求,提高用户体验。对历史边缘存储情况数据进行增量数据聚合,有助于***更有效地管理历史数据,减少数据处理的复杂性和资源消耗,提高***的性能和效率。通过综合考虑实时和历史数据,生成全局边缘存储情况数据,***可以获取边缘存储的整体状态,从而更好地进行资源管理和下载决策。实时数据聚合和增量数据聚合有助于***更快速、更智能地获取和处理边缘存储情况数据,从而提高了资源管理的效率,减少了***的复杂性。
可选地,所述对所述用户下载请求数据以及所述全局边缘存储情况数据进行资源重要性评估,得到资源重要性评估数据,包括:
对所述用户下载请求数据以及所述用户标识数据进行用户下载需求分析,得到用户下载需求数据,其中所述用户下载需求数据包括资源类型数据、用户角色数据以及用户权限数据;
根据所述请求资源标识符数据对所述全局边缘存储情况数据进行资源属性提取,得到资源属性数据,其中所述资源属性数据包括资源容量数据、资源类型数据以及资源关联性数据;
根据所述用户标识数据进行用户特征提取,得到用户特征数据,其中所述用户特征数据包括用户历史下载行为特征数据、用户偏好数据以及用户角色特征数据;
根据所述用户特征数据、所述用户下载需求数据、所述资源属性数据对所述全局边缘存储情况数据进行静态权重标识,得到第一资源重要性评估数据;
获取用户当前位置数据,并对所述用户当前位置数据进行资源用途预估,得到资源用途数据;
持续监测用户网络连接状态以及设备状态,分别得到用户网络连接状态数据以及设备状态数据;
根据所述资源用途数据、所述用户网络连接状态数据以及所述设备状态数据对所述全局边缘存储情况数据进行动态权重标识,得到第二资源重要性评估数据;
对所述第一资源重要性评估数据以及所述第二资源重要性评估数据进行排序筛选,得到资源重要性评估数据。
本发明中能够更准确地评估资源的重要性,传统方法只考虑一些静态因素,而本方法引入了动态因素,提高了评估的准确性。基于静态和动态权重标识,***可以智能地调整资源的优先级,以满足不同用户和环境的需求,从而更有效地利用资源,提高了***的性能和资源利用率。通过根据用户的需求和环境动态调整资源的重要性,***可以更好地满足用户的下载需求,提供更好的用户体验,包括更快的下载速度、更少的下载中断和更高的成功率。由于采用了动态权重标识,***对不断变化的用户需求和环境变化更具适应性,使得***能够应对各种复杂情况,提供更灵活的资源管理。
可选地,所述根据所述全局边缘存储情况数据以及所述资源重要性评估数据进行协同下载决策生成,得到协同下载决策数据,包括:
根据所述全局边缘存储情况数据以及所述资源重要性评估数据进行资源定位,得到资源定位数据;
对所述资源定位数据进行资源可用性检查,得到资源可用性数据,其中所述资源可用性检查包括资源存在检查、资源占用检查以及资源传输最低要求检查,所述资源可用性数据包括资源可用数据以及资源缺失数据;
确定所述资源可用性数据为所述资源可用数据时,则根据所述资源可用数据生成边缘存储下载决策数据;
确定所述资源可用性数据为所述资源缺失数据时,则根据所述资源缺失数据生成云存储下载决策数据;
将所述边缘存储下载决策数据以及所述云存储下载决策数据进行整合,得到协同下载决策数据。
本发明中通过根据全局边缘存储情况数据和资源重要性评估数据进行资源定位,***能够更智能地选择合适的资源来源,提高下载效率和成功率,减少资源浪费。本发明包括资源存在检查、资源占用检查以及资源传输最低要求检查,有助于确定资源是否可以满足用户的下载需求,提高了资源的可用性和适用性。根据资源可用性数据生成不同的下载决策数据,可以同时考虑边缘存储和云存储,从而更好地利用不同资源来源,提高资源利用率。将边缘存储下载决策数据和云存储下载决策数据整合在一起,生成协同下载决策数据,有助于综合考虑不同资源来源的优势,为用户提供更好的下载服务。
可选地,所述确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业,包括:
确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行断点数据采集,得到断点数据,其中所述断点数据包括已下载数据、下载进度数据、下载文件容量数据以及下载资源标识符数据;
根据所述断点数据进行请求资源范围处理,得到请求资源范围数据;
根据所述请求资源范围数据进行恢复下载作业。
本发明中通过采集断点数据,包括已下载数据、下载进度数据、下载文件容量数据以及下载资源标识符数据,实现了高效的断点续传,大大减少因下载中断或失败而导致的资源浪费和用户不便。通过根据断点数据生成请求资源范围数据,方法可以确保在断点续传时只请求未下载的部分资源,而不需要重新下载整个文件,节省了带宽和时间,提高了下载效率。通过实现高效的断点续传,提高了用户体验,用户可以更顺畅地继续之前中断或失败的下载任务,而无需重新开始。
可选地,所述根据所述断点数据进行请求资源范围处理,得到请求资源范围数据,包括:
持续监测当前网络状况、当前服务器负载状况以及当前用户设备性能状况,分别得到当前网络状况数据、当前服务器负载状况数据以及当前用户设备性能状况数据;
根据所述断点数据进行初始请求资源范围生成,得到初始请求资源范围数据;
根据所述当前网络状况数据、所述当前服务器负载状况数据以及所述当前用户设备性能状况数据对所述初始请求资源范围数据进行动态范围调整,得到请求资源范围数据。
本发明中通过持续监测当前网络状况、服务器负载和用户设备性能,可以实现资源请求范围的动态调整,可以根据实际情况最大程度地利用可用带宽和服务器资源,从而提高下载速度和效率。通过动态范围调整,方法可以更好地适应不断变化的网络条件和设备性能,提供更稳定和高效的下载体验,减少下载失败和中断的可能性,提高用户满意度。根据当前情况调整资源请求范围,只请求所需的资源部分,而不是整个文件,减少不必要的数据传输和资源浪费,降低了带宽成本。
可选地,本申请还提供了一种基于云计算的资源下载管理***,用于执行如上所述的基于云计算的资源下载管理方法,所述基于云计算的资源下载管理***包括:
边缘存储扫描模块,用于响应于用户请求下载操作,获取用户下载请求数据,并根据所述用户下载请求数据进行边缘存储扫描,得到边缘存储情况数据;
协同缓存下载模块,用于确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业;
分配处理模块,用于确定所述边缘存储情况数据包括存在存储资源情况数据时,根据所述用户下载请求数据进行带宽分配处理以及服务器资源分配处理,得到带宽分配数据以及服务器资源分配数据;
并发下载模块,用于根据所述带宽分配数据以及所述服务器资源分配数据进行并发下载作业,并实时记录所述并发下载作业,以得到并发下载记录数据;
高效断点续传模块,用于确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业。
本发明的目的在于通过边缘存储扫描和协同缓存下载作业,快速识别可用的存储资源,从而减少了资源搜索和下载延迟,此外,采用并发下载作业,可以同时下载多个资源,进一步提高下载速度和效率。通过高效断点续传作业,能够在下载中断或失败时迅速恢复,无需重新下载整个文件,大大减少了用户等待时间,提高了用户满意度。通过带宽分配和服务器资源分配处理,方法可以有效地管理和优化资源分配,确保了资源的最佳利用,减少了不必要的资源浪费,降低了成本。由于采用了边缘存储扫描和协同缓存下载,资源更多地分布在边缘节点上,减少了对云服务器的直接请求,降低了网络拥塞的可能性,提高了网络性能。通过高效断点续传作业,只需下载中断的部分而不是整个文件,可以减少带宽消耗,降低了数据传输成本。
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示出了一实施例的基于云计算的资源下载管理方法的步骤流程图;
图2示出了一实施例的边缘存储扫描方法的步骤流程图;
图3示出了一实施例的多节点扫描任务分配方法的步骤流程图;
图4示出了一实施例的数据聚合方法的步骤流程图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
请参阅图1至图4,本申请提供了一种基于云计算的资源下载管理方法,所述方法包括:
S1、响应于用户请求下载操作,获取用户下载请求数据,并根据所述用户下载请求数据进行边缘存储扫描,得到边缘存储情况数据,其中所述用户下载请求数据包括请求资源标识符数据、用户标识数据以及请求时间戳数据;
具体地,当用户请求下载一个文件时,***获取用户下载请求数据,其中包括请求资源的标识符、用户标识以及请求时间戳。随后,***根据这些数据进行边缘存储扫描,查询边缘存储设备,以确定是否存在存储资源,并收集相关信息。
S2、确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业;
具体地,如果边缘存储扫描结果表明所需资源在边缘存储中存在,***将执行协同缓存下载作业,如将资源从边缘存储设备传输到用户设备,以加快下载速度,同时减少对云服务器的依赖。
S3、确定所述边缘存储情况数据包括存在存储资源情况数据时,根据所述用户下载请求数据进行带宽分配处理以及服务器资源分配处理,得到带宽分配数据以及服务器资源分配数据;
具体地,如果边缘存储中存在资源,***将根据用户下载请求数据以及边缘存储情况数据进行带宽分配和服务器资源分配,包括决定资源从哪个边缘节点下载以及分配带宽和计算资源以支持下载任务。
S4、根据所述带宽分配数据以及所述服务器资源分配数据进行并发下载作业,并实时记录所述并发下载作业,以得到并发下载记录数据;
具体地,***根据带宽分配数据和服务器资源分配数据执行并发下载作业,允许同时下载多个资源,并实时记录下载任务的状态和进展,包括已下载的数据量、下载进度、下载文件的大小和下载的资源标识符等信息。
S5、确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业。
具体地,如果在并发下载过程中发生下载失败或者下载中断,***将根据并发下载记录数据执行高效断点续传作业,包括采集已下载数据、下载进度、下载文件容量和下载资源标识符等断点数据,并基于这些数据来确定恢复下载的范围,以避免重新下载整个文件。
本发明中通过边缘存储扫描和协同缓存下载,***可以更有效地利用边缘存储资源,减少对云存储的依赖,从而提高资源的利用率。通过带宽分配和服务器资源分配的处理,***可以根据用户下载请求的需求动态分配资源,以确保下载任务能够以最佳性能运行。***支持并发下载,允许多个下载任务同时进行,提高了下载效率,此外,高效断点续传机制确保在下载中断或失败时可以快速恢复,节省了用户的时间和带宽资源。通过资源重要性评估和协同下载决策,***可以根据用户需求提供更快速、更可靠的下载服务,从而提高用户的满意度和体验。本发明通过边缘存储、动态资源分配和高效下载管理实现更高效、更可靠的资源下载服务,为用户提供更好的体验,同时也能够降低云存储资源的负载和成本。
可选地,所述响应于用户请求下载操作,获取用户下载请求数据,并根据所述用户下载请求数据进行边缘存储扫描,得到边缘存储情况数据,包括:
S11、响应于用户请求下载操作,获取用户下载请求数据;
具体地,***等待用户请求下载某个资源。一旦用户发出下载请求,***获取用户下载请求数据,这些数据通常包括:请求资源的标识符:标识用户要下载的具体资源,例如文件名、URL等。用户标识:标识请求下载的用户,可以是用户的帐号或唯一标识符。请求时间戳:记录用户发出下载请求的时间,用于记录和时间相关的操作。
S12、根据所述用户下载请求数据生成边缘存储扫描数据;
具体地,解析用户下载请求数据:用户下载请求数据包括请求的资源标识符、用户标识和请求时间戳等信息,首先需要解析这些数据以获取其中的详细信息。确定需要下载的资源:根据资源标识符数据,确定用户请求的具体资源,如一个文件、一个对象、一个网页或其他类型的资源,如通过解析资源标识符数据来提取资源的唯一标识符,以便进一步处理。检查边缘存储情况:针对所确定的资源,需要查询或检查边缘存储***中的情况,包括检查资源是否已缓存在边缘节点上、资源的缓存时间戳、资源的版本信息等,如向边缘存储***发送查询请求,以获取相关信息。生成扫描数据:基于上述信息,生成边缘存储扫描数据,其中边缘存储扫描数据包括哪些资源需要从边缘存储中获取,以及如何获取这些资源。
例如,如果资源已经在边缘节点上缓存,并且缓存是最新的,那么可以生成指令来从相应的边缘节点获取资源。
如果资源未在边缘节点上缓存,或者缓存不是最新的,那么需要生成指令将资源从中心存储或云存储中获取,并在边缘节点上进行缓存。
S13、根据所述边缘存储扫描数据进行多节点扫描任务分配,得到多节点扫描任务分配数据;
具体地,***使用边缘存储扫描数据来确定多节点扫描任务的分配策略,包括:根据资源标识符确定资源的位置,以确定哪些边缘节点拥有该资源。根据用户标识或用户的角色信息决定将任务分配给哪些边缘节点,根据用户的地理位置和网络条件进行优化。考虑请求时间戳以确定下载请求的紧急性或时效性,影响任务的分配优先级。
S14、根据所述多节点扫描任务分配数据进行边缘存储情况数据生成,得到边缘存储情况数据。
具体地,***使用多节点扫描任务分配数据来生成边缘存储情况数据,这包括:确定哪些边缘节点负责存储所需资源。记录每个边缘节点的存储情况,包括资源的可用性、容量、负载等信息。生成边缘存储情况数据,以供后续的下载决策和任务分配使用。
具体地,当用户通过应用程序或网络界面发出下载请求时,***会监听该请求。一旦***检测到下载请求,它会获取用户下载请求数据,包括:请求资源的标识符,例如文件名、URL、资源ID等,用户标识,可以是用户名、用户ID或其他唯一标识符,请求时间戳,记录请求的时间,通常以UNIX时间戳格式表示。在这一步,***使用用户下载请求数据来创建边缘存储扫描数据,生成的数据包括:解析资源标识符以确定所需资源的属性,如资源类型、大小等。基于用户标识和请求时间戳,确定资源的获取优先级或请求紧急性。生成扫描数据,其中包括资源标识符、用户标识、请求时间戳和其他必要的信息。***根据边缘存储扫描数据来分配多节点扫描任务。根据资源标识符,确定资源在哪些边缘节点上可用或应该存储。基于用户标识或角色信息,将任务分配给合适的边缘节点,考虑用户的地理位置和网络条件,以优化任务分配,例如将任务分配给距离用户更近且网络连接更好的节点。根据请求时间戳,确定任务的紧急性或时效性,会影响任务的优先级。***使用多节点扫描任务分配数据来生成边缘存储情况数据,包括:确定哪些边缘节点负责存储所需资源,并记录它们的标识符或位置。对每个边缘节点的存储情况进行记录,包括资源的可用性、容量、负载等信息。创建包含边缘节点存储情况的数据结构,以便后续的下载决策和任务分配使用。
本发明中通过对用户下载请求数据进行扫描和分析,***可以更好地了解资源的分布和可用性,从而优化边缘存储的利用,减少对云存储的依赖,降低了资源获取的延迟和成本。采用多节点扫描任务分配策略,可以并行地从多个节点获取资源,提高了资源的获取速度和效率,减少用户等待时间,改善了下载体验。通过带宽分配和服务器资源分配,***可以更好地满足用户下载需求,确保下载任务能够以最佳性能运行,提高下载速度和稳定性。通过边缘存储扫描和多节点扫描,***可以更准确地确定资源的可用性,降低了资源缺失的风险,从而提高了下载的成功率。
可选地,所述根据所述边缘存储扫描数据进行多节点扫描任务分配,得到多节点扫描任务分配数据,包括:
S131、获取边缘节点数据;
具体地,***需要获取关于可用边缘节点的数据,这些数据通常包括:边缘节点的位置信息,如经纬度坐标或物理位置。边缘节点的性能信息,如处理能力、存储容量、带宽等。边缘节点的网络连接质量信息,如延迟、带宽和稳定性。这些数据可以从边缘节点管理***或监测工具中收集和维护。
S132、根据所述边缘节点数据进行扫描任务节点选择,得到扫描任务节点选择数据;
具体地,***使用获取的边缘节点数据来选择适合扫描任务的节点,包括:根据资源的位置和用户的地理位置选择最近的边缘节点,以减少延迟和提高下载速度。考虑边缘节点的性能和负载情况,选择能够处理扫描任务的节点。考虑网络连接质量,选择稳定且具有足够带宽的节点。
S133、根据所述边缘存储扫码数据对所述扫描任务节点选择数据进行任务分配处理,得到多节点扫描任务分配数据。
具体地,***使用边缘存储扫描数据和扫描任务节点选择数据来进行任务分配,包括:确定哪些资源需要扫描,以及它们的位置信息。将扫描任务分配给选定的边缘节点,确保资源的覆盖和下载效率。为每个边缘节点分配相应的任务,包括下载哪些资源、何时下载以及如何优化下载顺序。
本发明中通过获取边缘节点数据,***可以了解边缘节点的分布和性能特征,选择最适合任务的边缘节点,从而提高了任务的执行效率。根据边缘节点数据进行扫描任务节点选择,可以确保任务分配更加智能化和合理化。***可以选择性能较好的节点,以满足下载需求,并充分利用可用资源。通过任务分配处理,***可以将扫描任务分配给多个节点并行执行,不仅提高了资源扫描的速度,还可以平衡负载,确保资源的高效获取。本发明提高资源获取的效率,用户可以更快速地获取所需资源,减少等待时间,改善下载体验。通过智能任务分配和节点选择,***可以更好地利用边缘节点和资源,降低了资源浪费的风险。
可选地,所述确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业,包括:
S21、对所述边缘存储情况数据集进行数据聚合,得到全局边缘存储情况数据;
具体地,收集各个边缘节点的存储情况数据,包括可用存储容量、资源类型、资源关联性等信息。将收集到的数据汇总并进行聚合,以生成全局边缘存储情况数据,包括计算每个资源类型的总存储容量、确定每个资源的复制数量等。维护实时更新的全局边缘存储情况数据,以反映边缘网络的实际状态。
S22、对所述用户下载请求数据以及所述全局边缘存储情况数据进行资源重要性评估,得到资源重要性评估数据;
具体地,根据用户下载请求数据,确定用户的需求,包括资源类型、用户角色和用户权限等。使用全局边缘存储情况数据来评估资源的可用性和适用性。例如,根据资源类型和存储情况,确定哪些资源是可用的,哪些是最适合的。基于用户需求和资源可用性,计算资源的重要性得分,包括使用权重或规则来衡量资源的重要性。
S23、根据所述全局边缘存储情况数据以及所述资源重要性评估数据进行协同下载决策生成,得到协同下载决策数据;
具体地,结合全局边缘存储情况数据和资源重要性评估数据,生成协同下载决策,包括确定哪些资源应该从边缘存储节点下载,哪些资源应该从云存储节点下载。对于边缘存储下载决策数据,确定边缘节点,并分配下载任务,如分析资源的位置和可用性,以最小化延迟和带宽消耗。对于云存储下载决策数据,将下载任务分配给云服务器,并考虑云存储提供商的服务水平和定价策略。
S24、确定所述请求资源标识符数据对应的协同下载决策数据为边缘存储下载决策数据时,则根据所述用户下载请求数据以及所述协同下载决策数据进行边缘存储下载作业;
具体地,***根据用户下载请求数据中的请求资源标识符数据检查协同下载决策数据的类型,确认其为边缘存储下载决策数据。根据协同下载决策数据中的任务分配信息,确定哪些边缘节点将负责下载所需资源。***根据协同下载决策数据中的资源位置信息,选择与用户距离最近且可用性最高的边缘节点来执行下载任务。***使用用户下载请求数据指定的下载参数(如下载速度、优先级等)来配置边缘节点以执行下载作业。边缘节点开始下载所需资源,并在下载过程中监视和管理下载任务。
S25、确定所述请求资源标识符数据对应的协同下载决策数据为云存储下载决策数据时,则根据所述用户下载请求数据以及所述协同下载决策数据进行云存储下载作业。
具体地,***根据用户下载请求数据中的请求资源标识符数据检查协同下载决策数据的类型,确认其为云存储下载决策数据。根据协同下载决策数据中的任务分配信息,确定下载任务将由云存储服务提供商的服务器执行。***根据协同下载决策数据中的资源位置信息,将下载请求发送到云存储服务商的服务器。***会在用户下载请求数据中指定下载参数,以便向云存储服务商传达有关下载的特定要求。云存储服务商的服务器开始执行下载任务,将所需资源传输到用户设备。
本发明中通过对边缘存储情况数据的聚合和全局分析,***可以得到边缘存储的状态和资源分布,能够优化边缘存储资源的利用,提高资源的可用性和访问速度。通过资源重要性评估,***可以根据用户的需求和资源属性,确定哪些资源适合从边缘存储中获取,智能化地选择下载方式,提供更好的用户体验。基于全局边缘存储情况数据和资源重要性评估数据,***可以生成协同下载决策,决定是从边缘存储还是云存储中获取资源,可以最大程度地提高资源获取的效率。通过边缘存储下载作业和云存储下载作业的智能选择,***可以加速资源的获取速度,减少等待时间,提高可用性。通过优化边缘存储的利用,***可以减少对云存储的依赖,降低云存储成本,同时提供更快的下载体验。
可选地,所述对所述边缘存储情况数据集进行数据聚合,得到全局边缘存储情况数据,包括:
对所述边缘存储情况数据集进行实时数据聚合,得到全局边缘实时存储情况数据;
具体地,收集各个边缘节点的实时存储情况数据,包括当前的可用存储容量、资源类型和资源关联性等信息。将实时数据进行汇总和聚合,以生成全局边缘实时存储情况数据,如计算总的可用存储容量,跟踪当前各种资源类型的分布情况等。更新全局边缘实时存储情况数据以反映边缘网络的最新状态。
获取历史边缘存储情况数据,根据所述边缘存储情况数据集对所述历史边缘存储情况数据进行增量数据聚合,得到全局边缘增量存储情况数据;
具体地,访问先前收集和存储的历史边缘存储情况数据,包括过去的存储容量、资源类型的演变等信息。比较历史数据和实时数据,识别出发生变化的部分,例如增加或减少的存储容量、新增的资源类型等。根据这些变化数据进行增量聚合,以生成全局边缘增量存储情况数据。这可以帮助确定资源分布的趋势和变化。
根据所述全局边缘实时存储情况数据以及所述全局边缘增量存储情况数据生成全局边缘存储情况数据。
具体地,结合全局边缘实时存储情况数据和全局边缘增量存储情况数据,以生成全局边缘存储情况数据。包括合并实时数据和增量数据,确保全局边缘存储情况数据包含最新的存储信息,同时也考虑历史趋势和变化。
本发明中通过对边缘存储情况数据的实时聚合,***可以及时了解当前边缘存储资源的状态和可用性,以更快地响应用户的下载请求,提高用户体验。对历史边缘存储情况数据进行增量数据聚合,有助于***更有效地管理历史数据,减少数据处理的复杂性和资源消耗,提高***的性能和效率。通过综合考虑实时和历史数据,生成全局边缘存储情况数据,***可以获取边缘存储的整体状态,从而更好地进行资源管理和下载决策。实时数据聚合和增量数据聚合有助于***更快速、更智能地获取和处理边缘存储情况数据,从而提高了资源管理的效率,减少了***的复杂性。
可选地,所述对所述用户下载请求数据以及所述全局边缘存储情况数据进行资源重要性评估,得到资源重要性评估数据,包括:
对所述用户下载请求数据以及所述用户标识数据进行用户下载需求分析,得到用户下载需求数据,其中所述用户下载需求数据包括资源类型数据、用户角色数据以及用户权限数据;
具体地,分析用户下载请求数据,包括资源标识符、用户标识和请求时间戳等。从用户标识数据中提取用户的角色、权限等信息,例如用户是否是管理员、普通用户等。根据请求数据和用户标识数据,确定用户的下载需求,包括所需资源的类型(如文档、图像、视频等)以及用户权限(如读取、写入等)。
根据所述请求资源标识符数据对所述全局边缘存储情况数据进行资源属性提取,得到资源属性数据,其中所述资源属性数据包括资源容量数据、资源类型数据以及资源关联性数据;
具体地,根据请求资源标识符数据,访问全局边缘存储情况数据,以提取有关所需资源的属性信息,包括资源的容量、类型(如图片、视频、文档等)和资源之间的关联性信息。
根据所述用户标识数据进行用户特征提取,得到用户特征数据,其中所述用户特征数据包括用户历史下载行为特征数据、用户偏好数据以及用户角色特征数据;
具体地,基于用户标识数据,分析用户的历史下载行为,包括下载的资源类型、下载频率等。收集用户的偏好信息,如用户是否更喜欢在特定时间下载、偏好下载特定类型的资源等。提取用户角色特征数据,例如用户是否是新用户、经验用户等。
根据所述用户特征数据、所述用户下载需求数据、所述资源属性数据对所述全局边缘存储情况数据进行静态权重标识,得到第一资源重要性评估数据;
具体地,***根据用户下载需求数据、资源属性数据和用户特征数据进行静态权重标识,如通过预设的规则建立一些权重模型或规则,以确定资源的相对重要性。例如,***可以考虑资源类型、用户角色和用户权限,为每个资源分配不同的权重。
具体地,有一个图片下载应用,用户下载请求数据包括请求一张图片,用户标识为普通用户,请求时间戳为2024-01-20。全局边缘存储情况数据包括图片资源的容量为5MB,类型为图片,与其他资源无关联。步骤1:用户下载需求分析,资源类型数据:图片,用户角色数据:普通用户,用户权限数据:读取权限。步骤2:资源属性提取,资源容量数据:5MB,资源类型数据:图片,资源关联性数据:无关联资源。步骤3:用户特征提取,用户历史下载行为特征数据:分析用户过去下载的资源类型、下载频率等。用户偏好数据:了解用户是否在特定时间段下载资源,是否偏好图片类型资源。用户角色特征数据:用户角色为普通用户。步骤4:静态权重标识,使用权重模型或规则,结合资源属性、用户需求和用户特征(0.4、0.4和0.2),计算图片资源的重要性得分。例如,***根据资源容量、类型和用户角色赋予不同的权重,得分是一个数值,如0.75(高重要性)或0.4(低重要性),将计算得到的结果与预设的阈值(如0.53)进行比较得到。
具体地,用户下载需求数据:用户需求资源类型数据:用户需要下载图片资源。用户角色数据:用户的角色是普通用户。用户权限数据:用户具有读取权限。资源属性数据:资源容量数据:图片资源的容量为5MB。资源类型数据:资源类型为图片。资源关联性数据:资源与用户历史下载记录无关联。用户特征数据:用户历史下载行为特征数据:用户过去下载了大量的图片资源。用户偏好数据:用户更喜欢在晚上下载资源。用户角色特征数据:用户是普通用户,不是管理员或特殊角色。资源类型权重:图片资源的权重为0.7,表示图片资源相对重要。用户角色权重:普通用户的权重为0.5,表示普通用户的需求一般重要。用户权限权重:读取权限的权重为0.6,表示用户只能读取资源的需求较重要。资源容量权重:5MB的资源容量权重为0.3,表示资源较小,需求相对较不重要。用户历史下载行为特征权重:用户历史下载了大量的图片资源,权重为0.8,表示用户对图片资源的需求较重要。用户偏好权重:用户偏好在晚上下载资源,权重为0.7,表示晚上下载的需求较重要。用户角色特征权重:用户是普通用户,权重为0.5,表示一般性需求。
获取用户当前位置数据,并对所述用户当前位置数据进行资源用途预估,得到资源用途数据;
具体地,获取用户当前位置数据,并分析当前位置涉及的资源用途,例如用户需要访问与其当前位置相关的资源。
持续监测用户网络连接状态以及设备状态,分别得到用户网络连接状态数据以及设备状态数据;
具体地,持续监测用户的网络连接状态和设备状态,例如带宽、延迟、设备性能等。
根据所述资源用途数据、所述用户网络连接状态数据以及所述设备状态数据对所述全局边缘存储情况数据进行动态权重标识,得到第二资源重要性评估数据;
具体地,***持续监测用户的网络连接状态和设备状态,以及资源的实际使用情况。根据资源用途数据、用户网络连接状态数据和设备状态数据,***进行动态权重标识,根据实时情况调整资源的重要性评估,例如,如果用户的网络连接变得不稳定,***可以降低对云存储的依赖,提高边缘存储的重要性。
具体地,基于收集到的资源用途数据、用户网络连接状态数据以及设备状态数据,***可以使用一种权重调整算法或规则来重新评估资源的重要性,根据实际情况进行调整。以下是一个示例权重调整的算法:带宽权重(Bandwidth Weight):根据用户的带宽可用性来调整资源重要性,如果用户具有高速带宽连接,那么资源的带宽权重可以增加,因为高速连接可以更快地下载资源,带宽越大,权重越高。延迟权重(Latency Weight):根据用户的延迟来调整资源重要性,较低的延迟可以提供更快的响应时间,因此对于需要实时性的资源,延迟权重可以增加。设备性能权重(Device Performance Weight):根据用户设备的性能水平来调整资源重要性,性能较高的设备可以更快地处理和显示资源,因此对于性能要求高的资源,设备性能权重可以增加。存储空间权重(Storage Space Weight):根据用户设备上的可用存储空间来调整资源重要性,如果设备存储空间有限,资源的存储空间权重可以降低,以避免占用太多空间。
带宽权重(Bandwidth Weight):根据用户的带宽可用性来调整资源重要性,带宽的权重设置如下:高速带宽(>50Mbps):权重为0.9,中等带宽(20-50Mbps):权重为0.7,低速带宽(<20Mbps):权重为0.5。延迟权重(Latency Weight):根据用户的延迟来调整资源重要性,延迟的权重设置如下:低延迟(<50ms):权重为0.9,中等延迟(50-100ms):权重为0.7,高延迟(>100ms):权重为0.5。设备性能权重(Device Performance Weight):根据用户设备的性能水平来调整资源重要性,设备性能的权重设置如下:高性能设备(快速处理器、大内存):权重为0.9,中等性能设备(一般处理器、中等内存):权重为0.7,低性能设备(较慢处理器、有限内存):权重为0.5。存储空间权重(Storage Space Weight):根据用户设备上的可用存储空间来调整资源重要性,存储空间的权重设置如下:大量可用存储空间:权重为0.9,中等可用存储空间:权重为0.7,有限可用存储空间:权重为0.5。
具体地,资源用途数据:用户正在播放在线视频。网络连接状态数据:用户当前的网络连接状态为4G,但网络稳定性较差。设备状态数据:用户的设备是一部老旧的智能手机,处理能力较低。***使用预设的规则来进行动态权重标识。***考虑以下因素:资源用途权重:用户正在播放在线视频,需要更高的带宽和更稳定的连接,资源用途的权重可以设置为0.8,表示在线视频的需求较重要。用户网络连接状态权重:用户当前的网络连接状态为4G,但不稳定,可以降低对云存储的依赖,网络连接状态的权重可以设置为0.6,表示网络稳定性较差。设备状态权重:用户的设备是一部老旧的智能手机,处理能力较低,需要更多的时间来缓冲和处理视频,设备状态的权重可以设置为0.7,表示设备性能较低。
对所述第一资源重要性评估数据以及所述第二资源重要性评估数据进行排序筛选,得到资源重要性评估数据。
具体地,将第一资源重要性评估数据和第二资源重要性评估数据结合在一起,以确定资源的最终重要性。使用排序和筛选算法,将资源按照其重要性进行排序,以便进行后续的协同下载决策。将静态权重标识和动态权重标识结合起来,***可以得到每个资源的最终资源重要性评估数据。***对这些数据进行排序和筛选,以确定哪些资源将由边缘存储节点下载,哪些资源将由云存储节点下载。第一资源重要性评估数据高的资源更适合从边缘存储节点下载,而第一资源重要性评估数据低而第二资源重要性评估数据低的资源更适合从云存储节点下载。
本发明中能够更准确地评估资源的重要性,传统方法只考虑一些静态因素,而本方法引入了动态因素,提高了评估的准确性。基于静态和动态权重标识,***可以智能地调整资源的优先级,以满足不同用户和环境的需求,从而更有效地利用资源,提高了***的性能和资源利用率。通过根据用户的需求和环境动态调整资源的重要性,***可以更好地满足用户的下载需求,提供更好的用户体验,包括更快的下载速度、更少的下载中断和更高的成功率。由于采用了动态权重标识,***对不断变化的用户需求和环境变化更具适应性,使得***能够应对各种复杂情况,提供更灵活的资源管理。
可选地,所述根据所述全局边缘存储情况数据以及所述资源重要性评估数据进行协同下载决策生成,得到协同下载决策数据,包括:
根据所述全局边缘存储情况数据以及所述资源重要性评估数据进行资源定位,得到资源定位数据;
具体地,使用全局边缘存储情况数据来确定资源的位置和可用性,如通过多个边缘节点或云服务器进行资源定位。基于资源重要性评估数据,确定最适合满足用户需求的资源定位,这可以是边缘节点或云服务器。
对所述资源定位数据进行资源可用性检查,得到资源可用性数据,其中所述资源可用性检查包括资源存在检查、资源占用检查以及资源传输最低要求检查,所述资源可用性数据包括资源可用数据以及资源缺失数据;
具体地,对资源定位数据进行资源可用性检查,以确保资源可用性。资源可用性检查包括以下几个方面:资源存在检查:确保所选资源实际存在且可访问。资源占用检查:检查资源是否被其他用户占用或锁定,以防止冲突。资源传输最低要求检查:检查资源的传输速度和带宽是否满足用户要求。
确定所述资源可用性数据为所述资源可用数据时,则根据所述资源可用数据生成边缘存储下载决策数据;
具体地,如果资源可用性数据表明所选资源可用,那么生成边缘存储下载决策数据,以指示从边缘存储节点下载资源。
确定所述资源可用性数据为所述资源缺失数据时,则根据所述资源缺失数据生成云存储下载决策数据;
具体地,如果资源可用性数据表明资源不可用,那么生成云存储下载决策数据,以指示从云服务器下载资源。
将所述边缘存储下载决策数据以及所述云存储下载决策数据进行整合,得到协同下载决策数据。
具体地,将边缘存储下载决策数据和云存储下载决策数据整合到一起,以形成最终的协同下载决策数据。在某些情况下,资源可以从边缘存储下载,而在其他情况下,需要从云存储下载,以满足用户需求和资源可用性。
本发明中通过根据全局边缘存储情况数据和资源重要性评估数据进行资源定位,***能够更智能地选择合适的资源来源,提高下载效率和成功率,减少资源浪费。本发明包括资源存在检查、资源占用检查以及资源传输最低要求检查,有助于确定资源是否可以满足用户的下载需求,提高了资源的可用性和适用性。根据资源可用性数据生成不同的下载决策数据,可以同时考虑边缘存储和云存储,从而更好地利用不同资源来源,提高资源利用率。将边缘存储下载决策数据和云存储下载决策数据整合在一起,生成协同下载决策数据,有助于综合考虑不同资源来源的优势,为用户提供更好的下载服务。
可选地,所述确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业,包括:
确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行断点数据采集,得到断点数据,其中所述断点数据包括已下载数据、下载进度数据、下载文件容量数据以及下载资源标识符数据;
具体地,当***检测到并发下载记录数据包括失败下载记录数据或中断下载记录时,它会启动断点数据采集过程。断点数据采集包括:已下载数据:记录已成功下载的部分文件数据。下载进度数据:记录上次下载中断的位置或下载进度。下载文件容量数据:指示整个下载文件的大小。下载资源标识符数据:标识下载资源的唯一标识。
根据所述断点数据进行请求资源范围处理,得到请求资源范围数据;
具体地,根据采集到的断点数据,特别是已下载数据和下载进度数据,***可以确定从哪个位置继续下载文件。请求资源范围数据指定了需要继续下载的文件片段的范围,通常以字节范围表示。这个范围根据断点数据中的信息动态生成,以最小化需要重新下载的数据。
根据所述请求资源范围数据进行恢复下载作业。
具体地,基于请求资源范围数据,***启动恢复下载作业,只下载中断点之后的数据块。这允许***高效地继续下载,而不必重新下载整个文件。下载的数据块会逐渐填充已下载数据,直到完整文件再次可用。
本发明中通过采集断点数据,包括已下载数据、下载进度数据、下载文件容量数据以及下载资源标识符数据,实现了高效的断点续传,大大减少因下载中断或失败而导致的资源浪费和用户不便。通过根据断点数据生成请求资源范围数据,方法可以确保在断点续传时只请求未下载的部分资源,而不需要重新下载整个文件,节省了带宽和时间,提高了下载效率。通过实现高效的断点续传,提高了用户体验,用户可以更顺畅地继续之前中断或失败的下载任务,而无需重新开始。
可选地,所述根据所述断点数据进行请求资源范围处理,得到请求资源范围数据,包括:
持续监测当前网络状况、当前服务器负载状况以及当前用户设备性能状况,分别得到当前网络状况数据、当前服务器负载状况数据以及当前用户设备性能状况数据;
具体地,***会持续监测以下三个关键方面的数据:当前网络状况数据:包括带宽可用性、延迟、丢包率等信息。当前服务器负载状况数据:包括服务器的负载、响应时间、连接数等信息。当前用户设备性能状况数据:包括设备的处理能力、内存使用、电池状态等信息。
具体地,***每秒钟监测网络状况、服务器负载和用户设备性能,并将数据记录下来。当前网络状况数据:带宽可用性为10Mbps、平均延迟为30毫秒、丢包率为2%。当前服务器负载状况数据:服务器负载为60%、平均响应时间为50毫秒、连接数为200。当前用户设备性能状况数据:设备处理器速度为2GHz、可用内存为2GB、电池电量为60%。
根据所述断点数据进行初始请求资源范围生成,得到初始请求资源范围数据;
具体地,基于断点数据中的信息,***可以计算出初始的请求资源范围数据。初始请求资源范围数据通常是断点位置之后的文件范围,以便从中断点继续下载。
具体地,断点数据显示文件总大小为100MB,下载已达到30MB。
根据所述当前网络状况数据、所述当前服务器负载状况数据以及所述当前用户设备性能状况数据对所述初始请求资源范围数据进行动态范围调整,得到请求资源范围数据。
具体地,***会根据持续监测到的当前环境数据,特别是网络状况、服务器负载和用户设备性能,对初始请求资源范围数据进行动态调整。这个动态调整的目的是优化下载性能,以便更好地适应当前的环境。例如,如果网络状况变差,***会减小请求资源范围,以降低丢包率和提高下载成功率。反之,如果网络质量提高,***会扩大请求资源范围,以提高下载速度。
具体地,***根据当前环境数据动态调整请求资源范围:基于网络状况:由于网络带宽可用性较低(10Mbps),***决定减小请求资源范围,以避免过多的丢包和下载失败。将请求资源范围减小到当前已下载数据的后10MB(从30MB到40MB)。基于服务器负载:服务器负载为60%,表示服务器负载较高,响应时间较长。***决定保持请求资源范围不变,以减少对服务器的请求。基于用户设备性能:用户设备性能足够,处理器速度和内存都足够大,不需要调整请求资源范围。因此,最终的请求资源范围数据是从30MB到40MB,以适应当前的网络状况。
本发明中通过持续监测当前网络状况、服务器负载和用户设备性能,可以实现资源请求范围的动态调整,可以根据实际情况最大程度地利用可用带宽和服务器资源,从而提高下载速度和效率。通过动态范围调整,方法可以更好地适应不断变化的网络条件和设备性能,提供更稳定和高效的下载体验,减少下载失败和中断的可能性,提高用户满意度。根据当前情况调整资源请求范围,只请求所需的资源部分,而不是整个文件,减少不必要的数据传输和资源浪费,降低了带宽成本。
可选地,本申请还提供了一种基于云计算的资源下载管理***,用于执行如上所述的基于云计算的资源下载管理方法,所述基于云计算的资源下载管理***包括:
边缘存储扫描模块,用于响应于用户请求下载操作,获取用户下载请求数据,并根据所述用户下载请求数据进行边缘存储扫描,得到边缘存储情况数据;
协同缓存下载模块,用于确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业;
分配处理模块,用于确定所述边缘存储情况数据包括存在存储资源情况数据时,根据所述用户下载请求数据进行带宽分配处理以及服务器资源分配处理,得到带宽分配数据以及服务器资源分配数据;
并发下载模块,用于根据所述带宽分配数据以及所述服务器资源分配数据进行并发下载作业,并实时记录所述并发下载作业,以得到并发下载记录数据;
高效断点续传模块,用于确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业。
本发明的目的在于通过边缘存储扫描和协同缓存下载作业,快速识别可用的存储资源,从而减少了资源搜索和下载延迟,此外,采用并发下载作业,可以同时下载多个资源,进一步提高下载速度和效率。通过高效断点续传作业,能够在下载中断或失败时迅速恢复,无需重新下载整个文件,大大减少了用户等待时间,提高了用户满意度。通过带宽分配和服务器资源分配处理,方法可以有效地管理和优化资源分配,确保了资源的最佳利用,减少了不必要的资源浪费,降低了成本。由于采用了边缘存储扫描和协同缓存下载,资源更多地分布在边缘节点上,减少了对云服务器的直接请求,降低了网络拥塞的可能性,提高了网络性能。通过高效断点续传作业,只需下载中断的部分而不是整个文件,可以减少带宽消耗,降低了数据传输成本。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附申请文件而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于云计算的资源下载管理方法,其特征在于,所述方法包括:
S1、响应于用户请求下载操作,获取用户下载请求数据,并根据所述用户下载请求数据进行边缘存储扫描,得到边缘存储情况数据,其中所述用户下载请求数据包括请求资源标识符数据、用户标识数据以及请求时间戳数据;
S2、确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业;
S3、确定所述边缘存储情况数据包括存在存储资源情况数据时,根据所述用户下载请求数据进行带宽分配处理以及服务器资源分配处理,得到带宽分配数据以及服务器资源分配数据;
S4、根据所述带宽分配数据以及所述服务器资源分配数据进行并发下载作业,并实时记录所述并发下载作业,以得到并发下载记录数据;
S5、确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业。
2.根据权利要求1所述的方法,其特征在于,所述响应于用户请求下载操作,获取用户下载请求数据,并根据所述用户下载请求数据进行边缘存储扫描,得到边缘存储情况数据,包括:
响应于用户请求下载操作,获取用户下载请求数据;
根据所述用户下载请求数据生成边缘存储扫描数据;
根据所述边缘存储扫描数据进行多节点扫描任务分配,得到多节点扫描任务分配数据;
根据所述多节点扫描任务分配数据进行边缘存储情况数据生成,得到边缘存储情况数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述边缘存储扫描数据进行多节点扫描任务分配,得到多节点扫描任务分配数据,包括:
获取边缘节点数据;
根据所述边缘节点数据进行扫描任务节点选择,得到扫描任务节点选择数据;
根据所述边缘存储扫码数据对所述扫描任务节点选择数据进行任务分配处理,得到多节点扫描任务分配数据。
4.根据权利要求1所述的方法,其特征在于,所述确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业,包括:
对所述边缘存储情况数据集进行数据聚合,得到全局边缘存储情况数据;
对所述用户下载请求数据以及所述全局边缘存储情况数据进行资源重要性评估,得到资源重要性评估数据;
根据所述全局边缘存储情况数据以及所述资源重要性评估数据进行协同下载决策生成,得到协同下载决策数据;
确定所述请求资源标识符数据对应的协同下载决策数据为边缘存储下载决策数据时,则根据所述用户下载请求数据以及所述协同下载决策数据进行边缘存储下载作业;
确定所述请求资源标识符数据对应的协同下载决策数据为云存储下载决策数据时,则根据所述用户下载请求数据以及所述协同下载决策数据进行云存储下载作业。
5.根据权利要求4所述的方法,其特征在于,所述对所述边缘存储情况数据集进行数据聚合,得到全局边缘存储情况数据,包括:
对所述边缘存储情况数据集进行实时数据聚合,得到全局边缘实时存储情况数据;
获取历史边缘存储情况数据,根据所述边缘存储情况数据集对所述历史边缘存储情况数据进行增量数据聚合,得到全局边缘增量存储情况数据;
根据所述全局边缘实时存储情况数据以及所述全局边缘增量存储情况数据生成全局边缘存储情况数据。
6.根据权利要求4所述的方法,其特征在于,所述对所述用户下载请求数据以及所述全局边缘存储情况数据进行资源重要性评估,得到资源重要性评估数据,包括:
对所述用户下载请求数据以及所述用户标识数据进行用户下载需求分析,得到用户下载需求数据,其中所述用户下载需求数据包括资源类型数据、用户角色数据以及用户权限数据;
根据所述请求资源标识符数据对所述全局边缘存储情况数据进行资源属性提取,得到资源属性数据,其中所述资源属性数据包括资源容量数据、资源类型数据以及资源关联性数据;
根据所述用户标识数据进行用户特征提取,得到用户特征数据,其中所述用户特征数据包括用户历史下载行为特征数据、用户偏好数据以及用户角色特征数据;
根据所述用户特征数据、所述用户下载需求数据、所述资源属性数据对所述全局边缘存储情况数据进行静态权重标识,得到第一资源重要性评估数据;
获取用户当前位置数据,并对所述用户当前位置数据进行资源用途预估,得到资源用途数据;
持续监测用户网络连接状态以及设备状态,分别得到用户网络连接状态数据以及设备状态数据;
根据所述资源用途数据、所述用户网络连接状态数据以及所述设备状态数据对所述全局边缘存储情况数据进行动态权重标识,得到第二资源重要性评估数据;
对所述第一资源重要性评估数据以及所述第二资源重要性评估数据进行排序筛选,得到资源重要性评估数据。
7.根据权利要求6所述的方法,其特征在于,所述根据所述全局边缘存储情况数据以及所述资源重要性评估数据进行协同下载决策生成,得到协同下载决策数据,包括:
根据所述全局边缘存储情况数据以及所述资源重要性评估数据进行资源定位,得到资源定位数据;
对所述资源定位数据进行资源可用性检查,得到资源可用性数据,其中所述资源可用性检查包括资源存在检查、资源占用检查以及资源传输最低要求检查,所述资源可用性数据包括资源可用数据以及资源缺失数据;
确定所述资源可用性数据为所述资源可用数据时,则根据所述资源可用数据生成边缘存储下载决策数据;
确定所述资源可用性数据为所述资源缺失数据时,则根据所述资源缺失数据生成云存储下载决策数据;
将所述边缘存储下载决策数据以及所述云存储下载决策数据进行整合,得到协同下载决策数据。
8.根据权利要求1所述的方法,其特征在于,所述确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业,包括:
确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行断点数据采集,得到断点数据,其中所述断点数据包括已下载数据、下载进度数据、下载文件容量数据以及下载资源标识符数据;
根据所述断点数据进行请求资源范围处理,得到请求资源范围数据;
根据所述请求资源范围数据进行恢复下载作业。
9.根据权利要求8所述的方法,其特征在于,所述根据所述断点数据进行请求资源范围处理,得到请求资源范围数据,包括:
持续监测当前网络状况、当前服务器负载状况以及当前用户设备性能状况,分别得到当前网络状况数据、当前服务器负载状况数据以及当前用户设备性能状况数据;
根据所述断点数据进行初始请求资源范围生成,得到初始请求资源范围数据;
根据所述当前网络状况数据、所述当前服务器负载状况数据以及所述当前用户设备性能状况数据对所述初始请求资源范围数据进行动态范围调整,得到请求资源范围数据。
10.一种基于云计算的资源下载管理***,其特征在于,用于执行如权利要求1所述的基于云计算的资源下载管理方法,所述基于云计算的资源下载管理***包括:
边缘存储扫描模块,用于响应于用户请求下载操作,获取用户下载请求数据,并根据所述用户下载请求数据进行边缘存储扫描,得到边缘存储情况数据;
协同缓存下载模块,用于确定所述边缘存储情况数据包括存在存储资源情况数据时,则根据所述边缘存储情况数据进行协同缓存下载作业;
分配处理模块,用于确定所述边缘存储情况数据包括存在存储资源情况数据时,根据所述用户下载请求数据进行带宽分配处理以及服务器资源分配处理,得到带宽分配数据以及服务器资源分配数据;
并发下载模块,用于根据所述带宽分配数据以及所述服务器资源分配数据进行并发下载作业,并实时记录所述并发下载作业,以得到并发下载记录数据;
高效断点续传模块,用于确定所述并发下载记录数据包括失败下载记录数据或者中断下载记录时,则根据所述并发下载记录数据进行高效断点续传作业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410349201.6A CN118233468A (zh) | 2024-03-26 | 2024-03-26 | 一种基于云计算的资源下载管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410349201.6A CN118233468A (zh) | 2024-03-26 | 2024-03-26 | 一种基于云计算的资源下载管理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118233468A true CN118233468A (zh) | 2024-06-21 |
Family
ID=91500625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410349201.6A Pending CN118233468A (zh) | 2024-03-26 | 2024-03-26 | 一种基于云计算的资源下载管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118233468A (zh) |
-
2024
- 2024-03-26 CN CN202410349201.6A patent/CN118233468A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101547498B1 (ko) | 하이브리드 클라우드 환경에서 데이터를 분산하는 방법 및 장치 | |
US7085893B2 (en) | Negotiated distribution of cache content | |
US8087025B1 (en) | Workload placement among resource-on-demand systems | |
US6324620B1 (en) | Dynamic DASD data management and partitioning based on access frequency utilization and capacity | |
EP1054323B1 (en) | File server load distribution system and method | |
CN111522636B (zh) | 应用容器的调整方法、调整***、计算机可读介质及终端设备 | |
US7085894B2 (en) | Selectively accepting cache content | |
US20180074724A1 (en) | Workload aware storage platform | |
US20050038851A1 (en) | Web serving system | |
EP2227016A1 (en) | A content buffering, querying method and point-to-point media transmitting system | |
JP2004509485A (ja) | リバースコンテンツハーベスタ | |
JP2007510224A (ja) | プロキシキャッシュにおいてマルチメディアコンテンツのセグメントの優先順位を決める方法 | |
JP2004509381A (ja) | 自己発行ネットワークディレクトリ | |
US6973536B1 (en) | Self-adaptive hybrid cache | |
US20060031266A1 (en) | Apparatus, system, and method for selecting optimal replica sources in a grid computing environment | |
Tu et al. | An optimized cluster storage method for real-time big data in Internet of Things | |
US7516239B2 (en) | Tool for optimizing system performance and methods relating to same | |
US20230401235A1 (en) | Low latency ingestion into a data system | |
CN118233468A (zh) | 一种基于云计算的资源下载管理方法及*** | |
US20050060496A1 (en) | Selectively caching cache-miss content | |
JP2004511835A (ja) | コンテンツオブジェクトのためのアクティブディレクトリ | |
US10992743B1 (en) | Dynamic cache fleet management | |
CN116743780A (zh) | 一种分布式存储***及方法 | |
KR102054068B1 (ko) | 그래프 스트림에 대한 실시간 분산 저장을 위한 분할 방법 및 분할 장치 | |
JP3672483B2 (ja) | コンテンツ配信装置、コンテンツ配信方法、コンテンツ配信プログラムを記録した記録媒体 |
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 |