随着被加速源站业务量的扩大，CDN 面临以下两个挑战：

一是，CDN 在全国各地部署好节点后，随着网站规模的扩大和视频内容元素的增加，用户请求数量和传输流量会急剧地增长，仅增加边缘节点的服务器设备数量是无法应对的。

因此，需要部署新的CDN 边缘节点，这就引出了一个新的问题：如何在现有 CDN 的基础上，确定新建节点的部署地址，保证新建节点离用户聚集的中心最近。

二是，目前的全局负载均衡技术一般是根据用户的本地 DNS所属的地区和运营商，将请求导向到对应的服务节点与线路。

但是：一方面，用户可能会修改本地 DNS地址，如果修改后的本地 DNS归属于一个离用户很远的地区或者连通速度很慢的运营商，则全局负载均衡就可能对用户请求判别失误，导致传输成本增加、访问速度急剧下降；

另一方面，对于某些 IP 归属地未知的本地 DNS而言，全局负载均衡则无法判别而只能随机指定一个边缘节点。

这引就发出了第二个问题：如何设计全局负载均衡策略，保证用户请求能够准确地被均衡到最快速的 CDN 边缘节点。

CDN 新建节点的选址，目前集中在数学建模和概率预测等领域。根据选取信息的类型，CDN 边缘节点的选址模型，主要依据确定信息、概率以及博弈论三方面。

在确定信息的选址模型中，设计者最初收集网络拓扑的信息，然后将信息一次性或者多步输入，最终求出部署的策略。

基于概率的选址模型一般是在网络分布未知、用户情况未知的情况下而构建的选址方式，核心理论是假设边缘节点按照某种概率分布，然后采用优化理论对其进行建模。

一般是假设 CDN 节点服从均匀分布，优化目标为传输的距离和最小，这种建模方法的适应性比较强。

最后一种模型利用博弈论，探测 CDN新建节点和旧节点之间的关系，在已知网络拓扑、节点满足均匀分布的情况下，问题转化为“最大网络流量”和“最优的整体服务”两个目标之间的博弈情况，博弈的结果就是要在两个目标间取得最大化的利益并确定新建节点的选址。

三种选址模型的思路和步骤可以概括为：

1） 模型构建

根据网络拓扑、用户和节点的概率分布以及 CDN 节点间的博弈关系，选取合适的建模方式，确定最终模型。

2） 优化求解

在构建模型后，通过不同的优化算法，如类梯度解法和最大似然解法等搜索算法，取精确度高、效率高的方法。

现有 CDN 新建节点的选址方式，为节点的部署奠定了理论基础。但是由于网络结构的复杂性，建模前信息的调查和获取较为困难。

另一方面，仿真建模也有一定的局限性，没有充分利用真实的 CDN 信息。因此目前 CDN 新建节点的选址，有待完善。

目前， CDN 比较普遍地采用智能DNS 技术。当一个网站采用 CDN 服务后，网站管理员需要在授权的域名供应商加入一个 CNAME，使网站的域名都解析到 CDN 的智能 DNS 设备上。

CDN 智能 DNS 设备，根据用户本地配置的 Local DNS 地址来划分地理位置，将域名解析到最近的节点 IP，并将 IP 返回给用户。用户再根据此 IP 和端口号，确定与边缘节点的 TCP/UDP 连接。

智能 DNS 技术目前存在以下几个问题：

1）智能 DNS 设备根据用户的 Local DNS 归属地址来确定边缘节点的分配，而不是根据用户的真实 IP 地址。当用户的 Local DNS 地址被修改后，地理位置和线路的划分将不再准确，从而影响最终的访问速度；

2）DNS 的缓存问题使智能 DNS 设备返回的 IP 失效：由于本机和网络上其他 DNS设备的缓存作用，用户最终获得的 IP 地址已经过期，从而导致访问速度下降，甚至无法访问。