CN117076243A - 应用的扩缩容处理方法、装置、计算机设备及存储介质 - Google Patents

应用的扩缩容处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN117076243A
CN117076243A CN202311058409.4A CN202311058409A CN117076243A CN 117076243 A CN117076243 A CN 117076243A CN 202311058409 A CN202311058409 A CN 202311058409A CN 117076243 A CN117076243 A CN 117076243A
Authority
CN
China
Prior art keywords
instance
target
processing
application
expansion
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
Application number
CN202311058409.4A
Other languages
English (en)
Inventor
谢敏良
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202311058409.4A priority Critical patent/CN117076243A/zh
Publication of CN117076243A publication Critical patent/CN117076243A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G06F11/3093—Configuration details thereof, e.g. installation, enabling, spatial arrangement of the probes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G06F11/3062—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations where the monitored property is the power consumption
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请属于人工智能领域与金融科技领域，涉及一种应用的扩缩容处理方法，包括：获取目标应用程序在启动后的实时监控指标数据；调用评估模型对实时监控指标数据进行评估得到评估结果；若评估结果为扩容结果，基于负载平衡数据表对实时监控指标数据进行匹配得到第一实例数量；从预热实例获取与第一实例数量匹配的第一目标实例；将第一目标实例注册至注册中心；若评估结果为缩容结果，基于负载平衡数据表对目标应用的实例进行缩容处理。本申请还提供一种应用的扩缩容处理装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，第一目标实例可存储于区块链中。本申请可应用于金融领域的扩缩容场景，提高了对于目标应用的缩容处理效率。

Description

应用的扩缩容处理方法、装置、计算机设备及存储介质
技术领域
本申请涉及人工智能开发技术领域与金融科技领域，尤其涉及应用的扩缩容处理方法、装置、计算机设备及存储介质。
背景技术
活动运营是金融科技公司，例如保险公司、银行等公司的产品推广和拉新的重要渠道之一。对于保险公司而言，保险活动往往由保险应用端进行运营，且在保险应用的运营过程中，运营过的活动超过往往会超过数几百场次，且全年都有不断的新活动投入运营，活动意外的流量峰值会给应用带来高并发，同时计算资源等基础设施也会面临考验。
目前，对于保险公司，如何做好保险应用的服务治理，如何应对访问流量暴增，如何降低人力运维成本，这些都是目前急需解决的问题。现有的应用的扩缩容处理技术主要是通过将监控数据与监控系统内已经设定的规则进行匹配，然后触发告警，最后由系统进行扩缩容处理或者由运维人员现场进行应用的扩缩容处理。但是，这种扩缩容处理方式存在响应不及时、不精确，运维成本高等问题。
发明内容
本申请实施例的目的在于提出一种应用的扩缩容处理方法、装置、计算机设备及存储介质，以解决现有的扩缩容处理方式存在响应不及时、不精确，运维成本高的技术问题。
为了解决上述技术问题，本申请实施例提供一种应用的扩缩容处理方法，采用了如下所述的技术方案：
获取目标应用程序在启动后的实时监控指标数据；
调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；其中，所述评估结果包括扩容结果或缩容结果；
若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；
从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；
将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；
若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。
进一步的，所述基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量的步骤，具体包括：
调用所述负载平衡数据表；
基于所述负载平衡数据表对所述实时监控指标数据进行查询处理，得到与所述实时监控指标数据匹配的目标监控指标数据；
从所述负载平衡数据表中获取与所述目标监控指标数据对应的数量值，得到所述第一实例数量。
进一步的，所述基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理的步骤，具体包括：
基于所述负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第二实例数量；
从所述预热实例中获取与所述第二实例数量对应的第二目标实例；
在所述注册中心中对所述第二目标实例进行下线处理。
进一步的，在所述调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果的步骤之前，还包括：
获取预先采集的历史指标样本数据；
调用预设的初始学习模型；
使用所述历史指标样本数据对所述初始学习模型进行训练，构建出所述评估模型。
进一步的，在所述从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例的步骤之前，还包括：
获取所述目标应用在初启动的初始实例数；
获取所述目标应用在初启动时的初始监控指标数据；
基于预设的预热实例计算算法对所述初始实例数以及所述监控指标数据进行计算处理，生成对应的指定实例数量；
基于所述指定实例数量创建对应的指定实例；
将所述指定实例作为所述预热实例。
进一步的，在所述将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务的步骤之后，还包括：
调用预设的预热补充算法对所述第一实例数量进行处理，生成对应的补充数量；
启动与所述补充数量对应的第三目标实例；
将所述第三目标实例添加至所述预热实例中。
进一步的，所述应用的扩缩容处理方法，还包括：
判断所述目标程序在预设时长内是否不存在数据请求；
若是，基于预设的下线处理算法确定出下线数量；
从所述预热实例中获取与所述下线数量匹配的第三目标实例；
在所述注册中心中对所述第三目标实例进行下线处理。
为了解决上述技术问题，本申请实施例还提供一种应用的扩缩容处理装置，采用了如下所述的技术方案：
第一获取模块，用于获取目标应用程序在启动后的实时监控指标数据；
第一调用模块，用于调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；其中，所述评估结果包括扩容结果或缩容结果；
第一处理模块，用于若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；
第二获取模块，用于从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；
第二处理模块，用于将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；
第三处理模块，用于若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
获取目标应用程序在启动后的实时监控指标数据；
调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；其中，所述评估结果包括扩容结果或缩容结果；
若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；
从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；
将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；
若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
获取目标应用程序在启动后的实时监控指标数据；
调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；其中，所述评估结果包括扩容结果或缩容结果；
若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；
从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；
将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；
若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例首先获取目标应用程序在启动后的实时监控指标数据；然后调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；之后从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；后续将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；而若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。本申请通过使用评估模型对目标应用程序在启动后的实时监控指标数据进行评估处理以快速生成与扩缩容处理相关的评估结果，并在对所述评估结果进行分析得到扩容结果时，会智能地使用与负载平衡数据表、预热实例以及注册中心相关的扩容策略对目标应用的实例进行扩容处理，以及在得到评估结果为缩容结果时，会智能地使用与负载平衡数据表对应的缩容策略对目标应用的实例进行缩容处理，以实现对于目标应用的自动扩缩容处理，有效降低了对于目标应用的扩缩容处理的工作量，提高了对于目标应用的缩容处理效率，并且避免了扩缩容处理造成的资源浪费现象，缩短访问应用时流量暴增的响应时间，提升应用响应的精确度、降低人力运维成本。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图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是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的应用的扩缩容处理方法的一个实施例的流程图；
图3是根据本申请的应用的扩缩容处理装置的一个实施例的结构示意图；
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的应用的扩缩容处理方法一般由服务器/终端设备执行，相应地，应用的扩缩容处理装置一般设置于服务器/终端设备中。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的应用的扩缩容处理方法的一个实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。本申请实施例提供的应用的扩缩容处理方法能够应用于任意一种需要进行应用扩缩容处理的场景中，则该应用的扩缩容处理方法能够应用于这些场景的产品中，例如，金融保险领域中的金融应用的扩缩容处理。所述的应用的扩缩容处理方法，包括以下步骤：
步骤S201，获取目标应用程序在启动后的实时监控指标数据。
在本实施例中，应用的扩缩容处理方法运行于其上的电子设备(例如图1所示的服务器/终端设备)，可以通过有线连接方式或者无线连接方式获取实时监控指标数据。需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。在金融保险领域的应用场景下，上述目标应用程序可指对应于业务系统的应用程序，业务系统可包括用于处理金融工具、交易、保险、税务、所得税、银行、网银、利息、信贷、抵押、股票、货币、投资、基金、资产组合、养老金、账户等业务数据的业务系统，例如保险系统、银行系统、交易系统、订单系统。其中，上述实时监控指标数据包括目标应用在实时时的应用QPS、应用负载、服务质量指标，可通过电子设备内的监控系统或服务治理平台对实时监控指标数据进行获取。
步骤S202，调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果。
在本实施例中，可通过将实时监控指标数据输入至评估模型内，通过该评估模型对所述实时监控指标数据进行评估处理，从而输出对应的评估结果。其中，所述评估结果包括扩容结果或缩容结果。
步骤S203，若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量。
在本实施例中，上述基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
步骤S204，从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例。
在本实施例中，对于第一目标实例的获取方式不做限定，例如可采用随机选取的方式从所述预热实例中获取与所述第一实例数量对应的第一目标实例。第二目标实例的数量等于该第二实例数量。其中，对于预热实例的创建过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
步骤S205，将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务。
在本实施例中，上述注册中心为用于为实例进行注册的处理中心，经过注册后的实例可以用于后续为应用提供服务。
步骤S206，若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。
在本实施例中，上述基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
本申请首先获取目标应用程序在启动后的实时监控指标数据；然后调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；之后从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；后续将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；而若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。本申请通过使用评估模型对目标应用程序在启动后的实时监控指标数据进行评估处理以快速生成与扩缩容处理相关的评估结果，并在对所述评估结果进行分析得到扩容结果时，会智能地使用与负载平衡数据表、预热实例以及注册中心相关的扩容策略对目标应用的实例进行扩容处理，以及在得到评估结果为缩容结果时，会智能地使用与负载平衡数据表对应的缩容策略对目标应用的实例进行缩容处理，以实现对于目标应用的自动扩缩容处理，有效降低了对于目标应用的扩缩容处理的工作量，提高了对于目标应用的缩容处理效率，并且避免了扩缩容处理造成的资源浪费现象，缩短访问应用时流量暴增的响应时间，提升应用响应的精确度、降低人力运维成本。
在一些可选的实现方式中，步骤S203包括以下步骤：
调用所述负载平衡数据表。
在本实施例中，上述负载平衡数据表为根据预先执行的应用指标的扩缩容处理的实际测试结果构建生成的。负载平衡数据表存储有多个监控指标数据的数值区间，以及与各所述监控指标数据的数值区间一一对应的数量值。
基于所述负载平衡数据表对所述实时监控指标数据进行查询处理，得到与所述实时监控指标数据匹配的目标监控指标数据。
在本实施例中，上述目标监控指标数据是指与所述实时监控指标数据匹配的数值区间，即该目标监控指标数据处于该数值区间内。
从所述负载平衡数据表中获取与所述目标监控指标数据对应的数量值，得到所述第一实例数量。
本申请通过调用所述负载平衡数据表；然后基于所述负载平衡数据表对所述实时监控指标数据进行查询处理，得到与所述实时监控指标数据匹配的目标监控指标数据；后续从所述负载平衡数据表中获取与所述目标监控指标数据对应的数量值，得到所述第一实例数量。本申请基于负载平衡数据表的使用，对所述实时监控指标数据进行匹配处理，可以实现快速地得到用于对目标应用进行扩容的实例的第一实例数量，提高了第一实例数量的获取效率。
在本实施例的一些可选的实现方式中，步骤S206包括以下步骤：
基于所述负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第二实例数量。
在本实施例中，上述负载平衡数据表为根据预先执行的应用指标的扩缩容处理的实际测试结果构建生成的。负载平衡数据表存储有多个监控指标数据的数值区间，以及与各所述监控指标数据的数值区间一一对应的实例数量。
从所述预热实例中获取与所述第二实例数量对应的第二目标实例。
在本实施例中，对于第二目标实例的获取方式不做限定，例如可采用随机选取的方式从所述预热实例中获取与所述第二实例数量对应的第二目标实例。第二目标实例的数量等于该第二实例数量。
在所述注册中心中对所述第二目标实例进行下线处理。
在本实施例中，通过对所述注册中心中的所述第二目标实例进行下线处理，以实现对于目标应用的缩容处理。
本申请通过基于所述负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第二实例数量；然后从所述预热实例中获取与所述第二实例数量对应的第二目标实例；后续在所述注册中心中对所述第二目标实例进行下线处理。本申请在评估出所述评估结果为缩容结果后，会智能地基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理，以实现对于目标应用的自动缩容，有效降低了对于目标应用的缩容处理的工作量，提高了对于目标应用的缩容处理效率，并且避免了扩缩容处理造成的资源浪费现象。
在一些可选的实现方式中，在步骤S202之前，上述电子设备还可以执行以下步骤：
获取预先采集的历史指标样本数据。
在本实施例中，上述历史指标样本数据为预先采集的应用在预设时间周期的指标数据，以及与该指标数据对应的处理评估评估标签。处理评估评估标签包括扩容标签与缩容标签。其中，对于预设时间周期的选取不做具体限定，可根据实际的使用需求进行设置，例如可设为1年之内。
调用预设的初始学习模型。
在本实施例中，对于上述初始学习模型的模型类型不做限定，例如可采用机器学习模型与深度学习模型。其中，机器学习模型可选取卷积神经网络模型、循环神经网络模型等。深度学习模型可选取决策树模型、逻辑回归模型等。
使用所述历史指标样本数据对所述初始学习模型进行训练，构建出所述评估模型。
在本实施例中，可通过使用历史指标样本数据对所述初始学习模型进行迭代训练，以使得初始学习模型能够学习到应用在预设时间周期的指标数据以及与该指标数据对应的处理评估评估标签之间的对应关系，直至初始学习模型符合预设的模型训练次数与模型精度条件，从而得到所需的评估模型。其中，对于上述模型训练次数与模型精度条件的数值不做限定，可根据实际的模型训练需求进行设置。
本申请通过获取预先采集的历史指标样本数据；然后调用预设的初始学习模型；后续使用所述历史指标样本数据对所述初始学习模型进行训练，构建出所述评估模型。本申请通过使用预先采集的历史指标样本数据对初始学习模型进行训练，可以快速地训练生成应用于监控指标数据进行评估处理的评估模型，提高了评估模型的构建效率，有利于后续基于该评估模型的使用来快速准确地生成与实时监控指标数据对应的评估结果。
在一些可选的实现方式中，在步骤S203之前，上述电子设备还可以执行以下步骤：
获取所述目标应用在初启动的初始实例数。
在本实施例中，上述初始实例数是指目标应用在初启动时的POD实例的数量。
获取所述目标应用在初启动时的初始监控指标数据。
在本实施例中，上述初始监控指标数据包括目标应用在初启动时的应用QPS、应用负载、服务质量指标。
基于预设的预热实例计算算法对所述初始实例数以及所述监控指标数据进行计算处理，生成对应的指定实例数量。
在本实施例中，上述预热实例计算算法具体包括： 其中，P指实例数量，x指目标应用在初启动时的POD实例的数量，i表示第i个POD实例，qps代表应用的当前QPS，load表示应用负载，ku3表示服务质量指标。
基于所述指定实例数量创建对应的指定实例。
在本实施例中，可通过使用实例创建方法，创建出与所述指定实例数量相同的指定实例。其中，为经过注册中心的注册处理的实例为处于standby状态。
将所述指定实例作为所述预热实例。
本申请通过获取所述目标应用在初启动的初始实例数；然后获取所述目标应用在初启动时的初始监控指标数据；之后基于预设的预热实例计算算法对所述初始实例数以及所述监控指标数据进行计算处理，生成对应的指定实例数量；后续基于所述指定实例数量创建对应的指定实例，并将所述指定实例作为所述预热实例。本申请基于预热实例计算算法对获取得到的所述初始实例数以及所述监控指标数据进行计算处理，可以实现快速地创建出所需的预热实例，提高了创建的预热实例的准确度。
在本实施例的一些可选的实现方式中，在步骤S205之后，上述电子设备还可以执行以下步骤：
调用预设的预热补充算法对所述第一实例数量进行处理，生成对应的补充数量。
在本实施例中，上述预热补充算法具体包括： 其中，P2指实例数量，x指目标应用在初启动时的POD实例的数量，i表示第i个POD实例，qps代表应用的当前QPS，load表示应用负载，ku3表示服务质量指标,Q指第一实例数量，W指补充数量。
启动与所述补充数量对应的第三目标实例。
在本实施例中，可先创建与所述补充数量对应的第三目标实例并进行启动。
将所述第三目标实例添加至所述预热实例中。
在本实施例中，通过将所述第三目标实例添加至所述预热实例中，以使得预热实例中包含的实例能够满足实际的处理需求，以便后续使用该预热实例能够顺利完成对于应用的扩缩容处理，提高了扩缩容处理流程的顺畅性。
本申请通过调用预设的预热补充算法对所述第一实例数量进行处理，生成对应的补充数量；然后启动与所述补充数量对应的第三目标实例；后续将所述第三目标实例添加至所述预热实例中。本申请基于预热补充算法的使用对所述第一实例数量进行处理以生成补充数量，进而将所述第三目标实例添加至所述预热实例，以实现使预热实例中包含的实例能够满足实际的处理需求，以便后续使用该预热实例能够顺利完成对于应用的扩缩容处理，提高了扩缩容处理流程的顺畅性。
在本实施例的一些可选的实现方式中，上述电子设备还可以执行以下步骤：
判断所述目标程序在预设时长内是否不存在数据请求。
在本实施例中，对于上述预设时长的设置不做限定，可根据实际的使用需求进行设置，例如设置为30分钟。
若是，基于预设的下线处理算法确定出下线数量。
在本实施例中，上述下线处理算法包括： 其中，P3指实例数量，X指目标应用在缩容前的实例数，i表示第i个POD实例，qps代表应用的当前QPS，load表示应用负载，ku3表示服务质量指标,Q指第一实例数量，W指补充数量。
从所述预热实例中获取与所述下线数量匹配的第三目标实例。
在本实施例中，对于第三目标实例的获取方式不做限定，例如可采用随机选取的方式从所述预热实例中获取与所述下线数量匹配的第三目标实例。第三目标实例的数量等于该下线数量。
在所述注册中心中对所述第三目标实例进行下线处理。
在本实施例中，通过对所述注册中心中的所述第三目标实例进行下线处理，以实现对于目标应用的缩容处理。
本申请通过判断所述目标程序在预设时长内是否不存在数据请求；若是，基于预设的下线处理算法确定出下线数量；之后从所述预热实例中获取与所述下线数量匹配的第三目标实例；后续在所述注册中心中对所述第三目标实例进行下线处理。本申请在检测出目标程序在预设时长内不存在数据请求时，会智能地使用下线处理算法确定出下线数量，并在注册中心中对由预热实例中获取的与所述下线数量匹配的第三目标实例进行下线处理，从而可以实现对于预热实例的减少处理，可以减少预热实例的所需资源，提高对于目标应用的扩缩容处理的智能性。
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，而不应对本发明实施例的实施过程构成任何限定。
需要强调的是，为进一步保证上述第一目标实例的私密和安全性，上述第一目标实例还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种应用的扩缩容处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例所述的应用的扩缩容处理装置300包括：第一获取模块301、第一调用模块302、第一处理模块303、第二获取模块304、第二处理模块305以及第三处理模块306。其中：
第一获取模块301，用于获取目标应用程序在启动后的实时监控指标数据；
第一调用模块302，用于调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；其中，所述评估结果包括扩容结果或缩容结果；
第一处理模块303，用于若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；
第二获取模块304，用于从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；
第二处理模块305，用于将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；
第三处理模块306，用于若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的应用的扩缩容处理方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，第一处理模块303包括：
调用子模块，用于调用所述负载平衡数据表；
查询子模块，用于基于所述负载平衡数据表对所述实时监控指标数据进行查询处理，得到与所述实时监控指标数据匹配的目标监控指标数据；
第一获取子模块，用于从所述负载平衡数据表中获取与所述目标监控指标数据对应的数量值，得到所述第一实例数量。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的应用的扩缩容处理方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中,第三处理模块306包括：
匹配子模块，用于基于所述负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第二实例数量；
第二获取子模块，用于从所述预热实例中获取与所述第二实例数量对应的第二目标实例；
处理子模块，用于在所述注册中心中对所述第二目标实例进行下线处理。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的应用的扩缩容处理方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，应用的扩缩容处理装置还包括：
第三获取模块，用于获取预先采集的历史指标样本数据；
第一调用模块，用于调用预设的初始学习模型；
训练模块，用于使用所述历史指标样本数据对所述初始学习模型进行训练，构建出所述评估模型。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的应用的扩缩容处理方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，应用的扩缩容处理装置还包括：
第四获取模块，用于获取所述目标应用在初启动的初始实例数；
第五获取模块，用于获取所述目标应用在初启动时的初始监控指标数据；
生成模块，用于基于预设的预热实例计算算法对所述初始实例数以及所述监控指标数据进行计算处理，生成对应的指定实例数量；
创建模块，用于基于所述指定实例数量创建对应的指定实例；
第一确定模块，用于将所述指定实例作为所述预热实例。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的应用的扩缩容处理方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，应用的扩缩容处理装置还包括：
第二调用模块，用于调用预设的预热补充算法对所述第一实例数量进行处理，生成对应的补充数量；
启动模块，用于启动与所述补充数量对应的第三目标实例；
添加模块，用于将所述第三目标实例添加至所述预热实例中。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的应用的扩缩容处理方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，应用的扩缩容处理装置还包括：
判断模块，用于判断所述目标程序在预设时长内是否不存在数据请求；
第二确定模块，用于若是，基于预设的下线处理算法确定出下线数量；
第六获取模块，用于从所述预热实例中获取与所述下线数量匹配的第三目标实例；
第四处理模块，用于在所述注册中心中对所述第三目标实例进行下线处理。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的应用的扩缩容处理方法的步骤一一对应，在此不再赘述。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如应用的扩缩容处理方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述应用的扩缩容处理方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例中，首先获取目标应用程序在启动后的实时监控指标数据；然后调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；之后从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；后续将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；而若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。本申请通过使用评估模型对目标应用程序在启动后的实时监控指标数据进行评估处理以快速生成与扩缩容处理相关的评估结果，并在对所述评估结果进行分析得到扩容结果时，会智能地使用与负载平衡数据表、预热实例以及注册中心相关的扩容策略对目标应用的实例进行扩容处理，以及在得到评估结果为缩容结果时，会智能地使用与负载平衡数据表对应的缩容策略对目标应用的实例进行缩容处理，以实现对于目标应用的自动扩缩容处理，有效降低了对于目标应用的扩缩容处理的工作量，提高了对于目标应用的缩容处理效率，并且避免了扩缩容处理造成的资源浪费现象，缩短访问应用时流量暴增的响应时间，提升应用响应的精确度、降低人力运维成本。
本申请还提供了另一种实施方式，即提供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可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的应用的扩缩容处理方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例中，首先获取目标应用程序在启动后的实时监控指标数据；然后调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；之后从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；后续将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；而若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。本申请通过使用评估模型对目标应用程序在启动后的实时监控指标数据进行评估处理以快速生成与扩缩容处理相关的评估结果，并在对所述评估结果进行分析得到扩容结果时，会智能地使用与负载平衡数据表、预热实例以及注册中心相关的扩容策略对目标应用的实例进行扩容处理，以及在得到评估结果为缩容结果时，会智能地使用与负载平衡数据表对应的缩容策略对目标应用的实例进行缩容处理，以实现对于目标应用的自动扩缩容处理，有效降低了对于目标应用的扩缩容处理的工作量，提高了对于目标应用的缩容处理效率，并且避免了扩缩容处理造成的资源浪费现象，缩短访问应用时流量暴增的响应时间，提升应用响应的精确度、降低人力运维成本。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种应用的扩缩容处理方法，其特征在于，包括下述步骤：
获取目标应用程序在启动后的实时监控指标数据；
调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；其中，所述评估结果包括扩容结果或缩容结果；
若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；
从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；
将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；
若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。
2.根据权利要求1所述的应用的扩缩容处理方法，其特征在于，所述基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量的步骤，具体包括：
调用所述负载平衡数据表；
基于所述负载平衡数据表对所述实时监控指标数据进行查询处理，得到与所述实时监控指标数据匹配的目标监控指标数据；
从所述负载平衡数据表中获取与所述目标监控指标数据对应的数量值，得到所述第一实例数量。
3.根据权利要求1所述的应用的扩缩容处理方法，其特征在于，所述基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理的步骤，具体包括：
基于所述负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第二实例数量；
从所述预热实例中获取与所述第二实例数量对应的第二目标实例；
在所述注册中心中对所述第二目标实例进行下线处理。
4.根据权利要求1所述的应用的扩缩容处理方法，其特征在于，在所述调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果的步骤之前，还包括：
获取预先采集的历史指标样本数据；
调用预设的初始学习模型；
使用所述历史指标样本数据对所述初始学习模型进行训练，构建出所述评估模型。
5.根据权利要求1所述的应用的扩缩容处理方法，其特征在于，在所述从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例的步骤之前，还包括：
获取所述目标应用在初启动的初始实例数；
获取所述目标应用在初启动时的初始监控指标数据；
基于预设的预热实例计算算法对所述初始实例数以及所述监控指标数据进行计算处理，生成对应的指定实例数量；
基于所述指定实例数量创建对应的指定实例；
将所述指定实例作为所述预热实例。
6.根据权利要求1所述的应用的扩缩容处理方法，其特征在于，在所述将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务的步骤之后，还包括：
调用预设的预热补充算法对所述第一实例数量进行处理，生成对应的补充数量；
启动与所述补充数量对应的第三目标实例；
将所述第三目标实例添加至所述预热实例中。
7.根据权利要求1所述的应用的扩缩容处理方法，其特征在于，所述应用的扩缩容处理方法，还包括：
判断所述目标程序在预设时长内是否不存在数据请求；
若是，基于预设的下线处理算法确定出下线数量；
从所述预热实例中获取与所述下线数量匹配的第三目标实例；
在所述注册中心中对所述第三目标实例进行下线处理。
8.一种应用的扩缩容处理装置，其特征在于，包括：
第一获取模块，用于获取目标应用程序在启动后的实时监控指标数据；
第一调用模块，用于调用预设的评估模型对所述实时监控指标数据进行评估处理，得到对应的评估结果；其中，所述评估结果包括扩容结果或缩容结果；
第一处理模块，用于若所述评估结果为扩容结果，基于预设的负载平衡数据表对所述实时监控指标数据进行匹配处理得到对应的第一实例数量；
第二获取模块，用于从预创建的预热实例中获取与所述第一实例数量匹配的第一目标实例；
第二处理模块，用于将所述第一目标实例注册至预设的注册中心内，以使用所述目标实例为所述目标应用程序提供服务；
第三处理模块，用于若所述评估结果为缩容结果，基于所述负载平衡数据表，使用预设的缩容策略对所述目标应用的实例进行缩容处理。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的应用的扩缩容处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的应用的扩缩容处理方法的步骤。
CN202311058409.4A 2023-08-21 2023-08-21 应用的扩缩容处理方法、装置、计算机设备及存储介质 Pending CN117076243A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311058409.4A CN117076243A (zh) 2023-08-21 2023-08-21 应用的扩缩容处理方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311058409.4A CN117076243A (zh) 2023-08-21 2023-08-21 应用的扩缩容处理方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN117076243A true CN117076243A (zh) 2023-11-17

Family

ID=88701869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311058409.4A Pending CN117076243A (zh) 2023-08-21 2023-08-21 应用的扩缩容处理方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN117076243A (zh)

Similar Documents

Publication Publication Date Title
CN112395390B (zh) 意图识别模型的训练语料生成方法及其相关设备
CN115936895A (zh) 基于人工智能的风险评估方法、装置、设备及存储介质
CN117094729A (zh) 请求处理方法、装置、计算机设备及存储介质
CN116956326A (zh) 权限数据的处理方法、装置、计算机设备及存储介质
CN117057935A (zh) 基于领域设计的数据处理方法、装置、设备及其存储介质
CN116681045A (zh) 报表生成方法、装置、计算机设备及存储介质
CN117076243A (zh) 应用的扩缩容处理方法、装置、计算机设备及存储介质
CN118227491A (zh) 测试用例的生成方法、装置、计算机设备及存储介质
CN116757851A (zh) 基于人工智能的数据配置方法、装置、设备及存储介质
CN117076775A (zh) 资讯数据的处理方法、装置、计算机设备及存储介质
CN117853241A (zh) 一种风险服务商识别方法、装置、设备及其存储介质
CN117395310A (zh) 任务处理方法、装置、计算机设备及存储介质
CN117422523A (zh) 产品上线方法、装置、计算机设备及存储介质
CN116795632A (zh) 任务处理方法、装置、计算机设备及存储介质
CN117934173A (zh) 风险分析方法、装置、计算机设备及存储介质
CN117390119A (zh) 任务处理方法、装置、计算机设备及存储介质
CN117235260A (zh) 基于人工智能的文本标注方法、装置、设备及存储介质
CN117217684A (zh) 指标数据的处理方法、装置、计算机设备及存储介质
CN116737437A (zh) 数据分析方法、装置、计算机设备及存储介质
CN118037455A (zh) 一种金融数据预测方法、装置、设备及其存储介质
CN117034114A (zh) 基于人工智能的数据预测方法、装置、设备及存储介质
CN117874137A (zh) 数据处理方法、装置、计算机设备及存储介质
CN117273958A (zh) 基于规则引擎的核保数据处理方法、装置、设备及介质
CN116824600A (zh) 一种公司印章识别方法及其相关设备
CN117076781A (zh) 保单数据的处理方法、装置、计算机设备及存储介质

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