關于人工智能在CDN關鍵技術中的運用研究

程冠菘?王世艷

摘要：CDN系統也就是內容分發網絡，在關鍵技術中應用人工智能技術能夠推動網絡智能化的發展，提高CDN整體性能，提供智能化的服務。基于此，本文先是簡單的介紹了CDN結構以及關鍵技術，然后關鍵技術中人工智能的應用進行了詳細的研究。通過人工智能技術的應用，預測模型的建立，提升了CDN整體性能。

關鍵詞：人工智能；CDN關鍵技術；人工智能儲存；人工智能調度；人工智能分發

引言：

目前CDN系統中存在內容儲存、調度以及分發過程中性能不佳的實際問題，通過引進人工智能技術，建立有效的預測模型，讓性能問題得到有效的解決處理。因此需要對人工智能在CDN關鍵技術中的應用展開分析，通過人工智能技術的應用，提高系統整體性能。

一、CDN結構以及關鍵技術

隨著我國寬帶網絡以及媒體技術逐漸發展，內容分發網絡中使用了緩存服務器，將緩存服務器在靠近用戶位置分布，使用內容調度以及分發功能，使得用戶能夠在邊緣位置上得到需要的內容，讓網絡擁塞得到減少，從而有效的提高訪問速度。其中使用的CDN關鍵技術主要有內容儲存技術、調度技術以及分發技術。其中內容存儲技術主要是指在源站點中注入內容，注入進CDN網絡并完整儲存起來。內容調度技術是指用戶發送訪問請求，將用戶向最優CDN節點引導的過程。內容分發則是用戶向著網站發送請求，用戶需要的內容中一部分內容直接向邊緣緩存節點推送，如果邊緣節點上沒有用戶需要的內容，需要通過內容中心讓內容得到拉放，向用戶提供完整的服務。

二、人工智能在CDN關鍵技術中的運用

（一）人工智能儲存

隨著社會和網絡中數據的迅猛增漲，儲存系統的地位顯著上升。在CDN內容中心以及節點都是重要的儲存系統，要保證大容量的共享儲存，才能保證系統整體運行。在CDN系統中在業務基礎上，需要進行合并、刪除、更換磁盤以及新建等操作，這些操作十分常見。需要通過故障預測模型的建立，對硬盤故障展開主動預測，來展開硬盤保護。目前很多磁盤都能夠支持智能技術，通過在磁盤上設置監控指令，對磁盤、電路的運行展開分析，從而設定安全閾值，這也為智能預測的實現建立了基礎[1]。在磁盤預測模型具備高精度的基礎上，展開人工智能處理故障機制，建設人工智能儲存框架。首先要監控現網磁盤信息，使用現網數據建立訓練模型，使用現網數據形成訓練樣本。其次對預測模型展開訓練，獲得各個業務和區域的最優預測算法。根據現網預測實際要求，選擇模型展開推理預測。從而可以得到磁盤的預測值。最后根據磁盤信息值，可以設定故障處理策略。在CDN系統中執行故障策略的時候，需要監控反饋執行結果，讓算法得到進一步優化。在CDN系統中設置智能預警模塊，能夠對故障數據進行智能分析，提供智能處理方案，只有綜合應用深度學習知識以及磁盤故障知識，才能實現監測預警功能。人工智能技術的使用讓故障精準預測得以實現，將磁盤故障導致質量波動得到消除，提高資源使用效率。

（二）人工智能調度

調度系統讓CDN路由功能得以實現，讓用戶請求被引導到網絡節點上，但隨著網絡數據量的激增，對于CDN調度提出了更高的要求。如果網絡流量出現劇增，CDN已經無法處理突發的用戶請求，造成節點壓力過于高，將會出現CDN節點失去平衡負載，造成網絡的堵塞，讓用戶體驗受到影響。因此通過應用人工智能，建立人工智能的預測機制，對于負載和預測具有重要意義。建立人工智能調度框架，首先需要監控網絡以及各設備的數據，在現網數據基礎上建立訓練模型。根據現網數據形成訓練樣本。其次根據預測模型展開訓練，獲得最優預測算法。在現網預測需求的基礎上，使用最佳算法模型展開推理預測，獲得預測流量以及預測負載。最后根據預測負載以及預測流量，可以設定調度策略。在CDN中執行人工智能調度的時候，需要對反饋執行結果，進一步優化算法。隨著CDN復雜度以及網絡規模的擴大，必須要使用人工智能調度，通過深度應用數據，滿足網絡需求，推理出預測負載和流量，對資源進行合理的調度。

（三）人工智能分發

在系統內容分發中，使用的分發技術主要包括拉放技術以及推送技術，拉放技術將作為一種被動的分發技術，用戶想要獲得的內容沒有被儲存的時候，將回源退回到上級節點。大量回源請求的出現將會讓網絡傳輸受到巨大流量壓力。推送技術則是一種主動分發技術，請求量較大的熱度內容會直接在邊緣節點上得到緩存。用戶受到訪問請求的時候，將會給用戶提供直接服務，讓響應時間得到減少。但是CDN分發策略是靜止的，分發級別以及參數是人工設定的，缺乏靈活性。因此使用人工智能在其中，提前預測出訪問量等情況，能夠實現個性化分發設置[2]。這樣可以讓預分發降低盲目性，讓分發可以實現有的放矢，提高分發的效率。首先需要建立訓練模型，通過采集數據，監測服務終端，將現網數據根據業務和區域展開處理，形成訓練樣本。其次對預測模型展開訓練，使用算法模型展開推理預測，將熱度預測值完全輸出。最后需要根據預測得出的熱度值設定分發策略，在執行的時候，可以執行結果優化，對算法進行優化。使用智能機制展開動態調節，能夠讓分發控制高效實現。

結論：

綜上所述，在CDN中最關鍵的技術就是內容儲存技術、調度技術以及分發技術。在關鍵技術中應用人工智能需要建立智能預測機制和預測模型，通過預測機制和預測模型的建立，獲得預測值，制定出處理策略或者閾值，這樣能夠有效應對數據量的劇增，提升CDN性能。

參考文獻：

[1]陳步華，梁潔，陳戈，莊一嶸，唐宏.人工智能在CDN關鍵技術中的應用探討[J].移動通信，2018，42（08）：38-45.

[2].工信部：突破人工智能核心技術，加快關鍵共性技術研發[J].電子技術與軟件工程，2018（15）：10.

作者簡介：程冠菘（1993.10）男，吉林省白山市人，本科學歷，網絡工程師、網頁設計師、平面設計師，研究網絡技術、云計算、CDN等方向。