CN113419938A - 用户并发访问的控制方法、装置及设备 - Google Patents
用户并发访问的控制方法、装置及设备 Download PDFInfo
- Publication number
- CN113419938A CN113419938A CN202110746706.2A CN202110746706A CN113419938A CN 113419938 A CN113419938 A CN 113419938A CN 202110746706 A CN202110746706 A CN 202110746706A CN 113419938 A CN113419938 A CN 113419938A
- Authority
- CN
- China
- Prior art keywords
- user
- maximum
- server
- access amount
- concurrency
- 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 91
- 238000004364 calculation method Methods 0.000 claims abstract description 130
- 230000006399 behavior Effects 0.000 claims description 68
- 238000012559 user support system Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000002354 daily effect Effects 0.000 description 56
- 230000008569 process Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 239000000047 product Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例涉及人工智能技术领域,具有公开了一种用户并发访问的控制方法、装置及设备,所述方法包括:基于SAS服务架构下各个计算服务端的成本值计算各个计算服务端能够支持的最大客户端连接数量,再根据用户访问日志,计算各个计算服务端在指定周期内每天的用户并发数平均值,进而计算出各个计算服务端对应的服务端限制最大用户并发数量。基于计算出的计算服务端对应的服务端限制最大用户并发数量对计算服务端的用户并发数进行合理配置,使得计算服务端的用户并发数能够控制在合理范围内,从而确保服务端处于相对平稳的运行状态,不会出现资源负载的情况,不影响用户访问的反馈效率,提升了***性能以及用户体验感。
Description
技术领域
本说明书属于人工智能技术领域,尤其涉及一种用户并发访问的控制方法、装置及设备。
背景技术
在信息化高速发展的今天,数据正在以***性的方式涌现在我们的眼前,对于如何从海量数据中提取和挖掘有用的价值信息,无疑是一个艰巨的任务。因此,拥有一套高效且平稳的分析工具就变得至关重要。特别是在金融科技领域,为了帮助分析师节省时间,产生良好的使用体验,快速实现业务价值,高效和稳定对于一套分析工具来说是必不可少的特性。
SAS(STATISTICAL ANALYSIS SYSTEM,统计分析软件)作为一款商业分析软件,被广泛应用于数据挖掘和数据分析领域,在金融界尤为明显,SAS***采用的是C/S架构,即分为客户端和服务层。服务层又包含元数据、中间层和计算层。其中,计算层服务是客户端发起请求的计算核心,用户提交的程序代码或复杂运算都是在计算层服务器上进行执行。随着业务用户和业务数据的迅速增加,用户高并发的性能问题对计算层服务器就变得越来越重要。同时,由于近几年大数据技术发展快速,数据库软件也在不停地更新换代,SAS开始对接Teradata平台、Hadoop平台、GaussDB平台,用户通过SAS在数据库平台间频繁切换进行数据分析。这就导致了对服务器资源日益严重的消耗,对服务器的性能要求也在日益增加。无论采用多好的硬件设备,总会有性能天花板。同时,又因为SAS中的计算层服务器之间的资源是相互隔离的,无法做到真正的负载均衡。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本说明书实施例的目的在于提供一种用户并发访问的控制方法、装置及设备,提高了***的稳定性。
一方面,本说明书实施例提供了一种用户并发访问的控制方法,所述方法包括:
基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量;
采集各个计算服务端在指定周期内的用户行为日志;
根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值;
根据各个计算服务端对应的最大支持客户端连接数量和用户并发数平均值的平均值,确定出各个计算服务端对应的服务端限制最大用户并发数量;
根据各个计算服务端对应的服务端限制最大用户并发数量,配置各个计算服务端的用户并发数量。
进一步地,所述方法还包括:
根据所述指定周期内的用户行为日志,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比;
基于各个计算服务端对应的服务端限制最大用户并发数量和对应的用户组访问量占比的乘积,确定出各个用户组对应的用户组支持最大用户并发数量;
根据各个用户组对应的用户组支持最大用户并发数量,配置各个用户组的用户并发数量。
进一步地,所述根据所述指定周期内的用户行为日志,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比,包括:
根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的服务端用户日访问数量均值以及各个用户组对应的用户组用户日访问量均值;
根据各个用户组的用户组用户日访问量均值与对应的计算服务端的服务端用户日访问数量均值的比值,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比。
进一步地,所述方法还包括:
根据所述指定周期内的用户行为日志,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比;
基于各个用户组对应的用户组支持最大用户并发数量和对应的用户访问量占比的乘积,确定出各个用户对应的用户支持最大客户端连接数量;
根据各个用户对应的用户支持最大客户端连接数量,配置各个用户的客户端连接数量。
进一步地,所述根据所述指定周期内的用户行为日志,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比,包括:
根据所述指定周期内的用户行为日志,计算所述指定周期内各个用户的用户日访问量均值用户组用户日访问量均值;
根据各个用户的用户日访问量均值以及对应用户组的用户组用户日访问量均值的比值,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比。
进一步地,所述基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量,包括:
获取各个计算服务端的最大成本值与启动成本值的成本差值;
根据所述成本差值和各个客户端的成本值的比值确定出各个计算服务端的最大支持客户端连接数量。
进一步地,所述根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值,包括:
根据指定周期内的用户行为日志,获取各个计算服务端在所述指定周期内每天用户并发数量的并发用户中位数;
根据所述并发用户中位数确定出所述指定周期内各个计算服务端对应的用户并发数平均值。
进一步地,所述方法还包括:
每隔所述指定周期重新计算各个计算服务端对应的服务端限制最大用户并发数量、各个用户组对应的用户组支持最大用户并发数量、各个用户对应的用户支持最大客户端连接数量中的至少一个;
基于新计算出的服务端限制最大用户并发数量、用户组支持最大用户并发数量、用户支持最大客户端连接数量重新配置计算服务端的用户并发数量或用户组的用户并发数量或用户的客户端连接数量。
另一方面,本说明书提供了一种用户并发访问的控制装置,所述装置包括:
最大客户端数量计算模块,用于基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量;
日志采集模块,用于采集各个计算服务端在指定周期内的用户行为日志;
用户并发数计算模块,用于根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值;
限制用户并发数计算模块,用于根据各个计算服务端对应的最大支持客户端连接数量和用户并发数平均值的平均值,确定出各个计算服务端对应的服务端限制最大用户并发数量;
用户并发数配置模块,用于根据各个计算服务端对应的服务端限制最大用户并发数量,配置各个计算服务端的用户并发数量。
进一步地,所述装置还包括用户组用户并发数配置模块,用于:
根据所述指定周期内的用户行为日志,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比;
基于各个计算服务端对应的服务端限制最大用户并发数量和对应的用户组访问量占比的乘积,确定出各个用户组对应的用户组支持最大用户并发数量;
根据各个用户组对应的用户组支持最大用户并发数量,配置各个用户组的用户并发数量。进一步地,所述装置还包括用户客户端连接配置模块,用于:
根据所述指定周期内的用户行为日志,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比;
基于各个用户组对应的用户组支持最大用户并发数量和对应的用户访问量占比的乘积,确定出各个用户对应的用户支持最大客户端连接数量;
根据各个用户对应的用户支持最大客户端连接数量,配置各个用户的客户端连接数量。
再一方面,本说明书实施例提供了一种用户并发访问的控制设备,应用于服务器,设备包括至少一个处理器及用于存储处理器可执行指令的存储器,指令被处理器执行时实现包括上述用户并发访问的控制方法。
本说明书提供的用户并发访问的控制方法、装置及设备,基于SAS服务架构下各个计算服务端的成本值计算各个计算服务端能够支持的最大客户端连接数量,再根据用户访问日志,计算各个计算服务端在指定周期内每天的用户并发数平均值,进而计算出各个计算服务端对应的服务端限制最大用户并发数量。基于计算出的计算服务端对应的服务端限制最大用户并发数量对计算服务端的用户并发数进行合理配置,使得计算服务端的用户并发数能够控制在合理范围内,从而确保服务端处于相对平稳的运行状态,不会出现资源负载的情况,不影响用户访问的反馈效率,提升了***性能以及用户体验感。
附图说明
为了更清楚地说明本说明书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,下面描述中的附图仅仅是本说明书中记载的一些实施例,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是本说明书一个实施例中SAS9元数据信息结构示意图;
图2是本说明书一个实施例中SAS9***集群结构示意图;
图3是本说明书实施例提供的用户并发访问的控制方法实施例的流程示意图;
图4是本说明书一个实施例中计算服务端对用户并发控制的原理示意图;
图5是本说明书一个实施例中用户组粒度的用户并发访问控制原理示意图;
图6是本说明书一个实施例中用户粒度的用户并发访问控制原理示意图;
图7是本说明书实施例中用户并发访问控制的原理示意图;
图8是本说明书一个实施例中用户并发访问的控制装置的结构示意图;
图9是本说明书一个实施例中用户并发访问的控制服务器的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都应当属于本说明书保护的范围。
本说明书实施例提供的一个场景示例中,用户并发访问的控制方法可以应用于执行用户并发访问的控制的设备,如SAS服务的体系架构,可以是服务器或包括多个服务器组成的服务器集群。图1是本说明书一个实施例中SAS9元数据信息结构示意图,如图1所示,在SAS9服务的体系架构中,元数据Meta可以作为用户信息管理的中心,Meta存放着用户、用户组、用户认证域以及授权模板等信息,计算节点则由元数据集群负责管控。如图1所示,元数据Meta下对应有多个计算服务器SASApp,每个计算服务器SASApp下对应有多个部门用户组Wkgrp,每个部门用户组Wkgrp下对应有多个用户。图2是本说明书一个实施例中SAS9***集群结构示意图,如图2所示,通过元数据里的用户、用户组以及计算服务器相互关系,业务用户在登录SASEG客户端时,会被元数据集群自动分配到对应的计算节点即计算服务器。而在计算节点下面,又进一步实施了层级关系的划分,最终,用户权限可以细化到每一个用户的统一认证账号。如图2所示,每个计算服务器内包括有Workspace服务即工作区服务。
本说明书实施例提供的用户并发访问的控制方法,提出了基于SAS服务的用户并发访问控制优化策略,可以应用与SAS服务架构下的服务端,克服了SAS9服务中计算层资源相互隔离且无法做到负载均衡的缺点,并有效地减少了生产上存在的众多无效或低效率的客户端连接数。通过该策略可以合理地分配SAS9服务的计算资源,提供了一个较好的手段去控制用户并发访问***。因此它可以始终保持服务器处于一个相对平稳的运行状态,基本不会出现资源负载的情况,从而不会影响到业务灵活查询的体验。
图3是本说明书实施例提供的用户并发访问的控制方法实施例的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。的方法或模块结构的在实际中的装置、服务器或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。
具体的一个实施例如图3所示,本说明书提供的用户并发访问的控制方法的一个实施例中,方法可以应用于服务器、计算机、智能手机、平板电脑等设备中,所述方法可以包括如下步骤:
步骤302、基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量。
在具体的实施过程中,本说明书实施例提供的用户并发访问控制方法主要应用在SAS服务架构中,在SAS9中,当一个客户端连接上SAS9服务端,都会占用服务器的一些负载。而这些负载的多少,在成本平衡算法中则是用成本值来表示。每当一个客户端去连接服务器时,SAS9计算服务器中的spawner服务会为其分配所需的成本值,并重新计算出自己所剩余的总的成本值。可以根据各个计算服务端(即前文所述的计算服务器)的成本值来计算各个计算服务端能够支持的最大客户端连接数量级最大支持客户端连接数量。如:若计算服务端的成本值为600,连接一个客户端所需的成本值为200,那么该计算服务端的最大支持客户端连接数量为3。
本说明书一些实施例中,基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量,可以包括:
获取各个计算服务端的最大成本值与启动成本值的成本差值;
根据所述成本差值和各个客户端的成本值的比值确定出各个计算服务端的最大支持客户端连接数量。
具体地,本说明书实施例中将一个计算服务端的成本值分为3种:每个客户端的成本值(一个客户端连接服务端所需要的成本值)、启动成本值(启动Workspace服务所需要的成本值)、最大成本值(一台服务器所具备的最大成本值),基于此,先计算各个计算服务端的最大成本值与启动成本值的成本差值,将成本差值与各个客户端的成本值的比值作为各个计算服务端的最大支持客户端连接数量,具体可以参见下述公式:
count=(cost(max)-cost(startup))/cost(per)
其中,cost(max)为最大成本值,cost(startup)启动成本值,cost(per)为每个客户端的成本值,count即为最大支持客户端连接数量。
从表1中可以看出,假设每个客户端的成本值是100,Workspace服务的启动成本值是200,服务器A最大成本值是1000,服务器B的最大成本值是800,可以算出服务器A和服务器B支持的最大支持客户端连接数量分别是8和6。
表1:计算服务器的成本值状态
参数 | 服务器A | 服务器B |
每个客户端的成本值 | 100 | 100 |
启动成本值 | 200 | 200 |
最大成本值 | 1000 | 800 |
客户端连接数 | 8 | 6 |
通过对计算服务端的成本值进行分析,合理计算出各个计算服务端能够支持的最大客户端数量,为后续用户访问并发数量的合理配置奠定了数据基础。
步骤304、采集各个计算服务端在指定周期内的用户行为日志。
在具体的实施过程中,在SAS9服务架构中,服务端连接上一个客户端,服务端就会启动一个应用进程,而进程中会包含关键字sasexe,进而可以采集到各个计算服务端在指定周期内的用户行为日志,如:抓取不同时间段的用户并发数量以及各个用户的访问时长等。其中,抓取用户并发数(去除服务中包含的管理员账号进程)和服务器内存状态的核心代码可以参考如下:
pnum=`ps-ef|grep sasexe|egrep-v'sasadm|sassrv|grep'|wc-l`;
free-h;
步骤306、根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值。
在具体的实施过程中,可以根据各个计算服务端在指定周期内的用户行为日志,分析出指定周期内各个计算服务端对应的用户并发数平均值。其中,指定周期可以基于实际应用需求进行设置如:1个月、1个季度、半年等,本说明书实施例不做具体限定。例如:采集计算服务端A在一个季度内的用户行为日志,基于一个季度内的用户行为日志,可以计算出计算服务端在该季度内每天的用户并发数量,将每天的用户并发数量除以总天数,即可以获得每天用户并发数平均值,或者,计算出每天计算服务端的用户并发数的均值,将每天的均值再求平均,即可以获得该季度内每天用户并发数平均值。此外,还可以根据用户并发访问的时间,针对高峰时段进行用户并发访问的合理配置,进而采集的用户行为日志为指定周期内高峰时段如:每天8:30-18:00的用户行为日志作为分析数据。
本说明书一些实施例中,所述根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值,包括:
根据指定周期内的用户行为日志,获取各个计算服务端在所述指定周期内每天用户并发数量的并发用户中位数;
根据所述并发用户中位数确定出所述指定周期内各个计算服务端对应的用户并发数平均值。
在具体的实施过程中,可以通过计算保留一天中内存使用率在90%以上的用户并发数和抓取信息的时间,然后写入到一张参数表中,再求取各个计算服务端在指定周期内每天用户并发数量的并发用户中位数。以一个季度的数据为基础,剔除双休日和节假日,可以计算出用户并发数的平均值。基本计算可以参考如下公式:
其中,Ni表示计算服务端在指定周期内每天用并发数的并发用户中位数,i为计算天数,avr表示用户并发数平均值。
通过筛选出计算服务端每天用户并发数量的中位数表征一天的用户并发量,基于每天的并发数量中位数计算指定周期内每天的用户并发数量,减少了计算量,提升了数据处理效率。
步骤308、根据各个计算服务端对应的最大支持客户端连接数量和用户并发数平均值的平均值,确定出各个计算服务端对应的服务端限制最大用户并发数量。
在具体的实施过程中,计算获得各个计算服务端对应的最大支持客户端连接数量和用户并发数平均值后,可以对计算获得的两个参数进行求平均计算,进而获得各个计算服务端对应的服务端限制最大用户并发数量。具体可以参见下述公式:
concurrency(SASApp)=(count+avr)/2
其中,concurrency(SASApp)表示服务端限制最大用户并发数量,count为最大支持客户端连接数量,avr表示用户并发数平均值。
例如:基于计算服务端A、计算服务端B的成本值计算出计算服务端A的最大支持客户端连接数量为8,计算服务端B的最大支持客户端连接数量为6,通过统计计算服务端A、B的用户行为日志,计算出在一个季度内计算服务端A每天的用户并发数平均值为60,计算服务端B每天的用户并发数平均值为50,那么可以计算出计算服务端A的服务端限制最大用户并发数量为(8+60)/2=34,计算服务端B的服务端限制最大用户并发数量为(6+50)/2=28。
步骤310、根据各个计算服务端对应的服务端限制最大用户并发数量,配置各个计算服务端的用户并发数量。
在具体的实施过程中,确定出各个计算服务端的服务端限制最大用户并发数量后,可以对各个计算服务端的用户并发数量进行配置,如:通过编写对应的程序代码对各个计算服务端的用户并发数量进行配置。例如:可以基于各个计算服务端的服务端限制最大用户并发数量编写计算服务端的用户并发数量控制代码,将编写的代码写入计算服务端的启动脚本如:Workspace服务的启动脚本中,即可以对各个计算服务端的用户并发数量进行控制,是的计算服务端的并发数量在合理范围内。在一些场景示例中,核心代码可以参考如下:
pnum=`ps-ef|grep sasexe|egrep-v'sasadm|sassrv|grep'|wc-l`;
if[$pnum-gt$concurrency(SASApp)];then
cmd="$SAS_COMMAND/etc/exceedconnection.log$USERMODS_OPTIONS"
fi
图4是本说明书一个实施例中计算服务端对用户并发控制的原理示意图,如图4所示,从服务器粒度的角度,可以将用户并发访问控制分为两个模块:成本平衡算法模块和用户行为分析日志模块。其中,成本平衡算法模块用于基于计算服务端的成本值计算各个计算服务端的最大支持客户端连接数量,具体计算方法参见上述实施例的记载。用户行为分析日志模块可以部署在计算服务端上的监控调度,如:负责在每天的08:30-18:00时间段每隔五分钟统计用户并发数、服务器内存状态等,基于统计出的用户并发数量,计算出各个计算服务端在指定周期内每天的用户并发数平均值。再对成本平衡算法模块和用户行为分析日志模块计算结果进行综合分析,从而获得各个计算服务端对应的服务端限制最大用户并发数量,进一步对各个计算服务端的用户并发数量进行合理配置。具体过程可以参见上述实施例的记载,此处不再赘述。
本说明书实施例提供的用户并发访问的控制方法,基于SAS服务架构下各个计算服务端的成本值计算各个计算服务端能够支持的最大客户端连接数量,再根据用户访问日志,计算各个计算服务端在指定周期内每天的用户并发数平均值,进而计算出各个计算服务端对应的服务端限制最大用户并发数量。基于计算出的计算服务端对应的服务端限制最大用户并发数量对计算服务端的用户并发数进行合理配置,使得计算服务端的用户并发数能够控制在合理范围内,从而确保服务端处于相对平稳的运行状态,不会出现资源负载的情况,不影响用户访问的反馈效率,提升了***性能以及用户体验感。
图5是本说明书一个实施例中用户组粒度的用户并发访问控制原理示意图,如图5所示,在一些实施例中,所述方法还包括:
根据所述指定周期内的用户行为日志,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比;
基于各个计算服务端对应的服务端限制最大用户并发数量和对应的用户组访问量占比的乘积,确定出各个用户组对应的用户组支持最大用户并发数量;
根据各个用户组对应的用户组支持最大用户并发数量,配置各个用户组的用户并发数量。
在具体的实施过程中,如图1、图2所示,在SASApp服务器下有多个部门用户组,部门组下分别是各个用户。如前文所述,采集了各个计算服务端的用户行为日志,如:可以通过用户行为分析日志模块的用户行为分析日志功能,抓取各个部门用户组在指定周期内的用户访问数量,可以根据实际使用需求对高峰时段的用户访问量进行分析,如:采集每天在08:30-18:00时间段的用户访问量。同样的,也可以获取整个SASApp服务器即计算服务端下用户每天在08:30-18:00时间段总的查询量。基于用户组的用户访问量和用户组对应的计算服务端的用户访问量,可以计算出用户组对应的用户访问量占计算服务端的用户访问量的占比即用户组访问量占比。
本说明书一些实施例中,所述根据所述指定周期内的用户行为日志,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比,包括:
根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的服务端用户日访问数量均值以及各个用户组对应的用户组用户日访问量均值;
根据各个用户组的用户组用户日访问量均值与对应的计算服务端的服务端用户日访问数量均值的比值,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比。
具体底,计算出SASApp服务器即各个计算服务端下在指定周期内用户在08:30-18:00时间段总查询量的平均值即服务端用户日访问数量均值。计算公式可以参考如下:
其中,queryj为指定周期内每天计算服务端下用户在08:30-18:00时间段总访问量,j为计算天数,queryAvr(SASApp)为计算服务端的服务端用户日访问数量均值。
再计算出各个用户组下用户在08:30-18:00时间段总访问量的平均值。计算公式可以参考如下:
其中,queryk为指定周期内每天用户组WkgrpN下用户在08:30-18:00时间段总访问量,k为计算天数,queryAvr(WkgrpN)为指定周期内用户组WkgrpN对应的用户组用户日访问量均值。
根据计算得出的各个计算服务端对应的服务端用户日访问数量均值和对应用户组的用户组用户日访问量均值,可以计算出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比。如:基于前文计算得出的queryAvr(SASApp)、queryAvr(WkgrpN)值,可以计算出用户组WkgrpN的用户访问量在计算服务端SASApp服务器下总用户访问量的占比即用户组访问量占比。计算公式可以参考如下:
ratio(WkgrpN)=queryAvr(WkgrpN)/queryAvr(SASApp)
其中,ratio(WkgrpN)可以表示用户组WkgrpN的用户组访问量占比,queryAvr(WkgrpN)为指定周期内用户组WkgrpN对应的用户组用户日访问量均值,queryAvr(SASApp)为计算服务端的服务端用户日访问数量均值。通过对用户组和计算服务端的用户访问量的统计,实现用户组访问量占比的快速计算。
再根据前文计算出的各个计算服务端对应的服务端限制最大用户并发数量concurrency(SASApp)和对应的用户组的用户组访问量占比ratio(WkgrpN),可以计算出各个用户组支持的最大用户并发数。计算公式可以如下:
concurrency(WkgrpN)=concurrency(SASApp)×ratio(WkgrpN)
其中,concurrency(WkgrpN)可以表示用户组WkgrpN支持的最大用户并发数,concurrency(SASApp)可以表示服务端限制最大用户并发数量,ratio(WkgrpN)可以表示用户组WkgrpN的用户组访问量占比。
例如:用户组1被配置在计算服务端1下,可以通过用户行为日志的分析,计算出用户组1在指定周期内各个用户的日均访问数量均值即用户组用户日访问量均值,再计算出在指定周期内计算服务端1的用户日访问数量,进而计算出用户组1的用户日访问数量占计算服务端1的日访问数量的占比即用户组1的用户组访问量占比。基于计算出的用户组1的用户组访问量占比以及利用前文的处理方式计算出的计算服务端1对应的服务端限制最大用户并发数量的乘积,可以得出用户组1的用户组支持最大用户并发数量。以此类推,可以计算出各个用户组的用户组支持最大用户并发数量。
计算出各个用户组的用户组支持最大用户并发数量后,可以基于各个用户组的用户组支持最大用户并发数量对各个用户组的用户并发数量进行合理配置。可以通过编写计算机代码的方式实现对用户组的用户并发数量进行合理配置,如:可以将对用户组并发数量的配置代码写入到计算服务端的启动脚本中如:写入Workspace服务的启动脚本中,从而实现对各部门用户组的用户发数进行控制,减少部门之间出现资源争夺。其中,用户组用户并发访问数量的控制核心代码可以参考如下:
WkgrpABCN=`groups$USER|awk'{for(i=3;i<=NF;i++)print$i}'`;
WkgrpN=${WkgrpABCN%?};
sum=0;
user=`grep-w"$WkgrpN"/sas/group_user_list.txt|awk-F':″{print$2}'`;
for var in`$user`;
do
pnum=`ps-ef|grep sasexe|grep$var|egrep-v'sasadm|sassrv|grep'`;
sum=$[sum+pnum];
Done
if[$sum-gt concurrency(WkgrpN)];then
cmd="$SAS_COMMAND/etc/exceedconnection.log$USERMODS_OPTIONS"
Fi
其中,group_user_list.txt为用户和部门组的对应关系如下所示:
user1:Wkgrp1
user2:Wkgrp2
user3:Wkgrp3
............
本说明书实施例,通过对计算服务端下的各个用户组的用户行为日志进行分析,计算出用户组用户日访问量均值以及对应的计算服务端的服务端用户日访问数量均值,结合计算服务端的服务端限制最大用户并发数量,计算出各个用户组对应的用户组支持最大用户并发数量,从而实现从用户组粒度对用户并发数量的合理配置,避免不同用户组之间的资源争夺,提升***访问性能。
图6是本说明书一个实施例中用户粒度的用户并发访问控制原理示意图,如图6所示,本说明书一些实施例中,所述方法还包括:
根据所述指定周期内的用户行为日志,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比;
基于各个用户组对应的用户组支持最大用户并发数量和对应的用户访问量占比的乘积,确定出各个用户对应的用户支持最大客户端连接数量;
根据各个用户对应的用户支持最大客户端连接数量,配置各个用户的客户端连接数量。
在具体的实施过程中,如图1、图2所示,在SASApp服务器下有多个部门用户组,用户组下分别是各个用户。如前文所述,采集了各个计算服务端的用户行为日志,如:可以通过用户行为分析日志模块的用户行为分析日志功能,可以抓取各个用户在指定周期内的日访问数量,可以根据实际使用需求对高峰时段的用户访问量进行分析,如:采集指定周期内各个用户每天在08:30-18:00时间段的访问量。同样的,也可以获取整个SASApp服务器即计算服务端下用户每天在08:30-18:00时间段总的查询量。基于对用户组内各个用户的用户日访问量,计算出用户的日访问量占对应用户组日访问量的占比即用户访问量占比。
本说明书一些实施例中,所述根据所述指定周期内的用户行为日志,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比,包括:
根据所述指定周期内的用户行为日志,计算所述指定周期内各个用户的用户日访问量均值用户组用户日访问量均值;
根据各个用户的用户日访问量均值以及对应用户组的用户组用户日访问量均值的比值,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比。
具体地,基于用户行为日志,计算出每个用户在08:30-18:00时间段查询量的平均值即用户日访问量均值。计算公式可以参考如下:
参见上述实施例的记载,可以基于用户行为日志计算出的各个用户组在在指定周期内的用户组用户日访问量均值queryAvr(WkgrpN)。结合计算出的每个用户的用户日访问量均值和对应用户组的用户组用户日访问量均值queryAvr(WkgrpN),可以计算出每个用户的查询量在部门组中查询量的占比即用户访问量占比。计算公式如下:
其中,可以表示用户USERN的用户访问量占比,表示用户USERN的用户日访问量均值,queryAvr(WkgrpN)表示用户组WkgrpN的用户组用户日访问量均值。通过对各个用户组内用户的日访问量的统计,实现用户访问占比的快速计算。
再基于前文计算出的各个用户组对应的用户组支持最大用户并发数量concurrency(WkgrpN)和该用户组内各个用户的用户访问量占比即可以计算出各个用户的用户支持最大客户端连接数量。计算公式可以参考如下:
例如:用户1属于用户组1下的用户,可以通过用户行为日志的分析,计算出用户1在指定周期内每天的访问量均值即用户日访问量均值,再计算出在指定周期内用户组1的用户组用户日访问量均值,进而计算出用户1的用户日访问量均值占用户组1的用户访问量占比即用户访问量占比。基于计算出的用户1的用户访问量占比以及利用前文的处理方式计算出的用户组1对应的用户组支持最大用户并发数量的乘积可以得出用户1的用户支持最大客户端连接数量。以此类推,可以计算出各个用户的用户支持最大客户端连接数量。
计算出各个用户的用户支持最大客户端连接数量后,可以基于各个用户的用户支持最大客户端连接数量对各个用户的客户端连接数量进行合理配置。可以通过编写计算机代码的方式实现对用户的客户端连接数量进行合理配置,如:可以将对用户支持最大客户端连接数量的配置代码写入到计算服务端的启动脚本中如:写入Workspace服务的启动脚本中,从而实现对各个用户的客户端连接数进行控制,减少用户之间出现资源争夺。其中,用户支持最大客户端连接数量的控制核心代码可以参考如下:
本说明书实施例,通过对各个用户组内各个用户的用户行为日志进行分析,计算出用户日访问数量均值以及对应的用户组的用户组用户日访问量均值,结合用户组支持最大用户并发数量,计算出各个用户对应的用户支持最大客户端连接数量,从而实现从用户粒度对用户连接的客户端数量的合理配置,避免不同用户之间的资源争夺,提升***访问性能。
本说明书一些实施例中,所述方法还包括:
每隔所述指定周期重新计算各个计算服务端对应的服务端限制最大用户并发数量、各个用户组对应的用户组支持最大用户并发数量、各个用户对应的用户支持最大客户端连接数量中的至少一个;
基于新计算出的服务端限制最大用户并发数量、用户组支持最大用户并发数量、用户支持最大客户端连接数量重新配置计算服务端的用户并发数量或用户组的用户并发数量或用户的客户端连接数量。
在具体的实施过程中,可以每隔指定周期采用上述实施例的方法对服务端限制最大用户并发数量、各个用户组对应的用户组支持最大用户并发数量、各个用户对应的用户支持最大客户端连接数量进行重新计算,基于重新计算的结果对用户并发访问量或客户端连接数量进行重新配置,实现用户并发访问的灵活配置。如:可以每个季度服务器、用户组以及用户的并发数配置,都会以上一个季度的查询数据为依据进行计算,在每个季度的第一天自动执行上述实施例的方法,可以实现用户并发数自动调整,服务器资源可以实现动态分配。
图7是本说明书实施例中用户并发访问控制的原理示意图,如图7所示,本说明书实施例中可以从服务器粒度、用户组粒度以及用户粒度分别对用户并发数以及客户端连接数量进行合理配置,该用户并发访问控制策略可以更加合理控制用户并发访问SAS9***,避免服务器出现过度负载情况,影响用户正常查询体验,同时也从用户组和用户粒度做到资源动态分配,确保服务器资源能够均衡使用。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参考即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参考方法实施例的部分说明即可。
基于上述的用户并发访问的控制方法,本说明书一个或多个实施例还提供一种用于用户并发访问的控制的装置。装置可以包括使用了本说明书实施例方法的***(包括分布式***)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本说明书实施例提供的一个或多个实施例中的装置如下面的实施例。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参考前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的***、装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图8是本说明书一个实施例中用户并发访问的控制装置的结构示意图,如图8所示,本说明书一些实施例中提供的用户并发访问的控制装置具体可以包括:
最大客户端数量计算模块81,用于基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量;
日志采集模块82,用于采集各个计算服务端在指定周期内的用户行为日志;
用户并发数计算模块83,用于根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值;
限制用户并发数计算模块84,用于根据各个计算服务端对应的最大支持客户端连接数量和用户并发数平均值的平均值,确定出各个计算服务端对应的服务端限制最大用户并发数量;
用户并发数配置模块85,用于根据各个计算服务端对应的服务端限制最大用户并发数量,配置各个计算服务端的用户并发数量。
本说明书实施例提供的用户并发访问的控制装置,基于SAS服务架构下各个计算服务端的成本值计算各个计算服务端能够支持的最大客户端连接数量,再根据用户访问日志,计算各个计算服务端在指定周期内每天的用户并发数平均值,进而计算出各个计算服务端对应的服务端限制最大用户并发数量。基于计算出的计算服务端对应的服务端限制最大用户并发数量对计算服务端的用户并发数进行合理配置,使得计算服务端的用户并发数能够控制在合理范围内,从而确保服务端处于相对平稳的运行状态,不会出现资源负载的情况,不影响用户访问的反馈效率,提升了***性能以及用户体验。
本说明书一些实施例中,所述装置还包括用户组用户并发数配置模块,用于:
根据所述指定周期内的用户行为日志,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比;
基于各个计算服务端对应的服务端限制最大用户并发数量和对应的用户组访问量占比的乘积,确定出各个用户组对应的用户组支持最大用户并发数量;
根据各个用户组对应的用户组支持最大用户并发数量,配置各个用户组的用户并发数量。本说明书实施例通过对计算服务端下的各个用户组的用户行为日志进行分析,计算出用户组用户日访问量均值以及对应的计算服务端的服务端用户日访问数量均值,结合计算服务端的服务端限制最大用户并发数量,计算出各个用户组对应的用户组支持最大用户并发数量,从而实现从用户组粒度对用户并发数量的合理配置,避免不同用户组之间的资源争夺,提升***访问性能。
本说明书一些实施例中,所述装置还包括用户客户端连接配置模块,用于:
根据所述指定周期内的用户行为日志,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比;
基于各个用户组对应的用户组支持最大用户并发数量和对应的用户访问量占比的乘积,确定出各个用户对应的用户支持最大客户端连接数量;
根据各个用户对应的用户支持最大客户端连接数量,配置各个用户的客户端连接数量。
本说明书实施例通过对各个用户组内各个用户的用户行为日志进行分析,计算出用户日访问数量均值以及对应的用户组的用户组用户日访问量均值,结合用户组支持最大用户并发数量,计算出各个用户对应的用户支持最大客户端连接数量,从而实现从用户粒度对用户连接的客户端数量的合理配置,避免不同用户之间的资源争夺,提升***访问性能。
需要说明的,上述的装置根据对应方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照上述对应的方法实施例的描述,在此不作一一赘述。
本说明书实施例还提供一种用户并发访问的控制设备,设备包括至少一个处理器及用于存储处理器可执行指令的存储器,指令被处理器执行时实现包括上述实施例中的用户并发访问的控制方法,如:
基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量;
采集各个计算服务端在指定周期内的用户行为日志;
根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值;
根据各个计算服务端对应的最大支持客户端连接数量和用户并发数平均值的平均值,确定出各个计算服务端对应的服务端限制最大用户并发数量;
根据各个计算服务端对应的服务端限制最大用户并发数量,配置各个计算服务端的用户并发数量。
需要说明的,上述的设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书提供的上述实施例的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,的存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果。
本说明书实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图9是本说明书一个实施例中用户并发访问的控制服务器的硬件结构框图,该计算机终端可以是上述实施例中的用户并发访问的控制服务器或用户并发访问的控制处理装置。如图9所示服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的非易失性存储器200、以及用于通信功能的传输模块300。本领域普通技术人员可以理解,图9所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器10还可包括比图9中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如数据库或多级缓存、GPU,或者具有与图9所示不同的配置。
非易失性存储器200可用于存储应用软件的软件程序以及模块,如本说明书实施例中的打车数据处理方法对应的程序指令/模块,处理器100通过运行存储在非易失性存储器200内的软件程序以及模块,从而执行各种功能应用以及资源数据更新。非易失性存储器200可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,非易失性存储器200可进一步包括相对于处理器100远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局与网、移动通信网及其组合。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输模块300包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块300可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书实施例提供的上述用户并发访问的控制方法或装置可以在计算机中由处理器执行相应的程序指令来实现,如使用windows操作***的c++语言在PC端实现、linux***实现,或其他例如使用android、iOS***程序设计语言在智能终端实现,以及基于量子计算机的处理逻辑实现等。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参考即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参考方法实施例的部分说明即可。
虽然本说明书一个或多个实施例提供了如实施例或流程图的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式资源数据更新环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参考即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参考方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上仅为本说明书一个或多个实施例的实施例而已,并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在权利要求范围之内。
Claims (12)
1.一种用户并发访问的控制方法,其特征在于,所述方法包括:
基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量;
采集各个计算服务端在指定周期内的用户行为日志;
根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值;
根据各个计算服务端对应的最大支持客户端连接数量和用户并发数平均值的平均值,确定出各个计算服务端对应的服务端限制最大用户并发数量;
根据各个计算服务端对应的服务端限制最大用户并发数量,配置各个计算服务端的用户并发数量。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述指定周期内的用户行为日志,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比;
基于各个计算服务端对应的服务端限制最大用户并发数量和对应的用户组访问量占比的乘积,确定出各个用户组对应的用户组支持最大用户并发数量;
根据各个用户组对应的用户组支持最大用户并发数量,配置各个用户组的用户并发数量。
3.如权利要求2所述的方法,其特征在于,所述根据所述指定周期内的用户行为日志,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比,包括:
根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的服务端用户日访问数量均值以及各个用户组对应的用户组用户日访问量均值;
根据各个用户组的用户组用户日访问量均值与对应的计算服务端的服务端用户日访问数量均值的比值,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比。
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述指定周期内的用户行为日志,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比;
基于各个用户组对应的用户组支持最大用户并发数量和对应的用户访问量占比的乘积,确定出各个用户对应的用户支持最大客户端连接数量;
根据各个用户对应的用户支持最大客户端连接数量,配置各个用户的客户端连接数量。
5.如权利要求4所述的方法,其特征在于,所述根据所述指定周期内的用户行为日志,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比,包括:
根据所述指定周期内的用户行为日志,计算所述指定周期内各个用户的用户日访问量均值用户组用户日访问量均值;
根据各个用户的用户日访问量均值以及对应用户组的用户组用户日访问量均值的比值,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比。
6.如权利要求1所述的方法,其特征在于,所述基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量,包括:
获取各个计算服务端的最大成本值与启动成本值的成本差值;
根据所述成本差值和各个客户端的成本值的比值确定出各个计算服务端的最大支持客户端连接数量。
7.如权利要求1所述的方法,其特征在于,所述根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值,包括:
根据指定周期内的用户行为日志,获取各个计算服务端在所述指定周期内每天用户并发数量的并发用户中位数;
根据所述并发用户中位数确定出所述指定周期内各个计算服务端对应的用户并发数平均值。
8.如权利要求1-7任一项所述的方法,其特征在于,所述方法还包括:
每隔所述指定周期重新计算各个计算服务端对应的服务端限制最大用户并发数量、各个用户组对应的用户组支持最大用户并发数量、各个用户对应的用户支持最大客户端连接数量中的至少一个;
基于新计算出的服务端限制最大用户并发数量、用户组支持最大用户并发数量、用户支持最大客户端连接数量重新配置计算服务端的用户并发数量或用户组的用户并发数量或用户的客户端连接数量。
9.一种用户并发访问的控制装置,其特征在于,所述装置包括:
最大客户端数量计算模块,用于基于计算服务端的成本值,计算各个计算服务端的最大支持客户端连接数量;
日志采集模块,用于采集各个计算服务端在指定周期内的用户行为日志;
用户并发数计算模块,用于根据所述指定周期内的用户行为日志,确定出所述指定周期内各个计算服务端对应的用户并发数平均值;
限制用户并发数计算模块,用于根据各个计算服务端对应的最大支持客户端连接数量和用户并发数平均值的平均值,确定出各个计算服务端对应的服务端限制最大用户并发数量;
用户并发数配置模块,用于根据各个计算服务端对应的服务端限制最大用户并发数量,配置各个计算服务端的用户并发数量。
10.如权利要求9所述的装置,其特征在于,所述装置还包括用户组用户并发数配置模块,用于:
根据所述指定周期内的用户行为日志,确定出各个用户组的用户访问量占对应计算服务端的用户访问量的用户组访问量占比;
基于各个计算服务端对应的服务端限制最大用户并发数量和对应的用户组访问量占比的乘积,确定出各个用户组对应的用户组支持最大用户并发数量;
根据各个用户组对应的用户组支持最大用户并发数量,配置各个用户组的用户并发数量。
11.如权利要求10所述的装置,其特征在于,所述装置还包括用户客户端连接配置模块,用于:
根据所述指定周期内的用户行为日志,确定出各个用户的访问量占对应用户组的用户访问量的用户访问量占比;
基于各个用户组对应的用户组支持最大用户并发数量和对应的用户访问量占比的乘积,确定出各个用户对应的用户支持最大客户端连接数量;
根据各个用户对应的用户支持最大客户端连接数量,配置各个用户的客户端连接数量。
12.一种用户并发访问的控制设备,其特征在于,应用于服务器,设备包括至少一个处理器及用于存储处理器可执行指令的存储器,指令被处理器执行时实现包括上述权利要求1-8任一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110746706.2A CN113419938A (zh) | 2021-07-01 | 2021-07-01 | 用户并发访问的控制方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110746706.2A CN113419938A (zh) | 2021-07-01 | 2021-07-01 | 用户并发访问的控制方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113419938A true CN113419938A (zh) | 2021-09-21 |
Family
ID=77720007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110746706.2A Pending CN113419938A (zh) | 2021-07-01 | 2021-07-01 | 用户并发访问的控制方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113419938A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116137625A (zh) * | 2021-11-17 | 2023-05-19 | 中移(苏州)软件技术有限公司 | 一种连接控制方法、第一服务端及存储介质 |
CN116582369A (zh) * | 2023-07-13 | 2023-08-11 | 北京点聚信息技术有限公司 | 一种在线签约的意愿认证的方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021810A (zh) * | 2007-03-08 | 2007-08-22 | 山东浪潮齐鲁软件产业股份有限公司 | 软件***性能评估方法 |
CN106446263A (zh) * | 2016-10-18 | 2017-02-22 | 北京航空航天大学 | 一种多媒体文件云存储平台及使用该云存储平台去冗的方法 |
CN107566535A (zh) * | 2017-10-27 | 2018-01-09 | 武汉大学 | 一种Web地图服务中基于用户并发访问时序规则的自适应负载均衡策略 |
WO2018010211A1 (zh) * | 2016-07-13 | 2018-01-18 | 山西特信环宇信息技术有限公司 | 一种交易币的应用平台及方法 |
CN108900314A (zh) * | 2018-07-19 | 2018-11-27 | 网宿科技股份有限公司 | 一种网络加速服务的请求数计费方法和装置 |
CN109901927A (zh) * | 2019-02-21 | 2019-06-18 | 国泰君安证券股份有限公司 | 智能化任务动态调度***及其方法 |
US10348637B1 (en) * | 2015-12-30 | 2019-07-09 | Cerner Innovation, Inc. | System and method for optimizing user-resource allocations to servers based on access patterns |
CN111522668A (zh) * | 2020-04-29 | 2020-08-11 | 青岛海尔科技有限公司 | 用于资源配置的方法和装置及计算机可读存储介质 |
CN111726402A (zh) * | 2020-06-09 | 2020-09-29 | 百度在线网络技术(北京)有限公司 | 用户行为数据处理方法、装置、电子设备及存储介质 |
CN112035415A (zh) * | 2020-08-28 | 2020-12-04 | 北京金山云网络技术有限公司 | 针对用户访问数据的处理***、方法、设备及存储介质 |
CN112102111A (zh) * | 2020-09-27 | 2020-12-18 | 华电福新广州能源有限公司 | 一种发电厂数据智能处理*** |
-
2021
- 2021-07-01 CN CN202110746706.2A patent/CN113419938A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021810A (zh) * | 2007-03-08 | 2007-08-22 | 山东浪潮齐鲁软件产业股份有限公司 | 软件***性能评估方法 |
US10348637B1 (en) * | 2015-12-30 | 2019-07-09 | Cerner Innovation, Inc. | System and method for optimizing user-resource allocations to servers based on access patterns |
WO2018010211A1 (zh) * | 2016-07-13 | 2018-01-18 | 山西特信环宇信息技术有限公司 | 一种交易币的应用平台及方法 |
CN106446263A (zh) * | 2016-10-18 | 2017-02-22 | 北京航空航天大学 | 一种多媒体文件云存储平台及使用该云存储平台去冗的方法 |
CN107566535A (zh) * | 2017-10-27 | 2018-01-09 | 武汉大学 | 一种Web地图服务中基于用户并发访问时序规则的自适应负载均衡策略 |
CN108900314A (zh) * | 2018-07-19 | 2018-11-27 | 网宿科技股份有限公司 | 一种网络加速服务的请求数计费方法和装置 |
CN109901927A (zh) * | 2019-02-21 | 2019-06-18 | 国泰君安证券股份有限公司 | 智能化任务动态调度***及其方法 |
CN111522668A (zh) * | 2020-04-29 | 2020-08-11 | 青岛海尔科技有限公司 | 用于资源配置的方法和装置及计算机可读存储介质 |
CN111726402A (zh) * | 2020-06-09 | 2020-09-29 | 百度在线网络技术(北京)有限公司 | 用户行为数据处理方法、装置、电子设备及存储介质 |
CN112035415A (zh) * | 2020-08-28 | 2020-12-04 | 北京金山云网络技术有限公司 | 针对用户访问数据的处理***、方法、设备及存储介质 |
CN112102111A (zh) * | 2020-09-27 | 2020-12-18 | 华电福新广州能源有限公司 | 一种发电厂数据智能处理*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116137625A (zh) * | 2021-11-17 | 2023-05-19 | 中移(苏州)软件技术有限公司 | 一种连接控制方法、第一服务端及存储介质 |
CN116582369A (zh) * | 2023-07-13 | 2023-08-11 | 北京点聚信息技术有限公司 | 一种在线签约的意愿认证的方法 |
CN116582369B (zh) * | 2023-07-13 | 2023-09-12 | 北京点聚信息技术有限公司 | 一种在线签约的意愿认证的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108683720B (zh) | 一种容器集群服务配置方法及装置 | |
US9384227B1 (en) | Database system providing skew metrics across a key space | |
CN105103506B (zh) | 用于为云计算网络中的非均匀带宽请求分配带宽的方法和*** | |
CN111666159B (zh) | 负载均衡控制方法和装置、存储介质及电子设备 | |
Lai et al. | Towards a framework for large-scale multimedia data storage and processing on Hadoop platform | |
CN107426274B (zh) | 基于时序的业务应用及监控分析调度的方法和*** | |
CN110414771A (zh) | 企业组织架构数据的更新方法、装置、服务器及客户端 | |
CN105049268A (zh) | 分布式计算资源分配***和任务处理方法 | |
KR101430649B1 (ko) | 클라우드 환경 내의 데이터 분석 서비스 제공 시스템 및 방법 | |
CN113419938A (zh) | 用户并发访问的控制方法、装置及设备 | |
Satoh et al. | Total energy management system for cloud computing | |
CN111400393B (zh) | 基于多应用平台的数据处理方法和装置、存储介质 | |
CN112698952A (zh) | 计算资源统一管理方法、装置、计算机设备及存储介质 | |
CN108924203B (zh) | 数据副本自适应分布方法、分布式计算***及相关设备 | |
US10621389B1 (en) | Selecting platform-supported services | |
Kang et al. | A multiagent brokering protocol for supporting Grid resource discovery | |
WO2019169998A1 (zh) | 选择数据节点的方法、***以及相关设备 | |
CN116594834A (zh) | 一种用于多协议服务器的运维数据处理方法及装置 | |
Xia et al. | Age-aware query evaluation for big data analytics in mobile edge clouds | |
CN115525603A (zh) | 存储统计方法、装置、计算机可读存储介质与ai设备 | |
CN116126415A (zh) | 一种基于场景的上云组件配置推荐方法及*** | |
US20230137673A1 (en) | Systems and methods for dynamically scaling remote resources | |
CN114443293A (zh) | 一种大数据平台的部署***及方法 | |
CN106210120A (zh) | 一种服务器的推荐方法及其装置 | |
Hsu et al. | Effective memory reusability based on user distributions in a cloud architecture to support manufacturing ubiquitous computing |
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 |