[發明專利]一種服務器并發量預測方法及裝置

在審

• 申請號: 201810415801.2
• 申請日: 2018-05-03
• 公開（公告）號: CN110445629A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 孟德龍;杜放
• 申請（專利權）人: 佛山市順德區美的電熱電器制造有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 蔣雅潔;張穎玲

本發明公開了一種服務器并發量預測方法及裝置，其中，所述方法包括：獲取第一預設時間段內服務器端的原始數據；對所述原始數據進行抽樣，并形成至少一個訓練集；采用深度學習算法對所述至少一個訓練集進行深度學習與訓練，形成第一趨勢訓練結果集模型；從所述第一趨勢訓練結果集模型中提取出至少一個趨勢訓練結果集，通過所述至少一個趨勢訓練結果集分析預測得出在第二預設時間段內服務器并發量信息，并以預設形式輸出所述服務器并發量信息。采用本發明所述技術方案，至少能實現對未來即將發生的請求數據進行預測，并根據預測結果對服務器架構進行調整，以應對突然的高并發情況，從而使用戶、企業免于重大經濟損失。

技術領域

本發明涉及物聯網領域中的通信技術，具體涉及一種服務器并發量預測方法及裝置。

背景技術

目前，無論在傳統物聯網、互聯網、智能化還是人工智能行業，來自于用戶主動的或者設備上報的訪問請求、操作請求、命令請求、接口調用請求等數據訪問，最終都會集中于服務器端。隨著人們日益增長的網絡使用量，對于服務器的承載能力也成了一種考驗。伴隨著一些節假日、一些重大事件、重大活動的特殊時期，更是使得服務器在系統吞吐量、用戶并發量等方面形成了瓶頸，導致請求時間變長、數據獲取超時甚至出現宕機的情況。

對于上述難題，在一般的互聯網中出現的問題，可能會對用戶使用造成不變。但是，如果此類問題發生在智能化、物聯網場景中，聯網的家電設備等無法響應，那么帶來的后果與經濟損失將會是不可估量。

發明內容

有鑒于此，本發明期望提供一種服務器并發量預測方法及裝置，至少能實現對未來即將發生的請求數據進行預測，并根據預測結果對服務器架構進行調整，以應對突然的高并發情況，從而使用戶、企業免于重大經濟損失。

為達到上述目的，本發明的技術方案是這樣實現的：

第一方面，本發明實施例提供了一種服務器并發量預測方法，應用于服務器端，所述方法包括：

獲取第一預設時間段內服務器端的原始數據；

對所述原始數據進行抽樣，并形成至少一個訓練集；

采用深度學習算法對所述至少一個訓練集進行深度學習與訓練，形成第一趨勢訓練結果集模型；

從所述第一趨勢訓練結果集模型中提取出至少一個趨勢訓練結果集，通過所述至少一個趨勢訓練結果集分析預測得出在第二預設時間段內服務器并發量信息，并以預設形式輸出所述服務器并發量信息。

上述方案中，可選地，所述以預設形式輸出所述服務器并發量信息，包括：

根據所述服務器并發量信息生成用于反映第二預設時間段內服務器并發量的趨勢圖，并輸出所述趨勢圖。

上述方案中，可選地，所述方法還包括：

根據所述服務器并發量信息進行災害預判；

根據災害預判結果采取相應的解決措施，以使采取解決措施后的服務器滿足第二預設時間段內的訪問需求。

上述方案中，可選地，所述采用深度學習算法對所述至少一個訓練集進行深度學習與訓練，形成第一趨勢訓練結果集模型，包括：

對所述至少一個訓練集中的至少部分樣本數據進行深度學習與訓練，并形成第二趨勢訓練結果集模型；

對形成的所述第二趨勢訓練結果集模型進行比對，判斷是否符合正常邏輯；

如果形成的所述第二趨勢訓練結果集模型不符合正常邏輯，則去除無效數據；

如果形成的所述第二趨勢訓練結果集模型符合正常邏輯，則持續優化、調整、反饋，最終形成第一趨勢訓練結果集模型。