[发明专利]一种服务器并发量预测方法及装置

说明书

本发明公开了一种服务器并发量预测方法及装置，其中，所述方法包括：获取第一预设时间段内服务器端的原始数据；对所述原始数据进行抽样，并形成至少一个训练集；采用深度学习算法对所述至少一个训练集进行深度学习与训练，形成第一趋势训练结果集模型；从所述第一趋势训练结果集模型中提取出至少一个趋势训练结果集，通过所述至少一个趋势训练结果集分析预测得出在第二预设时间段内服务器并发量信息，并以预设形式输出所述服务器并发量信息。采用本发明所述技术方案，至少能实现对未来即将发生的请求数据进行预测，并根据预测结果对服务器架构进行调整，以应对突然的高并发情况，从而使用户、企业免于重大经济损失。

技术领域

本发明涉及物联网领域中的通信技术，具体涉及一种服务器并发量预测方法及装置。

背景技术

目前，无论在传统物联网、互联网、智能化还是人工智能行业，来自于用户主动的或者设备上报的访问请求、操作请求、命令请求、接口调用请求等数据访问，最终都会集中于服务器端。随着人们日益增长的网络使用量，对于服务器的承载能力也成了一种考验。伴随着一些节假日、一些重大事件、重大活动的特殊时期，更是使得服务器在系统吞吐量、用户并发量等方面形成了瓶颈，导致请求时间变长、数据获取超时甚至出现宕机的情况。

对于上述难题，在一般的互联网中出现的问题，可能会对用户使用造成不变。但是，如果此类问题发生在智能化、物联网场景中，联网的家电设备等无法响应，那么带来的后果与经济损失将会是不可估量。

发明内容

有鉴于此，本发明期望提供一种服务器并发量预测方法及装置，至少能实现对未来即将发生的请求数据进行预测，并根据预测结果对服务器架构进行调整，以应对突然的高并发情况，从而使用户、企业免于重大经济损失。

为达到上述目的，本发明的技术方案是这样实现的：

第一方面，本发明实施例提供了一种服务器并发量预测方法，应用于服务器端，所述方法包括：

获取第一预设时间段内服务器端的原始数据；

对所述原始数据进行抽样，并形成至少一个训练集；

采用深度学习算法对所述至少一个训练集进行深度学习与训练，形成第一趋势训练结果集模型；

从所述第一趋势训练结果集模型中提取出至少一个趋势训练结果集，通过所述至少一个趋势训练结果集分析预测得出在第二预设时间段内服务器并发量信息，并以预设形式输出所述服务器并发量信息。

上述方案中，可选地，所述以预设形式输出所述服务器并发量信息，包括：

根据所述服务器并发量信息生成用于反映第二预设时间段内服务器并发量的趋势图，并输出所述趋势图。

上述方案中，可选地，所述方法还包括：

根据所述服务器并发量信息进行灾害预判；

根据灾害预判结果采取相应的解决措施，以使采取解决措施后的服务器满足第二预设时间段内的访问需求。

上述方案中，可选地，所述采用深度学习算法对所述至少一个训练集进行深度学习与训练，形成第一趋势训练结果集模型，包括：

对所述至少一个训练集中的至少部分样本数据进行深度学习与训练，并形成第二趋势训练结果集模型；

对形成的所述第二趋势训练结果集模型进行比对，判断是否符合正常逻辑；

如果形成的所述第二趋势训练结果集模型不符合正常逻辑，则去除无效数据；

如果形成的所述第二趋势训练结果集模型符合正常逻辑，则持续优化、调整、反馈，最终形成第一趋势训练结果集模型。