一种P2P网络策略的生成方法和装置与流程

本发明涉及计算机技术领域，尤其是涉及一种P2P网络策略的生成方法和装置。

背景技术：

当前下载资源（如游戏资源）已成为在线生活不可缺少的一部分，对资源运营商来说，需要为用户提供下载服务，并提供很好的下载速度，以保证用户可快速获得资源，并增加用户数量。其中，资源运营商通过自身的服务器为用户提供链接，然后由用户通过浏览器访问该链接，并通过HTTP（Hyper Text Transport Protocol，超文本传送协议）从服务器下载资源。

P2P（Peer-to-Peer，对等，又称为点对点Point to Point）网络可以提供额外的下载资源，即在服务器提供下载资源的基础上，有资源的用户也能够提供下载资源；具体的，在某个用户通过HTTP协议从服务器下载资源之后，其可以为其他用户提供下载资源，从而可以提高下载速度，即总下载速度由P2P网络提供下载速度与服务器提供下载速度共同构成。

为节省服务器带宽，资源运营商希望通过P2P网络提供较高下载速度，P2P推送技术应运而生；服务器在资源发布前推送资源到P2P网络（即将资源传输给特定P2P节点），从而在资源发布时减少服务器的带宽消耗，当大量用户下载资源时，尽管服务器带宽没有增加，也可由P2P网络提供下载资源，以提供较好下载速度。此外在资源发布后，若发现服务器提供的下载速度不够好，也可在P2P网络中推送资源，以通过P2P网络提供较好下载速度。

在实现本发明的过程中，发明人发现现有技术中至少存在以下问题：

现有技术中的预先推送过程中，是否需要向P2P网络推送资源，何时向P2P网络推送资源，如何向P2P网络推送资源等，都是由人工来分析并操作的，人工需要各种经验和数据分析能力，继而由人工对数据进行分析，并确定具体的资源推送策略。

技术实现要素：

本发明实施例提供一种P2P网络策略的生成方法和装置，以自动对数据进行分析，并通过策略自动确定具体的资源推送策略。

为了达到上述目的，本发明实施例提供一种P2P网络策略的生成方法，包括：获取预测数据；根据预测数据与带宽管理策略的对应关系，确定所述预测数据的带宽管理策略；执行所述预测数据的带宽管理策略。

优选的，所述获取预测数据，包括：从用于存储数据的特定数据库中获得网络数据；确定所述网络数据中的指定类型数据在特征区间内的平均数据为所述预测数据。

优选的，所述预测数据为预测带宽增长率或者预测带宽下降率，所述获取预测数据，包括：确定预测带宽增长率=（特征区间内的新增人数*特征区间内的平均下载速度*特征区间大小）/当前带宽；或者，确定预测带宽下降率=（特征区间内的减少人数*特征区间内的平均下载速度*特征区间大小）/当前带宽。

优选的，所述方法进一步包括：从用于存储数据的特定数据库中获得网络数据，所述网络数据包括：服务器带宽信息、P2P网络每个节点平均下载速度、P2P网络每个节点平均提供速度、在线节点、下载人数、P2P带宽、P2P率；利用所述网络数据获得指定类型数据在所述特征区间内的平均数据，所述指定类型数据在所述特征区间内的平均数据包括：所述特征区间内的平均下载速度、以及所述特征区间内的新增人数或者所述特征区间内的减少人数。

优选的，所述根据预测数据与带宽管理策略的对应关系，确定所述预测数据的带宽管理策略，包括：根据预测数据与情景之间的对应关系以及所述预测数据，确定当前情景；根据情景与策略定性之间的对应关系以及所述当前情景，确定当前策略定性；根据策略定性与带宽管理策略的对应关系以及所述当前策略定性，确定当前带宽管理策略。

优选的，在当前情景为符合需要降速的情景时，当前策略定性为降速处理，且当前带宽管理策略为降速策略以及降速值；或，在当前情景为符合需要提速的情景时，当前策略定性为提速处理，且当前带宽管理策略为提速策略以及提速值；或，在当前情景为符合需要推送的情景时，当前策略定性为推送处理，且当前带宽管理策略为推送策略以及推送值。

优选的，所述预测数据为预测带宽增长率或者预测带宽下降率；当预测带宽下降率大于预设第一数值时，当前情景为符合需要提速的情景，当前策略定性为提速处理，当前带宽管理策略为提速策略以及提速值；或，当预测带宽增长率大于预设第二数值且小于预设第三数值时，当前情景为符合需要降速的情景，当前策略定性为降速处理，当前带宽管理策略为降速策略以及降速值；或，当预测带宽增长率大于预设第三数值时，当前情景为符合需要推送的情景，当前策略定性为推送处理，当前带宽管理策略为推送策略以及推送值。

优选的，所述执行所述预测数据的带宽管理策略，包括：在带宽管理策略为降速策略以及降速值时，控制服务器按照所述降速值降低提供资源下载的速度；或，在带宽管理策略为提速策略以及提速值时，控制服务器按照所述提速值提升提供资源下载的速度；或，在带宽管理策略为推送策略以及推送值时，控制服务器按照所述推送值在P2P网络中推送资源。

本发明实施例提供一种P2P网络策略的生成装置，包括：获取模块，用于获取预测数据；确定模块，用于根据预测数据与带宽管理策略的对应关系，确定所述预测数据的带宽管理策略；处理模块，用于执行所述预测数据的带宽管理策略。

优选的，所述获取模块，具体用于从用于存储数据的特定数据库中获得网络数据；确定所述网络数据中的指定类型数据在特征区间内的平均数据为所述预测数据。

优选的，所述预测数据为预测带宽增长率或者预测带宽下降率；所述获取模块，具体用于确定预测带宽增长率=（特征区间内的新增人数*特征区间内的平均下载速度*特征区间大小）/当前带宽；或者，确定预测带宽下降率=（特征区间内的减少人数*特征区间内的平均下载速度*特征区间大小）/当前带宽。

优选的，所述获取模块进一步用于从用于存储数据的特定数据库中获得网络数据，所述网络数据包括：服务器带宽信息、P2P网络每个节点平均下载速度、P2P网络每个节点平均提供速度、在线节点、下载人数、P2P带宽、P2P率；利用所述网络数据获得指定类型数据在所述特征区间内的平均数据，所述指定类型数据在所述特征区间内的平均数据包括：所述特征区间内的平均下载速度、以及所述特征区间内的新增人数或者所述特征区间内的减少人数。

优选的，所述确定模块，具体用于根据预测数据与情景之间的对应关系以及所述预测数据，确定当前情景；根据情景与策略定性之间的对应关系以及所述当前情景，确定当前策略定性；根据策略定性与带宽管理策略的对应关系以及所述当前策略定性，确定当前带宽管理策略。

优选的，所述确定模块，进一步用于在当前情景为符合需要降速的情景时，确定当前策略定性为降速处理，且确定当前带宽管理策略为降速策略以及降速值；或，在当前情景为符合需要提速的情景时，确定当前策略定性为提速处理，且确定当前带宽管理策略为提速策略以及提速值；或，在当前情景为符合需要推送的情景时，确定当前策略定性为推送处理，且确定当前带宽管理策略为推送策略以及推送值。

优选的，所述预测数据为预测带宽增长率或者预测带宽下降率；所述确定模块，进一步用于当预测带宽下降率大于预设第一数值时，确定当前情景为符合需要提速的情景，确定当前策略定性为提速处理，且确定当前带宽管理策略为提速策略以及提速值；或，当预测带宽增长率大于预设第二数值且小于预设第三数值时，确定当前情景为符合需要降速的情景，确定当前策略定性为降速处理，且确定当前带宽管理策略为降速策略以及降速值；或，当预测带宽增长率大于预设第三数值时，确定当前情景为符合需要推送的情景，确定当前策略定性为推送处理，且确定当前带宽管理策略为推送策略以及推送值。

优选的，所述处理模块，具体用于在带宽管理策略为降速策略以及降速值时，控制服务器按照所述降速值降低提供资源下载的速度；或，在带宽管理策略为提速策略以及提速值时，控制服务器按照所述提速值提升提供资源下载的速度；或，在带宽管理策略为推送策略以及推送值时，控制服务器按照所述推送值在P2P网络中推送资源。

与现有技术相比，本发明实施例至少具有以下优点：本发明实施例中，可通过预测数据自动生成带宽管理策略，继而利用带宽管理策略自动确定具体的资源推送策略，减少人工分析的过程。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种P2P网络策略的生成方法流程示意图；

图2是本发明实施例一中预测带宽增长率或者预测带宽下降率的分析预测示意图；

图3是本发明实施例一中因素、情景、策略定性、带宽管理策略的对应关系示意图；

图4是本发明实施例二提供的一种系统架构示意图；

图5是本发明实施例三提供的一种P2P网络策略的生成设备结构示意图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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，本领域普通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。

实施例一

本发明实施例一提供一种P2P网络策略的生成方法，以自动生成带宽管理策略，减少大量人工分析及执行工作；如图1所示，该方法包括以下步骤：

步骤101，获取预测数据。

获取预测数据包括：从用于存储数据的特定数据库中获得网络数据，并确定该网络数据中的指定类型数据在特征区间内的平均数据为预测数据。

本发明实施例中，该网络数据包括但不限于以下之一或任意组合：服务器（提供下载资源的HTTP服务器）带宽信息、服务器提供下载速度、P2P网络每个节点平均下载速度、P2P网络每个节点平均提供下载速度、在线节点、下载人数、新增下载人数、P2P带宽、P2P率等。

具体的，由于当前服务器的带宽数据有完善的实时记录，且P2P网络中每个节点都有成熟的上报系统，这些数据都会存储在特定数据库中，因此可以从特定数据库中直接获得所有网络数据，包括实时数据和累时统计数据等。

本发明实施例中，该指定类型数据包括但不限于以下之一或任意组合：新增下载人数或者减少下载人数、服务器提供下载速度、P2P网络提供下载速度、总下载速度（服务器提供下载速度+P2P网络提供下载速度）、P2P率等。

由于收集的网络数据比较杂乱，为了节省后续处理的工作量和复杂度，需要从网络数据中提取有用数据（指定类型数据），继而提供预测数据（即指定类型数据在特征区间内的平均数据）。其中，由于瞬间数据并不可靠，且一段时间的平均数据才稳定可靠，因此定义一个特征区间（一个时间段内的数据平均情况，如半个小时之前到当前时间），并计算出指定类型数据在这个特征区间内的平均数据，作为这个特征区间的特征数据。

具体的，对于在获得网络数据时的瞬时数据（如P2P网络提供下载速度，服务器提供下载速度，新增下载人数，当前下载人数等），由于某一瞬间可能会有较大变化，因此并不能完全反映最近一段时间的网络当前状态；但以当前时间向前推一段适当的时间段后，这段时间区间内，数据比较稳定且真实可靠，能够准确反映网络当前状态，即可定义该时间区间为特征区间，该特征区间的大小可根据实际情况选择，且可以将特征区间写在配置文件中。

本发明实施例的一种优选实施方式中，预测数据可以为预测带宽增长率或者预测带宽下降率，基于该情况，则获取预测数据包括：确定预测带宽增长率=（特征区间内的新增人数*特征区间内的平均下载速度*特征区间大小）/当前带宽；或者，确定预测带宽下降率=（特征区间内的减少人数*特征区间内的平均下载速度*特征区间大小）/当前带宽。

本发明实施例中，为了实现上述预测数据的获取过程，可从用于存储数据的特定数据库中获得网络数据（该网络数据包括服务器带宽信息、P2P网络每个节点平均下载速度、P2P网络每个节点平均提供速度、在线节点、下载人数、P2P带宽、P2P率），并利用网络数据获得指定类型数据在特征区间内的平均数据，该指定类型数据在特征区间内的平均数据包括：特征区间内的平均下载速度、以及特征区间内的新增人数或者特征区间内的减少人数。

如图2所示，为预测带宽增长率或者预测带宽下降率的分析预测示意图，在获得指定类型数据的基础上，基于滑动特征区间（其滑动间隔可根据实际情况进行选择，滑动间隔为前后特征区间开始时间相差的一段时间，由于特征区间是不断滑动的，因此能够准确把握当前走向）进行分析预测，即利用相隔一段时间的两个特征区间所准确反映出的数据变化趋势，预测下一步的数据走向，从而得到预测带宽增长率或者预测带宽下降率。

具体的，如果当前特征区间的下载热度高于上一个特征区间的下载热度（下载热度包括新增下载人数，消耗带宽等），则进入上升趋势；如果当前特征区间的下载热度低于上一个特征区间的下载热度，则进入下降趋势。

在上升趋势中，确定预测带宽增长率=（特征区间内的新增人数*特征区间内的平均下载速度*特征区间大小）/当前带宽；其中，特征区间内的新增人数*特征区间内的平均下载速度*特征区间大小为预测新增带宽；特征区间内的新增人数为当前特征区间内新增人数-上一个特征区间内新增人数，当前特征区间与上一个特征区间的时间相同，如均为5分钟或者10分钟。

在下降趋势中，确定预测带宽下降率=（特征区间内的减少人数*特征区间内的平均下载速度*特征区间大小）/当前带宽；其中，特征区间内的减少人数*特征区间内的平均下载速度*特征区间大小为预测降低带宽；特征区间内的减少人数为上一个特征区间内新增人数-当前特征区间内新增人数，当前特征区间与上一个特征区间的时间相同，如均为5分钟或者10分钟。

步骤102，根据预测数据与带宽管理策略的对应关系，确定预测数据的带宽管理策略。

本发明实施例中，根据预测数据与带宽管理策略的对应关系，确定预测数据的带宽管理策略：根据预测数据与情景之间的对应关系以及预测数据，确定当前情景；根据情景与策略定性之间的对应关系以及当前情景，确定当前策略定性；根据策略定性与带宽管理策略之间的对应关系以及当前策略定性，确定当前带宽管理策略。

进一步的，在当前情景为符合需要降速的情景时，当前策略定性为降速处理，且当前带宽管理策略为降速策略以及降速值；在当前情景为符合需要提速的情景时，当前策略定性为提速处理，且当前带宽管理策略为提速策略以及提速值；在当前情景为符合需要推送的情景时，当前策略定性为推送处理，且当前带宽管理策略为推送策略以及推送值。

例如，针对预测数据A和预测数据B的组合，当预测数据A在A1-A6之间，且预测数据B在B1-B5之间时，其对应的情景为符合需要降速的情景；因此当预测数据A为A2，预测数据B为B3时，可根据预测数据与情景之间的对应关系确定当前情景为需要降速的情景。

又例如，针对预测数据A和预测数据C的组合，当预测数据A在A7-A10之间，且预测数据C在C1-C5之间时，其对应的情景为符合需要提速的情景；因此当预测数据A为A10，预测数据C为C1时，可根据预测数据与情景之间的对应关系确定当前情景为需要提速的情景。

又例如，针对预测数据A和预测数据B的组合，当预测数据A在A1-A3且预测数据B在B1- B3时，其对应的情景为符合需要降速的情景一；当预测数据A在A4-A6之间，且预测数据B在B4-B5之间时，其对应的情景为符合需要降速的情景二；因此当预测数据A为A2，预测数据B为B3时，可根据预测数据与情景之间的对应关系确定当前情景为需要降速的情景一。进一步的，当前情景为需要降速的情景一时，其最终对应的降速值为X，当前情景为需要降速的情景二时，其最终对应的降速值为Y，因此在当前情景为符合需要降速的情景一时，当前带宽管理策略为降速策略以及降速值X。

本发明实施例的一种具体应用场景下，如图3所示，为因素、情景、策略定性、带宽管理策略（即策略动作action）的对应关系示意图；各因素为预测数据，各因素的不同数据值的组合对应不同的情景；以情景A1和情景A2为符合需要降速的情景，情景B1和情景B2为符合需要提速的情景，情景D为需要推送的情景为例；则情景A1和情景A2对应的策略定性为降速处理，情景B1和情景B2对应的策略定性为提速处理，情景D对应的策略定性为推送处理；且策略定性为降速处理对应的带宽管理策略为降速策略以及降速值，策略定性为提速处理对应的带宽管理策略为提速策略以及提速值，策略定性为推送处理对应的带宽管理策略为推送策略以及推送值。

需要注意的是，情景A1和情景A2属于同一类情景，其对应的策略定性均为降速处理，但是带宽管理策略中的降速值并不相同；同样的，情景B1和情景B2属于同一类情景，其对应的策略定性均为提速处理，但是带宽管理策略中的提速值并不相同。

本发明实施例中，将预测数据分析简化成不同的小因素（如isHotmonet、isBandWidthNotEnough、isOverflowed、isSpeedLow等），且因素（isXXX因素）的组合（即状态定性）可以产生一种对应的情境，之后由情境对应到策略定性（shouldXXX）以及策略动作（action）。因此，可由各种因素组合来决定策略定性，并基于策略定性确定策略动作，生成带宽管理策略（即isXXX and isYYY … => should do something => action）；该方法容易扩展，易于理解，符合思考逻辑，并适合其他数据分析及策略生成的情景。

进一步的分析如下：本发明实施例中需要生成如下带宽管理策略（action，在此处命名为action，还可替换为其他名称）：（1）Aciton=speedup（提速），ActionValue=200k（即提速到200k或提速200K，在实际应用中可调整）；（2）Aciton=slowdown（降速），ActionValue=80k（即降速到80k或者降速80K，在实际应用中可调整）；（3）Aciton=push（推送），ActionValue=30000（即在P2P网络中向3w个节点推送资源，在实际应用中可调整）。

为了生成上述带宽管理策略，需要依赖于策略定性（如应该降速处理shouldslowdown、应该提速处理shouldspeedup、应该推送处理shouldpush）；即如果策略定性为shouldslowdown，则Aciton=slowdown，ActionValue=80k；如果策略定性为shouldspeedup，则Aciton=speedup，ActionValue=200k；如果策略定性为shouldpush，则Aciton=push，ActionValue=30000。

进一步的，shouldslowdown、shouldspeedup、shouldpush等策略定性需要依赖于各种预测数据的状态（如isHotmoment、isExtremlyUp、isNormalUp、isOverflowing、isBandWidthWasted等，定义其为因素）；当不同的因素组合在一起时，可以形成不同的情境，继而确定相应的策略定性。

例如，对于isOverflowed、isExtremlyUp与isOverflowing、isNormalUp与isOverflowing等三种不同的因素组合，均反映了需要降速的情景，此时策略定性为shouldslowdown，在不同的因素组合下，最终可以生成不同的降速值。

又例如，对于isBandWidthWasted与isColdMoment、isBandWidthWasted与isHotMoment、isBandWidthWasted与isNormalMoment等三种不同的因素组合，均反映了需要提速的情景，此时策略定性为shouldspeedup，在不同的因素组合下，最终可以生成不同的提速值。

又例如，对于isBandWidthNotEnough、isBandWidthNotEnough与isSpeedExtremlyLow、isBandWidthNotEnough与isSpeedLow等三种不同的因素组合，均反映了需要推送的情景，此时策略定性为shouldpush，在不同的因素组合下，最终可以生成不同的推送值。

在确定带宽管理策略的过程中，本发明实施例的一种优选实施方式中，预测数据为预测带宽增长率或者预测带宽下降率；当预测带宽下降率大于预设第一数值（可根据实际经验选择，如2%）时，当前情景为符合需要提速的情景，当前策略定性为提速处理，当前带宽管理策略为提速策略以及提速值；当预测带宽增长率大于预设第二数值（可根据实际经验选择，如3%）且小于预设第三数值（可根据实际经验选择，如15%）时，当前情景为符合需要降速的情景，当前策略定性为降速处理，当前带宽管理策略为降速策略以及降速值；当预测带宽增长率大于预设第三数值时，当前情景为符合需要推送的情景，当前策略定性为推送处理，当前带宽管理策略为推送策略以及推送值。

步骤103，执行预测数据的带宽管理策略。

本发明实施例中，执行预测数据的带宽管理策略包括：在带宽管理策略为降速策略以及降速值时，控制服务器按照降速值降低提供资源下载的速度；或者，在带宽管理策略为提速策略以及提速值时，控制服务器按照提速值提升提供资源下载的速度；或者，在带宽管理策略为推送策略以及推送值时，控制服务器按照推送值在P2P网络中推送资源。

例如，当Aciton=speedup，ActionValue=200k时，则将服务器提供资源下载的速度提高200k；当Aciton=slowdown，ActionValue=80k时，则将服务器提供资源下载的速度降低80k；当Aciton= push，ActionValue=30000时，则使服务器向P2P网络中的30000个节点推送资源。

综上所述，本发明实施例中，可自动监控服务器的带宽，使服务器带宽保持在合理的带宽水平，稳定地控制服务器不超出带宽负载和实现P2P网络带宽的补充；通过自动对服务器带宽增长趋势、下载热度趋势做出预测，可提前给出保护措施；通过自动进行限速、提速或者推送等处理，在资源发布前，可智能分析并进行预先推送，在按照限速策略进行限速以后，若下载速度不理想，可自动生成推送策略和推送值。

实施例二

基于与上述方法同样的发明构思，本发明实施例二提供一种系统架构以支持上述方法，如图4所示，为本实施例的系统架构示意图，该系统架构包括：数据收集器、数据分析器、策略机、执行机和网络系统；上述数据收集器、数据分析器、策略机、执行机均为功能模块，各功能模块之间可以合并，也可以进一步拆分；上述各功能模块可以位于同一设备上，也可以位于不同设备上，且可以位于网络系统内的设备上。例如，数据收集器和数据分析器可以合成一个数据提供器，且数据提供器需要具有数据收集器和数据分析器的功能；又例如，策略机和执行机也可以合并，在此不再赘述。

数据收集器，用于收集各种网络信息，如每个资源的上传下载信息，带宽信息，在线下载人数，新增下载人数等。具体的，数据收集器可从用于存储数据的特定数据库中获得网络数据，该网络数据包括但不限于以下之一或任意组合：服务器（提供下载资源的HTTP服务器）带宽信息、服务器提供下载速度、P2P网络每个节点平均下载速度、P2P网络每个节点平均提供下载速度、在线节点、下载人数、新增下载人数、P2P带宽、P2P率等。

数据分析器，用于从网络数据中提取关键数据，并提供预测数据，如提供最近人数增长率，带宽增加或较少的趋势，人数增长趋势，预测带宽增加或减少大小等。具体的，由于收集的网络数据比较杂乱，不能直接交给策略机进行判断和决策，因此数据分析器可以从网络数据中获得指定类型数据，该指定类型数据包括但不限于以下之一或任意组合：新增下载人数或者减少下载人数、服务器提供下载速度、P2P网络提供下载速度、总下载速度（服务器提供下载速度+P2P网络提供下载速度）、P2P率等。之后，数据分析器确定该指定类型数据在特征区间内的平均数据为预测数据。

策略机，用于根据预测数据与带宽管理策略之间的对应关系，确定预测数据的带宽管理策略。

具体的，策略机可根据预测数据与情景之间的对应关系以及预测数据确定当前情景，根据情景与策略定性之间的对应关系以及当前情景确定当前策略定性，并根据策略定性与带宽管理策略之间的对应关系以及当前策略定性确定当前带宽管理策略。

在当前情景为符合需要降速的情景时，当前策略定性为降速处理，且当前带宽管理策略为降速策略以及降速值；在当前情景为符合需要提速的情景时，当前策略定性为提速处理，且当前带宽管理策略为提速策略以及提速值；在当前情景为符合需要推送的情景时，当前策略定性为推送处理，且当前带宽管理策略为推送策略以及推送值。

执行机，用于执行策略机提供的带宽管理策略，并将其作用于网络系统。

具体的，在带宽管理策略为降速策略以及降速值时，控制服务器（位于网络系统内的设备）按照降速值降低提供资源下载的速度；在带宽管理策略为提速策略以及提速值时，控制服务器按照提速值提升提供资源下载的速度；在带宽管理策略为推送策略以及推送值时，控制服务器按照推送值在P2P网络（位于网络系统内的设备）中推送资源。

网络系统，其包括P2P网络和用于提供HTTP下载资源的服务器，在执行过某带宽管理策略后，会有数据反馈给数据收集器，从而不断循环进行调整。

实施例三

基于与上述方法同样的发明构思，本发明实施例中还提供了一种P2P网络策略的生成装置，如图5所示，该装置包括：

获取模块11，用于获取预测数据；

确定模块12，用于根据预测数据与带宽管理策略的对应关系，确定所述预测数据的带宽管理策略；

处理模块13，用于执行所述预测数据的带宽管理策略。

所述获取模块11，具体用于从用于存储数据的特定数据库中获得网络数据；确定所述网络数据中的指定类型数据在特征区间内的平均数据为所述预测数据。

所述预测数据为预测带宽增长率或者预测带宽下降率；所述获取模块11，具体用于确定预测带宽增长率=（特征区间内的新增人数*特征区间内的平均下载速度*特征区间大小）/当前带宽；或者，确定预测带宽下降率=（特征区间内的减少人数*特征区间内的平均下载速度*特征区间大小）/当前带宽。

所述获取模块11，进一步用于从用于存储数据的特定数据库中获得网络数据，所述网络数据包括：服务器带宽信息、P2P网络每个节点平均下载速度、P2P网络每个节点平均提供速度、在线节点、下载人数、P2P带宽、P2P率；利用所述网络数据获得指定类型数据在所述特征区间内的平均数据，所述指定类型数据在所述特征区间内的平均数据包括：所述特征区间内的平均下载速度、以及所述特征区间内的新增人数或者所述特征区间内的减少人数。

所述确定模块12，具体用于根据预测数据与情景之间的对应关系以及所述预测数据，确定当前情景；根据情景与策略定性之间的对应关系以及所述当前情景，确定当前策略定性；根据策略定性与带宽管理策略的对应关系以及所述当前策略定性，确定当前带宽管理策略。

所述确定模块12，进一步用于在当前情景为符合需要降速的情景时，确定当前策略定性为降速处理，且确定当前带宽管理策略为降速策略以及降速值；或，在当前情景为符合需要提速的情景时，确定当前策略定性为提速处理，且确定当前带宽管理策略为提速策略以及提速值；或，在当前情景为符合需要推送的情景时，确定当前策略定性为推送处理，且确定当前带宽管理策略为推送策略以及推送值。

所述预测数据为预测带宽增长率或者预测带宽下降率；所述确定模块12，进一步用于当预测带宽下降率大于预设第一数值时，确定当前情景为符合需要提速的情景，确定当前策略定性为提速处理，且确定当前带宽管理策略为提速策略以及提速值；或，当预测带宽增长率大于预设第二数值且小于预设第三数值时，确定当前情景为符合需要降速的情景，确定当前策略定性为降速处理，且确定当前带宽管理策略为降速策略以及降速值；或，当预测带宽增长率大于预设第三数值时，确定当前情景为符合需要推送的情景，确定当前策略定性为推送处理，且确定当前带宽管理策略为推送策略以及推送值。

所述处理模块13，具体用于在带宽管理策略为降速策略以及降速值时，控制服务器按照所述降速值降低提供资源下载的速度；或，在带宽管理策略为提速策略以及提速值时，控制服务器按照所述提速值提升提供资源下载的速度；或，在带宽管理策略为推送策略以及推送值时，控制服务器按照所述推送值在P2P网络中推送资源。

其中，本发明装置的各个模块可以集成于一体，也可以分离部署。上述模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。