CN108961080A - 保险业务分布式处理方法、装置、存储介质及终端 - Google Patents

Abstract

本申请实施例公开了一种保险业务分布式处理方法、装置、存储介质及终端，首先业务系统进行目标业务处理，产生所述目标业务对应的计算请求；其次，获取所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，所述计算引擎包括多个分布式云服务器；再次，所述计算引擎根据所述准备数据启动计算；在计算过程中，根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器；最后，通过所述目标云服务器对所述准备数据进行计算得到目标业务值，能够根据负载信息进行弹性伸缩处理，优化目标云服务器的数量和负载，提高业务处理效率高，进而提高承保、保全服务效率。

Description

保险业务分布式处理方法、装置、存储介质及终端

技术领域

本申请实施例涉及移动终端技术领域，尤其涉及保险业务分布式处理方法、装置、存储介质及终端。

背景技术

随着人们生活水平的提高，保险成为生活中不可或缺的一部分。保险公司在处理保险业务时，使用业务系统。业务系统属于交易类系统，用于承载大量计算数据的职能，包括：累积风险保额、现价计算、账户结息等计算。随着参保人员的不断增加，以及参保人购买了越来越多的保险业务时，计算数据的计算量存在对系统数据库端造成压力的风险，可能会影响系统交接响应速度，最终影响用户体验和业务开展。尤其是，业务系统在计算保费、保额、现价、收益、累积风险保额等情况时，不能高效的计算出结果，随着数据量越来越大，承保、保全服务效率下降。

发明内容

本申请实施例的目的是提供一种保险业务分布式处理方法、装置、存储介质及终端，可以提高承保、保全服务效率。

第一方面，本申请实施例提供了一种保险业务分布式处理方法，包括：

业务系统进行目标业务处理，产生所述目标业务对应的计算请求；

获取所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，所述计算引擎包括多个分布式云服务器；

所述计算引擎根据所述准备数据启动计算；

在计算过程中，根据检测到的负载信息进行所述分布式云服务器的弹性伸缩处理，确定目标云服务器；

通过所述目标云服务器对所述准备数据进行计算得到目标业务值。

第二方面，本申请实施例提供了一种保险业务分布式处理装置，包括：

业务处理模块，用于业务系统进行目标业务处理，产生所述目标业务对应的计算请求；

输入模块，用于获取所述业务处理模块产生的所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，所述计算引擎包括多个分布式云服务器；

确定模块，用于所述计算引擎根据所述输入模块输入的所述准备数据启动计算；

伸缩处理模块，用于在计算过程中，根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器；

计算模块，用于通过所述目标云服务器对所述准备数据进行计算得到目标业务值。

第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所示的保险业务分布式处理方法。

第四方面，本申请实施例提供了一种终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，处理器执行计算机程序时实现如第一方面所示的保险业务分布式处理方法。

本申请实施例中提供的保险业务分布式处理方案，首先业务系统进行目标业务处理，产生所述目标业务对应的计算请求；其次，获取所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，计算引擎包括多个分布式云服务器；再次，所述计算引擎根据所述准备数据启动计算；在计算过程中，根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器；最后，通过所述目标云服务器对所述准备数据进行计算得到目标业务值，能够根据负载信息进行弹性伸缩处理，优化目标云服务器的数量和负载，提高业务处理效率高，进而提高承保、保全服务效率。

附图说明

图1为本申请实施例提供的一种保险业务分布式处理方法的流程示意图；

图2为本申请实施例提供的一种保险业务分布式处理方法的效果示意图；

图3为本申请实施例提供的另一种保险业务分布式处理方法的流程示意图；

图4为本申请实施例提供的另一种保险业务分布式处理方法的流程示意图；

图5为本申请实施例提供的另一种保险业务分布式处理方法的流程示意图；

图6为本申请实施例提供的一种保险业务分布式处理装置的结构示意图；

图7为本申请实施例提供的另一种保险业务分布式处理装置的结构示意图；

图8为本申请实施例提供的另一种保险业务分布式处理装置的结构示意图；

图9为本申请实施例提供的一种终端的结构示意图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。

随着人们生活水平的提高，保险称为生活中不可或缺的一部分。保险公司在处理保险业务时，使用业务系统。业务系统属于交易类系统，用于承载大量计算数据的职能，包括：累积风险保额、现价计算、账户结息等计算。随着参保人员的不断增加，以及参保人购买了越来越多的保险业务时，计算数据的计算量存在对系统数据库端造成压力的风险，可能会影响系统交接响应速度，最终影响用户体验和业务开展。尤其是，业务系统在计算保费、保额、现价、收益、累积风险保额等情况时，不能高效的计算出结果，随着数据量越来越大，承保、保全服务效率下降。

本申请实施例提供了一种保险业务分布式处理方法，能够从分布式云服务器中确定与当前计算需求匹配的目标云服务器，提高处理效率。本申请实施例提供了一种新的计算引擎系统，针对业务系统各种需要计算的业务逻辑，计算引擎系统整理出不同的数据模型，通过缓存和弹性部署的方式，解决系统效率问题。具体方案如下所示：

图1为本申请实施例提供的一种保险业务分布式处理方法的流程示意图，该方法用于对保险业务进行处理的情况，该方法可以由运行有保险处理应用的终端来执行，该终端可以为台式电脑、智能手机、平板电脑、可穿戴设备、笔记本电脑等，该方法具体包括如下步骤：

步骤101、业务系统进行目标业务处理，产生目标业务对应的计算请求。

步骤102、获取计算请求对应的准备数据，并将准备数据输入至计算引擎，计算引擎包括多个分布式云服务器。

步骤103、计算引擎根据准备数据启动计算。

进一步的，计算引擎根据准备数据对应的目标业务进行数据建模，得到数据模型。将准备数据输入至数据模型中，启动计算。

抽象出业务系统的计算类业务，在计算引擎中根据不同的业务，整理出不同业务模型。业务模型定义了业务类别、数据结构、计算方法等多个属性。针对不同计算逻辑，在计算引擎系统中实现数据建模，最终存储到缓存中，提供对外公共接口服务。

传统的业务系统处理方式，计算过程隐藏在业务流程中，随着历史数据量的增长和受服务器负载的影响，业务的效率很大程度上受庞杂数值计算的制约，并且这类数据更迭频率较高，频繁的处理也造成系统对外提供服务的稳定性和准确性下降。

为解决此类问题，本申请实施例根据预先整理出的数据模型，通过OGG技术，以一定的规则和指定的计算方法将计算过程从业务流程中抽离出来并统一在计算引擎系统中，计算引擎系统通过弹性部署与redis集群,分别解决计算时的资源占用率和信息更迭频率高的问题。其中，Redis集群用于为计算引擎提供缓存和持久化服务。

步骤104、在计算过程中，根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器。

弹性伸缩(Auto Scaling)用于根据不同的业务需求与策略，自动调整应用的弹性计算资源，最终达到优化资源组合的服务能力。通过自动伸缩和计划伸缩这两种工作模式，应用便能在无运维人员介入的情况下实现自动调整计算资源，当访问量上涨时增加计算能力，而当访问量下降时减小计算能力，既保障了系统的稳定性与高可用性，又节约了计算资源成本。其中，自动伸缩可以为系统根据默认的负载阈值，如CPU占用率为50％-70％，自动调整各云服务器的工作状态。计划伸缩可以为由用户定义负载阈值，例如CPU占用率为80％-90％，根据用户定义的负载阈值控制各云服务器的工作状态。

进一步的，检测第一云服务器的负载信息，第一云服务器为计算引擎关联的任意一个云服务器。当第一云服务器的负载信息大于第一负载阈值时，创建第二云服务器CVM实例。当第一云服务器的负载信息小于第二负载阈值时，删除至少一个第一云服务器，第二负载阈值小于第一负载阈值。

其中，负载信息包括：资源占用率或信息更迭频率。

可以通过检测CPU占用率确定第一云服务器的负载信息各云服务器可通过分布式方式进行部署。计算引擎可以通过kafka消息中间件将消息发送至各云服务器，以此来实现分布式计算，降低了水平拓展的复杂性。通过计算引擎的弹性部署方案，性能瓶颈自动扩充服务等功能。其中，消息包括启动指令、待机指令以及计算指令等。

弹性伸缩根据系统负载情况，如CPU占用率较高时，动态实时自动创建和释放CVM实例，在CPU利用率较低时，从伸缩组中删除CVM实例。弹性部署通过增加和减少CVM的部署数量来防止系统资源占用过高而导致性能下降的问题。

进一步的，获取当前系统时间；判断当前系统时间是否匹配预设时间区间，预设时间区间对应的计算量大于年平均计算量；如果当前系统时间匹配预设时间区间，则根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器。

设置策略时，根据公司的实际业务，如果能预知压力(例如年度的开门红)，可以设置定时任务，规划伸缩时间。

步骤105、通过目标云服务器对准备数据进行计算得到目标业务值。

基于上述实施例进行了测试，测试结果如图2所示，解决业务系统承保时效提升75％。保单信息查询接口效率提升50％。

本申请实施例中提供的保险业务分布式处理方法，首先业务系统进行目标业务处理，产生目标业务对应的计算请求；其次，获取计算请求对应的准备数据，并将准备数据输入至计算引擎，计算引擎包括多个分布式云服务器；再次，计算引擎根据准备数据启动计算；在计算过程中，根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器；最后，通过目标云服务器对准备数据进行计算得到目标业务值，能够根据负载信息进行弹性伸缩处理，优化目标云服务器的数量和负载，提高业务处理效率高，进而提高承保、保全服务效率。

图3为本申请实施例提供的一种保险业务分布式处理方法的流程示意图，作为对上述实施例的进一步说明，包括：

步骤201、业务系统进行目标业务处理，产生目标业务对应的计算请求。

步骤202、获取计算请求对应的准备数据，并将准备数据输入至计算引擎，计算引擎包括多个分布式云服务器。

步骤203、计算引擎根据准备数据启动计算。

步骤204、在计算过程中，根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器。

步骤205、通过目标云服务器对准备数据进行计算得到目标业务值。

步骤206、计算引擎将准备数据和目标业务值组成的键值对进行缓存。

可选的，使用Redis集群进行缓存。

步骤207、当预设时间内再次触发目标业务值调用指令时，根据缓存的键值对进行反馈。

Redis集群在设计中的作用为缓存和持久化计算数据。对于使用率较高且计算较为复杂的业务数据，redis将被计算后的数据存入到缓存中，当下次需要使用相关值的时候直接从redis缓存中获取，减少与磁盘数据的交互，提升效率。

示例性的，以保险业务中客户“累计风险保额”一项为例，在某一客户多次在本公司进行承保时，其该项指标值会产生变化，OGG技术会实时将该客户与该指标值相关的计算信息传入计算引擎中，计算引擎将传入的信息以既定的计算方式进行计算，并在负载过大或过小时自动进行弹性部署，免除维护人员对服务器资源使用率的困扰。其中，输入信息包含计算该数据的关键业务值，例如计算累计风险保额，需要传入保单号。此外，输入信息还包括辅助计算值，例如计算日期，费率等。最终存储到Redis的key-value时，以关键业务值和目标值(例如保单号-累计风险保额)的键值对进行存储。计算引擎计算得到的结果是业务的目标值，例如“累计风险保额”而不是负载的大小。负载的大小是由弹性部署策略，根据监控到的负载大小进行伸缩。负载过大时，自动添加CVM实例，负载过小时，自动删除CVM实例。具体达到多少CPU负载量，可通过预设策略配置。

计算引擎可以用于计算累积风险保额、累计保费以及账户价值等参数。

计算引擎目标业务值后，将关键值(能与目标值组成一一映射的保单信息，一般为保单号)和目标值(计算的结果，该例中即为累计风险保额)，以键值对方式存入redis。

图4为本申请实施例提供的一种保险业务分布式处理方法的流程示意图，作为对上述实施例的进一步说明，包括：

步骤301、业务系统进行目标业务处理，产生目标业务对应的计算请求。

步骤302、获取计算请求对应的准备数据，并将准备数据输入至计算引擎，计算引擎包括多个分布式云服务器。

步骤303、计算引擎根据准备数据启动计算。

步骤304、在计算过程中，根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器。

步骤305、通过目标云服务器对准备数据进行计算得到目标业务值。

步骤306、通过轻量级分布式框架对其他业务系统提供接口服务。

完成对数据的计算后，计算引擎系统对外通过轻量级分布式RPC框架(dubbo+zookeeper)对外提供接口服务，业务系统及其他第三方或互联网系统可通过此方式进行目标数据的获取和查询。示例性的，轻量级分布式框架为dubbo+zookeeper架构，该机构能够实现系统的分布式架构。

在一个使用场景中，如图5所示，包括：

步骤401、业务系统进行目标业务处理，产生目标业务对应的计算请求。

步骤402、获取计算请求对应的准备数据，并将准备数据输入至计算引擎，计算引擎包括多个分布式云服务器。

步骤403、计算引擎根据准备数据启动计算。

步骤404、在计算过程中，根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器。

步骤405、通过目标云服务器对准备数据进行计算得到目标业务值。

步骤406、计算引擎将准备数据和目标业务值组成的键值对进行缓存；

步骤407、当预设时间内再次触发目标业务值调用指令时，根据缓存的键值对进行反馈。

步骤408、通过轻量级分布式框架对其他业务系统提供接口服务。

图6为本申请实施例提供的一种保险业务分布式处理装置的结构示意图。如图6所示，该装置包括：业务处理模块510、输入模块520、确定模块530、伸缩处理模块540和计算模块550。

业务处理模块510，用于业务系统进行目标业务处理，产生所述目标业务对应的计算请求；

输入模块520，用于获取所述业务处理模块510产生的所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，所述计算引擎包括多个分布式云服务器；

确定模块530，用于所述计算引擎根据所述输入模块520输入的所述准备数据启动计算；

伸缩处理模块540，用于在计算过程中，根据检测到的所述负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器；

计算模块550，用于通过所述目标云服务器对所述准备数据进行计算得到目标业务值。

进一步的，确定模块530用于：

所述计算引擎根据所述准备数据对应的所述目标业务进行数据建模，得到数据模型；

将所述准备数据输入至所述数据模型中，启动计算。

进一步的，伸缩处理模块540用于：

检测第一云服务器的负载信息，所述第一云服务器为计算引擎关联的任意一个云服务器；

当所述第一云服务器的负载信息大于第一负载阈值时，创建第二云服务器CVM实例；

当所述第一云服务器的负载信息小于第二负载阈值时，删除至少一个所述第一云服务器，所述第二负载阈值小于所述第一负载阈值。

其中，所述负载信息包括：资源占用率或信息更迭频率。

进一步的，伸缩处理模块540用于：

获取当前系统时间；

判断所述当前系统时间是否匹配预设时间区间，所述预设时间区间对应的计算量大于年平均计算量；

如果所述当前系统时间匹配预设时间区间，则根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器。

进一步的，如图7所示，还包括：缓存模块610和反馈模块620。

缓存模块610用于，所述计算引擎将所述准备数据和所述目标业务值组成的键值对进行缓存；

反馈模块620，用于当预设时间内再次触发所述目标业务值调用指令时，根据缓存的键值对进行反馈。

进一步的，如图8所示，还包括接口模块710，用于通过轻量级分布式框架对其他业务系统提供接口服务。

本申请实施例中提供的保险业务分布式处理方案，首先业务处理模块510用于业务系统进行目标业务处理，产生所述目标业务对应的计算请求；其次，输入模块520获取所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，计算引擎包括多个分布式云服务器；再次，确定模块530所述计算引擎根据所述准备数据启动计算；在计算过程中，伸缩处理模块540根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器；最后，计算模块550通过所述目标云服务器对所述准备数据进行计算得到目标业务值，能够根据负载信息进行弹性伸缩处理，优化目标云服务器的数量和负载，提高业务处理效率高，进而提高承保、保全服务效率。

上述装置可执行本申请前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请前述所有实施例所提供的方法。

图9是本申请实施例提供的另一种终端设备的结构示意图。如图9所示，该终端可以包括：壳体(图中未示出)、存储器801、中央处理器(Central Processing Unit，CPU)802(又称处理器，以下简称CPU)、存储在存储器801上并可在处理器802上运行的计算机程序、电路板(图中未示出)和电源电路(图中未示出)。电路板安置在壳体围成的空间内部；CPU802和存储器801设置在电路板上；电源电路，用于为终端的各个电路或器件供电；存储器801，用于存储可执行程序代码；CPU802通过读取存储器801中存储的可执行程序代码来运行与可执行程序代码对应的程序。

终端还包括：外设接口803、RF(Radio Frequency，射频)电路805、音频电路806、扬声器811、电源管理芯片808、输入/输出(I/O)子系统809、触摸屏812、其他输入/控制设备810以及外部端口804，这些部件通过一个或多个通信总线或信号线807来通信。

应该理解的是，图示终端设备800仅仅是终端的一个范例，并且终端设备800可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的用于一种终端设备进行详细的描述，该终端设备以智能手机为例。

存储器801，存储器801可以被CPU802、外设接口803等访问，存储器801可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

外设接口803，外设接口803可以将设备的输入和输出外设连接到CPU802和存储器801。

I/O子系统809，I/O子系统809可以将设备上的输入输出外设，例如触摸屏812和其他输入/控制设备810，连接到外设接口803。I/O子系统809可以包括显示控制器8091和用于控制其他输入/控制设备810的一个或多个输入控制器8092。其中，一个或多个输入控制器8092从其他输入/控制设备810接收电信号或者向其他输入/控制设备810发送电信号，其他输入/控制设备810可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器8092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。

其中，按照触摸屏的工作原理和传输信息的介质分类，触摸屏812可以为电阻式、电容感应式、红外线式或表面声波式。按照安装方式分类，触摸屏812可以为：外挂式、内置式或整体式。按照技术原理分类，触摸屏812可以为：矢量压力传感技术触摸屏、电阻技术触摸屏、电容技术触摸屏、红外线技术触摸屏或表面声波技术触摸屏。

触摸屏812，触摸屏812是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。可选的，触摸屏812将用户在触屏幕上触发的电信号(如接触面的电信号)，发送给处理器802。

I/O子系统809中的显示控制器8091从触摸屏812接收电信号或者向触摸屏812发送电信号。触摸屏812检测触摸屏上的接触，显示控制器8091将检测到的接触转换为与显示在触摸屏812上的用户界面对象的交互，即实现人机交互，显示在触摸屏812上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。

RF电路805，主要用于建立智能音箱与无线网络(即网络侧)的通信，实现智能音箱与无线网络的数据接收和发送。例如收发短信息、电子邮件等。

音频电路806，主要用于从外设接口803接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器811。

扬声器811，用于将智能音箱通过RF电路805从无线网络接收的语音信号，还原为声音并向用户播放该声音。

电源管理芯片808，用于为CPU802、I/O子系统及外设接口所连接的硬件进行供电及电源管理。

在本实施例中，中央处理器802用于：

业务系统进行目标业务处理，产生所述目标业务对应的计算请求；

获取所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，所述计算引擎包括多个分布式云服务器；

所述计算引擎根据所述准备数据启动计算；

在计算过程中，根据检测到的负载信息进行所述分布式云服务器的弹性伸缩处理，确定目标云服务器；

通过所述目标云服务器对所述准备数据进行计算得到目标业务值。

进一步的，所述计算引擎根据所述准备数据确定计算所需的负载信息，包括：

所述计算引擎根据所述准备数据对应的所述目标业务进行数据建模，得到数据模型；

将所述准备数据输入至所述数据模型中，启动计算。

进一步的，所述根据所述负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器，包括：

检测第一云服务器的负载信息，所述第一云服务器为计算引擎关联的任意一个云服务器；

当所述第一云服务器的负载信息大于第一负载阈值时，创建第二云服务器CVM实例；

当所述第一云服务器的负载信息小于第二负载阈值时，删除至少一个所述第一云服务器，所述第二负载阈值小于所述第一负载阈值。

进一步的，所述负载信息包括：资源占用率或信息更迭频率。

进一步的，所述根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器，包括：

获取当前系统时间；

判断所述当前系统时间是否匹配预设时间区间，所述预设时间区间对应的计算量大于年平均计算量；

如果所述当前系统时间匹配预设时间区间，则根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器。

进一步的，在通过所述目标云服务器对所述准备数据进行计算得到目标业务值之后，包括：

所述计算引擎将所述准备数据和所述目标业务值组成的键值对进行缓存；

当预设时间内再次触发所述目标业务值调用指令时，根据缓存的键值对进行反馈。

进一步的，在通过所述目标云服务器对所述准备数据进行计算得到目标业务值之后，还包括：

通过轻量级分布式框架对其他业务系统提供接口服务。

本申请实施例还提供一种包含终端设备可执行指令的存储介质，终端设备可执行指令在由终端设备处理器执行时用于执行一种保险业务分布式处理方法，该方法包括：

业务系统进行目标业务处理，产生所述目标业务对应的计算请求；

获取所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，所述计算引擎包括多个分布式云服务器；

所述计算引擎根据所述准备数据启动计算；

在计算过程中，根据检测到的负载信息进行所述分布式云服务器的弹性伸缩处理，确定目标云服务器；

通过所述目标云服务器对所述准备数据进行计算得到目标业务值。

进一步的，所述计算引擎根据所述准备数据确定计算所需的负载信息，包括：

所述计算引擎根据所述准备数据对应的所述目标业务进行数据建模，得到数据模型；

将所述准备数据输入至所述数据模型中，启动计算。

进一步的，所述根据所述负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器，包括：

检测第一云服务器的负载信息，所述第一云服务器为计算引擎关联的任意一个云服务器；

当所述第一云服务器的负载信息大于第一负载阈值时，创建第二云服务器CVM实例；

当所述第一云服务器的负载信息小于第二负载阈值时，删除至少一个所述第一云服务器，所述第二负载阈值小于所述第一负载阈值。

进一步的，所述负载信息包括：资源占用率或信息更迭频率。

进一步的，所述根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器，包括：

获取当前系统时间；

判断所述当前系统时间是否匹配预设时间区间，所述预设时间区间对应的计算量大于年平均计算量；

如果所述当前系统时间匹配预设时间区间，则根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器。

进一步的，在通过所述目标云服务器对所述准备数据进行计算得到目标业务值之后，包括：

所述计算引擎将所述准备数据和所述目标业务值组成的键值对进行缓存；

当预设时间内再次触发所述目标业务值调用指令时，根据缓存的键值对进行反馈。

进一步的，在通过所述目标云服务器对所述准备数据进行计算得到目标业务值之后，还包括：

通过轻量级分布式框架对其他业务系统提供接口服务。

本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的应用推荐操作，还可以执行本申请任意实施例所提供的应用推荐方法中的相关操作。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种保险业务分布式处理方法，其特征在于，包括：

业务系统进行目标业务处理，产生所述目标业务对应的计算请求；

获取所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，所述计算引擎包括多个分布式云服务器；

所述计算引擎根据所述准备数据启动计算；

在计算过程中，根据检测到的负载信息进行所述分布式云服务器的弹性伸缩处理，确定目标云服务器；

通过所述目标云服务器对所述准备数据进行计算得到目标业务值。

2.根据权利要求1所述的保险业务分布式处理方法，其特征在于，所述计算引擎根据所述准备数据启动计算，包括：

所述计算引擎根据所述准备数据对应的所述目标业务进行数据建模，得到数据模型；

将所述准备数据输入至所述数据模型中，启动计算。

3.根据权利要求1所述的保险业务分布式处理方法，其特征在于，所述根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器，包括：

检测第一云服务器的负载信息，所述第一云服务器为计算引擎关联的任意一个云服务器；

当所述第一云服务器的负载信息大于第一负载阈值时，创建第二云服务器CVM实例；

当所述第一云服务器的负载信息小于第二负载阈值时，删除至少一个所述第一云服务器，所述第二负载阈值小于所述第一负载阈值。

4.根据权利要求3所述的保险业务分布式处理方法，其特征在于，所述负载信息包括：资源占用率或信息更迭频率。

5.根据权利要求1所述的保险业务分布式处理方法，其特征在于，所述根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器，包括：

获取当前系统时间；

判断所述当前系统时间是否匹配预设时间区间，所述预设时间区间对应的计算量大于年平均计算量；

如果所述当前系统时间匹配预设时间区间，则根据检测到的负载信息进行分布式云服务器的弹性伸缩处理，确定目标云服务器。

6.根据权利要求1所述的保险业务分布式处理方法，其特征在于，在通过所述目标云服务器对所述准备数据进行计算得到目标业务值之后，包括：

所述计算引擎将所述准备数据和所述目标业务值组成的键值对进行缓存；

当预设时间内再次触发所述目标业务值调用指令时，根据缓存的键值对进行反馈。

7.根据权利要求1所述的保险业务分布式处理方法，其特征在于，在通过所述目标云服务器对所述准备数据进行计算得到目标业务值之后，还包括：

通过轻量级分布式框架对其他业务系统提供接口服务。

8.一种保险业务分布式处理装置，其特征在于，包括：

业务处理模块，用于业务系统进行目标业务处理，产生所述目标业务对应的计算请求；

输入模块，用于获取所述业务处理模块产生的所述计算请求对应的准备数据，并将所述准备数据输入至计算引擎，所述计算引擎包括多个分布式云服务器；

确定模块，用于所述计算引擎根据所述输入模块输入的所述准备数据启动计算；

伸缩处理模块，用于在计算过程中，根据检测到的负载信息进行所述分布式云服务器的弹性伸缩处理，确定目标云服务器；

计算模块，用于通过所述目标云服务器对所述准备数据进行计算得到目标业务值。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述保险业务分布式处理方法。

10.一种终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一所述的保险业务分布式处理方法。