[發(fā)明專利]一種智能熱點打散的方法、裝置、存儲介質(zhì)及計算機設備

有效

• 申請?zhí)枺?/td>: 201910117615.5
• 申請日: 2019-02-15
• 公開（公告）號: CN111585908B
• 公開（公告）日: 2022-03-04
• 發(fā)明（設計）人: 鄭友聲;王康
• 申請（專利權）人: 貴州白山云科技股份有限公司
• 主分類號: H04L47/125
• 分類號: H04L47/125;G06F16/955
• 代理公司: 北京名華博信知識產(chǎn)權代理有限公司 11453
• 代理人: 白瑩;苗源

1.一種智能熱點打散的方法，其特征在于，包括：

基于人工智能學習模型學習URL的請求量曲線并預測URL的請求量；

將URL的預測請求量大于或等于該URL所對應的第一預定請求量閾值的URL確定為第一URL，對所述第一URL執(zhí)行第一熱點打散操作；

將URL的請求量無法預測且實際請求量大于或等于該URL所對應的第二預定請求量閾值的URL確定為第二URL，對所述第二URL執(zhí)行第二熱點打散操作；

所述對所述第一URL執(zhí)行第一熱點打散操作的步驟包括：

將所述第一URL的請求隨機或均勻地分配到多個緩存服務器和/或源站服務器的進程。

2.如權利要求1所述的智能熱點打散的方法，其特征在于，所述對所述第二URL執(zhí)行第二熱點打散操作的步驟包括：

查找所述第二URL的落點進程；

將所述第一URL的新請求隨機或均勻地分配到多個緩存服務器和/或源站服務器的進程中的、除了所述落點進程之外的進程；和/或

將所述第一URL的舊請求隨機或均勻地重新分配到多個緩存服務器和/或源站服務器的進程中的、除了所述落點進程之外的進程。

3.如權利要求2所述的智能熱點打散的方法，其特征在于，所述對所述第二URL執(zhí)行第二熱點打散操作的步驟還包括：

確定所述第二URL的請求文件的大小大于指定文件大小；和/或

在所述落點進程執(zhí)行完針對所述第二URL的請求的、獲取并發(fā)送所述請求文件或發(fā)送所述請求文件的響應之后，將所述第一URL的新請求隨機或均勻地分配到多個緩存服務器和/或源站服務器的進程，和/或，將所述第一URL的舊請求隨機或均勻地重新分配到多個緩存服務器和/或源站服務器的進程，和/或

所述基于人工智能學習模型學習URL的請求量曲線并預測URL的請求量的步驟包括：

采用聚類算法對URL進行聚類分析，將相同類別的URL在預設歷史時段內(nèi)的請求量或?qū)崟r請求量自動繪制為對應于該類別的URL的請求量曲線，根據(jù)該類別的URL的請求量曲線來預測該類別的URL的請求量。

4.一種智能熱點打散的裝置，其特征在于，包括：

人工智能學習模型，用于學習URL的請求量曲線并預測URL的請求量；

第一熱點打散模塊，用于將URL的預測請求量大于或等于該URL所對應的第一預定請求量閾值的URL確定為第一URL，對所述第一URL執(zhí)行第一熱點打散操作；將所述第一URL的請求隨機或均勻地分配到多個緩存服務器和/或源站服務器的進程；

第二熱點打散模塊，用于將URL的請求量無法預測且實際請求量大于或等于該URL所對應的第二預定請求量閾值的URL確定為第二URL，對所述第二URL執(zhí)行第二熱點打散操作。

5.如權利要求4所述的智能熱點打散的裝置，其特征在于，所述第二熱點打散模塊還用于：

查找所述第二URL的落點進程；

將所述第一URL的新請求隨機或均勻地分配到多個緩存服務器和/或源站服務器的進程中的、除了所述落點進程之外的進程；和/或

將所述第一URL的舊請求隨機或均勻地重新分配到多個緩存服務器和/或源站服務器的進程中的、除了所述落點進程之外的進程，和/或

所述人工智能學習模型還用于：

采用聚類算法對URL進行聚類分析，將相同類別的URL在預設歷史時段內(nèi)的請求量或?qū)崟r請求量自動繪制為對應于該類別的URL的請求量曲線，根據(jù)該類別的URL的請求量曲線來預測該類別的URL的請求量。

6.如權利要求5所述的智能熱點打散的裝置，其特征在于，所述第二熱點打散模塊還用于：

確定所述第二URL的請求文件的大小大于指定文件大小；和/或

在所述落點進程執(zhí)行完針對所述第二URL的請求的、獲取并發(fā)送所述請求文件或發(fā)送所述請求文件的響應之后，將所述第一URL的新請求隨機或均勻地分配到多個緩存服務器和/或源站服務器的進程，和/或，將所述第一URL的舊請求隨機或均勻地重新分配到多個緩存服務器和/或源站服務器的進程。