CN113377554B - 机票价格的缓存方法、系统、设备及存储介质 - Google Patents

机票价格的缓存方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN113377554B
CN113377554B CN202110702121.0A CN202110702121A CN113377554B CN 113377554 B CN113377554 B CN 113377554B CN 202110702121 A CN202110702121 A CN 202110702121A CN 113377554 B CN113377554 B CN 113377554B
Authority
CN
China
Prior art keywords
price
data
target
air ticket
historical
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
CN202110702121.0A
Other languages
English (en)
Other versions
CN113377554A (zh
Inventor
高峰
林弘杰
黄金秋
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.)
Ctrip Travel Information Technology Shanghai Co Ltd
Original Assignee
Ctrip Travel Information Technology Shanghai 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 Ctrip Travel Information Technology Shanghai Co Ltd filed Critical Ctrip Travel Information Technology Shanghai Co Ltd
Priority to CN202110702121.0A priority Critical patent/CN113377554B/zh
Publication of CN113377554A publication Critical patent/CN113377554A/zh
Application granted granted Critical
Publication of CN113377554B publication Critical patent/CN113377554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F9/54—Interprogram communication
    • G06F9/544—Buffers; Shared memory; Pipes
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种机票价格的缓存方法、系统、设备及存储介质，所述缓存方法包括以下步骤：获取目标供应商提供的目标航线所对应的查询周期，其中，所述查询周期由预测的目标供应商的机票变价次数计算得到；根据所述查询周期访问所述目标供应商的数据接口，查询所述目标航线的机票价格数据，并将所述目标航线的机票价格数据缓存至本地。本发明通过预测的目标供应商的机票变价次数计算得到查询周期，能够针对供应商提供的航线即时更新缓存的机票价格数据，降低对供应商的数据接口的访问次数，降低服务器、数据流量查询等相关成本，更加准确地反映了航线的变价情况，机票价格查询结果更准确。

Description

机票价格的缓存方法、系统、设备及存储介质
技术领域
本发明涉及OTA(Online Travel Agency，在线旅游)技术领域，尤其涉及一种机票价格的缓存方法、系统、设备及存储介质。
背景技术
目前旅行服务平台的预定购买机票的查询价格的引擎系统，该引擎系统主要是通过机票价格管理系统，让代理商录入策略为主，可以实时感知到机票策略(单程(含中转)、往返和多程)、价格等变动通知，具体的：
引擎接收到外部请求(例如：购买机票的用户请求、各个分销方系统查询请求、内部系统查询请求)时，需要把每条航线，每个航班，每个报价的数据存储下来，同时通过定时任务去扫描供应商直连接口，扫描的时间间隔是通过算法计算出来的查询间隔，另外对同一外部请求，做两次间隔查询周期的扫描，将同一航线的两次扫描得到的价格进行对比，主动发现数据是否发生变化，从而调整查询周期，即，根据所有外部请求分析同样航线策略的机票数据在不同的时刻的数据变化信息，例如机票价格在不同的时间涨跌情况，利用大数据分析得出确定的查询周期。
由于每条航线的每日变价次数不同，所以需要对每条航线的变价次数进行预估，从而得到每条航线缓存的时长。变价次数的预估需要利用历史的变价数据。
现有的引擎系统存在以下问题：
1、引擎系统以外的其他系统发起的外部请求获得的变价数据(即系统查询数据)样本量足够，由于此部分请求量大，覆盖国内所有航线请求，并且此部分请求是一直存在的，外部请求不会中断，如果此部分请求发现缓存里没有对应的数据，会去直连供应商接口，获取实时(真实)的数据，也就是主动构建缓存，由这部分请求产生的数据都会存储下来，供大数据分析使用，导致系统查询数据中包含了真实数据和缓存数据，并不是航线的真实变价情况。而用户发起的外部请求获得的变价数据(即用户查询数据)是真实的变价情况。整体上，获得的查询数据与真实变价情况相差较大。
2、实现的人力成本较高，开发周期太长。
发明内容
本发明要解决的技术问题是为了克服现有技术中引擎系统获得的查询数据与真实变价情况相差较大，实现的人力成本较高，开发周期太长的缺陷，提供一种机票价格的缓存方法、系统、设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供一种机票价格的缓存方法，所述缓存方法包括以下步骤：
获取目标供应商提供的目标航线所对应的查询周期，其中，所述查询周期由预测的目标供应商的机票变价次数计算得到；
根据所述查询周期访问所述目标供应商的数据接口，查询所述目标航线的机票价格数据，并将所述目标航线的机票价格数据缓存至本地。
较佳地，通过以下步骤计算所述目标航线所对应的查询周期：
从两个数据源分别获取所述目标航线的历史变价数据；
基于所述历史变价数据预测所述目标航线的机票变价次数；
获取所述目标供应商对应的最大QPS(Queries-per-second，每秒查询率)；
基于所述机票变价次数和所述最大QPS得到所述目标航线的查询周期。
较佳地，所述两个数据源包括第一数据源和第二数据源；
所述从两个数据源分别获取所述目标航线的历史变价数据的步骤具体包括：
从所述第一数据源获取所述目标航线在历史时间段内的每小时变价次数，以当天最大的每小时变价次数作为当天的第一历史变价数据；
从所述第二数据源获取所述目标航线在历史时间段内每小时变价次数，以当天最大的每小时变价次数作为当天的第二历史变价数据；
所述基于所述历史变价数据预测所述目标航线的机票变价次数的步骤具体包括：
基于所述第一历史变价数据和所述第二历史变价数据得到所述目标航线的机票变价次数。
较佳地，所述基于所述第一历史变价数据和所述第二历史变价数据得到所述目标航线的机票变价次数的步骤具体包括：
基于所述第一历史变价数据得到所述目标航线的第一预估机票变价次数；
基于所述第二历史变价数据得到所述目标航线的第二预估机票变价次数；
将所述第二预估机票变价次数归一化得到所述目标航线的变价权重；
基于所述第一预估机票变价次数和所述变价权重得到所述目标航线的机票变价次数。
较佳地，采用如下公式计算查询周期TTLk,m：
Qk,m＝Q1k,m*(1+Wk,m)；
Wk,m＝Q2k,m/MAX(Q2k,m)；
其中，N表示对供应商k提供的航线的数量，MQPSk表示供应商k对应的最大QPS，Qk,m表示供应商k提供的航线m的机票变价次数，Q1k,m表示供应商k提供的航线m的第一预估机票变价次数，Wk,m表示供应商k提供的航线m的变价权重，Q2k,m表示供应商k提供的航线m的第二预估机票变价次数，MAX(Q2k,m)表示供应商k提供的所有航线对应第二预估机票变价次数的最大值，j表示所述历史时间段为过去j天，i表示所述历史时间段内的一天，P1i,k,m表示供应商k提供的航线m对应的第一历史变价数据，P2i,k,m表示供应商k提供的航线m对应的第二历史变价数据。
本发明还提供一种机票价格的缓存系统，所述缓存系统包括：查询周期获取模块和机票价格缓存模块；
所述查询周期获取模块用于获取目标供应商提供的目标航线所对应的查询周期，其中，所述查询周期由预测的目标供应商的机票变价次数计算得到；
所述机票价格缓存模块用于根据所述查询周期访问所述目标供应商的数据接口，查询所述目标航线的机票价格数据，并将所述目标航线的机票价格数据缓存至本地。
较佳地，所述缓存系统还包括：历史变价数据获取模块、机票变价次数预测模块、最大QPS获取模块和查询周期计算模块；
所述历史变价数据获取模块用于从两个数据源分别获取所述目标航线的历史变价数据；
所述机票变价次数预测模块用于基于所述历史变价数据预测所述目标航线的机票变价次数；
所述最大QPS获取模块用于获取所述目标供应商对应的最大QPS；
所述查询周期计算模块用于基于所述机票变价次数和所述最大QPS得到所述目标航线的查询周期。
较佳地，所述两个数据源包括第一数据源和第二数据源；
所述历史变价数据获取模块包括：第一历史变价数据获取单元和第二历史变价数据获取单元；
所述第一历史变价数据获取单元用于从所述第一数据源获取所述目标航线在历史时间段内的每小时变价次数，以当天最大的每小时变价次数作为当天的第一历史变价数据；
所述第二历史变价数据获取单元用于从所述第二数据源获取所述目标航线在历史时间段内每小时变价次数，以当天最大的每小时变价次数作为当天的第二历史变价数据；
所述机票变价次数预测模块具体用于基于所述第一历史变价数据和所述第二历史变价数据得到所述目标航线的机票变价次数。
较佳地，所述机票变价次数预测模块包括：第一预估机票变价次数获得单元、第二预估机票变价次数获得单元、变价权重获得单元和机票变价次数获得单元；
所述第一预估机票变价次数获得单元用于基于所述第一历史变价数据得到所述目标航线的第一预估机票变价次数；
所述第二预估机票变价次数获得单元用于基于所述第二历史变价数据得到所述目标航线的第二预估机票变价次数；
所述变价权重获得单元用于将所述第二预估机票变价次数归一化得到所述目标航线的变价权重；
所述机票变价次数获得单元用于基于所述第一预估机票变价次数和所述变价权重得到所述目标航线的机票变价次数。
较佳地，采用如下公式计算查询周期TTLk,m：
Qk,m＝Q1k,m*(1+Wk,m)；
Wk,m＝Q2k,m/MAX(Q2k,m)；
其中，N表示对供应商k提供的航线的数量，MQPSk表示供应商k对应的最大QPS，Qk,m表示供应商k提供的航线m的机票变价次数，Q1k,m表示供应商k提供的航线m的第一预估机票变价次数，Wk,m表示供应商k提供的航线m的变价权重，Q2k,m表示供应商k提供的航线m的第二预估机票变价次数，MAX(Q2k,m)表示供应商k提供的所有航线对应第二预估机票变价次数的最大值，j表示所述历史时间段为过去j天，i表示所述历史时间段内的一天，P1i,k,m表示供应商k提供的航线m对应的第一历史变价数据，P2i,k,m表示供应商k提供的航线m对应的第二历史变价数据。
本发明还提供一种电子设备，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，所述处理器执行所述计算机程序时实现前述的机票价格的缓存方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述的机票价格的缓存方法。
本发明的积极进步效果在于：通过预测的目标供应商的机票变价次数计算得到查询周期，能够针对供应商提供的航线即时更新缓存的机票价格数据，降低对供应商的数据接口的访问次数，降低服务器、数据流量查询等相关成本，更加准确地反映了航线的变价情况，机票价格查询结果更准确。
附图说明
图1为本发明的实施例1的机票价格的缓存方法的流程图。
图2为本发明的实施例1的机票价格的缓存方法的一具体实施方式的流程图。
图3为本发明的实施例1的机票价格的缓存方法中的步骤S101的一具体实施方式的流程图。
图4为本发明的实施例1的机票价格的缓存方法中的步骤S21的一具体实施方式的流程图。
图5为本发明的实施例2的机票价格的缓存系统的模块示意图。
图6为本发明的实施例3的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种机票价格的缓存方法。参照图1，缓存方法包括以下步骤：
S11、获取目标供应商提供的目标航线所对应的查询周期，其中，查询周期由预测的目标供应商的机票变价次数计算得到。
S12、根据查询周期访问目标供应商的数据接口，查询目标航线的机票价格数据，并将目标航线的机票价格数据缓存至本地。
其中，机票价格的缓存方法的执行主体可以为服务器(即引擎系统的实体)，本地指的是服务器的本地。例如，查询的目标航线的机票价格数据可以是针对90天内的行程，由于机票售卖的特殊性，用户可以购买一年后或者两年后的机票，但是这部分的单量和查询都很少，绝大部分购买行为产生在行程的90天内，因此针对90天内的行程的查询结果就有着充分的代表性。
本实施例通过预测的目标供应商的机票变价次数计算得到查询周期，能够针对供应商提供的航线即使更新缓存的机票价格数据，对供应商降低QPS，降低服务器、数据流量查询等相关成本，更加准确地反映了航线的变价情况，机票价格查询结果更准确，降低了实现的人力成本，缩短了开发周期。
具体实施时，参照图2，通过以下步骤计算目标航线所对应的查询周期：
S101、从两个数据源分别获取目标航线的历史变价数据。
S102、基于历史变价数据预测目标航线的机票变价次数。
S103、获取目标供应商对应的最大QPS。
S104、基于机票变价次数和最大QPS得到目标航线的查询周期。
本实施例采用高斯混合模型，通过两个不同的数据源的历史变价数据来预测目标航线的机票变价次数，进而结合目标供应商对应的最大QPS得到目标航线的查询周期，融合两个变价次数的数据源(例如两个数据源为均值更准确但标准差更大的数据源)，两个数据源比单一数据源更准确地反映目标航线的变价情况，在此基础上预测得到的目标航线的机票变价次数也更加准确。
具体实施时，两个数据源包括第一数据源和第二数据源。
参照图3、步骤S101具体包括：
S1011、从第一数据源获取目标航线在历史时间段内的每小时变价次数，以当天最大的每小时变价次数作为当天的第一历史变价数据。
S1012、从第二数据源获取目标航线在历史时间段内每小时变价次数，以当天最大的每小时变价次数作为当天的第二历史变价数据。
步骤S102具体包括：
S21、基于第一历史变价数据和第二历史变价数据得到目标航线的机票变价次数。(图中未示出)
本实施例进一步通过当天最大的每小时变价次数来反映每个数据源中目标航线在历史时间段内每一天的历史变价情况。
具体实施时，参照图4，步骤S21具体包括：
S211、基于第一历史变价数据得到目标航线的第一预估机票变价次数。
S212、基于第二历史变价数据得到目标航线的第二预估机票变价次数。
S213、将第二预估机票变价次数归一化得到目标航线的变价权重。
S214、基于第一预估机票变价次数和变价权重得到目标航线的机票变价次数。
本实施例进一步提供了两个数据源的历史变价数据结合起来得到目标航线的机票变价次数的具体方式。
具体实施时，采用如下公式计算查询周期TTLk,m：
Qk,m＝Q1k,m*(1+Wk,m)。
Wk,m＝Q2k,m/MAX(Q2k,m)。
其中，N表示对供应商k提供的航线的数量，MQPSk表示供应商k对应的最大QPS，Qk,m表示供应商k提供的航线m的机票变价次数，Q1k,m表示供应商k提供的航线m的第一预估机票变价次数，Wk,m表示供应商k提供的航线m的变价权重，Q2k,m表示供应商k提供的航线m的第二预估机票变价次数，MAX(Q2k,m)表示供应商k提供的所有航线对应第二预估机票变价次数的最大值，j表示历史时间段为过去j天，i表示历史时间段内的一天，P1i,k,m表示供应商k提供的航线m对应的第一历史变价数据，P2i,k,m表示供应商k提供的航线m对应的第二历史变价数据。
例如：i＝1表示过去1天，即当前时间往前1天；i＝7表示过去7天，即当前时间往前7天。i越大表示距离当前时间越远，对处于当前时间的目标供应商的变价次数的影响越小，添加时间衰减因素，使用两个子高斯模型分别计算得到Q1k,m和Q2k,m，通过指数滑动平均的方法减小异常数据对结果的干扰，减少偶发异常变价对查询周期的影响。经过计算z-score(零-均值规范化)进行分布的正态性检测，确定Q1k,m和Q2k,m在α＝0.05的检测水平下符合高斯分布，α表示显著性水平，即估计总体参数落在某一区间内可能犯错误的概率。
本实施例进一步提供了具体的计算公式，进一步考虑了时间远近对预测的目标供应商的机票变价次数的影响，更准确地反映了目标航线的变价情况，在此基础上预测得到的目标航线的机票变价次数也更加准确。采用本实施例的机票价格的缓存方法之后，日变价率由16.81％降低至11.92％，相对降低29.09％，日变价率标准差由1.38％降低至0.79％，日变价率更低，更稳定，证明提高了查询周期的准确度，提高了查询机票价格的准确度。
实施例2
本实施例提供一种机票价格的缓存系统。参照图5，缓存系统包括：查询周期获取模块1和机票价格缓存模块2。
查询周期获取模块1用于获取目标供应商提供的目标航线所对应的查询周期，其中，查询周期由预测的目标供应商的机票变价次数计算得到。
机票价格缓存模块2用于根据查询周期访问目标供应商的数据接口，查询目标航线的机票价格数据，并将目标航线的机票价格数据缓存至本地。
其中，机票价格的缓存方法的执行主体可以为服务器(即引擎系统的实体)，本地指的是服务器的本地。例如，查询的目标航线的机票价格数据可以是针对90天内的行程，由于机票售卖的特殊性，用户可以购买一年后或者两年后的机票，但是这部分的单量和查询都很少，绝大部分购买行为产生在行程的90天内，因此针对90天内的行程的查询结果就有着充分的代表性。
本实施例通过预测的目标供应商的机票变价次数计算得到查询周期，能够针对供应商提供的航线即使更新缓存的机票价格数据，对供应商降低QPS，降低服务器、数据流量查询等相关成本，更加准确地反映了航线的变价情况，机票价格查询结果更准确，降低了实现的人力成本，缩短了开发周期。
具体实施时，缓存系统还包括：历史变价数据获取模块3、机票变价次数预测模块4、最大QPS获取模块5和查询周期计算模块6。
历史变价数据获取模块3用于从两个数据源分别获取目标航线的历史变价数据。
机票变价次数预测模块4用于基于历史变价数据预测目标航线的机票变价次数。
最大QPS获取模块5用于获取目标供应商对应的最大QPS。
查询周期计算模块6用于基于机票变价次数和最大QPS得到目标航线的查询周期。
本实施例采用高斯混合模型，通过两个不同的数据源的历史变价数据来预测目标航线的机票变价次数，进而结合目标供应商对应的最大QPS得到目标航线的查询周期，融合两个变价次数的数据源(例如两个数据源为均值更准确但标准差更大的数据源)，两个数据源比单一数据源更准确地反映目标航线的变价情况，在此基础上预测得到的目标航线的机票变价次数也更加准确。
具体实施时，两个数据源包括第一数据源和第二数据源。
历史变价数据获取模块3包括：第一历史变价数据获取单元31和第二历史变价数据获取单元32。
第一历史变价数据获取单元31用于从第一数据源获取目标航线在历史时间段内的每小时变价次数，以当天最大的每小时变价次数作为当天的第一历史变价数据。
第二历史变价数据获取单元32用于从第二数据源获取目标航线在历史时间段内每小时变价次数，以当天最大的每小时变价次数作为当天的第二历史变价数据。
机票变价次数预测模块4具体用于基于第一历史变价数据和第二历史变价数据得到目标航线的机票变价次数。
本实施例进一步通过当天最大的每小时变价次数来反映每个数据源中目标航线在历史时间段内每一天的历史变价情况。
具体实施时，机票变价次数预测模块4包括：第一预估机票变价次数获得单元41、第二预估机票变价次数获得单元42、变价权重获得单元43和机票变价次数获得单元44。
第一预估机票变价次数获得单元41用于基于第一历史变价数据得到目标航线的第一预估机票变价次数。
第二预估机票变价次数获得单元42用于基于第二历史变价数据得到目标航线的第二预估机票变价次数。
变价权重获得单元43用于将第二预估机票变价次数归一化得到目标航线的变价权重。
机票变价次数获得单元44用于基于第一预估机票变价次数和变价权重得到目标航线的机票变价次数。
本实施例进一步提供了两个数据源的历史变价数据结合起来得到目标航线的机票变价次数的具体方式。
具体实施时，采用如下公式计算查询周期TTLk,m：
Qk,m＝Q1k,m*(1+Wk,m)。
Wk,m＝Q2k,m/MAX(Q2k,m)。
其中，N表示对供应商k提供的航线的数量，MQPSk表示供应商k对应的最大QPS，Qk,m表示供应商k提供的航线m的机票变价次数，Q1k,m表示供应商k提供的航线m的第一预估机票变价次数，Wk,m表示供应商k提供的航线m的变价权重，Q2k,m表示供应商k提供的航线m的第二预估机票变价次数，MAX(Q2k,m)表示供应商k提供的所有航线对应第二预估机票变价次数的最大值，j表示历史时间段为过去j天，i表示历史时间段内的一天，P1i,k,m表示供应商k提供的航线m对应的第一历史变价数据，P2i,k,m表示供应商k提供的航线m对应的第二历史变价数据。
例如：i＝1表示过去1天，即当前时间往前1天；i＝7表示过去7天，即当前时间往前7天。i越大表示距离当前时间越远，对处于当前时间的目标供应商的变价次数的影响越小，添加时间衰减因素，使用两个子高斯模型分别计算得到Q1k,m和Q2k,m，通过指数滑动平均的方法减小异常数据对结果的干扰，减少偶发异常变价对查询周期的影响。经过计算z-score进行分布的正态性检测，确定Q1k,m和Q2k,m在α＝0.05的检测水平下符合高斯分布，α表示显著性水平，即估计总体参数落在某一区间内可能犯错误的概率。
本实施例进一步提供了具体的计算公式，进一步考虑了时间远近对预测的目标供应商的机票变价次数的影响，更准确地反映了目标航线的变价情况，在此基础上预测得到的目标航线的机票变价次数也更加准确。采用本实施例的机票价格的缓存方法之后，日变价率由16.81％降低至11.92％，相对降低29.09％，日变价率标准差由1.38％降低至0.79％，日变价率更低，更稳定，证明提高了查询周期的准确度，提高了查询机票价格的准确度。
实施例3
图6为本发明实施例3提供的一种电子设备的结构示意图。所述电子设备包括存储器、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，所述处理器执行所述程序时实现实施例1中的机票价格的缓存方法。图6显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1中的机票价格的缓存方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本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，所述程序被处理器执行时实现实施例1中的机票价格的缓存方法。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1中的机票价格的缓存方法。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (8)

1.一种机票价格的缓存方法，其特征在于，所述缓存方法包括以下步骤：
获取目标供应商提供的目标航线所对应的查询周期；
根据所述查询周期访问所述目标供应商的数据接口，查询所述目标航线的机票价格数据，并将所述目标航线的机票价格数据缓存至本地；
通过以下步骤计算所述目标航线所对应的查询周期：
从两个数据源分别获取所述目标航线的历史变价数据；
基于所述历史变价数据预测所述目标航线的机票变价次数；
获取所述目标供应商对应的最大QPS；
基于所述机票变价次数和所述最大QPS得到所述目标航线的查询周期。
2.如权利要求1所述的机票价格的缓存方法，其特征在于，所述两个数据源包括第一数据源和第二数据源；
所述从两个数据源分别获取所述目标航线的历史变价数据的步骤具体包括：
从所述第一数据源获取所述目标航线在历史时间段内的每小时变价次数，以当天最大的每小时变价次数作为当天的第一历史变价数据；
从所述第二数据源获取所述目标航线在历史时间段内每小时变价次数，以当天最大的每小时变价次数作为当天的第二历史变价数据；
所述基于所述历史变价数据预测所述目标航线的机票变价次数的步骤具体包括：
基于所述第一历史变价数据和所述第二历史变价数据得到所述目标航线的机票变价次数。
3.如权利要求2所述的机票价格的缓存方法，其特征在于，
所述基于所述第一历史变价数据和所述第二历史变价数据得到所述目标航线的机票变价次数的步骤具体包括：
基于所述第一历史变价数据得到所述目标航线的第一预估机票变价次数；
基于所述第二历史变价数据得到所述目标航线的第二预估机票变价次数；
将所述第二预估机票变价次数归一化得到所述目标航线的变价权重；
基于所述第一预估机票变价次数和所述变价权重得到所述目标航线的机票变价次数。
4.一种机票价格的缓存系统，其特征在于，所述缓存系统包括：查询周期获取模块和机票价格缓存模块；
所述查询周期获取模块用于获取目标供应商提供的目标航线所对应的查询周期；
所述机票价格缓存模块用于根据所述查询周期访问所述目标供应商的数据接口，查询所述目标航线的机票价格数据，并将所述目标航线的机票价格数据缓存至本地；
所述缓存系统还包括：历史变价数据获取模块、机票变价次数预测模块、最大QPS获取模块和查询周期计算模块；
所述历史变价数据获取模块用于从两个数据源分别获取所述目标航线的历史变价数据；
所述机票变价次数预测模块用于基于所述历史变价数据预测所述目标航线的机票变价次数；
所述最大QPS获取模块用于获取所述目标供应商对应的最大QPS；
所述查询周期计算模块用于基于所述机票变价次数和所述最大QPS得到所述目标航线的查询周期。
5.如权利要求4所述的机票价格的缓存系统，其特征在于，所述两个数据源包括第一数据源和第二数据源；
所述历史变价数据获取模块包括：第一历史变价数据获取单元和第二历史变价数据获取单元；
所述第一历史变价数据获取单元用于从所述第一数据源获取所述目标航线在历史时间段内的每小时变价次数，以当天最大的每小时变价次数作为当天的第一历史变价数据；
所述第二历史变价数据获取单元用于从所述第二数据源获取所述目标航线在历史时间段内每小时变价次数，以当天最大的每小时变价次数作为当天的第二历史变价数据；
所述机票变价次数预测模块具体用于基于所述第一历史变价数据和所述第二历史变价数据得到所述目标航线的机票变价次数。
6.如权利要求5所述的机票价格的缓存系统，其特征在于，
所述机票变价次数预测模块包括：第一预估机票变价次数获得单元、第二预估机票变价次数获得单元、变价权重获得单元和机票变价次数获得单元；
所述第一预估机票变价次数获得单元用于基于所述第一历史变价数据得到所述目标航线的第一预估机票变价次数；
所述第二预估机票变价次数获得单元用于基于所述第二历史变价数据得到所述目标航线的第二预估机票变价次数；
所述变价权重获得单元用于将所述第二预估机票变价次数归一化得到所述目标航线的变价权重；
所述机票变价次数获得单元用于基于所述第一预估机票变价次数和所述变价权重得到所述目标航线的机票变价次数。
7.一种电子设备，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1-3中任一项所述的机票价格的缓存方法。
8.一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，所述计算机程序被处理器执行时实现权利要求1-3中任一项所述的机票价格的缓存方法。
CN202110702121.0A 2021-06-24 2021-06-24 机票价格的缓存方法、系统、设备及存储介质 Active CN113377554B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110702121.0A CN113377554B (zh) 2021-06-24 2021-06-24 机票价格的缓存方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110702121.0A CN113377554B (zh) 2021-06-24 2021-06-24 机票价格的缓存方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113377554A CN113377554A (zh) 2021-09-10
CN113377554B true CN113377554B (zh) 2024-03-05

Family

ID=77578794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110702121.0A Active CN113377554B (zh) 2021-06-24 2021-06-24 机票价格的缓存方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113377554B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751386A (zh) * 2015-04-14 2015-07-01 携程计算机技术（上海）有限公司 酒店的分布式比价方法
CN104794191A (zh) * 2015-04-16 2015-07-22 北京京东尚科信息技术有限公司 一种用于机票数据更新的方法和装置
CN105631630A (zh) * 2015-12-25 2016-06-01 中国民航信息网络股份有限公司 旅客订单数据处理方法及装置
CN108628998A (zh) * 2018-05-02 2018-10-09 百度在线网络技术（北京）有限公司 一种机票查订比控制方法、装置、服务器和存储介质
CN109242579A (zh) * 2018-11-21 2019-01-18 北京交通大学 基于卷积神经网络的机票价格预测方法
CN109978619A (zh) * 2019-03-25 2019-07-05 携程旅游网络技术（上海）有限公司 机票定价策略筛选的方法、系统、设备以及介质
CN112346882A (zh) * 2020-03-26 2021-02-09 北京沃东天骏信息技术有限公司 用于发送信息的方法和装置
CN112434067A (zh) * 2020-11-24 2021-03-02 携程旅游网络技术（上海）有限公司 国际运价的缓存数据处理方法、系统、设备及介质
CN112699153A (zh) * 2021-01-14 2021-04-23 上海交通大学 机票查询中的缓存存活时间设置与协同更新方法和系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080262878A1 (en) * 2007-04-17 2008-10-23 Travelocity.Com Lp Systems, methods, and computer program products for generating and updating a cache of price and availability information for travel packages and components
US8756209B2 (en) * 2012-01-04 2014-06-17 International Business Machines Corporation Computing resource allocation based on query response analysis in a networked computing environment

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751386A (zh) * 2015-04-14 2015-07-01 携程计算机技术（上海）有限公司 酒店的分布式比价方法
CN104794191A (zh) * 2015-04-16 2015-07-22 北京京东尚科信息技术有限公司 一种用于机票数据更新的方法和装置
CN105631630A (zh) * 2015-12-25 2016-06-01 中国民航信息网络股份有限公司 旅客订单数据处理方法及装置
CN108628998A (zh) * 2018-05-02 2018-10-09 百度在线网络技术（北京）有限公司 一种机票查订比控制方法、装置、服务器和存储介质
CN109242579A (zh) * 2018-11-21 2019-01-18 北京交通大学 基于卷积神经网络的机票价格预测方法
CN109978619A (zh) * 2019-03-25 2019-07-05 携程旅游网络技术（上海）有限公司 机票定价策略筛选的方法、系统、设备以及介质
CN112346882A (zh) * 2020-03-26 2021-02-09 北京沃东天骏信息技术有限公司 用于发送信息的方法和装置
CN112434067A (zh) * 2020-11-24 2021-03-02 携程旅游网络技术（上海）有限公司 国际运价的缓存数据处理方法、系统、设备及介质
CN112699153A (zh) * 2021-01-14 2021-04-23 上海交通大学 机票查询中的缓存存活时间设置与协同更新方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Locality in search engine queries and its implications for caching;Xie Yinglian 等;《Proceedings of the 21st Annual Joint Conference of the IEEE Computer and Communications Societies》;全文 *
基于用户行为分析的在线订票系统缓存优化策略研究;邱鹏;万怀宇;林友芳;刘宇;姚一;;计算机与现代化(05);全文 *
高性能实时数据分析平台在航空公司收益提升中的应用;张曦 等;《企业导报》;全文 *

Also Published As

Publication number Publication date
CN113377554A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
ES2874055T3 (es) Sistema y procedimiento para la distribución de datos electrónicos
US20200382403A1 (en) Performance Monitoring in a Distributed Storage System
US20210081567A1 (en) Monitoring data sharing and privacy policy compliance
US20140278807A1 (en) Cloud service optimization for cost, performance and configuration
CN110679114B (zh) 一种估计数据对象可删除性的方法
CN110073382A (zh) 用于显示商家位置处的库存数据的图形用户界面
US20150324844A1 (en) Advertising marketplace systems and methods
WO2022227792A1 (en) Federated training of machine learning models
CN111415199A (zh) 一种基于大数据的客户预测更新方法、装置及存储介质
CN110598183A (zh) 一种流量分配方法、装置、设备及存储介质
CN109597724B (zh) 服务稳定性测量方法、装置、计算机设备及存储介质
CN110766184A (zh) 订单量预测方法和装置
CN110889725A (zh) 在线广告ctr预估方法、装置、设备及存储介质
US20210056451A1 (en) Outlier processing in time series data
CN112990510B (zh) 机票预订处理方法、系统、设备及介质
CN113377554B (zh) 机票价格的缓存方法、系统、设备及存储介质
US10956920B1 (en) Methods and systems for implementing automated bidding models
CN112434067A (zh) 国际运价的缓存数据处理方法、系统、设备及介质
CN112181376A (zh) 代码资源管理方法、装置、电子设备和介质
WO2022111112A1 (en) Automatically adjusting data access policies in data analytics
US20180121937A1 (en) Method of correlating bid price to intrinsic value in a survey platform
Li et al. Generalization analysis for game-theoretic machine learning
US20190295128A1 (en) Target insight media engine
US20150149255A1 (en) Robust pricing solution for products and services
CN117726148B (zh) 一种服务器的适配度确定方法、电子设备及存储介质

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