[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以及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标签；利用所述特征值以及所述标签建立训练集；利用所述训练集训练深度神经网络模型，得到服务质量评估模型。利用本发明提供的服务质量评估模型进行服务质量评估，能够提高评估的准确性，并且能够减少数据的输入，大幅降低了评估所需的计算资源以及带宽，不仅提高了服务质量评估效率，而且降低了运营成本。

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

随着CDN(Content Delivery Network，内容分发网络)技术的越来越普及，CDN的业务越来越复杂和庞大，客户对CDN服务系统的服务质量的要求越来越高。为了保障高质量的服务，CDN服务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服务系统的服务质量的一种方式，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。另一种方式是利用机器性能以及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，且准确性不高。

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以及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标签；

利用所述特征值以及所述标签建立训练集；

利用所述训练集训练深度神经网络模型，得到服务质量评估模型。

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、内存剩余量、负载、iowait值以及ioutil值；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，基于所述机器性能数据以及所述网络特征数据确定特征值之前，包括：

删除所述机器性能数据、所述网络特征数据以及所述质量监控数据中有重复时间戳的数据；

将所述机器性能数据、所述网络特征数据以及所述质量监控数据中的空值和异常值替换为正常值，或者删除所述空值和异常值。