[发明专利]系统超时时间的动态确定方法与装置有效
申请号: | 201810188306.2 | 申请日: | 2018-03-07 |
公开(公告)号: | CN108509325B | 公开(公告)日: | 2021-01-15 |
发明(设计)人: | 金留可;张振华;高洋波 | 申请(专利权)人: | 北京三快在线科技有限公司 |
主分类号: | G06F11/34 | 分类号: | G06F11/34 |
代理公司: | 北京律智知识产权代理有限公司 11438 | 代理人: | 阚梓瑄;王卫忠 |
地址: | 100083 北京市海*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 系统 超时 时间 动态 确定 方法 装置 | ||
1.一种系统超时时间的动态确定方法,其特征在于,包括:
根据系统在第一时段内的请求处理数据来训练时间序列模型;
基于所述时间序列模型来预测所述系统在第二时段内的请求处理时间的分布特征;
根据所述分布特征来确定所述系统在所述第二时段的超时时间;
其中,所述根据系统在第一时段内的请求处理数据来训练时间序列模型包括:
通过滑动时间窗口对所述请求处理数据采样,获取多个序列的特征数据和与其对应的目标数据;以及根据所述特征数据与所述目标数据来训练循环神经网络模型,得到所述特征数据与所述目标数据的映射关系;
所述的基于所述时间序列模型来预测所述系统在第二时段内的请求处理时间的分布特征包括:
将最近一个时间窗口的请求处理数据输入所述循环神经网络模型;以及基于所述循环神经网络模型的输出获取所述系统的请求处理时间在所述第二时段内分布的期望与标准差。
2.如权利要求1所述的系统超时时间的动态确定方法,其特征在于,所述根据所述分布特征来确定所述系统在所述第二时段的超时时间包括:
获取所述系统的请求处理时间在所述第二时段内分布的期望与标准差;
根据所述期望与标准差确定所述第二时段内所述请求处理时间的概率函数;以及
基于预设的请求处理成功概率和所述概率函数确定所述系统在所述第二时段的超时时间。
3.如权利要求1所述的系统超时时间的动态确定方法,其特征在于,还包括:
确定存在依赖关系的系统集合,为所述系统集合中的每个系统确定超时时间;
在一个系统发生请求处理异常时,基于当前系统运行总时长以及所述系统之后的每个系统的超时时间来确定是否启动请求处理重试。
4.如权利要求3所述的系统超时时间的动态确定方法,所述的在一个系统发生请求处理异常时,基于当前系统运行总时长以及所述系统之后的每个系统的超时时间来确定是否启动请求处理重试包括:
响应于所述系统的请求处理异常消息,获取当前系统运行总时长以及所述系统之后每个系统的超时时间;
在确定所述当前系统运行总时长与所述超时时间的总和不大于预设阈值时启动请求处理重试。
5.如权利要求1所述的系统超时时间的动态确定方法,其特征在于,还包括:
按预设周期获取所述系统在第一时段内的请求处理数据,更新所述时间序列模型。
6.一种系统超时时间的动态确定装置,其特征在于,包括:
模型训练模块,设置为根据系统在第一时段内的请求处理数据来训练时间序列模型;
请求处理时间预测模块,设置为基于所述时间序列模型来预测所述系统在第二时段内的请求处理时间的分布特征;
超时时间确定模块,设置为根据所述分布特征来确定所述系统在所述第二时段的超时时间;
其中,所述模型训练模块设置为通过滑动时间窗口对所述请求处理数据采样,获取多个序列的特征数据和与其对应的目标数据;以及根据所述特征数据与所述目标数据来训练循环神经网络模型,得到所述特征数据与所述目标数据的映射关系;
所述请求时间预测模块设置为将最近一个时间窗口的请求处理数据输入所述循环神经网络模型;以及基于所述循环神经网络模型的输出获取所述系统的请求处理时间在所述第二时段内分布的期望与标准差。
7.一种电子设备,其特征在于,包括:
存储器;以及
耦合到所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1-5任一项所述的系统超时时间的动态确定方法。
8.一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如权利要求1-5任一项所述的系统超时时间的动态确定方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京三快在线科技有限公司,未经北京三快在线科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810188306.2/1.html,转载请声明来源钻瓜专利网。