[发明专利]服务访问流量控制方法、装置、服务器和存储介质

权利要求书

1.一种服务访问流量控制方法，其特征在于，包括：

接收访问请求；

获取所述访问请求对应的服务的状态特征信息；

将所述访问请求和所述状态特征信息作为限流分析模型的输入；所述限流分析模型通过无监督学习和监督学习联合训练得到，所述限流分析模型的输出为服务的状态是否符合限流条件；

获取所述限流分析模型的输出，根据所述输出启动/禁用所述服务对应的限流机制；在所述服务对应的限流机制启动状态下，拒绝所述访问请求，在所述服务对应的限流机制禁用状态下，响应所述访问请求；

其中，通过如下步骤训练所述限流分析模型：

获取多个时刻所述服务的状态特征信息，作为第一训练样本数据；对所述第一训练样本数据进行无监督学习，由此构建第一模型，所述第一模型的输出为所述服务的状态判定结果；检测所述第一模型的输出准确度；若所述第一模型的输出准确度达到第一设定条件，将所述第一模型确定为无监督学习模型；

将所述无监督学习模型的输出作为第二训练样本数据；对所述第二训练样本数据进行监督学习，由此构建第二模型，所述第二模型的输出为所述服务的状态是否满足限流条件；检测所述第二模型的输出准确度；若所述第二模型的输出准确度达到第二设定条件，将所述第二模型确定为监督学习模型；

根据所述无监督学习模型和监督学习模型，得到所述限流分析模型。

2.根据权利要求1所述的方法，其特征在于，还包括：

按照设定的时间周期，重新获取多个时刻所述服务的状态特征信息，并基于重新获取到的状态特征信息进行无监督学习和监督学习，以此对所述限流分析模型进行更新。

3.根据权利要求1所述的方法，其特征在于，所述对所述第一训练样本数据进行无监督学习的步骤，包括：

对所述第一训练样本数据进行K-mean聚类学习。

4.根据权利要求1所述的方法，其特征在于，所述对所述第二训练样本数据进行监督学习的步骤，包括：

对所述第二训练样本数据进行支持向量机学习。

5.根据权利要求1所述的方法，其特征在于，所述获取所述服务的状态特征信息的步骤，包括：

获取所述服务的状态信息；

对所述状态信息进行预处理，基于处理后的状态信息提取所述服务的状态特征信息。

6.根据权利要求1所述的方法，其特征在于，所述服务的状态特征信息包括：请求响应状态信息、服务器负载状态信息、数据库负载状态信息、系统运行状态信息、网络状态信息中的至少两项。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述根据所述输出启动/禁用所述服务对应的限流机制的步骤，包括：

若所述限流分析模型的输出为所述服务的状态符合限流条件，启动所述服务对应的限流机制；

若所述限流分析模型的输出为所述服务的状态不符合限流条件，禁用所述服务对应的限流机制。