[发明专利]基于统计预测的云CDN资源自动部署方法

权利要求书

1.基于统计预测的云CDN资源自动部署方法，其特征在于，包括以下步骤：

S1、根据云CDN各边缘节点负载的历史数据预测未来24小时负载预测值，制定相应边缘节点的虚拟服务器资源部署计划，对云CDN各边缘节点进行虚拟服务器资源部署；

S2、实时监控云CDN各边缘节点负载情况，当云CDN处于用户访问高峰期时，云平台将配置好相关业务的镜像挂载到虚拟服务器中并启动加入到云CDN各边缘节点当中，分摊突发的访问压力；当云CDN处于非访问高峰期时，只保留维持业务正常水平运行的虚拟服务器，将闲置的虚拟服务器资源回收到资源池中。

2.根据权利要求1所述的基于统计预测的云CDN资源自动部署方法，其特征在于，所述S1包括如下步骤：

S11、统计前24小时云CDN各边缘节点的负载，得出实际负载平均值L；

S12、查找统计记录，获取云CDN各边缘节点的前24小时负载预测值P；

S13、比较前24小时负载预测P和实际负载平均值L的大小，判断是否成立，α为预先设定的阈值，若成立则云CDN维持当前的虚拟服务器资源部署规模；若不成立且P大于L，则边缘节点增加部署CDN虚拟服务器；如若不成立且P小于L，则边缘节点将回收空闲的虚拟服务器资源。

3.根据权利要求2所述的基于统计预测的云CDN资源自动部署方法，其特征在于，所述S1还包括步骤：

S14、通过负载预测模型，求出云CDN各边缘节点的未来24小时负载预测值P。

4.根据权利要求3所述的基于统计预测的云CDN资源自动部署方法，其特征在于，所述负载预测模型的建立过程为：

S141、云CDN每天统计前n天的云CDN各边缘节点的负载情况，算出前n天负载的日平均值{l_n}，建立随机型时间序列自递归模型，预测未来24小时负载预测值P；

建立随机型时间序列自递归模型为线性信号模型L(z)：

L(z)=d0A(z)=d01+Σk=1pakz-k]]>

其中d₀为系统增益，p为模型的阶，对L(z)进行变换可得：

L(z)+Σk=1pakL(z)z-k=d0]]>

对进行变换后的L(z)取z反变换，线性信号模型L(z)的冲击响应l(n)作为未来24小时负载预测值P，为：

l(n)=-Σk=1Pakl(n-k)+d0δ(n)]]>

l(n)为先前值l(n-1)，…，l(n-p)的线性加权递归结果；l(0)＝d₀；系数{a_k}为预测器系数：

an=-l(n)l(0)-Σk=1n-1akl(n-k)l(0)]]>n>0