程冠菘?王世艷
摘要:CDN系統(tǒng)也就是內(nèi)容分發(fā)網(wǎng)絡(luò),在關(guān)鍵技術(shù)中應(yīng)用人工智能技術(shù)能夠推動(dòng)網(wǎng)絡(luò)智能化的發(fā)展,提高CDN整體性能,提供智能化的服務(wù)。基于此,本文先是簡單的介紹了CDN結(jié)構(gòu)以及關(guān)鍵技術(shù),然后關(guān)鍵技術(shù)中人工智能的應(yīng)用進(jìn)行了詳細(xì)的研究。通過人工智能技術(shù)的應(yīng)用,預(yù)測(cè)模型的建立,提升了CDN整體性能。
關(guān)鍵詞:人工智能;CDN關(guān)鍵技術(shù);人工智能儲(chǔ)存;人工智能調(diào)度;人工智能分發(fā)
引言:
目前CDN系統(tǒng)中存在內(nèi)容儲(chǔ)存、調(diào)度以及分發(fā)過程中性能不佳的實(shí)際問題,通過引進(jìn)人工智能技術(shù),建立有效的預(yù)測(cè)模型,讓性能問題得到有效的解決處理。因此需要對(duì)人工智能在CDN關(guān)鍵技術(shù)中的應(yīng)用展開分析,通過人工智能技術(shù)的應(yīng)用,提高系統(tǒng)整體性能。
一、CDN結(jié)構(gòu)以及關(guān)鍵技術(shù)
隨著我國寬帶網(wǎng)絡(luò)以及媒體技術(shù)逐漸發(fā)展,內(nèi)容分發(fā)網(wǎng)絡(luò)中使用了緩存服務(wù)器,將緩存服務(wù)器在靠近用戶位置分布,使用內(nèi)容調(diào)度以及分發(fā)功能,使得用戶能夠在邊緣位置上得到需要的內(nèi)容,讓網(wǎng)絡(luò)擁塞得到減少,從而有效的提高訪問速度。其中使用的CDN關(guān)鍵技術(shù)主要有內(nèi)容儲(chǔ)存技術(shù)、調(diào)度技術(shù)以及分發(fā)技術(shù)。其中內(nèi)容存儲(chǔ)技術(shù)主要是指在源站點(diǎn)中注入內(nèi)容,注入進(jìn)CDN網(wǎng)絡(luò)并完整儲(chǔ)存起來。內(nèi)容調(diào)度技術(shù)是指用戶發(fā)送訪問請(qǐng)求,將用戶向最優(yōu)CDN節(jié)點(diǎn)引導(dǎo)的過程。內(nèi)容分發(fā)則是用戶向著網(wǎng)站發(fā)送請(qǐng)求,用戶需要的內(nèi)容中一部分內(nèi)容直接向邊緣緩存節(jié)點(diǎn)推送,如果邊緣節(jié)點(diǎn)上沒有用戶需要的內(nèi)容,需要通過內(nèi)容中心讓內(nèi)容得到拉放,向用戶提供完整的服務(wù)。
二、人工智能在CDN關(guān)鍵技術(shù)中的運(yùn)用
(一)人工智能儲(chǔ)存
隨著社會(huì)和網(wǎng)絡(luò)中數(shù)據(jù)的迅猛增漲,儲(chǔ)存系統(tǒng)的地位顯著上升。在CDN內(nèi)容中心以及節(jié)點(diǎn)都是重要的儲(chǔ)存系統(tǒng),要保證大容量的共享儲(chǔ)存,才能保證系統(tǒng)整體運(yùn)行。在CDN系統(tǒng)中在業(yè)務(wù)基礎(chǔ)上,需要進(jìn)行合并、刪除、更換磁盤以及新建等操作,這些操作十分常見。需要通過故障預(yù)測(cè)模型的建立,對(duì)硬盤故障展開主動(dòng)預(yù)測(cè),來展開硬盤保護(hù)。目前很多磁盤都能夠支持智能技術(shù),通過在磁盤上設(shè)置監(jiān)控指令,對(duì)磁盤、電路的運(yùn)行展開分析,從而設(shè)定安全閾值,這也為智能預(yù)測(cè)的實(shí)現(xiàn)建立了基礎(chǔ)[1]。在磁盤預(yù)測(cè)模型具備高精度的基礎(chǔ)上,展開人工智能處理故障機(jī)制,建設(shè)人工智能儲(chǔ)存框架。首先要監(jiān)控現(xiàn)網(wǎng)磁盤信息,使用現(xiàn)網(wǎng)數(shù)據(jù)建立訓(xùn)練模型,使用現(xiàn)網(wǎng)數(shù)據(jù)形成訓(xùn)練樣本。其次對(duì)預(yù)測(cè)模型展開訓(xùn)練,獲得各個(gè)業(yè)務(wù)和區(qū)域的最優(yōu)預(yù)測(cè)算法。根據(jù)現(xiàn)網(wǎng)預(yù)測(cè)實(shí)際要求,選擇模型展開推理預(yù)測(cè)。從而可以得到磁盤的預(yù)測(cè)值。最后根據(jù)磁盤信息值,可以設(shè)定故障處理策略。在CDN系統(tǒng)中執(zhí)行故障策略的時(shí)候,需要監(jiān)控反饋執(zhí)行結(jié)果,讓算法得到進(jìn)一步優(yōu)化。在CDN系統(tǒng)中設(shè)置智能預(yù)警模塊,能夠?qū)收蠑?shù)據(jù)進(jìn)行智能分析,提供智能處理方案,只有綜合應(yīng)用深度學(xué)習(xí)知識(shí)以及磁盤故障知識(shí),才能實(shí)現(xiàn)監(jiān)測(cè)預(yù)警功能。人工智能技術(shù)的使用讓故障精準(zhǔn)預(yù)測(cè)得以實(shí)現(xiàn),將磁盤故障導(dǎo)致質(zhì)量波動(dòng)得到消除,提高資源使用效率。
(二)人工智能調(diào)度
調(diào)度系統(tǒng)讓CDN路由功能得以實(shí)現(xiàn),讓用戶請(qǐng)求被引導(dǎo)到網(wǎng)絡(luò)節(jié)點(diǎn)上,但隨著網(wǎng)絡(luò)數(shù)據(jù)量的激增,對(duì)于CDN調(diào)度提出了更高的要求。如果網(wǎng)絡(luò)流量出現(xiàn)劇增,CDN已經(jīng)無法處理突發(fā)的用戶請(qǐng)求,造成節(jié)點(diǎn)壓力過于高,將會(huì)出現(xiàn)CDN節(jié)點(diǎn)失去平衡負(fù)載,造成網(wǎng)絡(luò)的堵塞,讓用戶體驗(yàn)受到影響。因此通過應(yīng)用人工智能,建立人工智能的預(yù)測(cè)機(jī)制,對(duì)于負(fù)載和預(yù)測(cè)具有重要意義。建立人工智能調(diào)度框架,首先需要監(jiān)控網(wǎng)絡(luò)以及各設(shè)備的數(shù)據(jù),在現(xiàn)網(wǎng)數(shù)據(jù)基礎(chǔ)上建立訓(xùn)練模型。根據(jù)現(xiàn)網(wǎng)數(shù)據(jù)形成訓(xùn)練樣本。其次根據(jù)預(yù)測(cè)模型展開訓(xùn)練,獲得最優(yōu)預(yù)測(cè)算法。在現(xiàn)網(wǎng)預(yù)測(cè)需求的基礎(chǔ)上,使用最佳算法模型展開推理預(yù)測(cè),獲得預(yù)測(cè)流量以及預(yù)測(cè)負(fù)載。最后根據(jù)預(yù)測(cè)負(fù)載以及預(yù)測(cè)流量,可以設(shè)定調(diào)度策略。在CDN中執(zhí)行人工智能調(diào)度的時(shí)候,需要對(duì)反饋執(zhí)行結(jié)果,進(jìn)一步優(yōu)化算法。隨著CDN復(fù)雜度以及網(wǎng)絡(luò)規(guī)模的擴(kuò)大,必須要使用人工智能調(diào)度,通過深度應(yīng)用數(shù)據(jù),滿足網(wǎng)絡(luò)需求,推理出預(yù)測(cè)負(fù)載和流量,對(duì)資源進(jìn)行合理的調(diào)度。
(三)人工智能分發(fā)
在系統(tǒng)內(nèi)容分發(fā)中,使用的分發(fā)技術(shù)主要包括拉放技術(shù)以及推送技術(shù),拉放技術(shù)將作為一種被動(dòng)的分發(fā)技術(shù),用戶想要獲得的內(nèi)容沒有被儲(chǔ)存的時(shí)候,將回源退回到上級(jí)節(jié)點(diǎn)。大量回源請(qǐng)求的出現(xiàn)將會(huì)讓網(wǎng)絡(luò)傳輸受到巨大流量壓力。推送技術(shù)則是一種主動(dòng)分發(fā)技術(shù),請(qǐng)求量較大的熱度內(nèi)容會(huì)直接在邊緣節(jié)點(diǎn)上得到緩存。用戶受到訪問請(qǐng)求的時(shí)候,將會(huì)給用戶提供直接服務(wù),讓響應(yīng)時(shí)間得到減少。但是CDN分發(fā)策略是靜止的,分發(fā)級(jí)別以及參數(shù)是人工設(shè)定的,缺乏靈活性。因此使用人工智能在其中,提前預(yù)測(cè)出訪問量等情況,能夠?qū)崿F(xiàn)個(gè)性化分發(fā)設(shè)置[2]。這樣可以讓預(yù)分發(fā)降低盲目性,讓分發(fā)可以實(shí)現(xiàn)有的放矢,提高分發(fā)的效率。首先需要建立訓(xùn)練模型,通過采集數(shù)據(jù),監(jiān)測(cè)服務(wù)終端,將現(xiàn)網(wǎng)數(shù)據(jù)根據(jù)業(yè)務(wù)和區(qū)域展開處理,形成訓(xùn)練樣本。其次對(duì)預(yù)測(cè)模型展開訓(xùn)練,使用算法模型展開推理預(yù)測(cè),將熱度預(yù)測(cè)值完全輸出。最后需要根據(jù)預(yù)測(cè)得出的熱度值設(shè)定分發(fā)策略,在執(zhí)行的時(shí)候,可以執(zhí)行結(jié)果優(yōu)化,對(duì)算法進(jìn)行優(yōu)化。使用智能機(jī)制展開動(dòng)態(tài)調(diào)節(jié),能夠讓分發(fā)控制高效實(shí)現(xiàn)。
結(jié)論:
綜上所述,在CDN中最關(guān)鍵的技術(shù)就是內(nèi)容儲(chǔ)存技術(shù)、調(diào)度技術(shù)以及分發(fā)技術(shù)。在關(guān)鍵技術(shù)中應(yīng)用人工智能需要建立智能預(yù)測(cè)機(jī)制和預(yù)測(cè)模型,通過預(yù)測(cè)機(jī)制和預(yù)測(cè)模型的建立,獲得預(yù)測(cè)值,制定出處理策略或者閾值,這樣能夠有效應(yīng)對(duì)數(shù)據(jù)量的劇增,提升CDN性能。
參考文獻(xiàn):
[1]陳步華,梁潔,陳戈,莊一嶸,唐宏.人工智能在CDN關(guān)鍵技術(shù)中的應(yīng)用探討[J].移動(dòng)通信,2018,42(08):38-45.
[2].工信部:突破人工智能核心技術(shù),加快關(guān)鍵共性技術(shù)研發(fā)[J].電子技術(shù)與軟件工程,2018(15):10.
作者簡介:程冠菘(1993.10)男,吉林省白山市人,本科學(xué)歷,網(wǎng)絡(luò)工程師、網(wǎng)頁設(shè)計(jì)師、平面設(shè)計(jì)師,研究網(wǎng)絡(luò)技術(shù)、云計(jì)算、CDN等方向。