[发明专利]分布式系统流量控制方法及装置

说明书

本发明公开了一种分布式系统流量控制方法及装置，可用于金融领域或其他技术领域，该方法包括：获取分布式系统中服务器当前的运行状态数据；将所述当前的运行状态数据输入到预设的分类神经网络中，得到所述服务器当前的状态；确定所述当前的状态在预设的Q表格中对应的最大Q值，并确定该最大Q值对应的流量控制策略，以根据该最大Q值对应的流量控制策略对所述服务器进行流量控制，其中，所述Q表格为根据历史流量控制数据采用Q‑Learning算法训练得出的。本发明解决了现有技术人工设置控制规则的方式存在的控制效果难以保证以及难以确保系统运行的稳定性的技术问题。

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种分布式系统流量控制方法及装置。

背景技术

对于分布式系统，在服务数量多、拓扑复杂、处理能力逐渐变化的情况下，使用固定的最大并发会带来巨大的工作量以及可能导致系统服务不稳定。为了保护系统服务的稳定，用户需要设置流量控制规则，以对分布式系统的流量进行控制。目前分布式集群中的流量控制往往采用人工手动设置流量控制规则的方式，这种人工设置控制规则的方式控制效果难以保证，难以确保系统运行的稳定性。

发明内容

本发明为了解决上述背景技术中的技术问题，提出了一种分布式系统流量控制方法及装置。

为了实现上述目的，根据本发明的一个方面，提供了一种分布式系统流量控制方法，该方法包括：

获取分布式系统中服务器当前的运行状态数据；

将所述当前的运行状态数据输入到预设的分类神经网络中，得到所述服务器当前的状态；

确定所述当前的状态在预设的Q表格中对应的最大Q值，并确定该最大Q值对应的流量控制策略，以根据该最大Q值对应的流量控制策略对所述服务器进行流量控制，其中，所述Q表格为根据历史流量控制数据采用Q-Learning算法训练得出的。

可选的，所述历史流量控制数据包含：多种状态、多种流量控制策略、在每种状态下分别执行每种流量控制策略后达到的下一种状态以及在每种状态下分别执行每种流量控制策略的真实Q值。

可选的，所述运行状态数据包括：服务器的平均负载、服务器的CPU使用率、服务器的平均响应时间以及服务器的并发线程数中的至少一种。

可选的，该分布式系统流量控制方法，还包括：

获取所述历史流量控制数据；

根据所述历史流量控制数据采用Q-Learning算法进行模型训练，得到训练出的算法参数以及Q表格。

可选的，所述根据所述历史流量控制数据采用Q-Learning算法进行模型训练，包括：

在进行模型训练时使训练出的Q表格中的每个Q值逼近对应的所述真实Q值。

可选的，所述根据所述历史流量控制数据采用Q-Learning算法进行模型训练，包括：

根据所述历史流量控制数据随机生成初始Q表格；

根据所述初始Q表格以及所述历史流量控制数据采用Q-Learning算法进行模型训练。

可选的，所述多种状态为将服务器历史的运行状态数据输入到所述分类神经网络中得到的。

为了实现上述目的，根据本发明的另一方面，提供了一种分布式系统流量控制装置，该装置包括：

运行状态数据获取单元，用于获取分布式系统中服务器当前的运行状态数据；

当前状态确定单元，用于将所述当前的运行状态数据输入到预设的分类神经网络中，得到所述服务器当前的状态；