[发明专利]一种网络服务方法及系统

说明书

技术领域

本发明涉及通信领域，尤其涉及一种网络服务方法及系统。

背景技术

随着移动通信网络的发展，用户对网络服务质量和服务效率的需求不断增强。然而限于服务资源有限，如果用户的服务需求较为集中，将导致在服务高峰期出现网络服务排队现象。比如在“双11”活动的时候，由于业务量巨大且集中，很容易造成网络拥塞，用户访问活动网站的网速很慢，网络交易通常需要等待较长时间甚至经常交易不成功；除夕晚间，用户集中发短信或者打电话拜年，容易出现占线问题。这些都是典型的移动网络服务排队现象。为了保证服务质量，使得有限的网络资源被最大化利用，网络服务系统需要对服务队列进行有效管理，对网络资源进行合理分配。

现有网络服务方法主要遵循先入先出的公平服务原则，即先到达的事件先提供服务。近年来，随着SLA(服务等级协议)的提出，作为提供网络资源服务的运营商需要向用户提供差异化服务，保证部分业务享有优先服务的权利。为了兼顾用户优先级，同时尽量不影响服务公平性，现有技术通常采用加权公平排队(Weighted Fair Queuing，WFQ)机制进行服务请求任务的调度和网络资源的分配。针对业务优先级、业务等待时间、队列长度、队列中所占比例等指标设置不同的权重系数，然后按照权重法计算等候队列中每个服务请求任务的优先级，并基于优先级进行服务资源的分配。

在现有技术中，权重系数的大小直接决定了服务请求任务在服务队列中的相对位置，对服务质量产生重要影响，不同的权重会导致完全不同的结果。然而随着指标维度的增加，这种加权公平排队方法将会存在“维度灾难”隐患，对权重系数的准确性提出了严重挑战，从而降低了综合优先级的精度，公平性难以得到保证。

其次，现有技术中评价指标的权重系数通常是根据人为经验进行设置或者通过相关规则进行量化配置的，缺乏数据分析作为理论依据。因此使用的权重系数是一种经验系数，并不能充分考虑到当前服务队列的实际情况。

同时，现有技术在强调服务公平性的同时却忽略了网络服务系统中各服务请求任务对网络资源的竞争性，因此会造成资源的浪费和不合理分配。为了保证有限资源的最大化利用必须在不同资源状态下基于不同的服务策略进行任务调度和资源分配。

另一方面，现有网络服务方法采用的是一种单向传递的服务模式，缺乏对服务数据的有效利用。这种开环系统由于缺少反馈控制，很难达到真正意义上为稳态。

发明内容

本发明要解决的技术问题是如何基于当前网络资源状态，根据当前服务队列的服务请求属性数据进行任务调度和资源分配。

为了解决上述问题，本发明提供了一种网络服务方法，包括：

S101、获取当前网络资源状态以及当前服务队列中各服务请求任务的服务请求属性数据；所述服务请求属性数据包括服务请求任务在当前服务队列的已等待时长、对应的用户服务等级以及资源需求量；

S102、根据所述服务请求属性数据以及预存的样本数据，分别计算在当前网络资源状态下所述各服务请求任务在当前服务队列中将被服务的服务概率值；所述样本数据包括不同网络资源状态下各服务请求任务的服务请求属性数据及服务顺序；

S103、对所述当前服务队列中各服务请求任务按照所述服务概率值从大到小进行排序，并按此顺序依次进行网络服务和资源分配。

可选地，所述步骤S102包括：

根据当前网络资源状态所匹配的状态等级，查找该状态等级对应的服务概率模型；所述服务概率模型根据所述预存的样本数据预先生成；

分别将当前服务队列中各服务请求任务的所述服务请求属性数据代入所述服务概率模型，得到该服务请求任务在当前服务队列中将被服务的服务概率值。

可选地，所述步骤S101前还包括：

根据所述样本数据的网络资源状态的分布情况划分出多个状态等级；

根据所述样本数据在各属性维度的分布情况进行区间划分，并对区间内的样本数据值进行归一化处理；所述属性维度包括已等待时长、对应的用户服务等级以及资源需求量；

采用概率密度核估计法基于所述样本数据进行帕尔森窗宽参数学习，生成各状态等级对应的服务概率模型。

可选地，当前网络资源状态下服务请求任务x_i在当前服务队列中将被服务的服务概率值P(x_i|x_1:i-1,i+1:n,status)为：