[发明专利]一种流量控制方法、装置、电子设备及计算机可读介质

权利要求书

1.一种流量控制方法，其特征在于，包括：

采集目标应用的请求数据；

利用流量预测模型根据所述请求数据进行流量预测，获得目标周期的预测结果，所述流量预测模型基于神经网络模型构建；

根据所述目标周期的预测结果生成流量控制策略；

根据所述流量控制策略在目标周期内控制所述目标应用的流量；

所述利用流量预测模型根据所述请求数据进行流量预测，获得目标周期的预测结果，包括：

将所述请求数据分别输入不同预测周期的流量预测模型进行流量预测，获得至少两个不同周期的预测结果；

对所述不同周期的预测结果进行分析，获得所述目标周期的预测结果。

2.如权利要求1所述的方法，其特征在于，所述对所述不同周期的预测结果进行分析，获得所述目标周期的预测结果，包括：

利用短周期的预测结果修正长周期的预测结果；

将修正后的长周期的预测结果作为所述目标周期的预测结果。

3.如权利要求1所述的方法，其特征在于，所述对所述不同周期的预测结果进行分析，获得目标周期的预测结果，包括：

对所述不同周期的预测结果进行拟合分析，获得所述目标周期的预测结果。

4.如权利要求1所述的方法，其特征在于，所述对所述不同周期的预测结果进行分析，获得目标周期的预测结果，包括：

对所述不同周期的预测结果进行均值计算；

将所述不同周期的预测结果的均值计算结果作为所述目标周期的预测结果。

5.根据权利要求1～4中任一项所述的方法，其特征在于，所述流量预测模型的构建包括：

获取流量预测的样本训练集，包括：输入样本和结果样本；

将所述输入样本输入到初始化的神经网络模型中，获得预测结果集；

将所述预测结果集与所述结果样本对比，获得预测误差；

基于所述预测误差调整所述神经网络模型；

利用调整后的所述神经网络模型对所述输入样本重复预测；

将所述预测误差与标准误差条件比较，当所述预测误差满足所述标准误差条件时，则所述预测误差对应的所述神经网络模型为所述流量预测模型。

6.如权利要求5所述的方法，其特征在于，所述基于所述预测误差调整所述神经网络模型，包括：

根据所述预测误差利用反向传播算法修正所述神经网络模型中各突触的权值。

7.一种流量控制装置，其特征在于，包括：

数据采集单元，用于采集目标应用的请求数据；

流量预测单元，用于利用流量预测模型根据所述请求数据进行流量预测，获得目标周期的流量预测结果，所述流量预测模型基于神经网络模型构建；

策略生成单元，用于根据所述目标周期的流量预测结果生成流量控制策略；

流量控制单元，用于根据所述流量控制策略在目标周期内控制所述目标应用的流量；

所述流量预测单元具体包括：

预测模块，用于将请求数据分别输入不同预测周期的流量预测模型进行流量预测，获得至少两个周期的预测结果；

分析模块，用于对不同周期的预测结果进行分析，获得目标周期的预测结果。

8.一种电子设备，其特征在于，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如权利要求1 ～ 6 中任一所述的方法。

9.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1 ～ 6 中任一所述的方法。