(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111577826.0 (22)申请日 2021.12.2 2 (71)申请人 天翼云科技有限公司 地址 100007 北京市东城区青龙胡同甲1 号、 3号2幢2层20 5-32室 (72)发明人 林海涛　黄金霖　 (51)Int.Cl. H04L 41/147(2022.01) H04L 41/14(2022.01) H04L 41/0896(2022.01) G06N 20/00(2019.01) (54)发明名称 一种CDN带宽预测方法、 装置、 系统和电子设 备 (57)摘要 本发明公开了一种CDN带宽预测方法、 装置、 系统和电子设备， 该系统包括： 边缘集群和中央 处理集群， 边缘集群通过历史数据训练用于预测 带宽上限的机器识别模型， 历史数据包括预设时 间段内的CDN命中率、 机器数量、 带宽上限和首包 时限； 边缘集群基于当前时刻的CDN命中率、 机器 数量、 和预设首包时限， 通过训练后的机器识别 模型识别出目标带宽上限； 边缘集群基于目标带 宽上限生 成带宽请求， 并将带宽请求发送至中央 处理集群； 中央处理集群接收到边缘集群发送的 带宽请求， 并根据带宽请求中的目标带宽上限通 知外部调度系统为所述边缘集群分配处理任务。 本发明提供的技术方案， 提高了CND带宽分配的 准确率。 权利要求书3页 说明书8页 附图4页 CN 114465915 A 2022.05.10 CN 114465915 A 1.一种CDN带宽预测方法， 其特 征在于， 应用于边 缘集群， 所述方法包括： 通过历史数据训练用于预测带宽上限的机器识别模型， 所述历史数据包括预设时间段 内的CDN命中率、 机器数量、 带宽上限和首包时限， 所述机器数量是通过所述边缘集群访问 网络的外部机器的数量， 所述首包时限是所述边缘集群为外部机器发送首包的最 晚时限， 所述带宽上限用于表征外 部调度系统为所述 边缘集群分配的处 理任务所支持的带宽上限； 基于当前时刻的CDN命中率、 机器数量、 和预设首包时限， 通过训练后的所述机器识别 模型识别出目标 带宽上限； 基于所述目标带宽上限生成带宽请求， 并将所述带宽请求发送至中央处理集群， 以使 所述中央处理集群根据所述带宽请求中目标带宽上限通知所述外部调度系统为所述边缘 集群分配处 理任务。 2.根据权利要求1所述的方法， 其特征在于， 所述通过历史数据训练用于预测带宽上限 的机器识别模型， 包括： 以预设时间段内CDN命中率、 带宽上限和机器数量作为输入， 通过所述机器学习模型计 算预测首包时限； 根据所述预测首包时限和预设时间段内的首包时限之间的误差， 调 整所述机器学习 模 型的模型参数； 对调整模型参数后的机器学习 模型进行表达 式变换， 以将带宽上限转换为所述机器学 习模型的输出， 首包时限转换为所述机器学习模型的输入。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述目标带宽上限生成带宽请 求， 并将所述带宽请求发送至中央处 理集群， 包括： 基于硬件信息、 所述机器学习模型和所述目标带宽上限生成带宽请求， 并将所述带宽 请求发送至中央处理集群， 以使 所述中央处理集群基于所述目标带宽上限通知所述外部调 度系统为所述边缘集群分配处理任务， 并保存所述硬件信息和所述机器学习模型， 以在新 增第二边缘集群时为第二边缘集群发送与所述边缘集群相同的机器学习模型并通知所述 外部调度系统为所述第二边缘集群分配与所述边缘集群相同流量的处理任务， 所述硬件信 息是所述边缘集群的硬件信息， 所述第二边缘集群是与所述边缘集群硬件信息相同的新增 边缘集群。 4.一种CDN带宽预测方法， 其特 征在于， 应用于中央处 理集群， 所述方法包括： 接收边缘集群发送的带宽请求； 根据所述带宽请求中的目标带宽上限通知外部调度系统为所述边缘集群分配处理任 务， 所述目标带宽上限是所述边缘集群基于当前时刻的CDN命中率、 机器数量、 和预设首包 时限， 通过训练后的机器识别模型识别出 的结果， 所述机器识别模型是通过所述边缘集群 的历史数据训练生成的， 所述历史数据包括预设时间段内的CDN命中率、 机器数量、 带宽上 限和首包时限， 所述机器数量是通过所述边缘集群访问网络的外部机器的数量， 所述首包 时限是所述边缘集群为外部机器发送首包的最晚时限， 所述带宽上限用于表征所述外部调 度系统为所述 边缘集群分配的处 理任务所支持的带宽上限。 5.根据权利要求4所述的方法， 其特征在于， 所述边缘集群发送的带宽请求中还包括所 述边缘集群的硬件信息和机器学习模型， 所述方法还 包括： 当新增第二边缘集群时， 判断所述第 二边缘集群的第 二硬件信 息与保存的所述硬件信权　利　要　求　书 1/3 页 2 CN 114465915 A 2息是否相同； 若相同， 则将所述机器学习模型发送至所述第二边缘集群， 并通知所述外部调度系统 为所述第二 边缘集群分配与所述 边缘集群相同流 量的处理任务。 6.一种CDN带宽预测装置， 其特 征在于， 应用于边 缘集群， 所述装置包括： 训练模块， 用于通过历史数据训练用于预测带宽上限的机器识别模型， 所述历史数据 包括预设时间段内的CDN命中率、 机器数量、 带宽上限和首包时限， 所述机器数量是通过所 述边缘集群访问网络的外部机器的数量， 所述首包时限是所述边缘集群为外部机器发送首 包的最晚时限， 所述带宽上限用于表征外部调 度系统为所述边缘集群分配的处理任务所支 持的带宽上限； 识别模块， 用于基于当前时刻的CDN命中率、 机器数量、 和预设首包时限， 通过训练后的 所述机器识别模型识别出目标 带宽上限； 请求模块， 用于基于所述目标带宽上限生成带宽请求， 并将所述带宽请求发送至中央 处理集群， 以使 所述中央处理集群根据所述带宽请求中目标带宽上限通知所述外部调 度系 统为所述 边缘集群分配处 理任务。 7.一种CDN带宽预测装置， 其特 征在于， 应用于中央处 理集群， 所述装置包括： 请求接收模块， 用于 接收边缘集群发送的带宽请求； 带宽分配模块， 用于根据所述带宽请求中的目标带宽上限通知外部调度系统为所述边 缘集群分配处理任务， 所述目标带宽上限是所述边缘集群基于 当前时刻的CDN命中率、 机器 数量、 和预设首包时限， 通过训练后的机器识别模 型识别出的结果， 所述机器识别模型是通 过所述边缘集群的历史数据训练生成的， 所述历史数据包括预设时间段内的CDN命中率、 机 器数量、 带宽上限和首包时限， 所述机器数量是通过所述边缘集群访问网络的外部机器的 数量， 所述首包时限是所述边缘集群为外部机器发送首包的最 晚时限， 所述带宽上限用于 表征所述外部调度系统为所述 边缘集群分配的处 理任务所支持的带宽上限。 8.一种CDN带宽预测系统， 其特 征在于， 所述系统包括 边缘集群和中央处 理集群， 其中， 所述边缘集群通过历史数据训练用于预测带宽上限的机器识别模型， 所述历史数据包 括预设时间段内的CDN命中率、 机器数量、 带宽上限和首包时限， 所述机器数量是通过所述 边缘集群访问网络的外部机器的数量， 所述首包时限是所述边缘集群为外部机器发送首包 的最晚时限， 所述带宽上限用于表征外部调 度系统为所述边缘集群分配的处理任务所支持 的带宽上限； 所述边缘集群基于当前时刻的CDN命中率、 机器数量、 和预设首包时限， 通过训练后的 所述机器识别模型识别出目标 带宽上限； 所述边缘集群基于所述目标带宽上限生成带宽请求， 并将所述带宽请求发送至 中央处 理集群； 所述中央处理集群接收到所述边缘集群发送的带宽请求， 并根据 所述带宽请求中的目 标带宽上限通知所述外 部调度系统为所述 边缘集群分配处 理任务。 9.一种电子设备， 其特 征在于， 包括： 存储器和 处理器， 所述存储器和所述处理器之间互相通信连接， 所述存储器中存储有 计算机指 令， 所述处理器通过执行所述计算机指 令， 从而执行如权利要求 1‑5任一项所述的 方法。权　利　要　求　书 2/3 页 3 CN 114465915 A 3