CN114448901B - 流量削峰方法、装置、服务器、介质和电子设备 - Google Patents

流量削峰方法、装置、服务器、介质和电子设备 Download PDF

Info

Publication number
CN114448901B
CN114448901B CN202011118663.5A CN202011118663A CN114448901B CN 114448901 B CN114448901 B CN 114448901B CN 202011118663 A CN202011118663 A CN 202011118663A CN 114448901 B CN114448901 B CN 114448901B
Authority
CN
China
Prior art keywords
service request
flow
value
preset
sampling
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
CN202011118663.5A
Other languages
English (en)
Other versions
CN114448901A (zh
Inventor
李虎
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.)
Beijing Kingsoft Cloud Network Technology Co Ltd
Original Assignee
Beijing Kingsoft Cloud Network Technology 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 Beijing Kingsoft Cloud Network Technology Co Ltd filed Critical Beijing Kingsoft Cloud Network Technology Co Ltd
Priority to CN202011118663.5A priority Critical patent/CN114448901B/zh
Publication of CN114448901A publication Critical patent/CN114448901A/zh
Application granted granted Critical
Publication of CN114448901B publication Critical patent/CN114448901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/20—Traffic policing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H04L43/0888—Throughput
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/12—Avoiding congestion; Recovering from congestion

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本公开涉及一种流量削峰方法、装置、服务器、介质和电子设备，所述方法包括：接收待处理业务请求，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值；若是则基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求；判断采样后的业务请求的流量值是否大于预设流量峰值，若是则基于预设采样系数对采样后的业务请求进行再次采样直至当前时刻的业务请求的流量值不大于预设流量峰值时，响应最终采样后的业务请求。本公开的实施方案可以在流量峰值持续时长较长时进行流量削峰处理，以缓解瞬时产生的流量峰值所造成的资源浪费，节约服务器的资源，从而降低企业的成本，同时可让服务器端的业务处理变得更加平稳。

Description

流量削峰方法、装置、服务器、介质和电子设备
技术领域
本公开实施例涉及通信技术领域，尤其涉及一种基于数据采样的流量削峰方法、基于数据采样的流量削峰装置，包含基于数据采样的流量削峰装置的服务器，以及实现基于数据采样的流量削峰方法的计算机可读存储介质和电子设备。
背景技术
随着互联网等信息技术的快速发展，业务处理系统的业务请求访问压力逐渐增大。例如当大量用户短时间内集中访问某些业务处理系统的服务器如网站服务器时，会导致服务器短时间内不能及时处理业务请求。
相关技术中，可通过削弱瞬时的业务请求高峰值缓解这一问题，以使业务处理系统的吞吐量在业务请求高峰值下保持可控，从而保证系统的正常工作。示例的，削弱瞬时的业务请求高峰值的方案可以是通过设置访问网站过程的问答环节等方式缓解短时间的系统压力。例如在抢购火车票的时候，会设置使乘客登录过程中选择符合某物品的图片等方式，这样会通过每个乘客操作选择速度的不同，让大量乘客的访问请求错开登录系统，从而完成短时间内的削峰以降低系统压力。
但是，目前削弱瞬时的业务请求高峰值的方案只在峰值持续时长较短(例如3分钟以内)的情况下能够发挥作用，在峰值持续时长较长的情况下不适用。例如抢购火车票时，通常在1～3分钟以内的较短时长内可以上述方式错开登录系统完成短时间内的削峰以降低系统压力，之后大量用户访问请求会集中登录访问，则系统可能压力过大出错而无法正常工作。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种基于数据采样的流量削峰方法、基于数据采样的流量削峰装置，包含基于数据采样的流量削峰装置的服务器，以及实现基于数据采样的流量削峰方法的计算机可读存储介质和电子设备。
第一方面，本公开实施例提供了一种基于数据采样的流量削峰方法，该削峰方法包括：
接收待处理业务请求，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值；
在所述第一流量值大于所述预设流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求；
判断所述采样后的业务请求的流量值是否大于所述预设流量峰值，若是，则基于所述预设采样系数对采样后的业务请求进行再次采样，直至采样后的业务请求的流量值不大于所述预设流量峰值时，响应最终采样后的业务请求。
在本公开的一些实施例中，所述预设采样系数由以下方式确定：
获取前一时刻接收的业务请求的第二流量值；
在所述第二流量值大于所述预设流量峰值时，基于所述第二流量值和所述预设流量峰值确定当前时刻对应的预设采样系数。
在本公开的一些实施例中，所述基于所述第二流量值和所述预设流量峰值确定当前时刻对应的预设采样系数，包括：
确定所述第二流量值的倒数，将所述倒数与所述预设流量峰值相乘，将得到的第一乘积值作为当前时刻对应的预设采样系数；
或者，将所述预设流量峰值与所述第二流量值直接相除，将得到的相除结果值作为当前时刻对应的预设采样系数。
在本公开的一些实施例中，所述基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求，包括：
将所述预设采样系数与当前时刻接收的业务请求的第一流量值相乘得到第二乘积值；
从当前时刻接收的业务请求中随机采样获取所述第二乘积值对应数量的业务请求作为采样后的业务请求。
在本公开的一些实施例中，还包括：
记录所述当前时刻被拒绝响应的业务请求的标识信息，所述标识信息用以指示业务请求由指定用户发送；
基于所述被拒绝响应的业务请求的标识信息，判断后续时刻被拒绝响应的业务请求中是否包含由所述指定用户发送的业务请求；所述后续时刻是所述当前时刻之后的时刻；
若是，则记录由所述指定用户发送的业务请求被拒绝响应的次数，在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时优先采样并响应由所述指定用户发送的业务请求。
在本公开的一些实施例中，所述基于所述被拒绝响应的业务请求的标识信息，判断后续时刻被拒绝响应的业务请求中是否包含由所述指定用户发送的业务请求，包括：
获取后续时刻被拒绝响应的业务请求的标识信息，将所述当前时刻被拒绝响应的业务请求的标识信息与后续时刻被拒绝响应的业务请求的标识信息进行比对；
若对比结果相同，则确定后续时刻被拒绝响应的业务请求包含由所述指定用户发送的业务请求。
在本公开的一些实施例中，所述记录由所述指定用户发送的业务请求被拒绝响应的次数，在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时优先采样并响应由所述指定用户发送的业务请求，包括：
记录由所述指定用户发送的业务请求被拒绝响应的次数时，配置由所述指定用户发送的业务请求的采样权重值；其中，所述被拒绝响应的次数与所述采样权重值呈正相关关系；
在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时基于所述采样权重值优先采样并响应由所述指定用户发送的业务请求。
第二方面，本公开实施例提供一种基于数据采样的流量削峰装置，包括：
削峰判断模块，被配置为接收待处理业务请求，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值；
数据采样模块，被配置为在所述第一流量值大于所述预设流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求；
采样处理模块，被配置为判断所述采样后的业务请求的流量值是否大于所述预设流量峰值，若是，则基于所述预设采样系数对采样后的业务请求进行再次采样，直至采样后的业务请求的流量值不大于所述预设流量峰值时，响应最终采样后的业务请求。
在本公开的一些实施例中，还包括系数确定模块，被配置为：
获取前一时刻接收的业务请求的第二流量值；
在所述第二流量值大于所述预设流量峰值时，基于所述第二流量值和所述预设流量峰值确定当前时刻对应的预设采样系数。
在本公开的一些实施例中，所述系数确定模块，进一步被配置为：
确定所述第二流量值的倒数，将所述倒数与所述预设流量峰值相乘，将得到的第一乘积值作为当前时刻对应的预设采样系数；
或者，将所述预设流量峰值与所述第二流量值直接相除，将得到的相除结果值作为当前时刻对应的预设采样系数。
在本公开的一些实施例中，所述数据采样模块，进一步被配置为：
将所述预设采样系数与当前时刻接收的业务请求的第一流量值相乘得到第二乘积值；
从当前时刻接收的业务请求中随机采样获取所述第二乘积值对应数量的业务请求作为采样后的业务请求。
在本公开的一些实施例中，所述采样处理模块，进一步被配置为：
记录所述当前时刻被拒绝响应的业务请求的标识信息，所述标识信息用以指示业务请求由指定用户发送；
基于所述被拒绝响应的业务请求的标识信息，判断后续时刻被拒绝响应的业务请求中是否包含由所述指定用户发送的业务请求；所述后续时刻是所述当前时刻之后的时刻；
若是，则记录由所述指定用户发送的业务请求被拒绝响应的次数，在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时优先采样并响应由所述指定用户发送的业务请求。
在本公开的一些实施例中，所述采样处理模块，进一步被配置为：
获取后续时刻被拒绝响应的业务请求的标识信息，将所述当前时刻被拒绝响应的业务请求的标识信息与后续时刻被拒绝响应的业务请求的标识信息进行比对；
若对比结果相同，则确定后续时刻被拒绝响应的业务请求包含由所述指定用户发送的业务请求。
在本公开的一些实施例中，所述采样处理模块，进一步被配置为：
记录由所述指定用户发送的业务请求被拒绝响应的次数时，配置由所述指定用户发送的业务请求的采样权重值；其中，所述被拒绝响应的次数与所述采样权重值呈正相关关系；
在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时基于所述采样权重值优先采样并响应由所述指定用户发送的业务请求。
第三方面，本公开实施例提供一种服务器，包括上述任一实施例中所述的基于数据采样的流量削峰装置。
第四方面，本公开实施例提供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上述任一实施例所述基于数据采样的流量削峰方法的步骤。
第五方面，本公开实施例提供一种电子设备，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来上述任一实施例所述基于数据采样的流量削峰方法的步骤。
本公开实施例提供的技术方案与现有技术相比具有如下优点：
本公开实施例中，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值，在所述第一流量值大于所述预设流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求，然后判断所述采样后的业务请求的流量值是否大于所述预设流量峰值，若是则基于所述预设采样系数对采样后的业务请求进行再次采样，直至采样后的业务请。这样，本实施例的方案可以在每一时刻若业务请求的流量值超过流量峰值时，可基于预设采样系数对当前时刻接收的业务请求进行循环数据采样方式的流量削峰处理，从而可在流量峰值持续时长较长时持续进行流量削峰处理，以缓解瞬时产生的流量峰值所造成的资源浪费，节约服务器的资源，从而降低企业的成本，同时可以让服务器端的业务处理变得更加平稳，提高系统工作的稳定性和可靠性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例基于数据采样的流量削峰方法流程图；
图2为本公开实施例基于数据采样的流量削峰方法流程图；
图3为本公开实施例基于数据采样的流量削峰方法流程图；
图4为本公开实施例基于数据采样的流量削峰方法流程图；
图5为本公开实施例基于数据采样的流量削峰装置示意图；
图6为本公开实施例示例性示出的服务器示意图；
图7为本公开实施例示例性示出的云平台示意图；
图8为本公开实施例示例性示出的业务处理系统示意图；
图9为本公开实施例实现基于数据采样的流量削峰方法的电子设备示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
图1为本公开实施例示出的基于数据采样的流量削峰方法流程图，该流量削峰方法可以由服务器执行。该削峰方法可以包括以下步骤：
步骤S101：接收待处理业务请求，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值。
步骤S102：在所述第一流量值大于所述预设流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求。
步骤S103：判断所述采样后的业务请求的流量值是否大于所述预设流量峰值，若是，则基于所述预设采样系数对采样后的业务请求进行再次采样，直至采样后的业务请求的流量值不大于所述预设流量峰值时，响应最终采样后的业务请求。
本实施例的上述基于数据采样的流量削峰方法，可以在每一时刻若业务请求的流量值超过流量峰值时，可基于预设采样系数对当前时刻接收的业务请求进行循环数据采样方式的流量削峰处理，从而可在流量峰值持续时长较长时持续进行流量削峰处理，以缓解瞬时产生的流量峰值所造成的资源浪费，节约服务器的资源，从而降低企业的成本，同时可以让服务器端的业务处理变得更加平稳，提高系统工作的稳定性和可靠性。
具体的，在步骤S101中，接收待处理业务请求，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值。
示例性的，待处理业务请求可以是购票相关的业务请求，或者电商购物相关的业务请求，如抢购商品的业务请求，但也不限于此。该预设流量峰值f可以是服务器所能承受的业务请求的最大流量限额值。若当前时刻T1接收的业务请求的第一流量值是f1，则判断该第一流量值f1是否大于预设流量峰值f。
在步骤S102中，在所述第一流量值大于所述预设流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求。
示例性的，在判断第一流量值f1大于预设流量峰值f时，基于当前时刻T1的预设采样系数对当前时刻T1接收的业务请求进行采样得到采样后的业务请求。例如确定的预设采样系数F是0.8，当前时刻T1接收的业务请求的第一流量值f1是300，则采样后的业务请求的流量值可以是240个。此处仅为举例说明，预设采样系数F具体数值可以根据具体应用场景设置，本实施例中对此不作限制。
在步骤S103中，判断所述采样后的业务请求的流量值是否大于所述预设流量峰值，若是，则基于所述预设采样系数对采样后的业务请求进行再次采样，直至采样后的业务请求的流量值不大于所述预设流量峰值时，响应最终采样后的业务请求。
示例性的，假设预设流量峰值f是200，以上述举例来说，初次采样后业务请求的流量值如240大于200，则继续基于所述预设采样系数F对采样后的240个业务请求进行再次采样，依次循环采样直至采样后的业务请求的流量值不大于200时，响应最终采样后的业务请求以执行相应的业务操作。
本实施例的上述基于数据采样的流量削峰方法可以在每一时刻若业务请求的流量值超过流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行循环数据采样方式的流量削峰处理，从而可在流量峰值持续时长较长时可以持续重复进行流量削峰处理，以缓解瞬时产生的流量峰值所造成的资源浪费，节约服务器的资源，从而降低企业的成本，同时可以让服务器端的业务处理变得更加平稳，提高系统工作的稳定性和可靠性。
在本公开的一些实施例中，所述预设采样系数的确定可以包括以下步骤：
步骤1)：获取前一时刻接收的业务请求的第二流量值。
步骤2)：在所述第二流量值大于所述预设流量峰值时，基于所述第二流量值和所述预设流量峰值确定当前时刻对应的预设采样系数。
可选的，作为示例，步骤2)中基于所述第二流量值和所述预设流量峰值确定当前时刻对应的预设采样系数的步骤，具体可以是：先确定所述第二流量值的倒数，将所述倒数与所述预设流量峰值相乘，将得到的第一乘积值作为当前时刻对应的预设采样系数。
示例性的，在基于第二流量值的倒数与预设流量峰值确定当前时刻对应的预设采样系数的应用场景下，该流量削峰方法可以是图2中所示基于数据采样的流量削峰方法，包括以下步骤：
步骤S101：接收待处理业务请求，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值。
具体的，若当前时刻T1接收的业务请求的第一流量值是f1，则判断该第一流量值f1是否大于预设流量峰值f。
步骤S1021：在所述第一流量值大于所述预设流量峰值时，获取前一时刻接收的业务请求的第二流量值，在所述第二流量值大于所述预设流量峰值时，确定所述第二流量值的倒数。
示例性的，当前时刻T1对应的第一流量值f1大于预设流量峰值f时，获取前一时刻T0接收的业务请求的第二流量值f0。其中，第二流量值f0大于预设流量峰值f表示获取的前一时刻T0的第二流量值f0也超过流量峰值f，需要进行削峰处理，即获取的是之前需要削峰处理时刻的流量值。之后可以确定该第二流量值f0的倒数1/f0。
举例来说，假设预设流量峰值f＝200。若前一时刻T0接收的业务请求的第二流量值f0是300，该流量值300大于预设流量峰值200，需要流量削峰处理。此时可以同时记录前一时刻T0接收的业务请求的第二流量值f0。在当前时刻T1若对应的业务请求的第一流量值f1＝350，由于350大于200，也即当前时刻T1也需要削峰处理，此时可以获取记录的前一时刻T0对应的第二流量值f0，并确定该第二流量值f0的倒数1/300。
步骤S1022：将所述倒数与所述预设流量峰值相乘，将得到的第一乘积值作为当前时刻对应的预设采样系数。
示例性的，将第二流量值f0的倒数1/300与预设流量峰值f＝200相乘，将得到的第一乘积值f/f0作为当前时刻T1的采样系数F，即F＝f/f0＝2/3。
步骤S1023：基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求。
示例性的，可以基于确定的上述采样系数F＝2/3对当前时刻T1接收的业务请求进行初次采样得到采样后的业务请求，以对当前时刻T1接收的业务请求的流量进行初次削峰处理。例如当前时刻T1的第一流量值f1是350，初次采样后的业务请求的流量值可以是[350*2/3]＝234。
步骤S103：判断所述采样后的业务请求的流量值是否大于所述预设流量峰值，若是，则基于所述预设采样系数对采样后的业务请求进行再次采样，直至采样后的业务请求的流量值不大于所述预设流量峰值时，响应最终采样后的业务请求。
示例性的，由于初次采样后的业务请求的流量值234大于预设流量峰值f＝200，则可以基于采样系数F＝2/3对初次采样后的业务请求进行再次采样，再次采样后的业务请求的流量值是234*2/3＝156，由于156小于200，此时可结束采样，服务器响应再次采用后得到的最终的156个业务请求以执行相应的业务操作。需要说明的是，以上采样系数及流量值的数值仅仅是举例说明，本实施例中不限定具体数值，具体数值可以根据例如应用场景等因素而具体设置。
本实施例的基于数据采样的流量削峰方法，可以在每一时刻若业务请求的流量值超过流量峰值时，基于前一削峰时刻接收的业务请求的流量值的倒数与预设流量峰值的乘积确定当前时刻的采样系数，然后基于采样系数对当前时刻接收的业务请求进行循环数据采样方式的流量削峰处理，从而可在流量峰值持续时长较长时可以持续重复进行流量削峰处理，以缓解瞬时产生的流量峰值所造成的资源浪费，节约服务器的资源，从而降低企业的成本，同时可以让服务器端的业务处理变得更加平稳，提高系统工作的稳定性和可靠性。
在本公开的另一些实施例中，上述步骤2)中基于第二流量值和预设流量峰值确定当前时刻对应的预设采样系数的步骤，具体也可以是：将所述预设流量峰值与第二流量值直接相除，将得到的相除结果值作为当前时刻对应的预设采样系数。具体计算过程与上述图2所示的计算过程类似，此处不再赘述。本实施例中不用先计算第二流量值的倒数，而是直接相除计算预设采样系数，使得流量削峰时的处理速度更快一些，处理效率也更高。
在上述任一实施例的基础上，本公开的一些实施例中，参考图3中所示，步骤S1023具体可以包括以下子步骤：
步骤S10231：将得到的预设采样系数与当前时刻接收的业务请求的第一流量值相乘得到第二乘积值。
示例性的，例如将上述确定得到的采样系数F(F＝f/f0＝2/3)与当前时刻T1接收的业务请求的第一流量值f1＝350相乘得到第二乘积值(f1*f/f0)，例如第二乘积值可以是(350*2/3)取整后的数值234。
步骤S10232：从当前时刻接收的业务请求中随机采样获取所述第二乘积值对应数量的业务请求作为采样后的业务请求。
示例性的，可从当前时刻T1接收的第一流量值f1＝350对应数量的业务请求中随机采样获取对应234个业务请求作为初次采样后的业务请求。步骤S10232之后可以执行步骤S103。
本实施例的基于数据采样的流量削峰方法，可以在每一时刻若业务请求的流量值超过流量峰值时，基于前一时刻接收的业务请求的流量值的倒数与预设流量峰值的乘积确定当前时刻的采样系数，然后基于采样系数与当前时刻接收的业务请求的流量值的乘积进行循环数据采样方式的流量削峰处理，从而可在流量峰值持续时长较长时可以持续重复进行流量削峰处理，以缓解瞬时产生的流量峰值所造成的资源浪费，节约服务器的资源，从而降低企业的成本，同时可以让服务器端的业务处理变得更加平稳，提高系统工作的稳定性和可靠性。
需要说明的是，本实施例方案可适用于流量峰值持续时长较长的情况，如流量峰值持续时长为3分钟以上，例如5分钟、10分钟、30分钟，甚至1小时等。当然本实施例方案也可以适用于流量峰值持续时长3分钟以下的情况。
可选的，在上述任一实施例的基础上，在本公开的一些实施例中，所述预设流量峰值f可被更新，该预设流量峰值f至少可以与服务器的处理性能相关。由于不同业务处理系统中的服务器的处理性能不同，例如一些服务器配置最大能同时处理例如10万条访问请求，而另一些服务器配置配置最大能同时处理例如100万条访问请求，此时可以根据服务器的处理性能不同相对应的设置不同的预设流量峰值，以根据不同的业务处理系统适应性的调整要进行流量削峰的流量峰值，提高本公开实施例方案的适用性。
可选的，在上述任一实施例的基础上，在本公开的一些实施例中，参考图4中所示，该流量削峰方法还可以包括如下步骤：
步骤S401：记录当前时刻被拒绝响应的业务请求的标识信息，所述标识信息用以指示业务请求由指定用户发送。
示例性的，步骤S401可以在步骤S103之后或与步骤S103并行执行。采样后被选中的业务请求被服务器响应执行相应的操作，而被临时过滤的业务请求暂时被拒绝响应。本实施例中可以记录该当前时刻T1采样后被拒绝响应的业务请求的标识信息，该标识信息如标识ID用以指示业务请求由指定用户发送。例如被拒绝响应的业务请求A由用户A发送，业务请求B由用户B发送，业务请求C由用户C发送。标识信息可以是用户A、用户B和用户C的标识信息如用户注册身份信息等，以区分不同的业务请求所归属的用户，本实施例中对标识信息不作具体限制。
步骤S402：基于所述被拒绝响应的业务请求的标识信息，判断后续时刻被拒绝响应的业务请求中是否包含由所述指定用户发送的业务请求；所述后续时刻是所述当前时刻之后的时刻。
示例性的，后续时刻可以是该当前时刻T1之后依序的时刻T2、时刻T3、时刻T4、时刻T5等，在例如时刻T2、时刻T3、时刻T4、时刻T5也会分别执行上述步骤S101至步骤S103的过程。本实施例中可以记录例如时刻T1被拒绝响应的例如业务请求A的标识信息如标识ID，该标识ID指示该业务请求A由用户A发送。之后可以判断后续时刻时刻T2、时刻T3、时刻T4、时刻T5等被拒绝响应的业务请求中是否包含由用户A发送的业务请求。
步骤S403：若是，则记录由所述指定用户发送的业务请求被拒绝响应的次数，在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时优先采样并响应由所述指定用户发送的业务请求。
本实施例中，如判断后续时刻T2、时刻T3、时刻T4、时刻T5等被拒绝响应的业务请求中包含由用户A发送的业务请求，则记录用户A发送的业务请求被拒绝响应的次数，例如用户A发送的业务请求A在时刻T2、时刻T3也均被拒绝响应，则记录被拒绝响应的次数是3次。也即用户A发送的业务请求在时刻T1、时刻T2、时刻T3连续未被采样选中。
示例性的，该预设次数阈值可以根据具体业务处理的场景设置，本实施例对此不作具体限制。假设预设次数阈值是3，以上述举例来说，此时可确定用户A发送的业务请求被拒绝响应的次数3等于预设次数阈值3，这样在下一次如时刻T4进行采样时优先采样并响应由用户A发送的业务请求。
通过本实施例的上述实施方案，在实施本实施例的基于数据采样的流量削峰方案时可以避免某个用户发送的业务请求在较长时间内一直未被采样选中而未被服务器响应处理，以使服务器可较为有效地处理用户的业务请求。
可选的，在本公开的一些实施例中，步骤S402中基于所述被拒绝响应的业务请求的标识信息，判断后续时刻被拒绝响应的业务请求中是否包含由所述指定用户发送的业务请求，具体可以包括以下步骤：
步骤S4021：获取后续时刻被拒绝响应的业务请求的标识信息，将所述当前时刻被拒绝响应的业务请求的标识信息与后续时刻被拒绝响应的业务请求的标识信息进行比对。
示例性的，可以获取后续时刻如时刻T2、时刻T3、时刻T4、时刻T5等被拒绝响应的业务请求的标识信息如标识ID，然后将当前时刻T1被拒绝响应的业务请求A的标识ID与后续如时刻T2、时刻T3、时刻T4、时刻T5等被拒绝响应的业务请求的标识ID进行比对。
步骤S4022：若对比结果相同，则确定后续时刻被拒绝响应的业务请求包含由所述指定用户发送的业务请求。
示例性的，若当前时刻T1被拒绝响应的业务请求A的标识ID与后续如时刻T2、时刻T3、时刻T4、时刻T5等被拒绝响应的业务请求的标识ID相同，则可确定后续如时刻T2、时刻T3、时刻T4、时刻T5等被拒绝响应的业务请求包含由用户A发送的业务请求。
可选的，在本公开的一些实施例中，步骤S403中记录由所述指定用户发送的业务请求被拒绝响应的次数，在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时优先采样并响应由所述指定用户发送的业务请求，具体可以包括如下步骤：
步骤S4031：记录由所述指定用户发送的业务请求被拒绝响应的次数时，配置由所述指定用户发送的业务请求的采样权重值。其中，所述被拒绝响应的次数与采样权重值呈正相关关系。
示例性的，在记录例如由用户A发送的业务请求被拒绝响应的次数时，可以配置由用户A发送的业务请求的采样权重值。也可以在记录例如由用户B发送的业务请求被拒绝响应的次数时，可以配置由用户B发送的业务请求的采样权重值。其中，被拒绝响应的次数越多，该采样权重值越大，例如由用户A发送的业务请求被拒绝响应的次数是4次，而由用户B发送的业务请求被拒绝响应的次数是3次，则由用户A发送的业务请求的采样权重值1大于由用户B发送的业务请求的采样权重值2。
步骤S4032：在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时基于所述采样权重值优先采样并响应由所述指定用户发送的业务请求。
示例性的，在下一次如时刻T4进行采样时可基于采样权重值1优先采样并响应由用户A发送的业务请求。当存在多个不同用户发送的业务请求时，可以基于例如采样权重值1和采样权重值2的大小，依次采样并响应由例如用户A和用户B发送的业务请求。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。另外，也易于理解的是，这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。
基于同一构思，本公开实施例提供一种基于数据采样的流量削峰装置，应用于服务器。如图5所示，该流量削峰装置50可以包括：削峰判断模块501，被配置为接收待处理业务请求，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值。数据采样模块502，被配置为在所述第一流量值大于所述预设流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求。采样处理模块503，被配置为判断所述采样后的业务请求的流量值是否大于所述预设流量峰值，若是，则基于所述预设采样系数对采样后的业务请求进行再次采样，直至采样后的业务请求的流量值不大于所述预设流量峰值时，响应最终采样后的业务请求。
本实施例的上述基于数据采样的流量削峰装置50，可以在每一时刻若业务请求的流量值超过流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行循环的数据采样方式的流量削峰处理，从而可在流量峰值时长较长时持续进行流量削峰处理，缓解瞬时产生的流量峰值所造成的资源浪费，节约服务器的资源，从而降低企业的成本，同时可以让服务器端的业务处理变得更加平稳，提高系统工作的稳定性和可靠性。
可选的，在本公开的一些实施例中，还可以包括系数确定模块，被配置为：获取前一时刻接收的业务请求的第二流量值；在所述第二流量值大于所述预设流量峰值时，基于所述第二流量值和所述预设流量峰值确定当前时刻对应的预设采样系数。
可选的，在本公开的一些实施例中，所述系数确定模块，进一步被配置为：确定所述第二流量值的倒数，将所述倒数与所述预设流量峰值相乘，将得到的第一乘积值作为当前时刻对应的预设采样系数；或者，将所述预设流量峰值与所述第二流量值直接相除，将得到的相除结果值作为当前时刻对应的预设采样系数。可选的，在本公开的一些实施例中，所述数据采样模块502，进一步被配置为：将所述预设采样系数与当前时刻接收的业务请求的第一流量值相乘得到第二乘积值；从当前时刻接收的业务请求中随机采样获取所述第二乘积值对应数量的业务请求作为采样后的业务请求。
可选的，在本公开的一些实施例中，所述预设流量峰值可被更新，该预设流量峰值与所述服务器的处理性能相关。
可选的，在本公开的一些实施例中，所述采样处理模块503，进一步被配置为：记录所述当前时刻被拒绝响应的业务请求的标识信息，所述标识信息用以指示业务请求由指定用户发送；基于所述被拒绝响应的业务请求的标识信息，判断后续时刻被拒绝响应的业务请求中是否包含由所述指定用户发送的业务请求；所述后续时刻是所述当前时刻之后的时刻；若是，则记录由所述指定用户发送的业务请求被拒绝响应的次数，在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时优先采样并响应由所述指定用户发送的业务请求。
可选的，在本公开的一些实施例中，所述采样处理模块503，进一步被配置为：获取后续时刻被拒绝响应的业务请求的标识信息，将所述当前时刻被拒绝响应的业务请求的标识信息与后续时刻被拒绝响应的业务请求的标识信息进行比对；若对比结果相同，则确定后续时刻被拒绝响应的业务请求包含由所述指定用户发送的业务请求。
可选的，在本公开的一些实施例中，所述采样处理模块503，进一步被配置为：记录由所述指定用户发送的业务请求被拒绝响应的次数时，配置由所述指定用户发送的业务请求的采样权重值；其中，所述被拒绝响应的次数与采样权重值呈正相关关系；在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时基于所述采样权重值优先采样并响应由所述指定用户发送的业务请求。
关于上述实施例中的装置，其中各个模块执行操作的具体方式以及带来的相应技术效果已经在有关该方法的实施例中进行了对应的详细描述，此处将不做详细阐述说明。
图6所示为本公开实施例提供的一种服务器，该服务器60可以包括上述任一实施例中所述的基于数据采样的流量削峰装置50。具体的，作为示例，该服务器可以是服务器集群，但不限于此。
具体的，上述服务器可以是图7所示的云平台70，即该云平台70可以包括上述任一实施例中所述的基于数据采样的流量削峰装置50。
图8所示为本公开实施例提供的一种业务处理系统，可以包括客户端801和服务器802。客户端801可以用于发送待处理业务请求，服务器802可以包括上述任一实施例所述的基于数据采样的流量削峰装置50。
具体的，服务器802与客户端801可以基于现有各种通信方式通信连接。服务器802可以是服务器集群，但不限于此。该业务处理系统可以是电商业务处理系统，购票业务处理系统，云平台业务处理系统等，本实施例中对其具体业务应用场景不作限制。
关于上述实施例中的服务器、云平台以及业务处理系统，其带来的相应技术效果已经在有关上述流量削峰方法的实施例中进行了对应的详细描述，此处将不做详细阐述说明。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。作为模块或单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现木公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本公开实施例还提供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上述任一项实施例所述基于数据采样的流量削峰方法的步骤。
示例性的，该可读存储介质例如可以为但不限于电、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。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。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储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、有线、光缆、RF等等，或者上述的任意合适的组合。
本公开实施例还提供一种电子设备，包括处理器以及存储器，存储器用于存储所述处理器的可执行指令。其中，所述处理器配置为经由执行所述可执行指令来执行上述任一项实施例中所述基于数据采样的流量削峰方法的步骤。
下面参照图9来描述根据本发明的这种实施方式的电子设备600。图9显示的电子设备600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。
如图9所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述基于数据采样的流量削峰方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示方法的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205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。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660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。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600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、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述基于数据采样的流量削峰方法。
需要说明的是，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。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (13)

1.一种基于数据采样的流量削峰方法，其特征在于，该削峰方法包括：
接收待处理业务请求，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值；
在所述第一流量值大于所述预设流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求；
判断所述采样后的业务请求的流量值是否大于所述预设流量峰值，若是，则基于所述预设采样系数对采样后的业务请求进行再次采样，直至采样后的业务请求的流量值不大于所述预设流量峰值时，响应最终采样后的业务请求；
记录所述当前时刻被拒绝响应的业务请求的标识信息，所述标识信息用以指示业务请求由指定用户发送；
基于所述被拒绝响应的业务请求的标识信息，判断后续时刻被拒绝响应的业务请求中是否包含由所述指定用户发送的业务请求；所述后续时刻是所述当前时刻之后的时刻；
若是，则记录由所述指定用户发送的业务请求被拒绝响应的次数时，配置由所述指定用户发送的业务请求的采样权重值；其中，所述被拒绝响应的次数与所述采样权重值呈正相关关系；
在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时基于所述采样权重值优先采样并响应由所述指定用户发送的业务请求。
2.根据权利要求1所述的流量削峰方法，其特征在于，所述预设采样系数由以下方式确定：
获取前一时刻接收的业务请求的第二流量值；
在所述第二流量值大于所述预设流量峰值时，基于所述第二流量值和所述预设流量峰值确定当前时刻对应的预设采样系数。
3.根据权利要求2所述的流量削峰方法，其特征在于，所述基于所述第二流量值和所述预设流量峰值确定当前时刻对应的预设采样系数，包括：
确定所述第二流量值的倒数，将所述倒数与所述预设流量峰值相乘，将得到的第一乘积值作为当前时刻对应的预设采样系数；
或者，将所述预设流量峰值与所述第二流量值直接相除，将得到的相除结果值作为当前时刻对应的预设采样系数。
4.根据权利要求1～3任一项所述的流量削峰方法，其特征在于，所述基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求，包括：
将所述预设采样系数与当前时刻接收的业务请求的第一流量值相乘得到第二乘积值；
从当前时刻接收的业务请求中随机采样获取所述第二乘积值对应数量的业务请求作为采样后的业务请求。
5.根据权利要求1所述的流量削峰方法，其特征在于，所述基于所述被拒绝响应的业务请求的标识信息，判断后续时刻被拒绝响应的业务请求中是否包含由所述指定用户发送的业务请求，包括：
获取后续时刻被拒绝响应的业务请求的标识信息，将所述当前时刻被拒绝响应的业务请求的标识信息与后续时刻被拒绝响应的业务请求的标识信息进行比对；
若对比结果相同，则确定后续时刻被拒绝响应的业务请求包含由所述指定用户发送的业务请求。
6.一种基于数据采样的流量削峰装置，其特征在于，包括：
削峰判断模块，被配置为接收待处理业务请求，判断当前时刻接收的业务请求的第一流量值是否大于预设流量峰值；
数据采样模块，被配置为在所述第一流量值大于所述预设流量峰值时，基于预设采样系数对当前时刻接收的业务请求进行采样得到采样后的业务请求；
采样处理模块，被配置为判断所述采样后的业务请求的流量值是否大于所述预设流量峰值，若是，则基于所述预设采样系数对采样后的业务请求进行再次采样，直至采样后的业务请求的流量值不大于所述预设流量峰值时，响应最终采样后的业务请求；
所述采样处理模块，进一步被配置为：
记录所述当前时刻被拒绝响应的业务请求的标识信息，所述标识信息用以指示业务请求由指定用户发送；
基于所述被拒绝响应的业务请求的标识信息，判断后续时刻被拒绝响应的业务请求中是否包含由所述指定用户发送的业务请求；所述后续时刻是所述当前时刻之后的时刻；
若是，则记录由所述指定用户发送的业务请求被拒绝响应的次数时，配置由所述指定用户发送的业务请求的采样权重值；其中，所述被拒绝响应的次数与所述采样权重值呈正相关关系；
在所述被拒绝响应的次数大于等于预设次数阈值时，下一次采样时基于所述采样权重值优先采样并响应由所述指定用户发送的业务请求。
7.根据权利要求6所述的流量削峰装置，其特征在于，还包括系数确定模块，被配置为：
获取前一时刻接收的业务请求的第二流量值；
在所述第二流量值大于所述预设流量峰值时，基于所述第二流量值和所述预设流量峰值确定当前时刻对应的预设采样系数。
8.根据权利要求7所述的流量削峰装置，其特征在于，所述系数确定模块，进一步被配置为：
确定所述第二流量值的倒数，将所述倒数与所述预设流量峰值相乘，将得到的第一乘积值作为当前时刻对应的预设采样系数；
或者，将所述预设流量峰值与所述第二流量值直接相除，将得到的相除结果值作为当前时刻对应的预设采样系数。
9.根据权利要求6～8任一项所述的流量削峰装置，其特征在于，所述数据采样模块，进一步被配置为：
将所述预设采样系数与当前时刻接收的业务请求的第一流量值相乘得到第二乘积值；
从当前时刻接收的业务请求中随机采样获取所述第二乘积值对应数量的业务请求作为采样后的业务请求。
10.根据权利要求6所述的流量削峰装置，其特征在于，所述采样处理模块，进一步被配置为：
获取后续时刻被拒绝响应的业务请求的标识信息，将所述当前时刻被拒绝响应的业务请求的标识信息与后续时刻被拒绝响应的业务请求的标识信息进行比对；
若对比结果相同，则确定后续时刻被拒绝响应的业务请求包含由所述指定用户发送的业务请求。
11.一种服务器，其特征在于，包括权利要求6～10任一项所述的基于数据采样的流量削峰装置。
12.一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权利要求1～5任一项所述基于数据采样的流量削峰方法的步骤。
13.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～5任一项所述基于数据采样的流量削峰方法的步骤。
CN202011118663.5A 2020-10-19 2020-10-19 流量削峰方法、装置、服务器、介质和电子设备 Active CN114448901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011118663.5A CN114448901B (zh) 2020-10-19 2020-10-19 流量削峰方法、装置、服务器、介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011118663.5A CN114448901B (zh) 2020-10-19 2020-10-19 流量削峰方法、装置、服务器、介质和电子设备

Publications (2)

Publication Number Publication Date
CN114448901A CN114448901A (zh) 2022-05-06
CN114448901B true CN114448901B (zh) 2024-07-16

Family

ID=81357691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011118663.5A Active CN114448901B (zh) 2020-10-19 2020-10-19 流量削峰方法、装置、服务器、介质和电子设备

Country Status (1)

Country Link
CN (1) CN114448901B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8018845B2 (en) * 2006-01-25 2011-09-13 Cisco Technology, Inc Sampling rate-limited traffic
CN100591052C (zh) * 2007-04-25 2010-02-17 华为技术有限公司 流量控制的方法和业务处理系统
CN106921587B (zh) * 2015-12-28 2020-07-10 阿里巴巴集团控股有限公司 消息流量控制方法、装置及相关系统
CN107613528B (zh) * 2016-07-11 2021-01-29 华为技术有限公司 一种业务流量的控制方法及系统
US10313209B2 (en) * 2016-12-30 2019-06-04 Arbor Networks, Inc. System and method to sample a large data set of network traffic records
CN109257244B (zh) * 2017-07-14 2021-12-07 北京国双科技有限公司 用户行为数据的传输控制方法、装置及系统
KR101918441B1 (ko) * 2018-01-16 2018-11-13 전남대학교산학협력단 의심 트래픽 능동형 임계값 기반 DRDoS 요청 탐지 방법 및 시스템
CN108494657B (zh) * 2018-04-08 2020-08-28 苏州云杉世纪网络科技有限公司 基于Open vSwitch的OpenStack云平台虚拟探针镜像方法
CN109885399A (zh) * 2019-01-17 2019-06-14 平安普惠企业管理有限公司 数据处理方法、电子装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN114448901A (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN109981647B (zh) 用于检测暴力破解的方法和装置
CN111355752A (zh) 基于网闸的文件传输方法、装置及设备
US9465645B1 (en) Managing backlogged tasks
CN107635010B (zh) 流量调度方法、装置、计算机可读存储介质及电子设备
CN112653681B (zh) 多特征融合的用户登录准入方法、装置和系统
CN105376111A (zh) 资源分配方法和装置
CN112087520B (zh) 数据处理方法、装置、设备及计算机可读存储介质
US20180349245A1 (en) Parallel task management
EP3837827B1 (en) Automatic application scaling between private and public cloud platforms
CN113242301B (zh) 真实服务器的选定方法、装置、计算机设备及存储介质
CN105357239A (zh) 提供服务的方法和装置、获取服务的方法及装置
CN114448901B (zh) 流量削峰方法、装置、服务器、介质和电子设备
CN108520401A (zh) 用户名单管理方法、装置、平台及存储介质
CN109905407B (zh) 基于vpn服务器访问内网的管理方法、系统、设备及介质
CN116521639A (zh) 一种日志数据的处理方法、电子设备和计算机可读介质
CN112631577B (zh) 一种模型的调度方法、模型调度器以及模型安全测试平台
CN113821174B (zh) 存储处理方法、装置、网卡设备及存储介质
CN112769960B (zh) 一种基于Nginx服务器的主动流量控制方法及系统
CN108282472A (zh) 一种wifi认证方法、装置、服务器及存储介质
US11770411B2 (en) Prioritize endpoint selection based on criteria
CN114741162A (zh) 服务编排方法、装置、存储介质和设备
CN113742104A (zh) 基于ai的rpa分身功能的生成方法及装置
CN113076175A (zh) 用于虚拟机的内存共享方法及装置
KR20210015227A (ko) 차량 앱의 로그 수집을 위한 차량 서비스 장치의 동작 방법 및 그 장치
US10545802B2 (en) Event loop optimization through event ordering

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