[发明专利]基于深度学习的消息队列监控方法及装置

权利要求书

1.一种基于深度学习的消息队列监控方法，其特征在于，所述消息队列监控方法包括：

采集预设时段内的消息队列的历史监控数据；以及，获取各项历史监控数据分别在预设时段内对应的直方图，并根据各个所述直方图分别对各项历史监控数据进行离散化处理，得到各项历史监控数据各自分别对应的离散化数据；

将各项离散化数据组成用于机器学习模型的训练数集；所述历史监控数据包含有：消息队列深度值数据、历史交易量数据、CPU使用率数据、内存占用率数据、消息放置端线程池队列深度数据、消息取出端线 程池队列深度数据、消息入队数量数据和消息出队数量数据中的任意一项或任意组合；

根据经预处理的历史监控数据，应用单隐层神经网络机器学习算法训练得到用于预测所述消息队列的增速的预测模型；

采集当前消息队列的实时监控数据，并将所述实时监控数据输入所述预测模型，得到当前消息队列的预测增速；

以及，根据当前消息队列的预测增速，基于预设规则判断是否进行针对当前消息队列的报警处理。

2.根据权利要求1所述的消息队列监控方法，其特征在于，所述根据经预处理的历史监控数据，应用单隐层神经网络机器学习算法训练得到用于预测所述消息队列的增速的预测模型，包括：

根据经预处理的历史监控数据，应用在线序列-极限学习机OS-ELM学习算法对预设的预测模型进行训练；

以及，根据训练结果更新预设的预测模型，得到用于预测所述消息队列的增速的预测模型。

3.根据权利要求1所述的消息队列监控方法，其特征在于，所述根据当前消息队列的预测增速，基于预设规则判断是否进行针对当前消息队列的报警处理，包括：

根据当前消息队列的预测增速，判断当前消息队列的深度下的最后一笔消息是否满足按时处理的要求；

若否，则进行针对当前消息队列的报警处理。

4.根据权利要求1所述的消息队列监控方法，其特征在于，所述根据当前消息队列的预测增速，基于预设规则判断是否进行针对当前消息队列的报警处理，包括：

根据当前消息队列的预测增速，判断当前消息队列被阻塞的剩余时间是否高于或等于阈值；

若否，则进行针对当前消息队列的报警处理。

5.一种基于深度学习的消息队列监控系统，其特征在于，所述消息队列监控系统包括：

数据预处理模块，用于采集预设时段内的消息队列的历史监控数据；以及，获取各项历史监控数据分别在预设时段内对应的直方图，并根据各个所述直方图分别对各项历史监控数据进行离散化处理，得到各项历史监控数据各自分别对应的离散化数据；将各项离散化数据组成用于机器学习模型的训练数集；所述历史监控数据包含有：消息队列深度值数据、历史交易量数据、CPU使用率数据、内存占用率数据、消息放置端线程池队列深度数据、消息取出端线 程池队列深度数据、消息入队数量数据和消息出队数量数据中的任意一项或任意组合；

模型更新模块，用于根据经预处理的历史监控数据，应用单隐层神经网络机器学习算法训练得到用于预测所述消息队列的增速的预测模型；

预测模块，用于采集当前消息队列的实时监控数据，并将所述实时监控数据输入所述预测模型，得到当前消息队列的预测增速；

报警模块，用于根据当前消息队列的预测增速，基于预设规则判断是否进行针对当前消息队列的报警处理。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述基于深度学习的消息队列监控方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4任一项所述基于深度学习的消息队列监控方法的步骤。