关于人工智能在CDN关键技术中的运用研究

程冠菘?王世艳

摘要：CDN系统也就是内容分发网络，在关键技术中应用人工智能技术能够推动网络智能化的发展，提高CDN整体性能，提供智能化的服务。基于此，本文先是简单的介绍了CDN结构以及关键技术，然后关键技术中人工智能的应用进行了详细的研究。通过人工智能技术的应用，预测模型的建立，提升了CDN整体性能。

关键词：人工智能；CDN关键技术；人工智能储存；人工智能调度；人工智能分发

引言：

目前CDN系统中存在内容储存、调度以及分发过程中性能不佳的实际问题，通过引进人工智能技术，建立有效的预测模型，让性能问题得到有效的解决处理。因此需要对人工智能在CDN关键技术中的应用展开分析，通过人工智能技术的应用，提高系统整体性能。

一、CDN结构以及关键技术

随着我国宽带网络以及媒体技术逐渐发展，内容分发网络中使用了缓存服务器，将缓存服务器在靠近用户位置分布，使用内容调度以及分发功能，使得用户能够在边缘位置上得到需要的内容，让网络拥塞得到减少，从而有效的提高访问速度。其中使用的CDN关键技术主要有内容储存技术、调度技术以及分发技术。其中内容存储技术主要是指在源站点中注入内容，注入进CDN网络并完整储存起来。内容调度技术是指用户发送访问请求，将用户向最优CDN节点引导的过程。内容分发则是用户向着网站发送请求，用户需要的内容中一部分内容直接向边缘缓存节点推送，如果边缘节点上没有用户需要的内容，需要通过内容中心让内容得到拉放，向用户提供完整的服务。

二、人工智能在CDN关键技术中的运用

（一）人工智能储存

随着社会和网络中数据的迅猛增涨，储存系统的地位显著上升。在CDN内容中心以及节点都是重要的储存系统，要保证大容量的共享储存，才能保证系统整体运行。在CDN系统中在业务基础上，需要进行合并、删除、更换磁盘以及新建等操作，这些操作十分常见。需要通过故障预测模型的建立，对硬盘故障展开主动预测，来展开硬盘保护。目前很多磁盘都能够支持智能技术，通过在磁盘上设置监控指令，对磁盘、电路的运行展开分析，从而设定安全阈值，这也为智能预测的实现建立了基础[1]。在磁盘预测模型具备高精度的基础上，展开人工智能处理故障机制，建设人工智能储存框架。首先要监控现网磁盘信息，使用现网数据建立训练模型，使用现网数据形成训练样本。其次对预测模型展开训练，获得各个业务和区域的最优预测算法。根据现网预测实际要求，选择模型展开推理预测。从而可以得到磁盘的预测值。最后根据磁盘信息值，可以设定故障处理策略。在CDN系统中执行故障策略的时候，需要监控反馈执行结果，让算法得到进一步优化。在CDN系统中设置智能预警模块，能够对故障数据进行智能分析，提供智能处理方案，只有综合应用深度学习知识以及磁盘故障知识，才能实现监测预警功能。人工智能技术的使用让故障精准预测得以实现，将磁盘故障导致质量波动得到消除，提高资源使用效率。

（二）人工智能调度

调度系统让CDN路由功能得以实现，让用户请求被引导到网络节点上，但随着网络数据量的激增，对于CDN调度提出了更高的要求。如果网络流量出现剧增，CDN已经无法处理突发的用户请求，造成节点压力过于高，将会出现CDN节点失去平衡负载，造成网络的堵塞，让用户体验受到影响。因此通过应用人工智能，建立人工智能的预测机制，对于负载和预测具有重要意义。建立人工智能调度框架，首先需要监控网络以及各设备的数据，在现网数据基础上建立训练模型。根据现网数据形成训练样本。其次根据预测模型展开训练，获得最优预测算法。在现网预测需求的基础上，使用最佳算法模型展开推理预测，获得预测流量以及预测负载。最后根据预测负载以及预测流量，可以设定调度策略。在CDN中执行人工智能调度的时候，需要对反馈执行结果，进一步优化算法。随着CDN复杂度以及网络规模的扩大，必须要使用人工智能调度，通过深度应用数据，满足网络需求，推理出预测负载和流量，对资源进行合理的调度。

（三）人工智能分发

在系统内容分发中，使用的分发技術主要包括拉放技术以及推送技术，拉放技术将作为一种被动的分发技术，用户想要获得的内容没有被储存的时候，将回源退回到上级节点。大量回源请求的出现将会让网络传输受到巨大流量压力。推送技术则是一种主动分发技术，请求量较大的热度内容会直接在边缘节点上得到缓存。用户受到访问请求的时候，将会给用户提供直接服务，让响应时间得到减少。但是CDN分发策略是静止的，分发级别以及参数是人工设定的，缺乏灵活性。因此使用人工智能在其中，提前预测出访问量等情况，能够实现个性化分发设置[2]。这样可以让预分发降低盲目性，让分发可以实现有的放矢，提高分发的效率。首先需要建立训练模型，通过采集数据，监测服务终端，将现网数据根据业务和区域展开处理，形成训练样本。其次对预测模型展开训练，使用算法模型展开推理预测，将热度预测值完全输出。最后需要根据预测得出的热度值设定分发策略，在执行的时候，可以执行结果优化，对算法进行优化。使用智能机制展开动态调节，能够让分发控制高效实现。

结论：

综上所述，在CDN中最关键的技术就是内容储存技术、调度技术以及分发技术。在关键技术中应用人工智能需要建立智能预测机制和预测模型，通过预测机制和预测模型的建立，获得预测值，制定出处理策略或者阈值，这样能够有效应对数据量的剧增，提升CDN性能。

参考文献：

[1]陈步华，梁洁，陈戈，庄一嵘，唐宏.人工智能在CDN关键技术中的应用探讨[J].移动通信，2018，42（08）：38-45.

[2].工信部：突破人工智能核心技术，加快关键共性技术研发[J].电子技术与软件工程，2018（15）：10.

作者简介：程冠菘（1993.10）男，吉林省白山市人，本科学历，网络工程师、网页设计师、平面设计师，研究网络技术、云计算、CDN等方向。