蘇州市干將路303號創意產業園
0512-3565 6563
Jackjones@kuaidata.com
聯系客服
數據中心托管服務/管理式網絡
服務:
400 651 8888
微軟云服務:
400 089 2448
markjune@kuaidata.com
內容分布式網絡服務:
400 811 0278
云集成與合作:
cloud@kuaidata.com
2015-03-18
隨著被加速源站業務量的擴大,CDN 面臨以下兩個挑戰:
一是,CDN 在全國各地部署好節點后,隨著網站規模的擴大和視頻內容元素的增加,用戶請求數量和傳輸流量會急劇地增長,僅增加邊緣節點的服務器設備數量是無法應對的。
因此,需要部署新的CDN 邊緣節點,這就引出了一個新的問題:如何在現有 CDN 的基礎上,確定新建節點的部署地址,保證新建節點離用戶聚集的中心最近。
二是,目前的全局負載均衡技術一般是根據用戶的本地 DNS所屬的地區和運營商,將請求導向到對應的服務節點與線路。
但是:一方面,用戶可能會修改本地 DNS地址,如果修改后的本地 DNS歸屬于一個離用戶很遠的地區或者連通速度很慢的運營商,則全局負載均衡就可能對用戶請求判別失誤,導致傳輸成本增加、訪問速度急劇下降;
另一方面,對于某些 IP 歸屬地未知的本地 DNS而言,全局負載均衡則無法判別而只能隨機指定一個邊緣節點。
這引就發出了第二個問題:如何設計全局負載均衡策略,保證用戶請求能夠準確地被均衡到最快速的 CDN 邊緣節點。
CDN 新建節點的選址,目前集中在數學建模和概率預測等領域。根據選取信息的類型,CDN 邊緣節點的選址模型,主要依據確定信息、概率以及博弈論三方面。
在確定信息的選址模型中,設計者最初收集網絡拓撲的信息,然后將信息一次性或者多步輸入,最終求出部署的策略。
基于概率的選址模型一般是在網絡分布未知、用戶情況未知的情況下而構建的選址方式,核心理論是假設邊緣節點按照某種概率分布,然后采用優化理論對其進行建模。
一般是假設 CDN 節點服從均勻分布,優化目標為傳輸的距離和最小,這種建模方法的適應性比較強。
最后一種模型利用博弈論,探測 CDN新建節點和舊節點之間的關系,在已知網絡拓撲、節點滿足均勻分布的情況下,問題轉化為“最大網絡流量”和“最優的整體服務”兩個目標之間的博弈情況,博弈的結果就是要在兩個目標間取得最大化的利益并確定新建節點的選址。
三種選址模型的思路和步驟可以概括為:
1) 模型構建
根據網絡拓撲、用戶和節點的概率分布以及 CDN 節點間的博弈關系,選取合適的建模方式,確定最終模型。
2) 優化求解
在構建模型后,通過不同的優化算法,如類梯度解法和最大似然解法等搜索算法,取精確度高、效率高的方法。
現有 CDN 新建節點的選址方式,為節點的部署奠定了理論基礎。但是由于網絡結構的復雜性,建模前信息的調查和獲取較為困難。
另一方面,仿真建模也有一定的局限性,沒有充分利用真實的 CDN 信息。因此目前 CDN 新建節點的選址,有待完善。
目前, CDN 比較普遍地采用智能DNS 技術。當一個網站采用 CDN 服務后,網站管理員需要在授權的域名供應商加入一個 CNAME,使網站的域名都解析到 CDN 的智能 DNS 設備上。
CDN 智能 DNS 設備,根據用戶本地配置的 Local DNS 地址來劃分地理位置,將域名解析到最近的節點 IP,并將 IP 返回給用戶。用戶再根據此 IP 和端口號,確定與邊緣節點的 TCP/UDP 連接。
智能 DNS 技術目前存在以下幾個問題:
1)智能 DNS 設備根據用戶的 Local DNS 歸屬地址來確定邊緣節點的分配,而不是根據用戶的真實 IP 地址。當用戶的 Local DNS 地址被修改后,地理位置和線路的劃分將不再準確,從而影響最終的訪問速度;
2)DNS 的緩存問題使智能 DNS 設備返回的 IP 失效:由于本機和網絡上其他 DNS設備的緩存作用,用戶最終獲得的 IP 地址已經過期,從而導致訪問速度下降,甚至無法訪問。