CN110554916B - 基于分布式集群的风险指标计算方法及装置 - Google Patents

基于分布式集群的风险指标计算方法及装置 Download PDF

Info

Publication number
CN110554916B
CN110554916B CN201910704106.2A CN201910704106A CN110554916B CN 110554916 B CN110554916 B CN 110554916B CN 201910704106 A CN201910704106 A CN 201910704106A CN 110554916 B CN110554916 B CN 110554916B
Authority
CN
China
Prior art keywords
window
calculation
index calculation
cluster
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910704106.2A
Other languages
English (en)
Other versions
CN110554916A (zh
Inventor
杨文�
叶国华
刘佳进
邓志
蔡勇勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Suning Cloud Computing Co ltd
SuningCom Co ltd
Original Assignee
Suning Cloud Computing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suning Cloud Computing Co Ltd filed Critical Suning Cloud Computing Co Ltd
Priority to CN201910704106.2A priority Critical patent/CN110554916B/zh
Publication of CN110554916A publication Critical patent/CN110554916A/zh
Application granted granted Critical
Publication of CN110554916B publication Critical patent/CN110554916B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开一种基于分布式集群的风险指标计算方法及装置，涉及数据处理技术领域，能够在保证稳定性、窗口多样性、快速响应性的基础上，解决大窗口内存消耗过大以及不支持周期性窗口指标计算的问题。该方法包括：获取窗口数据并配置窗口类型，选择对应的指标计算语句；将指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行；将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储。该装置应用有上述方案所提的方法。

Description

基于分布式集群的风险指标计算方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于分布式集群的风险指标计算方法及装置。
背景技术
指标计算在电商风控领域属于基础技术能力，通常应用于关键业务的防刷场景，实践表明，电商风控领域中对指标计算的要求有稳定性、窗口多样性以及快速响应性。并且根据风控领域技术架构的基本要求，指标计算框架要与风控策略引擎有很好的融合性。
现有的指标计算框架storm，虽能初步满足上述要求，但在某些特定业务场景上，如计算本月1-15号某个设备领券次数、或者统计最近一个月内某一IP的登录次数时，现有的指标计算框架storm会存在以下问题：1、因窗口过长带来的大量内存消耗问题，甚至出现OOM情况；2、不支持周期性窗口的指标计算方式。
发明内容
本发明的目的在于提供一种基于分布式集群的风险指标计算方法及装置，能够在保证稳定性、窗口多样性、快速响应性的基础上，解决大窗口内存消耗过大以及不支持周期性窗口指标计算的问题。
为了实现上述目的，本发明的一方面提供一种基于分布式集群的风险指标计算方法，包括：
获取窗口数据并配置窗口类型，选择对应的指标计算语句；
将所述指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行；
将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储。
优选地，配置窗口类型，选择对应的指标计算语句的方法包括：
通过策略管理平台配置窗口类型，同时从预设的指标计算语句中选取待注册的指标计算语句；
其中，配置的窗口类型包括周期性窗口和滑动性窗口。
较佳地，选取的待注册指标计算语句与需计算的指标个数一一对应。
优选地，将所述指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行的方法包括：
通过策略管理平台将选取的指标计算语句动态注册入计算集群，然后由计算集群将所述指标计算语句一一对应的分配至应用节点运行。
较佳地，将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储的方法包括：
当配置的窗口类型为周期性窗口时，依次提取周期时段内产生的窗口数据，并基于数据key值将所述窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储；和/或，
当配置的窗口类型为滑动性窗口时，基于窗口长度和窗口精度对滑动性的窗口数据分片，并根据分片后的数据key值将所述窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储。
较佳地，所述计算集群为storm集群，所述分布式缓存为redis集群。
与现有技术相比，本发明提供的基于分布式集群的风险指标计算方法具有以下有益效果：
本发明提供的基于分布式集群的风险指标计算方法中，首先基于窗口数据配置对应的窗口类型，然后根据需计算的指标选择匹配的指标计算语句，由于一种指标计算语句只能计算一种指标结果，因此若要实现对多种指标结果的计算则需对应选择多种指标计算语句，然后将所选择的指标计算语句注册到计算集群中，并由计算集群分发给一一对应的应用节点运行，当各应用节点处于运行状态后，持续将获取的窗口数据以队列形式分发至相应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储。
可见，本发明通过配置选项能够支持多种窗口类型的指标计算，而且通过计算集群的设置能够较佳的实现高并发场景下的数据分发，最终将指标计算结果在分布式缓存中存储，做到指标计算结果与应用节点的物理隔离，降低了内存占用过大对应用本身的影响，有效解决了内存消耗过大以及不支持周期性窗口指标计算的问题。
本发明的另一方面提供一种基于分布式集群的风险指标计算装置，应用有上述技术方案提到的基于分布式集群的风险指标计算方法，该装置包括:
配置单元，用于获取窗口数据并配置窗口类型，选择对应的指标计算语句；
注册单元，用于将所述指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行；
缓存计算单元，用于将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储。
优选地，还包括：
风险输出单元，用于由策略管理平台聚合每个缓存中的计算结果，输出风险结果。
与现有技术相比，本发明提供的基于分布式集群的风险指标计算装置的有益效果与上述技术方案提供的基于分布式集群的风险指标计算方法的有益效果相同，在此不做赘述。
本发明的第三方面提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述基于分布式集群的风险指标计算方法的步骤。
与现有技术相比，本发明提供的计算机可读存储介质的有益效果与上述技术方案提供的基于分布式集群的风险指标计算方法的有益效果相同，在此不做赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例一中基于分布式集群的风险指标计算方法的流程示意图；
图2为图1中周期性窗口数据的示意图；
图3为图1中滑动性窗口数据的示意图；
图4为应用基于分布式集群的风险指标计算方法产生的数据流向示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，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作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。
实施例一
请参阅图1和图4，本实施例提供一种基于分布式集群的风险指标计算方法，包括：
获取窗口数据并配置窗口类型，选择对应的指标计算语句；将指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行；将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储。
本实施例提供的基于分布式集群的风险指标计算方法中，首先基于窗口数据配置对应的窗口类型，然后根据需计算的指标选择匹配的指标计算语句，由于一种指标计算语句只能计算一种指标结果，因此若要实现对多种指标结果的计算则需对应选择多种指标计算语句，然后将所选择的指标计算语句注册到计算集群中，并由计算集群分发给一一对应的应用节点运行，当各应用节点处于运行状态后，持续将获取的窗口数据以队列形式分发至相应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储。
可见，本实施例通过配置选项能够支持多种窗口类型的指标计算，而且通过计算集群的设置能够较佳的实现高并发场景下的数据分发，最终将指标计算结果在分布式缓存中存储，做到指标计算结果与应用节点的物理隔离，降低了内存占用过大对应用本身的影响，有效解决了内存消耗过大以及不支持周期性窗口指标计算的问题。
具体地，上述实施例中选择对应的指标计算语句的方法包括：
通过策略管理平台配置窗口类型，同时从预设的指标计算语句中选取待注册的指标计算语句；其中，配置的窗口类型包括周期性窗口和滑动性窗口。
具体实施时，上述策略管理平台为现有的应用管理平台，配置窗口类型的过程为，首先打开业务窗口数据，然后在相关页面中选择配置的窗口类型，同时从预设的指标计算语句中选取待注册的指标计算语句，其中，指标计算语句是基于指标计算纬度预设编写而成，本实施例对此不做赘述，示例性的，可配置的窗口类型包括周期性窗口和滑动性窗口，其中，周期性窗口是指需定期循环计算的指标数据，如计算每月1-15号中某个设备的领券次数，滑动性窗口是针对大窗口采取分片方式计算指标的一种技术手段，如计算近7天某一用户的订单数量。
可以理解的是，一个指标计算语句仅能支持一个指标结果的计算，因此选取的待注册指标计算语句与计算的指标个数需保持一一对应，如若有新的指标计算需求，则需要在策略管理平台中重新编写或者在线改写对应的指标计算语句。
请参阅图4，上述实施例中将所述指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行的方法包括：
通过策略管理平台将选取的指标计算语句动态注册入计算集群，然后由计算集群将所述指标计算语句一一对应的分配至应用节点运行。优选地，上述动态注册入采用RPC注册方式。通过在多个应用节点对应注册不同的指标计算语句，可以将同一窗口数据分发至对应的多个应用节点中，然后分别由每个应用节点运行各自的指标计算语句执行指标运算，最终每个应用节点均可输出一种指标计算结果，进而实现对多个指标计算结果的同时计算，以提高指标结果计算的效率。
示例性地，上述计算集群为storm集群，分布式缓存为redis集群。通过storm集群拓扑的分发特性解决了redis指标计算的分发问题。
上述实施例中将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储的方法包括：
如图2所示，当配置的窗口类型为周期性窗口时，依次提取周期时段内产生的窗口数据，并基于数据key值将窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储；通过对时间维度计算实现了对周期性窗口的指标计算。
如图3所示，当配置的窗口类型为滑动性窗口时，基于窗口长度和窗口精度对滑动性的窗口数据分片，并根据分片后的数据key值将窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储。可见，对于大窗口的内存问题，本实施例利用分片概念的时间滑动窗口来实现，通过对窗口长度、精度划分后计算出窗口内每个分片的长度，再根据命名规则，实现对多分片(多key)的滑动指标计算。
优选地，上述实施例中在计算结果输出至分布式缓存存储之后还包括：
由策略管理平台聚合每个缓存中的计算结果，输出风险结果。具体实施的过程中，由策略管理平台从各缓存中分别调取计算结果，聚合分析后输出风险结果，聚合分析的具体过程为本领域技术人员所熟知的，本实施例在此不做赘述。如同一设备在1-15号中的领券下单次数超过阈值，则判定该设备可能为刷单设备。
实施例二
本实施例提供一种基于分布式集群的风险指标计算装置，包括：
配置单元，用于获取窗口数据并配置窗口类型，选择对应的指标计算语句；
注册单元，用于将所述指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行；
缓存计算单元，用于将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储。
优选地，还包括：
风险输出单元，用于由策略管理平台聚合每个缓存中的计算结果，输出风险结果。
与现有技术相比，本发明实施例提供的基于分布式集群的风险指标计算装置的有益效果与上述实施例一提供的基于分布式集群的风险指标计算方法的有益效果相同，在此不做赘述。
实施例三
本实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述基于分布式集群的风险指标计算方法的步骤。
与现有技术相比，本实施例提供的计算机可读存储介质的有益效果与上述技术方案提供的基于分布式集群的风险指标计算方法的有益效果相同，在此不做赘述。
本领域普通技术人员可以理解，实现上述发明方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，上述程序可以存储于计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种基于分布式集群的风险指标计算方法，其特征在于，包括：
获取窗口数据并配置窗口类型，选择对应的指标计算语句；
将所述指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行；
将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储；
配置窗口类型，选择对应的指标计算语句的方法包括：
通过策略管理平台配置窗口类型，同时从预设的指标计算语句中选取待注册的指标计算语句；
其中，配置的窗口类型包括周期性窗口和滑动性窗口；
将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储的方法包括：
当配置的窗口类型为周期性窗口时，依次提取周期时段内产生的窗口数据，并基于数据key值将所述窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储；和/或，
当配置的窗口类型为滑动性窗口时，基于窗口长度和窗口精度对滑动性的窗口数据分片，并根据分片后的数据key值将所述窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储。
2.根据权利要求1所述的方法，其特征在于，选取的待注册指标计算语句与需计算的指标个数一一对应。
3.根据权利要求2所述的方法，其特征在于，将所述指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行的方法包括：
通过策略管理平台将选取的指标计算语句动态注册入计算集群，然后由计算集群将所述指标计算语句一一对应的分配至应用节点运行。
4.根据权利要求3所述的方法，其特征在于，将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储的方法包括：
当配置的窗口类型为周期性窗口时，依次提取周期时段内产生的窗口数据，并基于数据key值将所述窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储；和/或，
当配置的窗口类型为滑动性窗口时，基于窗口长度和窗口精度对滑动性的窗口数据分片，并根据分片后的数据key值将所述窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储。
5.根据权利要求4所述的方法，其特征在于，还包括：
由策略管理平台聚合每个缓存中的计算结果，输出风险结果。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述计算集群为storm集群，所述分布式缓存为redis集群。
7.一种基于分布式集群的风险指标计算装置，其特征在于，包括：
配置单元，用于获取窗口数据并配置窗口类型，选择对应的指标计算语句；
注册单元，用于将所述指标计算语句注册到计算集群中，再由计算集群分发给指定的应用节点运行；
缓存计算单元，用于将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储；
配置窗口类型，选择对应的指标计算语句的方法包括：
通过策略管理平台配置窗口类型，同时从预设的指标计算语句中选取待注册的指标计算语句；
其中，配置的窗口类型包括周期性窗口和滑动性窗口；
将窗口数据以队列形式分发至对应的应用节点执行指标计算，得到计算结果后输出至分布式缓存存储的方法包括：
当配置的窗口类型为周期性窗口时，依次提取周期时段内产生的窗口数据，并基于数据key值将所述窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储；和/或，
当配置的窗口类型为滑动性窗口时，基于窗口长度和窗口精度对滑动性的窗口数据分片，并根据分片后的数据key值将所述窗口数据以队列形式分发至对应的应用节点执行指标计算，之后将计算结果输出至与应用节点对应的缓存中存储。
8.根据权利要求7所述的装置，其特征在于，还包括：
风险输出单元，用于由策略管理平台聚合每个缓存中的计算结果，输出风险结果。
9.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器运行时执行上述权利要求1至6任一项所述方法的步骤。
CN201910704106.2A 2019-07-31 2019-07-31 基于分布式集群的风险指标计算方法及装置 Active CN110554916B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910704106.2A CN110554916B (zh) 2019-07-31 2019-07-31 基于分布式集群的风险指标计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910704106.2A CN110554916B (zh) 2019-07-31 2019-07-31 基于分布式集群的风险指标计算方法及装置

Publications (2)

Publication Number Publication Date
CN110554916A CN110554916A (zh) 2019-12-10
CN110554916B true CN110554916B (zh) 2022-07-29

Family

ID=68736682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910704106.2A Active CN110554916B (zh) 2019-07-31 2019-07-31 基于分布式集群的风险指标计算方法及装置

Country Status (1)

Country Link
CN (1) CN110554916B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326170B (zh) * 2021-06-09 2023-06-09 深圳前海微众银行股份有限公司 任务延迟风险检测方法、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942197A (zh) * 2013-01-17 2014-07-23 阿里巴巴集团控股有限公司 数据监控处理方法及设备
CN104346358A (zh) * 2013-07-29 2015-02-11 腾讯科技（深圳）有限公司 数据处理系统、管理中心和数据处理方法
CN105681303A (zh) * 2016-01-15 2016-06-15 中国科学院计算机网络信息中心 一种大数据驱动的网络安全态势监测及可视化方法
CN106600395A (zh) * 2017-02-27 2017-04-26 山东浪潮云服务信息科技有限公司 一种基于电商数据分析的信息控税平台
CN106909495A (zh) * 2016-06-03 2017-06-30 阿里巴巴集团控股有限公司 一种数据的窗口统计方法、装置及系统
CN107918579A (zh) * 2016-10-09 2018-04-17 北京神州泰岳软件股份有限公司 一种批量生成基线数据的方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9935955B2 (en) * 2016-03-28 2018-04-03 Zscaler, Inc. Systems and methods for cloud based unified service discovery and secure availability

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942197A (zh) * 2013-01-17 2014-07-23 阿里巴巴集团控股有限公司 数据监控处理方法及设备
CN104346358A (zh) * 2013-07-29 2015-02-11 腾讯科技（深圳）有限公司 数据处理系统、管理中心和数据处理方法
CN105681303A (zh) * 2016-01-15 2016-06-15 中国科学院计算机网络信息中心 一种大数据驱动的网络安全态势监测及可视化方法
CN106909495A (zh) * 2016-06-03 2017-06-30 阿里巴巴集团控股有限公司 一种数据的窗口统计方法、装置及系统
CN107918579A (zh) * 2016-10-09 2018-04-17 北京神州泰岳软件股份有限公司 一种批量生成基线数据的方法和装置
CN106600395A (zh) * 2017-02-27 2017-04-26 山东浪潮云服务信息科技有限公司 一种基于电商数据分析的信息控税平台

Also Published As

Publication number Publication date
CN110554916A (zh) 2019-12-10

Similar Documents

Publication Publication Date Title
US20200372039A1 (en) Data processing method, apparatus, and system
CN108776934B (zh) 分布式数据计算方法、装置、计算机设备及可读存储介质
US10209908B2 (en) Optimization of in-memory data grid placement
WO2021004063A1 (zh) 一种缓存服务器的带宽调度方法及装置
CN109740755B (zh) 一种基于梯度下降法的数据处理方法及相关装置
US11336718B2 (en) Usage-based server load balancing
CN108156236A (zh) 业务请求处理方法、装置、计算机设备和存储介质
US20150199281A1 (en) Apparatus and method for meeting performance metrics for users in file systems
CN102281290A (zh) 一种PaaS云平台的仿真系统及方法
EP3465966B1 (en) A node of a network and a method of operating the same for resource distribution
CN115048254B (zh) 数据分配策略的仿真测试方法、系统、设备和可读介质
CN109597800B (zh) 一种日志分发方法及装置
CN115714817A (zh) 一种动态反馈加权云存储资源调度方法、装置及设备
CN110554916B (zh) 基于分布式集群的风险指标计算方法及装置
US11625263B2 (en) Systems and methods for improved management of virtual machine clusters
Wang et al. An energy and data locality aware bi-level multiobjective task scheduling model based on mapreduce for cloud computing
Lee et al. A big data management system for energy consumption prediction models
CN113760982A (zh) 一种数据处理方法和装置
CN115941708B (zh) 云端大数据存储管理方法、装置、电子设备及存储介质
CN112148551B (zh) 用于确定存储系统的使用变化率的方法、设备和计算机程序产品
CN113656046A (zh) 一种应用部署方法和装置
CN111106974B (zh) 一种测试无损网络性能的方法和装置
CN117411885B (zh) 一种基于数据中心的网络信息传输数据方法及系统
US9817880B1 (en) Social-aware resource allocation for large-scale distributed systems
CN109634938A (zh) 云平台的Mysql数据库性能优化方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: No.1-1 Suning Avenue, Xuzhuang Software Park, Xuanwu District, Nanjing, Jiangsu Province, 210000

Patentee after: Jiangsu Suning cloud computing Co.,Ltd.

Address before: No.1-1 Suning Avenue, Xuzhuang Software Park, Xuanwu District, Nanjing, Jiangsu Province, 210000

Patentee before: Suning Cloud Computing Co.,Ltd.

CP03 Change of name, title or address
TR01 Transfer of patent right

Effective date of registration: 20240111

Address after: 210000, 1-5 story, Jinshan building, 8 Shanxi Road, Nanjing, Jiangsu.

Patentee after: SUNING.COM Co.,Ltd.

Address before: No.1-1 Suning Avenue, Xuzhuang Software Park, Xuanwu District, Nanjing, Jiangsu Province, 210000

Patentee before: Jiangsu Suning cloud computing Co.,Ltd.

TR01 Transfer of patent right