CN115328535A - 参数配置方法、装置、计算机设备及存储介质 - Google Patents
参数配置方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115328535A CN115328535A CN202210958715.2A CN202210958715A CN115328535A CN 115328535 A CN115328535 A CN 115328535A CN 202210958715 A CN202210958715 A CN 202210958715A CN 115328535 A CN115328535 A CN 115328535A
- Authority
- CN
- China
- Prior art keywords
- health management
- historical
- management system
- parameter configuration
- resource consumption
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Stored Programmes (AREA)
Abstract
本申请涉及健康管理系统技术领域,公开了一种参数配置方法、装置、计算机设备及存储介质,方法包括:获取健康管理系统的当前参数配置信息,当前参数配置信息包括:系统参数和目标管理项目;对当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内健康管理系统的模拟资源消耗量;若模拟资源消耗量大于第一时段的第一资源消耗量,根据第一资源消耗量对应的历史系统参数,更新当前参数配置信息中的系统参数。本申请的方法,能够对健康管理系统的参数进行快速优化,使得健康管理系统不仅能够满足与日俱增的健康管理需求,而且有助于降低系统开发的技术成本以及健康管理机构人力成本,极大的提高了健康管理的水平。
Description
技术领域
本申请涉及健康管理系统技术领域,尤其是涉及到一种参数配置方法、装置、计算机设备及存储介质。
背景技术
随着国民生活的改善和个人健康意识的不断提高,健康体检、医疗美容、牙齿护理、基因检测等健康检测和护理项目的需求与日俱增。基于此,数据量与用户的不断增加以及不同用户需求的多元化趋势,为用于健康管理的O2O(Online To Offline)系统带来了性能上的压力。由于O2O系统固有的复杂性与多样性,简单扩容服务器并不能真正的解决性能上的压力以及满足不同需求的灵活性问题,反而会造成资源的浪费,增加公司的IT成本。另外,由于系统负荷提升,系统性能的下降可能会导致客户的预约率以及履约率有不同程度的降低,进一步浪费健康管理机构的人力资源。
发明内容
有鉴于此,本申请提供了一种参数配置方法、装置、计算机设备及存储介质,以解决O2O系统性能上的压力和灵活性不足的问题。
第一方面,提供了一种健康管理系统的参数配置方法,包括:
获取健康管理系统的当前参数配置信息,当前参数配置信息包括:系统参数和目标管理项目;
对当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内健康管理系统的模拟资源消耗量;
若模拟资源消耗量大于第一时段的第一资源消耗量,根据第一资源消耗量对应的历史系统参数,更新当前参数配置信息中的系统参数。
可选地,健康管理系统的参数配置方法还包括:
获取预设周期内目标管理项目对应的历史运行信息和历史系统参数,历史运行信息包括相互关联的历史用户行为日志、健康管理系统的历史性能信息、健康管理系统的历史运维成本和健康管理系统的历史硬件参数,预设周期包括多个相同的第一时段;
根据健康管理系统的当前硬件参数和系统标识,对历史用户行为日志、历史性能信息和历史运维成本进行筛选处理;
将筛选处理后的历史用户行为日志、历史性能信息和历史运维成本输入资源消耗模型,确定预设周期内至少一个第一时段的历史资源消耗量;
将最小的历史资源消耗量确定为第一资源消耗量。
可选地,根据健康管理系统的当前硬件参数和系统标识,对历史用户行为日志、历史性能信息和历史运维成本进行筛选处理,包括:
确定当前硬件参数与预设周期内每个第一时段的历史硬件参数之间的相似度;
将相似度小于相似度阈值的历史运行信息关联的历史用户行为日志和历史性能信息剔除;
将与系统标识不匹配的历史运维成本剔除。
可选地,对当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内健康管理系统的模拟资源消耗量,包括:
根据预设周期内多个第一时段的历史用户行为日志,确定预估用户行为信息;
按照当前参数配置信息和预估用户行为信息执行模拟运行操作,得到预估性能信息;
将预估性能信息、预估用户行为信息和系统标识匹配的当前运维成本输入资源消耗模型,确定模拟资源消耗量。
可选地,健康管理系统的参数配置方法还包括:
获取第一时段内目标管理项目对应的用户评价信息;
根据用户评价信息对更新后的系统参数进行修正处理。
可选地,健康管理系统的历史性能信息包括以下至少一种:吞吐量、任务响应时间、资源使用率、任务并发容量和任务完成成功率。
可选地,系统参数包括以下至少一种:云服务器核心数、云服务器带宽数、云服务器磁盘容量、线程池核心线程数、线程池非核心线程数、线程池参数配置原则和线程池的工作队列容量。
第二方面,提供了一种健康管理系统的参数配置装置,包括:
获取模块,用于获取健康管理系统的当前参数配置信息,当前参数配置信息包括:系统参数和目标管理项目;
模拟模块,用于对当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内健康管理系统的模拟资源消耗量;
参数配置模块,用于若模拟资源消耗量大于第一时段的第一资源消耗量,根据第一资源消耗量对应的历史系统参数,更新当前参数配置信息中的系统参数。
可选地,获取模块,还用于获取预设周期内目标管理项目对应的历史运行信息和历史系统参数,历史运行信息包括相互关联的历史用户行为日志、健康管理系统的历史性能信息、健康管理系统的历史运维成本和健康管理系统的历史硬件参数,预设周期包括多个相同的第一时段;
健康管理系统的参数配置装置还包括:
筛选模块,用于根据健康管理系统的当前硬件参数和系统标识,对历史用户行为日志、历史性能信息和历史运维成本进行筛选处理;
确定模块,用于将筛选处理后的历史用户行为日志、历史性能信息和历史运维成本输入资源消耗模型,确定预设周期内至少一个第一时段的历史资源消耗量;将最小的历史资源消耗量确定为第一资源消耗量。
可选地,筛选模块,具体用于确定当前硬件参数与预设周期内每个第一时段的历史硬件参数之间的相似度;将相似度小于相似度阈值的历史运行信息关联的历史用户行为日志和历史性能信息剔除;将与系统标识不匹配的历史运维成本剔除。
可选地,模拟模块,具体用于根据预设周期内多个第一时段的历史用户行为日志,确定预估用户行为信息;按照当前参数配置信息和预估用户行为信息执行模拟运行操作,得到预估性能信息;将预估性能信息、预估用户行为信息和系统标识匹配的当前运维成本输入资源消耗模型,确定模拟资源消耗量。
可选地,获取模块,还用于获取第一时段内目标管理项目对应的用户评价信息;
健康管理系统的参数配置装置还包括:
修正模块,用于根据用户评价信息对更新后的系统参数进行修正处理。
第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述健康管理系统的参数配置方法的步骤。
第四方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述健康管理系统的参数配置方法的步骤。
上述健康管理系统的参数配置方法、装置、计算机设备及存储介质所实现的方案中对当前配置的参数进行资源消耗模拟,以将目标管理项目对应的当前系统参数转化为定量的模拟资源消耗量,并利用模拟资源消耗量对当前参数配置信息进行评估。若模拟资源消耗量大于同时段的第一资源消耗量,则参照第一资源消耗量对应的历史系统参数对当前配置的系统参数进行修改。从而针对目标管理项目对健康管理系统的参数进行快速优化,使得健康管理系统不仅能够满足与日俱增的健康管理需求,而且有助于降低系统开发的技术成本以及健康管理机构人力成本,进而可在有限的资源投入下让更多用户享受优质的健康管理服务,极大的提高了健康管理的水平,提高了用户体验度,并且能够适配多种不同管理项目的场景,增强健康管理系统的适用范围和应用灵活性,进一步降低开发和使用系统所需的技术成本。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例的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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请中健康管理系统的参数配置方法的流程示意图之一;
图2是本申请中健康管理系统的参数配置方法的流程示意图之二;
图3是本申请中健康管理系统的参数配置方法的流程示意图之三;
图4是本申请中健康管理系统的参数配置装置的结构示意图;
图5是本申请中计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1所示,图1为本申请实施例提供的健康管理系统的参数配置方法的一个流程示意图,包括如下步骤:
S101:获取健康管理系统的当前参数配置信息;
其中,当前参数配置信息包括:系统参数和目标管理项目。系统参数包括但不限于以下至少一种:云服务器核心数、云服务器带宽数、云服务器磁盘容量、线程池核心线程数、线程池非核心线程数、线程池参数配置原则和线程池的工作队列容量等系统运行需要配置的参数。目标管理项目包括但不限于以下至少一种:医疗美容、基因检测、牙齿护理、健康体检、检后护理等健康管理项目,可按需设置,本申请实施例对此不做具体限定。
S102:对当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内健康管理系统的模拟资源消耗量;
在该实施例中,确定当前时刻所处第一时段,并以第一时段作为时间参考对当前配置的参数进行资源消耗模拟,以将目标管理项目对应的当前系统参数转化为定量的模拟资源消耗量。从而将用户对健康管理系统的性能需求和健康管理系统的运营成本作为评价依据对当前参数配置信息进行评估。
具体地,第一时段可用于区分健康管理系统在不同时间的使用场景,第一时段可以是一天中的1小时、一年中的2个月等。
在本申请的一些实施例中,如图2所示,提供了一种具体地实体对齐方案,S102中,也即对当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内健康管理系统的模拟资源消耗量之前,还包括如下步骤:
S201:获取预设周期内目标管理项目对应的历史运行信息和历史系统参数;
其中,预设周期用于表示统计历史资源消耗量的时间,可以以年、月、日为单位。预设周期包括多个相同的第一时段,以10年中每年的5月份为例,10年即预设周期,5月即第一时段。
具体地,历史运行信息与历史系统参数相对应。历史运行信息包括相互关联的历史用户行为日志、健康管理系统的历史性能信息、健康管理系统的历史运维成本和健康管理系统的历史硬件参数。历史用户行为日志用于记录用户对将框管理历史的操作行为,可表征某个时段中用户对健康管理系统的需求,例如,用户服务预约量、用户到检率、报告解读率、报告回传率、二次消费比例等。历史性能信息用于表示系统运行能力,例如历史性能信息包括吞吐量、任务响应时间、资源使用率、任务并发容量和任务完成成功率中的至少一种。健康管理系统的历史运维成本表示健康管理机构在使用健康管理系统时所产生的运维资源消耗量,例如,人力资源成本、场地资源成本等。健康管理系统的历史硬件参数用于分析系统开发的人力成本或硬件设备成本,例如,软件版本、计算机型号等。
S202:根据健康管理系统的当前硬件参数和系统标识,对历史用户行为日志、历史性能信息和历史运维成本进行筛选处理;
健康管理系统具有唯一的系统标识,该系统标识与使用健康管理系统的健康管理机构相关联,例如,A机构使用的健康管理系统的系统标识为A1,B机构使用的健康管理系统的系统标识为B1,从而通过系统标识即可匹配出健康管理系统所属的健康管理机构,进而通过数据获取请求获取与健康管理机构相关的历史运维成本。
在该实施例中,考虑到不同健康管理机构在使用健康管理系统时投入的运维成本的差异,通过系统标识对健康管理系统进行标记。同时,由于不同机构对系统功能的需求不同,使得健康管理系统之间也存在硬件参数的不同。由此,可利用健康管理系统的当前硬件参数筛选与本次使用的健康管理系统硬件配置最相似的系统,再利用相似系统的历史用户行为日志、历史性能信息,结合通过系统标识匹配出该健康管理系统的健康管理机构需要的运维成本,作为确定第一资源消耗量的条件。使得计算出的第一资源消耗量能够与该健康管理系统更加适配,同时能够保证模拟资源消耗量评估的准确性,提升系统参数的配置效果,进而避免消耗大量人力和技术资源对系统进行调试,有助于降低系统开发的技术成本以及健康管理机构人力成本。
进一步地,对于步骤S202,也即根据健康管理系统的当前硬件参数和系统标识,对历史用户行为日志、历史性能信息和历史运维成本进行筛选处理,具体包括如下步骤:
S202-1:确定当前硬件参数与预设周期内每个第一时段的历史硬件参数之间的相似度;
S202-2:将相似度小于相似度阈值的历史运行信息关联的历史用户行为日志和历史性能信息剔除;
S202-3:将与系统标识不匹配的历史运维成本剔除。
在该实施例中,通过健康管理系统的当前硬件参数确定与预设周期内每个第一时段的历史硬件参数之间的相似度,确定本次使用的健康管理系统硬件配置最相似的系统,仅保留相似系统的历史用户行为日志、历史性能信息。同理,通过系统标识匹配出该健康管理系统的健康管理机构需要的运维成本,并将不匹配的历史运维成本剔除。从而实现了历史用户行为日志、历史性能信息和历史运维成本的筛选。使得计算出的第一资源消耗量能够与该健康管理系统更加适配,同时能够保证模拟资源消耗量评估的准确性,提升系统参数的配置效果,进而避免消耗大量人力和技术资源对系统进行调试,有助于降低系统开发的技术成本以及健康管理机构人力成本。
S203:将筛选处理后的历史用户行为日志、历史性能信息和历史运维成本输入资源消耗模型,确定预设周期内至少一个第一时段的历史资源消耗量;
具体地,资源消耗模型可以是算法模型或基于神经网络的深度学习模型。以算法模型为例,利用python、java、scala等不同编程语言,设计资源消耗模型的资源消耗计算算法,该计算算法以用户行为、性能信息和运维成本作为变量,通过加权运算计算得出最终的资源消耗量。其中,计算算法中不同变量的权重相同或不同,可按需设定。深度学习模型可通过大量用户行为、性能信息、运维成本及其资源消耗标签训练得到。
可以理解的是,由于存在历史用户行为日志、历史性能信息和历史运维成本与当前硬件参数和系统标识不匹配的情况,故而,在预设周期包含的所有第一时段中部分第一时段因不满足筛选条件可无需计算历史资源消耗量。
S204:将最小的历史资源消耗量确定为第一资源消耗量。
在该实施例中,以第一时段作为计算周期,将满足当前硬件参数和系统标识的筛选条件的历史用户行为日志、历史性能信息和历史运维成本输入资源消耗模型,以计算出预设周期内每个能够同时满足当前硬件参数和系统标识筛选条件的历史运行信息对应的第一时段的历史资源消耗量。从至少一个第一时段的历史资源消耗量中选取最小值作为用于评估模拟资源消耗量的标准(第一资源消耗量)。使得第一资源消耗量能够反映出第一时段内用户的健康管理需求、技术成本、人力成本处于平衡状态的最低资源消耗。从而针对不同的健康场景下对系统性能与资源消耗的监控,以便于将历史数据作为最佳参考,结合现有业务体量与成本,进行系统参数自动调优。使得调优后的系统参数不仅能够满足与日俱增的健康管理需求,而且有助于降低系统开发的技术成本以及健康管理机构人力成本,进而可在有限的资源投入下让更多用户享受优质的健康管理服务,极大的提高了健康管理的水平,提高了用户体验度,并且增强健康管理系统的适用范围。
在本申请的一些实施例中,提供了一种具体地实体对齐方案,S102中,也即对当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内健康管理系统的模拟资源消耗量,具体包括如下步骤:
S102-1:根据预设周期内多个第一时段的历史用户行为日志,确定预估用户行为信息;
S102-2:按照当前参数配置信息和预估用户行为信息执行模拟运行操作,得到预估性能信息;
在该实施例中,根据预设周期内记录的历史用户行为日志,预估第一时段内可能产生的用户行为,也即预估用户行为信息。按照当前参数配置信息模拟预估的用户行为情况下,健康管理系统的运行状况,进而得到健康管理系统的预估性能信息。
具体举例来说,以健康体检作为目标管理项目为例,模拟运行操作包括:设置履约节点的埋点;将用户行为上报定时跑批基础表;设置运行时间段,比如近3天,进一周等;程序自动跑批,一个时间段跑完,程序自动切换下一个时间段,并取出跑批结果表的数据,对每个时间段的结果数据进行比对,得出性能报表数据,也即预估性能信息。
S102-3:将预估性能信息、预估用户行为信息和系统标识匹配的当前运维成本输入资源消耗模型,确定模拟资源消耗量。
可以理解的是,当前运维成本可以是与系统标识匹配的历史运维成本,还可以是通过数据获取请求,重新获取的健康管理机构使用健康管理系统的更新的运维成本。
在该实施例中,将预估性能信息、预估用户行为信息和系统标识匹配的当前运维成本资源消耗模型,以利用相同的计算标准,计算模拟当前参数配置信息时健康管理系统造成的模拟资源消耗量。从而通过模拟资源消耗量即可分辨出当前参数配置信息是否为能够保持参数配置与资源消耗的平衡状态,以便于及时对系统参数进行优化,使得健康管理系统不仅能够满足与日俱增的健康管理需求,而且有助于降低系统开发的技术成本以及健康管理机构人力成本。
S103:若模拟资源消耗量大于第一时段的第一资源消耗量,根据第一资源消耗量对应的历史系统参数,更新当前参数配置信息中的系统参数。
在该实施例中,若模拟资源消耗量大于同时段的第一资源消耗量,说明以当前参数配置信息预想健康管理系统可能会存在资源浪费的情况,则参照第一资源消耗量对应的历史系统参数替换当前配置的系统参数。从而针对不同的目标管理项目对健康管理系统的参数进行快速优化,使得健康管理系统不仅能够满足与日俱增的健康管理需求,而且有助于降低系统开发的技术成本以及健康管理机构人力成本,进而可在有限的资源投入下让更多用户享受优质的健康管理服务,极大的提高了健康管理的水平,提高了用户体验度,并且增强健康管理系统的适用范围和应用灵活性,进一步降低开发和使用系统所需的技术成本。
具体举例来说,对于线程池参数配置,基于以下这种配置原则:
(1)CPU密集型任务(N+1):CPU密集型任务消耗的主要是CPU资源,可以将线程数设置为N(CPU核心数)+1,从而为了防止线程偶发的缺页中断或者其它原因导致的任务暂停而带来的影响。例如,一旦任务暂停,CPU就会处于空闲状态,此时多出来的一个线程就可以充分利用CPU的空闲时间。
例如,线程数Nthreads=NCPU×UCPU×(1+W/C),式中,NCPU表示处理器的核的数量,可通过Runtime.getRuntime().availableProcessors()得到;UCPU表示期望的CPU利用率,UCPU介于0~1之间;W/C表示等待时间与计算时间的比率。
(2)I/O密集型任务(2N):I/O密集型任务应用起来,系统会用大部分的时间来处理I/O交互,而线程在处理I/O的时间段内不会占用CPU来处理,这时就可以将CPU交出给其它线程使用。因此在I/O密集型任务的应用中,我们可以多配置一些线程,具体的计算方法是2N。
当前系统参数配置的线程池参数配置原则为CPU密集型任务,当模拟资源消耗量大于第一时段的第一资源消耗量,将线程池参数配置原则修改为I/O密集型任务以降低CPU资源消耗,从而达到系统参数自动调优的目的。
在本申请的一些实施例中,如图3所示,提供了一种具体地实体对齐方案,S103之后,还包括如下步骤:
S301:获取第一时段内目标管理项目对应的健康管理系统的用户评价信息;
S302:根据用户评价信息对更新后的系统参数进行修正处理。
具体地,对于线程池参数配置,基于以下这种配置原则:
(1)CPU密集型任务(N+1):CPU密集型任务消耗的主要是CPU资源,可以将线程数设置为N(CPU核心数)+1,从而为了防止线程偶发的缺页中断或者其它原因导致的任务暂停而带来的影响。例如,一旦任务暂停,CPU就会处于空闲状态,此时多出来的一个线程就可以充分利用CPU的空闲时间。
(2)I/O密集型任务(2N):I/O密集型任务应用起来,系统会用大部分的时间来处理I/O交互,而线程在处理I/O的时间段内不会占用CPU来处理,这时就可以将CPU交出给其它线程使用。因此在I/O密集型任务的应用中,我们可以多配置一些线程,具体的计算方法是2N。
例如,当前系统参数配置的线程池参数配置原则为CPU密集型任务,当模拟资源消耗量大于第一时段的第一资源消耗量,将线程池参数配置原则修改为I/O密集型任务以降低CPU资源消耗。
在该实施例中,获取用户使用健康管理系统时发表的用户评价信息,通过用户评价信息确定用户对健康管理系统的待改进方向,并按照待改进方向对第一资源消耗量进行修正处理,使得修正后的系统参数能够更加符合用户对健康管理系统的期望,增强健康管理系统的适用范围,提升用户满意度。
例如,用户评价信息中多数表示系统响应速度慢,那么可以在通过历史系统参数更新的系统参数基础上,适当进行修改,以使修正后的系统参数能够达到提升系统响应速度的效果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请实施例提供的健康管理系统的参数配置方法,可应用计算机设备或服务器,计算机设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群。
在一实施例中,提供一种健康管理系统的参数配置装置,该健康管理系统的参数配置装置与上述实施例中健康管理系统的参数配置方法一一对应。如图4所示,该健康管理系统的参数配置装置包括获取模块401、模拟模块402、参数配置模块403。各功能模块详细说明如下:
获取模块401,用于获取健康管理系统的当前参数配置信息,当前参数配置信息包括:系统参数和目标管理项目;模拟模块402,用于对当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内健康管理系统的模拟资源消耗量;参数配置模块403,用于若模拟资源消耗量大于第一时段的第一资源消耗量,根据第一资源消耗量对应的历史系统参数,更新当前参数配置信息中的系统参数。
在一实施例中,获取模块401,还用于获取预设周期内目标管理项目对应的历史运行信息和历史系统参数,历史运行信息包括相互关联的历史用户行为日志、健康管理系统的历史性能信息、健康管理系统的历史运维成本和健康管理系统的历史硬件参数,预设周期包括多个相同的第一时段;健康管理系统的参数配置装置还包括:筛选模块(图中未示出),筛选模块用于根据健康管理系统的当前硬件参数和系统标识,对历史用户行为日志、历史性能信息和历史运维成本进行筛选处理;确定模块(图中未示出),确定模块用于将筛选处理后的历史用户行为日志、历史性能信息和历史运维成本输入资源消耗模型,确定预设周期内至少一个第一时段的历史资源消耗量;将最小的历史资源消耗量确定为第一资源消耗量。
在一实施例中,筛选模块,具体用于确定当前硬件参数与预设周期内每个第一时段的历史硬件参数之间的相似度;将相似度小于相似度阈值的历史运行信息关联的历史用户行为日志和历史性能信息剔除;将与系统标识不匹配的历史运维成本剔除。
在一实施例中,模拟模块402,具体用于根据预设周期内多个第一时段的历史用户行为日志,确定预估用户行为信息;按照当前参数配置信息和预估用户行为信息执行模拟运行操作,得到预估性能信息;将预估性能信息、预估用户行为信息和系统标识匹配的当前运维成本输入资源消耗模型,确定模拟资源消耗量。
在一实施例中,获取模块401,还用于获取第一时段内目标管理项目对应的用户评价信息;健康管理系统的参数配置装置还包括:修正模块(图中未示出),修正模块用于根据用户评价信息对更新后的系统参数进行修正处理。
在一实施例中,健康管理系统的历史性能信息包括以下至少一种:吞吐量、任务响应时间、资源使用率、任务并发容量和任务完成成功率。
在一实施例中,系统参数包括以下至少一种:云服务器核心数、云服务器带宽数、云服务器磁盘容量、线程池核心线程数、线程池非核心线程数、线程池参数配置原则和线程池的工作队列容量。
本申请提供了一种健康管理系统的参数配置装置,通过对当前配置的参数进行资源消耗模拟,将目标管理项目对应的当前系统参数转化为定量的模拟资源消耗量,并利用模拟资源消耗量对当前参数配置信息进行评估。若模拟资源消耗量大于同时段的第一资源消耗量,则参照第一资源消耗量对应的历史系统参数对当前配置的系统参数进行修改。从而针对目标管理项目对健康管理系统的参数进行快速优化,使得健康管理系统不仅能够满足与日俱增的健康管理需求,而且有助于降低系统开发的技术成本以及健康管理机构人力成本,进而可在有限的资源投入下让更多用户享受优质的健康管理服务,极大的提高了健康管理的水平,提高了用户体验度,并且能够适配多种不同管理项目的场景,增强健康管理系统的适用范围和应用灵活性,进一步降低开发和使用系统所需的技术成本。
关于健康管理系统的参数配置装置的具体限定可以参见上文中对于健康管理系统的参数配置方法的限定,在此不再赘述。上述健康管理系统的参数配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,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,处理器执行计算机程序时实现以下步骤:
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
在一个实施例中,提供了一种计算机设备,该计算机设备可以是客户端,其内部结构图如5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机程序被处理器执行时以实现一种健康管理系统的参数配置方法的功能或步骤。
需要说明的是,上述关于计算机可读存储介质或计算机设备所能实现的功能或步骤,可对应参阅前述方法实施例中,健康管理系统的参数配置方法的相关描述,为避免重复,这里不再一一描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种健康管理系统的参数配置方法,其特征在于,包括:
获取所述健康管理系统的当前参数配置信息,所述当前参数配置信息包括:系统参数和目标管理项目;
对所述当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内所述健康管理系统的模拟资源消耗量;
若所述模拟资源消耗量大于所述第一时段的第一资源消耗量,根据所述第一资源消耗量对应的历史系统参数,更新所述当前参数配置信息中的系统参数。
2.根据权利要求1所述的健康管理系统的参数配置方法,其特征在于,所述方法还包括:
获取预设周期内所述目标管理项目对应的历史运行信息和历史系统参数,所述历史运行信息包括相互关联的历史用户行为日志、所述健康管理系统的历史性能信息、所述健康管理系统的历史运维成本和所述健康管理系统的历史硬件参数,所述预设周期包括多个相同的所述第一时段;
根据所述健康管理系统的当前硬件参数和系统标识,对所述历史用户行为日志、所述历史性能信息和所述历史运维成本进行筛选处理;
将筛选处理后的所述历史用户行为日志、所述历史性能信息和所述历史运维成本输入资源消耗模型,确定所述预设周期内至少一个所述第一时段的历史资源消耗量;
将最小的所述历史资源消耗量确定为所述第一资源消耗量。
3.根据权利要求2所述的健康管理系统的参数配置方法,其特征在于,所述根据所述健康管理系统的当前硬件参数和系统标识,对所述历史用户行为日志、所述历史性能信息和所述历史运维成本进行筛选处理,包括:
确定所述当前硬件参数与所述预设周期内每个所述第一时段的所述历史硬件参数之间的相似度;
将相似度小于相似度阈值的所述历史运行信息关联的所述历史用户行为日志和所述历史性能信息剔除;
将与所述系统标识不匹配的历史运维成本剔除。
4.根据权利要求2所述的健康管理系统的参数配置方法,其特征在于,所述对所述当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内所述健康管理系统的模拟资源消耗量,包括:
根据所述预设周期内多个所述第一时段的历史用户行为日志,确定预估用户行为信息;
按照所述当前参数配置信息和所述预估用户行为信息执行模拟运行操作,得到预估性能信息;
将所述预估性能信息、预估用户行为信息和所述系统标识匹配的当前运维成本输入所述资源消耗模型,确定所述模拟资源消耗量。
5.根据权利要求1所述的健康管理系统的参数配置方法,其特征在于,所述方法还包括:
获取所述第一时段内所述目标管理项目对应的用户评价信息;
根据所述用户评价信息对更新后的系统参数进行修正处理。
6.根据权利要求1至5中任一项所述的健康管理系统的参数配置方法,其特征在于,
所述健康管理系统的历史性能信息包括以下至少一种:吞吐量、任务响应时间、资源使用率、任务并发容量和任务完成成功率。
7.根据权利要求1至5中任一项所述的健康管理系统的参数配置方法,其特征在于,
所述系统参数包括以下至少一种:云服务器核心数、云服务器带宽数、云服务器磁盘容量、线程池核心线程数、线程池非核心线程数、线程池参数配置原则和线程池的工作队列容量。
8.一种健康管理系统的参数配置装置,其特征在于,包括:
获取模块,用于获取所述健康管理系统的当前参数配置信息,所述当前参数配置信息包括:系统参数和目标管理项目;
模拟模块,用于对所述当前参数配置信息进行模拟处理,预估当前时刻所处第一时段内所述健康管理系统的模拟资源消耗量;
参数配置模块,用于若所述模拟资源消耗量大于所述第一时段的第一资源消耗量,根据所述第一资源消耗量对应的历史系统参数,更新所述当前参数配置信息中的系统参数。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至7任一项所述健康管理系统的参数配置方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述健康管理系统的参数配置方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958715.2A CN115328535A (zh) | 2022-08-09 | 2022-08-09 | 参数配置方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958715.2A CN115328535A (zh) | 2022-08-09 | 2022-08-09 | 参数配置方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115328535A true CN115328535A (zh) | 2022-11-11 |
Family
ID=83922182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210958715.2A Pending CN115328535A (zh) | 2022-08-09 | 2022-08-09 | 参数配置方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115328535A (zh) |
-
2022
- 2022-08-09 CN CN202210958715.2A patent/CN115328535A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10310852B2 (en) | Timing estimations for application lifecycle management work items determined through machine learning | |
Soualhia et al. | Predicting scheduling failures in the cloud: A case study with google clusters and hadoop on amazon EMR | |
CN112685170B (zh) | 备份策略的动态优化 | |
CN108492005B (zh) | 项目数据处理方法、装置、计算机设备和存储介质 | |
Yannibelli et al. | A Comparative Analysis of NSGA‐II and NSGA‐III for Autoscaling Parameter Sweep Experiments in the Cloud | |
CN111198799A (zh) | 一种基于lstm的机房功耗预警方法、系统、终端及存储介质 | |
CN114895773A (zh) | 异构多核处理器的能耗优化方法、系统、装置及存储介质 | |
CN115829297B (zh) | 装配式建筑的工作包生成方法、装置、终端及存储介质 | |
CN112508695A (zh) | 基于市场风险的金融风险预测方法、装置和电子设备 | |
CN107145394A (zh) | 一种针对数据倾斜的均衡负载处理方法及装置 | |
CN113268335B (zh) | 模型训练和执行时长预估方法、装置、设备和存储介质 | |
CN108764553B (zh) | 用户规模预测方法、装置及计算机设备 | |
Luo et al. | A Novel Software Reliability Growth Model Based on Generalized Imperfect Debugging NHPP Framework | |
CN112379913A (zh) | 基于风险识别的软件优化方法、装置、设备及存储介质 | |
CN115328535A (zh) | 参数配置方法、装置、计算机设备及存储介质 | |
Wang et al. | An Efficient Load Prediction‐Driven Scheduling Strategy Model in Container Cloud | |
CN113220463B (zh) | 一种绑定策略推断方法、装置、电子设备及存储介质 | |
CN115330219A (zh) | 一种资源调度的方法及装置 | |
CN115238931A (zh) | 耗损件的规划方法、装置、计算机设备和存储介质 | |
CN111967806B (zh) | 基于定期回扫的用户风险更新方法、装置和电子设备 | |
CN111598390B (zh) | 服务器高可用性评估方法、装置、设备和可读存储介质 | |
CN111625720B (zh) | 数据决策项目执行策略的确定方法、装置、设备和介质 | |
CN113537631A (zh) | 药品需求量的预测方法、装置、电子设备及存储介质 | |
CN113742187A (zh) | 应用系统的容量预测方法、装置、设备及存储介质 | |
Paranou et al. | Forecasting resource demand for dynamic datacenter sizing in telco infrastructures |
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 |