專利名稱：基于統(tǒng)計(jì)預(yù)測的云cdn資源自動部署方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信領(lǐng)域，尤其涉及ー種基于統(tǒng)計(jì)預(yù)測的云⑶N資源自動部署方法。
背景技術(shù)：
Q)N(Content Delivery Network)即內(nèi)容分發(fā)網(wǎng)絡(luò)，是通過在現(xiàn)有的IP承載網(wǎng)上増加ー層新的網(wǎng)絡(luò)架構(gòu)，將內(nèi)容(視頻、音頻、Web網(wǎng)頁等)發(fā)送到最接近用戶的網(wǎng)絡(luò)“邊緣”，使用戶可以就近取得所需的內(nèi)容，從而優(yōu)化網(wǎng)絡(luò)流量狀況，提高用戶訪問網(wǎng)站的響應(yīng)速度。⑶N可以解決由于骨干網(wǎng)絡(luò)帶寬小、用戶訪問量大、網(wǎng)點(diǎn)分布不均等原因所造成內(nèi)容傳輸速度慢和穩(wěn)定性問題。然而，CDN業(yè)務(wù)的訪問量不是均衡的，具有很強(qiáng)的時(shí)間周期性和突發(fā)性。如根據(jù)中國電信IPTV的數(shù)據(jù)分析，白天的用戶訪問量很少，而晚上8、9、10點(diǎn)是視頻業(yè)務(wù)的高峰；由于某些突發(fā)事件如邁克爾 杰克遜突然去世，會使得訪問量爆增導(dǎo)致⑶N陷入癱瘓。因此， 為了應(yīng)對這些周期性和突發(fā)性的高峰流量，CDN會按照峰值要求來配置服務(wù)器和網(wǎng)絡(luò)資源，造成資源的平均利用率只有10-15%。另ー方面,從IDC (Internet Data Center,即互聯(lián)網(wǎng)數(shù)據(jù)中心)角度考慮,根據(jù)近年IDC的成本分析，IT開銷中的硬件開銷是基本持平的，電カ能耗和維護(hù)管理的成本上升非常迅速，約占IDC開銷的60%以上。要達(dá)到降低成本的要求，在硬件開銷無法減少的情況下，降低能耗和運(yùn)維成本，顯得尤其重要。

發(fā)明內(nèi)容
為了克服現(xiàn)有CDN資源利用率低、弾性擴(kuò)容能力差的不足，本發(fā)明提供了ー種基于統(tǒng)計(jì)預(yù)測的云CDN資源自動部署方法，通過對CDN邊緣節(jié)點(diǎn)的負(fù)載預(yù)測以及實(shí)時(shí)監(jiān)控，實(shí)現(xiàn)了 CDN的資源按需分配和自動、快速的弾性擴(kuò)容。該方法不僅能有效應(yīng)對突發(fā)的業(yè)務(wù)高峰，提高CDN的資源利用率，而且降低了 CDN的能耗和運(yùn)維成本。本發(fā)明的技術(shù)方案如下，基于統(tǒng)計(jì)預(yù)測的云CDN資源自動部署方法，包括以下步驟SI、根據(jù)云CDN各邊緣節(jié)點(diǎn)負(fù)載的歷史數(shù)據(jù)預(yù)測未來24小時(shí)負(fù)載預(yù)測值，制定相應(yīng)邊緣節(jié)點(diǎn)的虛擬服務(wù)器資源部署計(jì)劃，對云CDN各邊緣節(jié)點(diǎn)進(jìn)行虛擬服務(wù)器資源部署；S2、實(shí)時(shí)監(jiān)控云⑶N各邊緣節(jié)點(diǎn)負(fù)載情況，當(dāng)云⑶N處于用戶訪問高峰期時(shí)，云平臺將配置好相關(guān)業(yè)務(wù)的鏡像掛載到虛擬服務(wù)器中并啟動加入到云CDN各邊緣節(jié)點(diǎn)當(dāng)中，分?jǐn)偼话l(fā)的訪問壓力；當(dāng)云⑶N處于非訪問高峰期時(shí)，只保留維持業(yè)務(wù)正常水平運(yùn)行的虛擬服務(wù)器，將閑置的虛擬服務(wù)器資源回收到資源池中。所述SI包括如下步驟S11、統(tǒng)計(jì)前24小時(shí)云⑶N各邊緣節(jié)點(diǎn)的負(fù)載，得出實(shí)際負(fù)載平均值L ；S12、查找統(tǒng)計(jì)記錄，獲取云⑶N各邊緣節(jié)點(diǎn)的前24小時(shí)負(fù)載預(yù)測值P ;
S13、比較前24小時(shí)負(fù)載預(yù)測P和實(shí)際負(fù)載平均值L的大小，判斷|￥卜《是否成
立，a為預(yù)先設(shè)定的閾值，若成立則云CDN維持當(dāng)前的虛擬服務(wù)器資源部署規(guī)模；若不成立且P大于L，則邊緣節(jié)點(diǎn)增加部署⑶N虛擬服務(wù)器；如若不成立且P小于L，則邊緣節(jié)點(diǎn)將回收空閑的虛擬服務(wù)器資源。所述SI還包括步驟S14、通過負(fù)載預(yù)測模型，求出云⑶N各邊緣節(jié)點(diǎn)的未來24小時(shí)負(fù)載預(yù)測值P。所述負(fù)載預(yù)測模型的建立過程為S141、云⑶N姆天統(tǒng)計(jì)前n天的云⑶N各邊緣節(jié)點(diǎn)的負(fù)載情況,算出前n天負(fù)載的日平均值{1J，建立隨機(jī)型時(shí)間序列自遞歸模型，預(yù)測未來24小時(shí)負(fù)載預(yù)測值P ；建立隨機(jī)型時(shí)間序列自遞歸模型為線性信號模型L(Z)
權(quán)利要求
1.基于統(tǒng)計(jì)預(yù)測的云CDN資源自動部署方法，其特征在于，包括以下步驟 51、根據(jù)云CDN各邊緣節(jié)點(diǎn)負(fù)載的歷史數(shù)據(jù)預(yù)測未來24小時(shí)負(fù)載預(yù)測值，制定相應(yīng)邊緣節(jié)點(diǎn)的虛擬服務(wù)器資源部署計(jì)劃，對云CDN各邊緣節(jié)點(diǎn)進(jìn)行虛擬服務(wù)器資源部署； 52、實(shí)時(shí)監(jiān)控云CDN各邊緣節(jié)點(diǎn)負(fù)載情況，當(dāng)云CDN處于用戶訪問高峰期時(shí)，云平臺將配置好相關(guān)業(yè)務(wù)的鏡像掛載到虛擬服務(wù)器中并啟動加入到云CDN各邊緣節(jié)點(diǎn)當(dāng)中，分?jǐn)偼话l(fā)的訪問壓力；當(dāng)云⑶N處于非訪問高峰期時(shí)，只保留維持業(yè)務(wù)正常水平運(yùn)行的虛擬服務(wù)器，將閑置的虛擬服務(wù)器資源回收到資源池中。
2.根據(jù)權(quán)利要求I所述的基于統(tǒng)計(jì)預(yù)測的云CDN資源自動部署方法，其特征在于，所述SI包括如下步驟 511、統(tǒng)計(jì)前24小時(shí)云CDN各邊緣節(jié)點(diǎn)的負(fù)載，得出實(shí)際負(fù)載平均值L； 512、查找統(tǒng)計(jì)記錄，獲取云CDN各邊緣節(jié)點(diǎn)的前24小時(shí)負(fù)載預(yù)測值P； 513、比較前24小時(shí)負(fù)載預(yù)測P和實(shí)際負(fù)載平均值L的大小，判斷|￥卜《是否成立，α為預(yù)先設(shè)定的閾值，若成立則云CDN維持當(dāng)前的虛擬服務(wù)器資源部署規(guī)模；若不成立且P大于L，則邊緣節(jié)點(diǎn)增加部署CDN虛擬服務(wù)器；如若不成立且P小于L，則邊緣節(jié)點(diǎn)將回收空閑的虛擬服務(wù)器資源。
3.根據(jù)權(quán)利要求2所述的基于統(tǒng)計(jì)預(yù)測的云CDN資源自動部署方法，其特征在于，所述SI還包括步驟 514、通過負(fù)載預(yù)測模型，求出云CDN各邊緣節(jié)點(diǎn)的未來24小時(shí)負(fù)載預(yù)測值P。
4.根據(jù)權(quán)利要求3所述的基于統(tǒng)計(jì)預(yù)測的云CDN資源自動部署方法，其特征在于，所述負(fù)載預(yù)測模型的建立過程為 S141、云⑶N每天統(tǒng)計(jì)前η天的云⑶N各邊緣節(jié)點(diǎn)的負(fù)載情況,算出前η天負(fù)載的日平均值{1η}，建立隨機(jī)型時(shí)間序列自遞歸模型，預(yù)測未來24小時(shí)負(fù)載預(yù)測值P ； 建立隨機(jī)型時(shí)間序列自遞歸模型為線性信號模型L(Z)
5.根據(jù)權(quán)利要求2所述的基于統(tǒng)計(jì)預(yù)測的云CDN資源自動部署方法，其特征在于，所述α 取 O. I。
6.根據(jù)權(quán)利要求I所述的基于統(tǒng)計(jì)預(yù)測的云CDN資源自動部署方法，其特征在于，所述S2包括如下步驟 · 521、分別對云CDN各邊緣節(jié)點(diǎn)設(shè)定一個(gè)最大負(fù)載值M，M的初始值為未來24小時(shí)負(fù)載預(yù)測值P; · 522、實(shí)時(shí)監(jiān)測云⑶N各邊緣節(jié)點(diǎn)當(dāng)前的負(fù)載值N; ·523、若當(dāng)前的負(fù)載值N大于最大負(fù)載值Μ，等待時(shí)間tl再次判斷是否N大于M;如果是則證明當(dāng)前為云CDN用戶訪問高峰，增加邊緣節(jié)點(diǎn)的虛擬服務(wù)器，同時(shí)更新最大負(fù)載值M ;否則忽略不做任何處理，返回步驟S22實(shí)時(shí)監(jiān)測當(dāng)前的負(fù)載值N ； ·524、若當(dāng)前的負(fù)載值N小于最大負(fù)載值M,等待時(shí)間t2再次判斷是否N小于等于未來24小時(shí)負(fù)載預(yù)測值P;如果是則關(guān)閉多余的虛擬服務(wù)器并回收資源，恢復(fù)到該云CDN邊緣節(jié)點(diǎn)當(dāng)天計(jì)劃部署的規(guī)模；否則忽略不做任何處理，返回步驟S22實(shí)時(shí)監(jiān)測當(dāng)前的負(fù)載值N。
全文摘要
本發(fā)明公開了基于統(tǒng)計(jì)預(yù)測的云CDN資源自動部署方法，其根據(jù)云CDN各邊緣節(jié)點(diǎn)負(fù)載的歷史數(shù)據(jù)預(yù)測未來24小時(shí)負(fù)載預(yù)測值，制定相應(yīng)邊緣節(jié)點(diǎn)的虛擬服務(wù)器資源部署計(jì)劃，對云CDN各邊緣節(jié)點(diǎn)進(jìn)行虛擬服務(wù)器資源部署；實(shí)時(shí)監(jiān)控云CDN各邊緣節(jié)點(diǎn)負(fù)載情況，當(dāng)云CDN處于用戶訪問高峰期時(shí)，云平臺將配置好相關(guān)業(yè)務(wù)的鏡像掛載到虛擬服務(wù)器中并啟動加入到云CDN各邊緣節(jié)點(diǎn)當(dāng)中，分?jǐn)偼话l(fā)的訪問壓力；當(dāng)云CDN處于非訪問高峰期時(shí)，只保留維持業(yè)務(wù)正常水平運(yùn)行的虛擬服務(wù)器，將閑置的虛擬服務(wù)器資源回收到資源池中。該方法不僅能有效應(yīng)對突發(fā)的業(yè)務(wù)高峰，提高CDN的資源利用率，而且降低了CDN的能耗和運(yùn)維成本。
文檔編號H04L29/08GK102801792SQ20121026210
公開日2012年11月28日 申請日期2012年7月26日 優(yōu)先權(quán)日2012年7月26日
發(fā)明者吳宗澤, 梁啟成, 馮梁謀, 張勰, 向友君, 傅予力 申請人:華南理工大學(xué)