[發明專利]一種視頻網站的服務性能預測方法

有效

• 申請號: 201610056090.5
• 申請日: 2016-01-27
• 公開（公告）號: CN107015900B
• 公開（公告）日: 2019-08-06
• 發明（設計）人: 劉學;薛寒星;尤佳莉
• 申請（專利權）人: 中國科學院聲學研究所
• 主分類號: G06F11/34
• 分類號: G06F11/34
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 王宇楊;劉振

本發明公開了一種視頻網站的服務性能預測方法，所述方法包含：步驟101)通過模擬用戶請求，定時測量視頻網站性能參數，計算性能參數之間的相關系數；如果相關系數的絕對值超過預設閾值時，將所有性能參數的值存入對應網站的性能預測數據集，否則，僅把下載速率存入對應網站的性能預測數據集；其中，所述性能參數包含：連接時間和下載速率；步驟102)對預測數據集進行參數無量綱化和歸一化預處理，基于預處理后得到的數據和時間序列模型或機器學習模型預測下一時刻的視頻網站的服務性能；其中，對時間序列模型或機器學習模型輸出的歸一化預測結果進行反歸一化即得到用戶在下一時刻訪問視頻網站可獲得的真實的服務性能預測值。

技術領域

本發明涉及網站的服務性能預測領域，特別涉及一種融合多信息源的視頻網站服務性能預測方法，屬于網絡服務性能預測領域。

背景技術

針對一個視頻內容，網絡中有很多視頻網站可以提供服務。因為視頻網站是通過動態的互聯網提供服務，因此視頻網站的服務性能不能很好地保持穩定，會隨著網絡環境、服務器負載等因素的變化而變化，從而出現周期性、短暫性的服務性能變化的情況。為此，對歷史數據的分析來準確地預測未來一段時間內視頻網站的服務性能，是選擇并使用滿足用戶需求的視頻源的關鍵問題，有重要意義。

目前現有的視頻網站服務性能的預測方法的主要思路為：(1)收集某一服務性能指標在一段時間內的數據作為歷史數據；(2)選擇某種模型，使用單一性能指標的數據進行模型訓練和性能預測。

現有的方法存在的問題即使用單一指標的數據進行預測，不考慮其他信息源的數據，在網絡情況出現較大波動時，對網站性能的預測會出現較大偏差。因此為改善預測的性能，增加預測模型在網絡性能短時間波動較大的情況下的預測穩定性，亟待加入其他信息源的數據，提高服務性能預測的準確度。

發明內容

本發明目的在于，為克服上述技術缺陷，進而使對視頻網站未來時刻的服務性能預測所需時間可接受的范圍內，本發明技術方案將多個信息源的信息進行融合，進而提高預測模型對視頻網站的服務性能預測的精度。同時，本發明的技術方案能夠增強預測模型在網絡情況劇烈變化的情況下的預測準確性的穩定性。

為了實現上述目的，本發明實施例公開了如下技術方案：

第一方面，提供一種視頻網站的服務性能預測方法，所述方法包含：

步驟101)通過模擬用戶請求，定時測量視頻網站性能參數，計算性能參數之間的相關系數；

如果相關系數的絕對值超過預設閾值時，將所有性能參數的值存入對應網站的性能預測數據集，否則，僅把下載速率存入對應網站的性能預測數據集；

其中，所述性能參數包含：連接時間和下載速率；

步驟102)對預測數據集進行參數無量綱化和歸一化預處理，基于預處理后得到的數據和時間序列模型或機器學習模型預測下一時刻的視頻網站的服務性能；

其中，對時間序列模型或機器學習模型輸出的歸一化預測結果進行反歸一化即得到用戶在下一時刻訪問視頻網站可獲得的真實的服務性能預測值。

結合上述第一方面，在第一種可能的實現方式中，上述步驟101)通過在節點上設定地址列表并模擬用戶行為，定時向地址列表中的視頻網站發送請求，測量視頻網站的連接時間和下載速率。

結合上述第一方面，和/或第一種可能的實現方式中，在第二種可能的實現方式中，采用皮爾遜相關系數計算性能參數之間的相關系數。

結合上述第一方面，和/或第一種可能的實現方式中，在第三種可能的實現方式中，采用線性函數歸一化對預測數據集進行歸一化處理。

結合上述第一方面，和第三種可能的實現方式中，在第四中可能的實現方式中，上述反歸一化方法即線性歸一化方法的反歸一化。