[发明专利]一种数据处理方法及装置

说明书

本发明实施例公开了一种数据处理方法及装置，其中方法包括：算法服务器接收算法服务请求后，获取灰度配置策略，并根据灰度配置策略确定处理算法服务请求的目标算法，若确定算法服务器中不存在目标算法，则从预设数据库中获取目标算法，并通过目标算法处理算法服务请求。本发明实施例中，通过使用预设数据库预先存储算法，并使用灰度配置策略自动确定处理算法服务请求的算法，可以无需人工加载算法，从而可以提高算法更新的效率；且，根据至少一个算法对应的灰度值使用至少一个算法处理算法服务请求，可以无需使用某一算法处理所有的算法服务请求，保证算法更新过程的稳定性和准确性。

技术领域

本发明涉及数据处理领域，尤其涉及一种数据处理方法及装置。

背景技术

算法服务器集群系统是一种常用的分布式算法系统，该系统可以为用户提供人工智能(Artificial Intelligence，AI)算法服务，比如机器学习算法服务、神经网络遗传算法服务、群集智能蚁群算法服务等等。图1为一种算法服务器集群系统的结构示意图，如图1所示，该系统可以包括负载均衡服务器110和分别与负载均衡服务器110连接的多个算法服务器，比如算法服务器121、算法服务器122和算法服务器123；其中，每个算法服务器可以连接客户端130，客户端130可以通过与多个算法服务器的通信交互将开发的算法保存在多个算法服务器的外部存储器中，相应地，负载均衡服务器110可以连接多个用户端设备，比如用户端设备141、用户端设备142和用户端设备143。具体实施中，当负载均衡服务器110接收到任一用户端设备的算法服务请求后，可以根据预设的负载分配原则将该算法服务请求分发给对应的算法服务器(比如算法服务器121)，如此，算法服务器121可以使用外部存储器中存储的AI算法处理用户的请求信息，进而可以通过负载均衡服务器110将处理结果反馈给相应地用户端设备。

现阶段，随着AI算法的深入发展，用户的业务需求越来越多，相应地对AI算法的更新迭代要求也越来越高。在一种现有的实现方式中，可以采用人工方式来实现算法更新，具体地说，当研发人员开发出新的算法后，研发人员可以通过客户端130将新的算法分发给算法服务器集群中的每个算法服务器；以算法服务器121为例，算法服务器121可以将新的算法存储在算法服务器121的外部存储器中；进一步地，研发人员在确定新的算法分发完成后，可以重启算法服务器121，使得算法服务器121将外部存储器中的新的算法加载成模型，如此，算法服务器121可以使用新的算法模型处理算法服务请求。然而，在实际操作中，由于算法服务器集群系统中存在大量的算法服务器，因此人工方式实现算法更新通常需要耗费较长的时间，算法更新的效率较低；且，在人工分发新的算法时可能会漏掉某些算法服务器，导致算法更新过程出错。

综上，目前亟需一种数据处理方法，用以解决现有技术采用人工更新算法导致的算法更新的效率较低、更新过程容易出错的技术问题。

发明内容

本发明实施例提供一种数据处理方法，用以解决现有技术采用人工更新算法导致的算法更新的效率较低、更新过程容易出错的技术问题。

第一方面，本发明实施例提供的一种数据处理方法，包括：

算法服务器接收算法服务请求后，获取灰度配置策略，并根据所述灰度配置策略确定处理所述算法服务请求的目标算法；所述灰度配置策略包括至少一个算法对应的灰度值，每个算法对应的灰度值用于标识使用所述算法处理算法服务请求的概率；进一步地，所述算法服务器若确定所述算法服务器中不存在所述目标算法，则从预设数据库中获取所述目标算法，并使用所述目标算法处理所述算法服务请求。

在上述设计中，通过使用预设数据库预先存储算法，并使用灰度配置策略自动确定处理算法服务请求的算法，可以无需人工加载算法，从而可以提高算法更新的效率；且，由于灰度配置策略中存储有多个算法对应的灰度值，从而可以根据多个算法对应的灰度值使用多个算法处理算法服务请求，而无需使用某一个算法处理所有的算法服务请求，从而可以避免新算法存在问题时使用新算法处理所有的算法服务请求而导致的更新出错的问题，保证更新过程的稳定性和准确性。