CN118945115B 一种分流处理方法、系统、程序产品及可读存储介质 （北京昌东科技有限公司）

每个端口的历史业务负载数据并分析得到常用数据合集和该业务优先级合集为每个该端口分2获取每个端口的历史负载数据，并基于模式识别算法对所述对每种所述流量模式类型设置相应的预测模型，其中不同类型的将所述预测负载数据进行合并，得到所述预设时间段内的预获取每个端口内当前业务的业务类型信息、处理规模信息根据所述处理规模信息计算每个业务的资源消耗指数，所述资源消基于所述预测负载数据合集和所述业务优先级合基于所述处理资源和业务优先级对输入的业务接收用户定义的多个自定义数据模型，每个所述自定义数据模将每个所述自定义数据模型与一个或多个所述端口关联，使得将所述数据特征与每个所述自定义数据模型的正则表达式进行匹配，3值为每个端口的实际负载数据与其预测负载数据之间的最大允对所有端口的运行状态进行检测，若存在第一端口处于故障状态，则分析其他目标端口的当前负载状况和剩余处理能力，所述其基于动态负载均衡算法将所述第一端口的第一业务流量按照所述业务优先级从高到若存在第一目标端口的所述新负载水平超过预设负载平衡阈按照预设时间间隔对所述优先队列中的业务流量45的多个自定义数据模型，每个该自定义数据模型包括一个正则表达式和对应的处理策略；该第一数据模型对应的处理策略和该业务优先级合集将匹配成功的业务流量数据分配到6根据实际情况及时调整资源分配，避免了因负载偏差过大导致的系统性能下降或资源浪目标端口的该新负载水平超过预设负载平衡阈值，则将该第一业务流量存入优先队列中；按照预设时间间隔对该优先队列中的业务流量得该分流处理系统执行如第一方面以及第一方面中任一可能的实现7[0024]1、本申请通过获取每个端口的历史业务负载数据并分析得到常用流量模式和峰[0025]2、本申请通过接收用户定义的自定义数据模型，其中包括正则表达式和处理策8[0036]在一些实施例中，可以通过多种方式实现该历史业务负载数据的获取和分析过每个端口的历史数据进行建模，从而识别出周期性模式和异常峰值。最后，通过聚类算法峰值时间段。可以理解的是，还可以采用其他数据分析和机器学习方法来实现历史负载数[0037]可以理解的是，分流处理系统在进行历史业务负载分析时还支持链路层、VLAN、90_1之间的数值，将紧急程度转换为时间敏感度得分，将这些得分与相应的权重相乘并求[0047]S104、基于该预测负载数据合集和该业务优先级合集为每个该端口分配处理资选择长短期记忆网络（LSTM该模型能够学习长期依赖关系用于处理不规则的突发性事[0066]在该步骤中，分流处理系统基于前一步骤确定的每个时现了分段处理机制，将优先级相近的业务分为不同的优先级组，如高优先级组（得分80_[0083]S204、基于该预测负载数据合集和该业务优先级合集为每个该端口分配处理资一个从模型到端口的映射，这种双向映射允许系统快速查找与特定端口关联的所有模型，[0096]业务流量数据是指通过网络传输的各种类型的数据包，包括但不限于HTTP请求、预先为每个自定义数据模型定义的一套规则，指导系统如何处理匹配该模型的数据流量。[0107]S211、当检测到任一端口的该实际负载数据与该预测负载的偏差超过预设阈值每个端口的实际负载数据与其预测负载数据之间的最大允[0109]在这个步骤中，分流处理系统实现了一个复杂的动态负载均衡和资源调整机[0121]收集每个目标端口的实时数据，包括CPU使用率、内存占用率和网络带宽使用率负载水平是指该端口在接收新分配的业务流量后的总体工作负荷状态，通常用百分比表解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处