专利名称：基于统计预测的云cdn资源自动部署方法
技术领域：
本发明涉及通信领域，尤其涉及ー种基于统计预测的云⑶N资源自动部署方法。
背景技术：
Q)N(Content Delivery Network)即内容分发网络，是通过在现有的IP承载网上増加ー层新的网络架构，将内容(视频、音频、Web网页等)发送到最接近用户的网络“边缘”，使用户可以就近取得所需的内容，从而优化网络流量状况，提高用户访问网站的响应速度。⑶N可以解决由于骨干网络带宽小、用户访问量大、网点分布不均等原因所造成内容传输速度慢和稳定性问题。然而，CDN业务的访问量不是均衡的，具有很强的时间周期性和突发性。如根据中国电信IPTV的数据分析，白天的用户访问量很少，而晚上8、9、10点是视频业务的高峰；由于某些突发事件如迈克尔 杰克逊突然去世，会使得访问量爆增导致⑶N陷入瘫痪。因此， 为了应对这些周期性和突发性的高峰流量，CDN会按照峰值要求来配置服务器和网络资源，造成资源的平均利用率只有10-15%。另ー方面,从IDC (Internet Data Center,即互联网数据中心)角度考虑,根据近年IDC的成本分析，IT开销中的硬件开销是基本持平的，电カ能耗和维护管理的成本上升非常迅速，约占IDC开销的60%以上。要达到降低成本的要求，在硬件开销无法減少的情况下，降低能耗和运维成本，显得尤其重要。
发明内容
为了克服现有CDN资源利用率低、弾性扩容能力差的不足，本发明提供了ー种基于统计预测的云CDN资源自动部署方法，通过对CDN边缘节点的负载预测以及实时监控，实现了 CDN的资源按需分配和自动、快速的弾性扩容。该方法不仅能有效应对突发的业务高峰，提高CDN的资源利用率，而且降低了 CDN的能耗和运维成本。本发明的技术方案如下，基于统计预测的云CDN资源自动部署方法，包括以下步骤SI、根据云CDN各边缘节点负载的历史数据预测未来24小时负载预测值，制定相应边缘节点的虚拟服务器资源部署计划，对云CDN各边缘节点进行虚拟服务器资源部署；S2、实时监控云⑶N各边缘节点负载情況，当云⑶N处于用户访问高峰期时，云平台将配置好相关业务的镜像挂载到虚拟服务器中并启动加入到云CDN各边缘节点当中，分摊突发的访问压力；当云⑶N处于非访问高峰期时，只保留維持业务正常水平运行的虚拟服务器，将闲置的虚拟服务器资源回收到资源池中。所述SI包括如下步骤S11、统计前24小时云⑶N各边缘节点的负载，得出实际负载平均值L ；S12、查找统计记录，获取云⑶N各边缘节点的前24小时负载预测值P ;
S13、比较前24小时负载预测P和实际负载平均值L的大小，判断|￥卜《是否成
立，a为预先设定的阈值，若成立则云CDN維持当前的虚拟服务器资源部署規模；若不成立且P大于L，则边缘节点增加部署⑶N虚拟服务器；如若不成立且P小于L，则边缘节点将回收空闲的虚拟服务器资源。所述SI还包括步骤S14、通过负载预测模型，求出云⑶N各边缘节点的未来24小时负载预测值P。所述负载预测模型的建立过程为S141、云⑶N姆天统计前n天的云⑶N各边缘节点的负载情况,算出前n天负载的日平均值{1J，建立随机型时间序列自递归模型，预测未来24小时负载预测值P ；建立随机型时间序列自递归模型为线性信号模型L(Z)
权利要求
1.基于统计预测的云CDN资源自动部署方法，其特征在于，包括以下步骤 51、根据云CDN各边缘节点负载的历史数据预测未来24小时负载预测值，制定相应边缘节点的虚拟服务器资源部署计划，对云CDN各边缘节点进行虚拟服务器资源部署； 52、实时监控云CDN各边缘节点负载情况，当云CDN处于用户访问高峰期时，云平台将配置好相关业务的镜像挂载到虚拟服务器中并启动加入到云CDN各边缘节点当中，分摊突发的访问压力；当云⑶N处于非访问高峰期时，只保留维持业务正常水平运行的虚拟服务器，将闲置的虚拟服务器资源回收到资源池中。
2.根据权利要求I所述的基于统计预测的云CDN资源自动部署方法，其特征在于，所述SI包括如下步骤 511、统计前24小时云CDN各边缘节点的负载，得出实际负载平均值L； 512、查找统计记录，获取云CDN各边缘节点的前24小时负载预测值P； 513、比较前24小时负载预测P和实际负载平均值L的大小，判断|￥卜《是否成立，α为预先设定的阈值，若成立则云CDN维持当前的虚拟服务器资源部署规模；若不成立且P大于L，则边缘节点增加部署CDN虚拟服务器；如若不成立且P小于L，则边缘节点将回收空闲的虚拟服务器资源。
3.根据权利要求2所述的基于统计预测的云CDN资源自动部署方法，其特征在于，所述SI还包括步骤 514、通过负载预测模型，求出云CDN各边缘节点的未来24小时负载预测值P。
4.根据权利要求3所述的基于统计预测的云CDN资源自动部署方法，其特征在于，所述负载预测模型的建立过程为 S141、云⑶N每天统计前η天的云⑶N各边缘节点的负载情况,算出前η天负载的日平均值{1η}，建立随机型时间序列自递归模型，预测未来24小时负载预测值P ； 建立随机型时间序列自递归模型为线性信号模型L(Z)
5.根据权利要求2所述的基于统计预测的云CDN资源自动部署方法，其特征在于，所述α 取 O. I。
6.根据权利要求I所述的基于统计预测的云CDN资源自动部署方法，其特征在于，所述S2包括如下步骤 · 521、分别对云CDN各边缘节点设定一个最大负载值M，M的初始值为未来24小时负载预测值P; · 522、实时监测云⑶N各边缘节点当前的负载值N; ·523、若当前的负载值N大于最大负载值Μ，等待时间tl再次判断是否N大于M;如果是则证明当前为云CDN用户访问高峰，增加边缘节点的虚拟服务器，同时更新最大负载值M ;否则忽略不做任何处理，返回步骤S22实时监测当前的负载值N ； ·524、若当前的负载值N小于最大负载值M,等待时间t2再次判断是否N小于等于未来24小时负载预测值P;如果是则关闭多余的虚拟服务器并回收资源，恢复到该云CDN边缘节点当天计划部署的规模；否则忽略不做任何处理，返回步骤S22实时监测当前的负载值N。
全文摘要
本发明公开了基于统计预测的云CDN资源自动部署方法，其根据云CDN各边缘节点负载的历史数据预测未来24小时负载预测值，制定相应边缘节点的虚拟服务器资源部署计划，对云CDN各边缘节点进行虚拟服务器资源部署；实时监控云CDN各边缘节点负载情况，当云CDN处于用户访问高峰期时，云平台将配置好相关业务的镜像挂载到虚拟服务器中并启动加入到云CDN各边缘节点当中，分摊突发的访问压力；当云CDN处于非访问高峰期时，只保留维持业务正常水平运行的虚拟服务器，将闲置的虚拟服务器资源回收到资源池中。该方法不仅能有效应对突发的业务高峰，提高CDN的资源利用率，而且降低了CDN的能耗和运维成本。
文档编号H04L29/08GK102801792SQ20121026210
公开日2012年11月28日 申请日期2012年7月26日 优先权日2012年7月26日
发明者吴宗泽, 梁啟成, 冯梁谋, 张勰, 向友君, 傅予力 申请人:华南理工大学