CN117762639A - 资源调度方法、装置、电子设备及存储介质 - Google Patents
资源调度方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117762639A CN117762639A CN202311842866.2A CN202311842866A CN117762639A CN 117762639 A CN117762639 A CN 117762639A CN 202311842866 A CN202311842866 A CN 202311842866A CN 117762639 A CN117762639 A CN 117762639A
- Authority
- CN
- China
- Prior art keywords
- interface
- determining
- flow
- level
- event
- 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
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000006870 function Effects 0.000 claims description 102
- 230000015556 catabolic process Effects 0.000 claims description 71
- 238000006731 degradation reaction Methods 0.000 claims description 71
- 230000000875 corresponding effect Effects 0.000 claims description 70
- 230000015654 memory Effects 0.000 claims description 36
- 230000002596 correlated effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000593 degrading effect Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 description 28
- 230000000737 periodic effect Effects 0.000 description 26
- 230000008859 change Effects 0.000 description 7
- 238000009499 grossing Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 230000001737 promoting effect Effects 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000001932 seasonal effect Effects 0.000 description 5
- 238000010200 validation analysis Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请实施例涉及一种资源调度方法、装置、电子设备及存储介质，上述方法包括：接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能；将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息；确定至少一个所述接口在未来时段的目标流量；基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息；基于所述判别信息进行资源调度。由此，可以基于访问请求的归属地域和接口的重要程度中的至少一者，以及接口在未来时段的流量，进行资源调度，这样，可以通过提前预测接口的流量实现更为及时的资源调度。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种资源调度方法、装置、电子设备及存储介质。
背景技术
目前数字媒体平台在高负载情况下通常需要优化资源调度策略。例如，可以通过服务降级等方式来优化资源调度策略。实践中，常用的服务降级主要依赖于简单的静态规则或手动干预。然而，上述资源调度方式的及时性不足。
可见，如何提高资源调度的及时性，是一个值得关注的技术问题。
发明内容
鉴于此，为解决上述部分或全部技术问题，本申请实施例提供一种资源调度方法、装置、电子设备及存储介质。
第一方面，本申请实施例提供一种资源调度方法，所述方法包括：
接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能；
将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息；
确定至少一个所述接口在未来时段的目标流量；
基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息；
基于所述判别信息进行资源调度。
在一个可能的实施方式中，所述基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，包括：
确定所述参照信息的级别，得到目标级别；
基于所述目标流量和所述目标级别，确定是否对至少一个所述接口提供的功能进行降级。
在一个可能的实施方式中，在所述参照信息包括所述归属地域的情况下，所述确定所述参照信息的级别，得到目标级别，包括：
确定所述归属地域的级别，得到目标级别；以及
所述归属地域的级别采用如下方式确定：
基于分别发送自预设地域集合中的各个所述预设地域的访问请求，确定各个所述预设地域分别对应的历史流量；
基于各个所述预设地域分别对应的历史流量，确定各个所述预设地域分别对应的级别，其中，预设地域对应的级别与历史流量呈正相关；
将所确定的各个级别中所述归属地域对应的级别，确定为目标级别。
在一个可能的实施方式中，在所述参照信息包括至少一个所述接口的重要程度的情况下，所述确定所述参照信息的级别，得到目标级别，包括：
针对至少一个所述接口中的每个接口，确定该接口的重要程度，基于该接口的重要程度，确定该接口的级别，得到该接口的目标级别。
在一个可能的实施方式中，接口的目标级别采用如下方式确定：
针对至少一个所述接口中的每个接口，确定该接口的访问请求；
基于至少一个所述接口的访问请求，确定至少一个所述接口分别对应的历史流量；
基于至少一个所述接口分别对应的历史流量，确定至少一个所述接口的级别，得到接口的目标级别，其中，接口的目标级别与历史流量呈正相关。
在一个可能的实施方式中，至少一个所述接口的重要程度基于所述访问请求确定。
在一个可能的实施方式中，所述基于所述判别信息进行资源调度，包括：
在所述判别信息表示对至少一个所述接口提供的功能进行降级的情况下，确定至少一个所述接口提供的功能的降级策略；
按照所述降级策略对至少一个所述接口提供的功能进行降级，以进行资源调度。
第二方面，本申请实施例提供一种资源调度装置，所述装置包括：
接收单元，用于接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能；
第一确定单元，用于将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息；
第二确定单元，用于确定至少一个所述接口在未来时段的目标流量；
第三确定单元，用于基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息；
调度单元，用于基于所述判别信息进行资源调度。
在一个可能的实施方式中，所述基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，包括：
确定所述参照信息的级别，得到目标级别；
基于所述目标流量和所述目标级别，确定是否对至少一个所述接口提供的功能进行降级。
在一个可能的实施方式中，在所述参照信息包括所述归属地域的情况下，所述确定所述参照信息的级别，得到目标级别，包括：
确定所述归属地域的级别，得到目标级别；以及
所述归属地域的级别采用如下方式确定：
基于分别发送自预设地域集合中的各个所述预设地域的访问请求，确定各个所述预设地域分别对应的历史流量；
基于各个所述预设地域分别对应的历史流量，确定各个所述预设地域分别对应的级别，其中，预设地域对应的级别与历史流量呈正相关；
将所确定的各个级别中所述归属地域对应的级别，确定为目标级别。
在一个可能的实施方式中，在所述参照信息包括至少一个所述接口的重要程度的情况下，所述确定所述参照信息的级别，得到目标级别，包括：
针对至少一个所述接口中的每个接口，确定该接口的重要程度，基于该接口的重要程度，确定该接口的级别，得到该接口的目标级别。
在一个可能的实施方式中，接口的目标级别采用如下方式确定：
针对至少一个所述接口中的每个接口，确定该接口的访问请求；
基于至少一个所述接口的访问请求，确定至少一个所述接口分别对应的历史流量；
基于至少一个所述接口分别对应的历史流量，确定至少一个所述接口的级别，得到接口的目标级别，其中，接口的目标级别与历史流量呈正相关。
在一个可能的实施方式中，至少一个所述接口的重要程度基于所述访问请求确定。
在一个可能的实施方式中，所述基于所述判别信息进行资源调度，包括：
在所述判别信息表示对至少一个所述接口提供的功能进行降级的情况下，确定至少一个所述接口提供的功能的降级策略；
按照所述降级策略对至少一个所述接口提供的功能进行降级，以进行资源调度。
第三方面，本申请实施例提供一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本申请上述第一方面的资源调度方法中任一实施例的方法。
第四方面，本申请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，所述计算机程序被处理器执行时，实现如上述第一方面的资源调度方法中任一实施例的方法。
第五方面，本申请实施例提供一种计算机程序，所述计算机程序包括计算机可读代码，当所述计算机可读代码在设备上运行时，使得该设备中的处理器实现如上述第一方面的资源调度方法中任一实施例的方法。
本申请实施例提供的资源调度方法，可以接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能，之后，将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息，然后，确定至少一个所述接口在未来时段的目标流量，之后，基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息，随后，基于所述判别信息进行资源调度。由此，可以基于访问请求的归属地域和接口的重要程度中的至少一者，以及接口在未来时段的流量，进行资源调度，这样，可以通过提前预测接口的流量实现更为及时的资源调度。
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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明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。
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1为本申请实施例提供的一种资源调度方法的流程示意图；
图2为本申请实施例提供的另一种资源调度方法的流程示意图；
图3为本申请实施例提供的又一种资源调度方法的流程示意图；
图4为本申请实施例提供的一种资源调度装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值并不限制本申请的范围。
本领域技术人员可以理解，本申请实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等对象，既不代表任何特定技术含义，也不表示它们之间的逻辑顺序。
还应理解，在本实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本申请实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本申请中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本申请对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，上述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。为便于对本申请实施例的理解，下面将参考附图并结合实施例来详细说明本申请。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做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。
为了解决现有技术中如何提高资源调度的及时性的技术问题，本申请提供了一种资源调度方法，可以提高资源调度的及时性。
图1为本申请实施例提供的一种资源调度方法的流程示意图。本方法可以应用于智能手机、笔记本电脑、台式电脑、便携式计算机、服务器等一个或多个电子设备上。此外，本方法的执行主体可以是硬件，也可以是软件。当上述执行主体为硬件时，该执行主体可以为上述电子设备中的一个或多个。例如，单个电子设备可以执行本方法，或者，多个电子设备可以彼此配合来执行本方法。当上述执行主体为软件时，本方法可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不作具体限定。
如图1所示，该方法具体包括：
步骤101，接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能。
在本实施例中，访问请求可以经由客户端向服务端发送。上述服务端可以用于实现本资源调度方法。由此，本资源调度方法的执行主体可以接收到上述客户端发送的访问请求。
其中，上述访问请求可以用于实现上述客户端的登录、页面切换、搜索、页面加载等功能。每个功能可以通过一个或多个接口来实现。
步骤102，将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息。
在本实施例中，在接收到访问请求之后，上述执行主体可以进一步确定该访问请求的归属地域。例如，可以通过访问请求中的IP(Internet Protocol，网际互连协议)地址，来确定该访问请求的归属地域。
这里，参照信息可以包括访问请求的归属地域，也可以包括至少一个所述接口的重要程度，还可以包括访问请求的归属地域和至少一个所述接口的重要程度。
此外，每个接口可以对应一个重要程度。重要程度可以经由开发人员设定，也可以基于接口的历史流量确定。
在本实施例的一些可选的实现方式中，至少一个所述接口的重要程度基于所述访问请求确定。
例如，接口的重要程度，可以与接口与访问请求的关联程度呈正相关。
举例而言，如果访问请求用于进行播放视频。那么，如果接口1用于加载视频，接口2用于评论视频，那么，由于评论视频与播放视频之间的相关程度，小于加载视频与播放视频之间的相关程度，因而，可以确定接口1的重要程度小于接口2的重要程度。
可以理解，上述可选的实现方式中，可以针对不同的访问请求确定出相同接口的不同重要程度。由此，可以根据不同的访问请求采用不同的方式进行资源调度，这样，可以使得所采用的资源调度方式与访问请求更为匹配。
步骤103，确定至少一个所述接口在未来时段的目标流量。
在本实施例中，未来时段可以是起始时刻在当前时刻(例如执行步骤103的时刻)之后的一个时间端。
每个接口可以在未来时段对应一个目标流量。
目标流量可以是所预测获得的、接口在未来时段的流量。
实践中，可以采用多种方式，来确定每个接口在目标时刻的流量。
作为示例，可以将每个接口作为目标接口，从而可以采用如下方式实现上述步骤103：
第一步，获取用于预测预设接口的目标流量的流量数据序列和事件数据序列。
其中，所述流量数据序列中的流量数据包括历史流量和历史流量对应的时间信息，所述事件数据序列中的事件数据包括事件描述信息和事件描述信息表示的事件的发生时间。
预设接口例如可以是某一特定剧集(例如视频)的访问接口。再例如，预设接口也可以是用于提供剧集的平台的访问接口。
流量(包括目标流量、第一流量、第二流量)，可以指对上述预设接口的访问次数。
目标流量，可以是待预测的所述预设接口的流量。
所述流量数据序列中的流量数据包括历史流量和历史流量对应的时间信息。流量数据序列中的流量数据可以按照其中包含的时间信息表示的时间的先后顺序排列。
例如，上述流量数据序列可以是如下序列：流量数据1、流量数据2、流量数据3。其中，流量数据1包括：时间1和在时间1时预设接口的流量1；流量数据2包括：时间2和在时间2时预设接口的流量2；流量数据3包括：时间3和在时间3时预设接口的流量3。
其中，历史流量，可以是实际流量也可以是采用各种流量预测方法(例如本申请所描述的流量预测方法)预测获得的流量。
所述事件数据序列中的事件数据包括事件描述信息和事件描述信息表示的事件的发生时间。事件数据序列中的事件数据可以按照其中包含的发生时间的先后顺序排列。
例如，上述事件数据序列可以是如下序列：事件数据1、事件数据2、事件数据3。其中，事件数据1包括：事件描述信息1和事件描述信息1表示的事件的发生时间1；事件数据2包括：事件描述信息2和事件描述信息2表示的事件的发生时间2；事件数据3包括：事件描述信息3和事件描述信息3表示的事件的发生时间3。
其中，事件描述信息可以是任何与事件相关的描述信息。例如，事件描述信息可以包括事件的以下至少一项描述信息：事件类型、事件人物、事件发生地点。
第二步，基于所述流量数据序列，确定所述预设接口的第一流量。
第一流量，可以是基于所述流量数据序列预测的、预设接口在待预测的时间点的流量。
这里，可以采用多种方式，来实现上述第二步。
作为示例，可以采用朴素预测法(Naive Forecast)、简单平均法(SimpleAverage)、移动平均法(Moving Average)、加权移动平均(Weighted Moving Average)、简单指数平滑法(Simple Exponential Smoothing)、自回归模型(Autoregression，AR)、移动平均模型(Moving average，MA)中的至少一者，来基于所述流量数据序列，确定所述预设接口的第一流量。
第三步，基于所述事件数据序列，确定所述预设接口的第二流量。
第二流量，可以是基于所述事件数据序列预测的、预设接口在上述待预测的时间点的流量。
这里，可以采用多种方式，来执行上述第三步。
作为示例，可以通过机器学习模型、深度学习模型，来基于所述事件数据序列，确定所述预设接口的第二流量。
作为示例，将所述事件数据序列输入至预先确定的事件回归模型，得到所述预设接口的第二流量。
其中，所述事件回归模型表征事件数据序列和第二流量之间的对应关系。
可以理解，上述可选的实现方式中，可以采用事件回归模型，来预测预设接口的第二流量，由此可以更准确地预测预设接口的第二流量。
第四步，基于所述第一流量和所述第二流量，确定所述预设接口的所述目标流量。
这里，可以采用多种方式，来实现上述第四步。
作为示例，可以计算第一流量和第二流量的加权求和的结果，从而获得预设接口的所述目标流量。
可选的，第一流量和第二流量的权重之和可以为1。
作为又一示例，还可以首先确定基于历史时间获得的第一流量和第二流量确定的历史时间的目标流量(以下称为预测流量)，之后比对分析该预测流量和该历史时间的实际流量之间的差异。并基于该差异来确定所述预设接口在待预测时间点的所述目标流量。
可以理解，结合流量数据序列和事件数据序列，来预测预设接口的目标流量，这样可以提高流量预测的准确度。
可选地，可以采用如下方式，基于所述流量数据序列，确定所述预设接口的第一流量：
第一步，确定所述预设接口的流量的周期波动信息。
其中，上述周期波动信息可以表示上述预设接口的流量周期性波动的情况。例如，周期波动信息可以包括预设接口的流量的单个周期的持续时长。例如，如果上述预设接口的流量以N天为单位成周期变化，那么，上述周期波动信息可以包括N。例如N可以是7。
第二步，基于所述流量数据序列和所述周期波动信息，确定所述预设接口的第一流量。
这里，可以采用多种方式，来执行上述第二步。
作为示例，可以首先通过周期波动信息，来确定流量数据序列中的各个流量(也即历史流量)的变化趋势，之后，根据该变化趋势，确定预设接口在待预测的时间点的流量，也即第一流量。
此外，还可以采用其他方式来实现上述第二步，具体请参见后文描述，在此暂不赘述。
可以理解，基于流量数据序列和预设接口的流量的周期波动信息，来确定所述预设接口的第一流量，这样，可以通过更准确地判断预设接口的流量的周期性变化趋势，实现更准确的流量预测。
可选地，可以采用如下方式，基于所述流量数据序列，确定所述预设接口的第一流量：
第一步，确定所述流量数据序列包括的时间信息对应的时间范围。
其中，上述时间范围可以是包含所述流量数据序列中的各个时间信息表示的时间的时间段。
第二步，确定所述时间范围内是否发生第一事件，得到判别信息。
其中，第一事件，可以是预设类型的事件。例如，第一事件可以包括但不限于：新内容发布事件、活动举办事件、促销活动事件、社交媒体活动事件、发布计划事件。
其中，新闻发布事件可以包括但不限于：发布新的文章、视频、音频或其他类型的内容，以及其他可能会吸引用户访问并增加流量的事件；发生与数字媒体平台相关的重要新闻事件，以及其他可能会引发用户关注和流量增加的事件、合作推广事件、产品更新事件、重要事件纪念日事件、用户互动活动事件。
活动举办事件可以包括但不限于：举办在线活动、直播、网络研讨会、问答环节等活动，以及其他会在活动期间增加用户访问的事件。
促销活动事件可以包括但不限于：推出特别促销、折扣、限时优惠等活动，以及其他可能会吸引用户购买和浏览相关产品的事件。
社交媒体活动事件可以包括但不限于：社交媒体平台上举行活动、发起话题讨论、分享链接，以及其他可能会引导用户访问的事件。
发布计划事件可以包括但不限于：在特定时间段内进行内容发布。如节假日、特定主题活动等，以及其他可能会引起用户的兴趣的事件。
合作推广事件可以包括但不限于：与其他平台、媒体、个人或机构合作推广，以及其他可能会带来额外的访问流量的事件。
产品更新事件可以包括但不限于：推出新功能、新版本或产品更新，以及其他可能会吸引用户了解和使用的事件。
重要事件纪念日事件可以包括但不限于：庆祝特定的纪念日、周年纪念日，以及其他可能会吸引用户参与和浏览的事件。
用户互动活动事件可以包括但不限于：举办投票、问卷调查、抽奖等用户参与的活动，以及其他可能会增加用户的互动和流量的事件。
第三步，基于所述判别信息和所述流量数据序列，确定所述预设接口的第一流量。
这里，可以采用多种方式，来执行上述第三步。
作为示例，可以首先通过判别信息，来确定所述时间范围内是否发生第一事件，若发生了第一事件，则可以通过该第一事件对预设接口的流量的影响程度，确定所述预设接口的第一流量；若未发生第一事件，则可以直接基于流量数据序列，确定所述预设接口的第一流量。
此外，还可以采用其他方式来实现上述第三步，具体请参见后文描述，在此暂不赘述。
可以理解，基于所述判别信息和所述流量数据序列，确定所述预设接口的第一流量，可以结合特定事件和流量的周期变化趋势，来确定预设接口的第一流量，由此可以提高第一流量预测的准确度。
可选地，可以采用如下方式，基于所述流量数据序列，确定所述预设接口的第一流量：
步骤一，确定所述流量数据序列包括的时间信息对应的时间范围。
其中，上述时间范围可以是包含所述流量数据序列中的各个时间信息表示的时间的时间段。
步骤二，确定所述时间范围内发生的第二事件的受关注程度。
其中，第二事件，可以是预设类型的事件。例如，第二事件可以包括但不限于：新内容发布事件、活动举办事件、促销活动事件、社交媒体活动事件、发布计划事件。
其中，新闻发布事件可以包括但不限于：发布新的文章、视频、音频或其他类型的内容，以及其他可能会吸引用户访问并增加流量的事件；发生与数字媒体平台相关的重要新闻事件，以及其他可能会引发用户关注和流量增加的事件、合作推广事件、产品更新事件、重要事件纪念日事件、用户互动活动事件。
活动举办事件可以包括但不限于：举办在线活动、直播、网络研讨会、问答环节等活动，以及其他会在活动期间增加用户访问的事件。
促销活动事件可以包括但不限于：推出特别促销、折扣、限时优惠等活动，以及其他可能会吸引用户购买和浏览相关产品的事件。
社交媒体活动事件可以包括但不限于：社交媒体平台上举行活动、发起话题讨论、分享链接，以及其他可能会引导用户访问的事件。
发布计划事件可以包括但不限于：在特定时间段内进行内容发布。如节假日、特定主题活动等，以及其他可能会引起用户的兴趣的事件。
合作推广事件可以包括但不限于：与其他平台、媒体、个人或机构合作推广，以及其他可能会带来额外的访问流量的事件。
产品更新事件可以包括但不限于：推出新功能、新版本或产品更新，以及其他可能会吸引用户了解和使用的事件。
重要事件纪念日事件可以包括但不限于：庆祝特定的纪念日、周年纪念日，以及其他可能会吸引用户参与和浏览的事件。
用户互动活动事件可以包括但不限于：举办投票、问卷调查、抽奖等用户参与的活动，以及其他可能会增加用户的互动和流量的事件。
第二事件可以与第一事件表示相同或不同的事件。
受关注程度，可以表示第二事件受到公众的关注程度。受关注程度可以采用高、中、低等多个等级来衡量，或者，受关注程度也可以采用热度值来衡量。
步骤三，基于所述受关注程度和所述流量数据序列，确定所述预设接口的第一流量。
这里，可以采用多种方式，来执行上述步骤三。
作为示例，可以首先通过受关注程度，来确定所述时间范围内发生的第二事件对预设接口的流量的影响程度，之后基于该影响程度，来确定所述预设接口的第一流量。
此外，还可以采用其他方式来实现上述步骤三，具体请参见后文描述，在此暂不赘述。
可以理解，可以结合特定事件的受关注程度和流量的周期变化趋势，来确定预设接口的第一流量，由此可以提高第一流量预测的准确度。
可选地，可以采用如下方式，基于所述流量数据序列，确定所述预设接口的第一流量：将所述流量数据序列输入至预先确定的时间序列预测模型，得到所述预设接口的第一流量。
其中，所述时间序列预测模型表征流量数据序列和第一流量之间的对应关系。
其中，上述时间序列预测模型可以是以下一种或多种模型的组合：朴素预测法、简单平均法、移动平均法、加权移动平均、简单指数平滑法、自回归模型。、移动平均模型。
可选的，上述时间序列预测模型还可以是在上述列举的一种或多种模型的基础上，进行调整而获得的新模型。
可以理解，通过时间序列预测模型，来预测预设接口的第一流量，由此可以更准确地预测预设接口的第一流量。
可选地，在所述第一流量经由时间序列预测模型确定，并且，所述第二流量经由事件回归模型确定的情况下，可以采用如下方式，基于所述第一流量和所述第二流量，确定所述预设接口的所述目标流量：
在所述第一流量经由时间序列预测模型确定，并且，所述第二流量经由事件回归模型确定的情况下，可以采用如下方式，来基于所述第一流量和所述第二流量，确定所述预设接口的所述目标流量：
第一步，计算第一权重和所述第一流量的乘积，得到第一乘积。
其中，第一乘积可以是第一权重和所述第一流量的乘积。
第二步，计算第二权重和所述第二流量的乘积，得到第二乘积。
其中，第二乘积可以是第二权重和所述第二流量的乘积。
第三步，将所述第一乘积和所述第二乘积的和，确定为所述预设接口的所述目标流量。
其中，所述第一权重基于所述时间序列预测模型的均方误差确定。所述第二权重基于所述事件回归模型的均方误差确定。
作为示例，可以首先针对时间序列预测模型和事件回归模型，分别在验证集或交叉验证中计算它们的均方误差(mean-square error，MSE)。之后，根据MSE的大小，分配较小MSE的模型更大的权重。例如，将权重设置为MSE的倒数之间的比例。较小MSE对应的权重较大。示例如下：假设时间序列预测模型和事件回归模型分别在验证集上的均方误差(MSE)为：0.01和0.02。之后计算两个MSE的倒数：100、50。随后，将这些权重进行标准化，使得它们之和等于1。由此可得第一权重：100/(100+50)≈0.67；第二权重：50/(100+50)≈0.33。
可以理解，基于时间序列预测模型的均方误差确定第一权重，并基于所述事件回归模型的均方误差确定第二权重，由于可以结合两模型的流量预测准确度情况，实现更为准确的预设接口的目标流量预测。
可选地，可以采用如下方式，基于所述流量数据序列，确定所述预设接口的第一流量：将所述流量数据序列输入至预先确定的时间序列预测模型，得到所述预设接口的第一流量。
其中，所述时间序列预测模型表征流量数据序列和第一流量之间的对应关系。
其中，所述时间序列预测模型表征流量数据序列和第一流量之间的对应关系。
上述时间序列预测模型可以是以下一种或多种模型的组合：朴素预测法、简单平均法、移动平均法、加权移动平均、简单指数平滑法、自回归模型。、移动平均模型。
可选的，上述时间序列预测模型还可以是在上述列举的一种或多种模型的基础上，进行调整而获得的新模型。
可选地，可以采用如下方式，基于所述事件数据序列，确定所述预设接口的第二流量，包括：
将所述事件数据序列输入至预先确定的事件回归模型，得到所述预设接口的第二流量，其中，所述事件回归模型表征事件数据序列和第二流量之间的对应关系。
可以理解，结合时间序列预测模型和事件回归模型，来预测预设接口的目标流量。现有方案中，通常认为时间序列预测模型和事件回归模型为两个独立模型，无法同时应用于同一接口的流量预测。而本方法则可以融合二者各自的优势，提高接口流量的预测准确度。
步骤104，基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息。
在本实施例中，判别信息可以表示是否对至少一个所述接口提供的功能进行降级。例如判别信息可以包括：对接口1提供的功能进行降级、无需对接口2提供的功能进行降级等。
此处，作为示例，每个地域(包括上述归属地域)可以对应一个第一权值。其中，第一权值可以与该地域的历史实际流量呈正相关。此外，可以预先划分多个重要程度区间，每个重要程度区间对应一个第二权值，第二权值可以与重要程度区间中的重要程度呈正相关。
在此基础上，在参照信息包括访问请求的归属地域和至少一个所述接口的重要程度的情况下，可以采用如下方式执行上述步骤104：
第一步，确定所述归属地域是否为第一类型的地域，其中，第一类型的地域对应的第一权值大于或等于第一阈值。
第二步，在所述归属地域为所述第一类型的地域的情况下，确定判别信息表示不对至少一个所述接口中的任一接口提供的功能进行降级；在所述归属地域并非所述第一类型的地域的情况下，确定所述归属地域是否为第二类型的地域，其中，第二类型的地域对应的第一权值大于或等于第二阈值。所述第一阈值大于所述第二阈值。
第三步，在所述归属地域为所述第二类型的地域的情况下，从至少一个所述接口中确定目标数量个接口，其中，所述目标数量与所述归属地域的平均历史实际流量呈负相关，以及确定判别信息表示对所述目标数量个接口提供的功能进行降级。在所述归属地域并非所述第二类型的地域的情况下，确定判别信息表示对至少一个所述接口中的各个接口提供的功能进行降级。
此外，还可以采用其他方式实现上述步骤104，具体请参见后文描述，在此暂不赘述。
步骤105，基于所述判别信息进行资源调度。
在本实施例中，在判别信息表示对接口提供的功能进行降级的情下，可以采用降级后的方式进行资源调度，例如，可以基于上述未来时段的起始时刻、上述未来时段的起始时刻之前的预设时长表示的时刻、当前时刻中的至少一者，确定资源调度的起始时刻，并在该起始时刻采用降级后的方式进行资源调度。在判别信息表示无需对接口提供的功能进行降级的情下，可以采用当前方式进行资源调度。
本申请实施例提供的资源调度方法，可以接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能，之后，将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息，然后，确定至少一个所述接口在未来时段的目标流量，之后，基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息，随后，基于所述判别信息进行资源调度。由此，可以基于访问请求的归属地域和接口的重要程度中的至少一者，以及接口在未来时段的流量，进行资源调度，这样，可以通过提前预测接口的流量实现更为及时的资源调度。
图2为本申请实施例提供的另一种资源调度方法的流程示意图。如图2所示，该方法具体包括：
步骤201，接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能。
在本实施例中，步骤201与图1对应实施例中的步骤101基本一致，这里不再赘述。
步骤202，将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息。
在本实施例中，步骤202与图1对应实施例中的步骤102基本一致，这里不再赘述。
步骤203，确定至少一个所述接口在未来时段的目标流量。
在本实施例中，步骤203与图1对应实施例中的步骤103基本一致，这里不再赘述。
步骤204，确定所述参照信息的级别，得到目标级别。
在本实施例中，目标级别，可以表示参照信息的级别。
这里，由于参照信息可以包括所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，因而，目标级别可以包括访问请求的归属地域的级别，以及至少一个所述接口的重要程度的级别中的至少一者。例如，目标级别可以包括访问请求的归属地域的级别；或者，目标级别可以包括至少一个所述接口的重要程度的级别；或者，目标级别可以包括访问请求的归属地域的级别，以及至少一个所述接口的重要程度的级别。
步骤205，基于所述目标流量和所述目标级别，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息。
在本实施例中，可以预先划分多个流量区间和多个级别，之后，确定每个流量区间、每个级别对应的每个接口提供的功能是否需要进行降级，由此，获得对应关系信息。这样，在该对应关系信息的基础上，可以确定出上述目标流量所属的流量区间、目标级别对应的每个接口提供的功能是否需要进行降级，从而得到判别信息。
作为示例，如果划分得到的多个流量区间包括：流量区间1、流量区间2、流量区间3。多个级别包括：级别A、级别B、级别C。全部的接口包括接口a、接口b和接口c。由此，可以针对上述3个流量区间、3个级别、3个接口，确定出3×3×3个判别信息。由此，在访问请求访问的接口为接口a、目标流量所属的流量区间为流量区间1、目标级别为级别A的情况下，可以从上述27种判别信息中，确定出接口a、流量区间1、级别A对应的判别信息。
在一些情况下，目标级别可以与降级程度呈正相关或负相关。
此外，还可以采用其他方式，来实现上述步骤205，具体请参照后文描述，在此暂不赘述。
步骤206，基于所述判别信息进行资源调度。
在本实施例中，步骤206与图1对应实施例中的步骤105基本一致，这里不再赘述。
在本实施例的一些可选的实现方式中，在所述参照信息包括所述归属地域的情况下，可以采用如下方式，确定所述参照信息的级别，得到目标级别：确定所述归属地域的级别，得到目标级别。
在此基础上，所述归属地域的级别采用如下方式确定：
第一步，基于分别发送自预设地域集合中的各个所述预设地域的访问请求，确定各个所述预设地域分别对应的历史流量。
其中，上述历史流量可以表示各个所述预设地域在历史时刻的实际流量。
上述预设地域集合可以包括尽可能多的预设地域。该预设地域集合中可以包括访问请求的归属地域。
这里，针对预设区域的一个访问请求可以记作该预设区域的一个流量。
第二步，基于各个所述预设地域分别对应的历史流量，确定各个所述预设地域分别对应的级别。
其中，预设地域对应的级别与历史流量呈正相关。
作为示例，可以预先划分多个流量区间，每个流量区间可以对应一个级别。由此，可以针对每个预设地域，确定该预设地域对应的历史流量所属的流量区间，进而将该流量区间对应的级别，确定为该预设地域对应的级别。
作为又一示例，还可以基于各个所述预设地域分别对应的历史流量和地域属性，确定各个所述预设地域分别对应的级别。
其中，上述地域属性可以包括地区生产总值、是否属于直辖市等。
第三步，将所确定的各个级别中所述归属地域对应的级别，确定为目标级别。
可以理解，上述可选的实现方式中，可以通过归属地域对应的级别进行资源调度，这样，可以针对不同级别的归属地域，更具针对性的进行资源调度，使得资源调度方式与访问请求的归属地域更为匹配。
在本实施例的一些可选的实现方式中，在所述参照信息包括至少一个所述接口的重要程度的情况下，可以采用如下方式确定所述参照信息的级别，得到目标级别：
针对至少一个所述接口中的每个接口，确定该接口的重要程度，基于该接口的重要程度，确定该接口的级别，得到该接口的目标级别。
其中，接口的重要程度可以与接口的历史流量、接口与访问请求的相关程度中的至少一者确定。
可以理解，上述可选的实现方式中，可以通过接口的重要程度确定接口对应的目标级别，进而进行资源调度，这样，可以针对不同重要程度的接口，更具针对性的进行资源调度，降低资源调度对较为重要的接口的负面影响，使得资源调度方式与接口的重要程度更为匹配。
在上述可选的实现方式中的一些应用场景下，接口的目标级别采用如下方式确定：
第一步，针对至少一个所述接口中的每个接口，确定该接口的访问请求。
具体地，可以针对至少一个所述接口中的每个接口，确定该接口在历史时段的访问请求。
第二步，基于至少一个所述接口的访问请求，确定至少一个所述接口分别对应的历史流量。
其中，上述可以表示各个所述预设地域在上述历史时段中的历史时刻的实际流量。
这里，针对预设区域的一个访问请求可以记作该预设区域的一个流量。
第三步，基于至少一个所述接口分别对应的历史流量，确定至少一个所述接口的级别，得到接口的目标级别。
其中，接口的目标级别与历史流量呈正相关。
可以理解，上述应用场景下，可以通过接口的历史流量，确定接口的级别，这样，可以针对不同历史流量的接口，更具针对性的进行资源调度，降低资源调度对历史流量较高的接口的负面影响，使得资源调度方式与接口的历史流量更为匹配。
需要说明的是，除以上所记载的内容之外，本实施例还可以包括图1对应的实施例中所描述的相应技术特征，进而实现图1所示资源调度方法的技术效果，具体请参照图1相关描述，为简洁描述，在此不作赘述。
本申请实施例提供的资源调度方法，可以基于参照信息的级别以及接口在未来时段的流量，进行资源调度，这样，可以针对不同级别采用不同的调度方式，使得资源调度与参照信息的级别更为匹配。
图3为本申请实施例提供的又一种资源调度方法的流程示意图。如图3所示，该方法具体包括：
步骤301，接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能。
在本实施例中，步骤301与图1对应实施例中的步骤101基本一致，这里不再赘述。
步骤302，将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息。
在本实施例中，步骤302与图1对应实施例中的步骤102基本一致，这里不再赘述。
步骤303，确定至少一个所述接口在未来时段的目标流量。
在本实施例中，步骤303与图1对应实施例中的步骤103基本一致，这里不再赘述。
步骤304，基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息。
在本实施例中，步骤304与图1对应实施例中的步骤104基本一致，这里不再赘述。
步骤305，在所述判别信息表示对至少一个所述接口提供的功能进行降级的情况下，确定至少一个所述接口提供的功能的降级策略。
在本实施例中，可以针对全部接口中的每个接口，确定出该接口的一种降级策略，由此，在判别信息表示需要对该接口进行降级的情况下，可以直接确定该接口对应的降级策略，从而得到该接口提供的功能的降级策略。或者，也可以针对全部接口中的每个接口，确定出该接口在各种流量、级别的情况下，分别对应的降级策略，由此，在判别信息表示需要对该接口进行降级的情况下，可以直接确定对应该接口、流量和级别的降级策略，从而得到该接口提供的功能的降级策略。
步骤306，按照所述降级策略对至少一个所述接口提供的功能进行降级，以进行资源调度。
在本实施例中，在确定出降级策略之后，可以按照该降级策略进行功能降级，从而实现资源调度。
需要说明的是，除以上所记载的内容之外，本实施例还可以包括上述实施例中所描述的相应技术特征，进而实现上述资源调度方法的技术效果，具体请参照以上描述，为简洁描述，在此不作赘述。
本申请实施例提供的资源调度方法，通过确定接口提供的功能的降级策略，来实现资源调度。可以针对不同的接口采用不同的降级策略，由此，可以实现接口级别的资源调度，使得资源调度与接口更为匹配。
下面对本申请实施例进行示例性说明，但需要注意的是，本申请实施例可以具有以下所描述的特征，但以下描述并不构成对本申请实施例保护范围的限定。
目前数字媒体平台在高负载(也即流量)情况下的服务降级主要依赖于简单的静态规则或手动干预，缺乏智能化的动态调整机制。流量预测方面，传统方法主要基于周期性特征，但未能充分考虑事件触发机制对流量的影响。现有技术难以在不同场景下(工作日、节假日、周末等)实现细粒度的服务降级策略。
可见，上述方案存在如下问题：
缺乏动态调整机制。现有服务降级方法通常缺乏实时动态调整，无法根据实际流量变化灵活的调整降级策略。这导致在高负载峰值时，可能出现性能下降或资源浪费的情况。
流量预测不准确。传统的周期性特征预测方法无法有效应对特殊事件的发生，导致对流量波动的准确性不高。这限制了系统对不同场景下流量变化的敏感性。
缺乏细粒度的服务降级策略。目前的服务降级方法常常采用整体性的、粗粒度的策略，缺乏对不同功能的个性化处理。这可能导致关键功能受到不必要的限制，影响用户体验。
地域差异未得到充分考虑。现有方法在服务降级时未充分考虑地域之间的差异，导致在某些地区可能过度降级，而在另一些地区可能未能充分满足用户需求。
该资源调度方法适用于数字媒体平台。在高负载情况下，通过流量预测，系统可以实时调整服务降级策略，确保关键功能的性能稳定，同时合理分配资源以提高整体用户体验。这对于数字媒体平台来说尤为重要，因为用户对于视频播放、搜索与推荐、付费会员服务等功能的需求变化较为频繁。
对此，本方案采用流量预测技术，结合周期性和事件触发，提高了流量预测的精确性。采用多层次的智能降级策略，根据不同功能(每个功能可以对应一个或多个接口)的重要性和流量水平，灵活调整服务级别，引入多层次的智能降级策略，对不同功能进行分类和优先级分配，以动态调整服务级别。通过这一策略，关键功能得到优先保障，非关键功能可适度降级，权衡用户体验与系统资源。此外，引入地域降级策略，通过流量区域化分析和个性化降级，适应不同地域的流量需求，提高整体性能。实时确定未来时段的目标流量，确保降级策略随着最新的流量和性能数据进行调整，保障系统在各个地域均能最大程度满足用户需求。这一方案整合了流量预测技术和智能降级策略，可以为数字媒体平台提供更精准、动态、地域化的服务优化方案。
本方案可以包括如下模块：
1.流量预测模块。
1.1数据准备。
通过流量预测能力，获取下一时间段(也即上述未来时段)的预测流量值(也即上述目标流量)。确保预测数据的准确性和实时性。
1.2模型集成。
将流量预测模型集成到系统中，建立与其他模块的数据传输通道。确保模型在系统中的稳定性和可靠性。
1.3实时监测。
建立实时监测机制，定期检测预测模型的性能，并及时更新模型参数以适应流量的动态变化。
2.功能分类与优先级设定模块。
2.1系统功能定义。
对系统功能进行详细定义，包括核心业务功能(也即重要程度较高的接口提供的功能)和次要功能(也即重要程度较低的接口提供的功能)。确保所有功能在系统中都有清晰的标识。
2.2优先级映射。
建立功能与优先级(也即上述级别)的映射关系，根据业务需求将各个功能分配不同的优先级。例如，将核心业务功能分配为高优先级，次要功能分配为较低优先级。
3.降级策略分类模块。
3.1流量预测值映射。
将流量预测值映射到降级策略的类别。根据实际业务需求，划定不同的流量阈值，确定不同降级策略的触发条件。
3.2降级策略定义。
详细定义A类和B类降级策略。例如，A类降级策略可能包括关闭次要功能、降低服务质量等，而B类策略可能采取更为临时的调整，如调整响应时间等。再例如，A类降级策略在接口的流量符合预设条件的情况下采用；A类降级策略在接口的流量不符合预设条件的情况下采用。
其中，上述预设条件可以为符合预设函数关系式，或者，属于预设数值区间。
4.地域流量分类模块。
4.1历史流量数据收集。
收集历史流量数据，包括各个地域的流量水平、流量峰值等信息。
4.2地域流量分析。
通过数据分析工具对各地域的流量进行分类，判断其属于高流量还是低流量。确定地域流量分类标准。
5.地域降级策略制定模块。
5.1地域降级策略定义。
为每个地域定义具体的降级策略。根据历史流量数据和地域特性，制定不同地域的降级计划。
5.2优化资源分配。
调整系统资源在不同地域的分配，确保高流量地域能够有足够的资源支持，提高整体性能。
作为示例，基于功能(例如接口)的降级策略(也即降级措施)可以如下表一所示：
表一：
其中，在上述表一中，流量预测值也即上述目标流量，降级级别由低到高可以包括：无降级、A、B、C、D。
作为又一示例，基于地域的分组方式可以如下表二所示：
表二：
| 分类组别 | 地域 |
| A | 北京、上海、广州、深圳、天津、重庆 |
| B | 成都、杭州、南京、武汉、西安 |
| C | 青岛、苏州、宁波、厦门、长沙 |
| D | 大连、郑州、昆明、福州、石家庄 |
| E | 江苏省、浙江省、四川省、湖北省 |
进一步地，对于上述表二所示的分组方式，可以针对每个组别及对应的流量区间(例如目标流量所属的流量区间)，采用如表三所示的降级策略：
表三：
| 分类组别 | 流量区间 | 降级策略 |
| A | 0-3000 | 保持正常服务等极，益控流量并进行视频流优化 |
| A | 3001-7000 | 适度降极服务等极，减少非核心功能的响应时间 |
| A | 7001-10000 | 降级至最低服务等级，关闭非核心视频播放功能 |
| B | 0-5000 | 保持正常服务等极，益控流量并进行视频压缩优化 |
| B | 5001-8000 | 适度降极服务等极，调整非核心功能的资源分配 |
| B | 8001-10000 | 关闭某些非必要功能，降低非核心功能的服务质量 |
| C | 0-4000 | 保持正常服务等级，适时调整视频流资源 |
| C | 4001-8000 | 适度降极服务等极，调整非核心功能的服务质量 |
| C | 8001-10000 | 降级至最低服务等极，关闭大部分非核心视频播放功能 |
| D | 0-2000 | 保持正常服务等极，监控流量并进行视频压缩优化 |
| D | 2001-6000 | 适度降极服务等级，调整非核心功能的资源分配 |
| D | 6001-10000 | 关闭部分非必要功能，降低非核心功能的服务质量 |
| E | 0-2000 | 保持正常服务等级，实时调整视频流资源 |
| E | 2001-6000 | 适度降极服务等极，调整非核心功能的服务质量 |
| E | 6001-10000 | 降极至最低服务等极，关闭大部分非核心视频播放功能 |
在目标流量的预测方面，本方法可以解决现有流量预测方法的局限性，实现更准确的流量(也即上述目标流量)预测。可以将传统的周期性预测模型(也即上述时间序列预测模型)与事件触发模型(也即上述时间序列预测模型)相结合，从而综合考虑周期性和事件触发的影响。在周期性预测模型方面，可以借助时间序列分析技术，捕捉流量的周期性和趋势。与此同时，事件触发模型可以基于历史事件数据和其他相关信息，识别特殊事件(也即上述第一事件、第二事件)的发生，并引导预测模型在预测过程中调整流量。通过将这两个模型的预测结果进行融合，可以实现对不同情况下流量变化的更准确预测，为数字媒体平台的资源管理和用户体验提供有力支持。
本方法可以首先构建周期性预测模型和事件触发模型。
周期性预测模型的构建，可以基于时间序列分析技术，准确识别流量数据中的周期性和趋势。对不同周期(工作日、节假日、周末)进行分析，捕获各自的周期性变化模式。
事件触发模型的构建，可以根据历史事件数据和相关指标，捕捉特殊事件的发生。一旦事件发生，模型产生流量调整信号，引导预测模型关注事件对流量的影响。
之后进行上述两个模型的融合：
融合周期性预测模型与事件触发模型的结果，将不同因素的影响综合考虑。采取适当权衡，可使用平均加权、模型组合等方式，提升预测效果。
最后，进行实时调整与更新：
实时监测特殊事件(也即上述第一事件、第二事件)，根据事件触发模型的引导，及时调整预测模型。确保应对工作日、节假日、周末等不同情景的流量波动。
通过结合两个模型，可以更准确地预测工作日、节假日和周末等情况下的流量波动。综合性的方法可为资源管理和用户体验优化提供创新解决方案，更好地适应数字媒体平台流量波动的多样性。
具体而言，包括以下步骤：
1.数据准备：
首先，收集历史流量数据(也即上述流量数据序列)和相关事件数据(也即上述事件数据序列)。历史流量数据应包括时间戳和流量值，涵盖不同时间周期(小时、天、周等)以及不同情境。事件数据则包含特殊事件的发生时间和描述。
之后，进行数据预处理，包括异常值处理和缺失值填充。
异常值处理：
假设收集了一周内某数字媒体平台每日流量数据，但在某一天突然出现了极端高或低的流量值，这可能是数据异常。在这种情况下，可以考虑以下方法：
移除异常值：如果异常值对整体数据分析和预测造成很大影响，可以考虑将其移除，以避免对模型产生干扰。
平滑处理：使用滑动平均或加权移动平均等方法，将异常值平滑到周围的数据点，以减少其影响。
缺失值填充：假设历史数据中有一些时间点缺少流量值，这可能是由于数据采集问题或其他因素引起的。在这种情况下，可以考虑以下方法：
插值法：使用线性插值、多项式插值等方法，在已知数据点之间填充缺失值。
相似时间填充：找到历史数据中与缺失时间点相似的时间段，将其流量值用于填充缺失值。
均值填充：使用历史数据的均值或中位数填充缺失值，适用于数据分布相对稳定的情况。
举例来说，假设历史流量数据是每天的流量情况，其中星期三突然出现异常高的流量值，可以通过移除该异常值或使用平滑方法来处理。另外，假设星期五的流量值缺失，可以使用插值法或相似时间填充方法，根据周四和周六的数据来填充星期五的缺失值。
这些异常值处理和缺失值填充方法有助于确保历史数据集合是完整且准确的，为后续的分析和预测提供可靠的基础。
2.周期性模型(也即上述时间序列预测模型)建立：
在周期性模型的建立阶段，从经典的周期性ARIMA模型出发，并进行了一些微调(微调后可以称之为)，以适应数字媒体平台流量的特殊性。具体而言，微调后的模型可以表征为以下公式一：
其中，yt是时间t的流量值(yt表示上述第一流量、yt-i、yt-si表示上述历史流量)，p和q分别对应ARIMA模型中的自回归(AR)和滑动平均(MA)的阶数，AR表示当前观测值与过去一系列观测值的线性关系，MA表示当前观测值与过去一系列噪声项的线性关系，i用于标识上述流量数据序列中的流量数据，φi和θi是相关系数，φi为yt-i的系数，θi为εt-i的系数，εt是误差项，c可表示季节性成分的数量。季节性成分是时间序列中的季节性模式。s代表时间序列(也即上述流量数据序列)中的周期，它表示周期性模式的重复周期长度。例如，如果时间序列是每周流量数据，那么s的值可以是7，表示一周的周期。周期性成分中的γi表示周期性成分中的系数，它表示周期性模式的影响。例如，如果时间序列具有每周的周期性，那么γi可以表示一周内每天的流量增量。Xevent表示特殊事件标志，Xevent可以是二元变量，表示特殊事件(也即上述第一事件)的发生与否，取值范围通常为0或1。特殊事件标志的确定可能依赖于外部数据、领域知识或历史事件的标记。Xhot可以表示热度指数(也即上述受关注程度)。Xhot通常是实数，表示某种指标(也即上述第二事件)的热度或强度。
上述模型的输入数据包括时间序列数据，其中包括观测值(yt)，通常还包括季节性、周期性成分、趋势等。此外，特殊事件标志(Xevent)和热度指数(Xhot)也可以是输入数据的一部分。
模型训练过程中需要调整的模型参数：模型参数包括β1、β2、p、q、、d(差分阶数，用于平稳化时间序列)、s(周期性的周期)以及季节性成分的参数，例如周期性成分中的γi。
相对于ARIMA模型，上述时间序列预测模型(也即公式一)添加了周期性成分：引入了额外的周期性成分，由γi表示，其中s是周期。这些成分允许模型更好地捕捉周期性变化。引入外部变量：添加了两个外部变量，分别是热度指数Xhot和特殊事件标志Xevent。通过β1和β2来表示它们对流量的影响。
3.事件触发模型(也即上述事件回归模型)建立：
构建基于回归的事件触发模型，将特殊事件作为输入特征。模型形式可以采用以下公式二表示：
其中，Eventt-i表示时间t-i是否有特殊事件发生,Eventt-i是事件(也即上述事件描述信息表示的事件)触发的二元变量，通常取值范围为0或1，0表示事件未触发，1表示事件已触发，β0、β1、β2……是回归系数，εt是误差项。公式二中的yt表示第二流量。
模型训练过程中需要调整的模型参数：回归系数β0、β1、β2……，这些系数用于确定特殊事件(也即上述事件描述信息表示的事件)对目标流量的影响程度。需要通过模型训练来估计这些系数。具体而言，对于每个特殊事件(例如新内容发布、活动举办等)。
上述第一公式可第二公式中的相同符号可以表示不同含义。具体请参见上述描述。
上述事件(例如上述事件描述信息表示的事件、第一事件、第二事件)包含：
新内容发布：发布新的文章、视频、音频或其他类型的内容，可能会吸引用户访问并增加流量。
活动举办：举办在线活动、直播、网络研讨会、问答环节等活动，会在活动期间增加用户访问。
促销活动：推出特别促销、折扣、限时优惠等活动，可能会吸引用户购买和浏览相关产品。
重大新闻：发生与数字媒体平台相关的重要新闻事件，可能会引发用户关注和流量增加。
社交媒体活动：在社交媒体平台上举行活动、发起话题讨论、分享链接等，可能会引导用户访问。
特殊发布计划：在特定时间段内进行内容发布，如节假日、特定主题活动等，可能会引起用户的兴趣。
合作推广：与其他平台、媒体、个人或机构合作推广，可能会带来额外的访问流量。
产品更新：推出新功能、新版本或产品更新，可能会吸引用户了解和使用。
重要事件纪念日：庆祝特定的纪念日、周年纪念日等，可能会吸引用户参与和浏览。
用户互动活动：举办投票、问卷调查、抽奖等用户参与的活动，可能会增加用户的互动和流量。
4.模型融合：
通过加权平均，采用如下公式三，融合周期性模型和事件触发模型的预测结果：
其中，w是权重(w表示上述第一权重，1-w表示上述第二权重)，根据模型性能和可信度确定。yfotecast表示目标流量，yCPEAM表示第一流量，yevent表示第二流量。
权重的确认过程如下：
计算模型的MSE：
针对两个模型，分别在验证集或交叉验证中计算它们的均方误差(MSE)。
确定权重：
根据MSE的大小，分配较小MSE的模型更大的权重。一种做法是，将权重设置为MSE的倒数之间的比例。较小MSE对应的权重较大。
示例如下：
假设CPEAM模型(也即上述时间序列预测模型)和event模型(也即上述事件回归模型)分别在验证集上的均方误差(MSE)为：
CPEAM模型的MSE＝0.01
event模型的MSE＝0.02
通过这两个模型的MSE来设置它们的权重，使得MSE较小的模型获得较大的权重。
将权重设置为MSE的倒数之间的比例，通过计算MSE的倒数并归一化，得到的权重如下：
CPEAM模型的权重：1/0.01＝100
event模型的权重：1/0.02＝50
然后，将这些权重进行标准化，使得它们之和等于1：
标准化后的CPEAM模型权重(第一权重)：100/(100+50)≈0.67
标准化后的event模型权重(第二权重)：50/(100+50)≈0.33
5.实时调整与优化：
实时监测特殊事件的发生，一旦事件触发，根据事件触发模型的引导，调整周期性模型的参数，以适应事件带来的流量波动。
需要说明的是，除以上所记载的内容之外，本实施例还可以包括以上各实施例中所描述的技术特征，进而实现以上所示资源调度方法的技术效果，具体请参照以上描述，为简洁描述，在此不作赘述。
本申请实施例提供的资源调度方法，可以解决流量预测的不准确性和服务降级策略的粗糙性这两个问题，能够更准确地预测流量，并能够实现更精细化的服务降级。综合周期性和事件触发的流量预测方法，实现了对流量变化更全面、精确的预测。结合时间序列分析技术和事件触发模型，系统能够更准确地预测工作日、节假日和周末等不同情景下的流量波动，提高了预测模型的适应性。通过引入基于流量预测的多层次智能降级策略，可以对系统功能的分类和优先级进行设定，实现了对关键业务功能的持续性能保障。该策略根据不同负载水平，动态调整功能的服务等级，以平衡用户体验和系统资源的利用，提高了系统在高负载时的稳定性。利用地域化降级策略的个性化降级策略，充分考虑了不同地域的特性和流量分布。通过对历史流量数据的深入分析，为每个地域制定了独立的降级计划，确保系统能够根据地域需求进行精细化的资源管理和性能优化。使得系统能够更好地适应不同地域的网络环境和用户需求。
图4为本申请实施例提供的一种资源调度装置的结构示意图。具体包括：
接收单元401，用于接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能；
第一确定单元402，用于将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息；
第二确定单元403，用于确定至少一个所述接口在未来时段的目标流量；
第三确定单元404，用于基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息；
调度单元405，用于基于所述判别信息进行资源调度。
在一个可能的实施方式中，所述基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，包括：
确定所述参照信息的级别，得到目标级别；
基于所述目标流量和所述目标级别，确定是否对至少一个所述接口提供的功能进行降级。
在一个可能的实施方式中，在所述参照信息包括所述归属地域的情况下，所述确定所述参照信息的级别，得到目标级别，包括：
确定所述归属地域的级别，得到目标级别；以及
所述归属地域的级别采用如下方式确定：
基于分别发送自预设地域集合中的各个所述预设地域的访问请求，确定各个所述预设地域分别对应的历史流量；
基于各个所述预设地域分别对应的历史流量，确定各个所述预设地域分别对应的级别，其中，预设地域对应的级别与历史流量呈正相关；
将所确定的各个级别中所述归属地域对应的级别，确定为目标级别。
在一个可能的实施方式中，在所述参照信息包括至少一个所述接口的重要程度的情况下，所述确定所述参照信息的级别，得到目标级别，包括：
针对至少一个所述接口中的每个接口，确定该接口的重要程度，基于该接口的重要程度，确定该接口的级别，得到该接口的目标级别。
在一个可能的实施方式中，接口的目标级别采用如下方式确定：
针对至少一个所述接口中的每个接口，确定该接口的访问请求；
基于至少一个所述接口的访问请求，确定至少一个所述接口分别对应的历史流量；
基于至少一个所述接口分别对应的历史流量，确定至少一个所述接口的级别，得到接口的目标级别，其中，接口的目标级别与历史流量呈正相关。
在一个可能的实施方式中，至少一个所述接口的重要程度基于所述访问请求确定。
在一个可能的实施方式中，所述基于所述判别信息进行资源调度，包括：
在所述判别信息表示对至少一个所述接口提供的功能进行降级的情况下，确定至少一个所述接口提供的功能的降级策略；
按照所述降级策略对至少一个所述接口提供的功能进行降级，以进行资源调度。
本实施例提供的资源调度装置可以是如图4中所示的资源调度装置，可执行以上所述的各资源调度方法的所有步骤，进而实现以上所述的各资源调度方法的技术效果，具体请参照以上相关描述，为简洁描述，在此不作赘述。
图5为本申请实施例提供的一种电子设备的结构示意图，图5所示的电子设备500包括：至少一个处理器501、存储器502、至少一个网络接口504和其他用户接口503。电子设备500中的各个组件通过总线系统505耦合在一起。可理解，总线系统505用于实现这些组件之间的连接通信。总线系统505除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线系统505。
其中，用户接口503可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。
可以理解，本申请实施例中的存储器502可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本文描述的存储器502旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器502存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统5021和应用程序5022。
其中，操作系统5021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序5022，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本申请实施例方法的程序可以包含在应用程序5022中。
在本实施例中，通过调用存储器502存储的程序或指令，具体的，可以是应用程序5022中存储的程序或指令，处理器501用于执行各方法实施例所提供的方法步骤，例如包括：
接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能；
将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息；
确定至少一个所述接口在未来时段的目标流量；
基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息；
基于所述判别信息进行资源调度。
上述本申请实施例揭示的方法可以应用于处理器501中，或者由处理器501实现。处理器501可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器502，处理器501读取存储器502中的信息，结合其硬件完成上述方法的步骤。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请的上述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文上述功能的单元来实现本文上述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本实施例提供的电子设备可以是如图5中所示的电子设备，可执行以上所述的各资源调度方法的所有步骤，进而实现以上所述的各资源调度方法的技术效果，具体请参照以上相关描述，为简洁描述，在此不作赘述。
本申请实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中，存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。
当存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述在电子设备侧执行的资源调度方法。
上述处理器用于执行存储器中存储的资源调度程序，以实现以下在电子设备侧执行的资源调度方法的步骤：
接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能；
将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息；
确定至少一个所述接口在未来时段的目标流量；
基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息；
基于所述判别信息进行资源调度。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的，并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在，但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行，除非明确指出执行顺序。还应当理解，可以使用另外或者替代的步骤。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种资源调度方法，其特征在于，所述方法包括：
接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能；
将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息；
确定至少一个所述接口在未来时段的目标流量；
基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息；
基于所述判别信息进行资源调度。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，包括：
确定所述参照信息的级别，得到目标级别；
基于所述目标流量和所述目标级别，确定是否对至少一个所述接口提供的功能进行降级。
3.根据权利要求2所述的方法，其特征在于，在所述参照信息包括所述归属地域的情况下，所述确定所述参照信息的级别，得到目标级别，包括：
确定所述归属地域的级别，得到目标级别；以及
所述归属地域的级别采用如下方式确定：
基于分别发送自预设地域集合中的各个所述预设地域的访问请求，确定各个所述预设地域分别对应的历史流量；
基于各个所述预设地域分别对应的历史流量，确定各个所述预设地域分别对应的级别，其中，预设地域对应的级别与历史流量呈正相关；
将所确定的各个级别中所述归属地域对应的级别，确定为目标级别。
4.根据权利要求2所述的方法，其特征在于，在所述参照信息包括至少一个所述接口的重要程度的情况下，所述确定所述参照信息的级别，得到目标级别，包括：
针对至少一个所述接口中的每个接口，确定该接口的重要程度，基于该接口的重要程度，确定该接口的级别，得到该接口的目标级别。
5.根据权利要求4所述的方法，其特征在于，接口的目标级别采用如下方式确定：
针对至少一个所述接口中的每个接口，确定该接口的访问请求；
基于至少一个所述接口的访问请求，确定至少一个所述接口分别对应的历史流量；
基于至少一个所述接口分别对应的历史流量，确定至少一个所述接口的级别，得到接口的目标级别，其中，接口的目标级别与历史流量呈正相关。
6.根据权利要求1所述的方法，其特征在于，至少一个所述接口的重要程度基于所述访问请求确定。
7.根据权利要求1-6之一所述的方法，其特征在于，所述基于所述判别信息进行资源调度，包括：
在所述判别信息表示对至少一个所述接口提供的功能进行降级的情况下，确定至少一个所述接口提供的功能的降级策略；
按照所述降级策略对至少一个所述接口提供的功能进行降级，以进行资源调度。
8.一种资源调度装置，其特征在于，所述装置包括：
接收单元，用于接收访问请求，其中，所述访问请求用于访问至少一个接口以调用所述接口提供的功能；
第一确定单元，用于将所述访问请求的归属地域，以及至少一个所述接口的重要程度中的至少一者，确定为参照信息；
第二确定单元，用于确定至少一个所述接口在未来时段的目标流量；
第三确定单元，用于基于所述目标流量和所述参照信息，确定是否对至少一个所述接口提供的功能进行降级，得到判别信息；
调度单元，用于基于所述判别信息进行资源调度。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述权利要求1-7任一项的所述资源调度方法。
10.一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，实现上述权利要求1-7任一项的所述资源调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311842866.2A CN117762639A (zh) | 2023-12-28 | 2023-12-28 | 资源调度方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311842866.2A CN117762639A (zh) | 2023-12-28 | 2023-12-28 | 资源调度方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117762639A true CN117762639A (zh) | 2024-03-26 |
Family
ID=90310263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311842866.2A Pending CN117762639A (zh) | 2023-12-28 | 2023-12-28 | 资源调度方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117762639A (zh) |
-
2023
- 2023-12-28 CN CN202311842866.2A patent/CN117762639A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5868917B2 (ja) | 予測的ネットワーク輻輳制御のためのシステムおよび方法 | |
| US9704165B2 (en) | Systems and methods for determining value of social media pages | |
| Ma et al. | A time and location correlation incentive scheme for deep data gathering in crowdsourcing networks | |
| Liu et al. | Does national broadband plan narrow regional digital divide? Evidence from China | |
| Qi et al. | An invocation cost optimization method for web services in cloud environment | |
| US8527431B2 (en) | Management of data via cooperative method and system | |
| Houngbonon et al. | Access to electricity and digital inclusion: evidence from mobile call detail records | |
| Xu et al. | Modeling buffer starvations of video streaming in cellular networks with large-scale measurement of user behavior | |
| Chen et al. | Web service QoS prediction: when collaborative filtering meets data fluctuating in big-range | |
| CN107508914A (zh) | 一种基于云计算分析的消息精准推送方法和系统 | |
| US20180270305A1 (en) | Systems and methods for throttling incoming network traffic requests | |
| WO2024082770A1 (zh) | 视频转码方法、装置、设备、存储介质及视频点播系统 | |
| Tran et al. | Reward-to-reduce: An incentive mechanism for economic demand response of colocation datacenters | |
| US20150310570A1 (en) | Open pricing and pricing rules | |
| US20230385722A1 (en) | Goal optimized process scheduler | |
| Liu et al. | Risk-aware contextual learning for edge-assisted crowdsourced live streaming | |
| Li et al. | Predictive edge caching through deep mining of sequential patterns in user content retrievals | |
| Zheng et al. | An RBF neural network–based dynamic virtual network embedding algorithm | |
| CN117762639A (zh) | 资源调度方法、装置、电子设备及存储介质 | |
| US12034525B2 (en) | Method for identifying new audiences for content of a content provider | |
| Dong | Prediction of college employment rate based on big data analysis | |
| Chen et al. | An edge caching strategy based on separated learning of user preference and content popularity | |
| Li et al. | Comparisons and predictions of intercity population migration propensity in major urban clusters in China: based on use of the Baidu index | |
| CN110020374B (zh) | 一种发布信息的转发量预测方法和装置 | |
| Shi et al. | A prediction method of mobile user preference based on the influence between users |
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 |