[发明专利]一种服务质量评估模型的训练方法及装置

说明书

本发明公开了一种服务质量评估模型的训练方法及装置，其中，该方法包括：按照固定周期采集服务节点的机器性能数据、网络特征数据以及质量监控数据；基于所述机器性能数据和所述网络特征数据确定特征值；基于所述质量监控数据确定目标质量数据；利用所述特征值以及所述目标质量数据；利用所述训练集构建服务质量评估模型。本发明通过深度神经网络自身的特征工程功能将机器性能数据、网络特征数据等指标与服务质量进行关联，结合反向传播算法进行训练，并拟合其中的非线性关系，能够减少人为进行特征工程的时间消耗，同时提高服务质量评估的准确性。

技术领域

本发明涉及CDN技术领域，特别涉及一种服务质量评估模型的训练方法及装置。

背景技术

CDN的全称是Content Delivery Network，即内容分发网络，是通过在服务提供方和服务请求方之间的网络各处放置节点服务器所构成的一层智能虚拟网络。为了保障高质量的服务，CDN系统需要实时了解为客户提供的服务质量，及时发现和替换故障节点，避免机器或者网络原因导致服务质量的下降。

当前，用来评估CDN系统的服务质量的一种方式，是利用机器性能和网络情况等指标评估服务质量，这种评估方式十分依赖运维人员的经验。而机器性能和网络情况包括大量维度的数据，需要花费大量的时间以及人力成本进行数据预处理，并且人为判断，很容易出现偏差，所以无法快速准确的反映服务质量上的问题。同时如果只凭借人为经验制定出的规则来进行评估，无论是前期的规则制定，还是后期的持续维护，无疑是一项需要耗费巨大精力和时间的工程，并且在具体应用中，无法满足线上机器和网络不断变化的情况。

另外一种方式是通过分析服务端的访问日志来评估服务质量，例如计算卡顿率等指标。通过服务端访问日志评估服务质量时需要大量的计算资源去遍历访问日志，导致内部运维的设备与带宽成本非常高；同时这种方式和业务类型耦合程度大，每种业务类型的评估指标差别很大，没办法形成统一的标准，导致内部管理十分困难。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种服务质量评估模型的训练方法及装置。所述技术方案如下：

第一方面，提供了一种服务质量评估模型的训练方法，应用于模型训练节点，所述方法包括：

按照固定周期采集服务节点的机器性能数据、网络特征数据以及质量监控数据；

基于所述机器性能数据和所述网络特征数据确定特征值；

基于所述质量监控数据确定目标质量数据；

利用所述特征值以及所述目标质量数据建立训练集；

利用所述训练集构建服务质量评估模型。

可选的，每个所述服务质量评估模型适用于一种业务类型的质量评估；

相应的，按照固定周期采集服务节点的质量监控数据，包括：

按照固定周期采集服务节点中一种或多种应用服务对应的质量监控数据，所述一种或多种应用服务属于所述服务质量评估模型所适用的业务类型。

可选的，所述机器性能数据包括cpu利用率、内存利用率以及io情况；所述网络特征数据包括ping数据、poll数据以及下载速率。

可选的，所述方法还包括：

监控节点周期性地向所述服务节点发送检测信号，并得到网络特征数据；

相应的，所述按照固定周期采集服务节点的网络特征数据的步骤，包括：

按照固定周期从所述监控节点中采集服务节点的网络特征数据。

可选的，在基于所述机器性能数据和所述网络特征数据确定特征值的步骤之前，还包括：