[发明专利]一种基于机器学习的DNS线程管理方法、装置和服务器

说明书

本发明实施例提供了一种基于机器学习的DNS线程管理方法、装置和服务器，该方法和装置应用于基于Linux操作系统搭建的DNS服务器，具体为每隔预设时长获取DNS服务器中所有线程所处理请求的请求数量；利用预设的线程控制模型对请求数量进行计算，得到最优线程数；如果当前线程数小于最优线程数，增加一个线程；如果当前线程数大于最优线程数，减少一个线程。通过对DNS服务器的线程数的动态调整，既可以避免在流量高峰状态时出现线程不足，也可以避免在流量低谷期间造成计算资源浪费，从而提高了DNS服务器的效率。

技术领域

本发明涉及互联网技术领域，特别是涉及一种基于机器学习的DNS线程管理方法、装置和服务器。

背景技术

DNS（Domain Name System，域名系统），指的是在互联网中将域名映射为IP地址的一套系统，能够使用户能够利用更容易记住的域名去访问互联网，而不用去记住不易记住的IP数串。DNS几乎可以说是目前所有线上服务的基础。在DNS中，域名的管理者需要搭建DNS服务器，来处理DNS的查询请求。通常，DNS服务器程序启动时，会开启一定数量的线程以并行处理查询请求，每个线程绑定一个CPU核以执行相关的计算任务。

然而，本申请的发明人在实际中发现，由于DNS业务的查询量与用户行为息息相关，具有高峰期和低谷期交替的特点，因此预先开启固定数量的线程并绑定CPU核会导致DNS服务器的效率较差，例如，在高峰期时，可能由于线程不足导致DNS服务的性能变差，而在低谷期是可能由于线程数量过多而造成计算资源浪费，这样会影响到物理服务器上其他应用的性能。

发明内容

有鉴于此，本发明提供了一种基于机器学习的DNS线程管理方法、装置和服务器，以解决目前这种因线程数量固定而导致DNS服务器的效率较差的问题。

为了解决上述问题，本发明公开了一种基于机器学习的DNS线程管理方法，应用于基于Linux操作系统搭建的DNS服务器，所述DNS线程管理方法包括步骤：

每隔预设时长获取所述DNS服务器中所有线程所处理请求的请求数量；

利用预设的线程控制模型对所述请求数量进行计算，得到最优线程数；

如果当前线程数小于所述最优线程数，增加一个线程；

如果所述当前线程数大于所述最优线程数，减少一个线程。

可选的，所述线程控制模型通过如下步骤得到：

运行多台开启不同线程的DNS服务器，并向所述DNS服务器发送查询请求；

在所述DNS服务器处理所述查询请求时，获取所述DNS服务器的处理数据，其中，所述处理数据包括处理请求数量、请求处理时间和系统丢包率；

根据所述处理数据和预选的特征值，并使用监督学习的方法进行模型训练，得到所述线程控制模型。

可选的，所述增加一个线程，包括：

启动一个新线程；

将所述新线程与所述DNS服务器的一个CPU进行绑定。

可选的，所述减少一个线程，包括：

停止向当前线程中选定的目标线程分配任务；

在所述目标线程执行完所有任务后，关闭所述目标线程。

相应的，为了保证上述方法的实施，本发明还提供了一种基于机器学习的DNS线程管理装置，应用于基于Linux操作系统搭建的DNS服务器，所述DNS线程管理装置包括：

请求数量获取模块，用于每隔预设时长获取所述DNS服务器中所有线程所处理请求的请求数量；