一種網絡服務方法及系統的制作方法
【專利摘要】本發明提供一種網絡服務方法及系統；方法包括：獲取當前網絡資源狀態以及當前服務隊列中各服務請求任務的服務請求屬性數據；根據所述服務請求屬性數據以及預存的樣本數據，分別計算在當前網絡資源狀態下所述各服務請求任務在當前服務隊列中將被服務的服務概率值；所述樣本數據包括不同網絡資源狀態下各服務請求任務的服務請求屬性數據及服務順序；對所述當前服務隊列中各服務請求任務按照所述服務概率值從大到小進行排序，并按此順序依次進行網絡服務和資源分配。本發明能夠基于當前網絡資源狀態，根據當前服務隊列的服務請求屬性數據進行任務調度和資源分配。
【專利說明】-種網絡服務方法及系統
【技術領域】
[0001] 本發明涉及通信領域，尤其涉及一種網絡服務方法及系統。
【背景技術】
[0002] 隨著移動通信網絡的發展，用戶對網絡服務質量和服務效率的需求不斷增強。然 而限于服務資源有限，如果用戶的服務需求較為集中，將導致在服務高峰期出現網絡服務 排隊現象。比如在"雙11"活動的時候，由于業務量巨大且集中，很容易造成網絡擁塞，用戶 訪問活動網站的網速很慢，網絡交易通常需要等待較長時間甚至經常交易不成功；除夕晚 間，用戶集中發短信或者打電話拜年，容易出現占線問題。這些都是典型的移動網絡服務排 隊現象。為了保證服務質量，使得有限的網絡資源被最大化利用，網絡服務系統需要對服務 隊列進行有效管理，對網絡資源進行合理分配。
[0003] 現有網絡服務方法主要遵循先入先出的公平服務原則，即先到達的事件先提供服 務。近年來，隨著SLA(服務等級協議）的提出，作為提供網絡資源服務的運營商需要向用 戶提供差異化服務，保證部分業務享有優先服務的權利。為了兼顧用戶優先級，同時盡量不 影響服務公平性，現有技術通常采用加權公平排隊（WeightedFairQueuing,WFQ)機制進 行服務請求任務的調度和網絡資源的分配。針對業務優先級、業務等待時間、隊列長度、隊 列中所占比例等指標設置不同的權重系數，然后按照權重法計算等候隊列中每個服務請求 任務的優先級，并基于優先級進行服務資源的分配。
[0004] 在現有技術中，權重系數的大小直接決定了服務請求任務在服務隊列中的相對位 置，對服務質量產生重要影響，不同的權重會導致完全不同的結果。然而隨著指標維度的增 力口，這種加權公平排隊方法將會存在"維度災難"隱患，對權重系數的準確性提出了嚴重挑 戰，從而降低了綜合優先級的精度，公平性難以得到保證。
[0005] 其次，現有技術中評價指標的權重系數通常是根據人為經驗進行設置或者通過相 關規則進行量化配置的，缺乏數據分析作為理論依據。因此使用的權重系數是一種經驗系 數，并不能充分考慮到當前服務隊列的實際情況。
[0006] 同時，現有技術在強調服務公平性的同時卻忽略了網絡服務系統中各服務請求任 務對網絡資源的競爭性，因此會造成資源的浪費和不合理分配。為了保證有限資源的最大 化利用必須在不同資源狀態下基于不同的服務策略進行任務調度和資源分配。
[0007] 另一方面，現有網絡服務方法采用的是一種單向傳遞的服務模式，缺乏對服務數 據的有效利用。這種開環系統由于缺少反饋控制，很難達到真正意義上為穩態。
【發明內容】
[0008] 本發明要解決的技術問題是如何基于當前網絡資源狀態，根據當前服務隊列的服 務請求屬性數據進行任務調度和資源分配。
[0009] 為了解決上述問題，本發明提供了一種網絡服務方法，包括：
[0010]S101、獲取當前網絡資源狀態以及當前服務隊列中各服務請求任務的服務請求屬 性數據；所述服務請求屬性數據包括服務請求任務在當前服務隊列的已等待時長、對應的 用戶服務等級以及資源需求量；
[0011] S102、根據所述服務請求屬性數據以及預存的樣本數據，分別計算在當前網絡資 源狀態下所述各服務請求任務在當前服務隊列中將被服務的服務概率值；所述樣本數據包 括不同網絡資源狀態下各服務請求任務的服務請求屬性數據及服務順序；
[0012] S103、對所述當前服務隊列中各服務請求任務按照所述服務概率值從大到小進行 排序，并按此順序依次進行網絡服務和資源分配。
[0013] 可選地，所述步驟S102包括：
[0014] 根據當前網絡資源狀態所匹配的狀態等級，查找該狀態等級對應的服務概率模 型；所述服務概率模型根據所述預存的樣本數據預先生成；
[0015] 分別將當前服務隊列中各服務請求任務的所述服務請求屬性數據代入所述服務 概率模型，得到該服務請求任務在當前服務隊列中將被服務的服務概率值。
[0016] 可選地，所述步驟S101前還包括：
[0017] 根據所述樣本數據的網絡資源狀態的分布情況劃分出多個狀態等級；
[0018] 根據所述樣本數據在各屬性維度的分布情況進行區間劃分，并對區間內的樣本數 據值進行歸一化處理；所述屬性維度包括已等待時長、對應的用戶服務等級以及資源需求 量；
[0019] 采用概率密度核估計法基于所述樣本數據進行帕爾森窗寬參數學習，生成各狀態 等級對應的服務概率模型。
[0020] 可選地，當前網絡資源狀態下服務請求任務Xi在當前服務隊列中將被服務的服務 ^$1?P(xj|x1:j_1； i+1:n,status)為：
【權利要求】
1. 一種網絡服務方法，包括： 5101、 獲取當前網絡資源狀態以及當前服務隊列中各服務請求任務的服務請求屬性數 據；所述服務請求屬性數據包括服務請求任務在當前服務隊列的已等待時長、對應的用戶 服務等級以及資源需求量； 5102、 根據所述服務請求屬性數據以及預存的樣本數據，分別計算在當前網絡資源狀 態下所述各服務請求任務在當前服務隊列中將被服務的服務概率值；所述樣本數據包括不 同網絡資源狀態下各服務請求任務的服務請求屬性數據及服務順序； 5103、 對所述當前服務隊列中各服務請求任務按照所述服務概率值從大到小進行排 序，并按此順序依次進行網絡服務和資源分配。
2. 如權利要求1所述的方法，其特征在于，所述步驟S102包括： 根據當前網絡資源狀態所匹配的狀態等級，查找該狀態等級對應的服務概率模型；所 述服務概率模型根據所述預存的樣本數據預先生成； 分別將當前服務隊列中各服務請求任務的所述服務請求屬性數據代入所述服務概率 模型，得到該服務請求任務在當前服務隊列中將被服務的服務概率值。
3. 如權利要求2所述的方法，其特征在于，所述步驟SlOl前還包括： 根據所述樣本數據的網絡資源狀態的分布情況劃分出多個狀態等級； 根據所述樣本數據在各屬性維度的分布情況進行區間劃分，并對區間內的樣本數據值 進行歸一化處理；所述屬性維度包括已等待時長、對應的用戶服務等級以及資源需求量； 采用概率密度核估計法基于所述樣本數據進行帕爾森窗寬參數學習，生成各狀態等級 對應的服務概率模型。
4. 如權利要求1所述的方法，其特征在于，當前網絡資源狀態下服務請求任務Xi在當 前服務隊列中將被服務的服務概率值P(Xikmn，status)為：
其中，status為當前網絡資源狀態匹配的狀態等級；η為所述當前服務隊列中的服務 請求任務的個數；k為1?η中任一個不等于i的整數； ξ為常數，表示在網絡資源狀態status下，服務隊列中其他n-1個服務請求任務同時 出現的概率； P(Xi,xk|status)表示在網絡資源狀態status下Xi先于Xk服務的概率； P(XiIstatus)表示在網絡資源狀態status下，服務請求任務Xi無條件被立即服務的 概率。
5. 如權利要求4所述的方法，其特征在于，所述P(XiIstatus)為：
a為狀態等級status對應的樣本數據的條數，ht、hs和hq是分別以狀態等級status對 應的a個樣本數據中已等待時長、用戶服務等級、資源需求量作為訓練數據集生成的最優 窗寬；s.t.后為約束條件； 所述P(Xi, XkIstatus)為：
其中1^[1:；[-1，1 + 1:11]，參數'、\和\分別為狀態等級8七31：118對應的&個樣 本數據中已等待時長、用戶服務等級、資源需求量的樣本個數；hk,t、hk,s、是針對服務請 求任務xk，分別以狀態等級status對應的a個樣本數據中已等待時長、用戶服務等級、資源 需求量作為訓練數據集生成的最優窗寬。
6. -種網絡服務系統，其特征在于，包括： 數據獲取模塊，用于獲取當前網絡資源狀態以及當前服務隊列中各服務請求任務的服 務請求屬性數據；所述服務請求屬性數據包括服務請求任務在當前服務隊列的已等待時 長、對應的用戶服務等級以及資源需求量； 計算模塊，用于根據所述服務請求屬性數據以及預存的樣本數據，分別計算在當前網 絡資源狀態下所述各服務請求任務在當前服務隊列中將被服務的服務概率值；所述樣本數 據包括不同網絡資源狀態下各服務請求任務的服務請求屬性數據及服務順序； 服務模塊，用于對所述當前服務隊列中各服務請求任務按照所述服務概率值從大到小 進行排序，并按此順序依次進行網絡服務和資源分配。
7. 如權利要求6所述的系統，其特征在于，所述計算模塊包括： 查找子模塊，用于根據當前網絡資源狀態所匹配的狀態等級，查找該狀態等級對應的 服務概率模型；所述服務概率模型根據所述預存的樣本數據預先生成； 代入子模塊，用于分別將當前服務隊列中各服務請求任務的所述服務請求屬性數據代 入所述服務概率模型，得到該服務請求任務在當前服務隊列中將被服務的服務概率值。
8. 如權利要求7所述的系統，其特征在于，還包括： 預處理模塊，用于根據所述樣本數據的網絡資源狀態的分布情況劃分出多個狀態等 級；根據所述樣本數據在各屬性維度的分布情況進行區間劃分，并對區間內的樣本數據值 進行歸一化處理；所述屬性維度包括已等待時長、對應的用戶服務等級以及資源需求量； 采用概率密度核估計法基于所述樣本數據進行帕爾森窗寬參數學習，生成各狀態等級對應 的服務概率模型。
9. 如權利要求6所述的系統，其特征在于，當前網絡資源狀態下服務請求任務Xi在當 前服務隊列中將被服務的服務概率值P(Xikmn，status)為：
其中，status為當前網絡資源狀態匹配的狀態等級；η為所述當前服務隊列中的服務 請求任務的個數；k為1?η中任一個不等于i的整數； ξ為常數，表示在網絡資源狀態status下，服務隊列中其他n-1個服務請求任務同時 出現的概率； P(Xi,xk|status)表示在網絡資源狀態status下Xi先于Xk服務的概率； P(XiIstatus)表示在網絡資源狀態status下，服務請求任務Xi無條件被立即服務的 概率。
10. 如權利要求9所述的系統，其特征在于，所述P(XiIstatus)和所述P(Xi,XkIstatus) 分別為：
a為狀態等級status對應的樣本數據的條數，ht、hs和hq是分別以狀態等級status對 應的a個樣本數據中已等待時長、用戶服務等級、資源需求量作為訓練數據集生成的最優 窗寬；s.t.后為約束條件；
其中1^￡[1:；[-1，1+1:11]，參數^^、^^和^^分別為狀態等級8〖&1：118對應的3個樣 本數據中已等待時長、用戶服務等級、資源需求量的樣本個數；htt、hts、是針對服務請 求任務xk，分別以狀態等級status對應的a個樣本數據中已等待時長、用戶服務等級、資源 需求量作為訓練數據集生成的最優窗寬。
【文檔編號】H04L29/08GK104468413SQ201410706650
【公開日】2015年3月25日 申請日期:2014年11月27日 優先權日:2014年11月27日
【發明者】湯雅妃, 張云勇, 范濟安, 魏進武, 張呈宇, 霍玉嵩 申請人:中國聯合網絡通信集團有限公司