[发明专利]限流方法及装置

权利要求书

1.一种限流方法，其特征在于，包括：

采集服务器最新时间区间内的状态数据和运行数据；

基于所述状态数据和运行数据选取限流调整算法，并根据所述状态数据和运行数据生成系统健康状态得分和交易健康状态得分；

根据所述系统健康状态得分、所述交易健康状态得分以及对应的权重，生成限流步长；

结合所述限流调整算法和所述限流步长对所述服务器中的应用程序进行限流操作；

按照预设的重要性程度与应用程序的对应关系，对所述服务器内的每个应用程序按照重要性程度从小到大进行排序，生成应用程序序列；

所述结合所述限流调整算法和所述限流步长对所述服务器中的应用程序进行限流操作，包括：

根据所述应用程序序列中每个应用程序的预设步长系数，结合所述限流步长生成对应每个应用程序的单个限流步长；

根据每个应用程序的单个限流步长，对每个应用程序进行限流；

所述基于所述状态数据和运行数据选取限流调整算法，包括：

将所述状态数据和所述运行数据输入到预设的选取神经网络模型，所述选取神经网络模型输出所述限流调整算法的唯一标识；

根据所述唯一标识选取对应的所述限流调整算法。

2.根据权利要求1所述的限流方法，其特征在于，还包括：

根据当前响应时间、持续时间以及控制周期调节所述权重。

3.根据权利要求2所述的限流方法，其特征在于，所述根据当前响应时间、持续时间以及控制周期调节所述权重，包括：

判断当前响应时间是否小于设定响应时间，当前TPS是否小于TPS上限，当前持续时间是否超过指定控制周期；

若均为是，则以线性增长的方式调高所述运行数据对应的权重。

4.根据权利要求2所述的限流方法，其特征在于，所述根据当前响应时间、持续时间以及控制周期调节所述权重，包括：

若当前控制周期内，cpu和内存占比均大于警报平均阈值，小于警报最大值，则以指数级增长的方式调高所述状态数据对应的权重。

5.根据权利要求1所述的限流方法，其特征在于，还包括：

建立所述神经网络模型；

利用已标记出所述唯一标识的包括所述状态数据和所述运行数据的数据集合组成一训练数据，其中，多个已标记的训练数据组成训练数据集。

6.一种限流装置，其特征在于，包括：

采集模块，采集服务器最新时间区间内的状态数据和运行数据；

算法选取模块，基于所述状态数据和运行数据选取限流调整算法，并根据所述状态数据和运行数据生成系统健康状态得分和交易健康状态得分；

步长生成模块，根据所述系统健康状态得分、所述交易健康状态得分以及对应的权重，生成限流步长；

限流模块，结合所述限流调整算法和所述限流步长对所述服务器中的应用程序进行限流操作；

按照预设的重要性程度与应用程序的对应关系，对所述服务器内的每个应用程序按照重要性程度从小到大进行排序，生成应用程序序列；

所述限流模块，根据所述应用程序序列中每个应用程序的预设步长系数，结合所述限流步长生成对应每个应用程序的单个限流步长；根据每个应用程序的单个限流步长，对每个应用程序进行限流；

所述算法选取模块，将所述状态数据和所述运行数据输入到预设的选取神经网络模型，所述选取神经网络模型输出所述限流调整算法的唯一标识；根据所述唯一标识选取对应的所述限流调整算法。

7.一种计算机设备，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计算机程序时实现权利要求1至5任一所述方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至5任一所述方法的计算机程序。