CN109413175A - 一种信息处理方法、装置及电子设备 - Google Patents

Abstract

本发明实施例提供了一种信息处理方法、装置及电子设备，该方法包括：获取新增用户的访问请求，确定新增用户的用户特征信息；获取各区块链网络的状态信息，状态信息包括：区块链网络当前用户分布以及区块链网络当前处理信息能力；按照新增用户的用户特征信息，在预先确定的各负载映射模型中，确定新增用户对应的负载映射模型；根据各区块链网络的状态信息及新增用户对应的负载映射模型，通过预设最优化算法，确定新增用户对应的目标区块链网络；将新增用户的访问请求发送至目标区块链网络以进行处理。本发明实施例的信息处理方法，能够增强各区块链网络的负载平衡性能，可以提高区块链网络整体性能的平衡。

Description

一种信息处理方法、装置及电子设备

技术领域

本发明涉及健康信息学技术领域，特别是涉及一种信息处理方法、装置及电子设备。

背景技术

区块链技术是一种按时间顺序记录的、不可篡改的、去中心化的分布式账本技术。区块链技术通过在全链计算、存储同一份交易数据，进而保证了数据的公开透明，降低了数据的共享门槛以及提高了交易的可信度。区块链技术具有广泛的应用场景，例如数字货币、数字资产证明、资产交易、供应链追溯、跨境结算、公益存信等。

现有技术的分片区块链网络系统在长期运行后，由于用户活跃度的差异可能会导致不同区块链网络的负载不平衡现象，即部分区块链网络的区块或Merkle树的数据增长快于其他网络，从而导致系统整体性能的下降。现有的分布式数据库系统通过数据迁移来实现系统的负载再平衡。然而，在区块链技术中，持续增加的区块中每个区块保存上一区块的哈希值，以保证数据的不可篡改，因此基于数据迁移的负载平衡算法再适用于分片区块链网络系统。因此，当区块链网络中用户数量增加到亿级或者更高级别数量时，如何实现区块链网络整体性能的平衡仍然是亟待解决的技术问题。

发明内容

本发明实施例的目的在于提供一种信息处理方法、装置及电子设备，以实现区块链网络整体性能的平衡。具体技术方案如下：

第一方面，本发明实施例公开了一种信息处理方法，应用于区块链网络系统，上述区块链网络系统包括多个区块链网络，各上述区块链网络负责处理不同用户的访问请求，上述方法包括：

获取新增用户的访问请求，确定上述新增用户的用户特征信息；

获取各上述区块链网络的状态信息，上述状态信息包括：区块链网络当前用户分布以及区块链网络当前处理信息能力；

按照上述新增用户的用户特征信息，在预先确定的各负载映射模型中，确定上述新增用户对应的负载映射模型；

根据各上述区块链网络的状态信息及上述新增用户对应的负载映射模型，通过预设最优化算法，确定上述新增用户对应的目标区块链网络；以使上述目标区块链网络处理上述新增用户增加的任务量后，各上述区块链网络满足预设负载均衡要求；

将上述新增用户的访问请求发送至上述目标区块链网络以进行处理。

可选地，上述方法还包括：

将上述新增用户以及上述新增用户的用户特征信息、与上述目标区块链网络的对应关系，存储在预设信息表中。

可选地，上述预设信息表存储在集中式数据库或分布式数据库，或特定区块链网路中。

可选地，上述按照上述新增用户的用户特征信息，在预先确定的各负载映射模型中，确定上述新增用户对应的负载映射模型，包括：

按照上述新增用户的用户特征信息，确定上述新增用户对应的目标用户类型；

在预先确定的各负载映射模型中，选取上述目标用户类型对应的负载映射模型，作为上述新增用户对应的负载映射模型。

可选地，预先确定各负载映射模型的步骤包括，包括：

获取历史数据中各历史用户的用户特征信息及各上述区块链网络的历史状态信息；

利用预设的聚类算法或分类算法，按照上述历史用户的用户特征信息，对各上述历史用户进行分类，得到各用户类型；

通过上述历史状态信息，确定各上述历史用户的用户负载信息；

针对每个上述用户类型，对该用户类型中各历史用户的用户负载信息进行回归运算，得到各上述用户类型的区块链网络负载模型；

按照上述历史状态信息，确定每个上述区块链网络负责的历史用户；

针对每个上述区块链网络，按照上述历史状态信息标定该区块链网络的负载信息，并将该区块链网络负责的各历史用户的区块链网络负载模型输入到神经网络模型中进行训练，得到各上述区块链网络负载模型的修正参数；

针对每个上述区块链网络负载模型，通过该区块链网络负载模型的修正参数，修正该区块链网络负载模型，得到各上述用户分类的负载映射模型。

可选地，上述根据各上述区块链网络的状态信息及上述新增用户对应的负载映射模型，通过预设最优化算法，确定上述新增用户对应的目标区块链网络，包括：

根据上述新增用户对应的负载映射模型，确定上述新增用户占用的负载；

以各上述区块链网络的状态信息中的负载信息为基准，通过预设最优化算法，计算在添加上述新增用户占用的负载后，且各上述区块链网络满足预设负载均衡要求时，上述新增用户对应的目标区块链网络。

第二方面，本发明实施例还公开了一种信息处理装置，位于区块链网络系统，上述区块链网络系统包括多个区块链网络，各上述区块链网络负责处理不同用户的访问请求，上述装置包括：

用户特征信息确定模块，用于获取新增用户的访问请求，确定上述新增用户的用户特征信息；

状态信息获取模块，用于获取各上述区块链网络的状态信息，上述状态信息包括：区块链网络当前用户分布以及区块链网络当前处理信息能力；

负载映射模型确定模块，用于按照上述新增用户的用户特征信息，在预先确定的各负载映射模型中，确定上述新增用户对应的负载映射模型；

目标区块链网络确定模块，用于根据各上述区块链网络的状态信息及上述新增用户对应的负载映射模型，通过预设最优化算法，确定上述新增用户对应的目标区块链网络；以使上述目标区块链网络处理上述新增用户增加的任务量后，各上述区块链网络满足预设负载均衡要求；

访问请求发送模块，用于将上述新增用户的访问请求发送至上述目标区块链网络以进行处理。

可选地，上述装置还包括：存储模块，

上述存储模块，用于将上述新增用户以及上述新增用户的用户特征信息、与上述目标区块链网络的对应关系，存储在预设信息表中。

可选地，上述负载映射模型确定模块，包括：

目标用户类型确定子模块，用于按照上述新增用户的用户特征信息，确定上述新增用户对应的目标用户类型；

负载映射模型确定子模块，用于在预先确定的各负载映射模型中，选取上述目标用户类型对应的负载映射模型，作为上述新增用户对应的负载映射模型。

可选地，上述装置还包括，模型计算模块，上述模型计算模块，包括：

信息获取子模块，用于获取历史数据中各历史用户的用户特征信息及各上述区块链网络的历史状态信息；

用户类型确定子模块，用于利用预设的聚类算法或分类算法，按照上述历史用户的用户特征信息，对各上述历史用户进行分类，得到各用户类型；

用户负载信息确定子模块，用于通过上述历史状态信息，确定各上述历史用户的用户负载信息；

区块链网络负载模型确定子模块，用于针对每个上述用户类型，对该用户类型中各历史用户的用户负载信息进行回归运算，得到各上述用户类型的区块链网络负载模型；

区块链网络负责用户确定子模块，用于按照上述历史状态信息，确定每个上述区块链网络负责的历史用户；

修正参数确定子模块，用于针对每个上述区块链网络，按照上述历史状态信息标定该区块链网络的负载信息，并将该区块链网络负责的各历史用户的区块链网络负载模型输入到神经网络模型中进行训练，得到各上述区块链网络负载模型的修正参数；

负载映射模型确定子模块，用于针对每个上述区块链网络负载模型，通过该区块链网络负载模型的修正参数，修正该区块链网络负载模型，得到各上述用户分类的负载映射模型。

可选地，上述目标区块链网络确定模块，包括：

新增用户负载确定子模块，用于根据上述新增用户对应的负载映射模型，确定上述新增用户占用的负载；

目标区块链网络确定子模块，用于以各上述区块链网络的状态信息中的负载信息为基准，通过预设最优化算法，计算在添加上述新增用户占用的负载后，且各上述区块链网络满足预设负载均衡要求时，上述新增用户对应的目标区块链网络。

又一方面，本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，上述处理器、上述通信接口、上述存储器通过上述通信总线完成相互间的通信；

上述存储器，用于存放计算机程序；

上述处理器，用于执行上述存储器上所存放的程序时，实现上述信息处理方法中任一上述的方法步骤。

又一方面，本发明实施例还公开了一种计算机可读存储介质，上述计算机可读存储介质内存储有计算机程序，上述计算机程序被处理器执行时，实现上述信息处理方法中任一上述的方法步骤。

又一方面，本发明实施例还公开了一种包含指令的计算机程序产品，当其在计算机上运行时，实现上述信息处理方法中任一上述的方法步骤。

本发明实施例提供了一种信息处理方法、装置及电子设备，通过用户特征信息构建每种类型用户的负载映射模型，进而通过新增用户的用户特征信息，确定新增用户对应的负载映射模型，通过该负载映射模型可预测新增用户的可能产生的负载信息，最后根据各区块链网络的状态信息及新增用户对应的负载映射模型，通过预设最优化算法，确定处理新增用户增加的任务量后各区块链网络满足预设负载均衡要求下，新增用户对应的目标区块链网络，进而将该新增用户的访问请求发送至目标区块链网络以进行处理，实现了当区块链网络中用户数量增加到亿级或者更高级别数量时，区块链网络整体性能的平衡。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的一种信息处理方法流程图；

图2为本发明实施例的一种信息处理方法流程图；

图3为本发明实施例的一种信息处理方法流程图；

图4为本发明实施例的一种信息处理方法流程图；

图5为本发明实施例的一种信息处理方法流程图；

图6为本发明实施例的一种信息处理装置结构示意图；

图7为本发明实施例的一种信息处理装置结构示意图；

图8为本发明实施例的一种信息处理方法流程图；

图9为本发明实施例的一种电子设备结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种信息处理方法，应用于区块链网络系统，上述区块链网络系统包括多个区块链网络，各上述区块链网络负责处理不同用户的访问请求。

区块链网络系统包括多个区块链网络，每个区块链网络仅负责处理部分用户的访问请求，并且一个用户的访问请求仅由一个区块链网络负责。因此，每个区块链网络中仅存储该区块链网络负责的用户的数据即可。

可选的，区块链网络系统还包括：接入网关及一个或多个跨链路由器，其中，接入网关通过一个或多个跨链路由器与多个区块链网络建立通信连接。

接入网关分别与每个跨链路由器相连接，每个跨链路由器可与预设个数的区块链网络相连接，或者每个跨链路由器可按照用户需求与指定个数的区块链网络相连。另外，在本发明实施例中可使用一个跨链路由器与所有的区块链网络相连。

本发明实施例的信息处理方法方法可以通过接入路由器或接入网关等设备执行，也可以通过在接入网关及跨链路由器后端连接控制服务器实现。

第一方面，本发明实施例公开了一种信息处理方法，如图1所示。图1为本发明实施例的一种信息处理方法，包括：

S101，获取新增用户的访问请求，确定上述新增用户的用户特征信息。

本步骤中可在接入路由器或接入网关处获得新增用户的访问请求，该新增用户可为实时获取的用户数量，或者按照秒级别设置预设时间段，获取预设时间段内接入路由器中或接入网关中新增用户。

访问请求内可包含用户ID(Identification，身份)、用户请求类型、用户VIP(VeryImportant People)等级、用户IP(Internet Protocol，网络协议)地址、用户IP地址段、用户手机号、用户邮箱、用户地理位置、用户所在地域、用户设备类型、用户APP(Application，应用程序)版本、用户访问渠道，或以上某种信息的哈希值。这些信息可作为用户的用户特征信息。在本步骤中还可统计每个用户的访问请求频率、APP切换记录、位置变化频率、请求间隔的平均值、最大值、最小值数据。

通过获取新增用户的访问请求，对各访问请求解包，进而获得每个访问请求对应的用户的用户特征信息。

S102，获取各上述区块链网络的状态信息，上述状态信息包括：区块链网络当前用户分布以及区块链网络当前处理信息能力。

本步骤中，在各区块链网络中获取各区块链网络的状态信息。该状态信息表示对应区块链网络的当前用户分布以及区块链网络当前处理信息能力。该状态信息例如：区块链网络的用户数量、每个用户的用户负载信息、区块链网络的交易速率、交易成功率、交易失败率、出块速率、区块大小、交易延迟、排队交易数量以及运行环境的CPU(CentralProcessing Unit，中央处理器)使用率、内存使用数量、内存吞吐量、硬盘使用数量、硬盘吞吐量、网络使用速率。

本步骤中可还统计状态信息中每种数据的平均值、最大值、最小值。

S103，按照上述新增用户的用户特征信息，在预先确定的各负载映射模型中，确定上述新增用户对应的负载映射模型。

本发明实施例中预先确定了多种负载映射模型，按照用户特征信息对应不同的负载映射模型。例如，按照用户的用户特征信息划分用户类型，预先按照用户类型，为每种用户类型的用户建立对应的负载映射模型，该负载映射模型用于预估每个用户的任务量。

本步骤中，根据S101中确定的新增用户的用户特征信息，确定新增用户对应的用户类型，进而通过用户类型确定新增用户对应的负载映射模型。通过负载映射模型可预估区块链网络处理该新增用户增加的任务量。

S104，根据各上述区块链网络的状态信息及上述新增用户对应的负载映射模型，通过预设最优化算法，确定上述新增用户对应的目标区块链网络；以使上述目标区块链网络处理上述新增用户增加的任务量后，各上述区块链网络满足预设负载均衡要求。

本步骤中，根据S102中各区块链网络的状态信息及该新增用户对应的负载映射模型，通过预设最优化算法，计算处理新增用户增加的任务量后，整个区块链网络满足预设负载均衡要求时的用户分布状态，通过该用户分布状态得到每个新增用户对应的目标区块链网络。

此处的预设负载均衡是指各区块链网络负载均衡，即各区块链网络中每两个区块链网络的信息负载量之间的差值在预设范围内。

S105，将上述新增用户的访问请求发送至上述目标区块链网络以进行处理。

按照S104中确定的每个新增用户对应的目标区块链网络，将各新增用户的访问请求发送到对应的目标区块链网络，使得各目标区块链网络对访问请求进行处理。

在本发明实施例提供的一种信息处理方法中，通过用户特征信息构建每种类型用户的负载映射模型，进而通过新增用户的用户特征信息，确定新增用户对应的负载映射模型，通过该负载映射模型可预测新增用户的可能产生的负载信息，最后根据各区块链网络的状态信息及新增用户对应的负载映射模型，通过预设最优化算法，确定处理新增用户增加的任务量后各区块链网络满足预设负载均衡要求下，新增用户对应的目标区块链网络，进而将该新增用户的访问请求发送至目标区块链网络以进行处理，实现了当区块链网络中用户数量增加到亿级或者更高级别数量时，区块链网络整体性能的平衡。

可选地，本发明实施例的信息处理方法还包括：

将上述新增用户以及上述新增用户的用户特征信息、与上述目标区块链网络的对应关系，存储在预设信息表中。

可选地，上述预设信息表存储在集中式数据库或分布式数据库，或特定区块链网路中。

在本发明实施例中，可以将新增用户与目标区块链网络等的对应关系存储在预设信息表中。在后续用户发送请求时，可以根据预设信息表查询该用户对应的区块链网络，将该用户的请求发送至对应的区块链网络。

可选地，在本发明信息处理方法的一种实施例中，上述S103中按照上述新增用户的用户特征信息，在预先确定的各负载映射模型中，确定上述新增用户对应的负载映射模型，可有如图2所示，包括：

S1031，按照上述新增用户的用户特征信息，确定上述新增用户对应的目标用户类型。

在本发明实施例中，可预先存储各用户的用户特征数据，该用户特征数据是用于区分不同用户的数据，该用户特征数据可为用户自然属性特征，例如，性别、地域等；该用户特征数据还可为用户社会属性特征，例如：职业、社交圈等；该用户特征数据还可为用户行为属性特征，例如：社交活动、体育活动等；该用户特征数据还可为用户消费属性特征，例如：购买产品类型、购买产品喜好类型等。

S1032，在预先确定的各负载映射模型中，选取上述目标用户类型对应的负载映射模型，作为上述新增用户对应的负载映射模型。

在本发明实施例中，按照用户的用户类型确定用户对应的负载映射模型，方便快捷。

可选地，预先确定各负载映射模型的步骤包括，包括：

步骤一，获取历史数据中各历史用户的用户特征信息及各上述区块链网络的历史状态信息。

区块链网络的历史状态信息可以包括该区块链网络负责的用户急该区块链网络的负载等。

步骤二，利用预设的聚类算法或分类算法，按照上述历史用户的用户特征信息，对各上述历史用户进行分类，得到各用户类型。

例如图3所示，利用预设的聚类算法或分类算法，例如K邻近算法或XGBoost决策树算法等，按照历史用户的用户特征信息进行分类，得到各用户类型，并确定各用户类型的用户特征信息，即各特征值。

步骤三，通过上述历史状态信息，确定各上述历史用户的用户负载信息。

步骤四，针对每个上述用户类型，对该用户类型中各历史用户的用户负载信息进行回归运算，得到各上述用户类型的区块链网络负载模型。

例如图4所示，利用预设回归模型，对各用户类型各自对应的历史用户信息进行回归运算，例如多项式回归运算，得到各用户类型各自的区块链网络负载模型。各区块链网络负载模型各自表征相应用户类型的交易频率均值、方差、日分布、时分布等负载信息。

步骤五，按照上述历史状态信息，确定每个上述区块链网络负责的历史用户。

步骤六，针对每个上述区块链网络，按照上述历史状态信息标定该区块链网络的负载信息，并将该区块链网络负责的各历史用户的区块链网络负载模型输入到神经网络模型中进行训练，得到各上述区块链网络负载模型的修正参数。

例如图5所示，针对每个区块链网络，将该区块链网络中各历史用户的区块链网络负载模型作为输入，并按照历史状态信息中该区块链网络的负载进行标定，输入到神经网络模型中进行训练，得到各区块链网络负载模型的修正参数。该修正参数可以包括修正权重和修正偏置项参数。其中，修正权重和修正偏置项参数表示训练输出，即求解目标；其余已知数据。

步骤七，针对每个上述区块链网络负载模型，通过该区块链网络负载模型的修正参数，修正该区块链网络负载模型，得到各上述用户分类的负载映射模型。

在本发明实施例中，给出了负载映射模型的确定方法，在确定区块链网络负载模型后，再通过神经网络模型确定的修正参数对区块链网络负载模型进行修正，使得得到的负载映射模型更加准确。

可选地，上述S104中根据各上述区块链网络的状态信息及上述新增用户对应的负载映射模型，通过预设最优化算法，确定上述新增用户对应的目标区块链网络，包括：

步骤一，根据上述新增用户对应的负载映射模型，确定上述新增用户占用的负载。

步骤二，以各上述区块链网络的状态信息中的负载信息为基准，通过预设最优化算法，计算在添加上述新增用户占用的负载后，且各上述区块链网络满足预设负载均衡要求时，上述新增用户对应的目标区块链网络。

以各区块链网络的当前的状态信息为基准，使用最优化算法，例如启发式算法或者贪心算法等，在各区块链网络上的用户只能单调增的约束条件下，求解重新达到负载平衡的用户分类的分布，确定新增用户对应的目标区块链网络。

在本发明实施例中，基于新增用户的负载，通过最优化算法，确定新增用户对应的目标区块链网络，保证各区块链网络的负载均衡。

第二方面，本发明实施例还公开了一种信息处理装置，该信息处理装置位于区块链网络系统，上述区块链网络系统包括多个区块链网络，各上述区块链网络负责处理不同用户的访问请求。该装置的具体实施过程与上述信息处理方法类似，可参考上述实施方式，以下不再具体赘述。

如图6所示。图6为本发明实施例的一种信息处理装置结构示意图。该装置包括：

用户特征信息确定模块601，用于获取新增用户的访问请求，确定上述新增用户的用户特征信息；

状态信息获取模块602，用于获取各上述区块链网络的状态信息，上述状态信息包括：区块链网络当前用户分布以及区块链网络当前处理信息能力；

负载映射模型确定模块603，用于按照上述新增用户的用户特征信息，在预先确定的各负载映射模型中，确定上述新增用户对应的负载映射模型；

目标区块链网络确定模块604，用于根据各上述区块链网络的状态信息及上述新增用户对应的负载映射模型，通过预设最优化算法，确定上述新增用户对应的目标区块链网络；以使上述目标区块链网络处理上述新增用户增加的任务量后，各上述区块链网络满足预设负载均衡要求；

访问请求发送模块605，用于将上述新增用户的访问请求发送至上述目标区块链网络以进行处理。

在本发明实施例提供的一种信息处理装置中，通过用户特征信息构建每种类型用户的负载映射模型，进而通过新增用户的用户特征信息，确定新增用户对应的负载映射模型，通过该负载映射模型可预测新增用户的可能产生的负载信息，最后根据各区块链网络的状态信息及新增用户对应的负载映射模型，通过预设最优化算法，确定处理新增用户增加的任务量后各区块链网络满足预设负载均衡要求下，新增用户对应的目标区块链网络，进而将该新增用户的访问请求发送至目标区块链网络以进行处理，实现了当区块链网络中用户数量增加到亿级或者更高级别数量时，区块链网络整体性能的平衡。

可选地，在本发明的信息处理装置的一种实施例中，上述装置还包括：存储模块，

上述存储模块，用于将上述新增用户以及上述新增用户的用户特征信息、与上述目标区块链网络的对应关系，存储在预设信息表中。

可选地，在本发明的信息处理装置的一种实施例中，上述负载映射模型确定模块603，包括：

目标用户类型确定子模块，用于按照上述新增用户的用户特征信息，确定上述新增用户对应的目标用户类型；

负载映射模型确定子模块，用于在预先确定的各负载映射模型中，选取上述目标用户类型对应的负载映射模型，作为上述新增用户对应的负载映射模型。

可选地，在本发明的信息处理装置的一种实施例中，上述装置还包括，模型计算模块，上述模型计算模块，包括：

信息获取子模块，用于获取历史数据中各历史用户的用户特征信息及各上述区块链网络的历史状态信息；

用户类型确定子模块，用于利用预设的聚类算法或分类算法，按照上述历史用户的用户特征信息，对各上述历史用户进行分类，得到各用户类型；

用户负载信息确定子模块，用于通过上述历史状态信息，确定各上述历史用户的用户负载信息；

区块链网络负载模型确定子模块，用于针对每个上述用户类型，对该用户类型中各历史用户的用户负载信息进行回归运算，得到各上述用户类型的区块链网络负载模型；

区块链网络负责用户确定子模块，用于按照上述历史状态信息，确定每个上述区块链网络负责的历史用户；

修正参数确定子模块，用于针对每个上述区块链网络，按照上述历史状态信息标定该区块链网络的负载信息，并将该区块链网络负责的各历史用户的区块链网络负载模型输入到神经网络模型中进行训练，得到各上述区块链网络负载模型的修正参数；

负载映射模型确定子模块，用于针对每个上述区块链网络负载模型，通过该区块链网络负载模型的修正参数，修正该区块链网络负载模型，得到各上述用户分类的负载映射模型。

可选地，在本发明的信息处理装置的一种实施例中，上述目标区块链网络确定模块604，包括：

新增用户负载确定子模块，用于根据上述新增用户对应的负载映射模型，确定上述新增用户占用的负载；

目标区块链网络确定子模块，用于以各上述区块链网络的状态信息中的负载信息为基准，通过预设最优化算法，计算在添加上述新增用户占用的负载后，且各上述区块链网络满足预设负载均衡要求时，上述新增用户对应的目标区块链网络。

本发明实施例还提供了一种信息处理装置，参见图7，包括：

用户访问数据实时统计模块701、区块链平台实时监控模块702、用户与区块链访问历史数据模块703、映射算法建模模块704、用户特征数据模块705、用户特征数据与区域链网络映射模型模块706及映射表707。

用户访问数据实时统计模块701：用于实时记录、统计用户的访问请求信息，例如用户ID、用户请求类型、用户VIP等级、用户IP地址、用户IP地址段、用户手机号、用户邮箱、用户地理位置、用户所在地域、用户设备类型、用户APP版本、用户访问渠道，或以上某种信息的哈希值，实时统计用户的请求频率、APP切换记录、位置变化频率以及请求间隔的平均值、最大值、最小值数据。然后将获取的数据发送给映射算法建模模块704建模与用户与区块链访问历史数据模块703存储。

区块链平台实时监控模块702：用于实时监控、记录、统计区块链平台的运行情况，例如区块链的交易速率、交易成功率、交易失败率、出块速率、区块大小、交易延迟、排队交易数量以及运行环境的CPU使用率、内存使用数量、内存吞吐量、硬盘使用数量、硬盘吞吐量、网络使用速率，实时统计以上数据的平均值、最大值、最小值。然后将获取的数据发送给映射算法建模模块704建模与用户与区块链访问历史数据模块703存储。

用户与区块链访问历史数据模块703：用于用户访问数据实时统计模块701的用户访问请求与区块链平台实时监控模块702的区块链监控数据，存储至集中式数据库或分布式数据库，或者其他区块链系统。映射算法建模模块704的访问请求，按照时间范围、用户范围或其他特征条件或组合条件返回相应的数据。

映射算法建模模块704，包括基于用户特征的用户聚类或分类模型、用户类型与区块链负载统计的回归模型、基于分片区块链网络用户分布与用户分类负载的网络负载预测模型，以及平衡网络负载的最优化用户分布求解算法。具体步骤如下：

步骤1：依据用户特征数据模块705提供的用户特征数据，使用聚类或分类算法，例如K近邻、XGBoost决策树，对用户进行分类。如框图3所示。

步骤2：基于步骤1得到的用户类型，依据用户访问数据实时统计模块701、区块链平台实时监控模块702及用户与区块链访问历史数据模块703的实时与历史数据，对用户类型与区块链负载统计进行回归，例如多项式回归，得到用户分类区块链网络负载模型。如框图4所示。

步骤3：将当前区块链网络中各类用户的分布与步骤2得到的用户分类负载模型进行卷积，使用神经网络构建区块链网络负载预测模型，并依据用户访问数据实时统计模块701、区块链平台实时监控模块702及用户与区块链访问历史数据模块703的实时与历史数据，对模型进行训练，得到网络负载预测模型的修正权重与修正偏置项参数。如框图5所示。

步骤4：基于步骤3的网络负载预测模型，使用最优化算法例如启发式算法或者贪心算法，在每片区块链网络上的用户只能单调增的约束条件下，求解重新达到负载平衡的优化用户分布。具体为：结合步骤1得出基于用户特征的用户分类映射模型，并发布至区域链网络映射模型模块706，如框图8所示。其中，优化用户分布，即将各区块链网络与用户的对应关系作为训练输出，即求解目标，其余为已知数据。

用户特征数据模块705：用于存储用户的特征数据，并接收用户特征的新增、更新或删除。用户特征用于区分用户，例如用户自然属性特征、用户社会属性特征、用户行为属性特征、用户消费属性特征等。该模块根据系统请求，将新增用户的特征数据发送至用户特征数据与区域链网络映射模型模块706。

用户特征数据与区域链网络映射模型模块706：用于将映射算法建模模块604发布的用户特征至区块链平台的映射模型。接收用户特征数据模块705提供的新增用户特征数据并更新至映射表707。

映射表707：用于存储用户特征数据至区块链平台的映射表。用户特征数据由用户特征数据模块705定义，区块链平台信息用于标识区块链网络服务，例如服务IP地址、服务端口、服务主机名称、服务域名、服务MAC地址、服务虚拟地址、服务协议、访问权限，或以上信息的组合。该模块接收用户特征数据与区域链网络映射模型模块706计算后的映射条目，根据映射查询请求返回相应的映射条目。

在相关的应用场景中，现有的分布式数据库系统通过数据迁移来实现系统的负载再平衡，该方法不适用于分片区块链系统。本发明实施例中，通过基于用户特征的用户分类与区块链网络负载建模以及最优化分布求解算法，在不迁移数据的情况下实现系统负载再平衡。在本发明实施例中，采用负载重平衡算法的分片区块链系统，通过用户特征构建用户分类并使用机器学习算法预测分类用户的区块链网络负载，求解满足网络负载平衡的最优化新增用户分布，从而实现区块链网络整体性能的重平衡，使得采用区块链技术来长期稳定的处理和存储爱奇艺亿级用户业务数据成为可能。

又一方面，本发明实施例还公开了一种电子设备，参见图9。图9为本发明实施例的一种电子设备结构示意图，包括处理器901、通信接口902、存储器903和通信总线904，其中，上述处理器901、上述通信接口902、上述存储器903通过上述通信总线904完成相互间的通信；

上述存储器903，用于存放计算机程序；

上述处理器901，用于执行上述存储器903上所存放的程序时，实现以下方法步骤：

获取新增用户的访问请求，确定新增用户的用户特征信息；

获取各区块链网络的状态信息，状态信息包括：区块链网络当前用户分布以及区块链网络当前处理信息能力；

按照新增用户的用户特征信息，在预先确定的各负载映射模型中，确定新增用户对应的负载映射模型；

根据各区块链网络的状态信息及新增用户对应的负载映射模型，通过预设最优化算法，确定新增用户对应的目标区块链网络；以使目标区块链网络处理新增用户增加的任务量后，各区块链网络满足预设负载均衡要求；

将新增用户的访问请求发送至目标区块链网络以进行处理。

上述电子设备提到的通信总线904可以是外设部件互连标准(PeripheralComponent Interconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线904可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口902用于上述电子设备与其他设备之间的通信。

存储器903可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器903还可以是至少一个位于远离前述处理器901的存储装置。

上述的处理器901可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明实施例提供的一种电子设备中，通过用户特征信息构建每种类型用户的负载映射模型，进而通过新增用户的用户特征信息，确定新增用户对应的负载映射模型，通过该负载映射模型可预测新增用户的可能产生的负载信息，最后根据各区块链网络的状态信息及新增用户对应的负载映射模型，通过预设最优化算法，确定处理新增用户增加的任务量后各区块链网络满足预设负载均衡要求下，新增用户对应的目标区块链网络，进而将该新增用户的访问请求发送至目标区块链网络以进行处理，实现了当区块链网络中用户数量增加到亿级或者更高级别数量时，区块链网络整体性能的平衡。

又一方面，本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现上述信息处理方法中任一所述的方法步骤。

在本发明实施例提供的一种计算机可读存储介质中，通过用户特征信息构建每种类型用户的负载映射模型，进而通过新增用户的用户特征信息，确定新增用户对应的负载映射模型，通过该负载映射模型可预测新增用户的可能产生的负载信息，最后根据各区块链网络的状态信息及新增用户对应的负载映射模型，通过预设最优化算法，确定处理新增用户增加的任务量后各区块链网络满足预设负载均衡要求下，新增用户对应的目标区块链网络，进而将该新增用户的访问请求发送至目标区块链网络以进行处理，实现了当区块链网络中用户数量增加到亿级或者更高级别数量时，区块链网络整体性能的平衡。

又一方面，本发明实施例还公开了一种包含指令的计算机程序产品，当其在计算机上运行时，实现上述信息处理方法中任一所述的方法步骤。

在本发明实施例提供的一种包含指令的计算机程序产品中，通过用户特征信息构建每种类型用户的负载映射模型，进而通过新增用户的用户特征信息，确定新增用户对应的负载映射模型，通过该负载映射模型可预测新增用户的可能产生的负载信息，最后根据各区块链网络的状态信息及新增用户对应的负载映射模型，通过预设最优化算法，确定处理新增用户增加的任务量后各区块链网络满足预设负载均衡要求下，新增用户对应的目标区块链网络，进而将该新增用户的访问请求发送至目标区块链网络以进行处理，实现了当区块链网络中用户数量增加到亿级或者更高级别数量时，区块链网络整体性能的平衡。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置及电子设备而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (12)

1.一种信息处理方法，其特征在于，应用于区块链网络系统，所述区块链网络系统包括多个区块链网络，各所述区块链网络负责处理不同用户的访问请求，所述方法包括：

获取新增用户的访问请求，确定所述新增用户的用户特征信息；

获取各所述区块链网络的状态信息，所述状态信息包括：区块链网络当前用户分布以及区块链网络当前处理信息能力；

按照所述新增用户的用户特征信息，在预先确定的各负载映射模型中，确定所述新增用户对应的负载映射模型；

根据各所述区块链网络的状态信息及所述新增用户对应的负载映射模型，通过预设最优化算法，确定所述新增用户对应的目标区块链网络；以使所述目标区块链网络处理所述新增用户增加的任务量后，各所述区块链网络满足预设负载均衡要求；

将所述新增用户的访问请求发送至所述目标区块链网络以进行处理。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述新增用户以及所述新增用户的用户特征信息、与所述目标区块链网络的对应关系，存储在预设信息表中。

3.根据权利要求2所述的方法，其特征在于，所述预设信息表存储在集中式数据库或分布式数据库，或特定区块链网路中。

4.根据权利要求1所述的方法，其特征在于，所述按照所述新增用户的用户特征信息，在预先确定的各负载映射模型中，确定所述新增用户对应的负载映射模型，包括：

按照所述新增用户的用户特征信息，确定所述新增用户对应的目标用户类型；

在预先确定的各负载映射模型中，选取所述目标用户类型对应的负载映射模型，作为所述新增用户对应的负载映射模型。

5.根据权利要求4所述的方法，其特征在于，预先确定各负载映射模型的步骤包括，包括：

获取历史数据中各历史用户的用户特征信息及各所述区块链网络的历史状态信息；

利用预设的聚类算法或分类算法，按照所述历史用户的用户特征信息，对各所述历史用户进行分类，得到各用户类型；

通过所述历史状态信息，确定各所述历史用户的用户负载信息；

针对每个所述用户类型，对该用户类型中各历史用户的用户负载信息进行回归运算，得到各所述用户类型的区块链网络负载模型；

按照所述历史状态信息，确定每个所述区块链网络负责的历史用户；

针对每个所述区块链网络，按照所述历史状态信息标定该区块链网络的负载信息，并将该区块链网络负责的各历史用户的区块链网络负载模型输入到神经网络模型中进行训练，得到各所述区块链网络负载模型的修正参数；

针对每个所述区块链网络负载模型，通过该区块链网络负载模型的修正参数，修正该区块链网络负载模型，得到各所述用户分类的负载映射模型。

6.根据权利要求1所述的方法，其特征在于，所述根据各所述区块链网络的状态信息及所述新增用户对应的负载映射模型，通过预设最优化算法，确定所述新增用户对应的目标区块链网络，包括：

根据所述新增用户对应的负载映射模型，确定所述新增用户占用的负载；

以各所述区块链网络的状态信息中的负载信息为基准，通过预设最优化算法，计算在添加所述新增用户占用的负载后，且各所述区块链网络满足预设负载均衡要求时，所述新增用户对应的目标区块链网络。

7.一种信息处理装置，其特征在于，位于区块链网络系统，所述区块链网络系统包括多个区块链网络，各所述区块链网络负责处理不同用户的访问请求，所述装置包括：

用户特征信息确定模块，用于获取新增用户的访问请求，确定所述新增用户的用户特征信息；

状态信息获取模块，用于获取各所述区块链网络的状态信息，所述状态信息包括：区块链网络当前用户分布以及区块链网络当前处理信息能力；

负载映射模型确定模块，用于按照所述新增用户的用户特征信息，在预先确定的各负载映射模型中，确定所述新增用户对应的负载映射模型；

目标区块链网络确定模块，用于根据各所述区块链网络的状态信息及所述新增用户对应的负载映射模型，通过预设最优化算法，确定所述新增用户对应的目标区块链网络；以使所述目标区块链网络处理所述新增用户增加的任务量后，各所述区块链网络满足预设负载均衡要求；

访问请求发送模块，用于将所述新增用户的访问请求发送至所述目标区块链网络以进行处理。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：存储模块，

所述存储模块，用于将所述新增用户以及所述新增用户的用户特征信息、与所述目标区块链网络的对应关系，存储在预设信息表中。

9.根据权利要求7所述的装置，其特征在于，所述负载映射模型确定模块，包括：

目标用户类型确定子模块，用于按照所述新增用户的用户特征信息，确定所述新增用户对应的目标用户类型；

负载映射模型确定子模块，用于在预先确定的各负载映射模型中，选取所述目标用户类型对应的负载映射模型，作为所述新增用户对应的负载映射模型。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括，模型计算模块，所述模型计算模块，包括：

信息获取子模块，用于获取历史数据中各历史用户的用户特征信息及各所述区块链网络的历史状态信息；

用户类型确定子模块，用于利用预设的聚类算法或分类算法，按照所述历史用户的用户特征信息，对各所述历史用户进行分类，得到各用户类型；

用户负载信息确定子模块，用于通过所述历史状态信息，确定各所述历史用户的用户负载信息；

区块链网络负载模型确定子模块，用于针对每个所述用户类型，对该用户类型中各历史用户的用户负载信息进行回归运算，得到各所述用户类型的区块链网络负载模型；

区块链网络负责用户确定子模块，用于按照所述历史状态信息，确定每个所述区块链网络负责的历史用户；

修正参数确定子模块，用于针对每个所述区块链网络，按照所述历史状态信息标定该区块链网络的负载信息，并将该区块链网络负责的各历史用户的区块链网络负载模型输入到神经网络模型中进行训练，得到各所述区块链网络负载模型的修正参数；

负载映射模型确定子模块，用于针对每个所述区块链网络负载模型，通过该区块链网络负载模型的修正参数，修正该区块链网络负载模型，得到各所述用户分类的负载映射模型。

11.根据权利要求7所述的装置，其特征在于，所述目标区块链网络确定模块，包括：

新增用户负载确定子模块，用于根据所述新增用户对应的负载映射模型，确定所述新增用户占用的负载；

目标区块链网络确定子模块，用于以各所述区块链网络的状态信息中的负载信息为基准，通过预设最优化算法，计算在添加所述新增用户占用的负载后，且各所述区块链网络满足预设负载均衡要求时，所述新增用户对应的目标区块链网络。

12.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。